Fig. 5. Spot welded specimens 1 to 9 (from left to right)

퍼지 로직 제어를 이용한 점 용접 파라미터 예측

Prediction of Spot Welding Parameters Using Fuzzy Logic Controlling

본 보고서는 저항 점 용접(RSW) 공정에서 용접 전류와 용접 시간의 변화가 용접부의 기계적 특성에 미치는 영향을 분석하고, 퍼지 로직 제어(FLC)를 통해 이를 정밀하게 예측하는 연구 결과를 다룹니다. AISI 304 스테인리스강을 대상으로 실험 데이터와 시뮬레이션 결과를 비교 검증하여 제조 공정의 효율성을 높이는 기술적 근거를 제시합니다.

Paper Metadata

  • Industry: 자동차 및 금속 제조 산업
  • Material: AISI 304 오스테나이트 스테인리스강
  • Process: 저항 점 용접 (Resistance Spot Welding, RSW)

Keywords

  • 저항 점 용접 (RSW)
  • AISI 304 스테인리스강
  • 퍼지 로직 제어 (FLC)
  • 전단 하중 (Shear Load)
  • 너깃 직경 (Nugget Diameter)
  • MATLAB 시뮬레이션
  • 공정 최적화

Executive Summary

Research Architecture

본 연구는 0.8mm 두께의 AISI 304 스테인리스강 시트를 사용하여 저항 점 용접 실험을 수행하였습니다. 실험 설계는 용접 전류(6, 7, 8 KA)와 용접 시간(10, 15, 20 사이클)을 독립 변수로 설정한 3×3 요인 설계 방식을 채택하였습니다. 수집된 실험 데이터는 MATLAB의 퍼지 로직 툴박스를 활용한 Mamdani 방식의 추론 시스템 구축에 사용되었으며, 입력 변수와 출력 변수 간의 비선형적 관계를 모델링하였습니다.

Fig. 5. Spot welded specimens 1 to 9 (from left to right)
Fig. 5. Spot welded specimens 1 to 9 (from left to right)

Key Findings

실험 결과, 용접 전류 8 KA와 용접 시간 20 사이클 조건에서 최대 전단 하중 6,320 N과 최대 너깃 직경 22.97 mm가 관찰되었습니다. 퍼지 로직 모델을 통한 예측 결과, 전단 하중의 경우 최소 0.199%의 오차율을 보였으며, 너깃 직경은 최소 1.234%의 오차율을 기록하여 실험값과 시뮬레이션 값 사이의 높은 상관관계가 입증되었습니다. 이는 제안된 FLC 모델이 실제 용접 결과를 매우 정밀하게 예측할 수 있음을 나타냅니다.

Industrial Applications

개발된 퍼지 로직 모델은 실제 용접 공정 수행 전 최적의 파라미터를 예측함으로써 재료 손실과 전극 마모를 최소화하는 데 활용될 수 있습니다. 특히 복잡한 수학적 모델링 없이도 숙련공의 경험적 지식을 규칙 기반(Rule-base)으로 통합할 수 있어, 자동차 조립 라인과 같은 대규모 제조 현장에서 공정 제어 및 품질 관리 도구로 적용 가능합니다.

Theoretical Background

저항 점 용접의 열 발생 원리

저항 점 용접에서 발생하는 열량은 줄의 법칙(Joule’s Law)에 의해 결정됩니다. 전류의 제곱, 회로의 저항, 그리고 전류가 흐르는 시간의 곱에 비례하여 열이 발생하며, 이 열이 금속을 용융시켜 너깃을 형성합니다. 본 연구에서는 전류와 시간이 너깃의 크기와 강도를 결정하는 핵심 제어 인자로 작용하며, 특히 전류의 변화가 시간의 변화보다 열 발생량에 더 지대한 영향을 미침을 이론적으로 전제합니다.

퍼지 로직 제어 (FLC) 메커니즘

퍼지 로직은 ‘Low’, ‘Medium’, ‘High’와 같은 언어적 변수를 사용하여 시스템의 불확실성을 처리하는 인공지능 기법입니다. 퍼지화(Fuzzification), 퍼지 추론(Fuzzy Inference), 역퍼지화(Defuzzification)의 세 단계를 거치며, 본 연구에서는 Mamdani 추론 방식과 면적 중심법(COA) 역퍼지화 기술을 적용하였습니다. 이를 통해 입력 파라미터의 미세한 변화에 따른 용접부의 기계적 응답을 연속적인 수치로 도출할 수 있습니다.

Results and Analysis

Experimental Setup

실험에는 AISI 304L 스테인리스강 시트(두께 0.8mm)가 사용되었으며, 화학적 세척 후 2.5 KN의 일정한 전극 압력 하에서 용접이 수행되었습니다. 전극은 5mm 직경의 평면을 가진 45도 절단 원뿔 형태의 구리 합금을 사용하였습니다. 용접 후에는 인장 전단 시험기를 사용하여 2 mm/min의 속도로 하중을 가해 최대 전단 하중을 측정하였으며, 광학적 방법을 통해 너깃 직경을 산출하였습니다.

Visual Data Summary

3D 표면 그래프 분석 결과, 용접 전류와 용접 시간이 증가할수록 전단 하중과 너깃 직경이 모두 증가하는 양의 상관관계가 뚜렷하게 나타났습니다. 특히 전류 7~8 KA 구간에서 너깃 직경의 급격한 성장이 관찰되었으며, 이는 해당 구간에서 충분한 입열량이 확보되어 안정적인 용융부가 형성되었음을 시각적으로 뒷받침합니다.

Variable Correlation Analysis

변수 간 상관관계 분석에 따르면, 용접 전류는 열 발생 공식의 제곱항에 해당하므로 용접 시간보다 출력 변수에 더 민감하게 작용합니다. 실험 데이터 9개 세트 모두에서 전류 증가에 따른 전단 하중 상승 폭이 시간 증가에 따른 상승 폭보다 크게 나타났습니다. FLC 모델은 이러한 비선형적 특성을 규칙 기반 매트릭스에 반영하여 높은 예측 정확도를 달성하였습니다.

Paper Details

Prediction of Spot Welding Parameters Using Fuzzy Logic Controlling

1. Overview

  • Title: Prediction of Spot Welding Parameters Using Fuzzy Logic Controlling
  • Author: Hiba K. Hussein, Israa R. Shareef, Iman A. Zayer
  • Year: 2019
  • Journal: Eastern-European Journal of Enterprise Technologies

2. Abstract

저항 점 용접(RSW)은 가장 중요한 용접 공정 중 하나입니다. 점 용접의 품질은 용접 전류, 전극 압력, 용접 시간 및 그 수준과 같은 공정 파라미터에 따라 달라집니다. 본 연구에서는 실험적 작업을 모델링으로 뒷받침하며, 모델링은 새로운 데이터에 대해 수용 가능한 정확도로 결과를 예측하는 데 사용됩니다. 본 연구는 두 개의 동일한 오스테나이트 스테인리스강(AISI 304) 시트를 높은 전류와 전극 압력을 가해 접합하는 실험적 작업을 제시합니다. 용접 전류와 시간 파라미터를 변화시켜 재료 특성(최대 전단 하중, 너깃 직경)에 미치는 영향을 보여줍니다. 실험 데이터는 퍼지 로직 제어기(FLC) 구축의 기초가 됩니다. 인공지능의 역할은 임의의 점 용접 파라미터에 대해 최적의 재료 특성을 예측하고 용접 전 실패 가능성을 판단하는 것입니다. FLC는 20 사이클의 용접 시간과 8 KA의 전류에서 최적의 전단 하중과 너깃 직경이 발생함을 예측하였습니다. 이러한 예측은 금속 부품과 전극을 보호하고 비용과 노력을 절감할 수 있게 합니다.

3. Methodology


3.1. 재료 선정 및 준비: AISI 304 스테인리스강의 화학적 조성 및 기계적 특성을 분석하고 ASTM E8 규격에 따라 인장 시험편을 제작함.

3.2. 용접 실험 설계: 용접 전류(6, 7, 8 KA)와 용접 시간(10, 15, 20 사이클)을 3단계 레벨로 설정하여 총 9회의 실험 조합을 구성함.

3.3. 데이터 측정: 각 용접 시편에 대해 인장 전단 시험을 수행하여 최대 하중을 측정하고, 파단면 분석을 통해 너깃 직경을 측정함.

3.4. 퍼지 로직 모델링: MATLAB 퍼지 툴박스를 사용하여 입력(전류, 시간) 및 출력(하중, 직경) 변수의 소속 함수를 정의하고 9개의 규칙 기반을 수립함.

3.5. 검증 및 비교: 실험 결과와 FLC 시뮬레이션 결과를 비교하여 오차율을 산출하고 모델의 타당성을 검증함.

Fig. 12. Fuzzy Logic Rule Viewer
Fig. 12. Fuzzy Logic Rule Viewer


4. Key Results

실험 결과, 용접 전류와 시간이 증가함에 따라 전단 하중과 너깃 직경이 지속적으로 증가하는 경향을 보였습니다. 8 KA, 20 사이클에서 최대 전단 하중 6,320 N이 측정되었으며, 동일 조건에서 너깃 직경은 22.97 mm로 최대치를 기록했습니다. FLC 모델은 이러한 경향을 정확히 추종하였으며, 특히 7 KA, 10 사이클 조건에서 전단 하중 예측 오차율이 0.199%로 가장 낮게 나타났습니다. 전반적인 오차 범위는 산업적 예측 모델로서 매우 유효한 수준임을 확인하였습니다.

5. Mathematical Models

저항 용접 시 발생하는 열량 산출을 위해 다음과 같은 줄의 법칙 모델이 사용되었습니다.

$$H = I^2Rt$$

여기서 $H$는 발생 열량(J), $I$는 전류(A), $R$은 저항($\Omega$), $t$는 전류 흐름 시간(사이클, 60사이클=1초)을 의미합니다.

Figure List

  1. 실험 작업 및 퍼지 로직 흐름도
  2. 인장 시험편 치수 상세도
  3. 겹치기 이음용 가공물 치수 (정면도 및 측면도)
  4. 점 용접기 및 시험 장비 구성
  5. 점 용접된 1번부터 9번까지의 시편 이미지
  6. 인장 시험 전후의 점 용접 시편 파손 모드
  7. MATLAB 퍼지 툴박스의 GUI 모델
  8. 용접 전류 입력 변수의 소속 함수
  9. 용접 시간 입력 변수의 소속 함수
  10. 최대 전단 하중 출력 변수의 소속 함수
  11. 너깃 직경 출력 변수의 소속 함수
  12. 퍼지 로직 규칙 뷰어 (Rule Viewer)
  13. 너깃 직경에 대한 입력 변수 매핑 표면 뷰어
  14. 최대 하중에 대한 입력 변수 매핑 표면 뷰어
  15. 전류와 최대 하중의 상관관계 그래프
  16. 시간과 최대 하중의 상관관계 그래프
  17. 전류와 너깃 직경의 상관관계 그래프
  18. 시간과 너깃 직경의 상관관계 그래프

References

  1. Podržaj, P., Simončič, S. (2010). Resistance spot welding control based on fuzzy logic.
  2. Agashe, S., Zhang, H. (2003). Selection of schedules based on heat balance in resistance spot welding.
  3. Pouranvari, M., et al. (2008). Effect of expulsion on peak load and energy absorption.
  4. Marashi, P., et al. (2008). Microstructure and failure behavior of dissimilar resistance spot welds.
  5. Fundamentals of American Welding Society (1980). Welding Handbook. Vol. 1.

Technical Q&A

Q: 본 연구에서 도출된 최적의 용접 조건은 무엇인가?

실험 및 시뮬레이션 결과, 용접 전류 8 KA와 용접 시간 20 사이클의 조합에서 가장 우수한 결과가 도출되었습니다. 이 조건에서 최대 전단 하중은 6,320 N, 너깃 직경은 22.97 mm를 기록하여 구조적 강도와 접합 면적 측면에서 최적의 성능을 보였습니다.

Q: 퍼지 로직 모델의 예측 정확도는 어느 정도인가?

모델의 예측 오차는 매우 낮은 수준으로 확인되었습니다. 전단 하중의 경우 최소 0.199%에서 최대 11.347%의 오차율을 보였으며, 너깃 직경은 최소 1.234%에서 최대 10.753%의 오차율을 기록하였습니다. 이는 복잡한 비선형 공정임을 감안할 때 산업 현장에서 신뢰할 수 있는 수치입니다.

Q: 용접 전류가 전단 하중에 미치는 구체적인 영향은?

용접 전류는 줄의 법칙에 따라 열 발생량에 제곱으로 비례합니다. 전류가 증가하면 접합 계면에서의 열 발생이 급격히 늘어나 용융 영역이 확대되고, 이는 더 큰 너깃 형성과 결합 면적 증가로 이어져 최종적으로 전단 하중을 크게 상승시키는 결과를 낳습니다.

Q: 신경망(Neural Network) 모델 대비 퍼지 로직의 장점은 무엇인가?

신경망 모델은 정확한 결과를 얻기 위해 방대한 데이터와 긴 학습 시간이 필요하지만, 퍼지 로직은 전문가의 지식과 소수의 실험 데이터를 기반으로 규칙을 설정하므로 구축이 빠르고 직관적입니다. 또한 시스템의 거동을 언어적으로 이해할 수 있어 공정 제어에 더 유연하게 대처할 수 있습니다.

Q: 연구 결과가 실제 산업 현장에 주는 시사점은?

본 연구의 FLC 모델을 활용하면 실제 용접을 수행하기 전에 결과를 미리 예측할 수 있어, 불필요한 시편 제작 비용을 줄이고 전극의 과도한 가열을 방지하여 전극 수명을 연장할 수 있습니다. 이는 생산성 향상과 원가 절감으로 직결되는 중요한 기술적 자산이 됩니다.

Conclusion

본 연구는 AISI 304 스테인리스강의 저항 점 용접 공정에서 퍼지 로직 제어(FLC)의 유효성을 성공적으로 입증하였습니다. 용접 전류와 시간의 증가가 전단 하중과 너깃 직경의 선형적 증가를 유도함을 확인하였으며, 특히 전류의 영향력이 더 지배적임을 정량적으로 분석하였습니다. 제안된 FLC 모델은 1% 미만의 낮은 오차율로 공정 결과를 예측할 수 있어, 복잡한 제조 환경에서 실시간 품질 예측 및 공정 최적화를 위한 강력한 도구로 활용될 것으로 기대됩니다.

Source Information

Citation: Hiba K. Hussein, Israa R. Shareef, Iman A. Zayer (2019). Prediction of Spot Welding Parameters Using Fuzzy Logic Controlling. Eastern-European Journal of Enterprise Technologies.

DOI/Link: 10.15587/1729-4061.2019.172642

Technical Review Resources for Engineers:

▶ Access the original research paper (PDF)
▶ FLOW-3D 솔루션 팀과 협의하여 기술적 타당성을 검토하시려면..

This material is for informational purposes only. Unauthorized commercial use is prohibited.
Copyright © 2025 STI C&D. All rights reserved.