초록 ▼

Ⅱ. 연구개발의 목적 및 필요성
- AI를 이용하여 기존의 소재 및 공정 개발 방법 대비 연구 개발 효율성을 높여서 개발 경쟁력 강화

Ⅲ. 연구개발의 내용 및 범위
- 이미지 기반 기계적 특성 예측 모델 개발
· 열 분포 이미지 데이터로부터 기계적 특성을 예측할 수 있는 인공지능 모델 개발
- 구조 소재 연구데이터 수집 및 기계적 물성 예측 모델 개발
· 저합금 변태유기소성강 연구 데이터 수집 및 가공
· 데이터 분석 및 머신러닝/딥러닝 활용 기계적 특성 예측 모델 개발

Ⅱ. 연구개발의 목적 및 필요성
- AI를 이용하여 기존의 소재 및 공정 개발 방법 대비 연구 개발 효율성을 높여서 개발 경쟁력 강화

Ⅲ. 연구개발의 내용 및 범위
- 이미지 기반 기계적 특성 예측 모델 개발
· 열 분포 이미지 데이터로부터 기계적 특성을 예측할 수 있는 인공지능 모델 개발
- 구조 소재 연구데이터 수집 및 기계적 물성 예측 모델 개발
· 저합금 변태유기소성강 연구 데이터 수집 및 가공
· 데이터 분석 및 머신러닝/딥러닝 활용 기계적 특성 예측 모델 개발
· 설명 가능한 인공지능 (XAI) 기법 활용 특성-인자 관계 및 특성인자 기여도 분석
- 경량금속 판재의 공정 조건 의존적 구성 방정식 개발 및 기계적 물성 DB 구축
· 온도 및 변형률 속도에 의존적인 구성 방정식 개발
· 경량굼속 판재의 기계적 물성 DB구축 및 성형한계선도 예측 딥러닝 모델 개발
- 미세조직 자동 보정 및 정량적 분석 기술 개발
· 불균일 광원 보정 모델 및 상 구분 모델의 성능 개선
· 형상학적 정보에 대한 정량적 분석 모델 개발
· 약지도 학습 기반 인공지능 모델 개발 플랫폼 기술

Ⅳ. 연구개발결과
- 논문 발표 4.95건
- 프로그램 등록 5건

Ⅴ. 연구개발결과의 활용계획
- 적은 라벨링 비용으로 인공지능 모델 구축
- 해석 기반 온간 성형 공정 최적화의 물성 데이터로 활용
- 저탄소 TRIP강 관련 데이터 및 인공지능 모델 공유

(출처 : 요약문 4p)

Abstract ▼

Ⅱ. Purpose and necessity of research and development
- Increasing R&D efficiency and strengthening development competitiveness compared to the current material and process development methods

Ⅲ. Content and scope of R&D
- Development of image based mechanical property prediction model

Ⅱ. Purpose and necessity of research and development
- Increasing R&D efficiency and strengthening development competitiveness compared to the current material and process development methods

Ⅲ. Content and scope of R&D
- Development of image based mechanical property prediction model
· Development of an AI model that can predict mechanical properties from heat distribution image data
- Acquisition of research data for structural material and development of AI model for predicting material properties
· Acquisition of research data for low alloy type TRIP steel and preprocessing them
· Data analysis and development of mechanical property prediction model using machine learning/deep learning
· Analysis of feature-factor relationship and contribution of feature factors using explainable artificial intelligence (XAI) techniques
- Development of process condition-dependent constitutive equations for lightweight metal sheets and construction of mechanical properties DB
· Develop temperature and strain rate dependent constitutive equations
· Establishment of mechanical properties DB of lightweight metal sheets and development of deep learning model predicting forming limit curves
- Development of automatic microstructure correction and quantitative analysis technology
· Improved performance of non-uniform light source correction model and phase separation model
· Weakly supervised learning-based artificial intelligence model development platform technology

Ⅳ. R&D results
- 4.95 papers published
- 5 program registrations

Ⅴ. R&D results and utilization plan
- building AI models for segmentation with low labeling cost
- being used as material properties for simulation based process optimization
- The research data for the low alloy type TRIP steel and AI models will be shared

(source : Summary 5p)