IMU 데이터를 활용한 이동 정확도 및 정밀도 분석

1. 서 론

정밀 제조 공정은 현대 산업에서 품질 관리와 생산성 향상의 핵심 과제로 부각되고 있다. 특히 제조 공정에서 발생하는 미세한 오차는 제품 품질에 직접적으로 영향을 미치며, 이를 조기에 감지하고 교정할 수 있는 기술의 필요성이 커지고 있다. 기존의 공정 모니터링 방법은 물리적 한계와 분석 속도에서 제약이 있어, 고속성과 정밀도를 동시에 만족시키는 새로운 접근 방식이 요구되고 있다. 본 연구는 관성측정장치(inertial measurement unit, IMU)를 활용한 제조 공정 모니터링 시스템이다. IMU는 가속도계와 자이로스코프를 결합한 장치로, 병진 및 회전 데이터를 실시간으로 측정할 수 있다. 특히, IMU를 통해 측정할 수 있는 움직임은 6자유도(6 degrees of freedom, 6DOF)로 정의되며, 이는 3축 방향(x, y, z)으로의 병진 운동과 3축 회전(roll, pitch, yaw) 운동을 포함한다. 6DOF 분석을 통해 제조 공정에서 발생하는 미세한 변화를 정밀하게 감지할 수 있으며, 실시간으로 분석해서 공정 이상을 조기에 탐지할 수 있다. 본 연구는 MATLAB 기반 데이터 분석 및 시각화 기술을 적용해 IMU 데이터를 처리하고 제조 공정에서 발생하는 이상 상태를 실시간으로 감지할 수 있는 알고리즘을 개발한다. IMU 데이터를 처리하고 노이즈를 제거하기 위한 데이터 전처리 방식을 설계하며, IMU 데이터를 통합하여 6DOF 분석을 수행함으로써 병진 및 회전 동작을 입체적으로 시각화한다. 또한, 제안된 시스템의 성능을 제조 공정에서 검증하고, 이를 통해 공정 이상 상태를 탐지할 수 있는 가능성을 평가한다. 본 연구를 통해 제조 공정의 품질 관리 및 생산성을 향상시키는 데 기여할 것으로 기대된다^[1-4].

2. 실 험

2.1 실험 설계 및 데이터 수집

본 연구는 Mendel Type의 이동식 전기화학 공정을 위한 CNC 장비(Fig. 1)를 활용하여 실험했고, IMU 센서를 X, Y 축을 따라 이동하는 가공부에 부착하여 데이터를 측정했다.

Fig. 1

Key operational points of the machine (X, Y)

본 시스템은 X, Y 축을 따라 직선 이동하며, 실험의 핵심 목표는 명령된 이동 거리(예: 1 mm 이동)와 IMU를 통해 측정된 이동 거리 간의 정확도를 검증하는 것이다. 기존의 제조 공정 모니터링은 주로 센서를 활용한 간접 측정 방식에 의존하며, 기계적 오차 보정이 필요하다. 그러나 본 연구는 IMU를 이용해서 이동 거리를 측정하고 검증하는 방식이다. 이를 위해 X, Y 축 방향의 이동 데이터를 측정하고 분석하며, 실험 장비의 이동 과정에서 발생할 수 있는 오차를 평가한다.

실험 장비는 X, Y 축을 따라 정확한 병진 운동을 수행하도록 설계되었으며, 측정된 데이터는 MATLAB을 활용하여 분석 및 시각화된다. 본 연구는 이러한 측정 시스템을 통해 정밀 가공 공정에서의 이동 정확성을 평가하는 것이 목표이다.

본 연구는 NGIMU(next generation IMU) 장치(x-io Technologies, UK)(Fig. 2)를 활용했다. NGIMU는 고성능 관성 측정 장치로, 3축 가속도계와 ±2000 °/s 범위의 3축 자이로스코프가 결합된 6축 센서를 탑재하고 있다. 이 장치는 UDP(user datagram protocol) 통신을 통해 데이터를 실시간으로 전송(Table 1)할 수 있다.

Fig. 2

NGIMU (x-io Technologies, UK)

Table 1

UDP communication setup

2.1.1 데이터 측정 속도 설정

데이터 측정 속도는 제조 공정의 특성과 센서의 반응성을 종합적으로 고려해 50 Hz로 설정(Table 2)했다. 이는 Nyquist-Shannon 샘플링 정리에 따라, 관심 주파수 대역(일반적인 제조 공정에서는 25Hz 미만)의 두 배로 설정했다. 50 Hz의 샘플링 주파수는 초당 50개의 데이터 포인트(Table 3)를 제공해 대부분의 제조 공정에서 발생하는 급격한 변화나 미세한 움직임을 포착(Fig. 3)할 수 있다^[5]. 이는 Wi-Fi를 통한 UDP 통신에서 안정적인 실시간 데이터 전송을 보장하면서 네트워크 부하를 최소화할 수 있는 적절한 속도로 확인됐다. 또한, NGIMU 장치의 배터리 수명을 고려할 때도, 50 Hz의 측정 속도는 장시간 연속 측정이 가능하다.

Table 2

Data transmission speed comparison

Table 3

Sampling rate setup

Fig. 3

Data collection process output

2.1.2 Wi-Fi를 활용한 실시간 데이터 측정

NGIMU는 내장된 Wi-Fi를 통해 실시간으로 데이터에 접근할 수 있게 AP(access point) 모드로 설정했다^[6]. 설정은 XIO Technologies사에서 제공하는 GUI를 사용(Fig. 4)했다. AP 모드 설정 시 주의할 점으로는 Band 선택(2.4 GHz와 5 GHz 중 선택), Channel 설정(간섭을 최소화하기 위해 주변 Wi-Fi 환경 고려), 그리고 Security 설정(데이터 보안을 위해 WPA2 암호화 사용)(Table 4) 등이 있다.

Fig. 4

Wi-Fi AP mode and configuration

Table 4

Wi-Fi configuration

UDP 프로토콜을 통한 데이터 전송은 MATLAB 환경에서 구현(Fig. 5, Table 5)했다. UDP는 연결 지향적이지 않은 프로토콜로, 빠른 데이터 전송이 가능하지만 패킷 손실의 가능성이 있다. 이를 보완하고자 데이터 무결성 검사, 손실된 데이터에 대한 보간, 그리고 소량의 데이터 버퍼링 등을 사용했다.

Fig. 5

WiFi connection using UDP communication

Table 5

UDP data transmission error handling

2.2 데이터 전처리

IMU 데이터는 노이즈와 드리프트를 포함할 수 있어 정밀한 전처리 과정이 필요기에 MATLAB을 활용(Table 6)했다.

Table 6

Filtering parameter

고주파 노이즈 제거를 위해 저역 통과 필터(low-pass filter)를 적용했다. 구체적으로 Butterworth 필터(Table 7)를 사용했으며, 이는 평탄한 주파수 응답 특성으로 인해 선택했다. 필터링 전후의 데이터 비교 결과는 시각적으로 제시했으며, 필터링 후 고주파 노이즈가 현저히 감소해 신호의 주요 특성이 더 명확하게 드러남을 확인할 수 있다^[6,7].

Table 7

Butterworth filter implementation

IMU 데이터의 시간적 불일치를 해결하고자 데이터 동기화를 했다. 동기화 전후의 데이터 비교를 통해, 데이터 간의 시간적 일치성의 향상(Fig. 6)을 확인할 수 있었다^[5].

Fig. 6

Desynchronized and synchronization data

2.3 데이터 통합 및 분석

2.3.1 데이터 처리

IMU 데이터의 전처리 과정은 Raw 데이터를 시작으로 변환, 노이즈 제거, 동기화, 6DOF 생성, 그리고 시각화 단계를 거친다. 이를 통해 센서 데이터가 분석 가능하게 변환된다.

2.3.2 시각화 과정과 6DOF

6DOF는 IMU 데이터를 3D 공간에서의 움직임으로 시각화(Fig. 7, Table 8)한다. 이는 위치(x, y, z)와 자세(roll, pitch, yaw) 데이터를 처리하며, 좌표계 변환, 회전 행렬 계산, 3D 객체 생성, 애니메이션 프레임 생성 등의 과정을 거친다^[8].

Fig. 7

6DOF visualization

Table 8

6DOF visualization function

2.3.3 위치 데이터 출력

순수한 위치 데이터의 추출을 위해 MATLAB의 AHRS (attitude and heading reference system) 알고리즘(Table 9)을 수정했다. 방위 데이터 생성 단계를 제거하고 회전 행렬 변환을 억제함으로써 순수 위치 데이터만을 추출했다. 이렇게 추출된 위치 데이터는 기울기 정보를 포함하지 않아, 순수한 병진 운동(Fig. 8(a))을 나타낸다. 방향 값을 포함한 데이터와 제외한 데이터의 비교, 그리고 추출된 위치 데이터의 3D 공간 시각화(Fig. 8(b))를 했다.

Table 9

AHRS modification code for position data extraction

Fig. 8

Data with and without direction values

3. 결 과

Butterworth 저역 통과 필터를 적용한 결과, 고주파 노이즈가 크게 감소하면서 주요 진동 성분이 선명해졌다. Z축이 ±20 g 범위로 가장 큰 변동 폭을 보이며, 동적 구간 SNR은 대체로 16~18 dB 정도로 산출되었다. 위치 데이터는 상대적 변위 범위가 –0.15~+0.2 g 수준으로 나타나, 추후 실제 거리(m) 환산 시 드리프트와 적분 오차에 대한 보정이 필수다.

3.1 기울기 및 가속도 센서 데이터 비교

본 연구는 IMU 데이터를 이용하여 두 가지 방식(기울기 데이터로 측정한 가속도와 가속도 센서로 측정한 가속도)을 비교했다. Fig. 9는 기울기 데이터를 기반으로 측정·계산한 가속도 및 위치를, Fig. 10은 직접 가속도 센서로 측정·계산한 가속도 및 위치를 나타낸다.

Fig. 9

Tilt data

3.1.1 범위(range)

기울기 기반 가속도(Fig. 9(a))의 경우 X축은 약 -11 g~+6 g, Y축은 -13 g~+11 g, Z축은 -17g~+18 g 범위를 보였고, 가속도 센서(Fig. 10(a))의 경우 X축은 약 -5 g~+5 g, Y축은 –11 g~+11 g, Z축은 -18 g~+18 g로, Z축에서 가장 큰 스파이크(±18 g 전후)가 관찰되었다.

Fig. 10

Acceleration

3.1.2 위치 데이터 비교

기울기 기반 위치(Fig. 9(b))와 가속도 센서 기반 위치(Fig. 10(a)) 모두 -0.15 g~+0.2 g 범위의 상대적 변화를 보였다.

Fig. 9 및 Fig. 10에서 제시된 위치 데이터는 IMU 가속도 데이터를 시간에 대해 2회 적분하여 변환한 결과다. 데이터 변환 과정에서 발생하는 드리프트를 보정하기 위해 Kalman Filter를 적용했다.

3.2 샘플 범위 및 분석 구간

본 실험의 모든 데이터는 1~8000 샘플 구간에서 수집되었으며, 샘플링 주파수는 50 Hz로 설정했다. 이를 통해 약 160초간의 데이터를 획득했다. 그리고 정적 구간에서 잡을 레벨(A_noise)을 추정하고, 동적 구간에서 실제 신호 RMS(A_signal)를 산출(Table 10)함으로써 SNR(신호대잡음비)을 계산했다. SNR은 식 (1)과 같다^[6].

Table 10

Classification of static and dynamic intervals

$\[ SNR\left(dB\right)=20{\log }_{10}\left(\frac{A_{signal }}{A_{noise }}\right) \]$

(1)

4. 결 론

본 연구는 IMU 데이터를 활용해서 제조 공정에서의 이동 정확도 및 정밀도를 분석하는 방법이다. 이는 기울기 기반 가속도 측정과 가속도 센서를 이용한 직접 측정 데이터를 비교 분석하고, MATLAB을 활용해서 데이터 전처리 및 시각화를 했다. 연구를 통해 저역 통과 필터(Butterworth filter, 차단 주파수 10 Hz)를 적용해 고주파 노이즈를 제거하고 신호 대 잡음비(SNR)를 16~18 dB로 개선했다. 또한, Z축에서 ±18 g의 변동폭이 관찰되었으며, 이는 제조 장비의 구동 메커니즘, 순간 충격, 공진 효과 등의 영향을 받은 것으로 분석했다. 위치 데이터는 –0.15~+0.2 g 범위의 상대적 변위를 나타냈지만, 중력 가속도(9.81 m/s²)를 포함하고 있어 직접 절대 위치로 변환하는 과정에서 노이즈가 발생했으나, 향후 연구에서 센서 퓨전(sensor fusion)을 통해 중력 보정하고, 적응형 필터링(adaptive filtering)을 통해 데이터 드리프트를 최소화할 수 있다. 이는 IMU 기반 이동 거리 측정의 정밀도를 높힐 수 있고, 절대 위치 측정의 신뢰성을 개선할 수 있다.

추가로, 저역 통과 필터 적용 과정에서 축간 40~100 ms의 시간 지연이 발생하는 것이 확인되었으며, 이는 필터링 과정에서 특정 주파수 성분이 지연된 결과로 판단된다. 정확한 가속도 및 위치 분석을 위해서는 디지털 필터의 위상 보정(phase compensation)을 적용하고, Kalman 필터를 활용해 이동 거리 예측 정확도를 향상할 필요가 있다.

본 연구의 IMU 기반 이동 정확도 및 정밀도 분석 방법은 정밀 이동이 요구되는 제조 공정에서 유용하게 활용될 수 있다. 특히, 전해 공정(electrochemical machining, ECM), 초정밀 CNC 가공에서 이동 거리 오차가 제품 품질에 직접적인 영향을 미치는 환경에서 적용할 수 있다. ECM에서는 전극의 미세 이동 정밀도를 실시간으로 모니터링해 불균일한 가공을 방지할 수 있고, CNC 가공은 공구 위치 보정을 자동화해 가공 오차를 최소화할 수 있다. 이 외에도, 미세 용접에서의 전극 이동 분석, 의료 로봇의 미세 움직임 평가 등 다양한 정밀 제조 및 자동화 시스템에 적용 가능할 것으로 기대된다.

References

• Yoo, C. K., Choi, S. W., Lee, I. B., 2008, Recent Research Trends of Process Monitoring Technology: State-of-the-Art, Korean Chem. Eng. Res., 46:2 233-247.
• Yoo, K. S., Kang, Y. S., Choi, I. H., Kim, B. H., Lee, J. W., 2019, Real-Time Monitoring System during Machine Center Processing, Proc. Korean Soc. Manuf. Technol. Eng. Autumn Conf., 206.
• Jo, S. H., Chang, T. W., Shin, K. T., Na, H. B., Park, J. W., 2009, Continuous Improvement Plan of Manufacturing Process through Real-Time Data Acquisition, Journal of the Korea Industrial Information Systems Research,14:4 75-90. [https://doi.org/10.9723/jksiis.2009.14.4.07]
• Lee, P. -H., Song, Y. -U., Kim, Y., Heo, S., Chang-Woo Lee, C. -W., 2023, Evaluation of Shape Properties in Hybrid Laser-powder Bed Fusion Additive Manufacturing Process, J. Korean Soc. Manuf. Technol. Eng., 32:6 309-315. [https://doi.org/10.7735/ksmte.2023.32.6.309]
• Yoon, S. H., Moon, S. M., Lyu, S. K., 2018, A Study on Monitoring Drilling using Torque from Main Spindle Based on PLC in CNC Machine Tools, J. Korean Soc. Manuf. Process Eng., 17:3 7-15. [https://doi.org/10.14775/ksmpe.2018.17.3.007]
• Kim, J. C., Lee, H. D., Jin, S. A., Park, Y. H., Roh, S. Y., 2015, A Design for Realtime Monitoring System and Data Analysis Verification TA to Improve the Manufacturing Process Using HW-SW Integrated Framework, KIPS Tr. Software and Data Eng., 4:9 357-370. [https://doi.org/10.3745/KTSDE.2015.4.9.357]
• Oh, Y. G., Park, H. S., Yoo, A., Kim, N. H., Kim, Y. H., Kim, D. C., Choi, J. U., Yoon, S. H., Yang, H. J., 2013, A Product Quality Prediction Model Using Real-Time Process Monitoring in Manufacturing Supply Chain, Journal of the Korean Institute of Industrial Engineers, 39:4 271-277. [https://doi.org/10.7232/JKIIE.2013.39.4.271]
• Yoon, J. -S., 2022, Development of an Integrated Operation Management System for Multi-Vendors’ CNC Machine Tools Based on Standardized Interfaces to Support Smart Manufacturing, J. Korean Soc. Manuf. Technol. Eng., 31:3 169-176. [https://doi.org/10.7735/ksmte.2022.31.3.169]
• Ko, K. H., Sim, J. U., Hong, S.-W., 2022, Application of Input Shaping to a CNC Laser Processing Machine to Enhance Processing Precision, J. Korean Soc. Manuf. Technol. Eng., 31:5 346-352. [https://doi.org/10.7735/ksmte.2022.31.5.346]