본 연구는 자체 개발한 청진기 기반 내부 음향 센서 (Internal Sound Sensor) 의 성능을 증명하고, 오토인코더(Autoencoder) 신경망 모델 (Neural Network, NN) 을 활용하여 공정 이상을 예측하는 플랫폼을 제안하였다. 로봇 내부의 소리와 오토인코더를 통해 산업용 로봇의 허용 중량 초과 여부를 판단함을 시연했다.
공정 이상시의 데이터는 정상 상태 대비 수집량이 제한적이며, 이는 기계학습 모델에 데이터 불균형을 초래하는데, 이는 오토인코더로 문제점을 해결할 수 있다. 오토인코더는 입력 데이터를 똑같이 복제해낼수 있는 신경망 모델로, 정상 데이터로만 학습할 수 있으며, 충분히 학습된 경우 이상 투입 데이터를 정상 투입 데이터만큼 복제해내지 못하는 특성이 있다. 따라서 투입 데이터와 복제 데이터의 차이를 계산하여 이상 여부를 파악할 수 있으며, 생산 공정에서 이상 데이터 수집의 어려움 또한 극복할 수 있다. 오토 인코더는 반도체 장비의 이상에 적용한 연구 외에는 다른 분야의 적용 사례가 보고되지 않았으며, 특히 산업용 로봇의 이상 판단에는 제시되지 않았다.
또한 제조 공정과 장비를 모니터링하기 위한 음향 및 진동 센서로 마이크와 가속도계 등이 사용되어 왔다. 하지만 해당 센서들은 외부 소음에 취약하거나, 신호 처리를 위한 별도의 장비가 필요하다. 이에 본 연구에서는 청진기를 기반으로 한 내부 음향 센서를 대안으로 제시하였다. 청진기 센서는 청진기와 마이크가 결합된 것으로, 외부의 소음을 최대한 억제하면서 내부의 진동을 측정할 수 있다. 또한 임베디드 PC 를 통해 녹음이 가능하므로, 별도의 앰프나 컨디셔닝 장비가 필요없는 등 저전력, 저비용의 특성을 갖추고 있으므로, 사물 인터넷에서 활용이 가능하다.
