하이브리드 소재성형 연구실은 금속 및 비금속 재료의 소성가공과 첨단 성형 기술 개발에 중점을 두고 있습니다. 연구실은 알루미늄, 마그네슘, 티타늄, 지르코늄 등 경량 합금과 고강도 강판(AHSS) 등 다양한 금속소재의 변형 거동, 미세조직 진화, 그리고 공정 설계에 관한 심층 연구를 수행합니다. 특히, 소성가공 이론과 전산역학(FEM) 기반의 수치해석을 통해 금속재료의 성형성, 강도, 파단 특성 등을 정밀하게 예측하고, 실제 산업 현장에 적용 가능한 최적의 공정 조건을 도출합니다. 이러한 연구는 자동차, 조선, 항공우주, 에너지 등 다양한 산업 분야에서 요구되는 경량화와 고성능화에 직접적으로 기여하고 있습니다. 예를 들어, 자동차 차체용 초고강도강의 엣지 파단 한계 평가, 배터리 케이스의 고강도 일체형 제조기술, 원자력 발전용 지르코늄 클래딩 튜브의 잔류응력 해석 등 실제 산업 문제 해결을 위한 다양한 프로젝트가 진행되고 있습니다. 또한, 다층 및 이종소재 접합, 폭발접합, 3D 프린팅 등 신공정 개발을 통해 기존 한계를 극복하고, 새로운 소재 및 부품 설계 가이드라인을 제시하고 있습니다. 연구실은 미세조직 시뮬레이션, 동적 재결정화 모델링, 열역학-기계적 연계 해석 등 첨단 해석기법을 적극적으로 도입하고 있습니다. 이를 통해 소재의 미세구조와 기계적 특성 간의 상관관계를 규명하고, 공정-구조-성능의 통합적 최적화를 실현하고 있습니다. 이러한 연구 성과는 국내외 유수 학술지와 특허로 이어지고 있으며, 산업체와의 협력을 통해 실질적 기술 이전 및 상용화도 활발히 이루어지고 있습니다.

본 연구실은 스마트 제조 환경을 위한 머신비전 및 인공지능(AI) 기반의 공정 모니터링 기술 개발에 선도적인 역할을 하고 있습니다. 제조 현장에서 발생하는 다양한 데이터를 실시간으로 수집·분석하여, 품질 관리, 결함 검출, 공정 자동화 등 다양한 스마트팩토리 솔루션을 제공합니다. 특히, 2D/3D 이미지 처리, 딥러닝(CNN, U-Net 등) 기반의 결함 인식, 공구 마모 예측, 용접 품질 평가 등 다양한 머신비전 응용 연구가 활발히 이루어지고 있습니다. 연구실은 자동화 물류 시스템, 로봇 기반 택배 하차 및 분류, 와이어 하네스 자동 조립 등 실제 산업 현장에 적용 가능한 AI 기반 비전 시스템을 개발하고 있습니다. 예를 들어, RGB-D 카메라와 딥러닝을 활용한 박스 인식 및 피킹점 추출, YOLO 기반 라벨 검출, 3D 포인트 클라우드 처리 등 첨단 기술을 접목하여 물류 자동화의 효율성과 정확성을 크게 향상시키고 있습니다. 또한, 의료 영상 분석, 치과 3D 데이터 자동 측정, 척추 및 골밀도 예측 등 의료 분야로도 연구 영역을 확장하고 있습니다. 이러한 연구는 공정의 신뢰성 및 생산성 향상뿐만 아니라, 작업자의 안전 확보, 품질 불량률 감소, 비용 절감 등 다양한 산업적 가치를 창출하고 있습니다. 연구실은 현대자동차, 삼성, LG전자 등 국내외 주요 기업 및 연구기관과의 산학협력을 통해 실제 현장 적용 및 기술 상용화에 앞장서고 있으며, 관련 특허 및 논문 발표를 통해 기술력을 인정받고 있습니다.