용접 조인트 대칭성 분석을 통한 로봇 용접 궤적 자동화: 품질 및 생산성 향상의 새로운 길

이 기술 요약은 David Curiel 외 저자가 Symmetry(2023)에 발표한 학술 논문 “Automatic Trajectory Determination in Automated Robotic Welding Considering Weld Joint Symmetry”를 기반으로 STI C&D 기술 전문가에 의해 분석 및 요약한 것입니다.

키워드

• Primary Keyword: 로봇 용접 궤적 자동화
• Secondary Keywords: 용접 조인트 대칭성, 프로파일로메트리, GMAW, 자동 용접, 로봇 비전 시스템

Executive Summary

• 도전 과제: 조선, 석유 및 가스 등 중공업 분야의 복잡하고 두꺼운 용접 조인트는 비균일한 형상과 어려운 용접 자세로 인해 자동화가 어려워 수동 작업에 크게 의존해 왔습니다.
• 해결 방법: 레이저 프로파일 스캐너와 로봇 시스템을 통합하여 용접 조인트의 2D 프로파일을 획득하고, 조인트의 기하학적 대칭성을 분석하여 최적의 용접 지점과 토치 접근 각도를 자동으로 결정하는 알고리즘을 개발했습니다.
• 핵심 돌파구: 용접 조인트의 대칭성이 최대가 되는 토치 각도를 수학적으로 계산하여, 부품의 미세한 변형이나 부정확한 위치 설정에도 불구하고 충돌 없이 정확한 용접 경로를 자동으로 생성하는 데 성공했습니다.
• 핵심 결론: 이 대칭성 기반 궤적 결정 기술은 수동 개입을 최소화하고, 용접 준비 시간을 단축하며, 일관된 용접 품질을 보장함으로써 로봇 용접의 생산성과 신뢰성을 획기적으로 향상시킬 수 있습니다.

도전 과제: 왜 이 연구가 CFD 전문가에게 중요한가

조선, 석유 및 가스, 에너지와 같은 중공업 분야의 구조물은 수백 개의 부품이 용접으로 결합되어 만들어집니다. 특히 두꺼운 판재를 사용하는 복잡한 조인트는 (i) 불균일하고 불규칙한 용접 그루브와 (ii) 숙련된 기술을 요구하는 특수한 용접 자세 때문에 용접이 매우 까다롭습니다. 이러한 작업은 용접 작업자에게 상당한 육체적 부담과 위험을 안겨주며, 현재까지 대부분 수동 용접에 의존해 왔습니다.

로봇을 이용한 용접 자동화가 대안으로 떠올랐지만, 기존의 “클릭 앤 고(click and go)” 방식은 작업자가 각 용접 레이어마다 포인트를 지정해야 하는 한계가 있었습니다. 특히 두꺼운 판재는 용접이 진행됨에 따라 프로파일 형상이 계속 변하기 때문에 이 방식은 오류를 유발하기 쉽습니다. 또한, 용접 중 발생하는 레이저 반사, 아크 사운드, 용융 풀 등의 변수는 스캔된 프로파일의 정확도를 떨어뜨리는 요인이 됩니다. 따라서 실제 산업 현장의 불완전한 조건 속에서도 로봇이 스스로 최적의 용접 경로를 찾아내는 지능적인 기술이 절실히 요구되었습니다.

접근 방식: 방법론 분석

본 연구에서는 로봇 용접 궤적 자동화를 위해 다음과 같은 실험 환경과 데이터 수집 체인을 구축했습니다.

• 실험 장비: FANUC 로봇 팔, EWM ALPHA Q-532 용접기, 그리고 Quelltech Q4-120 레이저 프로파일로미터를 통합한 용접 셀을 구성했습니다. 용접 대상은 석유 및 가스 산업용으로 준비된 V-형태의 맞대기 조인트(총 두께 60mm, 각도 55도)를 가진 연강 판재입니다.
• 용접 공정: 가스 금속 아크 용접(GMAW) 공정을 사용했으며, 보호 가스로는 아르곤(80%)과 이산화탄소(20%) 혼합 가스를 분당 18L 유량으로 사용했습니다. 노즐 직경은 18mm, 스틱아웃(stick-out)은 18mm로 설정했습니다.
• 데이터 수집 및 처리:
  1. 프로파일 스캔: 용접 전, 레이저 프로파일로미터가 조인트를 따라 이동하며 6개의 불연속적인 2D 프로파일(점 구름)을 획득합니다.
  2. 데이터 필터링: 획득된 원시 데이터에 포함된 노이즈(예: 표면 불순물이나 반사로 인한 빛 번짐)를 제거하기 위해 이동 중앙값 필터(moving median filter)를 적용하여 신호를 부드럽게 처리합니다.
  3. 용접 지점(WP) 결정: 필터링된 프로파일의 곡선 아래 면적(AUC, Area Under the Curve)을 계산하는 ‘사다리꼴 공식’을 응용하여, 면적을 정확히 이등분하는 기하학적 중심점을 용접 지점(WP)으로 결정합니다.
  4. 최적 토치 각도 계산: 결정된 용접 지점(WP)을 중심으로 프로파일을 가상으로 회전시키면서, 조인트의 좌우 대칭성이 최대가 되는 각도를 수학적으로 찾아냅니다. 이 각도가 최적의 토치 접근 각도로 결정됩니다.

이러한 체계적인 접근법을 통해 로봇은 부품의 실제 형상과 위치를 기반으로 최적의 용접 궤적을 스스로 계획할 수 있습니다.

돌파구: 주요 발견 및 데이터

본 연구의 알고리즘은 용접 조인트의 대칭성을 정량적으로 분석하여 최적의 용접 경로를 자동으로 결정하는 혁신적인 결과를 도출했습니다.

발견 1: AUC 분석을 통한 정확한 용접 지점(WP) 자동 결정

기존의 수동 포인트 지정 방식과 달리, 본 연구에서는 레이저로 스캔한 프로파일의 곡선 아래 면적(AUC)을 분석하여 용접할 V-그루브의 기하학적 중심을 정확히 찾아냈습니다. Figure 7은 6개의 다른 프로파일에 대해 계산된 AUC 곡선을 보여줍니다. 이 곡선이 시그모이드(S-모양) 형태를 띠며, 그래프의 수직선은 면적을 정확히 이등분하는 지점, 즉 최적의 용접 지점(WP)을 나타냅니다. 이 방법을 통해 작업자의 주관적인 판단을 배제하고 데이터 기반으로 일관된 용접 지점을 자동으로 결정할 수 있게 되었습니다.

발견 2: 대칭성 분석을 통한 최적 토치 접근 각도 도출 및 충돌 방지

단순히 중심점을 찾는 것만으로는 노즐과 모재 간의 충돌을 피할 수 없습니다. 특히 부품의 미세한 변형이나 클램핑 오류가 있을 경우 더욱 그렇습니다. 본 연구에서는 이 문제를 해결하기 위해 ‘대칭성 분석’을 도입했습니다. 알고리즘은 용접 지점(WP)을 기준으로 프로파일을 -15도에서 +15도까지 0.5도씩 가상으로 회전시키며 각 각도에서의 대칭 및 비대칭 함수를 계산합니다.

Figure 10은 대칭성 계수(S)와 상관 계수(C)를 각도에 따라 나타낸 그래프입니다. (a) 전면 조인트의 경우, 0도에서 대칭성이 가장 높아 별도의 각도 보정이 필요 없었습니다. 하지만 (b) 후면 조인트의 경우, 0도에서는 대칭성이 낮았고, 약 3도에서 대칭성이 최대화되는 것을 발견했습니다. 이는 후면 조인트의 미세한 변형을 보상하기 위해 토치 각도를 3도 기울여야 최적의 접근이 가능함을 의미합니다. 이 분석을 통해 대칭성 계수 C값이 0.999 이상인 최적의 각도를 찾아내어, 충돌 위험을 제거하고 안정적인 용접 경로를 확보했습니다.

R&D 및 운영을 위한 실질적 시사점

• 공정 엔지니어: 이 연구는 특정 공정 변수(토치 접근 각도)를 자동으로 조정하는 것이 특정 결함(노즐 충돌)을 줄이고 효율성(준비 시간 단축)을 향상시키는 데 기여할 수 있음을 시사합니다. 수동으로 경로를 프로그래밍할 필요 없이 스캔 한 번으로 최적의 궤적을 생성할 수 있습니다.
• 품질 관리 팀: 논문의 Figure 10에 제시된 대칭성 계수(C) 데이터는 용접 전 조인트의 조립 상태를 평가하는 새로운 품질 검사 기준으로 활용될 수 있습니다. C 값이 비정상적으로 낮게 나올 경우, 부품의 클램핑 불량이나 심각한 변형을 의미하므로 사전에 문제를 파악하고 조치할 수 있습니다.
• 설계 엔지니어: 이 연구 결과는 특정 설계 특징(조인트의 대칭성)이 자동화 공정 중 결함 형성(부정확한 용접 위치)에 영향을 미칠 수 있음을 나타냅니다. 이는 초기 설계 단계에서 로봇 자동화에 더 유리한 대칭적 조인트 설계를 고려하는 것이 중요함을 시사합니다.

논문 상세 정보

Automatic Trajectory Determination in Automated Robotic Welding Considering Weld Joint Symmetry

1. 개요:

• Title: Automatic Trajectory Determination in Automated Robotic Welding Considering Weld Joint Symmetry
• Author: David Curiel, Fernando Veiga, Alfredo Suarez, Pedro Villanueva and Eider Aldalur
• Year of publication: 2023
• Journal/academic society of publication: Symmetry
• Keywords: robotic welding; GMAW; part inspection; profilometry

2. 초록:

용접 구조물 검사 분야는 현재 전 세계적인 기술, 규제, 경제적 요인들의 융합으로 인해 급격한 변화를 겪고 있습니다. 이러한 발전은 새로운 재료 및 용접 공정의 도입, 검사 기술의 지속적인 발전, 용접 승인 코드 철학 및 인증 절차에 대한 혁신적인 접근, 비용 효율성 및 생산 품질에 대한 요구 증가, 노후 구조물의 수명 연장 필요성 등 여러 핵심 동인에 의해 추진됩니다. 오늘날 생산자들이 직면한 가장 중요한 과제 중 하나는 명시적 및 암묵적 요구를 모두 해결해야 하는 고객의 요구를 충족시키는 것입니다. 또한, 새로운 재료와 기술의 통합은 새로운 해결책의 탐구를 필요로 합니다. 이러한 해결책은 결함 식별 및 위치에 대한 정밀한 정량적 통찰력을 제공하면서 검사 프로세스 효율성을 향상시키는 것을 목표로 합니다. 이를 위해 우리 프로젝트는 아직 업계에서 승인받지 못한 일부 최첨단 기술을 제안합니다. 이러한 혁신 중 주목할 만한 것은 다른 해결책들 중에서도 용접 로봇에 비전 시스템을 통합하는 것입니다. 이 논문은 프로파일 스캐닝과 조인트 대칭성 개념을 활용하여 공구 경로 선택을 위한 획기적인 알고리즘을 소개합니다. 궤적 결정을 위한 대칭성 원리의 적용은 이 광범위한 분야 내에서 선구적인 접근 방식을 나타냅니다.

3. 서론:

중공업(조선, 석유 및 가스, 에너지 등)에서 구조물은 상대적으로 복잡하고 무거운 부품인 조인트에서 용접으로 결합된 수백 개의 구성 요소로 이루어져 있습니다. 이러한 복잡한 조인트는 (i) 불균일하고 불규칙한 용접 그루브와 (ii) 용접 과정에서 특별한 기술을 요구하는 용접 자세를 가지고 있어 용접하기 어렵습니다. 또한, 용접 작업자에게 큰 신체적 부담과 위험을 초래합니다. 이처럼 두껍고 복잡한 조인트 구조물을 제조하는 현재의 관행은 주로 수동 용접 공정에 국한되어 왔습니다. 로봇 팔을 이용한 용접 자동화는 현대 제조 기술에서 피할 수 없는 추세가 되었습니다. 이 공정은 로봇이 지정된 지점을 따라 용접하는 “클릭 앤 고” 방식으로 자동화되거나, 로봇이 각 레이어에서 용접할 지점을 선택하는 온라인 추적 알고리즘을 사용하여 자동화될 수 있습니다 [1]. 지능형 용접은 세 부분으로 구성됩니다. 첫째, 레이저 비전을 통한 정밀한 데이터 수집과 최적의 토치 위치를 위한 후속 데이터 처리입니다. 둘째, 다른 용접 조인트에 대한 정확한 용접 심 추적입니다. 셋째, 용접이 품질 관리를 통과할지 확인하기 위한 실시간 용접 결함 감지입니다 [2]. 이러한 공정은 선형성 및 시간 변화로 인해 복잡합니다. 용접 중 레이저 반사는 스펙트럼 신호 [3], 아크 사운드 신호 [4], 또는 용융 풀 [5]에 의해 발생하는 문제로, 스캔된 프로파일을 변경하고 부정확하게 만들 수 있습니다. 또 다른 큰 문제는 두꺼운 판이 용접의 고온으로 인해 겪는 수축의 유사성입니다. 이것이 바로 이 방법이 두꺼운 판의 프로파일 모양이 용접 시작점과 마지막 지점에서 완전히 다르기 때문에 작업자가 각 레이어의 스캔에서 용접할 위치를 클릭하지 않으면 “클릭 앤 고”가 실수를 할 수 있는 이유입니다.

4. 연구 요약:

연구 주제의 배경:

중공업 분야의 두껍고 복잡한 용접 조인트는 수동 작업에 대한 의존도가 높으며, 이는 생산성 저하와 작업자 안전 문제로 이어집니다. 로봇 용접 자동화가 해결책이지만, 기존 방식은 조인트 형상의 불규칙성과 용접 중 발생하는 변형에 효과적으로 대응하지 못하는 한계가 있었습니다.

이전 연구 현황:

이전 연구들은 CAD 기반 오프라인 프로그래밍, 비전 센서를 이용한 그루브 정보 획득, 용접 비드 형상 모니터링 등 다양한 접근법을 제시했습니다. 그러나 대부분의 연구는 이상적인 조건이나 특정 형상에 초점을 맞추었으며, 실제 현장에서 발생하는 부품의 부정확한 위치 설정이나 미세한 변형을 고려하여 최적의 토치 경로와 자세를 실시간으로 결정하는 데에는 한계가 있었습니다. 특히, 조인트의 ‘대칭성’을 정량적으로 분석하여 궤적 결정에 직접 활용하는 접근은 거의 시도되지 않았습니다.

연구 목적:

본 연구의 목적은 레이저 프로파일 스캐닝과 조인트 대칭성 개념을 결합하여, 로봇이 용접 조인트의 실제 형상을 기반으로 최적의 용접 궤도와 토치 접근 각도를 자동으로 결정하는 혁신적인 알고리즘을 개발하는 것입니다. 이를 통해 수동 개입을 최소화하고, 용접 품질의 일관성을 높이며, 자동화의 적용 범위를 넓히고자 합니다.

핵심 연구:

핵심 연구 내용은 다음과 같습니다: (1) 레이저 프로파일로미터로 획득한 원시 데이터를 필터링하여 노이즈를 제거하는 전처리 과정. (2) 필터링된 프로파일의 곡선 아래 면적(AUC)을 계산하여 기하학적 중심점인 용접 지점(WP)을 결정하는 방법. (3) WP를 중심으로 프로파일을 가상 회전시키며 조인트의 대칭성이 최대가 되는 최적의 토치 접근 각도를 찾는 대칭성 분석 알고리즘 개발.

5. 연구 방법론

연구 설계:

본 연구는 실험적 설계를 기반으로 합니다. 실제 산업 환경과 유사한 용접 셀(FANUC 로봇, EWM 용접기, Quelltech 레이저 프로파일로미터)을 구축하고, V-형태의 맞대기 조인트를 가진 연강 시편을 대상으로 용접 궤적 자동화 알고리즘의 성능을 검증했습니다. 전면 조인트와 후면 조인트 각각에 대해 알고리즘을 적용하여 그 효과를 비교 분석했습니다.

데이터 수집 및 분석 방법:

데이터 수집은 레이저 프로파일로미터를 통해 조인트의 2D 프로파일(x, z 좌표)을 획득하는 방식으로 이루어졌습니다. 수집된 데이터는 다음과 같은 단계로 분석되었습니다: 1. 전처리: 이동 중앙값 필터를 사용하여 원시 데이터의 노이즈를 제거합니다. 2. 용접 지점(WP) 계산: 사다리꼴 공식을 이용해 프로파일의 곡선 아래 면적(AUC)을 계산하고, 면적 이등분 지점을 WP로 결정합니다. 3. 대칭성 분석: WP를 기준으로 프로파일을 회전시키며, 각 각도에 대한 대칭 함수(fs(x))와 비대칭 함수(fas(x))를 계산합니다. 이 함수들을 기반으로 대칭성 계수(S)와 상관 계수(C)를 도출하여 대칭성이 최대가 되는 최적 각도(θopt)를 찾습니다.

연구 주제 및 범위:

본 연구는 GMAW 공정을 이용한 두꺼운 판재의 첫 번째 용접 패스(루트 패스)에 대한 로봇 토치 궤적의 자동 결정에 초점을 맞춥니다. 연구 범위는 레이저 스캔을 통한 프로파일 획득, 데이터 처리, 그리고 대칭성 분석을 통한 최적의 용접 지점 및 토치 각도 결정까지를 포함합니다. 다층 용접이나 다른 종류의 조인트 형상에 대한 적용은 향후 연구 과제로 남겨두었습니다.

6. 주요 결과:

주요 결과:

• 용접 조인트의 2D 프로파일을 스캔하고, 곡선 아래 면적(AUC) 분석을 통해 용접 지점(WP)을 자동으로 결정하는 알고리즘을 성공적으로 구현했습니다.
• 용접 지점(WP)을 중심으로 프로파일을 가상 회전시키며 조인트의 대칭성을 정량적으로 평가하는 방법을 개발했으며, 이를 통해 최적의 토치 접근 각도를 결정했습니다.
• 전면 조인트의 경우 최적 각도가 0도에 가까웠으나, 미세한 변형이 있는 후면 조인트의 경우 약 3도의 각도 보정이 필요함을 발견했으며, 이는 알고리즘이 실제 부품의 불완전성을 보상할 수 있음을 보여줍니다.
• 개발된 알고리즘을 통해 계산된 모든 프로파일의 대칭성 상관 계수(C) 값은 0.998 이상으로, 이론적인 모델에 매우 가까운 높은 대칭성을 보였습니다. 이는 알고리즘의 신뢰성을 입증합니다.
• 이 대칭성 계수 값은 용접 전 조립 상태를 확인하는 실시간 품질 지표로 활용될 수 있는 잠재력을 가집니다.

Figure List:

• Figure 1. Experimental setup for robotic welding.
• Figure 2. Diagram of the case studies analyzed: (a) V-geometry and (b) real part.
• Figure 3. Schematic representation of the system and its communications.
• Figure 4. Three-dimensional representation of the profiles with reconstruction of the welding joint.
• Figure 5. Profiles acquired by the laser as a raw set of points.
• Figure 6. Stages in the processing of the laser-measured profile: (a) acquired raw weld seam; (b) filtered profile with moving median; (c) filtered profile with the weld spot area highlighted.
• Figure 7. Area under the curve of the weld, with the line marking the middle area for (a) the front joint and (b) the back joint.
• Figure 8. Weld joint on (a) front joint and (b) back joint. The center-line is in the middle area and the calculated centerpoint is at the midpoint of the weld point.
• Figure 9. f(x), f(−x), fs(x), fas(x) functions to evaluate and symmetric antisymmetric functions at different angles of rotation: (a) −10 deg, (b) 0 deg, (c) 3 deg, and (d) 10 deg.
• Figure 10. Result of symmetric ratio (S) and correlation coefficient (C) evolution at different angles of rotation in profile 0 of (a) the front joint and (b) the back joint.
• Figure 11. Position and rotation of the nozzle in the different discrete profiles (#0, #2, and #5) at (a) the front joint and (b) the back joint.

7. 결론:

본 논문은 대칭적인 조인트의 자동 용접을 위한 방법론을 제시합니다. 이 연구에서 도출된 주요 결론은 다음과 같습니다: – 로봇 위치, 용접 파라미터, 그리고 레이저 프로파일로미터로 획득한 조인트의 기하학적 구조가 모두 모니터링되는 용접 셀이 구축되었습니다. – 프로파일로메트릭 레이저 측정에서 추출한 프로파일에 대한 간단한 전처리 과정이 수행되었습니다. 용접될 각 면(전면과 후면)에 대해 6개의 불연속적인 프로파일이 선택되었습니다. 이 처리는 표면 불순물이나 빛나는 부분으로 인한 이상점을 제거합니다. – 용접될 프로파일 아래 곡선 분석을 기반으로 용접 지점이 선택되었습니다. 최종적으로, 조인트의 중심점을 더 잘 정의하기 위해 임계값을 사용하여 계산이 개선되었습니다. – 용접 아크의 공격 각도를 결정하기 위해, 프로파일 회전의 함수로서 조인트 대칭성에 대한 연구가 수행되었습니다. 전면에서는 0도에 가까운 오프셋이, 후면에서는 약 3도의 오프셋이 정의되었습니다. – 조인트는 순수 대칭에 가까운 대칭성을 보이며, 용접될 조인트의 이론적 모델에 가깝고 C 계수 값은 0.998보다 큽니다. 대칭성 값이 지나치게 낮으면 잘못된 획득이나 조인트의 잘못된 조립으로 인한 판독 실패를 의미할 수 있습니다. – 향후 연구 방향은 첫 번째 비드 용접뿐만 아니라 아크 용접을 이용한 적층 제조와 같은 다른 공정에서의 궤적 정의를 위해 이러한 알고리즘을 적용하는 쪽으로 맞춰질 것입니다.

8. 참고문헌:

1. Ye, G.; Guo, J.; Sun, Z.; Li, C.; Zhong, S. Weld bead recognition using laser vision with model-based classification. Robot Comput. Integr. Manuf. 2018, 52, 9–16.
2. Sreeraj, P.; Kannan, T.; Maji, S. Prediction and control of weld bead geometry in gas metal arc welding process using genetic algorithm. Int. J. Mech. Prod. Eng. Res. Dev. 2013, 3, 143–154.
3. He, Y.; Chen, Y.; Xu, Y.; Huang, Y.; Chen, S. Autonomous detection of weld seam profiles via a model of saliency-based visual attention for robotic arc welding. J. Intell. Robot. Syst. 2015, 81, 4–8.
4. Zhang, Z.F.; Yu, H.W.; Lv, N.; Chen, S.B. Real-time defect detection in pulsed GTAW of Al alloys trough online spectroscopy. J. Mater. Process. Technol. 2013, 212, 1145–1156.
5. Lv, N.; Xu, Y.I.; Zhang, Z.F.; Wang, J.F.; Chen, B.; Chem, S.B. Audio sensing and modeling of and arc dynamic characteristic during pulsed al alloy GTAW process. Sens. Rev. 2013, 33, 141–156.
6. Yan, S.J.; Ong, S.K.; Nee, A.Y.C. Optimal pass planning for robotic welding of large-dimension joints with deep grooves. In Proceedings of the 9th International Conference on Digital Enterprise Technology (DET2016)—Intelligent Manufacturing in the Knowledge Economy Era, Nanjing, China, 29–31 March 2016.
7. Chen, C.L.; Hu, S.S.; He, D.L.; Shen, J.Q. An approach to the path planning of tube-sphere intersection welds with the robot dedicated to J-groove joints. Robot. Comput. Integr. Manuf. 2013, 29, 41–48.
8. Tsai, M.J.; Lin, S.D.; Chen, M.C. Mathematical model for robotic arc-welding off-line programming system. Int. J. Comput. Integr. Manuf. 1992, 5, 300–309.
9. Shi, L.; Tian, X.C. Automation of main pipe-rotating welding scheme for intersecting pipes. Int. J. Adv. Manuf. Technol. 2015, 77, 955–964.
10. Shi, L.; Tian, X.C.; Zhang, C.H. Automatic programming for industrial robot to weld intersecting pipes. Int. J. Adv. Manuf. Technol. 2015, 81, 2099–2107.
11. Yang, C.D.; Ye, Z.; Chen, Y.X.; Zhong, J.Y.; Chen, S.B. Multi-pass path planning for thick plate by DSAW based on vision sensor. Sens. Rev. 2014, 34, 416–423.
12. Ahmed, S.M.; Yuan, J.Q.; Wu, Y.; Chew, C.M.; Pang, C.K. Collision-free path planning for multi-pass robotic welding. In Proceedings of the 2015 IEEE 20th Conference on Emerging Technologies and Factory Automation, Luxembourg, 8–11 September 2015.
13. Xiong, J.; Zhang, K. Monitoring Multiple Geometrical Dimensions in WAAM Based on a Multi-Channel Monocular Visual Sensor. Measurement 2022, 204, 112097.
14. Ding, D.; He, F.; Yuan, L.; Pan, Z.; Wang, L.; Ros, M. The first step towards intelligent wire arc additive manufacturing: An automatic bead modelling system using machine learning through industrial information integration. J. Ind. Inf. Integr. 2021, 23, 100218.
15. Karmuhilan, M.; Sood, A.K. Intelligent process model for bead geometry prediction in WAAM. Mater. Today Proc. 2018, 5, 24005–24013.
16. Venkatarao, K. The use of teaching-learning based optimization technique for optimizing weld bead geometry as well as power consumption in additive manufacturing. J. Clean. Prod. 2021, 279, 123891.
17. Artaza, T.; Suárez, A.; Veiga, F.; Braceras, I.; Tabernero, I.; Larrañaga, O.; Lamikiz, A. Wire Arc Additive Manufacturing Ti6Al4V Aeronautical Parts Using Plasma Arc Welding: Analysis of Heat-Treatment Processes in Different Atmospheres. J. Mater. Res. Technol. 2020, 9, 15454–15466.
18. Wang, C.; Bai, H.; Ren, C.; Fang, X.; Lu, B. A Comprehensive Prediction Model of Bead Geometry in Wire and Arc Additive Manufacturing. J. Phys. Conf. Ser. 2020, 1624, 022018.
19. Tang, S.; Guilan Wang, C.H.; Zhang, H. Investigation and control of weld bead ar both ends in WAAM. In Proceedings of the 30th Annual InternationalSolid Freeform Fabrication Symposium and Additive Manufacturing Conference, Austin, TX, USA, 12–14 August 2019.
20. Li, F.; Chen, S.; Shi, J.; Zhao, Y.; Tian, H. Thermoelectric Cooling-Aided Bead Geometry Regulation in Wire and Arc-Based Additive Manufacturing of Thin-Walled Structures. Appl. Sci. 2018, 8, 207.
21. Sarathchandra, D.; Davidson, M.J.; Visvanathan, G. Parameters effect on SS304 beads deposited by wire arc additive manufacturing. Mater. Manuf. Process. 2020, 35, 852–858.
22. Dinovitzer, M.; Chen, X.; Laliberte, J.; Huang, X.; Frei, H. Effect of wire and arc additive manufacturing (WAAM) process parameters on bead geometry and microstructure. Addit. Manuf. 2019, 26, 138–146.
23. Veiga, F.; Suarez, A.; Aldalur, E.; Artaza, T. Wire Arc Additive Manufacturing of Invar Parts: Bead Geometry and Melt Pool Monitoring. Measurement 2022, 189, 110452.
24. Veiga, F.; Suárez, A.; Aldalur, E.; Bhujangrao, T. Effect of the Metal Transfer Mode on the Symmetry of Bead Geometry in WAAM Aluminum. Symmetry 2021, 13, 1245.

전문가 Q&A: 자주 묻는 질문에 대한 답변

Q1: 140mm 길이의 시편에 대해 왜 6개의 불연속적인 프로파일만 사용했나요? 더 많은 데이터를 수집하는 것이 더 정확하지 않을까요?

A1: 논문에 따르면, 140mm는 상대적으로 짧은 길이의 시편이었고, 이론적으로 직선인 조인트에서 큰 직선성 편차는 예상되지 않았습니다. 따라서 6개의 프로파일은 부드러운 궤적을 생성하기에 충분하다고 판단되었습니다. 이는 실제 적용 시, 조인트의 길이와 예상되는 변형 정도에 따라 프로파일 수집 간격을 유연하게 조절할 수 있음을 시사합니다.

Q2: Figure 8b에서 후면 조인트에 약간의 변형이 관찰되는데, 알고리즘은 이와 같은 실제 부품의 불완전성을 어떻게 처리하나요?

A2: 이것이 바로 대칭성 분석의 핵심적인 역할입니다. AUC 방법이 기하학적 중심을 찾는 동안, 대칭성 분석 알고리즘은 이 불완전성을 감지하고 보상합니다. 후면 조인트의 경우, 알고리즘은 대칭성이 최대가 되는 최적의 토치 각도를 3도로 계산했습니다(Figure 10b). 이 각도 보정을 통해 노즐 충돌 없이 실제 용접 지점에 정확하게 접근할 수 있게 되어, 현실 세계의 불완전성을 효과적으로 극복합니다.

Q3: 대칭성 계수 S와 C의 실질적인 중요성은 무엇인가요? 이 값들을 현장에서 어떻게 활용할 수 있나요?

A3: S와 C 계수는 조인트의 대칭성을 정량화하는 지표입니다. S=1, C=1은 완벽한 대칭을 의미하며, 알고리즘은 토치 각도를 조정하여 이 값들을 최대화하는 것을 목표로 합니다. 현장에서 이 값들은 실시간 품질 관리 지표로 사용될 수 있습니다. 예를 들어, 용접 시작 전 스캔 단계에서 C 값이 기준치(예: 0.998)보다 현저히 낮게 측정된다면, 이는 부품의 클램핑이 잘못되었거나, 조립이 부정확하다는 신호일 수 있습니다. 따라서 용접을 시작하기 전에 문제를 미리 파악하고 수정할 수 있어 불량을 예방하는 데 큰 도움이 됩니다.

Q4: 데이터 전처리 과정에서 이동 중앙값 필터(moving median filter)를 사용한 특별한 이유가 있나요?

A4: 논문에서는 이 필터의 목적이 레이저 스캔 원시 데이터에서 “원치 않는 눈부심”이나 “밝기”와 같은 노이즈를 제거하는 것이라고 명시하고 있습니다. 이동 중앙값 필터는 특히 이러한 종류의 갑작스러운 이상치(salt-and-pepper noise)를 제거하는 데 효과적이면서도, 프로파일의 원래 형상을 크게 왜곡하지 않는 장점이 있습니다. 따라서 조인트의 실제 기하학적 특징을 보존하면서 신호의 품질을 향상시키기에 적합한 방법입니다.

Q5: 이 방법론은 첫 번째 용접 패스 이후의 다층 용접에도 확장 적용될 수 있나요?

A5: 네, 그럴 가능성이 매우 높습니다. 논문의 결론 부분에서는 이 알고리즘을 첫 번째 비드 용접뿐만 아니라, 아크 용접을 이용한 적층 제조(additive manufacturing)와 같은 다른 공정에도 적용하는 것을 향후 연구 방향으로 제시하고 있습니다. 각 용접 층이 완료된 후 다시 프로파일을 스캔하고 대칭성 분석을 통해 다음 층의 최적 궤적을 결정하는 방식으로 확장될 수 있으며, 이는 다층 용접 자동화의 완전한 구현에 기여할 수 있습니다.

결론: 더 높은 품질과 생산성을 향한 길

중공업 분야의 복잡한 용접 공정 자동화는 오랫동안 해결하기 어려운 과제였습니다. 본 연구는 레이저 스캐닝과 ‘조인트 대칭성’이라는 독창적인 개념을 결합하여 이 문제에 대한 획기적인 해결책을 제시합니다. 개발된 알고리즘은 실제 부품의 불완전성을 감지하고 스스로 최적의 경로를 보정함으로써, 로봇 용접 궤적 자동화의 새로운 지평을 열었습니다.

이 기술은 수동 프로그래밍 시간을 단축하고, 작업자의 주관적 판단을 배제하며, 용접 전 조립 상태까지 정량적으로 평가할 수 있는 가능성을 보여줍니다. 결과적으로 이는 더 높은 생산성과 일관된 품질로 이어질 것입니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

• 연락처 : 02-2026-0450
• 이메일 : flow3d@stikorea.co.kr

Copyright Information

• 이 콘텐츠는 “David Curiel” 외 저자의 논문 “[Automatic Trajectory Determination in Automated Robotic Welding Considering Weld Joint Symmetry]”을 기반으로 한 요약 및 분석 자료입니다.
• Source: https://doi.org/10.3390/sym15091776

이 자료는 정보 제공 목적으로만 사용됩니다. 무단 상업적 사용을 금합니다. Copyright © 2025 STI C&D. All rights reserved.