클라우드 컴퓨터와 IoT, AI, 그리고 딥 러닝이 화제를 모으고 있는 가운데, 제조업에서는 독일의 인더스트리 4.0(Industry 4.0)이나 미국의 Industrial Internet Consortium(IIC)과 같은 스마트 매뉴팩처링(Smart Manufacturing)을 실현하기 위한 추진이 주목을 받고 있다. 일본에서도 로봇혁명 이니셔티브협의회나 Industrial Value Chain Initiative에서 스마트 매뉴팩처링 실현을 위한 활동이 실시되고 있다.
또한, 일본이 제창하는 소사이어티 5.0(Society 5.0)에서는 ‘필요한 사물·서비스를, 필요한 사람에게, 필요할 때, 필요한 만큼 제공하여 사회의 다양한 요구에 세심하게 대응할 수 있으며, 모든 사람에게 질 높은 서비스를 제공하여 연령, 성별, 지역, 언어와 같은 여러 가지 차이를 초월한 활기차고 쾌적한 삶을 영위할 수 있는 사회’로 정의된 초스마트사회 실현을 목표로 내걸고 있다.
그러나 일본의 제조업은 저출산 고령화에 따른 전문 종사자의 감소와 숙련 기능자의 퇴직이라는 문제에 직면하고 있다. 그러나 공작제품 제조에서 생산형태는 대량생산에서 소량생산(커스터마이즈 생산)으로, 제품수명은 더욱 짧아졌으며, 부품형상이나 가공공정은 더욱 복잡해지고 있다.
그림 1에 나타낸 것과 같이 기계가공용 NC 프로그램 작성과 같이 자동화를 위한 작업순서를 결정하는데 필요한 여러 가지 노력을 기울이고 있음에도 불구하고, 작업순서를 정하는 인적 자원의 부족을 보완하기 위해서는 공작기계를 비롯한 생산설비에서 지금까지 노력한 것 이상으로 고도의 지능화와 자율화 실현이 요구되고 있다.
▲ 그림 1 자동화를 위태롭게 하는 인적자원 부족
기계가공을 NC 프로그램으로 지령할 경우의 문제점
기계가공의 자동화에서는 그림 2에 나타낸 순서로 기계가공용 NC 프로그램이 작성되지만, NC 프로그램에서는 공작기계의 동작을 지령하는 최소한의 필요 정보밖에 포함되어 있지 않기 때문에 공작기계에서는 가공하고 있는 제품의 설계정보나 가공정보가 전달되지 않는다.
▲ 그림 2 기계가공을 NC 프로그램으로 지령할 경우의 문제점
이로 인해 기계가공을 NC 프로그램에서 지령하는 행동방식에서는 다음과 같은 문제를 해결하기 어려운 실정이다.
(1) 설계정보나 가공정보가 공작기계에 전달되지 않는다는 점에서 실현 가능한 지능화·자율화에서 제약을 받는다. 예를 들어 NC 프로그램을 예상하고 적용시켜 깔끔하고 원활하게 가공을 위해 노력하고는 있지만 설계된 가공형상이 아닌, NC 프로그램에서 추정하는 가공형상으로 가공된다. 또한, 가공하고 있는 제품의 재질이나 사용하고 있는 공구가 불분명하기 때문에 공작기계에서 가공 상황을 파악할 수 없다.
(2) NC 프로그램을 작성하는 시점에서 사용하는 공작기계를 결정해 버리기 때문에 사용하는 공작기계를 변경하는 등의 생산계획 변경이 불가능하다.
(3) NC 프로그램을 작성하는 시점에서 사용하는 공구를 결정해 버리기 때문에 공구가 준비될 때까지 가공이 시작되지 않는다.
(4) NC 프로그램을 작성하는 시점에서 절삭조건을 정하여 공구 경로를 생성해 버리기 때문에 가공 상황에 따른 절삭조건의 최적화나 가공 프로세스 제어가 불가능하다.
CAD/CAM/CNC 연계에 따른 공작기계의 지능화와 자율화
앞서 언급한 현행방식의 문제점을 해결하기 위해서는 가공하는 제품의 설계정보나 가공정보를 공작기계에 전달하는 것이 매우 중요하다. 이것을 가능케 하는 방식 중의 하나가 CAD/CAM/CNC 연계로, 이 경우의 정보흐름을 그림 3에 나타낸다.
▲ 그림 3 공작기계의 지능화·자율화를 위한 CAD/CAM/CNC 연계
현행방식과의 큰 차이는 ① 가공하는 제품의 설계정보나 가공정보를 공작기계가 알 수 있다는 점, ② CAM과 CNC의 연계로 공작기계의 축 구성이나 동적 특성을 고려한 공구 경로를 생성할 수 있다는 점이다.
현행방식에서는 공구 경로를 생성할 때, 공작기계의 축 구성이나 동적 특성이 고려되는 경우가 없었기 때문에 CNC는 공구 경로를 미리 예상하여 급격한 가속/감속을 회피하고 있다. 또한, 미리 공구경로를 생성한 다음 지령하는 것이 아닌, 가공 중에 공구 경로를 생성하여 순차적인 지령이 가능하다면, 가공 상황에 따른 절삭조건의 최적화와 가공 프로세스 제어 등, 전혀 새로운 지능화와 자율화 기능을 실현할 수 있다.
필자와 관계자들은 이와 같은 생각을 바탕으로, 공작기계 스스로가 공구 경로를 계상하여 가공 프로세스 제어가 가능한 자율형·지능형 NC 공작기계의 실현을 목표로 연구를 추진해 왔다. 이와 같이 혁신적인 공작기계는 일본 내각부가 주도하는 전략적 이노베이션 창조 프로그램(SIP)/혁신적 설계생산기술의 ‘CAM-CNC 융합에 따른 혁신적 공작기계의 지능화와 기계가공기술의 고도화’라는 연구개발 프로젝트로 채택되었다.
실용화를 목표로 시험 제작하고 있는 공작기계의 구성은 그림 4에 나타낸 것과 같다. 그림에 있는 DCM(가상 모방가공)은 실물모형의 모방조작을 실시하면서 인프로세스로 공구경로를 계산한다. 제품과 소재의 CAD 모델을 공작기계에 제시하면, NC 프로그램을 미리 준비하지 않고 3D 프린터처럼 손쉽게 기계가공을 할 수 있다.
▲ 그림 4 CAM-CNC 통합에 따른 NC 공작기계의 지능화와 자율화
기계가공까지의 순서는 ① 제품모델 선택, ② 워크모델 선택, ③ 공정설계, ④ 가공개시의 4단계로, 가공 중인 CNC 화면과 가공사례를 그림 5에 나타낸다. 일련의 동영상은 https://www.youtube.com/watch?v=rz5TNkONRSA에서 볼 수 있다. 이 시험제작기는 2015년 EMO, 2016년 IMTS, JIMTOF에 출품되었다.
▲ 그림 5 기계가공을 3D 프린터처럼 손쉽게 실현한 공작기계
가공 노하우를 반영한 공정설계 자동화
필자와 관계자들은 앞서 언급한 자율형·지능형 NC 공작기계를 연구하면서 공정설계 자동화에 주력해 왔다. 공정설계 자동화가 실현된다면, NC 프로그램을 자동으로 작성할 수 있기 때문에 기존의 NC 공작기계에서도 NC 프로그램 작성을 위한 노력을 줄일 수 있다.
그러나 알고리즘에 동반된 방법으로 공정설계를 자동화하더라도 기능자가 의도하는 가공순서나 절삭조건을 결정하기 어려웠다. 게다가 기능자 한 사람의 의도를 이해한 알고리즘을 얻을 수 있다고 하더라도, 알고리즘에 따른 방법에서는 공정설계 결과에 다양성이 없으며, 다른 기능자가 만족하는 가공순서나 절삭조건을 결정할 수 없다는 문제가 있었다. 이런 점에서 기능자에 의한 CAM의 조작이력에 숨어 있는 데이터를 수집·축적하고 이것을 분석하여 각 기능자의 가공 노하우를 학습하여 공정설계에 반영하는 자동화에 도전하고 있다.
가공순서는 그림 6에 나타낸 것처럼, 소재형상과 제품형상의 3차원 CAD 모델에서 산출된 가공제거 영역을 분할한 가공영역에서 구할 수 있다. 가공순서 결정은 각 가공영역의 ‘가공 피처’(기계가공 특유의 형상특징)에 주목하여 실시한다. 어떤 가공 피처를 우선적으로 가공할 것인가는 기능자에 따른 CAM 조작이력을 통해 학습한다. 또한, 같은 가공 피처의 가공순서를 결정할 때, 가공 피처의 기하학적 데이터를 수집하고 수집한 데이터의 경향, 예를 들어 체적이 큰 순서로 우측에서 좌측의 순서라는 식으로 기능자의 가공 노하우를 학습한다.
▲ 그림 6 가공제거 영역에서 구할 수 있는 가공순서
학습 후에는 가공 피처의 우선순서와 기하학적 데이터에 따라 그림 7에 나타낸 것처럼 수많은 가공공정 패턴 중에서 기능자의 가공 노하우를 반영한 각 가공영역의 가공순서를 자동으로 결정할 수 있다. 이 방법에서는 공정설계의 의도나 방침을 기능자에게 질문하지 않고, CAM의 조작이력에서 가공 노하우를 학습할 수 있다는 특징이 있으며, 학습결과에 따라 공정설계 결과가 변화하는 다양성과 유연성을 갖고 있다.
▲ 그림 7 숙련자의 가공 노하우를 반영한 가공순서 결정
가공순서가 결정되면, 가공 피처마다 가공조건이 결정된다. 가공조건은 기능자가 과거에 CAM을 조작하여 NC 프로그램을 작성할 때 가공 피처마다 결정한 사용공구, 공구 경로, 절삭조건으로 가공사례 데이터베이스에 축적되어 있다. 여기에서 새로운 가공사례의 가공 피처에 유사한 가공 피처를 위치, 체적, 형상과 같은 기하학적 데이터를 단서로 하여 가공사례 데이터베이스에서 검색한다. 새로운 가공사례의 가공 피처에서 가장 적합한 가공조건은 그림 8에 나타낸 것처럼 가공사례를 참조로 하여 자동으로 결정할 수 있다.
▲ 그림 8 가공사례를 참조한 가공조건 결정
이상과 같이 가공순서와 가공조건을 자동으로 결정할 수 있다면 CAM 기능을 이용하여 NC 프로그램을 자동으로 작성할 수도 있다.
절삭가공 시뮬레이션의 활용
기계가공을 NC 프로그램으로 지령하는 현행방식의 문제점으로, 공작기계가 가공 상황을 파악할 수 없다는 점을 꼽을 수 있다. 공작기계가 가공 상황을 파악하기 위해서는 가공하고 있는 제품의 형상이나 재질, 사용하고 있는 공구의 정보를 바탕으로 한 절삭가공 시뮬레이션 활용이 효과적이다. 공작기계의 충돌회피기술이 시뮬레이션에 따른 충돌검출을 바탕으로 한 것과 같이, 절삭가공 시뮬레이션의 활용이 추진되면, 시뮬레이션 결과를 바탕으로 한 가공 상황의 적합/부적합 판단이나 적응제어와 같은 공작기계에서 고도의 지능화에 공헌할 수 있다.
필자와 관계자들은 공작기계가 가공 상황을 파악할 수 있는 수단으로 엔드밀가공을 대상으로 한 절삭가공 시뮬레이터를 개발했다. 절삭가공 시뮬레이터는 공작물을 복셀(Voxel) 모델로 표현하여 엔드밀 절삭날이 제거하는 복셀을 검출하여 가공형상의 변화를 계산하고 이와 함께 시시각각 변화하는 절삭두께에서 가공 중 절삭력이나 절삭토크를 계산하고 있다. 복셀 모델은 3차원 형상을 미세한 입방체의 집합으로 표현하는 모델로 형상을 상세하게 표현하기 위해 방대한 메모리를 필요로 하는 반면 형상표현이나 형상처리가 용이하다는 특징이 있다.
절삭가공 시뮬레이터의 실행화면을 그림 9에 나타낸다. 이 사례에서는 홈이나 Hole을 가진 공작물을 엔드밀로 가공할 때의 형상변화가 화면 좌측에 표시되어 시시각각 변화하는 절삭력 파형이 순간적으로 계산되어 화면 우측에 표시된다.
▲ 그림 9 복셀 모델을 이용한 절삭가공 시뮬레이터
시뮬레이터 활용사례로 가공이상 검출과 적응제어에 대해 알아본다. 그림 10에 나타낸 가공이상 검출에서는 절삭가공 시뮬레이터가 계산하는 절삭토크와 스핀들 모터의 토크를 비교하여 가공이상 유무를 판정한다. 사용하는 공구나 절삭조건, 가공 상황이 변화하면 실측값인 스핀들 모터의 토크 대소(역치 설정)만으로 가공이상 유무를 판정하기는 어렵지만, 시뮬레이션 결과는 사용하는 공구나 절삭조건, 가공 상황 변화에 따른 판정기준을 제공해 주기 때문에 가공이상 판정이 용이하다.
▲ 그림 10 시뮬레이션 결과를 참조한 가공이상 검출
그림 11에 나타낸 적응제어에서는 절삭가공 시뮬레이터가 계산하는 절삭토크나 절삭력이 일정해지도록 적응제어를 실시한다. 적응제어가 보급되지 않는 것은 공작기계에 절삭력을 측정하기 위한 동력계를 설치하는 것이 비현실적이기 때문으로, 시뮬레이션 결과를 이용하면 동력계를 설치할 필요가 없다. 그림 11에서는 DCM(가상 모방가공)과 조합시킨 구성을 나타내며, NC 프로그램을 예상하여 시뮬레이션을 실시하면, 기존의 NC 공작기계라도 적응제어가 가능하며, 과부하로 인한 공구결손 등의 가공 트러블 회피를 실현할 수 있다.
▲ 그림 11 시뮬레이션 결과를 바탕으로 한 적응제어
고도의 절삭가공 시뮬레이션 실현
필자는 엔드밀가공의 절삭가공 시뮬레이션 연구에 오랫동안 종사해 왔다. 이러한 가공현상을 이해하기 위해서는 더욱 고도화된 시뮬레이션 기술이 필요하다. 앞서 소개한 절삭가공 시뮬레이션에서는 공구의 경우 강체(변형되지 않음)라는 전제로 정적인 절삭력을 예측하고 있다. 필자와 관계자들은 공작물을 복셀 모델로 표현하는 절삭가공 시뮬레이터를 개발해 왔으며, 그림 12에 나타낸 것과 같이 절삭가공 시뮬레이션을 다목적·다용도로 이용하기 위해서는 더욱 작은 복셀 사이즈로 동적 해석이 가능하도록 기능을 확장시키고 있다. 공간분해능과 시간분해능을 작게 하여 동적 해석이 가능해지면, 그림 13에 나타낸 것과 같이 가공 면에 표현되는 커터마크나 표면거칠기, 가공 중 진동현상을 해석할 수 있다.
▲ 그림 12 다목적·다용도로 이용 가능한 절삭가공 시뮬레이터
▲ 그림 13 절삭가공 시뮬레이터의 해석영역
지금까지의 절삭가공 시뮬레이션은 공구와 공작물의 관계만을 모델화하여 절삭력을 예측해 왔으나, 가공 중 절삭력은 공구기계의 구조나 공구이송 구동계, 스핀들 구동계에서 작용한다. 그 결과, 공작기계는 진동을 하여 공구 이송속도나 스핀들 회전수가 변동하기 때문에 이러한 상호작용을 고려할 수 있는 절삭가공 시뮬레이션 기술이 필요하다.
필자와 관계자들은 그림 14에 나타낸 것과 같이 동적 해석이 가능한 절삭력 모델과 공구기계와 공구이송 구동계의 동적 특성을 표현할 수 있는 공작기계 모델, 스핀들 구동계의 동적 특성을 표현할 수 있는 스핀들 구동계 모델을 통합하여 연성(連成) 시뮬레이션을 했다.
▲ 그림 14 공작기계의 동적 특성과 절삭력의 연성 시뮬레이션
연성 시뮬레이션에서 공구 절삭날의 궤적은 (1) 절삭력 모델로 절삭토크와 절삭력을 계산, (2) 공작기계 모델로 공구와 공작물의 상대위치를 계산, 더 나아가 스핀들 구동계 모델로 공구회전각을 계산, (1)과 (2)의 시간간격을 촘촘히 하여 서로 반복하여 계산한다. 이것으로 절삭력이 공구의 동적 운동에 영향을 미쳐 공구의 동적 운동이 절삭력에 영향을 미친다는 연성효과를 고려한 절삭력 예측이 가능하다.
절삭력 측정 결과와 연성 시뮬레이션 결과, 공작기계나 구동계의 동적 특성을 고려하지 않은 절삭력 시뮬레이션 결과를 비교할 수 있도록 그림 15에 나타낸다. 이 결과는 중절삭 조건에서 가공한 예로, 절삭력 파형의 변화가 공작기계의 동적 거동과 절삭력의 상호작용으로 발생한다는 것을 확실히 알 수 있다. 여기에서 소개한 고도의 절삭가공 시뮬레이션은 가공 중 절삭력의 변화나 이상 진동 발생 원인의 규명, 이상 진동 억제방법과 공작기계 구조나 제어계의 설계 방침 검토에 공헌할 수 있을 것으로 예상된다.
▲ 그림 15 시뮬레이션 결과의 비교
맺음말
인더스트리 4.0이 목표로 하는 스마트 팩토리에서는 공작기계에서 가공공정과 가공조건을 스스로 결정할 수 있는 고도의 지능화와 자율화가 요구되고 있다. 그러나 기계가공을 NC 프로그램으로 지령하는 현행방식에서는 공작기계에 제품의 설계정보나 가공정보가 전달되지 않기 때문에, 실현 가능한 공작기계의 지능화와 자율화에서는 제약을 받는다.
여기에서 소개한 CAD/CAM/CNC의 연계는 공작기계가 설계정보나 가공정보를 활용하여 가공 프로세스나 가공품질 제어를 실현하는 데 필요한 콘셉트이다. 또한, 공정설계 자동화나 절삭가공 시뮬레이션 활용은 제조현장의 인적 자원 부족을 보완할 수 있는 공작기계의 지능화와 자율화를 실현하는 열쇠가 될 것이다.
白瀬敬一
고베대학 대학원 공학연구과 기계공학전공 교수
본 기사는 일본공업출판이 발행하는 「기계와 공구」지와의 저작권 협정에 의거하여 제공받은 자료입니다.
게재월 | 2018 - 03
260011
0