인공신경망을 활용한 볼스크류 이송계의 이상 감지 방법에 관한 연구

Abnormal Detection Method of Ball Screw Transfer System Using Artificial Neural Network

본 논문에서는 볼스크류의 이상 상태를 감지하기 위해 PLC와 AC 서보 시스템을 통해 실시간으로 위치, 속도, 토크 데이터를 수집하고 인공신경망을 활용하여 결함 감지 성능을 평가하였다. 이를 위해 정상 상태와 결함 상태에 서의 데이터를 비교, 분석하고 keras 기반 인경신경망 모델로 학습을 통해 볼스크류의 커플링 손상 여부를 판별하는 실험을 진행하였다. 실험 결과 수집된 데이터를 기반으로 학습한 모델은 테스트 데이터셋에서 분류 정확도는 71.3%, AUC는 0.79를 통해 엔코더 데이터를 활용한 이상 감지 가능성을 확인할 수 있었다. 본 연구는 공장자동화 및 스마트 팩토리 분야에서 볼스크류의 상태를 저비용으로 실시간으로 모니터링하고 유지보수의 효율성을 높이는데 기여할 것으로 기대된다.

In this study, position, speed, and torque data were acquired in real time via PLC and AC servo systems to detect abnormal ball screw conditions. Furthermore, thedefect detection performance was evaluated using artificial neural networks. An experiment was conducted to compare and analyze data in normal and defective statesand to determine whether the ball screw was damaged during coupling via learning with a keras-based human neural network model. The model trained on the experimental data demonstrated the potential for anomaly detection using encoder data, achieving a classification accuracy of 71.3% and an AUC of 0.79 on the test dataset. This study is expected to contribute to the real-time monitoring of ball screws at a low cost and improve the maintenance efficiency in factory automation and smart factories.