유전 알고리즘을 이용한 3축 밀링 머신의 가공 시간 예측 개선

Abstract

제조업에서의 가공 시간 예측은 4차 산업혁명 시대에 매우 중요한 요소로 떠오르고 있다. 올바른 가공 시간 예측은 설비의 생산성 향상과 올바른 작업 계획 수립이 가능하기 때문이다. 그러나 밀링 머신(Milling Machine)의 가공 시간 예측은 단순히 NC 코드의 분석으로 얻을 수 있는 공구의 이동 거리, 이송 속도를 통해 계산하기란 쉽지 않다. 그 이유는 가공기가 가지고 있는 고유의 가·감속 변수 값에 의해 실제 공구가 움직이며 코너와 원호 등을 만날 때 NC 코드상에 지령된 속도로 정확히 이동하지 못하고 감속과 가속이 발생하기 때문이다. 그렇기에, 거리/속도로 단순 계산한 명목 가공 시간(Nominal machining time)과 실 가공 시간은 상당히 큰 오차를 갖는다. 실제 현장에서는 작업자의 경험을 토대로 가공할 모델의 복잡도나 소재의 크기 등을 고려하여 임의로 가공 시간을 예측하는데, 이러한 예측시간은 부정확하여 작업 일정 산정에 어려움을 가져오고 상대적으로 경험이 부족한 초보 작업자의 경우 이러한 예측마저 어려울 수 있다. 따라서 본 연구에서는 크게 3가지로 이루어진 소프트웨어를 설계하여 명목 가공 시간 대비 개선된 가공 시간을 계산하는 것을 목표로 한다. 첫째로, 3축 밀링 머신의 실 가공 데이터를 FOCAS(FANUC Open CNC API Specification)를 통하여 수집하는 Data Saver와 둘째로, 수집된 데이터를 유전 알고리즘을 통하여 가·감속이 발생하는 구간에서의 시간 지연 오차 변수를 구하는 Data Analyzer를 구현한다. 마지막으로 최적화된 가·감속에 의한 시간 지연 변수와 NC-Code의 파싱을 통해 가공 시간을 예측하여 기존 명목 가공 시간 보다 개선된 가공 예측 시간을 구하는 Calculator로 구성된다. 구현된 유전 알고리즘은 수집된 데이터를 토대로 예측 시간을 관장하는 7가지의 해로 구성된 유전자로 시작된다. 세부적인 기법 중 교배할 세대 선택법은 룰렛 휠 선택법(Roulette wheel selection)과 엘리트 보존 선택법(Elitist preserving selection)을 이용하였고, 교배 방법은 일점 교차(One-point crossover) 방법을 사용하였다. 추가적으로, 지역 최적해(Local optimal)에 수렴하지 않도록 변이(Mutation) 연산을 두어 세대의 다양성을 높였다. 본 연구를 통해 계산한 개선된 가공 예측 시간은 실제 걸린 시간 대비 명목 가공 시간의 정확도에 비해 약 1.8배 향상된 결과를 확인할 수 있었고 개선된 가공 예측 시간은 실제 가공 시간에 90%에 근접한 정확도를 갖는다. 이러한 정확도를 갖는 개선된 예측시간을 활용할 경우 경험이 비교적 적은 작업자도 대략적인 가공 일정을 계획할 수 있고, 이는 기업의 생산성 향상과 매출 향상에 직접적인 효과를 불러올 수 있다고 기대된다.; The prediction of machining time in manufacturing is emerging as a very important factor in the Fourth Industrial Revolution. The correct time-to-machining prediction is due to the increased productivity of the facility and the ability to plan the correct work. However, the prediction of machining time of the milling machine is not easy to calculate by simply analyzing the NC code and the distance of the tool and the move speed. This is because the actual tool moves according to the unique value of the acceleration and deceleration variable and does not move accurately at the commanded speed on the NC code when meeting corners and arcs. Therefore, the nominal machining time and the real machining time, calculated simply at distance/speed, have significant errors. The actual site predicts the machining time arbitrarily by considering the complexity of the model or the size of the material to be processed based on the worker's experience, which is inaccurate and can't be made even for beginners. Therefore, the purpose of this research is to design software consisting of three main components to calculate improved processing time. First, Data Saver, which collects the actual machining data of a three-axis milling machine through FOCAS (FANUC Open CNC API Specification), and secondly, Data Analyzer is implemented to obtain the time delay error variable in the interval where the acceleration and deceleration occur through the genetic algorithm. Finally, it consists of a calculator that predicts machining time through optimized time delay variables due to acceleration and deceleration and parsing of NC-Code to obtain better machining time than conventional nominal machining time. The implemented genetic algorithm starts with a gene consisting of seven values that governs prediction time based on collected data. Among the detailed techniques, the generation selection to be interbreeded was the roulette wheel selection and the elite conservation selection, and the one-point crossover method was used. In addition, it has increased diversity of generations by placing a variation operation so that it does not converge on the local optimality. Through this research, the improved machining prediction time calculated was found to be approximately 1.8 times better than that of nominal machining time compared to actual time taken, and the improved machining prediction time has an accuracy close to 90% of actual machining time. Using improved prediction times with this accuracy, workers with relatively low experience can also plan processing schedules, which can have a direct effect on improving productivity and improving sales of the company.