Development of AI-Ridge Regression Model for Surface Roughness Prediction Using Real-time Effective Abrasive Force

Abstract

최근 우주항공, 금형 및 공구, 기계, 바이오 등의 산업 등에서 초미세 표면 품질에 대한 요구가 증가함에 따라, 표면 정밀도 및 표면거칠기 예측에 관한 연구의 중요성이 더욱 부각되고 있다. 표면 거칠기는 제품의 성능, 수명, 품질을 결정짓는 핵심 요소로 작용하기 때문에, 이를 정밀하게 제어하 는 기술의 확보가 필수적이다. 본 연구에서는 자성을 지닌 정밀하고 유연한 형태의 연마 브러시를 활용하여 가공을 수행하는 자기연마(Magnetic abrasive finishing, MAF) 공정을 적용하였다. 다양한 표 면 연마 공정 중 MAF는 자성입자와 연마입자가 포함된 건식 매체를 이용하는 첨단 마무리 기술로, 매개체가 자기장에 노출되면서 정밀하고 유연한 형태의 연마 브러시가 형성되어 가공이 이루어진다. 이러한 특성 덕분에 MAF 공정은 자성 재료뿐만 아니라 비자성 재료의 표면 마무리에도 효과적으로 활용될 수 있다. 가공 후에는 기계적 표면거칠기 측정, 현미경을 이용한 미세구조 분석, 3D 프로파일 등을 통해 표면 품질을 평가하고, 이를 바탕으로 공정변수와 표면거칠기 간의 상관관계를 분석한다. 그러나 이러한 측정 방법은 공정 진행 중 실시간으로 표면 품질 변화를 반영하는 데 한계가 있으며, 공정변수에 따른 결과를 기반으로 예측 모델의 신뢰성을 검증하는 데에도 제약이 존재한다. 따라서 본 연구에서는 SKD-11 소재의 실시간 표면거칠기 예측모델을 개발하기 위하여, 공구동력계를 활용해 MAF 공정 중 발생하는 연마력을 측정하고, Fourier 변환 및 실효값(Root mean square, RMS) 계산을 통해 실제 연마 공정에 영향을 미치는 실시간 유효 연마력을 추출하였다. 모델 개발에 앞서, 공정변수가 표면거칠기에 미치는 영향을 분석하기 위해 다구찌 직교배열법 L9(34)과 분산 분석을 활용하였으며, 무차원 표면거칠기 계수(Dimensionless surface roughness coefficient, ΔSR)를 계산하여 각 공정 조건의 결과를 평가하였다. 분석 결과, 최적 조건은 전류 세기 2.0 A, 회전 속도 700 rpm, 간극 1.5 mm, 자성입자와 연마 입자의 무게비 3:1로 도출되었다. 이 중 자성입자와 연마입 자의 무게비가 약 52.2%로 연마 성능에 가장 큰 영향을 미쳤으며, 최적 조건을 적용한 실험에서는 표면거칠기 계수가 0.453에서 0.486으로 약 7.28% 향상되었다. 또한, 자성입자와 연마입자의 무게비 및 회전 속도는 각각 95%, 90%의 유의 수준에서 통계적으로 유의한 영향을 미치는 변수로 나타났다. RMS 값으로 표현된 실시간 유효 연마력과 ΔSR의 값 사이에는 선형 관계가 존재하며, 이를 통해 실시간 유효 연마력이 표면거칠기 향상에 기여함을 확인할 수 있었다. 이러한 결과를 바탕으로, MAF 공정에서 실시간 유효 연마력이 표면거칠기 예측에 미치는 영향을 분석하기 위하여 공정변수만을 입력으로 사용하는 2차 회귀모델 및 릿지 회귀모델과 공정변수와 실시간 유효 연마력을 함께 입력으로 사용하는 2차 회귀모델 및 릿지 회귀모델을 비교 분석하였다. 그 결과, 공정변수와 실시간 유효 연마력을 모두 활용한 릿지 회귀모델이 가장 우수한 성능을 나타냈으며, R2와 RMSE 값은 각각 0.985과 0.011로 매우 높은 예측정확도를 기록하였다. 또한, 최적 공 정 조건을 기반으로 추가 검증실험을 수행한 결과, 실시간 유효 연마력을 활용한 릿지 회귀모델의 ΔSR 예측값은 0.484로 도출되었으며, 이는 실제 측정값 0.486과 비교하여 오차율이 0.41%에 불과해 매우 높은 예측정확도를 나타냈다. 이를 통해 MAF 공정 중 발생하는 실시간 연마력 데이터를 활용 할 경우 표면거칠기 예측정확도를 크게 향상시킬 수 있음을 입증하였으며, 향후 다양한 공정에 적 용하여 실시간 표면 품질 모니터링 개발에 기여할 것으로 기대된다.