레오메트릭 측정은 고무 컴파운드의 최적 가황 특성을 결정하는 데 필수적이지만, 기존 방식은 시간이 오래 걸려 제조 효율성을 저하시키고 품질관리를 지연시킨다. 본 연구는 토크가 초기값보다 2단위(dNm) 증가하는 데 걸린 시간, 10% 가황도에 도달하는 데 걸린 시간, 90% 가황도에 도달하는데 걸리는 시간, 가황 완료 후 가장 높은 토크 값등 주요 레오메트릭 특성을 정확하게 예측하면서 측정시간을 크게 단축할 수 있는 머신러닝 기반 프레임워크를 제안한다. 천연고무, 스티렌-부타디엔 고무, 클로로프렌 고무, 에틸렌-프로필렌-다인 모노머 고무를 대상으로 1초 간격 토크?시간 데이터를 수집하였으며, 각 고무별 100배치를 무빙 다이 레오미터 측정 장비로 산업현장 조건에서 측정하였다. 데이터 전처리에는 이상치 제거, 결측치 보정, 스케일링, 피처엔지니어링을 포함하였다. Gradient Boosting Regressor, Extreme Gradient Boosting Regressor, CatBoost Regressor, Linear Regressor 을 적용하고 평균 절대 백분율 오차, 결정계수, 평균 절대 오차, 평균 제곱근 오차 지표와 교차검증으로 성능을 평가하였다. 분석 결과, 전체 측정시간의 30~70%만으로도 안정적인 특성 예측이 가능했으며, 최적 종료 시점은 고무 종류와 예측 대상에 따라 달랐다. 본 접근법은 다양한 고무 조성과 가황 시스템에 적용 가능한 데이터 기반 방법론으로, 품질관리 주기 단축과 운영 비용 절감에 기여할 수 있다.

주제어; 레오메트릭 특성, 머신러닝 에측, 측정시간 최적화, 고무 컴파운드, 가황반응 동역학, 토크-시간 곡선 분석