CNN을 이용한 Molybdenum 적층제조의 실시간 모니터링 알고리즘 개발

국문 초록 (Abstract)

Molybdenum은 높은 융점, 높은 경도 등 우수한 기계적 특성을 가지고 있다. 적층제조는 Molybdenum의 기계적 특성으로 인한 절삭 가공의 어려움을 해결하지만, 적층 과정에서 불량이 발생할 경우 재료가 낭비되며, 불량을 탐지한 시점이 늦어질 수록 낭비되는 재료로 인해 비용이 증가한다. 특히, Molybdenum은 고가의 재료임으로 적층제조과정에서 발생하는 불량을 적시에 발견할 수 있는 실시간 모니터링 및 불량 탐지 시스템을 개발하는 것이 중요하다. 본 연구에서는 수집이 용이한 전압 데이터를 wave form 이미지로 변환하고, Convolutional Neural Network(CNN) 기반의 모델을 학습하여 불량여부를 분류한 뒤, 분류 결과를 사용자가 확인 가능하도록 이미지화하는 실시간 모니터링 알고리즘을 제안한다. 실험 사례에서는 아크를 통해 공급된 선재를 녹인 후 굳혀 생산하는 WAAM 공정(Wire + Arc Additive Manufacturing)을 통해 만들어진 19개 Molybdenum bead의 전압 데이터를 이용하였다. 실시간 탐지 및 데이터 증식을 위해 전압데이터에 대한 간격 및 구간을 설정하고 설정된 간격 및 구간에 따라 wave form 이미지로 변환하였다. 이 과정에서 다양한 간격과 구간의 조합을 고려하였으며, 조합별로 CNN 분류기를 학습하고 그 결과를 비교하여 최적의 간격 및 구간을 탐색하였다. 사례 연구 결과, CNN 분류기는 정확도 95%의 높은 분류 성능을 보여주었으며, 이를 테스트 데이터에 적용하여 실시간 모니터링이 가능함을 확인하였다.