프로젝트 01 · AI · CAD/CAM · BlueChain 애드인

3D 모델을 읽고 가공 전략까지 설계하는 AI

형상 분석 → AI 가공 특징 인식 → 가공 전략 설계 → 디지털 트윈 결과 시각화로 이어지는 Fusion CAM 자동화

PythonOpenCascadeTensorFlowAutodesk Fusion APICAM

3D 모델에서 가공 특징을 찾아 Fusion CAM 공정을 자동으로 만듭니다

Fusion 소재 시뮬레이션. 자동 생성한 공정으로 가공한 302 변형 부품을 공차 기준 색상으로 표시한 화면입니다. — 제품 화면 자동 생성한 공정으로 표준시편(302 변형)을 가공한 Fusion 소재 시뮬레이션. 초록은 공차 이내의 영역입니다.

9종식별하는 가공 피쳐 · 스톡 포함
±0.15 mm설계 대비 공차 · MDT 예시의 과삭 판정 기준
1건라벨링 프로그램 등록 신청 접수

1
형상 분석
3D 모델(STEP)의 면과 엣지를 읽어 곡면 종류와 볼록·오목 연결 같은 관계를 그래프로 만듭니다.
2
AI 가공 특징 인식
그래프 신경망의 면 분류와 형상 조합 분석으로 스톡·홀·포켓·챔퍼·필렛 등 9종의 가공 피쳐를 식별합니다.
3
가공 전략 설계
가공 방향, 클램핑, 공정 순서, 공구, 절삭 조건을 정하고 조도 목표에 맞춰 경로 공차를 조정해 Fusion CAM 공정으로 만듭니다.
4
디지털 트윈 결과 시각화
이 수행한 MDT 시뮬레이션 결과를 받아, 절삭력·칩 두께 그래프와 가공 결과의 설계 대비 차이를 보여주는 3D 화면을 만들었습니다.

맡은 역할

형상 분석부터 가공 전략 설계와 Fusion 적용까지 직접 연구개발했으며, 디지털 트윈에서는 시뮬레이션 결과 시각화만 담당했습니다.

3D 모델 형상 분석과 그래프 입력
가공 특징 인식 AI와 학습용 라벨링 프로그램
가공 전략 설계와 Fusion CAM 공정 생성
의 MDT 분석 결과를 그래프·3D로 시각화

디지털 트윈(MDT) 시뮬레이션은 이 담당했습니다. 제공받은 시뮬레이션 결과의 시각화만 맡았습니다.

만들어낸 결과

3D CAD의 형상을 읽는 AI, 학습용 라벨링 도구, 가공 전략 설계 엔진과 Fusion CAM 연동을 개발했습니다. 디지털 트윈에서는 이 수행한 시뮬레이션의 결과 시각화만 담당해, 절삭 부하와 가공 결과를 그래프와 3D로 보여 주는 화면을 만들었습니다.

검증은 Fusion·MDT 시뮬레이션까지 · 실제 가공 품질 승인 아님

AI식별하는 가공 피쳐 9종

AI가 면 단위로 기본 7종을 분류하고, 홀·단차·챔퍼의 형상 조합을 분석해 카운터보어와 카운터싱크를 식별합니다. 아래는 학습용 STEP 모델 6개를 정답 라벨로 색칠한 예시입니다.

다수의 홀과 개방·폐쇄 포켓을 함께 가진 베이스 플레이트의 학습 라벨 — 복합 베이스 플레이트
기본 라벨 6종 · 177개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 챔퍼 · 스톡

홀·포켓·챔퍼·필렛을 구분한 삼각 리브 부품의 학습 라벨 — 삼각 리브 부품
기본 라벨 7종 · 139개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 챔퍼 · 필렛 · 스톡

원통형 중심부와 다수의 홀을 가진 회전축 하우징의 학습 라벨 — 회전축 하우징
기본 라벨 6종 · 78개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 필렛 · 스톡

홀·포켓과 모서리 필렛이 함께 있는 베드 플레이트의 학습 라벨 — 베드 플레이트
기본 라벨 7종 · 74개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 챔퍼 · 필렛 · 스톡

열린 포켓의 바닥 필렛과 홀을 구분한 테일 고정 블록의 학습 라벨 — 테일 고정 블록
기본 라벨 7종 · 58개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 챔퍼 · 필렛 · 스톡

여러 방향의 홀과 포켓이 결합된 Z축 홀더의 학습 라벨 — Z축 홀더
기본 라벨 6종 · 87개 면
쓰루홀 · 블라인드홀 · 오픈포켓 · 클로즈포켓 · 챔퍼 · 스톡

색상은 위 목록의 기본 피쳐와 같습니다. 학습에 사용한 형상과 정답 라벨이며, 새 부품을 예측한 결과가 아닙니다.

인식한 피쳐로 만든 Fusion CAM 공정

1–3은 앞면 셋업에서 하는 대표적인 Fusion CAM 공정이고, 4는 가공 방향을 바꿔 반대면을 이어서 가공하는 공정입니다. Fusion 화면의 파란 선은 절삭 경로, 노란 선은 경로 사이를 오가는 이동입니다.

부품 바깥쪽 소재를 층별로 제거하는 Fusion 외곽 황삭 경로 — 제품 화면부품 외곽에 남은 소재를 여러 깊이로 나누어 제거합니다.

네 개 홀 위치에 생성된 Fusion 드릴링 경로 — 제품 화면홀의 위치와 깊이에 맞춰 드릴을 선택하고 축 방향의 가공 경로를 만듭니다.

중앙 보스를 남기고 주변의 여러 높이 포켓을 가공하는 Fusion 경로 — 제품 화면중앙의 원통 보스는 남기고 주변 포켓의 소재를 제거합니다. 촘촘한 파란 선은 깊이별로 반복하는 절삭 경로입니다.

앞면의 +Z 방향에서 내부 다단 포켓 황삭 경로를 표시한 실제 Fusion 캡처 — 앞면의 홀·포켓 가공을 마치면 부품을 뒤집어 고정하는 다음 셋업으로 전환합니다. 모델 좌표계 기준 공구 접근 방향을 +Z에서 −Z로 바꾸고, 뒷면 상면 황삭 → 외곽 황삭 → 윤곽 정삭을 이어갑니다.

반대면의 −Z 방향에서 뒷면 상면 황삭 경로를 표시한 실제 Fusion 캡처 — 앞면의 홀·포켓 가공을 마치면 부품을 뒤집어 고정하는 다음 셋업으로 전환합니다. 모델 좌표계 기준 공구 접근 방향을 +Z에서 −Z로 바꾸고, 뒷면 상면 황삭 → 외곽 황삭 → 윤곽 정삭을 이어갑니다.

디지털 트윈 결과 그래프와 3D 화면

디지털 트윈(MDT) 시뮬레이션은 이 수행했습니다. 그 결과를 받아 보여 주는 그래프와 3D 시각화만 담당했습니다. 아래는 보관된 MDT 분석 결과의 절삭 부하와 가공 형상을 시각화한 화면입니다.

NC 구간별 최대 절삭력과 칩 두께, 평균·P95 통계, 시간별 절삭력 그래프가 있는 MDT 결과 뷰어 — 제품 화면가공 구간을 선택해 절삭력·칩 두께를 비교하고, 최댓값 시점의 NC 블록·공구·이송·회전수를 살펴봅니다.

설계 모델과 MDT 가공 결과를 겹쳐 설계면과 남은 소재를 색상으로 구분하는 3D 화면 — 제품 화면가공 결과를 3D로 돌리고 확대해 봅니다. 공차를 기준으로 설계면, 남은 소재, 과삭을 색으로 나누고 영역 비율도 보여 줍니다.

MDT 가공면 파상도 맵과 색상별 면적 비율, 최대 위치 보기 기능 — 제품 화면이 출력이 있는 분석 결과에서는 가공면 파상도와 형상 오차를 색상 맵으로 봅니다. 실제로 잰 조도와는 따로 표시합니다.

이 기술로 기대하는 변화

반복 작업을 줄이는 공정 설계

면과 홀을 하나씩 골라 공정을 설정하던 반복 작업이 줄어, 숙련자는 공구와 가공 조건을 검토하는 데 시간을 더 쓸 수 있습니다.

숙련자의 노하우를 함께 쓰기

숙련자가 형상을 보고 공정을 짜는 방식을 소프트웨어에 담아 두면, CAM 경험이 적은 작업자나 작은 제조 현장도 그 방식을 쓸 수 있습니다.

가공 전 시뮬레이션으로 시행착오 줄이기

가공하기 전에 절삭 부하와 설계 대비 편차를 시뮬레이션으로 확인하면, 시행착오로 버리는 소재와 공구, 시간을 줄일 수 있습니다.

위 내용은 기대 효과입니다. 현장에 도입했을 때 시간과 비용이 얼마나 줄어드는지는 따로 확인해야 합니다.

3D단계별 개념 모델

실제 엔진이 이 부품에 짜는 공정 순서와 공구로 그린 개념 모델입니다. 모델링, 특징 인식, 바이스 가공을 차례로 보여 줍니다.

자세히 · 단계마다 한 일, 문제와 해결, 검증

01단계마다 한 일

1
형상 분석
- STEP의 면, 엣지, 곡면 종류 추출
- 맞닿은 면의 볼록, 오목 관계를 그래프로
- 면과 삼각면을 묶은 계층 그래프 입력
2
AI 가공 특징 인식
- 학습 데이터를 만드는 라벨링 프로그램
- 형상 계열 기준 데이터 분할
- 포켓, 필렛, 챔퍼가 헷갈리는 합성 형상
- 입력, 증강, 라벨 변경별 영향 비교
3
가공 전략 설계
- 면 예측을 가공 특징 그룹으로 정리
- 가공 방향, 셋업, 공정 순서, 공구, 절삭 조건 결정
- 조도 목표에 맞춘 경로 공차와 이송
- Fusion API로 셋업과 공정 생성
- 공구를 바꾸거나 적용이 실패해도 기존 작업 유지
4
디지털 트윈 결과 시각화
- 공정·NC 구간별 절삭력과 칩 두께 그래프
- 최댓값·평균·P95와 해당 시점의 공구·이송·회전수 표시
- 가공 결과의 설계 대비 편차·가공면 파상도·형상 오차 시각화
결과 시각화를 담당했고, 시뮬레이션은 이 맡았습니다.

닫힌 포켓 합성 형상 — 연구 렌더 구분할 부분만 바꾼 합성 형상 쌍. STEP으로 다시 읽어도 라벨이 그대로인지 확인했습니다.구멍, 포켓챔퍼필렛소재

열린 포켓 합성 형상 — 연구 렌더 구분할 부분만 바꾼 합성 형상 쌍. STEP으로 다시 읽어도 라벨이 그대로인지 확인했습니다.구멍, 포켓챔퍼필렛소재

02문제와 해결

문제면 몇 개만 틀려도 가공 특징 묶음이 달라집니다.
해결면 단위 점수 외에 모든 면을 맞힌 부품 수도 셌습니다.
문제점수가 바뀐 이유가 라벨 수정인지 학습인지 섞여 있었습니다.
해결라벨을 고쳐서 바뀐 점수와 학습으로 바뀐 점수를 따로 계산했습니다.
문제인식 결과가 Fusion의 셋업, 공구, 작업과 맞물려야 공정이 됩니다.
해결공구만 바꾸면 되는 경우와 작업을 새로 만들어야 하는 경우를 나눴습니다.
문제면 하나만 보고는 닫힌 포켓과 열린 포켓을 가르기 어려워, 닫힌 포켓 10개 중 4개를 놓쳤습니다.
해결면 입력을 5열에서 43열로 늘려 주변 경계와 단면이 열렸는지까지 보게 했고, 닫힌 포켓을 모두 찾았습니다.
문제MDT 결과에서 공구가 올라가는 순간 공구부하가 튀었습니다(칩 두께 1.67 mm).
해결공구를 안전 높이까지 이송으로 올린 뒤 급속 이동하게 바꿔, 단차 황삭의 공구부하를 8,191 N에서 251 N으로 줄였습니다.

03검증

검증한 것

STEP으로 저장했다 다시 읽어도 라벨 유지
계열별 분할과 학습, 추론 입력 일치
평균 지표, 클래스별 오류, 전부 맞은 부품 수
독립 테스트셋 25부품·1,346면에서 면 정확도 99.33%, Macro F1 99.58%
Fusion 자동 회귀 테스트 (적용, 공구 변경, 오류 복구)
소재 시뮬레이션과 기준 STEP 비교
MDT 결과 시각화 화면 (절삭력·칩 두께 그래프, 설계 대비 3D 비교)

범위 밖

실제 주문 부품으로 한 현장 평가
실측 조도 (목표값으로 경로 공차와 이송만 조정)
도면 공차 읽기
실제 CNC 가공 품질 승인

기술 문서와 코드 변경 이력으로 정리했습니다.

3D 모델을 읽고 가공 전략까지 설계하는 AI

3D 모델에서 가공 특징을 찾아 Fusion CAM 공정을 자동으로 만듭니다

형상 분석

AI 가공 특징 인식

가공 전략 설계

디지털 트윈 결과 시각화

AI식별하는 가공 피쳐 9종

복합 베이스 플레이트

삼각 리브 부품

회전축 하우징

베드 플레이트

테일 고정 블록

Z축 홀더

인식한 피쳐로 만든 Fusion CAM 공정

1 · 외곽 소재 황삭

2 · 홀 드릴링

3 · 내부 다단 포켓 황삭

4 · 가공 방향 전환 후 뒷면 가공

셋업 1 · 앞면 포켓 황삭 (+Z)

셋업 2 · 뒷면 상면 황삭 (−Z)

셋업 2 · 뒷면 윤곽 정삭

디지털 트윈 결과 그래프와 3D 화면

절삭력·칩 두께와 NC 구간

가공 형상과 설계 대비 편차

가공면 파상도·형상 오차 맵