다중센서 융합 기반 실시간 3D 프린팅 결함 탐지 시스템

본 논문은 FDM(융합 적층 제조) 기반 3D 프린팅 공정에서 발생하는 주요 결함을 실시간으로 감지하기 위한 저비용·휴대형 시스템을 제안한다. 시스템은 음향, 진동, 열 세 종류의 센서를 통합한 다중센서 모듈을 사용한다. 음향 센서는 프린터 내부의 흐름 소음과 기계적 충격을 비접촉식 마이크로 포착하고, 진동 센서는 프린터 프레임과 모터에서 전달되는 미세 진동을 가속도계로 측정한다. 열 센서는 노즐 및 베드 온도의 변화를 적외선 온도 센서로 감지한다. 이러한 물리적 신호는 각각 샘플링된 후 푸리에 변환을 거쳐 스펙트로그램 형태로 변환되며, 멜‑주파수 켑스트럼, 스펙트럼 엔트로피, 파워 스펙트럼 밀도 등 다양한 시간‑주파수 특징이 추출된다. 추출된 특징은 센서별로 벡터화된 뒤 하나의 다중모달 입력으로 결합된다. 분류 단계에서는 2‑D 컨볼루션 신경망(CNN)을 활용한다. 입력은 3‑채널 이미지(음향, 진동, 열) 형태이며, 3개의 Conv‑ReLU‑MaxPool 블록과 2개의 완전 연결 층을 거쳐 Softmax 레이어에서 네 가지 클래스로 분류한다: 정상, 노즐 막힘, 필라멘트 소진, 레이어 정렬 오류. 학습 데이터는 실제 프린팅 과정에서 의도적으로 결함을 유발한 1,200개의 샘플을 10‑fold 교차 검증으로 평가했으며, 평균 정확도는 96.8%에 달한다. 다중센서 융합을 적용했을 때 단일 센서 대비 오탐률이 45% 감소하고, 결함 탐지 지연 시간은 0.12 초 이하로 단축되었다. 하드웨어 구현은 MEMS 마이크, 가속도계, 적외선 열 센서를 각각 $5~$10 수준의 비용으로 조달하고, 라즈베리 파이 제로(W) 기반 마이크로컨트롤러에 연결한다. 전원은 5 V USB 전원 공급으로 충분히 동작하며, 프린터 외부에 부착하는 형태로 설치가 용이하다. 소프트웨어는 파이썬과 TensorFlow를 이용해 실시간 데이터 스트리밍, 전처리, CNN 추론을 수행한다. 사용자 인터페이스는 웹 대시보드 형태로 제공되어 실시간 결함 알림, 로그 기록, 센서 상태 모니터링을 지원한다. 산업적 측면에서 이 시스템은 기존 프린터에 별도 개조 없이 적용 가능해 초기 투자 비용을 크게 낮춘다. 또한 높은 탐지 정확도와 빠른 반응 속도로 생산 중단을 예방하고, 불량품 및 폐기물 발생을 최소화해 지속 가능한 제조에 기여한다. 실시간 데이터는 클라우드에 전송되어 빅데이터 분석 및 예측 유지보수(Predictive Maintenance)와 연계될 수 있다. 따라서 본 연구는 Industry 4.0 환경에서 3D 프린팅 공정의 품질 관리와 효율성을 크게 향상시키는 실용적인 솔루션을 제공한다.