딥러닝 기반 CNN 기계학습모델을 활용한 KP4 소재 5축 고속 가공 특성 예측 및 공구 틸트각 최적화 연구 (Prediction of 5-Axis Machining Characteristics of KP4 Material and Optimization of Tool Tilt Angle Using Deep Learning-Based CNN Machine Learning Model)

서지정보

· 발행기관 : 표준인증안전학회
· 수록지 정보 : 표준인증안전학회지 / 15권 / 1호 / 61 ~ 77페이지
· 저자명 : 박지영, 김승권, 박지혜, 박종훈, 김수현

초록

정밀 금형과 같이 높은 가공 정밀도가 요구되는 제품 제작에서는 절삭면의 우수한 가공 특성 확보를 위해 5축고속가공 기술이 필수적으로 적용된다. 특히, 5축 고속가공 기술에 의한 절삭면의 가공 품질을 결정하는 핵심 변수인 공구 틸트각(tool tilt angle)의 최적화가 중요하다. 그러나 공구 틸트각이 가공 특성에 미치는 영향을 정량적으로 분석하고 이를 표준화된 공정 기준으로 수립하는 데는 많은 한계가 존재해 왔다. 이에 본 연구에서는 5 축 고속가공기(5-Axis High-Speed Machining centres)를 이용하여 공구 틸트각을 기준으로 KP4 소재 시험편에 대한 절삭 가공을 실시하고, 표준화된 조건에서 표면 거칠기(Ra, Rz) 특성을 파악하였다. 이를 토대로 공구 틸트각과 가공 품질 간의 상관관계를 체계적으로 분석하여 5축 고속가공 기술의 표준화된 공정 설정 기준을도출하는 것이 본 연구의 목적이다. 그리고 공구 틸트각 기준의 가공 특성과 연계된 절삭면 이미지 데이터셋을구축하고, 해당 데이터를 기반으로 딥러닝 기반 CNN 기계학습모델을 개발하였다. 본 모델은 절삭면 품질 예측에 있어 높은 신뢰도를 확보함으로써, 공정 조건 설정의 표준화 및 자동화를 실현할 수 있는 기반을 마련하였다.
본 연구는 5축 고속가공 기술의 공정 표준화를 통해 산업 현장에서의 품질 편차를 줄이고 일관된 품질 확보를가능하게 하는 실질적 가이드라인을 제시하였다. 특히, 제안된 표준화된 공정 조건은 향후 정밀 금형, 항공 부품및 고정밀 가공 산업에서 표준 인증 기준 수립과 품질 관리 시스템 정립에 기여할 것으로 기대된다.

영어초록

In the production of products demanding high machining precision, such as precision molds, the application of 5-axis high-speed machining technology is essential to ensure superior cutting surface characteristics. In particular, optimizing the tool tilt angle—a critical variable determining the quality of the machined surface during 5-axis high-speed machining—is of utmost importance. However, quantitatively analyzing the effects of tool tilt angles on machining characteristics and establishing these as standardized process criteria have faced significant limitations.
Therefore, this study conducted cutting experiments on KP4 material specimens using a 5-Axis High-Speed Machining center, systematically varying the tool tilt angle under standardized conditions, and assessed surface roughness parameters (Ra, Rz). Based on these experiments, a systematic analysis of the correlation between tool tilt angles and machining quality was performed to derive standardized process setting criteria for 5-axis high-speed machining technology. Additionally, an image dataset of cutting surfaces linked to machining characteristics based on tool tilt angles was established. Using this dataset, a deep-learning-based Convolutional Neural Network (CNN) machine learning model was developed. This model demonstrated high reliability in predicting machined surface quality, laying the foundation for standardizing and automating process parameter settings.
This research provides practical guidelines for the standardization of 5-axis high-speed machining processes, thereby reducing quality deviations and ensuring consistent quality in industrial settings. In particular, the proposed standardized process conditions are expected to significantly contribute to establishing standard certification criteria and quality management systems in precision mold making, aerospace components, and high-precision machining industries.

참고자료

· 없음