Smartphone-Based Vibration Monitoring for Drill Bit Wear Classification Using Lightweight CNN Fusion Strategies

제조업의 세계에서 금속을 절삭하는 도구들은 현대 생활의 숨은 영웅들입니다. 자동차의 엔진 블록부터 의료 기기의 정밀한 부품에 이르기까지, 이 도구들은 물리적 세계를 형성합니다. 그러나 이들은 또한 취약하기도 합니다. 드릴 비트가 강철을 뚫고 지나갈 때, 그것은 서서히 마모되어 무뎌지고 효율성이 떨어집니다. 만약 작업자가 이러한 마모를 알아차리지 못하면, 최종 제품에 결함이 생기거나 도구가 부러져 막대한 비용이 드는 지연을 초래할 수 있습니다. 수십 년 동안 공장들은 기계에 단단히 고정된 값비싸고 특화된 센서를 통해 도구의 진동을 듣는 방식에 의존해 왔습니다. 이 센서들은 마치 고도로 조율된 귀처럼, 도구가 지쳤음을 알리는 미세한 소리의 변화를 포착합니다. 하지만 이러한 시스템은 무겁고 비용이 많이 들며, 기술자가 완벽하게 설치해야 하므로, 빠르고 유연한 모니터링이 필요한 소규모 작업장이나 오래된 기계에서 사용하기에는 어려움이 있습니다.

공학계의 커지는 질문 중 하나는, 모든 이의 주머니 속에 있는 장치가 이러한 산업용 센서의 역할을 할 수 있는가 하는 점입니다. 현대의 스마트폰에는 휴대폰이 어떻게 들려 있거나 움직이는지를 감지하도록 설계된 작은 모션 센서가 들어 있으며, 이는 기계의 진동도 느낄 수 있습니다. 문제는 이 휴대폰 센서들이 공장 현장의 가혹하고 빠른 환경을 위해 만들어진 것이 아니라는 점입니다. 이들은 산업용 장비보다 훨씬 느린 속도로 데이터를 캡처하며, 기계에 볼트로 고정되는 대신 종종 테이블 위에 느슨하게 놓여 있습니다. 이 연구는 대담한 아이디어를 탐구합니다. 즉, 스마트폰이 작업대 위에 자유롭게 놓여 있더라도, 설령 그 신호가 실제와는 왜곡되고 저속인 버전일지라도, 여전히 드릴 비트가 마모될 때 내는 '목소리'를 들을 수 있는가 하는 것입니다.

연구진은 현실적인 작업실 환경에서 이 가능성을 테스트하기 위해 실험을 진행했습니다. 그들은 휴대폰을 기계에 볼트로 고정하거나 특별한 거치대를 만들지 않았습니다. 대신, 중량물 드릴링 기계의 금속 테이블 위, 작업물 바로 옆에 상용 스마트폰을 직접 놓았습니다. 그들은 기계가 강철에 구멍을 뚫는 동안 발생하는 진동을 기록하기 위해 휴대폰의 내장 모션 센서를 사용했습니다. 도구의 상태를 정확하게 측정하기 위해, 연구진은 주기적으로 기계를 멈추고 현미경으로 드릴 비트를 관찰하여 절삭날이 정확히 얼마나 마모되었는지 확인하는 선명한 사진을 찍었습니다. 이 시각적 검사는 '그라운드 트루스(ground truth)' 역할을 하여, 어떤 녹음 데이터가 건강한 도구의 것이고 어떤 것이 마모된 도구의 것인지 정확히 알 수 있게 해주었습니다.

연구팀은 큰 난관에 봉착했습니다. 휴대폰의 센서가 절삭 도구의 빠른 진동보다 훨씬 느리게 데이터를 기록했기 때문입니다. 공학적 용어로 말하자면, 휴대폰은 마모를 나타내는 고주파 음을 놓치고 있었습니다. 연구진은 휴대폰이 진동을 너무 느리게 샘플링하기 때문에, 놓쳐버린 고주파 소리가 휴대폰이 들을 수 있는 저주파 영역으로 되돌아와(folding back) 독특하지만 왜곡된 패턴을 만들어낼 것이라고 가설을 세웠습니다. 이 기이한 신호를 이해하기 위해, 그들은 이를 가공되지 않은 파형 그대로 들으려 하지 않았습니다. 대신, 진동 데이터를 이미지로 변로했습니다. 그들은 휴대폰이 감지할 수 있는 세 가지 방향(상하, 좌우, 전후)의 진동 기록을 가져와 작은 격자 위에 매핑하고, 이를 빨강, 초록, 파랑 색상으로 입혀 작은 삼색 이미지를 만들었습니다. 이 이미지에서 이미지의 질감(texture)은 도구의 진동을 나타냈습니다.

이러한 이미지가 만들어지자, 연구진은 '경량 신경망'이라 불리는 일종의 인공지능을 훈련시켰습니다. 그들은 컴퓨터가 이 진동 이미지의 질감만을 보고 건강한 드릴과 마모된 드릴을 구분할 수 있는지 확인하고자 했습니다. 그들은 세 방향의 정보를 결합하는 다양한 방법을 테스트했습니다. 한 방법은 세 가지 색상을 즉시 하나로 섞는 것이었고, 다른 방법은 컴퓨터가 결과를 합치기 전에 각 색상을 독립적으로 분석하게 하는 것이었습니다. 또한, 그들은 이러한 고급 컴퓨터 비전 방식들을 기존의 더 단순한 수학적 도구들과 비교하여 어떤 접근 방식이 가장 효과적인지 확인했습니다.

결과에 따르면 스마트폰 방식은 충분히 실현 가능했지만, 데이터를 결합하는 방식이 매우 중요했습니다. 단순히 기계가 현재 작동 중인지 아니면 정지 상태인지를 구분하는 것이 목표일 때는 세 방향을 즉시 혼합하는 방식이 가장 효과적이었습니다. 컴퓨터는 멈춰 있는 기계의 정적과 작동 중인 절삭의 진동 사이의 차이를 빠르게 식서낼 수 있었습니다. 그러나 과제가 더 어려워져서, 약간 마모된 도구와 심하게 마모된 도구를 구별해야 할 때는 전략이 바뀌었습니다. 가장 성공적인 접근 방식은 최종 결정을 내리기 전에 컴퓨터가 각 방향의 진동을 독립적으로 분석하게 하는 것이었습니다. 이 방식은 시스템이 다른 방향의 노이즈 섞인 덜 유용한 신호들을 무시하고, 드릴의 추력 방향에서 오는 가장 중요한 신호에 집중할 수 있게 해주었습니다.

연구팀은 또한 휴대폰이 부딪히거나 위치가 변하는 상황을 시뮬레이션하여, 이 시스템이 작업실의 무질서한 현실에서 얼마나 잘 견딜 수 있는지 테스트했습니다. 그들은 휴대폰의 센서가 갑작스러운 충격으로 압도되거나, 휴대폰이 약간 미끄러져 각도가 변하는 시나리오를 구현했습니다. 결과는 각 방향을 별도로 분석하는 방식이 훨씬 더 회복 탄력성이 높다는 것을 보여주었습니다. 만약 휴대폰이 부딪히거나 기울어지더라도, 이 시스템은 영향을 받지 않은 방향의 깨끗한 데이터를 활용하여 올바른 진단을 내릴 수 있었습니다. 반면, 모든 것을 즉시 섞어버리는 방식은 한 방향의 데이터가 손상되면 오류가 발생하기 쉬워 어려움을 겪었습니다.

궁극적으로, 이 연구는 일반적인 스마트폰을 기계 테이블 위에 느슨하게 놓는 것만으로도 드릴 마모를 모니터링하는 데 놀라울 정도로 효과적인 도구가 될 수 있음을 시사합니다. 연구는 진동 데이터를 이미지로 변환하고 특정 유형의 인공지능을 사용함으로써, 값비싼 장비나 완벽한 고정 장치 없이도 드릴 비트의 상태를 높은 정확도로 분류할 수 있음을 밝혀냈습니다. 최상의 결과는 진동의 각 방향을 별개의 단서로 취급하여 정밀한 분석 후에 결합하는 시스템에서 나왔습니다. 이 접근 방식은 실제 공장에서 발생할 수 있는 충격과 위치 변화에도 견고함을 입증했습니다. 비록 이 연구가 개념 증명 단계이며 다양한 기계와 휴대폰을 대상으로 추가적인 테스트가 필요하다는 점을 인정하고 있지만, 이는 저렴하고 접근 가능한 모니터링을 위한 새로운 문을 열어줍니다. 이는 공장의 안전과 효율의 미래가 항상 값비싸고 특화된 하드웨어를 필요로 하는 것이 아니라, 우리 주머니 속에 이미 존재하는 강력하고 보편적인 센서들에 의존할 수도 있음을 시사합니다.