인공지능 컨설팅

과학 분야에서의 인공지능 활용 방안을 제안합니다!

당사의 기업 자문 경험을 바탕으로 과학 분야에서 인공지능을 실질적이고 효율성 있게 활용하기 위한 방법을 제시합니다. 데이터 수집부터 전처리, 분석, 추출, 시각화까지 즉시 처리·분석하고, 인공지능을 활용한 예측을 손쉽게 수행할 수 있는 웹 기반의 사용자 환경을 구축하여, 업무의 효율성 극대화 및 경쟁력 향상을 위한 업무 환경을 제공합니다.

인실리코는 스마트공장 추진단(KOSF)에서 선정한 스마트 공장 솔루션 공급 기업입니다.

인공지능 기법을 활용한 과학데이터 예측 시스템

데이터 수집
분석 / 예측
시각화 / 활용
내부데이터 외부데이터
화학구조 물질정보 DB 분류 군집화 물성 / 분류 예측 기기분석 결과 예측
이미지 약물 DB 시계열 분석 텍스트 마이닝 화학반응 예측 후보물질 설계
텍스트 화학반응 DB 회귀분석 딥러닝 유전자 분석 이미지 분석
 
스펙트럼 유전자 DB 대시보드 웹 / 모바일
내부데이터 외부데이터
데이터 수집
분석 / 예측
시각화 / 활용

인공지능 도입 프로세스

인공지능을 활용하여 과학 데이터를 예측하기 위한 단계별 프로세스를 거칩니다.

1. 인공지능 적용 분야 선택
  • 도전과제 선정
  • 협업 및 IT 전문가 TF 구성
  • 적용 사례 및 필요 기술 검토
2. Pilot 프로젝트 진행
  • 데이터 수집 및 적용 가능성 검증
  • PoC (Proof of Concept) 테스트 진행
  • 인공지능 기술 적용통합
3. 시스템 안정화 및 고도화
  • 인공지능 시스템 지속 훈련 및 성능 검증
  • 적용 분야 확대
  • 자가학습 시스템 도입

평가와 판정

적용분야

품질 분석 결과 판정

개요

품질 평가 과정에서 얻어지는 각종 이미지나 기기분석의 결과를 기반으로 생산 현장에서 양품과 불량 판단 등의 품질 분석 결과 판정에 활용

적용사례

국립과학수사연구원에서 수년간 생산된 기기분석 데이터를 처리∙가공하여 인화성 물질 포함 여부를 인공지능으로 예측∙판정 할 수 있는 방화물질 감식 시스템 구축

화재 현장에서 채취한 샘플에 방화물질이 포함되어 있는지 판독을 위해 GC-MS 스펙트럼 분석 시 인공지능을 활용하여 방화물질 포함 여부 판정

인화성 물질의 존재 유무를 정량적인 수치로 예측함으로써 연구원들의 판단에 사전 기초 자료를 제공하여 신뢰성을 확보하는데 도움을 주며 향후에는 인공지능에 의한 방화물질 감식의 완전 대체 기대

*웹 기반 통합 데이터 관리 프레임 워크

데이터 수집 프로그램 개발 / 데이터 전처리 프로그램 개발 / 인공지능 모델 생성 /  물성 예측 인터페이스 개발 / 빅데이터 저장소 구축 / 예측 결과 관리 & 검색

AS-IS
화재 현장 물질 수집 GC-MS를 이용한 분석 Retention time 확인
/ Mass spectra 확인		 인화성 물질 유무 판단
TO-BE
화재 현장 물질 수집 GC-MS를 이용한 분석 학습 기반 예측 인화성 물질 유무 판단

국립과학수사연구원 방화물질 감식 시나리오

제품의 최적 성분 및 조성 예측

적용분야

고분자 소재의 목적 특성 예측 및 조성 최적화

개요

타이어, 전선케이블, 폴리우레탄 등의 고분자 소재 연구개발 과정에서 축적된 실험 자료를 기반으로 인공지능 조성 설계 시스템을 구축하여 고효율 저비용의 제품 개발 지원

적용사례

원료 및 첨가제 배합 비율에 따른 고분자 소재의 다양한 제품 물성 예측 / 원하는 목적 물성에 적합한 원료 및 첨가제의 성분 및 조성 추천 / 새로운 실험 자료를 추가하여 모델을 자동 갱신하는 자가 학습 시스템 구축을 통한 지속적인 모델 정확도 개선

*기대효과

인공지능 기반의 자가 학습 시스템 구축 및 추천 정확도 진화 / 실험 데이터 분석 기반 모델링 시스템 제공

지능형 모델링 시스템
“인공 신경망”
“최적화 알고리즘”
“기계학습 모델 평가”		 자가학습
자가학습 시스템 구축
  • 군 단위 모델링
  • 기 학습된 모델을 기존 모델과 비교
  • 추천 정확도 향상
추천
Formulation 추천 모델 개발
  • Formulation 추천
  • 연구 정보시스템 연계 API 개발
예측
물성 예측 모델 개발
  • 실험 자료 분석
  • 배합 비율에 따른 다양한 제품 물성 예측

고분자 소재의 목적 특성 예측 및 조성 최적화 시스템

공정 조건 최적화

적용분야

성능, 품질, 경제성을 향상시키는 공정 조건 최적화

개요

생산 공정의 운전 변수를 최적화하여 제품 품질 향상 및 수익 개선에 기여

적용사례

제품의 품질 결과와 생산 공정데이터 간의 상관관계 분석을 통하여 품질에 영향을 주는 주요 변수를 선정하고 품질을 향상 시킬 수 있는 한 차원 고도화된 공정 조건 최적화 수행

제품 생산 과정에서 발생하는 수익(제품 및 부산물 판매)과 지출 비용(원료 및 에너지 소비)을 기반으로 경제성 모델을 정의하고, 수익성과 공정 변수 간의 상관 분석을 통해 수익을 최대화하는 방향으로 공정 변수를 최적화함으로써 기업의 이윤 극대화

*경제성 모델 정의

Y(천원/hr) = (제품 수익 – 원자재 비용) + (부산물 수입 – 연료 비용)

 

경제성 분석 모델 생성

F(x)= β0+ β1x1+β2x2+…+βpxp+ ε 

(xn  : Control 가능한 공정 변수, 투입 원료, 에너지 등)

 

*Control 가능한 범위 내에서 공정 조건 최적화

x: 배양 온도, y: 원심 분리 속도

F(x) = -10,202 – 1,902*(배양온도) + 22.5*(원심분리 속도) + 192*(필터링 압력)
운전 조건 표준 조건 개선 조건 I 개선 조건 II 개선 조건 III
배양온도 3.98 3.48 3.48 3.48
원심분리 속도 800 800 817 817
필터링 압력 0.287 0.287 0.287 0.385
상대 손익 (억원/년) 0 22.82 9.18 0.45
공헌도 (%) 70.3 28.3 1.4

성능, 품질, 경제성을 향상시키는 공정 조건 최적화

사고 선행 예측

적용분야

통계적 사고 예측

개요

인공지능을 활용하여 사고나 사고의 징후를 조기에 감지할 수 있는 민감한 변수 개발을 통해 이상 징후 발생 시 공정 인자를 사전에 재조정함으로써 사고를 사전에 예방

적용사례

정상 상황에서의 대용량 데이터를 분석한 데이터 경향성과 현재의 측정 변수(혹은 변수로부터 유도된 변수)를 분석한 경향성을 비교하여 정상적인 Tolerance를 초과하는 경우 사고 증후로 예측

*데이터 해석 방법의 예 

표준 편차 (σ)를 단위로 보았을 때, 새로운 입력 데이터 분석값(X)과 정상 상태 데이터 분석값의 평균(X)의 차이

A: 4/10 23:51 (예측시간: 06시간 09분 전)

B: 4/11 03:34 (예측시간: 02시간 26분전)

통계적 사고 예측 그래프

약동학(Pharmacokinetics) 프로파일 예측

적용분야

체내에 투여된 약물의 농도 변화를 분석하여 약동학 구조 모형 분류 및 프로파일 예측

개요

섭취하거나 투여한 약물의 농도를 시간에 따른 농도 프로파일로 변환한 후,  흡수, 분포, 대사 및 배설에 대한 약동학 구조 모형 분류

분류 모델을 이용하여 약동학 파라미터를 추정함으로써 다른 용량에서의 프로파일 예측

적용사례

시뮬레이션으로 생성된 가상의 데이터를 농도 프로파일로 변환해서 인공지능으로 학습한 후 약동학 구조 모형 분류

인공지능 학습을 통한 약동학 구조 모형 분류 모델을 이용하여 기존의 통계학적 모델 검증 시간 단축

구조-물성 상관 관계 예측

적용분야

상관 관계 분석 및 물성 예측

개요

구조-물성 상관 관계(QSPR*) 모델은 분자 구조와 물성의 상관 관계를 정량적으로 분석하는 연구기법으로 화학-생물학-재료과학 분야에서 물리화학적 물성 및 화학구조를 수치화하여 구조와 물성간의 정량적인 상관 관계를 해석하고 생성된 모델을 이용해 실험 이전에 새로운 물질 / 조성의 물성 예측

적용사례

분자 구조나 물성을 대표하는 표현자를 이용하여 화학물질(전자재료 / 의약품 / 환경오염물질  등)의 물리화학적 물성 또는 생물학적 활성을 통계적 상관관계를 적용한 QSPR 모델로 예측

*QSPR: Quantitative Structure-Property Relationship

분자구조 물성 및 활성
설명 특징 선택 & 맵핑
구조적 표현자
화학구조
변환
표현자

구조-물성 상관 관계 예측

시뮬레이션 데이터 기반 예측

적용분야

시뮬레이션 솔루션과 연계한 물성 예측

개요

시뮬레이션을 통해 수집된 물질·구조·특성 등의 계산 데이터를 기반으로 인공지능 예측 모델 개발하며, 소재 물성에 주요한 영향을 미치는 구조-특성 상관관계 모델로부터 계산된 실험 데이터를 훈련 데이터셋으로 사용하여 인공지능 모델을 개발하고 아직 검증되지 않은 소재의 특성을 사전에 예측

적용사례

전자기·역학 파동에너지 제어를 위한 극한물성(음의 굴절률, 음의 밀도 등)을 구현하기 위해 메타 구조 조건에 따른 공진주파수 계산 솔루션과 연동하여 데이터를 수집하고 수집된 데이터를 이용하여 물성 예측 시스템 개발

*누적 데이터 관리 시스템과 계산 솔루션 연동

물질, 구조 및 실험 조건 추출 / 계산 결과물 분석 / 계산 입력 파일 생성 / 정보 추출 및 추출 정보 저장

데이터 수집 시스템 연동 인터페이스 계산 솔루션 
추출

 물질 정보 / 구조 정보
/ 메타 구조 정보 / 계산 조건
=> 계산 입력 파일		 계산

  
계산 입력 정보 생성기
입력

 물성 정보 추출
/ 분석 이미지 / 참고문헌
<= 계산 결과 / 분석 파일		 결과
계산 결과 분석기

데이터 수집 시스템과 계산 솔루션과의 연동

컨설팅을 받으세요!

인실리코의 전문 인력들은 고객과의 약속을 최우선으로 하고있습니다.

관심분야를 선택하신 후 연락 정보 및 상담 내용을 입력해 주세요. 입력해 주신 연락정보로 빠른 시일 내에 해당 담당자가 직접 연락을 드리고 있습니다.




이용약관보기