earticle

영어

The purpose of this study is to propose a method to experimentally apply robot coupling simulation using big data-based digital twin technology to minimize the input of manpower other than robots that existing rigid robots have, and to propose a smart factory implementation for smart manufacturing innovation. The purpose of this study was to achieve the research purpose through experiments that include methods to apply algorithms such as deep learning, convolutional neural networks, and recurrent neural networks by advancing the digital twin modeling and prediction techniques proposed so far. In order to verify the effectiveness and feasibility of digital twin technology, an experiment was conducted to conduct robot coupling simulation using a 6-axis robot. Through the robot coupling simulation experiment using big data-based digital twin technology, the effect of manufacturing innovation was discovered, and it showed superior results in path planning, dynamic response, and transport capacity compared to existing physical models. In future studies, since the applicability of digital twin technology and existing physical models may differ depending on specific scenarios and requirements, it is expected that manufacturing innovation can be achieved through the application of digital twin simulation suitable for the manufacturing environment by studying the definition of parameters that can select the scenario to be applied and the method of intelligence.

한국어

본 연구는 기존의 경직성 로봇이 갖고 있는 로봇 이외의 인력 투입을 최소화할 수 있도록 빅데이터 기반 디지털 트윈 기술을 적용한 로봇 커플링 시뮬레이션을 실험적으로 적용할 수 방안을 제안하여 스마트제조혁신을 위한 스마트공장 구현을 제안하고자 함에 연구 목적이 있다. 이제까지 제안된 디지털 트윈 모델링 및 예측기법을 고도화하여 딥 러닝, 나선형 신경망, 회귀 신경망과 같은 알고리즘을 적용하는 방법을 포함하는 실험을 통해 연구 목적을 달성하고자 하였다. 디지털 트윈 기술의 효과성과 실현 가능성을 검증하기 위하여 6축 로봇을 이용한 로봇 협력 시뮬레이션을 시행하는 실험을 수행하였다. 빅 데이터 기반의 디지털 트윈 기술의 로봇 커플링 시뮬레이션 실험을 통해 제조혁신의 효과를 발견하였는 바, 경로 계획, 동적 응답 및 운반 용량에서 기존 물리적 모델보다 우위의 결과값을 보였다. 향후 연구에서는 디지털 트윈 기술과 기존 물리 적 모델은 특정 시나리오와 요구사항에 따라 적용가능성이 상이할 수 있으므로 적용하고자 하는 시나리오를 선택할 수 있는 패러미터의 정의와 지능화 방법에 대한 연구가 이루어짐으로써 제조환경에 적합한 디지털 트윈 시뮬레이션 적용을 통한 제조 혁신이 달성될 수 있을 것으로 기대한다.