딥러닝 기반 3D 프린팅 섬유보강 고연성 모르타르(SHCC) 품질 모니터링 연구

Deep Learning–Based Quality Monitoring for 3D-Printed Fiber-Reinforced SHCC

연구 내용

3D 프린팅용 섬유보강 고연성 모르타르(SHCC)의 적층 품질을 균일도와 정확성 관점에서 정량 평가하고, 딥러닝 기반 모니터링으로 결함을 조기에 검출하는 연구

3D 프린팅 모르타르의 적층 품질을 화상분석 기반으로 측정하고, 흐름성과 간극비에 따른 적층 두께 균일성·정확성의 상관을 규명합니다. 또한 섬유 혼입량과 폐선인장 분말 혼화제 및 SP·증점제 조합을 변수로 하여 유동성 변화를 제어하고, 연속 출력과 표면 공극 분포를 포함한 출력물 품질을 평가합니다. 이와 병행하여 생체모방 비정형 구조 제작을 목표로, 딥러닝 기반 품질 모니터링을 구축하는 데 차별성이 있습니다.

관련 프로젝트

4건

연구 흐름

초기에는 3D 프린팅 출력물의 적층 두께 균일성과 정확성을 평가하기 위한 측정·분석 방법을 정립하였습니다. 이후 2025년에는 폐선인장 분말 혼화제와 섬유를 함께 적용하여 유동성 및 출력 품질의 조절 가능성을 실험으로 확인했습니다. 동시에 2020년부터 진행된 SHCC 3D 프린팅 과제를 통해 생체모방 비정형 구조 제작 조건을 확장하고, 딥러닝 기반 품질 모니터링 시스템을 구축하여 데이터 기반 품질 판정 체계를 고도화했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

생체모방 비정형 구조체 제작
적층 품질 자동 판정
섬유보강 SHCC 배합 최적화
공극 분포 기반 결함 분류
재료-공정 데이터 융합 품질평가
현장형 출력 품질 관리
재활용 분말 활용 프리믹스 설계
수리·보강용 적층 부재 제작
거푸집 없는 제작 공정
데이터 기반 공정 파라미터 제어