멜트풀 소프트웨어를 활용하여, 불량 감지, 빨간 부분이 좋은 품질인데, 빨간색이 아닌 부분이 불량이 발생한 부분이다. 이를 인공지능을 통해서 검출을 한다. 

[사람과뉴스 = 오치훈 기자] 메탈3D㈜는 한국적층제조사용자협회와 공동으로 인공지능 기술인 GAN 을 사용하여,자체 개발한 멜트풀 모니터링 소프트웨어의 빅데이타를 처리하여,메탈 3D 프린팅시에 불량을 자동 검출하는 인공지능 품질 관리 시스템을 개발하여 출시 예정이라고 밝혔다. 이 기술은 시제품 생산용이 아닌, 현재, 대량으로 생산되는 부품, 월 2만개 이상의 부품의 각각의 품질을 각각 생산시에 취득한 멜트풀 데이터를 이용하여, 불량을 자동으로 검출하는 시스템이다. 이 시스템을 사용할 경우 불량을 100% 예측을 할 수 있다. 

 기존의 판별 모델링과는 다른 생성 모델링의 GAN(적대적 신경망) 기술을 활용하여, 기존의 확률적인 방법으로 판단하던 방식에서 효율성을 높인 3D 프린팅 스마트 공장에 적합한 인공지능 생산 품질 관리 시스템이 기존 시스템과 다른 점이다.  

 메탈3D 프린팅에서 불량의 예후를 모니터링하기 위해 이미지 마커를 잡아내는 모델을 얻는 것은 매우 어려운 일이다. 보통의 모델은 자동 감지를 위해 알려진 데이터 샘플을 사용하고, 많은 양의 데이터를 기반으로 한다. 라벨링 작업과 이미 알려진 것들에 대해서만 탐지 가능하다는 점이 기존 방식이다. 이 방식은 인공지능을 기반으로 라벨링 작업이 안된 이상도 감지가 가능한 것이 다른 제품에 대한 특징이다.  

 이 방식은 이미지에서 결합(어노말리)를 찾기 위해 비지도학습 이용한다. 인공지능 기술인 GAN은 정상적인 변동성의 다양함(정상 데이터의 분포)를 학습한 DCGAN과 이미지 공간에서 잠재공간으로의 매핑방식을 기반으로 비정상(어노말리) 스코어를 계산한다. 

 이상 감지를 위해, 우리는 GAN 기반의 정상 가변성을 표현하는 모델을 학습한다. 이러한 방법은 생성모델과, 생성된 데이터와 실제 데이터를 동시에 구분하는 판별기(discriminator)를 학습시킨다. 

 단일 비용 함수 최적화 대신, 비용의 내쉬 균형, 생성 모델의 대표성과 특이성을 높이는 동시에 생성된 데이터로부터 실제 데이터를 더 정확하게 분류하고 대응하는 Feature Mapping을 개선하는 것을 목표로 하여, 어떻게 이 모델을 만들고, 이 모델을 사용해서 어떻게 학습 데이터에 나타나지 않은 형태를 식별하는 것에 대한 인공 지능 해결책을 사용하였다. 

 학습 후에 실제 검출을 위해, 각 부품에 대한 멜트풀의 데이터에 적용했을 때 모델은 어노말리와 어노말리 스코어(anomaly scoring)를 계산한다. 이것을 근간으로 이 방식은 멜트 풀의 비정상 영상에 적용한 결과, 기공 또는 결함을 포함하는 이미지와 같은 변칙적인 영상(어노말리)을 정확하게 식별함을 확인하였다.  

 인공지능 시스템을 통해서, 이노말리로 사전에 부품의 이상을 검출한 예, 이 방식으로 생산 불량을 제거한다. 

  본 제품은 기존 메탈쓰리디㈜/윈포시스㈜의 멜트풀 모니터링 소프트웨어에 추가적인 옵션으로 판매를 할 예정이다.   

 메탈3D 프린팅 장비와 멜트풀 모니터링을 개발한 메탈3D(주)의 주승환CTO 는 “ 3D 프린팅에 인공지능의 기술 중에서 GAN 을 처음으로 국내에서 적용한 예이다. 기존의 멜트풀은 공정의 모니터링을 정확하게 하지만, 대량의 데이터로 인해, 사실 상 많은 인력을 통해서, 이상 검출을 하여야 하는 데, 이 인공지능 기술을 활용하면, 많은 사람이 이상을 찾아내는 것과 같은 효과를 낼 수가 있다. 따라서, 100% 의 가까운 불량 검출을 하여, 대량 생산시에 메탈3D 프린팅의 불량률을 100% 찾아낼 수 있어, 안전한 제품을 납품을 할 수 있다.” 라고 밝혔다. 

  참고 멭트풀 모니터링 시스템은 메탈쓰리디㈜/윈포시스㈜가 개발한 제품으로 현재, 국내 메탈3D 프린팅 장비 뿐만 아니라,  독일 오알레이저 사의 장비에도 사용되는 유일한 국내 개발 모니터링 소프트웨어이다.  

오치훈 기자 = metainzi@naver.com