[논문]금속 3D프린팅 통합 제어 및 모니터링 시스템 개발을 위한 프레임워크에 관한 연구

전병주; 이선규; 이승희; 장성호; 정구상

doi:10.14400/jdc.2020.18.11.187

금속 3D프린팅 통합 제어 및 모니터링 시스템 개발을 위한 프레임워크에 관한 연구
A Case Study on the Framework Development of the Metal 3D Printing Control & Monitoring System 원문보기

디지털융복합연구 = Journal of digital convergence, v.18 no.11, 2020년, pp.187 - 194

전병주 (금오공과대학교 산업경영학과) , 이선규 (금오공과대학교 경영학과) , 이승희 (금오공과대학교 경영학과) , 장성호 (금오공과대학교 산업공학과) , 정구상 ((주)컨셉션)

초록
AI-Helper

본 연구는 최근 새로운 제조 수단으로 각광받고 있는 3D프린팅 기술의 통합제어 시스템과 품질개선을 위한 모니터링 SW 기술개발을 위한 프레임워크 및 연구개발 방향을 제시하고자 한다. 이를 위해 본 연구에서는 금속프린팅 기술로 조명되고 있는 DED와 PBF 3D프린팅 기술의 통합 제어기술 개발 Framework와 최근 반도체 장비 등에서 큰 관심을 받고 있는 음향센서를 이용한 모니터링 기술 등 품질 개선을 위한 4가지 모니터링 기술을 제안 소개하고자 한다. 본 연구를 위하여, 국내 3D프린팅 전문기업인 (주)컨셉션, 원광이엔텍(주), (주)디이엔티 등에서 개발 중인 국내 최신 금속 3D프린팅 시스템 장비를 활용하여 연구하였으며(1KW급 Dual Laser PBF 및 DED 프린팅 시스템), 2017년 이래 지속적인 연구개발을 수행해온 경험을 바탕으로 다음세대 3D프린팅 개발자를 위한 연구초안을 제시함으로서 국내 3D프린팅 기술 발전 및 연구개발 협력을 위한 기초자료를 제시하고자 한다.

Abstract ▼ AI-Helper

This study present to Framework & R&D direction of the 3d printing Integrated Control & Monitoring System. To ensure this purpose, we developed integrated 3d printing control system Framework for DED & PBF and we introduce 4 monitoring system include photo diode, gas flow, acoustic and spectrometer sensors. For this study, we utilize metal 3d printing system from Conception., OKE Tech and DE&T who are still developing Metal 3D Printing Technology since 2017. In the result, we represent the latest 3D Printing Control and Monitoring System for the next 3D Printing researcher and we hope this study will be used as a basic reference and data for Cooperation between mechanic, electronic and material fields.

주제어

표/그림 (10)

그림 Fig. 1. Schematic of DED process with powder feeding mechanism
그림 Fig. 2. An Example of a typical PBF process
그림 Fig. 3. Structure of the proposed framework
그림 Fig. 4. Utilized Devices for Hardware Section
표 Table 1. Utilized Devices with Specifications
그림 Fig. 5. Positioning of the Monitoring Sensors
그림 Fig. 6. Placement of set of sensors to the metal printer and type of used sensors
그림 Fig. 7. Main interface of monitoring and controlling system
그림 Fig. 8. Monitoring panel
그림 Fig. 9. Saved data in "csv" file

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

예를 들어, 모니터링 시스템에서 레이저 출력밀도가 정상보다 낮은 것을 발견하면, 시스템은 출력밀도를 증가시킬 수 있다. 본 논문에서는 금속3D프린팅 출력과정을 모니터링하고 제어하기 위한 새로운 프레임워크를 제안하고자 한다. 이를 위하여 본연구에서는 LabView를 활용하여 SW 프로그램 및 그래픽을 구현하였으며, PBF 및 DED 금속 프린팅 제어 패널 및 모니터링 시스템으로 구성하였다.
본 논문에서는 오류와 결함을 방지하기 위해 DED와 PBF 기술 등 금속 3D 프린팅에 대한 제어 및 모니터링 시스템을 제안했다. 이 시스템은 LabVIEW 그래픽 프로그래밍 언어와 여러 센서를 사용하여 개발되었다.
3D프린팅 활용의 기록을 보면, 플라스틱 계열 합성고분자는 약 40여년 전부터 3차원 형상을 구현해왔으며, 금속3D프린팅 기술은 약 20년 전부터 독일과 미국을 중심으로 3D프린팅 전문기업 EOS와 3D Systems社 등에서 구현해왔다[2]. 분명 합성고분자를 3차원 구현하는 3D프린팅 기술 또한 훌륭한 기술이지만, 다수 제조업 및 중공업 산업분야에서는 금속 부문 3D프린팅 기술에 크게 주목해왔으며, 금속분말을 고출력 레이 저로 용융하여 3차원 형상을 만드는 방식에 주목하고 있는 점을 반영하여[3, 4], 본 연구에서는 고출력 레이저를 활용한 금속 3D프린팅 기술에 초점을 맞추고자 한다.
두 번째 단계는 모니터링 시스템의 적절한 수단을 결정하는 것이다. 이 단계의 목표는 3D프린팅 프로세스에 따른 공정 데이터를 측정하고 프로세스 매개 변수와 측정된 모니터링 데이터 간의 상관관계를 설정하는 것이다. 데이터 마이닝 기술은 이 단계에서 상관관계를 식별하는 데 활용될 수 있다.

제안 방법

적층제조기술위원회(ASTM, American Society for Testing and Materials) F42는 7개 중 5개 분야에 금속 재료를 프린팅할 수 있는 적층 제조 용어 목록을 제공 했다[5, 6]. DED(Direct Energy Deposition)과 PBF(Powder Bed Fusion) 두가지 방식이 금속프린팅을 대표하는 주요 기술들이며, 본 논문 또한 DED 및 PBF에서 구현되는 제어 SW 및 모니터링 기술을 다루고 있다.
이 시스템은 LabVIEW 그래픽 프로그래밍 언어와 여러 센서를 사용하여 개발되었다. 금속 3D 프린팅 기술의 공정 매개변수에 따라 광다이오드, 음향, 광량, 가스 센서 및 분광기를 사용할 것을 제안하였으며, 실험 수행과 데이터를 수집함으로써, 프린팅 과정에서 센서에 의해 수집된 데이터를 포함한 새로운 데이터 시트가 생성되는 과정을 소개하였다.
금속 기반 적층 제조 공정에서 모니터링과 제어 시스템을 개발하기 위해 제안된 프레임워크는 측정하고자 하는 Data의 공정특성과 금속 3D프린팅 출력 방식에 기반을 두며 시스템은 다음과 같은 5단계로 구성된다.
이를 위하여 본연구에서는 LabView를 활용하여 SW 프로그램 및 그래픽을 구현하였으며, PBF 및 DED 금속 프린팅 제어 패널 및 모니터링 시스템으로 구성하였다. 또한 모니터링 시스템은 데이터 수집을 위한 DAQ보드 및 분광기로 구성하였으며, 시스템은 머신 러닝 모델의 결과를 바탕으로 머신 러닝 과정에서의 오류와 결함을 분류하고 자동 리셋이 가능하도록 구성하여, 머신러닝 기술 실험 및 데이터 수집에 특화될 수 있도록 하였다.
또한, 이 논문에서는 여러 센서(음향 센서, 가스 센서, 포토 레지스터, 광 센서, 분말 센서 및 분광기)를 사용하여 층별로 출력 프로세스를 제어하는 금속 3D프린팅 출력 공정 모니터링 모델을 제안했으며, 모든 분석은 데이터베이스에서 이루어진다.
본 논문에서는 금속3D프린팅 출력과정을 모니터링하고 제어하기 위한 새로운 프레임워크를 제안하고자 한다. 이를 위하여 본연구에서는 LabView를 활용하여 SW 프로그램 및 그래픽을 구현하였으며, PBF 및 DED 금속 프린팅 제어 패널 및 모니터링 시스템으로 구성하였다. 또한 모니터링 시스템은 데이터 수집을 위한 DAQ보드 및 분광기로 구성하였으며, 시스템은 머신 러닝 모델의 결과를 바탕으로 머신 러닝 과정에서의 오류와 결함을 분류하고 자동 리셋이 가능하도록 구성하여, 머신러닝 기술 실험 및 데이터 수집에 특화될 수 있도록 하였다.
한편, 본 연구에서는 효율적인 3D프린팅 공정 데이터를 획득하기 위하여, Fig 5.처럼 5가지 센서들을 통합한 통합 모니터링 센싱박스를 구성하였으며, 각 센서들을 통합하여 관리할 수 있도록 센싱박스 HW를 설계-제작하여 적용하였다.

후속연구

최근 금속공학 분야에서는 금속분말의 용융과정에서 Melting Pool을 효과적으로 제어할 수 있으면 결함을 줄일 수 있다고 연구되어 왔으며, 이를 위해서는 추가적인 3D프린팅 통합 SW개발이 요구된다. 다시말해서, Deep Learning을 통해서 학습된 오류데이터 혹은 불량 정보를 반영하여, 실시간으로 레이저 및 광학 변수, XYZ 다축 제어변수, 질소-아르곤 가스 및 산소유량 변수, 내외부 환경변수 등을 제어하기 위해서는 최초 설정한 3D 프린팅을 위한 데이터를 현재 공정상태를 반영하여 즉각 적으로 변경할 수 있어야하며, 이러한 장비 운영 SW와 모니터링 통합 SW의 지속적인 개발이 필요하다.
이러한 공정 모니터링과 제품 품질 보증은 적층 제조 기술의 산업화 실현을 위하여 해결해야할 중요한 사안으로 간주된다. 따라서 본 연구에서 제시하는 금속프린팅 시스템 최적화를 위한 모니터링 기술은 프린팅 공정의 오류와 결함을 감지하여 소재 및 시간 낭비를 줄이는데 도움이 될 것이다.
금속 프린팅 품질 및 프린팅 프로세스에 영향을 미치는 다양한 매개변수가 존재한다. 이러한 매개변수의 상관관계는 여전히 알려져 있지 않으며, 현재 기술 상태에서는 효과적인 데이터 획득 과정을 통하여, 지속적인 오류현상을 학습하여, 금속프린팅 출력과정의 불량률을 최소화하기 위한 지속적인 SW개발 및 공정기술개발에 대한 연구가 요구된다.
현재 시스템은 작업자 혹은 개발자의 통제 하에 원격으로 프로세스를 감시할 수 있지만, 향후 지속적인 연구 개발을 통하여 머신러닝 기법을 통한 데이터 학습 및 프린팅 과정의 오류와 결함을 분류하여, 금속프린팅의 품질 경쟁력을 극대화하고, 다양한 산업에 신속히 적용되어 新 부가가치를 창출해 나갈 수 있도록 노력해 나가야 할 것이다.

참고문헌 (16)

G. White. (2015). Industry analysis: The pros and cons of 3D printing . Retrieved from http://www.manufacturingglobal.com/
T. G. Spears and S. A. Gold. (2016). "In-process sensing in selective laser melting (SLM) additive manufacturing," Integr. Mater. Manuf. Innov.
J. Evans,. (2014). "DMLS: A Bumpy Road in History," Design & Motion, [Online]. Available: https://designandmotion.net/design-2/manufacturing-design/dmls-a-little-history/.[Accessed: 11-Oct-2017].
T. Wohlers and T. Caffrey,. (2015). Wohlers Report 2015: 3D Printing and Additive Manufacturing State of the Industry Annual Worldwide Progress Report.
American Society for Testing and Materials, "Committee F42 on Additive Manufacturing Technologies - Scope," ASTM, 2009. [Online]. Available:https://www.astm.org/COMMIT/SCOPES/F42.htm. [Accessed:01-Jan-2017].
G. Tapia and A. Elwany,. (2014). "A Review on Process Monitoring and Control in Metal-Based Additive Manufacturing," J. Manuf. Sci. Eng., vol. 136, no. 6, p. 60801,

상세보기
H. S. Park, N. H. Tran, and D. S. Nguyen,. (2017). "Development of a predictive system for SLM product quality," IOP Conf. Ser. Mater. Sci. Eng., vol. 227, p. 12090,
A. E. Patterson, S. L. Messimer, and P. A. Farrington,. (2017). "Overhanging Features and the SLM/DMLS Residual Stresses Problem: Review and Future Research Need," Technologies, vol. 5, no. 2, p. 15,

상세보기
Jacob, G., Donmez, A., Slotwinski, J., and Moylan, S., (2016). "Measurement of Powder Bed Density in Powder Bed Fusion Additive Manufacturing Processes," Measurement Science and Technology, Vol. 27, No. 11, Paper No. 115601.

상세보기
Lee, J. and Prabhu, V., (2016). "Simulation Modeling for Optimal Control of Additive Manufacturing Processes," Additive Manufacturing, Vol. 12, pp. 197-203.

상세보기
Kamath, C., (2016). "On the Use of Data Mining Techniques to Build High-Density, Additively-Manufactured Parts," in: Information Science for Materials Discovery and Design, Springer, pp. 141-155.
Tapia, G., Elwany, A., and Sang, H., (2016). "Prediction of Porosity in Metal- Based Additive Manufacturing Using Spatial Gaussian Process Models," Additive Manufacturing, Vol. 12, pp. 282-290.

상세보기
Jeffrey., Travis (2006). LabVIEW for everyone : graphical programming made easy and fun. Kring, Jim. (3rd ed.). Upper Saddle River, NJ: Prentice Hall. ISBN 0131856723. OCLC 67361308
Alessandro Ceruti., Alfredo Liverani & Tiziano Bombardi. (2017). Augmented vision and interactive monitoring in 3D printing process, International Journal on Interactive Design and Manufacturing (IJIDeM) volume 11, pp. 385-395.

상세보기
Xin Lin, Kunpeng Zhu, Jinxin Zhou, Jerry Ying Hsi Fuh, (2020). Intelligent modeling and monitoring of micro-droplet profiles in 3D printing, ISA Transactions, The Journal of Automation, Volume 105, pp. 367-376
Ugandhar Delli, Shing Chang., (2018), Automated Process Monitoring in 3D Printing Using Supervised Machine Learning, Procedia Manufacturing, Volume 26, pp. 865-870

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증