컴팩트 오븐은 기존의 전자레인지에 새로운 부가가치를 추가한 제품으로, 대류조리를 구현하게 하여 소비자들이 전자레인지를 오븐군으로 인지하게 해 주는 제품이다. 대류조리를 구현 하는 부품의 집합군은 convection assembly part인데, 그 중 하부 자재인 블레이드 팬의 형상을, 직관과 수많은 물리적 반복 실험을 통해 변경 하며, 제품이 요구하는 성능을 구현해 내고 있는 실정이다. 본 연구에서는 근사모델을 활용한 최적설계를 수행하여, 기존 블레이드 팬이 구현하는 대류조리성능을 개선하는 동시에, 공간활용성과 원가절감을 도모하며, 실험 시간을 줄이며, 목업제작에 따르는 금전적 손실을 줄여 제품이 가지는 더욱 경쟁력을 키우고자 하였다. 먼저 블레이드 팬이 가져야 하는 부품간 간섭신뢰성, 금형신뢰성 등에 대한 구속조건을 만족하며, 생성하는 유량을 최대로 하는 형상을 결정하도록, 설계문제를 정식화 하였다. 그런 다음 효율적인 최적 설계를 위해 실험계획법(design of experiments: ...
컴팩트 오븐은 기존의 전자레인지에 새로운 부가가치를 추가한 제품으로, 대류조리를 구현하게 하여 소비자들이 전자레인지를 오븐군으로 인지하게 해 주는 제품이다. 대류조리를 구현 하는 부품의 집합군은 convection assembly part인데, 그 중 하부 자재인 블레이드 팬의 형상을, 직관과 수많은 물리적 반복 실험을 통해 변경 하며, 제품이 요구하는 성능을 구현해 내고 있는 실정이다. 본 연구에서는 근사모델을 활용한 최적설계를 수행하여, 기존 블레이드 팬이 구현하는 대류조리성능을 개선하는 동시에, 공간활용성과 원가절감을 도모하며, 실험 시간을 줄이며, 목업제작에 따르는 금전적 손실을 줄여 제품이 가지는 더욱 경쟁력을 키우고자 하였다. 먼저 블레이드 팬이 가져야 하는 부품간 간섭신뢰성, 금형신뢰성 등에 대한 구속조건을 만족하며, 생성하는 유량을 최대로 하는 형상을 결정하도록, 설계문제를 정식화 하였다. 그런 다음 효율적인 최적 설계를 위해 실험계획법(design of experiments: DOE)을 이용하여 샘플링한 실험점들을 이용해, 근사모델을 생성하였다. 그 후 전역화 최적화 기법인 진화 알고리즘(evolutionary algorithm: EA)를 이용하여 해를 구하였으며, 실제 해석 결과와 5% 차이를 보였다. 1차 최적해를 개선하고자, ALHD (Augmented Latin Hypercube Design:ALHD) 기법을 이용하여 추가적으로 실험점을 생성하였으며, 이를 바탕으로 다시 한 번 근사모델을 생성하고, 최적화 기법을 통해 구속조건을 만족하며, 성능개선에 이바지 하는 최적해를 도출할 수 있었다. 최적형상은 기존 블레이드 팬 대비 7%의 유량 개선효과를 보였으며, 전체 부피는 29.2% 감소 하였다. 본 연구에서 수행한 연구 절차를 통해, 실제 산업현장에서 제품개발 시 발생하던 금전적, 시간적 손실을 최소화 하며, 직관과 물리적 실험에 의존해 왔던 기존의 제품 개발 방식을 더욱 효율적으로 개선할 수 있으리라 기대한다.
컴팩트 오븐은 기존의 전자레인지에 새로운 부가가치를 추가한 제품으로, 대류조리를 구현하게 하여 소비자들이 전자레인지를 오븐군으로 인지하게 해 주는 제품이다. 대류조리를 구현 하는 부품의 집합군은 convection assembly part인데, 그 중 하부 자재인 블레이드 팬의 형상을, 직관과 수많은 물리적 반복 실험을 통해 변경 하며, 제품이 요구하는 성능을 구현해 내고 있는 실정이다. 본 연구에서는 근사모델을 활용한 최적설계를 수행하여, 기존 블레이드 팬이 구현하는 대류조리성능을 개선하는 동시에, 공간활용성과 원가절감을 도모하며, 실험 시간을 줄이며, 목업제작에 따르는 금전적 손실을 줄여 제품이 가지는 더욱 경쟁력을 키우고자 하였다. 먼저 블레이드 팬이 가져야 하는 부품간 간섭신뢰성, 금형신뢰성 등에 대한 구속조건을 만족하며, 생성하는 유량을 최대로 하는 형상을 결정하도록, 설계문제를 정식화 하였다. 그런 다음 효율적인 최적 설계를 위해 실험계획법(design of experiments: DOE)을 이용하여 샘플링한 실험점들을 이용해, 근사모델을 생성하였다. 그 후 전역화 최적화 기법인 진화 알고리즘(evolutionary algorithm: EA)를 이용하여 해를 구하였으며, 실제 해석 결과와 5% 차이를 보였다. 1차 최적해를 개선하고자, ALHD (Augmented Latin Hypercube Design:ALHD) 기법을 이용하여 추가적으로 실험점을 생성하였으며, 이를 바탕으로 다시 한 번 근사모델을 생성하고, 최적화 기법을 통해 구속조건을 만족하며, 성능개선에 이바지 하는 최적해를 도출할 수 있었다. 최적형상은 기존 블레이드 팬 대비 7%의 유량 개선효과를 보였으며, 전체 부피는 29.2% 감소 하였다. 본 연구에서 수행한 연구 절차를 통해, 실제 산업현장에서 제품개발 시 발생하던 금전적, 시간적 손실을 최소화 하며, 직관과 물리적 실험에 의존해 왔던 기존의 제품 개발 방식을 더욱 효율적으로 개선할 수 있으리라 기대한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.