Cutting Condition Monitoring in Milling within Enclosed Environments Using a Microphone Array and Random Forest

기술 요약: 마이크로폰 어레이와 랜덤 포레스트를 이용한 밀폐된 환경 내 밀링 가공 조건 모니터링

문제 정의
실시간 공정 모니터링은 현대 제조 공정에서 결함을 방지하고 비용을 절감하는 데 매우 중요하다. 음향 방출(acoustic emission)은 가공 공정을 모니터링하기 위한 매력적인 비침습적 소스이지만, 밀폐된 공작 기계 내부에서의 적용은 환경적 요인으로 인해 상당한 어려움을 겪는다. 구체적으로, 기계 인클로저 내부는 금속 반사면으로 인해 고도의 잔향이 발생하는 음향 환경을 조성한다. 이러한 잔향은 배경 산업 소음과 결합하여 음향장을 균질화하며, 결과적으로 절삭 공정 특유의 시그니처를 효과적으로 가려버린다. 또한, 직접음과 잔향음의 공존은 스펙트럼 특성을 변화시켜, 기존의 광대역 신호 기술자(descriptor)들이 가공 파라미터의 변화에 둔감하게 만들 가능성이 있다. 이러한 확산된 잔향장(diffuse, reverberant fields)이 마이크로폰 기반 모니터링 및 특징 추출의 신뢰성에 미치는 영향에 대해 구체적으로 다룬 문헌은 부족한 실정이다.

연구 방법론
본 연구는 Romi D600 수직 머시닝 센터 내부의 4개 마이크로폰 MEMS 어레이를 사용하여 엔드밀 가공 조건 모니터링의 타당성을 평가하였다. 실험 설정은 다음과 같다:

• 실험 설계: 절삭 속도($v_c$), 치당 이송량($f_z$), 축 방향 절입 깊이($a_p$), 그리고 반경 방향 절입 깊이($a_e$)를 변화시켜 8개의 서로 다른 절삭 조건 클래스를 생성하기 위해 $2^{4-1}$ 부분 요인 설계(fractional factorial design)를 채택하였다.
• 음향 특성 분석: 인클로저를 확산장(diffuse field) 환경으로 규정하였다. 충격적인 폭죽 소스를 사용하여 잔향 시간($RT_{60}$)을 측정하였으며, 공간적 결맞음(spatial coherence)을 분석하여 확산장 가설을 검증하였다. 마이크로폰 어레이는 임계 거리(critical distance)에 배치되어 잔향 에너지가 지배적인 하이브리드 장을 형성하도록 하였다.
• 특징 추출 전략: 두 가지 전략을 비교하였다:
  1. 전략 1 (기존 방식): 광대역 신호로부터 표준 시계열 및 주파수 영역 기술자(예: RMS, 스펙트럴 센트로이드, 첨도)를 추출한다.
  2. 전략 2 (제안 방식): 신호를 옥타브 밴드(125 Hz ~ 8 kHz)로 분해한 후, 각 밴드에 위너 필터(Wiener filter)를 적용하여 노이즈와 잔향을 완화한다. 그 후 필터링된 서브 밴드에서 제곱평균제곱근(RMS) 기술자를 추출한다.
• 분류: 하나의 실험 시행(Trial 1) 데이터로 랜덤 포레스트 분류기를 학습시켰으며, 일반화 성능과 강건성을 평가하기 위해 5개의 독립적인 시행(Trials 2–6)을 통해 검증하였다.

주요 결과

• 환경 특성 분석: 기계 인클로저는 약 0.64초의 잔향 시간과 약 752 Hz의 슈뢰더 주파수(Schroeder frequency)를 나타냈다. 이 주파수 이상에서 음향장은 통계적으로 확산된 장의 특성을 보였다. 공간적 결맞음 분석 결과, 레이리 확산장 모델과 높은 일치도(유사도 지수 ~0.91)를 확인하였다.
• 특징 민감도:
  • 전략 1: 기존의 광대역 기술자는 잔향의 균질화 효과에 매우 취약한 모습을 보였다. 예를 들어, 스펙트럴 센트로이드는 절삭 파라미터가 변함에도 불구하고 거의 변화를 보이지 않았는데, 이는 에너지 변화에도 불구하고 전역적인 스펙트럼 균형이 유지되었음을 의미한다.
  • 전략 2: 옥타브 밴드 RMS 기술자는 가공 파라미터에 대한 유의미한 민감도를 유지하였다. 제안된 방법은 광대역 분석에서는 가려졌던 서로 다른 파라미터의 영향(예: 저주파 영역을 지배하는 치당 이송량, 고주파 영역을 지배하는 절삭 속도)을 성공적으로 분리해 냈다.
• 분류 성능:
  • 전략 1: 평균 분류 정확도는 64.85%, 표준 편차는 **26.07%**를 기록하여, 서로 다른 실험 시행 간의 일반화 능력이 낮음을 보여주었다.
  • 전략 2: 평균 분류 정확도는 94.77%, 표준 편차는 **7.92%**를 달eric하였다. 제안된 방법은 대부분의 검증 시행에서 높은 정확도(>90%)를 유지하며 환경적 변동 및 잔향에 대해 우수한 강건성을 입증하였다.
• 특징 중요도: 전략 2를 기반으로 한 랜덤 포레스트 모델은 특정 옥타브 밴드(특히 4 kHz, 8 kHz, 2 kHz, 250 Hz)의 평균 RMS 값을 주로 활용하였으며, 이는 툴 홀더 시스템의 구조적 공진 주파수와 중첩되었다.

의의 및 주장
본 논문은 인클로저 환경이 확산 음장을 생성하여 음향 신호를 크게 변화시키지만, 절삭 공정의 시그니처를 완전히 가리지는 않는다는 점을 주장한다. 본 연구의 주요 기여는 주파수 선택적 분석(옥타브 밴드 분해와 위너 필터링의 결합)이 이러한 환경에서 효과적인 모니터링을 위해 필수적임을 입증한 것이다.

저자들은 기존의 광대역 기술자가 스펙트럼 전체에 걸쳐 정보를 평균화하기 때문에 고잔향 환경에서 실패한다고 단언한다. 반면, 제안된 방법론은 특정 주파수 대역 내에서 국부적인 공정 정보를 보존함으로써 훨씬 더 강력한 표현력을 제공한다. 본 연구는 저비용 MEMS 어레이를 사용하더라도 신호 처리 전략이 인클로저의 특정 음향적 특성을 고려한다면, 밀폐된 기계 내부의 밀링 작업에 대한 음향 모니터링이 가능하다는 결론을 내린다. 이러한 결과는 산업 현장의 잔향 및 배경 소음으로 인한 한계를 극복하기 위해 주파수 선택적 정보의 보존이 매우 중요하다는 것을 시사한다.