초록 ▼

기술개발목적
○ 본 과제에 앞서 수행한 연구는 반도체산업용 식각장비 내 플라즈마 거동 분석을 위한 모니터링 장치 및 알고리즘 개발임
- 모니터링 장치는 주로 가시광 파장이나, 고주파 신호를 센싱할 수 있었으며, 데이터 처리는 MATLAB을 이용하여 분석함. 특히 데이터 처리 중 주성분분석 알고리즘을 활용하여 예측모델을 개발함.

- 금속 3D프린팅 장비도 유사하게 가시광 영역의 촬영 이미지를 매 층마다 획득할 수 있고, 이미지 분석을 통하여 공정진행상황을 예측가능한 모델을 딥러닝 기법을 활용하여 개발하고자 함<

기술개발목적
○ 본 과제에 앞서 수행한 연구는 반도체산업용 식각장비 내 플라즈마 거동 분석을 위한 모니터링 장치 및 알고리즘 개발임
- 모니터링 장치는 주로 가시광 파장이나, 고주파 신호를 센싱할 수 있었으며, 데이터 처리는 MATLAB을 이용하여 분석함. 특히 데이터 처리 중 주성분분석 알고리즘을 활용하여 예측모델을 개발함.

- 금속 3D프린팅 장비도 유사하게 가시광 영역의 촬영 이미지를 매 층마다 획득할 수 있고, 이미지 분석을 통하여 공정진행상황을 예측가능한 모델을 딥러닝 기법을 활용하여 개발하고자 함

○ 금속 3D프린팅 제품 시장은 무게경량 설계, 부품 수 감소, 금속 제품 수리 등 3D프린팅의 장점이 극대화되는 항공, 자동차, 발전 산업 분야를 중심으로 성장하고 있으나, 매 층마다 공정이 진행되므로 제품 성능 저하의 원인인 내부 기포나 결함이 발생할 확률이 높아 공정 모니터링이 매우 중요함
- 현재는 품질 확인을 위해 제조품 중 무작위로 선별하여 파괴 검사 진행 후 합/불합격 여부를 판단하므로 품질 및 공정에 대한 신뢰도 낮음

- 제품의 합/불합격 여부 판단으로 제품 및 공정 신뢰도를 간접적으로 보장할 수 있는 합격 기준 공정 모니터링 데이터 필요

○ 해외 선진 장비 업체(EOS, SLM Solutions, Arcam 등)는 제품 및 공정의 신뢰도를 향상시키기 위해 실시간 공정 모니터링 기술을 탑재하고 있으나, 국내 장비 업체의 경우 관련 기술 개발 단계임
- 국내 금속 3D프린팅 장비의 경쟁력 향상을 위해 공정 및 장비의 신뢰도를 높일 수 있는 공정 모니터링 솔루션 개발을 위한 선행연구로서 본 과제를 기획함

○ PBF(Powder bed fusion) 방식의 금속 3D프린팅은 최대 625cm2(250mm × 250mm) 면적의 층을 100㎛ 이상 직경의 용융풀을 이용하여 제조하므로 매 층마다 최대 200만개의 용융풀이 존재하며, 수 백층이상 적층하므로 용융풀의 개수는 20억개를 넘게 됨

- 획득할 수 있는 용융풀 이미지 수는 샘플링 문제 때문에 1/2 ~ 1/10 수준으로 줄어드나 여전히 사람이 일일이 분석하기는 어려운 양이므로 정확도 높은 자동 이미지 분석 솔루션이 필요함

○ 심층신경망(Deep neural network)은 현재 이미지 분석, 분류 분야에서 독보적인 성능을 보이며, 픽셀의 합, 면적 등 단순 계산법에 의한 판단 오류(동일 계산수치이지만 형상이 다른 경우)를 피할 수 있음

- 심층신경망을 이용하여 용융풀 이미지 분류 결과 또는 예측한 에너지 흡수량을 실시간 공정 모니터링 파라메터로 활용할 경우 이미지 픽셀 정보의 단순 계산방법보다 정확도가 높음

○ 본 과제를 통하여 금속 3D프린팅 용융풀의 심층신경망 학습을 위한 시스템 및 알고리즘이 구현된 플랫폼을 조성하고, 실제 용융풀 이미지를 분류하거나, 이미지로부터 에너지 흡수량을 예측하는 모델을 구현하고자 함

과제의 결과
○ 과제 목표
- 금속 3D프린팅 용융풀의 심층신경망 학습을 위한 플랫폼 구축
- 금속 3D프린팅 용융풀 이미지 분류 및 에너지 흡수량 예측 모델 구현

○ 연구 내용
- 금속 3D프린팅 용융풀의 심층신경망 학습을 위한 플랫폼 구축
·최대 4개의 job 동시 수행이 가능한 GPU (NVIDIA GTX 1080i) 기반 시스템 구축
·리눅스 OS (Ubuntu 16.04) 환경 구축 및 프로그래밍 언어 Python 과 Google의 심
층신경망 관련 공개 라이브러리 tensorflow 설치
·안정적 운영을 위해 서버실에 시스템 구축 및 원격접속 실험환경 마련
·2017년 8월 7 ~ 10일 간 텐서플로우 딥러닝 교육 수료 (MDS테크놀로지)
·건국대학교 컴퓨터공학과 Computational Intelligence lab과 기술네트워크 구축

- 심층신경망 학습용 금속 3D프린팅 용융풀 이미지 수집
·윈포시스 보유 금속 3D프린팅 용융풀 이미지 촬영 시스템 활용
·SUS316L 소재 8㎜(W)×8㎜(L)×10㎜(H) 직육면체 3D프린팅
·레이저 조사 경로와 동일한 경로로 반사되는 가시광을 센싱하는 광학계 이용
·최대 5kHz 샘플링 속도를 갖는 가시광 카메라를 이용하여 이미지 촬영
·레이저 파워 (50~350W) 및 스캔속도(1500, 2500mm/s) 별 10,000개 이상의 용융풀 이미지 수집

- 금속 3D프린팅 용융풀 이미지 활용 에너지 흡수량 예측 모델 구현
·심층신경망 활용 용융풀 이미지 분류 및 에너지 흡수량 예측모델 구현
·CNN(Convolution neural network), MLP(Multi-layer perceptron) 등 다양한 심층신경망을 실제 구현하고, 용융풀 이미지를 분류 또는 예측 정확도 확인

- CNN 기반 용융풀 이미지 분류 모델
·3D프린팅 직육면체의 광학이미지로부터 Pass/Fail을 임의로 선정 후 각 조건에 해당하는 용융풀 이미지를 Pass/Fail로 라벨링
·CNN (Convolution 3층, MLP 2층) 기반 분류 모델 성능 평가 : 1200개 이미지 중 99.25% 정확도 달성
- 7 -

- MLP 기반 용융풀 에너지 흡수량 예측 모델
·스캔속도 (2500mm/s) 고정 및 레이저 파워 (50 ~ 350W) 별 에너지 흡수량 계산 후 동일 조건에 해당하는 용융풀 이미지에 해당 에너지 흡수량으로 라벨링
·전체 56,700개 이미지 (조건 별 8100개 이미지)를 지도학습하여 MLP 모델 구현
·MLP 모델에는 다양한 파라메터가 존재하는데 특히 은닉층의 개수와 노드의 개수의 최적화 작업을 통하여 최고 성능의 모델 선정
·최적 모델은 1번째 층이 2880노드, 2번째 층이 1440노드, 마지막 10번째 층이 6노드로 이뤄진 MLP 모델임
·용융풀 이미지로부터 예측한 에너지 흡수량과 공정 조건으로부터 계산한 이론적 에너지 흡수량 간 오차율 ±2% 이하로 판정한 비율 확인 결과 50, 100W 제외 98.7% 이상 해당 범위 안으로 예측

○ 기획보고서 작성
- 융합기술전략기획단 내 산업지능정보기술연구회 활동을 진행하며 본 과제 수행 중 도출된 기술을 향후 한국생산기술연구원 미래전략기술로 활용 가능성 검토

- 본 기술은 핵심공정에서의 실증을 위한 데이터 실시간 수집 분석, 품질예측 및 생산반영에 기여하는 기술로서 산업정보지능기술 중 하나의 수요기술로 분류됨

- KITECH 미래전략기술 기획보고서 중 산업지능정보기술 기획보고서 작성에 참여하면서 본 과제를 통해 얻은 기술 관련 국내외 정책, 시장, 기술 동향 분석하였고, 본 기술이 접목될 가능성이 높은 스마트팩토리와 관련된 기술의 개발목표, 내용, 기간, 소요예산 등 세부추진계획을 수립함

활용방안 및 기대효과
○ 활용방안
- 레이저를 이용한 이미지 패터닝 기술과 레이저와 카메라를 이용한 3차원 위치 센싱 및 보정 기술을 바탕으로 금속 3D프린팅 용융풀 이미지 촬영 시스템을 탑재한 PBF방식의 금속 3D프린터를 개발 중인 윈포시스와 후속 연구 연계

- 심층신경망을 활용한 소프트웨어 관련 연구개발을 통해 윈포시스 장비의 국내외 시장 경쟁력을 향상시킬 수 있을 것으로 판단하며 과제 종료 후 윈포시스와 민간 공동 R&D를 추진할 계획

○ 기대효과
- 세계 최초 금속 3D프린터에 딥러닝 기반 모니터링 기술을 적용하여 국내 금속 3D 프린팅 장비의 경쟁력 향상
- 공정 및 성형품 품질에 대한 신뢰도 증진을 통한 금속 3D프린팅 관련 산업 저변 확대

성과연계 후속과제 추진 및 성과창출 예상시기
○ 심층신경망을 활용한 소프트웨어 관련 연구개발을 통해 윈포시스 장비의 국내외 시장 경쟁력을 향상시킬 수 있을 것으로 판단하여 윈포시스와 민간공동 R&D를 추진하기 위해 민간공동R&D촉진사업 과제 추진
- 민간공동R&D촉진사업 선정 시, 2018년 4월 ~ 12월 과제 수행
- 2019년 이후 관련 기술이전을 통한 기술료 또는 민간수탁 과제도출 성과 예상

TRL 작성
최종 목표
심층신경망 기반 금속 3D프린팅 공정 모니터링 시스템 제품화 (TRL 7)

추진 내용
① 금속 3D프린팅 용융풀 이미지 활용 심층신경망 모델 구현 (TRL 3)
② 금속 3D프린팅 용융풀 이미지 활용 모니터링 파라메터 후보군 도출 및 평가 (TRL 4)
③ 실제 제조품 공정 적용 및 성능 평가 (TRL 5, 6)

(출처 : 요약보고서 4p)

목차 Contents

• 표지 ... 1
• 제출문 ... 2
• 제출서 ... 3
• 요약보고서 ... 4
• 1. 연구 개발목표 및 내용 (추진계획 대비 실적) ... 12
• 2. 당해연도 연구 평가의 착안점 및 척도(개발기술의 목표 및 평가방법) ... 12
• 3. 당해연도 연구비 집행 실적 ... 13
• 4. 계획대비 최종 실적(정량적 성과지표) ... 14
• 끝페이지 ... 16