본 연구는 핵심 투명 전도성 산화물(TCO) 재료인 불소 도핑 산화주석(fluorine-doped tin oxide, FTO) 박막의 마이크로 밀링을 위한 실시간 음향 방출(acoustic emission, AE) 모니터링 시스템을 제시한다. 이 시스템은 마이크로 밀링 공정 중 발생하는 고주파 탄성파를 포착하기 위해 AE 센서를 사용한다. 우리는 실험적 분석과 이론적 분석을 결합하여 다양한 밀링 파라미터가 AE 신호에 미치는 영향을 규명하고자 하였다. FTO와 같은 취성 재료에서 연성 모드 절삭을 보장하는 데 있어 중요한 과제를 해결하기 위해, 연성 및 취성 가공 모드 간 전이를 식별하기 위해 합성곱 신경망(convolutional neural network, CNN)을 적용하였다. AE 신호에서 에너지 기반 특징을 추출하여 CNN을 학습하였으며, 97.37%의 분류 정확도를 달성하였다. 이러한 높은 정확도는 복잡한 마이크로 가공 데이터를 해석하기 위해 AE 센싱과 딥러닝을 통합하는 접근이 효과적임을 보여준다. 본 결과는 이 결합 기법이 취약한 전도성 박막의 마이크로 밀링에서 공정 제어 및 이해를 향상시키기 위한 강력하고 비파괴적이며 지능적인 모니터링 솔루션을 제공함을 확인하였다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.