기계 가공 생산에서는 진행 중인 밀링 공정 중 공구 마모를 체계적으로 기록할 수 없었다. 그러나 결함이 있는 공구는 품질 저하, 불량품 증가 및 재작업 비용 증가로 이어진다.
프라운호퍼 생산기술연구원 IPT는 이러한 문제를 해결하기 위해 파트너와 함께 인공지능을 활용한 카메라 및 이미지 처리 시스템을 개발했다. 이 시스템은 이미 공작기계에 사용되어 공구 마모를 기록하고 평가할 수 있다.
오늘날까지 절삭 공구의 마모 상태는 측정 현미경, 소형 확대경 및 공구 세팅 장치를 사용하여 기계 외부에서 수작업으로 검사되는데, 모든 절차는 수작업으로 진행된다.
현미경은 또한 값비싸고 휴대용 돋보기는 마모 지표를 측정할 수 없으며 공구 설정 장치는 최첨단 윤곽을 캡처할 수 있지만 마모 유형을 식별할 수 없다. 각각의 경우에서 측정은 제조가 완료된 후에만 수행할 수 있으며, 공정에 개입하기에는 너무 늦다.
‘CAMWear 2.0’ 프로젝트에서는 프라운호퍼 IPT의 연구팀이 프로젝트 파트너와 함께 밀링 공정 중 거의 실시간으로 절삭 공구의 마모 상태를 정확하게 기록하고 평가하는 시스템을 개발했다.
측정 시스템, 공구 마모 감지의 약점 극복
연구원들은 이를 위해 밀링 머신에 현미경을 통합하여 가공 중 개별 가공 단계 사이에 밀링 공구 이미지를 자동으로 촬영한다. 의료 기술 프로세스에서 영감을 얻어 도구 상태에 대한 산업별 일반적인 평가 매개변수를 도출할 수 있는 이미지 세분화 기술을 개발했다.
기계 공구의 열악한 환경에서 섬세한 현미경을 보호하기 위해 연구원들은 냉각 윤활유 방울이 카메라에 떨어지지 않도록 하는 밀폐 공기 기능이 있는 견고한 하우징을 제작했다.
AI 생성 마모 모델
캡처된 이미지는 프로젝트 과정에서 파트너가 개발한 AI 지원 이미지 처리 프로그램을 위한 교육 데이터로 사용된다. 이 프로그램은 도구 유형을 분류하고 마모된 영역을 표시하며 마모 지표를 계산할 수 있다.
인공 지능 훈련에 필요한 업스트림 수동 노력을 줄이기 위해 연구원들은 새로운 접근 방식을 사용했다. 즉, 데이터베이스를 인위적으로 확장하기 위해 생성 알고리즘과 신경망을 사용하여 합성 이미지 데이터를 생성한다. 또한, 미러링이나 회전 등의 간단한 증강 기법을 이용하여 실제 이미지를 변경, 재현한다.
성공적인 현장 테스트 확인
IPT에 따르면, 카메라 시스템과 이미지 처리 프로그램은 최종 프로젝트 단계에서 실제 조건에서 첫 번째 현장 테스트를 통과했다. 이미지 캡처의 자동화와 촬영된 사진의 뛰어난 품질은 프로젝트 팀의 기대를 뛰어넘었다고 한다.
카메라 하우징은 현미경 장치를 안정적으로 보호하기에 충분히 견고함이 입증되었다. 이미지 처리 소프트웨어의 AI는 시각적으로 탐지 가능한 마모 형태를 매우 안정적이고 정확하게 식별했다.
IPT 관계자는 "산업용으로 애플리케이션을 더욱 최적화하고 있다. 또 다른 목표는 AI 모델을 더욱 개선하여 마모 징후를 훨씬 더 정확하게 식별하고 분석하는 것"이라며 "전문 하드웨어 공급업체와 긴밀히 협력하여 새로운 AI 애플리케이션을 가능한 한 빨리 산업 현장에 적용하는 것이 중요하다"라고 말했다.
헬로티 김진희 기자 |
