표제지

목차

논문요약 12

제1장 서론 14

1.1. 연구배경 14

1.1.1. 직접분사 적층공정 개요 14

1.1.2. 직접분사 적층공정 물리기반 건전성 관리의 필요성 17

1.2. 연구동향 및 목적 19

1.3. 연구방법 25

(1) 직접분사 적층공정 테스트베드 구축 및 공정 모니터링 실험 25

(2) 물리기반 센서 데이터 전처리 및 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 26

(3) 설명 가능한 직접분사 적층공정 품질진단 알고리즘 구축 26

제2장 직접분사 적층공정 테스트베드 구축 및 공정 모니터링 실험 28

2.1. 직접분사 적층공정 모니터링용 테스트베드 구축 28

2.2. 직접분사 적층공정 모니터링 실험 32

2.2.1. 직접분사 적층공정 모니터링 실험 설계 및 조건 32

2.2.2. 직접분사 적층공정 모니터링 실험 결과 및 적층물 품질 분석 38

제3장 직접분사 적층공정 모니터링 센서 데이터 물리기반 전처리 및 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 41

3.1. 공정 모니터링 센서 데이터 물리기반 전처리 41

3.1.1. 공정 모니터링 센서 데이터 물리기반 전처리 프로세스 구축 41

3.1.2. 공정 모니터링 센서 데이터 물리기반 특징 추출 및 분석 44

3.2. 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 48

3.2.1. 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 프로세스 구축 48

3.2.2. 특징 패턴 이미지와 적층 품질 간의 상관관계 분석 55

제4장 설명 가능한 직접분사 적층공정 품질진단 알고리즘 개발 60

4.1. 직접분사 적층공정 품질진단 알고리즘 개발 60

4.1.1. 직접분사 적층공정 품질진단 데이터 수집 및 알고리즘 개발 60

4.1.2. 직접분사 적층공정 품질진단 알고리즘 결과 비교 및 분석 65

4.1.3. 직접분사 적층공정 품질진단 알고리즘 신뢰성 검증 68

4.2. Grad-CAM 활용 품질진단 모델의 설명 가능성 확인 71

제5장 결론 74

5.1. 결론 74

(1) 직접분사 적층공정 모니터링 테스트베드 구축 및 적층물 품질 분석 74

(2) 센서 데이터 물리기반 전처리 및 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 75

(3) 설명 가능한 품질진단 알고리즘 구축 및 검증 76

5.2. 향후 계획 78

(1) 추가적인 물리기반 특징 추출을 통한 품질진단 모델의 강건성 보강 78

(2) 물리기반 품질진단 모델의 범용성 검증 79

참고문헌 80

ABSTRACT 85

〈표 1-1〉 적층공정 분류 15

〈표 2-1〉 IR 카메라 제원 31

〈표 2-2〉 실험 설계 33

〈표 2-3〉 공정변수 별 싱글트랙 적층물 이미지 35

〈표 2-4〉 공정변수 별 적층 너비 및 오버랩 길이 36

〈표 2-5〉 실험 조건 37

〈표 2-6〉 금속 분말 및 기판 성분 37

〈표 2-7〉 공정변수 별 적층물 높이 및 Dilution 39

〈표 2-8〉 모니터링 실험 공정변수 별 적층물 단면 40

〈표 4-1〉 학습/검증/시험 데이터셋 별 데이터 수 61

〈표 4-2〉 모델 파라미터 격자 탐색 결과 62

〈표 4-3〉 품질진단 모델의 상세정보 63

〈표 4-4〉 센서 데이터의 유효 특징 인자 67

〈표 4-5〉 품질진단 모델의 성능 지표 결과 68

〈표 4-6〉 검증실험 설계 69

〈표 4-7〉 검증실험 결과 69

〈그림 1-1〉 직접분사 적층공정 적용 예시 16

〈그림 1-2〉 직접분사 적층공정 대표 결함 17

〈그림 1-3〉 물리기반 건전성 진단 장점 18

〈그림 1-4〉 Multi-Modality CNN 모델 구조 20

〈그림 1-5〉 Hybrid CNN 모델 구조 20

〈그림 1-6〉 Pyrometer 데이터 CNN 모델 구조 21

〈그림 1-7〉 Welding 카메라 이미지 CNN 모델 구조 21

〈그림 1-8〉 Thermal 이미지 CNN 모델 구조 21

〈그림 1-9〉 표면 그라인딩 공정 LIME 기법 적용 23

〈그림 1-10〉 프레스 공정 SHAP 기법 적용 23

〈그림 1-11〉 베어링 고장 진단 Grad-CAM 기법 적용 24

〈그림 1-12〉 연구 방법 27

〈그림 2-1〉 직접분사 적층공정 시스템 구성도 29

〈그림 2-2〉 직접분사 적층공정 용융풀 모니터링 시스템 개요 30

〈그림 2-3〉 멀티트랙-싱글레이어 시편 34

〈그림 2-4〉 직접분사 적층공정 모니터링 실험 툴패스 34

〈그림 2-5〉 가스 아토마이징 SAE 316L 분말 37

〈그림 2-6〉 Dilution 정의 39

〈그림 3-1〉 IR 카메라 온도 측정 원리 도식도 43

〈그림 3-2〉 노이즈 제거 및 물리기반 데이터 전처리 프로세스 44

〈그림 3-3〉 공정변수 별 열에너지 크기 46

〈그림 3-4〉 공정변수 별 평균 열에너지 크기 46

〈그림 3-5〉 퍼지 추론 시스템 기반 소속 함수 정의 49

〈그림 3-6〉 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 50

〈그림 3-7〉 열에너지 크기의 데이터 분포 51

〈그림 3-8〉 열에너지 크기 정상 데이터 기반 입력 소속 함수 정의 52

〈그림 3-9〉 분말 공급 밀도에 대한 입력 소속 함수 정의 53

〈그림 3-10〉 퍼지 추론 시스템 기반 출력 소속 함수 결과 54

〈그림 3-11〉 퍼지 추론 시스템 기반 특징 패턴 이미지 생성 55

〈그림 3-12〉 공정변수와 특징 패턴 이미지 간의 상관관계 56

〈그림 3-13〉 특징 패턴 이미지와 품질 상태 간의 상관관계 58

〈그림 3-14〉 결함 별 특징 패턴 이미지의 교차하는 막대 범위 영역 59

〈그림 4-1〉 최적의 품질진단 모델의 구조 63

〈그림 4-2〉 시험 데이터에 대한 Confusion Matrix 64

〈그림 4-3〉 오진단 데이터 분석 64

〈그림 4-4〉 특징 패턴 이미지 기반 품질진단 모델과 1D ANN 기반 품질진단 모델의 성능 비교 도식도 66

〈그림 4-5〉 검증실험 케이스 별 적층물 단면 69

〈그림 4-6〉 검증실험 케이스 별 특징 패턴 이미지 70

〈그림 4-7〉 결함 별 특징 패턴 이미지의 교차하는 막대 영역 73