칼날 같은 인공지능으로

솔링겐에서는 수 세기 동안 칼, 칼날 및 기타 식기류가 생산되어 왔습니다. 오늘날에도 독일 칼과 수저 제조업체의 약 90%가 2012년부터 '클링겐슈타트'라는 공식 명칭이 붙은 베르기슈란트 지역의 도시에서 생산되고 있습니다.

대부분의 경우 이러한 금속 제품의 품질은 육안 또는 간단한 손가락 테스트를 통해 확인합니다. 하지만 곧 바뀔 수 있습니다: 부퍼탈 대학교의신뢰성 공학 및 위험 분석 연구실( LZR) 의 연구 프로젝트 'MuPro2'는 인공지능(AI)을 사용하여 인적 요소와 완전히 독립적으로 품질 관리를 완전 자동으로 수행할 수 있는 방법을 3년 동안 연구해 왔습니다.

칼날 끝에서 볼스터까지

프로젝트의 일환으로 고품질 주방용 칼을 제조하는 한 제조업체는 표면 품질을 100% 신뢰할 수 있는 자동화된 제어 프로세스를 시작하기 위해 의자에 의뢰했습니다. 칼은 다양한 강철 합금으로 단조하고, 연마하고, 마감하고, 검사하는 등 배송을 포함해 최대 55개의 수작업 단계가 진행되며, 칼날 끝에서 볼스터까지 모든 디테일은 마이크로미터 단위까지 세심하게 관리되어야 합니다.

부퍼탈 슈테판 브라케 교수의 수석 엔지니어인 마르신 힌츠 박사가 이끄는 연구팀은 10년 동안 인공지능과 머신러닝의 실용적인 적용을 연구해 왔습니다. LZR에서는 주로 복잡한 기술 제품 및 생산 공정에 대한 연구 프로젝트, 산업 협력 및 과정을 수행합니다. 연구원들은 제품 개발 및 제조 분야의 데이터 분석에 중점을 둡니다.

방대한 양의 데이터를 기반으로 한 학습

힌츠는 "칼 표면의 AI 지원 이미지 평가에 필요한 관련 정보를 얻으려면 먼저 정밀한 3D 측정이필요했습니다."라고 설명합니다. 이미지 평가용 카메라는 AI를 통해 결함을 안정적으로 감지하고 이를 미리 '학습'할 수 있어야 하기 때문입니다. 이를 위해서는 엄청난 양의 데이터가 필요합니다.

표면 데이터를 생성하기 위해 측정 기술 전문가인 Mahr가 투입되었습니다. 오버하우젠에 위치한 Mahr의 GAM 3D-Surface 사업부는 연구진에게 3D 스캔을 통해 나이프의 표면 거칠기를 측정할 수 있는 MarSurf CM 모바일( )을 2주 동안 제공했습니다.

Mahr의 MarSurf CM 모바일의 광학 측정 시스템은 공초점 기술을 기반으로 하며, 일반적인 측정 시간은 5초에서 10초 사이입니다. 3D 측정 장치는 ISO를 준수하는 거칠기 측정, 3D 구조 분석 및 형상 측정에 사용할 수 있습니다. 구조화 및 볼륨 매개변수의 평가는 자동으로 이루어집니다.

알고리즘이 품질을 결정합니다.

칼 프로젝트를 위해 과학자들은 각기 다른 칼 유형에 맞는 카메라가 장착된 두 가지 테스트 설정을 개발했습니다. 첫 번째 테스트 스탠드에는 표준 카메라 시스템이, 두 번째 테스트 스탠드에는 매크로 렌즈와 두 개의 LED 스포트라이트가 추가로 장착되었습니다. 테스트 시편은 이미 모양이 잡혀 있고 미세하게 연마된 나이프 블랭크(솔링겐의 기술 용어인 "도금"된)였습니다. 총 2,500개 이상의 나이프가 테스트 대상이었으며, 그 중 1,750개는 Mahr 장치를 사용했습니다.

해당 Mahr 평가 소프트웨어를 사용할 수 있도록 대학을 위해 특별히 알고리즘이 작성되었습니다. 여러 머신 러닝 알고리즘에 이 데이터가 제공되어 학습 및 평가되었습니다. 알고리즘만으로 품질이 결정됩니다.

거의 100%에 가까운 적중률

마르신 힌츠가 보고한 대로 테스트 설정은 원하는 결과를 가져왔습니다. "알고리즘의 신뢰성은 매우 높았으며, 촉각 측정 장비에서는 80%, 3D 장비에서는 거의 100%의 정확도를 기록했습니다."

이 나이프 제조업체는 현재 업스트림 생산 스테이션에 이러한 지능형 카메라 시스템을 설치하여 필요한 경우 진행 중인 공정에 개입하여 특히 불량품과 재작업을 방지할 수 있도록 하는 방안을 검토하고 있습니다.

또한 측정 기술을 생산에 직접 통합하는 방안도 단기적으로 고려했지만 비용상의 이유로 배제되었습니다. "생산 라인에는 먼지, 오물, 기름 찌꺼기, 칩이 많이 쌓여 있어 기기에 큰 악영향을 미칩니다. 하지만 CM 모바일은 탄탄한 기본 지식을 쌓을 수 있도록 완벽하게 지원했습니다."라고 힌츠는 말합니다.

원래 이 프로젝트는 그렇게 큰 규모의 프로젝트가 아니었고 소규모 연구에 불과했습니다. 하지만 힌츠는 3D 표면 분석, 데이터 평가, 알고리즘 학습의 간단한 조합이 성공하면서 거대한 연구 분야가 열리게 되었다고 설명합니다. 이런 점에서 후속 프로젝트를 기대할 수 있습니다.