Cost-constrained selective robotic re-polishing of complex freeform surfaces driven by local quality risk evaluation

기술 요약: 복잡한 자유곡면의 비용 제약적 선택적 로봇 재연마(Re-polishing)

문제 정의
복잡한 자유곡면의 로봇 연마 공정에서, 국부적 기하 구조와 공정 동역학 사이의 비균일한 상호작용은 빈번하게 불균일한 표면 품질과 초기 연마 공정 후의 잔류 결함 영역을 초래한다. 기존의 산업 관행은 이를 해결하기 위해 전 영역 균일 재연마를 수행하지만, 이러한 방식은 비효율적이며 비용이 많이 든다. 이는 이미 품질 요구 사항을 충족한 영역에 대해서도 상당한 중복 처리 시간, 과도한 툴 경로 길이, 불필요한 공구 마모를 유발한다. 표면 품질 예측에 관한 기존 연구들은 대개 전역적 추정이나 최종 결과 평가에 집중되어 있어, 목표 지향적인 교정 연마 결정을 내리는 데 필요한 국부적이고 실행 가능한 데이터를 제공하지 못한다. 결과적으로, 예측 품질 추정과 비용 제약적 선택적 재연마 계획 사이에는 간극이 존재한다.

방법론
본 논문은 표면 품질 향상과 공정 비용 절감 사이의 균형을 맞추기 위해 설계된 리스크 가이드 기반 선택적 로봇 재연마 프레임워크를 제안한다. 방법론은 세 가지 주요 단계로 구성된다:

1. 다중 모달 데이터 구축 및 정렬:

   • 초기 포인트 클라우드 기하 구조, 실시간 힘/토크 신호, TCP(Tool Center Point) 운동 상태, 그리고 오프라인 거칠기 측정값을 획득하기 위한 다중 센서 로봇 플랫폼을 구축하였다.
   • 연속적인 연마 공정을 슬라이딩 시간 창(길이 0.4초, 스텝 0.2초)으로 분할하고, 이를 통합된 워크피스 좌표계에 공간적으로 정렬하였다.
   • 궤적 피복 비율(trajectory coverage ratios)을 기반으로 윈도우 레벨의 공정 상태를 특정 국부 영역(총 42개 영역)에 매핑하는 지역 귀속 전략을 채택하여, 5,521개의 유효 윈도우 샘플로 구성된 데이터셋을 생성하였다.

2. 기하학 가이드 품질 리스크 모델링 (GB-DRC):

   • 국부 거칠기 변화($\Delta Ra$)를 예측하기 위한 기하학 가이드 잔차 보정(GB-DRC) 모델을 개발하였다.
   • 이 모델은 거칠기 진화를 두 가지 성분으로 분해한다: 기하학적 기본 트렌드(곡률, 경계 거리, 법선 변화 및 초기 거칠기에 의해 구동됨)와 공정 동역학 잔차(접촉력 변동, TCP 운동 변화 및 공정 파라미터에 의해 구동됨).
   • 적응형 가중치 메커니즘을 통해 국부적인 작동 조건에 따라 공정 교란 항의 기여도를 조절함으로써, 다양한 기하 구조에 걸친 예측 견고성을 향상시켰다.
   • 데이터 누수를 방지하기 위해 그룹 격리(grouped isolation) 전략을 사용하여 모델을 학습시켰으며, 이를 통해 배치, 영역, 난해한 기하 구조 및 공정 조건의 변화 하에서도 평가가 가능하도록 보장하였다.

3. 리스크-피복 중심 선택 전략:

   • 윈도-레벨 예측값은 피복 비율 가중치를 사용하여 지역 규모로 집계되며, 이를 통해 후처리 거칠기를 추정한다.
   • 목표 거칠기 임계값($Ra_{target} = 0.250 \mu m$)으로부터의 편차를 기반으로 지역 품질 리스크 점수를 계산한다.
   • Top-K 선택 전략은 이러한 리스크 점수를 바탕으로 재연마 대상 후보 영역의 우선순위를 결정한다. 이 전략은 미달 영역을 놓치지 않도록 절대적 정밀도보다는 "리스크 피복(risk coverage)"(실제 결함 영역 포착)을 우선시하며, 일부 적합한 영역이 포함되는 보수적인 접근을 수용한다.

주요 기여

1. 선택적 재연마 프레임워크: 본 논문은 비효율적인 전 영역 균일 재처리를 탈피하여, 복잡한 자유곡면을 위한 목표 지향적 교정 연마를 가능하게 하는 프레임워크를 도입하였다.
2. 다중 모달 국부 품질 평가: 다양한 조건 하에서 국부적인 거칠기 변화를 추정하기 위해 기하학적 특성, 공정 중 동적 응답, TCP 운동 정보를 통합하는 견고한 평가 방법을 개발하였다.
3. 실행 가능한 결정 전략: 국부적인 품질 평가를 실행 가능한 교정 계획으로 전환하여, 품질 향상과 공정 비용 사이의 상충 관계를 효과적으로 조절하는 리스크-피복 중심의 후보 영역 선택 전략을 확립하였다.

실험 결과
다중 센서 로봇 플랫폼을 사용하여 복잡한 자유곡면을 가진 Q235 강재 워크피스를 대상으로 실험을 수행하였다. 결과는 다섯 가지 그룹 격리 테스트 시나리오(배치 독립, 영역 그룹 독립, 난해한 기하 구조, 공정 조건 독립, 영역-조건 외삽)를 통해 검증되었다.

• 예측 성능: GB-DRC 모델은 모든 테스트 시나리오, 특히 난해한 기하 구조 및 공정 조건 변화 상황에서 베이스라인 모델(RF, XGBoost, GRU)보다 우수한 안정성과 낮은 예측 오차(MAE, RMSE)를 보여주었다.
• 영역 선택: $K=25$개의 후보 영역을 선택했을 때(전체 면적의 59.52% 커버), 본 방법은 93.33%의 리스크 피복률(15개 실제 결함 영역 중 14개 식별)과 56.00%의 후보 정밀도를 달성하였다.
• 품질 및 비용 트레이드오프:
  • 표면 품질: 선택적 재연마 전략(S3)은 표면 합격률을 1회 연마(64.29%)에서 80.95%로 향상시켰다.
  • 비용 절감: 전 영역 균일 재연마(S2)와 비교했을 때, 제안된 선택적 전략은 재연마 면적을 40.48%, 추가 공정 시간을 37.67%, 추가 경로 길이를 37.44% 감소시켰다.
  • 최종 평균 거칠기는 선택적 전략의 경우 $0.220 \pm 0.002 \mu m$로, 1회 연마($0.258 \mu m$)보다 현저히 우수하면서도 균일 재연마의 전체 비용을 피할 수 있었다.

의의 및 주장
본 논문은 제안된 방법이 로봇 연마에서 국부적인 품질 향상을 위한 실용적이고 비용 효율적인 솔루션을 제공한다고 주장한다. 전역적 품질 추정에서 국부적 리스크 평가로 전환함으로써, 본 프레임워크는 전 영역 재처리의 비효율성을 해결한다. 핵심 가치는 윈도우 레벨의 공정 예측을 실행 가능한 선택적 재연마 계획으로 변환하는 능력에 있다. 저자들은 이 접근 방식이 표면 품질 개선과 공정 비용 절감 사이의 효과적인 절충점을 달 Achieve 하며, 비용에 민감한 로봇 피니싱 응용 분야에 적합하다고 단언한다. 또한, 특정 재료 및 공구 조건에 맞춰 모델 파라미터를 재교정한다면 다른 자유곡면 피니싱 작업에도 적용 가능하다는 점이 주목된다.