[논문]ICT 기술을 융합한 자동차 실러도포 공정 모니터링 시스템

김호연; 박종섭; 박요한; 조재수

doi:10.9716/kits.2018.17.3.053

ICT 기술을 융합한 자동차 실러도포 공정 모니터링 시스템
Car Sealer Monitoring System Using ICT Technology 원문보기

한국IT서비스학회지 = Journal of Information Technology Services, v.17 no.3, 2018년, pp.53 - 61

김호연 (한국기술교육대학교 컴퓨터 공학부) , 박종섭 (한국기술교육대학교 컴퓨터 공학부) , 박요한 (한국기술교육대학교 컴퓨터 공학부) , 조재수 (한국기술교육대학교 컴퓨터 공학부)

Abstract ▼ AI-Helper

In this paper, we propose a car sealing monitoring system combined with ICT Technology. The automobile sealer is an adhesive used to bond inner and outer panels of doors, hoods and trunks of an automobile body. The proposed car sealer monitoring system is a system that can accurately and automatically inspect the condition of the automobile sealer coating process in the general often factory production line where the lighting change is very severe. The sealer inspection module checks the state of the applied sealer using an area scan camera. The vision inspection algorithm is adaptive to various lighting environments to determine whether the sealer is defective or not. The captured images and test results are configured to send the task results to the task manager in real-time as a smartphone app. Vision inspection algorithms in the plant outdoors are very vulnerable to time-varying external light sources and by configuring a monitoring system based on smart mobile equipment, it is possible to perform production monitoring regardless of time and place. The applicability of this method was verified by applying it to an actual automotive sealer application process.

주제어

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 위의 문제점들을 해결하기 위해 다양한 가변적인 외부 조명환경에서도 응용 가능한 학습 기반 비전 검사 알고리즘과 실시간 모니터링 기능을 할 수 있는 ICT 기술을 이용하여 기존의 생산성을 유지하면서 제품의 품질을 높일 수있는 방법을 제안하고자 한다.

제안 방법

본 논문에서는 실제 산업 현장에서 사용되는 비전 검사 시스템을 바탕으로 자동차 실러 도포 공정의 자동화와 ICT 기술을 활용한 실러도포 품질검 사 모니터링 시스템을 제안하였다. 본 논문에서 제안된 비전 검사 알고리즘은 다양한 외부 조명의 영향을 학습 기반의 적응적 임계값(adaptive optimal layering)을 통해 충분히 극복할 수 있다는 점에서 의미가 있다고 할 수 있다.

대상 데이터

[Figure 9]와 같이 실제 ㈜네오텍 공장 생산라인에 설치된 비전 검사 장비에서 실험하였다. 생산라인에 설치된 자동차 실러 도포 검사비전 검사 장비의 구성은 산업용 카메라세트와 PC 기반의 비전 검사 응용 프로그램으로 구성되어있다.

데이터처리

[Table 1]에 대한 성능 평가는 대표적인 공정상 불량률을 계산하는 지표로 FPR(False Positive Rate)과 FNR(False Negative Rate)을 통해 정확도를 도출하였다. FPR이란 불량으로 판정된 전체 불량의 수에서 실제 양품인 비율 즉, 가성불량이라 한다.
실험은 오전 3시부터 오후 5시까지 총 14시간동안 생산된 총 129개의 자동차 도어 프레임의 실러 도포 검사 결과를 나타내었으며, 실험 방법은 본 논문에서 제안하는 이진화 알고리즘과 식 (9)와 같이 특정 임계값(τ= 80)을 통한 이진화 방법을 비교하여 검증한다.

성능/효과

본 논문에서는 실제 산업 현장에서 사용되는 비전 검사 시스템을 바탕으로 자동차 실러 도포 공정의 자동화와 ICT 기술을 활용한 실러도포 품질검 사 모니터링 시스템을 제안하였다. 본 논문에서 제안된 비전 검사 알고리즘은 다양한 외부 조명의 영향을 학습 기반의 적응적 임계값(adaptive optimal layering)을 통해 충분히 극복할 수 있다는 점에서 의미가 있다고 할 수 있다.
또한 본 논문에서는 비전 알고리즘 뿐 아니라, 클라우드 서버와 모바일 앱을 활용한 원격 모니터링 시스템도 함께 제안한다. 비전 검사 결과인 OK 상태를 제외한 NG와 ING는 빈번히 발생하지 않으므로, 작업자는 원격에서 모바일을 통해 모니터링을 하면서 작업자의 개입이 필요할 때에 Push 알림을 보내 실시간 불량 상황을 모니터링 할 수 있다.

후속연구

본 논문에서 제안된 알고리즘은 극적인 조명변화가 아닌, 부분적․점진적 조명변화로, 시간에 따른 영상 밝기 변화가 매우 큰 편이 아니다. 향후 과제로 시간별 학습을 통해 극적인 조명변화에서도 강인한 알고리즘을 개발 할 필요가 있다. 또한 클라우드 서버는 검사 결과를 저장하고, 아무런 가공 없이 데이터를 모바일 어플리케이션으로 전송한다.
따라서, 본 논문에서 연구된 비전 알고리즘은 산업현장에서 충분한 학습 데이터가 쌓인 후 사용이 가능하다. 향후 과제로 이미지 확대(Image Augmentation)를 이용하여 학습 데이터 확대에 대해 연구할 예정이다.
또한 클라우드 서버는 검사 결과를 저장하고, 아무런 가공 없이 데이터를 모바일 어플리케이션으로 전송한다. 향후 과제로 제안된 클라우드 서버의 역할을 보다 확장시켜 검사결과의 데이터를 분석 및 가공의 역할을 하도록 개선해나갈 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	레퍼런스 영상 이란?	비전 검사를 하기 위해선 기준(레퍼런스) 영상들이 학습이 되어 있어야한다. 레퍼런스 영상이란 실러도포에 문제없는 양품의 영상을 시간대 별 학습 시킬 이미지이며, [Figure 5]의 학습 모드와 같은 처리 순서도를 따른다.
	검사 데이터를 수신 받는 서버부는 어떻게 구성되어 있는가?	비전 검사부로부터 검사 데이터를 수신 받는 서버부는 WEB서버와 DB서버로 구성되어 있다. WEB서버는 외부 단말과 인터페이스를 위한 서버이며 DB서버는 데이터를 취합 및 관리하기 위한 서버이다.
	실러도포 품질검 사 모니터링 시스템은 어떤 점에서 의미가 있다고 할 수 있는가?	본 논문에서는 실제 산업 현장에서 사용되는 비전 검사 시스템을 바탕으로 자동차 실러 도포 공정의 자동화와 ICT 기술을 활용한 실러도포 품질검 사 모니터링 시스템을 제안하였다. 본 논문에서 제안된 비전 검사 알고리즘은 다양한 외부 조명의 영향을 학습 기반의 적응적 임계값(adaptive optimal layering)을 통해 충분히 극복할 수 있다는 점에서 의미가 있다고 할 수 있다.

참고문헌 (6)

Kim, G.S., Y.H. Park, J.S. Park, and J.S. Cho, "Auto Parts Visual Inspection in Severe Changes in the Lighting Environment", Robotics and Systems, Vol.21, No.12, 2015, 1109-1114.
Babaud, J., A.P. Witkin, M. Baudin, and R.O. Duda, "Uniqueness of the Gaussian Kernel for Scale-Space Filtering", IEEE Transactions on Pattern Analysis & Machine Intelligence, Vol.1, 1986, 26-33.
Kumar, A., Y. Bar-Shalom, and E. Oron, "Precision Tracking Based on Segmentation with Optimal Layering for Imaging Sensors", IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.17, No.2, 1995, 182-188.

상세보기
Otsu, N., "A Threshold Selection Method from Gray-Level Histograms", IEEE Transactions on Systems, Man, and Cybernetics, Vol.9, No.1, 1979, 62-66.

상세보기
Perez, L. and J. Wang, "The Effectiveness of Data Augmentation in Image Classification using Deep Learning", arXiv preprint arXiv, 1712.04621, Dec 2017.
Thames, L. and D. Schaefer, "Cybersecurity for Industry 4.0 : Analysis for Design and Manufacturing", 2017, 255.

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

ICT 기술을 융합한 자동차 실러도포 공정 모니터링 시스템
Car Sealer Monitoring System Using ICT Technology 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

ICT 기술을 융합한 자동차 실러도포 공정 모니터링 시스템 Car Sealer Monitoring System Using ICT Technology 원문보기

Abstract ▼ AI-Helper

주제어

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

성능/효과

후속연구

질의응답

참고문헌 (6)

이 논문을 인용한 문헌

저자의 다른 논문 :

박종섭 (3) 박요한 (1) 조재수 (19)

관련 콘텐츠

원문 보기

원문 URL 링크

오픈액세스(OA) 유형

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

ICT 기술을 융합한 자동차 실러도포 공정 모니터링 시스템
Car Sealer Monitoring System Using ICT Technology 원문보기

AI 본문요약
AI-Helper