자동차용 안개등 커버의 사출성형 품질 향상을 위한 2 단계 설계 최적화 Two-Stage Design Optimization of an Automotive Fog Blank Cover for Enhancing Its Injection Molding Quality원문보기논문타임라인
사출성형에서 사출압력은 제품의 특성을 결정하는 주요인자이므로 성형품의 품질 향상을 위해 사출압력은 최소화 되어야 한다. 또한 휨 변형과 웰드라인은 사출성형에서의 대표적인 불량요인으로 사출성형품의 품질 향상을 위해 방지되어야 한다. 본 논문에서는 사출성형품의 품질 향상을 위해 설계 절차를 2 단계로 나눈다. 첫 번째 설계에서는 공정조건을 제어하여 사출압력과 휨 변형을 최소화 하기 위해 직교배열표를 이용한 전산실험을 수행하고 이를 이용하여 근사모델을 생성한 후 최적설계를 수행한다. 두 번째 설계에서는 유동경로 개선을 통한 웰드라인의 발생을 방지하기 위해 해석모델의 두께를 변경하고 웰드라인 발생 유무를 평가한다. 이러한 설계절차를 통해 사출압력과 휨 변형을 최소화하면서 웰드라인을 방지하여 본 논문에서 제안한 설계방법의 유효성을 보이고자 한다.
사출성형에서 사출압력은 제품의 특성을 결정하는 주요인자이므로 성형품의 품질 향상을 위해 사출압력은 최소화 되어야 한다. 또한 휨 변형과 웰드라인은 사출성형에서의 대표적인 불량요인으로 사출성형품의 품질 향상을 위해 방지되어야 한다. 본 논문에서는 사출성형품의 품질 향상을 위해 설계 절차를 2 단계로 나눈다. 첫 번째 설계에서는 공정조건을 제어하여 사출압력과 휨 변형을 최소화 하기 위해 직교배열표를 이용한 전산실험을 수행하고 이를 이용하여 근사모델을 생성한 후 최적설계를 수행한다. 두 번째 설계에서는 유동경로 개선을 통한 웰드라인의 발생을 방지하기 위해 해석모델의 두께를 변경하고 웰드라인 발생 유무를 평가한다. 이러한 설계절차를 통해 사출압력과 휨 변형을 최소화하면서 웰드라인을 방지하여 본 논문에서 제안한 설계방법의 유효성을 보이고자 한다.
Injection pressure, an important factor in the filling procedure, should be minimized to enhance injection molding quality. In addition, warping deformation and weld lines, which are representative failures, should be avoided to enhance injection molding quality. To improve injection molding quality...
Injection pressure, an important factor in the filling procedure, should be minimized to enhance injection molding quality. In addition, warping deformation and weld lines, which are representative failures, should be avoided to enhance injection molding quality. To improve injection molding quality, the design procedure for an automotive fog blank cover is divided into two stages. In the first stage, we optimally obtain injection molding process variables that minimize injection pressure and warping deformation by using design of experiments, approximation and optimization techniques equipped in PIAnO (Process Integration, Automation and Optimization), a commercial PIDO (Process Integration and Design Optimization) tool. Then, we determine the thickness of the automotive fog blank cover that enables us to avoid generating weld lines. The design results we obtain in this study are found far better than those of the initial design, which demonstrates the effectiveness of our design method.
Injection pressure, an important factor in the filling procedure, should be minimized to enhance injection molding quality. In addition, warping deformation and weld lines, which are representative failures, should be avoided to enhance injection molding quality. To improve injection molding quality, the design procedure for an automotive fog blank cover is divided into two stages. In the first stage, we optimally obtain injection molding process variables that minimize injection pressure and warping deformation by using design of experiments, approximation and optimization techniques equipped in PIAnO (Process Integration, Automation and Optimization), a commercial PIDO (Process Integration and Design Optimization) tool. Then, we determine the thickness of the automotive fog blank cover that enables us to avoid generating weld lines. The design results we obtain in this study are found far better than those of the initial design, which demonstrates the effectiveness of our design method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 사출압력과 휨 변형을 동시에 최소화하는 다중목적함수를 다루고 있다. 이러한 다중목적함수의 경우 목적함수의 중요도에 따라 가중치(weight)를 줄 수 있으며, 이러한 가중치에 의해 효과적인 최적설계 결과를 도출할 수 있다.
첫 번째 목적함수는 충전율 98%에서의 사출압력을 최소화하는 것이다. 사출압력 측정시점을 충전율 98%로 선정한 이유는 경우에 따라 충전율 100%에서 사출압력이 비정상적으로 급격하게 상승할 수 있기 때문에 정상적인 사출압력을 측정하기 위해 완전 충전시점에 근접할 것으로 판단되는 98%를 측정시점으로 선정하였다.
가설 설정
2) 조립성을 고려하여 제품 조립부의 휨 변형은 최소화 되어야 함.
제안 방법
(1) 첫 번째 설계단계에서 사출압력과 휨 변형을 최소화 하기 위해 설계요구사항을 바탕으로 설계문제를 정식화 하였다.
(2) PIAnO 를 이용하여 MAPS-3D 의 충전해석과 보압해석, 변형해석 절차를 통합하였고, 해석 및 설계절차를 자동화 하였다.
(3) 최적라틴방격추출법을 이용하여 전산실험을 수행하였고, 실험결과를 바탕으로 근사모델인 크리깅 모델을 생성하였으며, 순차적 이점대각이차 근사최적설계를 이용하여 최적설계를 수행하였다.
따라서 본 논문에서는 웰드라인 발생 여부를 판단할 수 있을 것으로 예상되는 영역 A 의 두께 감소율을 각각 8%(0.25 mm)와 17%(0.5 mm), 25%(0.75 mm), 33%(1 mm)로 선정하였다.
1 에서와 같이 제품 중간의 원형부분이 아래로 파인 형상이므로 유동저하를 최소화하여 금형의 캐비티내를 완전 충전할 수 있도록 해야 한다. 따라서 정밀한 사출속도 제어를 위해 6 단계의 사출속도를 설계변수로 선정하였다.
따라서 첫 번째 단계에서는 사출성형 해석 프로그램의 공정조건 제어를 자동화하여 사출압력과휨 변형을 최소화 하기 위한 근사최적설계를 수행하고, 두 번째 단계에서는 해석모델의 두께 변경을 통해 웰드라인 발생 유무를 평가한다.
를 이용하였다. 또한 최적설계를 위해 상용 PIDO (Process Integration and Design Optimization) 툴인 PIAnO (Process Integration, Automation, and Optimization)(7)를 이용하여 MAPS-3D 의 충전해석과 보압해석, 변형해석 절차를 통합하였으며, 해석 및 설계절차를 자동화하였다.
먼저 실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(8)을 사용하여 160 개의 실험점(training point)을 생성하였고, 실험점에 따른 전산실험을 수행하였으며, 그 결과로부터 사출압력과 휨 변형에 대한 근사모델인 크리깅(Kriging)(9) 모델을 생성하였다.
본 논문에서 사출성형품의 품질 향상을 위해 사출압력(injection pressure)과 휨 변형(warping deformation), 웰드라인(weldline)을 주요 고려사항 으로 선정하였다.
본 논문에서는 사출성형품의 품질 향상을 위해 설계절차를 2 단계로 나누어 수행한다. 그 이유는 사출압력과 휨 변형에 영향을 미치는 공정조건은 사출성형 해석 프로그램을 이용한 설계과정에서 설계변수로 자동화되어 제어될 수 있지만, 웰드라인 발생과 관련된 해석모델의 두께는 그 변경에 따른 요소 재생성 또는 요소의 질, 설계변수화 등을 고려해야 하므로 자동화가 까다롭기 때문이다.
사출압력 및 휨 변형에 영향을 미치는 공정조건인 사출속도(ram speed)와 충전시간(filling time), 보압시간(packing time), 보압(packing pressure)을 설계 변수로 선정하였다.
이러한 다중목적함수의 경우 목적함수의 중요도에 따라 가중치(weight)를 줄 수 있으며, 이러한 가중치에 의해 효과적인 최적설계 결과를 도출할 수 있다. 사출압력은 휨에도 영향을 미치는 주요 인자이므로 사출압력에는 가중치 0.7 을, 휨 변형의 편차에는 가중치 0.3 을 부여하여 최적설계를 수행하였다.
웰드라인은 공정조건만으로는 그 발생을 방지하기 어렵기 때문에 웰드라인 방지를 위해 성형품의 두께 변경 방법을 선정하였다. 두께 변경 영역은 유로 F2 에 해당하는 제품 중심부의 좌우 측면 부분(A)으로 초기 두께는 3mm 이며 비교적 두께 변경이 용이한 영역이다.
충전시간은 제품의 완전충진과 충격강도, 사출 압력 등에 영향을 주는 주요 공정조건이며, 보압은 수축과 휨, 사출압력 등에 주요한 공정조건이므로 정밀한 보압 제어를 위해 3 단계의 보압시간과 보압을 설계변수로 선정하였다. 설계변수의 초기값과 하한값, 상한값은 Table 1 과 같다.
대상 데이터
본 논문에서는 차량의 안개등 커버(Fog blank cover)를 설계대상으로 하였다.
첫 번째 목적함수는 충전율 98%에서의 사출압력을 최소화하는 것이다. 사출압력 측정시점을 충전율 98%로 선정한 이유는 경우에 따라 충전율 100%에서 사출압력이 비정상적으로 급격하게 상승할 수 있기 때문에 정상적인 사출압력을 측정하기 위해 완전 충전시점에 근접할 것으로 판단되는 98%를 측정시점으로 선정하였다.
이론/모형
본 논문에서는 사출성형 해석을 위해 상용 사출성형 해석 프로그램인 MAPS-3D (Mold Analysis and Plastics Solutions-3 Dimension)(6)를 이용하였다. 또한 최적설계를 위해 상용 PIDO (Process Integration and Design Optimization) 툴인 PIAnO (Process Integration, Automation, and Optimization)(7)를 이용하여 MAPS-3D 의 충전해석과 보압해석, 변형해석 절차를 통합하였으며, 해석 및 설계절차를 자동화하였다.
설계절차에는 PIAnO 에서 제공하는 다양한 설계기법들을 사용하였다.
크리깅 모델을 이용한 최적화 수행을 위해 PIAnO에서 제공하는 순차적 이점대각이차근사최적설계(Sequential Two-point Diagonal Quadratic Approximate Optimization; STDQAO)(7,10)를 사용하였다.
성능/효과
(4) 첫 번째 설계단계에서 모든 구속조건을 만족하면서 사출압력과 휨 변형을 동시에 최소화하는 최적변수값을 도출하여 정립된 설계절차의 유효성을 보였다.
(5) 두 번째 설계단계에서 두께 변경 방법을 통해 웰드라인이 발생하지 않는 최상의 두께 감소율을 도출하여 두께 변경 방법의 타당성을 보였다.
1) 제품의 기계적 특성 향상을 위해 제품 충전시 사출압력은 최소화 되어야 함.
3) 수지유동면적에 비례한 사출속도 프로파일은 위로 볼록한 포물선 형태여야 함.
4) 충전해석 후 수행되는 보압해석은 후충전시간(Post-fill time) 동안만 수행되고, 제품의 냉각은 충전과 보압 동안에 이미 진행되므로 충전시간과 후충전시간은 전체 냉각시간 보다 작아야 함.
10 에 나타내었다. 그 결과, 두께 변경 모델의 사출압력이 최적설계를 통해 최소화한 사출압력보다 낮음을 볼 수 있다. 따라서 웰드라인 방지를 위해 사용한 두께 변경 방법의 타당성을 확인할 수 있다.
두 번째 목적함수인 휨 변형 편차의 경우에서도 Fig. 4 와 같이 근사모델을 이용한 최적값과 실제 해석값의 상대오차는 0.17%로서 근사모델의 예측 성능이 우수함을 알 수 있으며, 실제 휨 변형 편차는 초기값에 비해 10.94% 감소한 0.395 mm 였다. 설계변수의 초기값과 최적값을 Table 2 에 비교하였다.
3 절에서 언급한 바와 같이 설계변수로서 자동화하기가 까다롭다. 또한 두께와 웰드라인 개수를 실험계획의 입력값과 출력값으로 포함할 경우 해석모델을 바꿔가며 160 번의 전산실험을 수동으로 수행해야 하므로 설계과정의 효율성이 떨어질 수 있다. 만약 수동적인 방법을 통해 웰드라인에 대한 근사모델을 생성했다 하더라도 두께 변경를 통해 얻고자 하는 웰드라인 개수 정보는 이산형이므로 근사모델을 적용하여 웰드라인 발생여부를 판단하는데 한계가 있을 수 있다.
5 에 11 개 절점 변위를 비교하였다. 비교 결과, 근사모델이 실제 해석결과를 잘 표현함을 볼 수 있다.
첫 번째 목적함수인 사출압력의 경우 Fig. 3 과 같이 근사모델을 이용한 최적값(AO_pred)과 실제 해석값(AO_act)의 상대오차는 1.5%로서 근사모델의 예측 성능이 우수함을 알 수 있으며, 실제 사출압력은 초기값에 비해 7.59% 감소한 79.287 MPa 이였다.
최적설계값을 각 두께 변경 모델에 적용하여 해석을 수행한 결과 Fig. 8 에서와 같이 17% 두께 변경 모델에서 웰드라인이 발생하지 않았으며, 웰드라인 길이의 합을 나타낸 Fig. 9 에서도 동일한 결과를 확인할 수 있다. 첫 번째 설계단계에서 사출압력을 최소화하였기 때문에 두께 변경에 따른 사출압력의 변화를 분석할 필요가 있으며, 그 결과를 Fig.
크리깅 모델과 순차적 이점대각이차근사최적설계를 이용하여 최적설계를 수행한 결과, 주어진 구속조건을 모두 만족하면서 정상 수렴하였다.
후속연구
이러한 결과들로 미루어 보아 본 논문에서 제안한 설계방법들의 유효성을 확인하였으며, 이러한 방법들이 다양한 사출성형품에도 효과적으로 적용될 수 있을 것으로 기대된다.
질의응답
핵심어
질문
논문에서 추출한 답변
사출성형공정의 장점은 무엇인가
사출성형(injection molding)이란 용융된 가소성 수지를 가압 플런저를 사용하여 사출금형(injection mold) 내부에 압입하는 성형법이다. 사출성형공정은 자동화가 쉽고 생산성이 우수하기 때문에 자동차와 가전, 생필품 등과 같은 다양한 제품의 생산에 이용된다.
사출성형이란 무엇인가
사출성형(injection molding)이란 용융된 가소성 수지를 가압 플런저를 사용하여 사출금형(injection mold) 내부에 압입하는 성형법이다. 사출성형공정은 자동화가 쉽고 생산성이 우수하기 때문에 자동차와 가전, 생필품 등과 같은 다양한 제품의 생산에 이용된다.
사출성형에 필요한 공정조건을 작업자의 경험과 직관에 의존하여 결정할 경우 어떠한 문제가 있는가
과거에는 사출성형에 필요한 공정조건이 작업자의 경험과 직관에 의존하여 주로 결정되었다. 하지만 제품의 특성 저하와 성형불량과 같은 문제를 사전에 예측할 수 없으므로 제품 개발과 생산에 추가적인 비용이 요구되고 이는 곧 제품 생산 원가에 영향을 주게 된다.
Choi, W. J., Shin, H. C. and Kwak, S. W., 2000, "Optimization of Processing Conditions in Injection Molding Using Genetic Algorithm," Trans. of the KSME (A), Vol. 24, No. 10, pp. 2543-2551.
특히, 유전알고리즘(Genetic Algorithm; GA), 실험계획법(Design of Experiments; DOE), 공리설계(Axiomatic Design), 순차적근사최적설계(Sequential Approximate Optimization; SAO) 등의 기법을 이용한 다양한 최적설계(design optimization) 연구(1~5)가 이루어졌다.
Park, K., Ahn, J. H. and Choi, S. R., 2002, "Application of Design of Experiments and Numerical Analysis to Optimal Design for Injection Molding processes of Electrical Parts," Trans. of the KSME (A), Vol. 26, No. 7, pp. 1348-1356.
특히, 유전알고리즘(Genetic Algorithm; GA), 실험계획법(Design of Experiments; DOE), 공리설계(Axiomatic Design), 순차적근사최적설계(Sequential Approximate Optimization; SAO) 등의 기법을 이용한 다양한 최적설계(design optimization) 연구(1~5)가 이루어졌다.
Kim, J. H., Lee, J. S. and Cha, S. W., 2003, "The Optimization of Injection Molding System Using Axiomatic Approach," Trans. of the KSME (A), Vol. 27, No. 6, pp. 1020-1027.
특히, 유전알고리즘(Genetic Algorithm; GA), 실험계획법(Design of Experiments; DOE), 공리설계(Axiomatic Design), 순차적근사최적설계(Sequential Approximate Optimization; SAO) 등의 기법을 이용한 다양한 최적설계(design optimization) 연구(1~5)가 이루어졌다.
Park, C. H., Kim, S. Y., Choi, D. H. and Pyo, B. G., 2005, "Design Optimization for Minimizing Warpage in Injection Molding Parts with Numerical Noise," Trans. of the KSME (A), Vol. 29, No. 11, pp. 1445-1454.
특히, 유전알고리즘(Genetic Algorithm; GA), 실험계획법(Design of Experiments; DOE), 공리설계(Axiomatic Design), 순차적근사최적설계(Sequential Approximate Optimization; SAO) 등의 기법을 이용한 다양한 최적설계(design optimization) 연구(1~5)가 이루어졌다.
Choi, D. J. and Park, S. H., 2009, "Optimization of Multi-component Injection Molding Process Based on Core-back System," Trans. of the KSAE, Vol. 17, No. 2, pp. 67-74.
특히, 유전알고리즘(Genetic Algorithm; GA), 실험계획법(Design of Experiments; DOE), 공리설계(Axiomatic Design), 순차적근사최적설계(Sequential Approximate Optimization; SAO) 등의 기법을 이용한 다양한 최적설계(design optimization) 연구(1~5)가 이루어졌다.
또한 최적설계를 위해 상용 PIDO (Process Integration and Design Optimization) 툴인 PIAnO (Process Integration, Automation, and Optimization)(7)를 이용하여 MAPS-3D 의 충전해석과 보압해석, 변형해석 절차를 통합하였으며, 해석 및 설계절차를 자동화하였다.
크리깅 모델을 이용한 최적화 수행을 위해 PIAnO에서 제공하는 순차적 이점대각이차근사최적설계(Sequential Two-point Diagonal Quadratic Approximate Optimization; STDQAO)(7,10)를 사용하였다.
Park, J. S., 1994, "Optimal latin-hypercube designs for computer experiments," J. Statist. Plann. Inference, Vol. 39, pp. 95-111.
먼저 실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(8)을 사용하여 160 개의 실험점(training point)을 생성하였고, 실험점에 따른 전산실험을 수행하였으며, 그 결과로부터 사출압력과 휨 변형에 대한 근사모델인 크리깅(Kriging)(9) 모델을 생성하였다.
Krige, D. G., 1951, "A statistical approach to some basic mine valuation problems on the Witwatersrand," J. of the Chem., Metal. and Mining Soc. of South Africa, Vol. 52, No. 6, pp. 119-139.
먼저 실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(8)을 사용하여 160 개의 실험점(training point)을 생성하였고, 실험점에 따른 전산실험을 수행하였으며, 그 결과로부터 사출압력과 휨 변형에 대한 근사모델인 크리깅(Kriging)(9) 모델을 생성하였다.
Kim, J. R. and Choi, D. H., 2008, "Enhanced twopoint diagonal quadratic approximation methods for design optimization," Comput. Meth. Appl. Mech. Engrg., Vol. 197, pp. 846-856.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.