공구마모를 확인하는 방법은 현미경 등의 이미지 장치를 통해 육안으로 관찰하는 것이 가장 직관적이나, 이러한 이미지 장치를 공작기계 안에서 활용하기 위해서는 비산되는 절삭유와 칩 등의 작업환경과 공정 중단에 따른 생산성 저하도 고려해야 하기 때문에 현장에서 효율적으로 사용하는데 한계가 따르게 된다.

이런 이유로 공구의 마모 상태를 감지하기 위한 대부분의 모니터링 시스템은 힘 센서 기반으로 가공 부하 변화를 관찰하거나 가속도 센서 기반으로 시스템 진동의 변화를 관찰하는 형태의 간접적인 접근이 주로 이루어진다. 필요에 따라 센서의 종류나 개수의 적용은 달라지지만, 기본적으로 센서를 이용하여 수집된 데이터를 기초로 하여 노이즈 신호를 걸러내고, 다양한 분석 기법을 이용하여 목적에 맞게 신호를 패턴화하고 마모 상태를 분류하는 기준의 정확성을 높여서 활용성을 갖추도록 하는 연구 과정은 유사하다. 공정의 특성에 맞는 센서의 선정과 취득된 신호의 변별력을 높이기 위한 신호 처리 기술의 조합은 매우 다양하게 나타난다.

Wang et al.¹³은 ν-SVM (Support Vector Machine)을 사용하여 밀링공정의 공구 상태 모니터링을 구현하였다. 공구마모 상태의 다중 카테고리 분류를 실현하기 위해 진동 신호를 수집하고 WPD (Wavelet Packet Decomposition)를 기반으로 특성 벡터를 추출하는 공구 상태 모니터링 프레임 워크를 구성하였다. 제안된 방법의 효과를 증명하기 위해 티타늄 합금의 밀링 실험을 수행하였다. 결과는 NN (Nearest Neighbor) 기반 ν-SVM과 LPP (Locality Preserving Projection)의 조합이 교육 정확도를 저하시키지 않으면서 학습 샘플의 빠른 학습을 실현할 수 있음을 보여주었다. 저자들은 다른 논문을 통해 밀링공정에서 절삭력 신호를 수집하고 공구마모 상태를 여러 범주로 분류할 수 있도록 RVM (Relevance Vector Machine) 분류기를 기반으로 한 공구마모 모니터링 시스템을 소개하였다. 저자들은 RVM은 SVM에 비해 작은 수의 교육 샘플에서 더 정확한 결과를 얻을 수 있으며, 또한 분류 속도가 SVM보다 빠른 것으로 보고하였다.¹⁴ 동일 저자의 또 다른 연구는 절삭력 신호로부터 추출 된 형상을 기반으로 연속 공구마모 예측을 실현하기 위해 GMR (Gaussian Mixture Regression) 모델을 제안하였다.¹⁵ 위의 연구들은 동일한 연구자의 공구마모 모니터링 시스템에 대한 연구인데, 공정 상태 및 모니터링 환경의 변화에 따라 서로 다른 분류기법들이 적용되어 효과를 얻을 수 있음을 보여준다. 이외에도 공구마모 감지와 관련하여서는 아래의 내용들과 같이 많은 연구 보고들이 있다.

엔드밀 공정에서 공구마모를 모니터링하는 한 연구에서는 공구 결함을 실시간으로 감지하는 새로운 방법을 소개하였는데, 이 방법은 절삭 조건과 독립적이며 공구마모와 상관관계가 있는 힘 모델 계수의 실시간 추적을 기반으로 하였다.¹⁶ 또 다른 연구에서는 절삭력을 기초로 BPNs (Back-Propagation Neural Networks)와 ANFIS (Adaptive Neuro-Fuzzy Inference System)을 사용하였다.¹⁷ 이 밖에도 절삭력 기반의 공구마모 모니터링 연구사례들이 많았다.^18-20 이 중 Ritou et al.²¹은 스핀들에 근접하게 설치한 Eddy Current 센서를 이용하여 절삭력을 추정하는 방식으로 공구마모를 모니터링 하는 연구를 수행하였다.

진동 신호를 이용한 한 연구에서는 공구마모를 분류하기 위하여 데이터 수집 및 처리를 위한 모듈, 공구마모 분류를 위한 모듈 및 의사 결정을 위한 모듈의 세 가지 모듈로 구성된 퍼지 시스템의 모델을 제시하였다.²² 선삭공정을 다룬 다른 연구에서는 공구의 진동 신호를 ARMA (Autoregressive Moving Average) 모델을 사용하여 모델링하여 공구/홀더 시스템의 동적 특성과 공구의 주요 측면 마모 사이의 관계를 나타내었다.²³ 진동 신호를 이용한 또 다른 논문은 피쳐 선택 및 식별 방법을 공구 상태 모니터링의 핵심으로 보고, 이 두 가지 문제의 처리를 위해 다중 클래스 SVM-RFE (Support Vector Machine Recursive Feature Elimination)와 LS-SVM (Least Squares Support Vector Machines)을 제안하였다.²⁴

절삭력이나 진동 신호 이외에도 다양한 센서를 이용한 모니터링 연구 사례들이 있다. 음향방출(Acoustic Emission, AE) 신호에 대하여 음향방출 센서나 마이크로폰을 이용한 공구마모 모니터링 시스템 구축 사례들도 보고 되었다.^25-27

비전시스템을 이용하여 가공된 표면을 분석하여 공구마모를 모니터링 하는 연구사례도 보고 되었다.²⁸ 유사한 형태로 레이저 프로파일 센서를 이용하여 공구마모에 대한 기상측정이 가능하도록 구현한 모니터링 시스템에 대한 연구는 주목할 만하다.²⁹

공작기계의 에너지 모니터링 연구는 연구자들의 노력으로 많은 발전이 이루어지고 있는데, 스핀들의 파워나 전류 변화를 통하여 공구마모를 모니터링 하거나, 공구의 충돌 여부를 감지하는 연구들이 있다.^11,30-32

채터 발생 여부를 감지하기 위한 모니터링 시스템은 공구마모 감지와 유사하게 가속도 센서와 공구동력계를 주로 사용하여 구축된다. 채터 모니터링이 공구마모 모니터링과 다른 점은 모니터링 시스템의 구현 과정에서 신호 처리를 위한 분석 기법의 개발 비중이 두드러지게 나타난다는 것이다. 그 이유는 채터의 발생 메커니즘이 공구마모의 발생 메커니즘에 비해 공작기계와 공구 등과 같이 가공공정을 이루는 시스템 요소들 간의 상호 복합적인 영향의 결과로 나타나기 때문인 것으로 사료된다.

WPT (Wavelet Package Transform)와 HHT (Hilbert-Huang Transform)의 두 가지 첨단 신호 처리 기술에 대한 연구를 토대로 최종 밀링공정을 위한 효과적인 채터 식별 방법이 제시되었으며,³³ 밀링공정에서 절삭력이 절삭 안정성에 미치는 영향을 확인하기 위해 시간 영역 해석, 주파수 영역 해석 및 Wavelet 분석을 기반으로 절삭력 변동을 설명한 논문도 있었다.³⁴ Cao et al.³⁵은 최종 밀링공정을 위한 새로운 채터 식별 방법을 제시하였는데, 채터 특성을 이해하기 위해 다양한 채터 조건에서 생성된 진동 신호와 안정적인 절삭 신호를 연구하면서, 밀링공정에서의 채터 진동의 비선형 특성과 비정적 특성을 고려하여 EEMD (Ensemble Empirical Mode Decomposition)를 사용하여 진동 신호를 해석하고 두 개의 비선형 지표를 채터 감지에 사용하였다. 채터의 심각도가 증가함에 따라 주기적인 채터 성분이 점차적으로 우세하여 확률적 소음의 비율이 감소하므로 이 두 지표가 감소함을 확인하였다.

고속 가공공정에서의 한 사례로 절삭력 및 순간 각속도(Instantaneous Angular Speeds, IAS) 분석을 기반으로 채터 모니터링을 시도하였다. 순간 각속도를 기반으로 한 표시기는 추가 센서가 필요 없으며 제조 시스템의 비용을 높이지 않고도 실현할 수 있어서 채터 검출을 위한 저가의 모니터링 시스템을 개발하기에 적합하다는 의견을 제시하였다.³⁶

채터 검출을 위한 신호 분석에 많이 활용되는 SLD (Stability Lobe Diagram)를 실험적인 방법으로 비교적 간단하게 활용할 수 있는 아이디어를 제시한 한 연구에서는 SSR (Spindle Speed Ramp-Up)이라고 하는 간단하고 빠른 테스트 방법을 제안하였는데, 이 방법은 절삭 깊이를 변경하는 몇 가지 테스트를 수행하여 SLD를 실험적으로 평가한다. 저자는 이 기술이 주파수 분석의 효율적인 사용을 가능하게 하여, 공정에 대한 지식이 없어도 가속도계, 동력계 또는 마이크와 같은 다양한 센서를 사용할 수 있게 한다고 밝히고 있다.³⁷

벨트 전송을 사용하는 머시닝 센터에서 전자식 위치 및 속도제어가 활성화 된 경우와 그렇지 않은 경우의 FRF (Frequency Response Function) 커브에 중요한 차이가 있음을 발견한 연구가 보고되었는데, 스핀들에 탭 테스트를 수행할 때 전자 제어를 활성화한 상태에서 얻은 SLD 곡선이 가공 작업에서 채터 동작을 더 정확하게 예측함을 실험을 통하여 검증하였다.³⁸

절삭력 모니터링을 이용하여 채터를 감지하는 여러 연구들이 있는데,^39,40 한 연구에서는 채터 발생시 채터 억제를 용이하게 하기 위해 시계열(Time Domain) 알고리즘을 제안하여 푸리에 변환과 같은 계산이 많은 주파수 도메인 변환을 사용하지 않고 지배적인 채터 주파수를 정확하게 결정할 수 있음을 보였다.⁴¹

AE 신호의 모니터링을 통한 채터 감지 사례도 일부 보고되었다.⁴²

위에서 열거한 사례들에서와 같이 채터 감지 및 이의 개선을 위한 학계에서의 연구들은 매우 다양하며, 최근에는 산업계에서도 이러한 모니터링 시스템을 적극적으로 채용하는 사례들이 나타나고 있다. 일례로 공작 기계 업체에서 공작 기계의 설계 및 제작 단계에 이러한 기계 진동 현상의 모니터링과 제어를 위한 시스템을 갖추어 사용자의 전문성을 보완하여 장비의 보호 및 제품의 생산성과 품질을 향상시킬 수 있도록 하고 있다.

가공품의 표면 상태의 감지 및 예측은 단일 주제로서 모니터링 시스템 개발의 대상이 되기도 하지만, 공구마모나 채터와 함께 종합적인 문제로서 모니터링 대상이 되기도 한다.⁴³ Balasundaram et al.⁴⁴은 비전시스템을 이용하여 표면 거칠기를 모니터링 하고, 이를 통하여 공구마모와 기계 진동과의 상관관계를 살펴보았다.

절삭력과 가속도와 변위 측정을 동시에 활용한 센서 퓨전 기술로 시스템의 동적 거동을 파악하여 가공품의 표면 품질을 예측하는 연구도 수행되었다.⁴⁵

표면 상태의 감지 및 예측을 위한 모니터링 시스템의 개발 사례 중에는 가공 정보로부터의 표면 형상 예측과, 가공 중의 모니터링을 통한 센서 신호를 반영한 표면 형상의 재구성 과정에서 가상 가공 기술의 개념이 보여지는 경우도 있는데, 한 연구에서는 측정된 절삭력을 바탕으로 가공된 형상의 편차를 재구성하는 방식의 모델 기반의 형상편차 모니터링 기술을 구현하였다.⁴⁶

Kovac et al.⁷은 정삭 밀링에서 표면 가공에 대한 가공 파라미터의 영향을 조사하였다. 인공 지능 도구를 사용하여 표면 거칠기를 모델링하는 접근 방식을 시도하였으며, 퍼지 논리와 회귀 분석을 사용하여 경험적 모델을 개발하였다. 이들 모델에 의해 예측된 표면 거칠기 값을 비교한 결과는 제안된 시스템이 회귀 분석과 같은 기존 접근법과 비교할 때 제품 프로파일의 정확성을 크게 높일 수 있음을 보여주었다. 이를 통해 퍼지 논리 모델링 기법이 건식 가공에서 표면 거칠기 예측에 효과적으로 사용될 수 있음을 나타내었다.

티타늄 합금과 탄소섬유강화플라스틱(Carbon Fiber Reinforced Plastic, CFRP)과 같은 절삭성이 취약한 고기능성 소재들은 가공 효율을 높이는 것이 가장 중요하다. 이러한 고기능성 난삭소재들을 대상으로 한 모니터링의 목적도 가공 메커니즘의 이해를 돕기 위한 정보의 확보 차원으로 접근하는 측면이 있다.

CFRP 밀링에 대한 한 연구는 절삭 온도를 열전쌍(Thermocouple)과 적외선 열화상 카메라로 관찰하여 공정과의 상관관계를 분석하여 가공 성능을 향상시킬 수 있는 공정 조건을 판단하였다.⁴⁷ CFRP 가공 관련 다른 연구는 헬리컬 밀링공정에서 CFRP 공작물의 온도 분포를 조사하기 위한 열전달 모델을 개발하였다. 헬리컬 밀링의 특성에 따라 두 종류의 열원을 제시하였으며, 그 기하학적 모양은 반원형 호와 선으로 모델링하였다. 해석에 기초하여, 단열 경계조건을 갖는 CFRP 공작물에서의 열전달의 비정상상태 3차원 지배방정식을 제안하였으며, 해석 결과는 실험을 통한 온도 측정 결과와 일치하여 개발된 열전달 모델이 절삭 조건을 최적화하고 CFRP 공작물의 열 손상을 억제하는 데에 활용될 수 있음을 보였다.⁴⁸ Feng et al.⁴⁹은 Ti-6Al-4V 티타늄 합금 박막 벽체의 수직 밀링 중에 발생하는 채터 현상을 X 방향 밀링 힘 신호, 표면 토포그래피 및 재생성 채터의 예측 이론을 기반으로 검증 하였다. Sun et al.⁵⁰은 반 인공 열전쌍(Semi-Artificial Thermo Couple)에 의한 절삭 온도와 절삭 조건의 관계를 조사하였다. 실험을 통해 절삭 온도와 절삭력은 동일한 변동 특성을 가지며 절삭 공정의 모니터링과 분석을 위해 서로 보완할 수 있음을 보였다.

공정 메커니즘을 이해하는 데에는 온도 센서뿐 아니라 AE 센서도 이용되는데, AE 센서의 신호가 절삭 및 칩형성 과정에 대한 영향을 파악하기에 적합한 것으로 보고되고 있다. 선반 가공공정 중에 생성 된 AE 신호를 측정하여 가공 작업 상태를 예측한 연구에서는 실험을 통해 칩 형성 과정, 칩 유형 및 전단 각 모두가 AE 신호에 현저한 영향을 미침을 확인하였다.⁵¹

Segreto et al.⁵²은 C45 탄소강에서 수행한 가공 실험에서 센서 융합을 통해 가공칩의 형태 분류 및 바람직하지 않은 칩 유형을 식별하였다.

가공 장비의 상태를 파악하는 것은 가공공정의 안전과 신뢰성을 확보하는 차원에서 가장 기본적으로 수행되어야 하는 일이다. O'Driscoll et al.⁵³은 지능형 에너지 센서를 이용한 장비 상태 감지에 대한 연구를 소개하였다.

가공 장비의 결함 여부는 장비에서 발생하는 진동 신호를 취득하여 분석하는 방식으로 모니터링 시스템이 구성되기도 하는데, 장비의 다양한 구조물들로부터 발생하는 진동 신호들 중에서 가공공정에 영향을 끼칠 수 있는 신호를 선별해 내고, 이로부터 장비의 결함 유형을 판단하기 위한 분석 기법의 개발이 중요하다. 진동 신호 바탕의 회전 기계의 고장 진단 방법을 연구한 한 사례는 수정된 유전과 알고리즘과 SVM (Support Vector Machine)을 사용하여 다양한 오류 패턴을 분류할 수 있음을 보여준다.⁵⁴ 가공장비의 효율적인 제어를 위하여 절삭력을 모니터링 하는 사례도 보고 되었다.⁵⁵

힘 센서는 절삭공정의 모니터링에서 매우 중요한 위치를 차지하고 있다. 힘 센서는 가공 중의 절삭 부하의 감지에 민감하게 반응하여 공정의 변화를 실시간으로 파악하기에 유용한 데이터를 출력하여 준다. 힘 센서는 공정의 변화를 시계열(Time Domain) 신호의 크기나 파형의 변화로 파악할 수 있을 만큼 민감하여 비교적 직관적인 감지가 가능하면서도 신호의 진동 성분에 대한 분석을 통하여 보다 변별력 있는 결과를 얻을 수 있다. 이러한 특징으로 인하여 다른 종류의 센서를 이용한 모니터링 시스템의 구현이나 새로운 센서의 개발에 있어서 힘 센서는 성능의 검증을 위한 비교 기준으로서 역할을 한다.

일반적인 힘 센서는 형태적인 특징으로 인해 가공공정 중에 움직임이 없는 부분(밀링 가공에서는 소재, 선반 가공에서는 공구)에 주로 설치하게 되는데, 설치의 용이성이 낮음으로 인하여 사용이 제한되기도 한다. 근래에는 모니터링 시스템에 힘 센서의 적용성을 높이고 보다 효과적인 데이터 취득을 위하여 스핀들에 설치하는 형태 등의 다양한 방향으로의 힘 센서 개발을 위한 연구들이 이루어지고 있다.

밀링공정에서 스핀들에 설치되어 절삭 부하를 감지할 수 있는 형태의 센서 개발들로는 다음과 같은 사례들이 있다. 압전 재료를 이용하여 스핀들에서 토크의 변화를 감지하여 공정을 모니터링할 수 있는 형태의 센서 시제품을 시험되기도 하였고,⁵⁶ Fig. 4와 같이 원형의 다이아프램 구조를 갖는 형태로 3축의 힘과 3축의 모멘트를 측정할 수 있는 센서도 고안되었다.⁵⁷ 또한 밀링 및 드릴링 공정을 위한 스트레인게이지 기반의 무선 회전식 동력계의 연구개발 사례도 있다. 이 회전형 공구 동력계는 최대 3000 N의 절삭력과 5000 rpm의 회전을 측정할 수 있으며, 모니터링 신호를 무선 통신으로 취득할 수 있다.⁵⁸ 다른 사례로 변위 센서를 스핀들에 내장하여 밀링공정에서 이를 이용하여 절삭 부하를 정밀하게 모니터링 하기도 하였다.⁵⁹

Fig. 4 
A sensor system for cutting force measurement: (a) 3D Model of the monolithic elastic element structure, (b) Experimental setup for implementing the sensor system for cutting force measurement⁵⁷ (Adapted from Ref. 57 on the basis of open access)

선반공정에서 공구측에 설치하는 형태로의 센서 개발로는 다음과 같은 사례들이 있다. Fig. 5와 같이 선반 가공용 공구의 홀더 형태를 갖추고 동시에 3축의 힘의 변화를 모니터링 할 수 있는 스트레인 게이지 기반의 센서가 고안되었으며,⁶⁰ 선반용 공구의 인서트 하단부에 압전 필름을 삽입하여 가공 시의 절삭력을 측정할 수 있는 센서도 개발되었다.⁶¹ 공구 측면에 표면 탄성파 센서(Surface Acoustic Wave, SAW)를 부착하여 절삭력을 감지하는 연구 사례도 발견되었다.⁶²

Fig. 5 
A high performance sensor for triaxial cutting force measurement in turning: (a) Diagrammatic sketch of the designed sensor, (b) Photograph of the fabricated sensor⁶⁰ (Adapted from Ref. 60 on the basis of open access)

진동 신호는 시스템 상태 변화의 영향을 잘 보여주는 특징으로 인해 모니터링 시스템의 구현에 있어서 매우 다양하게 이용된다. 공구마모와 채터의 감지뿐만 아니라 장비 고장 진단을 위한 모니터링 시스템의 구현에 있어서도 직접적인 감시의 대상이 된다.⁵⁴

진동 신호는 주로 가속도 센서를 이용하여 측정이 되는데, 가속도 센서는 비교적 크기가 작아 설치의 용이성이 높은 편이고, 시스템 변화를 파악할 수 있는 시간에 따른 진동의 크기와 파형 데이터를 출력해 준다. 이러한 특성으로 인해 많은 연구들에서 시스템의 진동 신호를 모니터링 하기 위하여 가속도 센서를 사용하고 있다. 진동 신호를 이용한 모니터링 시스템의 구현에서는 절삭공정 중에 진동을 발생시키는 가공 장비의 구성 요소가 다양함으로 신호의 변별력과 활용도를 높이기 위한 분석 기법의 개발에 많은 역량이 투입되는 특징이 있다.

최근에는 공작기계 업체들이 가속도 센서를 장비 안에 내장하도록 하고, 분석 솔루션을 함께 제공하면서, 사용자가 장비의 상태를 모니터링할 수 있게 하여 장비를 보호하고 생산성 및 제품의 품질을 향상시키는 데에 도움이 되도록 하고 있다.

칩의 생성이나 공구의 마모 등과 같은 절삭공정에 대한 메커니즘을 분석하는데 있어서 공정 온도는 중요한 정보 중의 하나이다. 공정 온도의 관찰은 센서의 직접 접촉에 의해서 관찰하거나 적외선 관찰 장치를 통한 비접촉식 관찰을 통해서할 수 있다.⁶³

가공 소재에 열전쌍을 설치하는 경우에는 가공 진행에서의 연속적인 데이터의 수집에 한계가 있다. 절삭 공구에 근접한 위치에 열전쌍을 설치하는 것은 공간적인 제약으로 인하여 쉽지 않으나 근래에 매우 작은 크기의 열전쌍을 설치해서 온도 데이터를 취득하여 분석하는 사례가 발생하고 있다. Sugita et al.⁶⁴은 절삭 공구의 경사면에 마이크로 급의 온도 센서 어레이를 설치하고, 의료용 어플리케이션으로서 MC 나일론 공작물을 가공하면서 절삭 온도를 측정하였다. Kerrigan et al.⁶⁵은 밀링 공구의 홀더 속에 내장되는 형태로 온도 측정이 가능한 무선 센서(Wireless Integrated Thermocouple, WIT)를 고안하여 실험을 통해 성능을 검증하였다. 절삭 인서트에 내장할 수 있는 박막 열전대(Thin Film Thermocouples, TFTCs)의 개발도 보고되었다.⁶⁶

대부분의 경우 이미지 센서는 오프라인에서 공구마모를 직접적으로 측정하기 위하여 사용되며, 다른 센서 신호들의 분석을 통해 예측한 공구의 마모 정도를 비교하기 위한 기준 데이터를 제공하는 역할을 한다.^67,68

Zhang et al.⁶⁹은 머신 비전을 기반으로 한 온라인 공구마모 측정 방법을 연구하였는데, 보다 정확한 결과를 얻기 위해 마모 모서리 지점의 정밀도를 높이기 위해 서브 픽셀 정밀도를 갖는 마모 모서리 지점의 정확한 검출 알고리즘을 제안하였다. 실험을 통해 제안 된 공구마모 온라인 측정 방법이 현미경의 수작업 측정 정밀도보다 더 정밀함을 보였다.

이미지 센서 기반의 비전시스템은 일반적인 모니터링 시스템에서는 온라인 모니터링에 적용되는데 어려움이 있으나, 다축 밀링이나 드릴링 머신에서의 공구 충돌 감지 분야에서는 스핀들과 공구의 움직임을 실시간으로 파악하여 안전한 공구의 경로 생성에 기여하는 방식으로 온라인 모니터링 시스템에서 사용되거나, 실시간으로 가공되는 제품의 표면을 관찰하여 공구마모를 파악하는 방식의 온라인 모니터링 시스템으로 사용되는 사례가 있다.^28,70

음향방출 센서는 고주파수 대역의 신호를 감지할 수 있는 센서로서 많은 연구자들의 관심을 받아 왔다. 높은 대역의 신호를 취득하기 위한 높은 샘플링 속도와 그로 인해 발생하는 많은 데이터로 인해 그동안은 실시간 신호처리에 제약이 있어 왔다. 그러나, 최근 고속 DAQ 가격이 낮아지고 고속컴퓨팅 장치와 소프트웨어의 발달로 인해 앞으로의 활용이 더욱 주목된다. 다만, 고주파수 대역 신호와 물리적 현상과의 상관관계가 일반적으로 결정되지 않아 공구와 소재의 접촉 감지 등과 같은 특수한 용도에만 넓게 활용되고 범용적 사용에는 다소 한계가 있어왔다. 그럼에도, 많은 연구자들이 음향방출 센서를 이용한 다양한 성공사례를 지속적으로 발표하고 있어, 향후 다양한 적용 사례가 보고될 것으로 기대된다.

Bhuiyan et al.⁷¹은 음향방출 및 진동 특성은 공구 상태 이외에도 선삭가공의 다양한 현상을 모니터링 하는 데 탁월한 성과를 나타냄을 보고하였다. 음향방출 센서와 진동 센서를 결합하여 공구마모, 공구 파손, 칩 형성, 칩 파손, 공작 기계 진동, 기계 진동, 공작물 표면 거칠기 등을 설명하였다. 다수의 음향방출 센서를 사용하여 모니터링 시스템을 구축한 사례도 있는데, 로터리 커터 기반의 가공 작업 모니터링을 위해 3개의 음향방출 센서를 이용한 다중 센서 데이터 융합 프레임 워크가 제안되었다.⁷²

기존에 사용되지 않던 새로운 센서의 출현은 모니터링의 가능성을 더욱 넓혀준다는 측면에서 긍정적인 효과가 있다. Sadilek et al.⁷³은 절삭 공구의 인서트에 임피던스 레이어를 구성하여 가공 실험이 진행되는 동안의 전기 저항의 변화를 측정하여 공구마모의 지표로 활용하였다. 임피던스 층의 너비는 공구 측면 마모의 허용치에 해당하는 수준으로 제작되었다. 임피던스 레이어에 마모가 진행되면 전기 저항이 증가하게 되며, 최종적으로 임피던스 레이어가 모두 사라지게 되면 저항 신호가 사라지고, 이것은 공구가 마모 한계에 다다랐음을 나타나게 된다.

센서 자체가 새로운 것은 아니지만, 공작 기계의 구성부품에 모니터링 목적의 신호 출력을 위한 새로운 형태의 시도를 한 사례로써, 마이크로 스트레인 게이지를 내장한 형태의 Z-Slide 구조를 가지는 스핀들을 고안하면서 센서의 진폭을 하드웨어적으로 증가시킬 수 있는 노치 효과에 대하여 논의한 연구도 발견되었다.⁷⁴