Machine Fault Diagnosis and Condition Prognosis using Adaptive Neuro-Fuzzy Inference System and Classification and Regression Trees : 기계 결함진단 및 예지를 위한 ANFIS 와 CART

Van Tung Tran 부경대학교 대학원 2009 국내박사

Sustaining the productivity is a key strategy of manufacturers to exist on the drastic competition of global market. In order to keep up the productivity, manufacturers need to reduce the manufacturing costs by using maintenance due to its major part of the total costs of the manufacturing process. Consequently, a good maintenance strategy plays a crucial role in the existence and development of the organizations. Additionally, in accompany with the fast development of technology, the equipment becomes more and more complex. The traditional maintenance strategies such as corrective maintenance and prescheduled maintenance cannot guarantee the functional operation of equipments and are progressively replaced by intelligent maintenance strategies in which condition based maintenance is one of the delegates. Condition-based maintenance has been defined as maintenance actions which are based on actual conditions of equipments obtained from nondestructive inspections, operations and condition measurements. This means that the equipment condition is accessed under operation for making conclusions whether that equipment will be failed and the effective maintenance actions are necessary to avoid the consequences of that failure or not. The use of condition-based maintenance systems ensures that the condition of equipment is always monitored and alarm limitations can be indicated if the condition exceeds predefined levels. In condition-based maintenance system, fault diagnosis and condition prognosis are crucial components which have been considerably received much attention from the community of researchers and maintainers. Fault diagnosis is the ability to detect fault, isolate the component which is failure, and decide on the potential impact of failed component on the health of the system; while condition prognosis is defined as a capability to foretell the future states, predict the remaining useful life ? the time left for the normal operation of machine before breakdowns occur or machine condition reaches the critical failure value. In this study, classification and regression trees (CART) and adaptive neuro-fuzzy inference systems (ANFIS) will be developed as an effective intelligent system for performing machine fault diagnosis and condition prognosis. CART is known as one of the illustrious techniques of the decision tree induction and used for the purpose of either classification or regression depending on the output variable which is categorical or numerical. CART recursively partitions the entire data into binary descendant subsets which are as homogeneous as possible with respect to the response variables. High effective computation and reliability are the remarkable advantages of this algorithm. In the second technique, ANFIS is an excellent integration of the adaptive capability of neural networks and the modeling human knowledge ability of fuzzy logic. During the learning process, the parameters of fuzzy membership functions initially determined by experts are adapted to the relationship between the input and output. That combination makes the ANFIS model more systematic and less dependent on the expert knowledge. For implementing the fault diagnosis, CART and ANFIS are combined with another technique so-called feature-based technique. This technique is one of the powerful techniques to represent the raw data as features which are representatives of values indicating the machine condition. By using features, the encountered problem in data transfer and data storage could be effortlessly solved. Feature-based technique consists of data acquisition, data preprocessing, feature representation, feature extraction, feature selection and classifiers. In the proposed system for fault diagnosis, CART is used as a feature selection tool to select pertinent features which can characterize the machine conditions from the whole feature set whilst ANFIS plays a role as a classifier. In order to be evaluated, this system is applied to diagnose the faults of induction motor, which is an indispensable part in several industrial applications. The high performance results indicate that this system offers a potential for machine fault diagnosis. Foretelling the future states of machine has become more and more significant in modern industry. It assists maintainers or system operators in monitoring, inspecting the machines? operating conditions, and detecting the incipient faults so that they could opportunely perform remedial actions to avoid the catastrophic failures. Furthermore, it enables the scheduled maintenance to be more effective. In this study, the future machines? operating conditions are predicted by using CART and ANFIS model in combination with time series techniques. These time series techniques consist of methods which are utilized to determine the optimal observations and the steps ahead as the inputs and outputs of predictors, respectively. The trending data of a low methane compressor is used to validate the proposed method. The predicted results show that CART and ANFIS predictors are reliable and promising tools in machine condition prognosis. 세계 시장 경쟁체제에서 생산성은 중요한 경영전략이다. 경영자들은 생산성을 유지하기 위해서 전체생산비용에서 많은 부분을 차지하는 설비유지보수 전략을 이용하여 생산비용을 줄이는 것이 필요하다. 다시 말해서, 좋은 설비유지보수 전략이 현재 중요한 역할을 하고 있다. 게다가 빠른 기술발전과 함께, 기계들은 계속해서 복잡해지고 있다. 과거의 사후정비, 예방정비는 기계의 기능적인 작동을 보장할 수 없고, 대표적인 상태기반정비인 인공지능 기법을 도입한 설비유지보수로 점차 대체되어가고 있다. 상태기반 정비는 비파괴검사, 기계작동과 상태로부터 실제 기계의 상태에 근거하여 설비유지보수를 하는 것으로 정의된다. 이것은 기계의 파손이 일어나지 않도록 기계의 파손여부와 효과적인 정비방법에 대한 의사결정을 할 수 있다는 것이다. 상태기반의 정비를 사용한다는 것은 기계상태가 항상 모니터링(Monitoring)되고, 미리 설정된 알람(Alarm) 레벨을 나타낼 수 있어야 한다. 상태기반정비에서 결함진단과 예지는 연구자들과 엔지니어들에게 관심받을만한 중요한 요소이다. 결함진단은 결함을 감지하는 것으로 시스템의 잠재적인 결함요소를 결정하는 기술이다. 그리고 예지진단은 기계의 미래의 상태에 대해서 정상상태부터 파손이 일어나기 전까지의 잔여유용수명을 예측할 수 있는 것으로 정의된다. 이 연구에서는 기계결함진단과 예를 위해 CART(Classification and Regression Trees)와 ANFIS(Adaptive Neuro-fuzzy Inference System)가 개발되었다. CART는 결정목(Decision Tree) 기술중의 하나이고 명확하고 수치적인 결과변수에 의존하여 분류하거나 회귀할 목적으로 사용한다. CART는 전체 데이터를 반복적으로 반응할 변수에 대해 가능한 상동하도록 이진 하위집합을 분할한다. 이 알고리즘은 효율적인 계산과 신뢰성이 장점이다. 다음으로 ANFIS 는 뉴럴 네트워크의 적응능력을 통합할수 있고, 퍼지논리의 인간지식을 모델링할 수 있다. 학습하는 동안에는 전문가에의해 초기화된 퍼지 멤버십 함수의 파라미터는 입력과 출력 사이의 관계로 적응하게 된다. 그것이 ANFIS 모델을 시스템적이고 전문가 지식에 의존하지 않게 만드는 요소이다. 결함진단에 사용하기 위해 CART와 ANFIS는 특징기반의 기술과 결합하였다. 이 기술은 원래의 신호를 기계의 상태를 나타낼 수 있는 특징값으로 나타내는 강력한 기법이다. 특징을 이용하여 데이터 전송과 저장문제가 효과적으로 해결된다. 특징기반의 기술은 데이터취득, 데이터 전처리, 특징계산, 특징추출, 특징선택과 분류로 구성되어 있다. 결함진단을 위해 제안된 CART는 기계상태를 특징지을 수 있는 특징선택에 사용되었고 ANFIS는 특징분류에 사용되었다. 이 기술을 평가하기 위해 산업계에서 아주 중요하게 사용되고 있는 유도전동기에 적용하였다. 고성능의 분류결과는 기계결함진단에 잠재력이 있다고 판단된다. 기계의 미래상태를 예지하는 것은 현대 산업계에서 더욱더 중요해지고 있다. 그것은 엔지니어, 시스템관리자에게 도움을 주며, 재해를 예방할 수 있는 기회를 제공한다. 게다가 설비유지보수 계획을 할 때 더욱 효과적으로 할 수 있다. 이 연구에서는 미래의 기계상태를 CART와 ANFIS를 시간신호 예측에 사용하였다. 이 기술은 예측할 때 최적의 예측구간을 결정하는 방법을 포함하였다. 메탄 압축기의 경향데이터는 제안된 시스템을 검증하는 좋은 예이다. 예측된 결과는 CART와 ANFIS가 예지도구로서 신뢰할만한 도구인 것을 입증한다.

특허무효사례를 통해 고찰한 기계공학분야의 수치한정 발명의 특허화 전략 연구

장형용 한양대학교 공학대학원 2012 국내석사

본 연구에서는, 기계공학 분야의 수치한정 발명에 대한 특허 무효 사례를 통해 수치한정 발명을 특허화하기 위하여 연구 단계에서부터 고려되어야 할 사항을 검토하고 이에 대한 검토 모델링을 제시한다. 기계공학분야의 수치한정발명은 수치범위를 전후로 급격한 변화가 인정되기 어려운 특성이 있음에도 불구하고 법원 및 특허청은 일률적으로 수치한정 범위 전후에서 임계적 의의가 인정되는지 여부에 따라 특허성을 검토함으로써 등록이 거절되는 문제점이 있다. 따라서, 발명 분야별 형평성에 따라 기계공학분야의 특성을 고려한 판단기준에 의해 특허성을 판단하는 것이 타당하다. 그리고, 기존의 법원 및 특허청의 판단기준을 고려하여 기계공학분야의 수치한정발명이 등록되기 위한 검토조건을 살펴보고, 그에 따라 특허 검토 모델링을 구상한다. 특허 검토 모델링에 의해 기존의 판례 사안을 검토하여 주요 쟁점에 대한 검토가 가능한지에 대해 살펴본다.

그래프 신경망을 이용한 인스턴스 단위 기계가공 특징형상 인식

차민혁 한국기술교육대학교 일반대학원 2024 국내석사

The machining features in a three dimensional (3D) computer-aided design (CAD) model are shapes with engineering meaning created through machining processes such as cutting or turning. With recent advancements of process automation technology in the manufacturing industry, researches on machining feature recognition from a 3D CAD model are being conducted to automatically generate machining commands and tool paths based on recognized machining features. The previous researches have focused on face-level recognition, which means classifying each face of a 3D CAD model as a machining feature class. However, face-level recognition cannot recognize a set of faces that constitute machining features. As machining information such as machining command is mainly composed of machining feature instances, it is not possible to extract machining information from the result of face-level recognition. To solve this problem, this study proposes a method for instance-level machining feature recognition using graph neural networks (GNNs). Instance-level machining feature recognition means identifying a set of faces that belong to the same machining feature instance. This enables it to recognize a set of faces that constitute a machining feature and extract meaningful machining information. To achieve this, encoders are defined to embed the surfaces and curves of the 3D CAD model, extracting feature vectors of surfaces and curves. These feature vectors are then used as input feature vectors for the GNNs. In addition, a two stage GNN architecture is defined. The first stage GNN uses the feature vectors of surfaces and curves to classify faces into machining feature classes. The second stage GNN classifies faces on instance-level using the face-level recognition results and the feature vectors of surfaces and curves. In order to train the proposed model, a dataset for it is required. However, as publicly available CAD model datasets contain only face-level labeling information, they cannot be used for this study. Therefore, in this study, the automatic generation code of MFCAD++ dataset, a publicly available CAD model dataset, is modified to automatically generate a CAD model dataset containing instance-level labeling information. The generated dataset contains 50,900 CAD models. The dataset is split into 30,540 training datasets, 10,180 validation datasets, and 10,180 test datasets. Finally, the proposed model is trained with the training dataset. And the hyper-parameters are tuned based on the random search method with the validation dataset. Subsequently, the performance of the model is evaluated on the test dataset. As a results, the proposed method exhibits an accuracy of 97.82% and pIoU of 95.93% for instance-level recognition. 3차원 형상 내 기계가공 특징형상(machining feature)은 절삭이나 선삭 등의 과정을 통해 생성되는 공학적 의미를 갖는 형상이다. 최근 제조업에 있어 공정 자동화 기술의 고도화에 따라 3차원 형상 내에서 기계가공 특 징형상을 자동으로 인식하고, 이를 기반으로 가공 명령 및 공구 경로를 자동으로 생성하는 기계가공 특징형상 인식(machining feature recognition)에 대한 연구들이 진행되고 있다. 기존 연구들은 면 단위 인식(face-level recognition)에 초점을 맞추고 있다. 면 단위 인식은 3차원 형상을 구성하는 각각의 면을 기계가공 특징 형상으로 분류하는 것을 말한다. 그러나, 면 단위 인식은 각각의 기계가공 특징형상을 구성하는 면의 집합을 인식할 수 없다. 가공 명령과 같은 가 공 정보는 주로 기계가공 특징형상 단위로 이루어지기 때문에, 면 단위 인식 결과를 통한 가공 정보의 추출이 불가능하다. 본 연구에서는 이를 해결하기 위해 그래프 신경망(graph neural network, GNN)을 이용해 인스턴스 단위(instance-level)로 기계가공 특징 형상을 인식하는 방법을 제안한다. 인스턴스 단위 특징형상 인식은 동일 한 기계가공 특징형상 인스턴스에 속하는 면들의 집합을 인식하는 것이 다. 이는 기계가공 특징형상을 구성하는 면 집합을 인식할 수 있게 하여, 의미 있는 가공 정보를 추출할 수 있게 한다. 이를 위해, CAD 모델을 구성하는 곡면(surface)과 곡선(curve)을 임베 딩(embedding)하는 인코더를 정의하여, 곡면과 곡선의 특징 벡터를 추출 하였다. 그리고, 특징 벡터를 뒤에 오는 그래프 신경망의 입력 특징 벡터 로 사용하였다. 또한, 두 단계로 구성된 GNN을 정의하였다. 첫 번째 단계 의 GNN은 곡선과 곡면의 특징 벡터를 이용해 면을 특징형상들로 분류한 다. 두 번째 단계의 GNN은 면 단위 분류 결과와 곡선과 곡면의 특징 벡 터를 이용해 인스턴스 단위로 면을 분류한다. 제안한 모델을 학습하기 위해서는 학습에 사용할 데이터셋이 필요하다. 그러나, 공개된 CAD 모델 데이터셋들은 면 단위 라벨링 정보만 포함하고 있어 본 연구에 이용할 수 없다. 따라서 본 연구에서는 공개된 CAD 모델 데이터셋의 일종인 MFCAD++ 데이터셋의 자동 생성 코드를 수정하여 인 스턴스 단위의 라벨링 정보를 포함한 CAD 모델 데이터셋을 자동 생성하 였다. 생성한 데이터셋은 50,900개의 CAD 모델을 포함한다. 그리고 이를 학습 데이터셋(training dataset) 30,540개, 검증 데이터셋(validation dataset) 10,180개 테스트 데이터셋(test dataset) 10,180개로 분할하였다. 마지막으로 학습 데이터셋을 이용해 제안한 모델을 학습하였다. 그리고, 검증 데이터셋을 가지고 랜덤 탐색(random search) 방법을 기반으로 하 이퍼 파라미터(hyper-parameter)를 튜닝(tuning)하였다. 마지막으로 테스 트 데이터셋을 가지고 모델의 성능을 정량적으로 평가했다. 그 결과, 인스 턴스 단위 인식에 대해 97.82%의 정확도와 95.93%의 pIoU를 달성하였다

무대장치용 플라스틱 활차의 기계적 특성 분석

유정훈 한양대학교 공학대학원 2018 국내석사

무대 공간에서는 공연, 연극, 뮤지컬 등에 무대기계를 사용하여 특수 연출 효과를 극대화시켜 관람객들에게 제공하고 있다. 이 특수 연출 효과에 많이 사용되는 무대기계 구성요소인 활차는 금속소재로 현재 국내 제작이 어려워 국외 제품을 사용함으로서 수급 및 정비 부분에서 많은 어려움이 발생하고 있어 국산화 기술 확보가 필요하였다. 그래서 본 논문에서는 무대장치용 플라스틱 활차의 기계적 특성 및 시험방법을 개발하고 이에 대한 검증을 수행하였다. 구체적으로 활차에 적용할 플라스틱 소재에 대한 기계적 물성을 조사 후 ABS 플라스틱이 적합한 것으로 판단되어 선정하였다. 기계적 물성 검증을 위해 시험편을 제작하여 소재 시험을 진행한 결과 인장강도는 최소 53.74 ~ 55.27 MPa, 굴곡강도는 최소 88.05 ~ 88.49 MPa, 충격강도는 최소 186.46 ~ 207.37 , 밀도는 1.03 로 활차 제작이 가능한 소재로 판단하였다. ABS 플라스틱으로 실제 제품을 제작하기 전에 활차의 안전성을 확인하기 위하여 활차 홈에 하중을 작용시키고 고정 축 면은 고정하여 시뮬레이션을 수행한 결과 12.57 MPa로 안전율 4이상을 확보한 것으로 확인되었다. 그리고 국내에는 무대장치용 활차 홈 압축강도 시험을 위한 시험방법이 없어 타 국내 국가표준을 인용하여 활차 홈에 압축하중을 인가할 수 있는 시험방안을 개발하여 적용한 결과 ABS 플라스틱 활차보다 와이어로프 및 와이어로프 소켓의 파손이 먼저 나타났다. 하지만 활차 홈에는 와이어로프 눌림 자국만 발생하였다. 이를 바탕으로 플라스틱 활차는 최소 56,830 N의 하중을 견딜 수 있음을 확인하였다. 본 논문은 무대장치용 활차의 플라스틱 소재 적용과 기계적 특성에 있어 활차 홈의 압축강도 시험방법을 다루었다는 것에 의의를 가지고 있다. 무대 공간에서는 공연, 연극, 뮤지컬 등에 무대기계를 사용하여 특수 연출 효과를 극대화시켜 관람객들에게 제공하고 있다. 이 특수 연출 효과에 많이 사용되는 무대기계 구성요소인 활차는 금속소재로 현재 국내 제작이 어려워 국외 제품을 사용함으로서 수급 및 정비 부분에서 많은 어려움이 발생하고 있어 국산화 기술 확보가 필요하였다. 그래서 본 논문에서는 무대장치용 플라스틱 활차의 기계적 특성 및 시험방법을 개발하고 이에 대한 검증을 수행하였다. 구체적으로 활차에 적용할 플라스틱 소재에 대한 기계적 물성을 조사 후 ABS 플라스틱이 적합한 것으로 판단되어 선정하였다. 기계적 물성 검증을 위해 시험편을 제작하여 소재 시험을 진행한 결과 인장강도는 최소 53.74 ~ 55.27 MPa, 굴곡강도는 최소 88.05 ~ 88.49 MPa, 충격강도는 최소 186.46 ~ 207.37 , 밀도는 1.03 로 활차 제작이 가능한 소재로 판단하였다. ABS 플라스틱으로 실제 제품을 제작하기 전에 활차의 안전성을 확인하기 위하여 활차 홈에 하중을 작용시키고 고정 축 면은 고정하여 시뮬레이션을 수행한 결과 12.57 MPa로 안전율 4이상을 확보한 것으로 확인되었다. 그리고 국내에는 무대장치용 활차 홈 압축강도 시험을 위한 시험방법이 없어 타 국내 국가표준을 인용하여 활차 홈에 압축하중을 인가할 수 있는 시험방안을 개발하여 적용한 결과 ABS 플라스틱 활차보다 와이어로프 및 와이어로프 소켓의 파손이 먼저 나타났다. 하지만 활차 홈에는 와이어로프 눌림 자국만 발생하였다. 이를 바탕으로 플라스틱 활차는 최소 56,830 N의 하중을 견딜 수 있음을 확인하였다. 본 논문은 무대장치용 활차의 플라스틱 소재 적용과 기계적 특성에 있어 활차 홈의 압축강도 시험방법을 다루었다는 것에 의의를 가지고 있다.

대형 공작기계의 구조 최적화 설계 방법 연구

ZHANGZHIBO 한밭대학교 일반대학원 2018 국내석사

공작기계는 기계를 만드는 기계, 즉 모기계이다. 기계부품의 품질 및 정밀도는 그 부품을 만드는 공작기계의 품질과 성능에 영향을 받을 수 있다. 따라서 품질과 성능에 우수한 공작기계를 설비하면 기업이 좋은 공산품을 제작할 수 있다. 현대 사회에서의 과학기술 및 경제가 비약적으로 발달되고 있다. 산업체에 가지고 있는 생산기술 및 생산공정도 고속 적으로 발전되고 있다. 이로 인해 산업 회사들은 공작기계에 대한 여러 가지의 요구사항도 높아지고 있다. 이로 인해 다기능화, 자동화, 고기능화, 고속화가공, 고정밀도 등 요구를 만족하는 공작기계가 지속적으로 증가되고 있다. 이런 요구를 만족하기 위해서는 공작기계의 정밀도 및 정확도 높아지고, 부품을 한 번만 설치해도 복잡한 모양을 가공할 수 있는 대형 복합공작기계가 발전되고 있다. 일반적인 대형 복합공작기계의 구조가 복잡하고, 각 구성요소에 발생하는 자중과 소재의 절삭력 등으로 인해 공작기계의 정강성을 약하게 되고 가공오차가 커지고, 불량률 증가 및 생산량 감소하는 경우를 발생할 수 있다. 또한 주축의 회전수를 높아지고 각 이송축의 이송속도가 빨라야 하기 위해서 공작기계는 큰 진동을 발생할 수 있다. 이런 문제를 해결 하기위해서는 설계자가 공작기계를 설계할 때 정 . 동 강성에 대한 해석 및 실험이 필요하다. 전통적인 공작기계의 설계방법은 설계자의 경험이 가지고 공작기계의 각 구조를 설계하다. 그리고 높은 강성을 확보하기 위한 공작기계의 각 구조를 중량증가 및 구조비둔 등 문제를 발생할 수 있다. 최근에는 공작기계를 설계할 때 유한요소해석법을 활용하여, 공작기계의 각 구조의 정적 및 동적 강성, 열 변형량 등 조건을 해석하고 해석결과가 직관적으로 설계자에 반영하는 방식으로 변화하고 있다. 본 논문에서는 위상최적화 및 유한요소해석 소프트웨어를 이용하여, 공작기계의 강성을 높아지고 중량을 감소하는 최적화 구조물을 설계하는 목표 있다. 그리고 설계할 때 공작기계의 각 구조물 및 공작기계의 전체 Loop 강성을 해석하여 해석결과를 비교 검토하고, 공작기계의 칼럼 구조를 재설계가 필요한 것은 얻을 수 있다. 칼럼 구조를 재설계할 때 FEM해석을 통하여, 각 실험용 칼럼의 강성을 해석하고, 해석결과를 비교분석하여, 최적화 칼럼 구조를 설계할 수 있다.

기계 상태감시를 위한 MEMS 센서 기반의 무선 스마트센서 개발 : Development of Wireless Smart Sensor for Machines Condition Monitoring using MEMS Sensors

손종덕 부경대학교 대학원 2009 국내박사

센서란 검지 대상의 물리적인 양을 선택적으로 포착하여 유용한 신호(주로 전기적 신호)로 변환하여 출력하는 장치이다. 최근에는 어떤 대상의 신호나 정보가 감지되는 일반적인 센서의 개념을 뛰어넘어 스마트센서라고 불리는 인간의 능력과 가까운 판단력과 정보처리능력을 가진 센서의 개발이 이루어지고 있다. 특히 MEMS (Micoroelectromechanical system) 기술과 스마트센서가 통합되면서 획기적인 기술발전을 거듭하고 있다. MEMS 기술은 초정밀 가공기술을 이용하여 소형화와 다른 센서와의 통합이 용이하다. 또한 대량 생산이 가능하며, 가격이 저렴하다는 특징을 가지고 있다. MEMS센서는 MEMS기술로 제작된 센서를 의미하며, 기계 상태감시와 관련하여 세계적으로 MEMS 센서의 성능평가에 대한 연구가 진행되고 있다. 스마트센서는 마이크로 프로세서를 탑재한 센서로서 무선통신, 지능화가 가능하고 기계의 상태감시에 유용하게 적용할 수 있다. 특히 무선화는 케이블링 공사 비용 절감효과 및 센서로의 접근성을 용이하게 하는 장점이 있다. 지능화 센서로도 불리는 스마트 센서 개념은 미국항공우주국(NASA)의 우주선 개발 과정에서 우주선 내의 여러 센서에서 지상국으로 시시각각 보내져 오는 온도, 습도, 압력, 위치, 속도, 자세 등의 방대한 관측 데이터를 하나의 대형 컴퓨터에서는 처리하지 못하여, 그 해결책으로서 CPU의 분산화가 진행되어 그 발전형으로서 센싱 디바이스의 지능화가 탄생하였다. 스마트 센서는 기존의 센서와는 달리 비용절감, 국부적인 정보처리 수행 능력을 가지며, 네트워크 내의 다른 스마트 센서로부터 실시간 데이터의 통신을 가능하게 한다. 그리고 자가 진단 및 자기 교정으로 센서 결함의 교체 가능하고, 재 프로그램작성 기능 보유로 원격으로 소프트웨어 업그레이드 가능하다는 장점을 가지고 있다. 따라서 MEMS 센서와 스마트센서의 통합은 산업설비의 유지관리를 위해 비용효과적인 시스템을 구축할 수 있는 유용한 도구이다. 본 논문은 기계 상태감시에 적용할 수 있는 MEMS 센서 기반의 무선 스마트센서 개발에 대한 내용이다. 이 시스템은 MEMS 가속도센서와 MEMS 전류센서를 사용하여 저렴한 가격으로 구축할 수 있다. 또한 MEMS 센서로부터 아날로그 필터링 과정을 거쳐 주기적으로 아날로그 신호를 디지털 신호로 변환하여 베이스 스테이션으로 송신하여 기계의 결함의 상태를 나타낼 수 있고, 원격지에서 센서의 상태를 알 수 있도록 자가진단기법을 제안하였으며, 이는 센서의 신뢰성을 향상시키는 훌륭한 도구가된다. 스마트센서의 성능테스트는 신호품질테스트와 알고리즘 분류 결과를 이용한 성능평가 두 가지를 사용하였다. 신호품질테스트는 아날로그 신호의 증폭, HPF (High pass filter), LPF (Low pass filter)의 정확도를 확인하였고, 스마트센서에서 취득된 신호로 분류알고리즘(Classification algorithm) 검증을 통해 분류율을 확인하였다. 이 때 사용된 알고리즘은 SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors), RF (Random forest)이고, 알고리즘은 CV (Cross validation) 기법으로 파라미터 최적화 되었다. 그리고 검증데이터는 일반센서와 MEMS 센서기반의 스마트센서 두 종류의 데이터를 사용하였다. 마지막으로 IDPM (Intelligent diagnosis prognosis module)을 제안하였으며, 이것은 센서로부터 취득된 데이터를 계산하여 의사결정을 수행할 수 있는 유용한 정보로 변환할 수 있는 역할을 수행한다. 또한 IDPM에 결함진단에 적합한 알고리즘인 Fk-NN (Fuzzy k-nearest neighbors)을 제안하였을 뿐 아니라 실험을 통하여 알고리즘을 검증하였다. 그 결과, 스마트센서와 IDPM을 통합하여 기계상태감시뿐 아니라 결함진단을 수행하는 훌륭한 도구로 사용할 수 있음을 확인하였다. The sensor is a device that selectively detects the physical quantities of subjects and transforms them into useful signals (usually electrical signals). Beyond the general concept of the sensor that detects signals and information, the smart sensor, which has judgment and information processing capacity close to those of human beings, is being developed. In particular, MEMS (Micoroelectromechanical system) technology and the smart sensor have recently been integrated and innovatively developed. MEMS technology facilitates miniaturization and integration with other sensors using ultra precision processing technique. It also realizes mass production and low cost. The MEMS sensor means a sensor manufactured by MEMS technology, and studies on the performance evaluation of the MEMS sensor for monitoring the condition of machines is underway worldwide. The smart sensor, which is mounted with a microprocessor and facilitates wireless communication and intelligent operation, can be useful in monitoring the condition of machines. With wireless application, the cost of cabling work is reduced and the access to the sensor becomes easier. The smart sensor, also called intelligent sensor, was introduced by the distribution of CPU when NASA could not process the vast amount of data including temperature, humidity, pressure, location, velocity and attitude transferred from sensors in the spacecraft to the land stations with one large scale computer during the development of the spacecraft. The smart sensor has the advantages including cost cut and local data processing, unlike the existing sensors, and facilitates the transfer of real time data from other smart sensors in the network. It also has advantages such as sensor fault correction by self-diagnosis and self-correction, and remote software upgrade by re-programming function. Therefore, the integration of the MEMS sensor and the smart sensor can be a useful tool to establish a cost-effective system for maintaining the industrial equipment. This thesis is about the development of the MEMS sensor-based wireless smart sensor that can be applied to monitoring the condition of machines. This system can be constructed at low cost using the MEMS acceleration sensor and MEMS current sensor. A self-diagnosis technique was proposed, wherein the condition of faults in a machine is displayed by transmitting the digital signals that are regularly converted from analogue signals after analogue filtering at the MEMS sensor to the base station and thereby the condition of the sensor is remotely identified. This is an excellent tool to increase the reliability of the sensor. The signal quality test and the algorithm grouping performance test were conducted to identify the performance of the smart sensor. The accuracy of the amplification of analogue signals, HPF (High pass filter) and LPF (Low pass filter) was examined, and the classification rate was examined through the classification algorithm verification of the signals obtained from the smart sensor. SVM (Support vector machine), LDA (Linear discriminant analysis), k-NN (k-nearest neighbors) and RF (Random forest) were used as algorithms, which were parameter-optimized using the CV (Cross validation) technique. Data of a general sensor and a MEMS sensor-based smart sensor were used in verification. Finally, IDPM (Intelligent diagnosis prognosis module) was proposed, which played a role to calculate the data obtained from the sensor and convert them into useful data for decision making. Fk-NN (Fuzzy k-nearest neighbors), which is an algorithm suitable for fault diagnosis, was proposed and verified through the experiment. As a result, it was verified that the integration of the smart sensor and IDPM makes an excellent tool for machine fault diagnosis as well as for machine condition monitoring.

SimMechanics를 이용한 여유자유도를 갖는 매니퓰레이터의 작업공간 동적제어에 관한 연구

김정수 부경대학교 대학원 2008 국내석사

The redundant manipulators provide the execution of complex tasks with flexibility. The redundancy of such manipulators can be effectively used to avoid obstacle, avoid singularities while performing the desired end-effector task. The operational space formulation analyzes the manipulator dynamics as seen from the operational space. However, a dynamic behavior using the operational coordinates in redundant manipulator is insufficient to completely specify the dynamic behavior of the entire redundant system. This paper presents dynamic control law in operational space that guarantees the tracking of a given end-effector trajectory, avoiding the obstacle in operational space. The simulation using the SimMechanics in Matlab toolbox has been performed to evaluate the dynamic control law in operational space using Power Module.

Data Fusion for Machinery Condition Monitoring, Diagnostics and Prognostics : 기계 상태감시 진단 및 예지를 위한 데이터 융합기술

GANG NIU 부경대학교 대학원 2009 국내박사

산업의 발전과 더불어 설비관리는 자동차, 조선, 항공, 핵발전, 정유등과 같은 중공업에서 생산성향상, 고장율저하, 안전과 작동신뢰성향상을 가져오는 중요한 부분이다. 그러나 신뢰성 있고 효과적인 설비관리는 외부전자기 노이즈, 기계의 복잡한 구조, 난해한 고장메커니즘 때문에 어려움을 겪고 있다. 최근에 상태기반 정비(CBM) 전략은 효과적이고 정확하여 일반화된 기법으로 사용되고 있다. 대부분의 CBM시스템은 토목이나 군사분야에서 사용하고 있다. CBM의 개방된 플랫폼인 OSA-CBM은 7가지 단계의 표준으로 나누어져 있다. 그것의 핵심적인 기능들은 상태감시, 기계상태평가와 예지로 요약할 수 있다. 상태감시는 예상된 값의 온라인 또는 오프라인 비교검증을 포함한다. 필요에 따라 미리 설정된 경고를 생성할 수 있다. 기계상태평가는 만약 시스템의 상태가 좋지 않다면 결함진단 보고를 한다. 예지진단은 설비의 상태와 잔여유용수명 계산을 수행하게 된다. 최근에 공학적인 적용에 관심을 받고 데이터융합은 원신호 단계, 특징신호 단계, 의사결정단계의 융합이 존재한다. 특히 신호처리기술과 센서의 개발과 함께 CBM의 성능을 향상 시킬 수 있는 상호정보 융합이 가능하게 되었다. 이 연구에서는 상태기반의 정보융합, 결함진단과 예지기술에 대해 연구하였다. 적용된 기술은 정보융합, 신호처리, 인공지능, 통계적 학습, 비선형 예측이 사용되었다. 더불어 몇몇 융합 알고리즘이 개발되고 검증되었다. CBM기반의 데이터 융합은 비용효과적으로 정확하고 신뢰성이 있는 융합기술이 개발되었다. 상태감시를 위해 정해진 시간에 나타나는 잠재적인 결함은 신뢰성 있는 열화 표기와 적당한 알람 설정에 달려있다. 결함은 센서 신호에서 나타내는 다양한 열화의 과정과 상호관련이 있다. 그러므로 센서 융합은 열화 상태감시를 해결하는 간단하고 신뢰성이 있는 기법이다. 이 연구에서는 부분적인 융합 상태감시가 먼저 수행된다. 이것은 SOM 신경망을 특징 값을 융합하는데 사용했다. 그리고 나서 열화경향은 웨이블렛 기법으로 찾아낼 수 있다. 최종적으로 자동 알람 설정기술에 대해 제안했다. 결함진단을 위해 단일 분류 알고리즘은 만족한 결과를 얻을 수 없기 때문에 다양한 인공지능 분류 시스템이 사용되었다. 다양한 분류기의 결과를 통합하는 것이 분류의 정확도를 향상시킬 수 있었다. 이 연구에서 융합 진단 기법이 개발되었고, 이것은 원신호수집, 특징계산, 특징추출, 분류, 데이터융합, 분류기 융합 6 단계로 구분된다. 예지진단을 위해 정확한 잔여유용수명평가는 몇 가지 이유 때문에 어렵다. 왜냐하면 실제 시스템은 훈련하기 위한 정확한 데이터 취득과 예지 모델 생성 어려움, 비정기적인 정비가 존재하게 때문이다. 예지진단을 위한 상호 정보융합은 열화추종, 예측의 정확도를 높이고 불확실성 에러를 감소시킨다. 이 연구에서 새로운 데이터 기반의 예지진단 시스템이 개발되었다. 먼저 시간신호 상태감시 데이터 집합이 재구성되고, 비선형 회귀 모델이 열화예측을 위해 사용된다. 더불어 다른 모델로부터 예측된 값은 신뢰성 향상을 위해 융합된다. 마지막으로 잔여유용수명과 불확실성에 대한 값들이 평가된다. 이와 더불어서 최적의 CBM 시스템을 제안했다. 이 시스템은 신뢰성기반 설비유지관리 기법으로 비용효과적인 메커니즘이다. 그리고 설비유지보수 성능 향상을 위해 데이터 융합전략을 소개하였다. 제안된 방법들과 시스템은 프로젝트를 통해 엘리베이터용 유도전동기 결합진단을 수행하고, 메탄 압축기 상태감시 및 예지진단을 수해하였다. 이러한 결과들은 개발된 알고리즘이 CBM의 성능을 비용효과적이고 신뢰성 있게 향상시키는 것을 입증한다. With the fast development in industry, especially in the areas of heavy industry like automobile, shipbuilding, aircraft, nuclear power and petrochemical etc, maintenance shows increasing importance due to the potential advantages to be gained by improving production availability, reducing downtime cost, enhancing operation reliability and plant safety. However, carrying a reliable and effective maintenance faces huge challenges due to the outer electromagnetism-noise, the complex inner structure of machine and abstruse failure mechanisms; even say nothing of expensive maintenance cost etc. In recent years, condition-based maintenance (CBM) strategy shows advantages of effectiveness, accuracy, and becomes the popular maintenance approach. Lots of CBM systems are employed and identified in civil or military industry. The open system architecture for CBM organization (OSA-CBM) has divided a standard CBM system into seven different layers, with technical modules solution. The core functions among the architecture can be summarized as condition monitoring, health assessment and prognostics. Condition monitoring involves comparing on-line/off-line data with expected values; if necessary it should be able to generate alerts based on preset operational limits. Health assessment serves prescribing if the health of the monitored component or system has degraded, and exerting fault diagnostics. Prognostics involve calculating the future health of an asset and report the remaining useful life (RUL). Currently, data fusion stands for another developing technology containing signal-level fusion, feature-level fusion and decision-level fusion. Applying fusion techniques in engineering practice has been receiving increasing attentions in recent years. Particularly, with the rapid progress of advanced sensor and signal processing technologies, fusing large of mutual information becomes possible, which is expected to bring about enhanced CBM performances. In this thesis, the data fusion based condition monitoring, diagnostics and prognostics technology is researched. The employed methods, involving fusion techniques, signal processing, artificial intelligence, statistics learning, nonlinear prediction etc., are investigated and analyzed to reach the research aims. In further, several related data fusion subsystems are designed and validated. Finally, a whole data fusion based CBM structure is constructed, which has the advantages of cost-effectiveness, accuracy and reliability. For condition monitoring, timely indicating potential failures relies on reliable degradation indicator and appropriate alarm setting. Failures can often be attributed to many correlated degradation processes, which could be reflected by multiple degradation indicators extracted from sensor signals. Therefore, fusing multiple indicators would provide a simple and reliable solution to degradation monitoring. In this study, a fusion monitoring subsystem is put forward, which use SOM neural network to fuse multi-indicators (features) into a dominant indicator, then the degradation trend can be picked out by wavelet decomposition methods, finally, an automatic alarm setting technique is suggested to determine the appropriate threshold. For fault diagnostics, numerous intelligent classification systems have been employed to assist machine fault diagnosis tasks by correctly interpreting the fault data. However, it is imperative to study the comparative performance of a classification of such algorithms since no single algorithm may perform the best on all cases. Integration of different decisions from multiple classifiers can potentially boost the accuracy of recognition. In this research, a fusion diagnostics approach is developed, which consists of six levels: raw data collection, feature extraction, classification, decision fusion, classifiers selection and fusion. For prognostics, accurate remain useful life assessment is difficult to achieve due to a number of reasons such as suitable data for training, prediction models, uncertainty management etc. Fusing mutual information for prognostics purpose likely improves accuracy of degradation tracking, prediction, and reduces the uncertainty errors. In this research, a novel data-driven prognostics system is developed. At first, the time-series monitoring data sets are reconstructed, then nonlinear regression models are employed to predict future degradation trajectory of machine health state by the way of iterated multi-step-ahead. Furthermore the predicted values and bias from different models are fused to enhance the reliability. Finally, remain useful life and its uncertainty interval can be assessed. In further, an optimal CBM system is put out. This system integrates reliability-centered maintenance as cost- effective management mechanism, and employs data fusion strategy introduced above for improvement of maintenance performance. The proposed methods and systems are validated respectively by simulation experiments like induction motor fault diagnosis, and industry project cases such as elevator motor diagnosis, low methane compressor condition monitoring and prognostics. The results show that the developed techniques and systems can enhance CBM performance remarkably with the advantages of reliability, accuracy and cost-effectiveness.

가변동적진동흡수 장치를 이용한 머시닝센터 주축 진동 감소에 관한 연구

우성식 한양대학교 공학대학원 2024 국내석사

국문 요지 가변 동적 진동 흡수 장치를 이용한 머시닝센터 주축 진동 감소에 관한 연구 우 성 식 지도 교수 : 박 준 홍 기계공학전공 한양대학교 공학대학원 최근 공작기계 트렌드는 제품의 높은 생산성과 가공 품질에 대한 고객의 요구 가 높아짐에 따라 고속 고정도 공작기계 시장이 커지고 있다. 가공 정밀도와 표 면 거칠기 등 가공 품질의 최종 결과물은 공작기계 진동에 영향을 받는다. 공작 기계의 진동은 이송축의 이송 진동, 주축의 스핀들 진동, 공작기계 주변 기기의 진동 등으로 이루어진다. 본 연구의 목적은 가공 품질에 영향을 주는 공작기계 진동의 중요 요소인 주축의 스핀들 진동을 저감하는 것이며, 이를 위해 가변 동 적 진동 저감 장치를 설계하고 영향도를 검증하는 것이다. 또한 유한 요소 해석 을 통해 저감 장치의 설계인자를 사전 검증하고 가진 시험을 통해 실제 영향도를 검증하였다. 최종적으로 가변 동적 진동 저감 장치를 적용하여 주축 진동의 저감 실효성을 검증하였다. 본 연구 결과를 통해 공작기계의 주축 진동 저감 방법을 제시함으로 제품의 생산성과 가공 품질 향상에 도움이 될 것으로 예상된다.

Research on micro pattern fabrication in electrical discharge drilling hybrid process

정상태 영남대학교 대학원 2018 국내박사

마이크로 딤플 형상(Micro dimple formation)은 상호 이웃하는 기계 장치에서 마찰을 감소하고 윤활 특성을 증진시키는 특징을 가진다. 소재의 표면에 만들어진 마이크로 딤플 형상은 기계 부품의 재료와 표면 사이에 마찰과 마모를 줄임으로서 윤활 습성을 증진시키는 트라이볼로지(Tribology)의 대표적인 특성을 지닌다. 마찰 (Friction)과 마모 (Wear) 그리고 윤활 (Lubrication), 이 세 가지 특징과 현상이 상호 연관되어 작용함으로서 기계적 성능과 품질에 영향을 미치게 된다. 기계 장치에서 마찰과 마모의 감소가 기구적 성능 향상을 가져오는 특성 때문에 많은 과학자들이 마이크로 딤플을 연구 개발하고 적용시켜왔다. 난삭성 재료에서 딤플의 가공은 종래의 재래식 기계 가공 방법으로는 가공의 어려움이 크다. 그렇기 때문에 새로운 정밀 기계 가공법을 모색하는 연구가 진행 중이다. 티타늄 소재는 무게가 가벼운 반면 내구성이나 강도 및 경도는 뛰어나서 많은 분야에서 채택을 받고 있다. 인체에 거부감이 없어 의료기기 분야에서 생체의료용 금속으로 사용되고 있을 뿐만 아니라, 소형화된 정밀 기기들의 소재로 많이 사용되고 있다. 하지만 티타늄 합금은 대표적인 난삭성 소재로서 가공의 한계를 가지고 있다. 마이크로 딤플을 만들기 위해 전해가공이나 레이저 충격 가공 포토애칭, 방전가공 및 여러 가지 형태의 연구가 진행 중이나 개선 중이다. 그러나 레이저 가공 및 기존의 EDM 방식의 사용은 강한 에너지로 소재의 잔류응력과 열팽창, 이로 인한 균열의 문제가 있다. 그리고 전해가공은 전극제작이 복잡하고 가공 정밀도가 방전가공보다 나쁘고 부식문제가 있어 절연 대책을 마련해야 한다. 특히 상업적인 EDM 가공 방법은 높은 에너지의 트랜지스터 타입이므로 미세 딤플 제작에는 적합하지 않다. 그래서 마이크로 패턴의 제작을 위해서 RC회로 타입의 EDM 가공이 필요하나, 방전가공의 가공성이 크게 떨어지는 이유로 새로운 방식의 연구의 필요성이 대두 되었다. 이번 방전드릴링 기법의 연구는 미세한 정밀 패턴의 제작을 위해 RC회로를 사용한 방전가공 기법(EDM)이다. 트랜지스터 방전가공에서 사용되는 높은 에너지 대신 RC 회로를, 전극봉 대신 마이크로 드릴을 사용하여 전극 봉의 역할을 하였다. 독창적이고 변형된 가공 기법인 방전드릴링 장치의 구성은 전원 발생 부와 전원 제어부 그리고 전기 기계 장치부 그리고 각종 계측 장비로 구성이 되었다. 이번 연구의 특징은 아주 작은 에너지로 입자를 녹이거나 기화시켜 입자를 드릴로 제거하면서 정밀가공을 해 나가는 장치와 그 장치의 가공성 평가에 관한 것이다. 방전 드릴의 장치는 전기 플라스마 스파크의 발생으로 용융된 소재를 순간 드릴의 기계적 회전으로 소재의 절삭부를 제거해 나가는 방법이다. 방전 드릴 가공법 (EDD)메커니즘은 여러 가지 신호 검출 실험 등을 통해 제어 과정을 검증하였다. 재료의 경도와 상관없고, 기계 가공 시 생길 변형도 방지하는 장점이 있다. 향 후 연구의 개선점을 파악하기 위해 각 가공 기법과의 절삭력 비교 실험도 실시하였다. 비교 실험은 전통적인 기계가공 방법 (Conventional machining)과 방전가공 기법 (EDM method) 그리고 방전드릴링 기법 (EDD method)으로 나누어 진행되었다. 그 결과, 전통적인 기계 가공법은 절삭 부산물인 Burr가 전단형으로 날카롭게 나타났고, 가공 표면이 거칠었고 작업성이 나빴다. 오실로스코프에 나타난 급격한 절삭력의 부하 그래프와 0.5mm 공구의 파손이 일어났다. 황동 전극봉을 사용한 방전 비교 시험의 결과는 별다른 가공의 진척을 보여주지 못했다. 가공 흔적만 생길 정도의 결과였고 그래프에서는 방전이 일어났고 부하는 걸리지 않았다. 낮은 에너지에서 짧은 시간이 방전가공을 진행하기에는 부족해 보였다. 이에 비해 방전드릴링 기법은 열화형의 미립입자의 절삭부산물이 생성되었다. 드릴 공구의 마모가 상대적으로 적었고, 파손도 없었다. 방전이 일어나는 동안 수차례 오실로스코프에서는 축 방향으로 부하가 걸리는 모습을 확인 할 수가 있었다. 이는 방전 가공이 일어나면서 기계적인 가공이 함께 이루어진다는 것을 확인시켜 주었다. 또한 공구의 마모량을 알아 보기위해 가공 후 공구의 모습을 전자현미경으로 조사하였다. 또 재료 비교 시험에서는 전압 상승에 따른 방전의 드릴링 가공 과정을 통해 방전을 일으키는 인자들의 역할에 대한 연구가 부족하여 이번 연구를 통해 규명하고자 했다. 그리고 마이크로 딤플을 만들며 가공 성능의 평가하고 인자들의 상관관계를 분석하여 티타늄의 가공에 최적의 조건을 찾는 것이 목적이었다. 가공 결과와 분석을 통해 나타난 데이터를 이용하여 구성인자들의 역할과 중요도를 알아내고 최적화 방법을 찾아내었다. 입력변수 (독립변수)로는 축전지 공급 용량; C, 에너지 공급시간 ;Ton, 그리고 전압; V 등으로 정했고, 출력변수 (종속변수)는 딤플의 가공 깊이와 가공 시 발생하는 버의 높이 와 폭 등 결과 값이 품질에 미치는 밀접한 연관 관계를 조사하였다. 기대 분석 (Desirability Analysis) 예측에서 입력 조건과 그 값의 최적의 절삭 상태는 순수 티타늄에서는 (C = 10000pF, Ton = 100µs, V = 180V)의 조건이, 티타늄 합금은 (C = 1000pF, Ton = 117µs, V = 200V)의 조건이 가공의 최적화 조건으로 분석되었다. 마지막으로 실험을 통해 얻어 진 모든 마이크로 딤플의 형상 이미지는 전자 주사현미경(SEM)으로 채취되었고, 이에 대한 3차원 분석 및 이미지 획득, 치수 값의 측정은 3차원 분석 장치인 나노 비젼(Nano Vision)에서 획득되어졌다. Micro dimple formation improves the tribological behavior of materials. For this reason, many scientists have developed and applied micro dimples because of reducing friction and wear in mechanical devices results in improved mechanical performance. Titanium materials have been adopted in many areas due to their light weight, but excellent durability, strength and hardness. They are used not only as biomaterials in the field of medical devices but also as materials for micro-precision devices. Dimple processing of difficult-to-cut materials is not easy with conventional processing methods. Therefore, research is underway to find a new method of precision machining. Several research being undertaken about electrochemical machining (ECM), laser impact, photo etching, electrical discharge machining (EDM) processing, and other topics to make micro dimple. However, laser processing and the traditional EDM methods use strong energy sources, resulting in the residual stress and thermal expansion of materials and thus cracks. In addition, ECM is a more complicated electrode fabrication method, its processing accuracy is worse than that of EDM, and the corrosion problem is present, so insulation measures must be taken. In particular, commercial EDM processing methods are of the high-energy transistor type and not suitable for precise micromachining. Therefore, EDM processing of resistance capacitance (RC) circuit type is required to machine precise micro dimple. However, the need for research on new EDM methods to increase efficiency remains. This study investigates dimple formation on a titanium (Ti-6Al-4V) alloy by using electrical discharge machining drilling (EDD). RC circuits were used instead of high-energy circuits used in transistor discharge processing, and the drill as electrode rod was used instead of the electronic pole used for traditional electrical discharge machining (EDM). This EDD equipment consisted of the mechanical unit, discharge power unit, discharge control unit and other instruments. The goal of this study is to melt or evaporate particles with very little energy and drill them down to remove them. A discharge takes place in the space between the pole and the workpiece, resulting in an ionized plasma. Then, the power is cut off by the metallic contact between the electrode drill and the workpiece, and drilling is performed by conventional machining methods. In the meantime, another discharge is generated, and machining is carried out. This is one cycle, and the action is repeated continuously. Verification of the EDD mechanism has been confirmed through various signal-detection experiments. This paper introduces the configuration of EDD devices, its mechanism, logic, and implementation. The results of machining using the three types of methods were as follows: first, conventional machining had sharp of burr, rough working surface, low workability, tools demage. In addition, the oscilloscope showed a graph of harsh cutting force during machining. The EDM method showed a no machining progress with a brass electrode. It was a result of a processing trail, and a discharge occurred on the graph, but no load was taken. A short period with low energy seemed insufficient to proceed with the discharge process. In contrast, the EDD method produced a cutting byproduct of fine deterioration. The drill tool had relatively little wear, scanning electron microscopy(SEM) images were taken in order to confirm how much the tool was worn. During the discharge process, the oscilloscope showed axial load. This confirmed that mechanical machining is undertaken during the process of discharge. Processing of EDD resulted in a clean surface, there was no significant relationship with the voltage strength or electric charge, and the working process was stable. In another type of test, two different types of titanium materials were tested under different processing conditions and analyzed to find optimal machining results. Grade 2 material for pure titanium and Grade 5 material for titanium alloy were prepared to create the dimples during the experiment and to compare the results of each input factor to the mechanical properties of the EDD technique. Based on the results of machining obtained in this process, the causal relationship between the input variables and the output values and the mechanical properties of the dimple machining process were studied. Optimization was then predicted through regression analysis, and the mechanism of discharge-drilling techniques was sought by comparing the result with the cutting result. Input parameters, namely capacitance (C), current supply time (Ton), and voltage (V) - were varied to measure the output quality responses, including dimple depth, burr height, and burr width. According to desirability analysis, The optimal machining of the input conditions and their values was C=10000pF, Ton = 100µs, V = 180V with the Grade2 material and 1000pF, Ton = 117µs, V = 200V with the Grade 5 material. The microscopic view of the dimple array and the micro-dimple geometry were analyzed by using SEM images. Three dimensional(3D) analysis and image acquisition were performed, and measurement of dimensional values were obtained using the 3-dimensional measurement device Nano Vision.