AI 기반 비접촉식 측정 데이터를 활용한 고정밀 엔드밀 치수 신뢰성 평가 연구

초록

신뢰성을 평가하고자 수행되었다. 고정밀 가공 공정에서는 ±0.003mm 수준의 엄격한 공차 관리가 요구되며, 이에 따라 접촉식 Probe, 비접촉식 Vision 및 Laser 측정기를 대상으로 품질 관리 최적화 가능성을 비교 분석하였다. 기술통계 분석 결과, Laser 측정기는 가장 낮은 표준편차(0.0011)를 기록하여 정밀도가 가장 우수하였고, Vision 측정기는 다소 변동성이 존재하지만 품질 관리 보조 수단으로 활용 가능한 수준임을 확인하였다. 상관관계 분석에서는 Vision과 Probe 간에 약 0.72의 강한 양의 상관관계가 나타난 반면, Probe와 Laser 간에는 상관성이 매우 낮았다. 회귀분석에서는 Vision 데이터를 독립변수로 설정하여 Probe 데이터를 예측한 결과, 단순 선형회귀 모델의 결정계수(R²)는약 0.115로 다소 낮았으며, 랜덤포레스트 회귀 모델을 적용한 경우에도 R²는 -0.056으로 개선되지 않았다. 변수 중요도 분석에서는 Vision1과 Vision2가 상대적으로 높은 기여도를 보였지만, 전반적인 모델 성능은 매우 제한적이었다. 본 연구를 통해 현재 비접촉식 Vision 데이터만으로는 Probe 값을 완벽히 대체하거나 고정밀 품질 관리를 수행하는 데 한계가 있음을 확인하였다. 그러나 일부 Vision 항목은 보조적 지표로 활용 가능성이 있으며, 향후 데이터 품질 개선, 추가 변수 발굴, 고도화된 비선형 예측 모델 도입 등을 통해 비접촉식 측정 데이터의 활용도를 크게 높일 수 있을 것으로 판단된다.