한국산업평가기술관리원에서 물리적 모델을 기반으로 진단을 넘어 예측 및 자기 최적화에 도달할 수 있는 가공장비 지능화의 핵심기술 동향 및 개발 방향을 분석한 보고서를 발표했다. 산기평은 이를 통해 전통적으로 인간이 수행하던 최적화 과정을 다수의 장비가 스스로 지식화하고, 종합해 인간의 제한적인 노하우를 뛰어넘는 미래 장비기술 개발 방향에 대한 논의의 기반을 마련하겠다는 뜻을 전했다. 본지에서는 산기평 남성호 PD의 도움을 받아 차세대 공작기계 가상화 및 지능화 기술 동향을 소개한다.

1. 가공장비 지능화의 개요

1) 가공장비 지능화의 필요성
4차 산업혁명을 선도하는 인더스트리 4.0에서 ICT 관련 기술들을 바탕으로 생산설비 스스로 작업 방식을 결정하는 스마트 팩토리(Smart Factory) 구현을 위해서는 장비 단위의 지능화가 필수적이다. 특히 금형, 자동차, 항공 산업 등 첨단 고부가가치 기계부품의 수요가 증가하고 휴대폰 케이스와 같이 전통적으로 대량생산되던 부품에서 기계가공이 확대 적용됨에 따라 전 세계적으로 가공장비 지능화에 대한 요구가 증가하고 있다.
한국의 경우 인구의 노령화와 함께 제조업 기피현상으로 인해 숙련공이 감소함에 따라 기존 가공장비 관련 Domain Knowledge, 즉 노하우가 사라지고 있는 추세이며, 이에 따라 제조업 경쟁력을 유지하기 위해서 스스로 느끼고 지식을 축적하며 판단할 수 있는 지능화된 가공장비의 필요성이 증가하고 있다.

2) 정의 및 기술개발의 개요
가공장비의 지능화란 장비가 가공공정을 느끼고 인지하며, 분석 및 지식화하고 축적된 지식을 바탕으로 스스로 결정을 내리는 등 일련의 과정을 통해 변화하는 상황에 따라 자율적으로 적응할 수 있는 능력을 말한다.

가공장비 지능화의 현재 속성¹

지능화의 목적 중 첫 번째는 가공장비가 축적된 지식을 기반으로 스스로 장비 유지관리를 수행하는 것이다. 이상이 발생하기 전에 운영 데이터를 분석해 가공장비의 결함과 발생 시기를 예측할 수 있어 장시간 라인이 정지하는 현재 공장 상황을 방지할 수 있다(Zero Down Time 기능).

 Zero Down Time(ZDT) 개념(좌) 및 Fanuc의 ZDT

지능화의 두 번째 목적은 가공공정의 여러 단계에서 작업자가 손쉽게 장비를 사용할 수 있도록 지원하는 것이다. 예를 들어 5축 밀링가공기의 지능화를 통해 과거에는 전용기에서만 가능하던 기어가공을 쉽게 구현할 수 있고, 또한 복잡한 5축 가공기의 정밀도 보정작업을 간단한 측정으로 자동화할 수도 있다.

DMG Mori의 가공지원 솔루션 구성²

가공장비의 지능화는 가공품질 및 생산성 향상, 그리고 장비 가동률 증대를 통해 생산비용 절감에 기여한다.
가공장비의 지능화를 위해서는 ▲스마트 센서 네트워크 단계 ▲단순 데이터의 정보화 단계 ▲사이버 공간에서의 물리적 모델링 ▲인지 및 결정능력 단계 ▲스스로 최적화하는 단계로 구분할 수 있는 기능들이 필요하다. 이들 기능을 바탕으로 가공장비는 모니터링 → 제어/예견 → 최적화 → 자율 운전 순서로 발전할 수 있다.

가공장비의 지능화 단계별 필요기능³

최종적인 발전 단계에서의 지능화된 가공장비는 가공공정을 느끼고, 변화하는 상태를 인지해 스스로 대처하며, 예견 및 자기 최적화할 수 있다.

가공장비 지능화 개념도⁴

2. 가공장비 지능화 관련 현재 시장 및 기술동향

1) 가공장비 지능화
세계적으로 컴퓨터 수치제어기(CNC)의 등장 이후 꾸준히 가공장비의 지능화가 이루어져 왔으며 정보통신(ICT) 기술과의 접목으로 그 발전 속도가 빨라지고 있다.
가공장비 지능화의 노력은 제어기 업체들 주도의 CNC 고급화 및 네트워크 기능 강화와, 가공장비 생산업체 주도의 고성능 HMI(Human Machine Interface) 기반 장비관리 및 공정지원 S/W 개발의 두 갈래로 크게 나누어진다.
전체 지능화 발전단계 중에서 초기 단계에 해당하는 신호 모니터링과 분석을 통한 정보화 기술에 개발이 집중되고 있다.

2) 시장 동향
독일은 Industry 4.0 등의 기술개발을 통해 스마트머신, 스마트공장 구축 등에 약 2억 유로를 투자하고 있다. 스마트 가공시스템의 시장은 크게 장비, ICT 요소 및 S/W, CNC 시장으로 구분되며 연평균 11.5%의 성장률을 기록해 2020년에는 약 1,116억 불의 규모를 형성할 것으로 전망된다.

3) 해외 기술 동향
독일의 제어기 및 측정기 제조사인 Heidenhain은 주축에 센서를 내장함으로써 가공 시 가공력을 실시간 모니터링, 제어해 가공 속도를 향상시키는 CNC 기술을 제공한다.
독일의 제어기 제조사인 Siemens는 장비의 최적운영을 위해 대용량 데이터 분석기술을 기반으로 채터, 에너지 소비량 등의 가공공정 상태를 실시간 모니터링하는 솔루션을 출시해 가공품질과 장비 유지보수 작업을 개선했다.
일본의 대표적인 제어기 제조사인 Fanuc은 스마트 공장을 구성하기 위해 필수적인 기계, 장치, 센서를 쉽게 연결할 수 있도록 관련 하드웨어와 소프트웨어를 제공한다. 산업 자동화 장비회사, 딥 러닝 기술개발 회사와 제휴해 ‘Fanuc Field System’을 개발했으며, 데이터 수집용 PC(Field Base)를 이용해 각 장비로부터 데이터를 수집, 저장하고 MT-LINKi를 이용해 가동상태를 모니터링하거나 딥 러닝 기법을 활용해 ZDT(Zero Down Time)를 추구한다.

Fanuc Field System

일본 공작기계 제조업체인 Mazak은 가공장비 지능화를 위한 다양한 하드웨어와 소프트웨어 솔루션을 제공한다. 이 회사는 온도/진동/변위 센서 피드백을 통해 치구/가공물 밸런스 자율보정, 이송계 진동제어, 주축 열 변위 제어 등 지능화 요소를 탑재한 Smooth Box를 출시했고, 또한 주축 분석을 통해 공구 수명을 측정하고 주간 작동상태 보고와 유지보수 모니터링을 지원한다. 아울러 Integrex-e 시리즈의 e-Tower는 장비의 정보를 센서로 수집, 모니터링 하는 설비로 무인가공 시간을 극대화할 수 있으며, 가공공정 훈련, 유지보수 정보제공 등이 가능하다.

Mazak IoT솔루션

한편 가공장비의 지능화를 위해 고성능 HMI를 기반으로 다양한 지능화 구현 소프트웨어를 앱(App) 형태로 제공하기도 한다.
독일과 일본의 연합기업인 DMG Mori는 CNC/요소업체와 협력해 능동제어, 자가진단, 가공장비 가상화(Virtual Machine) 등 사용자 지향 HMI(CELOS)를 상품화해 지능형 기계의 한 획을 긋고 있다.
더불어 일본의 Okuma는 기계 자율적으로 진동/채터의 감쇠 기능을 갖는 Machining Navi 및 통합제어 플랫폼 OSP Suite를 상품화해 자사 공작기계에 적용(30%)을 확대하고 있다.

DMG Mori의 CELOS(위)와 Okuma의 OPS Suite(아래)

각 장비들 간의 데이터를 주고받기 위한 통신 표준으로 미국 주도의 MTConnect와 유럽 주도의 OPC-UA(Object Linking and Embedding for Process Control-Unified Architecture)가 사용되고 있다. 이를 사용해 이종 장비들이 서로 데이터를 주고받을 수 있으므로 그 중요도가 높아지고 있으나 아직까지 널리 활용되지는 않고 있다.

MTconnect(좌)와 OPC-UA(우) 통신 방식

해외 기업들의 사물인터넷(IoT) 기술을 활용한 장비 유지보수, 공정지원 관련 지능화 서비스가 활발히 진행 중(지능화 단계 1, 2)이기는 하지만 장비의 동특성을 고려한 가공장비의 정확한 진단, 예측 등의 지능화 단계까지는 도달하지 못했다.

< 해외기업의 IoT 서비스 현황 >

< 해외 선진 업체 관련 기술 및 제품 현황 요약 >

4) 국내 기술 동향
국내 주요 가공장비 업체들도 장비 지능화 기술에 높은 관심을 보이고 있으며 연구개발이 활발히 진행되고 있지만, 아직까지는 해외업체의 기술개발 방향을 쫓아가고 있는 상황이다.
공작기계 제조사인 화천기공은 스마트머신 전용 운영체계인 ‘H-smart’에 HMI를 접목했다. 총 4단계(스마트 공정 시작 → 가공모델 선택 → 소재 배치 → 가공시작)를 통해 가공경로 생성 및 최적화, NC프로그램 자동 생성 및 편집, 소재 자동배치 및 최적화 그리고 공구 수명을 체계적으로 관리하는 기술을 개발 중이다.

 화천기공의 H-smart 기술⁵

현대위아는 Siemens CNC를 기반으로 에너지 절감, 가공 최적화 등을 포함한 독자적인 HMI를 개발해 ‘iTROL’로 상용화 및 자사 장비에 탑재하기 시작했다.
이는 IoT 기능을 접목해 장비의 가동현황을 실시간으로 확인할 뿐만 아니라 공장에 있는 다른 장비의 상황을 파악하고 이것을 바탕으로 갠트리 및 회전테이블의 자동화를 실행 중이다.

현대위아의 iTROL⁶

< 국내 업체 관련 기술 및 제품 현황 >

3. 물리모델 기반 가공장비 지능화의 핵심 요소기술

현재 산업계에서 다양한 지능화 노력이 이뤄지고 있으나, 대부분의 경우 신호 모니터링, 네트워크를 통한 신호 수집, 공정/장비 이상 진단 수준에 머물고 있다. 가공장비나 공정의 물리적 모델에 기반을 두지 않은 상태에서 비교적 짧은 기간에 추출된 신호에만 의존한 진단방식은 판단의 정확도에 한계가 있다.
궁극적으로 자기최적화 수준의 지능화로 발전하기 위해서는 물리모델에 기반을 두어 다양한 종류의 신호를 인공지능 등의 기법을 통해 지식화함으로써 판단의 신뢰성을 향상시키는 것이 선행되어야 한다.
다음 단계의 가공장비 지능화를 위한 핵심 요소기술로 ▲가공장비 가상화 ▲감각을 가진 가공장비 ▲고성능 HMI를 이용한 지능형 모듈 기술 ▲인공지능을 통한 지식체계화 그리고 ▲자기최적화 기술이 필요하다.

가공장비 지능화의 필수요소⁴

1) 가공장비 가상화 기술(Virtual Machine)
가상화는 실제와 유사한 가공장비 및 공정의 물리적 모델을 이용해 가상환경에서 장비의 거동과 공정을 구현하는 기술이다.
캐나다 브리티시컬럼비아 대학교의 Altintas 교수는 가상환경 내에 물리적 모델 혹은 구조해석 모델을 구현해 공구 경로에 따라 NC코드를 생성하고 이를 바탕으로 절삭부하와 가공 불안정성을 예측하는 소프트웨어를 제작해 상용화했다. 이 소프트웨어는 자동차, 항공기 업체들에 적용돼 가공 불안정성을 미리 회피함으로써 생산성 향상 및 공구 수명 증가로 인한 비용감소에 기여하고 있다.
가상환경 내 물리적 모델에는 복잡정도에 따라 단순화된 수학적 모델, 유연체 구조해석 모델, 강체 다물체 동역학 모델, 유연 다물체 동역학 모델 등이 존재한다.

 가상 가공장비 모델링 방식⁷

가공공정 관련 물리적 모델은 크게 가공부하, 공구 마모, 가공표면 형성, 가공 열 발생 등을 다루고 있다. 공구와 소재의 조합에 따라 매우 다양한 물리적 현상이 영향을 주므로 일반화된 모델을 확립하는 것이 매우 어렵다.
한편 기계 구조물과 더불어 제어시스템도 가공장비의 동적 거동에 많은 영향을 주므로 가공장비 가상화의 핵심 요소이다. 위치제어기는 기본적으로 수학적 모델이므로 비교적 쉽게 가상화될 수 있지만 대부분의 상용제어기의 제어 알고리즘이 공개되어 있지 않아 정확한 모델 생성에 어려움이 존재한다.
전통적으로 가공장비/공정의 물리모델은 장비의 실제 동작속도와 무관한 가공장비 설계 최적화 또는 가공공정 최적화를 목적으로 많이 사용되어 왔다.

물리모델을 기반한 가공공정 최적화 흐름도⁸

하지만 스스로 가공 중의 이상상태에 실시간으로 대처하는 능력을 가지기 위해서는 물리모델이 필요한 만큼의 복잡도를 가지면서 충분히 단순화되어 시간에 따른 가공장비/공정의 거동을 정확히 표현할 수 있어야 한다. 또한 인공지능 등의 기법을 통해 쉽게 지능화할 수 있는 형태의 물리모델이 필요하다.

2) 감각을 가진 가공장비 기술
가공장비가 지능화되기 위해서는 인간과 마찬가지로 장비의 상태나 공정을 느끼는 감각이 필요하다. 기존 가공장비에서 센서의 사용은 위치 제어나 PLC용 동작확인 목적에 국한되어 왔으나, 최근 장비와 공정에 대한 감각을 부여하기 위한 노력으로 센서의 종류, 개수 및 정밀도가 증가하는 추세이다.
최근에는 측정 민감도를 높이기 위해 주요 연결부 또는 가공공정에 가장 근접한 위치의 장비 요소에 센서를 내장하는 기술들이 시도되고 있다. 감각 기계 부품들(Sensory Machine Components, 즉 Intelligent Components)을 장착한 기계장비는 공정 과정을 수동적으로 모니터링할 수 있을 뿐만 아니라 능동적으로 공정을 느끼고 반응할 수 있도록 도와준다. 압전소자로 동특성을 감지하는 것 외에도 변형계(Strain Gauge)를 부착해 정적인 힘을 느끼도록 하는 지능형 부품 기술이 제안되고 있다.

가공장비에서의 주요 센서 응용 분야⁴

하노버 대학에서는 장비 구조에 홈을 파고 변형계를 설치해 가공 중에 발생하는 공작기계의 변형 등을 감지하는 연구를 진행 중이다. 가공 중의 기계 상태, 공정부하 및 진동 등을 모니터링하고 이를 사용해 실시간으로 공정 최적화를 실행하는 것을 목표로 한다.

하노버 대학의 구조물 내재형 변형계

캐나다 캘거리 대학은 탄소 나노튜브(Carbon Nano Tube) 복합소재를 기계 구조에 코팅해 장비에 가해지는 힘을 감지할 수 있는 경제적인 기술을 제안한다. 이와 함께 센서와 함께 에너지 하베스팅 장치를 추가 장착해 기계 구조의 진동으로부터 센서에 필요한 전력을 추가적인 배선 없이 공급하는 연구도 진행 중이다.

3) 고성능 HMI를 이용한 지능형 모듈 기술
CNC 제조업체들은 자사 위주로 시장을 선도하고 기술 보호를 위해서 CNC를 폐쇄적으로 개발해 왔으나 최근 들어 IT 기술의 발전에 따른 공작기계 사용자들의 요구에 의해 CNC의 개방화가 가속화되고, 이에 따라 개방화된 CNC를 이용한 다양한 지능형 모듈들이 개발되기 시작했다.
이러한 지능형 모듈은 복잡한 계산 및 빠른 통신을 필요로 하기 때문에 CNC 내에서 처리하기 어렵고, 이에 따라 고사양의 HMI(Human Machine Interface)를 통해 구현되고 있다.
HMI란 작업자와 장비 상호간의 연결을 통해 작업자의 의도를 장비에 전달하고 장비의 동작 상태를 작업자에게 전달하는 장치를 의미하며, HMI를 사용해 작업자와 장비 간의 편리한 인터페이스 및 사용되는 소프트웨어가 구동되고 있는 PC와 CNC 간의 통합적인 운영을 도와준다.
한편 공작기계용 지능형 모듈은 다양한 목적과 형태로 적용될 수 있는데 크게 가공 전, 가공 중, 가공 후 기능으로 구분할 수 있다.

- 가공 전 최적화 : 가공 전 단계는 공구경로 생성 전과 후로 나누어 생각해 볼 수 있다. 공구경로 생성 전에는 가공 소재와 공구, 장비를 고려해 가공조건을 추천해주는 기능이 있고, 공구경로 생성 후에는 공구의 충돌 및 과부하, 채터 등의 이상 진단 등을 사전에 검증함으로써 이송속도, 스핀들 회전속도 및 공구경로를 최적화하는 기능이 있다.

- 가공 중 모니터링 : 공정 중 발생하는 절삭물리현상을 다양한 센서를 이용해 모니터링함으로써 가공현상을 분석한다. 가공 중 발생되는 공구의 마모와 파손, 스핀들 과부하 및 채터 등의 이상상태를 검출하는 데 활용이 가능하다.

- 가공 중 제어 : 가공 중 모니터링을 통해 이상상태 발생을 검출했을 때, 적절한 제어로 공정을 안정화하는 기능이 필요하다. 대표적으로 이송정지(Feedhold)를 통해 절삭공정을 중단하는 조치가 가능하며 적절한 의사결정을 거쳐 이송속도를 제어하거나 스핀들 회전속도를 제어하는 것이 가능하다.

- 가공 후 정보 분석 : 수집된 다양한 현장 데이터(기계요소/상태, 공정 운영 등) 및 가공 후 수집된 품질 데이터를 기반으로 향후 사전 최적화 및 가공 중 제어 기능을 개선하기 위한 정보 분석이 가능하다. 또한, 축적된 데이터 분석 결과를 기반으로 공작기계 각 요소의 거동을 예측할 수 있게 됨에 따라 장비의 효율적 유지보수가 가능하다.

공작기계용 지능형 모듈의 공정 별 적용 예

4) 인공지능을 통한 지식체계화 기술
가공시스템의 지능화를 위해서 필요한 장비의 직관, 추론, 예측 및 의사결정 등의 영역을 채워줄 기술로서 머신 러닝 및 딥 러닝 등 최근에 급격히 발전하고 있는 인공지능 기술을 활용할 수 있다.
공정과 장비에서 수집되는 데이터를 바탕으로 인공지능은 데이터 처리 및 특징 추출을 통해 현 상태를 학습한다. 이러한 학습을 바탕으로 가상공간의 모델을 만들고 분류, 유사성 및 패턴 인식을 통해 상태진단 및 판단이 가능하다.

장비에 대한 기계학습 적용과정

인과관계에 의존하던 기존의 데이터 분석방식에 반해 인공지능 기법은 입출력 신호의 상관관계에 바탕을 두고 있다. 인공지능으로 얻어진 가상공간의 모델은 기본적으로 블랙박스이며 공정과 장비의 영향이 복합되어 있다.
기계학습에 일반적으로 사용되는 차원 감소는 기계장비에서 수집된 다양한 센서 신호들 간의 관계를 파악해 의미 있는 신호 결과로 차원을 줄이는 방법으로, 이 방법을 통해 고가의 센서를 최적 위치에 최소의 개수로 장착하는 것이 가능하다.

차원 감소 방법

최근 인공지능 기술의 적용 성공사례에서 비춰본다면 공정과 장비 상태진단의 정확도가 크게 개선될 수 있을 것으로 기대되며 다음 단계의 가공장비 지능화에 중요한 역할을 할 것으로 예상된다.

5) 자기최적화(Self-Optimizing)
가공장비의 물리모델의 예측 정확도가 향상됨에 따라 단순한 이상 감지 수준의 지능화를 넘어 전통적으로 인간에 의해 행해지던 최적화 작업을 기계 스스로 수행하는 방향으로 발전할 것으로 보고 많은 연구가 진행되고 있다.
기존 가공 방식에서는 가공 과정이 순차적이며 결과물을 바탕으로 한 공정 개선은 작업자의 수작업에 의존한다. 반면 지능화된 가공장비는 가공 전/후의 여러 단계에서의 정보를 스스로 분석하고 판단해 지속적으로 개선할 수 있을 것으로 전망된다.

기존 가공시스템(위)과 자기 최적화된 가공시스템(아래)⁴

예를 들어 공작기계의 고질적인 문제인 채터 현상의 경우 현재 수준은 이상감지 후 회피 가능한 가공조건을 제시하는 수준에 머무르고 있으며, 장비의 물리적 모델에 기반하고 있지 않으므로 회피 기능의 적용조건이 제한적이다. 그러나 자기최적화 단계의 가공시스템에서는 여러 수단의 채터 회피 방법 중 현재 공정 및 장비 상태에서 최상의 방법으로 자동 회피하는 것이 가능해질 것으로 기대된다.
공정 지원을 위한 지능화의 경우 궁극적으로 요구 가공물 형상, 정밀도, 허용 공구 종류 등의 정보 입력으로 가공장비 스스로 최적의 가공조건 및 장비설정으로 가공작업을 수행할 것이다.
장비 진단관리의 경우 장비의 기계적 노후정도를 파악해 조절 가능한 제어기 파라미터를 장비 사용이력에 따라 스스로 조절해 장비수명을 연장하고 급작스러운 고장 발생을 사전에 방지하도록 발전할 것으로 예상된다.

4. 기술개발 발전방향 및 정책적 시사점

1) 기술개발 발전방향
가공장비는 가공물 재질, 공구, 장비의 다양한 조합에서의 지식을 축적해, 가공에서 인간의 경험적 판단에 대한 의존도가 점진적으로 줄어드는 방향으로 기술이 발전되고 있다.
구체적인 예로, CAM 단계에서는 가공장비의 기구학적 정보뿐만 아니라 여러 가용 장비의 물리모델을 고려해 장비별 최적의 NC 프로그램을 생성하고, 공정 모니터링에서는 제어기에서 추출한 신호와 NC 프로그램 정보를 활용해 현재 가공 중인 가공물의 재질을 판별하고 가공 상태를 실시간으로 인지함으로써 최적의 상태를 유지하는 기술로 발전하고 있다.
또한 장기적인 공정/장비 모니터링 신호와 가공품질에 대한 분석으로 기계 스스로 공정 또는 장비의 문제점을 파악하고 그 영향을 최소화하는 방향으로 적응해 나가는 기술로 발전할 것이다.
기존 기계학습은 학습된 대상에 변화가 발생한 경우 다시 학습과정을 거쳐야 하는 문제가 있어 물리모델과의 접목을 통해 가공장비의 변화에 적절히 대응할 수 있는 학습방법 개발이 필요하다. 또한 공정, 장비구조, 제어기의 통합 모델을 학습해 얻은 지식체계를 해체하고 부분적 교체가 가능하도록 발전시켜 이미 축적한 지식을 재사용해야 한다.
극적으로 가공장비는 지능화를 통해 공구, 가공물, 도면 정보 제공만으로 장비 스스로 가공하는 단계로 발전할 것으로 전망된다.

2) 시사점 및 정책제안
국내외 가공장비의 지능화 관련 기술개발은 고성능 HMI 적용을 통한 데이터 및 정보 처리, 네트워크 기술(단계1, 2)에 집중되어 왔으며, 이제는 단계3으로의 진입을 위한 기술 투자가 필요한 시점이다.
가공장비 지능화는 결국 제어기와 HMI를 통해 구현될 수 있는데, 현재 우리나라는 외산 제어기 의존도가 높아 큰 제약이 되고 있다.
또한 특정 제어기를 기반으로 장비 지능화 기술을 개발하면 적용 대상이 매우 제한적이라는 문제점도 있다.
이에 가공장비 지능화에 앞서 국산 제어기/HMI 개발 및 적용 확대가 선행되어야 한다.
가공장비는 응용분야에 따라 공정과 사용패턴이 매우 다양해 보편적인 가공장비 지능화에는 한계가 있으므로 파급효과가 큰 대상을 선정해 적용 사례 확보 후 이를 확대하는 전략이 필요하다.

자료 : 한국산업평가기술관리원, KEIT PD 이슈리포트 2017-4호 「공작기계 가상화(Virtual Machine) 및 지능화 핵심기술 동향」

저자
남성호 PD / KEIT 생산장비 PD실
김창주 책임 / 한국기계연구원
이동윤 수석 / 한국생산기술연구원

[참고문헌]
1. http://www.mmspektrum.com/content/file/CNC_ukazky_Aj/7.2.pdf
2. http://en.dmgmori.com/blob/464014/81c72c31526ac24cbab0d68252ee3a7b/ps0uk16-technology-cycles-guide-pdf-data.pdf
3. Cyber-Physical System, Wikipedia
4. Self-optimizing Machining Systems, H-C Mohring(2016), CIRP International Academy for Production Engineering
5. http://www.hwacheon.com/ko/pr/productNews_view.do?seq=640&currentPage=&currentGro up=&searchword=&searchkind=
6. 현대위아 홈페이지 https://machine.hyundai-wia.com/kr/product/software_01.asp
7. Altintas, Y., et al. ‘Virtual Machine Tool.’ CIRP Annals-manufacturing Technology 54.2 (2005): 115-138
8. Altintas, Y., et al. ‘Virtual Process Systems for Part Machining Operations.’ CIRP Annals-Manufacturing Technology 63.2 (2014): 585-605.