KR20230101028A - 지능형 디지털 금속 부품, 제조방법 및 이를 포함하는 인공 지능 시스템 - Google Patents

Abstract

본 발명은 금속 부품에 데이터 수집을 위한 센서가 내장된 지능형 디지털 금속 부품과 이의 제조방법을 제안한다. 본 발명의 지능형 디지털 금속 부품은, 금속분말이 적층되는 제1 금속층과, 상기 제1 금속층에 형성된 센서 장착공간 및 체결 홀들, 상기 센서 장착공간에 내장된 센서, 상기 센서 장착공간의 상부를 밀폐하는 보호층, 상기 제1 금속층 및 상기 보호층 위에 금속분말이 적층되는 제2 금속층을 포함하여 구성된다. 그리고 본 발명은 지능형 디지털 금속 부품의 센서가 감지한 센서 데이터를 분석하여 그 지능형 디지털 금속 부품의 체결상태나 외부에서 충격을 가하는 물체의 유형 등을 모니터링 할 수 있는 인공 지능 시스템을 더 제공한다.

Description

지능형 디지털 금속 부품, 제조방법 및 이를 포함하는 인공 지능 시스템{Intelligent digital metal parts and manufacturing method thereof, Artificial intelligence system including the same}

본 발명은 금속 부품에 데이터 수집을 위한 센서(sensor)가 내장된 지능형 디지털 금속 부품과 이의 제조방법, 그리고 센서로부터 수집되는 실시간 데이터를 기반으로 금속 부품의 체결상태나 금속부품에 가해지는 외부 충격 물체의 유형 등을 진단하고 모니터링 할 수 있도록 하는 인공 지능 시스템에 관한 것이다.

4차 산업혁명은 기존의 제조공정만으로 확립할 수 없었던 다양한 기술을 개발하는 것이라 할 수 있는데, 예를 들면 인공지능과 IoT(Internet of Things) 기술은 실시간 원격 모니터링을 접목하여 스마트 공장, 자율주행차, 무인 항공기 등의 지능형 제조기술에 중요한 부분일 수 있다. 또 근래의 다양한 인공 신경망 기술로 인한 AI(Artificial intelligence) 기술은 각종 기계 장치의 상태를 결정하고 예측하는데 이용되고 있다.

다만 기계 시스템이나 공장의 물리적 환경에서는 의미 있는 빅데이터를 수집하기 어렵기 때문에 제조 분야에 AI 기술을 접목하는 연구는 많이 부족한 실정이다. 그럼에도 제조 시스템의 효율성을 위하여 기존의 각종 시스템 및 공장 등에 센서와 반도체를 결합하여 AI 기술을 적용하기 위한 다양한 연구가 진행되고 있다. 예를 들면 정유 시스템의 펌프 성능 저하로 인해 정유 효율이 저하되는 것을 방지하도록 펌프 표면에 진동 센서를 부착하고, 진동 센서가 수집한 데이터와 AI 기술을 활용하여 펌프 및 펌프의 구성 부품의 교체 시기를 예측할 수 있다. 기존에는 단지 경험이나 정해진 펌프 수명을 기반으로 펌프 등의 부품을 교체하였기 때문에, 기존과 비교하면 효율적으로 기계부품의 상태를 정확하게 모니터링할 수 있고 그 결과에 따라 기계부품을 적정 시기에 교체할 수 있게 되었다.

그러나, 종래에 기계 시스템에 센서를 부착하는 경우 시스템 및 센서가 외부 환경에 노출되는 것에 의해 쉽게 열화 된다는 점을 고려하면 다음과 같은 몇몇 문제점이 존재한다.

즉, 센서 자체가 기계 시스템의 성능에 부정적인 영향을 미칠 수 있다.

또 금속부품의 움직임 또는 외부 환경에 의하여 센서가 쉽게 이탈되거나 손상되기 때문에 다양한 환경에 적용하거나 이를 적절하게 사용하는 데 어려움이 있었다.

그리고 금속부품에 센서를 설치할 경우 센서는 대부분 박막 형상의 센서를 사용해야 하기 때문에 센서의 제조비용 증가는 물론 설치할 금속부품의 형상 등에 따라 제조할 센서 형상 등이 많은 제약이 있을 수 있다.

한국공개특허공보 제2012-0138541호(2012.12.26)

따라서 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은 센서가 각종 기기 등의 표면에 장착될 경우 발생하는 각종 외부적인 영향을 최소하거나 제거할 수 있도록 부품 내부에 센서가 장착되는 지능형 디지털 금속 부품을 제공하는 것이다.

본 발명의 다른 목적은, 내부에 센서가 장착되는 디지털 금속 부품을 제조하는 방법을 제공하는 것이다.

본 발명의 또 다른 목적은, 금속 부품의 체결 상태나 그 금속 부품에 가해지는 외부 충격 물체의 유형 등을 모니터링하고 판단할 수 있는 인공 지능 시스템을 제공하는 것이다.

본 발명의 기술적 과제들은 이상에서 언급한 기술적 과제로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.

이와 같은 목적을 달성하기 위한 본 발명의 일 실시 예에 따른 지능형 디지털 금속 부품은, 금속분말이 적층되는 제1 금속층; 상기 제1 금속층에 형성된 센서 장착공간 및 체결 홀들; 상기 센서 장착공간에 내장된 센서; 상기 센서 장착공간의 상부를 밀폐하는 보호층; 상기 제1 금속층 및 상기 보호층 위에 금속분말이 적층되는 제2 금속층을 포함하여 구성되는 것을 특징으로 한다.

상기 제1 금속층 및 제2 금속층은, 레이저 분말 베드 융해(L-PBF) 공정에 의해 금속분말을 적층하여 성형한다.

상기 보호층은 상기 제1 금속층 및 제2 금속층과 동일한 재질로 제조된다.

상기 센서 장착공간은, 상기 지능형 디지털 금속 부품을 대상으로 한 인장시험, FEM 분석시험, 미세 구조 분석시험 중 적어도 하나의 시험을 통해 가장 안정성이 확보된 영역에 형성된다.

상기 센서 장착공간은 둘 이상일 수 있고, 상기 센서는 상기 센서 장착공간마다 동일한 센서 또는 상이한 센서가 내장된다.

상기 제1 금속층과 제2 금속층 중 적어도 하나의 금속층 표면에는 돌기가 성형된다.

상기 지능형 디지털 금속 부품은, 상기 제1 금속층 및 제2 금속층으로 이루어진 제1 몸체 및 제2 몸체를 포함하는 T자 형상의 몸체이고, 상기 센서 장착공간은 상기 제1 몸체의 중앙부분에 형성되고, 상기 센서 장착공간에 상기 센서가 내장된다.

본 발명의 다른 특징에 따른 지능형 디지털 금속 부품의 제조방법은, 금속분말을 반복 도포하면서 소정 부위에 센서 장착공간이 성형되는 제1 금속층을 형성하는 단계; 상기 센서 장착공간에 센서를 장착하는 단계; 상기 센서 장착공간 상부를 미리 준비된 보호층으로 덮는 단계; 및 상기 제1 금속층과 보호층의 상면에 금속분말을 반복 도포하여 제2 금속층을 형성하는 단계를 포함하여 실시하는 것을 특징으로 한다.

상기 제1 금속층 및 제2 금속층은, 레이저 분말 베드 융해(L-PBF) 공정에 의해 금속분말을 적층하여 형성된다.

본 발명의 또 다른 특징에 따른 인공 지능 시스템은, 상기한 지능형 디지털 금속 부품에 내장된 센서가 감지한 센서 데이터를 분석하여 상기 지능형 디지털 금속 부품의 상태를 모니터링 하는 인공 지능 시스템이고, 데이터 전처리를 위한 전처리 모듈; 전처리 된 전처리 데이터를 학습하는 학습 모듈; 및 학습된 데이터를 출력하는 출력 모듈을 포함하여 구성되는 것을 특징으로 한다.

상기 전처리 모듈은, 상기 센서 데이터(raw data)를 입력받는 데이터 입력부; 상기 센서 데이터를 고속 푸리에 변환(FFT)하여 주파수 영역으로 변환하는 제1 변환부; 주파수 영역으로 변환된 데이터를 기계 학습을 위한 데이터로 변환하는 제2 변환부를 포함하고, 상기 제2 변환부는, half cut 프로세서 및 스펙트로그램을 포함하며, 상기 센서 데이터를 10*5 이미지 크기의 스펙트로그램으로 소정 시간마다 생성하여 상기 학습모듈로 제공한다.

상기 학습 모듈은, 6개의 컨볼루션 레이어; 1개의 전환 레이어(transition layer); 1개의 풀리 커넥티드 레이어; 및 1개의 소프트맥스(softmax) 함수부를 포함하는 CNN 학습 모델이고, 상기 10*5 이미지 크기를 2*2 이미지로 변환하여 출력한다.

상기 출력 모듈은, 3D 시각화 t-SNE 그래프로 분류하여 표현한다.

이와 같은 본 발명에 따르면, 소정 형상의 부품이나 기기 등에 각종 계측 값을 감지할 수 있는 센서를 용이하게 내장할 수 있어, 부품이나 기기 표면에 박막 형상의 센서를 장착한 종래 기술에서 초래되었던 여러 문제점들을 해결하는 지능형 디지털 금속 부품을 제공하는 효과가 있다.

본 발명에 따르면, CNN 학습 모델을 통해 지능형 디지털 금속 부품의 센서 데이터를 분석하고 있어, 일련의 장치나 시스템 등에 장착되는 지능형 디지털 금속 부품의 체결 상태나 외부 충격 요인 등을 쉽게 모니터링 할 수 있는 효과도 있다. 따라서 센서가 부착된 장치나 시스템의 성능에 부정적인 영향을 전혀 주지 않고서도 금속 부품은 물론 금속 부품이 장착된 장치나 시스템의 점검, 수리 여부, 교체 시기 등을 쉽게 판단할 수 있는 효과를 기대할 수 있다.

도 1은 본 발명의 실시 예에 따른 지능형 디지털 금속 부품의 사시도이다.
도 2는 도 1의 평면도이다.
도 3은 본 발명에 따른 센서 장착공간의 일부 확대 도면이다.
도 4는 본 발명의 실시 예에 따른 지능형 디지털 금속 부품의 제조 공정을 보인 공정도면이다.
도 5는 본 발명의 금속 부품에서 센서 장착공간을 형성하기 위하여 시험에 사용된 시험대상 금속 부품 도면이다.
도 6은 도 5의 시험대상 금속 부품의 인장시험 결과를 나타낸 도면이다.
도 7은 도 5의 시험대상 금속 부품의 FEM(finite element method) 분석 결과를 나타낸 도면이다.
도 8은 도 5의 시험대상 금속 부품의 미세 구조를 분석한 결과 그래프이다.
도 9은 본 발명의 지능형 금속 부품의 상태를 판단하는 인공지능 시스템의 구성도이다.
도 10은 도 9의 CNN 학습 모델의 구체적인 구성도이다.
도 11 및 도 12는 금속 부품의 나사 체결 상태 및 이의 테스트 결과를 나타낸 도면이다.
도 13 및 도 14는 금속 부품에 가해지는 외부 물체의 종류를 보여준 예시 도면 및 이의 테스트 결과를 나타낸 도면이다.

본 발명은 다양한 변환을 가할 수 있고 여러 가지 실시 예를 가질 수 있는 바, 특정 실시 예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 본 발명을 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 본 발명의 요지를 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.

제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.

본 발명에서 사용한 용어는 단지 특정한 실시 예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

공간적으로 상대적인 용어인 아래(below, beneath, lower), 위(above, upper) 등은 도면에 도시되어 있는 바와 같이 하나의 소자 또는 구성 요소들과 다른 소자 또는 구성 요소들과의 상관 관계를 용이하게 기술하기 위해 사용될 수 있다. 공간적으로 상대적인 용어는 도면에 도시되어 있는 방향에 더하여 사용시 또는 동작시 소자의 서로 다른 방향을 포함하는 용어로 이해되어야 한다. 예를 들면, 도면에 도시되어 있는 소자를 뒤집을 경우, 다른 소자의 아래(below, beneath)로 기술된 소자는 다른 소자의 위(above, upper)에 놓여질 수 있다. 따라서, 예시적인 용어인 아래는 아래와 위의 방향을 모두 포함할 수 있다. 소자는 다른 방향으로도 배향될 수 있고, 이에 따라 공간적으로 상대적인 용어들은 배향에 따라 해석될 수 있다.

본 발명에서 사용되는 “부” 또는 “부분” 등의 일부분을 나타내는 표현은 해당 구성요소가 특정 기능을 포함할 수 있는 장치, 특정 기능을 포함할 수 있는 소프트웨어, 또는 특정 기능을 포함할 수 있는 장치 및 소프트웨어의 결합을 나타낼 수 있음을 의미하나, 꼭 표현된 기능에 한정된다고 할 수는 없으며, 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.

또한, 본 발명에서 사용되는 모든 전기 신호들은 일 예시로서, 본 발명의 회로에 반전기 등을 추가적으로 구비하는 경우 이하 설명될 모든 전기 신호들의 부호가 반대로 바뀔 수 있음을 유의해야 한다. 따라서, 본 발명의 권리범위는 신호의 방향에 한정되지 않는다.

따라서, 본 발명의 사상은 설명된 실시 예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.

본 발명은 금속 기반의 각종 부품에 센서를 내장하고, 센서가 수집하는 데이터를 기반으로 각 부품의 상태를 모니터링하고 진단하는 것으로, 이하에서는 도면에 도시한 실시 예에 기초하면서 본 발명에 대하여 더욱 상세하게 설명하기로 한다.

도 1은 본 발명의 실시 예에 따른 지능형 디지털 금속 부품의 사시도, 도 2는 도 1의 평면도이다. 본 실시 예에 따르면 금속 부품은 'T' 자 형상의 금속 부품을 예를 들지만, 본 발명에 적용되는 금속 부품의 형상은 이에 국한되지 않는다.

도 1 및 도 2에 도시한 바와 같이 지능형 디지털 금속 부품(이하, '금속 부품'이라 칭하기도 함)은 제1 몸체(110a)와 상기 제1 몸체(110a)의 일단에서 직교하게 교차하는 제2 몸체(110b)로 이루어진 T자 형상의 몸체(110)로 구성된다. 그리고 상기 제 1몸체(110a)와 제 2몸체(110b)에는 나사 등과 같은 체결 수단이 체결되도록 다수의 기능형 체결 홀(111a ~ 111e)이 형성된다. 상기 체결 홀(111a ~ 111e)의 형상은 모두 상이하게 구성될 수 있다. 예컨대, 제1 몸체(110a)의 길이방향을 따라 길게 형성된 장공 형상으로 형성되거나, 대략 원형 형상으로 형성될 수 있다.

그리고 원형 형상의 체결 홀도 그 직경은 같거나 다를 수 있다. 즉 체결 홀(111a ~ 111e)의 형상은 금속 부품의 전체적인 형상에 따라 다양하게 변경 가능할 것이다. 그리고 금속 부품의 체결 방식은 체결 홀(111a ~ 111e)에 적정한 나사를 임시로 체결하며 특히 장공 형상의 체결 홀에 나사가 임시로 체결된 상태에서 금속 부품을 수평 이동시키면서 체결 위치를 결정한 다음에 나사를 완전하게 체결하면, 대상 물체의 원하는 위치에 금속 부품을 견고하게 장착할 수 있게 된다.

도 1에서 보듯이 금속 부품의 표면에는 미세 돌기(112)가 형성될 수 있다. 미세 돌기(112)들은 금속 부품의 표면을 본드나 시멘트를 사용하여 다른 재료 또는 물체에 접합해야 하는 경우 접합 표면적을 넓혀주어 접합 성능을 향상시켜줄 수 있다.

도 1 및 도 2를 보면, 본 발명의 금속 부품은 센서(120)를 포함한다. 센서(120)는 그 센서가 장착된 금속 부품의 상태를 모니터링하고 진단할 수 있도록 하기 위함이다. 도면에서 센서(120)는 금속 부품의 제1 몸체(110a)의 내부에 구비됨을 나타낸다. 구체적으로 보면 제1 몸체(110a)의 소정 영역에 센서 장착공간(115)이 마련되고, 상기 센서 장착공간(115)에 센서(120)가 설치된다. 즉 본 발명에 따르면 일반적으로 금속 부품의 구조체 표면에 센서가 장착되는 것이 아니고 금속 부품의 내부에 센서(120)가 장착되는 것이다. 그래서 본 발명은 센서가 표면에 장착되어 외부 환경에 그대로 노출될 경우 외부 환경 요인에 의해 손실되거나 열화되는 문제 등을 완전하게 제거할 수 있는 이점이 있는 것이다. 또 센서를 박막 형태로 제조할 필요도 없기 때문에, 센서 제조에 필요한 시간 및 비용을 절감할 수 있다.

본 실시 예에서 센서(120)는 스트레인 게이지(strain gage)일 수 있다. 그러나 센서(120)는 스트레인 게이지로 한정되지 않고 이 외에도 물리량 계측 등을 위한 다른 종류의 센서가 얼마든지 제공될 수 있다. 또 필요에 따라 금속 부품의 몸체에 둘 이상의 센서 장착공간을 마련할 수 있고, 각 센서 장착공간에 동일한 센서 또는 상이한 센서를 구비하는 것도 가능할 것이다.

도 3은 본 발명에 따른 센서 장착공간의 일부 확대 도면이다. 이에 도시한 바와 같이 금속 부품을 형성하는 몸체(110)에는 센서 장착공간(115)이 형성된다. 그리고 센서 장착공간(115) 내에 센서(120)가 설치되고, 센서(120)는 금속 부품의 변형 정도 등을 측정하기 위한 센서로서, 스트레인 게이지 센서일 수 있다.

그리고 금속 부품의 몸체(110)는 금속 분말이 적층되는 금속층으로 형성된다. 실시 예는 선택적 레이저 용융(SLM: Selective Laser Melting) 방식에 의한 적층 가공방식이 사용되어 금속 부품을 제조하고 있다. 도면부호 116이 SLM 방식으로 형성된 부분이라 할 수 있고, 제조공정에서는 제1 금속층(116a)과 제2 금속층(116b)이 공정 순서에 의해 순서대로 형성된다. 제조공정은 아래에서 상세하게 살펴볼 것이다.

그리고 센서(120)의 상단에는 보호층(protective layer)(130)이 형성된다. 보호층(130)은 센서(120)를 보호함은 물론, 금속 부품의 성형 중간이나 성형이 완료된 후 센서 장착공간의 상측에서 금속분말이 붕괴되지 않도록 하는 기능이다. 상기 보호층(130)의 재질은 금속 분말(즉 제1 금속층 및 제2 금속층)과 동일한 소재의 금속일 수 있고, 레이저 조사에 의해 금속 분말과 함께 용융되게 하여 일체화되도록 한다. 그러나 금속 분말과 용융이 적절하게 수행될 수 있는 다른 재질이 사용될 수도 있을 것이다.

본 발명의 금속 부품은 SLM 공정에 의해 성형, 제조된다. 상기 SLM 공정은 도면에는 도시하지 않고 있지만 다음과 같은 순서대로 진행될 수 있다.

리코터(recoater)에 의해 빌드 플레이트에 금속분말을 도포하여 얇은 금속 층을 반복적으로 적층한다. 그리고 적층은 성형하고자 하는 금속 부품의 형상(높이)이 형성될 때까지 반복 수행된다. 이러한 SLM 공정에 의해 도 1 등에 도시한 금속 부품을 성형할 수 있는 것이다. 도 1의 금속 부품은 앞서 설명한 바와 같이 센서 장착공간(115)과 체결 홀(111)들이 형성된 상태일 수 있다.

다음에는 SLM 공정에 의해 만들어진 금속 부품에 센서를 장착하여 지능형 디지털 금속 부품을 제조하는 과정을 살펴본다.

도 4는 본 발명의 실시 예에 따른 지능형 디지털 금속 부품의 제조 공정을 보인 공정도면이다. 도 4는 3D 프린트 공정인 레이저 분말 베드 융해(L-PBF: laser powder bed fusion)에 의해 성형된 금속 부품에 센서를 장착하여 지능형 금속 부품을 제조하는 과정이다.

도 4에서 (a)는 센서 장착공간(115)이 형성된 금속 부품의 몸체를 제조한다. 금속 부품에서 센서 장착공간(115)의 형성 위치를 결정하는 방법은 아래에서 상세하게 설명하기로 한다. 상기 (a) 공정은 센서를 장착할 수 있을 만큼의 충분한 높이로 센서 장착공간(115)이 형성되기까지 금속 분말을 반복 인쇄하는 공정을 포함할 수 있다. 이때 금속 부품에는 센서의 와이어가 배선될 수 있도록 측면에 홀이 함께 형성되어야 할 것이다.

그리고 (b)와 같이 센서 장착공간(115)에 센서(120)를 장착한다. 여기서 상기 (b) 공정에서 센서 장착공간(115)이 형성되지 않았다면, 센서 장착공간(115)의 금속분말을 제거하는 공정이 수반될 수 있다.

그리고 (c)와 같이 센서(120) 상부에 미리 준비된 보호층(130)을 덮는다. 보호층(130)은 센서 장착공간(115)의 상부만 덮을 수 있도록 적정 크기로 미리 제조되며, 특히 보호층(130)은 레이저 가공에 의한 센서(120)의 열화를 방지하는 역할을 하다.

그런 다음 (d)와 같이 레이저를 조사하여 몸체(110)와 보호층(130)을 일체화한다. 이러한 L-PBF 공정에 의해 (e)와 같이 물리적 변형 데이터를 측정할 수 있는 센서가 내장된 지능형 디지털 금속 부품를 제조할 수 있다.

한편 본 발명에 따른 지능형 디지털 금속 부품의 제조공정은 다음 방법으로도 실시할 수 있다.

구체적으로 설명하면, 리코터(recoater)를 사용하여 빌드 플레이트에 금속분말을 도포하여 금속층을 반복적으로 적층하여 제1 금속층(116a, 도 3)을 형성한다. 이때 제1 금속층(116a)을 형성할 때 센서(120)가 내장될 센서 내장공간(115) 및 체결 홀(111) 들도 함께 형성된다. 그런 다음, 상기 센서 내장공간(115)에 물리량 계측을 위한 센서(120)를 삽입 설치하고, 센서 내장 공간(115) 상부는 미리 준비된 보호층(130)으로 덮는다. 이후 제1 금속층(116a)과 보호층(130) 위에 다시 금속층을 반복적으로 적층하여 제2 금속층(116b, 도 3)을 형성한다.

이렇게 제1 금속층(116a)과 제2 금속층(116b)를 순서대로 성형하는 공정으로 센서가 내장된 금속부품의 제조가 가능하다.

다음은 지능형 디지털 금속 부품에서 센서가 장착될 센서 장착 공간을 결정하는 과정에 대해 설명한다.

본 발명은 금속 부품에 외력이 가해질 때 여러 가지 특성이 가장 적은 위치에 센서를 장착할 필요가 있다. 이를 위해 본 발명은 금속 부품과 형상이 동일한 시료를 먼저 성형하고, 이를 대상으로 다양한 시험을 실시하였다.

도 5는 본 발명의 금속 부품에서 센서 장착공간을 형성하기 위하여 시험에 사용된 시험대상 금속 부품 도면이다.

도 5의 (a) 및 (b)를 보면, 시험대상 금속 부품의 T자형 제1 몸체에서 센서 장착공간의 후보 위치인 Part 1 ~ Part 3을 선정하였다. Part 1 및 Part 3은 제1 몸체의 중앙에서 상부 및 하부 방향의 체결 홀 근방이고, Part 2는 체결 홀이 형성되지 않은 제1 몸체의 중앙부분이다. 구체적으로 Part 1은 센서 장착공간 위의 15mm 부분, Part 2는 센서 장착공간, Part 3은 센서 장착공간 아래의 17mm 부분일 수 있다. 여기서 센서 장착공간은 아래에서 설명하는 각종 시험 결과에 의해 결정되는 위치가 되는 것인데, 즉, Part 2 위치가 Part 1 및 Part 3 위치보다 센서 장착공간으로 더 최적으로 판단되었다고 할 수 있다.

도 6은 도 5의 시험대상 금속 부품의 인장시험 결과를 나타낸 도면이다.

인장 시험은 상기 시험대상 금속 부품이 파단일 발생할 때까지 장력을 가하여 실시하였다. 이같이 장력을 가하게 되면 도 6에서 확인할 수 있는 것처럼 시험대상 금속 부품의 거의 중앙부에 해당하는 Part 2를 제외하고 상부와 하부에 위치한 Part 1과 Part 3에서 상대적으로 파손 가능성이 높은 것으로 나타난다.

DIC(Digital image correlation) 인장시험에서 Part 1은 파단이 발생할 때까지 국부적 변형을 보였고 Part 3의 경우도 Part 1에 비해 작기는 하지만 변형이 나타났다. 하지만 Part 2는 상대적으로 거의 변형 없이 최초 상태를 유지하고 있음을 확인할 수 있었다.

도 7은 도 5의 시험대상 금속 부품의 FEM(finite element method) 분석 결과를 나타낸 도면이다.

도 7a에 도시한 바와 같이 두 개의 라인(line 1, line 2)을 대상으로 FEM 분석을 실험하였고, 도 7b의 실험 결과를 보면, Part 2 부위(sensor embedded region)의 균등 변형 정도가 0.01 미만으로, Part 1 및 Part 3 대비 양호함을 알 수 있다.

도 8은 도 5의 시험대상 금속 부품의 미세 구조를 분석한 결과 그래프이다. 미세 구조 분석을 위해 전계 방출 주사 전자 현미경(SEM)을 사용하여 전자 역산란 회절법(EBSD: electron backscatter diffraction)과 ECCI(electron channeling contrast imaging) 분석을 수행하여, Part 1, Part 2, Part 3의 방향각들을 각각 비교하였다.

실험 결과는 도 8의 (a), (b), (c)에서 볼 수 있는 것처럼 Part 1(a 도면)과 Part 3(c 도면)에서 방향각 오차가 60°인 반면 Part 2(b 도면)에서는 방향각 오차가 상대적으로 미미한 것으로 나타났다.

이처럼 본 발명은 상기한 실험들을 통해 실질적으로 안정성이 확인된 시험대상 금속 부품의 Part 2를 센서(120)가 장착될 장착 공간으로 결정하여, 지능형 디지털 금속 부품을 제조하는 것이다.

도 9은 본 발명의 지능형 금속 부품의 상태를 판단하는 인공지능 시스템의 구성도이다. 인공지능 시스템(200)은 지능형 디지털 금속 부품으로부터 센서 데이터를 수집하고, 수집된 센서 데이터를 근거로 상기 지능형 디지털 금속 부품의 상태를 정확하게 판단할 수 있도록 하는 것이다.

도시한 바와 같이 인공지능 시스템(200)은 데이터 전처리를 위한 전처리 모듈(210), 학습 모듈(220) 및 3D 시각화 t-SNE 그래프로 분류하여 시각화된 영상 데이터로 학습 결과를 출력하는 출력 모듈(230)을 포함한다.

전처리 모듈(210)은, 지능형 디지털 금속 부품에 장착된 센서(120)로부터 센서 데이터, 즉 원시 데이터(raw data)가 입력되는 데이터 입력부(211), 입력된 원시 데이터를 고속 푸리에 변환(FFT)하여 주파수 영역으로 변환하는 제1 변환부(212), 주파수 영역으로 변환된 데이터를 기계 학습을 위한 데이터로 변환하는 제2 변환부(213)를 포함할 수 있다. 여기서 제1 변환부(212)의 FFT 알고리즘은 이산 입력 신호를 주파수로 분해하는 이산 푸리에 변환(DFT) 방식일 수 있다. 이산 푸리에 변환(DFT)는 다음 식으로 정의할 수 있다.

그리고 제2 변환부(213)는, half cut(213a) 및 스펙트로그램(spectrogram)(213b)을 포함한다. 상기 스펙트로그램(213b)은, 원시 데이터를 하프 컷 프로세서를 통해 10*5 이미지 크기의 스펙트로그램으로 6초마다 생성하여 후단의 학습모듈(220)의 입력데이터로 입력한다.

본 발명에서 상기 전처리 모듈(210)을 적용하는 이유는, 센서(120)가 수집한 원시 데이터는 기계학습, 즉 CNN 모델(Convolution Neural Network Model)을 사용하여 학습하는 것이 어렵기 때문이다.

도 9에서 학습 모듈(220)은, CNN 학습 모델이 사용될 수 있다. 본 실시 예의 CNN 학습 모델(220)은 컨볼루션 레이어(convolution layer)(221), 전환 레이어(transition layer)(222), 풀리 커넥티드 레이어(fully connected layer)(223) 및 소프트맥스(softmax) 함수부(224)를 포함한다. 이러한 구성을 가지는 CNN 학습 모델(220)은, 지능형 디지털 금속 부품에 내장된 센서(120)가 감지하는 센서 데이터를 학습하여 지능형 디지털 금속 부품의 현재 상태, 예를 들면 나사의 미 체결 상태나 느슨하게 체결된 나사의 위치를 알 수 있고, 또한 외부 충격 물체의 유형도 알 수 있다.

도 10은 도 9의 CNN 학습 모델의 구체적인 구성도이다. 본 실시 예에 적용된 CNN 학습 모델(220)은 6개의 컨볼루션 레이어, 1개의 전환 레이어, 풀리 커넥티드 레이어 및 소프트 맥스 레이어를 포함하는 DenseNet를 기반으로 한다. 그리고 각 컨볼루션 레이어는 ReLU(Rectified Linear Unit) 함수를 포함하고, CNN 학습 모델의 중간에 전환 레이어를 배치하여 너비, 수직크기 및 특징 맵의 개수를 감소한다.

도 10을 보면, 10*5의 이미지는 컨볼루션 레이어와 전환 레이어를 거치면서 최종적으로 2*2 이미지로 변환되고, 풀리 커넥티드 레이어와 소프트 맥스 레이어를 통해 금속 부품의 상태는 분류된다.

도 11 및 도 12는 금속 부품의 나사 체결 상태 및 이의 테스트 결과를 나타낸 도면이다. 도 11과 같이 (a)는 모드 나사가 완전하게 고정된 정상상태(Normal state), (b)는 도면을 기준으로 모든 나사가 느슨한 상태(Abnormal state 1), (c)는 도면을 기준으로 왼쪽 나사가 없는 상태(Abnormal state 2), (d)는 왼쪽 나사가 느슨하게 체결되고 오른쪽 나사는 없는 상태(Abnormal state 3)를 기준으로 테스트를 실시하였다.

테스트는 전처리 모듈(210), 학습 모듈(220), 그리고 출력 모듈(230)의 프로세스를 통해 수행하였고, 테스트 결과는 도 12와 같이 t-SNE 3D plot으로 표현된다. 이를 통해 사용자는 금속 부품의 체결 상태 등을 쉽게 확인할 수 있다.

다른 예로 금속 부품에 충격을 가하는 물체를 인식하는 것도 가능하다. 도 13은 금속 부품에 가해지는 외부 물체의 종류를 보여준 도면이다. 이를 보면, (a)는 손(hand), (b)는 망치(hammer), (c)는 스패너(spanner)를 이용하여 금속 부품에 충격을 가하는 예를 나타내고 있다.

테스트는 전처리 모듈(210), 학습 모듈(220), 그리고 출력 모듈(230)의 프로세스를 통해 수행하였고, 테스트 결과는 도 14와 같이 t-SNE 3D plot으로 나타낼 수 있다. 도 14를 보면, 금속 부품에 가해지는 물체 유형에 따라 다르게 표현되고 있어, 이 역시 사용자는 금속 부품에 가해지는 물체 유형을 쉽게 확인할 수 있다.

이와 같이 본 발명은 금속 부품 내부에 L-PBF(Laser Powder Bed Fusion) 기술을 이용하여 센서를 내장하고, 그 센서로부터 실시간으로 수집된 센서 데이터를 FFT(Fast Fourier Transform) 및 영상 처리를 수행한 후 CNN 학습 모델에서 학습하도록 하였다. 그리고 CNN 학습 모델의 학습 결과에 의해 금속 부품의 상태나 오작동을 진단하고 예측할 수 있도록 하였고, 학습 결과는 t-stochastic Neighbor Embedding(t-SNE)로 표현하고 있다.

이상과 같이 본 발명의 도시된 실시 예를 참고하여 설명하고 있으나, 이는 예시적인 것들에 불과하며, 본 발명이 속하는 기술 분야의 통상의 지식을 가진 자라면 본 발명의 요지 및 범위에 벗어나지 않으면서도 다양한 변형, 변경 및 균등한 타 실시 예들이 가능하다는 것을 명백하게 알 수 있을 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적인 사상에 의해 정해져야 할 것이다.

110, 116: 몸체
110a: 제1 몸체
110b: 제2 몸체
111a ~ 111d: 체결 홀
112: 미세 돌기
115: 센서 장착공간
116a: 제1 금속층
116b: 제2 금속층
120: 센서
130: 보호층
200: 인공 지능 시스템
210: 전처리 모듈
211: 데이터 입력부
212; 제1 변환부
213: 제2 변환부
220: 학습 모듈
230: 출력 모듈

Claims (13)

1. 금속분말이 적층되는 제1 금속층;
   상기 제1 금속층에 형성된 센서 장착공간 및 체결 홀들;
   상기 센서 장착공간에 내장된 센서;
   상기 센서 장착공간의 상부를 밀폐하는 보호층;
   상기 제1 금속층 및 상기 보호층 위에 금속분말이 적층되는 제2 금속층을 포함하여 구성되는 것을 특징으로 하는, 지능형 디지털 금속 부품.
2. 제 1 항에 있어서,
   상기 제1 금속층 및 제2 금속층은,
   레이저 분말 베드 융해(L-PBF) 공정에 의해 금속분말을 적층하여 성형하는, 지능형 디지털 금속 부품.
3. 제 1 항에 있어서,
   상기 보호층은 상기 제1 금속층 및 제2 금속층과 동일한 재질로 제조되는, 지능형 디지털 금속 부품.
4. 제 1 항에 있어서,
   상기 센서 장착공간은,
   상기 지능형 디지털 금속 부품을 대상으로 한 인장시험, FEM 분석시험, 미세 구조 분석시험 중 적어도 하나의 시험을 통해 가장 안정성이 확보된 영역에 형성되는, 지능형 디지털 금속 부품.
5. 제 1 항에 있어서,
   상기 센서 장착공간은 둘 이상일 수 있고,
   상기 센서는 상기 센서 장착공간마다 동일한 센서 또는 상이한 센서가 내장되는, 지능형 디지털 금속 부품.
6. 제 1 항에 있어서,
   상기 제1 금속층과 제2 금속층 중 적어도 하나의 금속층 표면에는 돌기가 성형되는, 지능형 디지털 금속 부품.
7. 제 1 항에 있어서,
   상기 지능형 디지털 금속 부품은,
   상기 제1 금속층 및 제2 금속층으로 이루어진 제1 몸체 및 제2 몸체를 포함하는 T자 형상의 몸체이고,
   상기 센서 장착공간은 상기 제1 몸체의 중앙부분에 형성되고,
   상기 센서 장착공간에 상기 센서가 내장되는, 지능형 디지털 금속 부품.
8. 금속분말을 반복 도포하면서 소정 부위에 센서 장착공간이 성형되는 제1 금속층을 형성하는 단계;
   상기 센서 장착공간에 센서를 장착하는 단계;
   상기 센서 장착공간 상부를 미리 준비된 보호층으로 덮는 단계; 및
   상기 제1 금속층과 보호층의 상면에 금속분말을 반복 도포하여 제2 금속층을 형성하는 단계를 포함하여 실시하는 것을 특징으로 하는, 지능형 디지털 금속 부품의 제조방법.
9. 제 8 항에 있어서,
   상기 제1 금속층 및 제2 금속층은,
   레이저 분말 베드 융해(L-PBF) 공정에 의해 금속분말을 적층하여 형성되는, 지능형 디지털 금속 부품의 제조방법.
10. 제 1 항 내지 제 7 항 중 어느 한 항의 구성을 포함하는 지능형 디지털 금속 부품에 내장된 센서가 감지한 센서 데이터를 분석하여 상기 지능형 디지털 금속 부품의 상태를 모니터링 하는 인공 지능 시스템이고,
    상기 센서 데이터의 전처리를 위한 전처리 모듈;
    상기 전처리 모듈에 의해 전처리 된 전처리 데이터를 학습하는 학습 모듈; 및
    상기 학습 모듈에 의해 학습된 데이터를 출력하는 출력 모듈을 포함하여 구성되는 것을 특징으로 하는, 지능형 디지털 금속 부품의 상태 판단을 위한 인공 지능 시스템.
11. 제 10 항에 있어서,
    상기 전처리 모듈은,
    상기 센서 데이터(raw data)를 입력받는 데이터 입력부;
    상기 센서 데이터를 고속 푸리에 변환(FFT)하여 주파수 영역으로 변환하는 제1 변환부; 및
    주파수 영역으로 변환된 데이터를 기계 학습을 위한 데이터로 변환하는 제2 변환부를 포함하고,
    상기 제2 변환부는, half cut 프로세서 및 스펙트로그램을 포함하며,
    상기 센서 데이터를 10*5 이미지 크기의 스펙트로그램으로 소정 시간마다 생성하여 상기 학습모듈로 제공하는, 지능형 디지털 금속 부품의 상태 판단을 위한 인공 지능 시스템.
12. 제 11 항에 있어서,
    상기 학습 모듈은,
    6개의 컨볼루션 레이어;
    1개의 전환 레이어(transition layer);
    1개의 풀리 커넥티드 레이어; 및
    1개의 소프트맥스(softmax) 함수부를 포함하는 CNN 학습 모델이고,
    상기 10*5 이미지 크기를 2*2 이미지로 변환하여 출력하는, 지능형 디지털 금속 부품의 상태 판단을 위한 인공 지능 시스템.
13. 제 10 항에 있어서,
    상기 출력 모듈은,
    3D 시각화 t-SNE 그래프로 분류하여 표현하는, 지능형 디지털 금속 부품의 상태 판단을 위한 인공 지능 시스템.

Images