KR102435489B1

KR102435489B1 - 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법

Info

Publication number: KR102435489B1
Application number: KR1020210062222A
Authority: KR
Inventors: 이협; 손용; 윤종천; 허웅범; 양정호
Original assignee: 한국생산기술연구원
Priority date: 2021-05-13
Filing date: 2021-05-13
Publication date: 2022-08-25

Abstract

본 발명은 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법에 관한 것으로, 보다 상세하게는 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 감지하기 위한 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법에 관한 것이다. 본 발명은 기판에 분말을 분사하고, 상기 기판에 분사된 분말을 용융시키는 레이저빔의 조사 경로가 형성된 노즐부; 상기 기판에 분사된 분말에 레이저빔을 조사하도록 마련된 레이저부; 상기 분말이 용융되면서 형성된 용융풀로부터 발생된 빛을 수신하여 용융영역 이미지를 얻도록 마련된 카메라부; 상기 레이저부로부터 조사된 레이저빔은 상기 노즐부를 향해 순방향 반사시키고, 상기 용융풀로부터 발생된 빛은 상기 카메라부로 역방향 반사시키도록 마련된 광학부; 및 상기 카메라부로부터 상기 용융영역 이미지를 제공받아 기계학습하여 기계학습 모델을 생성하도록 마련된 학습부; 상기 학습부에 의해 생성된 기계학습 모델에 따라 상기 노즐부의 분말 공급 이상 여부를 판단하도록 마련된 모니터링부를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치를 제공한다.

Description

기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법{MACHINE LEARNING BASED DIRECTED ENERGY DEPOSITION PROCESS STATUS DETERMINATION MONITORING DEVICE AND ITS CONTROL METHOD}

본 발명은 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법에 관한 것으로, 보다 상세하게는 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 감지하기 위한 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법에 관한 것이다.

에너지 제어 용착(Directed Energy Deposition, DED)은 이동하는 고출력 레이저 빔 초점 영역에 형성된 용융풀(Melt-pool)에 금속 분말을 공급하여 급속 용융 및 냉각함으로써 3차원 형상을 제작하는 적층 제조 공정이다.

DED 공정에서 원하는 품질을 얻기 위해서는 실시간 공정 모니터링을 필요로 하는데, 일반적으로 광측정 장치를 설치하여 용융이 일어나는 영역의 이미지나 광량, 광 스펙트럼을 측정하는 방식이 많이 사용된다. 이 방식을 통해 모니터링 하고자 하는 대상으로는 용융풀의 온도, 용융풀의 크기 등으로써, 모니터링 목적은 용융 영역으로의 에너지 입사량이 적절한지 여부를 판단하기 위함이다.

DED 공정 중 모니터링이 필요한 대상 중에는 분말 공급의 이상여부(Powder supply abnormality)가 포함된다.

구체적으로, DED 공정 중에는 종종 분말공급 노즐의 외부 혹은 내부에 분말이 점착되는 상황이 발생한다. 이는 과도한 입열량, 노즐 부위 과열, 과소 및 과대 분말 입도 등에 기인하는데, 노즐에 점착된 분말은 공정이 진행될수록 다른 분말들이 추가로 점착되면서 그 크기가 점차 커져 분말 흐름을 방해하게 된다. 이는 원활한 분말 공급을 저해하여 적층 품질 악화 및 적층 실패를 가져온다.

K. Kelly, “(DMD) nozzle fault detection using temperature measurements,”U.S. patent 6,423,926B1 (July 23, 2000)에서는 분말의 노즐 점착 상황을 감지하는 방법으로 분말 노즐에 온도 센서를 설치했다. 점착된 분말이 레이저 빔 경로를 방해하면서 레이저 빔 에너지를 흡수하여 노즐 온도가 올라가는 것에 착안한 방법인데, 이러한 방법은 센서의 추가적이 설치가 필요로 하고 노즐이 교체되면 새로 설치해야 하는 문제가 있다.

또 종래에는 비접촉식 카메라 이미지를 통해 분말의 점착을 확인하는 방법도 사용되었으나, 이러한 방법들은 빠르고 간편한 감지가 가능하지만 노즐 외부가 아닌 내부에 점착된 분말에 대해서는 감지가 불가능한 문제점이 있었다.

따라서, 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 정확하게 감지하기 위한 기술이 필요하다.

한국등록특허 제10-1596804호

상기와 같은 문제를 해결하기 위한 본 발명의 목적은 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 감지하기 위한 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치 및 이의 제어방법을 제공하는 것이다.

본 발명이 이루고자 하는 기술적 과제는 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 기판에 분말을 분사하고, 상기 기판에 분사된 분말을 용융시키는 레이저빔의 조사 경로가 형성된 노즐부; 상기 기판에 분사된 분말에 레이저빔을 조사하도록 마련된 레이저부; 상기 분말이 용융되면서 형성된 용융풀로부터 발생된 빛을 수신하여 용융영역 이미지를 얻도록 마련된 카메라부; 상기 레이저부로부터 조사된 레이저빔은 상기 노즐부를 향해 순방향 반사시키고, 상기 용융풀로부터 발생된 빛은 상기 카메라부로 역방향 반사시키도록 마련된 광학부; 및 상기 카메라부로부터 상기 용융영역 이미지를 제공받아 기계학습하여 기계학습 모델을 생성하도록 마련된 학습부; 상기 학습부에 의해 생성된 기계학습 모델에 따라 상기 노즐부의 분말 공급 이상 여부를 판단하도록 마련된 모니터링부를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치를 제공한다.

본 발명의 실시예에 있어서, 상기 노즐부는, 몸체를 형성하는 적층헤드; 상기 적층헤드의 내부에 형성되며, 분말의 분사 경로를 이루는 분사구; 및 상기 적층헤드의 내측에 형성되며, 상기 레이저부로부터 조사된 레이저빔의 조사 경로를 형성하는 조사구를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 카메라부는, 상기 레이저부에 의해 조사되는 레이저빔과 동축을 갖도록 형성된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 광학부는, 상기 레이저부의 전방에 위치하며, 레이저빔을 상기 노즐부를 향해 반사시키도록 마련된 제1 미러모듈; 상기 제1 미러모듈의 하류측에 위치하며, 상기 제1 미러모듈에 의해 반사된 레이저빔을 상기 노즐부를 향해 반사시키도록 마련된 제2 미러모듈; 상기 제1 미러모듈 및 상기 제2 미러모듈 사이에 마련되는 이색미러(Dichroic mirror)를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 이색미러는, 레이저빔은 상기 제1 미러모듈에서 상기 제2 미러모듈로 투과시키고, 상기 용융풀로부터 발생되어 역방향으로 전파되어온 빛은 카메라부를 향해 반사시키도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 광학부는, 상기 노즐부의 내측에 점착된 분말로부터 발생한 빛을 상기 카메라부를 향해 역방향 반사시키도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 학습부는, 상기 용융영역 이미지를 제공받는 수집모듈; 상기 용융영역 이미지에 대한 기계학습을 수행하도록 마련된 학습모듈; 및 상기 학습모듈에 의해 생성된 기계학습 모델의 실제 적용 가능 여부를 평가하는 평가모듈을 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 학습모듈은, 합성곱 신경망(Convolutional Neural Network) 방법에 의해 상기 용융영역 이미지에 따른 상기 노즐부의 분말 공급 이상 여부를 기계학습하도록 마련된 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 모니터링부는, 상기 학습모듈에 의해 기계학습된 바에 따라 실시간으로 수신된 상기 용융영역 이미지를 분석하여 상기 노즐부의 분말 공급 이상 여부를 판단하도록 마련된 것을 특징으로 할 수 있다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성은 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법에 있어서, a) 상기 수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계; b) 상기 학습모듈이 수집된 상기 용융영역 이미지를 기계학습하여 상기 기계학습 모델을 생성하는 단계; 및 c) 상기 평가모듈이 상기 기계학습 모델의 실제 적용 가능 여부를 평가하는 단계; d) 실제 적용 가능한 것으로 평가된 상기 기계학습 모델이 상기 모니터링부에 적용되는 단계; 및 e) 상기 모니터링부가 실시간으로 수집된 상기 용융영역 이미지를 상기 기계학습 모델에 적용하여 상기 노즐부의 분말 공급 이상 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법을 제공한다.

본 발명의 실시예에 있어서, 상기 a) 단계는, i) 상기 노즐부를 정상 상태 또는 이상 상태로 조정하는 단계; ii) 상기 기판에 분말을 분사하고 상기 분말에 레이저빔을 조사하여 용융시키는 단계; iii) 카메라부가 용융된 분말로부터 반사된 빛을 수신하여 용융영역 이미지를 형성하는 단계를 포함하는 것을 특징으로 할 수 있다.

본 발명의 실시예에 있어서, 상기 iii) 단계는, 상기 노즐부의 내측에 점착된 분말로부터 발생된 빛을 수신하여 생성된 용융영역 이미지를 수집하도록 마련된 것을 특징으로 할 수 있다.

상기와 같은 구성에 따르는 본 발명의 효과는, 별도의 센서를 설치할 필요없이 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 감지할 수 있다.

또한, 본 발명에 따르면, DED 장비 종류에 따라 유동 특성이 다르더라도 복잡한 알고리즘을 적용할 필요 없이 각 장비 특성에 최적화할 수 있는 초기 데이터 생성 및 학습 과정을 거쳐 높은 정확도록 분말 공급 이상 여부를 감지할 수 있다.

본 발명의 효과는 상기한 효과로 한정되는 것은 아니며, 본 발명의 상세한 설명 또는 특허청구범위에 기재된 발명의 구성으로부터 추론 가능한 모든 효과를 포함하는 것으로 이해되어야 한다.

도 1은 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 예시도이다.
도 2는 본 발명의 일실시예에 따른 노즐부의 예시도이다.
도 3은 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법의 순서도이다.
도 4는 본 발명의 일실시예에 따른 수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계의 순서도이다.
도 5는 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법의 예시도이다.

이하에서는 첨부한 도면을 참조하여 본 발명을 설명하기로 한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 따라서 여기에서 설명하는 실시예로 한정되는 것은 아니다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결(접속, 접촉, 결합)"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 부재를 사이에 두고 "간접적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 구비할 수 있다는 것을 의미한다.

본 명세서에서 사용한 용어는 단지 특정한 실시예를 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 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

이하 첨부된 도면을 참고하여 본 발명의 실시예를 상세히 설명하기로 한다.

도 1은 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 예시도이고, 도 2는 본 발명의 일실시예에 따른 노즐부의 예시도이다.

도 1 및 도 2에 도시된 것처럼, 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치(100)는 노즐부(110), 레이저부(120), 카메라부(130), 광학부(140), 학습부(150) 및 모니터링부(160)을 포함할 수 있다.

상기 노즐부(110)는 기판(10)에 분말을 분사하고, 상기 기판(10)에 분사된 분말을 용융시키는 레이저빔의 조사 경로가 형성될 수 있다. 이를 위해, 상기 노즐부(110)는 적층헤드(111), 분사구(112) 및 조사구(113)를 포함할 수 있다.

상기 적층헤드(111)는 상기 노즐부(110)의 몸체를 형성하도록 마련되며, 내부에 상기 레이저부(120), 상기 카메라부(130), 상기 광학부(140)를 포함하도록 마련될 수 있다. 그리고, 상기 적층헤드(111)의 하단은 분말을 분사할 수 있도록 하부로 갈수록 직경이 작아지는 노즐형태로 마련될 수 있다.

상기 분사구(112)는 상기 적층헤드(111)의 내부에 형성되며, 분말의 분사 경로를 이루도록 마련될 수 있다. 구체적으로, 상기 분사구(112)는 분말이 저장된 분말공급부(미도시)와 연결되어 마련될 수 있다. 그리고, 상기 분사구(112)는 상기 적층헤드(111)의 노즐측과 연장되어 상기 적층헤드(111)의 하부를 향해 분말을 분사할 수 있는 경로를 형성하도록 마련될 수 있다.

상기 조사구(113)는 상기 적층헤드(111)의 내측에 형성되며, 상기 레이저부(120)로부터 조사된 레이저빔의 조사 경로를 형성하도록 마련될 수 있다. 보다 구체적으로, 상기 조사구(113)는 상기 적층헤드(111)의 노즐측 중심에 홀 형태로 형성되어 마련될 수 있다.

상기 노즐부(110)는 상기 분사구(112)를 비대칭적으로 가리도록 마련된 가림판(미도시)를 더 포함할 수 있다.

구체적으로, 상기 가림판은 상기 분사구(112)의 일측에 마련되며, 기판(10)과 평행하게 마련된 판 형태로 마련될 수 있다. 그리고 상기 기판(10)의 수직한 축을 회전축으로 하여 일방향 및 타방향으로 회전 가능하게 마련되어 상기 분사구(112) 및 조사구(113)를 가리도록 마련될 수 있다. 이처럼 마련된 가림판은 상기 분사구(112) 및 조사구(113)를 가리도록 마련되어 상기 학습부(150)가 학습 데이터를 얻을 때 사용될 수 있다.

상기 레이저부(120)는 상기 광학부(140) 및 상기 노즐부(110)를 통해 상기 기판에(10) 분사된 분말에 레이저빔을 조사하도록 마련될 수 있다.

상기 카메라부(130)는 상기 분말이 용융되면서 형성된 용융풀로부터 발생된 빛을 수신하여 용융영역 이미지를 얻도록 마련될 수 있다.

이때, 상기 카메라부(130)는 상기 레이저부(120)에 의해 조사되는 레이저빔과 동축을 갖도록 형성될 수 있다. 즉, 상기 카메라부(130)는 상기 노즐부(110)의 내부에 마련되어 상기 적층헤드(111)의 노즐측 입구를 통해 반사되어 들어오는 용융영역 이미지를 얻도록 마련될 수 있다.

상기 카메라부(130)는 측정 가능한 파장 대역 및 이미지 센서 종류에 제한을 두지 않으며, 필요에 따라 광학계에 광학필터 등을 추가함으로써 이미지를 변조하도록 마련될 수 있다. 또한, 상기 카메라부(130)는 용융풀 영역을 관찰하기 적당한 수준의 노출시간, Gain, Frame per second, 관심 픽셀 영역 (Region Of Interest, ROI) 등을 갖고 용융영역 이미지를 촬영하도록 마련될 수 있다.

상기 광학부(140)는 상기 레이저부(120)로부터 조사된 레이저빔은 상기 노즐부(110)를 향해 순방향 반사시키고, 상기 용융풀로부터 발생된 빛은 상기 카메라부(130)를 향해 역방향 반사시키도록 마련될 수 있다.

구체적으로, 상기 광학부(140)는 제1 미러모듈(141), 제2 미러모듈(142) 및 이색미러(143)를 포함할 수 있다.

상기 제1 미러모듈(141)은 상기 레이저부(120)의 전방에 위치하며, 상기 레이저부(120)에 의해 조사된 레이저빔을 상기 노즐부(110)의 하단부측 조사구(113)를 향해 반사시키도록 마련될 수 있다.

상기 제2 미러모듈(142)은 상기 제1 미러모듈(141)의 하류측에 위치하며, 상기 제1 미러모듈(141)에 의해 반사된 레이저빔을 상기 노즐부(110)의 조사구(113)를 향해 반사시키도록 마련될 수 있다.

보다 구체적으로, 상기 레이저부(120)는 상기 조사구(113)의 상부에 위치하며 상기 조사구(113)의 중심축과 수직을 이루는 방향으로 레이저빔을 조사하도록 마련된다. 그리고, 상기 레이저부(120)와 상기 조사구(113)의 사이에는 상기 카메라부(120)가 마련된다. 따라서, 상기 제1 미러모듈(141)은 상기 레이저부(120)로부터 조사된 레이저빔을 하부를 향해 반사시키도록 마련된다. 그리고, 상기 제2 미러모듈(142)은 상기 제1 미러모듈(141)로부터 전파된 레이저빔이 조사구(113)의 중심축 상에 위치하도록 1차로 반사시킨 다음, 레이저빔이 조사구(113)의 중심축 상에 위치하면 다시 하부에 위치한 조사구(113)를 향해 레이저빔을 2차로 반사시켜 레이저빔이 분말에 조사되도록 할 수 있다. 본 발명에서는 이처럼 상기 레이저부(120)에 의해 조사된 레이저빔이 제1 미러모듈(141) 및 제2 미러모듈(142)에 의해 반사되어 분말에 조사되는 것을 순방향으로 전파된 것으로 지칭한다.

상기 이색미러(143)는 상기 제1 미러모듈(141) 및 상기 제2 미러모듈(142) 사이에 마련되며, 상기 이색미러(143)는 상기 제1 미러모듈(141)을 통해 반사된 레이저빔은 제2 미러모듈(142)을 향하도록 투과시키도록 마련될 수 있다. 그리고, 상기 레이저빔이 분말에 조사되면 레이저빔이 분말을 용융시키면서 용융풀이 형성되며 용융풀은 발광하게 된다. 상기 용융풀로부터 발생된 빛은 역방향으로 전파되어 제2 미러모듈(142)에 의해 반사되어 이색미러(143)로 향하게 될 수 있다. 이때, 상기 이색미러(143)는 용융풀로부터 반사된 빛의 파장은 카메라부(130)를 향해 반사시키도록 마련될 수 있다.

이때, 상기 광학부(140)는, 기판(10) 상의 용융풀로부터 발생된 빛만이 아니라 상기 노즐부(110)의 내측에 점착된 분말이 용융되면서 발생한 빛을 더 포함하여 상기 카메라부(130)를 향해 역방향으로 반사시키도록 마련될 수 있다.

상기 학습부(150)는 상기 카메라부(130)로부터 상기 용융영역 이미지를 제공받아 기계학습하여 기계학습 모델을 생성하도록 마련될 수 있다. 구체적으로, 상기 학습부(150)는 수집모듈(151), 학습모듈(152) 및 평가모듈(153)을 포함할 수 있다.

상기 수집모듈(151)은 상기 카메라부(130)로부터 촬영된 용융영역 이미지를 제공받도록 마련될 수 있다. 이때, 상기 수집모듈(151)은 노즐부(110)에 점착된 분말이 없는 상태의 용융영역 이미지와 상기 가림판을 이용하여 이상 상태의 용융영역 이미지를 학습용으로 제공받을 수도 있다.

상기 학습모듈(152)은 상기 용융영역 이미지에 대한 기계학습을 수행하도록 마련될 수 있다. 즉, 상기 학습모듈(152)은 상기 노즐부(110)가 정상 상태일 때와 분말이 점착된 상태일 때의 용융영역 이미지를 상기 수집모듈(151)로부터 제공받아 기계학습을 수행하도록 마련될 수 있다.

이때, 상기 학습모듈(152)은, 합성곱 신경망(Convolutional Neural Network) 방법에 의해 상기 용융영역 이미지에 따른 상기 노즐부(110)의 분말 공급 이상 여부를 기계학습 하도록 마련될 수 있다. 단, 상기 학습모듈이 기계학습을 수행하는 방법은 합성곱 신경망 방법만으로 한정되지 않으며, 이미지를 활용한 기계학습 방법을 모두 포함할 수 있다.

또한, 상기 학습모듈(152)은 상기 용융영역 이미지에서 용융풀로부터 발광된 부분인 관심 영역의 테두리의 선명도, 번짐 등을 이용하여 상기 노즐부(110) 내부의 분말 점착 여부를 판단하도록 마련될 수 있다.

또는 상기 학습모듈(152)은 용융영역 이미지에서 상기 관심 영역을 형성하는 원의 중심축을 지나도록 직선을 그었을 때, 발광 부분의 최대 길이와 최소 길이의 편차를 분석하여 편차가 기설정된 수치 이상일 때 노즐에 분말이 점착하여 이상이 발생된 것으로 판단하도록 마련될 수 있다.

상기 평가모듈(153)은 상기 학습모듈(152)에 의해 생성된 기계학습 모델의 실제 적용 가능 여부를 평가하도록 마련될 수 있다.

일 예로, 상기 평가모듈(153)은 상기 학습모듈(152)에 의해 생성된 기계학습 모델을 적용하여 실시간으로 촬영된 용융영역 이미지로 노즐부(110)의 분말 공급 이상 여부를 판단하였을 때, 정확도가 기설정된 수치 이상일 경우 실제 적용 가능한 것으로 평가할 수 있다.

상기 평가모듈(153)은 상기 기계학습 모델이 실제 적용 가능한 것으로 평가된 경우, 상기 모니터링부(160)에 상기 기계학습 모델을 적용하도록 마련될 수 있다.

상기 모니터링부(160)는 상기 학습부(150)에 의해 생성된 기계학습 모델에 따라 상기 노즐부(110)의 분말 공급 이상 여부를 판단하도록 마련될 수 있다.

즉, 상기 모니터링부(160)는, 상기 학습모듈(152)에 의해 기계학습된 바에 따라 실시간으로 수신된 상기 용융영역 이미지를 분석하여 상기 노즐부(110)의 분말 공급 이상 여부를 판단하도록 마련될 수 있다.

도 3은 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법의 순서도이고, 도 4는 본 발명의 일실시예에 따른 수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계의 순서도이며, 도 5는 본 발명의 일실시예에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법의 예시도이다.

도 3 내지 도 5를 참고하여 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법을 설명하도록 한다.

기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법은 먼저, 수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계(S10)가 수행될 수 있다.

수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계(S10)는 먼저, 노즐부를 정상 상태 또는 이상 상태로 조정하는 단계(S11)가 수행될 수 있다.

노즐부를 정상 상태 또는 이상 상태로 조정하는 단계(S11)는, 학습 데이터를 생성하기 위해 정상 노즐을 이용하여 일반적인 조건에서 DED 공정을 수행하고, 노즐 분말 점착 상황을 연출하여 같은 공정 조건에서 DED 공정을 수행하여 같은 방법으로 다수의 이미지 데이터를 수집하도록 마련될 수 있다.

이때, 노즐부를 정상 상태 또는 이상 상태로 조정하는 단계(S11)는 분말 점착 상황에서의 유동 상태와 유사하도록 상기 가림판과 같은 기구를 이용할 수 있으며, 분말이 점착되어 있는 노즐부(110)를 설치할 수도 있다.

노즐부를 정상 상태 또는 이상 상태로 조정하는 단계(S11) 이후에는, 기판에 분말을 분사하고 분말에 레이저빔을 조사하여 용융시키는 단계(S12)가 수행될 수 있다.

기판에 분말을 분사하고 분말에 레이저빔을 조사하여 용융시키는 단계(S12) 이후에는, 카메라부가 용융된 분말로부터 반사된 빛을 수신하여 용융영역 이미지를 형성하는 단계(S13)가 수행될 수 있다.

카메라부가 용융된 분말로부터 반사된 빛을 수신하여 용융영역 이미지를 형성하는 단계(S13)는 기판(10) 상의 용융풀로부터 발생된 빛만이 아니라 상기 노즐부의 내측에 점착된 분말로부터 발생된 빛을 수신하여 생성된 용융영역 이미지를 수집하도록 마련될 수 있다.

수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계(S10) 이후에는, 학습모듈이 수집된 용융영역 이미지를 기계학습하여 기계학습 모델을 생성하는 단계(S20)가 수행될 수 있다.

학습모듈이 수집된 용융영역 이미지를 기계학습하여 기계학습 모델을 생성하는 단계(S20)에서, 상기 학습모듈(152)은 상기 노즐부(110)가 정상 상태일 때와 분말이 점착된 상태일 때의 용융영역 이미지를 상기 수집모듈(151)로부터 제공받아 기계학습을 수행하도록 마련될 수 있다.

학습모듈이 수집된 용융영역 이미지를 기계학습하여 기계학습 모델을 생성하는 단계(S20) 이후에는, 평가모듈이 기계학습 모델의 실제 적용 가능 여부를 평가하는 단계(S30)가 수행될 수 있다.

일 예로, 평가모듈이 기계학습 모델의 실제 적용 가능 여부를 평가하는 단계(S30)에서 상기 평가모듈(153)은 상기 학습모듈(152)에 의해 생성된 기계학습 모델을 적용하여 실시간으로 촬영된 용융영역 이미지로 노즐부(110)의 분말 공급 이상 여부를 판단하였을 때, 정확도가 기설정된 수치 이상일 경우 실제 적용 가능한 것으로 평가할 수 있다.

평가모듈이 기계학습 모델의 실제 적용 가능 여부를 평가하는 단계(S30) 이후에는, 실제 적용 가능한 것으로 평가된 기계학습 모델이 상기 모니터링부에 적용되는 단계(S40)가 수행될 수 있다.

실제 적용 가능한 것으로 평가된 기계학습 모델이 상기 모니터링부에 적용되는 단계(S40)에서, 상기 평가모듈(153)은 상기 기계학습 모델이 실제 적용 가능한 것으로 평가된 경우, 상기 모니터링부(160)에 상기 기계학습 모델을 적용하도록 마련될 수 있다.

실제 적용 가능한 것으로 평가된 기계학습 모델이 상기 모니터링부에 적용되는 단계(S40) 이후에는, 모니터링부가 실시간으로 수집된 용융영역 이미지를 기계학습 모델에 적용하여 노즐부의 분말 공급 이상 여부를 판단하는 단계(S50)가 수행될 수 있다.

모니터링부가 실시간으로 수집된 용융영역 이미지를 기계학습 모델에 적용하여 노즐부의 분말 공급 이상 여부를 판단하는 단계(S50)에서, 상기 모니터링부(160)는 상기 학습부(150)에 의해 생성된 기계학습 모델에 따라 상기 노즐부(110)의 분말 공급 이상 여부를 판단하도록 마련될 수 있다.

전술한 바와 같이 마련된 본 발명은 별도의 센서를 설치할 필요없이 노즐 내측에 점착된 분말로 인하여 유발되는 분말 공급 이상 여부를 실시간으로 감지할 수 있다.

전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.

본 발명의 범위는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

100: 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치
110: 노즐부
111: 적층헤드
112: 분사구
113: 조사구
120: 레이저부
130: 카메라부
140: 광학부
141: 제1 미러모듈
142: 제2 미러모듈
143: 이색미러
150: 학습부
151: 수집모듈
152: 학습모듈
153: 평가모듈
160: 모니터링부

Claims

기판에 분말을 분사하고, 상기 기판에 분사된 분말을 용융시키는 레이저빔의 조사 경로가 형성된 노즐부;
상기 기판에 분사된 분말에 레이저빔을 조사하도록 마련된 레이저부;
상기 분말이 용융되면서 형성된 용융풀로부터 발생된 빛을 수신하여 용융영역 이미지를 얻도록 마련된 카메라부;
상기 레이저부로부터 조사된 레이저빔은 상기 노즐부를 향해 순방향 반사시키고, 상기 용융풀로부터 발생된 빛은 상기 카메라부로 역방향 반사시키도록 마련된 광학부; 및
상기 카메라부로부터 상기 용융영역 이미지를 제공받아 기계학습하여 기계학습 모델을 생성하도록 마련된 학습부;
상기 학습부에 의해 생성된 기계학습 모델에 따라 상기 노즐부의 분말 공급 이상 여부를 판단하도록 마련된 모니터링부를 포함하며,
상기 학습부는,
상기 용융영역 이미지를 제공받는 수집모듈;
상기 용융영역 이미지에 대한 기계학습을 수행하도록 마련된 학습모듈; 및
상기 학습모듈에 의해 생성된 기계학습 모델의 실제 적용 가능 여부를 평가하는 평가모듈을 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 있어서,
상기 노즐부는,
몸체를 형성하는 적층헤드;
상기 적층헤드의 내부에 형성되며, 분말의 분사 경로를 이루는 분사구; 및
상기 적층헤드의 내측에 형성되며, 상기 레이저부로부터 조사된 레이저빔의 조사 경로를 형성하는 조사구를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 있어서,
상기 카메라부는,
상기 레이저부에 의해 조사되는 레이저빔과 동축을 갖도록 형성된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 있어서,
상기 광학부는,
상기 레이저부의 전방에 위치하며, 레이저빔을 상기 노즐부를 향해 반사시키도록 마련된 제1 미러모듈;
상기 제1 미러모듈의 하류측에 위치하며, 상기 제1 미러모듈에 의해 반사된 레이저빔을 상기 노즐부를 향해 반사시키도록 마련된 제2 미러모듈;
상기 제1 미러모듈 및 상기 제2 미러모듈 사이에 마련되는 이색미러(Dichroic mirror)를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 4 항에 있어서,
상기 이색미러는,
레이저빔은 상기 제1 미러모듈에서 상기 제2 미러모듈로 투과시키고, 상기 용융풀로부터 발생되어 역방향으로 전파되어온 빛은 카메라부를 향해 반사시키도록 마련된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 있어서,
상기 광학부는,
상기 노즐부의 내측에 점착된 분말로부터 발생한 빛을 상기 카메라부를 향해 역방향 반사시키도록 마련된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
삭제
제 1 항에 있어서,
상기 학습모듈은,
합성곱 신경망(Convolutional Neural Network) 방법에 의해 상기 용융영역 이미지에 따른 상기 노즐부의 분말 공급 이상 여부를 기계학습하도록 마련된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 있어서,
상기 모니터링부는,
상기 학습모듈에 의해 기계학습된 바에 따라 실시간으로 수신된 상기 용융영역 이미지를 분석하여 상기 노즐부의 분말 공급 이상 여부를 판단하도록 마련된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치.
제 1 항에 따른 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법에 있어서,
a) 상기 수집모듈이 기계학습을 위한 용융 영역 이미지를 수집하는 단계;
b) 상기 학습모듈이 수집된 상기 용융영역 이미지를 기계학습하여 상기 기계학습 모델을 생성하는 단계; 및
c) 상기 평가모듈이 상기 기계학습 모델의 실제 적용 가능 여부를 평가하는 단계;
d) 실제 적용 가능한 것으로 평가된 상기 기계학습 모델이 상기 모니터링부에 적용되는 단계; 및
e) 상기 모니터링부가 실시간으로 수집된 상기 용융영역 이미지를 상기 기계학습 모델에 적용하여 상기 노즐부의 분말 공급 이상 여부를 판단하는 단계를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법.
제 10 항에 있어서,
상기 a) 단계는,
i) 상기 노즐부를 정상 상태 또는 이상 상태로 조정하는 단계;
ii) 상기 기판에 분말을 분사하고 상기 분말에 레이저빔을 조사하여 용융시키는 단계;
iii) 카메라부가 용융된 분말로부터 반사된 빛을 수신하여 용융영역 이미지를 형성하는 단계를 포함하는 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법.
제 11 항에 있어서,
상기 iii) 단계는,
상기 노즐부의 내측에 점착된 분말로부터 발생된 빛을 수신하여 생성된 용융영역 이미지를 수집하도록 마련된 것을 특징으로 하는 기계학습 기반 에너지 제어 용착 공정 상태 판단 모니터링 장치의 제어방법.