KR102585246B1

KR102585246B1 - 가상 가공 활용 공정 이상 가공 진단 방법

Info

Publication number: KR102585246B1
Application number: KR1020210111801A
Authority: KR
Inventors: 남은석; 구정인; 남성호
Original assignee: 한국생산기술연구원
Priority date: 2021-08-24
Filing date: 2021-08-24
Publication date: 2023-10-06
Also published as: KR20230029383A

Abstract

본 발명은 가상가공 활용 공정 이상 가공 진단 방법에 관한 것이다.

Description

가상 가공 활용 공정 이상 가공 진단 방법{Method of diagnosing process abnormality using virtual processing}

본 발명은 가상 가공 활용 공정 이상 가공 진단 방법에 관한 것이다.

다양한 산업현장에 사용되는 가공은 장비, 피삭재 소재, 공정 및 공구 특성에 영향을 많이 받는다. 가공은 장비, 피삭재 소재, 공정 및 공구 특성과 같은 가공 조건 중 어느 하나가 달라져도 그 결과가 달라진다.

가공 조건이 달라짐에 따라 매번 직접 가공을 수행하면, 이상상태에 사전에 대응하기 어려운 문제점이 있다.

가공을 수행하기 전에 다양한 가공 조건에 따라 시뮬레이션을 돌려 미리 예측되는 가공의 결과값을 도출하고, 가공을 직접 수행하기 전에 해당 가공 조건에서 이상상태가 발생할 지 여부를 판단하는 것이 중요하다.

한국등록특허문헌 제10-1611299호는 자동화 기계장치의 이상 가공 유무 감지 방법에 관한 것으로, 기계 장치의 작동 중 모니터링 데이터를 수집하고, 각 공정 별 수집된 모니터링 데이터 중 평균 로드 값으로 제1 모범데이터를 결정하고, 제1모범데이터를 결정하고 난 이후에 생산되는 제품부터 측정된 각종 데이터를 제1모범데이터와 비교하고, 계속하여 생성된 데이터를 저장하며, 가공이 진행되면서 축적된 데이터에서 최적의 데이터를 산출하여 제1모범데이터를 변경하는 것에 대한 인식이 있으나, 가공 및 장치가 달라질 때 마다 모니터링 데이터를 수집하여야 하고, 가상가공 데이터로부터 모니터링 데이터를 도출하는 것에 대한 인식은 부족하다.

한국등록특허문헌 제10-2224970호는 가공 조건을 조정하면서 가공을 실시하는 와이어 방전 가공기에 관한 것으로, 가공 경로, 가공 조건 등에 있어서 가공 경로의 보정을 학습하는 기계학습 장치를 포함하나, 가상가공 데이터로부터 모니터링 데이터를 도출하는 것에 대한 인식은 부족하다.

(특허문헌 1) 한국등록특허문헌 제10-1611299호

(특허문헌 2) 한국등록특허문헌 제10-2224970호

본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것이다.

구체적으로, 본 발명은 시뮬레이션 데이터와 모니터링 데이터를 이용하여 가공 예측 모델을 생성하고, 이를 이용하여 새로운 가공 조건에서 가공된 가공 조건의 이상 가공 여부를 판단하기 위함이다.

상기와 같은 과제를 해결하기 위한 본 발명의 일 실시예는, (a) 입력 모듈(100)에 타겟 형상, 가공 조건, 공구 조건 및 피삭재 소재 정보를 포함하는 공정 정보가 입력되고, 상기 가공 조건은 공구 회전속도와 공구 이송속도를 포함하는, 입력 단계; (b) 시뮬레이션 모듈(200)은 상기 입력 모듈(100)로부터 상기 공정 정보를 전송받고, 가상으로 가공을 수행하여 시뮬레이션 데이터를 생성하는 단계; (c) 가공 모듈(300)은 상기 입력 모듈(100)로부터 상기 공정 정보를 전송받고, 실제로 가공을 수행하여 모니터링 데이터를 생성하는 단계; (d) 제어 모듈(400)은 상기 시뮬레이션 데이터와 상기 모니터링 데이터를 동기화하여, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 생성하는 단계; (e) 상기 입력 모듈(100)에 상기 공정 정보 중 어느 하나의 정보를 변경하여,상기 (a)단계 내지 (d)단계를 반복 수행하는 단계; (f) 상기 제어 모듈(400)은 각각의 공정 정보마다, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 확인하고, 이를 포함한 학습 데이터를 생성하는 단계; 및 (g) 모델링 모듈(500)은 상기 학습 데이터를 이용하여 가공 예측 모델을 생성하되, 동기화된 시뮬레이션 데이터를 입력데이터로 하고, 동기화된 모니터링 데이터를 출력데이터로 하여 학습된 상기 가공 예측 모델을 생성하는 단계;를 포함하는, 방법을 제공한다.

일 실시예에 있어서, 상기 (f)단계에서, (f1) 상기 제어 모듈(400)은 각각의 공정 정보마다, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 확인하고, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터의 차이가 기설정된 값 미만인 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 포함한 상기 학습 데이터를 생성하는 단계; 를 포함할 수 있다.

일 실시예에 있어서, 상기 (g)단계 이후, (h) 상기 가공 모듈(300)은 다른 공정 정보가 입력되고 실제 가공을 수행하여 실제 모니터링 데이터를 생성하고, 상기 시뮬레이션 모듈(200)은 상기 다른 공정 정보가 입력되고 가상 가공을 수행하여 다른 시뮬레이션 데이터를 생성하는 단계; (i) 학습된 상기 가공 예측 모델에 상기 다른 시뮬레이션 데이터가 입력되고, 상기 가공 예측 모델로부터 가상 모니터링 데이터가 출력되는 단계; 및 (j) 상기 제어 모듈(400)은 상기 가상 모니터링 데이터와 상기 실제 모니터링 데이터의 차이를 판단하고, 상기 차이가 기설정된 허용 기준 이내이면 상기 실제 모니터링 데이터를 정상 데이터로 판단하고, 상기 차이가 상기 기설정된 허용 기준 이외이면 상기 실제 모니터링 데이터를 이상 데이터로 판단하는 단계; 를 포함하고, 상기 (j)단계에서, (j1) 상기 제어 모듈(400)은 상기 실제 모니터링 데이터가 상기 정상 데이터로 판단되면, 상기 가공 모듈(300)이 상기 다른 공정 정보를 이용하여 가공을 계속하도록 상기 가공 모듈(300)을 제어하고 상기 가공 모듈(300)은 가공 결과 데이터를 생성하는 단계; 및 (j2) 상기 제어 모듈(400)은 상기 실제 모니터링 데이터가 상기 이상 데이터로 판단되면, 상기 가공 모듈(300)에서 수행된 가공을 이상 가공으로 판단하고, 상기 가공 모듈(300)에서 수행되는 가공 조건을 변경하여 새로운 가공 조건을 설정하는 단계;를 포함할 수 있다.

일 실시예에 있어서, 상기 (j)단계 이후, (k) 상기 제어 모듈(400)은 상기 정상 데이터, 상기 이상 데이터 및 상기 가공 결과 데이터를 피드백 모듈(600)로 전송하는 단계;(l) 상기 피드백 모듈(600)은 상기 가공 결과 데이터를 확인하고, 상기 가공 결과 데이터에 따라 상기 허용 기준을 변경할지 여부를 결정하는 단계; 및 (m) 상기 피드백 모듈(600)은 상기 허용 기준을 변경하면 상기 실제 모니터링 데이터를 변경된 허용 기준에 따라 정상 데이터와 이상 데이터로 다시 분류하는 단계; 를 포함할 수 있다.

일 실시예에 있어서, 상기 (j)단계 이후, (n) 상기 가공 모듈(300)은 상기 (j)단계에서 설정된 새로운 가공 조건으로 실제로 가공을 수행하고 다른 모니터링 데이터를 생성하는 단계; 및 (o)상기 제어 모듈(400)은 상기 다른 모니터링 데이터가 상기 정상 데이터로 판단될 때까지 가공 조건을 변경하고 상기 (j)단계 및 (n)단계를 반복 수행하는 단계; 를 포함할 수 있다.

일 실시예에 있어서, 상기 (m)단계 이후, (p)상기 피드백 모듈(600)은 정상 데이터, 이상 데이터 및 그 때의 허용 기준을 포함한 추가 학습 데이터를 생성하는 단계; 및 (q)추가 학습 모듈은 상기 추가 학습 데이터를 이용하여 상기 가공 예측 모델을 추가 학습시키는 단계;를 포함하고, 상기 추가 학습된 가공 예측 모델은 새로운 시뮬레이션 데이터가 입력되면, 정상 데이터 또는 이상 데이터로 분류된 모니터링 데이터를 출력할 수 있다.

일 실시예에 있어서, 상기 시뮬레이션 데이터는, CNC 라인 넘버 및 스핀들 x, y, z좌표를 포함하는 위치 정보; 스핀들 이송속도(mm/min), 스핀들 회전속도(RPM)를 포함하는 속도 정보; 절입 깊이(mm) 및 절삭 폭(mm)을 포함하는 공구 절입량 정보; 및 토크 및 절삭력을 포함하는 가공 물리량 정보;를 포함할 수 있다.

일 실시예에 있어서, 상기 모니터링 데이터는, 공구 회전속도, 공구 이송속도, 가공부하 및 가공 소요시간을 포함하는 CNC 정보; 및 스핀들 전류, 스핀들 전압, 공구 진동, 공구 온도 및 소음을 포함하는 센서 정보:를 포함할 수 있다.일 실시예에 있어서, 상기 공구 조건은 공구 소재, 공구 직경 및 공구 날수를 포함할 수 있다.

본 발명에 따라, 다음과 같은 효과가 달성된다.

본 발명은 시뮬레이션 데이터와 모니터링 데이터를 동기화하고, 차이가 기설정된 값 미만이 되는 시뮬레이션 데이터와 모니터링 데이터를 이용하여 가공 예측 모델을 생성하는 바, 가공 예측 모델의 정확도를 증대시킬 수 있다.

또한, 본 발명은 학습된 가공 예측 모델을 이용하여, 다른 공정 조건에서 수집되는 실제 모니터링 데이터가 이상 데이터인지 판단하고, 다른 공정 조건에서 현재 수행되는 가공이 이상 가공인지 여부를 판단하고 가공 조건을 변경할 수 있다.

또한, 본 발명은 모니터링 데이터를 정상 데이터 또는 이상 데이터로 라벨링하고 학습된 가공 예측 모델을 새로운 허용범위, 새로운 공정 조건, 정상 데이터와 이상 데이터를 이용하여 추가 학습시켜, 시뮬레이션 데이터만을 이용하여 실제 가공에서 예측되는 모니터링 데이터가 이상 데이터인지 판단하고, 이를 이용하여 실제 가공을 수행하기 전 이상 가공을 진단할 수 있다.

도 1은 본 발명에 따라 가공 예측 모델을 생성하는 방법을 설명하기 위한 모식도이다.
도 2은 본 발명에 따라 가공 예측 모델을 생성하는 방법을 설명하기 위한 순서도이다.
도 3은 본 발명에 따라 가공 예측 모델을 이용하여 이상 데이터와 정상 데이터를 분류하기 위한 방법을 설명하기 위한 모식도이다.
도 4는 본 발명에 따라 가공 예측 모델을 이용하여 이상 데이터와 정상 데이터를 분류하기 위한 방법을 설명하기 위한 순서도이다.

몇몇 경우, 본 발명의 개념이 모호해지는 것을 피하기 위하여 공지의 구조 및 장치는 생략되거나, 각 구조 및 장치의 핵심기능을 중심으로 한 블록도 형식으로 도시될 수 있다.

또한, 본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.

이하, "기기"란 절삭가공에서 사용되는 공작기계를 의미하나, 이에 제한되는 것은 아니다.

이하, 본 발명에서는 가공 예측 모델을 생성하기 위해, 절삭 가공에서 사용되는 데이터를 수집하여, 가공 예측 모델을 생성하는 것으로 설명하였으나 이에 제한되는 것은 아니고, 다른 종류의 가공에도 적용될 수 있다.

본 발명에 따른 가상가공 활용 공정 이상상태 진단 방법은, 입력 모듈(100), 시뮬레이션 모듈(200), 가공 모듈(300), 제어 모듈(400), 모델링 모듈(500), 피드백 모듈(600), 학습 모듈(700)을 포함한다.

이하, 도 1 및 도 2를 참조하여 가공 예측 모델을 생성하는 방법을 설명한다.

입력 모듈(100)에 타겟 형상, 가공 조건, 공구 조건 및 피삭재 소재 정보를 포함하는 공정 정보가 입력된다.

타겟 형상은 본 가공에 따라 타겟으로 하는 형상을 의미하며, CAD 파일과 같은 이미지 파일로 입력될 수 있으나 이에 제한되는 것은 아니다.

입력 모듈(100)에 타겟 형상이 입력되면, 공구 이송경로 결정 모듈(미도시)로부터 타겟 형상에 대응되는 공구 이송경로가 결정될 수 있다.

가공 조건은 공구 회전 속도와 공구 이송속도를 포함한다.

공구 조건은 공구 소재, 공구 직경 및 공구 날수를 포함한다.

피삭재 소재 정보는 피삭재의 물성에 관한 정보를 포함한다.

이 때, 공정 정보는 타겟 형상, 가공 조건, 공구 조건 및 피삭재 소재 정보를 포함하는 것으로 설명하였으나, 해당 공정에 영향을 미치는 변수라면 이에 제한되는 것은 아니다.

시뮬레이션 모듈(200)은 입력 모듈(100)로부터 공정 정보를 전송받는다.

시뮬레이션 모듈(200)은 공정 정보를 조건으로 하여, 가상 가공을 수행하여 시뮬레이션 데이터를 생성한다. 즉, 시뮬레이션 모듈(200)은 입력 모듈(100)로부터 전송된 공정 정보에 따라 가상 가공을 수행한다.

시뮬레이션 데이터는 위치 정보, 속도 정보, 공구 절입량 정보 및 가공 물리량 정보를 포함할 수 있다.

위치 정보는 공구 이송 경로 및 스핀들 위치인 스핀들 x, y, z좌표를 포함한다.

속도 정보는 스핀들 이송속도(mm/min), 스핀들 회전속도(RPM)를 포함한다.

공구 절입량 정보는 절입 깊이(mm) 및 절삭 폭(mm)을 포함한다.

가공 물리량 정보는 토크 및 절삭력을 포함한다.

시뮬레이션 모듈(200)은 시뮬레이션 데이터를 제어 모듈(400)로 전송한다.

가공 모듈(300)은 입력된 공정 정보를 이용하여 실제 가공을 수행하고, 모니터링 데이터를 생성한다.

즉, 가공 모듈(300)은 시뮬레이션 모듈(200)에 입력된 공구 이송경로와 공정 정보(타겟 형상, 가공 조건, 공구 조건, 피삭재 소재 정보)를 동일하게 이용하여 가공을 수행한다.

가공 모듈(300)은 CNC 공작기계와 CNC 공작기계에 부착되는 센서를 포함하는 개념이고, 모니터링 데이터는 CNC 공작 기계에서 생성된 정보와 센서로부터 생성된 정보를 포함한다.

전술한 바와 같이, 본 발명은 절삭 가공을 기준으로 설명하고, 가공 기기는 CNC 공작기계인 것을 기준으로 설명하나, 수행하고자 하는 가공의 종류 및 기기의 종류는 이에 제한되는 것은 아니다.

모니터링 데이터는 CNC 정보와 센서 정보를 포함하며, 실제 가공에서 수집될 수 있는 데이터를 의미한다.

CNC 정보는 공구 회전속도, 공구 이송속도, 가공부하 및 가공 소요시간을 포함한다.

센서 정보는 스핀들 전류, 스핀들 전압, 공구 진동, 공구 온도 및 소음을 포함한다.

이 때, 스핀들 전류는 스핀들을 구동하기 위한 스핀들 모터에서 측정되는 값을 의미한다.

이 때, 소음에 대한 정보는 CNC 공작기계에 소음 측정기와 같은 장치가 설치되어 수집되는 정보로서, 절삭 공구 및 가공 중 발생되는 소음을 비롯하여 기기에서 발생되는 소음에 대한 정보를 포함할 수 있다.

가공 모듈(300)은 모니터링 데이터를 제어 모듈(400)로 전송한다.

제어 모듈(400)은 각각 시뮬레이션 모듈(200)과 가공 모듈(300)로부터 시뮬레이션 데이터와 모니터링 데이터를 전송받는다.

시뮬레이션 데이터는 거리단위로 되어 있고, 모니터링 데이터는 시간단위로 되어 있어 동기화가 필요하다.

제어 모듈(400)은 시뮬레이션 데이터와 모니터링 데이터를 동기화하여, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 생성한다.

입력 모듈(100)에 공정 정보 중 어느 하나의 정보를 변경하여, 상기의 과정을 반복 수행한다.

제어 모듈(400)은 각각의 공정 정보 마다, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 확인하고, 이를 포함한 학습 데이터를 생성한다.

또한, 제어 모듈(400)은 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터의 차이가 기설정된 값 미만이 되도록 조절할 수 있다.

이 때, 제어 모듈(400)은 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터의 차이가 기설정된 값 이상이면, 스케일을 조절하여 기설정된 값 미만이 되도록 조절한다.

이 때, 동기화하는 방법은 종래에 널리 공지된 기술인 바, 보다 구체적인 설명은 생략하고, 특정한 방법에 제한되는 것은 아니다.

제어 모듈(400)은 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터의 차이가 기설정된 값 미만인 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 학습 데이터로 생성할 수 있다.

모델링 모듈(500)은 제어 모듈(400)로부터 학습 데이터를 전송받는다.

모델링 모듈(500)은 학습 데이터를 학습하여 가공 예측 모델을 생성한다.

모델링 모듈(500)은 동기화된 시뮬레이션 데이터를 입력데이터로 하고, 동기화된 모니터링 데이터를 출력데이터로 하여 학습된 가공 예측 모델을 생성한다.

이 때, 모델링 모듈(500)이 입력데이터와 출력데이터를 학습하는 방법은 특정한 방법에 제한되는 것은 아니다.

학습된 가공 예측 모델에 따르면, 시뮬레이션 데이터만을 입력하여, 모니터링 데이터 값을 예측할 수 있다.

또한, 본 발명에 따르면 모니터링 데이터와 시뮬레이션 데이터의 차이가 작은 데이터를 이용하여 가상 가공 예측 모델을 생성하는 바, 가상 가공 예측 모델의 정확도를 더욱 증대시킬 수 있다.

이하, 도 3 및 도 4를 참조하여 학습된 가공 예측 모델을 이용하여 실제 가공에서 이상 가공을 판단하는 방법을 설명하고, 이를 이용하여 가공 예측 모델을 추가 학습하는 방법에 대해 설명한다.

가공 모듈(300)은 다른 공정 정보로 실제 가공을 수행하여 실제 모니터링 데이터를 생성한다.

시뮬레이션 모듈(200)은 가상 모듈(300)이 실제 가공을 수행한 다른 공정 정보와 동일한 조건으로 가상 가공을 수행하여 다른 시뮬레이션 데이터를 생성한다.

이 때, 다른 공정 정보는 전술한 바와 같이 타겟 형상, 가공 조건, 공구 조건, 피삭재 소재 정보를 포함하는 것으로서, 전술한 바와 같이 타겟 형상이 있으면 공구 경로는 도출이 된다.

학습된 가공 예측 모델에 가공 모듈(300)이 실제 가공을 수행한 공정 정보와 동일한 조건으로 가상 가공이 수행된 다른 시뮬레이션 데이터가 입력되고, 이에 따라 학습된 가공 예측 모델로부터 가상 모니터링 데이터가 출력된다.

이 때, 학습된 가공 예측 모델에 다른 시뮬레이션 데이터가 입력된다는 것은, 시뮬레이션 데이터는 공구 이송경로와 공정 정보에 따라 달라지는 바, 공구 이송경로와 공정 정보가 달라지는 것을 의미한다.

제어 모듈(400)은 가상 모니터링 데이터와 실제 모니터링 데이터의 차이를 판단한다.

제어 모듈(400)은 가상 모니터링 데이터와 실제 모니터링 데이터의 차이가 기설정된 허용 기준 이내이면 실제 모니터링 데이터를 정상 데이터로 판단하고, 가상 모니터링 데이터와 실제 모니터링 데이터의 차이가 기설정된 허용 기준 이외이면 실제 모니터링 데이터를 이상 데이터로 판단한다.

허용 기준 이내이라는 것은 가상 모니터링 데이터와 실제 모니터링 데이터의 차이값이 기설정된 값 미만이라는 것을 의미하며, 허용 기준 이외이라는 것은 가상 모니터링 데이터와 실제 모니터링 데이터의 차이값이 기설정된 값 이상이라는 것을 의미한다.

또한, 모니터링 데이터는 전술한 바와 같이, CNC 정보와 센서 정보를 포함하는데, 이 중 가상 모니터링 데이터와 실제 모니터링 데이터의 차이는 가공 부하의 차이 값만을 기준으로 판단할 수 있다.

다만, 이에 제한되는 것은 아니고, 가상 모니터링 데이터와 실제 모니터링 데이터의 차이는 각 CNC 정보와 센서 정보가 포함하고 있는 어느 하나 이상의 정보라도, 그 차이 값을 비교할 수도 있다.

이 때, 기설정된 값은 비교되는 정보에 맞게, 허용 기준이 달라질 수 있다.

제어 모듈(400)은 실제 모니터링 데이터가 정상 데이터로 판단되면, 가공 모듈(300)이 실제 가공을 계속하도록 제어하고, 가공 모듈(300)은 가공 결과 데이터를 생성한다.

또한, 제어 모듈(400)은 실제 모니터링 데이터가 이상 데이터로 판단되면, 가공 조건을 변경하여 새로운 가공 조건을 설정한다. 즉, 제어 모듈(400)은 실제 모니터링 데이터가 이상 데이터로 판단되면, 이상 가공으로 판단하고 실제 가공을 중단한다. 이후, 새로운 가공 조건을 설정하여 다시 가공을 시작한다.

이 때, 제어 모듈(400)이 가공 조건을 변경한다는 것은 공구 회전속도 및 공구 이송속도 중 어느 하나 이상을 변경하는 것을 의미한다.

또한, 제어 모듈(400)은 실제 모니터링 데이터가 이상 데이터로 판단되면 공정 조건 중 다른 정보를 변경할 수도 있다.

제어 모듈(400)은 실제 모니터링 데이터를 정상 데이터와 이상 데이터로 분류한 후, 정상 데이터와 이상 데이터를 피드백 모듈(600)로 전송한다.

피드백 모듈(600)은 정상 데이터로 판단된 실제 모니터링 데이터가 수행된 가공 결과 데이터를 확인하고, 가공 결과 데이터에 따라 허용 기준의 변경 여부를 결정한다.

이 때, 피드백 모듈(600)은 인력이나, 미리 가공 결과 데이터의 품질을 판단할 수 있는 프로그램일 수 있으나, 이에 제한되는 것은 아니다.

이 때, 피드백 모듈(600)은 가공 결과 데이터에 따라 허용 기준을 변경하지 않을 수도 있다.

피드백 모듈(600)은 가공 결과 데이터에 따라 허용 기준을 변경하면 실제 모니터링 데이터를 변경된 허용 기준에 따라 정상 데이터와 이상 데이터로 다시 분류한다.

제어 모듈(400)은 실제 모니터링 데이터가 이상 데이터로 판단되면 공정 조건을 변경한다.

가공 모듈(300)은 설정된 새로운 가공 조건으로 실제 가공을 수행하고 다른 모니터링 데이터를 생성한다.

제어 모듈(400)은 다른 모니터링 데이터가 정상 데이터로 판단될 때까지 가공 조건을 변경하여, 상기의 과정을 반복 수행한다.

피드백 모듈(600)은 정상 데이터, 이상 데이터 및 허용 기준을 포함한 추가 학습 데이터를 생성한다.

추가 학습 모듈은 추가 학습 데이터를 이용하여 가공 예측 모델을 추가 학습시킨다.

추가 학습 모듈은 시뮬레이션 데이터를 입력 데이터로 포함하고, 정상 데이터 또는 이상데이터로 라벨링된 실제 모니터링 데이터를 출력데이터로 하여 가공 예측 모델을 추가 학습시킬 수 있다.

이와 같이, 추가 학습 데이터를 생성하는 과정은 각 공정 정보마다 반복하여 수행될 수 있음은 물론이다.

이와 같이, 추가 학습된 가공 예측 모델에 따르면, 새로운 공정 정보에 따라 가상 가공된 새로운 시뮬레이션 데이터가 입력되면, 이를 실제 가공에서 수행될 모니터링 데이터를 예측하되, 모니터링 데이터를 정상 데이터 또는 이상데이터로 분류하여 출력할 수 있고, 그 때의 허용 기준을 출력할 수 있어, 예측된 실제 가공이 이상 가공인지 여부를 미리 판단할 수 있다.

또한, 본 방법에 따르면, 피드백 모듈(600)이 허용 기준을 변경하고, 이를 포함하여 추가 학습 데이터를 생성하는 바, 각 공정 마다 이상 가공이 수행되는 기준인 허용 기준을 학습할 수 있다.

이상, 본 명세서에는 본 발명을 당업자가 용이하게 이해하고 재현할 수 있도록 도면에 도시한 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당업자라면 본 발명의 실시예로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 보호범위는 특허청구범위에 의해서 정해져야 할 것이다.

100: 입력 모듈
200: 시뮬레이션 모듈
300: 가공 모듈
400: 제어 모듈
500: 모델링 모듈
600: 피드백 모듈

Claims

(a) 입력 모듈(100)에 타겟 형상, 가공 조건, 공구 조건 및 피삭재 소재 정보를 포함하는 공정 정보가 입력되고, 상기 가공 조건은 공구 회전속도와 공구 이송속도를 포함하는, 입력 단계;
(b) 시뮬레이션 모듈(200)은 상기 입력 모듈(100)로부터 상기 공정 정보를 전송받고, 가상으로 가공을 수행하여 시뮬레이션 데이터를 생성하는 단계;
(c) 가공 모듈(300)은 상기 입력 모듈(100)로부터 상기 공정 정보를 전송받고, 실제로 가공을 수행하여 모니터링 데이터를 생성하는 단계;
(d) 제어 모듈(400)은 상기 시뮬레이션 데이터와 상기 모니터링 데이터를 동기화하여, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 생성하는 단계;
(e) 상기 입력 모듈(100)에 상기 공정 정보 중 어느 하나의 정보를 변경하여,상기 (a)단계 내지 (d)단계를 반복 수행하는 단계;
(f) 상기 제어 모듈(400)은 각각의 공정 정보마다, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 확인하고, 이를 포함한 학습 데이터를 생성하는 단계; 및
(g) 모델링 모듈(500)은 상기 학습 데이터를 이용하여 가공 예측 모델을 생성하되, 동기화된 시뮬레이션 데이터를 입력데이터로 하고, 동기화된 모니터링 데이터를 출력데이터로 하여 학습된 상기 가공 예측 모델을 생성하는 단계;를 포함하는,
방법.
제1항에 있어서,
상기 (f)단계에서,
(f1) 상기 제어 모듈(400)은 각각의 공정 정보마다, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 확인하고, 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터의 차이가 기설정된 값 미만인 동기화된 시뮬레이션 데이터와 동기화된 모니터링 데이터를 포함한 상기 학습 데이터를 생성하는 단계; 를 포함하는,
방법.
제2항에 있어서,
상기 (g)단계 이후,
(h) 상기 가공 모듈(300)은 다른 공정 정보가 입력되고 실제 가공을 수행하여 실제 모니터링 데이터를 생성하고, 상기 시뮬레이션 모듈(200)은 상기 다른 공정 정보가 입력되고 가상 가공을 수행하여 다른 시뮬레이션 데이터를 생성하는 단계;
(i) 학습된 상기 가공 예측 모델에 상기 다른 시뮬레이션 데이터가 입력되고, 상기 가공 예측 모델로부터 가상 모니터링 데이터가 출력되는 단계; 및
(j) 상기 제어 모듈(400)은 상기 가상 모니터링 데이터와 상기 실제 모니터링 데이터의 차이를 판단하고, 상기 차이가 기설정된 허용 기준 이내이면 상기 실제 모니터링 데이터를 정상 데이터로 판단하고, 상기 차이가 상기 기설정된 허용 기준 이외이면 상기 실제 모니터링 데이터를 이상 데이터로 판단하는 단계; 를 포함하고,
상기 (j)단계에서,
(j1) 상기 제어 모듈(400)은 상기 실제 모니터링 데이터가 상기 정상 데이터로 판단되면, 상기 가공 모듈(300)이 상기 다른 공정 정보를 이용하여 가공을 계속하도록 상기 가공 모듈(300)을제어하고 상기 가공 모듈(300)은 가공 결과 데이터를 생성하는 단계; 및
(j2) 상기 제어 모듈(400)은 상기 실제 모니터링 데이터가 상기 이상 데이터로 판단되면, 상기 가공 모듈(300)에서 수행된 가공을 이상 가공으로 판단하고, 상기 가공 모듈(300)에서 수행되는 가공 조건을 변경하여 새로운 가공 조건을 설정하는 단계;를 포함하는,
방법.
제3항에 있어서,
상기 (j)단계 이후,
(k) 상기 제어 모듈(400)은 상기 정상 데이터, 상기 이상 데이터 및 상기 가공 결과 데이터를 피드백 모듈(600)로 전송하는 단계;
(l) 상기 피드백 모듈(600)은 상기 가공 결과 데이터를 확인하고, 상기 가공 결과 데이터에 따라 상기 허용 기준을 변경할지 여부를 결정하는 단계; 및
(m) 상기 피드백 모듈(600)은 상기 허용 기준을 변경하면 상기 실제 모니터링 데이터를 변경된 허용 기준에 따라 정상 데이터와 이상 데이터로 다시 분류하는 단계; 를 포함하는,
방법.
제3항에 있어서,
상기 (j)단계 이후,
(n) 상기 가공 모듈(300)은 상기 (j)단계에서 설정된 새로운 가공 조건으로 실제로 가공을 수행하고 다른 모니터링 데이터를 생성하는 단계; 및
(o)상기 제어 모듈(400)은 상기 다른 모니터링 데이터가 상기 정상 데이터로 판단될 때까지 가공 조건을 변경하고 상기 (j)단계 및 (n)단계를 반복 수행하는 단계; 를 포함하는,
방법.
제4항에 있어서,
상기 (m)단계 이후,
(p)상기 피드백 모듈(600)은 정상 데이터, 이상 데이터 및 그 때의 허용 기준을 포함한 추가 학습 데이터를 생성하는 단계; 및
(q)추가 학습 모듈은 상기 추가 학습 데이터를 이용하여 상기 가공 예측 모델을 추가 학습시키는 단계;를 포함하고,
상기 추가 학습된 가공 예측 모델은 새로운 시뮬레이션 데이터가 입력되면, 정상 데이터 또는 이상 데이터로 분류된 모니터링 데이터를 출력하는,
방법.
제1항에 있어서,
상기 시뮬레이션 데이터는,
CNC 라인 넘버 및 스핀들 x, y, z좌표를 포함하는 위치 정보;
스핀들 이송속도(mm/min), 스핀들 회전속도(RPM)를 포함하는 속도 정보;
절입 깊이(mm) 및 절삭 폭(mm)을 포함하는 공구 절입량 정보; 및
토크 및 절삭력을 포함하는 가공 물리량 정보;를 포함하는,
방법.
제1항에 있어서,
상기 모니터링 데이터는,
공구 회전속도, 공구 이송속도, 가공부하 및 가공 소요시간을 포함하는 CNC 정보; 및
스핀들 전류, 스핀들 전압, 공구 진동, 공구 온도 및 소음을 포함하는 센서 정보:를 포함하는,
방법.
제1항에 있어서,
상기 공구 조건은 공구 소재, 공구 직경 및 공구 날수를 포함하는,
방법.