CNN 기반 산업용 CNC Band Sawing M/C의 안전관리 및 예지보전에 관한 연구 = A Study on Safety Management and Predictive Maintenance of Industrial CNC Band Sawing Machine Based on CNN

국문 초록 (Abstract)

본 연구는 산업 현장에서 널리 사용되는 CNC BAND SAWING M/C의 안 전성과 예지보전 성능을 향상시키기 위해 딥 러닝 기반의 지능형 시스템을 개발함으로. 아두이노 보드와 파이썬 프로그램을 이용한 사용자 정의 제어 시스템을 구현하여, 20%~30% 성능이 향상될 수 있다. 첫째, 아두이노 우노 보드를 기반으로 한 Cullum Type Servo 제어 시스템 을 설계하여 파이썬 프로그램을 통해 구현한다면. 이를 통해 3단계 절단 속 도 제어와 정밀 위치 제어를 구현하여 성능이 20%~30% 향상될 수 있다, 실 험 절단을 통한 최적의 PID 게인 값을 도출한다. 둘째, 파이썬 Open CV와 Tensor Flow를 활용하여 CNN 및 YOLOv5 객체 감지 알고리즘을 구현하였고, 아두이노 우노의 시리얼 통신을 통한 실시간 제어 시스템을 구축한다면. 시뮬레이션 환경에서 인식 정확도를 검증하여, 실제 적용을 위한 파라미터를 최적화하여 20%~30% 성능이 향상될 수 있다. 셋째, 아두이노 보드와 파이썬 Flask를 이용한 웹 기반 무선 제어 시스템 을 개발한다면, 모바일 인터페이스 연동 시뮬레이션을 통해. 사용자 친화적 인 GUI를 통해 원격에서 시스템 상태 모니터링 및 제어가 가능하도록 구현 하고 서비스의 만족도가 20-30% 향상 될 수 있다. 본 연구에서 개발된 아두이노 보드를 이용한 파이썬 기반의 지능형 CNC 시스템은 경제성과 성능을 모두 고려한 실용적인 솔루션으로, 중소규모 제 조업체의 디지털 전환과 안전 관리 시스템 고도화에 크게 기여할 것으로 기 대된다. 주요어: 아두이노, 파이썬, CNN, YOLOv5, 서보 모터, CNC BAND SAWING M/C, 시뮬레이션, 안전 관리, 예지보전, 톱기계

목차 (Table of Contents)

• I. 서론 1
• 1. 연구 배경 및 필요성 1
• 2. 연구목적 4
• II. 관련연구 14
• 1. 안전사고 사례 14
• 2. CNC Band Saw절단기의 절삭법칙· 15
• 3. CNN(Convolutional Neural Network)의 연구 적용. 16
• 4. 객체탐지방법 26
• 5. YOLO 27
• III. 연구방법 33
• 1. 학습모델의 비교 선정 33
• 2. 경량 학습 모델의 선정 33
• IV. 연구 설계 및 구현 36
• 1. 전처리 및 데이터 구축 36
• 2. 모델학습 45
• 3. 학습 검증 및 평가 48
• 4. 추가 전이학습(Additional Transfer Learning) 53
• 5. 학습 모델 양자화(Model Quantization) 55
• V. 실증 분석 59
• 1. 시스템 아키텍처 59
• 2. CNC Band Sawing M/C 실험 과정· 66
• 3. 실증 실험 및 안전 시나리오 검증· 67
• 4. 평가 절차 요약(Evaluation Procedure) 69
• VI. 프로그램 구현 85
• 1. 파이썬 프로그램 (C920 실시간 감지 → 시리얼로 LAMP OFF/RESET) 85
• 2. 파이썬 프로그램 (Tkinter GUI + PySerial, 3단 속도 제어) 95
• 3. PC-PLC_-MOBILE 무선 시스템 구현 107
• VII. 결론(Conclusion) 120
• 1. 향후 연구 과제 122
• 참고문헌 123
• Abstract 125