일본산업뉴스요약

Nikkei X-TECH_2022.4.15

검사 3.0
AI로 검사 공정 불필요
스바루, 가공 데이터를 통해 전수 품질을 예측

스바루(SUBARU)는 후지쓰 등과 공동으로 캠샤프트 연삭 가공에서 전체 공작물의 품질을 실시간으로 예측해 양부(良否)를 판정하는 AI(인공지능)모델을 개발했다. 2019년 12월부터 실시한 실증시험을 거쳐, 올 1월말부터 스바루 군마(群馬)제작소 오이즈미 (大泉)공장(군마 현)의 양산 라인에서 본격적인 가동을 시작했다.

스바루는 이번 AI모델 도입으로 캠샤프트 가공 공정에서의 품질보증 프로세스가 바뀌었다. 기존에는 가공 후 검사 공정에서 전수에 대해 검사원이 육안으로 검사하고, 발췌해 측정하는 검사를 실시하고 있었다. 육안검사에서는 흠집이나 공구의 균열로 인한 표면의 거칠기 등, 육안으로 확인할 수 있는 불량품을 배제. 발췌검사에서는 직경 치수, 위상각, 진직도(眞直度), 표면 조도(거칠기) 등의 품질 항목을 측정했다.

AI모델 도입 후에는 가공 중에 전수 품질을 예측해서 보증한다. 도입 직후에는 AI모델을 통한 예측과 함께 기존의 육안검사와 발췌검사도 실시하지만, “반년 정도 AI의 성능을 확인한 후 육안검사는 폐지할 방침이다”’(스바루)라고 한다. 발췌검사는 향후에도 실시하지만, 기존과 같이 품질을 직접 확인하기 위함이 아닌 측정한 값을 AI의 예측치와 비교해 AI 모델의 정밀도를 평가하기 위한 ‘교정’용으로 목적을 바꿔나간다.

-- 캠샤프트 연삭 공정이 안고 있던 과제 --
AI모델을 통한 품질 예측의 대상이 되는 캠샤프트는 단면이 계란형의 부품(캠)이 복수 설치된 축이다. 축의 중심에서 캠의 외주까지의 거리가 일정하지 않다는 것을 이용해 캠샤프트의 회전운동을 캠 표면과 접하는 부품의 왕복운동으로 변환한다.

엔진용 캠샤프트는 흡기·배기 밸브를 개폐하는 역할을 한다. “캠 사이즈의 정밀도가 연비 성능이나 배기가스 성능에 영향을 미치기 때문에, 표면 성상이 나쁘면 이상음 발생의 원인이 되는 경우가 있다”(스바루 제조본부 군마제작소 전동차량생산기술부의 오오니와(大庭) 씨).

스바루의 캠샤프트는 금속파이프에 소결(燒結)을 통해 캠을 형성하고, 파이프 양끝을 막는 부재를 마찰〮압착해 만든다. 그 후 캠 표면의 연삭 가공 등을 거쳐 완성하고 앞에서 서술한 바와 같이 전수의 육안검사와 발췌검사가 실시된다.

캠에 요구되는 정밀도는 표면 조도를 나타내는 Ra(산술평균조도)가 콤마대(1 m 미만 정도), 진직도는 수 m이기 때문에 육안으로 불량을 판단하는 것은 어렵다. 이 때문에 발췌검사에서 모두 보완하지 못하고 후속 공정으로 보내지는 등, 자체 공정 보증에 과제를 안고 있었다.

“엔진을 조립한 후에 이음 발생으로 간신히 불량을 알게 되는 경우도 있었다”(오오니와 씨). 이러한 경우, 해체 작업이나 모든 부품의 검사 작업 등 많은 공정 수가 소요된다. 하지만, 캠샤프트의 전수를 측정해 확인하는 것은 생산성 저하로 이어지기 때문에 채택하기 어렵다.

-- AI모델 구축 위해 100개 이상의 불량품 시험 제작 --
이를 해결하기 위해 스바루는 가공 중에 얻을 수 있는 정보를 토대로 가공 후의 품질을 예측해 보증하는 방법에 주목하고, 이 예측에 AI를 활용했다. 연삭 설비로부터 수집되는 가공 데이터와 공작물의 형상이나 표면의 조도 등을 나타내는 품질 데이터를 연계해 기계학습을 통해 AI모델을 구축했다.

가공데이터와 품질데이터의 연계란, 예를 들어, 지석(砥石)을 회전시키는 모터의 전류값(가공데이터)과 공작물 표면의 Ra값(품질데이터)을 하나의 세트로 만드는 것이다.  Ra값은 지석의 표면 상태에 크게 영향을 받는다.

지석이 열화 등으로 인해 표면이 거칠어지면 Ra값도 커진다. 또한 지석의 표면이 거칠 경우, 공작물을 깎을 때 걸림의 강도가 커진다. 이로 인해 모터의 부하가 증가하여 전류값이 커진다. 즉, 전류치는 Ra값을 예측하는 하나의 요소가 된다”(오오니와 씨)

기계학습에는 선형 회귀 알고리즘을 이용했다. 교사 데이터에는 일부러 열화시킨 지석으로 연삭하는 등, 특징적인 불량을 가진 캠샤프트를 100개 정도 시험 제작해 학습시켰다고 한다.

-- 표면 조도의 예측 정밀도는 100분의 수 μm --
이렇게 예측한 품질은 실제 측정에서 확인한 품질과 높은 정밀도로 일치했다. 예를 들어, 캠의 표면 조도(Ra값)를 가공 중에 실시간으로 예측한 값은 가공 후의 실측값과 100분의 수 μm 정도의 오차 범위에 들어갈 정도의 정밀도였다.

AI모델에 의한 품질 예측은 지석의 수명 연장에도 효과가 있다. 통상적으로 가공 수가 증가하면 지석이 마모되어 무뎌지기 때문에 드레싱으로 예리함을 회복시켜야 한다. 기존에는 드레싱을 일정한 가공 수 별로 했지만, 품질 데이터가 있으면 최적의 타이밍에 실시할 수 있다. “실험한 결과, 지석의 수명을 1.3배 연장할 수 있을 것으로 전망된다”(스바루)라고 한다.

--배경에는 검사 불량 및 대량 리콜도 --
스바루는 2018년에 발표한 중기 경영 계획에서 중요 시책 중 하나로 ‘품질 개혁’을 내걸었다. 당시 스바루는 무자격 검사원에 의한 완성 검사와 대규모 리콜 등 수많은 품질 문제가 불거지면서 고객들의 신뢰가 흔들렸다.

그 해결책으로서 기업 풍토를 바로잡고, 동시에 제조 현장에서는 “품질 개혁의 일환으로 자체 공정의 보증도를 높이는 대응이 확산되었다”(오오니와 씨)라고 한다. 특히 보증도가 낮은 공정 가운데 하나인 캠샤프트의 연삭 공정 개선에 착수했다.

공정의 보증도를 높이려면 기본적으로 후공정으로의 불량품 '유출'을 최소화해야 한다. 사람의 육안을 통한 판단 장치를 도입하고, 발췌검사를 전수검사로 확대하는 대응을 통해 검사의 확실성을 높이는 접근방식이다. 하지만, 이것만으로는 공정 내에서의 불량품 ‘발생’을 억제할 수 없다.

발생을 억제하려면 완성품을 검사하는 것이 아니라, 만들면서 품질을 예측하는 기술이 요구된다. 불량품이 발생하기 전에 설비나 공구의 상태, 가공 조건 등을 조절해야 한다. 이러한 의미에서 AI모델을 통한 품질 예측은 유효한 수단이며, 스바루도 불량품 발생 억제를 위해 AI모델을 활용해 나갈 방침이다. AI모델은 연삭 가공뿐만 아니라, 절삭 가공이나 프레스 가공 등에도 응용이 가능하며, 스바루는 이러한 공정에서 ‘실증시험을 앞둔 단계’라고 한다.

이번 스바루의 사례는 제조업에 있어서의 검사 공정의 '퇴화'를 보여주는 것이라고 말할 수 있다. 퇴화라고 해서 결코 부정적으로 볼 필요는 없다. AI를 시작으로 다양한 기술 혁신을 통한 제조 현장의 진화에 따라 검사 공정의 일부가 서서히 그 역할을 다하고 있는 것이다. 물론 법률상 의무화된 검사는 남아 있을 것이다. 하지만 적어도 기계 가공 결과를 확인하기 위한 검사는 없어질 것으로 보인다.

 -- 끝 --

Copyright © 2020 [Nikkei XTECH] / Nikkei Business Publications, Inc. All rights reserved.