Additive Manufacturing

적층제조는 재료를 층층이 쌓아 3차원 부품을 제작하는 기술로, 특히 와이어 아크 적층제조(WAAM)는 높은 적층 속도와 재료 효율로 항공·조선 등 대형 금속 부품 제작 분야에서 주목받고 있다. 본 연구실은 WAAM 공정을 대상으로 아크·비드 이미지와 센서 데이터를 활용한 실시간 공정 모니터링, 품질 및 에너지 예측 기술을 연구한다. 나아가 AI 예측 모델, 디지털 트윈, 확장현실(XR), 비전-언어 모델(VLM)을 통합한 Human-in-the-Loop 산업 메타버스 기술을 개발하여, 작업자가 원격에서 공정을 감시·제어하는 지능형 적층제조 환경을 구현한다.

1. 지능형 첨단제조를 위한 Human-in-the-Loop 산업 메타버스 기술 개발

(Human-in-the-Loop Industrial Metaverse Technology for Intelligent Advanced Manufacturing)

• WAAM 공정을 대상으로 AI 예측 모델, 디지털 트윈, 확장현실(XR), 비전-언어 모델(VLM)을 통합하여 작업자가 공정을 실시간으로 모니터링·제어하는 Human-in-the-Loop 산업 메타버스 시스템 개발
• CNN+LSTM 기반 에너지 예측 모델과 품질 이상 감지 모델을 통합하여 공정 영상으로부터 실시간 추론을 수행하고, 이상 발생 시 VLM이 이상 원인(불량 유형)을 분석하고 최소 변경·최대 효율·최적 품질 관점의 공정 파라미터를 추천하며, ROS·Isaac Sim 기반 디지털 트윈에서 추천 파라미터를 사전 검증하고, XR(Meta Quest 3) 환경에서 공정 모니터링 및 제어를 수행하는 통합 시스템을 실시간 DB 기반 데이터 인터페이스로 구축함

2. 와이어 아크 적층제조 공정의 제로샷 결함 진단을 위한 Vision-Language Model 및 Retrieval-Augmented Generation 기반 멀티모달 분석 기술

(Zero-Shot Multimodal Defect Classification via Vision-Language Model with Retrieval-Augmented Interpretation in Wire Arc Additive Manufacturing)

• WAAM 공정의 아크 영상, 전압·전류 센서 데이터 및 용접 전류·와이어 송급 속도·이송 속도 등의 공정 파라미터를 시간 구간별로 동기화하고, 이를 통합하여 정상 및 Balling, Bead Cut 등의 용접 결함을 진단하는 비전-언어 모델(VLM) 기반 제로샷 멀티모달 결함 진단 기술 개발
• 결함 메커니즘, 공정 파라미터 영향, 소재·열적 특성 및 검사 지식으로 구성된 WAAM 도메인 지식베이스에서 현재 공정 상태와 관련된 정보를 검색하고, 검색된 지식과 영상·센서·공정 정보를 결합하여 결함 유형뿐만 아니라 결함 발생 근거와 공정 원인을 함께 제시하는 검색-증강 생성(RAG) 기반 해석 가능한 진단 결과 생성 기술을 개발함

3. 와이어 아크 적층제조에서 시공간 특징 결합 아크 이미지 데이터 기반 에너지 예측 기술 개발

(Energy Prediction using Arc Image Data with Spatial and Temporal Feature Addition in Wire Arc Additive Manufacturing)

• WAAM 공정에서 아크 이미지 데이터를 학습하여 입열량(heat input) 및 적층 에너지를 실시간(in-situ) 예측하는 트윈 합성곱 신경망(CNN) 프레임워크 개발
• 첫 번째 CNN으로 아크·용융풀 이미지의 공간 특징을 추출하고, 광학 흐름(optical flow)을 HSV 색공간으로 표현하여 두 번째 CNN으로 연속 프레임 간 시간 특징을 추출한 후, 두 특징 맵을 요소별 덧셈으로 결합하여 입열량을 예측하고 적층 에너지를 산출함. 열물성이 상반된 인코넬·몰리브덴 소재 실험에서 누적 에너지 예측 상대 오차 ±1.5% 이내를 달성하고, 순환 신경망 구조 대비 낮은 GPU 메모리(952 MiB)와 연산량(5.41 GFLOPs)으로 높은 계산 효율을 확인함