KR102267009B1 - IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템 - Google Patents

IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템 Download PDF

Info

Publication number
KR102267009B1
KR102267009B1 KR1020200100886A KR20200100886A KR102267009B1 KR 102267009 B1 KR102267009 B1 KR 102267009B1 KR 1020200100886 A KR1020200100886 A KR 1020200100886A KR 20200100886 A KR20200100886 A KR 20200100886A KR 102267009 B1 KR102267009 B1 KR 102267009B1
Authority
KR
South Korea
Prior art keywords
workpiece
metal processing
processing apparatus
prediction model
user terminal
Prior art date
Application number
KR1020200100886A
Other languages
English (en)
Inventor
한상봉
Original Assignee
(주)티케이에프
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by (주)티케이에프 filed Critical (주)티케이에프
Application granted granted Critical
Publication of KR102267009B1 publication Critical patent/KR102267009B1/ko

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
    • B23Q17/0952—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool during machining
    • B23Q17/0957—Detection of tool breakage
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q1/00—Members which are comprised in the general build-up of a form of machine, particularly relatively large fixed members
    • B23Q1/0009—Energy-transferring means or control lines for movable machine parts; Control panels or boxes; Control parts
    • B23Q1/0045—Control panels or boxes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q15/00—Automatic control or regulation of feed movement, cutting velocity or position of tool or work
    • B23Q15/20—Automatic control or regulation of feed movement, cutting velocity or position of tool or work before or after the tool acts upon the workpiece
    • B23Q15/22—Control or regulation of position of tool or workpiece
    • B23Q15/225—Control or regulation of position of tool or workpiece in feed control, i.e. approaching of tool or work in successive decreasing velocity steps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
    • B23Q17/24—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves
    • B23Q17/2452—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves for measuring features or for detecting a condition of machine parts, tools or workpieces
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
    • B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
    • B23Q23/00—Arrangements for compensating for irregularities or wear, e.g. of ways, of setting mechanisms
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Optics & Photonics (AREA)
  • General Factory Administration (AREA)

Abstract

IoT 기반의 금속 가공 장치 제어 시스템이 개시된다. 상기 금속 가공 장치 제어 시스템은, 상기 금속 가공 장치의 컨트롤러를 제어하는 장치 제어부; 상기 금속 가공 장치가 포함하는 주축대, 척, 공구대 및 심압대 중 하나 이상의 부품에 연계되는 하나 이상의 제1 센서-상기 하나 이상의 제1 센서는 연계된 각 부품에 가해지는 응력을 감지함-; 가공을 최적화하기 위한 인공 신경망을 포함하는 프로세서; 상기 금속 가공 장치 및 사용자 단말과 유무선으로 통신할 수 있는 통신부; 상기 금속 가공 장치의 가공에 관한 데이터를 포함하는 데이터베이스부; 및 사용자 단말을 포함하며, 상기 금속 가공 장치 제어 시스템은, 상기 장치 제어부가 상기 사용자 단말으로부터의 가공에 관한 입력-상기 입력은 가공 형상, 가공 조건 및 가공 동작 중 적어도 하나를 포함함-에 기초하여, 상기 금속 가공 장치가 피가공물에 목적하는 작업을 개시하도록 상기 컨트롤러를 제어하는 단계; 상기 하나 이상의 제1 센서가 상기 금속 가공 장치의 작업 수행 중 연계된 각 부품에 가해지는 응력을 감지하는 단계; 프로세서가 미리 학습된 장치 이상 예측 모델-상기 장치 이상 예측 모델은 인공 신경망으로 구성됨-의 추론에 기초하여 해당 제1 센서에 연계된 부품의 고장 또는 마모 여부를 예측하는 단계; 상기 프로세서가 해당 부품의 고장 또는 마모를 예측한 경우, 상기 통신부는 장치 이상 경고를 상기 사용자 단말에 송신하는 단계; 및 상기 사용자 단말이 해당 부품의 수리 또는 교체에 관한 사용자의 입력을 대기하는 단계를 포함하는 방법을 수행한다.

Description

IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템{A METHOD, APPARATUS AND SYSTEM CONTROLLING COMPUTER NUMERICAL CONTROL BASED ON IoT}
본 발명은 IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템에 관한 것으로서, 보다 구체적으로는 금속 가공 장치에 가공에 관한 입력을 전달하고, 정밀 금속 부품의 생산 및 가공 과정의 품질 및 효율을 높일 수 있는 방법, 장치 및 시스템에 관한 것이다.
기존의 금속 가공 장치(Computer Numerical Control; CNC)는 주요 구성으로서 모터, 주축대, 척, 공구대, 심압대, 컨트롤러 등을 포함하고 있으며, 가공 형상이나 조건, 동작 등의 데이터를 컴퓨터 프로그램에 의해 프로그래밍하고 이를 기초로 피가공물을 가공함으로써 정밀 금속 부품의 용이한 생산 및 가공이 가능하다. 구체적으로는, 플랜트배관용 부품 제작 시 가공 형상이나 조건, 동작 등의 데이터를 컴퓨터에 의해 자동 프로그래밍할 수 있다.
한편, 정밀 금속 부품을 생산함에 있어서 정확한 수치로 절삭 및 가공하기 위하여는 금속 가공 장치의 프로그래밍된 데이터를 실시간으로 모니터링할 필요가 있다. 또한 생산 라인의 보다 효율적인 관리가 요구되고 있으며, 제조되는 정밀 금속 부품의 향상된 품질이 요구되고 있는 실정이다.
한국등록공보 제10-2092969호(2020.03.18.) 한국공개공보 제10-2020-0014574호(2020.02.11.) 한국공개공보 제10-2019-0114161호(2019.10.10.) 한국공개공보 제10-2020-0065475호(2018.11.30.)
본 발명은 상기와 같은 금속 가공 분야의 기술적 개선 요구를 인식하여 이루어진 것으로서, 그 목적으로 하는 바는, 금속 가공 장치의 가공 정보를 사용자 단말과 실시간으로 공유하여 가공 전 과정에서 사용자의 신속한 대응이 가능하게 하며, 금속 가공 장치에 대한 원격 조종이 가능하여 다양한 피사체에 대한 실시간 대응이 가능하게 하여, 정밀 부품 생산 라인의 효율적인 관리가 가능하고 높은 품질의 정밀 부품을 생산하는 것에 있다.
다만, 본 발명이 해결하고자 하는 과제는 이에 한정되는 것이 아니며, 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위에서 다양하게 확장될 수 있음이 통상의 기술자에게 명확하게 이해될 수 있을 것이다.
일 실시예에 따르면, IoT 기반의 금속 가공 장치 제어 시스템이 제시된다. 상기 금속 가공 장치 제어 시스템은, 상기 금속 가공 장치의 컨트롤러를 제어하는 장치 제어부; 상기 금속 가공 장치가 포함하는 주축대, 척, 공구대 및 심압대 중 하나 이상의 부품에 연계되는 하나 이상의 제1 센서-상기 하나 이상의 제1 센서는 연계된 각 부품에 가해지는 응력을 감지함-; 가공을 최적화하기 위한 인공 신경망을 포함하는 프로세서; 상기 금속 가공 장치 및 사용자 단말과 유무선으로 통신할 수 있는 통신부; 상기 금속 가공 장치의 가공에 관한 데이터를 포함하는 데이터베이스부; 및 사용자 단말을 포함하며, 상기 금속 가공 장치 제어 시스템은, 상기 장치 제어부가 상기 사용자 단말으로부터의 가공에 관한 입력-상기 입력은 가공 형상, 가공 조건 및 가공 동작 중 적어도 하나를 포함함-에 기초하여, 상기 금속 가공 장치가 피가공물에 목적하는 작업을 개시하도록 상기 컨트롤러를 제어하는 단계; 상기 하나 이상의 제1 센서가 상기 금속 가공 장치의 작업 수행 중 연계된 각 부품에 가해지는 응력을 감지하는 단계; 프로세서가 미리 학습된 장치 이상 예측 모델-상기 장치 이상 예측 모델은 인공 신경망으로 구성됨-의 추론에 기초하여 해당 제1 센서에 연계된 부품의 고장 또는 마모 여부를 예측하는 단계; 상기 프로세서가 해당 부품의 고장 또는 마모를 예측한 경우, 상기 통신부는 장치 이상 경고를 상기 사용자 단말에 송신하는 단계; 및 상기 사용자 단말이 해당 부품의 수리 또는 교체에 관한 사용자의 입력을 대기하는 단계를 포함하는 방법을 수행할 수 있다.
일 실시예에 따르면, 상기 금속 가공 장치 제어 시스템은 피가공물에 연계되는 제2 센서-상기 제2 센서는 연계된 피가공물에 가해지는 응력을 감지함-를 더 포함하며, 상기 금속 가공 장치 제어 시스템은, 상기 제2 센서가 상기 금속 가공 장치의 작업 수행 중 상기 피가공물에 가해지는 응력을 감지하는 단계; 프로세서가 미리 학습된 피가공물 파손 예측 모델-상기 피가공물 파손 예측 모델은 인공 신경망으로 구성됨-의 추론에 기초하여 상기 피가공물의 파손 여부를 예측하는 단계; 상기 프로세서가 상기 피가공물의 파손을 예측한 경우, 상기 통신부가 피가공물 파손 경고를 상기 사용자 단말에 송신하는 단계; 및 상기 사용자 단말이 상기 피가공물의 교체에 관한 사용자의 입력을 대기하는 단계를 포함하는 방법을 수행할 수 있다.
일 실시예에 따르면, 상기 장치 이상 예측 모델의 학습은, 트레이닝 데이터로부터 입력을 생성하는 단계; 생성된 상기 입력을 상기 장치 이상 예측 모델에 적용하는 단계; 상기 장치 이상 예측 모델로부터 출력을 획득하는 단계; 획득된 상기 출력과 레이블을 비교하는 단계; 및 상기 비교에 기초하여 상기 장치 이상 예측 모델을 최적화하는 단계를 포함하는 방법으로 이루어지며, 상기 트레이닝 데이터는 상기 금속 가공 장치의 각 부품의 소재, 형상 및 금속 가공 장치의 구동 시 감지되는 제1 센서의 응력 데이터를 포함하며, 상기 레이블은 미리 정해진 소재 및 형상을 갖는 부품에 미리 정해진 패턴의 응력을 가하여 부품의 미리 정해진 변형률값에 도달하는 응력-변형률 데이터일 수 있다.
일 실시예에 따르면, 상기 피가공물 파손 예측 모델의 학습은, 트레이닝 데이터로부터 입력을 생성하는 단계; 생성된 상기 입력을 상기 피가공물 파손 예측 모델에 적용하는 단계; 상기 피가공물 파손 예측 모델로부터 출력을 획득하는 단계; 획득된 상기 출력과 레이블을 비교하는 단계; 및 상기 비교에 기초하여 상기 피가공물 파손 예측 모델을 최적화하는 단계를 포함하는 방법으로 이루어지며, 상기 트레이닝 데이터는 상기 피가공물의 소재, 형상 및 상기 금속 가공 장치의 구동 시 감지된 제2 센서의 응력 데이터를 포함하며, 상기 레이블은 미리 정해진 소재 및 형상을 갖는 피가공물에 미리 정해진 패턴의 응력을 가하여 피가공물의 미리 정해진 변형률값를 일으키는 응력-변형률 데이터일 수 있다.
일 실시예에 따르면, 상기 데이터베이스부는 소재 및 형상이 상이한 복수의 피가공물에 대한 응력-변형률 데이터를 포함하며, 상기 피가공물 파손 예측 모델은 상기 복수의 피가공물 각각에 대응하는 복수의 레이어를 포함하고, 상기 금속 가공 장치의 피가공물이 변경되는 경우, 상기 피가공물에 대응하는 레이어 상에서 상기 피가공물 파손 예측 모델을 구동할 수 있다.
본 발명에 따르면, 금속 가공 장치의 주요 구성에 다양한 IoT 센서를 적용한 IoT 기반의 금속 가공 장치 제어 시스템을 도입함으로써, 금속 가공 장치의 동작 및/또는 가공 과정에서 금속 가공 장치의 고장이나 마모, 피가공물의 이상 상태 등을 사전 감지할 수 있어, 피가공물에 대한 보다 정밀한 가공을 수행할 수 있으며, 가공되는 피가공물의 불량률을 현저하게 낮은 수준으로 제어하는 것이 가능하다. 또한 본 발명에 따르면, 금속 가공 장치에 대한 원격 조종을 통해 다양한 피사체에 대한 실시간 대응이 가능하여, 정밀 부품 생산 라인의 효율적인 관리 및 높은 품질의 확보가 가능하다.
도 1은 일 실시예에 있어서 금속 가공 장치 제어 시스템을 설명하기 위한 도면이다.
도 2는 일 실시예에 있어서 제어 시스템에 의해 장치 이상을 예측하는 방법을 설명하는 순서도이다.
도 3은 일 실시예에 있어서 제어 시스템에 의해 피가공물의 파손을 예측하는 방법을 설명하는 순서도이다.
도 4는 일 실시예에 있어서 장치의 예시도이다.
이하, 첨부한 도면들을 참조하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 다만, 첨부한 도면과 후술하는 설명은 본 발명의 특징을 효과적으로 설명하기 위한 여러 형태들 중 바람직한 형태에 관한 것으로서, 본 발명은 이외의 여러 상이한 형태로의 변경이 가능하며 여기에서 설명하는 실시예에 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 또는 대체물이 권리 범위에 속하는 것으로 이해되어야 한다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 모든 변경, 균등물 또는 대체물을 포함한다.
다양한 구성요소를 설명함에 있어 '제1' 또는 '제2' 등의 용어가 사용될 수 있으나, 이 같은 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로도 명명될 수 있으며, 이와 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 '연결되어' 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있으나, 중간에 다른 구성요소가 존재할 수도 있는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명의 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안 된다. 단수의 표현은 문맥상 명백하게 상이하게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서 '포함하다' 또는 '가지다' 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다.
도 1은 일 실시예에 있어서 금속 가공 장치 제어 시스템(100)을 설명하기 위한 도면이다.
일 실시예에 따르면, 금속 가공 장치 제어 시스템(이하, 제어 시스템이라 함)은 금속 가공 장치의 컨트롤러를 제어하는 장치 제어부(110), 가공을 최적화하기 위한 인공 신경망을 포함하는 프로세서(120), 금속 가공 장치 및 사용자 단말(170)과 유무선으로 통신하는 통신부(130), 금속 가공 장치의 가공에 관한 데이터를 포함하는 데이터베이스부(140), 금속 가공 장치의 부품에 연계되는 하나 이상의 제1 센서(150), 피가공물에 연계되는 제2 센서(160) 및 사용자 단말(170)을 포함할 수 있다.
일 실시예에 있어서, 장치 제어부(110)는 사용자 단말(170)으로부터의 입력에 기초하여 금속 가공 장치의 컨트롤러를 제어할 수 있다. 금속 가공 장치의 사용자가 사용자 단말(170)에 목적하는 가공에 관한 입력을 하면, 제어 시스템은 상기 입력을 전달받아 장치 제어부(110)로 하여금 금속 가공 장치의 컨트롤러를 제어하게 할 수 있다. 가공에 관한 입력은 사용자 단말(170)으로부터 전달된 형식 그대로 금속 가공 장치의 컨트롤러에 적용될 수도 있으며, 필요한 경우 사용자 단말(170)으로부터의 입력을 금속 가공 장치의 컨트롤러에 부합하는 형식으로 변환하여 적용될 수도 있다.
일 실시예에 있어서, 프로세서(120)는 가공을 최적화하기 위한 미리 학습된 인공 신경망을 포함할 수 있다. 보다 바람직하게는, 프로세서는 인공 신경망으로 구성되는 미리 학습된 장치 이상 예측 모델을 포함하여 금속 가공 장치의 고장 및/또는 부품 수리 시점을 미리 예측할 수 있다. 더욱 바람직하게는, 프로세서는 인공 신경망으로 구성되는 미리 학습된 피가공물 파손 예측 모델을 더 포함하여 피가공물의 파손 여부를 예측할 수 있다. 가공을 최적화하기 위한 인공 신경망의 학습 방법에 대하여는 후술한다.
통신부(130)는 금속 가공 장치 및 사용자 단말(170)과 유무선으로 통신할 수 있다. 통신부(130)는, 예를 들어 와이파이, 3G/4G 네트워크, 지그비, 와이브로, 블루투스, NFC(Near Field Communication)와 같은 네트워크를 이용할 수 있으나 반드시 이에 한정되는 것은 아니다. 또한 통신부(130)는 단방향 통신 또는 양방향 통신이 가능하며 비콘(becon)과 같은 모듈로 구현되는 것도 가능하다.
일 실시예에 있어서, 데이터베이스부(140)는 금속 가공 장치의 가공에 관한 데이터를 저장할 수 있다. 가공에 관한 데이터는, 바람직하게는 피가공물의 형상, 목적하는 정밀 금속 부품을 얻기 위한 가공 조건 및/또는 금속 가공 장치의 가공 동작 등의 데이터를 포함할 수 있으며, 더욱 바람직하게는 목적하는 정밀 금속 부품 각각에 대응하는 응력-변형률 데이터를 더 포함할 수도 있다. 데이터베이스부(140)는 사용자 단말(170)로부터 입력된 절삭, 연마 등의 가공 정보를 저장하여 이를 금속 가공 장치의 컨트롤러에 적용되도록 할 수 있다. 또한 데이터베이스부(140)는 제1 센서(150) 및 제2 센서(160)에 의해 수집된 감지 데이터드릉ㄹ 포함할 수 있다.
일 실시예에 있어서, 제1 센서(150)는 금속 가공 장치의 부품에 연계되어, 해당 부품에 가해지는 응력을 감지할 수 있다. 도 1에서는 제1 센서(150)가 하나인 것으로 도시하였으나, 제1 센서(150)의 개수는 이에 한정되지 않으며, 금속 가공 장치의 각 부품에 가해지는 비정상적인 부하를 감지할 수 있도록 2 이상의 복수 개일 수도 있다. 하나 이상의 제1 센서(150)는 금속 가공 장치의 가공 수행 동안 하나 이상의 제1 센서(150)에 연계된 하나 이상의 각 부품에 가해지는 응력을 감지할 수 있다. 바람직한 실시형태로서 금속 가공 장치를 구성하는 주축대, 척, 공구대 및 심압대 중 하나 이상이 제1 센서(150)와 연계될 수 있다. 또 다른 실시형태로서 금속 가공 장치의 모터가 제1 센서(150)의 어느 하나와 연계되어 모터의 이상이나 과열 등을 감지할 수도 있다. 제1 센서(150)는 금속 가공 장치의 각 부품에 부착되어 그 응력을 휘스톤 브릿지 방식으로 전기적인 신호로 바꾸는 게이지일 수 있으나, 이에 한정되지 않으며 부품에 가해지는 응력을 측정할 수 있는 임의의 센서일 수 있다.
일 실시예에 있어서, 제2 센서(160)는 금속 가공 장치의 작업 대상인 피가공물에 연계되어, 해당 피가공물에 가해지는 응력을 감지할 수 있다. 피가공물은 목적하는 응력보다 과도하게 큰 힘이 가해지는 경우 파손될 가능성이 있으며, 항복 강도보다 낮은 응력이 가해지더라도 응력 진폭, 응력 평균 및 응력 패턴 중 적어도 하나에 기초한 피로도에 의하여도 파손될 가능성이 있다. 본 발명의 제어 시스템에 의하면 제2 센서(160)가 가공 동안 실시간으로 피가공물에 가해지는 응력 데이터를 감지하므로, 보다 정밀한 가공이 가능하며 파손의 가능성을 미리 예측하여 불량률을 현저하게 감소시키는 것이 가능하다. 제2 센서(160)는 피가공물의 표면에 부착되어 그 응력을 휘스톤 브릿지 방식으로 전기적인 신호로 바꾸는 게이지일 수 있으나, 이에 한정되지 않으며 부품에 가해지는 응력을 측정할 수 있는 임의의 센서일 수 있다.
일 실시예에 있어서, 사용자 단말(170)은 단말 자체의 프로세서, 메모리, 유저 인터페이스 및 통신 인터페이스를 포함하고, 외부와 유무선으로 통신할 수 있다. 유저 인터페이스는 피가공물을 목적하는 정밀 금속 부품으로 형성하는데 요구되는 가공 형상, 조건 및 동작 중 적어도 하나에 관한 입력을 촉구할 수 있으며, 사용자로부터 이러한 입력을 받아 데이터로 변환할 수 있는 환경을 제공할 수 있다. 통신 인터페이스는 유무선 네트워크 또는 유선 직렬 통신 등을 통하여 소정 거리 이내의 다른 전자 기기와 데이터를 송수신할 수 있다. 네트워크는 일 실시예에 따른 사용자 단말과 다양한 개체들(entities) 간의 유무선 통신을 가능하게 할 수 있다. 사용자 단말과 네트워크를 통해 다양한 개체들과 통신할 수 있고, 네트워크는 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 이 때, 네트워크는 인터넷(Internet), LAN(Local Area Network), Wireless LAN(Wireless Local Area Network), WAN(Wide Area Network), PAN(Personal Area Network) 등을 포함할 수 있으나, 이에 한정되지 않으며 정보를 송, 수신할 수 있는 다른 종류의 네트워크가 될 수도 있음은 통신 기술 분야의 통상의 지식을 가진 자에게 자명하다.
사용자 단말(170)은 통신 기능이 포함된 임의의 단말일 수 있으며, 예컨대, 스마트폰(Smartphone), 태블릿 PC(Tablet Personal Computer), 이동 전화기(Mobile Phone), 화상 전화기, 전자북 리더기(E-book Reader), 데스크톱 PC(Desktop Personal Computer), 랩톱 PC(Laptop Personal Computer), 넷북 컴퓨터(Netbook Computer), PDA(Personal Digital Assistant), PMP(Portable Multimedia Player), MP3 플레이어, 카메라(Camera), 웨어러블 장치(Wearabl
e Device) 중 적어도 하나를 포함할 수 있다. 웨어러블 장치는 전자 안경과 같은 Head-Mounted-Device(HMD), 전자 의복, 전자 팔찌, 전자 목걸이, 전자 앱세서리(Appcessory), 전자 문신, 스마트카(Smart Car) 또는 스마트와치(Smartwatch) 중 적어도 하나를 포함할 수 있다.
본 발명의 제어 시스템에 의해 제어되는 금속 가공 장치는 일반적으로 모터, 주축대, 척, 공구대, 심압대 및 컨트롤러를 포함할 수 있다. 주축대는 모터의 회전을 이용하여 스핀들 선단에 있는 척과 척에 물린 피가공물을 회전시킬 수 있다. 척은 주축 선단에 부착되어 공작물을 척킹할 수 있는 부재로서, 열처리된 하드죠 및/또는 공작물의 형상에 따라 가공하여 사용하는 소프트죠를 포함할 수 있으나, 이에 한정되는 것은 아니다. 공구대로서는 회전 공구대와 갱 타입 공구대가 있을 수 있으나, 효율적이고 정밀한 가공을 위하여는 회전 공구대가 바람직하다. 심압대는 스핀들에 회전 센터를 개재하여 공작물의 원주 중심을 지지함으로써 공작물의 휨 현상, 떨림 또는 이탈 등을 방지할 수 있다. 컨트롤러는 가공 형상이나 조건, 동작 등의 데이터를 프로그래밍하여 피가공물의 가공을 수행할 수 있다.
도 2는 일 실시예에 있어서 제어 시스템에 의해 장치 이상을 예측하는 방법을 설명하는 순서도이다.
일 실시예에 있어서, 통신부(130)가 사용자 단말(170)으로부터 가공에 관한 입력을 수신하면, 장치 제어부(110)는 수신된 입력에 기초하여 금속 가공 장치가 피가공물에 목적하는 작업을 개시하도록 금속 가공 장치의 컨트롤러를 제어할 수 있다(S210). 가공에 관한 입력은 사용자 단말(170)과의 실시간 통신에 의해 수신할 수 있으므로, 사용자가 가공 설계의 변경을 적용하고자 하는 경우 용이하고 빠른 적용이 가능하다. 입력으로서 수신되는 가공에 관한 입력은 가공 형상, 가공 조건 및 가공 동작 중 적어도 하나를 포함할 수 있다. 상기 입력은 사용자가 사용자 단말(170)의 유저 인터페이스에 직접 입력할 수도 있으며, 혹은 사용자가 목적하는 정밀 금속 부품을 특정하면 상기 정밀 금속 부품에 대응하는 미리 저장된 가공 정보가 입력으로서 선택될 수도 있다.
다음으로, 금속 가공 장치의 하나 이상의 부품에 연계된 하나 이상의 제1 센서(150)가 금속 가공 장치의 작업 수행 중 대응하는 각 부품에 가해지는 응력을 감지할 수 있다(S220). 보다 바람직하게는, 제1 센서(150)는 미리 정해진 단위 시간마다 응력의 감지를 실시하여 금속 가공 장치의 작업 수행 전 과정에 걸친 누적 데이터를 얻을 수 있다. 감지된 응력 데이터는 제어 시스템의 데이터베이스부(140)에 저장될 수도 있다.
다음으로, 제1 센서(150)로부터 획득된 데이터를 사용하여, 프로세서(120)는 미리 학습된 장치 이상 예측 모델의 추론에 기초하여 제1 센서(150)에 연계된 부품의 고장 또는 마모 여부를 예측할 수 있다(S230). 장치 이상 예측 모델은 인공 신경망으로 구성될 수 있으며, 그 학습에 관하여는 도 4와 관련하여 후술한다. 본 실시형태에서는 금속 가공 장치의 각 부품의 고장 또는 마모 여부를 예측하는 것으로 기술하였으나, 본 발명은 이에 한정되지 않으며, 각 부품의 과열, 파괴 등을 예측할 수도 있다. 본 발명에 있어서는 금속 가공 장치의 각 부품이 실제 이상이 발생하기 이전에 이상 상황을 예측하는 것이 가능하여, 적절한 시점에 부품의 교환 또는 수리가 조속히 이루어질 수 있게 함으로써 이상이 발생한 금속 가공 장치에 의하여 불량품이 생산될 가능성을 현저히 낮출 수 있다.
다음으로, 프로세서(120)가 해당 부품의 고장 또는 마모 등을 포함하는 부품 이상을 예측한 경우, 통신부(130)는 장치 이상 경고를 사용자 단말(170)에 송신할 수 있다(S240). 만일, 부품 이상이 발생하게 되면 실시간 통신할 수 있는 사용자 단말(170)에 그 취지를 신속히 알리는 것이 가능하여, 사용자가 장치에 주의하지 않는 동안 발생하는 부품 이상에 대하여도 사용자의 신속한 처리를 기대하는 것이 가능하다.
다음으로, 사용자 단말(170)은 해당 부품의 수리 또는 교체에 관한 사용자의 입력을 대기할 수 있다(S250). 사용자가 사용자 단말(170)의 유저 인터페이스에 해당 부품의 수리 또는 교체에 관한 입력을 제공하는 경우, 제어 시스템은 장치 제어부(110)에 의해 금속 가공 장치의 작동을 중단시킬 수도 있다.
도 3은 일 실시예에 있어서 제어 시스템에 의해 피가공물의 파손을 예측하는 방법을 설명하는 순서도이다.
일 실시예에 있어서, 피가공물에 연계된 제2 센서(160)가 금속 가공 장치의 작업 수행 중 피가공물에 가해지는 응력을 감지할 수 있다(S310). 보다 바람직하게는, 제2 센서(160)는 미리 정해진 단위 시간마다 응력을 감지하여 금속 가공 장치의 작업 수행 전 과정에 걸친 누적 데이터를 얻을 수 있다. 감지된 응력 데이터는 제어 시스템의 데이터베이스부(140)에 저장될 수도 있다.
다음으로, 제2 센서(160)로부터 획득된 데이터를 사용하여, 프로세서(120)는 미리 학습된 피가공물 파손 예측 모델의 추론에 기초하여 제2 센서(160)에 연계된 피가공물의 파손 여부를 예측할 수 있다(S320). 피가공물 파손 예측 모델은 인공 신경망으로 구성될 수 있으며, 그 학습에 관하여는 도 5를 참조하여 후술한다. 본 실시형태에서는 피가공물의 파손 여부를 예측하는 것으로 기술하였으나, 본 발명은 이에 한정되지 않으며, 피가공물의 미리 정해진 변형 정도를 예측할 수도 있다. 본 발명에 있어서는 피가공물이 파손되기 이전에 불량의 발생 여지를 예측하는 것이 가능하여 불량률을 현저하게 낮출 수 있으며, 다양한 피가공물에 대한 실시간 대응이 가능하게 된다.
다음으로, 프로세서(120)가 피가공물의 파손을 예측한 경우, 통신부(130)는 피가공물 파손 경고를 사용자 단말(170)에 송신할 수 있다(S330). 만일, 피가공물의 파손이 예상되면 실시간 통신할 수 있는 사용자 단말(170)에 그 취지를 신속히 알리는 것이 가능하여, 피가공물의 파손을 방지하는 것이 가능하다.
다음으로, 사용자 단말(170)은 피가공물의 교체에 관한 사용자의 입력을 대기할 수 있다(S340). 사용자가 사용자 단말(170)의 유저 인터페이스에 피가공물의 교체에 관한 입력을 제공하는 경우, 제어 시스템은 장치 제어부(110)에 의해 금속 가공 장치의 작동을 중단시킬 수도 있다.
이하 프로세서(120)가 포함하는 인공 신경망으로 구성되는 장치 이상 예측 모델 및 피가공물 파손 예측 모델 각각의 학습에 대하여 설명한다. 학습은 프로세서(120)에 의해 실시될 수도 있으며, 또는 별도의 학습 장치에 의해 실시될 수도 있다.
일 실시예의 장치 이상 예측 모델에 있어서, 학습 장치는 금속 가공 장치의 각 부품의 소재, 형상 및 금속 가공 장치의 구동 시 감지되는 제1 센서(150)의 응력 데이터를 트레이닝 데이터(training data)로써 생성할 수 있다. 다음으로, 학습 장치는 장치 이상 예측 모델의 학습을 위해, 미리 정해진 소재 및 형상을 갖는 부품에 미리 정해진 패턴의 응력을 가하여 부품의 미리 정해진 변형률값에 도달하는 응력-변형률 데이터를 레이블(label)로써 생성할 수 있다. 이어서, 학습 장치는 트레이닝 데이터로부터 입력을 생성할 수 있다. 학습 장치는 수신한 트레이닝 데이터를 장치 이상 예측 모델의 입력으로서 그대로 사용하거나, 단위를 보정하는 등의 통상의 처리를 거친 후 장치 이상 예측 모델의 입력을 생성할 수 있다.
다음으로, 학습 장치는 입력을 장치 이상 예측 모델에 적용할 수 있다. 장치 이상 예측 모델은 지도 학습(Supervised Learning)에 따라 학습되는 인공 신경망으로 구성될 수도 있다. 장치 이상 예측 모델은 지도 학습을 통해 학습시키기에 적합한 컨볼루션 신경망(Convolutional Neural Network, CNN) 또는 리커런트 신경망(Recurrent Neural Network, RNN) 구조일 수도 있다.
다음으로, 학습 장치는 장치 이상 예측 모델로부터 출력을 획득할 수 있다. 상기 출력은 금속 가공 장치의 특정 부품이 소정 조건 하의 가공을 수행하였을 때 미리 정해진 시간 경과 후 부품의 변형률의 추론에 기초할 수 있다. 다음으로, 학습 장치는 출력과 레이블을 비교할 수 있다. 추론에 해당하는 장치 이상 예측 모델의 출력과 정답에 해당하는 레이블을 비교하는 과정은 손실함수(Loss Function)를 계산하여 이루어질 수도 있다. 손실함수는 이미 알려진 평균 제곱 오차(Mean Squared Error, MSE), 교차 엔트로피 오차(Cross Entropy Error, CEE) 등이 이용될 수 있으나 이에 한정되는 것은 아니다.
다음으로 학습 장치는 비교값을 기초로 장치 이상 예측 모델을 최적화할 수 있다. 학습 장치의 비교값이 점점 작아지도록 장치 이상 예측 모델의 노드(node)들의 웨이트(weight)를 갱신함으로써, 추론에 해당하는 장치 이상 예측 모델의 출력과 정답에 해당하는 레이블을 점점 일치시킬 수 있으며, 이를 통해 장치 이상 예측 모델은 정답에 가까운 추론을 출력하도록 최적화될 수 있다. 구체적으로, 학습 장치는 비교값에 해당하는 손실함수가 최소값의 추정치에 가까워지도록 인공 신경망의 웨이트를 재설정하는 과정을 반복함으로써 장치 이상 예측 모델을 최적화할 수 있다. 장치 이상 예측 모델의 최적화를 위해 기 알려진 역전파(backpropagation) 알고리즘, 확률론적 경사하강법(stochastic gradient descent) 등이 이용될 수 있으나, 이에 한정되는 것은 아니며, 다양한 신경망 모델들에서 이용되는 웨이트의 최적화 알고리즘이 이용될 수 있다.
일 실시예의 피가공물 파손 예측 모델에 있어서, 학습 장치는 피가공물의 소재, 형상 및 금속 가공 장치의 구동 시 감지되는 제2 센서(160)의 응력 데이터를 트레이닝 데이터로써 생성할 수 있다. 또한 학습 장치는 피가공물 파손 예측 모델의 ??브을 위해, 미리 정해진 소재 및 형상을 갖는 피가공물에 미리 정해진 패턴의 응력을 가하여 피가공물의 미리 정해진 변형률값을 일으키는 응력-변형률 데이터를 레이블로써 생성할 수 있다. 피가공물 파손 예측 모델의 학습 방법의 기타에 대하여는 상술한 장치 이상 예측 모델의 학습 방법과 동일하게 적용된다.
일 실시예에 있어서, 피가공물 파손 예측 모델은 소재 및 형상이 상이한 복수의 피가공물 각각에 대응하는 복수의 레이어를 포함할 수도 있다. 이 경우 데이터베이스부(140)는 복수의 피가공물의 각각에 대한 응력-변형률 데이터를 포함할 수 있다. 금속 가공 장치의 피가공물의 종류가 변경되는 경우, 피가공물 파손 예측 모델은 각 피가공물에 대응하는 레이어 상에서 피가공물 파손 예측 모델을 구동함으로써, 복수의 피가공물 각각에 최적화된 파손 예측 모델을 제공할 수도 있다.
도 4는 일 실시예에 따른 장치의 예시도이다. 일 실시예에 따른 장치(400)는 프로세서(410) 및 메모리(420)를 포함할 수 있다. 장치(400)는 상술한 제어 시스템을 수행할 수 있는 임의의 장치일 수 있다. 프로세서는 도 1 내지 도 3을 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 3을 통하여 전술한 적어도 하나의 방법들을 수행할 수 있다. 메모리(420)는 전술한 방법과 관련한 정보를 저장하거나 전술한 방법이 구현될 수 있는 프로그램을 저장할 수 있다. 메모리(420)는 휘발성 메모리 또는 비휘발성 메모리일 수도 있다.
일 실시예에 따르면, 프로세서(410)는 프로그램을 실행하고, 장치(400)를 제어할 수 있다. 프로세서(410)에 의해 실행되는 프로그램의 코드는 메모리(420)에 저장될 수 있다. 장치(400)는 입출력 장치를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(Arithmetic Logic Unit), 디지털 신호 프로세서(Digital Signal Processor), 마이크로컴퓨터, FPGA(Field Programmable Gate Array), PLU(Programmable Logic Unit), 마이크로프로세서, 또는 명령(Instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (5)

  1. IoT 기반의 금속 가공 장치 제어 시스템에 의해 금속 가공 장치의 제어를 수행하는 방법으로서,
    상기 금속 가공 장치 제어 시스템은,
    상기 금속 가공 장치의 컨트롤러를 제어하는 장치 제어부;
    상기 금속 가공 장치가 포함하는 주축대, 척, 공구대 및 심압대 중 하나 이상의 부품에 연계되는 하나 이상의 제1 센서-상기 하나 이상의 제1 센서는 연계된 각 부품에 가해지는 응력을 감지함-;
    가공을 최적화하기 위한 인공 신경망을 포함하는 프로세서;
    상기 금속 가공 장치 및 사용자 단말과 유무선으로 통신할 수 있는 통신부;
    상기 금속 가공 장치의 가공에 관한 데이터를 포함하는 데이터베이스부;
    사용자 단말; 및
    피가공물에 연계되는 제2 센서-상기 제2 센서는 연계된 피가공물에 가해지는 응력을 감지함-를 포함하며,
    상기 금속 가공 장치의 제어를 수행하는 방법은,
    상기 장치 제어부가 상기 사용자 단말으로부터의 가공에 관한 입력-상기 입력은 가공 형상, 가공 조건 및 가공 동작 중 적어도 하나를 포함함-에 기초하여, 상기 금속 가공 장치가 피가공물에 목적하는 작업을 개시하도록 상기 컨트롤러를 제어하는 단계;
    상기 하나 이상의 제1 센서가 상기 금속 가공 장치의 작업 수행 중 연계된 각 부품에 가해지는 응력을 감지하는 단계;
    프로세서가 미리 학습된 장치 이상 예측 모델-상기 장치 이상 예측 모델은 인공 신경망으로 구성됨-의 추론에 기초하여 해당 제1 센서에 연계된 부품의 고장 또는 마모 여부를 예측하는 단계;
    상기 프로세서가 해당 부품의 고장 또는 마모를 예측한 경우, 상기 통신부는 장치 이상 경고를 상기 사용자 단말에 송신하는 단계;
    상기 사용자 단말이 해당 부품의 수리 또는 교체에 관한 사용자의 입력을 대기하는 단계;
    상기 제2 센서가 상기 금속 가공 장치의 작업 수행 중 상기 피가공물에 가해지는 응력을 감지하는 단계;
    프로세서가 미리 학습된 피가공물 파손 예측 모델-상기 피가공물 파손 예측 모델은 인공 신경망으로 구성됨-의 추론에 기초하여 상기 피가공물의 파손 여부를 예측하는 단계;
    상기 프로세서가 상기 피가공물의 파손을 예측한 경우, 상기 통신부가 피가공물 파손 경고를 상기 사용자 단말에 송신하는 단계; 및
    상기 사용자 단말이 상기 피가공물의 교체에 관한 사용자의 입력을 대기하는 단계를 포함하는, IoT 기반의 금속 가공 장치 제어 시스템에 의해 금속 가공 장치의 제어를 수행하는 방법.
  2. 삭제
  3. 삭제
  4. 제1 항에 있어서,
    상기 피가공물 파손 예측 모델의 학습은,
    트레이닝 데이터로부터 입력을 생성하는 단계;
    생성된 상기 입력을 상기 피가공물 파손 예측 모델에 적용하는 단계;
    상기 피가공물 파손 예측 모델로부터 출력을 획득하는 단계;
    획득된 상기 출력과 레이블을 비교하는 단계; 및
    상기 비교에 기초하여 상기 피가공물 파손 예측 모델을 최적화하는 단계를 포함하는 방법으로 이루어지며,
    상기 트레이닝 데이터는 상기 피가공물의 소재, 형상 및 상기 금속 가공 장치의 구동 시 감지된 제2 센서의 응력 데이터를 포함하며,
    상기 레이블은 미리 정해진 소재 및 형상을 갖는 피가공물에 미리 정해진 패턴의 응력을 가하여 피가공물의 미리 정해진 변형률값를 일으키는 응력-변형률 데이터인, IoT 기반의 금속 가공 장치 제어 시스템에 의해 금속 가공 장치의 제어를 수행하는 방법.
  5. 제4 항에 있어서,
    상기 데이터베이스부는 소재 및 형상이 상이한 복수의 피가공물에 대한 응력-변형률 데이터를 포함하며,
    상기 피가공물 파손 예측 모델은 상기 복수의 피가공물 각각에 대응하는 복수의 레이어를 포함하고,
    상기 금속 가공 장치의 피가공물이 변경되는 경우, 상기 피가공물에 대응하는 레이어 상에서 상기 피가공물 파손 예측 모델을 구동하는, IoT 기반의 금속 가공 장치 제어 시스템에 의해 금속 가공 장치의 제어를 수행하는 방법.
KR1020200100886A 2020-07-17 2020-08-12 IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템 KR102267009B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200088650 2020-07-17
KR1020200088650 2020-07-17

Publications (1)

Publication Number Publication Date
KR102267009B1 true KR102267009B1 (ko) 2021-06-18

Family

ID=76623541

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200100886A KR102267009B1 (ko) 2020-07-17 2020-08-12 IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템

Country Status (1)

Country Link
KR (1) KR102267009B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113601261A (zh) * 2021-08-10 2021-11-05 中国科学院合肥物质科学研究院 一种面向刀具的在线快速优化模型的监测方法
KR20230010281A (ko) * 2021-07-12 2023-01-19 주식회사 디엠테크컨설팅 인공지능을 통한 가공 설비 최적 운전 조건 추적 방법
KR20240095819A (ko) 2022-12-19 2024-06-26 한양대학교 에리카산학협력단 제조장비의 예측 유지보수 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07308847A (ja) * 1994-05-16 1995-11-28 Nippon Steel Corp 工具摩耗状況の検出方法
JP2961622B2 (ja) * 1990-09-29 1999-10-12 豊田工機株式会社 インテリジェント加工システム
KR20190114161A (ko) 2018-03-29 2019-10-10 한국전자통신연구원 설비의 고장 발생 검출 방법 및 장치
KR20200014574A (ko) 2018-08-01 2020-02-11 서울대학교산학협력단 비전인식기반 cnc 공작기계 모니터링 장치 및 시스템
KR102092969B1 (ko) 2013-06-10 2020-03-27 두산공작기계 주식회사 회전 절삭공구의 실시간 이송속도 설정방법 및 제어장치
KR20200065475A (ko) 2018-11-30 2020-06-09 전자부품연구원 관리-셸을 이용한 모듈 조합형 자동화 공정장비 관리 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2961622B2 (ja) * 1990-09-29 1999-10-12 豊田工機株式会社 インテリジェント加工システム
JPH07308847A (ja) * 1994-05-16 1995-11-28 Nippon Steel Corp 工具摩耗状況の検出方法
KR102092969B1 (ko) 2013-06-10 2020-03-27 두산공작기계 주식회사 회전 절삭공구의 실시간 이송속도 설정방법 및 제어장치
KR20190114161A (ko) 2018-03-29 2019-10-10 한국전자통신연구원 설비의 고장 발생 검출 방법 및 장치
KR20200014574A (ko) 2018-08-01 2020-02-11 서울대학교산학협력단 비전인식기반 cnc 공작기계 모니터링 장치 및 시스템
KR20200065475A (ko) 2018-11-30 2020-06-09 전자부품연구원 관리-셸을 이용한 모듈 조합형 자동화 공정장비 관리 방법

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20230010281A (ko) * 2021-07-12 2023-01-19 주식회사 디엠테크컨설팅 인공지능을 통한 가공 설비 최적 운전 조건 추적 방법
KR102558133B1 (ko) * 2021-07-12 2023-07-21 주식회사 디엠테크컨설팅 인공지능을 통한 가공 설비 최적 운전 조건 추적 방법
CN113601261A (zh) * 2021-08-10 2021-11-05 中国科学院合肥物质科学研究院 一种面向刀具的在线快速优化模型的监测方法
KR20240095819A (ko) 2022-12-19 2024-06-26 한양대학교 에리카산학협력단 제조장비의 예측 유지보수 장치

Similar Documents

Publication Publication Date Title
KR102267009B1 (ko) IoT 기반의 금속 가공 장치 제어 방법, 장치 및 시스템
US11036191B2 (en) Machine learning device, industrial machine cell, manufacturing system, and machine learning method for learning task sharing among plurality of industrial machines
KR102251316B1 (ko) 강화 학습 및 시뮬레이션 기반의 공장 내 디스패칭 방법 및 그 장치
KR102016270B1 (ko) 열간 자유단조 공정의 작업 계획 최적화 시스템 및 방법
US9830559B2 (en) Machine learning unit, spindle replacement judging device, controller, machine tool, production system, and machine learning method, which are able to judge necessity of spindle replacement
US9665089B2 (en) Method and apparatus for advanced control using function blocks in industrial process control and automation systems
Liang et al. Intelligent manufacturing systems: a review
JP6174669B2 (ja) 複数の製造機械を有する製造セルを制御するセルコントロールシステム、生産システム、制御方法及び制御プログラム
JP6211468B2 (ja) 監視制御システム及び監視制御方法
JP2019083309A5 (ko)
JP6333868B2 (ja) セル制御装置、及び製造セルにおける複数の製造機械の稼働状況を管理する生産システム
JP6453921B2 (ja) 学習モデル構築装置、及び制御情報最適化装置
US9367055B2 (en) System and method for implementing model predictive control in PLC
JP2018159981A (ja) 制御システム、制御装置、制御プログラム、および制御方法
JP7320885B2 (ja) 製造プロセスのためのシステム、方法、および媒体
JP7342833B2 (ja) 制御装置、コントローラ、制御システム、制御方法、および制御プログラム
JP2013513166A (ja) 先進的プロセス制御（ａｄｖａｎｃｅｄｐｒｏｃｅｓｓｃｏｎｔｒｏｌ）と実時間最適化（ｒｅａｌ−ｔｉｍｅｏｐｔｉｍｉｚａｔｉｏｎ）との経済性に基づく協調
JP2018106379A (ja) 学習モデル構築装置およびオーバーヒート予知装置
US20150088461A1 (en) Fault detecting system and fault detecting method
US11491653B2 (en) Method and apparatus for robotic machining
KR20230045174A (ko) IoT 기반의 지능형 금속 가공 시스템
KR20210083687A (ko) 스마트 팩토리의 액티브 모니터링 시스템 및 그 방법
Vishnu et al. A data-driven digital twin framework for key performance indicators in CNC machining processes
GB2603400A (en) Tool control using multistage LSTM for predicting on-wafer measurements
US20220171383A1 (en) Unmanned vehicle controlling system and method, and nontransitory computer-readable medium

Legal Events

Date Code Title Description
GRNT Written decision to grant