KR20220019135A - 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법 - Google Patents

머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법 Download PDF

Info

Publication number
KR20220019135A
KR20220019135A KR1020200098496A KR20200098496A KR20220019135A KR 20220019135 A KR20220019135 A KR 20220019135A KR 1020200098496 A KR1020200098496 A KR 1020200098496A KR 20200098496 A KR20200098496 A KR 20200098496A KR 20220019135 A KR20220019135 A KR 20220019135A
Authority
KR
South Korea
Prior art keywords
welding
image
temperature
output voltage
output current
Prior art date
Application number
KR1020200098496A
Other languages
English (en)
Other versions
KR102376216B1 (ko
Inventor
박홍석
리스키 아유 페브리아니
Original Assignee
울산대학교 산학협력단
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 울산대학교 산학협력단 filed Critical 울산대학교 산학협력단
Priority to KR1020200098496A priority Critical patent/KR102376216B1/ko
Publication of KR20220019135A publication Critical patent/KR20220019135A/ko
Application granted granted Critical
Publication of KR102376216B1 publication Critical patent/KR102376216B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K31/00—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups
    • B23K31/12—Processes relevant to this subclass, specially adapted for particular articles or purposes, but not covered by only one of the preceding main groups relating to investigating the properties, e.g. the weldability, of materials
    • B23K31/125—Weld quality monitoring
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K5/00—Gas flame welding
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
    • B23K9/00—Arc welding or cutting
    • B23K9/095—Monitoring or automatic control of welding parameters
    • B23K9/0956—Monitoring or automatic control of welding parameters using sensing means, e.g. optical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Plasma & Fusion (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Manipulator (AREA)

Abstract

본 발명은 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법에 관한 것이다.
본 발명에 따르면, 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템에 있어서, 용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정하는 입력 값 설정부, 용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 상기 출력 전류 및 출력 전압의 파형을 검출하는 검출부, 상기 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 상기 영상의 픽셀 값을 추출하는 영상 처리부, 상기 용접이 진행하는 공간의 온도를 측정하는 온도 센싱부, 그리고 상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단하는 용접 상태 판단부를 포함한다.
이와 같이 본 발명에 따르면, 실시간으로 용접기의 상태, 공정 상태에 대한 각각의 데이터를 학습하고, 학습된 결과를 모니터링하기 때문에 용접기의 고장 또는 이상 신호에 따른 빠른 대처를 할 수 있다.

Description

머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법{SYSTEM FOR MONITORING WELDING BASED ON AUTONOMOUS PROCESS USING MACHINE LEARNING AND METHOD THEREOF}
본 발명은 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법에 관한 것으로, 학습을 통해 용접시 발생되는 오류를 수정하여 용접을 지속적으로 실행할 수 있도록 하는 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법에 관한 것이다.
용접공정을 스마트 팩토리화 시키는 것에 대한 비전은 스마트 팩토리 개념을 통해 설명할 수 있다. 스마트 팩토리(Smart Factory)는 제 4차 산업혁명으로 불리는 ICT(Information Communication Technology)와 제조업의 융합으로 기계 스스로 시뮬레이션을 통해 자동 생산하는 시스템이 구축된 공장이다.
스마트 팩토리는 미국에서는 오바마 정부 출범 이후 NNMI(National Networked Manufacturing Innovation) 정책 발표로 우주항공, 국방 등 3D Printer 산업을 중심으로 추진되고 있다.
독일의 경우에는 SAP, Siemans 등과 같은 SW와 정밀 기계 분야와 인터넷을 기반으 로 하는 모든 제조업과 서비스 분야에서 Industry 4.0이 추진되고 있다. 이러한 스마트 팩토리는 국내에서 산업 혁신 3.0 정책이 입안되면서 2020년까지 1만개 기업에 보급을 목표로 하고 있다.
여기서, 스마트 팩토리는 시시각각 변화하는 4M1E (Man, Machine, Material, Method, Energy)의 생산자 원 정보를 실시간 현장에서 취합하여 최고경영자에게는 최상의 의사결정을 위한 실시간 정보를 제공하고, 고객에게는 주문된 생산 제품에 대한 납기 정보를 제공하며, 공장 관리자에게는 현장의 상태 정보를 실시간으로 제 공한다.
실시간으로 정보를 제공받은 최고 경영자, 고객, 공장 관리자는 공장 전체의 생산성 향상과 최적화 운영을 위한 피드백을 제공한다. 이를 바탕으로 IT 융합 생산 정보화 시스템에 기반을 둔 4Zero (Zero Waiting-time, Zero Inventory, Zero Defect, Zero Downtime)의 연속개선(CIP: Continuous Improvement Process) 관리를 구현하는 것이라 말할 수 있다.
그리고, 용접기는 금속과 금속 사이를 고열을 통하여 서로 접합해주는 것으로, 금속 사이를 용융 접합시키는 용접 장치이다.
이러한 용접기의 종류는 가스가 연소할 때 높은 열을 이용하여 금속의 일부를 녹여 접합시키는 가스 용접기, 직류 전원에 의해 발생하는 아크를 이용하는 직류 아크 용접기, 교류 전류를 아크 전원으로 한 교류 아크 용접기 등이 있다.
이러한, 용접기의 용접 작업 종류로는 위보기, 아래보기, 수평, 수직 등 다양한 작업 종류가 있으며, 용접 작업을 진행할 때, 용접기의 상태에 따라 용접된 제품의 품질이 달라짐으로 용접기의 상태를 확인 하는 작업을 수시로 진행하여야 하는 단점이 있었다.
또한, 작업실의 온도 및 습도와 같은 용접 환경에 따라서도 용접 작업이 달라짐으로, 매번 동일한 용접 작업을 하기 어려우며 그에 따라 작업 시간이 많이 소요되었으며, 용접의 이음매 요구조건, 모재 재질에 따른 용접 작업, 두께 용착 금속 형태, 용접기의 전기적 특성, 용접 자세등을 용접 작업마다 용접절차서(WPS)에 기록하여야 함으로 그에 따른 작업 시간이 더욱 소비되는 문제 점이 발생하였다.
그래서 이러한 불편함을 줄이고자, 용접기를 제어하는 시스템과 네트워크가 구축된 용접기 시스템이 개발되었지만, 이러한 종래의 시스템은 용접기에 대한 정보를 실시간으로 빠르게 수집한다 하더라도, 다수의 용접기를 사용할 때, 시스템에 과부하가 걸릴 수 있으며, 이에 따라 오류가 발생할 수 있다.
또한, 실시간으로 용접기의 상태, 공정 상태에 대한 모니터링을 하여도 이상 신호에 대한 빠른 대처를 할 수 없는 단점이 있었다.
본 발명의 배경이 되는 기술은 대한민국 공개특허 제10-2017-0136111호(2017.12.11. 공개)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 학습을 통해 용접시 발생되는 오류를 수정하여 용접을 지속적으로 실행할 수 있도록 하는 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시 예에 따르면, 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템에 있어서, 용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정하는 입력 값 설정부, 용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 상기 출력 전류 및 출력 전압의 파형을 검출하는 검출부, 상기 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 상기 영상의 픽셀 값을 추출하는 영상 처리부, 상기 용접이 진행하는 공간의 온도를 측정하는 온도 센싱부, 그리고 상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단하는 용접 상태 판단부를 포함한다.
상기 제1 학습모델은, 상기 출력 전류, 출력 전압의 피크 값이 기준 값보다 크거나, 상기 영상에 비정상 불꽃이 포함되거나, 상기 온도가 기준 온도보다 높은 경우 상기 용접 상태를 비정상으로 판단하도록 학습될 수 있다.
상기 제1 학습모델은, 상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도의 가중치의 합이 1이며, 상기 출력 전류 및 출력 전압의 가중치가 각각 상기 영상의 픽셀 값 및 온도의 가중치보다 큰 값으로 설정되도록 학습될 수 있다.
상기 용접 상태가 비 정상인 것으로 판단되면, 상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제2 학습모델에 적용하여 고장원인을 판단하고, 상기 고장원인에 대응하여 상기 입력 파라미터를 조절하는 제어부를 더 포함할 수 있다.
상기 제어부는, 상기 출력 전류, 출력 전압의 피크 값이 기준 값보다 큰 경우에는 백업용 전지 또는 전원 공급장치의 비정상을 고장 원인으로 판단하고, 상기 영상에 비 정상 불꽃이 포함되는 경우에는 용접 가스의 주입 밸브의 오작동을 고장 원인으로 판단하고, 상기 온도가 기준 온도보다 높은 경우에는 전원 공급장치의 오작동을 고장 원인으로 판단할 수 있다.
상기 입력 파라미터는, 상기 용접 로봇을 구동시키기 위한 입력 전류 및 입력 전압과 상기 용접 로봇의 용접 속도를 포함할 수 있다.
본 발명의 다른 실시예에 따르면, 자율공정 기반의 용접 모니터링 시스템을 이용한 용접 모니터링 방법에 있어서, 용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정하는 단계, 용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 상기 출력 전류 및 출력 전압의 파형을 검출하는 단계, 상기 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 상기 영상의 픽셀 값을 추출하는 단계, 상기 용접이 진행하는 공간의 온도를 측정하는 단계, 그리고 상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 실시간으로 용접기의 상태, 공정 상태에 대한 각각의 데이터를 학습하고, 학습된 결과를 모니터링하기 때문에 용접기의 고장 또는 이상 신호에 따른 빠른 대처를 할 수 있다.
도 1은 본 발명의 실시예에 따른 용접 모니터링 시스템의 구성을 설명하기 위한 구성도이다.
도 2는 본 발명의 실시예에 따른 용접 모니터링 시스템을 이용한 용접 모니터링 방법을 설명하기 위한 순서도이다.
도 3는 본 발명의 실시예에 따른 용접 모니터링 시스템을 나타낸 도면이다.
도 4는 본 발명의 실시예에 따른 용접 모니터링 시스템의 용접 모니터링 레벨을 설명하기 위한 도면이다.
도 5a 및 도 5b은 본 발명의 실시예에 따른 용접 모니터링 레벨을 상세히 나타낸 상세도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 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 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
이하에서는 도 1을 이용하여 본 발명의 실시예에 따른 용접 모니터링 시스템의 구성을 설명한다.
도 1은 본 발명의 실시예에 따른 용접 모니터링 시스템의 구성을 설명하기 위한 구성도이다.
도 1에서 나타낸 것처럼, 본 발명의 실시예에 따른 용접 모니터링 시스템(100)은 입력 값 설정부(110), 검출부(120), 영상 처리부(130), 온도 센싱부(140), 용접 상태 판단부(150) 및 제어부(160)를 포함한다.
특히, 입력 값 설정부(110) 및 제어부(160)는 후술할 컨트롤 레벨에 포함되고, 검출부(120), 영상 처리부(130), 온도 센싱부(140) 및 용접 상태 판단부(150)는 후술할 스테이션 레벨에 포함된다.
먼저, 입력 값 설정부(110)는 용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정한다.
이때, 입력 파라미터는 용접 로봇을 구동시키기 위한 입력 전류 및 입력 전압과 용접 로봇의 용접 속도를 포함한다.
즉, 용접 로봇의 용접 속도는 용접 로봇의 팔이 이동하는 속도이며, 용접의 종류 또는 용접 위치에 따라 서로 다른 속도를 가진다.
여기서, 용접의 종류는 가스가 연소할 때 높은 열을 이용하여 금속의 일부를 녹여 접합시키는 가스 용접, 직류 전원에 의해 발생하는 아크를 이용하는 직류 아크 용접 또는 교류 전류를 아크 전원으로 한 교류 아크 용접을 포함한다.
다음으로, 검출부(120)는 용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 출력 전류 및 출력 전압의 파형을 검출한다.
다음으로, 영상 처리부(130)는 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 영상의 픽셀 값을 추출한다.
다음으로, 온도 센싱부(140)는 용접이 진행되는 공간의 온도를 측정한다.
다음으로, 용접상태 판단부(150)는 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단한다.
이때, 제1 학습모델은 출력 전류, 출력 전압의 피크 값이 기준 값보다 크거나, 영상에 비정상 불꽃이 포함되거나, 온도가 기준 온도보다 높은 경우 용접 상태를 비정상으로 판단하도록 학습한다.
또한, 제1 학습모델은 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도의 가중치의 합이 1이며, 출력 전류 및 출력 전압의 가중치가 각각 영상의 픽셀 값 및 온도의 가중치보다 큰 값으로 설정되도록 학습된다.
다음으로, 제어부(160)는 용접상태 판단부(150)로부터 용접 상태가 비 정상인 것으로 판단되는 경우, 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제2 학습모델에 적용하여 고장원인을 판단하고, 고장원인에 대응하여 입력 파라미터를 조절한다.
여기서, 제2 학습모델은 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도에 따른 고장원인을 학습한다.
또한, 제어부(160)는 출력 전류, 출력 전압의 피크 값이 기준 값보다 큰 경우에는 백업용 전지 또는 전원 공급장치의 비정상을 고장 원인으로 판단하고, 영상에 비 정상 불꽃이 포함되는 경우에는 용접 가스의 주입 밸브를 고장 원인으로 판단하고, 온도가 기준 온도보다 높은 경우에는 전원 공급장치를 고장 원인으로 판단한다.
이하에서는 도 2를 이용하여 본 발명의 실시예에 따른 용접 모니터링 시스템을 이용한 용접 모니터링 방법을 설명한다.
도 2는 본 발명의 실시예에 따른 용접 모니터링 시스템을 이용한 용접 모니터링 방법을 설명하기 위한 순서도이다.
먼저, 입력 값 설정부(110)는 용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정한다(S210).
이때, 입력 값 설정부(110)로부터 설정되는 입력 파라미터는 용접 로봇의 스펙 및 용접 방법에 따라 변경될 수 있다.
다음으로, 검출부(120)는 용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 출력 전류 및 출력 전압의 파형을 검출한다(S220).
여기서, 파형은 위상을 가지는 정현파의 형태로 검출된다.
다음으로, 영상 처리부(130)는 용접 현장의 영상을 촬영하고, 촬영된 영상에서 픽셀 값을 추출한다(S230).
이때, 영상 처리부(130)는 촬영된 영상 중에서 용접이 진행중인 부분에 해당하는 픽셀 값을 추출한다.
다음으로, 온도 센싱부(140)는 용접이 진행되는 공간의 온도를 측정한다(S240).
다음으로, 용접상태 판단부(150)는 기 학습된 제1 학습모델을 이용하여 용접 상태의 정상 여부를 판단한다(S250).
이때, 용접상태 판단부(150)는 S220 내지 S240 단계로부터 획득한 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단한다.
여기서, 제1 학습모델은 기 저장되어 있는 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도에 따른 용접상태의 정상 여부를 학습한다.
이때, 제1 학습모델은 출력 전류, 출력 전압의 피크 값이 기준 값보다 크거나, 영상에 비정상 불꽃이 포함되거나, 온도가 기준 온도보다 높은 경우의 용접 상태를 비정상으로 판단한다.
여기서, 제1 학습모델은 해당 영상에 존재하는 불꽃 각각의 픽셀 값 중에서 주위의 픽셀 값보다 큰 값을 가지는 픽셀 값이 존재하는 경우에 비정상 불꽃이 포함된 것으로 판단한다.
이때, 기준 값과 기준 온도는 용접 모니터링 시스템(100)의 크기 및 규모에 따라 변경될 수 있다.
또한, 제1 학습모델은 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도의 가중치의 합이 1이고, 출력 전류 및 출력 전압의 가중치가 각각 영상의 픽셀 값 및 온도의 가중치보다 큰 값으로 설정되도록 학습한다.
즉, 제1 학습모델은 출력 전류의 가중치를 0.6, 출력 전압의 가중치를 0.3, 영상의 픽셀 값에 대한 가중치를 0.05 및 온도의 가중치를 0.05와 같이 설정할 수 있다.
용접 상태가 비 정상인 것으로 판단되면, 제어부(160)는 기 학습된 제2 학습모델을 이용하여 고장원인을 판단하고, 고장원인에 따른 입력 파라미터를 조절한다(S260).
여기서, 제2 학습모델은 기 저장되어 있는 용접 상태가 비 정상인 경우의 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도에 따른 용접 모니터링 시스템(100)의 고장원인을 학습한다.
그러면, 제어부(160)는 출력 전류, 출력 전압의 피크 값이 기준 값보다 큰 경우, 백업용 전지 또는 전원 공급장치의 비정상을 고장 원인으로 판단하고, 영상에 비 정상 불꽃이 포함되는 경우, 용접 가스의 주입 밸브를 고장 원인으로 판단하고, 온도가 기준 온도보다 높은 경우, 전원 공급장치의 오작동을 고장 원인으로 판단한다.
그러면, 고장 원인이 백업용 전지 또는 전원 공급장치의 비정상인 경우, 제어부(160)는 입력 값 설정부(110)를 통해 입력 전압 및 입력 전류를 증가시킨다.
또한, 고장 원인이 용접 가스의 주입 밸브의 오작동인 경우, 제어부(160)는 입력 값 설정부(110)를 통해 용접 로봇의 용접 속도를 감소시킨다.
그리고, 고장 원인이 전원 공급장치의 오작동인 경우, 제어부(160)는 알람 신호를 발생시켜 용접 모니터링 시스템(100)의 관리자에게 오류를 제공한다.
이하에서는 도 3 내지 도 5b을 이용하여 본 발명의 실시예에 따른 용접 모니터링 시스템의 용접 모니터링 레벨을 설명한다.
도 3은 본 발명의 실시예에 따른 용접 모니터링 시스템을 나타낸 도면이고, 도 4는 본 발명의 실시예에 따른 용접 모니터링 시스템의 용접 모니터링 레벨을 설명하기 위한 도면이고, 도 5a 및 도 5b은 본 발명의 실시예에 따른 용접 모니터링 레벨을 상세히 나타낸 상세도면이다.
도 3에서 나타낸 것처럼, 용접 모니터링 시스템(100)은 필드레벨, 컨트롤 레벨 및 스테이션 레벨로 구분된다.
도 4 및 도 5b에서 나타낸 것과 같이, x축은 필드레벨(Field Level), 컨트롤 레벨(Control Level) 및 스테이션 레벨(Station Level)을 나타내며 y축은 사물 레이어(Things layer), 데이터 수집 레이어(Data acquisition layer), 연결 레이어(Connection layer), 정보 레이어(Information layer) 및 작업 레이어(Operation layer)를 나타낸다.
여기서, 필드 레벨은 용접 공정의 데이터를 수집하는 레벨이고, 컨트롤 레벨은 지멘스(Siemens)의 시메틱(Simatic) 프로그램과 같은 산업용 컨트롤러를 사용하여 용접 프로세스를 직접 자동 제어할 수 있는 레벨이고, 스테이션 레벨은 용접 프로세스에서 데이터를 연결 및 표시하고 용접 모니터링 시스템(100)의 관리를 수행하는 레벨이다.
또한, 사물 레이어는 용접 모니터링 시스템(100)의 용접 로봇, 전원, 케이블을 통한 와이어 피더, 네트워크 장치 및 감지 사물과 같이 상호 작용하는 물리적 사물을 나타낸다.
그리고, 데이터 수집 레이어은 용접 모니터링 시스템(100)의 각 항목에서 데이터를 수집합니다.
다음으로, 연결 레이어은 용접 모니터링 시스템(100)을 통신 기술을 이용하여 IIoT의 네트워크 연결을 제공한다.
또한, 정보 레이어은 프로세스를 수행하고 용접 모니터링 시스템(100)에서 각각의 장비를 제어하기 위한 정보를 생성한다.
그리고, 운영 레이어은 정보 계층에서 도출된 데이터를 처리하여 작업자의 장치에서 용접 프로세스 성능 및 용접 제품을 관리할 수 있도록 제공한다.
이와 같이 본 발명의 실시예에 따르면, 실시간으로 용접기의 상태, 공정 상태에 대한 각각의 데이터를 학습하고, 학습된 결과를 모니터링하기 때문에 용접기의 고장 또는 이상 신호에 따른 빠른 대처를 할 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명되었으나 이는 예시적인 것이 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 용접 모니터링 시스템, 110: 입력 값 설정부,
120: 검출부, 130: 영상 처리부,
140: 온도 센싱부, 150: 용접상태 판단부,
160: 제어부

Claims (12)

  1. 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템에 있어서,
    용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정하는 입력 값 설정부,
    용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 상기 출력 전류 및 출력 전압의 파형을 검출하는 검출부,
    상기 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 상기 영상의 픽셀 값을 추출하는 영상 처리부,
    상기 용접이 진행하는 공간의 온도를 측정하는 온도 센싱부, 그리고
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단하는 용접상태 판단부를 포함하는 용접 모니터링 시스템.
  2. 제1항에 있어서,
    상기 제1 학습모델은,
    상기 출력 전류, 출력 전압의 피크 값이 기준 값보다 크거나, 상기 영상에 비정상 불꽃이 포함되거나, 상기 온도가 기준 온도보다 높은 경우 상기 용접 상태를 비정상으로 판단하도록 학습되는 용접 모니터링 시스템.
  3. 제2항에 있어서,
    상기 제1 학습모델은,
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도의 가중치의 합이 1이며, 상기 출력 전류 및 출력 전압의 가중치가 각각 상기 영상의 픽셀 값 및 온도의 가중치보다 큰 값으로 설정되도록 학습되는 용접 모니터링 시스템.
  4. 제1항에 있어서,
    상기 용접 상태가 비 정상인 것으로 판단되면,
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제2 학습모델에 적용하여 고장원인을 판단하고, 상기 고장원인에 대응하여 상기 입력 파라미터를 조절하는 제어부를 더 포함하는 용접 모니터링 시스템.
  5. 제4항에 있어서,
    상기 제어부는,
    상기 출력 전류, 출력 전압의 피크 값이 기준 값보다 큰 경우에는 백업용 전지 또는 전원 공급장치의 비정상을 고장 원인으로 판단하고,
    상기 영상에 비 정상 불꽃이 포함되는 경우에는 용접 가스의 주입 밸브의 오작동을 고장 원인으로 판단하고,
    상기 온도가 기준 온도보다 높은 경우에는 전원 공급장치의 오작동을 고장 원인으로 판단하는 용접 모니터링 시스템.
  6. 제1항에 있어서,
    상기 입력 파라미터는,
    상기 용접 로봇을 구동시키기 위한 입력 전류 및 입력 전압과 상기 용접 로봇의 용접 속도를 포함하는 용접 모니터링 시스템.
  7. 자율공정 기반의 용접 모니터링 시스템을 이용한 용접 모니터링 방법에 있어서,
    용접 로봇의 동작을 제어하기 위한 입력 파라미터를 설정하는 단계,
    용접 시 발생하는 출력 전류 및 출력 전압의 크기를 실시간으로 측정하여 상기 출력 전류 및 출력 전압의 파형을 검출하는 단계,
    상기 용접 로봇에 의해 수행되는 용접 현장의 영상을 촬영하여 상기 영상의 픽셀 값을 추출하는 단계,
    상기 용접이 진행하는 공간의 온도를 측정하는 단계, 그리고
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제1 학습모델에 적용하여 용접 상태의 정상 여부를 판단하는 단계를 포함하는 용접 모니터링 방법.
  8. 제7항에 있어서,
    상기 제1 학습모델은,
    상기 출력 전류, 출력 전압의 피크 값이 기준값보다 크거나, 상기 영상에 불꽃이 포함되거나, 상기 온도가 기준 온도보다 높은 경우 상기 용접 상태를 비정상으로 판단하도록 학습되는 용접 모니터링 방법.
  9. 제8항에 있어서,
    상기 제1 학습모델은,
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도의 가중치의 합이 1이며, 상기 출력 전류 및 출력 전압의 가중치가 각각 상기 영상의 픽셀 값 및 온도의 가중치보다 큰 값으로 설정되도록 학습되는 용접 모니터링 방법.
  10. 제7항에 있어서,
    상기 용접 상태가 비 정상인 것으로 판단되면,
    상기 출력 전류, 출력 전압, 영상의 픽셀 값 및 온도를 기 학습된 제2 학습모델에 적용하여 고장원인을 판단하고, 상기 고장원인에 따른 상기 입력 파라미터를 조절하는 단계를 더 포함하는 용접 모니터링 방법.
  11. 제10항에 있어서,
    상기 입력 파라미터를 조절하는 단계는,
    상기 출력 전류, 출력 전압의 피크 값이 기준 값보다 큰 경우에는 백업용 전지 또는 전원 공급장치의 비정상을 고장 원인으로 판단하고,
    상기 영상에 비 정상 불꽃이 포함되는 경우에는 용접 가스의 주입 밸브의 오작동을 고장 원인으로 판단하고,
    상기 온도가 기준 온도보다 높은 경우에는 전원 공급장치의 오작동을 고장 원인으로 판단하는 용접 모니터링 방법.
  12. 제7항에 있어서,
    상기 입력 파라미터는,
    상기 용접 로봇을 구동시키기 위한 입력 전류 및 입력 전압과 상기 용접 로봇의 용접 속도를 포함하는 용접 모니터링 방법.
KR1020200098496A 2020-08-06 2020-08-06 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법 KR102376216B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200098496A KR102376216B1 (ko) 2020-08-06 2020-08-06 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200098496A KR102376216B1 (ko) 2020-08-06 2020-08-06 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법

Publications (2)

Publication Number Publication Date
KR20220019135A true KR20220019135A (ko) 2022-02-16
KR102376216B1 KR102376216B1 (ko) 2022-03-22

Family

ID=80474859

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200098496A KR102376216B1 (ko) 2020-08-06 2020-08-06 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR102376216B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018001184A (ja) * 2016-06-28 2018-01-11 株式会社日立製作所 溶接監視システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018001184A (ja) * 2016-06-28 2018-01-11 株式会社日立製作所 溶接監視システム

Also Published As

Publication number Publication date
KR102376216B1 (ko) 2022-03-22

Similar Documents

Publication Publication Date Title
CN113172307A (zh) 一种基于激光与可见光融合的视觉模块的工业机器人系统
US11147200B2 (en) Nozzle performance analytics
US9839972B2 (en) Method for monitoring and controlling a quality of spot welds
KR102025100B1 (ko) 로봇 동작 모니터링 시스템 및 그 방법
US6035243A (en) System for handling defects produced during the automated assembly of palletized elements
KR102213712B1 (ko) 스마트공장 적용을 위한 실시간 용접 모니터링 시스템
JP2020131290A (ja) 溶接及び切断におけるパターン認識及びデータ分析を提供するシステム及び方法
CN111014892B (zh) 一种焊缝轨迹监控系统
US10379531B2 (en) Test system for performing machine test
CN110303491A (zh) 动作历史管理系统
US5475797A (en) Menu driven system for controlling automated assembly of palletized elements
CN111152221A (zh) 一种焊接机器人控制系统及其控制方法
CN116824731A (zh) 一种火电厂智能巡检方法和设备
KR20220019135A (ko) 머신러닝을 이용한 자율공정 기반의 용접 모니터링 시스템 및 그 방법
CN112276371A (zh) 一种切割头随动控制系统及方法
TWI739264B (zh) 焊接機器人控制系統及其控制方法
CN217562633U (zh) 电池pack产线换型系统及电池pack产线
WO2023218651A1 (ja) 映像関連情報決定装置、及びコンピュータが読み取り可能な記憶媒体
WO2024070189A1 (ja) 要因分析装置及び要因分析方法
US20230015734A1 (en) A method and system for robotic welding
JP2023061447A (ja) 作業監視装置及び作業監視方法
JP6927421B2 (ja) 異常判定装置、異常判定システム及び異常判定方法
WO2022190584A1 (ja) 情報処理装置、方法およびプログラム
CN117884818A (zh) 一种具有精准定位功能的焊接机器人
CN116372957A (zh) 一种基于装配机械手的自动装配的安全控制方法及系统

Legal Events

Date Code Title Description
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant