[논문]LabVIEW 를 활용한 실시간 렌즈 사출성형 공정상태 진단 시스템 개발

나초록; 남정수; 송준엽; 하태호; 김홍석; 이상원

doi:10.7736/kspe.2016.33.1.23

LabVIEW 를 활용한 실시간 렌즈 사출성형 공정상태 진단 시스템 개발
Development of Real-Time Condition Diagnosis System Using LabVIEW for Lens Injection Molding Process 원문보기

한국정밀공학회지 = Journal of the Korean Society for Precision Engineering, v.33 no.1, 2016년, pp.23 - 29

나초록 (성균관대학교 대학원 기계공학과) , 남정수 (성균관대학교 대학원 기계공학과) , 송준엽 (한국기계연구원 초정밀기계시스템연구실) , 하태호 (한국기계연구원 초정밀기계시스템연구실) , 김홍석 (서울과학기술대학교 기계.자동차공학과) , 이상원 (성균관대학교 기계공학부)

Abstract ▼ AI-Helper

In this paper, a real-time condition diagnosis system for the lens injection molding process is developed through the use of LabVIEW. The built-in-sensor (BIS) mold, which has pressure and temperature sensors in their cavities, is used to capture real-time signals. The measured pressure and temperature signals are processed to obtain features such as maximum cavity pressure, holding pressure and maximum temperature by the feature extraction algorithm. Using those features, an injection molding condition diagnosis model is established based on a response surface methodology (RSM). In the real-time system using LabVIEW, the front panels of the data loading and setting, feature extraction and condition diagnosis are realized. The developed system is applied in a real industrial site, and a series of injection molding experiments are conducted. Experimental results show that the average real-time condition diagnosis rate is 96%, and applicability and validity of the developed real-time system are verified.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구에서는 Built-in-Sensor (BIS)를 설치한 사출금형을 이용하여 실시간으로 렌즈 사출성형 공정상태를 진단하는 시스템을 개발하였다. 즉, BIS 사출금형으로부터 측정된 캐비티 압력 및 온도 신호로부터 특징요소를 도출하고 이 특징요소를 이용하여 공정상태를 예측하는 회귀모델(Regression model)을 구축한 후 LabVIEW를 활용한 렌즈 사출성형 공정상태에 대한 실시간 모니터링 및 진단 시스템 구축을 수행하였다.
본 논문에서는BIS 금형을 이용한 실시간 렌즈사출성형 공정 상태 모니터링 및 진단 시스템을 구축하여 이를 실제 산업현장에 적용하여 검증하는 연구를 수행하였다. 즉, 금형에 설치된 센서를 이용하여 측정한 캐비티 압력 및 온도 신호로부터 최대 압력, 보압 및 최고 온도의 3가지 특징요소를 도출하고 반응표면법을 이용한 렌즈 사출성형공정 상태 진단 모델을 구축하였다.
본 연구에서는 BIS 금형으로부터 수집된 캐비티 압력 및 온도 신호로부터 각 공정조건에 따라 변화하는 특징요소를 도출하는 알고리즘을 개발하였다. 즉, 본 알고리즘을 통해 캐비티 압력 신호로부터 최대 압력(Maximum pressure)과 보압(Holding pressure)이 도출되고, 캐비티 온도 신호로부터 최고 온도(Maximum temperature)가 도출된다.

제안 방법

4.1절에서 도출된 특징요소를 이용하여 반응표면법 기반 렌즈 사출성형 공정상태 진단 회귀 모델을 구축하였다. 즉, 본 회귀 모델의 입력변수는 3가지 특징요소이고, Table 2에 주어진1부터 5까지의 실험 조건을 각각 다른 공정 상태 레벨로 대응시키고 이를 회귀 모델의 반응 요인으로 설정하였다.
4.2절에서 도출된 렌즈 사출성형 공정상태 진단 모델을 실제 산업현장에서 실시간으로 검증하기 위하여 Fig. 7에 주어진 것처럼 LabVIEW 기반모니터링 및 진단 시스템을 구축하였다. Fig.
Table 2에 주어져 있듯이 렌즈 사출성형 실험설계에 있어서 보압은 실제 산업현장에서 정상적인 수치로 사용하는 620kgf/cm2 (608 bar)를 기준으로 하여 본 기준 보압값에 비해 상대적으로 낮은 보압 조건으로서 각각 320 kgf/cm2 (314 bar) 및 470 kgf/cm2 (461 bar) 를 고려하였고, 높은 보압 조건으로서 각각 770 kgf/cm2 (755 bar) 및 920 kgf/cm2 (902bar) 를 고려하여 총 5개의 사출성형 공정 실험 조건을 도출하였다.
Table 2에 주어진 5가지 공정 상태에 대한 실험을 수행하여 금형에 설치된 압력센서 및 온도센서를 통해 캐비티 압력 및 온도를 측정하였으며, 캐비티 1에서 측정된 대표적인 프로파일이 Fig. 5에 주어져 있다. Fig.
즉, 금형에 설치된 센서를 이용하여 측정한 캐비티 압력 및 온도 신호로부터 최대 압력, 보압 및 최고 온도의 3가지 특징요소를 도출하고 반응표면법을 이용한 렌즈 사출성형공정 상태 진단 모델을 구축하였다. 구축된 모델은 LabVIEW를 기반으로 한 실시간 공정 상태 모니터링 및 진단 시스템으로 구현되었다. 상기한 LabVIEW 기반 시스템은 캐비티 압력 및 온도 센서 데이터 설정 및 로드, 특징요소 추출 및 공정상태 진단의 3가지 프런트 패널로 구성되어 있다.
즉, BIS 사출금형으로부터 측정된 캐비티 압력 및 온도 신호로부터 특징요소를 도출하고 이 특징요소를 이용하여 공정상태를 예측하는 회귀모델(Regression model)을 구축한 후 LabVIEW를 활용한 렌즈 사출성형 공정상태에 대한 실시간 모니터링 및 진단 시스템 구축을 수행하였다. 또한, 구축된 시스템을 실제 렌즈 사출성형 산업현장에 적용하여 타당성 및 실용성을 검증하였다.
또한, 냉각수 온도는 수지의 물성을 고려하여 132 °C를 선정하여 모든 실험 조건에 동일한 값을 적용하였다.
렌즈 사출성형 공정상태 모니터링 및 진단을 위하여 2.1 절에서 기술한 알고리즘을 적용하여 각 공정상태 실험 조건으로부터 측정된 캐비티 압력 및 온도 신호 프로파일로부터 최대 압력, 보압 및 최고 온도의 3가지 특징요소를 도출하였다. Table 2에 주어진 각 실험 조건 별로 40사이클씩 총 200 사이클의 렌즈 사출성형 공정이 수행되었다.
본 연구에서는 특징요소 도출 알고리즘을 통하여 도출된 (1) 최대 압력, (2) 보압 및 (3) 최고 온도 총 3가지의 특징요소를 독립변수로 지정하였고, 종속변수는 렌즈 사출성형의 각 공정 상태를 의미하는 레벨로 선정하였다. 이 후 반응표면법을 적용하여 렌즈 사출성형 공정상태 진단을 위한 회귀모델을 구축하였다.
실제 산업현장에 적용된 본 검증 실험은 각 공정 상태 실험 조건 별로 10사이클씩 총 50사이클의 렌즈 사출성형 공정 수행을 통해 이루어졌다. Table 3에는 각 실험 조건에 있어서 캐비티 별 사출 성형 공정 상태 진단율이 주어져 있다.
본 연구에서는 특징요소 도출 알고리즘을 통하여 도출된 (1) 최대 압력, (2) 보압 및 (3) 최고 온도 총 3가지의 특징요소를 독립변수로 지정하였고, 종속변수는 렌즈 사출성형의 각 공정 상태를 의미하는 레벨로 선정하였다. 이 후 반응표면법을 적용하여 렌즈 사출성형 공정상태 진단을 위한 회귀모델을 구축하였다.
따라서 본 연구에서는 Built-in-Sensor (BIS)를 설치한 사출금형을 이용하여 실시간으로 렌즈 사출성형 공정상태를 진단하는 시스템을 개발하였다. 즉, BIS 사출금형으로부터 측정된 캐비티 압력 및 온도 신호로부터 특징요소를 도출하고 이 특징요소를 이용하여 공정상태를 예측하는 회귀모델(Regression model)을 구축한 후 LabVIEW를 활용한 렌즈 사출성형 공정상태에 대한 실시간 모니터링 및 진단 시스템 구축을 수행하였다. 또한, 구축된 시스템을 실제 렌즈 사출성형 산업현장에 적용하여 타당성 및 실용성을 검증하였다.
본 논문에서는BIS 금형을 이용한 실시간 렌즈사출성형 공정 상태 모니터링 및 진단 시스템을 구축하여 이를 실제 산업현장에 적용하여 검증하는 연구를 수행하였다. 즉, 금형에 설치된 센서를 이용하여 측정한 캐비티 압력 및 온도 신호로부터 최대 압력, 보압 및 최고 온도의 3가지 특징요소를 도출하고 반응표면법을 이용한 렌즈 사출성형공정 상태 진단 모델을 구축하였다. 구축된 모델은 LabVIEW를 기반으로 한 실시간 공정 상태 모니터링 및 진단 시스템으로 구현되었다.
1절에서 도출된 특징요소를 이용하여 반응표면법 기반 렌즈 사출성형 공정상태 진단 회귀 모델을 구축하였다. 즉, 본 회귀 모델의 입력변수는 3가지 특징요소이고, Table 2에 주어진1부터 5까지의 실험 조건을 각각 다른 공정 상태 레벨로 대응시키고 이를 회귀 모델의 반응 요인으로 설정하였다. 대표적으로 총 8캐비티 중 C1 캐비티의 회귀모델이 수식(1)에 주어졌으며, 구축된 회귀모델의 결정계수(R²) 값은 98.

대상 데이터

(a)에서 보여지듯이 12캐비티 렌즈 8메가 1.4 μm 픽셀의 금형을 사용하였다.
1 절에서 기술한 알고리즘을 적용하여 각 공정상태 실험 조건으로부터 측정된 캐비티 압력 및 온도 신호 프로파일로부터 최대 압력, 보압 및 최고 온도의 3가지 특징요소를 도출하였다. Table 2에 주어진 각 실험 조건 별로 40사이클씩 총 200 사이클의 렌즈 사출성형 공정이 수행되었다. Fig.
본 렌즈 사출성형 실험을 수행하기 위하여, Fig. 2에 주어진 것처럼 산업 현장에서 사용되고 있는 Sumitomo사의 SE30SUZ 사출기를 사용하였고 재료는 스마트폰 카메라 렌즈 생산용 Zeonex E48R을 선정하였다. 또한, 렌즈 성형을 위한 금형으로 Fig.

성능/효과

즉, 총 12개의 캐비티 중 캐비티 압력 및 온도 센서가 설치되어 있는 8개의 캐비티에 대하여 5가지 사출공정 상태에 대한 실시간 진단율이 주어져 있다. Table 3에서 알 수 있듯이 각 캐비티 별로 렌즈 사출성형 공정상태 실시간 진단율을 고찰할 때 최소 70% 이상임을 확인할 수 있으며 전체적인 평균 실시간 진단율은 96% 이다.
구축된 LabVIEW 기반 실시간 모니터링 및 진단 시스템을 실제 산업현장에 적용하여 주어진 각 공정 조건 별로 최소 91% 이상 및 전체적으로는 96% 의 평균 진단율을 확보할 수 있었으며 이를 통해 산업현장 적용 타당성을 검증하였다.
캐비티의 최고 온도는 각 공정 조건에서 유사한 값을 갖는데 이는 실험 설계에서 냉각수 온도를 동일하게 적용하였기 때문으로 판단된다. 또한, 온도의 최고점 이후 각 공정조건에서의 냉각 거동은 보압이 증가할수록 냉각 속도가 다소 빠른 것을 확인할 수 있다.
9에서 알 수 있듯이 공정조건 별 평균 실시간 공정상태 진단율이 최소 91%, 최대 100%이다. 이와 더불어 전술한 바와 같이 전체 평균 실시간 공정상태 진단율이 96% 이므로 구축된 실시간 렌즈 사출성형 공정상태 진단 시스템의 산업현장 적용성이 검증되었다고 볼 수 있다.
본 연구에서는 BIS 금형으로부터 수집된 캐비티 압력 및 온도 신호로부터 각 공정조건에 따라 변화하는 특징요소를 도출하는 알고리즘을 개발하였다. 즉, 본 알고리즘을 통해 캐비티 압력 신호로부터 최대 압력(Maximum pressure)과 보압(Holding pressure)이 도출되고, 캐비티 온도 신호로부터 최고 온도(Maximum temperature)가 도출된다. Fig.
5까지의 경우에서 알 수 있듯이 설정 보압의 증가에 따라서 최대 압력 값이 점진적으로 상승한다. 최대 압력지점 이후에는 냉각 단계를 거치게 되며 이 때, 냉각으로 인한 사출품의 수축량을 보상하기 위한 보압 단계가 진행이 되어 캐비티 압력이 일정한 값으로 유지되는 것을 확인할 수 있다.

후속연구

향후에는 사출성형 공정을 통해 제조되는 렌즈의 품질 요소인 형상오차 등과 각 공정조건에서 도출되는 특징요소 간의 상관관계 탐구를 통한 렌즈 품질 예측 알고리즘 및 모델을 구축할 예정이다. 또한, 이를 기반으로 한 렌즈 품질 예측 시스템을 개발하여 실제 산업현장에 적용하는 등 관련 연구를 심화 및 확대할 예정이다.
향후에는 사출성형 공정을 통해 제조되는 렌즈의 품질 요소인 형상오차 등과 각 공정조건에서 도출되는 특징요소 간의 상관관계 탐구를 통한 렌즈 품질 예측 알고리즘 및 모델을 구축할 예정이다. 또한, 이를 기반으로 한 렌즈 품질 예측 시스템을 개발하여 실제 산업현장에 적용하는 등 관련 연구를 심화 및 확대할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	사출성형 공정이 가지는 장점은?	사출성형 공정은 성형 사이클이 짧고, 생산 능률이 높아 대량 생산에 적합하다. 또한, 사출성형 공정은 복잡하고 높은 정밀도를 요구하는 부품의 생산 및 광범위한 수지 재료의 성형을 가능하게 하여 자동차, 광학 및 의료 등 다양한 분야의 부품을 생산하는데 적극적으로 적용되고 있다. 이러한 장점으로 인해 최근 스마트폰에 장착되는 주요 광학 부품인 렌즈의 경우, 대부분 플라스틱 수지를 이용한 사출성형 공정에 의해 제조되고 있다.
	렌즈를 생산하는 사출성형 공정에서 렌즈 품질에 영향을 미치는 요소는 무엇이 있는가?	이러한 렌즈를 생산하는 사출성형 공정의 경우, 캐비티(Cavity), 게이트(Gate) 및 러너(Runner)의 크기와 위치, 그리고 사출성형 공정변수 등 다양한 요소들이 렌즈 품질에 영향을 미친다. 따라서 사출성형 공정을 통해 생산된 렌즈의 불량률을 낮추고 생산성을 증대하기 위한 다양한 개선 노력이 이루어지고 있다.
	사출 성형 공정 상태 진단에서 발생한 오진단의 원인으로 추정하는 것은?	사출성형 공정상태 진단 중 발생하는 공정상태 오진단은 수지의 유동에 따라 동일한 공정조건이라 할지라도 금형에 설치된 센서에 전달되는 온도에 편차가 일부 발생하기 때문으로 추정된다.

참고문헌 (8)

Chen, S. C., Chien, R. D., Lin, S. H., Li, M. C., and Chang, J. A., "Feasibility Evaluation of Gas-Assisted Heating for Mold Surface Temperature Control," International Communications in Heat and Mass Transfer, Vol. 36, No. 8, pp. 805-812, 2009.
Chen, C. W., Tai, P. H., Wang, M. W., Deng, W. J., and Chen, C. T., "A Neural Network-Based Approach for Dynamic Quality Prediction in a Plastic Injection Molding Process," Expert Systems with Applications, Vol. 35, No. 3, pp. 843-849, 2008.

상세보기
Zhang, S., Dubay, R., and Charest, M., "A Principal Component Analysis Model-Based Predictive Controller for Controlling Part Warpage in Plastic Injection Molding," Expert Systems with Applications, Vol. 42, No. 6, pp. 2919-2927, 2015.

상세보기
Tsai, K. M., Hsieh, C. Y., and Lo, Y. C., "A Study of the Effects of Process Parameters for Injection Molding on Surface Quality of Optical Lenses," Journal of Materials Processing Technology, Vol. 209, No. 7, pp. 3469-3477, 2009.

상세보기
Kuo, C. F. J., Huang, C. C., and Kuo, Y. L., "Analysis of Processing Parameters in Fabrication of Fresnel Lens Solar Collector," Energy Conversion and Management, Vol. 57, pp. 33-41, 2012.

상세보기
Beak, D. S., Nam, J. S., and Lee, S. W., "A Development of Feature Extraction and Condition Diagnosis Algorithm for Lens Injection Molding Process," J. Korean Soc. Precis. Eng., Vol. 31, No. 11, pp. 1031-1040, 2014.

원문보기 상세보기
Bas, D. and Boyaci, I. H., "Modeling and Optimization I: Usability of Response Surface Methodology," Journal of Food Engineering, Vol. 78, No. 3, pp. 836-846, 2007.

상세보기
Moore, L. J. and Sa, P., "Comparisons with the Best in Response Surface Methodology," Statistics and Probability Letters, Vol. 44, No. 2, pp. 189-194, 1999.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증