http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
조창노(C. N. Cho),김동엽(D. Y. Kim),신동인(D. Shin),정병진(B. Jung),김태근(T. K. Kim),황정훈(J. H. Hwang) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
공정 자동화를 위해선 다양한 제조사로부터 제조된 다양한 장비들이 연동되어 제어 될 필요가 있으며 이를 위해 MTConnect 나 OPC Unified Architecture (OPC-UA)와 같은 다양한 통신 프로토콜들이 제안되어 왔다. 특히 OPC-UA는 GPL 2.0 라이선스로 쉽게 활용이 가능하며, 특정 플랫폼, Operating System (OS), 언어에 구속되지 않고 높은 수준의 보안기능을 내장하고 있어 스마트 팩토리를 위한 차세대 통신 방식으로 각광받고 있다. 본 연구에서는 이러한 OPC-UA 에 기반한 머신 텐딩시스템을 제안한다. 로봇을 이용하여 공작기계를 무인화 하는 머신텐딩은 실제 산업 현장에서 널리 사용되고 있으나 다양한 공작기계 및 로봇 제조사 간 지원하는 통신 인터페이스가 상이한 경우가 많아 유연한 연동에 제약이 있었다. 본 연구에서는 전체 공정을 총괄하는 마스터, 로봇 제어기, 비전 시스템, 그리고 공작기계를 OPC-UA 를 통해 연동함으로써 전체 시스템이 통일된 언어로 동작하도록 하였으며 OPC-UA 를 지원하지 않는 로봇과 공작기계는 중간 게이트 웨이를 개발하여 OPC-UA 연동이 가능하도록 하였다. 비전 시스템으로 인식된 물체의 위치나 로봇의 현재 위치 등을 OPC-UA 의 변수로 하여 전체 시스템이 접근할 수 있도록 하였으며 로봇의 동작을 OPC-UA Method 화 하여 손쉽게 마스터가 로봇을 제어할 수 있도록 구성하였다. 제안된 시스템으로 성공적으로 머신텐딩 작업을 구현하였으며 다양한 시스템들이 OPC-UA 를 통해 유연하게 연동될 수 있음을 검증하였다.
효율적인 고장진단을 위한 데이터 Upscaling Generative Network 개발
조창노(C. N. Cho),김주한(J. H. Kim),박세진(S. Park),이명성(M. Lee) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
시스템의 생산성과 신뢰성을 높이고 다운타임을 최소화 하기 위한 시스템의 고장진단에 대한 많은 연구가 진행되고 있다. 특히 Deep Learning 기술 발전에 따라 시스템의 정확한 모델이 없어도 고장 진단이 가능한 데이터 기반 고장 진단 기술에 대한 많은 연구가 이루어 지고 있으며 이러한 기술들은 시스템에 부착된 센서 신호를 바탕으로 고장 유무를 판단하게 된다. 이때 진단 정확도 향상을 위해 센서 신호는 일반적인 제어기의 제어 주기보다 더욱 빠른 속도로 데이터를 획득하게 되며 따라서 많은 경우 센서 신호 획득을 위한 별도의 Data Acquisition (DAQ) 장비가 요구되었다. 본 연구에서는 이러한 전용 DAQ 장비 없이 고장진단이 가능하도록 하는 Generative Network 기반 데이터 Upscaling 기술을 제안한다. 고속으로 취득된 데이터와 이를 반으로 Downsampling 한 데이터를 Continuous Wavelet Transform (CWT)를 이용하여 각각 이미지 화 하였으며 생성된 이미지들을 이용하여 Generative Network 를 학습시킬 수 있다. 이때 각 이미지 간의 차이, Feature 의 차이 및 Classification 오차를 이용하여 Loss 함수를 구성하였다. 학습된 네트워크를 바탕으로 고장 진단을 수행해 보았으며 기존 데이터, Downsampling 된 데이터 그리고 제안된 Generative Network 를 사용한 데이터로 각각 0.99%(Train)/0.99%(Test), 0.32%(Train)/0.26%(Test) 그리고 0.99%(Train)/0.98%(Test)의 진단 정확도를 확인하였다. 이를 통해 제안된 Generative Network 를 이용하면 느린 속도로 측정된 데이터로도 정확한 고장 진단이 가능함을 알 수 있다.