Core Concepts
열영상 데이터를 활용하여 레이저 분말 적층 공정에서 발생하는 부품의 기공을 정량화하고 위치를 파악할 수 있다.
Abstract
이 연구에서는 레이저 분말 적층 공정 중 획득한 열영상 데이터를 활용하여 부품의 기공을 정량화하고 위치를 파악하는 딥러닝 기반의 접근 방식을 제안한다.
부품 기공 정량화 작업에서는 합성곱 신경망(CNN) 모델을 활용하여 열영상 시퀀스로부터 부품 내 기공의 개수를 예측한다. 모델 성능 평가 결과, 공정 변수 중 해치 간격 변화 데이터를 활용한 모델이 가장 높은 R2 score 0.57을 달성했다.
부품 기공 위치 파악 작업에서는 비디오 비전 트랜스포머(ViViT) 모델에 밀집 예측 헤드를 적용하여 열영상 시퀀스로부터 기공이 예상되는 영역을 2D 맵으로 출력한다. 이 모델은 평균 IoU 0.32, 최대 IoU 1.0의 성능을 보였다.
이 연구 결과는 적층 제조 공정 모니터링 데이터를 활용하여 부품의 디지털 트윈을 구축하고, 사후 검사 및 인증 과정을 병렬로 수행할 수 있는 기반을 마련한다.
Stats
기공 개수 예측 모델의 RMSE는 7.84, R2 score는 0.57이었다.
기공 위치 예측 모델의 평균 IoU는 0.32, 최대 IoU는 1.0이었다.
Quotes
"이 연구 결과는 적층 제조 공정 모니터링 데이터를 활용하여 부품의 디지털 트윈을 구축하고, 사후 검사 및 인증 과정을 병렬로 수행할 수 있는 기반을 마련한다."