PBF 금속 적층, AI로 품질 검사 혁신하기

작성자: 씨와이오토텍(주) 기업부설연구소 조재형 부연구소장

참조: 본 콘텐츠는 씨와이오토텍의 금속 적층 제조 및 AI 기반 품질 검사 기술 자료와 업계 최신 연구 동향을 바탕으로 작성되었습니다.

첨단 제조 기술이 급속히 발전하는 현재, 산업 현장은 더욱 정밀하고 효율적인 품질 관리 방식을 필요로 하고 있습니다. 특히 금속 적층 제조 분야는 복잡한 공정과 높은 정밀도를 요구하기 때문에, 전통적인 수작업 검사 방식으로는 명확한 한계가 존재합니다. 이번 뉴스레터에서는 PBF(Powder Bed Fusion) 금속 적층 공정에서 발생하는 다양한 결함을 AI 기반 품질 검사로 어떻게 해결할 수 있는지, 그리고 씨와이오토텍이 혁신을 어떻게 선도하고 있는지를 살펴봅니다.

1. 수작업에서 자동화로, 왜 변화가 필요할까?

금속 적층 제조는 첨단 장비를 사용하더라도 많은 경우 사람이 직접 결함을 식별하는 수작업 방식에 의존합니다. 이러한 방식은 다음과 같은 문제를 초래합니다.

특히 항공, 의료, 자동차 부품처럼 고정밀이 요구되는 산업에서는 이러한 한계가 곧 경쟁력 약화로 이어집니다. 이에 따라 전 세계적으로 AI 기반 실시간 결함 탐지 기술을 도입해 생산성과 품질을 동시에 개선하려는 움직임이 활발히 전개되고 있습니다.

2. 금속 적층에서 발생하는 주요 결함

PBF 금속 적층 공정에서 발생하는 결함은 크게 6가지로 구분됩니다. 대표적으로 블레이드 손상, 분말 미도포, 크랙, 레이저 과다 조사, 표면 조도 저하, 형상 변형 등이 있습니다. 기존 영상 처리 기술(OpenCV 등)은 블레이드 손상과 같은 단순 결함은 잘 잡아내지만, 다음과 같은 복잡한 결함은 식별이 어렵습니다.

이러한 결함은 형상과 촬영 조건에 따라 변동성이 크기 때문에 단순 알고리즘으로는 구분이 어렵습니다. 그러나 Faster R-CNN과 같은 딥러닝 기반 객체 탐지 모델을 적용하면, 약 500장의 학습 이미지로도 95% 이상의 검출률을 달성할 수 있으며, 결함당 1,000장 이상의 데이터 확보 시 정밀도가 더욱 향상됩니다.

<표1> 금속 적층 주요 결함 및 원인

3. AI 품질 검사 도입 단계

① 공정 이미지 자동 수집

<그림1> 금속 적층 이미지 수집 시스템

② 결함 분류 및 정밀 라벨링

<그림2> 금속 적층 수집 이미지(좌측)과 라벨링 예시(우측)

③ AI 모델 학습

<그림3> 금속 적층 결함 탐지 Faster R-CNN 구조 예시

④ AI 모델 적용

<그림4> 금속 적층 결함 탐지 AI 모델 금속 적층장비 적용 구조도

4. 성과와 전망

당사의 **‘The Metal Process Monitoring SW’**는 이미 현장에서 AI 기반 결함 검출을 성공적으로 적용하고 있습니다.

<그림5> 'The Metal Process Monitoring SW'의 학습 및 AI적용검사 결과 예시

향후 당사는 고도화된 AI 분석 기술과 IoT 기반 실시간 데이터 통합 시스템을 결합하여, PBF 금속 적층 제조 전 과정에 걸친 완전 자율 품질 관리 체계를 구축할 계획입니다. 이를 통해 제조 산업 전반의 품질 표준을 새롭게 정의하고, 글로벌 경쟁력을 강화할 것입니다.

감사합니다. 

발행인 : 씨와이메탈(주)
이메일 : ask@themetal.ai
우편물 주소 : 경기도 화성시 봉담읍 덕우공단1길 65-15
연락처: 031-831-5603