시계열 딥러닝 기반 디지털 트윈 실시간 제어

자율 제조에서 실시간 모니터링, 모델 업데이트, 예측 및 의사결정을 가능하게 하는 디지털 트윈은 머신러닝 발전과 결합하여 능동적인 제어 전략을 위한 새로운 기회를 제공합니다. 그러나 고도로 비선형적인 제조 시스템에서 정확한 예측을 기반으로 하는 효율적인 최적화는 디지털 트윈의 실시간 의사결정 달성에 필수적입니다. 본 연구는 시계열 딥러닝 신경망(TiDE)을 대리 모델로 활용하여 동시 다단계 모델 예측 제어(MPC) 프레임워크를 제안합니다. 기존 MPC 모델이 단일 단계 예측만 제공하는 것과 달리, TiDE는 예측 범위 내의 미래 상태를 한 번에(다단계) 예측하여 MPC의 속도를 크게 향상시킵니다. 지향성 에너지 증착(DED) 적층 제조 사례 연구를 통해, 제안된 MPC가 용융지 온도 추적을 통해 부품 품질을 보장하고, 레이저 출력을 조절하여 용융지 깊이 제약을 유지함으로써 다공성 결함을 줄이는 데 효과적임을 입증했습니다. 본 연구는 TiDE가 용융지 온도와 깊이를 정확하게 예측할 수 있음을 먼저 보여줍니다. 다음으로, 제안된 MPC가 목표 희석 범위(10%–30%) 내에서 용융지 깊이 제약을 만족시키면서 정밀한 온도 추적을 달성하여 잠재적인 다공성 결함을 줄임을 입증합니다. 비례-적분-미분(PID) 제어기와 비교했을 때, MPC는 경쟁적이거나 우수한 용융지 온도 제어 성능과 함께 더 부드럽고 변동이 적은 레이저 출력 프로파일을 제공합니다. 이는 시계열 예측 및 실시간 최적화를 활용하는 MPC의 능동적인 제어 역량을 보여주며, 미래 디지털 트윈 응용 및 제조 분야의 실시간 공정 최적화를 위한 강력한 도구로서의 가능성을 제시합니다.