• 한국산업정보학회논문지
• /
• 제27권2호
• /
• pp.71-82
• /
• 2022

자동차용 배터리 제조공정 가운데 하나인 Tab Welding 공정에서 생산된 제품의 샘플링 인장검사를 대체하기 위해 현재 비전검사기를 개발하여 사용하고 있다. 그러나, 비전검사는 검사 위치 오차 문제와 이를 개선하기 위해 발생하는 비용 문제를 가지고 있다. 이러한 문제점들을 해결하기 위해 최근 딥러닝 기술을 적용하는 사례들이 발생하고 있다. 본 논문도 그런 사례 중 하나로 기존 제품 검사에 딥러닝 기술 중 하나인 Faster R-CNN을 적용하여 그 유용성을 파악하고자 하였다. 기존 비전검사기를 통해 획득한 이미지들을 학습 데이터로 사용하여 Faster R-CNN ResNet101 V1 1024x1024 모델을 사용하여 학습하였다. 검사 기준인 미검률 0%, 과검률 10%의 기준으로 기존 비전검사와 Faster R-CNN 검사결과를 비교 분석하였다. 미검출률은 기존 비전검사에서 34.5%, Faster R-CNN 검사에서 0%였다. 과검출률은 기존 비전검사에서 100%, Faster R-CNN에서 6.9%였다. 결론적으로 자동차용 배터리 리드탭 암흔 오류 검출에 딥러닝 기술이 매우 유용함을 확인할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제20권1호
• /
• pp.11-20
• /
• 2015

기존 벨로우즈의 용접 불량은 현미경을 이용한 작업자의 수작업과 육안확인으로 진행되고 있어 효율과 능률면에서 많은 부작용이 있다. 본 논문에서 이러한 문제점을 해결하고자 서포트 벡터 머신을 이용한다. 제안된 시스템은 서포트 벡터 머신을 이용하여 작업자의 경험적인 방법을 대체하고, 이미지 처리 과정에서 작업자로부터 발생하는 불규칙성을 극복할 수 있다. 또한 현미경과 3D 디스플레이 시스템을 통하여 제품불량을 쉽게 확인할 수 있다. 자동화 측정 장치로부터 얻어진 실험결과를 통하여 용접불량은 허용되는 에러 범위 아래로 개선됐음을 알 수 있다.

• 대한기계학회논문집A
• /
• 제22권3호
• /
• pp.644-653
• /
• 1998

In resistance spot weld, the assurance of weld quality has been a long-standing problem. Since the weld nuggets if resustance spot welding form between the workpieces, visual detection of defects in usually impossible. Welding quality of resistance spot welding can be verified by non destructive and destructive inspections such as X-Ray inspection and testing of weld strength. But these tests, in addition to being time-consuming and costly, can entail risks due to sampling basis. The purpose of this study is the development of the monitoring system based on fuzzy inference, aimed at diagonosis of quality in resistance spot welding. The fuzzy inference system consists of fuzzy input variables, fuzzy membership functions and fuzzy rules. For inferring the welding quality(strength), the experimental data of the spot welding were acquired in various welding conditions with the monitoring system designed. Some fuzzy input variables-maximum, slop and difference values of electrode movement signals-were extracted from the experimental data. It was confirmed that the fuzzy inference values of strength have a .${\pm}$5% error in comparison with actual values for the selected welding conditions(9-10.5KA, 10-14 cycle, 250-300 $kg_f$). This monitoring system can be useful in improving the quality assurance and reliability of the resistance spot welding process.

• 비파괴검사학회지
• /
• 제5권2호
• /
• pp.12-21
• /
• 1986

Generally, butt welds with plate thickness $30{\sim}40mm$ are welded with groove angle $40^{\circ},\;60^{\circ},\;70^{\circ}$, etc. In the detection of internal weld defects, oblique testing with single probe has been mainly used. But, recently, in acccordance with enlargement of welded structure, thick plate with 100-200mm are frequently required. Thus I-groove welding method was lately developed and often used. In this case, most frequently generated defects are the lack of weld penetration and incomplete fusion between base metal and welding material. If we would detect by oblique testing with single probe, detecting flaw is occassionally impossible or very underestimated. In this study, the limit for applying tandem method was studied in dise and band type flaws. The estimation of flaw size could be within 10% error compared to real flaws.

• 한국철도학회:학술대회논문집
• /
• 한국철도학회 2011년도 정기총회 및 추계학술대회 논문집
• /
• pp.2082-2089
• /
• 2011

This study is examination of application on site for performance and stability of real-time broken rail detection equipment development system about connection, welded part occurring data errors of broken rail monitoring system. As a result of analysis about data collected in Seoul Metro No.2 Subway from Mar. 2010 to Jan. 2011, we found it is possible to detect crack location(Thermit welding) within the margin of error of ${\pm}1m$ accurately as the first attenuation was -1.2dB and the second was -1.3dB.

• 한국기계가공학회지
• /
• 제19권12호
• /
• pp.80-86
• /
• 2020

With the exception of welding activities, it is forbidden to use electricity in shipyards, owing to safety concerns such as the possibility of fire, explosions, and short circuits. In this paper, an automatic chamfering machine using pneumatics is proposed for use in such environments. Customers specify their requirements and the machine derives the corresponding theoretical design conditions. The proposed machine was used to perform 3D modeling, and its suitability and performance were confirmed via cutting experiments of the manufactured device. Two types of sensors may be used in this system: contact and non-contact. In the case of the contact type, an end-stop switch that can recognize the end of the material is installed, and when the machine reaches the end of the material, the end-stop switch is operated to cut off the air pressure. In the non-contact type, four sensors were used: photonic, ultrasonic, metal detection, and encoder. The use of the four sensors was repeated 30 times, and the average error determined. Thus, the optimum sensor was identified.

• 한국산학기술학회논문지
• /
• 제21권11호
• /
• pp.53-60
• /
• 2020

철도차량의 대차는 열차 주행을 위한 핵심적인 장치이다. 철도차량의 대차에서 피로결함은 운행 중 기대되지 않거나 과도한 하중, 용접결함, 재료 결함 등의 다양한 요인에 의해 발생할 수 있다. 철도차량의 사고를 방지하기 위해서 차체-대차연결부의 손상을 검출하고 발생 결함에 대한 정확한 평가가 요구된다. 이러한 철도차량의 차체-대차 연결부는 초음파 비파괴 검사를 통하여 건전성을 확보하고 있으나 결함 발생에 대한 학습기법을 이용한 판정방법이 필요하다. 최근 미세한 결함이나 유사한 결함을 높은 인식율로 검출하기 위하여 딥러닝 기법에 관한 여러 연구가 진행되고 있다. 본 연구에서는 철도차량의 차체-대차 연결부의 결함 검출능력을 위하여 용접부의 인공결함 시편에 대하여 데이터베이스 구축하였으며. 웨지형 초음파 센서를 이용하여 차체-대차 연결부에 대한 비파괴 검사를 수행하였다. 부가적으로 인적오류를 최소화하기 위하여 결함판단 학습기법인 합성곱 신경망기법(Convolutional Neural Network)을 적용하였다. 그 결과 합성곱 신경망기법 기법을 이용하여 철도차량의 차체-대차 연결 용접부의 균열을 99.98%이상 균열성 결함으로 판별할 수 있었으며 철도차량 차체-대차 연결부의 비파괴검사시 본 연구의 기술이 적용 가능함을 확인할 수 있었다.