http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
다중 작업 학습 기반의 밀링 공정에서의 절삭력 및 공구 마모 예측
김혜인(H. I. Kim),천수민(S. M. Cheon),구정인(J. I. Koo) Korean Society for Precision Engineering 2021 한국정밀공학회 학술발표대회 논문집 Vol.2021 No.11월
최근 제조업에서 가공 상태 모니터링 및 결함 진단 등 다양한 측면에서 물리학 기반 모델을 보완하기 위해 딥러닝을 접목하고 있지만 단일 작업에 대한 예측만 수행할 수 있어 다양한 데이터 수집을 위해서는 실험 비용이 증가하고 반복 작업을 해야 하는 한계점이 존재한다. 이러한 문제를 해결하기 위해 본 연구에서는 가공 상태를 파악할 수 있는 요소인 절삭력과 공구마모 상태를 예측하는 합성곱 신경망(Convolution Neural Network, CNN)기반 다중 작업학습 방법(Multi-Task Learning, MTL)을 제안하고자 한다. 각각 다른 특성이 하나의 신경망을 통해 다양한 작업을 동시에 수행하고 작업 간 상호적으로 영향을 미치면서 학습하는 방식인 다중 작업 학습(MTL)기법은 각 작업의 정보를 공유하며 과적합을 억제할 수 있어 예측 정확도 향상 및 분석 시간 단축이 가능하기에 실질적으로 제조 현장에서 사용 가능한 모델을 구축할 수 있다. 제안된 방법론 검증을 위해 Doosan NX5500II 장비에서 SM45C 소재의 가공 데이터를 모니터링 시스템을 통해 수집하여 사용하였으며, 다중 작업 학습 기법의 적용 유무에 따른 예측 성능 향상 정도 및 분석 시간을 비교하였다. 그 결과 다중 작업 학습 모델이 단일 작업에 대한 독립적인 합성곱 신경망 모델 보다 성능이 우수하며 모든 경우의 분석 시간이 단축되는 것을 확인하였다.