디지털 트윈 기반 6축 로봇 작업시간 예측
Digital Twin based Cycle Time Prediction for 6-DOF Robot
- 주제(키워드) 디지털 트윈 , 6축 로봇 , 인공신경망 , 작업시간 예측
- 주제(DDC) 658.5
- 발행기관 아주대학교 일반대학원
- 지도교수 박상철
- 발행년도 2025
- 학위수여년월 2025. 2
- 학위명 석사
- 학과 및 전공 일반대학원 산업공학과
- 실제URI http://www.dcollection.net/handler/ajou/000000034520
- 본문언어 한국어
- 저작권 아주대학교 논문은 저작권에 의해 보호받습니다.
초록/요약
산업용 6축 로봇은 높은 자유도의 다축 운동을 통해 다양한 산업 분야의 요구를 충족하며 현대 제조 시스템에 널리 도입되고 있다. 이러한 로봇의 작업시간을 정확히 예측하는 것은 생산 계획 최적화, 비용 절감, 자원 관리 측면에서 매우 중요한 과제이다. 그러나 기존에 사용되는 OLP(Off-Line Programming) 방식은 물리적 요소를 반영하지 못해 작업시간 예측의 정확도가 낮은 한계를 가진다. 이에 본 논문은 물리적 요소를 반영하며 작업시간을 정확히 예측하기 위해 디지털 트윈(Digital Twin) 기술과 인공신경망(Deep Neural Network, DNN)을 융합한 DT-DNN 모델을 제안한다. 본 논문에서는 DT-DNN 모델 구축 과정을 세부적으로 설명한다. 먼저, 디지털 트윈 구축 과정을 통해 로봇의 실제 동작을 가상 환경에 재현하고 데이터 수집 기반을 마련한다. 이후 CAD 데이터를 활용해 로봇 작업시간 데이터를 체계적으로 수집하는 방법을 소개한다. 마지막으로, 수집된 데이터를 활용해 높은 예측 성능을 갖춘 DNN을 설계하고, 이를 활용해 로봇 프로그램을 입력으로 작업시간을 예측하는 DT-DNN 모델의 구체적인 방법을 제시한다. DT-DNN 모델의 실용성을 평가하기 위해 본 연구에서는 OLP 방식과 성능 비교 실험을 수행하였다. 실험 결과, DT-DNN 모델은 작업시간 예측 정확도에서 오프라인 프로그래밍 방식보다 우수한 성능을 보였으며, 다양한 산업 환경에 적용 가능성을 입증하였다. 본 연구는 물리적 요소를 반영한 작업시간 예측을 통해 기존 예측 방식의 한계를 극복하고 제조업의 효율성을 위한 중요한 기술적 기반을 제시한다. DT-DNN 모델은 향후 제조 현장에서 생산성 향상과 자원 관리 최적화에 기여할 수 있을 것으로 기대된다.
more목차
제1장 서론 1
제1절 산업용 6축 로봇 1
제2절 OLP 4
제3절 연구 목적 7
제2장 관련 연구 10
제1절 디지털 트윈 10
제2절 인공 신경망 13
제3절 작업시간 예측 모델 16
제3장 디지털 트윈 기반 6축 로봇 작업시간 예측 모델 20
제1절 6축 로봇 디지털 트윈 구축 20
1. 6축 로봇 시뮬레이터 구축 20
2. 실시간 설비 연동 25
3. 6축 로봇 디지털 트윈 구축 결과 27
제2절 6축 로봇 작업시간 데이터 수집 28
1. 로봇 프로그램의 구성 28
2. 이동 궤적 데이터셋 구축 29
제3절 DT-DNN 모델 구축 33
1. 이동 시간 예측 인공 신경망 모델 설계 33
2. 인공 신경망 모델 학습 34
3. DT-DNN 모델 구축 36
제4장 실험 39
제1절 실험 방법 39
제2절 실험 결과 40
제5장 결론 43
참고문헌 (Bibliography) 45
영문요약 (Abstract) 51
