WO2021261659A1

WO2021261659A1 - 인공지능 기반 비파괴검사 방법 및 시스템

Info

Publication number: WO2021261659A1
Application number: PCT/KR2020/012601
Authority: WO
Inventors: 박상기
Original assignee: 주식회사 파워인스
Priority date: 2020-06-24
Filing date: 2020-09-18
Publication date: 2021-12-30
Also published as: KR102304750B1; US20230084562A1

Abstract

인공지능 기반 비파괴검사 방법 및 시스템이 개시된다. 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법은, 비파괴검사 장치가 생성한 로우 데이터의 특성을 조회하는 단계, 상기 로우 데이터의 특성을 분석하는 단계, 상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 단계, 추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 단계 및 추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 단계를 포함한다.

Description

인공지능 기반 비파괴검사 방법 및 시스템

본 발명은 인공지능 기반 비파괴검사 방법 및 시스템에 관한 것이다. 더 구체적으로, 초음파검사 장치와 같은 비파괴검사 장치로부터 획득된 로우 데이터의 구조 또는 특성을 분석하여 비파괴검사 대상물을 추정하고, 상기 비파괴검사 대상물의 안정성 분석에 이용할 인공지능 모델을 추천하는 인공지능 기반 비파괴검사 방법 및 시스템에 관한 것이다.

일반적으로, 비파괴검사를 이용한 검사 대상물의 안정성 판단 체계는 검사자가 직접 탐촉자를 이용해 검사를 진행하고, 이에 따른 검사 측정 결과물을 검사자가 보고 직접 안정성을 판단하는 육안 검사 체계이다. 육안 검사 체계는 시간이 많이 걸리며, 검사 측정 결과물의 정밀도가 낮은 문제가 있다. 또한, 검사 판단 결과는 검사자의 기량과 경험과 같은 인적 요인 차이에 따라 매번 바뀌므로 검사의 신뢰도가 낮아지는 문제가 있다.

일례로, 발전소에서 수행되는 터빈 로터의 안정성 검사는 터빈 블레이드 루트부와 로터 블레이드가 결합된 상태이므로 이들을 분해하지 않은 상태에서는 육안 검사가 불가능하다. 따라서, 초음파를 터빈 블레이드 루트부로 조사하여 검사하는 초음파검사법을 사용하고 있다. 이때, 수행되는 초음파검사는 검사자가 직접 좁은 터빈 블레이드 사이로 들어가 초음파 신호를 취득하므로, 검사 시간이 다소 오래 걸리는 경우가 많다. 이 경우, 발전소는 검사를 진행하는 동안 발전이 중지되므로 막대한 비용이 발생하게 되는 문제가 있다. 또한, 취득한 초음파 신호 판독을 검사자가 직접 수행하므로 검사자에 따라 판독 결과가 달라지는 경우가 종종 있다. 이 경우, 검사가 재수행되며, 이에 따라, 운용 정지 시간이 늘어나는 문제가 발생하기도 한다.

본 발명은 상술한 문제점을 해결하기 위한 것으로서, 비파괴검사 장치로부터 로우 데이터의 구조 또는 특성을 분석하여 비파괴검사 대상물을 추정하고, 분석에 이용할 인공지능 모델을 추천하는 인공지능 기반 비파괴검사 방법 및 시스템을 제공하고자 한다.

또한, 비파괴검사 대상물에 대한 스캔 데이터가 적으면, 데이터의 양을 증폭하여 인공지능 모델의 학습 데이터로 이용하는 인공지능 기반 비파괴검사 방법 및 시스템을 제공하고자 한다.

또한, 숙련된 검사자의 판단 노하우를 인공지능 모델이 습득하도록 하여 인공지능 모델의 판단 성능을 향상하는 인공지능 기반 비파괴검사 방법 및 시스템을 제공하고자 한다.

본 발명의 해결 과제들은 이상에서 언급한 내용으로 제한되지 않으며, 언급되지 않은 또 다른 기술적 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법은, 비파괴검사 장치가 생성한 로우 데이터의 특성을 조회하는 단계; 상기 로우 데이터의 특성을 분석하는 단계; 상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 단계; 추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 단계; 및 추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 단계;를 포함할 수 있다.

또한, 상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭 여부를 판단하는 단계; 및 상기 증폭 여부 판단 결과에 따라 상기 데이터를 추가 생성하는 단계;를 더 포함할 수 있다.

또한, 상기 로우 데이터의 특성을 조회하는 단계는, 상기 로우 데이터를 기반으로 데이터 파싱을 수행하고, 파싱된 데이터를 분석할 수 있다.

또한, 상기 로우 데이터의 특성은, 상기 비파괴검사 장치가 획득하는 상기 데이터의 구조 정보를 포함할 수 있다.

또한, 상기 로우 데이터의 특성을 조회하는 단계에서는, 상기 비파괴검사 장치로부터 상기 로우 데이터 특성을 수신할 수 있고, 상기 인공지능 모델을 추천하는 단계에서는, 수신된 상기 로우 데이터 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 적합한 인공지능 모델을 추천할 수 있다.

또한, 상기 데이터의 증폭 여부를 판단하는 단계는, 상기 인공지능 모델의 과적합 여부 또는 판단 정확도에 따라 상기 데이터의 증폭 여부를 판단할 수 있다.

또한, 상기 비파괴검사 장치는 초음파를 이용하는 검사 장치이고, 상기 데이터를 추가 생성하는 단계는, 스캔 횟수 축, 측정 지점 축, 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축, 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 상기 데이터를 추가 생성할 수 있다.

또한, 상기 데이터를 추가 생성하는 단계는, 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절할 수 있다.

또한, 상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하는 단계; 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트하는 단계; 및 업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링(Data labeling)을 수행하는 단계를 더 포함할 수 있다.

또한, 상기 대상물은 터빈 블레이드일 수 있다.

한편, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 시스템은, 비파괴검사 장치가 생성한 로우 데이터를 수집하는 데이터 수집부; 상기 로우 데이터의 특성을 분석하고, 상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 데이터 분석부; 추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 모델 추천부; 및 추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 안정성 검토부;를 포함할 수 있다.

또한, 상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭여부를 판단하는 증폭여부 판단부; 및 상기 증폭이 필요한 경우 상기 데이터를 추가 생성하는 전처리부;를 더 포함할 수 있다.

또한, 상기 데이터 분석부는, 상기 로우 데이터를 기반으로 데이터 파싱을 수행하고, 파싱된 데이터를 분석할 수 있다.

또한, 상기 데이터 분석부는, 상기 비파괴검사 장치로부터 상기 로우 데이터 특성을 수신하고, 상기 모델 추천부는, 수신된 상기 로우 데이터 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 적합한 인공지능 모델을 추천할 수 있다.

또한, 상기 증폭여부 판단부는, 상기 인공지능 모델의 과적합 여부 또는 판단 정확도에 따라 상기 데이터의 증폭 여부를 판단할 수 있다.

또한, 상기 비파괴검사 장치는 초음파를 이용하는 검사 장치이고, 상기 전처리부는, 스캔 횟수 축, 측정 지점 축, 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축, 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 상기 데이터를 추가 생성할 수 있다.

또한, 상기 전처리부는, 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절할 수 있다.

또한, 상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하고 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트하는 안정성 진단 결과 리포트부; 및 업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링(Data labeling)을 수행하는 레이블 편집부;를 더 포함할 수 있다.

또한, 상기 대상물은 터빈 블레이드일 수 있다.

본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법 및 시스템은, 비파괴검사 장치로부터 로우 데이터의 구조 또는 특성을 분석하여 비파괴검사 대상물을 추정할 수 있으며, 분석에 이용할 인공지능 모델을 추천할 수 있다.

또한, 비파괴검사 대상물에 대한 스캔 데이터가 적으면, 데이터의 양을 증폭하여 인공지능 모델의 학습 데이터로 이용할 수 있다.

또한, 숙련된 검사자의 판단 노하우를 인공지능 모델이 습득하도록 하여 인공지능 모델의 성능을 향상할 수 있다.

또한, 판단 성능이 향상된 인공지능 모델을 이용하여 비파괴검사 대상물의 안정성을 판단할 수 있다.

본 발명의 효과들은 이상에서 언급한 내용으로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 종래의 초음파검사 장치가 취득한 신호를 시각화한 초음파 파형과 영상 신호의 일례이다.

도 2는 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 시스템과 상기 시스템의 내부 구조를 도시한 블록도이다.

도 3은 본 발명의 일 실시예에 따른 비파괴검사 장치의 로우 데이터 구조를 도시한 도면이다.

도 4는 본 발명의 일 실시예에 따른 데이터 수집부가 로우 데이터로부터 수집하는 3차원 데이터 구조를 나타낸 도면이다.

도 5는 본 발명의 일 실시예에 따른 비파괴검사 대상물에 대한 탐촉자의 측정 지점을 도시한 도면이다.

도 6은 본 발명의 일 실시예에 따른 이동 평균 산출 개념을 나타낸 도면이다.

도 7은 본 발명의 일 실시예에 따른 3차원 데이터 구조에서 이동 평균을 이용하여 데이터를 증폭하는 것을 나타낸 도면이다.

도 8 내지 도 10은 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법의 수행 과정을 도시한 순서도이다.

아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예가 상세하게 설명된다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고, 도면에서 본 발명의 실시예를 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략되었다.

본 명세서에서 사용된 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도로 사용된 것이 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함할 수 있다.

본 명세서에서, "포함하다", "가지다" 또는 "구비하다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로서, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해될 수 있다.

또한, 본 발명의 실시예에 나타나는 구성부들은 서로 다른 특징적인 기능들을 나타내기 위해 독립적으로 도시되는 것으로, 각 구성부들이 분리된 하드웨어나 하나의 소프트웨어 구성단위로 이루어짐을 의미하지 않는다. 즉, 각 구성부는 설명의 편의상 각각의 구성부로 나열하여 기술되고, 각 구성부 중 적어도 두 개의 구성부가 합쳐져 하나의 구성부로 이루어지거나, 하나의 구성부가 복수 개의 구성부로 나뉘어져 기능을 수행할 수 있다. 이러한 각 구성부의 통합된 실시예 및 분리된 실시예도 본 발명의 본질에서 벗어나지 않는 한 본 발명의 권리 범위에 포함된다.

또한, 이하의 실시예들은 당 업계에서 평균적인 지식을 가진 자에게 보다 명확하게 설명하기 위해서 제공되는 것으로서, 도면에서의 요소들의 형상 및 크기 등은 보다 명확한 설명을 위해 과장될 수 있다.

이하, 설명되는 실시예는 발전소 터빈 블레이드에 대한 초음파검사에 대한 실시예로 설명되나, 이에 한정되지 않으며, 본 발명은 일반적인 비파괴검사를 수행하는 장치 및 방법에 대해 적용될 수 있다.

이하, 첨부된 도면을 참조하여, 본 발명에 따른 바람직한 실시예에 대하여 설명한다.

도 1을 참조하면, 종래의 초음파검사 장치는 검사자가 검사 대상물의 결함을 판단할 수 있도록 데이터를 시각화 한다. 검사자는 시각화 된 상기 데이터를 확인하여 직접 검사 대상물의 결함을 판단한다. 본 발명의 인공지능 기반 비파괴검사 시스템은 검사 판단 결과의 신뢰성과 정밀성을 향상하기 위해 검사자의 직접 판단은 배제하고, 머신러닝(Machine Learning)으로 학습된 인공지능 모델이 상기 데이터를 기초로 비파괴검사 대상물의 안정성을 검토하기 위한 장치이다.

도 2는 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 시스템과 상기 시스템의 내부 구조를 도시한 블록도이며, 도 3은 본 발명의 일 실시예에 따른 비파괴검사 장치의 로우 데이터 구조를 도시한 도면이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 시스템(100)은 비파괴검사 장치(20)의 비파괴검사 대상물(10)에 대한 스캔 데이터를 기반으로 인공지능 모델을 이용하여 비파괴검사 대상물(10)의 안정성을 검토하는 시스템으로서, 데이터수집부(110), 데이터분석부(120), 모델추천부(130) 및 안정성검토부(140)를 포함할 수 있다. 또한, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 시스템(100)은 증폭여부 판단부(150), 전처리부(160), 모델 생성부(170), 안정성 진단 리포트부(180), 레이블 편집부(190) 및 데이터 저장부(200) 중 하나 이상을 더 포함할 수 있다. 도 2에 도시된 구성 요소들은 인공지능 기반 비파괴검사 시스템(100)을 구성하는 데 있어서, 필수적인 것은 아니며, 본 명세서상에서 설명되는 인공지능 기반 비파괴검사 시스템(100)은 위에서 열거된 구성요소들보다 많거나 또는 적은 구성요소를 가질 수 있다.

본 실시예에서, 데이터수집부(110)는 비파괴검사 장치(20)가 생성하는 로우 데이터를 수집할 수 있다. 데이터분석부(120)는 상기 로우 데이터의 특성을 분석하고, 상기 로우 데이터의 특성에 따라 비파괴검사 대상물(10)을 추정할 수 있다. 모델 추천부(130)는 추정된 비파괴검사 대상물(10)에 적합한 인공지능 모델을 추천할 수 있다. 안정성 검토부(140)는 추천된 상기 인공지능 모델을 이용하여 비파괴검사 대상물(10)의 안정성을 검토할 수 있다.

증폭여부 판단부(150)는 상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭여부를 판단할 수 있다. 전처리부(160)는 상기 증폭이 필요한 경우 상기 데이터를 추가 생성할 수 있다. 모델 생성부(170)는 기계학습을 통해 상기 인공지능 모델을 생성할 수 있고, 안정성 진단 리포트부(180)는 상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하고 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트할 수 있다. 또한 안정성 진단 리포트부(180)는 안정성 검토부(140)의 검토 결과가 포함된 진단 결과 리포트를 제공할 수 있다. 레이블 편집부(190)는 업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링(Data labeling)을 수행할 수 있다. 데이터 저장부(200)는 데이터 저장 공간으로서, 과거에 수집한 로우 데이터, 분석 및 학습에 이용된 데이터, 안정성 진단 리포트부(180)가 발행한 진단 결과 리포터들이 저장될 수 있으며, 새로 수집한 로우 데이터 및 데이터도 저장되어 추후의 비파괴검사 검토에 이용될 수 있다.

본 발명의 일 실시예에 따른 비파괴검사장치(20)는 초음파를 이용하는 검사 장치일 수 있다. 본 실시예에서, 비파괴검사장치(20)는 탐촉자(21)를 통해 초음파를 비파괴검사 대상물(10)에 송신하고, 탐촉자(21)로 반송되는 초음파를 감지하여, 이를 기초로 로우 데이터를 생성할 수 있다. 여기서, 상기 로우 데이터는 비파괴검사장치(20)의 측정치(데이터)들이 미리 설정된 데이터 셋의 구조로 정리되어 생성된 데이터를 의미할 수 있다. 상기 로우 데이터는 비파괴검사 장치(20)의 종류에 따라 서로 다른 특성을 가질 수 있다. 예컨대, 31개의 지점에서, 단일각도로 401회의 초음파 측정을 수행하여 그 평균값을 이용하는 특성을 가지는 비파괴검사 장치(20)는 도 3에 도시된 데이터 구조가 특성인 로우 데이터를 생성할 수 있다. 즉, 상기 로우 데이터의 특성은 상기 로우 데이터의 구조를 의미할 수 있으며, 상기 로우 데이터의 특성은 비파괴검사 장치(20)의 종류별 특성마다 달라질 수 있다.

데이터 수집부(110)는 비파괴검사장치(20)로부터 상기 로우 데이터를 수집할 수 있다. 데이터 수집부(110)는 실시간 또는 비실시간으로 상기 로우 데이터를 수집할 수 있으며, 데이터 수집 환경에 따라 네트워크 연결이 불가능한 경우 별도의 데이터 저장매체를 통해 상기 로우 데이터를 수집할 수 있다. 수집된 상기 로우 데이터는 데이터 저장부(180)에 저장될 수 있다. 데이터 수집부(110)가 수집한 상기 로우 데이터는 모델 생성부(150)가 기계학습을 위한 학습 데이터로 사용될 수 있다.

데이터 분석부(120)는 수집된 상기 로우 데이터를 파싱 및 분석하여 상기 로우 데이터의 특성을 통해 비파괴검사 대상물을 추정할 수 있다. 예컨대, 데이터 분석부(120)는 도 3에 도시된 것과 같이 로우 데이터를 파싱 및 분석하여, 상기 로우 데이터의 구조 및 특성을 인식하고, 데이터 저장부(200)에 저장된 이전의 측정 데이터와의 비교를 통해 비파괴검사 대상물(10)을 추정할 수 있다.

모델 추천부(130)는 추정한 비파괴검사 대상물(10)과 상기 로우 데이터의 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 비파괴검사 대상물(10)의 안정성 검토에 적합한 인공지능 모델을 추천할 수 있다.

비파괴검사 장치(20)의 종류는 다양하므로, 비파괴검사 장치(20)가 생성하는 상기 로우 데이터의 특성도 다양할 수 있다. 따라서 상기 로우 데이터의 특성에 따라 적합한 인공지능 모델이 선택되어야 한다. 예컨대, 상기 적합한 인공지능 모델은 상기 로우 데이터의 특성에 따른 분류 방식을 적용한 인공지능 모델일 수 있거나, 군집 방식을 적용한 인공지능 모델일 수 있다.

안정성 검토부(140)는 추천된 인공지능 모델을 이용하여 비파괴검사 대상물(10)의 안정성을 검토할 수 있다.

증폭여부 판단부(150)는 추천된 인공지능 모델의 과적합 여부 또는 판단 정확도를 도출하고, 상기 과적합 여부 또는 상기 판단 정확도에 기초하여 상기 인공지능 모델의 비파괴검사 대상물(10) 안정성 검사 성능을 판단할 수 있다. 추천된 인공지능 모델의 검사 성능이 낮은 것으로 판단되면, 증폭여부 판단부(150)는 데이터의 증폭이 필요한 것으로 판단할 수 있다. 전처리부(160)는 상기 증폭이 필요한 경우 상기 데이터를 추가로 생성할 수 있다.

일반적으로 대규모 플랜트의 발전 터빈 또는 구동계의 경우, 데이터 확보를 위해 임의로 장비의 구동을 멈출 수 없으므로, 정해진 점검 일정에 따라 제한적으로 데이터를 수집할 수밖에 없는 한계가 존재한다. 그러므로, 대규모 플랜트의 발전 터빈 또는 구동계를 검사하는 종래의 인공지능 기반 비파괴검사 시스템은 인공지능 모델의 매개변수를 훈련할 충분한 학습 데이터를 확보하지 못하며, 적은 학습 데이터로 학습된 인공지능 모델은 과적합 또는 판단 정확도의 문제가 발생한다. 이를 방지하기 위해, 본 발명의 인공지능 기반 비파괴검사 시스템(100)의 증폭여부 판단부(150)는 상기 인공지능 모델의 과적합 또는 판단 정확도 문제 여부를 판단한다. 증폭여부 판단부(150)가 상기 인공지능 모델이 과적합 되거나 판단 정확도에 문제가 있다고 판단하면, 전처리부(160)는 상기 인공지능 모델의 과적합을 해결하거나 판단 정확도를 향상하기 위해 데이터를 증폭할 수 있다. 데이터의 증폭에 대한 자세한 설명은 후술한다.

전처리부(160)가 상기 데이터 증폭을 수행하면, 모델 생성부(170)는 증폭된 상기 데이터를 학습 데이터로 이용하여 새로운 인공지능 모델을 생성할 수 있다. 새로운 인공지능 모델을 생성되면, 안정성 검토부(140)는 새로운 인공지능 모델을 이용하여, 비파괴검사 대상물의 안정성을 검토할 수 있다. 이와 같이 인공지능 기반 비파괴검사 시스템(100)은 학습 데이터가 충분히 확보되지 않아 초기의 판단 정확도가 낮더라도 데이터를 스스로 증폭하여 분한 학습 데이터를 생성함으로써 비파괴검사 시스템의 판단 정확도를 향상할 수 있다.

안정성 진단 리포트부(180)는 안정성 검토부(140)의 검토 결과를 포함하는 진단 결과 리포트를 제공할 수 있다. 이때, 안정성 진단 리포트부(180)는 안정성 검토부(140)의 검토 결과 정확도가 미리 정해진 임계치보다 낮으면 검사자의 추가 판단을 요청할 수 있다.

검사자는 상기 진단 결과 리포트를 확인하여, 안정성 진단 리포트부(180)의 요청에 따라, 안정성 검토부(140)의 검토 결과에 대한 추가 판단을 인공지능 기반 비파괴검사 시스템(100)에 입력할 수 있다. 안정성 진단 리포트부(180)는 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트할 수 있다.

업데이트된 상기 검토 결과를 기초로 레이블 편집부(190)는 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링을 수행할 수 있다. 모델 생성부(170)는 수정된 가중치를 기초로 인공지능 모델을 다시 생성할 수 있다. 인공지능 기반 비파괴검사 시스템(100)은 추후의 동일한 비파괴검사 대상물의 안정성 검토에 다시 생성한 인공지능 모델을 이용할 수 있다. 이러한 과정으로 인공지능 기반 비파괴검사 시스템(100)은 검사자의 판단 기준들을 습득할 수 있고, 비파괴검사 대상물의 안정성 판단을 보다 정확하게 수행할 수 있다.

도 4는 본 발명의 일 실시예에 따른 데이터 수집부가 로우 데이터로부터 수집하는 3차원 데이터 구조를 나타낸 도면이고, 도 5는 본 발명의 일 실시예에 따른 비파괴검사 대상물의 탐촉자의 측정 지점을 도시한 도면이다. 도 6은 본 발명의 일 실시예에 따른 이동 평균 산출 개념을 나타낸 도면이고, 도 7은 본 발명의 일 실시예에 따른 3차원 데이터 구조에서 이동 평균을 이용하여 데이터를 증폭하는 것을 나타낸 도면이다.

도 4를 참조하면, 본 실시예에 있어서, 데이터 수집부(110)는 데이터를 증폭하기 용이하도록 상기 로우 데이터로부터 단일 스캔 각도에서의 스캔 횟수 축, 측정 지점 축 및 초음파 인덱스 축을 가지는 3차원 데이터 구조로 데이터를 수집할 수 있다. 여기서, 단일 스캔 각도는 비파괴검사 장치(20)가 하나의 측정 지점에서 비파괴검사 대상물로 발신하는 복수의 초음파의 입사각 중 하나를 의미할 수 있다. 본 실시예에서, 비파괴검사 장치(20)는 탐촉자(21)를 이용하여 다양한 측정 지점에서 비파괴검사 대상물(10)을 검사할 수 있다. 예컨대, 도 5에 도시된 것과 같이 비파괴검사 대상물(10)에 대해 탐촉자(21)가 자동으로 이동하여 복수의 측정 지점(11)에서 초음파검사를 수행할 수 있다. 측정 지점에 대한 속성은 상기 로우 데이터에 포함되고 데이터 수집부(110)가 상기 측정 지점 속성을 이용하여 데이터를 수집할 수 있다.

또한, 본 실시예에 있어서, 비파괴검사 장치(20)는 하나의 측정 지점별로 약 30도의 범위로 반복 측정할 수 있다. 예컨대, 비파괴검사 장치(20)는 40도에서 70도까지의 측정 범위를 가지며, 상기 측정 범위 내에서 1도마다 400번의 초음파를 생성하여 측정을 수행할 수 있다. 도 4에 도시된 3차원 데이터는 특정 단일 각도(e.g. 52도)에서 측정한 데이터이다. 즉, 데이터 수집부(110)는 단일 스캔 각도의 데이터 하나의 값에 대해 스캔 횟수, 측정 지점, 초음파 어레이 인덱스에 대한 속성을 가질 수 있고, 각 속성을 하나의 축으로 3차원으로 도시하면 도 4와 같은 3차원 데이터 구조로 구현할 수 있다.

증폭여부 판단부(150)가 데이터의 증폭이 필요하다고 판단하면, 전처리부(160)는 상기 데이터의 증폭을 수행할 수 있다. 여기서, 상기 데이터의 증폭은 수집되어 있는 상기 데이터를 기반으로 데이터를 추가로 생성하는 것을 의미할 수 있다. 본 실시예에서, 전처리부(160)는 스캔 횟수 축, 측정 지점 축 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 데이터를 추가로 생성할 수 있다. 이때, 전처리부(160)는 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절할 수 있다.

도 6을 참조하면, 이동 평균은 전체 데이터 집합에 대해 이동 평균 길이 값(k) 만큼의 데이터 부분 집합(window)를 이동시키며 각각의 상기 데이터 부분 집합에 대한 평균을 산출하는 것을 의미할 수 있다.

도 7을 참조하여 이동 평균 길이가 3으로 설정된 상태에서, 상기 스캔 횟수 축을 기준으로 추가 데이터를 생성하는 것에 대하여 설명하면, 일례로, 전처리부(160)는 3 내지 5회차의 데이터(측정 지점 × 초음파 인덱스) 각각에 대한 평균, 4 내지 6회차의 데이터 각각에 대한 평균, 6 내지 7회차의 데이터 각각에 대한 평균을 산출하는 방식으로 새로운 추가 데이터를 생성할 수 있다. 이 같은 방식으로 전처리부(160)는 각각의 상기 측정 지점 축 또는 초음파 인덱스 축 기준으로도 데이터를 추가로 생성할 수 있으므로, 인공지능 기반 비파괴검사 시스템(100)은 적은 데이터로도 충분히 많은 양의 데이터를 추가로 생성하여 학습하므로, 인공지능 모델의 정확도가 높은 인공지능 모델을 훈련시킬 수 있다.

도 8을 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법은 비파괴검사 장치가 생성한 로우 데이터의 특성을 조회하는 단계(S810), 상기 로우 데이터의 특성을 분석하는 단계(S820), 상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 단계(S830), 추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 단계(S840) 및 추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 단계(S850)를 포함한다.

여기서, 로우 데이터의 특성을 조회하는 단계(S810)에서는, 상기 로우 데이터를 기반으로 데이터 파싱을 수행하고, 파싱된 데이터를 분석할 수 있다.

또한, 상기 로우 데이터의 특성을 조회하는 단계(S810)에서, 상기 비파괴검사 장치로부터 상기 로우 데이터 특성을 수신하면, 상기 인공지능 모델을 추천하는 단계(S840)에서는, 수신된 상기 로우 데이터 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 적합한 인공지능 모델을 추천할 수 있다.

여기서, 로우 데이터의 특성은, 상기 비파괴검사 장치가 획득하는 상기 데이터의 구조 정보를 포함할 수 있다.

본 실시예에서 상기 대상물은 터빈 블레이드일 수 있다.

도 9를 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법은 상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭 여부를 판단하는 단계(S910) 및 상기 증폭 여부 판단 결과에 따라 상기 데이터를 추가 생성하는 단계(S920)가 더 수행될 수 있다.

또한, 데이터의 증폭 여부를 판단하는 단계(S920)에서는, 상기 인공지능 모델의 과적합 여부 또는 판단 정확도에 따라 상기 데이터의 증폭 여부를 판단할 수 있다.

본 실시예에 있어서, 상기 비파괴검사 장치는 초음파를 이용하는 검사 장치일 수 있으며, 데이터를 추가 생성하는 단계(S920)에서는, 스캔 횟수 축, 측정 지점 축, 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축, 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 상기 데이터를 추가 생성할 수 있다.

또한, 데이터를 추가 생성하는 단계(S920)에서는, 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절할 수 있다.

도 10을 참조하면, 본 발명의 일 실시예에 따른 인공지능 기반 비파괴검사 방법은, 상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하는 단계(S1010), 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트하는 단계(S1020) 및 업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링을 수행하는 단계(S1030)가 더 수행될 수 있다.

본 발명의 인공지능 기반 비파괴검사 방법은 충분한 학습 데이터가 확보되지 않아도 데이터를 증폭하여 스스로 충분한 학습 데이터를 생성하여 판단 정확도를 향상할 수 있으며, 검사자의 판단 기준들을 습득할 수 있고, 비파괴검사 대상물의 안정성 판단을 보다 정확하게 수행할 수 있다.

본 명세서에 기재된 다양한 실시예들은 하드웨어, 미들웨어, 마이크로코드, 소프트웨어 및/또는 이들의 조합에 의해 구현될 수 있다. 예를 들어, 다양한 실시예들은 하나 이상의 주문형 반도체(ASIC)들, 디지털 신호 프로세서(DSP)들, 디지털 신호 프로세싱 디바이스(DSPD)들, 프로그램어블 논리 디바이스(PLD)들, 필드 프로그램어블 게이트 어레이(FPGA)들, 프로세서들, 컨트롤러들, 마이크로컨트롤러들, 마이크로프로세서들, 여기서 제시되는 기능들을 수행하도록 설계되는 다른 전자 유닛들 또는 이들의 조합 내에서 구현될 수 있다.

예를 들어, 명령들을 포함하는 컴퓨터-판독가능한 매체에 수록되거나 인코딩될 수 있다. 컴퓨터-판독가능한 매체에 수록 또는 인코딩된 명령들은 프로그램 가능한 프로세서 또는 다른 프로세서로 하여금, 명령들이 실행될 때 방법을 수행하게끔 할 수 있다. 컴퓨터-판독가능한 매체는 컴퓨터 저장 매체 및 하나의 장소로부터 다른 장소로 컴퓨터 프로그램의 이송을 용이하게 하는 임의의 매체를 포함하는 통신 매체 모두를 포함한다. 저장 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수도 있다. 예를 들어, 이러한 컴퓨터-판독가능한 매체는 RAM, ROM, EEPROM, CD-ROM 또는 기타 광학디스크 저장 매체, 자기 디스크 저장 매체 또는 기타 자기 저장 디바이스 또는 원하는 프로그램 코드를 컴퓨터에 의해 액세스가능한 명령들 또는 데이터 구조들의 형태로 반송하거나 저장하는데 이용될 수 있는 임의의 다른 매체를 포함할 수 있다.

이러한 하드웨어, 소프트웨어, 펌웨어 등은 본 명세서에 기술된 다양한 동작들 및 기능들을 지원하도록 동일한 디바이스 내에서 또는 개별 디바이스들 내에서 구현될 수 있다. 추가적으로, 본 발명에서 "~부"로 기재된 구성요소들, 유닛들, 모듈들, 컴포넌트들 등은 함께 또는 개별적이지만 상호 운용가능한 로직 디바이스들로서 개별적으로 구현될 수 있다. 모듈들, 유닛들 등에 대한 서로 다른 특징들의 묘사는 서로 다른 기능적 실시예들을 강조하기 위해 의도된 것이며, 이들이 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 실현 되어야만 함을 필수적으로 의미하지 않는다. 오히려, 하나 이상의 모듈들 또는 유닛들과 관련된 기능은 개별 하드웨어 또는 소프트웨어 컴포넌트들에 의해 수행되거나 또는 공통의 또는 개별의 하드웨어 또는 소프트웨어 컴포넌트들 내에 통합될 수 있다.

특정한 순서로 동작들이 도면에 도시되어 있지만, 이러한 동작들이 원하는 결과를 달성하기 위해 도시된 특정한 순서, 또는 순차적인 순서로 수행되거나, 또는 모든 도시된 동작이 수행되어야 할 필요가 있는 것으로 이해되지 말아야 한다. 임의의 환경에서는, 멀티태스킹 및 병렬 프로세싱이 유리할 수 있다. 더욱이, 상술한 실시예에서 다양한 구성요소들의 구분은 모든 실시예에서 이러한 구분을 필요로 하는 것으로 이해되어서는 안되며, 기술된 구성요소들이 일반적으로 단일 소프트웨어 제품으로 함께 통합되거나 다수의 소프트웨어 제품으로 패키징될 수 있다는 것이 이해되어야 한다.

본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의해서 정해져야 할 것이다.

Claims

인공지능 기반 비파괴검사 방법으로서,

비파괴검사 장치가 생성한 로우 데이터의 특성을 조회하는 단계;

상기 로우 데이터의 특성을 분석하는 단계;

상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 단계;

추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 단계; 및

추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 단계;를 포함하는 것인 인공지능 기반 비파괴검사 방법.
제1항에 있어서,

상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭 여부를 판단하는 단계; 및

상기 증폭 여부 판단 결과에 따라 상기 데이터를 추가 생성하는 단계;를 더 포함하는 것인 인공지능 기반 비파괴검사 방법.
제1항에 있어서,

상기 로우 데이터의 특성을 조회하는 단계는,

상기 로우 데이터를 기반으로 데이터 파싱을 수행하고, 파싱된 데이터를 분석하는 것인 인공지능 기반 비파괴검사 방법.
제3항에 있어서,

상기 로우 데이터의 특성은,

상기 비파괴검사 장치가 획득하는 상기 데이터의 구조 정보를 포함하는 것인 인공지능 기반 비파괴검사 방법.
제1항에 있어서,

상기 로우 데이터의 특성을 조회하는 단계에서는, 상기 비파괴검사 장치로부터 상기 로우 데이터 특성을 수신하고,

상기 인공지능 모델을 추천하는 단계에서는, 수신된 상기 로우 데이터 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 적합한 인공지능 모델을 추천하는 것인 인공지능 기반 비파괴검사 방법.
제2항에 있어서,

상기 데이터의 증폭 여부를 판단하는 단계는, 상기 인공지능 모델의 과적합 여부 또는 판단 정확도에 따라 상기 데이터의 증폭 여부를 판단하는 것인 인공지능 기반 비파괴검사 방법.
제2항에 있어서,

상기 비파괴검사 장치는 초음파를 이용하는 검사 장치이고,

상기 데이터를 추가 생성하는 단계는,

스캔 횟수 축, 측정 지점 축, 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축, 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 상기 데이터를 추가 생성하는 것인 인공지능 기반 비파괴검사 방법.
제7항에 있어서,

상기 데이터를 추가 생성하는 단계는, 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절하는 것인 인공지능 기반 비파괴검사 방법.
제1항에 있어서,

상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하는 단계;

상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트하는 단계; 및

업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링(Data labeling)을 수행하는 단계;를 더 포함하는 것인 인공지능 기반 비파괴검사 방법.
제1항에 있어서,

상기 대상물은 터빈 블레이드인 것인 인공지능 기반 비파괴검사 방법.
인공지능 기반 비파괴검사 시스템으로서,

비파괴검사 장치가 생성한 로우 데이터를 수집하는 데이터 수집부;

상기 로우 데이터의 특성을 분석하고, 상기 로우 데이터의 특성에 따라 상기 비파괴검사의 대상물을 추정하는 데이터 분석부;

추정된 상기 대상물에 적합한 인공지능 모델을 추천하는 모델 추천부; 및

추천된 상기 인공지능 모델을 이용하여 상기 대상물의 안정성을 검토하는 안정성 검토부;를 포함하는 것인 인공지능 기반 비파괴 검사 시스템.
제11항에 있어서,

상기 로우 데이터의 특성에 따라 추천된 인공지능 모델의 학습을 위해 데이터의 증폭여부를 판단하는 증폭여부 판단부; 및

상기 증폭이 필요한 경우 상기 데이터를 추가 생성하는 전처리부;를 더포함하는 것인 인공지능 기반 비파괴검사 시스템.
제11항에 있어서,

상기 데이터 분석부는,

상기 로우 데이터를 기반으로 데이터 파싱을 수행하고, 파싱된 데이터를 분석하는 것인 인공지능 기반 비파괴검사 시스템.
제13항에 있어서,

상기 로우 데이터의 특성은,

상기 비파괴검사 장치가 획득하는 상기 데이터의 구조 정보를 포함하는 것인 인공지능 기반 비파괴검사 시스템.
제11항에 있어서,

상기 데이터 분석부는, 상기 비파괴검사 장치로부터 상기 로우 데이터 특성을 수신하고,

상기 모델 추천부는, 수신된 상기 로우 데이터 특성을 기초로 미리 등록된 복수의 인공지능 모델 중 적합한 인공지능 모델을 추천하는 것인 인공지능 기반 비파괴검사 시스템.
제12항에 있어서,

상기 증폭여부 판단부는, 상기 인공지능 모델의 과적합 여부 또는 판단 정확도에 따라 상기 데이터의 증폭 여부를 판단하는 것인 인공지능 기반 비파괴검사 시스템.
제12항에 있어서,

상기 비파괴검사 장치는 초음파를 이용하는 검사 장치이고,

상기 전처리부는,

스캔 횟수 축, 측정 지점 축, 및 초음파 인덱스 축을 가지는 3차원의 데이터를 기초로 상기 스캔 횟수 축, 상기 측정 지점 축, 및 상기 초음파 인덱스 축 중 어느 하나를 기준으로 인접 측정치의 이동 평균을 산출하여 상기 데이터를 추가 생성하는 것인 인공지능 기반 비파괴검사 시스템.
제17항에 있어서,

상기 전처리부는, 상기 이동 평균의 산출에 이용되는 이동 평균 길이(window size)를 상기 인공지능 모델의 정확도에 따라 조절하는 것인 인공지능 기반 비파괴검사 시스템.
제11항에 있어서,

상기 안정성에 대한 검토 결과의 정확도에 따라 검사자의 추가 판단을 요구하고 상기 검사자의 추가 판단 결과를 상기 검토 결과에 업데이트하는 안정성 진단 결과 리포트부; 및

업데이트된 상기 검토 결과를 기초로 상기 인공지능 모델의 가중치를 조절하는 데이터 레이블링(Data labeling)을 수행하는 레이블 편집부;를 포함하는 것인 인공지능 기반 비파괴검사 시스템.
제11항에 있어서,

상기 대상물은 터빈 블레이드인 것인 인공지능 기반 비파괴검사 시스템.