▲ UNIST 기계공학과 정임두 교수(사진) 연구팀이 AI를 응용해 금속 표면 3D 형상을 가상 제조하는 기술 개발에 성공했다.

[기계신문] UNIST 기계공학과 정임두 교수 연구팀이 인공지능(AI)을 응용해 ‘금속 공정 조건에 따라 예상되는 금속 표면 3D 형상’을 실제 데이터 기반으로 가상 제조하는 기술 개발에 성공했다.

3D프린팅 기법 중 하나인 ‘직접 에너지 적층(Direct Energy Deposition, DED) 공정’은 분말과 고밀도 열원을 이용해 형상을 3차원적으로 쌓아 올리는 제조기법이다. 이 공정은 로켓 노즐과 같은 대형 부품이나 군수 기계 부품 같이 일부 파손됐지만 만들어진 지 오래돼 현재는 제조하는 공장이 없는 경우 해당 부분을 복구하는 데에 유용하게 쓰인다.

그러나 기존 금속 공정과 달라서 원하는 기계적 특성을 얻기 위해서는 공정 최적화에 많은 시간과 비용이 필요하다. 적층 공정의 특성상 표면의 특성 제어가 어려운 단점도 있다. 그에 따라 표면에서부터 균열이 시작돼 파손되는 피로 특성 등이 다른 공정보다 열등하다고 알려졌다.

따라서 높은 강도와 연신율을 얻음과 동시에 좋은 표면 특성까지 얻는 것이 중요하다. 이를 위해서는 수많은 시행착오를 통한 공정 최적화가 필요하고, 그에 따른 수많은 비용과 시간을 요구한다. 특히 티타늄 부품과 같이 고가의 소재는 비용이 너무 많이 든다는 한계점이 있었다.

▲ 조건부 적대적 생성 신경망을 활용한 공정 변수에 따른 표면 예측 개략도. (a) 인공지능을 활용해 결과물을 사전 예측 후 최적화된 공정 변수를 활용한 프린팅 모사도 (b) 조건부 적대적 생성 신경망을 활용한 가상 표면 생성 과정

이에 연구팀은 비숙련자라도 쉽게 원하는 표면 특성을 얻을 수 있도록 인공지능(AI)이 DED 공정조건에 따라 예상되는 표면을 가상으로 만들어내는 기술을 개발했다.

이 인공지능(AI)은 DED 공정인 레이저 출력과 분말 분사속도, 스캔 속도에 따른 표면 스캔 이미지를 학습하고 임의의 공정 입력에 대한 예상되는 가상 3D 표면을 만들어냈다. 그 결과, 다양한 공정조건에 따라 예상되는 금속 표면 이미지를 수초 만에 빠르게 만들었다.

이는 실제 동일 공정으로 제조한 금속 표면의 특성을 잘 나타냈고, AI가 추천한 공정조건으로 제조된 표면은 미세조직적인 특성도 우수했다.

▲ 조건부 적대적 생성 신경망의 훈련 및 가상 표면 이미지 생성 과정 개략도. (a) 조건부 적대적 생성 신경망의 훈련 과정 (b) 학습된 조건부 적대적 생성 신경망을 활용한 가상 표면 생성 과정

김태경 UNIST 기계공학과 석·박사통합과정 연구원은 “이번 연구로 개발한 가상 금속 표면제조 인공지능(AI)은 DED 공정과 같이 어렵고 복잡한 제조 공정 결과를 실제와 가깝게 예상할 수 있게 됐다”며 “향후 제조 DB의 꾸준한 축적과 학습을 통해 해당 장비 전문가가 아닌 신규 작업자라도 쉽고 빠르게 높은 품질을 얻어 내는 데 도움을 줄 것”이라고 설명했다.

성효경 국민대 신소재공학부 교수는 “티타늄 합금과 같은 고가의 소재는 공정 개발 단계에서 많은 초기 비용이 든다”면서 “이번 연구결과로 구현된 인공지능 가상 제조기술을 통해 소재 개발 비용을 획기적으로 줄일 수 있을 것”이라고 말했다.

▲ 공정조건이 랜덤하게 선택된 제품(T specimen)과 CGAN을 통해 예측 후 선택된 제품(R sample)의 표면 거칠기 비교 분석. (a)(c) : 3D 스캔 영상, (b)(d) : 주사전자현미경(SEM) 영상의 표면 분석, (e)(f) : 각 시료의 단면도의 SEM 이미지

연구를 총괄한 정임두 UNIST 기계공학과 교수는 “제조업에서는 작업자의 숙련도에 따라 품질이 크게 좌우되는 경우가 많고 노하우를 가진 작업자의 부재 시 운영에 차질이 발생할 수 있다”며 “이번에 개발한 가상 제조 AI 같은 기술이 많이 개발될수록 공정 작업자에 따른 품질 편차를 낮추고 디지털화를 통한 궁극적 생산성 향상에 기여할 수 있을 것”이라고 밝혔다.

이번 연구 결과는 실제 금속 제조 공정을 시행하기 전 공정조건에 따라 예상되는 금속 표면을 몇 분 내에 빠르게 가상 제조하고 확인했다. 이로써 원하는 표면 특성을 얻기 위해 필요한 비용과 시간을 절감할 수 있다. 또 특정한 강도와 연신율을 얻어 내기 위한 공정 최적화 과정에서 각 공정에 따라 나타날 표면 특성까지 빠르게 확인 가능하다.

이번 연구는 미국 카네기 멜런대, 조지아공대, 경상국립대 및 국민대와 공동으로 진행했으며, 한국연구재단 기초연구지원사업의 지원을 받았다. 연구 결과는 제조 부문 국제학술지 ‘버츄얼 앤 피지컬 프로토타이핑(Virtual and Physical Prototyping)’에 게재됐다.

기계신문, 기계산업 뉴스채널