[헬로티]
츠치야 켄스케(土屋 健介), 루 예센(盧 毅申) 도쿄대학
독일의 Industrie 4.0으로 대표되는 제조업의 기술적인 컨셉트를 따르는 형태로, 일본에서도 2017년에 경제산업성에서 ‘Connected Industries’의 컨셉트가 발표되어 산업의 변혁과 생산성 향상의 필요성이 널리 인식되고 있다.
이러한 컨셉트의 전제가 되는 프로세스 모니터링 기술은 받아들이기에 따라서는 의외로 역사가 길고, 제조업 현장에서 프로세스를 모니터링하는 것 자체는 지금까지도 일반적으로 이루어져 왔던 것이다.
센서가 없었던 시대에는 사람이 오감을 사용해 각각의 프로세스 상태와 물리현상을 인식하고 있었지만, 각종 센서가 개발됨에 따라 그 인식이 사람에서 기계로 대체됐다. 센서가 취득한 데이터의 해석도 예전에는 인간이 해석하고 판단해 제어 파라미터를 조정하고 있었지만, 기계에 의한 제어로 대체됐다.
최근에는 센싱 기술의 향상에 더해, 네트워크의 통신 속도, 컴퓨터의 처리 능력, 데이터의 축적 용량이 폭발적으로 증대했기 때문에 센싱 데이터의 여러 가지 이용이 기술적으로 가능해졌다. 이것과 동시에 능력이 향상된 만큼 코스트도 내려갔기 때문에 비용 대 효과의 면에서도 현실적인 수준에서 이용할 수 있게 됐다.
프로세스 모니터링 기술의 활용 내용을 추상적으로 표현하면, 표의 5가지 단계로 크게 분류할 수 있다. 우선 (1) 센서를 사용해 프로세스의 상태와 물리 현상을 표현하는 파라미터를 수치화한다.
기계 분야의 제조현장에서 많이 이용되는 파라미터는 힘과 움직임(위치, 변화, 가속도, 진동 등), 이미지, 빛, 온도, 습도, 진공도 등이다. 각각 분해능, 정도, S/N비, 응답 속도 등이 향상됐는데, 최근 특히 성능 향상이 현저한 것은 이미지 센서이다.
다음으로 (2) 센서의 데이터를 자동적으로 수집․기록한다. 이것에 의해 프로세스의 상태를 가시화할 수 있고, 과거의 상태를 거슬러 올라가 조사하는 것과 현재의 상태를 평가하는 것이 가능하다.
그 다음으로 (3) 센서의 데이터를 실시간으로 처리해 프로세스에 피드백한다. 데이터의 수집 속도가 향상되면 프로세스를 임계값으로 관리하는 것이 가능해진다. 데이터를 프로세스와 연계시켜 실시간으로 제어함으로써 정상 상태나 조건 변경 시에 프로세스의 상태를 안정화시키는 것이 가능해진다.
또한 (4) 센서의 데이터로부터 앞으로 일어날 현상을 예측, 앞서 대응한다. 과거의 데이터로부터 상태 추이 패턴을 추출할 수 있으면, 트러블이나 불량을 예측해 미연에 방지하는 대책을 세울 수 있다.
그리고 마지막으로 (5) 대량의 데이터를 분석해 새로운 지식이나 부가가치를 만든다. 예를 들면 프로세스 상태와 프로덕트 성능의 상관관계를 이용하면, 프로덕트의 검사 공정이 불필요해진다. 또한 원인계의 파라미터와 결과계의 파라미터의 상관관계로부터 불량의 원인을 분석할 수 있다.
최근 정보통신 기술이 발달함에 따라 현장에서 적용 효과가 가장 기대되고 있는 것은 (4) 예지 보전과 (5) 새로운 지식과 부가가치이다. 이들은 기존에는 숙련기술자의 지식과 경험과 감에 의존해 판단, 인식되고 있었다.
이것을 가시화․수치화해 해석 알고리즘으로 대체하는 것이 프로세스 모니터링이다. 프로세스 모니터링은 오늘날 정보통신 기술이 비약적으로 향상됨에 따라, 특정의 영역에서는 사람의 능력을 훨씬 능가하는 효과를 내고 있으며, 이러한 관점에서 프로세스 모니터링 기술은 경험지의 수치화․가시화라고도 말할 수 있다.
제조업 전반에서 프로세스 모니터링 기술
금형의 성형가공 및 기계가공 등에서 프로세스 모니터링 기술이 최근 들어 주목을 받고 있는 것은 지금까지 실용 사례가 적었기 때문이다. 그 이유로는 코스트에 비해 얻을 수 있는 이점이 크지 않았던 것과 그만큼 필요성이 인식되지 않았던 것을 생각할 수 있다.
프로세스 모니터링 기술에 관한 특허 사례를 조사하면, 프로세스 모니터링이 활발히 이루어져 왔던 것은 화학 플랜트, 바이오 프로세스, 발전 플랜트, 반도체 프로세스 등의 분야인 것을 알 수 있다.
애초에 내부의 현상을 파악하기 어려운 거대 플랜트에서는 어떠한 센서를 이용하지 않으면 상태를 파악하는 것이 불가능하다. 또한 몇 시간, 며칠이라는 단위로 시간이 필요한 프로세스는 사람이 떠나지 않고 보고 있을 수만은 없기 때문에 모니터링 데이터의 기록이 이루어져 왔다.
또한 제품 단가나 로트 규모가 큰 제품은 불량에 의한 손실도 크기 때문에 가급적 조기에 불량을 검지하거나, 혹은 미연에 관찰해 대응할 필요가 있다. 그렇기 때문에 프로세스 모니터링과 데이터 이용에는 투자에 상응하는 만큼의 가치가 있었던 것이다. 앞에서 말한 분야는 모두 이들 요인이 적용된다.
가공 분야 중에서는 용접 기술에서 프로세스 모니터링 기술의 연구가 진행되고 있다. 이것은 용접이 고온 프로세스이고, 수정하기 어려운(불량 발생 시의 손실이 크다) 프로세스이기 때문으로 생각된다.
그렇기 때문에 주로 광강도나 플라즈마 광강도를 계측해 상태를 모니터링하고, 프로세스를 안정화하는 제어 방법을 취하고 있다. 동일한 기술이 레이저 용접 기술, 레이저 가공 기술에도 적용되고 있으며, 최근에는 AM(Additive Manufacturing : 부가 제조 기술)의 레이저 소결 프로세스에도 응용되고 있다.
앞에서 말한 분야에 비하면 형기술에 프로세스 모니터링 기술이 적용되기 시작한 것은 비교적 최근의 일인데, 다른 분야에서 이전부터 적용되고 있었다는 사실은 이러한 기술과 지식이 형기술에도 수평 전개가 가능하다는 것을 시사하고 있다.
기계가공의 프로세스 모니터링 기술
절삭, 연삭, 연마 등 기계가공 프로세스는 금형 제작의 중핵을 이루는 가공 기술로, 프로세스 모니터링 기술의 연구 개발 역사도 짧지는 않지만, 실용화에 관해서는 아직 발전 도상에 있다고 할 수 있다.
그 이유로서는 현상이 고속인 점, 3차원적인 형상이 복잡하고 물리 현상을 모델화하기 어려운 점, 가공 조건에 의해 얻어지는 데이터의 양상이 크게 변하는 점, 공구와 공작물의 재질 조합이 무수하게 많은 점 등에 더해, 코스트에 상응하는 효과를 기대할 수 없다는 점을 들 수 있다.
절삭가공 분야의 최근 연구 동향은 동력계, 가속도 센서, AE 센서(압전소자 센서), 공구 표면의 온도 센서 등을 이용해 절삭저항과 절삭점의 온도를 계측하거나, 채터링 진동과 구성 날끝의 생성을 검출하거나 해서 절삭 조건의 최적 제어와 공구 마모의 조기 검출이 이루어지고 있다. 이들은 표 중의 (3) 피드백 제어, (4) 열화 진단, 불량의 미연 방지에 해당된다.
그 외에 센서를 이용하지 않고 공작기계 자체의 제어 신호를 이용해 모니터링하는 시도도 이루어지고 있다. 어쨌든 S/N비가 작기 때문에 노이즈 중에서 유효한 신호를 추출하는 처리 방법에 연구가 이루어지고 있다. 연삭가공에서도 마찬가지로 진동, 음향, 연삭저항이나 절삭칩 형상 등의 데이터로부터 가공 상태를 추정, 가공면의 품질 안정, 버닝이나 스크래치의 미연 방지에 이용되고 있다.
앞에서 말한 연구 사례는 절삭면의 면조도나 가공 정도의 향상, 가공 효율의 향상, 공구 수명의 향상과 공구의 유효 이용을 목적으로 하고 있는데, 장래적으로 다른 평가 항목, 예를 들면 가공 변질층의 저감, 버의 억제, 잔류응력 상태의 제어 등에 중점을 둔 경우에는 기존과는 다른 센싱 데이터 및 제어 방법이 유효해질 것으로 생각된다.
어쨌든 앞으로도 새로운 재료가 개발되고, 그것을 가공하는 공구도 새로운 재질과 형상의 것이 차례로 개발될 것으로 생각된다. 이러한 재료와 공구의 조합에 의해 가공에서 가장 기초적인 물리 현상이 어떻게 변화하고, 그 때에 어떠한 모니터링 데이터를 얻을 수 있는지 등의 대응관계를 정확하게 파악, 데이터베이스로서 축적해 가는 것이 데이터를 이용하는데 있어 매우 중요하다.
최근에는 절삭가공의 시뮬레이션 기술도 향상돼 가상공간 속에서 가공을 재현하는 것이 가능해지고 있는데, 이들을 최적 가공 조건의 결정, 공구경로의 생성, 가공 상태의 진단에 이용하기 위해서는 해석 결과의 정확성이 중요하고, 그 근거로서 풍부한 실제 가공 데이터로부터 경계 조건을 시뮬레이션에 부여하는 것이 요구된다.
그렇기 때문에 개별 조건의 모니터링 데이터를 일반화한 형태로 기술하는 것이 포인트가 되는데, 예를 들면 지배적인 파라미터를 특정해 모니터링 데이터의 근사식을 이끌어내는 등의 작업에, 기계학습과 딥러닝의 프로세스를 적용해 새로운 가치를 창출하는 것이 기대된다.
성형가공의 프로세스 모니터링 기술
금형을 이용해 형상을 전사하는 가공 기술에는 플라스틱 사출성형, 다이캐스트, 주조 등의 용융가공 외에 프레스 가공, 단조, 압연 등의 소성가공이 있으며, 여기서는 이들을 총칭해 성형가공이라고 부른다.
성형가공에는 내부의 현상이 관찰하기 어렵거나, 혹은 관찰할 수 없는 제약이 있기 때문에 내부 현상을 이해하기 위해 각종 센서를 이용한 모니터링이 예전부터 이루어져 왔다. 센싱하는 파라미터로서는 온도와 힘․압력, 금형의 위치 등이 일반적인데, 사출성형 분야에서는 이형 시의 저항에 착안한 사례, 소성가공 분야에서는 음향이나 서보 정보를 모니터링하는 사례도 있다.
그 한편, 동일 형상의 성형품을 대량 생산하기 위해 프로세스를 모니터링하면 대부분 동일한 센싱 데이터를 대량으로 취득할 수 있다. 이러한 배경 하에 최신의 연구 동향으로서 빅데이터를 해석함으로써 표 중의 (4) 예지 보전이나 (5) 성형품의 양부 판별, 불량 요인의 분석 등에 이용하는 것을 많이 볼 수 있다.
이들은 특히 품질 관리의 관점에서 기업의 경쟁력 원천이 될 수 있다고 생각한다. 최근에는 품질 요구가 엄격해지는 경향이 있어 제품에 따라서는 ppm 이하 단위의 불량률이 요구되는데, 기존의 추출 검사에 의한 로트 관리가 유효한 것은 0.1% 정도가 한계이고, 그 이상의 품질을 보증하는 데는 실제로는 전수 검사를 할 수밖에 없다.
그러나 대량 생산에서 단가가 저렴한 성형품은 코스트가 맞지 않기 때문에 전수 검사를 할 수 없다. 그래서 성형품의 검사가 아니라, 프로세스를 모니터링해 성형품의 품질을 보증하는 시도가 이루어지고 있다.
이것을 실현하는 알고리즘에는 기계학습에 의해 데이터의 특징을 추출, 그것을 모델화해 미지의 데이터를 예측하거나 판별하거나 하는 예에 더해, 다변량 해석에 의해 과거의 데이터 패턴과의 유사성을 수치화하는 예 등을 볼 수 있다.
여기서 포인트는 정상의 프로세스나 양품의 기능을 정확하게 정의하는 것이다. 앞에서 말한 사례는 어떠한 경우나 정상의 프로세스에 의해 만들어진 성형품은 반드시 양품인 것을 전제로 하고 있으며, 그 정상의 프로세스 데이터를 기초로 양부를 판별하고 있다. 그 전제가 무너지면, 프로세스가 안정됐다고 해도 안정적으로 불량품을 계속 만들어낼 가능성이 있다.
성형품의 판별뿐만 아니라, 재료의 로트나 환경 요인, 온도 조절의 주기 변동 등의 원인계 파라미터와 제품의 품질에 직결되는 결과계의 파라미터 사이의 상관 분석을 함으로써 불량 요인을 분석하는 대응도 활발히 이루어지고 있다.
여기서도 역시 결과계 파라미터로 표현되는 성형품의 기능을 정확하게 정의하는 것이 중요하다. 형상 치수는 물론, 내부 결함이나 잔류응력의 유무, 결정 구조와 재료의 배향 등도 중요한 경우가 생각된다.
또한 데이터 분석으로 도출된 상관관계 중에 인과관계를 찾아내는 것은 사람의 역할이다. 그렇기 때문에 머릿속에 물리 현상의 모델을 만들고, 인과관계의 가설을 구축해 실제 프로세스의 관찰을 통해 검증하는 작업이 필요하다.
또 다른 하나 중요한 포인트는 내부의 현상을 반영하는 파라미터와 센싱하는 위치의 선정이다. 성형 현상을 보다 정확하게 파악하는 데는 가급적 성형품에 가까운 위치에서 계측하는 것이 좋다고 알려져 있지만, 구체적으로 어느 위치가 최적인지는 성형품의 형상에 크게 영향을 받는다.
각각의 프로세스나 성형품의 형상에 대해 어느 위치에서 어떠한 파라미터를 모니터링하면 좋은지 등의 노하우를 지식화해 가는 것도 앞으로의 과제이다.
프로세스 모니터링 기술의 목적이나 방법은 다양화되고 있으며, 실용화 수준도 다양하다. 그 성공 여부를 가르는 최대의 요인은 결국 코스트와 이점의 경제적인 균형이다.
그 균형은 기술의 진보와 세상의 가치관에 따라 어떻게도 변할 수 있다. 여러 가지 상황이 예상되는 장래를 대비해, 다양한 기술을 연구․개발해 가야 한다고 생각한다.
