공구 교체 시점 기반 라벨링을 활용한 공구 수명 예측 모델

국문 초록 (Abstract)

제조업 분야에서 공구 마모는 생산성과 제품 품질 저하에 영향을 미치는 주요 요소로 인식되고 있다. 이를 해결하기 위해 공구 사용 횟수와 마모 기록을 라벨 데이터로 활용하여 공구 수명 예측 모델을 개발하고 있지만, 산업 현장에서는 다양한 가공 조건과 제품 생산 중단 등으로 공구 마모 데이터를 수집하기 어렵다. 또한 공구 사용 횟수는 공구품질 변동, 작업 환경 온습도 등의 요인으로 인해 사용 횟수가 동일하더라도 공구 마모도가 다르게 나타날 수 있다. 본 논문에서는 공구의 실제 교체 시기를 그 수명 종료로 간주하고 이를 기반으로 공구 교체 시점 기반 라벨링 방식을 제안하였다. 그리고 트랜스포머 기반 딥러닝 모델을 이용한 공구수명 예측 모델을 개발하고 성능 분석을 수행하였다.

다국어 초록 (Multilingual Abstract)

In the manufacturing industry, tool wear is recognized as a major factor affecting productivity and product quality degradation. To solve this problem, tool life prediction models are being developed using the number of tool uses and wear records as labeling data, but it is difficult to collect tool wear data in industrial sites due to various machining conditions and product production interruptions. In addition, the number of tool uses can cause different tool wear degrees even if the number of uses is the same due to factors such as tool quality fluctuations and working environment temperature and humidity. In this paper, the actual replacement time of a tool is considered as the end of its life, and based on this, a tool replacement time-based labeling method is proposed, and a tool life prediction model using a transformer-based deep learning model is developed and performance analysis is performed.