이지형 교수, 이은호 교수, AI 딥러닝 이용한 자동차 금형 CAD 설계도면 자동 검도기술 개발

▲ (왼쪽부터) 이지형 교수(교신저자), 이은호 교수(교신저자), 이진섭 석박통합과정생, 김태현 석박통합과정생

인공지능학과 이지형 교수 연구팀과 기계공학부 이은호 교수 연구팀은 현대기아자동차 프레스금형설계팀, 선행생산기술해석팀과의 공동연구를 통해 ‘딥러닝 기반 금형 CAD 설계도면 자동검도기술’을 개발하였다. 연구팀의 이번 연구성과는 이를 세계적으로 권위 있는 학술지인 EAAI(Engineering Application of Artificial Intelligence, IF: 8.0, JCR 상위 TOP 5 이내)에 게재했다.

최근 제조업 분야 설비의 무인화 및 자동화가 활발히 진행되며 인공지능과 기계학습 모델의 활용이 중요해지고 있다. 제품 생산 과정에서는 인공지능과 기계학습 기술을 활용하여 제품 결함 탐지 및 제품 판별을 진행하고 있지만, 금형의 설계 과정에서는 복잡한 구조로 인해 아직도 많은 경험을 쌓은 엔지니어가 직접 검도를 하고 있다. 하지만, 엔지니어가 많은 항목들을 직접 검도하는 것은 많은 시간과 숙련도가 요구된다.

이에 연구팀은 인공지능 딥러닝 CNN 모델을 활용하여 3차원 금형 CAD 설계도면에서 각종 결함 판단에 기준이 되는 3차원 레퍼런스를 자동 검출할 수 있는 알고리즘을 개발하였고, 이를 CAD 인터페이스에서 바로 활용할 수 있도록 CAD 연동모델을 개발하였다.

자동 검출 알고리즘에는 Object detection과 Semantic segmentation 모델을 활용하여 CAD 모델에서 취득한 서로 다른 3차원 레퍼런스의 종류 및 위치를 정확히 검출하였다. 또한, CAD 연동 모델을 통해서 CAD 데이터로부터 이미지 자동 추출 작업 및 CAD 인터페이스에서의 레퍼런스 취출 작업을 자동화하였다.

▲ [그림1] 사이드 아우터 레퍼런스 취출 연구

▲ [그림2] 자동차 금형 단면 만족도 평가 모델

▲ [그림3] 자동검도시스템 구조

이지형, 이은호 교수는 "단순한 인공적인 금형 설계 데이터가 아니라, 실제 현업에서 사용되는 복잡한 자동차 금형 CAD 설계 데이터에 대해서 실증한 결과가 휴먼에러(human error)와 비슷한 수준을 보였으며, 산업현장의 전문가의 노동집약적인 검도비용을 획기적으로 줄일 수 있을 것으로 보인다"고 연구의 의미를 설명했다. 또한 "개발한 지그재그 프로세스 프레임워크는 자동차 금형 CAD 데이터 뿐만 아니라, 다른 설계도면 데이터에 대해서도 확장 적용이 가능할 것으로 보이며, 추후 CAD 설계 데이터 검도 자동화 및 스마트 팩토리 분야에 있어서 중요한 역할을 할 것으로 기대한다"고 말했다.

본 연구는 현대기아자동차 프레스성형설계팀과 선행생산기술해석팀, 한국연구재단(IITP, 2019-0-00421), HPC Support Project의 연구결과로 학습 데이터 수가 적음에도 불구하고, 개발한 방법을 통하여 금형의 설계 과정에서의 적용가능성을 보여주었다.

이번 연구 성과로 자동화 및 제어 시스템과 인공지능 분야 학술지인 EAAI(Engineering Application of Artificial Intelligence, IF: 8.0, JCR 상위 TOP5 이내)지에 1월 1일 온라인 게재되었다.

※ 논문명: Automation of trimming die design inspection by zigzag process between AI and CAD domains

※ 논문링크: https://doi.org/10.1016/j.engappai.2023.107283

※ 저자명: Jee-Hyong Lee, Eun-Ho Lee (교신저자), Jin-Seop Lee, Tae-Hyun Kim (제1저자), Sang-Hwan Jeon, Sung-Hyun Park, Sang-Hi Kim (공동 저자)