KR20230166633A - Apparatus and method for monitoring of laser process using particle sensor - Google Patents
Apparatus and method for monitoring of laser process using particle sensor Download PDFInfo
- Publication number
- KR20230166633A KR20230166633A KR1020220066846A KR20220066846A KR20230166633A KR 20230166633 A KR20230166633 A KR 20230166633A KR 1020220066846 A KR1020220066846 A KR 1020220066846A KR 20220066846 A KR20220066846 A KR 20220066846A KR 20230166633 A KR20230166633 A KR 20230166633A
- Authority
- KR
- South Korea
- Prior art keywords
- laser processing
- processing process
- error
- fine particles
- particle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 183
- 239000002245 particle Substances 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 128
- 239000010419 fine particle Substances 0.000 claims abstract description 84
- 238000012806 monitoring device Methods 0.000 claims description 12
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 239000011860 particles by size Substances 0.000 claims 1
- 239000000463 material Substances 0.000 abstract description 9
- 238000004904 shortening Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000003754 machining Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000003475 lamination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000011364 vaporized material Substances 0.000 description 1
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
- B23K26/00—Working by laser beam, e.g. welding, cutting or boring
- B23K26/02—Positioning or observing the workpiece, e.g. with respect to the point of impact; Aligning, aiming or focusing the laser beam
- B23K26/03—Observing, e.g. monitoring, the workpiece
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Optics & Photonics (AREA)
- Mechanical Engineering (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Dispersion Chemistry (AREA)
- Plasma & Fusion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Laser Beam Processing (AREA)
Abstract
저비용으로 레이저가공공정 진행 중에 실시간으로 공정오류판단이 가능하여 공정재료비용절감 및 공정시간단축이 가능한 입자센서를 이용한 레이저가공공정 모니터링 방법 및 장치가 제안된다. 본 발명에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법은 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자를 센싱하는 단계; 및 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 단계;를 포함한다. A laser processing process monitoring method and device using a particle sensor is proposed that can determine process errors in real time during the laser processing process at low cost, thereby reducing process material costs and shortening process time. The laser processing process monitoring method using a particle sensor according to the present invention includes the steps of sensing fine particles generated from a laser irradiation target; and determining whether an error has occurred in the laser processing process based on state sensing data regarding the amount of fine particles generated.
Description
본 발명은 입자센서를 이용한 레이저가공공정 모니터링 방법 및 장치에 관한 것으로, 상세하게는 저비용으로 레이저가공공정 진행 중에 실시간으로 공정오류판단이 가능하여 공정재료비용절감 및 공정시간단축이 가능한 입자센서를 이용한 레이저가공공정 모니터링 방법 및 장치에 관한 것이다.The present invention relates to a method and device for monitoring a laser machining process using a particle sensor. Specifically, the present invention relates to a method and device for monitoring a laser machining process using a particle sensor, which enables real-time process error judgment during the laser machining process at low cost, thereby reducing process material costs and shortening the process time. It relates to a laser processing process monitoring method and device.
고출력 레이저를 이용한 가공 공정은 재료의 제거, 접합, 적층, 표면개질 등 다양한 산업분야에 사용되고 있다. 아울러, 레이저가공공정은 작업편의성 및 생산성 향상 때문에 그 적용분야가 지속적으로 확대되고 있다. Processing processes using high-power lasers are used in various industrial fields such as material removal, bonding, lamination, and surface modification. In addition, the application areas of the laser processing process are continuously expanding due to improved work convenience and productivity.
이러한 레이저 가공 공정은 공정 수행 중에 오류를 확인할 수 없어서 공정이 종료하여 레이저 조사가 종료되어야 오류확인이 가능하다. 즉, 레이저가공공정 수행 중에 레이저 조사를 중단하고 오류를 판단하고, 다시 레이저가공공정을 재개하는 것은 불가능하므로, 레이저 가공공정 중 발생하는 공정불량에 대하여 판단이 어려운 문제점을 가진다. In this laser processing process, errors cannot be confirmed during the process, so errors can only be confirmed when the process is completed and laser irradiation is terminated. In other words, it is impossible to stop laser irradiation during the laser processing process, determine the error, and then resume the laser processing process, making it difficult to determine process defects that occur during the laser processing process.
이에 따라 레이저가공공정 중에 오류가 발생한 경우에는 레이저가공공정의 재진행에 따른 재료비용 낭비 및 공정시간 증가의 문제가 발생한다. 레이저가공공정의 초기나 중기 말기 어느 시기에 오류가 발생하여도 레이저가공공정은 그대로 수행되고, 레이저가공품에 대한 품질 검사는 공정 완료 후에 진행되므로 레이저가공공정 오류로 인하여 가공품에 대한 불량이 발생할 시 수정이나 재작업이 어려워 가공제품 전체를 폐기하여야 하므로 제조비용의 증가 및 공정시간 증가의 문제점이 제기되었다.Accordingly, if an error occurs during the laser processing process, problems arise such as wasted material costs and increased processing time due to re-running the laser processing process. Even if an error occurs at the beginning or mid-to-late stage of the laser processing process, the laser processing process is carried out as is, and quality inspection of the laser processed product is performed after the process is completed, so if a defect in the processed product occurs due to an error in the laser processing process, it is corrected. However, because rework is difficult and the entire processed product must be discarded, problems of increased manufacturing costs and increased processing time have been raised.
또한, 레이저가공품의 품질 판단시 일반적으로 비전 카메라를 이용하여 수행하였는데, 품질판단시의 조명 및 가공 재료에 영향을 받아 측정 정확도가 낮고, 측정 장비가 비싸다는 단점을 가지고 있었다.In addition, the quality judgment of laser-processed products was generally performed using a vision camera, but it had the disadvantages of low measurement accuracy due to the influence of lighting and processing materials during quality judgment, and that the measurement equipment was expensive.
본 발명은 상기와 같은 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 목적은, 저비용으로 레이저가공공정 진행 중에 실시간으로 공정오류판단이 가능하여 공정재료비용절감 및 공정시간단축이 가능한 입자센서를 이용한 레이저가공공정 모니터링 방법 및 장치를 제공함에 있다. The present invention was created to solve the above problems, and the purpose of the present invention is to use a particle sensor that can determine process errors in real time during the laser processing process at low cost, thereby reducing process material costs and shortening process time. To provide a laser processing process monitoring method and device.
상기 목적을 달성하기 위한 본 발명의 일 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법은 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자를 센싱하는 단계; 및 미세입자에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 단계;를 포함한다. A laser processing process monitoring method using a particle sensor according to an embodiment of the present invention to achieve the above object includes the steps of sensing fine particles generated from a laser irradiation target; and determining whether an error has occurred in the laser processing process based on state sensing data regarding fine particles.
본 발명에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법에서는 상태센싱데이터의 변화량을 기준으로 오류발생여부를 판단할 수 있다. In the laser processing process monitoring method using a particle sensor according to the present invention, it is possible to determine whether an error has occurred based on the amount of change in status sensing data.
상태센싱데이터는, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자센싱데이터일 수 있다. The state sensing data may be fine particle sensing data generated from a laser irradiation target.
상태센싱데이터는, 미세입자의 크기에 관한 미세입자크기센싱데이터를 더 포함할 수 있다.The state sensing data may further include fine particle size sensing data regarding the size of the fine particles.
상태센싱데이터는, 미세입자의 크기별 입자량에 관한 미세입자량센싱데이터를 더 포함할 수 있다.The state sensing data may further include fine particle mass sensing data regarding the particle amount for each size of fine particles.
상태센싱데이터는, 레이저가공공정수행시의 온도데이터를 더 포함할 수 있다.The state sensing data may further include temperature data when performing the laser processing process.
상태센싱데이터는, 레이저가공공정수행시의 습도데이터를 더 포함할 수 있다.The state sensing data may further include humidity data when performing the laser processing process.
상태센싱데이터는, 레이저가공공정수행시의 광센싱데이터를 더 포함할 수 있다.The state sensing data may further include light sensing data when performing a laser processing process.
본 발명의 다른 측면에 따르면, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자의 발생량을 측정하는 센싱부; 및 측정된 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 판단부;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링장치가 제공된다.According to another aspect of the present invention, a sensing unit that measures the amount of fine particles generated from a laser irradiation target; and a determination unit that determines whether an error has occurred in the laser processing process based on state sensing data regarding the measured amount of fine particles generated. A laser processing process monitoring device using a particle sensor is provided.
센싱부는, 입자센서를 포함하고, 온습도센서 및 포토다이오드 센서 중 적어도 하나를 더 포함할 수 있다.The sensing unit may include a particle sensor and may further include at least one of a temperature and humidity sensor and a photodiode sensor.
본 발명의 또다른 측면에 따르면, 미세입자가 발생되는 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시키는 단계; 및 학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여, 오류발생을 추론하는 단계;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링방법이 제공된다.According to another aspect of the present invention, a laser processing process error model is an artificial intelligence model that collects learning data including fine particle learning data in a laser processing process in which fine particles are generated and infers whether an error occurs in the laser processing process. learning step; A laser processing process monitoring method using a particle sensor is provided, including a step of inputting fine particle data into the learned laser processing process error model and inferring the occurrence of an error.
본 발명의 또다른 측면에 따르면, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자의 발생량을 측정하는 센싱부; 미세입자가 발생되는 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시키는 학습부; 및 학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여, 오류발생을 추론하는 판단부;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링장치가 제공된다.According to another aspect of the present invention, a sensing unit that measures the amount of fine particles generated from a laser irradiation target; A learning unit that collects learning data including fine particle learning data from a laser processing process in which fine particles are generated and trains a laser processing process error model, which is an artificial intelligence model that infers whether an error has occurred in the laser processing process; And a determination unit that inputs fine particle data into the learned laser processing process error model and infers the occurrence of an error. A laser processing process monitoring device using a particle sensor is provided.
본 발명에 따르면, 저비용으로 다양한 작업환경에서 공정진행 중에 직접측정된 미세입자 측정값으로부터 공정오류를 판단할 수 있어서, 오류발생시 즉시 공정중단이 가능하여 공정재료비용 절감 및 공정시간 단축이 가능한 효과가 있다. According to the present invention, process errors can be determined from fine particle measurement values directly measured during the process in various working environments at low cost, and the process can be stopped immediately when an error occurs, which has the effect of reducing process material costs and shortening process time. there is.
도 1은 본 발명의 일실시예에 따른 레이저가공공정 모니터링장치의 블럭도이고, 도 2는 본 발명의 다른 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법의 설명에 제공되는 흐름도이며, 도 3은 본 발명의 또다른 실시예에 따라 레이저가공공정에서 입자센서를 이용한 레이저가공공정 모니터링 방법이 수행되는 모식도이다.
도 4는 본 발명의 또다른 실시예에 따라 레이저가공공정에서 입자센서를 이용한 레이저가공공정 모니터링 방법이 수행되는 모식도이다.
도 5는 본 발명의 또다른 실시예에 따른 레이저가공공정 모니터링장치의 블럭도이고, 도 6은 본 발명의 또다른 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법의 설명에 제공되는 흐름도이다. Figure 1 is a block diagram of a laser processing process monitoring device according to an embodiment of the present invention, and Figure 2 is a flow chart provided to explain a laser processing process monitoring method using a particle sensor according to another embodiment of the present invention. 3 is a schematic diagram of how a laser processing process monitoring method using a particle sensor is performed in a laser processing process according to another embodiment of the present invention.
Figure 4 is a schematic diagram of a laser processing process monitoring method using a particle sensor in a laser processing process according to another embodiment of the present invention.
Figure 5 is a block diagram of a laser processing process monitoring device according to another embodiment of the present invention, and Figure 6 is a flow chart provided to explain a laser processing process monitoring method using a particle sensor according to another embodiment of the present invention. .
이하, 첨부된 도면을 참조하여 본 발명의 실시형태를 설명한다. 그러나, 본 발명의 실시형태는 여러가지 다른 형태로 변형될 수 있으며, 본 발명의 범위가 이하 설명하는 실시형태로 한정되는 것은 아니다. 본 발명의 실시형태는 당업계에서 통상의 지식을 가진 자에게 본 발명을 보다 완전하게 설명하기 위해서 제공되는 것이다. 첨부된 도면에서 특정 패턴을 갖도록 도시되거나 소정두께를 갖는 구성요소가 있을 수 있으나, 이는 설명 또는 구별의 편의를 위한 것이므로 특정패턴 및 소정두께를 갖는다고 하여도 본 발명이 도시된 구성요소에 대한 특징만으로 한정되는 것은 아니다.Hereinafter, embodiments of the present invention will be described with reference to the attached drawings. However, the embodiments of the present invention can be modified into various other forms, and the scope of the present invention is not limited to the embodiments described below. Embodiments of the present invention are provided to more completely explain the present invention to those skilled in the art. In the attached drawings, there may be components shown with a specific pattern or with a predetermined thickness, but this is for convenience of explanation or distinction, so even if they have a specific pattern and a predetermined thickness, the present invention does not describe the features of the components shown. It is not limited to just that.
도 1은 본 발명의 일실시예에 따른 레이저가공공정 모니터링장치의 블럭도이고, 도 2는 본 발명의 다른 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법의 설명에 제공되는 흐름도이며, 도 3은 본 발명의 또다른 실시예에 따라 레이저가공공정에서 입자센서를 이용한 레이저가공공정 모니터링 방법이 수행되는 모식도이다. Figure 1 is a block diagram of a laser processing process monitoring device according to an embodiment of the present invention, and Figure 2 is a flow chart provided to explain a laser processing process monitoring method using a particle sensor according to another embodiment of the present invention. 3 is a schematic diagram of how a laser processing process monitoring method using a particle sensor is performed in a laser processing process according to another embodiment of the present invention.
본 발명에 따른 레이저가공공정 모니터링장치(100)는 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자의 발생량을 측정하는 센싱부(110); 및 측정된 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 판단부(120);를 포함한다. The laser processing process monitoring device 100 according to the present invention includes a sensing unit 110 that measures the amount of fine particles generated from the laser irradiation target; and a determination unit 120 that determines whether an error has occurred in the laser processing process based on state sensing data regarding the measured amount of fine particles generated.
센싱부(110)는 미세입자의 발생량을 측정한다. 도 3을 참조하면, 레이저(310)를 이용한 레이저가공공정에서, 레이저 조사대상(320)에 레이저(310)가 조사된다. 레이저 조사대상(320)에서는 레이저(310)가 직접 조사되어 공정이 수행되는 영역에 레이저(310)의 에너지가 흡수되고, 공정수행영역의 재료는 용융되거나 상태변환되어 재료가 기화된다. 기화된 재료로부터 미세입자(331)가 발생한다. 미세입자(331)는 레이저가공공정에서 발생할 수 있는 크기의 입자로서, 예를 들어 10 내지 1000㎛크기의 입자일 수 있다. The sensing unit 110 measures the amount of fine particles generated. Referring to FIG. 3, in a laser processing process using the laser 310, the laser 310 is irradiated to the laser irradiation target 320. The laser 310 is directly irradiated to the laser irradiation target 320, and the energy of the laser 310 is absorbed in the area where the process is performed, and the material in the process area is melted or changed state and vaporized. Fine particles 331 are generated from the vaporized material. The fine particles 331 are particles of a size that can be generated in a laser processing process, and may be, for example, particles of 10 to 1000 ㎛ in size.
레이저가공공정에서 발생하는 미세입자(331)는 센싱부에서 센싱될 수 있다. 도 3에서, 입자센서(330)는 미세입자(331)을 센싱한다. 센싱부인 입자센서(330)는 미세입자(331)의 발생량을 측정하고, 측정된 미세입자 발생량은 센싱부(110)로부터 판단부(120)로 전달된다(도 1).Fine particles 331 generated in the laser processing process can be sensed in the sensing unit. In Figure 3, the particle sensor 330 senses fine particles 331. The particle sensor 330, which is a sensing unit, measures the amount of fine particles 331 generated, and the measured amount of fine particles is transmitted from the sensing unit 110 to the determination unit 120 (FIG. 1).
판단부(120)는 전달된 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단한다. The determination unit 120 determines whether an error has occurred in the laser processing process based on state sensing data regarding the amount of fine particles transmitted.
도 2를 참조하여, 본 발명에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법을 설명하면, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자가 센싱되고(S210), 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부가 판단된다(S220). Referring to FIG. 2, when explaining the laser processing process monitoring method using the particle sensor according to the present invention, fine particles generated from the laser irradiation target are sensed (S210), and status sensing data regarding the amount of fine particles generated is obtained. Based on this, it is determined whether an error occurred in the laser processing process (S220).
판단부(120)는 센싱부(110)로부터 미세입자의 발생량을 실시간으로 전달받아 미세입자의 발생량이 기설정된 기준값을 초과하면 오류가 발생하였다고 판단할 수 있다. 또는, 판단부(120)는 미세입자에 관한 상태센싱데이터의 변화량이 기설정된 기준변화량을 초과하면 레이저가공공정에 오류가 발생하였다고 판단할 수 있다. The determination unit 120 may receive the amount of fine particles generated in real time from the sensing unit 110 and determine that an error has occurred if the amount of fine particles generated exceeds a preset reference value. Alternatively, the determination unit 120 may determine that an error has occurred in the laser processing process when the amount of change in the state sensing data regarding fine particles exceeds a preset reference amount of change.
도 3을 참조하면, 미세입자(331)는 레이저 조사대상(320)의 종류에 따라 달라질 수 있다. 상태센싱데이터는, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자의 전체 발생량인 미세입자센싱데이터일 수 있다. 또한, 상태센싱데이터는, 미세입자의 크기에 관한 미세입자크기센싱데이터를 더 포함할 수 있다. 또한, 상태센싱데이터는, 미세입자의 크기별 입자량에 관한 미세입자량센싱데이터를 더 포함할 수 있다.Referring to FIG. 3, the fine particles 331 may vary depending on the type of laser irradiation target 320. The state sensing data may be fine particle sensing data, which is the total amount of fine particles generated from the laser irradiation target. Additionally, the state sensing data may further include fine particle size sensing data regarding the size of the fine particles. In addition, the state sensing data may further include fine particle mass sensing data regarding the particle amount for each size of fine particles.
입자센서(330)에는 전제 미세입자의 양을 측정하는 센서가 있고, PM1.0, PM2.5, PM10과 같이 입자크기별로 미세입자를 측정하는 센서가 있다. 입자센서(330)가 입자크기센서인 경우, 판단부(120)는 레이저가공공정 중에 발생하는 미세입자의 크기에 대한 상태센싱데이터를 기초로 하여 레이저가공공정을 모니터링할 수 있다. The particle sensor 330 includes a sensor that measures the total amount of fine particles, and a sensor that measures fine particles by particle size, such as PM1.0, PM2.5, and PM10. If the particle sensor 330 is a particle size sensor, the determination unit 120 may monitor the laser processing process based on state sensing data about the size of fine particles generated during the laser processing process.
즉, 판단부(120)는 레이저가공공정에서 발생할 수 있는 미세입자의 크기에 대한 미세입자센싱데이터를 더 획득할 수 있어, 입자센서를 이용한 레이저가공공정 모니터링 방법에서 오류판단의 정확도를 높일 수 있다. 또한, 판단부(120)가 미세입자의 크기별 입자량에 관한 미세입자량센싱데이터를 더 포함하면, 레이저 조사대상의 재료특성과 관련하여 더욱 정확한 오류판단이 가능하다. In other words, the determination unit 120 can further acquire fine particle sensing data about the size of fine particles that may occur in the laser processing process, thereby increasing the accuracy of error judgment in the laser processing process monitoring method using a particle sensor. . In addition, if the determination unit 120 further includes fine particle mass sensing data regarding the amount of fine particles by size, a more accurate error judgment can be made in relation to the material properties of the laser irradiation target.
상태센싱데이터는, 레이저가공공정수행시의 온도데이터를 더 포함할 수 있다. 상태센싱데이터는, 레이저가공공정수행시의 습도데이터를 더 포함할 수 있다.The state sensing data may further include temperature data when performing the laser processing process. The state sensing data may further include humidity data when performing the laser processing process.
센싱부(110)가 입자센서인 경우 온도 및 습도에 따라 측정량이 변하는 경우가 발생한다. 이러한 온도 및 습도에 대한 영향을 반영하여, 더욱 정확하게 레이저가공공정을 모니터링하기 위해 입자센서에 온도센서(미도시), 습도센서(미도시) 또는 온습도 센서(미도시)를 추가하여 미세입자센싱에 적용할 수 있다. If the sensing unit 110 is a particle sensor, the measured amount may change depending on temperature and humidity. In order to more accurately monitor the laser processing process by reflecting the influence of temperature and humidity, a temperature sensor (not shown), a humidity sensor (not shown), or a temperature and humidity sensor (not shown) are added to the particle sensor for fine particle sensing. It can be applied.
도 4는 본 발명의 또다른 실시예에 따라 레이저가공공정에서 입자센서를 이용한 레이저가공공정 모니터링 방법이 수행되는 모식도이다. 센싱부(110)는 입자센서를 포함하고, 온습도센서를 더 포함할 수 있다. 또한, 센싱부(110)는 입자센서(330)이외에 포토다이오드 센서(340)를 포함하여, 상태센싱데이터는, 레이저가공공정수행시의 광센싱데이터를 더 포함할 수 있다.Figure 4 is a schematic diagram of a laser processing process monitoring method using a particle sensor in a laser processing process according to another embodiment of the present invention. The sensing unit 110 includes a particle sensor and may further include a temperature and humidity sensor. In addition, the sensing unit 110 includes a photodiode sensor 340 in addition to the particle sensor 330, and the state sensing data may further include light sensing data when performing a laser processing process.
도 4를 참조하면, 레이저 가공 공정 중에는 광(341)이 발생할 수 있다. 광은 레이저 조사대상(320)에 반사되는 레이저 파장의 빛이거나, 흡수된 열에너지에 의해 레이저 조사대상(320)에서 발생하는 빛이다. 레이저가공공정 모니터링의 정확도를 높이기 위해, 입자센서(330)이외에 빛을 감지할수 있는 포토다이오드(340)를 적용하여 광센싱데이터를 획득할 수 있다. Referring to FIG. 4, light 341 may be generated during the laser processing process. The light is light of the laser wavelength reflected by the laser irradiation target 320, or is light generated from the laser irradiation target 320 by absorbed heat energy. In order to increase the accuracy of laser processing process monitoring, light sensing data can be obtained by applying a photodiode 340 capable of detecting light in addition to the particle sensor 330.
판단부(120)는 센싱부(110)로부터 미세입자센싱데이터를 획득하고, 추가로, 온습도데이터 또는 광센싱데이터를 더 획득하여 더욱 정확한 레이저가공공정 오류판단이 가능하다. The determination unit 120 obtains fine particle sensing data from the sensing unit 110, and additionally acquires temperature and humidity data or light sensing data to enable more accurate laser processing error judgment.
도 5는 본 발명의 또다른 실시예에 따른 레이저가공공정 모니터링장치의 블럭도이고, 도 6은 본 발명의 또다른 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법의 설명에 제공되는 흐름도이다. Figure 5 is a block diagram of a laser processing process monitoring device according to another embodiment of the present invention, and Figure 6 is a flow chart provided to explain a laser processing process monitoring method using a particle sensor according to another embodiment of the present invention. .
본 실시예에 따르면, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자의 발생량을 측정하는 센싱부(110); 미세입자가 발생되는 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시키는 학습부(140); 및 학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여, 오류발생을 추론하는 판단부(120);를 포함하는 센서를 이용한 레이저가공공정 모니터링장치가 제공된다.According to this embodiment, a sensing unit 110 that measures the amount of fine particles generated from the laser irradiation target; A learning unit 140 that collects learning data including fine particle learning data from a laser processing process in which fine particles are generated and trains a laser processing error model, which is an artificial intelligence model that infers whether an error occurs in the laser processing process. and a determination unit 120 that infers the occurrence of an error by inputting fine particle data into the learned laser processing process error model. A laser processing process monitoring device using a sensor including a is provided.
학습부(140)는 미세입자가 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시킨다. 학습DB(130)는 레이저가공공정 오류모델을 학습시키기 위한 데이터를 저장하는 데이터베이스로서, 예를 들어 미세입자학습데이터를 저장한다. The learning unit 140 collects learning data including fine particle learning data from the laser processing process and trains a laser processing process error model, which is an artificial intelligence model that infers whether an error occurs in the laser processing process. The learning DB 130 is a database that stores data for learning a laser processing process error model, and stores, for example, fine particle learning data.
판단부(120)에는 학습부(140)에서 학습된 레이저가공공정 오류모델에 측정하고자 하는 미세입자가 발생되는 공정의 센싱부(110)에서 감지된 미세입자데이터가 입력된다. 판단부(120)는 레이저가공공정 오류모델을 이용하여 미세입자데이터로부터 레이저가공공정의 오류발생을 추론한다. The determination unit 120 inputs the fine particle data detected by the sensing unit 110 of the process in which the fine particles to be measured are generated into the laser processing process error model learned in the learning unit 140. The determination unit 120 infers the occurrence of an error in the laser processing process from fine particle data using a laser processing process error model.
도 6은 본 발명의 또다른 실시예에 따른 센서를 이용한 레이저가공공정 모니터링 방법의 설명에 제공되는 흐름도이다. 본 실시예에 따른 입자센서를 이용한 레이저가공공정 모니터링 방법은 다음과 같다. Figure 6 is a flowchart provided to explain a method for monitoring a laser processing process using a sensor according to another embodiment of the present invention. The laser processing process monitoring method using a particle sensor according to this embodiment is as follows.
본 실시예에 따르면, 미세입자가 발생되는 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여(S410), 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시키는 단계(S420); 및 학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여(S430), 오류발생을 추론하는 단계(S440);를 수행하여 레이저가공공정을 모니터링한다. According to this embodiment, the laser processing process error model is an artificial intelligence model that collects learning data including fine particle learning data in the laser processing process in which fine particles are generated (S410) and infers whether an error occurs in the laser processing process. Learning step (S420); And the step of inputting fine particle data into the learned laser processing process error model (S430) and inferring the occurrence of an error (S440) is performed to monitor the laser processing process.
먼저, 미세입자가 발생되는 공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집한다(S410). 수집된 학습데이터로, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시킨다(S420). 레이저가공공정 오류모델은 인공지능 알고리즘이 적용되고, 특히 회귀알고리즘이 적용되어 학습될 수 있다. 레이저가공공정 오류모델은 레이저가공공정 모니터링에 있어서, 공정오류판단의 정확도를 향상시키기 위해서 미세입자센싱데이터 및 추가로 적용되는 센서데이터를 독립변수로 하고 공정오류 또는 공정품질 데이터를 종속변수로 하여 인공지능 알고리즘 적용하여 공정오류 정확도를 높일 수 있다. First, learning data including fine particle learning data is collected in a process in which fine particles are generated (S410). With the collected learning data, the laser processing process error model, which is an artificial intelligence model that infers whether an error occurs in the laser processing process, is learned (S420). The laser processing process error model can be learned by applying artificial intelligence algorithms, especially regression algorithms. In order to improve the accuracy of process error judgment in monitoring the laser processing process, the laser processing process error model uses fine particle sensing data and additionally applied sensor data as independent variables and process error or process quality data as dependent variables. Process error accuracy can be increased by applying intelligent algorithms.
레이저가공공정 오류모델의 학습이 완료되면, 학습된 레이저가공공정 오류모델에, 수행 중인 미세입자가 발생되는 공정에서 획득한 미세입자데이터를 입력하여(S430), 레이저가공공정의 오류발생여부를 추론한다(S440). When learning of the laser processing process error model is completed, enter the fine particle data obtained from the process in which fine particles are generated into the learned laser processing process error model (S430) to infer whether an error occurred in the laser processing process. Do it (S440).
한편, 본 실시예에 따른 장치와 방법의 기능을 수행하게 하는 컴퓨터 프로그램을 수록한 컴퓨터로 읽을 수 있는 기록매체에도 본 발명의 기술적 사상이 적용될 수 있음은 물론이다. 또한, 본 발명의 다양한 실시예에 따른 기술적 사상은 컴퓨터로 읽을 수 있는 기록매체에 기록된 컴퓨터로 읽을 수 있는 코드 형태로 구현될 수도 있다. 컴퓨터로 읽을 수 있는 기록매체는 컴퓨터에 의해 읽을 수 있고 데이터를 저장할 수 있는 어떤 데이터 저장 장치이더라도 가능하다. 예를 들어, 컴퓨터로 읽을 수 있는 기록매체는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광디스크, 하드 디스크 드라이브, 등이 될 수 있음은 물론이다. 또한, 컴퓨터로 읽을 수 있는 기록매체에 저장된 컴퓨터로 읽을 수 있는 코드 또는 프로그램은 컴퓨터간에 연결된 네트워크를 통해 전송될 수도 있다.Meanwhile, of course, the technical idea of the present invention can be applied to a computer-readable recording medium containing a computer program that performs the functions of the device and method according to this embodiment. Additionally, the technical ideas according to various embodiments of the present invention may be implemented in the form of computer-readable code recorded on a computer-readable recording medium. A computer-readable recording medium can be any data storage device that can be read by a computer and store data. For example, of course, computer-readable recording media can be ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical disk, hard disk drive, etc. Additionally, computer-readable codes or programs stored on a computer-readable recording medium may be transmitted through a network connected between computers.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진자에 의해 다양한 변형실시가 가능한 것은 물론이고, 이러한 변형실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.In addition, although preferred embodiments of the present invention have been shown and described above, the present invention is not limited to the specific embodiments described above, and the technical field to which the invention pertains without departing from the gist of the present invention as claimed in the claims. Of course, various modifications can be made by those of ordinary skill in the art, and these modifications should not be understood individually from the technical idea or perspective of the present invention.
100: 레이저가공공정 모니터링장치
110: 센싱부
120: 판단부
130: 학습DB
140: 학습부
310: 레이저
320: 레이저 조사대상
330: 입자센서
331: 미세입자
340: 포토다이오드센서
341: 광100: Laser processing process monitoring device
110: Sensing unit
120: Judgment unit
130: Learning DB
140: Learning Department
310: laser
320: Laser irradiation target
330: Particle sensor
331: Fine particles
340: Photodiode sensor
341: light
Claims (12)
미세입자에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 단계;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링방법.A step of sensing fine particles generated from a laser irradiation target; and
A laser processing process monitoring method using a particle sensor, including the step of determining whether an error has occurred in the laser processing process based on status sensing data regarding fine particles.
상태센싱데이터의 변화량을 기준으로 오류발생여부를 판단하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 1,
A laser processing process monitoring method using a particle sensor, characterized by determining whether an error has occurred based on the amount of change in status sensing data.
상태센싱데이터는, 레이저가 조사된 레이저 조사대상으로부터 발생한 미세입자센싱데이터인 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 1,
A laser processing process monitoring method using a particle sensor, wherein the state sensing data is fine particle sensing data generated from a laser irradiated target.
상태센싱데이터는, 미세입자의 크기에 관한 미세입자크기센싱데이터를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 3,
A laser processing process monitoring method using a particle sensor, wherein the state sensing data further includes fine particle size sensing data regarding the size of the fine particles.
상태센싱데이터는, 미세입자의 크기별 입자량에 관한 미세입자량센싱데이터를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 3,
A laser processing process monitoring method using a particle sensor, wherein the state sensing data further includes fine particle mass sensing data regarding the amount of particles by size of the fine particles.
상태센싱데이터는, 레이저가공공정수행시의 온도데이터를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 3,
A laser processing process monitoring method using a particle sensor, wherein the status sensing data further includes temperature data when performing the laser processing process.
상태센싱데이터는, 레이저가공공정수행시의 습도데이터를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 3,
A laser processing process monitoring method using a particle sensor, wherein the status sensing data further includes humidity data when performing the laser processing process.
상태센싱데이터는, 레이저가공공정수행시의 광센싱데이터를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링방법.In claim 3,
A laser processing process monitoring method using a particle sensor, wherein the status sensing data further includes light sensing data when performing the laser processing process.
측정된 미세입자의 발생량에 관한 상태센싱데이터를 기초로 레이저가공공정의 오류발생여부를 판단하는 판단부;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링장치.A sensing unit that measures the amount of fine particles generated from the laser irradiation target; and
A laser processing process monitoring device using a particle sensor including a determination unit that determines whether an error has occurred in the laser processing process based on status sensing data regarding the measured amount of fine particles generated.
센싱부는, 입자센서를 포함하고,
온습도센서 및 포토다이오드 센서 중 적어도 하나를 더 포함하는 것을 특징으로 하는 입자센서를 이용한 레이저가공공정 모니터링장치.In claim 9,
The sensing unit includes a particle sensor,
A laser processing process monitoring device using a particle sensor, characterized in that it further includes at least one of a temperature and humidity sensor and a photodiode sensor.
학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여, 오류발생을 추론하는 단계;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링방법.Collecting learning data including fine particle learning data from a laser processing process in which fine particles are generated, and learning a laser processing process error model, which is an artificial intelligence model that infers whether an error occurs in the laser processing process; and
A laser processing process monitoring method using a particle sensor, including the step of inferring the occurrence of an error by inputting fine particle data into the learned laser processing process error model.
미세입자가 발생되는 레이저가공공정에서 미세입자학습데이터를 포함하는 학습데이터를 수집하여, 레이저가공공정의 오류발생여부를 추론하는 인공지능 모델인 레이저가공공정 오류모델을 학습시키는 학습부; 및
학습된 레이저가공공정 오류모델에 미세입자데이터를 입력하여, 오류발생을 추론하는 판단부;를 포함하는 입자센서를 이용한 레이저가공공정 모니터링장치.
A sensing unit that measures the amount of fine particles generated from the laser irradiation target;
A learning unit that collects learning data including fine particle learning data from a laser processing process in which fine particles are generated and trains a laser processing process error model, which is an artificial intelligence model that infers whether an error has occurred in the laser processing process; and
A laser processing process monitoring device using a particle sensor including a determination unit that inputs fine particle data into the learned laser processing process error model and infers the occurrence of an error.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220066846A KR20230166633A (en) | 2022-05-31 | 2022-05-31 | Apparatus and method for monitoring of laser process using particle sensor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220066846A KR20230166633A (en) | 2022-05-31 | 2022-05-31 | Apparatus and method for monitoring of laser process using particle sensor |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230166633A true KR20230166633A (en) | 2023-12-07 |
Family
ID=89163579
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220066846A KR20230166633A (en) | 2022-05-31 | 2022-05-31 | Apparatus and method for monitoring of laser process using particle sensor |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20230166633A (en) |
-
2022
- 2022-05-31 KR KR1020220066846A patent/KR20230166633A/en not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111929309B (en) | Cast part appearance defect detection method and system based on machine vision | |
| US20240261907A1 (en) | Laser welding quality inspection method and laser welding quality inspection apparatus | |
| JP2020138254A (en) | Process defect occurrence forecast system for machine tool | |
| WO2019030837A1 (en) | Fabrication abnormality detection system for three-dimensional additive manufacturing device, three-dimensional additive manufacturing device, fabrication abnormality detection method for three-dimensional additive manufacturing device, method for manufacturing three-dimensional additively manufactured object, and three-dimensional additively manufactured object | |
| CN115121911B (en) | Robot control management system based on machine vision | |
| Park et al. | Estimation of weld bead size in CO 2 laser welding by using multiple regression and neural network | |
| CN103246241A (en) | Method for monitoring the quality of industrial processes and system therefrom | |
| JP2022182325A (en) | Monitoring system and additive manufacturing system | |
| CN112183919A (en) | Quality prediction system and quality prediction method | |
| CN116060642A (en) | Laser selective melting forming quality monitoring and analyzing method | |
| KR20230166633A (en) | Apparatus and method for monitoring of laser process using particle sensor | |
| CN117655568A (en) | Optical communication product laser welding performance monitoring system based on air-floating welding clamp | |
| JP2002239761A (en) | Method and device for monitoring laser beam welding | |
| KR20230166631A (en) | Apparatus and method for monitoring of laser process using voc sensor | |
| CN111230299A (en) | Laser welding online detection device and method | |
| US20240246151A1 (en) | Methods for Additive Manufacturing of a Component | |
| JP2024530685A (en) | Method and system for analyzing a laser processing process based on a spectrogram - Patents.com | |
| Dellarre et al. | Qualify a near-infrared camera to detect thermal deviation during aluminum alloy Wire Arc Additive Manufacturing | |
| KR20230174549A (en) | Apparatus and method for monitoring of laser process using photosensor | |
| CN117620315A (en) | Intelligent removing system and method for additive manufacturing part support | |
| Basova et al. | The cutting tool technical state forecasting during the technological production preparation stages | |
| CN117680574A (en) | Automatic riving knife abnormality monitoring method and system for intelligent bonding copper wire production system | |
| US20220317651A1 (en) | Manufacturing a workpiece using optical dimensioning | |
| Granados et al. | An experimental study of multi-sensor tool wear monitoring and its application to predictive maintenance | |
| CN114988679B (en) | Intelligent feed control method for glass cutting machine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |