탄템 GMA 용접공정의표면비드높이예측을위한 STACO 모델개발에관한연구 이종표 김일수 박민호 박철균 강봉용 심지연 大韓熔接 接合學會誌第 3 卷 6 號別冊 014. 1
8 특집논문 ISSN 15-6153 Online ISSN 87-8955 탄템 GMA 용접공정의표면비드높이예측을위한 STACO 모델개발에관한연구 이종표 * 김일수 *, 박민호 * 박철균 * 강봉용 ** 심지연 ** * 목포대학교기계공학과 ** 한국생산기술연구원융복합부품 농기계실용화센터 A Study on Development of STACO Model to Predict Bead Height in Tandem GMA Welding Process Jongpyo Lee*, IllSoo Kim*,, Minho Park*, Cheolkyun Park*, Bongyong Kang** and Jiyeon Shim** *Department of Machanical Engineering, Mokpo University, Mokpo 534-79, Korea **Korea Institute of Industrial Technology, Jeonju 561-0, Korea Corresponding author : ilsookim@mokpo.ac.kr (Received August 11, 014 ; Revised November 5, 014 ; Accepted December 6, 014) Abstract One of the main challenges of the automatic arc welding process which has been widely used in various constructions such as steel structures, bridges, autos, motorcycles, construction machinery, ships, offshore structures, pressure vessels, and pipelines is to create specific welding knowledge and techniques with high quality and productivity of the production-based industry. Commercially available automated arc welding systems use simple control techniques that focus on linear system models with a small subset of the larger set of welding parameters, thereby limiting the number of applications that can be automated. However, the correlations of welding parameters and bead geometry as welding quality have mostly been linked by a trial and error method to adjust the welding parameters. In addition, the systematic correlation between these parameters have not been identified yet. To solve such problems, a new or modified models to determine the welding parameters for tandem GMA (Gas Metal Arc) welding process is required. In this study, A new predictive model called STACO model, has been proposed. Based on the experimental results, STACO model was developed with the help of a standard statistical package program, MINITAB software and MATLAB software. Cross-comparative analysis has been applied to verify the reliability of the developed model. Key Words : STACO model, Tandem GMA welding, Neural networks 1. 서론용접 접합산업은국가기간산업인조선, 자동차, 중공업, 건설, 전기 / 전자, 반도체등의산업에필요한기기및재료를공급하기때문에이들기간산업의국가경쟁력을좌우하는생산기반산업이며, 첨단기술과의융 복합을통해명품제조업의탄생을견인한국가기간산업의핵심기반기술이다. 하지만, 용접공정은아크열과 아크광, 연기, 소음등의열악한작업환경으로인해작업자가기피하고있는 3D 업종의하나로인식되고있으며, 이러한문제점을해결하기위하여용접공정의개선과생산량향상을위한용접자동화시스템개발이시급한실정이다. 용접효율및생산량을가장손쉽게올릴수있는방법으로는용접속도를향상시키거나용접공법을변경하는것이다. 그중탄뎀용접은용착속도를높이기위해전극수를 개이상이용하여하나의용융지를형성하는 This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License(http://creativecommons.org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited. Journal of Welding and Joining, Vol.3 No.6(014) pp8-13 http://dx.doi.org/10.5781/jwj.014.3.6.8
탄템 GMA 용접공정의표면비드높이예측을위한 STACO 모델개발에관한연구 9 방법으로고효율용접혹은고생산성용접이라고하며 1), 자동용접캐리지를적용하여두개의독립적제어가가능한용접기술을적용하고용접공정변수의유지성과초기전극사이의거리를개별적으로제어함으로써용접생산성향상과동시에용접품질향상에도움이된다 ). 현재용접작업시발생하는용접결함인용입깊이및용착면적을결정하는인자의영향을분석하고정립하는연구가진행되고있다 3-4). An은탄뎀 EGW 를이용한대입열용접부성능을향상시키려는연구가수행되었으며 5), 고속으로수평필릿용접이가능하도록 Filler Wire 를선, 후행전극사이에삽입시켜고용착및용융지안정화를도모한새로운 TOP (Twin-Tandem One Pool) 시공법과전용메탈계플럭스코어드와이어의개발에관한연구도보고되고있다 6-8). 하지만, 이러한인자들을 1-토치용접조건설정과는달리탄뎀용접의경우품질에영향을미치는인자가더많이존재하며현장조건에맞추어용접사의경험적인측면에서작업조건을설정함으로써용접불량을더욱효과적으로감소시킬수있는기술과자동연속용접을위한알고리즘이필수적으로요구되고있다. 따라서, 본연구에서는탄뎀 GMA 용접공정시획득한데이터를 MATLAB 프로그램을활용하여신경회로망을기반으로하는예측모델을개발하고, 개발된예측모델의신뢰성을검증하기위하여실제용접실험에서얻은비드형상과상호비교 분석하며, PAM 분석을통해정확도를평가하고자한다.. 용접실험.1 실험장치구성및방법 탄뎀 GMA 용접공정의비드형상을예측하기위하여 대의 600A 급 GMA용접기와 전극토치구동부, 와이어송급장치, 직선형용접캐리지및가이드레일로시스템을구성하여용접실험을실시하였다. 용접결함을줄이기위하여선행토치는솔리드와이어 (A5.18 ER7 0S- 6) 를사용하였으며, 후행토치는많은용착량을확보하기위하여플럭스코어드와이어 (E71T-1C) 를사용하였다. 보호가스역시 개의봄베를이용하여개별적으로용접기를통해공급되도록구성하였으며, CTWD (Contact Tip to Work Distance) 는 18mm로고정하였다. 용접토치각도는수직토치각도로고정하였으며, 용접성에영향을미치는토치간거리는예비실험을통하여도출된적정값인 50mm로고정하였다. 또한, 보다체계적인결과분석을위하여용접전류와아크전압은모니터링시스템 (WTS-100A, WeldteQ System) 을이용하 Fig. 1 Experimental setup for tandem GMA welding process 여실시간으로수집되도록하였다. Fig. 1은용접실험을위한전체시스템구성을나타낸다. 본실험에서는입력변수는용접전류, 아크전압, 용접속도이며, 이에따른출력변수로는표면비드형상 ( 표면비드폭, 표면비드높이 ) 으로선정하였다. 실험계획법은입력변수변화에따른출력변수반응의비선형적인변화에도민감하게대응할수있고실험횟수의최적화를고려하기위하여중심합성계획법을적용하였다. 입력변수 3개로설정한결과정방점 8개, 축점 6개, 중심점 6개로구성된총 0회의실험조건이생성된다. 적정수준의범위는예비실험을통하여정하였으며, 입력변수의실험변수및수준은 Table 1 과같이설정하였고, 0개의실험조건을사용하여순차적으로 3회반복실험을실시하였다.. 실험결과 용접실험결과전반적으로아크가안정적이고양호한비드를형성함으로써외관상결함을나타내지않았으며, 용접조건에따라용융부의형상에미치는영향을판별하기위해광학현미경시스템을이용하여단면형상 (macro) 을촬영하여특성을분석하였다. 측정된결과인표면비드높이와단면비드형상을 Table 에나타내었다. AWS (American Welding Society) D1. 1 9) 에서제시하는일반철구조물용접부의최대허용비드높이인 1/8인치즉, 3.175mm 이하인경우양호한비드높이를형성하였다고판단한다. 탄뎀용접실험을통해획득한표면비드높이의최대는.mm로, 용접부의최대허용비드높이인 3.175mm보다작으므 Table 1 Welding parameters and their levels Parameter Level -1 0 1 Welding current(a) 50 70 300 330 350 Arc voltage(v) 7 8 30 3 33 Welding speed(cm/min) 5 7 30 33 35 大韓熔接 接合學會誌第 3 卷第 6 號, 014 年 1 月 545
10 이종표 김일수 박민호 박철균 강봉용 심지연 로안정적인비드형상이이루어짐을확인할수있었다. 표면비드높이에대한 STACO(Stability of Coalitions) 모델의최종구조를선택하기위하여 6가지의신경회로 Table Experimental Results data of the GMA welding No. 3. 예측모델개발 3.1 STACO 모델의구조선택 Top-bead height (mm) 1st nd 3rd Avg. 1 5 1.79 1.9 5 9.01 1.97 1.96 3 4 8 1.71 8 4.4.53.49.4 5 7 1.9 8 9 6 1.34 7 1 1 7 4 1.71 8 1 8 6 5 1.79 3 9 1.55 1.7 3 10 1.95 1.99 4 1.93 11.1 1.95 9.0 1 1 0 3 1 13.0 1.99 1.95 1.99 14 8 7 1.9 9 15.1.05.01.06 16.01 1.71 5 17 8 1.15 1.95 18. 0.08.03 19 4 6. 1.97 0 1.7 1.58 1.78 9 Bead geometry 망을구성하여평가하였다. STACO 모델이란인공신경망예측모델의일부분으로, 역전파알고리즘을기반으로하고있다. 이모델은넓은범위의입력변수에따라여러가지의신경망함수를복합적으로이용하여, 복잡하고비선형적인출력변수의예측이가능한모델이다. 학습을위한 6가지의신경회로망구조설정은 Table 3에나타내었으며, 네트워크개발과트레이닝은 MATLAB 을이용하였다. 학습에사용된데이터는 0 개의용접조건별로각 3회씩반복하여획득한총 60 회의탄뎀 GMA용접실험결과를이용하였으며, 학습된신경회로망을시험하기위하여 60회의실험결과평균값을이용하였다. 입력변수는용접전류, 아크전압, 용접속도총 3개를이용하였으며, 출력변수는표면비드높이를이용하였다. 학습을수행하여표면비드높이를예측한결과전달함수 은전달함수 logsig+logsig 보다 MSE값은감소하며, 결정계수의값은증가함으로써보다정확한표면비드높이를예측함을확인하였다. 학습함수는 trainlm 함수가 trainbr 함수보다정확한표면비드높이를예측하였다. 6가지의신경회로망중 5번째신경회로망의구조가시험의 MSE와학습의 MSE의오차가최소였으며, 상관계수 R이 1에가까운 0.90965 로가장정확한표면비드높이를예측하였다. Fig. 는탄뎀 GMA 용접의측정된표면비드폭과신경회로망 LMBP 알고리즘을이용하여학습을수행한표면비드폭의실측값과예측값을비교하여나타내었다. 은닉층사이즈선택은신경망설계에서가장중요하게고려해야할요소이다. 6개의신경회로망구성중가장적확한표면비드폭을예측한 5번째신경회로망구조를이용하여숨겨진은닉층의뉴런수를확인하였으며, 은닉층의뉴런수는 3 10 으로설정하여오차가최소화되도록학습하였다. Fig. 3은은닉층의뉴런수에따른표면비드폭의실측값과예측값의비교 분석한결과를보여주고있으며, 학습을수행한결과은닉층의뉴런수가 8개일경우상관계수 R이 1에가장가까운 0.9898 로은닉층의 3개일경우보다정확한표면비드높이를예측함을확인하였다. 시험의 MSE 와학습의 MSE의최소오차또한은닉층의뉴런수가 8개일경우에시험의 MSE 0.0068과학습의 MSE 0.0019 로은닉층의뉴런수가 3개일경우보다정확한표면비드높이를예측하였으며, Fig. 4는 5번째신경회로망을이용하여얻은시험과학습에대한 MSE 오차를나타내었다. 신경회로망구조를설정하여학습한결과 Fig. 5와같은표면비드높이의 STACO 모델을개발하였다. 표면 546 Journal of Welding and Joining, Vol. 3, No. 6, 014
탄템 GMA 용접공정의표면비드높이예측을위한 STACO 모델개발에관한연구 11 Table 3 Characteristics of the six selected neural-network configurations Conf. 1 Conf. Conf. 3 Conf. 4 Conf. 5 Conf. 6 Input Variables 3 3 3 3 3 3 Output Variables 1 1 1 1 1 1 Neurons on Hidden Layer 3 3 3 3 3 3 Training Function trainbr trainbr trainlm trainlm trainbr trainlm Transfer Function logsig+ logsig logsig+ logsig Max._epoch 1000 1000 1000 1000 1000 1000 Error goal 1e-10 1e-10 1e-10 1e-10 1e-10 1e-10 Mu Parameter 0.005 0.005 0.005 0.005 0.01 0.001 Regression = 0.635 Predicted = 0.6*Measure + 1.5 Regression = 0.8894 Predicted = 0.79*Measure + 0.4 Regression = 0.57948 Predicted = 0.8*Measure +.4..4..4...4..4..4 (a) Configuration 1 (b) Configuration (c) Configuration 3 Regression = 0.84943 Predicted = 0.71*Measure + 0.55 Regression = 0.90965 Predicted = 0.8*Measure + 0.38 Regression = 0.88567 Predicted = 0.8*Measure + 0.34.4..4..4...4..4..4 (d) Configuration 4 (e) Configuration 5 (f) Configuration 6 Fig. R -value for the six selected neural-network configurations 비드높이의 STACO 모델구조의전달함수, 학습함수는 trainlm, 학습기능은 Learngdm, 은닉층의뉴런수는 8개이다. 3. 최적의예측모델성능평가개발된 STACO 모델의예측성능을비교 분석하기위하여 Poliak 10) 이정의한 PAM(Predictive Ability of Model) 을이용하여정확도를평가하였다. PAM 은식 (1) 과같이정의된다. (1) 여기서, 은 범위의예측 大韓熔接 接合學會誌第 3 卷第 6 號, 014 年 1 月 547
1 이종표 김일수 박민호 박철균 강봉용 심지연.4..4. Regression = 0.90965 Predicted = 0.8*Measure + 0.38..4 (a) Neurons on hidden layer 3 Regression = 0.9898 Predicted = 0.79*Measure + 0.4..4 (b) Neurons on hidden layer 8 Fig. 3 R -value for the selected artificial neuralnetwork configuration 5 with a number of between 3 and 10 neurons in the hidden layer Mean squared error(mse) 0.035 0.03 0.05 0.0 0.015 0.01 0.005 Training error Testing error 0 3 4 5 6 7 8 9 10 Number of neurons in the hidden layer Fig. 4 Training and test subset MSE value for the selected artificial neural-network configuration 5 with a number of between 3 and 10 neurons in the hidden layer Inputs Hidden layer Output layer Outputs Welding current Arc voltage Welding speed 8 neurons 1 neurons Training function = trainlm MU parameter = 0.01 Top-bead height Fig. 5 STACO model structure of top-bead height 3.0.5.0 1.5 Top-bead height using STACO 1.0 1.0 1.5.0.5 3.0 Fig. 6 Comparison between measured and predicted top-bead height from the developed STACO model 치의수를나타내며, 은전체예측치수를나타낸다. 그리고 은실측치표면비드높이이며, 는계산된표면비드형상을의미한다. PAM 은오차범위 10% 이내에예측을정확한예측으로간주하여모델의정확도를나타낸다. 탄뎀용접실험을통해획득한표면비드높이의최대는.mm이며오차범위 10% 이내의최대표면비드높이는.44mm이다. 그러므로용접부의최대허용비드높이인 3.175mm 보다작으므로 PAM 의오차범위 10% 이내의예측을정확한예측으로간주하여모델의정확도를평가하여도안정적인표면비드형상을예측할수있을것으로판단된다. 예측능력확인을위해각실험조건별측정된표면비드높이와예측된표면비드높이를비교하여 Fig. 6에나타내었으며, 100% 의 PAM 의예측능력을확인할수있었다. 4. 결론 탄뎀 GMA 용접공정의비드형상예측모델개발을위하여용접실험을실시하였으며, 이를통하여획득한데이터를활용하여비드형상예측모델개발을수행함으로써다음과같은결론을얻을수있었다. 1) 탄뎀 GMA 용접자동화시스템을구성하여용접실험을수행한결과균일한표면비드의형상으로외관상결함이없으며, 표면비드높이의최대는.mm로 548 Journal of Welding and Joining, Vol. 3, No. 6, 014
탄템 GMA 용접공정의표면비드높이예측을위한 STACO 모델개발에관한연구 13 용접부의최대허용비드높이인 3.175mm보다작으므로안정적인비드형상이이루어짐을확인하였다. ) 용접실험에서측정된실험결과를기초로신경회로망 LMBP 알고리즘을이용하여전달함수, 학습함수 trainlm, 학습기능 Learngdm, 은닉층의뉴런수 8의구조가최적화된 STACO 모델임을확인할수있었다. 3) PAM 을이용하여최적화된 STACO 모델의신뢰성을검증한결과 100% 의예측성을나타냄을확인하였다. 후 기 본연구는교육부와한국연구재단의지역혁신인력양성사업으로수행된연구결과임 (No. 013H1B8A0308). Reference 1. Hui Jin Yi, Sung Soo Kang, Gum Bin Yu, Won Hak Bae and Hyun Soo Moon : Comparison of Mechanical Properties and Microtructural Charateristies of Tandem GMAW Weld Metal in 490MPa Grade Steel, Journal of KWJS, 7- (009), 76-81 (in Korean). H., J. (009). Comparison of Mechanical Properties and Microstructural Charateristies of Tandem GMAW Weld Metal in 490MPa Grade Steel. Journal of KWJS, 7(), 76-81 3.Seung gab Hong and Jong Bong Lee : Effects of Welding Parameters on Penetration Depth in CO Laser-GMA Hybrid Welding, Journal of KWS, -1 (004), 38-4 (in Korean) 4. H.C. Wikle, S. Kottilingam, R.H. Zee, B.A. Chin : Infrared sensing techniques for penetration depth control of the submerged arc welding process, Journal of Materials Processing Technology, 113 (001), 8-33 5. Y.H An, H.J Park.. The Effect of Twin-tandem EGW on the Performance of Welded Joint with Large Heat Input, KWJS (01), 41-41 6. F. Koshiishi: Welding Technology, 56-1(008), 66 7. H. Yukinori: Arc welding, Japan Welding Society, 77-5 (008), 70 8. S. Keiichi: Welding material, Japan Welding Society, 77-5 (008), 65 9. AWS D1.1, The latest edition issued prior to December 31, 1994 10. Poliak. Parallel ANOVA Processing, MIT Press, Cambridge, MA, 318-36, 1986 이종표 1987년생 목포대학교대학원기계공학과 자동화및알고리즘 e-mail : jplee@mokpo.ac.kr 박철균 1989년생 목포대학교대학원기계공학과 자동화및모니터링시스템 e-mail : ckpark@mokpo.ac.kr 김일수 1958년생 목포대학교기계공학과 자동화및용접공정최적화 e-mail : ilsookim@mokpo.ac.kr 박민호 1988년생 목포대학교대학원기계공학과 자동화및레이저용접 e-mail : parkminho1@mokpo.ac.kr 강봉용 1960 년생 한국생산기술연구원융복합부품 농기계실용화센터 용접전원파형제어, 용접재료개발 e-mail : kanbo@kitech.te.kr 심지연 1980 년생 한국생산기술연구원융복합부품 농기계실용화센터 전자기펄스용접공정 e-mail : shimjy@kitech.re.kr 大韓熔接 接合學會誌第 3 卷第 6 號, 014 年 1 月 549