적층제조의 고도화 및 첨단화를 위한
적층제조감안 설계 기법 및 요소기술 


3D 프린터를 활용한 개인별 제조방식의 시대가 도래하고 있으며, 이를 ‘제조업의 민주화’라 일컬 습니다. 3D프린터 저변화는 전자, 항공, 자동차, 의료,교육 등 기술집약형 산업의 재도약 기회를 부여할 것으로 전망 되고, 디지털데이터화가 이루어지는 디지털 시대의 개막과 함께 제조업과 정보통신 기술 융합을 통한 새로운 산업형태 출현을 예고하고 있습니다. 제품을 직접 제작, 생산, 소비하는 프로슈머(Prosumer)가 촉진되며, 수요처에서 즉시 생산을 하는 소비지 생산방식 확산에 의한 컨슈팩쳐러(Consufacturer)가 확산될 것으로 전망 됩니다. 더불어, 온라인 또는 공용제작 공간에서 소통해 창의적 결과물을 산출하는 집단지성 협업문화의 확산될 것으로 전망됩니다. 적층제조(Additive Manufacturing)는 3D프린팅 기술을 제조업에 접목한 것으로써, 제조산업의 원자재, 부품, 제품을 생산하는 것을 말 합니다.적층제조는 고밀도 열원을 이용해 형상을 3차원적으로 쌓아 올리는 제조기법 입니다. 또 적층제조방식은 기존의 제조방식과 대비하여 아래와 같은 장점 및 단점이 있습니다. 적층제조의 고도화 및 첨단화를 달성하기 위하여 아래의 기술 개발이 필요합니다.
 

 


<기존제조공정과 적층제조공정의 비교> 

 

(1) Design for Additive Manufacturing (적층제조감안 설계)

적층제조 고유의 능력인 Shape Complexity (어떤 형상이라도 만듦), Hierarchical Complexity (다양한 사이즈와 스케일로 Shape Complexity 구현), Functional Complexity (각 부품의 조립이 아닌 한번에 완성된 제품 제조), Material Complexity (한층 한층 소재를 달리 주는 방식으로 다양한 소재를 한번에 사용)의 구현을 위한 새로운 디자인 컨셉 개발이 필요 합니다. 상기 4가지 Complexity 구현을 위한 적층제조 공정을 고려한 제품 설계, 그리고 제조비용이나 어려움뿐만 아니라 적층제조를 위한 적합한 설계를 수행 합니다.
 

(2) Component Technology for Additive Manufacturing (적층제조 요소기술 개발)

적층제조 공정별 필요한 요소기술들의 고도화 및 첨단화를 위하여 아래의 공정에 대한 기술 개발이 필요 합니다.

모델링공정
CAD 프로그램을 이용하여 물체의 모양을 3차원으로 구성하는 단계로써, 물체를 디자인하거나 스캔하여 데이터를 변환하는 기술 개발

프린팅공정
디지털 파일 (STL파일)을 읽어 많은 얇은 층으로 데이터를 분석하고 조형하는 단계로써, 해상도 및 제조시간 개선을 위한 기술 개발

후처리공정
불순물 제거나 표면을 매끄럽게하는 과정으로써, 프린터에 후처리 공정을 일체화시킨 기술 개발

소재분야
프린팅 기술방식과 수요산업에 필요로 하는 소재 개발이 요구되며, 고부가가치의 합금 및 바이오 소재 기술 개발

친환경공정
프린팅 공정중에 소요되는 에너지 사용의 효율화를 달성하고, 후처리 공정 등으로 인해 발생되는 환경유해물질의 억제 기술 개발

 


<적층제조 방식 개념도> [ 출처: Laserfocusworld.com]



[참조]

고재경, 3D 프린팅 기술 현황 – 소재산업을 중심으로. KDB 산업은행 기술이슈
미래창조과학부∙산업자원통상부, 3D 프린팅 산업 발전전략, 2014
조은정, 이훈혜, 제조업공정혁신의 기폭제 – 3D 프린팅산업, 산업연구원, 2014
미래창조과학부, 3D프린팅, 미래전략산업으로 육성, 2014
김준철 외, 3D 프린팅 산업과 기업의 대응전략, Deloitte Anjin Review, 2014
곽기호, 박성우, 글로벌 3D 프린터 산업 기술 동향 분석, 기계기술정책, 2013
박세환, 3D 프린팅 표준기술 및 시장 동향, 표준/시험인증 기술동향, 2013
Ian Gibson, et al, Additive Manufacturing Technologies, 2nd edition, Springer

 
적층제조의 품질고도화를 위한
혼용학습 기반 예측적 검계측·제어 방법 개발
 
  • (목적) 선재아크형 적층제조(WAAM: Wire+Arc Additive Manufacturing)의 주요 품질항목인 표면거칠기(surface roughness) 및 기공(void)에 대하여, 다양한 학습기법들 중에서 목적 및 성능에 가장 부합한 학습기법을 선택적으로 사용하여 대상 품질항목의 검측(inspection) 및 계측(metrology)을 가상 환경에서 예측하는 방법을 개발함. 나아가, 기공 품질항목에 대해서는 결함회피를 위한 제어 변수를 도출하는 방법을 개발함
    • ‘혼용학습’은 기계학습, 전이학습 및 강화학습 등 다양한 학습기법들을 통칭한 용어이며, 다양한 학습기법들 중에서 풀고자 하는 문제의 목적 그리고 검사와 검증(V&V: Verification & Validation)을 통해 최상의 성능을 보이는 학습기법을 선택하여 적용하고자 하는 것임
  • (적용대상) GMAW·GTAW 방식의 선재아크형 적층제조 
    ◦ 선재아크형 적층제조는 용접 기법을 이용하여 적층하는 방식으로서, 생산속도가 빠르고, 장비를 설치·유지하는데 경제적인 장점이 있음. 선재아크형 방식은 선재를 공급하면서 에너지원을 이용하는 WFS(Wire Feeding System) 방식임. 즉, 용접봉을 지속적으로 공급하면서 에너지원을 이용하여 용접봉을 녹인 후 상온에서 굳히는 방식으로 적층을 하는 방식임
(방법) 기계학습, 전이학습 및 강화학습 등 다양한 학습기법들을 적용해보며, 이러한 학습기법들 중에서 풀고자 하는 문제의 목적 그리고 검사와 검증(V&V: Verification & Validation)을 통해 최상의 성능을 보이는 학습기법을 선택하여 적용하여 주어진 입력 데이터에 의하여 목표 품질항목값을 예측하고자 함
◦ 데이터간 상관관계 및 구체적인 목표 항목이 있으므로, 일차적으로는 지도학습(supervised learning) 문제라고 정의할 수 있음. 그러나, 과제 수행중에 발견되지 않았던 현상 및 데이터들간의 상관관계도 규명될 수 있으므로 비지도학습(unsupervised learning)도 고려중임 
◦ 방법의 개발은 다음과 같음. (1) 적층제조 설비 운영을 통한 실험, (2) 설계된 데이터 항목의 데이터 인스턴스 수집, (3) 데이터 전처리, (4) 학습기법 적용을 통한 예측용 학습모델 생성, (5) 데이터 및 모델 시각화, (6) 검사 및 검증을 통한 모델 성능 향상 및 대안 모델 생성, (7) 품질항목에 대한 예측용 학습 모델 적용, (8) 기공 최소화를 위한 제어 파라미터 도출, (9) 반복적 실험을 통한 예측 및 최적화 모델 성능 향상 

​​​​​​​