KR20230102445A - 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템 - Google Patents

휴먼팩터 기반의 수동용접 현장지식 자산화 시스템 Download PDF

Info

Publication number
KR20230102445A
KR20230102445A KR1020210192590A KR20210192590A KR20230102445A KR 20230102445 A KR20230102445 A KR 20230102445A KR 1020210192590 A KR1020210192590 A KR 1020210192590A KR 20210192590 A KR20210192590 A KR 20210192590A KR 20230102445 A KR20230102445 A KR 20230102445A
Authority
KR
South Korea
Prior art keywords
welding
human factor
data
field knowledge
variables
Prior art date
Application number
KR1020210192590A
Other languages
English (en)
Inventor
신상호
김맹남
Original Assignee
(주)토탈소프트뱅크
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 (주)토탈소프트뱅크 filed Critical (주)토탈소프트뱅크
Priority to KR1020210192590A priority Critical patent/KR20230102445A/ko
Publication of KR20230102445A publication Critical patent/KR20230102445A/ko

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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
    • B23K31/02—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 soldering or welding
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 실시예의 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템은, 용접작업 시에 사전 정의된 용접절차서의 정보를 이용하여, 용접자의 용접수행시 수집할 수 있는 용접관련 데이터인 휴먼팩터 데이터를 수집하기 위한 현장지식 수집 수단과,상기 휴먼팩터 데이터를 데이터 분석기를 통해 패턴을 가시화한 후, 머신러닝 기반의 공정변수 최적화 AI, 비드형상 정량화 AI 및 숙련도 분석 AI를 통해 리포트와 표준데이터를 서비스하는 현장지식 빅데이터 서비스 수단과, 상기 현장지식 빅데이터 서비스 수단에 의해 정량화 또는 패턴화된 휴먼팩터 데이터를 용접시뮬레이터 장치로 전송하여 고기량자의 현장지식이 포함된 상기 휴먼팩터 데이터를 이용하여 훈련할 수 있도록 정보를 제공하는 용접 훈련 수단과, 상기 용접 훈련 수단에 의한 용접 훈련시에 상기 휴먼팩터 데이터를 이용하여 용접가이드를 제공하고, 용접 훈련에 관련된 원격지원, 작업자관리, 모니터링 및 품질관리를 포함한 용접통합관리시스템을 서비스하는 제조현장 운영 수단을 포함한다.

Description

휴먼팩터 기반의 수동용접 현장지식 자산화 시스템 {Human factor based knowledge assessment system for manual welding technology}
본 발명은 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템에 관한 것으로서, 전문가나 높은 수준의 스킬을 보유한 작업자의 노하우와 현장지식을 수집하여 이를 정량화하고, 고기량자의 용접 기술을 다면 분석하고 지식 자산화하여 용접훈련과 제조현장에서 활용하여 미숙련자의 용접 기술 역량 향상 및 용접품질 모니터링을 위한 시스템에 관한 것이다.
조선산업의 기술경쟁력은 용접산업도 많은 역할을 하고 있는데, 최근 몇 년 동안의 경기악화로 고기량자 용접사가 다른 산업으로 이직하여, 고급 용접사에 의한 고품질의 용접이 활발히 이루어지기 어려운 상황이다.
이러한 상황에서, 고기량 용접인력의 핸드스킬과 노하우 등 작업자의 기술역량 활용을 통한 디지털 기반의 현장지식자산화 기술확보가 필요하다고 할 수 있으며, 이를 위해 고기량자의 용접자세, 행위에 대한 용접변수, 기계적 용접변수 외에도 공정이나 품질정보, 용접기설정정보, 작업장환경정보 등의 다양한 용접빅데이터를 측정 및 수집하고, 이를 이용한 훈련을 수행할 수 있다면 높은 스킬을 보유한 고기량자를 많이 확보할 수 있게 될 것이다.
(특허문헌 1) KR10-2319258 B
(특허문헌 2) KR10-2205827 B
본 발명은 높은 수준의 노하우나 스킬을 갖고 있는 전문가가 용접작업을 하는 때에 다양한 변수들을 기준으로 용접훈련에 이용할 수 있는 데이터를 수집하여 이를 패턴화 및 데이터베이스화함으로써, 저기량자가 훈련에 이용할 수 있어 보다 용이하게 용접작업의 수준을 높일 수 있는 시스템을 제안하고자 한다.
본 실시예의 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템은, 용접작업 시에 사전 정의된 용접절차서의 정보를 이용하여, 용접자의 용접수행시 수집할 수 있는 용접관련 데이터인 휴먼팩터 데이터를 수집하기 위한 현장지식 수집 수단과, 상기 휴먼팩터 데이터는 용접작업을 진행하면서 발생하는 작업각 및 진행각을 포함한 행위적 변수와, 전류, 전압, 가스 및 피딩속도의 기계적 변수와, 용접작업시 주변환경 정보로서 바람, 온도 및 습도를 포함하는 환경적 변수와, 용접작업시 상기 용접 전문가의 자세위치 및 추출을 통해 획득되는 신체적 변수와, 용접운봉을 통해 용접속도, 아크길이 및 위빙경로를 포함하는 물리적 변수를 포함하고, 상기 휴먼팩터 데이터를 데이터 분석기를 통해 패턴을 가시화한 후, 머신러닝 기반의 공정변수 최적화 AI, 비드형상 정량화 AI 및 숙련도 분석 AI를 통해 리포트와 표준데이터를 서비스하는 현장지식 빅데이터 서비스 수단과, 상기 현장지식 빅데이터 서비스 수단에 의해 정량화 또는 패턴화된 휴먼팩터 데이터를 용접시뮬레이터 장치로 전송하여 고기량자의 현장지식이 포함된 상기 휴먼팩터 데이터를 이용하여 훈련할 수 있도록 정보를 제공하는 용접 훈련 수단과, 상기 용접 훈련 수단에 의한 용접 훈련시에 상기 휴먼팩터 데이터를 이용하여 용접가이드를 제공하고, 용접 훈련에 관련된 원격지원, 작업자관리, 모니터링 및 품질관리를 포함한 용접통합관리시스템을 서비스하는 제조현장 운영 수단을 포함한다.
본 발명의 시스템에 의하면, 용접자의 고유 노하우나 사람에 의해 발생하거나 용접에 영향을 주는 다양한 요소들, 즉, 휴먼 팩터에 대한 정량화와 데이터화가 가능하여, 초심자나 저기량자들이 이를 이용한 맞춤형 훈련이 가능하다는 장점이 있다.
이를 통해 초심자나 저기량자들의 용접기술 역량을 크게 높일 수 있으며, 일자리 진입 장벽을 해소할 수 있으며, 용접 제조현장에 빠르게 숙련된 인력이 투입될 수 있는 장점이 있다.
도 1은 본 발명의 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템의 구성을 프로세스별로 보여주는 도면이다.
도 2는 본 실시예의 현장지식 수집 단계에서 휴먼팩터 기반의 현장지식을 자산화하기 위해 빅데이터를 수집하는 구성을 설명하는 도면이다.
도 3은 본 실시예의 현장지식 수집 단계에서 용접절차서의 입력과 출력의 순서와 구성에 대한 도면이다.
도 4는 본 실시예의 현장지식 수집 단계에서의 동작분석 장치의 구성과 출력의 일례를 보여주는 도면이다.
도 5는 본 실시예의 현장지식 수집 단계에서의 스마트용접기구의 구성에 대한 도면이다.
도 6은 본 실시예의 현장지식 수집 단계에서의 AR용접보안면의 구성을 설명하기 위한 도면이다.
도 7은 본 실시예의 현장지식 수집 단계에서의 아크영상캡쳐시스템의 구성과 출력의 일례를 보여주는 도면이다.
도 8은 본 실시예의 현장지식 수집 단계에서의 용접품질정보의 구성을 설명하기 위한 도면이다.
도 9는 본 실시예의 현장지식 수집 단계에서의 수집된 데이터를 모니터링하기 위한 화면을 보여주는 도면이다.
도 10은 본 실시예의 현장지식 자산 빅데이터 서비스 단계에서의 휴먼팩터 기반의 현장지식을 자산화하기 위해 빅데이터 플랫폼 서비스를 설명하는 도면이다.
도 11은 본 실시예의 용접훈련 단계에서의 휴먼팩터 기반의 현장지식을 자산화 데이터를 용접훈련에 활용하는 서비스를 설명하는 도면이다.
도 12는 본 실시예의 제조현장 운영 단계에서의 휴먼팩터 기반의 현장지식을 자산화 데이터를 제조현장에 활용하는 서비스를 설명하는 도면이다.
이하에서는, 본 실시예에 대하여 첨부되는 도면을 참조하여 상세하게 살펴보도록 한다. 다만, 본 실시예가 개시하는 사항으로부터 본 실시예가 갖는 발명의 사상의 범위가 정해질 수 있을 것이며, 본 실시예가 갖는 발명의 사상은 제안되는 실시예에 대하여 구성요소의 추가, 삭제, 변경 등의 실시변형을 포함한다고 할 것이다.
도 1은 본 발명의 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템의 구성을 프로세스별로 보여주는 도면이다.
도 1을 참조하면, 본 발명의 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템은, 용접자가 용접작업 스킬과 관련되는 정보를 수집하는 현장지식 수집 단계(100)와, 수집된 현장지식을 데이터 분석을 통한 패턴 생성과 AI 분석을 통한 빅데이터를 생성하는 현장지식 빅데이터 서비스 단계(200)와, 상기 현장지식 빅데이터 서비스에서 생성되는 휴먼팩터 데이터를 이용하여 용접 훈련이 이루어지도록 하는 용접 훈련 단계(300)와, 용접 현장에서 지속적인 데이터 관리와 훈련 관리가 이루어지는 제조현장 운영단계(400)를 포함한다.
여기서, 현장지식 수집단계의 동작을 수행하는 시스템의 구성을 현장지식 수집수단, 현장지식 빅데이터 서비스 단계의 동작을 수행하는 시스템의 구성을 현장지식 빅데이터 서비스 수단, 용접 훈련 단계의 동작을 수행하는 시스템의 구성을 용접 훈련 수단, 제조현장 운영단계의 동작을 수행하는 시스템의 구성을 제조현장 운영 수단이라고 할 수 있으며, 이하에서는 이러한 시스템 구성요소로서의 수단과, 해당 수단에 의한 프로세스가 수행되는 단계 또는 과정을 동일한 의미로 사용하여 설명하기로 한다.
상기 현장지식 수집 단계(100)는, 용접작업 시에 사전 정의된 용접절차서의 정보를 이용하여, 용접 전문가가 용접작업을 진행하면서 발생하는 작업각, 진행각 등의 행위적 변수와 전류, 전압, 가스, 피딩속도 등의 기계적 변수, 용접작업에 민감한 바람, 온도, 습도 등의 환경적 변수, 용접작업의 자세추출을 통해 작업자의 신체적 변수, 용접운봉을 통해 용접속도, 아크길이, 위빙경로 등의 물리적 변수를 하나의 데이터 셋으로 수집하는 역할을 수행한다.
여기서, 행위적 변수, 기계적 변수, 환경적 변수, 신체적 변수 및 물리적 변수를 통칭하여 휴먼팩터 데이터로 명칭할 수 있으나, 이들 변수들이 모두 반드시 사용되어야만 하는 것은 아니며, 실시예에 따라서는 이들 변수들 중 일부만을 사용하는 것도 가능하다.
상기 현장지식 빅데이터 서비스 단계(200)는, 아날로그와 디지털 형태의 대량의 휴먼팩터를 Datalake에 고속으로 입력하고, 데이터 분석기를 통해 패턴을 가시화한 후, 머신러닝 기반의 공정변수 최적화 AI, 비드형상 정량화 AI, 숙련도 분석 AI를 통해 리포트와 표준데이터를 서비스해주는 역할을 수행한다.
상기 용접 훈련 단계(300)는, 표준화된 전문가의 용접 휴먼팩터 데이터를 용접시뮬레이터로 전송하여 고기량자의 현장지식을 초심자나 저기량자가 훈련할 수 있는 단계에 해당한다.
상기 제조현장 운영단계(400)는, 환경적 변수 수집장치와 증강현실 기반의 용접시스템이 구축된 제조현장에서 표준데이터를 전송받아 용접가이드를 제공하고, 원격지원, 작업자관리, 모니터링, 품질관리 등의 용접통합관리시스템을 서비스하는 단계에 해당한다.
이하에서는, 관련되는 도면과 함께, 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템을 구성하는 각 구성에 대해서 더욱 상세하게 설명하여 본다.
도 2는 본 실시예의 현장지식 수집 단계에서 휴먼팩터 기반의 현장지식을 자산화하기 위해 빅데이터를 수집하는 구성을 설명하는 도면이다.
본 실시예에 따른 현장지식 수집 단계, 즉, 현장지식 수집 수단은 용접절차서(110)의 정보를 수신한 용접 고기량자 전문가가 일반적인 용접기와 피더를 설치한 작업환경에서 동작분석장치(120), 스마트용접기구(130) 및 아크영상캡쳐시스템(150)을 설치하여 용접절차서(110)에 정의된 용접작업을 수행하면, 신체적 변수, 기계적 변수, 행위적 변수, 환경적 변수, 물리적 변수가 수집되며, 용접작업의 결과로 나온 시편에 대한 결함정보와 VT정보의 결과를 빅데이터 플랫폼으로 전송한다.
도 3은 본 실시예의 현장지식 수집 단계에서 용접절차서의 입력과 출력의 순서와 구성에 대한 도면이다.
도 3을 참조하면, 용접절차서(WPS : Welding Procedure Specification)는 용접시공의 반복성을 보증하기 위해 실제 용접에 필요한 변수들을 상세히 제공하는 서류로서, 용접사가 어떤 방법으로 용접을 해야 할지를 명시해 놓은 지침서이다.
관리자가 관리자PC(111)에서 용접절차서(WPS)를 입력하면 WPS DB 서버(112)에 저장되며, 작업자는 AR 제어용PC(113)에서 작업해야 할 대상 용접절차서를 선택하고 AR용접보호구(114)에 작업에 대한 내용을 출력한다. 본 실시예에서 AR용접보호구(114)에 출력되는 화면에는 다음의 변수들이 포함될 수 있다.
1. 기본정보 : 사양서 번호, 일자, 개정번호, 용접방법, 용접형태(수동, 반자동, 자동, 기계)
2. 용접이음 : 루트갭, 리테이너, 백킹
3. 모재 : P-No, GrNo, 사양 및 등급, 모재 Groove/Fillet, 용착금속 Groove/Fillet, 관 직경 범위, 패스당 최대 두께
4. 용접자세 : 자세, 수직자세 진행방향
5. 예열 : 최저 예열 온도, 초대 패스간 온도, 예열 유지
6. 열처리 : 온도범위, 시간범위
7. 가스 : 차폐 가스/유량, 백킹 가스/유량, 후행 가스/유량
8. 기술사항 : 토치 직경 혹은 가스컵 크기, 콘텍트 튜브와 용접물간의 거리, 진동, 직선 혹은 위브 비드, 다극 혹은 단극, 백가우징 방법, 다중 혹은 단층, 피닝
9. 용가재 전기적 특성 : GMAW의 금속 이행 형태, 텅스텐 전극봉 형태와 크기, 플럭스 형태, 보조 용가재
10. 증번호 : Layer No., Process, 용가재, 전류, 형태, 암페어 범위, 전압 범위, 속도 범위, 크레이터 전류, 크레이터 전압, 작업각, 진행각
도 4는 본 실시예의 현장지식 수집 단계에서의 동작분석 장치의 구성과 출력의 일례를 보여주는 도면이다.
본 실시예에 따르면, 동작분석장치(120)는 전문가가 용접하고 있는 용접 작업 상황을 뎁쓰 카메라(Depth Camera)(121)로 촬영한 결과를 연결된 워크스테이션(122)에서 작업동작 영상으로 약 30frams/sec 단위로 저장하고, 각 영상의 프레임정보를 기준으로 프레임마다 신체적 변수(120-1)를 추출하여 머리 방향, 목 각도, 허리 자세, 다리 자세, 용접 팔 자세, 보조 팔 자세로 분리하여 저장한다.
이때, 신체적 변수(120-1) 데이터는 초보자가 훈련할 때 전문가의 훈련자세와 비교하기 위한 데이터로 활용되는 것으로서, 노련한 전문가의 머리방향, 허리자세, 용접 팔 자세, 목 각도, 다리 자세 및 보조 팔 자세에 관한 위치 정보와 움직임 정보 등을 포함한다.
도 5는 본 실시예의 현장지식 수집 단계에서의 스마트용접기구의 구성에 대한 도면이다.
본 실시예에 따르면, 스마트용접기구(130)는 용접시에 발생하는 기계적 변수(130-1), 행위적 변수(130-2), 환경적 변수(130-3)를 수집하기 위해 사용되는 장치이다.
상기 스마트용접기구는(130)는 용접변수 수집장치부(131), 용접기 센서부(132), 싱글케이블부(133), 리니어 인코더부(134), 용접 케이블부(135), 스마트 용접토치부(136), IIoT 센서부(137), 가스 용기부(138)로 구성된다.
일반적으로 싱글케이블은 멀티용접기와 피더를 연결하는 케이블로서 가스호스, 제어선, 외장재, 도체로 구성되며, 본 실시예에서의 싱글케이블부(133)은 제어선들 중의 하나에 2 Pair 통신 케이블을 추가하여 사용한다.
또한, 일반적으로 용접케이블은 피더와 용접토치를 연결하는 케이블로서 전원선, 가스호스, 제어선, 외장재, 도체로 구성되며, 본 실시예에서의 용접케이블부(135)는 제어선들 중 하나에 2 Pair 통신 케이블을 추가하여 사용할 수 있다.
한편, 상기 기계적 변수(130-1)는 일반적으로 사용되는 멀티용접기에 전압센서와 전류센서를 부착한 용접기 센서부(132)를 이용하여 전문가가 용접작업을 하는 때에 사용되는 전류 및 전압 정보를 포함한다.
그리고, 멀티용접기와 피더에 연결된 싱글케이블부(133)의 2 Pair 통신 케이블은 용접변수 수집장치부(131)에 유선으로 연결되고, 상기 용접변수 수집장치부(131)는 약 20KHz로 입력되는 용접전류(A), 용접전압(V)의 High peak와 low peak정보를 약 30 frame/sec 단위로 평균하여 저장한다.
또한, 전자식 가스 레귤레이터를 부착한 가스용기부(138)에서 가스량 정보를 수집하고, 상기 용접변수 수집장치부(131)는 유선 연결된 상기 가스용기부(138)를 통하여 가스량(liter)을 약 30 frame/sec 단위로 평균하여 저장한다.
또한, 리니어 인코더를 피더에 부착한 리니어 인코더부(134)에서 용접와이어의 피딩량 정보를 수집하고, 상기 용접변수 수집장치부(131)는 유선 연결된 상기 리니어 인코더부(134)를 통하여 피딩속도(mm/sec)를 약 30 frame/sec 단위로 평균하여 저장한다.
한편, 상기 행위적 변수(130-2)는 IMU센서가 부착된 용접토치가 포함된 스마트 용접토치부(136)에 의해서 수집될 수 있다. 용접토치와 피더에 연결된 용접케이블부(135)의 2 Pair 통신 케이블이 용접변수 수집장치부(131)에 유선으로 연결되고, 상기 용접변수 수집장치부(131)는 상기 용접케이블부(135)를 통하여 전문가의 용접작업시 작업각(deg), 진행각(deg) 정보를 약 30 frame/sec 단위로 평균하여 저장한다.
또한, 상기 환경적 변수(130-3)는 디지털 풍향풍속계와 스마트 온습도계를 포함한 IIoT 센서부(137)에 의해서 수집될 수 있다. 상기 용접변수 수집장치부(131)는 이러한 센서들을 이용하여 해당 용접작업시의 풍향, 풍속, 온도, 습도 정보를 수집하고, 풍향(deg), 풍속(m/s), 온도(℃), 습도(%) 정보를 약 30 frame/sec 단위로 평균하여 저장한다.
도 6은 본 실시예의 현장지식 수집 단계에서의 AR용접보안면의 구성을 설명하기 위한 도면이다.
일반적으로 용접 보안면은 손으로 잡는 형태의 핸드 실드형과 머리부위에 고정하는 헬멧형이 있으며, 유해 복사선으로부터 눈을 보호함과 동시에 안면, 머리부위, 목 부위를 빛과 열에 의한 화상, 스패터(spatter)등의 비래에 의한 화상 위험으로부터 보호하는 역할을 하고 있으며, 면체, 차광필터, 커버플레이트, 헤더밴더로 구성되어 있다.
본 실시예에 따르면, AR용접보안면(140)은 일반적인 헤더밴더(141-1)와 커버플레이트가 포함된 차광필터(141-2)가 부착된 용접면체(141)에 AR(증강현실 : Augmented Reality)기능을 포함하기 위해, 마이크로디스플레이가 내장된 광학렌즈(142) 및 드라이버(143)가 포함된 광학계 장치를 면체 내부에 설치되고, 용접면체의 각도 정보를 수집하기 위해 IMU센서(146)와 영상분석을 위한 카메라(145)가 면체 내부에 마련된다.
또한, AR제어용PC(145)는 용접면체(141) 내부에 설치된 광학렌즈(142)에 영상을 가시화하며, AR용접보안면(140)이 AR 기능을 사용하기 위해 HDR영상처리(144-1), 용접변수가이드증강(144-2), 용접공정가이드라인(144-3) 및 용접변수트래킹(144-4) 기능이 포함된 AR SW(144)를 탑재한다.
HDR(High Dynamic Range)은 디지털 영상에서 밝은 곳은 더 밝게, 어두운 곳은 더 어둡게 만들어 사람이 실제 눈으로 보는 것에 가깝게 밝기의 범위(Dynamic　Range)를 확장시키는 기술로서, 가시성을 높이기 위하여 본 실시예에서도 이용된다.
상세히, HDR영상처리(144-1)기능은 용접 작업 시 발생하는 강한 빛이 포함된 용접영상을 카메라(145)로 저장할 때, 강한 빛은 제거하는 방법을 통하여 용접 시편과 용접 토치, 용접선, 용접비드, 용접 풀 등을 추출하기 위해 처리하는 영상전처리 기술이다.
용접변수가이드증강(144-2)는 용접작업자가 용접시에 사전 정의된 용접절차서(110)를 광학렌즈(142)에 표시하여 주거나, 이를 기준으로 현재 작업중인 토치의 작업각, 진행각, 용접속도 등의 정보를 추출하여, 작업자에게 이미지, 문자, 음성, 소리로써 용접 품질에 영향을 미치는 요소를 분석하여 가이드 해주는 기능이다.
한편, 용접공정가이드라인(144-3)은 용접절차서(110)에 정의된 순서대로 용접작업을 가이드해주는 역할을 수행한다.
그리고, 용접변수트래킹(144-4)은 용접 작업 상황을 카메라(145)로 촬영된 영상을 이용하여 용접풀을 추출하여, 용접속도, 아크길이, 위빙경로를 추출하는 역할을 수행한다.
또한, AR제어용PC(145)는 외부 온도나 외부 충격등의 물리적인 손상이 발생하지 않도록 보호하기 위해 허리착용하우징(146) 내에 구성될 수 있으며, 키보드 기능을 사용하기 위해 키패드(147)가 부착되거나, 무선으로 전력을 사용하기 위해 배터리(148)가 연결될 수 있다.
또한, AR제어용PC(145)에는 스마트용접기기(130)와 블루투스 통신을 하거나, 외부 시스템과의 무선통신을 위해 WiFi 동글과 블루투스 동글이 포함된 통신모듈(147)이 포함된다.
도 7은 본 실시예의 현장지식 수집 단계에서의 아크영상캡쳐시스템의 구성과 출력의 일례를 보여주는 도면이다.
본 실시예에 따르면, 아크영상캡쳐시스템(150)은 전문가가 용접하고 있는 용접 작업 상황을 아크 카메라(151)로 촬영한 결과를 연결된 워크스테이션(122)에서 작업동작 영상(152)으로 약 30frams/sec 단위로 저장하고, 각 영상의 프레임정보를 기준으로 프레임마다 용접속도(mm/sec), 아크길이(mm), 위빙경로(x, y) 등의 물리적 변수(120-1)를 추출하여 저장한다.
전문가용접(160)은 숙련된 전문가의 용접 작업시 발생하는 기계적 변수, 행위적 변수 및 환경적 변수를 수집하기 위한 단계/구성이며, 이를 위해 상기 동작분석 장치(120)와 아크영상 캡쳐시스템(150)을 용접 작업 현장에 설치한 후, AR제어용 PC(113)과 AR용접보호구(114)를 용접 고기량자가 착용한다.
그리고, 용접기와 피더에 연결된 스마트용접기구(130)를 사용하여 용접절차서(110)에서 정의된 용접기와 작업 설정정보를 기준으로 용접을 수행하면, 스마트용접기구(130)의 용접변수 수집장치부(131)와 무선으로 연결된 AR제어용 PC(113)에서 기계적 변수(130-1), 행위적 변수(130-2) 및 환경적 변수(130-3)를 수신하여 빅데이터 플랫폼(210)에 저장한다.
그리고, Depth Camera(121)와 연결된 워크스테이션(124)에서 작업동작 영상(122), 신체적 변수(120-1) 정보를 수신하여 빅데이터 플랫폼(210)에 저장하고, 아크 카메라(151)와 연결된 워크스테이션(124)에서 아크 영상(152), 행위적 변수(153)를 수신하여 빅데이터 플랫폼(210)에 저장한다. 이 때, 빅데이터 플랫폼(210)으로 입력되는 정보는 발생 시각을 기준으로 동일한 시간동안 정보를 약 30frame/sec 단위로 저장한다.
도 8은 본 실시예의 현장지식 수집 단계에서의 용접품질정보의 구성을 설명하기 위한 도면이다.
본 실시예에 따르면, 용접품질정보(170)는 검사정보(171)를 포함하고, 상기 검사정보(171)는 결함정보(171-1)와 VT정보(171-2)로 구성된다. 결함정보는 RT검사의 결과로 도출되는 정보를 나타내고, VT검사는 육안검사의 결과로 도출되는 정보를 나타내는 것으로서 각 결함정보와 VT검사에 대한 정보는 미리 설정된 수치값으로 표시되거나 각 단계별로 구분된 항목으로 구성될 수 있다.
그리고, 용접품질정보(170)의 값을 이용하여 생산성향상률과 비용절감율을 구할 수 있다.
상세히, 생산성향상률은 아래의 수학식 1과 같이, 용접속도증가율과, 생산량 증가율 및 아크발생증가율을 합한 값의 1/3로 정의하여 둘 수 있다.
Figure pat00001
여기서, 용접속도증가율은 기존 용접시간 대비 용접시간감소차(감소값)로서 아래의 수학식 2로 정의될 수 있으며, 생산량 증가율은 기존 생산량 대비 생산량 증가치로서 아래의 수학식 3으로 정의될 수 있으며, 아크발생 증가율은 기존의 아크발생시간 대비 증감한 아크발생시간의 차이로서 아래의 수학식 4로 정의될 수 있다.
Figure pat00002
Figure pat00003
Figure pat00004
또한, 비용절감율은 아래의 수학식 5와 같이 용접재료, 인건비 및 Q-Cost 절감율의 평균값으로 정의될 수 있다.
Figure pat00005
여기서, 용접재료절감율과, 인건비절감율 및 Q-Cost 절감율 각각은 아래의 수학식들로 정의될 수 있다.
Figure pat00006
Figure pat00007
Figure pat00008
도 9는 본 실시예의 현장지식 수집 단계에서의 수집된 데이터를 모니터링하기 위한 화면을 보여주는 도면이다.
본 실시예에 따르면, 숙력된 전문가가 용접작업을 하는 때에, 전류, 전압, 진행각, 작업각, 용접속도 및 아크길이 각각에 대한 항목들이 수치와 그래프로 표시될 수 있으며, 이들 각각에 대한 진행 사항을 쉽게 확인할 수 있다.
도 10은 본 실시예의 현장지식 자산 빅데이터 서비스 단계에서의 휴먼팩터 기반의 현장지식을 자산화하기 위해 빅데이터 플랫폼 서비스를 설명하는 도면이다.
상기 현장지식 자산 빅데이터 서비스 단계(200), 즉, 현장지식 자산 빅데이터 서비스 수단의 경우, 수집된 현장지식을 데이터 분석을 통한 패턴 생성과 AI 분석을 통한 빅데이터를 생성하는 역할을 수행한다.
즉, 아날로그와 디지털 형태의 대량의 휴먼팩터를 Datalake에 고속으로 입력하고, 데이터 분석기를 통해 패턴을 가시화한 후, 머신러닝 기반의 공정변수 최적화 AI, 비드형상 정량화 AI, 숙련도 분석 AI를 통해 리포트와 표준데이터를 서비스해주는 역할을 수행한다.
도 11은 본 실시예의 용접훈련 단계에서의 휴먼팩터 기반의 현장지식을 자산화 데이터를 용접훈련에 활용하는 서비스를 설명하는 도면이다.
한편, 상기 용접훈련 단계(300), 즉, 용접훈련 수단의 경우, 상기 현장지식 빅데이터 서비스에서 생성되는 휴먼팩터 데이터를 이용하여 용접 훈련이 이루어지도록 하는 역할을 수행한다.
즉, 상기 용접 훈련 단계(300)는, 표준화된 전문가의 용접 휴먼팩터 데이터를 용접시뮬레이터로 전송하여 고기량자의 현장지식을 초심자나 저기량자가 훈련할 수 있는 단계에 해당하며, VR 용접훈련 시뮬레이터를 이용하여 초심자 또는 저기량자가 데이터베이스화된 전문가의 스킬을 참조하거나 해당 스킬 정보를 따라 용접 훈련을 수행할 수 있다.
도 12는 본 실시예의 제조현장 운영 단계에서의 휴먼팩터 기반의 현장지식을 자산화 데이터를 제조현장에 활용하는 서비스를 설명하는 도면이다.
제조현장 운영단계(400), 즉, 제조현장 운영 수단에 의해서는 용접 현장에서 지속적인 데이터 관리와 훈련 관리가 이루어지고, 환경적 변수 수집장치와 증강현실 기반의 용접시스템이 구축된 제조현장에서 표준데이터를 전송받아 용접가이드를 제공하고, 원격지원, 작업자관리, 모니터링, 품질관리 등의 용접통합관리시스템을 서비스하는 과정이 수행될 수 있다.
이상에서 본 발명에 대하여 그 바람직한 실시예를 중심으로 설명하였으나 이는 단지 예시일 뿐 본 발명을 한정하는 것은 아니며, 본 발명이 속하는 분야의 통상의 지식을 가진 자라면 본 발명의 본질적인 특성을 벗어나지 않는 범위에서 이상에 예시되지 않은 여러 가지의 변형과 응용이 가능함을 알 수 있을 것이다. 예를 들어 본 발명의 실시예에 구체적으로 나타난 각 구성 요소는 변형하여 실시할 수 있는 것이다. 그리고 이러한 변형과 응용에 관계된 차이점들은 첨부된 청구 범위에서 규정하는 본 발명의 범위에 포함되는 것으로 해석되어야 할 것이다.

Claims (4)

  1. 용접작업 시에 사전 정의된 용접절차서의 정보를 이용하여, 용접자의 용접수행시 수집할 수 있는 용접관련 데이터인 휴먼팩터 데이터를 수집하기 위한 현장지식 수집 수단과,
    상기 휴먼팩터 데이터는 용접작업을 진행하면서 발생하는 작업각 및 진행각을 포함한 행위적 변수와, 전류, 전압, 가스 및 피딩속도의 기계적 변수와, 용접작업시 주변환경 정보로서 바람, 온도 및 습도를 포함하는 환경적 변수와, 용접작업시 상기 용접 전문가의 자세위치 및 추출을 통해 획득되는 신체적 변수와, 용접운봉을 통해 용접속도, 아크길이 및 위빙경로를 포함하는 물리적 변수를 포함하고,
    상기 휴먼팩터 데이터를 데이터 분석기를 통해 패턴을 가시화한 후, 머신러닝 기반의 공정변수 최적화 AI, 비드형상 정량화 AI 및 숙련도 분석 AI를 통해 리포트와 표준데이터를 서비스하는 현장지식 빅데이터 서비스 수단과,
    상기 현장지식 빅데이터 서비스 수단에 의해 정량화 또는 패턴화된 휴먼팩터 데이터를 용접시뮬레이터 장치로 전송하여 고기량자의 현장지식이 포함된 상기 휴먼팩터 데이터를 이용하여 훈련할 수 있도록 정보를 제공하는 용접 훈련 수단과,
    상기 용접 훈련 수단에 의한 용접 훈련시에 상기 휴먼팩터 데이터를 이용하여 용접가이드를 제공하고, 용접 훈련에 관련된 원격지원, 작업자관리, 모니터링 및 품질관리를 포함한 용접통합관리시스템을 서비스하는 제조현장 운영 수단을 포함하는 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템.
  2. 제 1 항에 있어서,
    상기 휴먼팩터 데이터에 포함되는 신체적 변수, 기계적 변수, 행위적 변수, 환경적 변수 및 물리적 변수는 상기 용접자가 용접작업시에 사용하는 장비들에 동작분석장치, 스마트용접기구 및 아크영상캡쳐시스템을 장착하고, 상기 용접자가 수행하는 미리 정되는 용접작업을 수행함으로써 각각 수집되고, 수집된 용접작업의 결과로 나온 시편에 대한 결함정보와 VT정보의 결과를 빅데이터 플랫폼으로 전송하는 것을 특징으로 하는 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템.
  3. 제 2 항에 있어서,
    상기 신체적 변수, 기계적 변수, 행위적 변수, 환경적 변수 및 물리적 변수는 용접변수 수집장치부, 용접기 센서부, 싱글케이블부, 리니어 인코더부, 용접 케이블부, 스마트 용접토치부, IIoT 센서부 및 가스 용기부에 의해 수집되는 것을 특징으로 하는 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템.
  4. 제 2 항에 있어서,
    상기 아크영상캡쳐시스템은 상기 용접자가 착용하는 헬멧에 장착되어 용접 작업 상황을 촬영하는 아크 카메라와, 상기 아크 카메라에 의해 촬영된 작업동작 영상을 30frams/sec 단위로 저장하는 워크스테이션을 포함하고,
    상기 워크스테이션은 각 영상의 프레임정보를 기준으로 프레임마다 용접속도(mm/sec), 아크길이(mm) 및 위빙경로(x, y)를 포함하는 물리적 변수를 추출하여 저장하는 것을 특징으로 하는 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템.
KR1020210192590A 2021-12-30 2021-12-30 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템 KR20230102445A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210192590A KR20230102445A (ko) 2021-12-30 2021-12-30 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210192590A KR20230102445A (ko) 2021-12-30 2021-12-30 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템

Publications (1)

Publication Number Publication Date
KR20230102445A true KR20230102445A (ko) 2023-07-07

Family

ID=87153721

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210192590A KR20230102445A (ko) 2021-12-30 2021-12-30 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템

Country Status (1)

Country Link
KR (1) KR20230102445A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422205A (zh) * 2023-12-18 2024-01-19 天津电力工程监理有限公司 基于数字孪生的装配式钢结构变电站建造管理系统和方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117422205A (zh) * 2023-12-18 2024-01-19 天津电力工程监理有限公司 基于数字孪生的装配式钢结构变电站建造管理系统和方法
CN117422205B (zh) * 2023-12-18 2024-04-19 天津电力工程监理有限公司 基于数字孪生的装配式钢结构变电站建造管理系统和方法

Similar Documents

Publication Publication Date Title
US11545045B2 (en) Methods and apparatus to provide visual information associated with welding operations
CN107810080B (zh) 用于焊接机器视觉的飞行时间相机
EP2652726B1 (en) Welding training system
CN104603860A (zh) 用于表征人工焊接操作的系统
CN105414710B (zh) 主被动视觉焊接熔池复合传感装置及采用该装置实现的传感方法
JP2017531558A (ja) パイプ及びその他の湾曲した構造上における手動溶接作業を特徴付けるシステム
KR20020062324A (ko) 자동용접장치 및 용접기능 훈련장치
CN103231162A (zh) 机器人焊接质量视觉检测装置及其检测方法
CN115397595A (zh) 用于经由焊接工件图像的数字处理确定焊接方法的性能的方法、装置和计算机程序
CN206074465U (zh) 一种基于机器视觉的电池与连接片焊点检测装置
KR20230102445A (ko) 휴먼팩터 기반의 수동용접 현장지식 자산화 시스템
WO2021009963A1 (ja) 溶接作業データ蓄積装置、溶接作業支援システムおよび溶接ロボット制御装置
CN111451604B (zh) 一种gtaw电弧熔丝增材制造熄弧处补焊监测反馈方法及系统
JP2003230959A (ja) 遠隔操作型溶接ロボットシステム
JP2005014027A (ja) 溶接部のイメージ処理方法、溶接管理システム、溶接機のためのフィードバックシステム、突合わせ線検出システム
CN104148838B (zh) 薄钢板焊缝小特征点视觉跟踪与实时质量检测装置
Caggiano et al. 3D digital reconfiguration of an automated welding system for a railway manufacturing application
CN106903425A (zh) 用于处理工件的方法
EP3815831A1 (en) Fabrication computing device, welding system with such device, and method of interfacing with a fabrication process
CN203992877U (zh) 薄钢板焊缝小特征点视觉跟踪与实时质量检测装置
CN109128439A (zh) Cad图纸技术引导机器人自动焊接方法
CN116984784A (zh) 一种基于Yolov5的安全焊接系统及方法
KR102319258B1 (ko) 실시간 용접 변수 수집 장치
JP2023095820A (ja) 学習モデルの生成方法、制御装置、学習モデル、溶接システム、およびプログラム
Jones et al. Development of a collaborative robot (COBOT) for increased welding productivity and quality in the shipyard