딥러닝 모델을 적용한 재생 주물사의 품질 예측 연구 (Quality Prediction of Regenerating Molding Sand Using Deep Learning Models)

서지정보

· 발행기관 : 한국주조공학회
· 수록지 정보 : 한국주조공학회지 / 44권 / 6호 / 189 ~ 200페이지
· 저자명 : 최영심, 강민수, 강래철, 박성수

초록

최근 주조 공정에서 정보통신기술을 활용한 지능형 공장 구축이 시도되고 있으나, 사형주조와 같은 현장작업자 의존형 공정에서는 적용이 제한적이다. 본 연구는 재생 주물사의 품질 관리를 위한 LOI 예측 기술 개발을 목표로 한다. 주물사 재생처리 설비에센서를 구축하여 주물사의 온도/습도 및 집진기의 압력 데이터를 수집하고 실시간 모니터링을 통해 스마트 제조 설비로 구축한다.
수집된 데이터의 상관관계를 분석하고, 시계열 데이터를 이미지로 인코딩하여 패턴을 학습한다. LOI값은 다양한 값을 가지는 반면데이터수는 한정적이므로 주조현장의 주물사 관리 기준치로 양불을 판단하여 이진분류 모델로 설정한다. GAF, MTF, RP 기법을통해 변환된 이미지 데이터를 CNN 알고리즘인 ResNet18로 처리하여 LOI 예측의 정확성을 높인다. 이를 통해 주물사 품질 관리의 효율성을 극대화하고 최종적으로 불량률을 감소시키는 새로운 접근법을 제시한다.

영어초록

Recent efforts to establish intelligent factories using ICT in casting processes have faced limitations, particularly in labor-dependent processes such as sand casting. This study aims to develop a prediction technology for the quality management of regeneration molding sand, focusing on LOI. Sensors are deployed in the sand reclamation processing equipment to collect temperature, humidity, and pressure data from the dust collector, enabling real-time monitoring for smart manufacturing. The collected data are analyzed for correlations, and time-series data are encoded into images to learn patterns. Given the limited dataset but varying LOI values, the LOI is classified as either acceptable or unacceptable based on the foundry's management standards, thus forming a binary classification model. Image data transformed using GAF, MTF, and RP techniques are processed with the CNN algorithm, ResNet18, to enhance the accuracy of LOI predictions. This approach presents a novel method to maximize the efficiency of sand quality management and ultimately reduce defect rates.

참고자료

· 없음