Intelligent Additive Manufacturing Operation Optimization and Generative Design
연구 내용
적층제조 공정 변수와 설계 공간을 모델링하고 생성적 설계·의사결정 기법을 결합해 운영성과를 높이는 연구
적층제조에서 에너지 사용, 품질 지표, 운영 효율 간 상충을 정량화하고 공정 단계별 성능을 비교하는 연구를 수행합니다. 인필 패턴과 인필 비율, 재료 추가율 같은 공정 변수에 대한 실험 설계 및 회귀 기반 모델링을 통해 최적 운영점을 도출합니다. 또한 생성적 설계 프레임워크를 적용해 초기 설계 단계에서 실행 가능한 대안을 생성하고 의사결정으로 연결합니다. 공정 전반의 전력 추정과 품질 이상(워핑) 감지를 위한 능동학습 기반 접근도 함께 포함하여 자동화된 운영을 구현합니다.
관련 연구 성과
관련 논문
6편
관련 특허
0건
관련 프로젝트
2건
연구 흐름
초기에는 인필 구성과 재료 추가율처럼 핵심 공정 변수가 에너지 소비와 치수 정확도에 미치는 영향을 실험 설계로 규명하고, 분석 기반 회귀 모델로 성능 예측 체계를 마련했습니다. 이후 전력 추정 모델을 통해 제조 중·전체 공정의 에너지 특성을 단계별로 해석하고, 운영 변수의 상충관계를 최적화 문제로 정식화하는 방향으로 확장했습니다. 최근에는 적층제조 운영을 위한 생성적 설계 프레임워크와 능동학습 기반 결함 탐지, 주문 배차 의사결정까지 결합해 초기 설계부터 운영까지 이어지는 자동화 파이프라인을 구축하고 있습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
Design complexity based flexible order dispatching for additive manufacturing production
The effects of infill patterns and infill percentages on energy consumption in fused filament fabrication using CFR-PEEK
Power estimation models of a 7-axis robotic arm with simulated manufacturing applications
Sequential pool-based batch-mode active learning based on weighted uncertainty difference sampling for automated warping detection in additive manufacturing
Investigation of an Optimal Material Addition Rate for Energy Consumption and Dimensional Accuracy in Fused Filament Fabrication of CFR-PEEK
A generative design framework for automated feasible design generation and decision-making in the early design process for additive manufacturing
관련 프로젝트
구분
제목
최적 적층제조 운영을 위한 지능형 적층제조 특화 생성적 설계 프레임워크 개발
최적 적층제조 운영을 위한 지능형 적층제조 특화 생성적 설계 프레임워크 개발