□ 본 과제는 적층제조 특화 부품의 설계 지능화 과정을 통해, 최적 적층제조 운영성과를 보일 수 있는 설계를 자동으로 생성하고 판별해 줄 수 있는 적층제조 특화 생성적 설계 프레임워크 개발을 궁극적인 목표로 함 □ 설계 생성 지능화, 운영성과 예측 지능화, 최적 설계 탐색 지능화로 연구 영역을 세분화하여 딥러닝 기반의 적층제조 특화 생성적 설계 프레임워크를...

□ 고복잡성,경량화 부품 수요에 대해서 적층제조가 효과적인 특수부품에 초점을 맞추어 아래 절차에 따라 연차별 연구내용을 추진 □ 1차년도 (적층제조를 위한 설계 생성 지능화): 유사품목 부품들의 형상을 학습시켜 다수의 신규 설계안을 자동 생성하고, 설계특징 요소들을 자동 추출 - 딥러닝 기반 적층제조 특화설계 특징 추출 모델 개발 - 딥러닝 기반 생성적 설계 모델 개발 및 설계특징 추출 모델과 연계 □ 2차년도 (생성된 설계의 적층제조 운영성과 예측): 생성적 설계 모델을 통해 창출된 설계 대안들의 적층제조 운영성과(품질 및 비용특성)를 설계특징에 따라 예측 - 설계 샘플 생성 및 고성능 폴리머 소재 활용 3D 프린팅 - 이미지마이닝 기반 품질이상, 3D스캐너 활용 규격일치성, 전력분석기 활용 에너지비용, 전자저울 활용 재료소모비용 평가 - 머신러닝 알고리즘을 기반으로 3D프린팅 산출물의 설계특징에 따른 각 운영성과 예측 모델 개발 □ 3차년도 (설계 요구사항을 만족하는 최적 적층제조 특화설계 생성 및 추천): 사용자가 요구하는 특정 설계특징 요소를 반영한 다수의 신규 설계 대안을 생성적 설계 모델을 통해 창출, 창출된 설계안의 다중 운영성과 예측치들을 다기준 최적화 기법으로 종합하여 최적 설계 대안 추천 - 다중 운영성과에 대한 최적 설계를 자동으로 생성, 탐색, 추천하는 적층제조 특화설계 생성 프레임워크 개발 - 최적 설계 생성과정을 위한 관련 모델들을 통합·연계하여 사용자 친화적인 패키지 모듈 구성

적층제조를 위한 설계 프레임워크 개발 연구는 다음의 세가지 단계를 통한 설계 프레임워크를 제안한다. 개념설계 단계에서는 공리적 설계에 의거하여 적층제조를 위한 설계 문제를 기능적 요구사항, 설계 파라미터, 적층제조 역량 요소들의 계층적 관계로 구성한다. 이를 기반으로 정의된 설계문제의 기능적 요구사항을 만족하는 설계 파라미터들의 혁신적 해결대안을 TRIZ의 역 문제해결 기법을 활용하여 도출한다. 그 후 기존 연구에서 제시된 DfAM 방안들의 다양한 정보를 축적한 적층제조 데이터베이스의 개발을 통해, TRIZ로부터 도출된 설계 파라미터들에 부합하는 적층제조 역량들을 적층제조 데이터베이스를 통해 쉽게 파악할 수 있게 한다. 사전설계 단계에서는 이전 단계에서 도출된 적층제조 역량요소들을 초기 개념설계에 반영시키는 작업을 수행한다. 적층제조 데이터베이스에서 도출된 적층제조 역량요소들에 관한 일반적인 설계방안들을 고려하여 초기의 개념적 설계방안을 구체화한다. 상세설계 단계에서는 고안된 사전설계를 적용할 적층제조 디바이스의 제조사항과 제약사항을 고려하여 더욱 상세화한다. 최종적으로 도출된 적층제조를 위한 설계방안은 견고성 및 정밀도와 같은 제조성과 측정치를 통해 평가된다. 적층제조 변동성에 영향을 미치는 요인들의 관한 연구에서는 다음의 연구단계를 거친다. 보다 체계적이고 객관적인 관점의 문헌연구를 위해 적층제조 관련 문헌들의 텍스트 마이닝을 통해 적층제조 성과에 영향을 미치는 주요 요인들을 추출한다. 먼전 관련 문헌에서 다른 적층제조 성과에 영향을 미치는 요인들을 포괄적으로 추출하여 정의 및 특성에 대해 텍스트로 기록하고, 그후 CTM (Correlated Topic Model) 기법을 활용하여 각각의 요인의 잠재된 주제에 따라 분류를 실시한다. CTM을 통해 도출된 잠재적 주제들을 대표할 수 있는 요인들을 선정하고 특성을 분석하여 변동성 요인분석에 대한 준비를 한다. 도출된 적층제조 변동성 요인들에 대한 수준과 적층제조 성과 측정치를 결정하고 실험계획법 및 ANOVA (분산분석)를 통해 변동성 요인들의 주효과 및 교호작용 효과들을 파악한다. 특히 다양한 적층제조 기술 및 원재료에 따른 적층제조 변동성의 변화를 고찰하여, 적층제조를 위한 제품설계에 대한 변동성 요인들의 최적 수준에 대한 일반적인 결과를 도출한다.