산업 4.0을 위한 다중모달 센서 융합 기반 AI 결함 탐지 시스템

초록

적층 제조, 특히 용융 적층 모델링(FDM)은 빠른 프로토타이핑과 복잡한 부품 제작을 가능하게 하며 현대 생산 방식을 혁신하고 있다. 그러나 층별 적층 방식은 노즐 막힘, 필라멘트 소진, 층 정렬 오류와 같은 결함에 취약하여 출력 품질과 신뢰성을 저하시킨다. 기존 검사 방법은 비용이 많이 들고, 시간 소모가 크며, 주로 사후 분석에 국한돼 실시간 개입에 부적합하다. 본 연구에서는 FDM 기반 3D 프린팅의 실시간 모니터링을 위해 다중모달 센서 융합과 인공지능을 활용한 저비용·휴대형 결함 탐지 시스템을 개발하였다. 시스템은 음향, 진동, 열 센서를 통합하여 기계적·공정적 이상을 반영하는 상보적인 데이터 스트림을 비접촉 방식으로 수집한다. 음향·열 센서는 완전 비접촉으로 동작하고, 진동 센서는 프린터 하드웨어에 최소한으로 부착되어 휴대성과 배치를 저해하지 않는다. 수집된 다중모달 신호는 스펙트로그램 및 시간‑주파수 특징으로 변환되어 합성곱 신경망(CNN)으로 분류함으로써 지능형 결함 탐지를 수행한다. 제안 시스템은 저렴하고 확장 가능하며 실용적인 모니터링 솔루션을 제공함으로써 결함 탐지 정확도를 향상시키고 폐기물을 감소시키며, 지속 가능하고 적응적인 제조를 지원하는 산업 4.0 목표 달성에 기여한다.

상세 요약

본 논문은 3D 프린팅, 특히 FDM 방식의 실시간 결함 감지를 위해 ‘다중모달 센서 융합 + AI’라는 두 축을 결합한 혁신적 접근법을 제시한다. 첫째, 센서 선택이 매우 전략적이다. 음향 센서는 프린터 내부에서 발생하는 고주파 소리를 포착해 노즐 막힘이나 필라멘트 급변과 같은 급격한 공정 변화를 감지한다. 열 센서는 프린트 베드와 노즐 온도의 미세 변동을 비접촉식 적외선 방식으로 측정함으로써 열적 불균형이나 냉각 지연을 파악한다. 진동 센서는 기계적 진동 패턴을 실시간으로 기록해 모터 과부하, 베어링 마모, 프레임 변형 등을 탐지한다. 이 세 가지 물리량은 서로 보완적인 정보를 제공하므로 단일 센서 기반 시스템이 놓칠 수 있는 미세 결함까지 포착 가능하다.

둘째, 데이터 전처리 단계에서 스펙트로그램과 시간‑주파수 특징을 추출한 점은 딥러닝 모델이 시계열 데이터의 복합적인 패턴을 학습하도록 돕는다. 특히 CNN은 이미지 형태의 스펙트로그램에 강점을 가지므로, 각 센서별 스펙트로그램을 채널화하거나 다중 입력 형태로 결합함으로써 다중모달 정보를 효과적으로 통합한다. 논문에서는 모델 구조와 하이퍼파라미터 튜닝 과정을 상세히 기술하지 않았지만, 전형적인 2‑D CNN 아키텍처에 배치 정규화와 드롭아웃을 적용해 과적합을 방지하고, 교차 검증을 통해 일반화 성능을 검증했을 것으로 추정한다.

셋째, 시스템의 하드웨어 설계는 ‘비접촉·휴대성’이라는 실용성을 강조한다. 음향·열 센서는 별도 부착 없이 프린터 외부에 배치 가능하고, 진동 센서는 경량 클립 형태로 프린터 프레임에 부착한다. 이는 기존의 고정형 센서 어레이와 달리 다양한 프린터 모델에 손쉽게 적용할 수 있게 하며, 현장 배치 비용을 크게 절감한다.

하지만 몇 가지 한계점도 존재한다. 첫째, 데이터 라벨링 과정이 결함 유형별로 충분히 다양하고 균형 있게 이루어졌는지 여부가 불명확하다. 불균형 데이터는 모델이 흔한 결함에 편향될 위험이 있다. 둘째, 실험 환경이 실험실 수준의 제어된 조건에 국한될 경우, 실제 제조 현장의 온도·습도·진동 잡음 등 외부 요인에 대한 견고성 검증이 부족할 수 있다. 셋째, 실시간 처리 지연(time‑latency)과 시스템 전력 소비에 대한 정량적 평가가 누락돼, 산업 현장에서의 실시간 제어 루프에 직접 적용 가능성을 판단하기 어렵다.

향후 연구 방향으로는 (1) 결함 종류와 심각도에 따른 다중 클래스 분류 모델 구축, (2) 온라인 학습 및 적응형 모델링을 통한 프린터별 특성 자동 보정, (3) 엣지 컴퓨팅 디바이스(예: NVIDIA Jetson, Raspberry Pi)와의 통합을 통한 실시간 추론 최적화, (4) 대규모 현장 시험을 통한 신뢰성 및 비용‑편익 분석이 제시될 수 있다. 이러한 확장이 이루어진다면, 제시된 시스템은 스마트 팩토리의 핵심 감시·제어 인프라로 자리매김하여 폐기물 감소, 생산성 향상, 그리고 지속 가능한 제조 생태계 구축에 크게 기여할 것이다.