클리닝 블레이드는 레이저 프린터토너카트리지에 장착된 감광드럼 표면의 잔류 토너를 제거하는 우레탄 재질의 고무부품이다. 기존에는 고무 블레이드의 클리닝 성능과 수명에 대한 다양한 연구들이 수행되었으나, 본 연구에서는 클리닝 성능과 부품간의 간섭에 대한 구속조건들을 모두 만족하면서 클리닝 블레이드에 발생하는 최대응력을 최소화 하는 클리닝 블레이드의 형상최적설계를 수행하였다. 상용 PIDO 툴인 PIAnO 를 이용하여 클리닝 블레이드의 구조해석절차를 통합하고 자동화하였으며, 최적설계를 위해 PIAnO 에서 제공하는 실험계획법과 근사화기법, 최적화 알고리즘을 사용하였다. 최적설계 결과, 초기 모델 대비 최대응력을 32.6% 감소 시킬 수 있는 최적의 설계안을 도출하였으며, 이를 통해 본 연구에서 수행한 최적설계 방법의 유효성을 확인할 수 있었다.
클리닝 블레이드는 레이저 프린터 토너 카트리지에 장착된 감광드럼 표면의 잔류 토너를 제거하는 우레탄 재질의 고무부품이다. 기존에는 고무 블레이드의 클리닝 성능과 수명에 대한 다양한 연구들이 수행되었으나, 본 연구에서는 클리닝 성능과 부품간의 간섭에 대한 구속조건들을 모두 만족하면서 클리닝 블레이드에 발생하는 최대응력을 최소화 하는 클리닝 블레이드의 형상최적설계를 수행하였다. 상용 PIDO 툴인 PIAnO 를 이용하여 클리닝 블레이드의 구조해석절차를 통합하고 자동화하였으며, 최적설계를 위해 PIAnO 에서 제공하는 실험계획법과 근사화기법, 최적화 알고리즘을 사용하였다. 최적설계 결과, 초기 모델 대비 최대응력을 32.6% 감소 시킬 수 있는 최적의 설계안을 도출하였으며, 이를 통해 본 연구에서 수행한 최적설계 방법의 유효성을 확인할 수 있었다.
A cleaning blade is an attachment installed in the toner cartridge of a laser printer for removing the residual toner from an organic photo-conductive drum. There have been many studies on the performance and life of the rubber blade. We focus on optimally designing the blade shape parameters to min...
A cleaning blade is an attachment installed in the toner cartridge of a laser printer for removing the residual toner from an organic photo-conductive drum. There have been many studies on the performance and life of the rubber blade. We focus on optimally designing the blade shape parameters to minimize the maximum stress of the blade while satisfying design constraints on the cleaning performance and part interference. The blade is optimally designed using a design of experiments, meta-models and an optimization algorithm implemented in PIAnO (process integration, automation, and optimization), a commercial PIDO (process integration and design optimization) tool. We integrate the CAE tools necessary for the structural analysis of the cleaning blade, automate the analysis procedure, and optimize the solution using PIAnO. We decreased the maximum stress by 32.6% in comparison with that of the initial design.
A cleaning blade is an attachment installed in the toner cartridge of a laser printer for removing the residual toner from an organic photo-conductive drum. There have been many studies on the performance and life of the rubber blade. We focus on optimally designing the blade shape parameters to minimize the maximum stress of the blade while satisfying design constraints on the cleaning performance and part interference. The blade is optimally designed using a design of experiments, meta-models and an optimization algorithm implemented in PIAnO (process integration, automation, and optimization), a commercial PIDO (process integration and design optimization) tool. We integrate the CAE tools necessary for the structural analysis of the cleaning blade, automate the analysis procedure, and optimize the solution using PIAnO. We decreased the maximum stress by 32.6% in comparison with that of the initial design.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 클리닝 블레이드의 영구변형 위험을 감소시키고 수명을 향상시키기 위해 클리닝 블레이드에 발생하는 응력을 설계 기준으로 하였다. 클리닝 블레이드에 발생하는 최대응력을 최소화하는 최적설계를 위해 클리닝 성능과 부품간의 간섭을 구속조건으로 고려하였으며, 클리닝 블레이드의 형상 파라미터(shape parameter)와 설치각(setting angle)을 설계변수로 선정하였다.
따라서 본 연구에서는 최적설계의 원활한 수행을 위해 실험계획에 따라 전산실험을 수행하고 정상적으로 해석된 결과로부터 근사모델을 생성하여 근사모델을 이용한 최적설계를 수행하였다. 본 장에서는 클리닝 블레이드의 최적설계를 위해 사용한 실험계획법과 근사화기법, 최적화 알고리즘에 대해 설명하고 최적설계 결과를 기술한다.
본 논문에서는 근사모델을 이용한 최적설계를 수행하였다. 따라서 크리깅 모델의 정확도에 따라 최적설계 결과가 달라질 수 있으므로 최적설계 결과의 정확도를 검증하여야 한다.
본 연구에서는 신규 적용된 트레일링 방식 클리닝 블레이드의 최대응력을 최소화하기 위한 최적 설계를 수행하였으며, 그 결론은 다음과 같다.
가설 설정
식 (3)에서 ROPC는 감광드럼의 반지름으로 15.007 mm이며, MCT-OPC는 클리닝 블레이드 접촉점과 감광드럼 표면 사이의 거리로서 선접촉이 되도록 하는 허용값으로 본 논문에서는 0.03 mm 로설정하였다.
제안 방법
Harpavat(7)는 비선형빔 이론을 적용하여 블레이드 자유장과 블레이드 엣지(edge)의 변형에 대해서 기술하였다. 또한 블레이드 부재의 변형형상과 접촉부의 클리닝 각에 대해 구체적으로 기술하고 클리닝 성능과의 관계에 대해 기술하였다. Meyer(8)는 블레이드 닙(nip) 부분에 토너와 클리닝 블레이드 역학 관계에 대해 고찰하였다.
본 연구에서는 클리닝 블레이드의 영구변형 위험을 감소시키고 수명을 향상시키기 위해 클리닝 블레이드에 발생하는 응력을 설계 기준으로 하였다. 클리닝 블레이드에 발생하는 최대응력을 최소화하는 최적설계를 위해 클리닝 성능과 부품간의 간섭을 구속조건으로 고려하였으며, 클리닝 블레이드의 형상 파라미터(shape parameter)와 설치각(setting angle)을 설계변수로 선정하였다. 클리닝 블레이드의 형상 파라미터와 설치각을 설계변수로 사용하기 위해 HyperMesh(ver.
클리닝 블레이드에 발생하는 최대응력을 최소화하는 최적설계를 위해 클리닝 성능과 부품간의 간섭을 구속조건으로 고려하였으며, 클리닝 블레이드의 형상 파라미터(shape parameter)와 설치각(setting angle)을 설계변수로 선정하였다. 클리닝 블레이드의 형상 파라미터와 설치각을 설계변수로 사용하기 위해 HyperMesh(ver. 10.0)를 이용하여 클리닝 블레이드의 파라메트릭 유한요소모델을 생성 하였으며, Abaqus(ver. 6.8)를 이용하여 클리닝 블레이드와 감광드럼의 접촉을 고려한 구조해석을 수행하였다. 효율적인 설계를 위해 상용 PIDO 툴인 PIAnO를 이용하여 구조해석절차를 통합하고 자동화하였다.
8)를 이용하여 클리닝 블레이드와 감광드럼의 접촉을 고려한 구조해석을 수행하였다. 효율적인 설계를 위해 상용 PIDO 툴인 PIAnO를 이용하여 구조해석절차를 통합하고 자동화하였다. 최적설계를 위해 PIAnO에서 제공하는 다양한 설계기법을 이용하였다.
클리닝 블레이드는 감광드럼 표면에 선접촉을 하여야 클리닝 성능을 유지할 수 있다. 선접촉을 유지하기 위해 Fig. 2에서와 같이 감광드럼 중심(OOPC)에서부터 클리닝 블레이드의 접촉점(NCT) 위치 간의 거리(DCT-OPC)가 허용범위 내에 들도록 하였다. 이를 수식으로 표현하면 식 (3)과 같다.
클리닝 블레이드의 형상과 설치각이 변함으로써 발생할 수 있는 클리닝 블레이드와 대전롤러 간의 간섭이 고려되어야 한다. 이를 위해 Fig. 2 에서와 같이 대전롤러 중심(OCR)으로부터 클리닝 블레이드의 상단점(NBL)까지의 거리(DBL-CR)가 하한값보다 크도록 하였다. 이를 수식으로 표현하면 식 (4)와 같다.
브라켓과 대전롤러 간의 간섭이 고려되어야 한다. 이를 위해 Fig. 2 에서와 같이 대전롤러 중심 (OCR)에서부터 브라켓 상단점(NBK)까지의 거리(DBKCR)가 하한값보다 크도록 하였다. 이를 수식으로 표현하면 식 (5)와 같다.
클리닝 블레이드의 최대응력에 영향이 많을 것으로 판단되는 클리닝 블레이드의 형상 파라미터와 설치각을 설계변수로 선정하였다. Fig.
본 논문에서는 클리닝 블레이드의 형상 파라미터와 설치각을 설계변수로 선정하였으므로 클리닝 블레이드는 파라메트릭하게 모델링 되어야 한다. 파라메트릭 유한요소모델은 HyperMesh 에서 형상 파라미터의 변경에 따라 클리닝 블레이드의 유한 요소모델을 스케일링(scaling)하고, 설치각 변경에 따라 유한요소를 회전하는 방법을 이용하였다.
본 논문에서는 클리닝 블레이드의 형상 파라미터와 설치각을 설계변수로 선정하였으므로 클리닝 블레이드는 파라메트릭하게 모델링 되어야 한다. 파라메트릭 유한요소모델은 HyperMesh 에서 형상 파라미터의 변경에 따라 클리닝 블레이드의 유한 요소모델을 스케일링(scaling)하고, 설치각 변경에 따라 유한요소를 회전하는 방법을 이용하였다.
형상 파라미터와 설치각이 변경된 클리닝 블레이드의 파라메트릭 유한요소모델과 감광드럼 유한 요소모델, 물성치, 하중조건, 경계조건 등의 정보는 HyperMesh에서 Abaqus 의 입력파일(*.inp)로 출력되며, Abaqus 에서는 이 입력파일을 이용하여 감광드럼과의 접촉을 고려한 클리닝 블레이드의 구조해석을 수행한다. 구조해석 수행 후 출력되는 Abaqus 결과파일(*.
본 논문에서는 PIAnO의 파일 파싱(file parsing) 기법을 이용하여 구조해석절차를 통합하고 배치 런(batch run)을 이용하여 자동화하였다. 통합된 해석절차의 1 회 해석시간(CPU time)은 Intel(R) Core(TM)2 Quad CPU Q6600 2.
본 과제 수행을 위해 클리닝 블레이드의 구조해 석절차를 통합하고 자동화하였다. 하지만 본 논문 에서는 최적설계 수행에 있어서 통합되고 자동화된 구조해석절차를 직접 사용하지 않고 성능지수 들의 근사모델을 사용하였다.
본 과제 수행을 위해 클리닝 블레이드의 구조해 석절차를 통합하고 자동화하였다. 하지만 본 논문 에서는 최적설계 수행에 있어서 통합되고 자동화된 구조해석절차를 직접 사용하지 않고 성능지수 들의 근사모델을 사용하였다. 근사모델을 사용한 이유는 개별 설계변수들의 범위를 적절하게 설정 하였다고 하더라도 설계변수들의 일부 조합에 따라 Abaqus 를 이용한 구조해석이 정상적으로 수행되지 못할 수도 있기 때문이다.
따라서 크리깅 모델의 정확도에 따라 최적설계 결과가 달라질 수 있으므로 최적설계 결과의 정확도를 검증하여야 한다. 이를 위해 크리깅 모델을 이용한 최적설계 결과(AO_pred)와 최적 설계변수값에서의 Abaqus 해석 결과(AO_act)를 서로 비교하였다.
(1) 설계요구사항을 바탕으로 클리닝 성능과 부품간의 간섭을 동시에 고려하면서 최대응력을 최소화할 수 있는 설계문제를 정식화 하였다.
(3) PIAnO 에서 제공하는 실험계획법인 최적라틴 방격추출법과 근사모델인 크리깅 모델, 전역최적화기법인 진화알고리즘을 이용하여 최적설계를 수행하였다. 그 결과 주어진 모든 구속조건을 만족하면서 초기 대비 최대응력이 32.
(2) HyperMesh를 이용하여 클리닝 블레이드의 파라메트릭 유한요소모델을 생성하고, Abaqus를 이용한 구조해석절차를 정립하였으며, 상용 PIDO툴인 PIAnO를 이용하여 구조해석절차를 통합하고 자동화하였다.
대상 데이터
클리닝 블레이드의 구조해석을 위해 유한요소모델이 필요하며, 유한요소모델 생성시 브라켓에 고정된 클리닝 블레이드의 자유단이 감광드럼 표면에 접촉하는 실제 조립조건을 고려하여야 한다. 따라서 클리닝 블레이드 유한요소모델은 HyperMesh 에서 80개의 S4 shell 요소로 구성되며, 설계기준에서 제시하는 탄성계수를 물성치로 사용하였다. 또한 감광드럼은 알루미늄 재질의 S4 shell 요소로 모델링 되었다.
1 회 해석 시간과 해석 실패가 발생할 수 있는 경우를 감안하여 충분한 실험횟수로 판단되는 400 개의 실험점을 생성하였다. 전산실험 결과, 해석 실패인 경우가 13 회 발생하였고, 구조해석이 정상적으로 수행된 387 개의 실험점만을 사용하여 근사모델을 생성하였다.
1 회 해석 시간과 해석 실패가 발생할 수 있는 경우를 감안하여 충분한 실험횟수로 판단되는 400 개의 실험점을 생성하였다. 전산실험 결과, 해석 실패인 경우가 13 회 발생하였고, 구조해석이 정상적으로 수행된 387 개의 실험점만을 사용하여 근사모델을 생성하였다. 근사모델은 해석모델의 반응값과 변수값과의 관계를 근사화한 수치모델이므로 최적설계 도중 해석 실패는 발생하지 않는다.
근사모델은 관심영역의 일부 또는 전체 영역 내에서 실제 해석모델의 반응값과 변수값과의 관계를 근사화 한다. 본 논문에서는 PIAnO 에서 제공 하는 다양한 근사모델 중 하나인 크리깅 모델을 선정하였다. 크리깅 모델을 선정한 이유는 설계변수들의 변화에 따른 성능지수들의 경향성을 살펴보기 위한 파라메트릭 스터디(parametric study) 결과가 비선형적인 경향성을 보였기 때문이다.
이론/모형
효율적인 설계를 위해 상용 PIDO 툴인 PIAnO를 이용하여 구조해석절차를 통합하고 자동화하였다. 최적설계를 위해 PIAnO에서 제공하는 다양한 설계기법을 이용하였다. 실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(10)을 이용하여 전산실험을 계획하고, 실험계획에 따라 클리닝 블레이드의 구조해석을 수행하였다.
최적설계를 위해 PIAnO에서 제공하는 다양한 설계기법을 이용하였다. 실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(10)을 이용하여 전산실험을 계획하고, 실험계획에 따라 클리닝 블레이드의 구조해석을 수행하였다. 그리고 각 실험점에 따른 구조해석 결과를 바탕으로 성능지수들의 근사모델로 크리깅 모델(Kriging model)(11)을 생성하였으며, 전역최적점(global optimal point)를 찾기 위해 진화알고리즘(Evolutionary Algorithm; EA)(12)을 이용하였다.
실험계획법 중의 하나인 최적라틴방격추출법(Optimal Latin Hypercube Design; OLHD)(10)을 이용하여 전산실험을 계획하고, 실험계획에 따라 클리닝 블레이드의 구조해석을 수행하였다. 그리고 각 실험점에 따른 구조해석 결과를 바탕으로 성능지수들의 근사모델로 크리깅 모델(Kriging model)(11)을 생성하였으며, 전역최적점(global optimal point)를 찾기 위해 진화알고리즘(Evolutionary Algorithm; EA)(12)을 이용하였다.
본 논문에서는 PIAnO 에서 제공하는 실험계획법 중의 하나인 최적라틴방격추출법을 이용하였다. 기존의 라틴방격추출법(Latin Hypercube Design; LHD)은 경우에 따라 충진성능(space-filling)이 나빠질 수 있기 때문에 충진성능을 향상시킨 최적라 틴방격추출법을 사용함으로써 최적성조건을 만족 하는 실험점을 추출한다.
본 논문에서는 최적화기법으로 PIAnO에서 제공하는 진화알고리즘을 선정하였다. 진화알고리즘은 전역 최적화기법 중의 하나로, 1975년 John H.
성능/효과
이러한 경우, 구조 해석 결과로부터 목적함수와 구속조건을 계산하기 위한 성능지수들의 정보를 얻지 못하게 되고 데이터의 연결이 끊어져 다음의 설계점을 찾지 못해 결국 최적설계가 비정상적으로 중단된다. 실제로 통합된 구조해석절차에 직접 최적화 알고리즘을 적용한 결과, 최적설계 도중 비정상적으로 중단되는 경우를 확인하였다. 해석이 정상적으로 수행되지 못한 경우는 설계변수의 조합에 따라 형상이 변경된 클리닝 블레이드가 감광드럼 표면에 접촉을 하지 못하고 미끄러짐이 발생한 경우 등이었다.
최대응력을 감소 시키기 위해서는 초기 모델에 비해 클리닝 블레이드의 두께(TBL)는 두꺼워져야 하고, 설치각(ABL)은 증가되어야 하며, 고정단 길이(LFXBL)는 짧아지되 자유단 길이가 늘어나 결국 클리닝 블레이드의 전체길이(LBL)는 거의 변화가 없어야 한다는 것을 알 수 있었다.
(14) 비록 진화알고리즘이 함수 계산이 많은 단점이 있지만 본 논문에서는 실제 해석모델 대신 해석시간이 짧은 근사모델을 사용하기 때문에 진화알고리즘의 단점을 보완할 수 있다. 통합된 해석 절차의 1회 해석시간은 약 22초이지만 크리깅 모델은 약 8초 정도가 소요된다.
4(a)~(d)에 나타내었다. 비교 결과, AO_pred 와 AO_act 모두 주어진 구속조건을 만족한 것을 볼수 있었으며, AO_pred 와 AO_act 결과가 서로 유사함으로 보아 크리깅 모델이 실해석 결과를 잘 예측하는 것을 확인할 수 있었다.제
5 에서 나타내었다. AO_pred 의 최대응력은 초기모델에 비해 31.9% 감소한 0.605MPa이었으며, AO_act 또한 최대응력 최대응력이 32.6% 감소한 0.6MPa 임을 확인하여 크리깅 모델을 이용한 최적설계 결과의 유효성을 확인 할 수 있었다.
6 에 나타내었다. 최대응력은 브라켓에 고정된 고정단과 자유단 연결 부위에서 발생하며, 변형 정도에 따라 최대응력에 차이가 나는 것을 볼 수 있었다.
(3) PIAnO 에서 제공하는 실험계획법인 최적라틴 방격추출법과 근사모델인 크리깅 모델, 전역최적화기법인 진화알고리즘을 이용하여 최적설계를 수행하였다. 그 결과 주어진 모든 구속조건을 만족하면서 초기 대비 최대응력이 32.6% 감소한 최적의 클리닝 블레이드 설계안을 도출하여 본 연구에서 수행한 최적설계 방법의 유효성을 확인할 수 있었다.
하지만 진화알고리즘은 기타 최적화 알고리즘에 비해 비교적 함수 계산을 많이 하기 때문에 해석 모델에 따라 최적설계에 많은 시간이 소요된다는 단점을 가지고 있다. (14) 비록 진화알고리즘이 함수 계산이 많은 단점이 있지만 본 논문에서는 실제 해석모델 대신 해석시간이 짧은 근사모델을 사용하기 때문에 진화알고리즘의 단점을 보완할 수 있다. 통합된 해석 절차의 1회 해석시간은 약 22초이지만 크리깅 모델은 약 8초 정도가 소요된다.
후속연구
향후에는 우레탄 고무의 비선형성을 고려한 물성 평가와 영구변형과 응력과의 상관관계 규명을 위한 시험 등이 수행되어야 할 것으로 보인다.
질의응답
핵심어
질문
논문에서 추출한 답변
레이저 프린터란?
레이저 프린터는 Fig. 1 에서와 같이 전자사진 (electro-photography) 기술을 이용하여 토너라는 미소 고분자 입자를 출력하고자 하는 이미지에 따라 종이에 인쇄하는 기기이다. 레이저 프린터에서의 인쇄동작은 감광드럼(Organic Photo Conductive drum; OPC drum) 표면에 전하를 균일하게 충진하는 대전(charging)과 화상 데이터를 작성하는 노광 (exposure), 노광 부위 정전잠상(latent image)에 실질적인 토너를 부착하는 현상(development), 종이와 같은 미디어(media)에 직접 혹은 간접적으로 토너를 이동시키는 전사(transfer), 최종적으로 용지 위의 토너를 열융착 하는 정착(fusing) 등의 과정이 순환 형태로 반복적으로 일어남으로써 연속적 으로 이루어지게 된다.
토너 카트리지 내부에서 클리닝 과정이 제대로 되지 않을 경우의 문제는?
토너 카트리지 내부에서는 전사 이후 감광드럼 표면에 미전사된 잔류 토너 및 기타 지분 등의 미소 입자가 남게 되며 이를 제거하는 클리닝 (cleaning) 과정이 필요하다. 클리닝이 제대로 되지 않을 경우 제거되지 못한 입자들에 의해 대전롤러 (Charge Roller; CR)가 오염되어 감광드럼 표면의 전하 충진이 균일하지 못하여 인쇄 품질이 저하될 뿐만 아니라 지속적인 대전롤러 오염으로 인해 토너 카트리지의 수명 또한 단축될 수 있다.
클리닝 블레이드란?
클리닝 블레이드는 레이저 프린터 토너 카트리지에 장착된 감광드럼 표면의 잔류 토너를 제거하는 우레탄 재질의 고무부품이다. 기존에는 고무 블레이드의 클리닝 성능과 수명에 대한 다양한 연구들이 수행되었으나, 본 연구에서는 클리닝 성능과 부품간의 간섭에 대한 구속조건들을 모두 만족하면서 클리닝 블레이드에 발생하는 최대응력을 최소화 하는 클리닝 블레이드의 형상최적설계를 수행하였다.
참고문헌 (14)
Takahasi, T., 1977, Cleaning Device for Use in Electrophotographic Copying Apparatus, U.S Patent 4026648.
Schein, L. B., 2003, Electrophtography and Development Physics, Laplacian Press.
Royka, L. B. and Emerald, R. L, 1971, Lubricated Blade Cleaning of Imaging Photoconductive Member, U.S Patent 3552850.
Gerbasi, D. P., 1972, Cleaning Apparatus, U.S Patent 3660863.
Till, H. R., 1973, Wiper Blade Cleaning for Xerographic Machines, U.S Patent 3724220.
Till, H. R. and Lindblad, N. R., 1976, "Parametric Study of a Xerographic Cleaning Blade," Conf. Rec., Annu. Meet. IEEE Ind.., Vol. 20, No. 5, pp. 449-464.
Harpavat, G. L., 1979, "A Theoretical Study of the Mechanics of a Xerographic Cleaning Blade," IEEE Transactions on Industry Applications, Vol. IA-15, No. 6, pp. 681-687.
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.
Holland, J. H., 1975, Adaptation in Natural and Artificial Systems, The University of Michigan Press.
Simpson, T. W., Korte, J. J., Mauery, T. M. and Mistree, F., 1998, "Comparisons of Response Surface and Kriging Models for Multidisciplinary Design Optimization," Proc. 7th AIAA/USAF/NASA/ ISSMO Symposium on Multidisciplinary Analysis & Optimization, Vol. 1, pp. 381-391.
Haupt, R. L. and Haupt, S. E., 1998, Practical Evolutionary Algorithms, Wiley.
이 논문을 인용한 문헌
저자의 다른 논문 :
활용도 분석정보
상세보기
다운로드
내보내기
활용도 Top5 논문
해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다. 더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.