서울대 공대 안성훈 교수팀, 소리로 장비 상태를 알아내는 제조공정 모니터링 시스템 개발

장비의 일상적인 작동음을 조합해 학습에 필요한 데이터 확보
적정 비용으로 스마트 팩토리 요소를 구축하는 새로운 방안 기대

2021-08-02 09:00 출처: 서울대학교 공과대학

왼쪽부터 서울대학교 공과대학 기계공학부 안성훈 교수, 김지수 박사

서울--(뉴스와이어)--서울대학교 공과대학(학장 차국헌)은 기계공학부 안성훈 교수팀이 소리로 여러 대의 장비 상태를 실시간으로 동시에 알아내는 제조공정 모니터링 시스템을 개발했다고 2일 밝혔다.

이번에 개발된 센싱 시스템은 공장 내에 설치된 1대의 마이크를 통해 로그 멜-스펙트로그램 방식으로 소리를 2차원으로 변환하고, 인공 신경망의 일종인 합성곱 신경망(Convolutional Neural Network)을 이용해 인지하는 방식이다.

해당 시스템은 소음이 매우 큰 실제 공장 환경 내에서 여러 대의 장비 소리를 동시에 추적하는 것이 가능하며, 특정 장비의 거동을 통제해 학습에 필요한 데이터를 얻어내는 기존의 방식과 달리, 장비의 일상적인 작동음을 조합해 학습에 필요한 데이터를 확보할 수 있다는 특징이 있다.

제1 저자인 서울대학교 기계공학부 김지수 박사는 “보통 장비 내부에 센서를 설치해 하나의 장비만을 모니터링하는 기존의 방식과 달리, 이 시스템은 여러 대의 장비를 외부에서 동시에 모니터링하는 것을 목적으로 한다”며 “이 과정에서 노이즈에 대한 저항이 높아 실제 환경에서 적용 가능하다는 장점이 있다”고 설명했다.

교신저자인 서울대학교 기계공학부 안성훈 교수는 “일반적으로 중소기업에서 비용 문제로 센서를 설치하지 못한 기존의 제조장비들의 작동시간을 모니터링할 수 있는 기술”이라며 “적정한 비용으로 스마트 팩토리의 요소를 구축하는 새로운 방안이 될 것으로 기대한다”고 적용방향을 제시했다.

한편, 이 연구는 한국연구재단/과학기술정보통신부의 ‘한국-독일 지능형 제조 시스템 연구실’ 사업의 지원을 받아 수행됐으며, 저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems)에 게재됐다. 그리고 이 시스템은 현재 국내 중소기업의 서로 다른 제조 환경과 공정들에 적용되고 있다.

또한, 해당 저널은 2020년 영향력 지수(Impact Factor) 순위에서 Operation Research & Management Science 분야에 속한 84개의 국제 저널 중 1위를 차지했다.

◇논문 정보

Jisoo Kim, Hyunsu Lee, Suhwan Jeong, Sung-Hoon Ahn, Sound-based remote real-time multi-device operational monitoring system using a Convolutional Neural Network (CNN), Journal of Manufacturing Systems, Volume 58, Part A, 2021, Pages 431-441, ISSN 0278-6125

이 뉴스는 기업·기관·단체가 뉴스와이어를 통해 배포한 보도자료입니다. 배포 안내 >
뉴스와이어 제공