[첨단 헬로티]

일본의 연마기술자는 40년 전에 비하면 대폭으로 감소해, 금속가공 메이커는 인재 확보에 어려움을 겪고 있다. 현재도 연마작업의 대부분은 사람이 수작업으로 하고 있음에도 불구하고, 인재 확보가 어려운 요인으로서 ‘저출산 고령화에 의한 후계자 부족’, ‘3K 작업으로 인한 젊은 사람들의 공장 근무 회피’, ‘기술 습득에 장기간 필요’ 등을 들 수 있다.

또한, 사람의 숙련도에 따라 품질의 편차가 있으며, 일정한 품질로 만들고 싶다는 요망도 듣게 된다. 더구나 인재가 적기 때문에 많은 작업량을 소화할 수 없어 저렴하고 인재가 많은 중국으로 일을 넘기고 있는데, 최근에는 신흥국의 인건비 상승도 과제가 되고 있다. 앞에서 말한 인재 부족과 품질 편차, 인건비 상승 등의 문제가 있기 때문에 로봇화의 요구는 높아지고 있다.

로봇화에도 연마 동작을 철저히 가르치는 것은 어렵고, 공수가 걸린다고 하는 과제가 있다. 일부 로봇화를 추진하고 있는 메이커도 있는데, 교시에 시간이 걸리기 때문에 다품종에 대응하는 것은 어렵다.

교시자는 그림 1 (a)의 프로그래밍 펜던트를 사용해, 그림 1 (b)와 같이 로봇 끝단에 장착한 워크를 보면서 버튼을 조작해 전후 좌우 상하로 자세(기울기)를 변화시켜 로봇의 위치 자세를 등록해 간다. 연마 워크는 곡면이 많아, 그 조작 방법으로 3차원적인 궤적을 그리는 동작을 만들기 위해서는 로봇의 교시 기술을 필요로 한다. 더구나 잔삭이나 과삭이 되지 않도록 연마 후의 워크 표면을 확인하고, 시행착오적으로 로봇의 위치 자세를 미수정해 버프나 벨트에 대한 접근 상태를 조정하고 있다. 하나의 워크에 대해 로봇 동작을 교시하는 것에 하루 온종일, 접근 상태를 조정하는 것에 4, 5일을 필요로 한다고 알려져 있다.

▲ 그림 1 프로그래밍 펜던트의 교시

앞에서 말한 과제를 해소하기 위해 프로그래밍 펜던트를 대신하는 간단 교시 기능을 개발, 연마작업의 로봇화를 서포트하는 동시에 다품종 대응 시의 시스템 기동 시간 단축에 공헌하는 것을 지향하고 있다. 우선은 수도꼭지 황삭·중삭 공정을 대상으로, 아래의 2가지를 당면 개발 목표를 가지고 실연 교시 기능의 개발을 추진하고 있다. 이 글에서는 이번에 시제작한 실연 교시 기능에 대해 해설한다.

• 교시 조정 시간의 단축 : 며칠 → 몇 시간

• 사람과 동등한 연마 품질의 확보

실연 교시 기능의 개요

이하에서는 실연 교시 기능의 개요를 설명한다. 기능의 개요, 기능의 시스템 구성에 대해, 그리고 기능 도입에 의한 메리트에 대해 차례로 서술한다.

1. 기능 개요

실연 교시 기능이란 사람이 작업의 본보기(실연)를 보여 로봇에게 움직임을 가르치는(교시하는) 기능이다. 실연에서는 그림 2와 같이 사람이 교시 디바이스를 사용해 로봇에게 움직임과 힘 가감을 가르치고, 그림 2 (b)와 같이 로봇은 실연 시의 사람 움직임과 힘 가감을 따라함으로써 사람의 작업을 재현한다.

▲ 그림 2 실연 교시 기능

기능의 조작이나 처리의 흐름에 대해 설명한다. 우선 워크가 장착된 교시 디바이스를 가지고 사람이 실제로 작업을 실연하면(그림 3 (a)), 실연하고 있을 때의 워크 위치 자세와 힘의 시계열 데이터가 퍼스널컴퓨터에 보존된다(그림 3 (b)).

▲ 그림 3 실연 시의 데이터 취득

다음으로 퍼스널컴퓨터에 보존한 실연 데이터를 로봇 컨트롤러에 송신, 로봇에 실연 데이터(위치 자세와 힘)를 지령으로서 부여해 재생한다(그림 4). 그러나 실연 시의 계측 오차나 로봇의 응답 지연 등의 요인에 의해 그림 4 오른쪽 그래프와 같이 1회로는 로봇은 실연 시의 힘 가감을 재현할 수 없다. 이에 오차를 저감하기 위해 학습 제어를 이용한다. 또한, 그림 4 중앙의 블록도는 위치 지령 베이스의 힘 제어를 나타내고 있으며, 상세한 것은 다음에 설명한다.

▲ 그림 4 실연 동작을 로봇으로 재생

학습 제어에서는 힘의 오차(그림 4 오른쪽 그래프의 실연과 재생의 차이)를 기초로, 다음 회의 로봇 동작을 수정해 다시 로봇을 재생한다. 작업을 반복하면, 그림 5와 같이 로봇은 실연 시의 힘 가감을 재현할 수 있게 된다. 그림 5 학습 후의 힘 파형은 실연과 거의 겹친 그래프로 되어 있다.

▲ 그림 5 로봇에 의한 힘 가감의 학습

2. 시스템 구성

실연 교시 시스템은 그림 6과 같이 로봇, 로봇 컨트롤러, 프로그래밍 펜던트, 교시 디바이스, 퍼스널컴퓨터로 구성된다. 교시 디바이스는 디지타이저(메이커 : Revware, 형식 : MicroScribe-G2LX6)과 6축 역각 센서(메이커 : 와코테크, 형식 : WDF-6M200-3)로 구성되며, USB로 퍼스널컴퓨터에 접속해 사람의 움직임(위치 자세)과 힘 가감을 퍼스널컴퓨터에 기록할 수 있다(상세한 것은 다음에 서술한다).

▲ 그림 6 실연 교시 시스템

로봇 끝단에는 6축 역각 센서(메이커 : 와코테크, 형식 : WEF-6A1000-30)가 장착되어 있으며, 로봇은 실연 동작(사람의 움직임과 힘 가감)을 재생할 수 있다. 힘의 학습 기능은 PC 애플리케이션에 실장되어 있으며, 로봇 컨트롤러에서 받은 로봇 작업 중의 힘 데이터를 기초로 학습(사람의 힘 가감을 재현)할 수 있다.

3. 도입 메리트

앞에서 말했듯이 이 기능은 주로 실연과 학습으로 구성된다. 실연은 교시 디바이스를 사용한 직감적인 교시 방식이기 때문에 로봇 교시의 프로페셔널이 아니어도 로봇의 교시가 가능하고, 또한 학습 제어는 시행착오로 힘 가감을 조정하고 있던 작업을 자동화하는 것으로, 연마 숙련자의 실연 데이터를 기초로 학습하면 품질 안정화할 수 있다고 생각한다. 이상의 효과에 의해 제품의 모델 체인지에 의한 레이아웃 변경이나 다품종 대응의 시스템 기동 시간의 단축을 기대할 수 있다.

개발 기능의 상세

이하에서는 개발 기능의 상세에 대해 설명한다. 첫 번째는 사의 실연 데이터(움직임, 힘 가감)을 취득하는 방법에 대해서, 두 번째는 실연 시의 힘으로 작업시키기 위한 로봇의 역각 제어에 대해서, 세 번째는 사람의 실연 시와 로봇 재생 시의 힘 오차를 저감하기 위한 학습 제어(반복 학습 제어)에 대해 서술한다.

1. 실연 데이터의 취득

디지타이저의 각 관절에는 엔코더가 내장되어 있으며, 사람이 실연 중인 각 축 엔코더값을 역각 센서는 센서 좌표계의 힘 모멘트를 시계열 데이터로 취득할 수 있다. 각 축 엔코더값으로부터 디지타이저 좌료계의 워크 위치와 자세를 구할 수 있다.

교시 디바이스로 취득한 워크 위치 자세 및 힘의 시계열 데이터는 디지타이저 좌표계이기 때문에 로봇에 지령을 주기 위해서는 로봇 좌표 기준으로 변환할 필요가 있다. 그렇기 때문에 그림 7과 같이 디지타이저, 로봇의 위치 관계(변환 행렬)를 사전에 캘리브레이션해 두고, 실연 시에는 이 위치 관계를 이용해 로봇 좌표계의 위치 자세와 힘을 퍼스널컴퓨터에 보존한다.

▲ 그림 7 캘리브레이션

2. 역각 제어

역각 제어에서는 암 끝단에 붙인 역각 센서 신호를 피드백해 유연 모델(매스·댐퍼·스프링특성)을 이용함으로써 워크와 연마 기간의 힘을 원하는 값으로 제어하는 동시에, 예기치 않게 외력에 대해 암 끝단을 유연하게 움직일 수 있다. 

역각 제어에 대해 그림 8을 이용해 상세를 설명한다. 실연 시의 위치 자세와 힘의 데이터는 앞에서 설명했듯이, 그림 8 각 축의 위치 지령 θref와 힘 지령 Ffb에 입력된다. 로봇 동작 중의 워크가 받는 힘 Ffb는 역각 센서로 계측된다. Fref와 Ffb의 차분으로부터 유연 모델에 의해 힘 지령대로 움직이기 위한 손끝 위치의 보정량이 산출된다. 그 보정량(로봇 좌표계)은 각 축의 위치 지령으로 변환되고 실연에 의한 위치 지령 θref를 가산해 위치제어계에 입력된다. 위치제어계에서는 엔코더로부터 각 축의 위치·속도가 피드백되어 실연 시의 위치 지령과 힘 지령이 되도록 모터에 지령이 출력된다.

▲ 그림 8 역각 제어

역각 제어의 현상 과제는 힘 지령에 대한 힘 피드백의 응답이 늦고, 오버슈트나 추종 지연이 생기는 경우가 있어 연마 시에 과절삭되거나 절삭되지 않거나 하는 요인이 된다. 다음에 설명하는 반복 학습을 이용함으로써 이러한 요인으로 일어나는 힘 지령과 힘 피드백의 오차도 저감할 수 있다.

3. 반복 학습 제어

반복 학습 제어의 기본형을 그림 9에 나타냈다. 제어 대상 G의 출력 Yk(i)이 목표 출력 Yd(i)가 되도록 반복 학습하는 형태이다. k는 시행 횟수, i는 시각을 나타낸다. 초기 상태로서 입력 U0(i)과 목표 출력 Yd(i)가 메모리에 보존되고 있는 것으로 한다. 시행 1회째에서는 입력 U0(i)로 제어 대상 G를 움직이면, Y0(i)가 출력된다. 아래 식과 같이 Yd(i)와 Y0(i)의 편차 E0(i)에 게인 H를 곱한 값을 입력 U0(i)에 가산한 U1(i)을 메모리에 보존한다.

▲ 그림 9 반복 학습 제어의 기본형

다음 회 시행으로 메모리에 보존한 U1(i)로 제어 대상 G를 움직인다. 이상의 흐름을 반복함으로써 편차 Ek(i)가 작아지도록 입력 Uk+1(i)가 보정되어 출력 Yk(i)를 목표 Yd(i)에 근접시킬 수 있다.

이 기능에서는 사람 실연 시의 힘 가감(목표 출력)에 로봇 재생 시의 힘(출력)이 근접하도록(재현할 수 있도록) 반복 학습 제어를 적용했다.

힘의 반복 학습 제어의 기초 실험을 한 결과를 그림 10에 나타냈다. 반원통 워크에 대해 사람이 아래방향으로 힘을 가하면서 모방 동작을 실연, 그것을 로봇으로 반복 학습 제어를 실행한 결과이다. 

▲ 그림 10 힘의 반복 학습 제어의 기초 실험 결과

10회째의 학습에서는 학습 전에 비해 힘의 오차가 작아지고, 로봇은 사람의 힘 가감을 재현할 수 있다는 것을 알 수 있다.

검증 실험

이하에서는 연마 숙련자가 실연한 위치 자세와 힘의 데이터를 이용해 로봇에 동작을 시키고, 실연 시와 동등한 연마 품질이 되는지 검증한 결과를 나타낸다. 검증 방법, 검증 결과에 대해서 서술한다. 

1. 검증 방법

검증은 이하의 순서로 실시했다.

(1) 교시 디바이스 끝단에 그림 11의 놋쇠 워크(수도꼭지)를 장착한다.

▲ 그림 11 연마 워크

(2) 연마기를 구동시킨 후 그림 12와 같이 연마 숙련자는 교시 디바이스를 조작, 연마 벨트에 워크를 바싹 대어 연마작업을 실연한다. 실연자는 워크 표면을 확인하면서 여러 번 연마(실연)하고 있다. 또한, 연마 부위는 그림 11의 워크 평면부이다.

▲ 그림 12 연마 숙련자의 실연 모습

(3) 여러 번의 실연 데이터 각각에 대해 로봇에게 학습 동작을 하게 한다.

(4) 학습해서 완성된 각 동작을 재생해 그림 13과 같이 로봇으로 연마시킨다.

▲ 그림 13 로봇 재생의 모습

(5) 위의 (2)와 (4)에서 연마한 워크 표면을 비교한다. 또한 학습하지 않는 상태로 로봇을 재생해 연마한 워크 표면도 확인했다.

2. 검증 결과

검증 결과를 그림 14에 나타냈다. (a)는 숙련자의 실연, (b)는 학습 후의 로봇 재생, (c)는 학습 전의 로봇 재생의 결과이다. 육안으로 연마 표면을 관찰해 비교한 결과, 그림 14 (c) 학습하지 않은 것은 잔삭이 있는 것에 대해 그림 14 (b) 학습한 것은 잔삭이 없고, 그림 14 (a) 숙련자의 실연과 거의 동등한 연마 품질을 재현할 수 있다는 것을 확인할 수 있었다. 또한 일련의 궤적(연마 동작)을 교시하는데, 프로그래밍 펜던트 교시(몇 분)과 비교해 실연 교시(몇 십초) 쪽이 대폭으로 시간 단축할 수 있다는 것도 알 수 있었다.

▲ 그림 14 검증 결과 (연마 후의 워크 표면 비교)

더구나 학습 후의 로봇 연마에서 숙련자의 실연 데이터를 사용한 경우와 초보자의 실연 데이터를 사용한 경우의 비교 결과를 그림 15에 나타냈다. 그림 15 (a) 숙련자의 실연과 비교해 그림 15 (b) 초보자의 실연에서는 잔삭이나 과삭이 있으며, 각각의 실연 데이터를 사용해 로봇으로 연마한 경우도 동일한 결과가 됐다. 품질이 좋은 연마작업을 이 기능으로 교시하기 위해서는 숙련자가 실연할 필요가 있다.

▲ 그림 15 추가 검증 결과 (숙련자와 초보자의 비교)

맺음말

실연 교시에 의한 로봇 연마 시스템을 시제작했다. 직감적인 교시 디바이스로 연마작업 시의 워크 위치 자세와 힘을 취득, 로봇 동작으로 변환함으로써 프로그래밍 펜던트를 사용하지 않고 산업용 로봇에 익숙하지 않은 유저라도 간단하게 단시간으로 교시할 수 있다. 또한, 역각 제어에 기초하는 반복 학습 제어로 로봇이 자동으로 학습하므로 유저가 시행착오하지 않아도 실연자의 힘 가감을 재현할 수 있다. 이번 검증으로 실연자의 힘 가감을 재현함으로써 실연자와 동등한 연마 품질을 실현할 수 있었다. 이것에 의해 숙련자의 힘 가감을 재현하는 것의 의의를 확인할 수 있었다.

앞으로는 현재의 시스템을 발전시켜 제품화를 추진해 갈 것이다. 또한, 응용 기능의 개발도 추진, SI나 유저에게 있어 도입 장벽과 부담을 경감할 수 있도록 노력해 갈 것이다. 

나가이 료이치·안도 신고·NATHANAEL Mullennix·이와사 토시히로

야스카와전기 개발연구소 스마트인더스트리개발부 로보틱스솔루션개발과

본 기사는 일본공업출판이 발행하는 「기계와 공구」지와의 저작권 협정에 의거하여 제공받은 자료입니다.