KR102185401B1 - 부품 제조 장치 및 부품 제조 시스템 - Google Patents

Abstract

본 발명에서는 부품 제조 장치가 개시된다.
본 발명의 부품 제조 장치는 베이스, 상기 베이스를 마주보며 직선 왕복운동가능한 지지대를 포함하는 프레임, 상기 프레임의 지지대에 의해 고정되어 직선 왕복 운동하는 상부 주형, 용융된 금속이 수납되는 공간 및 상기 상부 주형이 이동하여 접할 때, 상기 상부 주형의 테두리에 접하여 상기 공간을 폐쇄하는 테두리를 포함하고, 상기 베이스에 의해 지지되는 하부 주형과, 상기 베이스에 위치하는 거리 감지 센서 및 압력 감지 센서를 포함하고, 상기 베이스는 상기 하부 주형을 지지하는 하부 주형 지지면 및 상기 지지면에 수직된 방향으로 상기 지지면의 테두리로부터 상기 하부 주형의 외면을 따라 연장되는 베이스 측면을 포함하고, 상기 지지대는 상기 상부 주형의 외면을 따라 상기 베이스를 향하여 연장되고, 상기 베이스의 측면은 상기 지지대와 접하여, 상기 상부 주형 및 상기 하부 주형을 폐쇄하고, 상기 거리 감지 센서 및 상기 압력 감지 센서는 상기 베이스의 측면에서 상기 지지대와 접하는 영역에 배치되는 것을 특징으로 한다.

Description

부품 제조 장치 및 부품 제조 시스템{A PART MANUFACTURING DEVICE AND A PART MANUFACTURING SYSTEM}

본 문서에 개시된 다양한 실시예들은 부품 제조 장치 및 부품 제조 방법에 관한 것이다. 구체적으로, 다양한 실시예들은, 주조에 관한 것으로, 주조 방법에 있어, 센서를 이용하여, 주형의 가압속도를 제어하고, 용융된 금속에 가해지는 압력을 조절할 수 있는 부품 제조 장치 및 부품 제조 방법에 관한 것이다.

주조 공정은 복잡한 형상의 부품을 제조하는데 다양하게 이용되어 왔다. 주조 공정을 이용하는 경우, 복잡한 형상의 자동차, 항공기 또는 선박의 엔진 부품을 제조하는데 이용될 수 있다.

엔진은 완제품에 동력을 공급하는 완제품의 심장과 같은 부위로, 엔진 부품은 완제품에서 차지하는 비중이 크고, 부품의 정밀도가 요구된다. 엔진의 불량을 막기 위해 부품의 제조 단계에서부터 높은 정밀도를 요구하고 있다.

자동차의 경우 고출력을 달성하면서도 연비를 감소시키는, 다운 사이징하는 엔진이 점차 증가하는 추세이다. 예를 들면, 터보 엔진을 장착한 배기량이 적은 엔진의 비중이 증가하고 있다. 선박의 경우에는, 선박의 대형화에 따른 고출력 엔진의 수요가 증가하고 있는 추세이다.

다양한 주형과 용융된 금속(molten metal)의 성질에 따라 용융된 금속에 가해지는 압력 및 주형의 이동속도는 조절될 수 있다.

주조 공정은 탈형 동작에서의 제품의 품질을 높이기 위해서는, 일정한 압력을 유지할 필요가 있다. 제품의 제조이후에, 제품 내부의 불량이 있는지를 모니터링 하고, 이를 통해서, 제품의 공정 조건을 조절할 수 있다.

본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예는 베이스, 상기 베이스를 마주보며 직선 왕복운동가능한 지지대를 포함하는 프레임, 상기 프레임의 지지대에 의해 고정되어 직선 왕복 운동하는 상부 주형, 상기 베이스에 의해 지지되고, 및 용융된 금속이 수납되는 공간 및 상기 상부 주형이 이동하여 접할 때, 상기 상부 주형의 테두리에 접하여 상기 공간을 폐쇄하는 테두리를 포함하는 하부 주형과, 상기 베이스에 위치하는 거리 감지 센서 및 압력 감지 센서들을 포함하고, 상기 베이스는 상기 하부 주형을 지지하는 하부 주형 지지면 및 상기 지지면에 수직된 방향으로 상기 지지면의 테두리로부터 상기 하부 주형의 외면을 따라 연장되는 베이스 측면을 포함하고, 상기 지지대는 상기 상부 주형의 외면을 따라 상기 베이스를 향하여 연장되고, 상기 베이스의 측면은 상기 지지대와 접하여, 상기 상부 주형 및 상기 하부 주형을 폐쇄하고, 상기 거리 감지 센서 및 상기 압력 감지 센서는 상기 베이스의 측면에서 상기 지지대와 접하는 영역에 배치되는 부품 제조 장치를 제안한다.

상기 부품 제조 장치는, 상기 상부 주형을 상기 하부 주형을 향하는 방향으로 왕복이동시키는 구동부; 메모리; 및 상기 구동부, 상기 메모리, 상기 거리 감지 센서 및 상기 압력 감지 센서와 작동적으로 연결되는 적어도 하나의 프로세서; 를 더 포함하고, 상기 메모리는, 복수의 인스트럭션들을 저장하고, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 하부 주형의 공간에 용융된 금속을 주입하고, 상기 구동부를 통해, 상기 상부 주형을 상기 하부 주형을 향하여 이동시키고, 상기 상부 주형의 이동에 응답하여, 상기 거리 감지 센서를 이용하여, 상기 상부 주형과 상기 하부 주형 사이의 거리를 감지하고, 상기 감지된 거리에 기반하여, 상기 구동부를 구동하여, 상기 상부 주형의 이동속도를 조절하고, 상기 압력 감지 센서를 통해, 상기 상부 주형이 가압하는 압력을 감지하고, 상기 감지된 압력에 기반하여, 상기 상부 주형의 압력을 조절하도록 제어될 수 있다.

상기 상부 주형의 압력을 조절할 때, 상기 상부 주형의 압력은 일정하게 유지될 수 있다.

본 발명의 일 실시예는, 부품 제조 시스템에 있어서, 상부 주형 및/또는 하부 주형을 조립하는 단계; 상기 상부 주형 및/또는 상기 하부 주형을 부품 제조 장치에 설치하는 단계; 용융된 금속을 준비하여, 상기 하부 주형에 주입하는 단계; 상기 상부 주형을 가압하여, 부품을 제조하는 단계; 상기 제조된 부품으로부터 제조된 부품을 검사하는 단계; 및 상기 검사로부터 획득된 데이터를 정리하여, 상기 제조 장치를 제어하는 단계; 를 포함하고, 상기 부품을 제조하는 단계는, 상기 상부 주형을 이동시키는 구동부를 통해, 상기 상부 주형을 상기 하부 주형을 향하여 이동시키고, 상기 상부 주형의 이동에 응답하여, 상기 하부 주형에 배치된 거리 감지 센서를 이용하여, 상기 상부 주형과 상기 하부 주형 사이의 거리를 감지하고, 상기 감지된 거리에 기반하여, 상기 구동부를 구동하여, 상기 상부 주형의 이동속도를 조절하고, 상기 압력 감지 센서를 통해, 상기 상부 주형이 가압하는 압력을 감지하고, 상기 감지된 압력에 기반하여, 상기 상부 주형의 압력을 조절하는 것을 특징으로 하는 부품 제조 시스템을 제안한다.

상기 검사하는 단계는, 상기 부품의 형상, 치수, 강도, 내부 공동의 형상, 또는 부품의 울림과 관련된 데이터들을 획득하고, 상기 획득된 데이터들을 바탕으로, 인공신경망을 이용하여 상기 부품의 불량의 형태를 판단할 수 있다.

다양한 실시예에 따르는, 부품 제조 장치 및 부품 제조 방법은, 부품의 원료에 따른 조건을 실시간으로 감지하여 불량율을 줄일 수 있다.

다양한 실시예에 따르는, 부품 제조 장치 및 부품 제조 방법은, 제조된 부품의 불량여부를 실시간으로 감지하여, 실시간으로 공정 조건을 조절하여, 해당 제품의 불량율을 낮출 수 있다.

본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

본 발명의 특정한 바람직한 실시예들의 상기에서 설명한 바와 같은 또한 다른 측면들과, 특징들 및 이득들은 첨부 도면들과 함께 처리되는 하기의 설명으로부터 보다 명백하게 될 것이다.
도 1은, 다양한 실시예에 따르는 부품 제조 장치의 개략도이다.
도 2는, 다양한 실시예에 따르는 부품 제조 장치의 블록도이다.
도 3은, 다양한 실시예에 따르는 부품 제조 장치의 주형의 다양한 형상을 나타낸다.
도 4는, 다양한 실시예에 따르는 부품 제조 장치를 포함하는 부품 제조 시스템이다.
도 5는, 다양한 실시예들에 따른, 신경망 학습 장치(500)의 블록도이다.
도 6은, 다양한 실시예에 따르는 신경망 학습 장치를 구성하는 인공 신경망 모델의 개념도이다.
도 7은, 다양한 실시예에 따르는 부품 제조 장치를 활용한 부품 제조 공정을 도시한 순서도이다.
상기 도면들을 통해, 유사 참조 번호들은 동일한 혹은 유사한 엘리먼트들과, 특징들 및 구조들을 도시하기 위해 사용된다는 것에 유의해야만 한다.

본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.

본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.

제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 “연결되어” 있다거나 “접속되어” 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 “직접 연결되어” 있다거나 “직접 접속되어” 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 “~사이에”와 “바로~사이에” 또는 “~에 직접 이웃하는” 등도 마찬가지로 해석되어야 한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, “포함하다” 또는 “가지다” 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.

이하 본 발명의 다양한 실시예에 따른 부품 제조 장치의 구조 및 동작 방법과 관련하여 상세히 설명한다.

본 명세서에서 설명하는 부품 제조 장치는, 자동차 엔진과 같은 복잡한 형상의 부품을 형성하기 위한 주조나 단조 장치일 수 있다. 부품 제조 장치는, 부품의 형성에 필요한 공정 조건을 자동으로 조절할 수 있고, 정확한 감지 값을 획득하기 위한 센서를 적절하게 배치할 수 있다.

다양한 실시예에 따르는, 부품 제조 장치를 포함하는 부품 제조 시스템은 부품 제조 장치로부터 형성된 부품의 불량여부를 실시간으로 감지하고, 감지 결과를 바탕으로, 부품 제조 장치의 공정 조건을 실시간으로 조절할 수 있다. 생산된 부품의 상태로부터 부품 제조 장치의 공정 조건을 조절하여, 부품의 불량율을 낮출 수 있고, 이를 통해서, 부품의 생산 효율을 높일 수 있다.

삭제

도 1은 다양한 실시예에 따르는 부품 제조 장치의 개략도이고, 도 2는 다양한 실시예에 따르는 부품 제조 장치의 블록도이다.

도 1을 참조하면, 부품 제조 장치(10)는 베이스(170), 상기 베이스(170)를 마주보며 직선 왕복운동가능한 지지대를 포함하는 프레임(110), 상기 프레임(110)의 지지대(111)에 의해 고정되어 직선 왕복 운동하는 상부 주형(130), 용융된 금속(191)이 수납되는 공간(159) 및 상부 주형(130)이 이동하여 접할 때, 상부 주형(130)의 테두리에 접하여 공간을 폐쇄하는 테두리를 포함하고, 베이스(170)에 의해 지지되는 하부 주형(150)과, 베이스(170)에 위치하는 거리 감지 센서(163) 및 압력 감지 센서(161)들을 포함하고, 상기 베이스(170)는 하부 주형을 지지하는 하부 주형 지지면(171) 및 지지면(171)에 수직된 방향으로 지지면의 테두리로부터 상기 하부 주형의 외면을 따라 연장되는 베이스 측면(173)을 포함할 수 있다.

다양한 실시예에 따르면, 지지대(111)는 상부 주형(130)의 외면을 따라 베이스(170)를 향하여 연장되고, 상기 베이스의 측면(173)은 상기 지지대(111)와 접하여, 상부 주형(130) 및 하부 주형(150)을 폐쇄하고, 거리 감지 센서(163) 및 압력 감지 센서(161)는 베이스의 측면(173)에서 상기 지지대(111)와 접하는 영역에 배치될 수 있다.

다양한 실시예에 따르면, 프레임(110)은 상부 주형(130)을 파지할 수 있는 형태로 형성될 수 있다. 상기 프레임(110)은 상부 주형(130)의 외면을 감싸는 형태로 형성될 수 있으며, 상부 주형(130)의 이탈을 방지하는 형상으로 형성될 수 있다. 다양한 실시예에 따르면, 상기 프레임(110)은 상부 주형(130)을 이동시킬 수 있도록, 직선 왕복 운동할 수 있다. 상기 프레임(110)은 프레임과 결합된 구동부(115)에 의해 직선 왕복 운동할 수 있다.

도 2를 참조하면, 제조 장치(10)는 프레임(110) 및 상부 주형(130)을 이동시키는 구동부(115), 베이스(170) 및 하부 주형(150)에 위치하여, 상부 주형(130)의 상태를 감지하는 복수의 감지 장치(160)들을 포함할 수 있다. 복수의 감지 장치(160)들은 압력센서(161) 및 거리 감지 센서(163)를 포함할 수 있다. 거리 감지 센서(163)는 상부 주형(130)과 하부 주형(150) 사이의 거리 값을 획득할 수 있다. 거리 감지 센서(163)는 초음파 센서, 레이저 센서 또는 음파 센서와 같은 거리를 감지할 수 있는 센서를 활용할 수 있다.

다양한 실시예에 따르면, 거리 감지 센서(163)는 상부 주형(130)과 하부 주형(150) 사이의 거리 값을 획득하여, 상부 주형(130)의 위치를 식별할 수 있다. 상부 주형(130)의 위치에 따라, 상부 주형(130)의 이동속도를 제어할 수 있고, 상부 주형(130)의 이동속도를 제어하여, 공정 속도를 증가시켜 공정시간(Tact Time)을 줄일 수 있다.

다양한 실시예에 따르면, 압력 센서(161)는 상부 주형(130)의 하부 주형(150)에 가압하는 압력 값(또는 압력 센싱 정보)을 획득할 수 있다. 상부 주형(130)이 하부 주형(150)에 배치된 용융된 금속(191)을 가압하여 형상을 형성하는 공정(예를 들면, 가압 사형 주조 공정 또는 용탕 단조 공정)은 용융된 금속에 가해지는 압력이 제품의 치밀함에 영향을 미칠 수 있다. 압력 센서(161)는 접촉식 압력 센서 일 수 있다. 예를 들면, 압력 센서(161)는 압전 소자 또는 스트레인 게이지일 수 있다.

메모리(190)는, 섬유 인쇄 장치(100)의 적어도 하나의 구성요소(예: 프로세서(180))에 의해 사용되는 다양한 데이터를 저장할 수 있다. 데이터는, 예를 들어, 소프트웨어 및, 이와 관련된 명령에 대한 입력 데이터 또는 출력 데이터를 포함할 수 있다. 메모리(139)는, 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 프로그램은 메모리(190)에 소프트웨어로서 저장될 수 있으며, 예를 들면, 운영 체제, 미들 웨어 또는 어플리케이션을 포함할 수 있다.

다양한 실시예에 따르면, 구동부(115), 감지 장치(160) 및 메모리(190)와 작동적으로 연결될 수 있다.

프로세서(180)는, 예를 들면, 소프트웨어를 실행하여 프로세서(180)에 연결된 섬유 인쇄 장치(100)의 적어도 하나의 다른 구성요소(예: 하드웨어 또는 소프트웨어 구성요소)을 제어할 수 있고, 다양한 데이터 처리 또는 연산을 수행할 수 있다. 일 실시예에 따르면, 데이터 처리 또는 연산의 적어도 일부로서, 프로세서(180)는 다른 구성요소로부터 수신된 명령 또는 데이터를 메모리(190)의 휘발성 메모리에 로드하고, 휘발성 메모리에 저장된 명령 또는 데이터를 처리하고, 결과 데이터를 비휘발성 메모리에 저장할 수 있다. 일 실시예에 따르면, 프로세서(180)는 메인 프로세서(예: 중앙 처리 장치 또는 어플리케이션 프로세서), 및 이와는 독립적으로 또는 함께 운영 가능한 보조 프로세서(예를 들면, 구동부의 제어부)를 포함할 수 있다. 추가적으로 또는 대체적으로, 보조 프로세서는 메인 프로세서보다 저전력을 사용하거나, 또는 지정된 기능에 특화되도록 설정될 수 있다. 보조 프로세서는 메인 프로세서와 별개로, 또는 그 일부로서 구현될 수 있다.

다양한 실시예에 따르면, 프로세서(180)는 거리 감지 센서(163)를 통하여, 상부 주형(130)과 하부 주형(150) 사이의 거리 값(또는 거리 센싱 정보)을 획득할 수 있다. 프로세서(180)는 획득된 감지 값을 바탕으로, 구동부(115)의 속도를 제어할 수 있다.

다양한 실시예에 따르면, 프로세서(180)는 상부 주형(130)이 용융된 금속에 접촉하기 전에 상부 주형(130)을 하부 주형(150)을 향하여 이동하도록 구동부(115)를 구동할 수 있다. 프로세서(180)는 상부 주형(130)이 용융된 금속과 접촉할 때까지 속도와 용융된 금속에 접촉한 이후의 이동 속도를 조절할 수 있다. 예를 들면, 프로세서(180)는 상부 주형(130)이 용융된 금속(191)에 접촉할 때까지 상부 주형(130)을 V1(또는 제1 속도)의 속도로 이동시키고, 용융된 금속(191)에 접촉한 이후에는 상부 주형(130)을 V2(또는 제2 속도)의 속도로 이동시킬 수 있다. 속도 V1은 속도 V2보다 빠를 수 있다. 속도 V1은 상부 주형(130)과 하부 주형(150)의 거리에 따라 변화할 수 있다. 예를 들면, 프로세서(180)는 상부 주형(130)이 하부 주형(150)과 미리 설정한 거리보다 멀면 속도를 빠르게 유지하다가(즉, 임계 속도 이상으로 제1 속도 및/또는 제2 속도가 유지되도록 제어), 미리 설정한 거리보다 가까워지면 속도를 V2로 점진적으로 낮추도록 제어할 수 있다.

다양한 실시예에 따르면, 프로세서(180)는 용융된 금속(191)에 상부 주형(130)이 접촉한 이후에는, V2속도로 이동할 수 있다. V2 속도는 일정한 속도로 유지될 수 있다. 다양한 실시예에 따르면, 용융된 금속에 가해지는 외력을 일정하게 유지하도록, 상부 주형(130)의 이동 속도를 제어할 수 있다.

다양한 실시예에 따르면, 프로세서(180)는 압력 센서(161)로부터 압력의 변화가 감지되면, 압력 센서(161)의 압력을 일정하게 유지하도록 제어할 수 있다. 또한, 압력 센서(161)에 의해 측정되는 압력은, 대기압과, 용융된 금속에 포함된 가스 압력 등을 고려하여, 결정될 수 있다.

다양한 실시예에 따르면, 용융된 금속의 정적 압력(Pst), 용융된 금속의 동적 압력(Pdyn), 및 금속에 가해지는 압력(Pexp)는, 용융된 금속과 주형 사이의 마찰력(Pf), 가스의 팽창에 의한 압력(Pgas), 상부 주형에 형성된 관(미도시)에서의 모세관 압(Pg)의 합과 평형을 이룰 수 있다.

[수학식 1]

좌측변에 위치하는 용융된 금속과 주형 사이의 마찰력, 가스의 압력 및 모세관 압력보다 용융된 금속에 가해지는 압력의 합이 커진다면, 용융된 금속의 표면은 응고되는 과정에서 주형으로 침투 현상이 발생할 수 있다. 이를 방지하기 위해, 프로세서(180)는 평형점을 이루는 가압력을 바탕으로, 용융된 금속(191)을 상부 주형이 일정하게 가압하도록 할 수 있다.

이는, 용융된 금속과 주형의 재질을 고려하여, 필요한 압력을 결정할 수 있다. 또한, 용융된 금속의 고형화 과정에서의 압력을 일정하게 유지함으로써, 완성된 제품의 조직을 치밀하게 형성할 수 있고, 표면의 품질을 높일 수 있다.

다양한 실시예에 따르면, 부품 제조 장치(10)는 상부 주형(130)과 하부 주형(150) 사이의 이동을 가이드하기 위한 가이드 부재를 포함할 수 있다. 상부 주형(130)과 프레임(110)에 형성된 가이드 홈(132)을 포함할 수 있다. 가이드 홈(132)은 프레임(110)에 형성되어, 상부 주형(130)의 외벽과 합쳐진 홈으로 형성되는 것으로 도시되었으나, 이에 한정되지 않고, 프레임(110)의 지지대(111)에 형성될 수 있다. 또 다른 예를 들면, 상부 주형(130)에 직접 홈이 형성될 수 있다.

다양한 실시예에 따르면, 하부 주형(150)을 지지하는 베이스(170)는 가이드 홈(132)에 대응되는 돌출부(152)를 포함할 수 있다. 다양한 실시예에 따르면, 돌출부(152)는 가이드 홈에 삽입될 수 있는 형태로 형성될 수 있고, 가이드 홈(132)의 위치에 정렬되도록 배치될 수 있다.

다양한 실시예에 따르면, 돌출부(152)와 가이드 홈(132)으로 도시하였으나, 다양한 방법으로, 상부 주형(130)의 이동을 가이드 할 수 있는 부재로 형성될 수 있다. 예를 들면, 가이드 홈(132)은 지지대(111)를 관통하는 홀로 형성될 수 있으며, 돌출부(152)는 지지대(111)를 관통하는 홀에 삽입되는 로드로 형성될 수 있다. 상술한 가이드 홈(132)과 돌출부(152) 또는, 지지대(111)를 관통하는 홀과 로드를 통해, 상부 주형(130)이 구동부에 의해 이동할 때, 하부 주형(150)을 향하도록 이동할 수 있다.

삭제

도 3은 다양한 실시예에 따르는 부품 제조 장치의 주형의 다양한 형상을 나타낸다.

도 3을 참조하면, 상부 주형(130)과 하부 주형(150)은 복잡한 형상의 피스트론을 형성하기 위한 주형일 수 있다. 속이 빈 피스톤을 형성하기 위해서, 상부 주형은 제1 주형 블록(130a) 및 제2 주형 블록(130b)를 포함할 수 있다. 제1 주형 블록(130a)의 돌출된 부위의 직경보다 제2 주형 블록(130b)의 직경이 크도록 제작될 수 있다. 상부 주형(130)과 하부 주형(150)에 의해 제품이 생산된 이후에, 제품의 탈형을 용이하게 하기 위해서, 상부 주형은 제1 주형 블록(130a)과 제2 주형 블록(130b)으로 형성될 수 있다. 제품의 생산 이후에, 제1 주형 블록(130a)을 먼저 제거하고, 이후, 제2 주형 블록(130b)를 제거할 수 있다. 제2 주형 블록(130b)도 제거가 쉽지 않은 경우, 제2 주형 블록(130b)은 복수개의 블록으로 구성될 수 있다. 예를 들면, 제1 주형 블록(130a)의 돌출부와 중첩되는 영역과 중첩되지 않은 영역으로 분리되어 형성될 수 있다.

삭제

도 4는 다양한 실시예에 따르는 부품 제조 장치를 포함하는 부품 제조 시스템이다.

도 4를 참조하면, 일 실시예에 따른 부품 제조 시스템(300)은 주형 조립 장치(310), 제조 장치(320), 검수 장치(330), 제어 장치(340) 및/또는 모니터링 장치(350)를 포함할 수 있다.

다양한 실시예에 따르면, 부품 제조 시스템(300)은, 부품의 제조부터, 부품의 완성까지 과정을 모니터링하여, 공정의 자동화를 달성할 수 있다. 주형 조립 장치(310)는 상부 주형(예: 도 1의 상부 주형(130)) 또는 하부 주형(예: 도 1의 하부 주형(150))의 형상을 제조할 수 있다. 복잡한 제품의 형상의 경우에는, 주형은 다양한 주형의 결합으로 형성될 수 있다. 예를 들면, 다양한 블록으로 형성된 주형블록들이 결합되어 도 3에서의 주형이 형성될 수 있다. 주형 블록들은 결합에 의해 상부 주형 또는 하부 주형으로 형성될 수 있다. 형성된 주형은, 제조 장치(320)로 전달되어, 프레임(110) 및 베이스(170)에 결합될 수 있다. 제조 장치(320)는 상부 주형과 하부 주형이 조립되어 제조를 위한 준비 동작을 완료할 수 있다.

검수 장치(330)는 제조 장치(320)로부터 형성된 제품의 불량을 검사할 수 있다. 검수 장치(330)는 형성되는 부품에 따라 부품의 상태를 측정할 수 있는 장치를 포함할 수 있다. 검수 장치(330)는 제품의 성질을 감지할 수 있는 치수 측정 장치, 파형 측정 장치, 또는, 부품의 내부 상태를 감지할 수 있는 비파괴 검사 장치 등을 포함할 수 있다.

제어 장치(340)는 제조 장치(320)와 완성된 주형의 결합 여부를 감지하거나, 검수 장치(330)로부터 전달된 데이터를 획득할 수 있다. 또한, 제어 장치(340)는 도 2의 감지 장치(160)로부터 획득된 데이터를 바탕으로 상부 주형을 제어하는 프로세서(예: 도 2의 프로세서(180))와 동일하거나 유사한 역할을 할 수 있다. 제어 장치(340)는 검수 장치로부터 획득된 데이터를 분석하여, 부품의 불량 여부를 판단할 수 있다. 부품의 불량 여부를 판단할 때, 제어 장치(340)는 부품의 불량의 종류에 따라 제조 장치(320)의 제조 방법을 조절할 수 있다.

모니터링 장치(350)는 제어 장치(340)로부터 전달받은 다양한 정보들이 디스플레이 될 수 있다. 모니터링 장치(350)는 부품 제조 시스템과 무선 및/또는 유선으로 연결될 수 있다. 예를 들면, 모니터링 장치(350)는 제조 공정의 과정을 표현하는 디스플레이 장치일 수 있다. 다른 예를 들면, 모니터링 장치(350)는 제어 장치(340)와 무선으로 연결되어, 제조 공정 과정이나, 제조 공정에서 발생한 데이터를 수신 받을 수 있는 모바일 장치일 수 있다. 예를 들면, 모니터링 장치(350)는 부품 제조 시스템과 통신 채널이 개설된 태블릿 PC, 스마트폰, PDA 단말 등일 수 있고, 부품 제조 시스템으로부터 수신 받은 데이터를 해당 장치의 디스플레이를 통해 표현하여 사용자에게 데이터를 시각적 또는 청각적으로 전달할 수 있다.

다양한 실시예에 따르면, 제조 장치(320)는 상부 주형(예: 도 2의 상부 주형(130))의 이동 속도 및 압력을 조절할 수 있다. 제어 장치(340)는 하부 주형(예: 도 2의 하부 주형(150))의 공간에 주입된 용융된 금속에 도달하는 속도 및 용융된 금속에 가하는 압력을 제어하여, 부품의 품질을 유지할 수 있다. 제조 장치(320)로부터 제조된 부품은 주형으로부터 탈형되어, 검수 장치(330)로 이송될 수 있다. 이송된 부품은 검수 장치(330)로부터 검사되어 검사데이터를 획득할 수 있다. 검사 데이터는 복수개의 형태의 검사를 통하여 부품당 다양한 검사 데이터를 획득할 수 있다. 예를 들면, 검사 데이터는 부품의 형상, 치수, 강도, 내부 공동의 형상, 및/또는 부품의 울림(beats)(예를 들면, 부품에 외력을 가했을 때, 발생하는 음의 패턴)등을 저장할 수 있다.

다양한 실시예에 따르면, 검사 데이터는 각각의 측정 내역을 표로 작성하여, 그래프로 도출할 수 있다. 제어 장치(340)는 해당 그래프의 변형 정도를 바탕으로, 제조 장치(320)의 공정 중에 발생한 문제점을 유추할 수 있다. 도 5에서 후술할 기계학습 모델을 활용하여, 해당 그래프의 특이점을 판단할 수 있다. 예를 들면, 제어 장치(340)는 그래프의 변형이, 부품의 외부 형상의 거칠기가 늘어나는 경우에는, 제조 장치의 상부 주형의 가압력을 줄이도록 제어할 수 있다. 다른 예를 들면, 제어 장치(340)는 부품의 치수가 원래의 치수보다 작게 형성되는 경우에는, 용융된 금속의 주입량을 늘일 수 있다. 용융된 금속은 용융된 금속을 형성하는 고로(용광로)로부터 하부 주형(예: 도 2의 하부 주형(150))으로 전달될 수 있다.

다른 예를 들면, 부품의 강도나 부품의 울림 소리로부터 부품의 치밀함 정도를 알 수 있다. 제어 장치(340)는 부품의 강도가 약하다고 판단을 하는 경우, 용융된 금속에 가하는 압력을 높이는 방향으로 조절할 수 있다.

삭제

도 5는 다양한 실시예들에 따른, 신경망 학습 장치(500)의 블록도이다.

인공 신경망은 입력에 대하여 일반화된 출력(generalized output)을 제공하기 위한 하드웨어, 소프트웨어 또는 이들의 조합을 의미할 수 있다.

예를 들어, 인공 신경망은, 합성곱 신경망 (CNN, Convolutional Neural Network), 마르코프 체인(Markov Chain), 또는 이진화 신경망 (BNN, binarized neural network) 등을 시뮬레이션하기 위한 어플리케이션 및 상기 어플리케이션을 실행하기 위한 프로세서에 기반하여 작동할 수 있다.

도 5를 참조하면, 신경망 학습 장치(500)는 훈련을 통하여 머신 러닝을 수행할 수 있는 장치로서, 인공 신경망으로 구성된 모델을 이용하여 학습하는 장치를 포함할 수 있다. 예를 들면, 신경망 장치(500)는 데이터 마이닝, 데이터 분석, 및 머신 러닝 알고리즘(예: 딥 러닝 알고리즘 (deep learning algorithm))을 위해 이용되는 정보를 입력, 출력, 데이터 베이스 구축 및 저장하도록 구성될 수 있다.

신경망 장치(500)는 통신부(미도시)를 통하여 외부 전자 장치(미도시)와 데이터를 송수신할 수 있고, 외부 전자 장치로부터 전달받은 데이터를 분석하거나 학습하여 결과값을 도출할 수 있다. 신경망 장치(500)는 외부 전자 장치의 연산을 분산하여 처리할 수 있다.

신경망 장치(500)는 서버로 구현될 수 있다. 또한 신경망 장치(500)는 복수로 구성되어 신경망 장치 세트를 이룰 수 있다. 각각의 신경망 장치(500)는 연산을 분산하여 처리할 수 있고, 분산 처리된 데이터를 바탕으로 데이터 분석 및 학습을 통하여 결과값을 도출할 수 있다. 신경망 장치(500)는 머신 러닝 알고리즘 등을 이용하여 획득한 결과값을 외부 전자 장치 또는 다른 신경망 장치로 전송할 수 있다.

다양한 실시예에 따르면, 신경망 장치(500)는 입력부(510), 프로세서(520), 메모리(530), 및 러닝 프로세서(540)를 포함할 수 있다.

다양한 실시예에 따르면, 입력부(510)는 인공 신경망 모델 학습을 통한 출력값을 도출하기 위한 입력 데이터를 획득할 수 있다. 입력부(510)는 가공되지 않은 입력 데이터를 획득할 수 있다. 프로세서(520) 또는 러닝 프로세서(540)는 가공되지 않은 입력데이터를 전처리하여 인공 신경망 모델 학습에 입력 가능한 훈련 데이터를 생성할 수 있다. 상기 전처리는 입력 데이터로부터 특징점을 추출하는 것일 수 있다. 상술한 바와 같이 입력부(510)는 통신부(미도시)를 통하여 데이터를 수신하여 입력 데이터를 획득하거나 데이터를 전처리할 수 있다. 다양한 실시예에 따르는 입력부(510)는 복수의 감지 장치(예: 도 2의 감지 장치(160))로부터 형성된 감지 데이터를 도 4의 제어장치(340)로부터 처리되어 획득할 수 있다.

다양한 실시예에 따르면, 프로세서(520)는 신경망 학습 장치(500)에서 사용 히스토리 정보를 수집하여 메모리(530)에 저장할 수 있다. 프로세서(520)는 저장된 사용 히스토리 정보 및 예측 모델링을 통하여 특정 기능을 실행하기 위한 최상의 조합을 결정할 수 있다. 프로세서(520)는 입력부(510)로부터 이미지 정보, 오디오 정보, 데이터 또는 사용자 입력 정보를 수신할 수 있다.

다양한 실시예에 따르면, 프로세서(520)는 정보를 실시간으로 수집하고 정보를 처리 또는 분류하고, 처리된 정보를 메모리(530), 메모리(530)의 데이터 베이스 또는 러닝 프로세서(540)에 저장할 수 있다.

다양한 실시예에 따르면, 신경망 학습 장치(500)의 동작이 데이터 분석 및 머신 러닝 알고리즘을 바탕으로 결정될 때, 프로세서(520)는 결정된 동작을 실행하기 위해 신경망 학습 장치(500)의 구성요소를 제어할 수 있다. 그리고, 프로세서(520)는 제어 명령에 따라 신경망 학습 장치(500)를 제어하여 결정된 동작을 수행할 수 있다.

프로세서(520)는 특정 동작이 수행되는 경우, 데이터 분석 및 머신 러닝 알고리즘 및 기법을 통해 특정 동작의 실행을 나타내는 이력 정보를 분석하고, 분석된 정보에 기초하여 이전에 학습한 정보의 업데이트를 수행할 수 있다. 프로세서(520)는 러닝 프로세서(540)과 함께, 업데이트 된 정보에 기초하여 데이터 분석 및 머신 러닝 알고리즘 및 성능의 정확성을 향상시킬 수 있다.

다양한 실시예에 따르면, 메모리(530)는 입력부(510)에서 획득한 입력 데이터, 학습된 데이터, 또는 학습 히스토리 등을 저장할 수 있다. 메모리(530)는 인공 신경망 모델(531)을 저장할 수 있다.

다양한 실시예에 따르면, 인공 신경망 모델(531)은 메모리(530)에 할당된 공간에 저장될 수 있다. 상기 메모리(530)에 할당된 공간은 러닝 프로세서(540)를 통하여 학습 중 또는 학습된 인공 신경망 모델(531)을 저장하며, 학습을 통하여 인공 신경망 모델(531)이 갱신되면, 갱신된 인공 신경망 모델(531)을 저장할 수 있다. 상기 메모리(530)에 할당된 공간은 학습된 모델을 학습 시점 또는 학습 진척도 등에 따라 복수의 버전으로 구분하여 저장할 수 있다.

다양한 실시예에 따르면, 메모리(530)는 입력부(510)에서 획득한 입력 데이터, 학습된 데이터를 저장, 분류가능한 데이터 베이스를 포함할 수 있다.

다양한 실시예에 따르면, 러닝 프로세서(540)는 프로세서(520)가 입력부(510)를 통해 획득한 입력 데이터를 전처리한 데이터를 바로 획득하여 인공 신경망 모델(531)을 학습하거나, 메모리(530)의 데이터 베이스에 저장된 전처리된 입력 데이터를 획득하여 인공 신경망 모델(531)을 학습할 수 있다. 예를 들면, 러닝 프로세서(540)는 다양한 학 습 기법을 이용하여 인공 신경망 모델(531)을 반복적으로 학습시켜 최적화된 인경 신경망 모델(531) 파라미터를 획득할 수 있다.

다양한 실시예에 따르면, 학습된 모델은 데이터 베이스에서 인공 신경망 모델(531)을 갱신할 수 있다. 러닝 프로세서(540)는 신경망 학습 장치(500)에 통합되거나, 메모리(530)에 구현될 수 있다. 구체적으로 러닝 프로세서(540)는 메모리(530)를 사용하여 구현될 수 있다.

다양한 실시예에 따르면, 러닝 프로세서(540)는 일반적으로 감독 또는 감독되지 않은 학습, 데이터 마이닝, 예측 분석 또는 다른 장치에서 사용하기 위해 데이터를 식별, 색인화, 카테고리화, 조작, 저장, 검색 및 출력하기 위해 데이터를 하나 이상의 데이터베이스에 저장하도록 구성될 수 있다. 여기서, 데이터베이스는 메모리(530), 클라우드 컴퓨팅 환경에서 유지되는 메모리, 또는 네트워크와 같은 통신 방식을 통해 단말기에 의해 액세스 가능한 다른 원격 메모리 위치를 이용하여 구현될 수 있다 러닝 프로세서(540)에 저장된 정보는 다양한 상이한 유형의 데이터 분석 알고리즘 및 기계 학습 알고리즘 중 임의의 것을 사용하여 프로세서(520)에 의해 이용될 수 있다. 예를 들면, 이러한, 알고리즘의 예로는, k-최근 인접 시스템, 퍼지 논리 (예: 가능성 이론), 신경 회로망, 볼츠만 기계, 벡터 양자화, 펄스 신경망, 지원 벡터 기계, 최대 마진 분류기, 힐 클라이밍, 유도 논리 시스템 베이지안 네트워크, 페리트넷 (예: 유한 상태 머신, 밀리 머신, 무어 유한 상태 머신), 분류기 트리 (예: 퍼셉트론 트리, 지원 벡터 트리, 마코프 트리, 의사 결정 트리 포리스트, 임의의 포리스트), 판독 모델 및 시스템, 인공 융합, 센서 융합, 이미지 융합, 보강 학습, 증강 현실, 패턴 인식, 자동화 된 계획 등을 포함한다.

삭제

도 6은 다양한 실시예에 따르는 신경망 학습 장치를 구성하는 인공 신경망 모델의 개념도이다.

도 6을 참조하면, 일반적인 합성곱 신경망은 컨벌루션 레이어(601), 및 풀링 레이어(pooling layer)(202)를 이용한 입력 데이터(610)의 특성 추출(11) 및 완전 연결 레이어(690)를 이용한 입력 데이터(610)의 분류(12)에 사용될 수 있다.

다양한 실시에에 따르면, 입력 데이터는 검수 장치(예: 도 4의 검수 장치(330))로부터 획득된 데이터로부터 제어 장치(340)에서 그래프 또는 이미지로 처리한 데이터를 포함할 수 있다. 예를 들면, 검수 장치(330)로부터 획득된 수치화된 데이터들(예: 부품의 형상, 치수, 강도, 내부 공동의 형상, 또는 부품의 울림과 관련된 값들의 수치화된 데이터)로부터 그래프 또는 평면상의 그래프 형성할 수 있다. 다른 예를 들면, 입력 데이터는 내부 공동의 형상, 부품의 형상 또는 부품의 울림 파형 등을 이미지화한 값을 포함할 수 있다.

다양한 실시예에 따르면, 컨벌루션 레이어(601)는 합성곱 연산을 통해 입력 데이터(610)의 의미 있는 특징들을 추출하는 레이어일 수 있다. 예를 들면, 컨벌루션 레이어(601)는 입력데이터(610)에 특정 크기의 필터 또는 커널 매트릭스(kernel(weight) matrix)(630)를 적용하여 다음 레이어에 전달할 새로운 데이터를 생성할 수 있다. 이와 같은 컨벌루션 레이어(601)의 입출력 데이터는 특징 맵(feature maps)으로 지칭될 수 있다.

합성곱 신경망 모델에 입력되는 데이터가 RGB 성분과 같이 복수의 성분을 포함하는 입력 이미지인 경우, 입력 데이터는 복수의 채널로 구성될 수 있다. 예를 들면, 컨벌루션 레이어(601)의 입출력 데이터가 2차원 이미지의 공간 이외에 채널을 포함하고, 입출력 데이터의 특징 맵은 3차원 형태로 이루어 질 수 있다.

다양한 실시예에 따르면, 풀링 레이어(602)는 서브 샘플링(Sub-sampling)을 통하여 입력받은 데이터를 축소할 수 있다. 예를 들면, 풀링 레이어(602)는 최대 풀링(max pooling) 및 평균 풀링(average pooling)과 같은 풀링 기법을 통해 데이터를 샘플링 함으로써 데이터의 크기를 축소할 수 있다.

다양한 실시예에 따르면, 완전 연결 레이어(690)는 컨벌루션 레이어(601) 및 풀링 레이어(602)를 통해 전달된 특징을 바탕으로 데이터 분류를 수행하기 위한 레이어로서, 3차원 형태의 특징 맵을 평탄화된 1차원 형태의 데이터를 입력 받을 수 있다. 이와 같이 완전 연결 레이어(690)를 통과한 1차원 형태의 데이터는 활성화 함수를 통해 출력신호로 변환될 수 있다. 합성곱 신경망은 컨벌루션 레이어 및 풀링 레이어를 사용하여 입력 데이터(예: 입력 이미지)에 대한 특징 맵의 3차원 형상을 유지할 수 있으므로, 입력 이미지의 화소 또는 채널 사이의 관련성에 관한 정보가 손실되는 것을 방지하여 이미지 인식률을 높일 수 있다.

도 7은 다양한 실시예에 따르는 부품 제조 장치를 활용한 부품 제조 공정을 도시한 순서도이다.

도 7을 참조하면, 부품 제조 공정은, 상부 주형 및/또는 하부 주형을 조립하는 동작(S710), 상기 주형들의 부품 제조 장치에 설치하는 동작(S720), 준비된 재료를 주형에 주입하는 동작(S730), 주형을 가압하여 부품을 제조하는 동작(S740), 제조된 부품을 검사하고, 검사로부터 획득된 데이터를 바탕으로 제조 장치를 조절하는 동작(S750)을 포함할 수 있다.

다양한 실시예에 따르면, 상부 주형 및/또는 하부 주형을 조립하는 동작(S710)은, 도 3에서의 상부 주형 또는 하부 주형과 같이 다양한 형상의 주형을 형성하기 위해 주형 블록을 조립하는 동작을 포함할 수 있다. 자동차 엔진의 부품과 같은 복잡한 형상의 부품의 제조를 위해, 상부 주형 또는 하부 주형은 다양한 형상의 주형으로 형성될 필요가 있다. 다양한 형상의 주형을 제조하기 위해서, 다양한 형상의 주형 블록들은 결합 부재를 통해 결합될 수 있고, 주형을 형성하는 알갱이들의 크기에 따른 압축력 차이를 통해서 결합될 수 있다.

상기 주형들의 부품 제조 장치에 설치하는 동작(S720)은, 상기 상부 주형을 프레임(도 1의 프레임(110))에 결합하는 동작 및 상기 하부 주형을 베이스(도 1의 베이스(170))에 결합하는 동작을 포함할 수 있다.

다양한 실시예에 따르면, 베이스는 하부 주형을 감싸는 형태의 베이스 측면(예: 도 1의 베이스 측면(173)에 의해 하부 주형을 고정할 수 있고, 베이스 지지면(예: 도 1의 지지면(171)에 의해 하부 주형을 지지할 수 있다.

다양한 실시예에 따르면, 프레임은 상부 주형을 지지대(예: 도 1의 지지대(111))에 의해서 감싸면서 파지할 수 있다. 이때 프레임은 상하로 이동할 수 있어, 상부 주형을 하부 주형을 향하도록 이동시킬 수 있다.

준비된 재료를 주형에 주입하는 동작(S730)은, 용융된 금속을 하부 주형에 주입하는 동작을 포함할 수 있다. 용융된 금속은 부품의 재료로서, 부품의 형상, 표면의 형성, 강도에 영향을 미칠 수 있다. 또한, 용융된 금속의 재질에 따라 가압 압력과 상부 주형의 이동 속도에 영향을 미칠 수 있다. 용융된 금속의 성질에 따라 주입되는 속도도 달라지게 되므로, 프로세서는 재료에 따라 주입되는 양을 조절하기 위해서, 용융된 금속이 하부 주형으로 이동하는 시간을 조절하거나, 이동되는 통로의 기울기를 조절하여 금속의 주입양을 조절할 수 있다.

주형을 가압하여 부품을 제조하는 동작(S740)은, 구동부(예: 도 2의 구동부(115))를 통해서 상부 주형을 이동시키는 동작 및 상부 주형이 용융된 금속에 접촉한 이후의 압력을 조절할 수 있다.

다양한 실시예에 따르면, 프로세서가 실행 될 때, 프로세서는, 하부 주형의 공간에 주입된 용융된 금속을 구동부를 통해, 상부 주형을 이동시켜 부품을 제조할 수 있다. 프로세서는 하부 주형을 향하여 구동부를 통해 상부 주형을 이동시키고, 상부 주형의 이동에 응답하여, 거리 감지 센서를 이용하여, 상부 주형과 하부 주형 사이의 거리를 감지할 수 있다. 프로세서는 감지된 거리에 기반하여, 구동부를 구동하여, 상부 주형의 이동속도를 조절할 수 있다. 다양한 실시예에 따르면, 프로세서는 상부 주형의 이동속도를 조절함으로써, 생산성을 높일 수 있다. 예를 들면, 상부 주형이 용융된 금속에 접촉하기 전까지는 빠른 이동을 통하여 부품의 가압직전까지 상부 주형의 이동 시간을 단축할 수 있고, 이를 통해서, 제품의 생산 속도를 높일 수 있다.

다양한 실시예에 따르면, 프로세서는 압력 감지 센서를 통해, 상부 주형이 가압하는 압력을 감지하고, 감지된 압력에 기반하여, 상부 주형의 압력을 조절하도록 제어될 수 있다. 예를 들면, 상부 주형이 압력 감지 센서에 인접하게 되면, 압력 감지센서는 상부 주형과 하부 주형 사이의 압력을 감지할 수 있다.

다양한 실시예에 따르면, 프로세서는 아래의 수학식 2에 기반하여, 금속의 정적 압력(Pst), 용융된 금속의 동적 압력(Pdyn), 및 금속에 가해지는 압력(Pexp)는 용융된 금속과 주형 사이의 마찰력(Pf), 가스의 팽창에 의한 압력(Pgas), 상부 주형에 형성된 관(미도시)에서의 모세관 압(Pg)의 합과 평형을 이루도록 제어할 수 있다.

[수학식 2]

용융된 금속과 주형의 재질을 고려하여, 필요한 압력을 결정할 수 있다. 또한, 용융된 금속의 고형화 과정에서의 압력을 일정하게 유지함으로써, 완성된 제품의 조직을 치밀하게 형성할 수 있고, 표면의 품질을 높일 수 있다.

제조된 부품을 검사하고, 검사로부터 획득된 데이터를 바탕으로 제조 장치를 조절하는 동작(S750)은, 검수 장치를 이용하여 획득된 데이터로부터 상부 주형의 이동 속도 또는 압력을 조절하는 동작을 포함할 수 있다.

검수 장치(예: 도 4의 검수 장치(330))는 부품의 상태를 측정할 수 있는 장치를 포함할 수 있다. 검수 장치(330)는 제품의 성질을 감지할 수 있는 치수 측정 장치, 파형 측정 장치, 또는, 부품의 내부 상태를 감지할 수 있는 비파괴 검사 장치 등을 포함할 수 있다.

제어 장치(예: 도 4의 제어 장치(340))는 검수 장치(330)로부터 전달된 데이터를 획득할 수 있다. 제어 장치(340)는 검수 장치로부터 획득된 데이터를 분석하여, 부품의 불량 여부를 판단할 수 있다. 부품의 불량 여부를 판단할 때, 제어 장치(340)는 부품의 불량의 종류에 따라 제조 장치(320)의 제조 방법을 조절할 수 있다.

다양한 실시예에 따르면, 제어 장치는 검수 장치로부터 전달된 데이터들을 그래프로 표현한 데이터나, 수치화된 데이터, 파형 등을 수집할 수 있다. 또한, 제어장치는 파형이나, 제품의 형태, 제품 내부의 공동(cavitation) 등의 이미지를 획득하는 경우, 인공 신경망 모델을 이용해서, 부품의 불량 여부를 판단할 수 있다.

다양한 실시예에 따르면, 프로세서는 검사 데이터를 각각의 측정 내역을 표로 작성하여, 그래프로 도출할 수 있다. 제어 장치(340)는 해당 그래프의 변형 정도를 바탕으로, 제조 장치(320)의 공정 중에 발생한 문제점을 유추할 수 있다. 인공 신경망 모델을 활용하여, 해당 그래프의 특이점을 판단할 수 있다. 예를 들면, 제어 장치(340)는 그래프의 변형이, 부품의 외부 형상의 거칠기가 늘어나는 경우에는, 제조 장치의 상부 주형의 가압력을 줄이도록 제어할 수 있다. 다른 예를 들면, 제어 장치(340)는 부품의 치수가 원래의 치수보다 작게 형성되는 경우에는, 용융된 금속의 주입량을 늘일 수 있다. 용융된 금속은 용융된 금속을 형성하는 고로(용광로)로부터 하부 주형(예: 도 2의 하부 주형(150))으로 전달될 수 있다.

다른 예를 들면, 부품의 강도나 부품의 울림 소리로부터 부품의 치밀함 정도를 알 수 있다. 제어 장치(340)는 부품의 강도가 약하다고 판단을 하는 경우, 용융된 금속에 가하는 압력을 높이는 방향으로 조절할 수 있다. 예를 들면, 감지 장치(160)에는 부품의 울림 소리를 측정하는 울림 센서(미도시)를 더 포함할 수 있으며, 감지 장치(160) 및/또는 프로세서(180)는 울림 센서를 통하여 획득되는 부품의 울림 소리에 기반하여 상기 부품의 울림 소리 대한 주파수 정보 및/또는 상기 부품의 울림 소리의 크기를 나타내는 정보를 추출할 수 있다. 또한 프로세서(180)는 상기 부품의 울림 소리 대한 주파수 정보('제1 울림 정보'라고 칭할 수 있다) 및/또는 부품의 울림 소리의 크기를 나타내는 정보('제2 울림 정보'라고 칭할 수 있다)에 기반하여 부품의 치밀함 정도를 나타내는 생성할 수 있다. 예를 들면, 프로세서(180)는 복수의 제1 울림 정보 및/또는 복수의 제2 울림 정보를 획득할 수 있으며, 상기 복수의 제1 울림 정보 및/또는 복수의 제2 울림 정보 각각에 대한 통계 자료 및/또는 기록을 획득 및/또는 생성할 수 있다. 예를 들면, 프로세서(180)는 상기 복수의 제1 울림 정보에 기반하여 제1 반복 패턴을 추출하거나 및/또는 복수의 제2 울림 정보에 기반하여 제2 반복 패턴을 추출할 수 있다. 또한 프로세서(180)는 새로운 제1 울림 정보(추가 제1 울림 정보)를 획득하거나 및/또는 새로운 제2 울림 정보(추가 울림 정보)를 획득할 때마다, 상기 새로운 제1 울림 정보와 상기 제1 반복 패턴 사이의 유사도 판단(즉, 제1 유사도 획득) 및/또는 상기 새로운 제2 울림 정보와 상기 제2 반복 패턴 사이의 유사도 판단(즉, 제2 유사도 획득)을 수행할 수 있다. 이때 제1 유사도 및/또는 제2 유사도는 0.0 내지 1.0의 값으로 표현될 수 있다. 또한 프로세서(180)는 상기 제1 유사도 및/또는 상기 제2 유사도에 기반하여 상기 부품의 치밀함 정도를 나타내는 정보를 생성할 수 있다. 또한 프로세서(180)는 i) 상기 제1 유사도가 제1 임계치 미만인 경우, ii) 상기 제2 유사도가 제2 임계치 미만인 경우, 및/또는 iii) 상기 제1 유사도가 제3 임계치 미만이고 상기 제2 유사도가 제4 임계치 미만인 경우에 상기 부품의 치밀함 정도에 이상이 있음을 나타내는 정보를 생성하거나 및/또는 제조 공정에 이상이 있음을 나타내는 정보를 생성할 수 있다.

다양한 실시예에 따르는, 부품 제조 장치는, 베이스, 상기 베이스를 마주보며 직선 왕복운동가능한 지지대를 포함하는 프레임, 상기 프레임의 지지대에 의해 고정되어 직선 왕복 운동하는 상부 주형, 용융된 금속이 수납되는 공간 및 상기 상부 주형이 이동하여 접할 때, 상기 상부 주형의 테두리에 접하여 상기 공간을 폐쇄하는 테두리를 포함하고, 상기 베이스에 의해 지지되는 하부 주형과, 상기 베이스에 위치하는 거리 감지 센서 및 압력 감지 센서를 포함하고, 상기 베이스는 상기 하부 주형을 지지하는 하부 주형 지지면 및 상기 지지면에 수직된 방향으로 상기 지지면의 테두리로부터 상기 하부 주형의 외면을 따라 연장되는 베이스 측면을 포함하고, 상기 지지대는 상기 상부 주형의 외면을 따라 상기 베이스를 향하여 연장되고, 상기 베이스의 측면은 상기 지지대와 접하여, 상기 상부 주형 및 상기 하부 주형을 폐쇄하고, 상기 거리 감지 센서 및 상기 압력 감지 센서는 상기 베이스의 측면에서 상기 지지대와 접하는 영역에 배치될 수 있다.

다양한 실시예에 따르는 부품 제조 장치는, 상기 상부 주형을 상기 하부 주형을 향하는 방향으로 왕복이동시키는 구동부, 메모리와, 상기 구동부, 상기 메모리, 상기 거리 감지 센서 및 상기 압력 감지 센서와 작동적으로 연결되는 적어도 하나의 프로세서를 더 포함하고, 상기 메모리는, 복수의 인스트럭션들을 저장하고, 상기 복수의 인스트럭션들은, 상기 적어도 하나의 프로세서에 의해 실행될 때에, 상기 적어도 하나의 프로세서가, 상기 하부 주형의 공간에 용융된 금속을 주입하고, 상기 구동부를 통해, 상기 상부 주형을 상기 하부 주형을 향하여 이동시키고, 상기 상부 주형의 이동에 응답하여, 상기 거리 감지 센서를 이용하여, 상기 상부 주형과 상기 하부 주형 사이의 거리를 감지하고, 상기 감지된 거리에 기반하여, 상기 구동부를 구동하여, 상기 상부 주형의 이동속도를 조절하고, 상기 압력 감지 센서를 통해, 상기 상부 주형이 가압하는 압력을 감지하고, 상기 감지된 압력에 기반하여, 상기 상부 주형의 압력을 조절하도록 제어될 수 있다.

다양한 실시예에 따르면, 상기 상부 주형의 압력을 조절할 때, 상기 상부 주형의 압력은 일정하게 유지될 수 있다.

다양한 실시예에 따르는, 부품 제조 시스템은, 상부 주형 및/또는 하부 주형을 조립하는 단계, 상기 상부 주형 및/또는 상기 하부 주형을 부품 제조 장치에 설치하는 단계, 용융된 금속을 준비하여, 상기 하부 주형에 주입하는 단계, 상기 상부 주형을 가압하여, 부품을 제조하는 단계, 상기 제조된 부품으로부터 제조된 부품을 검사하는 단계와, 상기 검사로부터 획득된 데이터를 정리하여, 상기 제조 장치를 제어하는 단계를 포함할 수 있다.

다양한 실시예에 따르면, 상기 부품을 제조하는 단계는, 상기 상부 주형을 이동시키는 구동부를 통해, 상기 상부 주형을 상기 하부 주형을 향하여 이동시키고, 상기 상부 주형의 이동에 응답하여, 상기 하부 주형에 배치된 거리 감지 센서를 이용하여, 상기 상부 주형과 상기 하부 주형 사이의 거리를 감지하고, 상기 감지된 거리에 기반하여, 상기 구동부를 구동하여, 상기 상부 주형의 이동속도를 조절하고, 상기 압력 감지 센서를 통해, 상기 상부 주형이 가압하는 압력을 감지하고, 상기 감지된 압력에 기반하여, 상기 상부 주형의 압력을 조절할 수 있다.

다양한 실시예에 따르면, 상기 검사하는 단계는, 상기 부품의 형상, 치수, 강도, 내부 공동의 형상, 또는 부품의 울림과 관련된 데이터들을 획득하고, 상기 획득된 데이터들을 바탕으로, 인공신경망을 이용하여 상기 부품의 불량의 형태를 판단할 수 있다.

본 개시의 청구항 또는 명세서에 기재된 실시 예들에 따른 방법들은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합의 형태로 구현될(implemented) 수 있다. 상술한 본 개시의 구체적인 실시 예들에서, 개시에 포함되는 구성 요소는 제시된 구체적인 실시 예에 따라 단수 또는 복수로 표현되었다. 그러나, 단수 또는 복수의 표현은 설명의 편의를 위해 제시한 상황에 적합하게 선택된 것으로서, 본 개시가 단수 또는 복수의 구성 요소에 제한되는 것은 아니며, 복수로 표현된 구성 요소라 하더라도 단수로 구성되거나, 단수로 표현된 구성 요소라 하더라도 복수로 구성될 수 있다.

한편 본 개시의 상세한 설명에서는 구체적인 실시 예에 관해 설명하였으나, 본 개시의 범위에서 벗어나지 않는 한도 내에서 여러 가지 변형이 가능함은 물론이다. 그러므로 본 개시의 범위는 설명된 실시 예에 국한되어 정해져서는 아니 되며 후술하는 특허청구의 범위뿐만 아니라 이 특허청구의 범위와 균등한 것들에 의해 정해져야 한다.

Claims (5)

1. 부품 제조 장치에 있어서,
   베이스;
   상기 베이스를 마주보며 직선 왕복운동가능한 지지대를 포함하는 프레임;
   상기 프레임의 지지대에 의해 고정되어 직선 왕복 운동하되, 제1 주형 블록(130a)과 상기 제1 주형 블록의 돌출된 부위의 직경보다 더 큰 직경은 갖는 제2 주형 블록(130b)을 포함하는 상부 주형;
   용융된 금속이 수납되는 공간 및 상기 상부 주형이 이동하여 접할 때, 상기 상부 주형의 테두리에 접하여 상기 공간을 폐쇄하는 테두리를 포함하고, 상기 베이스에 의해 지지되는 하부 주형;
   상기 베이스에 위치하는 거리 감지 센서;
   상기 베이스에 위치하는 압력 감지 센서;
   상기 상부 주형을 상기 하부 주형을 향하는 방향으로 왕복이동시키는 구동부; 및
   상기 거리 감지 센서, 상기 압력 감지 센서 및 상기 구동부와 작동적으로 연결되는 프로세서; 를 포함하고,
   상기 베이스는 상기 하부 주형을 지지하는 하부 주형 지지면 및 상기 지지면에 수직된 방향으로 상기 지지면의 테두리로부터 상기 하부 주형의 외면을 따라 연장되는 베이스 측면을 포함하고,
   상기 지지대는 상기 상부 주형의 외면을 따라 상기 베이스를 향하여 연장되고,
   상기 베이스의 측면은 상기 지지대와 접하여, 상기 상부 주형 및 상기 하부 주형을 폐쇄하고,
   상기 거리 감지 센서 및 상기 압력 감지 센서는 상기 베이스의 측면에서 상기 지지대와 접하는 영역에 배치되고,
   상기 프로세서는,
   상기 하부 주형의 공간에 용융된 금속을 주입하고,
   상기 구동부를 통해, 상기 상부 주형을 상기 하부 주형을 향하여 이동시키고,
   상기 상부 주형의 이동에 응답하여, 상기 거리 감지 센서를 이용하여, 상기 상부 주형과 상기 하부 주형 사이의 거리를 감지하고,
   상기 감지된 거리에 기반하여, 상기 구동부를 구동하여, 상기 상부 주형의 이동속도를 조절하되, 상기 상부 주형이 상기 용융된 금속에 접촉할 때까지 상기 상부 주형의 이동속도를 제1 속도로 제어하고, 상기 상부 주형이 상기 용융된 금속에 접촉한 이후에는 상기 상부 주형의 이동속도를 제2 속도로 제어하고, 상기 제1 속도는 상기 상부 주형과 상기 하부 주형 사이의 거리에 기반하여 결정되고, 상기 제1 속도는 상기 제2 속도보다 빠른 속도이며,
   상기 압력 감지 센서를 통해, 상기 상부 주형이 가압하는 압력을 감지하고,
   상기 감지된 압력에 기반하여, 상기 상부 주형의 압력을 조절하도록 제어되고,
   상기 상부 주형의 압력을 조절할 때, 상기 상부 주형의 압력은 일정하게 유지되고,
   상기 프로세서는,
   상기 부품의 형상, 치수, 강도, 내부 공동의 형상, 및 상기 부품의 울림과 관련된 데이터들을 획득하되, 상기 부품의 울림은 상기 부품에 외력을 가했을 때 발생하는 음의 패턴을 나타내고,
   상기 획득된 데이터들을 RGB 성분에 기반하는 이미지 데이터로 변환하고,
   상기 이미지 데이터를, 합성곱 신경망(CNN, Convolutional Neural Network), 마르코프 체인(Markov Chain) 또는 이진화 신경망(BNN, Binarized Neural Network) 중 적어도 어느 하나에 기반하는 인공신경망에 입력함으로써, 상기 인공신경망의 출력(output)인 상기 부품의 불량의 형태를 나타내는 정보를 획득하고,
   상기 부품의 울림에 기반하여 상기 부품의 치밀함 정도를 추정하고,
   상기 부품의 치밀함 정도에 기반하여 상기 상부 주형의 압력을 재설정하는 것을 특징으로 하는,
   부품 제조 장치.
2. 삭제
3. 삭제
4. 삭제
5. 삭제

Images