In this thesis, the feasibility of implementing a cheap and reliable monitoring system to check the quality of the machined surfaces was researched. The proposed system only needs a small camera mounted next to the tool. Different monitoring CNN architectures were trained and compared in order to choose the most suitable one. Additionally, an optimisation system using Bayesian optimisation was implemented to choose the best machining parameters at priori and use that knowledge to take actions when the machining results were not as expected, testing the model’s performance as an online optimiser directly connected to the monitoring system. The created system, if further improved, will be capable of performing in an industrial machining environment and can easily be implemented, opening the possibility of introducing autonomous and automated systems even in the small to medium companies’ reality.
본 논문에서는 가공된 표면의 품질을 확인하기 위한 저렴하고 신뢰성이 있는 모니터링 시스템의 구현 가능성을 조사했습니다. 제안된 시스템에는 도구 옆에 장착된 작은 카메라만 있으면 됩니다. 가장 적합한 아키텍처를 선정하기 위해 다양한 CNN 아키텍처들이 훈련하고 비교하였습니다. 또한 베이지안 최적화를 이용한 최적화 시스템을 구현하여 최적의 기계가공 파라미터를 선택하고 해당 지식을 활용하여 기계가공 결과가 예상과 다를 때 조치를 취하도록 하여 모니터링 시스템에 직접 연결된 온라인 최적화 모델의 성능을 테스트하였다. 이번에 개발된 시스템이 더욱 개선되면 산업용 가공 환경에서 성능을 발휘할 수 있고 쉽게 구현할 수 있어 중소기업에서 자율 · 자동화 시스템을 도입할 수 있는 가능성이 열린다.
