AM(적층제조)과 AI(인공지능)의 만남 강력한 시너지효과

디지털 디자인 엔지니어링 분야에서, 인공지능의 "딥 러닝"은 첨단 제조 기술 혁신을 기반으로

제품 개발 방식을 매우 긍정적인 방법으로 변화시킬 수 있는 잠재력을 가지고 있다.

AI 기능을 사용하여 컴퓨터 지원 엔지니어링(CFD, FEA, 전자기 시뮬레이션 등) 도구를 활용할 수 있는 기회가 있다.

설계 최적화에 대한 것으로 제조 기업이 현재 할 수 있는 것보다 훨씬 빠른 속도와 고정밀도 차원에서 자동화와는 다른 최적화에 관한 것이다.

효율성과 정확성 면에서 비약적인 향상을 이룰 수 있다.

AI 툴은 특정 결과를 생성하기 위해 사용자가 지시하는 범위 내에서 부품의 기하학적 구조를 자동으로

평가하고 점진적으로 수정하는 딥 러닝을 사용하여 시뮬레이션 시간을 몇 시간에서 몇 초로 단축할 수 있다.

따라서, 최종 설계는 경량화, 응력 및 피로 감소, 최적의 유체 흐름, 열 교환, 전도성, 내구성, 부품 통합 등

우선순위에 상관없이 모든 속성의 이상적인 조합을 달성할 수 있다.

어떻게 이것이 가능할까? 더 많은 수의 조합이 아니라 적은 수로 말이다.

물리학의 법칙에서 벗어날 수는 없다. 회사의 제품 요구 사항을 CAE 도구를 사용하여 근면하게 설계를 수행해야 하는 것이 현실이다.

하지만 AI 소프트웨어를 디지털 설계 플랫폼에 추가하면 기존 시뮬레이션 도구 내에서 작동하므로 관련된 모든 미분 방정식을 계산할 필요성을 줄여준다.

인공지능은 CFD 또는 FEA 방정식을 비전통적인 방법으로 풀어 설계의 목적을 달성한다.

기계 학습은 단일 수학 문제가 아니라 해당 제품에서 기초가 되는 설계의 전반적인 물리적 거동을 확인하여 에뮬레이트한다.

훨씬 적은 계산 리소스로 현재 주어진 환경에서 설계 업무를 평가할 수 있다. 

특히, 설계자들은 당일에 설계를 시뮬레이션 및 평가할 수 있다. AI를 적용하면 실제 설계 업무 중 테스트 과정의 지속적인 개선이 가능하다.

AM(적층 제조) 분야 AI 활용 기회

기계 학습은 모든 유형의 제조 공정 또는 기술을 통해 생산되는 제품의 설계에 분명히 도움이 될 수 있지만, AI가 가장 도움을 줄 수 있는 영역은 적층 제조(AM) 분야이다.

기계 학습은 AM 설계의 모든 공간을 탐색하여 특정 부품에 적용될 모든 유형의 물리학의 실제 한계를 식별할 수 있다.

따라서, AM의 고유 힘을 발휘하여 기하학적 복잡성 수준과는 관계없이 가장 창의적이고 비용 효율적인 솔루션으로 엔지니어링의 어려운 과제에 답을 줄 수 있다.

이러한 AM과 AI를 조합한 3D 프린팅으로 제트 엔진에 사용되는 열 교환기, 모터바이크, 심부전 환자를

위한 심장 펌프의 임펠러 블레이드 및 다양한 첨단 산업 분야에 AM(적층제조) 품목의 성능을 최적화하고 개선에 응용해왔다.

그리고, 특정 AM 시스템 업체들이 시간을 절약하고 성능을 향상시키며 프린팅의 정확도를 미세 조정하는 등 기계를 개선하는 기능의 가치를 인식하기 시작했다.

딥 러닝 소프트웨어를 사용하여 3D 프린터를 최적화한 어느 AM 장비 공급업체의 흥미로운 사례를 소개한다.

캘리포니아에 본사를 둔 Velo3D는 (https://velo3d.com/)

로켓, 항공기, 중공업(석유 및 가스, 전력 등) 분야의 인증 부품을 생산하는 첨단 금속 AM(적층제조) 장비업체이다.

고객사들의 대용량 장비에 대한 부품 수요가 급증하고 있으며, 수년 전 부터 이를 예상하고 기존 사파이어 머신의

4배에 달하는 1,000와트 레이저를 포함한 대용량 사파이어 XC(추가 용량 400% 더 큰 빌드 챔버) 설계를 시작했다.

레이저로 AM 빌드 챔버 내에서 금속 분말 재료를 녹일 때 그을음이 난다. 이 과정에서 일부 물질이 기화 또는 응축되어 매우 작은 입자를 형성한다.

이것이 바닥의 분말 재료를 목표로 할 때 레이저를 차단할 수 있다.

이에 대한 해결책은 불활성 가스(일반적으로 아르곤이지만 녹고 있는 물질의 반응성에 따라 다름)를 일정하게 흐르게 하여 그을음을 제거하는 것이다.

문제는 때때로 입자들이 이러한 흐름을 벗어나서 챔버로 레이져 광선이 들어오는 창문에 이르면 창문 자체의 레이져 광선 투과도를 왜곡시켜 오염과 가열을 유발할 수 있다.

이것으로 인해 사실상 광학 경로에서 예기하지 못한 "렌즈"를 형성하여 레이저 광선이 의도한 방향에서 휘어져 베드에 있는 재료의 스폿 크기를 디포커싱시킨다.

이것은 당연히 적층해가는 부품의 품질에 영향을 미치기 때문에, 레이저 통과 창문을 전체적으로 깨끗하게 유지하는 것이 필수적이다.

적층 제조설비 규모 확대 과제 해결

Velo3D는 더 큰 장비의 빌드 챔버 개발을 위해 최적의 가스 흐름을 고려하였다.

그러나, XC 시스템의 광학 윈도우 노즐을 만들 때 파우더 베드의 길이를 늘이고, 내부 부피를 확대하면 더 많은 레이저를 더 집속하여 포커싱하기에 어려움이 있다는 것을 알고 있었다.

새로 개발하는 장치에서 발생하는 그을음의 양은 기존 장비의 4배 정도가 될 것으로 예상되었다.

Velo3D는 먼저 사내에서 유체 역학(CFD) 시뮬레이션을 몇 번 시도한 다음 소프트웨어 공급업체에도 아웃소싱하였다. 그러나 결과는 기대한 성능에 미치지 못했다.

노즐 구멍의 직경 등 매개 변수를 수동으로 변경하면서 여러 CFD 시뮬레이션 반복을 설정하는 데 필요한 시간은 노동 집약적인 일이었다.

본질적으로 많은 수고와 고통이 따르는 추측과 점검이 필요했다.

Velo3D는 PhysicsX에 솔루션 설계 및 시뮬레이션을 요청했다. PhysicsX는 시뮬레이션,

최적화 및 패키지 설계(F1 레이싱에 대한 상당한 작업 및 데이터 과학, 기계 학습 및 엔지니어링 시뮬레이션에 대한 전문 지식)에 대한 깊은 경험이 있으며,

머신 러닝/AI 기반 시뮬레이션을 사용하여 설계를 자동으로 반복할 수 있는 독점적이며 검증된 시뮬레이션 도구를 보유하고 있다.

PhysicsX의 접근 방식은 CFD 생성, 기하학적 생성 도구, 그리고 심층 학습으로 AI에 고신뢰성의 높은 품질의 결과를 학습시키는 것이었다.

Velo3D은 창 노즐의 경우, 창을 향해 위쪽으로 이동하는 아르곤 커튼 내의 재순환 흐름의 분율을 자동으로 정량화하기

위해 다수의 기준을 측정하였으며, 프로젝트 초기에 PhysicsX는 Sapphire 창 솔루션을 벤치마킹한 후 자체 AI/기계 학습 소프트웨어를

적용하여 최종 설계를 최적화하기 위해 대량의 시뮬레이션을 수행하였다. 이에 따라 설계한 노즐은 첨가제의 제조 엔벨로프 내에서 작업하면서 최적의 아르곤 커튼 흐름을 생성하였다.

최종 터닝 베인 설계의 복잡성은 많은 기존 AM 시스템에 도전 과제가 될 수 있지만,

사파이어 기계의 3D 프린팅 능력은 노즐이 의도한 대로 작동할 수 있는 기하학적 구조를 제공한다.

최종 디자인은 원래의 사파이어에 최적화되었으며 최초로 제조된 사파이어 XC는 새로운 윈도우 노즐 부품을 사용하여 성공적으로 구동되었다.

참조 | https://www.roboticstomorrow.com/story/2023/08/ai-and-am-a-powerful-synergy/20959/​