Projects

양산 품질 전기로 제강공정 디지털화를 통한 고효율 조업기술 개발 [물성품질 개선]

페이지 정보

profile_image
작성자 관리자
조회 476회 작성일 24-01-31 16:41

본문

지원기관 산업통상자원부
역할 공동연구기관 책임자
주제구분 Manufacturing System Development

연구기간: 2022.06 - 2023.12 

1. 연구 배경
  - 자동차용 스프링 제조에 사용되는 선재는 높은 경도 균일성이 요구되며, 이는 제품의 성능과 직결되는 핵심 품질 특성이다. 하지만 기존의 경도 측정 방식은 파괴적이며, 제한된 샘플만을 대상으로 하기 때문에 생산 과정 중 발생할 수 있는 경도 불균일성을 실시간으로 감지하거나 제어하는 데 한계가 있다. 이를 해결하기 위해 본 산학 프로젝트는 선재의 생산 공정 데이터를 기반으로 경도를 비파괴적으로 예측하고, 전장(全長)에 대한 품질 모니터링이 가능한 통합 예측 시스템을 개발하는 것을 목표로 설정하였다. 공정 운영 데이터와 열화상 이미지 데이터를 함께 활용함으로써, 공정 전체를 아우르는 경도 예측과 품질 안정화를 동시에 달성하고자 하였다.

952501048d0f3abd2d0006ea7dd80bea_1751855729_9167.png
그림1. Wire rod manufacturing process


2. 연구 내용
  - 본 프로젝트는 두 개의 연구로 구성되며, 첫 번째 연구에서는 공정 데이터를 활용한 통계 기반 예측 모델 개발에 초점을 맞추었다. 실제 제조 현장에서 수집한 데이터를 바탕으로 주요 변수를 선정하고, 이들이 경도에 미치는 영향을 실험계획법(DOE)을 통해 분석하였다. 그 결과를 바탕으로 선형 회귀 및 머신러닝 기반 모델을 구축하였으며, 실험 데이터를 통해 생성한 초기 모델을 운영 데이터로 보정함으로써 예측 정확도를 향상시켰다. 설명 가능한 AI 기법도 함께 적용하여 변수 간 관계를 정량적으로 해석하였다.
  - 두 번째 연구에서는 열화상 이미지를 활용한 전장 예측 모델을 개발하였다. 선재 냉각 과정에서 획득한 열화상 이미지로부터 선재 부위를 분리하기 위해 U-Net 기반의 이미지 분할 네트워크를 적용하였으며, 분할된 영역을 통해 시간에 따른 냉각 속도를 계산하고 이를 경도 예측에 활용하였다. FCN(Fully Convolutional Network)과 같은 기존 방법에 비해 U-Net이 더 높은 분할 정확도를 보여주었으며, 이를 통해 전장에 대한 경도 분포 예측이 가능해졌다.
 
3. 연구 결과
  - 첫 번째 연구에서는 공정 변수와 경도 간의 관계를 정량적으로 모델링함으로써, 실험 데이터와 운영 데이터를 모두 고려한 경도 예측 모델을 제시하였다. 해당 모델은 공정 조건 변화에 강건하며, 생산 현장에 적용 가능한 수준의 정확도를 확보하였다. 또한 변수 중요도를 분석함으로써, 경도 품질에 영향을 미치는 핵심 공정 요소를 도출하였다.
952501048d0f3abd2d0006ea7dd80bea_1751855790_2155.png

그림2. Comparison of predicted and actual hardness values using (a) the original model and (b) the revised model

  - 두 번째 연구에서는 열화상 이미지 기반의 U-Net 모델을 통해 선재 전체 구간에 대한 비파괴적 품질 예측이 가능함을 입증하였다. 분할된 이미지로부터 도출한 냉각 속도는 경도 예측에 가장 핵심적인 인자이며, 이를 통해 기존 샘플링 방식으로는 얻기 어려운 전장 품질 정보를 확보할 수 있었다.
952501048d0f3abd2d0006ea7dd80bea_1751855809_4557.png
그림 3. Wire rod prediction images.

  - 두 연구는 각각 공정 조건 기반의 정밀 예측과 비파괴 영상 기반의 전장 예측이라는 상호보완적인 접근을 취하고 있으며, 이를 통해 생산 공정 전반에 대한 실시간 품질 관리와 예측 기반 공정 제어 가능성을 제시하였다. 해당 기술은 현장 적용성이 높고, 품질 관리 자동화로 확장될 수 있는 기반을 마련하였다는 점에서 의의가 크다.


4. 관련논문
Pyo, SK. et al. (2024). Full-Length Hardness Prediction in Wire Rod Manufacturing Using Semantic Segmentation of Thermal Images. In: Sheu, SH. (eds) Industrial Engineering and Applications – Europe. ICIEA-EU 2024. Lecture Notes in Business Information Processing, vol 507. Springer, Cham.
Pyo, SK., Lee, DH., Hur, SJ. et al. Prediction of spring steel wire rod hardness based on wire rod rolling process data: a case study. Int J Adv Manuf Technol 133, 1011–1024 (2024).