현대제철이 취성 파면율 측정 정확도를 객관적으로 평가할 수 있는 자동화 분석 기술을 개발했다고 밝혔다. 해당 기술을 토대로 송유관 등의 기계적 물성을 정확히 측정, 균열도 문제 등을 사전 조치할 수 있다고 설명했다.
박태창 현대제철 책임연구원은 19일 매스웍스코리아가 주최한 '매트랩 딥러닝 유저 데이(MATLAB Deep Learning User Day)'에서 "현대제철은 석유 추출 및 운송용 강관 개발 시 기계적 물성의 완벽도를 정확하게 평가하기 위한 취성 파면율 측정 시험에서 매스웍스 솔루션을 활용해 DWTT(Drop Weight Tearing Test) 분석 자동화 시스템을 개발했다"고 밝혔다.
자동차 강판 및 유전용 강관·송유관을 생산하는 현대제철은 고강도 강관의 기계적 물성을 정확히 측정해야하는 과제를 안고 있다. 수십에서 수백 킬로미터(km)에 달하는 송유관은 아주 작은 균열이 발생할 경우 대형 사고로 이어질 가능성이 있어서다.
이 문제를 해결하기 위해 현대제철은 새로 개발한 강판에 대해 DWTT 테스트를 진행해 강도를 측정해왔다. DWTT는 강판 위에 높은 위치에 달린 해머를 떨어트려 생기는 파면을 분석,기계적 물성을 평가하는 테스트다. 이 테스트에선 온도에 따른 취성 파면율을 측정한다. 취성 파면율은 탄성한계 내의 하중으로 인해 파괴된 물체의 면이 전체 물체에서 차지하는 비중을 의미한다.
지금까지 취성 파면율은 시험원의 개별적 판단에 의존해 측정됐다. 그만큼 정확도에 대한 의문이 있었다. 현대제철이 DWTT 분석 자동화 시스템을 개발한 것도 이 때문이다. 사람의 주관적인 평가가 아닌 객관적인 평가를 하기 위한 것.
현대제철은 객관적인 평가를 위해 매스웍스의 매트랩 솔루션을 활용, 다양한 이미지 프로세싱 기법 기반의 취성 파단면 구분 기법을 개발했다. 이와 함께 시맨틱 세그멘테이션 네트워크 학습을 진행함으로써 DWTT 강판 파단면에서 취성 파면, 연성 파면(파괴되지 않고 늘어나는 성질), 역 파면(강판과 해머가 직접 충돌된 부분), 배경을 픽셀 단위로 구분해내는 고정밀 딥러닝 기술도 개발, DWTT 분석 자동화 시스템을 완성했다.
박 연구원은 매트랩을 활용해 단 한 줄의 코드만으로 파단면의 경계를 감지하는 엣지 탐지(Edge Detection) 알고리즘을 구현할 수 있었다고 밝혔다. 또 질감 차이로 취성 파단면을 구분하는 텍스처 분석(Texture Analysis), 명암 차이로 취성 파단면을 구분하는 기법도 구현할 수 있었다고 설명했다.
그는 "이미지 라벨러 앱(Image Labeler App)에서 수백 장의 파단된 강판 이미지의 취성, 연성, 역 파면 및 배경 영역을 지정해서 손쉽게 4개 클래스에 대한 픽셀 단위의 정밀한 레이블링을 수행할 수 있었다"면서 "이후 시맨틱 세그멘테이션 네트워크 학습을 위해 DeepLabV3를 활용, 네트워크를 설계한 후 훈련 및 평가해 실제 시험원의 구분과 거의 비슷한 95% 정확도를 지닌 네트워크 개발에 성공했다"고 밝혔다.
현대제철은 다른 개발사례에도 취성 파면율 테스트를 진행해 성능이 검증될 경우 해당 기술을 현업에 적용할 방침이다. 박 연구원은 "다른 클래스들과 비교한 취성 파면율의 데이터를 가져와 개선된 성능을 지닌 분석시스템을 개발할 예정"이라며 "성능이 입증되면 실제 평가에 적용할 계획"이라고 말했다.
AI타임스 김동원 기자 goodtuna@aitimes.com
