본문 바로가기

Capstone Design
for the Better World

적층제조에서 머신러닝을 활용한 불량 감지 시스템 개발

  • 정다은 [ 인천대학교 ]
  • 조회수235 리뷰수0 좋아요0
  • 작품번호 : 미입력
  • 공개여부 : 공개
  • 카테고리 : 기타
  • 등록일 : 2021-06-18
  • 팀원(공동개발자) : 문정윤, 임재호
  • 출품작 : 2021년-1학기 산학 캡스톤디자인 경진대회(학생팀 & 멘토 모집)

좋아요 연락하기

수행 목적

적층제조 방식 중 한 가지인 FFF(Fused Filament Fabrication)방식은 저렴한 비용과 편의성으로 인해 가장 널리 사용되는 방식이다. 하지만 FFF 방식의 프린터는 필라멘트의 under-extrusion과 over-extrusion과 같은 문제점을 내포하고 있다. 또한 적층제조는 layer 별로 쌓으면서 출력이 진행되기 때문에, 특정 layer에서 error가 발생하면 최종 출력물의 quality에 영향을 미치게 된다. 3D 프린터 특성상 error가 발생하더라도 출력이 계속 진행되므로, 이는 결국 불필요한 시간과 비용을 초래한다. 따라서 적층제조 process에 대한 영상을 카메라로 추출하고 이미지 마이닝을 활용하여 3D 프린팅 불량 탐지 모델을 개발하고자 한다. 이를 통해 적층 제조가 이후 smart factory 시스템에 유연하게 적용될 수 있는 framework를 제시하여 적층제조의 활용을 높이고 제조공정의 혁신을 이끌어내는 것을 목표로 한다.

상세설명

1. 수행배경

  • 적층 제조의 process는 기존 제조시스템의 process와 다름 -> 적층 제조에 맞는 새로운 품질 관리 시스템이 필요
  • 3D 프린터 특성 상 error가 발생하더라도 출력이 계속 진행 -> 불필요한 시간과 비용을 초
  • error가 발생한 것을 사람이 발견하고 직접 취소 시킨 후 출력을 처음부터 다시 진행해야 함 -> error를 초기에 발견하는 것이 매우 중요
  • 이후 smart factory에 적용되기 위해서는, 불량을 자동으로 탐지하고 프린터를 중단 할 수 있는 시스템이 필수적

2. 수행기간

  • 21.03.16 ~ 21.06.07​

3. 개발작품 설명

  • 오픈 소스 API 중 Tensorflow Object Detection를 활용하여 Warping Error에 대한 Real-time Defect Detection이 가능한 환경을 구축
  • 실제 실험을 통해 샘플을 출력하여 데이터 수집
  • 고프로를 이용하여 정해진 프레임마다 이미지 추출
  • 프레임별로 수집된 데이터들에서 객체의 모서리 부분을 확인하여 ‘warp’와 ‘normal’로 라벨
  •  라벨링된 XML파일을 통하여 작업 중 일어나는 Warping Error를 Detecting하는 API를 구현
  • 추천되는 Warping Error의 후보군을 통한 탐지 결과를 토대로 활성화 함수를 통해 실제 Detection을 진행

4. 활용방안

  • 적층 제조에서 process 상에서 발생하는 error를 자동으로 탐지하는 알고리즘을 통해 불필요한 시간과 비용이 초래하는 것을 방지
  • 이후 smart factory 시스템에 유연하게 적용될 수 있는 framework를 제시하여 적층 제조의 활용을 높이고 제조공정의 혁신을 이끌어 낼 수 있음
  • 대량 생산에서 defect detection은 매우 중요한 요소이므로, 실시간 모니터링을 통해 공정에 대한 신뢰성을 확보하여 mass customization에 기여할 수 있음

소개 슬라이드

기타자료

댓글 달기

Contact Log

  • 연락 이력이 없습니다.

이전화면