KR20230120780A - 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 - Google Patents
슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 Download PDFInfo
- Publication number
- KR20230120780A KR20230120780A KR1020220017419A KR20220017419A KR20230120780A KR 20230120780 A KR20230120780 A KR 20230120780A KR 1020220017419 A KR1020220017419 A KR 1020220017419A KR 20220017419 A KR20220017419 A KR 20220017419A KR 20230120780 A KR20230120780 A KR 20230120780A
- Authority
- KR
- South Korea
- Prior art keywords
- coating layer
- layer thickness
- slot
- die
- data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
- 239000011247 coating layer Substances 0.000 title claims abstract description 173
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000007764 slot die coating Methods 0.000 title claims abstract description 53
- 230000005499 meniscus Effects 0.000 claims abstract description 107
- 238000013480 data collection Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims abstract description 9
- 238000013075 data extraction Methods 0.000 claims abstract description 8
- 238000000576 coating method Methods 0.000 claims description 48
- 239000011248 coating agent Substances 0.000 claims description 34
- 239000007788 liquid Substances 0.000 claims description 25
- 238000011144 upstream manufacturing Methods 0.000 claims description 18
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 238000010801 machine learning Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 17
- 239000000463 material Substances 0.000 description 15
- 230000007423 decrease Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 239000010410 layer Substances 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 4
- 239000010409 thin film Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000010408 film Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000010924 continuous production Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000003746 surface roughness Effects 0.000 description 2
- 229910001111 Fine metal Inorganic materials 0.000 description 1
- 239000011324 bead Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C5/00—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work
- B05C5/02—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work
- B05C5/0254—Coating heads with slot-shaped outlet
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C5/00—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work
- B05C5/02—Apparatus in which liquid or other fluent material is projected, poured or allowed to flow on to the surface of the work the liquid or other fluent material being discharged through an outlet orifice by pressure, e.g. from an outlet device in contact or almost in contact, with the work
- B05C5/027—Coating heads with several outlets, e.g. aligned transversally to the moving direction of a web to be coated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
- G01B11/0616—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material of coating
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Coating Apparatus (AREA)
Abstract
본 발명은 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법에 관한 것으로, 상기 장치는 슬롯-다이 코팅 공정 상에서 비전 센서를 통해 관측되는 비전 데이터를 수집하는 비전 데이터 수집부, 상기 비전 데이터로부터 적어도 하나 이상의 특징 데이터를 추출하는 특징 데이터 추출부, 장력에 따른 메니스커스 형상의 특징 및 코팅층 두께 측정 값으로 학습 데이터를 구성하여 코팅층 두께 예측 모델을 생성하는 코팅층 두께 예측 모델부, 및 상기 추출한 특징 데이터를 기초로 상기 코팅층 두께 예측 모델을 통해 코팅층의 두께를 예측하는 코팅층 두께 예측부를 포함한다.
Description
본 발명은 슬롯-다이 코팅 공정의 코팅층 두께 예측 기술에 관한 것으로, 보다 상세하게는 슬롯-다이 코팅 시 장력에 따른 메니스커스의 형상 변화를 관측하여 메니스커스 변화에 따른 코팅층의 두께를 코팅층 두께 예측 모델을 통해 예측할 수 있는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법에 관한 것이다.
대량, 고속 생산을 위한 롤투롤(Roll-to-Roll) 연속 공정은 최근 주목받고 있는 공정 중 하나이다. 롤투롤 연속 공정은 장력을 견인력으로 하여 유연한 필름(film)에 코팅 및 인쇄를 통해 기능성 필름을 생산하는 공정에 해당할 수 있다.
기능성 필름의 균일한 박막 형성을 위한 코팅 방법은 그라비어(Gravure), 블레이드(Blade), 스프레이(Spray), 슬롯-다이 코팅(slot-die coating) 등을 포함할 수 있다. 여기에서, 슬롯-다이 코팅 방법은 정밀 가공된 두개의 다이(die) 사이로 펌프를 통한 유체가 공급되어 일정한 두께의 박막을 형성하는 방법에 해당할 수 있다. 특히, 슬롯-다이 코팅 방법은 용액(solution)을 기반으로 하는 타 습식 공정과 비교했을 때 우수한 균일도를 가지는 대면적 박막 형성이 가능하며, 박막의 두께가 여러 공정 조건에 의해 미리 결정될 수 있어 예측 가능하며 재현 가능하다는 이점이 있다.
기존의 대다수의 슬롯-다이 코팅의 두께 예측 모델은 수식적 정의가 가능한 변수 기반으로 구성되었다. 즉, 장력에 따라 접촉각(Contact Angle)을 측정하고 수식적 모델을 통해 두께를 예측하였으나, 수식적 모델 특성상 입력값인 접촉각의 값에 지배적으로 영향을 받아 진행방향 두께 예측 정확도가 떨어지는 한계가 존재하였다. 결국, 두께와 가장 연관성이 깊은 메니스커스(meniscus)의 수식적 정의는 불가능하므로 상대적으로 정확한 두께 예측은 불가하였다.
본 발명의 일 실시예는 슬롯-다이 코팅 시 장력에 따른 메니스커스의 형상 변화를 관측하여 메니스커스 변화에 따른 코팅층의 두께를 코팅층 두께 예측 모델을 통해 예측할 수 있는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 메니스커스의 형상 변화를 관측한 비전 데이터를 이용하여 기계학습기반의 코팅층 두께 예측 모델을 생성하고 코팅층 두께 예측 모델을 통해 롤투롤 슬롯-다이 코팅 공정에서 장력에 따른 코팅층의 두께를 예측함으로써 코팅의 안정성을 향상시킬 수 있는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법을 제공하고자 한다.
본 발명의 일 실시예는 슬롯-다이 코터에 장착된 카메라를 통해 비전 데이터를 수집한 후 코팅층의 두께와 연관성이 있는 특징 데이터를 추출하여 보다 정확한 두께 예측을 통해 슬롯-다이 코팅의 운전 장력 가이드라인을 보장할 수 있는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법을 제공하고자 한다.
실시예들 중에서, 슬롯-다이 코팅 공정의 코팅층 두께 에측 장치는 슬롯-다이 코팅 공정 상에서 비전 센서를 통해 관측되는 비전 데이터를 수집하는 비전 데이터 수집부, 상기 비전 데이터로부터 적어도 하나 이상의 특징 데이터를 추출하는 특징 데이터 추출부, 장력에 따른 메니스커스 형상의 특징 및 코팅층 두께 측정 값으로 학습 데이터를 구성하여 코팅층 두께 예측 모델을 생성하는 코팅층 두께 예측 모델부, 및 상기 추출한 특징 데이터를 기초로 상기 코팅층 두께 예측 모델을 통해 코팅층의 두께를 예측하는 코팅층 두께 예측부를 포함한다.
상기 비전 센서는 슬롯-다이 코터 립에 설치되고 코터 립에서 생성되는 메니스커스(meniscus) 형상을 촬영하는 카메라를 포함할 수 있다.
상기 비전 데이터 수집부는 상기 비전 센서와 연동하여 상기 비전 센서를 통해 촬영되는 장력에 따른 메니스커스 형상 변화에 관한 비전 데이터를 수집할 수 있다.
상기 특징 데이터 추출부는 전문가 지식 기반을 통해 상기 비전 데이터로부터 메니스커스 형상의 특징 데이터를 추출할 수 있다.
상기 특징 데이터는 UMA(Upstream Meniscus Angle), DMA(Downstream Meniscus Angle) 및 DMC(Downstream Meniscus Curvature)를 포함할 수 있다.
상기 코팅층 두께 예측 모델부는 상기 비전 데이터를 기초로 장력에 따른 메니스커스 형상의 특징들로 이루어진 데이터를 입력으로 DNN(Deep Neural Network) 학습하여 코팅층 두께 예측 모델을 생성할 수 있다.
상기 코팅층 두께 예측부는 상기 코팅 공정의 동작 과정에서 촬영되는 상기 비전 데이터를 기초로 상기 코팅층 두께 예측 모델을 통해 코팅층 두께를 예측하고 예측된 코팅층 두께가 목표 코팅층 두께가 되도록 슬롯-다이 코터의 운전장력을 제어할 수 있다.
실시예들 중에서, 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법은 롤투롤 슬롯-다이 코팅 공정 상의 코터 립에서 생성되는 메니스커스 형상을 관측한 비전 데이터를 수집하는 단계, 상기 비전 데이터로부터 적어도 하나의 특징 데이터를 추출하는 단계, 상기 특징 데이터와 코팅층 두께의 측정 값으로 학습 데이터를 생성하고 학습 데이터를 기계학습하여 비전 데이터 기반의 코팅층 두께 예측 모델을 생성하는 단계, 및 상기 코팅 공정 상에서 상기 코터 립에 생성되는 메니스커스 형상을 관측한 비전 데이터를 상기 코팅층 두께 예측 모델에 적용하여 코팅층 두께를 예측하는 단계를 포함한다.
상기 비전 데이터를 수집하는 단계는 상기 슬롯-다이의 코터 립에 설치되는 카메라를 통해 상기 슬롯-다이의 코팅 과정에서 발생하는 장력에 따른 코팅액의 메니스커스 형상 변화를 촬영하여 상기 비전 데이터를 수집할 수 있다.
상기 특징 데이터를 추출하는 단계는 상기 비전 데이터로부터 장력 변화에 따라 코팅층의 두께 변화와 직결되는 업스트림 다이 부분의 메니스커스 각도(UMA), 다운스트림 다이 부분의 메니스커스 각도(DMA)와 곡률(DMC)을 특징 데이터로 추출할 수 있다.
개시된 기술은 다음의 효과를 가질 수 있다. 다만, 특정 실시예가 다음의 효과를 전부 포함하여야 한다거나 다음의 효과만을 포함하여야 한다는 의미는 아니므로, 개시된 기술의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
본 발명의 일 실시예에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법은 슬롯-다이 코팅 시 장력에 따른 메니스커스의 형상 변화를 관측하여 메니스커스 변화에 따른 코팅층의 두께를 코팅층 두께 예측 모델을 통해 예측할 수 있다.
본 발명의 일 실시예에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법은 메니스커스의 형상 변화를 관측한 비전 데이터를 이용하여 기계학습기반의 코팅층 두께 예측 모델을 생성하고 코팅층 두께 예측 모델을 통해 롤투롤 슬롯-다이 코팅 공정에서 장력에 따른 코팅층의 두께를 예측함으로써 코팅의 안정성을 향상시킬 수 있다.
본 발명의 일 실시예에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법은 슬롯-다이 코터에 장착된 카메라를 통해 비전 데이터를 수집한 후 코팅층의 두께와 연관성이 있는 특징 데이터를 추출하여 보다 정확한 두께 예측을 통해 슬롯-다이 코팅의 운전 장력 가이드라인을 보장할 수 있다.
도 1은 본 발명의 일 실시예에 따른 코팅층 두께 예측 시스템을 설명하는 도면이다.
도 2는 도 1의 슬롯-다이 코터에 비전 센서가 설치된 상태를 나타내는 예시도이다.
도 3은 도 1의 코팅층 두께 예측 장치의 시스템 구성을 설명하는 도면이다.
도 4는 도 1의 코팅층 두께 예측 장치의 기능적 구성을 설명하는 도면이다.
도 5는 본 발명에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법을 방법을 설명하는 도면이다.
도 6은 일 실시예에 따른 장력에 따른 메니스커스 형상 변화를 보여주는 예시도이다.
도 7은 일 실시예에 따른 비전 데이터로부터 추출된 특징 데이터를 보여주는 예시도이다.
도 8은 일 실시예에 따른 장력과 특징 데이터 간의 관계를 나타내는 그래프이다.
도 9는 일 실시예에 따른 장력과 코팅층 두께 간의 관계를 나타내는 그래프이다.
도 10은 일 실시예에 따른 코팅층 두께 예측 모델을 위한 DNN 구조를 나타내는 예시도이다.
도 11은 종래 두께 예측 모델과 본 발명의 두께 예측 모델 간의 성능 비교를 설명하는 도면이다.
도 2는 도 1의 슬롯-다이 코터에 비전 센서가 설치된 상태를 나타내는 예시도이다.
도 3은 도 1의 코팅층 두께 예측 장치의 시스템 구성을 설명하는 도면이다.
도 4는 도 1의 코팅층 두께 예측 장치의 기능적 구성을 설명하는 도면이다.
도 5는 본 발명에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법을 방법을 설명하는 도면이다.
도 6은 일 실시예에 따른 장력에 따른 메니스커스 형상 변화를 보여주는 예시도이다.
도 7은 일 실시예에 따른 비전 데이터로부터 추출된 특징 데이터를 보여주는 예시도이다.
도 8은 일 실시예에 따른 장력과 특징 데이터 간의 관계를 나타내는 그래프이다.
도 9는 일 실시예에 따른 장력과 코팅층 두께 간의 관계를 나타내는 그래프이다.
도 10은 일 실시예에 따른 코팅층 두께 예측 모델을 위한 DNN 구조를 나타내는 예시도이다.
도 11은 종래 두께 예측 모델과 본 발명의 두께 예측 모델 간의 성능 비교를 설명하는 도면이다.
본 발명에 관한 설명은 구조적 내지 기능적 설명을 위한 실시예에 불과하므로, 본 발명의 권리범위는 본문에 설명된 실시예에 의하여 제한되는 것으로 해석되어서는 아니 된다. 즉, 실시예는 다양한 변경이 가능하고 여러 가지 형태를 가질 수 있으므로 본 발명의 권리범위는 기술적 사상을 실현할 수 있는 균등물들을 포함하는 것으로 이해되어야 한다. 또한, 본 발명에서 제시된 목적 또는 효과는 특정 실시예가 이를 전부 포함하여야 한다거나 그러한 효과만을 포함하여야 한다는 의미는 아니므로, 본 발명의 권리범위는 이에 의하여 제한되는 것으로 이해되어서는 아니 될 것이다.
한편, 본 출원에서 서술되는 용어의 의미는 다음과 같이 이해되어야 할 것이다.
"제1", "제2" 등의 용어는 하나의 구성요소를 다른 구성요소로부터 구별하기 위한 것으로, 이들 용어들에 의해 권리범위가 한정되어서는 아니 된다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어"있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결될 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어"있다고 언급된 때에는 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 한편, 구성요소들 간의 관계를 설명하는 다른 표현들, 즉 "~사이에"와 "바로 ~사이에" 또는 "~에 이웃하는"과 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한 복수의 표현을 포함하는 것으로 이해되어야 하고, "포함하다"또는 "가지다" 등의 용어는 실시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
각 단계들에 있어 식별부호(예를 들어, a, b, c 등)는 설명의 편의를 위하여 사용되는 것으로 식별부호는 각 단계들의 순서를 설명하는 것이 아니며, 각 단계들은 문맥상 명백하게 특정 순서를 기재하지 않는 이상 명기된 순서와 다르게 일어날 수 있다. 즉, 각 단계들은 명기된 순서와 동일하게 일어날 수도 있고 실질적으로 동시에 수행될 수도 있으며 반대의 순서대로 수행될 수도 있다.
본 발명은 컴퓨터가 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현될 수 있고, 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다. 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광 데이터 저장 장치 등이 있다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
여기서 사용되는 모든 용어들은 다르게 정의되지 않는 한, 본 발명이 속하는 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한 이상적이거나 과도하게 형식적인 의미를 지니는 것으로 해석될 수 없다.
도 1은 본 발명의 일 실시예에 따른 코팅층 두께 예측 시스템을 설명하는 도면이다.
도 1을 참조하면, 코팅층 두께 예측 시스템(100)은 슬롯-다이 코터(110), 비전 센서(130), 코팅층 두께 예측 장치(150) 및 데이터베이스(170)를 포함할 수 있다.
슬롯-다이 코터(110)는 롤투롤 공정 상에서 슬롯-다이 코팅 공정을 수행하는 롤투롤 시스템의 일 구성요소에 해당할 수 있으며, 슬롯-다이(slot-die) 및 백업 롤(back up roll)을 포함하여 구현될 수 있다. 즉, 슬롯-다이 코터(110)는 슬롯-다이라고 불리는 노즐 형상의 미세 금속판 사이로 코팅액을 공급하며, 슬롯-다이 하부에 위치한 백업 롤 사이를 통과하는 유연 기판(substrate) 상에 코팅액을 도포할 수 있다. 더욱 구체적으로는, 슬롯-다이 코터(110)는 슬롯-다이의 이동 방향에 수직인 방향으로 이동하는 유연 기판 표면에 코팅액을 일정하게 도포함으로써 코팅층을 형성하는 동작을 수행할 수 있다. 슬롯-다이 코터(110)는 코팅층 두께 예측 장치(150)와 연결되어 동작할 수 있으며, 본 발명에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측을 통해 운전 장력을 제어하여 코팅층의 두께를 조절할 수 있다.
비전 센서(130)는 슬롯-다이 코터(110)와 인접하게 위치하고 코팅 공정 상에서 코팅액의 상태를 촬영하여 비전 데이터를 생성하기 위한 카메라 장치에 해당할 수 있다. 일 실시예에서, 비전 센서(130)는 슬롯-다이 코터(110)의 립(lip)부에 설치되어 코팅 공정에서 발생하는 장력에 따른 메니스커스 변화를 관측할 수 있다. 여기에서, 비전 센서(130)는 코팅층 두께 예측 장치(150)와 직접 연결될 수 있다.
코팅층 두께 예측 장치(150)는 비전 센서(130)를 통해 슬롯-다이 코팅 공정 상에서 메니스커스 형상을 관측하여 코팅층의 두께를 예측할 수 있는 컴퓨터 또는 프로그램에 해당하는 서버로 구현될 수 있다. 코팅층 두께 예측 장치(150)는 슬롯-다이 코팅 공정에서 장력에 의한 메니스커스의 형상 변화를 기초로 코팅층의 두께를 예측하는 코팅층 두께 예측 모델을 생성하고 코팅층 두께 예측 모델을 기초로 장력에 따른 코팅층 두께를 예측할 수 있다.
데이터베이스(170)는 코팅층 두께 예측 장치(150)의 동작 과정에서 필요한 다양한 정보들을 저장하는 저장장치에 해당할 수 있다. 데이터베이스(170)는 메니스커스 형상 변화에 관한 비전 데이터 및 특징 데이터를 저장할 수 있고, 코팅층 두께 예측 모델에 관한 학습 데이터 및 학습 알고리즘을 저장할 수 있으며, 반드시 이에 한정되지 않고, 슬롯-다이 코팅 공정의 코팅층 두께 예측 과정에서 다양한 형태로 수집 또는 가공된 정보들을 저장할 수 있다.
도 2는 도 1의 슬롯-다이 코터에 비전 센서가 설치된 상태를 나타내는 예시도이다.
도 2를 참조하면, 슬롯-다이 코터(110)는 슬롯-다이(210), 백업 롤(230) 및 전압 공급 모듈(미도시)을 포함할 수 있다.
슬롯-다이(210)는 정밀 가공된 2개의 슬롯-다이(Slot-die)(210)가 일정 간격 이격되어 배치되며, 슬롯-다이(210)들 사이에 코팅액을 토출시키는 코팅액 토출부가 슬롯-다이(210)의 장축 방향을 따라 연장된 라인 형태로 형성될 수 있다.
백업 롤(230)은 슬롯-다이(210) 하부에 위치하며, 슬롯-다이(210)와 백업 롤(230) 사이로 통과되는 소재(web)가 백업 롤(230)의 회전 운동에 의해 슬롯-다이(210)의 이동 방향에 수직인 방향으로 이동될 수 있다.
전압 공급 모듈(미도시)은 슬롯-다이(210)의 코팅액 토출부에 전압을 인가하여 소재(web)에 도포되는 코팅액의 퍼짐성을 제어할 수 있다.
슬롯-다이 코터(110)는 슬롯-다이(210)들 사이의 코팅액 토출부를 통해 코팅액이 공급되면, 코팅액 토출부와 소재(web) 사이에 코팅층이 형성됨으로써 소재(web)가 코팅될 수 있다. 이때, 코팅액이 슬롯-다이(210)를 통해 압출되어 소재(web)에 닿으면 자유계면(free surface)이 형성되는 데 이를 메니스커스(meniscus)(200)라고 한다.
메니스커스(200)는 코팅액과 소재 사이의 장력에 따라 코팅액의 퍼짐성이 변화하고, 이로 인해 코팅액과 소재 사이의 접촉각을 변화시키며 해당 접촉각 변화는 메니스커스(200)의 형상 변화와 코팅층의 두께 변화와 직결될 수 있다. 예를 들면, 장력 증가에 따라 소재의 특성이 변해 메니스커스의 형상은 더 퍼지며 코팅층의 두께는 얇아지게 된다.
비전 센서(130)는 슬롯-다이 코터(110)에 인접하게 설치되어 코터립에 생성되는 메니스커스(200) 형상을 관측하여 메니스커(200)의 형상 변화에 관한 비전 데이터를 생성할 수 있다. 여기에서, 비전 센서(130)는 카메라에 해당할 수 있으며, 장력에 따른 메니스커스 형상을 촬영하여 코팅층 두께 예측 모델을 생성하기 위한 학습 데이터로서 데이베이스(170)에 저장할 수 있다.
도 3은 도 1의 코팅층 두께 예측 장치의 시스템 구성을 설명하는 도면이다.
도 3을 참조하면, 코팅층 두께 예측 장치(150)는 프로세서(310), 메모리(330), 사용자 입출력부(350) 및 네트워크 입출력부(370)를 포함하여 구현될 수 있다.
프로세서(310)는 코팅층 두께 예측 장치(150)가 동작하는 과정에서의 각 단계들을 처리하는 프로시저를 실행할 수 있고, 그 과정 전반에서 읽혀지거나 작성되는 메모리(330)를 관리할 수 있으며, 메모리(330)에 있는 휘발성 메모리와 비휘발성 메모리 간의 동기화 시간을 스케줄할 수 있다. 프로세서(310)는 코팅층 두께 예측 장치(150)의 동작 전반을 제어할 수 있고, 메모리(330), 사용자 입출력부(350) 및 네트워크 입출력부(370)와 전기적으로 연결되어 이들 간의 데이터 흐름을 제어할 수 있다. 프로세서(310)는 코팅층 두께 예측 장치(150)의 CPU(Central Processing Unit)로 구현될 수 있다.
메모리(330)는 SSD(Solid State Drive) 또는 HDD(Hard Disk Drive)와 같은 비휘발성 메모리로 구현되어 코팅층 두께 예측 장치(150)에 필요한 데이터 전반을 저장하는데 사용되는 보조기억장치를 포함할 수 있고, RAM(Random Access Memory)과 같은 휘발성 메모리로 구현된 주기억장치를 포함할 수 있다.
사용자 입출력부(350)는 사용자 입력을 수신하기 위한 환경 및 사용자에게 특정 정보를 출력하기 위한 환경을 포함할 수 있다. 예를 들어, 사용자 입출력부(350)는 터치 패드, 터치 스크린, 화상 키보드 또는 포인팅 장치와 같은 어댑터를 포함하는 입력장치 및 모니터 또는 터치스크린과 같은 어댑터를 포함하는 출력장치를 포함할 수 있다. 일 실시예에서, 사용자 입출력부(350)는 원격 접속을 통해 접속되는 컴퓨팅 장치에 해당할 수 있고, 그러한 경우, 코팅층 두께 예측 장치(150)는 독립적인 서버로서 수행될 수 있다.
네트워크 입출력부(370)은 네트워크를 통해 외부 장치 또는 시스템과 연결하기 위한 환경을 포함하고, 예를 들어, LAN(Local Area Network), MAN(Metropolitan Area Network), WAN(Wide Area Network) 및 VAN(Value Added Network) 등의 통신을 위한 어댑터를 포함할 수 있다.
도 4는 도 1의 코팅층 두께 예측 장치의 기능적 구성을 설명하는 도면이다.
도 4를 참조하면, 코팅층 두께 예측 장치(150)는 비전 데이터 수집부(410), 특징 데이터 추출부(430), 코팅층 두께 예측 모델부(450), 코팅층 두께 예측부(470) 및 제어부(490)를 포함할 수 있다.
비전 데이터 수집부(410)는 슬롯-다이 코터(110)가 소재(web)에 코팅액을 토출하여 코팅 공정을 수행할 때 코팅 공정 상에서 비전 센서(130)을 통해 촬영되는 코팅액의 메니스커스(200) 형상에 관한 비전 데이터를 수집할 수 있다. 여기에서, 비전 센서(130)는 슬롯-다이 코터(110)의 립부에 설치되어 코터립에서 생성되는 메니스커스(Meniscus) 형상을 촬영하는 카메라 장치로 구현될 수 있다. 슬롯-다이 코팅 공정에서 코팅액과 소재(web) 사이의 표면 장력에 따라 코팅액과 소재 사이의 접촉각이 변화되고, 이러한 접촉각 변화는 메니스커스의 형상 변화 및 코팅층의 두께 변화와 직결될 수 있다.
비전 데이터 수집부(410)는 비전 센서(130)와 연동하여 동작할 수 있으며, 비전 센서(130)를 통해 촬영되는 장력에 따른 메니스커스의 형상 변화에 관한 비전 데이터를 수집하여 데이터베이스(170)에 저장할 수 있다. 일 실시예에서, 비전 데이터 수집부(410)는 비전 센서(130)를 통해 촬영되는 슬롯-다이 코터(110)의 운전 장력에 따른 메니스커스 형상에 관한 비전 데이터를 수집할 수 있다.
특징 데이터 추출부(430)는 수집된 비전 데이터를 기초로 메니스커스의 특징을 추출할 수 있다. 일 실시예에서, 특징 데이터 추출부(430)는 비전 데이터로부터 업스트림 메니스커스 각도(Upstream Meniscus Angle; UMA), 다운스트림 메니스커스 각도(Downstream Meniscus Angle; DMA) 및 다운스트림 메니스커스 곡률(Downstream Meniscus Curvature; DMC)을 특징 데이터로 추출할 수 있다. 슬롯-다이 코터(110)는 코팅액이 다이를 통해 압출되어 소재(web)에 닿으면 자유계면(free surface)이 형성되고, 코팅액이 소재(web)와 먼저 만나는 부분의 다이를 업스트림 립(upstream lip)이라고 하며 이때 형성된 코팅액의 자유계면을 업스트림 메니스커스라 한다. 반대로, 다이의 중심부를 지나 코팅액이 묻어 나가는 부분의 다이를 다운스트림 립(downstream lip)이라고 하며 그 부분의 자유계면을 다운스트림 메니스커스라 한다.
일 실시예에서, 특징 데이터 추출부(430)는 전문가 지식 기반을 통해 특징 데이터를 추출할 수 있다. 여기에서, 특징 데이터 추출부(430)는 업스트림 메니스커스 각도(UMA), 다운스트림 메니스커 각도(DMA) 그리고 다운스트림 메니스커스 곡률(DMC)을 추출할 수 있고, 이에 한정되지 않고 두께와 연관성이 있는 변수들을 특징 데이터로 추출할 수 있다.
코팅층 두께 예측 모델부(450)는 추출된 특징 데이터와 코팅층 두께 측정값으로 학습데이터를 구성하여 코팅층 두께 예측 모델을 생성할 수 있다. 일 실시예에서, 코팅층 두께 예측 모델부(450)는 비전 데이터로부터 추출된 메니스커스 형상의 주요한 특징 데이터인 업스트림 메니스커스 각도(UMA), 다운스트림 메니스커스 각도(DMA) 및 다운스트림 메니스커스 곡률(DMC)을 학습 모델 구축을 위한 학습데이터로서 사용할 수 있다. 여기에서, 학습데이터는 장력에 따른 메니스커스 형상의 특징 데이터와 코팅층 두께 측정값을 사용할 수 있다. 장력에 따른 코팅층 두께 측정값은 간섭계(Interferometer)을 통해 측정할 수 있다. 코팅층 두께 예측 모델부(350)는 장력에 따른 메니스커스 형상의 특징과 두께 측정값을 기계학습을 통해 코팅층 두께 예측 모델을 생성할 수 있다. 일 실시예에서, 코팅층 두께 예측 모델부(350)는 DNN(Deep Neural Network)을 이용하여 비전 데이터에서 추출된 메니스커스 형상의 3가지 특징을 입력으로 코팅층 두께를 예측하는 코팅층 두께 예측 모델을 생성할 수 있다.
일 실시예에서, 코팅층 두께 예측 모델부(450)는 학습 데이터를 학습하여 롤투롤 슬롯-다이 코팅 공정 상의 코팅층 두께를 예측하는 코팅층 두께 예측 모델을 구축할 수 있다. 코팅층 두께 예측 모델부(450)는 특징 데이터 추출부(430)에 의해 추출된 장력에 따른 메니스커스 형상의 특징들로 이루어진 학습 데이터를 학습하여 장력에 의한 코팅층의 두께 예측을 위한 코팅층 두께 예측 모델을 구축할 수 있다. 이때, 코팅층 두께 예측 모델부(450)는 특징 데이터에 따라 학습 알고리즘을 선택적으로 적용할 수 있으며, 필요에 따라 복수의 학습 알고리즘을 독립적으로 적용하여 복수의 코팅층 두께 예측 모델들을 구축할 수도 있다.
일 실시예에서, 코팅층 두께 예측 모델부(450)는 학습 데이터에 대해 심층신경망(DNN)을 포함하는 머신러닝 기법을 적용하여 코팅층 두께 예측 모델을 구축할 수 있다. DNN(Deep Neural Network)은 입력층과 출력층 사이에 여러 개의 은닉층들로 이뤄진 인공신경망으로, 복잡한 비선형 관계들을 모델링할 수 있으며 물체 식별 모델을 위한 심층 신경망 구조에서는 각 물체가 영상의 기본적 요소들의 계층적 구성으로 표현될 수 있다.
코팅층 두께 예측부(470)는 롤투롤 슬롯-다이 코팅 공정 상에서 코터 립에 생성되는 메니스커스 형상 관측한 비전 데이터를 기초로 코팅층 두께 예측 모델을 통해 코팅층 두께를 예측하고 슬롯-다이 코터(110)의 운전장력을 제어하여 원하는 코팅층 두께를 얻을 수 있다. 일 실시예에서, 코팅층 두께 예측부(470)는 코팅층 두께 예측 모델을 통해 코팅층의 두께가 직접적으로 영향을 미치는 메니스커스를 고려하여 코팅층 두께를 정확하게 예측하고 예측 결과를 토대로 코팅 공정의 운전장력을 제어함으로써 코팅의 안정성 및 품질 향상을 제공할 수 있다.
제어부(490)는 코팅층 두께 예측 장치(150)의 전체적인 동작을 제어하고, 비전 데이터 수집부(410), 특징 데이터 추출부(430), 코팅층 두께 예측 모델부(450) 및 코팅층 두께 예측부(470) 간의 제어 흐름 또는 데이터 흐름을 관리할 수 있다.
도 5는 본 발명에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법을 방법을 설명하는 도면이다.
도 5를 참조하면, 코팅층 두께 예측 장치(150)는 비전 데이터 수집부(410)를 통해 롤투롤 슬롯-다이 코팅 공정 상의 코터 립에서 생성되는 메니스커스 형상을 관측한 비전 데이터를 수집할 수 있다(단계 S510). 비전 데이터 수집부(410)는 비전 센서(130)를 이용하여 코팅 공정의 동작 과정에서 장력에 따라 코터 립에 생성되는 메니스커스 형상 변화를 관측하여 비전 데이터를 수집할 수 있다. 비전 데이터 수집부(410)는 슬롯-다이 코터(110)의 운전장력을 변화시켜 장력에 따라 변화되는 메니스커스 형상을 촬영한 비전 데이터를 수집할 수 있다. 예컨대, 운전 장력(Operating Tension)을 0.7kgf ~ 8.7kgf 범위로 변화시키며 장력 변화에 의한 메니스커스 형상이 변화하는 비전 데이터를 수집할 수 있다.
도 6은 일 실시예에 따른 장력에 따른 메니스커스 형상 변화를 보여주는 예시도이다.
장력 증가에 따라 소재의 표면 거칠기는 감소하고 표면 에너지는 증가하게 되어 도 6에 예시된 바와 같이, 메니스커스의 형상은 더 퍼지게 된다. 메니스커스의 형상에 따라 코팅층의 두께도 변화한다.
다시, 도 5로 돌아가서 코팅층 두께 예측 장치(150)는 특징 데이터 추출부(430)를 통해 비전 데이터로부터 적어도 하나의 특징 데이터를 추출할 수 있다(단계 S530). 특징 데이터 추출부(430)는 전문가 지식 기반을 통해 비전 데이터로부터 메니스커스 형상의 특징 데이터를 추출할 수 있다. 여기에서, 특징 데이터는 업스트림 메니스커 각도(UMA), 다운스트림 메니스커 각도(DMA) 및 다운스트림 메니스커스 곡률(DMC)을 포함할 수 있다.
도 7은 일 실시예에 따른 비전 데이터로부터 추출된 특징 데이터를 보여주는 예시도이다.
슬롯-다이 코터(110)는 도 7a에 예시된 바와 같이, 코터 립과 소재 사이에 코팅 갭(Gap)이 설정되고 코팅 공정의 동작시 코팅액이 갭을 채우게 되는 데 이 영역을 코팅 비드(bead)라 부른다. 이차원적인 측면에서 볼 때, 코팅 비드는 업스트림과 다운스트림에 위치해 있는 두개의 서로 다른 메니스커스를 가지고 있다. 비전 센서(130)는 메니스커스 형상을 관측하여 비전 데이터를 생성할 수 있다. 특징 데이터 추출부(430)는 비전 데이터로부터 메니스커스 형상의 특징을 추출할 수 있으며, 이때 특징은 도 7b에 예시된 바와 같이 업스트림 다이 부분의 메니스커스 접촉각(UMA), 다운스트림 다이 부분의 메니스커스 접촉각(DMA)과 곡률(DMC)을 포함할 수 있다. 즉, 장력 증가에 따라 메니스커스 접촉각이 감소하고 곡률도 감소하기 때문에 업스트림 메니스커스와 다운스크림 메니스커스의 접촉각과 곡률을 특징 데이터로 추출한다. 장력에 따라 업스트림 메니스커 및 다운스트림 메니스커의 접촉각이 감소하게 되면 진행방향 코팅층 두께도 감소하게 된다. 다운스트림 메니스커스 곡률은 코팅의 안정성을 판단하는 데 사용될 수 있다. 예를 들면, 도 7b와 같이, 비전 데이터로부터 업스트림 메니스커스 각도(UMA) 53.991°, 다운스트림 메니스커스 각도(DMA) 48,306°, 다운스트림 메니스커스 곡률(DMC) 4.178e-4의 특징을 추출할 수 있으며, 이러한 특징은 장력에 따라 변화될 수 있다.
도 8은 일 실시예에 따른 장력과 특징 데이터 간의 관계를 나타내는 그래프로, 가로축은 장력을 나타내고 좌측 세로축은 다운스트림 메니스커스 곡률을 나타내고, 우측 세로축은 업스트림 메니스커스와 다운스크림 메니스커의 접촉각을 나타낸다.
도 8에 나타낸 바와 같이, 소재의 운전 장력 0.7kgf에서 8.7kgf 사이에서 장력 증가에 따라 업스트림 메니스커 접촉각(UMA)이 감소하고 다운스크림 메니스커 접촉각(DMA)이 감소하고, 다운스트림 메니스커스 곡률(DMC)이 감소함을 알 수 있다. 또한, 장력 3.7kgf에서 메니스커스 접촉각이 수렴(convergence)함을 알 수 있다. 즉, 장력에 따른 소재의 표면조도 변화에 한계가 존재하고, 저점도 잉크에서 상대적으로 낮은 장력에서 수렴함을 알 수 있다.
도 9는 일 실시예에 따른 장력과 코팅층 두께 간의 관계를 나타내는 그래프이다.
도 9에 나타낸 바와 같이, 소재의 운전 장력 0.7kgf에서 8.7kgf 사이에서 장력 증가에 따라 코팅층의 두께가 감소함을 알 수 있다. 여기에서, 코팅층의 두께는 간섭계(Interferometer)를 통해 각 조건에 대해 7개의 샘플 두께를 측정하여 최대값 및 최소값을 제거 후 평균 두께를 사용하였다.
다시, 도 5로 돌아가서, 코팅층 두께 예측 장치(130)는 코팅층 두께 예측 모델부(450)를 통해 추출한 특징 데이터와 코팅층 두께의 측정 값으로 학습 데이터를 생성하고 학습 데이터를 기계학습하여 비전 데이터 기반의 코팅층 두께 예측 모델을 생성할 수 있다(단계 S550). 코팅층 두께 예측 모델부(450)는 추출한 특징 데이터를 도 10에 예시한 DNN 구조의 입력층에 입력하여 코팅층 두께 예측 모델을 생성할 수 있다.
또한, 코팅층 두께 예측 장치(130)는 코팅층 두께 예측부(470)를 통해 롤투롤 슬롯-다이 코팅 공정 상에서 코터립에 생성되는 메니스커스 형상을 관측한 비전 데이터를 코팅층 두께 예측 모델에 적용하여 코팅층 두께를 예측할 수 있다(단계 S570).
도 11은 종래 두께 예측 모델과 본 발명의 두께 예측 모델 간의 성능 비교를 설명하는 도면이다.
도 11을 참조하면, 종래의 접촉각(Contact Angle) 기반 진행방향 두께 예측 모델은 실험 조건에 상응하는 장력에 따라 접촉각을 측정하고 수식적 모델을 통해 두께를 예측한다. 여기에서, 실험 조건은 다음과 같다.
실험조건
접촉각 기반 진행방향 두께 예측 모델은 하기 수학식 1로 정의될 수 있다.
[수학식 1]
본 발명에 따른 비전 데이터 기반 진행방향 두께 예측 모델은 비전 데이터로부터 추출된 특징을 통해 학습을 수행하여 생성될 수 있다. 여기에서, 특징은 업스트림 메니스커 각, 다운스트림 메니스커스 각과 곡률을 포함할 수 있으며 DNN(Deep Neural Network)을 이용하여 기계학습을 수행할 수 있다.
종래 및 본 발명의 두께 예측 모델 각각은 장력 변화에 따른 코팅층 두께 예측 결과, 도 11의 그래프에 나타낸 바와 같이, 종래 수식적 모델은 입력값이 접촉각의 값에 지배적으로 영향을 받아 두께 예측 정확도가 떨어지는 반면 본 발명의 비전 데이터 기반 모델은 비전 데이터에서 추출된 3가지 특징을 이용한 예측으로 종래 모델에 비해 상대적으로 안정적이고 정확한 두께 예측을 할 수 있다. 종래와 본 발명의 모델에 따른 RMSE(Root Mean Square Error) 값은 하기 표 1과 같다.
[표 1]
상기 표 1에 보여진 바와 같이, 종래 수식적 모델의 RMSE 값과 본 발명의 비전 데이터 기반 딥러닝 모델의 RMSE 값은 약 14배로 큰 정확도 차이가 존재한다.
일 실시예에 따른 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법은 슬롯-다이 코터에 장착된 카메라를 이용한 비전 데이터를 수집하고 특징을 추출하여 코터 립에서 생성되는 메니스커스 형상을 통해 보다 정확한 코팅층 두께를 예측할 수 있다. 또한, 코팅층 두께 예측 정확도 개선을 통해 코팅 안정성을 높일 수 있으며, 롤투롤 슬롯-다이 코팅의 진행방향 두께 품질을 개선할 수 있다.
상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.
100: 코팅층 두께 예측 시스템
110: 슬롯-다이 코터 130: 비전 센서
150: 코팅층 두께 예측 장치 170: 데이터베이스
200: 메니스커스
210: 슬롯-다이 230: 백업 롤
310: 프로세서 330: 메모리
350: 사용자 입출력부 370: 네트워크 입출력부
410: 비전 데이터 수집부 430: 특징 데이터 추출부
450: 코팅층 두께 예측 모델부 470: 코팅층 두께 예측부
490: 제어부
110: 슬롯-다이 코터 130: 비전 센서
150: 코팅층 두께 예측 장치 170: 데이터베이스
200: 메니스커스
210: 슬롯-다이 230: 백업 롤
310: 프로세서 330: 메모리
350: 사용자 입출력부 370: 네트워크 입출력부
410: 비전 데이터 수집부 430: 특징 데이터 추출부
450: 코팅층 두께 예측 모델부 470: 코팅층 두께 예측부
490: 제어부
Claims (10)
- 슬롯-다이 코팅 공정 상에서 비전 센서를 통해 관측되는 비전 데이터를 수집하는 비전 데이터 수집부;
상기 비전 데이터로부터 적어도 하나 이상의 특징 데이터를 추출하는 특징 데이터 추출부;
장력에 따른 메니스커스 형상의 특징 및 코팅층 두께 측정 값으로 학습 데이터를 구성하여 코팅층 두께 예측 모델을 생성하는 코팅층 두께 예측 모델부; 및
상기 추출한 특징 데이터를 기초로 상기 코팅층 두께 예측 모델을 통해 코팅층의 두께를 예측하는 코팅층 두께 예측부를 포함하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제1항에 있어서, 상기 비전 센서는
슬롯-다이 코터 립에 설치되고 코터 립에서 생성되는 메니스커스(meniscus) 형상을 촬영하는 카메라를 포함하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제1항에 있어서, 상기 비전 데이터 수집부는
상기 비전 센서와 연동하여 상기 비전 센서를 통해 촬영되는 장력에 따른 메니스커스 형상 변화에 관한 비전 데이터를 수집하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제1항에 있어서, 상기 특징 데이터 추출부는
전문가 지식 기반을 통해 상기 비전 데이터로부터 메니스커스 형상의 특징 데이터를 추출하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제4항에 있어서, 상기 특징 데이터는
UMA(Upstream Meniscus Angle), DMA(Downstream Meniscus Angle) 및 DMC(Downstream Meniscus Curvature)를 포함하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제1항에 있어서, 상기 코팅층 두께 예측 모델부는
상기 비전 데이터를 기초로 장력에 따른 메니스커스 형상의 특징들로 이루어진 데이터를 입력으로 DNN(Deep Neural Network) 학습하여 코팅층 두께 예측 모델을 생성하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 제1항에 있어서, 상기 코팅층 두께 예측부는
상기 코팅 공정의 동작 과정에서 촬영되는 상기 비전 데이터를 기초로 상기 코팅층 두께 예측 모델을 통해 코팅층 두께를 예측하고 예측된 코팅층 두께가 목표 코팅층 두께가 되도록 슬롯-다이 코터의 운전장력을 제어하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치.
- 롤투롤 슬롯-다이 코팅 공정 상의 코터 립에서 생성되는 메니스커스 형상을 관측한 비전 데이터를 수집하는 단계;
상기 비전 데이터로부터 적어도 하나의 특징 데이터를 추출하는 단계;
상기 특징 데이터와 코팅층 두께의 측정 값으로 학습 데이터를 생성하고 학습 데이터를 기계학습하여 비전 데이터 기반의 코팅층 두께 예측 모델을 생성하는 단계; 및
상기 코팅 공정 상에서 상기 코터 립에 생성되는 메니스커스 형상을 관측한 비전 데이터를 상기 코팅층 두께 예측 모델에 적용하여 코팅층 두께를 예측하는 단계를 포함하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법.
- 제8항에 있어서, 상기 비전 데이터를 수집하는 단계는
상기 슬롯-다이의 코터 립에 설치되는 카메라를 통해 상기 슬롯-다이의 코팅 과정에서 발생하는 장력에 따른 코팅액의 메니스커스 형상 변화를 촬영하여 상기 비전 데이터를 수집하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법.
- 제9항에 있어서, 상기 특징 데이터를 추출하는 단계는
상기 비전 데이터로부터 장력 변화에 따라 코팅층의 두께 변화와 직결되는 업스트림 다이 부분의 메니스커스 각도(UMA), 다운스트림 다이 부분의 메니스커스 각도(DMA)와 곡률(DMC)을 특징 데이터로 추출하는 것을 특징으로 하는 슬롯-다이 코팅 공정의 코팅층 두께 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220017419A KR102584260B1 (ko) | 2022-02-10 | 2022-02-10 | 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220017419A KR102584260B1 (ko) | 2022-02-10 | 2022-02-10 | 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20230120780A true KR20230120780A (ko) | 2023-08-17 |
| KR102584260B1 KR102584260B1 (ko) | 2023-10-04 |
Family
ID=87800283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220017419A Active KR102584260B1 (ko) | 2022-02-10 | 2022-02-10 | 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102584260B1 (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151194A (zh) * | 2023-10-31 | 2023-12-01 | 厦门欧贝传动科技股份有限公司 | 一种基于高频涡流的轴承涂层厚度检测方法及系统 |
| CN117930750A (zh) * | 2023-12-28 | 2024-04-26 | 深圳市百瑞空气处理设备有限公司 | 涂布机控制方法及涂布机系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002273283A (ja) * | 2001-03-19 | 2002-09-24 | Mitsubishi Electric Corp | 接着剤塗布装置 |
| KR20040084013A (ko) * | 2003-03-26 | 2004-10-06 | 에스케이씨 주식회사 | 정밀 코팅 장치 및, 방법 |
| KR20050057828A (ko) * | 2003-12-11 | 2005-06-16 | 에스케이씨 주식회사 | 그라비아 도포 장치 및 이를 이용한 그라비아 도포 방법 |
| KR20130022446A (ko) | 2011-08-24 | 2013-03-07 | 건국대학교 산학협력단 | 롤투롤 슬롯 다이 인쇄 방식에 있어서의 공정 변수 설계 방법 |
| JP2016179448A (ja) * | 2015-03-24 | 2016-10-13 | 株式会社東芝 | 塗布方法および塗布装置 |
-
2022
- 2022-02-10 KR KR1020220017419A patent/KR102584260B1/ko active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002273283A (ja) * | 2001-03-19 | 2002-09-24 | Mitsubishi Electric Corp | 接着剤塗布装置 |
| KR20040084013A (ko) * | 2003-03-26 | 2004-10-06 | 에스케이씨 주식회사 | 정밀 코팅 장치 및, 방법 |
| KR20050057828A (ko) * | 2003-12-11 | 2005-06-16 | 에스케이씨 주식회사 | 그라비아 도포 장치 및 이를 이용한 그라비아 도포 방법 |
| KR20130022446A (ko) | 2011-08-24 | 2013-03-07 | 건국대학교 산학협력단 | 롤투롤 슬롯 다이 인쇄 방식에 있어서의 공정 변수 설계 방법 |
| JP2016179448A (ja) * | 2015-03-24 | 2016-10-13 | 株式会社東芝 | 塗布方法および塗布装置 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117151194A (zh) * | 2023-10-31 | 2023-12-01 | 厦门欧贝传动科技股份有限公司 | 一种基于高频涡流的轴承涂层厚度检测方法及系统 |
| CN117151194B (zh) * | 2023-10-31 | 2024-02-27 | 厦门欧贝传动科技股份有限公司 | 一种基于高频涡流的轴承涂层厚度检测方法及系统 |
| CN117930750A (zh) * | 2023-12-28 | 2024-04-26 | 深圳市百瑞空气处理设备有限公司 | 涂布机控制方法及涂布机系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102584260B1 (ko) | 2023-10-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20230120780A (ko) | 슬롯-다이 코팅 공정의 코팅층 두께 예측 장치 및 방법 | |
| Salary et al. | Computational fluid dynamics modeling and online monitoring of aerosol jet printing process | |
| Barton et al. | Control of high-resolution electrohydrodynamic jet printing | |
| US11762284B2 (en) | Wafer-scale programmable films for semiconductor planarization and for imprint lithography | |
| Salary et al. | In situ sensor-based monitoring and computational fluid dynamics (CFD) modeling of aerosol jet printing (AJP) process | |
| CN115965911A (zh) | 一种喷墨打印液滴体积智能检测方法 | |
| Hawa et al. | The effect of voltage on the initiation of natural pulsation in electrohydrodynamic jet printing | |
| CN117621456A (zh) | 高度补偿方法、装置、计算机设备和存储介质 | |
| KR102559843B1 (ko) | 롤투롤 연속 공정 기반 공정 변수에 따른 대면적 투명 발수 필름의 성능 제어 방법 및 장치 | |
| CN116330845B (zh) | 一种新型显示喷印制造液滴体积自适应智能调控方法 | |
| CN111216466B (zh) | 喷墨打印的方法、装置以及计算机设备 | |
| CN115008900B (zh) | 一种柔性显示喷印薄膜边缘直线度控制方法和系统 | |
| Kim et al. | Predicting quality of coated layer based on meniscus features associated with thickness for sustainable roll-to-roll processes | |
| US11981138B2 (en) | Information processing system, learning device, and information processing method | |
| Ubal et al. | Continuous deposition of a liquid thread onto a moving substrate. Numerical analysis and comparison with experiments | |
| Chaudhary et al. | Learning to write with the fluid rope trick | |
| Jiang et al. | In situ monitoring and recognition of printing quality in electrohydrodynamic inkjet printing via machine learning | |
| KR102608210B1 (ko) | 롤투롤 연속 공정 기반의 슬롯 다이 코터 제어 방법 및 장치 | |
| CN119020716B (zh) | 一种激光喷涂机控制方法、装置及系统 | |
| Malakhov | The Physics of Slot-Die and Gravure Coating Associated With Precision Thin Films and Coating Defects | |
| Salary et al. | Computational Fluid Dynamics (CFD) Modeling and Online Monitoring of Aerosol Jet Printing (AJP) Process | |
| Mishra et al. | Control of high-resolution electrohydrodynamic jet printing | |
| CN111291020A (zh) | 基于局部加权线性动态系统的动态过程软测量建模方法 | |
| CN110370804B (zh) | 图案喷印宽度驱动的电流体动力学喷印控制方法 | |
| Naveen et al. | Impact dynamics of droplets on inclined superhydrophobic cylindrical surfaces: Maximum spreading in axial and azimuthal directions |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PA0109 | Patent application |
Patent event code: PA01091R01D Comment text: Patent Application Patent event date: 20220210 |
|
| PA0201 | Request for examination | ||
| PE0902 | Notice of grounds for rejection |
Comment text: Notification of reason for refusal Patent event date: 20230420 Patent event code: PE09021S01D |
|
| PG1501 | Laying open of application | ||
| E701 | Decision to grant or registration of patent right | ||
| PE0701 | Decision of registration |
Patent event code: PE07011S01D Comment text: Decision to Grant Registration Patent event date: 20230919 |
|
| GRNT | Written decision to grant | ||
| PR0701 | Registration of establishment |
Comment text: Registration of Establishment Patent event date: 20230925 Patent event code: PR07011E01D |
|
| PR1002 | Payment of registration fee |
Payment date: 20230926 End annual number: 3 Start annual number: 1 |
|
| PG1601 | Publication of registration |