KR102433251B1 - 제품의 실시간 품질 검사방법 - Google Patents

제품의 실시간 품질 검사방법 Download PDF

Info

Publication number
KR102433251B1
KR102433251B1 KR1020200145572A KR20200145572A KR102433251B1 KR 102433251 B1 KR102433251 B1 KR 102433251B1 KR 1020200145572 A KR1020200145572 A KR 1020200145572A KR 20200145572 A KR20200145572 A KR 20200145572A KR 102433251 B1 KR102433251 B1 KR 102433251B1
Authority
KR
South Korea
Prior art keywords
picture
product
waveforms
waveform
real
Prior art date
Application number
KR1020200145572A
Other languages
English (en)
Other versions
KR20220059859A (ko
Inventor
이영규
Original Assignee
(주)아이티공간
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)아이티공간 filed Critical (주)아이티공간
Priority to KR1020200145572A priority Critical patent/KR102433251B1/ko
Publication of KR20220059859A publication Critical patent/KR20220059859A/ko
Application granted granted Critical
Publication of KR102433251B1 publication Critical patent/KR102433251B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
    • G05B23/0227—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions
    • G05B23/0232—Qualitative history assessment, whereby the type of data acted upon, e.g. waveforms, images or patterns, is not relevant, e.g. rule based assessment; if-then decisions based on qualitative trend analysis, e.g. system evolution
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
    • G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Artificial Intelligence (AREA)
  • General Factory Administration (AREA)

Abstract

본 발명은 제품의 실시간 품질 검사방법에 관한 것으로, 그 구성은 제품의 제조과정에서 각 공정을 수행하는 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 적어도 하나 이상 수집하여 사진과 같이 찍어 그림 파형으로 변환하여 수집하되, 둘 이상의 파형이 수집되는 상기 파형들을 서로 중첩시킨 후, 그림 파형으로 변환하여 수집하는 정보 수집단계(S10);와, 상기 정보 수집단계(S10)에서 수집된 대량의 그림 파형을 제어부에서 정상 제품에 대한 그림 파형과, 불량 제품에 대한 그림 파형으로 구분하여 학습하는 정보 학습단계(S20);와, 실시간으로 일련의 제조과정을 통해 제품이 제작되면, 그 제품의 제조과정을 수행한 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 실시간 그림 파형으로 변환하고, 상기 제어부는 실시간 그림 파형을 기반으로 제작된 제품의 불량 유무를 판단하는 판단단계(S30);로 이루어지는 것을 특징으로 하는 것으로서,
불량 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 불량 제품에 대한 그림 파형과 정상 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 정상 제품에 대한 그림 파형을 제어부에서 구분하여 학습하고, 실시간으로 제작된 제품을 제작하는 과정에서 수집된 파형으로부터 추출된 실시간 그림 파형을 통해 제품의 불량 유무를 곧바로 검출 판단할 수 있어 대량으로 제품의 불량 검출을 신속하게 수행하여 우수한 제품의 생산성을 확보할 수 있을 뿐만 아니라, 제품의 불량을 검출하기 위한 고가의 검사장비가 요구되지 않아 기업의 경제적인 부담을 대폭 절감하여 기업의 안정적인 운영을 유도할 수 있는 효과가 있다.
또한, 제어부를 통해 실시간으로 제작되는 제품의 불량 유무를 판단하고, 그 판단 결과에 대한 정확성을 피드백 받아 보완함으로써 제어부의 판단 결과에 대한 우수한 신뢰성을 확보할 수 있는 효과가 있다.

Description

제품의 실시간 품질 검사방법{Real-time quality inspection method of products}
본 발명은 제품의 실시간 품질 검사방법에 관한 것으로, 더욱 상세하게는 불량 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 불량 제품에 대한 그림 파형과 정상 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 정상 제품에 대한 그림 파형을 제어부에서 구분하여 학습하고, 실시간으로 제작된 제품을 제작하는 과정에서 수집된 파형으로부터 추출된 실시간 그림 파형을 통해 제품의 불량 유무를 곧바로 검출 판단할 수 있어 대량으로 제품의 불량 검출을 신속하게 수행하여 우수한 제품의 생산성을 확보할 수 있을 뿐만 아니라, 제품의 불량을 검출하기 위한 고가의 검사장비가 요구되지 않아 기업의 경제적인 부담을 대폭 절감하여 기업의 안정적인 운영을 유도할 수 있는 제품의 실시간 품질 검사방법에 관한 것이다.
일반적으로 일련의 제조과정을 통해 제품이 제작 완성되면, 그 제품을 사용 및 판매하기 앞서서 완성된 제품의 불량 유무를 판별(검출)하게 되며, 불량으로 검출된 제품은 폐기 처분된다.
하지만, 제품의 불량의 검출은 제작이 완료된 제품에 대하여 수행하게 되는데, 통상적으로 제품의 불량 유무를 검출하기 위해서는 기본적으로 고가의 각종 검사장비의 사용 및 운영 인력이 요구될 뿐만 아니라, 제품의 불량 유무를 검출하는데 많은 시간이 소요되는 단점이 있고, 이러한 단점은 제품의 생산 단가는 높이고 제품의 생산력은 낮추는 원인이 되었다.
특히, 검사장비를 통한 제품의 불량 유무의 검출에 소요되는 시간으로 인해 하나의 검사장비로 대량의 제품에 대해 불량을 검출하는데 한계가 있고, 이를 극복하기 위해서는 고가의 검사장비를 다수 구비하여 운영해야 하는 단점이 있었다.
[문헌 0001] 대한민국 공개특허공보 제10-2016-0081877호 (2016.07.08)
본 발명은 상기한 바와 같은 제반 문제점을 해결하기 위하여 제안된 것으로, 그 목적은 불량 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 불량 제품에 대한 그림 파형과 정상 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 정상 제품에 대한 그림 파형을 제어부에서 구분하여 학습하고, 실시간으로 제작된 제품을 제작하는 과정에서 수집된 파형으로부터 추출된 실시간 그림 파형을 통해 제품의 불량 유무를 곧바로 검출 판단할 수 있어 대량으로 제품의 불량 검출을 신속하게 수행하여 우수한 제품의 생산성을 확보할 수 있을 뿐만 아니라, 제품의 불량을 검출하기 위한 고가의 검사장비가 요구되지 않아 기업의 경제적인 부담을 대폭 절감하여 기업의 안정적인 운영을 유도할 수 있는 제품의 실시간 품질 검사방법을 제공함에 있다.
또한, 제어부를 통해 실시간으로 제작되는 제품의 불량 유무를 판단하고, 그 판단 결과에 대한 정확성을 피드백 받아 보완함으로써 제어부의 판단 결과에 대한 우수한 신뢰성을 확보할 수 있는 제품의 실시간 품질 검사방법을 제공함에 있다.
상기와 같은 목적을 달성하기 위한 본 발명에 따른 제품의 실시간 품질 검사방법은 제품의 제조과정에서 각 공정을 수행하는 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 적어도 하나 이상 수집하여 사진과 같이 찍어 그림 파형으로 변환하여 수집하되, 둘 이상의 파형이 수집되는 상기 파형들을 서로 중첩시킨 후, 그림 파형으로 변환하여 수집하는 정보 수집단계(S10);와, 상기 정보 수집단계(S10)에서 수집된 대량의 그림 파형을 제어부에서 정상 제품에 대한 그림 파형과, 불량 제품에 대한 그림 파형으로 구분하여 학습하는 정보 학습단계(S20);와, 실시간으로 일련의 제조과정을 통해 제품이 제작되면, 그 제품의 제조과정을 수행한 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 실시간 그림 파형으로 변환하고, 상기 제어부는 실시간 그림 파형을 기반으로 제작된 제품의 불량 유무를 판단하는 판단단계(S30);를 포함하여 이루어지며,
상기 기기에서 측정되는 시간에 따른 에너지는 기기의 구동에 소모되는 전류, 상기 기기의 구동시 발생되는 진동이나 소음, 상기 기기로 공급되는 전원의 주파수 및 상기 기기의 구동시 기기의 온도, 습도, 압력 중에서 선택되는 어느 하나 또는 둘 이상을 조합하여 사용하며,
상기 정보 수집단계(S10)에서 제품의 제조과정이 둘 이상의 공정을 포함하면 각 공정의 파형을 서로 중첩시켜 하나의 그림 파형으로 수집하거나, 각 공정의 파형을 순차적으로 연결하여 하나의 그림 파형으로 수집하도록 하며,
상기 제어부는 상기 판단단계(S30)에서 제품의 불량 유무에 대한 판단 결과를 피드백 받아 재학습하여 상기 판단단계(S30)에서 검출 판단하는 판단 결과에 대한 신뢰성이 강화되도록 하는 재학습 단계(S40);를 더 포함하여 이루어지는 것을 특징으로 한다.
삭제
삭제
삭제
이상에서와 같이 본 발명에 따른 제품의 실시간 품질 검사방법에 의하면, 불량 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 불량 제품에 대한 그림 파형과 정상 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 정상 제품에 대한 그림 파형을 제어부에서 구분하여 학습하고, 실시간으로 제작된 제품을 제작하는 과정에서 수집된 파형으로부터 추출된 실시간 그림 파형을 통해 제품의 불량 유무를 곧바로 검출 판단할 수 있어 대량으로 제품의 불량 검출을 신속하게 수행하여 우수한 제품의 생산성을 확보할 수 있을 뿐만 아니라, 제품의 불량을 검출하기 위한 고가의 검사장비가 요구되지 않아 기업의 경제적인 부담을 대폭 절감하여 기업의 안정적인 운영을 유도할 수 있는 효과가 있다.
또한, 제어부를 통해 실시간으로 제작되는 제품의 불량 유무를 판단하고, 그 판단 결과에 대한 정확성을 피드백 받아 보완함으로써 제어부의 판단 결과에 대한 우수한 신뢰성을 확보할 수 있는 효과가 있다.
도 1은 본 발명의 실시예에 따른 제품의 실시간 품질 검사방법의 블럭도
도 2 내지 도 6은 도 1에 도시된 제품의 실시간 품질 검사방법을 설명하기 위한 도면
본 발명의 바람직한 실시예에 따른 제품의 실시간 품질 검사방법을 첨부된 도면에 의거하여 상세히 설명한다. 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 공지 기능 및 구성에 대한 상세한 기술은 생략한다.
도 1 내지 도 6은 본 발명의 실시예에 따른 제품의 실시간 품질 검사방법을 도시한 것으로, 도 1은 본 발명의 실시예에 따른 제품의 실시간 품질 검사방법의 블럭도를, 도 2 내지 도 6은 도 1에 도시된 제품의 실시간 품질 검사방법을 설명하기 위한 도면을 각각 나타낸 것이다.
상기 도면에 도시한 바와 같이, 본 발명의 실시예에 따른 제품의 실시간 품질 검사방법(100)은 정보 수집단계(S10)와, 정보 학습단계(S20)와, 판단단계(S30)를 포함하고 있다.
도 1에 도시된 바와 같이, 상기 정보 수집단계(S10)는 제품의 제조과정에서 각 공정을 수행하는 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 적어도 하나 이상 수집하여 사진과 같이 찍어 그림 파형으로 변환하여 수집하되, 둘 이상의 파형이 수집되는 상기 파형들을 서로 중첩시킨 후, 그림 파형으로 변환하여 수집하는 단계이다.
여기서, 도 2에 도시된 바와 같이 본 발명에서는 설명의 편의를 위해 각 공정을 수행하는 기기에서 측정되는 에너지로 기기의 구동에 소모되는 전류와, 기기의 구동시 발생되는 진동과, 기기의 온도 총 3가지를 측정하여 기기로부터 총 3종류의 파형을 추출하도록 하나, 이러한 종류 및 개수로 한정하여 추출하는 것은 아니며, 상기 기기에서 측정되는 시간에 따른 에너지로 기기의 구동에 소모되는 전류, 상기 기기의 구동시 발생되는 진동이나 소음, 상기 기기로 공급되는 전원의 주파수 및 상기 기기의 구동시 기기의 온도, 습도, 압력 중에서 선택되는 어느 하나 또는 둘 이상을 조합하여 사용할 수 있음은 물론이다.
그런 후, 도 3에 도시된 바와 같이 상기와 같이 기기로부터 추출된 전류와 진동 및 온도의 파형을 서로 중첩시킨 상태에서 사진과 같이 찍어 3종류의 파형이 혼합된 모습(그림)의 그림 파형으로 변환하여 수집하게 된다.
일반적으로 제품은 한 번의 공정 또는 다수의 공정으로 이루어진 일련의 제조과정을 통해 완성된 제품으로 제작되는데, 도 4에 도시된 바와 같이 일 예로 제품이 프레스 기기를 통한 프레스 공정과, 천공기기를 통한 천공 공정 및 용접기기를 통한 용접 공정을 통한 총 3번의 공정으로 제작 생산되는 것으로 가정하면, 각 공정(프레스 공정, 천공 공정, 용접 공정)을 수행하는 각 기기로부터 측정된 3종류(기기의 전류, 진동, 압력)의 파형들을 서로 중첩시키거나, 각 공정의 파형들을 순차적으로 연결한 상태로 사진과 같이 찍어 하나의 그림 파형으로 수집되도록 한다.
본 발명에서는 각 공정에서 추출되는 3종류의 파형들을 서로 중첩시킨 상태로 사진을 찍어 하나의 그림 파형으로 수집하도록 한다.
상기와 같이 정보 수집단계(S10)에서 수집되는 대량의 그림 파형의 정보들은 후설될 상기 정보 학습단계(S20)에서 제어부(10)가 학습하여 후설될 상기 판단단계(S30)에서 제품의 불량을 판단하는데 중요한 기반이 된다.
도 1에 도시된 바와 같이, 상기 정보 학습단계(S20)는 상기 정보 수집단계(S10)에서 수집된 대량의 그림 파형을 제어부(10)에서 정상 제품에 대한 그림 파형과, 불량 제품에 대한 그림 파형으로 구분하여 학습하는 단계이다.
즉, 도 5에 도시된 바와 같이 상기 제어부(10)는 상기 정보 수집단계(S10)에서 수집된 대량의 그림 파일 정보를 정상 제품에 대한 그림 파형과, 불량 제품에 대한 그림 파형으로 구분하여 학습함으로, 상기 검출단계(S30)에서 상기 제어부(10)는 보다 정확하게 완성된 제품의 불량 유무를 검출하게 된다.
여기서, 상기 제어부(10)는 통상의 딥 러닝 방식으로 적게는 수백 많게는 수천, 수만 개의 그림 파형 정보를 학습하게 되는데, 상기 제어부(10)는 그림 파형의 정보가 풍부할수록 상기 제어부(10)에서 실시간 제작되는 제품의 불량 유무를 우수한 정확도로 검출할 수 있으며, 이러한 상기 제어부(10)의 딥 러닝 방식의 일 예로 VGG16, VGG19, RestNet50, Inceoption V3 등의 방법을 선택적으로 적용할 수 있음은 물론이다.
도 1에 도시된 바와 같이, 상기 판단단계(S30)는 실시간으로 일련의 제조과정을 통해 제품이 제작되면, 그 제품의 제조과정을 수행한 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 실시간 그림 파형으로 변환하고, 상기 제어부(10)는 실시간 그림 파형을 기반으로 제작된 제품의 불량 유무를 판단하는 단계이다.
즉, 도 6에 도시된 바와 같이 상기 제어부(10)는 제품의 제작이 완성되는 순간 각 공정을 수행하는 기기로부터 측정되는 파형을 기반으로 추출되는 그림 파형을 통해 매우 신속하게 제품의 불량 유무를 검출할 수 있다.
한편, 도 1에 도시된 바와 같이 상기 제어부(10)는 상기 판단단계(S30)에서 제품의 불량 유무에 대한 판단 결과를 피드백 받아 재학습하여 상기 판단단계(S30)에서 검출 판단하는 판단 결과에 대한 신뢰성이 강화되도록 하는 재학습 단계(S40);를 더 포함하여 이루어진다.
즉, 도 6에 도시된 바와 같이 상기 제어부(10)는 실시간으로 제작 완성된 제품의 불량 유무에 대해 판단하고, 그 결과의 성공 여부를 피드백 받아 재학습하는 과정을 통해 상기 제어부의 판단에 대한 신뢰성이 점차 향상되도록 유도한다.
상기와 같은 과정으로 이루어진 본 발명의 제품의 실시간 품질 검사방법(100)은 불량 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 불량 제품에 대한 그림 파형과 정상 제품을 제작하는 과정에서 수집되는 파형으로부터 추출된 정상 제품에 대한 그림 파형을 상기 제어부(10)에서 구분하여 학습하고, 실시간으로 제작된 제품을 제작하는 과정에서 수집된 파형으로부터 추출된 실시간 그림 파형을 통해 제품의 불량 유무를 곧바로 검출 판단할 수 있어 대량으로 제품의 불량 검출을 신속하게 수행하여 우수한 제품의 생산성을 확보할 수 있을 뿐만 아니라, 제품의 불량을 검출하기 위한 고가의 검사장비가 요구되지 않아 기업의 경제적인 부담을 대폭 절감하여 기업의 안정적인 운영을 유도할 수 있는 제품의 실시간 품질 검사방법을 제공함에 있다.
또한, 상기 제어부(10)를 통해 실시간으로 제작되는 제품의 불량 유무를 판단하고, 그 판단 결과에 대한 정확성을 피드백 받아 보완함으로써 상기 제어부(10)의 판단 결과에 대한 우수한 신뢰성을 확보할 수 있는 제품의 실시간 품질 검사방법을 제공함에 있다.
본 발명은 첨부된 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것으로 상술한 실시예에 한정되지 않으며, 당해 분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 실시예가 가능하다는 점을 이해할 수 있을 것이다. 또한, 본 발명의 사상을 해치지 않는 범위 내에서 당업자에 의한 변형이 가능함은 물론이다. 따라서, 본 발명에서 권리를 청구하는 범위는 상세한 설명의 범위 내로 정해지는 것이 아니라 후술되는 청구범위와 이의 기술적 사상에 의해 한정될 것이다.
10. 제어부
S10. 정보 수집단계
S20. 정보 학습단계
S30. 판단단계
S40. 재학습 단계
100. 제품의 실시간 품질 검사방법

Claims (4)

  1. 적어도 하나 이상의 공정이 포함되는 일련의 제조과정을 통해 제작되는 제품의 품질 검사방법에 있어서,
    제품의 제조과정에서 각 공정을 수행하는 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 적어도 하나 이상 수집하여 사진과 같이 찍어 그림 파형으로 변환하여 수집하되, 둘 이상의 파형이 수집되는 상기 파형들을 서로 중첩시킨 후, 그림 파형으로 변환하여 수집하는 정보 수집단계(S10);
    상기 정보 수집단계(S10)에서 수집된 대량의 그림 파형을 제어부(10)에서 정상 제품에 대한 그림 파형과, 불량 제품에 대한 그림 파형으로 구분하여 학습하는 정보 학습단계(S20); 및
    실시간으로 일련의 제조과정을 통해 제품이 제작되면, 그 제품의 제조과정을 수행한 기기에서 측정한 시간에 따른 에너지 크기의 변화정보를 그래프로 나타낸 파형을 실시간 그림 파형으로 변환하고, 상기 제어부(10)는 실시간 그림 파형을 기반으로 제작된 제품의 불량 유무를 판단하는 판단단계(S30);를 포함하여 이루어지며,
    상기 기기에서 측정되는 시간에 따른 에너지는 기기의 구동에 소모되는 전류, 상기 기기의 구동시 발생되는 진동이나 소음, 상기 기기로 공급되는 전원의 주파수 및 상기 기기의 구동시 기기의 온도, 습도, 압력 중에서 선택되는 어느 하나 또는 둘 이상을 조합하여 사용하며,
    상기 정보 수집단계(S10)에서 제품의 제조과정이 둘 이상의 공정을 포함하면 각 공정의 파형을 서로 중첩시켜 하나의 그림 파형으로 수집하거나, 각 공정의 파형을 순차적으로 연결하여 하나의 그림 파형으로 수집하도록 하며,
    상기 제어부(10)는 상기 판단단계(S30)에서 제품의 불량 유무에 대한 판단 결과를 피드백 받아 재학습하여 상기 판단단계(S30)에서 검출 판단하는 판단 결과에 대한 신뢰성이 강화되도록 하는 재학습 단계(S40);를 더 포함하여 이루어지는 것을 특징으로 하는 제품의 실시간 품질 검사방법.
  2. 삭제
  3. 삭제
  4. 삭제
KR1020200145572A 2020-11-03 2020-11-03 제품의 실시간 품질 검사방법 KR102433251B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200145572A KR102433251B1 (ko) 2020-11-03 2020-11-03 제품의 실시간 품질 검사방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200145572A KR102433251B1 (ko) 2020-11-03 2020-11-03 제품의 실시간 품질 검사방법

Publications (2)

Publication Number Publication Date
KR20220059859A KR20220059859A (ko) 2022-05-10
KR102433251B1 true KR102433251B1 (ko) 2022-08-18

Family

ID=81591877

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200145572A KR102433251B1 (ko) 2020-11-03 2020-11-03 제품의 실시간 품질 검사방법

Country Status (1)

Country Link
KR (1) KR102433251B1 (ko)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160081877A (ko) 2016-06-22 2016-07-08 (주) 화승소재 고무 제품의 품질 분석 장치 및 이를 이용한 품질 분석 방법
KR102095959B1 (ko) * 2018-07-11 2020-04-01 주식회사 아이센스 인공지능 딥러닝 학습을 이용한 생체측정물 농도 측정방법

Also Published As

Publication number Publication date
KR20220059859A (ko) 2022-05-10

Similar Documents

Publication Publication Date Title
CN102980894B (zh) 钢结构特种焊接无损检测系统及方法
JP2009025851A (ja) 作業管理装置及び作業管理方法
KR102230886B1 (ko) 이미지인식 기반의 프로젝션용접 결함 검출시스템
CN101267910A (zh) 控制激光焊接过程的质量的方法、控制系统及其程序产品
CN106774229A (zh) 一种soe参数异动分析方法及装置
CN104020222A (zh) 全自动超声波铝丝压焊机焊接质量检测系统
CN108693839B (zh) 智能加工调变系统及方法
JP2013184225A (ja) 抵抗溶接のモニタリング装置及びその方法とシステム
CN113470005B (zh) 一种圆柱电池盖帽的焊点检测装置和焊点检测方法
US20230142578A1 (en) System and method for detecting welding based on edge computing
CN107756138A (zh) 切削刀具状态在线检测方法及设备
KR102055877B1 (ko) 반복 패턴 영상의 결함 위치 파악 장치 및 방법
KR102433251B1 (ko) 제품의 실시간 품질 검사방법
US20220113712A1 (en) Integrity index detecting method for device by means of control output signal
KR20120089109A (ko) 유닛 좌표 인식 장치 및 방법
JP2011081661A (ja) 試験装置
WO2021193733A1 (ja) 教師データ生成装置、検査装置及びプログラム
CN103412256B (zh) 一种薄膜开关aoi检测器及其aoi检测方法
JP2019132767A (ja) 材料試験機
KR20220059857A (ko) 제품의 실시간 품질 검사방법
KR102510104B1 (ko) 피크에 대한 각도를 통한 제품의 품질 검사방법
GB2270166A (en) Method and apparatus for inspecting objects
CN110961374A (zh) 基于涡流检测的铝及铝合金薄壁管材自动分选方法
CN113927217A (zh) 一种智能焊接系统
CN207223202U (zh) 激光打码打标视觉检测一体机

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant