초록 ▼

본 발명은 플라즈마 이온 질화 처리의 물리적 성질의 예측방법에 관한 것으로, 시편의 목표 질화층을 얻기 위한 반응 조건을 입력하는 단계; 진공 반응기에 질화강을 장입하고 배기하는 단계; 상기 진공 반응기를 가열 및 반응가스를 주입하는 단계; 상기 진공 반응기에 질소가스를 도입하여 질화 처리를 실시하여 질화 처리된 질화강을 제조하는 단계; 실시간 질화 깊이와 목표 깊이를 비교하는 단계; 기어 표층의 경도와 목표 경도를 비교하는 단계; 측정된 질화깊이 및 경도에 따라 질화처리 실시여부를 판단하는 단계; 소정의 깊이가 달성되는 경우 상기

본 발명은 플라즈마 이온 질화 처리의 물리적 성질의 예측방법에 관한 것으로, 시편의 목표 질화층을 얻기 위한 반응 조건을 입력하는 단계; 진공 반응기에 질화강을 장입하고 배기하는 단계; 상기 진공 반응기를 가열 및 반응가스를 주입하는 단계; 상기 진공 반응기에 질소가스를 도입하여 질화 처리를 실시하여 질화 처리된 질화강을 제조하는 단계; 실시간 질화 깊이와 목표 깊이를 비교하는 단계; 기어 표층의 경도와 목표 경도를 비교하는 단계; 측정된 질화깊이 및 경도에 따라 질화처리 실시여부를 판단하는 단계; 소정의 깊이가 달성되는 경우 상기 질화 처리된 질화강을 냉각하는 단계; 및 종료 단계로 이루어지는 것을 특징으로 한다.

대표청구항 ▼

표면 경도 68HRC, 경화 깊이 0.02~ 0.05㎜인 기어를 제조하기 위한 질화 처리된 질화강에 대한 플라즈마 이온 질화 처리의 물리적 성질의 예측방법으로서,상기 기어는 C : 0.05 ~ 0.3 중량%, Al : 0.01 ~ 0.5 중량%, Cr : 0.3 ~ 0.8 중량% 및 잔부의 Fe를 포함하는 불순물로 이루어지고, Al 및 Cr은 0.5% < 1.92Al + Cr < 1.8%의 관계식을 만족하며,상기 플라즈마 이온 질화 처리의 물리적 성질의 예측방법은,기어가 형성된 모재인 질화강의 목표 질화층을 얻기 위한 반

표면 경도 68HRC, 경화 깊이 0.02~ 0.05㎜인 기어를 제조하기 위한 질화 처리된 질화강에 대한 플라즈마 이온 질화 처리의 물리적 성질의 예측방법으로서,상기 기어는 C : 0.05 ~ 0.3 중량%, Al : 0.01 ~ 0.5 중량%, Cr : 0.3 ~ 0.8 중량% 및 잔부의 Fe를 포함하는 불순물로 이루어지고, Al 및 Cr은 0.5% < 1.92Al + Cr < 1.8%의 관계식을 만족하며,상기 플라즈마 이온 질화 처리의 물리적 성질의 예측방법은,기어가 형성된 모재인 질화강의 목표 질화층을 얻기 위한 반응 조건을 입력하는 단계;진공 반응기에 기어가 형성된 모재인 질화강을 장입하고 배기하는 단계;상기 진공 반응기를 가열 및 반응가스를 주입하는 단계;상기 진공 반응기에 질소가스를 도입하여 질화 처리를 실시하는 단계;실시간 질화 깊이와 목표 깊이를 비교하는 단계;기어 표층의 경도와 목표 경도를 비교하는 단계;측정된 질화깊이 및 경도에 따라 질화처리 실시여부를 판단하는 단계;소정의 깊이가 달성되는 경우 상기 질화 처리된 질화강을 냉각하는 단계; 및종료 단계;로 이루어지며,상기 목표 질화층을 얻기 위한 반응조건을 입력하는 단계는 딥러닝 기반의 질화층 학습모델을 통하여 질화층의 두께 및 경도를 예측하는 것으로서,상기 딥러닝 기반의 질화층 학습모델은 입력 변수에 대하여 입력 레이어, 히든 레이어 및 출력 레이어로 이루어진 구조를 통해 출력 변수를 출력하는 것을 특징으로 하는 플라즈마 이온 질화 처리의 물리적 성질의 예측방법.