본 리뷰는 밀링 공구 마모 모니터링의 디지털 전환을 재평가하기 위해 인지, 엣지 처리, 클라우드 기반 의사결정의 3계층 아키텍처를 제시한다. 주요 마모 메커니즘(측면, 크레이터, 엣지 마모)과 초경합금 기판 및 PVD/CVD 코팅의 역할을 분석하고, 전통적인 오프라인 측정에서 통합 디지털 시스템으로의 진화를 다룬다.
직접 측정 방식(광학 현미경, SEM, 프로파일로메트리)과 절삭력, 진동, 음향 방출, 온도, 컴퓨터 비전을 활용하는 간접 센서 기반 접근 방식을 비교한다. 특히 데이터 획득(인지), 로컬 처리(엣지 컴퓨팅), 클라우드 기반 의사결정을 포함하는 디지털 모니터링 아키텍처에 중점을 둔다. 또한 CNN, LSTM, 디지털 트윈 등 AI 및 머신러닝 알고리즘이 실시간 마모 예측 및 분류에 적용되는 사례를 평가한다.
최첨단 분석 결과, 정확도는 향상되었으나 실시간 견고성, 일반화 능력, 불확실성 정량화는 여전히 주요 연구 과제로 남아있음을 확인했다. 디지털화, 인더스트리 4.0 및 5.0의 가속화, 신속한 산업 의사결정 요구 증가는 마모 식별 및 정량화 속도를 핵심 과제로 부각시키며, 마모 모니터링의 목표를 거의 실시간 응답성으로 재정의하고 있다.
이에 따라 본 리뷰는 물리 정보 기반 하이브리드 모델링, 개방형 벤치마크 데이터셋 및 검증 프로토콜, 엣지-클라우드 아키텍처, 설명 가능한 AI를 우선시하는 미래 지향적 방향을 제시한다. 이는 실험실 검증을 넘어 현대 스마트 제조 생태계의 요구사항에 부합하는 신뢰성 높고 고속의 산업 배포를 위한 길을 열 것이다.
통합 바이오공정(CBP)은 효소 생산, 리그노셀룰로스 분해, 당 방출, 발효가 동시에 발생하며, 측정 부족, 원료 변동성, 모델 불일치로 인해 모니터링이 어렵습니다. 본 연구는 디지털 트윈 기반 CBP 모니터링을 위한 센서 세트 설계 프레임워크를 제안합니다.
활성 바이오매스, 셀룰로스 분해 효소 활성, 잔류 불용성 기질, 가용성 당, 에탄올의 5가지 상태를 포함하는 가상 플랜트를 활용하여 16가지 에탄올 필수 측정 패키지를 평가했습니다. 유한 차분 출력 민감도, Fisher 정보 기반 상태 관측성 및 매개변수 식별성 분석, 고유값 및 매개변수 상관관계 진단, Monte Carlo unscented Kalman 필터 기반 소프트 센싱 재구성을 통해 후보 센서 세트를 평가했습니다.
에탄올 단독 센싱은 상태 인식 CBP 디지털 트윈 재구성에 가장 취약한 성능을 보였습니다. 6시간 샘플링 간격에서 상태 관측성 로그 유사행렬식은 에탄올 단독 센싱 시 4.18에서 가용성 당 추가 시 8.56으로, 전체 프록시 모니터링 시 16.42로 증가했습니다. 에탄올-당-바이오매스-기질 패키지는 6, 12, 24시간에서 각각 15.12, 13.76, 12.51의 로그 유사행렬식을 기록하며 강력한 성능을 보였습니다. 바이오매스와 효소 프록시는 매개변수 학습에 크게 기여했으며, 에탄올-당-바이오매스-효소 패키지는 6, 12, 24시간에서 각각 10.82, 9.06, 6.67의 로그 유사행렬식을 기록하며 가장 강력한 매개변수 식별성 성능을 보였습니다.
소프트 센싱 분석에서는 전체 프록시 모니터링이 평균 잠재 상태 RMSE를 1.1899에서 0.3756으로 감소시켰습니다. 이러한 결과는 CBP 공정의 효율적인 모니터링 및 제어를 위한 최적의 센서 구성 전략을 제시합니다.
