KR102461194B1 - Apparatus and method for intelligent controlling metalworking - Google Patents

Apparatus and method for intelligent controlling metalworking Download PDF

Info

Publication number
KR102461194B1
KR102461194B1 KR1020210124702A KR20210124702A KR102461194B1 KR 102461194 B1 KR102461194 B1 KR 102461194B1 KR 1020210124702 A KR1020210124702 A KR 1020210124702A KR 20210124702 A KR20210124702 A KR 20210124702A KR 102461194 B1 KR102461194 B1 KR 102461194B1
Authority
KR
South Korea
Prior art keywords
processing
temperature
data
target
predicted
Prior art date
Application number
KR1020210124702A
Other languages
Korean (ko)
Inventor
주명구
Original Assignee
주명구
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 주명구 filed Critical 주명구
Priority to KR1020210124702A priority Critical patent/KR102461194B1/en
Application granted granted Critical
Publication of KR102461194B1 publication Critical patent/KR102461194B1/en

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/007—Automatic control or regulation of feed movement, cutting velocity or position of tool or work while the tool acts upon the workpiece
    • B23Q15/18—Compensation of tool-deflection due to temperature or force
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/20—Automatic control or regulation of feed movement, cutting velocity or position of tool or work before or after the tool acts upon the workpiece
    • B23Q15/22—Control or regulation of position of tool or workpiece
    • B23Q15/225—Control or regulation of position of tool or workpiece in feed control, i.e. approaching of tool or work in successive decreasing velocity steps
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • 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
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/4093—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine
    • G05B19/40937—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by part programming, e.g. entry of geometrical information as taken from a technical drawing, combining this with machining and material information to obtain control information, named part programme, for the NC machine concerning programming of machining or material parameters, pocket machining
    • 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], computer integrated manufacturing [CIM]
    • G05B19/41865—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], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow

Abstract

An intelligent metal processing control device and a method are disclosed. The intelligent metal processing control method according to an embodiment of the present application includes the steps of: receiving characteristic data of a processing material to be put into target processing and processing condition data of a processing device that performs the target processing; measuring power data consumed by the target processing and temperature data of a space in which the target processing is performed; calculating a predicted convergence temperature corresponding to the target processing based on the characteristic data, the processing condition data, power data, and the temperature data; and controlling at least some of process parameters associated with the processing device to be adjusted based on the predicted convergence temperature. Based on processing condition data, processing material characteristic data, and measurement data collected from a processing environment, the intelligent metal processing control device can calculate a predicted value for the life of a tool and a temperature change of a target space according to a continuous process, and perform active control in consideration of operation results.

Description

지능형 금속 가공 제어 장치 및 방법{APPARATUS AND METHOD FOR INTELLIGENT CONTROLLING METALWORKING}INTELLIGENT METALWORKING CONTROL APPARATUS AND METHOD FOR INTELIGENT CONTROLLING METALWORKING

본원은 지능형 금속 가공 제어 장치 및 방법에 관한 것이다.The present application relates to an intelligent metal processing control apparatus and method.

정밀 기계는 공작물의 각종 절곡 또는 비절곡 가공방법으로 다양한 형상 및 치수로 가공하는 장비로서 선반, 머시닝 센터, 드릴머신, 밀링머신, 보링머신, 연삭기, 기어 가공기, 프레스 등의 전통적 정밀생산기계 및 초소형 공작물 가공, 융복합기계, 시스템 통합, 집적화 기술 등이 적용되는 기계시스템 및 관련 부품 등을 통상적으로 포함한다.Precision machines are equipment that processes various shapes and dimensions of workpieces by bending or non-bending processing methods. It generally includes machine systems and related parts to which workpiece processing, convergence machines, system integration, and integration technology are applied.

이와 관련하여, 지능형 가공 시스템은 공정운영 최적화를 통하여 기존의 정밀도 및 생산 효율 한계를 극복할 수 있는 공정 제어 시스템과 장비 데이터에 기반 한 실시간적 의사결정에 의해 이행되는 제조 운영 환경의 스마트 팩토리 기술을 의미한다.In this regard, the intelligent processing system is a process control system that can overcome the existing limits of precision and production efficiency through process operation optimization and smart factory technology in the manufacturing operation environment implemented by real-time decision-making based on equipment data. it means.

한편, 종래의 가공 시스템은 입력된 가공 조건 및 측정 데이터를 기초로 단순히 특정 공정 조건을 가변하는 수준의 자동화 제어 정도를 수행할 뿐, 공구의 예측 수명, 가공이 지속됨에 따라 발생하는 열에 의한 대상 공간의 온도 변화 등을 종합적으로 고려한 능동 제어를 수행하는 수준에는 이르지 못하였다.On the other hand, the conventional machining system simply performs the degree of automation control at a level of varying specific process conditions based on the input machining conditions and measurement data, and the predicted life of the tool and the target space caused by heat generated as machining continues. It has not reached the level of performing active control that comprehensively considers temperature changes.

본원의 배경이 되는 기술은 한국등록특허공보 제10-1837507호에 개시되어 있다.The technology that is the background of the present application is disclosed in Korean Patent Publication No. 10-1837507.

본원은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 가공 조건 데이터, 가공재의 특성 데이터 및 가공 환경에서 수집되는 측정 데이터에 기초하여 공구의 수명, 지속적인 공정 수행에 따른 대상 공간의 온도 변화 등에 대한 예측 값을 산출하고, 연산 결과를 고려하여 능동 제어를 수행하는 지능형 금속 가공 제어 장치 및 방법을 제공하려는 것을 목적으로 한다.The present application is to solve the problems of the prior art described above, and based on the processing condition data, the characteristic data of the workpiece, and the measurement data collected in the processing environment, prediction of the lifespan of the tool, the temperature change of the target space according to the continuous process execution, etc. An object of the present invention is to provide an intelligent metal processing control apparatus and method for calculating a value and performing active control in consideration of the calculation result.

다만, 본원의 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제들로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.However, the technical problems to be achieved by the embodiments of the present application are not limited to the technical problems as described above, and other technical problems may exist.

상기한 기술적 과제를 달성하기 위한 기술적 수단으로서, 본원의 일 실시예에 따른 지능형 금속 가공 제어 방법은, 대상 가공에 투입될 가공재의 특성 데이터 및 상기 대상 가공을 수행하는 가공 장치의 가공 조건 데이터를 수신하는 단계, 상기 대상 가공에 의해 소모되는 전력 데이터 및 상기 대상 가공이 수행되는 공간의 온도 데이터를 계측하는 단계, 상기 특성 데이터, 상기 가공 조건 데이터, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 대상 가공에 대응하는 예측 수렴 온도를 연산하는 단계 및 상기 예측 수렴 온도에 기초하여 상기 가공 장치와 연계된 공정 파라미터 중 적어도 일부를 조정하도록 제어하는 단계를 포함할 수 있다.As a technical means for achieving the above technical problem, the intelligent metal processing control method according to an embodiment of the present application receives characteristic data of a workpiece to be input to the target processing and processing condition data of a processing device performing the target processing measuring power data consumed by the target machining and temperature data of a space in which the target machining is performed, the target machining based on the characteristic data, the machining condition data, the power data and the temperature data Calculating a predicted convergence temperature corresponding to , and controlling to adjust at least some of the process parameters associated with the processing apparatus based on the predicted convergence temperature.

또한, 상기 제어하는 단계는, 상기 예측 수렴 온도와 상기 가공재에 대하여 미리 설정되는 임계 온도를 비교하여 상기 공정 파라미터를 조정할 수 있다.In addition, the controlling may include adjusting the process parameter by comparing the predicted convergence temperature with a threshold temperature preset for the workpiece.

또한, 상기 제어하는 단계는, 상기 예측 수렴 온도가 상기 임계 온도 이상이면, 상기 이송 속도가 낮아지도록 상기 공정 파라미터를 조정할 수 있다.In addition, in the controlling, if the predicted convergence temperature is equal to or greater than the threshold temperature, the process parameter may be adjusted to decrease the feed rate.

또한, 상기 제어하는 단계는, 상기 예측 수렴 온도가 상기 임계 온도 미만이면, 상기 예측 수렴 온도가 상기 임계 온도에 상응하는 수준으로 상승하도록 상기 공정 파라미터를 조정할 수 있다.Also, in the controlling, if the predicted convergence temperature is less than the threshold temperature, the process parameter may be adjusted so that the predicted convergence temperature rises to a level corresponding to the threshold temperature.

또한, 상기 제어하는 단계에서 조정되는 상기 공정 파라미터는 상기 가공 장치의 이송 속도를 포함할 수 있다.In addition, the process parameter adjusted in the controlling step may include a feed rate of the processing device.

또한, 상기 수신하는 단계는, 상기 가공재가 데이터베이스에 기 저장된 유형의 가공재이면, 상기 데이터베이스로부터 상기 특성 정보를 획득할 수 있다.In addition, the receiving may include obtaining the characteristic information from the database if the processed material is a pre-stored type of processed material in the database.

또한, 본원의 일 실시예에 따른 지능형 금속 가공 제어 방법은, 상기 가공재가 데이터베이스에 미저장된 유형의 가공재이면, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 특성 정보를 연산하는 단계 및 상기 연산된 특성 정보를 상기 데이터베이스에 저장하는 단계를 포함할 수 있다.In addition, the intelligent metal processing control method according to an embodiment of the present application, if the workpiece is a type of workpiece not stored in a database, calculating the characteristic information based on the power data and the temperature data and the calculated characteristic and storing information in the database.

또한, 상기 대상 가공은 절곡 가공일 수 있다.In addition, the target processing may be bending processing.

한편, 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치는, 대상 가공에 투입될 가공재의 특성 데이터 및 상기 대상 가공을 수행하는 가공 장치의 가공 조건 데이터를 수신하는 데이터 획득부, 상기 대상 가공에 의해 소모되는 전력 데이터 및 상기 대상 가공이 수행되는 공간의 온도 데이터를 계측하는 데이터 계측부, 상기 특성 데이터, 상기 가공 조건 데이터, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 대상 가공에 대응하는 예측 수렴 온도를 연산하는 예측 연산부 및 상기 예측 수렴 온도에 기초하여 상기 가공 장치와 연계된 공정 파라미터 중 적어도 일부를 조정하도록 제어하는 능동 제어부를 포함할 수 있다.On the other hand, the intelligent metal processing control device according to an embodiment of the present application, a data acquisition unit for receiving the characteristic data of the workpiece to be processed and the processing condition data of the processing device for performing the target processing, by the target processing A data measurement unit for measuring power consumption data and temperature data of a space in which the target processing is performed, the predicted convergence temperature corresponding to the target processing based on the characteristic data, the processing condition data, the power data, and the temperature data It may include an active control unit for controlling to adjust at least some of the process parameters associated with the processing apparatus based on the prediction operation unit and the predicted convergence temperature to calculate.

또한, 상기 능동 제어부는, 상기 예측 수렴 온도와 상기 가공재에 대하여 미리 설정되는 임계 온도를 비교하여 상기 공정 파라미터를 조정할 수 있다.In addition, the active controller may adjust the process parameter by comparing the predicted convergence temperature with a threshold temperature preset with respect to the workpiece.

또한, 상기 능동 제어부는, 상기 예측 수렴 온도가 상기 임계 온도 이상이면, 상기 이송 속도가 낮아지도록 상기 공정 파라미터를 조정할 수 있다.In addition, when the predicted convergence temperature is equal to or greater than the threshold temperature, the active controller may adjust the process parameter to decrease the feed rate.

또한, 상기 능동 제어부는, 상기 예측 수렴 온도가 상기 임계 온도 미만이면, 상기 예측 수렴 온도가 상기 임계 온도에 상응하는 수준으로 상승하도록 상기 공정 파라미터를 조정할 수 있다.In addition, when the predicted convergence temperature is less than the threshold temperature, the active controller may adjust the process parameter so that the predicted convergence temperature rises to a level corresponding to the threshold temperature.

상술한 과제 해결 수단은 단지 예시적인 것으로서, 본원을 제한하려는 의도로 해석되지 않아야 한다. 상술한 예시적인 실시예 외에도, 도면 및 발명의 상세한 설명에 추가적인 실시예가 존재할 수 있다.The above-described problem solving means are merely exemplary, and should not be construed as limiting the present application. In addition to the exemplary embodiments described above, additional embodiments may exist in the drawings and detailed description.

전술한 본원의 과제 해결 수단에 의하면, 가공 조건 데이터, 가공재의 특성 데이터 및 가공 환경에서 수집되는 측정 데이터에 기초하여 공구의 수명, 지속적인 공정 수행에 따른 대상 공간의 온도 변화 등에 대한 예측 값을 산출하고, 연산 결과를 고려하여 능동 제어를 수행하는 지능형 금속 가공 제어 장치 및 방법을 제공할 수 있다.According to the problem solving means of the present application described above, based on the processing condition data, the characteristic data of the workpiece, and the measurement data collected in the processing environment, the predicted values for the life of the tool and the temperature change of the target space according to the continuous process execution are calculated and , it is possible to provide an intelligent metal processing control apparatus and method for performing active control in consideration of the calculation result.

다만, 본원에서 얻을 수 있는 효과는 상기된 바와 같은 효과들로 한정되지 않으며, 또 다른 효과들이 존재할 수 있다.However, the effects obtainable herein are not limited to the above-described effects, and other effects may exist.

도 1은 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치를 포함하는 가공 시스템의 개략적인 구성도이다.
도 2는 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치의 개략적인 구성도이다.
도 3은 대상 가공에 따른 예측 수렴 온도를 연산하기 위하여 기 학습된 LSTM 기반의 인공지능 모델의 구조를 나타낸 도면이다.
도 4는 본원의 일 실시예에 따른 지능형 금속 가공 제어 방법에 대한 동작 흐름도이다.1 is a schematic configuration diagram of a processing system including an intelligent metal processing control device according to an embodiment of the present application.
2 is a schematic configuration diagram of an intelligent metal processing control apparatus according to an embodiment of the present application.
3 is a diagram illustrating the structure of an LSTM-based artificial intelligence model that has been previously trained to calculate a predicted convergence temperature according to target processing.
4 is an operation flowchart for an intelligent metal processing control method according to an embodiment of the present application.

아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.Hereinafter, embodiments of the present application will be described in detail with reference to the accompanying drawings so that those of ordinary skill in the art to which the present application pertains can easily implement them. However, the present application may be implemented in several different forms and is not limited to the embodiments described herein. And in order to clearly explain the present application in the drawings, parts irrelevant to the description are omitted, and similar reference numerals are attached to similar parts throughout the specification.

본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결" 또는 "간접적으로 연결"되어 있는 경우도 포함한다. Throughout this specification, when a part is said to be “connected” to another part, it is not only “directly connected” but also “electrically connected” or “indirectly connected” with another element interposed therebetween. "Including cases where

본원 명세서 전체에서, 어떤 부재가 다른 부재 "상에", "상부에", "상단에", "하에", "하부에", "하단에" 위치하고 있다고 할 때, 이는 어떤 부재가 다른 부재에 접해 있는 경우뿐 아니라 두 부재 사이에 또 다른 부재가 존재하는 경우도 포함한다.Throughout this specification, when it is said that a member is positioned "on", "on", "on", "under", "under", or "under" another member, this means that a member is located on the other member. It includes not only the case where they are in contact, but also the case where another member exists between two members.

본원 명세서 전체에서, 어떤 부분이 어떤 구성 요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성 요소를 제외하는 것이 아니라 다른 구성 요소를 더 포함할 수 있는 것을 의미한다.Throughout this specification, when a part "includes" a component, it means that other components may be further included, rather than excluding other components, unless otherwise stated.

본원은 지능형 금속 가공 제어 장치 및 방법에 관한 것이다.The present application relates to an intelligent metal processing control apparatus and method.

도 1은 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치를 포함하는 가공 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a processing system including an intelligent metal processing control device according to an embodiment of the present application.

도 1을 참조하면, 본원의 일 실시예에 따른 가공 시스템(10)은, 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치(100)(이하, '제어 장치(100)'라 한다.), 가공 장치(200) 및 사용자 단말(300)을 포함할 수 있다.Referring to Figure 1, the processing system 10 according to an embodiment of the present application, an intelligent metal processing control apparatus 100 according to an embodiment of the present application (hereinafter referred to as 'control apparatus 100'), It may include a processing device 200 and a user terminal 300 .

제어 장치(100), 가공 장치(200), 사용자 단말(300) 및 대상 가공과 연계된 측정 데이터를 획득하는 센싱 모듈(미도시) 상호간은 네트워크(20)를 통해 통신할 수 있다. 네트워크(20)는 단말들 및 서버들과 같은 각각의 노드 상호간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 이러한 네트워크(20)의 일 예에는, 3GPP(3rd Generation Partnership Project) 네트워크, LTE(Long Term Evolution) 네트워크, 5G 네트워크, WIMAX(World Interoperability for Microwave Access) 네트워크, 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network), wifi 네트워크, 블루투스(Bluetooth) 네트워크, 위성 방송 네트워크, 아날로그 방송 네트워크, DMB(Digital Multimedia Broadcasting) 네트워크 등이 포함되나 이에 한정되지는 않는다.The control device 100 , the processing device 200 , the user terminal 300 , and a sensing module (not shown) that obtains measurement data associated with the target processing may communicate with each other through the network 20 . The network 20 means a connection structure capable of exchanging information between each node, such as terminals and servers, and an example of such a network 20 includes a 3rd Generation Partnership Project (3GPP) network, a long-term LTE (LTE) network. Term Evolution) network, 5G network, WIMAX (World Interoperability for Microwave Access) network, Internet, LAN (Local Area Network), Wireless LAN (Wireless Local Area Network), WAN (Wide Area Network), PAN (Personal Area) Network), a wifi network, a Bluetooth network, a satellite broadcasting network, an analog broadcasting network, a Digital Multimedia Broadcasting (DMB) network, etc. are included, but are not limited thereto.

사용자 단말(300)은 예를 들면, 스마트폰(Smartphone), 스마트패드(SmartPad), 태블릿 PC등과 PCS(Personal Communication System), GSM(Global System for Mobile communication), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), Wibro(Wireless Broadband Internet) 단말기 같은 모든 종류의 무선 통신 장치일 수 있다.The user terminal 300 is, for example, a smartphone (Smartphone), a smart pad (SmartPad), a tablet PC and the like and PCS (Personal Communication System), GSM (Global System for Mobile communication), PDC (Personal Digital Cellular), PHS ( Personal Handyphone System), PDA (Personal Digital Assistant), IMT (International Mobile Telecommunication)-2000, CDMA (Code Division Multiple Access)-2000, W-CDMA (W-Code Division Multiple Access), Wibro (Wireless Broadband Internet) terminals The same may be any type of wireless communication device.

본원의 실시예에 관한 설명에서 사용자 단말(300)은 가공 장치(200)의 상태 정보, 가공 장치(200)에 대하여 적용되는 제어 장치(100)의 능동 제어 결과 정보, 가공재의 특성 데이터, 가공 장치(200)의 가공 조건 데이터, 대상 가공에 의한 전력 데이터, 대상 가공이 수행되는 공간의 온도 데이터 등 각종 데이터를 출력하기 위한 단말일 수 있다. 예를 들어, 사용자 단말(300)은 가공 장치(200)를 조작하는 작업자가 보유(소지)한 단말이거나 가공 장치(200)에 대한 관리/감독을 수행할 지위에 있는 관리자가 보유(소지)한 단말 등일 수 있다. 다른 예로, 사용자 단말(300)은 가공 장치(200)에 대하여 일체로 마련되어 가공 장치(200)에 대한 사용자 조작을 수신하기 위한 입력 인터페이스, 각종 데이터에 대한 출력을 위한 출력 인터페이스를 구비한 사용자 조작 모듈을 지칭하는 것일 수 있다.In the description of the embodiment of the present application, the user terminal 300 includes state information of the processing apparatus 200, active control result information of the control apparatus 100 applied to the processing apparatus 200, characteristic data of the processing material, processing apparatus It may be a terminal for outputting various data such as processing condition data of 200, power data by target processing, and temperature data of a space in which target processing is performed. For example, the user terminal 300 is a terminal possessed (possessed) by a worker who operates the processing device 200 or a manager in a position to perform management / supervision of the processing device 200 (possessed) It may be a terminal or the like. As another example, the user terminal 300 is provided integrally with the processing device 200, a user manipulation module having an input interface for receiving a user manipulation for the machining device 200, and an output interface for outputting various data may refer to

참고로, 본원의 실시예에 관한 설명에서 가공 장치(200)가 수행하는 가공재에 대한 가공(공정)은 예시적으로, 판형 등의 형상을 갖는 가공재를 구부리는 절곡 가공일 수 있으나, 이에만 한정되는 것은 아니다. 다른 예로, 가공 장치(200)는 프레스 가공, 절삭 가공, 밀링 가공, 사출 성형, 압출 가공 등의 기계 가공을 수행하는 다양한 공구를 포함할 수 있다. 이해를 돕기 위해 예시하면, 절곡 공정을 수행하는 가공 장치(200)에 의해 제작되는 가공 부품(1)은 전력함, 키오스크/자판기 등의 부품의 외면을 이루는 케이스 부재일 수 있으나, 이에만 한정되는 것은 아니다.For reference, in the description of the embodiment of the present application, the processing (process) of the processing material performed by the processing apparatus 200 may be, for example, bending processing of bending the processing material having a shape such as a plate shape, but limited thereto it's not going to be As another example, the processing apparatus 200 may include various tools for performing machining such as press processing, cutting processing, milling processing, injection molding, and extrusion processing. For example, the processing part 1 manufactured by the processing device 200 performing the bending process may be a case member forming the outer surface of parts such as a power box, a kiosk/vending machine, etc., but is limited thereto it is not

또한, 본원의 실시예에 관한 설명에서 센싱 모듈은 대상 가공(예를 들면, 절곡 가공 등)이 이루어지는 영역의 온도 데이터를 획득하여 제어 장치(100)로 제공하는 온도센서를 포함할 수 있다. 다른 예로, 센싱 모듈은 대상 가공(예를 들면, 절곡 가공 등)을 수행하는 가공 장치(200)의 상태 정보(예를 들면, 위치 정보, 회전 속도 정보, 이송 속도 정보 등에 대한 측정 값)를 획득하는 공구 측 센서(미도시)를 포함할 수 있다.In addition, in the description of the embodiment of the present application, the sensing module may include a temperature sensor that obtains temperature data of a region where target processing (eg, bending processing, etc.) is performed and provides the temperature data to the control device 100 . As another example, the sensing module obtains state information (eg, measurement values for position information, rotational speed information, feed rate information, etc.) of the processing apparatus 200 performing target processing (eg, bending processing, etc.) It may include a tool-side sensor (not shown).

보다 구체적으로, 온도센서는 트리거 설정을 위한 열전대 및 가공 경로와 평행하도록 소정의 간격을 두고 배치되는 복수 개의 열전대를 포함할 수 있다. 이와 관련하여, 본원의 구현예에 따라 가공 대상이 되는 가공재의 규격(사이즈) 및 가공 장치의 가공 경로의 형상 등을 고려하여 열전대 간의 배치 간격이 적절히 결정되는 것일 수 있다.More specifically, the temperature sensor may include a thermocouple for setting the trigger and a plurality of thermocouples disposed at a predetermined interval parallel to the processing path. In this regard, according to the embodiment of the present application, the arrangement interval between the thermocouples may be appropriately determined in consideration of the standard (size) of the workpiece to be processed and the shape of the processing path of the processing apparatus.

또한, 본원의 일 실시예에 따르면, 제어 장치(100)는 가공 장치(200)를 포함하는 대상 공간에 대한 열화상 이미지를 촬영하는 적외선 센서 모듈(미도시)로부터 대상 가공(예를 들면, 절곡 가공 등)이 이루어지는 대상 공간의 온도 데이터를 획득하는 것일 수 있다. 이와 관련하여, 가공 장치(200)는 적외선 센서 모듈(미도시)의 열화상 이미지의 촬영을 위한 화각 내에 배치되어 온도 데이터의 오차를 줄이기 위한 기준신호 발생기(예를 들면, 흑체(Blackbody) 등)를 구비할 수 있다.In addition, according to an embodiment of the present application, the control device 100 processes the target (eg, bending) from an infrared sensor module (not shown) that takes a thermal image of the target space including the processing device 200 . Processing, etc.) may be to obtain temperature data of the target space. In this regard, the processing device 200 is disposed within the angle of view for taking a thermal image of an infrared sensor module (not shown) and a reference signal generator (eg, a blackbody, etc.) for reducing an error in temperature data. can be provided.

달리 말해, 적외선 센서 모듈(미도시)은 가공 장치(200)에 탑재되거나 부착된 기준신호 발생기 및 가공 장치(200)에 의한 가공이 이루어지는 대상 공간을 화각 내에 포함하도록 배치될 수 있다. 또한, 본원의 일 실시예에 따르면, 적외선 센서 모듈(미도시) 대상 공간에서 미리 설정된 임계 수준 이상의 온도 변화가 감지되는 경우에 대상 가공이 실질적으로 수행되는 시점인 것으로 파악하여, 촬영한 열화상 이미지에서 화각 내에 포함된 기준신호 발생기에서 발생하는 열에 의한 기준 열화상 및 대상 공간에서 발생한 열에 의한 측정 대상 열화상을 상호 비교하여 측정 대상 열화상을 기준 열화상을 활용하여 교정(캘리브레이션) 하는 보정 프로세스를 선택적으로 수행함으로써, 온도 데이터의 정확도를 유지하면서도 교정(캘리브레이션)에 소모되는 연산 리소스를 감소시킬 수 있다.In other words, the infrared sensor module (not shown) may be disposed to include a reference signal generator mounted on or attached to the processing apparatus 200 and a target space in which processing is performed by the processing apparatus 200 within the angle of view. In addition, according to an embodiment of the present application, when a temperature change above a preset threshold level is detected in the target space of the infrared sensor module (not shown), it is determined that the target processing is actually performed, and the thermal image taken A calibration process that compares the reference thermal image by the heat generated from the reference signal generator included in the field of view and the thermal image to be measured by the heat generated in the target space, and corrects (calibrates) the thermal image to be measured using the reference thermal image. By selectively performing the operation, it is possible to reduce the computational resources consumed for calibration (calibration) while maintaining the accuracy of the temperature data.

도 2는 본원의 일 실시예에 따른 지능형 금속 가공 제어 장치의 개략적인 구성도이다.2 is a schematic configuration diagram of an intelligent metal processing control apparatus according to an embodiment of the present application.

도 2를 참조하면, 제어 장치(100)는 데이터 획득부(110), 데이터 계측부(120), 예측 계산부(130) 및 능동 제어부(140)를 포함할 수 있다.Referring to FIG. 2 , the control device 100 may include a data acquisition unit 110 , a data measurement unit 120 , a prediction calculation unit 130 , and an active control unit 140 .

데이터 획득부(110)는 절곡 가공과 연계된 가공 조건 데이터 및 절곡 가공에 투입되는 가공재의 특성 데이터를 포함하는 입력 데이터를 입력받을 수 있다.The data acquisition unit 110 may receive input data including processing condition data related to bending processing and characteristic data of a workpiece input to bending processing.

본원의 실시예에 관한 설명에서 가공 조건 데이터는 예시적으로 가공 장치(200)의 회전 속도, 이송 속도 등을 포함할 수 있으나, 이에만 한정되는 것은 아니며, 본원의 구현예에 따라 다양한 유형의 가공 장치(200) 관련 파라미터가 가공 조건 데이터로서 고려될 수 있음은 물론이다.In the description of the embodiment of the present application, the processing condition data may include, but is not limited to, the rotational speed and the feed rate of the processing apparatus 200 by way of example, and various types of processing according to the embodiment of the present application It goes without saying that the apparatus 200 related parameters may be considered as processing condition data.

또한, 본원의 실시예에 관한 설명에서 특성 데이터는 가공재의 밀도, 열 확산도, 비에너지 값 등을 포함할 수 있으나, 이에만 한정되는 것은 아니며, 본원의 구현예에 따라 다양한 유형의 가공재 관련 파라미터가 특성 데이터로서 고려될 수 있음은 물론이다.In addition, in the description of the embodiments of the present application, the characteristic data may include, but are not limited to, the density, thermal diffusivity, specific energy value, etc. of the workpiece, and parameters related to various types of workpieces according to the embodiments of the present application Of course, may be considered as characteristic data.

또한, 데이터 계측부(120)는 절곡 가공에 의한 전력 데이터 및 절곡 가공이 이루어지는 대상 공간(달리 말해, 가공 장치(200) 및 가공재가 배치되는 영역을 포함하는 공간 등)의 온도 데이터를 포함하는 측정 데이터를 획득할 수 있다.In addition, the data measuring unit 120 is measured data including power data by bending processing and temperature data of the target space in which the bending processing is performed (in other words, a space including the processing apparatus 200 and an area in which the processing material is disposed). can be obtained.

예시적으로, 데이터 계측부(120)는 가공 장치(200)에 대하여 설치되는 외부 전력량계(미도시)로부터 전력 데이터를 수신하는 것일 수 있다.For example, the data measuring unit 120 may receive power data from an external watt-hour meter (not shown) installed with respect to the processing device 200 .

또한, 데이터 계측부(120)는 예시적으로 앞서 설명한 적외선 센서 모듈(미도시)로부터 획득된 열화상 이미지에 대한 분석을 기초로 온도 데이터를 획득할 수 있다.In addition, the data measuring unit 120 may obtain temperature data based on the analysis of the thermal image obtained from the infrared sensor module (not shown) described above for example.

본원의 일 실시예에 따르면, 데이터 획득부(110)는 가공 장치(200)를 통해 가공하려는 가공재가 기 구축된 데이터베이스(101)에 기 등록된 모재이면, 데이터베이스(101)로부터 해당 가공재에 대하여 저장된 특성 데이터를 불러오는 방식으로 특성 데이터를 획득하는 것일 수 있다. 달리 말해, 본원에서 데이터베이스(101)에 등록된 가공재란 후술하는 예측 수렴 온도를 연산하기 위하여 필요한 데이터인 특성 데이터가 미리 파악되어 저장된 가공재를 의미할 수 있다. 보다 구체적으로, 데이터베이스(101)에는 가공재의 특성 데이터 중 비에너지 값이 등록되는 것일 수 있으며, 이와 관련하여 데이터베이스(101)에 미등록된 가공재는 비에너지 값에 대한 정보가 미리 파악되지 않은 가공재를 지칭하는 것일 수 있다.According to an embodiment of the present application, the data acquisition unit 110 stores the workpiece from the database 101 if the workpiece to be processed through the processing device 200 is a pre-registered base material in the established database 101 . The characteristic data may be obtained by calling the characteristic data. In other words, the processed material registered in the database 101 herein may mean a processed material in which characteristic data, which is data required for calculating a predicted convergence temperature to be described later, is previously identified and stored. More specifically, a specific energy value among the characteristic data of the processed material may be registered in the database 101, and in this regard, the processed material not registered in the database 101 refers to a processed material whose specific energy value information is not identified in advance. may be doing

예측 계산부(130)는 측정 데이터에 포함된 전력 데이터에 대하여 가공 조건 데이터에 따라 미리 설정되는 기계 전력 소모량 및 냉각수량에 따라 결정되는 냉각수 전력 소모량을 감하여 순수 전력 소모량을 연산할 수 있다.The prediction calculator 130 may calculate the net power consumption by subtracting the mechanical power consumption preset according to the processing condition data and the cooling water power consumption determined according to the cooling water amount with respect to the power data included in the measurement data.

예측 계산부(130)는 측정된 전력 소모량으로부터 가공 장치(200)가 절곡 공정에 순수하게 소모하는 전력 소모량을 연산할 수 있다. 한편, 순수 전력 소모량의 연산을 위하여 필요한 기계 전력 소모량 및 냉각수 전력 소모량에 대한 데이터는 예를 들어 데이터베이스(101)에 저장된 데이터일 수 있다.The prediction calculator 130 may calculate the power consumption that the processing apparatus 200 purely consumes in the bending process from the measured power consumption. Meanwhile, data on the amount of mechanical power consumption and cooling water power consumption required for the calculation of the pure power consumption may be data stored in the database 101 , for example.

또한, 예측 계산부(130)는 연산된 순수 전력 소모량 및 가공재의 비에너지 값에 기초하여 가공 효율을 연산할 수 있다.In addition, the prediction calculator 130 may calculate the processing efficiency based on the calculated pure power consumption and the specific energy value of the workpiece.

또한, 예측 계산부(130)는 입력 데이터 및 측정 데이터에 기초하여 절곡 가공에 대응하는 예측 수렴 온도를 연산할 수 있다. 본원의 일 실시예에 따르면, 예측 계산부(130)는 LSTM 기반의 인공지능 모델에 기초하여 절곡 가공에 따른 모델 예측 온도를 산출할 수 있다.In addition, the prediction calculator 130 may calculate a predicted convergence temperature corresponding to the bending processing based on the input data and the measurement data. According to an embodiment of the present application, the prediction calculation unit 130 may calculate a model predicted temperature according to bending processing based on an LSTM-based artificial intelligence model.

이와 관련하여 도 3은 대상 가공에 따른 예측 수렴 온도를 연산하기 위하여 기 학습된 LSTM 기반의 인공지능 모델의 구조를 나타낸 도면이다.In this regard, FIG. 3 is a diagram showing the structure of an LSTM-based artificial intelligence model that has been previously trained to calculate a predicted convergence temperature according to target processing.

도 3을 참조하면, LSTM(Long-Short Term Memory) 알고리즘은 딥러닝 분야에서 사용되는 인공 재귀 신경 네트워크(RNN) 아키텍처의 하나로, 피드 포워드 신경망과 달리 피드백 연결이 존재한다. 따라서, LSTM 알고리즘에 의하면 단일 데이터 포인트뿐만 아니라 전체 데이터 시퀀스에 대한 학습 및 처리를 수행 할 수 있다.Referring to FIG. 3 , the Long-Short Term Memory (LSTM) algorithm is one of the artificial recursive neural network (RNN) architectures used in the deep learning field, and there is a feedback connection unlike the feed-forward neural network. Therefore, according to the LSTM algorithm, learning and processing can be performed not only on a single data point but also on the entire data sequence.

이러한 LSTM 알고리즘은 시계열 데이터를 기반으로 예측을 분류, 처리 및 예측하는 데 적합하며, LSTM은 전통적인 RNN을 통한 훈련에서 발생 가능한 Vanishing Gradient 문제를 해소하는 장점이 있다.These LSTM algorithms are suitable for classifying, processing, and predicting predictions based on time series data, and LSTM has the advantage of solving the vanishing gradient problem that may occur in training through traditional RNNs.

다만, 본원에서 개시하는 가공 장치(200)의 예측 수렴 온도 연산을 위한 인공지능 모델의 유형은 전술한 LSTM 알고리즘에만 한정되는 것은 아니며, 본원의 구현예에 따라, LSTM 알고리즘 외에도, Attention 알고리즘, Transformer 알고리즘, BERT(Bidirectional Encoder Representations from Transformers) 알고리즘 등 과거부터 현재까지의 측정 데이터의 변화를 반영하는 시계열 데이터에 대한 분석을 통해 향후의 측정 데이터의 흐름을 예측할 수 있거나 입력된 대상 측정 데이터를 재구축하는 시계열 데이터 분석 기반의 인공지능 알고리즘을 포함할 수 있다. 즉, 본원에서는 종래에 이미 공지되었거나 향후 개발되는 다양한 시계열 데이터 분석 기반의 알고리즘 모델이 적용될 수 있다.However, the type of artificial intelligence model for the prediction convergence temperature calculation of the processing device 200 disclosed herein is not limited to the above-described LSTM algorithm, and according to the embodiment of the present application, in addition to the LSTM algorithm, Attention algorithm, Transformer algorithm , BERT (Bidirectional Encoder Representations from Transformers) algorithm, etc. A time series that can predict the flow of measurement data in the future or reconstruct the input target measurement data through analysis of time series data that reflects changes in measurement data from the past to the present It may include an artificial intelligence algorithm based on data analysis. That is, in the present application, various time series data analysis-based algorithm models that have been previously known or developed in the future may be applied.

상술한 인공지능 모델의 학습이 완료되면, 예측 계산부(130)는 가공 장치(200)가 수행하는 대상 가공과 연계된 복수의 데이터 셋(달리 말해, 전술한 전력 데이터, 온도 데이터, 가공 조건 데이터, 가공재의 특성 데이터 등)을 획득하고, 학습(구축)된 인공지능 모델에 기초하여 가공 장치(200)의 예측 수렴 온도와 연계된 모델 예측 온도(Tmodel)를 출력할 수 있다.When the learning of the above-described artificial intelligence model is completed, the prediction calculation unit 130 performs a plurality of data sets (in other words, the above-described power data, temperature data, and processing condition data) associated with the target processing performed by the processing device 200 . , characteristic data of a workpiece, etc.) and may output a model predicted temperature (T model ) associated with the predicted convergence temperature of the processing apparatus 200 based on the learned (constructed) artificial intelligence model.

또한, 예측 계산부(130)는 산출된 모델 예측 온도(Tmodel) 및 데이터 계측부(120)에 의해 획득된 대상 공간의 온도 정보(달리 말해, 실제로 측정된 대상 공간의 상온 정보 등)에 기초하여 전술한 예측 수렴 온도를 연산할 수 있다. 구체적으로, 예측 계산부(130)는 산출된 모델 예측 온도와 측정된 대상 공간의 온도 정보를 더하여 예측 수렴 온도를 산출할 수 있다. 참고로, 본원의 실시예예 관한 설명에서 예측 수렴 온도는 가공 평균 온도로 달리 지칭될 수 있다.In addition, the prediction calculation unit 130 based on the calculated model predicted temperature (T model ) and the temperature information of the target space obtained by the data measurement unit 120 (in other words, actually measured room temperature information of the target space, etc.) The above-described predicted convergence temperature may be calculated. Specifically, the prediction calculator 130 may calculate the predicted convergence temperature by adding the calculated model predicted temperature and the measured temperature information of the target space. For reference, in the description of Examples of the present application, the predicted convergence temperature may be referred to as a processing average temperature differently.

또한, 본원의 일 실시예에 따르면, 가공 장치(200)를 통해 가공하려는 가공재가 데이터베이스(101)에 등록되지 않은 미등록 모재인 경우, 데이터 계측부(120)에 의해 획득되는 측정 데이터로부터 가공재의 특성 데이터를 연산하고, 연산된 특성 데이터를 데이터베이스(101)에 등록하는 프로세스가 데이터 획득부(110)에 의해 추가로 수행될 수 있다.In addition, according to an embodiment of the present application, when the workpiece to be processed by the processing device 200 is an unregistered base material that is not registered in the database 101 , characteristic data of the workpiece from the measurement data obtained by the data measurement unit 120 . , and a process of registering the calculated characteristic data in the database 101 may be additionally performed by the data obtaining unit 110 .

구체적으로, 데이터 획득부(110)는 가공재가 미등록된 모재인 경우, 가공 장치(200)의 축 방향 규격 및 반경 방향 규격을 포함하는 가공 조건 데이터를 추가로 획득할 수 있다.Specifically, when the processing material is an unregistered base material, the data acquisition unit 110 may additionally acquire processing condition data including an axial specification and a radial specification of the processing apparatus 200 .

또한, 데이터 획득부(110)는 추가로 입력된 가공 조건 데이터, 데이터 계측부(120)가 획득한 측정 데이터 및 해당 가공재의 비에너지 값을 제외한 특성 데이터에 기초하여 가공재에 대한 비에너지 값을 연산할 수 있다. 여기서, 가공재의 비에너지 값을 제외한 특성 데이터는 가공재의 밀도, 열 확산도 및 열용량에 대한 정보를 포함할 수 있다.In addition, the data acquisition unit 110 calculates a specific energy value for the workpiece based on the characteristic data excluding the additionally input processing condition data, the measurement data acquired by the data measurement unit 120, and the specific energy value of the corresponding workpiece. can Here, the characteristic data excluding the specific energy value of the workpiece may include information on the density, heat diffusivity, and heat capacity of the workpiece.

구체적으로, 데이터 획득부(110)는 가공 조건 데이터에 기초하여 절곡 가공에 따른 가공재의 가공 효율을 연산할 수 있다. 보다 구체적으로, 데이터 획득부(110)는 가공 장치(200)의 축 방향 규격, 반경 방향 규격 및 가공 장치(200)의 이송 속도를 곱하여 가공 효율을 연산할 수 있다. 또한, 데이터 획득부(110)는 측정 데이터에 포함된 전력 데이터에 대하여 전술한 기계 전력 소모량을 차감한 순수 전력 소모량 및 연산된 가공 효율에 기초하여 미등록된 가공재의 비에너지 값을 추론할 수 있다.Specifically, the data acquisition unit 110 may calculate the processing efficiency of the workpiece according to the bending processing based on the processing condition data. More specifically, the data acquisition unit 110 may calculate the processing efficiency by multiplying the axial direction standard, the radial direction standard of the machining apparatus 200, and the feed rate of the machining apparatus 200 . In addition, the data acquisition unit 110 may infer the specific energy value of the unregistered workpiece based on the calculated processing efficiency and the net power consumption obtained by subtracting the aforementioned mechanical power consumption with respect to the power data included in the measurement data.

또한, 데이터 획득부(110)는 연산된 비에너지 값을 데이터베이스(101)에 등록할 수 있다. 이와 관련하여, 데이터 획득부(110)에 의해 해당 가공재에 대한 비에너지 값을 포함하는 특성 데이터가 데이터베이스(101)에 등록된 후에는 동일한 유형의 가공재를 대상으로 이루어지는 절곡 가공 시에, 데이터 획득부(110)의 추가 연산 및 등록 과정은 생략될 수 있다.Also, the data acquisition unit 110 may register the calculated specific energy value in the database 101 . In this regard, after the characteristic data including the specific energy value for the corresponding workpiece is registered in the database 101 by the data acquisition unit 110, when bending processing performed on the same type of workpiece, the data acquisition unit The additional operation and registration process of (110) may be omitted.

능동 제어부(140)는 연산된 예측 수렴 온도에 기초하여 가공 온도 제어 및 냉각수 분사 제어 중 적어도 하나를 포함하는 능동 제어를 수행할 수 있다.The active control unit 140 may perform active control including at least one of a processing temperature control and a coolant injection control based on the calculated predicted convergence temperature.

능동 제어부(140)는 산출된 예측 수렴 온도와 가공재에 대하여 미리 설정된 임계 온도의 대소 관계에 따라 가공 장치(200)의 이송 속도를 제어할 수 있다. 참고로, 가공재에 대하여 미리 설정되는 임계 온도는 해당 가공재의 산화 시작 온도(달리 말해, 가공재의 산화가 시작(개시)되는 온도)에 기초하여 설정될 수 있다.The active controller 140 may control the feed rate of the machining apparatus 200 according to the magnitude relationship between the calculated predicted convergence temperature and a threshold temperature preset for the workpiece. For reference, the threshold temperature preset for the workpiece may be set based on an oxidation start temperature of the workpiece (in other words, a temperature at which oxidation of the workpiece starts (starts)).

보다 구체적으로, 능동 제어부(140)는 예측 수렴 온도가 가공재의 임계 온도보다 큰 경우, 가공 장치(200)의 이송 속도를 낮추어 예측 수렴 온도를 가공재의 임계 온도에 상응하는 수준까지 낮추는 능동 제어를 수행할 수 있다.More specifically, when the predicted convergence temperature is greater than the critical temperature of the workpiece, the active control unit 140 lowers the feed rate of the processing device 200 to lower the predicted convergence temperature to a level corresponding to the critical temperature of the workpiece. can do.

또한, 능동 제어부(140)는 예측 수렴 온도가 가공재의 임계 온도보다 작은 경우, 가공 장치(200)의 이송 속도를 높여 예측 수렴 온도를 가공재의 임계 온도에 상응하는 수준까지 높이는 제어를 수행할 수 있다.In addition, when the predicted convergence temperature is smaller than the critical temperature of the workpiece, the active controller 140 may increase the feed rate of the processing device 200 to increase the predicted convergence temperature to a level corresponding to the critical temperature of the workpiece. .

또한, 능동 제어부(140)는 예측 수렴 온도와 가공재의 임계 온도가 동등한 경우(온도 차이가 미리 설정된 오차 범위 이내에 해당하여 실질적으로 동일 수준의 온도로 간주할 수 있는 경우를 포함한다.), 가공 장치(200)의 이송 속도에 대한 현재 설정을 유지할 수 있다.In addition, when the predicted convergence temperature and the critical temperature of the workpiece are equal (including a case in which the temperature difference falls within a preset error range and can be regarded as substantially the same level of temperature), the active control unit 140 includes a processing device You can keep the current setting for the feed rate of 200.

달리 말해, 능동 제어부(140)는 가공 장치(200)의 이송 속도를 조정함으로써, 가공재의 가공 임계 온도를 넘지 않는 범위에서 최적화된 공구의 이송 속도로 절곡 가공이 이루어지도록 할 수 있다. 즉, 가공재에 대하여 파악된 가공 임계 온도를 넘지 않으므로, 능동 제어부(140)를 통해 가공 장치(200)의 마모 위험성을 저감하고, 가공재의 가공 품질을 향상시키면서도, 가공 평균 온도가 가공 임계 온도 대비 낮을 때에는 가공 장치(200)의 이송 속도를 높이는 방향으로 제어하여 전체적인 가공 시간을 단축시켜 에너지를 절감할 수 있다.In other words, by adjusting the feed rate of the machining apparatus 200 , the active control unit 140 may allow bending to be performed at an optimized feed rate of the tool within a range that does not exceed the processing critical temperature of the workpiece. That is, since it does not exceed the processing critical temperature identified for the workpiece, the active control unit 140 reduces the risk of wear of the processing device 200 and improves the processing quality of the workpiece, while the average processing temperature is lower than the processing critical temperature In this case, it is possible to reduce energy by controlling the feed speed of the processing device 200 in a direction to increase the overall processing time.

또한, 능동 제어부(140)는 예측 계산부(130)에 의해 산출되는 가공 효율에 기초하여 냉각수량을 제어할 수 있다.Also, the active control unit 140 may control the amount of cooling water based on the processing efficiency calculated by the prediction calculation unit 130 .

구체적으로, 능동 제어부(140)는 예측 계산부(130)에 의해 절곡 공정이 이루어지는 과정에서 실시간으로 연산되는 가공 효율 값을 기초로, 가공 효율이 높아지면 절곡되는 가공재의 부피가 커지게 되는 것으로 보아 냉각수량을늘려 냉각수에 의해 냉각되는 면적을 높이고, 반대로 가공 효율이 낮아지면 절곡되는 가공재의 부피가 작아지게 되는 것으로 보아 냉각수량을 줄이는 제어를 수행할 수 있다.Specifically, the active control unit 140 is based on the processing efficiency value calculated in real time during the bending process by the predictive calculation unit 130, as the processing efficiency increases, the volume of the bent workpiece increases. By increasing the amount of cooling water, the area cooled by the cooling water is increased, and conversely, when the processing efficiency is lowered, the volume of the bent workpiece becomes smaller, so a control to reduce the amount of cooling water can be performed.

달리 말해, 능동 제어부(140)는 실시간으로 변화하는 가공 효율에 대응하여 냉각수량을 조정함으로써, 가공 상황에 따라 불필요하게 소모되는 냉각수량을 최소화하여 에너지 소모량을 감소시키고, 냉각수가 환경에 미치는 영향을 최소화할 수 있다.In other words, the active control unit 140 adjusts the amount of cooling water in response to processing efficiency changing in real time, thereby minimizing the amount of cooling water that is unnecessarily consumed according to the processing situation, thereby reducing energy consumption and reducing the impact of cooling water on the environment. can be minimized

또한, 능동 제어부(140)는 예측 계산부(130)에 의해 연산되는 예측 수렴 온도의 온도 변화율에 기초하여 냉각수의 분사 주기를 제어할 수 있다.Also, the active controller 140 may control the injection period of the coolant based on the temperature change rate of the predicted convergence temperature calculated by the prediction calculator 130 .

구체적으로, 능동 제어부(140)는 예측 수렴 온도 값의 크기가 예측 수렴 온도 값에 도달(달리 말해, 예측 수렴 온도를 향하여 상승)하는 온도 상승률에 비례하는 점을 고려하여, 데이터베이스(101)에 저장되어있는 가공재의 종류 및 예측 수렴 온도값에 따른 온도 상승률 모델을 통해 냉각수 분사 시간 및 주기를 제어할 수 있다. 즉, 능동 제어부(140)는 예측 수렴 온도 값에 도달하는 온도 상승률이 높으면 냉각수의 분사 주기를 짧아지도록 조정하고, 예측 수렴 온도 값에 도달하는 온도 상승률이 낮으면 냉각수의 분사 주기를 길어지도록 조정하는 제어를 수행할 수 있다.Specifically, the active control unit 140 stores in the database 101 considering that the magnitude of the predicted convergence temperature value is proportional to the temperature increase rate at which the predicted convergence temperature value is reached (in other words, it rises toward the predicted convergence temperature). The cooling water injection time and cycle can be controlled through the model of the temperature increase rate according to the type of processed material and the predicted convergence temperature value. That is, the active control unit 140 adjusts the injection period of the coolant to be shorter when the temperature increase rate reaching the predicted convergence temperature value is high, and adjusts the cooling water injection period to be longer when the temperature increase rate reaching the predicted convergence temperature value is low. control can be performed.

참고로, 능동 제어부(140)는 냉각수의 분사 주기뿐만 아니라, 냉각수의 1회 분사시의 분사 지속 시간을 연산된 예측 수렴 온도의 크기에 기초하여 제어할 수 있다. 달리 말해, 능동 제어부(140)는 냉각수의 분사 주기는 예측 수렴 온도의 온도 상승률에 기초하여 제어하고, 냉각수의 분사 지속 시간은 예측 수렴 온도의 크기에 기초하여 제어하는 능동 제어를 통해 절곡 가공 상태를 고려하여 적절한 수준으로 냉각수를 활용한 냉각이 이루어지도록 할 수 있다.For reference, the active controller 140 may control not only the injection period of the coolant, but also the injection duration during one injection of the coolant based on the calculated size of the predicted convergence temperature. In other words, the active control unit 140 controls the injection period of the coolant based on the temperature increase rate of the predicted convergence temperature, and the injection duration of the coolant is controlled based on the size of the predicted convergence temperature. Considering this, it is possible to achieve cooling using cooling water to an appropriate level.

달리 말해, 능동 제어부(140)는 예측 수렴 온도 값에 따른 온도 상승률을 통해 냉각수 분사 주기를 조정함으로써, 냉각수 분사 시 발생하는 에너지를 필요에 따라 절감하는 능동 제어를 수행할 수 있으며, 이 때, 실제로 측정하기 어려운 가공 온도를 활용하는 것이 아니라, 가공 조건 및 가공재의 물성치를 이용하여 예측되는 예측 수렴 온도를 기초로 한 능동 제어가 가능하다는 점에서 이점이 있다.In other words, the active control unit 140 may perform active control to reduce energy generated during cooling water injection as needed by adjusting the cooling water injection cycle through the temperature increase rate according to the predicted convergence temperature value, and in this case, actually There is an advantage in that active control is possible based on the predicted convergence temperature predicted using the processing conditions and the physical properties of the workpiece, rather than utilizing the difficult-to-measure processing temperature.

종합하면, 본원에서 개시하는 제어 장치(100)는 능동 제어부(140)를 통해 가공시간 단축 및 가공 온도가 위험온도를 초과하지 않도록 제어하기 때문에, 가공재의 품질이 저하되는 것을 방지할 수 있으며, 예측된 예측 수렴 온도가 임계 온도보다 낮은 경우에는 이송 속도(feed)를 높이는 제어를 통해 가공시간 단축 및 에너지 절감을 달성할 수 있다.In summary, since the control device 100 disclosed herein controls the reduction of the processing time and the processing temperature so as not to exceed the dangerous temperature through the active control unit 140, it is possible to prevent deterioration of the quality of the processed material, and to predict When the predicted predicted convergence temperature is lower than the critical temperature, it is possible to achieve reduction in machining time and energy savings through control to increase the feed rate.

또한, 제어 장치(100)는 능동 제어부(140)를 통해 냉각수를 분사하여 냉각, 칩 제거, 윤활 등을 실시할 때 냉각수의 분사 수준을 능동적으로 제어함으로써, 냉각수 분사에 불필요하게(과도하게) 소모되는 에너지 및 냉각수량을 적절히 감축할 수 있다.In addition, the control device 100 actively controls the injection level of the coolant when cooling, chip removal, lubrication, etc. are performed by spraying the coolant through the active control unit 140, so that coolant spraying is unnecessary (excessive) consumption. It is possible to appropriately reduce the amount of energy and cooling water used.

이하에서는 상기에 자세히 설명된 내용을 기반으로, 본원의 동작 흐름을 간단히 살펴보기로 한다.Hereinafter, based on the details described above, the operation flow of the present application will be briefly reviewed.

도 4는 본원의 일 실시예에 따른 지능형 금속 가공 제어 방법에 대한 동작 흐름도이다.4 is an operation flowchart for an intelligent metal processing control method according to an embodiment of the present application.

도 4에 도시된 지능형 금속 가공 제어 방법은 앞서 설명된 제어 장치(100)에 의하여 수행될 수 있다. 따라서, 이하 생략된 내용이라고 하더라도 제어 장치(100)에 대하여 설명된 내용은 지능형 금속 가공 제어 방법에 대한 설명에도 동일하게 적용될 수 있다.The intelligent metal processing control method shown in FIG. 4 may be performed by the control device 100 described above. Therefore, even if omitted below, the description of the control device 100 may be equally applied to the description of the intelligent metal processing control method.

도 4를 참조하면, 단계 S11에서 데이터 획득부(110)는 (a) 대상 가공에 투입될 가공재의 특성 데이터 및 대상 가공을 수행하는 가공 장치(200)의 가공 조건 데이터를 수신할을 수 있다.Referring to FIG. 4 , in step S11 , the data acquisition unit 110 may receive (a) characteristic data of a workpiece to be subjected to target processing and processing condition data of the processing apparatus 200 performing target processing.

다음으로, 단계 S12에서 데이터 계측부(120)는 (b) 대상 가공에 의해 소모되는 전력 데이터 및 대상 가공이 수행되는 공간의 온도 데이터를 계측할 수 있다.Next, in step S12 , the data measuring unit 120 may measure (b) power data consumed by the target machining and temperature data of a space in which the target machining is performed.

다음으로, 단계 S13에서 예측 계산부(130)는 (c) 특성 데이터, 가공 조건 데이터, 전력 데이터 및 온도 데이터에 기초하여 대상 가공에 대응하는 예측 수렴 온도를 연산할 수 있다.Next, in step S13 , the prediction calculation unit 130 may calculate a predicted convergence temperature corresponding to the target processing based on (c) characteristic data, processing condition data, power data, and temperature data.

다음으로, 단계 S14에서 능동 제어부(140)는 (d) 연산된 예측 수렴 온도에 기초하여 가공 장치(200)와 연계된 공정 파라미터 중 적어도 일부를 조정하도록 제어할 수 있다.Next, in step S14, the active controller 140 may control to adjust at least some of the process parameters associated with the processing apparatus 200 based on the calculated predicted convergence temperature (d).

본원의 일 실시예에 따르면, 단계 S14에서 능동 제어부(140)는 단계 S13에서 연산된 예측 수렴 온도와 가공재에 대하여 미리 설정되는 임계 온도를 비교하여 가공 장치(200)의 공정 파라미터를 조정할 수 있다.According to an embodiment of the present application, in step S14, the active control unit 140 may adjust the process parameters of the machining apparatus 200 by comparing the predicted convergence temperature calculated in step S13 with a threshold temperature preset for the workpiece.

구체적으로, 연산된 예측 수렴 온도가 미리 설정된 임계 온도 이상이면 단계 S14에서 능동 제어부(140)는 연산된 예측 수렴 온도가 미리 설정된 임계 온도 이상이면, 가공 장치(200)의 이송 속도(feed)가 낮아지도록 가공 장치(200)의 공정 파라미터를 조정할 수 있다.Specifically, if the calculated predicted convergence temperature is greater than or equal to a preset threshold temperature, the active control unit 140 in step S14 when the calculated predicted convergence temperature is greater than or equal to a preset threshold temperature, the feed rate (feed) of the processing device 200 is low It is possible to adjust the process parameters of the processing apparatus 200 so that the

이와 달리, 연산된 예측 수렴 온도가 미리 설정된 임계 온도 미만이면, 단계 S14에서 능동 제어부(140)는 예측 수렴 온도가 임계 온도에 상응하는 수준으로 상승하도록 공정 파라미터를 조정(예를 들면, 가공 장치(200)의 이송 속도(feed)를 증가시키도록 조정)할 수 있다.On the other hand, if the calculated predicted convergence temperature is less than the preset threshold temperature, in step S14, the active control unit 140 adjusts the process parameters so that the predicted convergence temperature rises to a level corresponding to the threshold temperature (eg, processing apparatus ( 200) can be adjusted to increase the feed rate.

상술한 설명에서, 단계 S11 내지 S14는 본원의 구현예에 따라서, 추가적인 단계들로 더 분할되거나, 더 적은 단계들로 조합될 수 있다. 또한, 일부 단계는 필요에 따라 생략될 수도 있고, 단계 간의 순서가 변경될 수도 있다.In the above description, steps S11 to S14 may be further divided into additional steps or combined into fewer steps, according to an embodiment of the present application. In addition, some steps may be omitted if necessary, and the order between the steps may be changed.

본원의 일 실시예에 따른 지능형 금속 가공 제어 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.The intelligent metal processing control method according to an embodiment of the present application may be implemented in the form of a program command that can be executed through various computer means and recorded in a computer-readable medium. The computer-readable medium may include program instructions, data files, data structures, etc. alone or in combination. The program instructions recorded on the medium may be specially designed and configured for the present invention, or may be known and available to those skilled in the art of computer software. Examples of the computer-readable recording medium include magnetic media such as hard disks, floppy disks and magnetic tapes, optical media such as CD-ROMs and DVDs, and magnetic such as floppy disks. - includes magneto-optical media, and hardware devices specially configured to store and execute program instructions, such as ROM, RAM, flash memory, and the like. Examples of program instructions include not only machine language codes such as those generated by a compiler, but also high-level language codes that can be executed by a computer using an interpreter or the like. The hardware devices described above may be configured to operate as one or more software modules to perform the operations of the present invention, and vice versa.

또한, 전술한 지능형 금속 가공 제어 방법은 기록 매체에 저장되는 컴퓨터에 의해 실행되는 컴퓨터 프로그램 또는 애플리케이션의 형태로도 구현될 수 있다.In addition, the above-described intelligent metal processing control method may be implemented in the form of a computer program or application executed by a computer stored in a recording medium.

전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 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.The above description of the present application is for illustration, and those of ordinary skill in the art to which the present application pertains will understand that it can be easily modified into other specific forms without changing the technical spirit or essential features of the present application. Therefore, it should be understood that the embodiments described above are illustrative in all respects and not restrictive. For example, each component described as a single type may be implemented in a dispersed form, and likewise components described as distributed may be implemented in a combined form.

본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present application is indicated by the following claims rather than the above detailed description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present application.

100: 지능형 금속 가공 제어 장치
110: 데이터 획득부
120: 데이터 계측부
130: 예측 계산부
140: 능동 제어부
101: 데이터베이스
200: 가공 장치
300: 사용자 단말
20: 네트워크
1: 가공 부품100: intelligent metal processing control unit
110: data acquisition unit
120: data measurement unit
130: prediction calculation unit
140: active control
101: database
200: processing device
300: user terminal
20: network
1: Machined parts

Claims (10)

지능형 금속 가공 제어 방법에 있어서,
대상 가공에 투입될 가공재의 특성 데이터 및 상기 대상 가공을 수행하는 가공 장치의 가공 조건 데이터를 수신하는 단계;
상기 대상 가공에 의해 소모되는 전력 데이터 및 상기 대상 가공이 수행되는 공간의 온도 데이터를 계측하는 단계;
상기 특성 데이터, 상기 가공 조건 데이터, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 대상 가공에 대응하는 예측 수렴 온도를 연산하는 단계; 및
상기 예측 수렴 온도에 기초하여 상기 가공 장치와 연계된 공정 파라미터 중 적어도 일부를 조정하도록 제어하는 단계,
를 포함하고,
상기 대상 가공은 절곡 가공이고,
상기 연산하는 단계는,
LSTM(Long-Short Term Memory) 알고리즘 기반의 인공지능 모델에 기초하여 상기 절곡 가공에 따른 모델 예측 온도를 산출하는 단계; 및
상기 절곡 가공이 이루어지는 대상 공간의 온도 정보 및 상기 모델 예측 온도에 기초하여 상기 예측 수렴 온도를 산출하는 단계,
를 포함하고,
상기 제어하는 단계는,
상기 예측 수렴 온도와 상기 가공재에 대하여 미리 설정되는 임계 온도를 비교하여 상기 공정 파라미터를 조정하는 것이고,
상기 연산하는 단계는,
상기 전력 데이터에 대하여 상기 가공 조건 데이터에 따라 미리 설정되는 기계 전력 소모량 및 냉각수량에 따라 결정되는 냉각수 전력 소모량을 감하여 순수 전력 소모량을 산출하는 단계; 및
상기 순수 전력 소모량 및 상기 가공재의 비에너지 값에 기초하여 가공 효율을 연산하는 단계,
를 더 포함하고,
상기 제어하는 단계는,
상기 가공 효율에 기초하여 냉각수량을 더 조정하는 것인, 가공 제어 방법.An intelligent metal processing control method comprising:
Receiving characteristic data of a workpiece to be subjected to target processing and processing condition data of a processing device performing the target processing;
measuring power data consumed by the target processing and temperature data of a space in which the target processing is performed;
calculating a predicted convergence temperature corresponding to the target processing based on the characteristic data, the processing condition data, the power data, and the temperature data; and
controlling to adjust at least some of the process parameters associated with the processing device based on the predicted convergence temperature;
including,
The target processing is bending processing,
The calculating step is
calculating a model predicted temperature according to the bending processing based on an artificial intelligence model based on a Long-Short Term Memory (LSTM) algorithm; and
calculating the predicted convergence temperature based on the temperature information of the target space where the bending processing is performed and the model predicted temperature;
including,
The controlling step is
Adjusting the process parameters by comparing the predicted convergence temperature with a threshold temperature preset for the workpiece,
The calculating step is
calculating the net power consumption by subtracting the mechanical power consumption preset according to the processing condition data and the cooling water power consumption determined according to the cooling water amount with respect to the power data; and
calculating processing efficiency based on the net power consumption and the specific energy value of the workpiece;
further comprising,
The controlling step is
The processing control method of further adjusting the amount of cooling water based on the processing efficiency. 삭제delete 제1항에 있어서,
상기 제어하는 단계는,
상기 예측 수렴 온도가 상기 임계 온도 이상이면, 상기 공정 파라미터 중 이송 속도가 낮아지도록 상기 공정 파라미터를 조정하고,
상기 예측 수렴 온도가 상기 임계 온도 미만이면, 상기 예측 수렴 온도가 상기 임계 온도에 상응하는 수준으로 상승하도록 상기 공정 파라미터를 조정하는 것인, 가공 제어 방법.According to claim 1,
The controlling step is
If the predicted convergence temperature is equal to or greater than the critical temperature, the process parameter is adjusted so that the feed rate among the process parameters is lowered,
If the predicted convergence temperature is less than the threshold temperature, the process parameter is adjusted so that the predicted convergence temperature rises to a level corresponding to the threshold temperature. 제3항에 있어서,
상기 제어하는 단계에서 조정되는 상기 공정 파라미터는 상기 가공 장치의 이송 속도를 포함하는 것인, 가공 제어 방법.4. The method of claim 3,
The process parameter adjusted in the controlling step includes a feed rate of the machining device, the machining control method. 제1항에 있어서,
상기 수신하는 단계는,
상기 가공재가 데이터베이스에 기 저장된 유형의 가공재이면, 상기 데이터베이스로부터 상기 특성 데이터를 획득하는 것인, 가공 제어 방법.According to claim 1,
The receiving step is
If the workpiece is a type of workpiece pre-stored in a database, acquiring the characteristic data from the database. 제1항에 있어서,
상기 가공재가 데이터베이스에 미저장된 유형의 가공재이면, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 특성 데이터를 연산하는 단계; 및
상기 연산된 특성 데이터를 상기 데이터베이스에 저장하는 단계,
를 더 포함하는 것인, 가공 제어 방법.According to claim 1,
calculating the characteristic data based on the power data and the temperature data if the workpiece is a type of workpiece not stored in a database; and
storing the calculated characteristic data in the database;
Further comprising a, process control method. 삭제delete 지능형 금속 가공 제어 장치에 있어서,
대상 가공에 투입될 가공재의 특성 데이터 및 상기 대상 가공을 수행하는 가공 장치의 가공 조건 데이터를 수신하는 데이터 획득부;
상기 대상 가공에 의해 소모되는 전력 데이터 및 상기 대상 가공이 수행되는 공간의 온도 데이터를 계측하는 데이터 계측부;
상기 특성 데이터, 상기 가공 조건 데이터, 상기 전력 데이터 및 상기 온도 데이터에 기초하여 상기 대상 가공에 대응하는 예측 수렴 온도를 연산하는 예측 연산부; 및
상기 예측 수렴 온도에 기초하여 상기 가공 장치와 연계된 공정 파라미터 중 적어도 일부를 조정하도록 제어하는 능동 제어부,
를 포함하고,
상기 대상 가공은 절곡 가공이고,
상기 예측 연산부는,
LSTM(Long-Short Term Memory) 알고리즘 기반의 인공지능 모델에 기초하여 상기 절곡 가공에 따른 모델 예측 온도를 산출하고, 상기 절곡 가공이 이루어지는 대상 공간의 온도 정보 및 상기 모델 예측 온도에 기초하여 상기 예측 수렴 온도를 산출하고,
상기 능동 제어부는,
상기 예측 수렴 온도와 상기 가공재에 대하여 미리 설정되는 임계 온도를 비교하여 상기 공정 파라미터를 조정하는 것이고,
상기 예측 연산부는,
상기 전력 데이터에 대하여 상기 가공 조건 데이터에 따라 미리 설정되는 기계 전력 소모량 및 냉각수량에 따라 결정되는 냉각수 전력 소모량을 감하여 순수 전력 소모량을 산출하고, 상기 순수 전력 소모량 및 상기 가공재의 비에너지 값에 기초하여 가공 효율을 연산하고,
상기 능동 제어부는,
상기 가공 효율에 기초하여 냉각수량을 더 조정하는 것인, 가공 제어 장치.An intelligent metal processing control device comprising:
a data acquisition unit configured to receive characteristic data of a workpiece to be subjected to target processing and processing condition data of a processing device performing the target processing;
a data measuring unit measuring power data consumed by the target processing and temperature data of a space in which the target processing is performed;
a prediction calculation unit for calculating a predicted convergence temperature corresponding to the target processing based on the characteristic data, the processing condition data, the power data, and the temperature data; and
an active control unit for controlling to adjust at least some of the process parameters associated with the processing device based on the predicted convergence temperature;
including,
The target processing is bending processing,
The prediction operation unit,
LSTM (Long-Short Term Memory) algorithm-based artificial intelligence model to calculate the model predicted temperature according to the bending processing, and the prediction convergence based on the temperature information of the target space where the bending processing is performed and the model prediction temperature calculate the temperature,
The active control unit,
Adjusting the process parameters by comparing the predicted convergence temperature with a threshold temperature preset for the workpiece,
The prediction operation unit,
With respect to the power data, the net power consumption is calculated by subtracting the mechanical power consumption preset according to the processing condition data and the cooling water power consumption determined according to the cooling water amount, and based on the pure power consumption and the specific energy value of the processing material Calculate the processing efficiency,
The active control unit,
The processing control device, which further adjusts the amount of cooling water based on the processing efficiency. 삭제delete 제8항에 있어서,
상기 능동 제어부는,
상기 예측 수렴 온도가 상기 임계 온도 이상이면, 상기 공정 파라미터 중 이송 속도가 낮아지도록 상기 공정 파라미터를 조정하고,
상기 예측 수렴 온도가 상기 임계 온도 미만이면, 상기 예측 수렴 온도가 상기 임계 온도에 상응하는 수준으로 상승하도록 상기 공정 파라미터를 조정하는 것인, 가공 제어 장치.9. The method of claim 8,
The active control unit,
If the predicted convergence temperature is equal to or greater than the critical temperature, the process parameter is adjusted so that the feed rate among the process parameters is lowered,
If the predicted convergence temperature is less than the threshold temperature, the process parameter is adjusted so that the predicted convergence temperature rises to a level corresponding to the threshold temperature.
KR1020210124702A 2021-09-17 2021-09-17 Apparatus and method for intelligent controlling metalworking KR102461194B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210124702A KR102461194B1 (en) 2021-09-17 2021-09-17 Apparatus and method for intelligent controlling metalworking

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210124702A KR102461194B1 (en) 2021-09-17 2021-09-17 Apparatus and method for intelligent controlling metalworking

Publications (1)

Publication Number Publication Date
KR102461194B1 true KR102461194B1 (en) 2022-10-28

Family

ID=83835196

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210124702A KR102461194B1 (en) 2021-09-17 2021-09-17 Apparatus and method for intelligent controlling metalworking

Country Status (1)

Country Link
KR (1) KR102461194B1 (en)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102638754B1 (en) 2023-05-12 2024-02-21 (주)송당 Apparatus and method for managing operation schedule of machining center in factory system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57184539A (en) * 1981-05-08 1982-11-13 Daido Steel Co Ltd Control method for plastic working temperature
KR20090089920A (en) * 2004-09-10 2009-08-24 신닛뽄세이테쯔 카부시키카이샤 Press molding system, press molding method, and computer-readable recording medium recording computer program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS57184539A (en) * 1981-05-08 1982-11-13 Daido Steel Co Ltd Control method for plastic working temperature
KR20090089920A (en) * 2004-09-10 2009-08-24 신닛뽄세이테쯔 카부시키카이샤 Press molding system, press molding method, and computer-readable recording medium recording computer program

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102638754B1 (en) 2023-05-12 2024-02-21 (주)송당 Apparatus and method for managing operation schedule of machining center in factory system

Similar Documents

Publication Publication Date Title
US11086276B2 (en) System identification and model development
US20200143491A1 (en) Systems and methods for cascaded model predictive control
US10007259B2 (en) Systems and methods for energy cost optimization in a building system
US9702580B2 (en) Air conditioning controlling system and air conditioning controlling method
US11085663B2 (en) Building management system with triggered feedback set-point signal for persistent excitation
US10061365B2 (en) Temperature prediction system using prediction models, temperature prediction method using prediction models, and non-transitory computer readable recording medium having therein program for temperature prediction using prediction models
US11774122B2 (en) Building control system with adaptive online system identification
CN113039506B (en) Causal learning-based data center foundation structure optimization method
KR102461194B1 (en) Apparatus and method for intelligent controlling metalworking
CN113760660B (en) Three-dimensional multi-core chip temperature prediction method and system based on long-short-term memory neural network
KR101754536B1 (en) Method and apparatus for optimum control of refrigerator using building energy management system
CN112416034A (en) Temperature control system and temperature control method of device
Goyal et al. Effect of various uncertainties on the performance of occupancy-based optimal control of HVAC zones
CN108167802B (en) Multi-model intelligent optimizing and predicting control method for boiler load under low load
CN113051832B (en) Spindle system thermal error modeling method, error prediction system, error control method and cloud computing system
CN114216248A (en) Intelligent cooling method applied to data center machine room
CN115361841A (en) Shield pump control system and method adapting to all-working-condition operation of data center
CN116926299B (en) Quenching furnace control system and method
US20230201927A1 (en) Model predictive control (mpc) for estimating internal temperature distributions within parts being manufactured via the powder bed fusion process
Seo et al. Low-order model identification and adaptive observer-based predictive control for strip temperature of heating section in annealing furnace
KR102512782B1 (en) Apparatus and method for controlling cutting tool based on prediction of change in tool failure cycle
CN116179840A (en) Laser surface heat treatment temperature monitoring control system and control method
CN114282445A (en) Circulating water system operation optimization method and related equipment
CN105302197A (en) Mobile heating control system and method for temperature intelligent regulation and control
CN113703498B (en) Motor cooling regulation and control method and system based on air heat exchange

Legal Events

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