재료성형 및 전산역학 실험실
기계공학부 김지훈
재료성형 및 전산역학 실험실은 금속 및 복합재료의 소성가공, 미세구조 해석, 첨단 성형공정 최적화 등 기계공학 분야의 핵심 연구를 수행하는 연구실입니다. 본 연구실은 멀티스케일 모델링, 결정소성 유한요소 해석, 대표체적요소(RVE) 기반 미세구조 분석 등 첨단 전산해석 기법을 활용하여, 금속 및 복합재의 미세구조와 기계적 특성의 상관관계를 정밀하게 규명하고 있습니다. 이를 통해 자동차, 항공, 에너지 등 다양한 산업 분야에서 요구되는 경량화, 고강도, 고신뢰성 부품의 설계 및 제조 기술을 개발하고 있습니다.
특히, 실험실은 인공지능(AI) 및 데이터 기반의 공정 최적화 연구를 선도하고 있습니다. 인공신경망, 유전 알고리즘, 파티클 스웜 최적화 등 다양한 머신러닝 기법을 금속 성형, 분말성형, 적층제조, 마찰교반용접 등 다양한 공정에 적용하여, 공정 변수의 자동화된 최적 설계와 성형성 예측 정확도 향상에 기여하고 있습니다. 이러한 데이터 기반 접근법은 기존의 반복적 실험과 시뮬레이션에 비해 시간과 비용을 절감하며, 복잡한 공정 변수의 상호작용을 효과적으로 분석할 수 있습니다.
또한, 본 연구실은 첨단 복합재료 및 경량금속 소재의 개발과 성형 공정 혁신에도 주력하고 있습니다. 섬유강화 복합재, 알루미늄 및 마그네슘 합금, 티타늄 등 다양한 첨단 소재의 미세조직 특성 분석, 파손 및 내구성 평가, 신뢰성 향상 기술을 개발하고 있습니다. 이를 위해 전자현미경(EBSD) 기반 미세조직 분석, 결정소성 모델 파라미터 보정, 다양한 하중 조건에서의 미세구조 진화 시뮬레이션 등 실험과 전산해석을 융합한 연구를 수행하고 있습니다.
연구실은 산업계와의 협력 연구, 정부 및 국책과제 수행, 특허 및 논문 발표 등 다양한 연구성과를 창출하고 있습니다. 실제 산업 현장에 적용 가능한 공정 최적화, 신소재 설계, 경량화 부품 제조 등 실용적 문제 해결에 중점을 두고 있으며, 스마트 제조, 디지털 트윈, 공정 자동화 등 미래 제조기술의 핵심 기반을 마련하고 있습니다.
이와 같은 연구를 통해 재료성형 및 전산역학 실험실은 첨단 제조기술의 혁신을 이끌고, 경량화, 친환경, 고신뢰성 부품 제조 등 사회적 요구에 부응하는 연구성과를 지속적으로 창출하고 있습니다. 앞으로도 실험실은 기계공학 및 재료공학 분야의 융합연구를 통해, 미래 산업 발전에 기여하는 선도적 연구실로 자리매김할 것입니다.
Transformation-Induced Plasticity Steels
Constitutive Modeling
Stretchable Electronics
멀티스케일 미세구조 기반 금속 및 복합재 성형 해석
재료성형 및 전산역학 실험실은 금속 및 복합재료의 미세구조와 거동을 다양한 스케일에서 해석하는 멀티스케일 모델링 연구를 선도하고 있습니다. 실험실에서는 결정소성 유한요소 해석, 대표체적요소(RVE) 기반 미세구조 모델링, 그리고 전산재료역학 기법을 활용하여 금속의 소성가공, 변형, 파손 거동을 정밀하게 예측합니다. 특히, 섬유강화 복합재, 알루미늄 및 마그네슘 합금, 티타늄 등 다양한 첨단 소재의 미세구조 특성과 거동을 분석하여, 실제 제조 공정에서 발생하는 미세조직 변화와 기계적 특성의 상관관계를 규명합니다.
이러한 연구는 실험적 데이터와 전산해석을 결합하여, 소재의 거동을 정량적으로 예측하고, 신뢰성 높은 재료 모델을 개발하는 데 중점을 둡니다. 예를 들어, 전자현미경(EBSD) 기반 미세조직 분석, 결정소성 모델 파라미터 보정, 그리고 다양한 하중 조건에서의 미세구조 진화 시뮬레이션을 통해, 실제 공정에서의 소재 성형성과 내구성 향상에 기여하고 있습니다. 또한, 다상재료의 비대칭 경화, 이방성, 변형률 속도 의존성 등 복잡한 물성 특성을 반영한 모델을 개발하여, 자동차, 항공, 에너지 등 다양한 산업 분야에 적용하고 있습니다.
이 연구는 소재의 설계 및 공정 최적화, 신소재 개발, 경량화 부품 제조 등 첨단 제조기술의 혁신을 이끌고 있습니다. 멀티스케일 해석을 통해 얻어진 결과는 실제 부품의 성능 예측, 공정 결함 방지, 신뢰성 평가 등 다양한 실무적 문제 해결에 활용되며, 산업계와의 협력 연구도 활발히 진행되고 있습니다.
인공지능 및 데이터 기반 첨단 성형공정 최적화
본 연구실은 인공지능(AI)과 데이터 기반의 첨단 성형공정 최적화 연구를 활발히 수행하고 있습니다. 최근에는 인공신경망(ANN), 유전 알고리즘(GA), 파티클 스웜 최적화(PSO) 등 다양한 머신러닝 및 최적화 기법을 금속 및 복합재 성형공정에 적용하여, 공정 변수의 자동화된 최적 설계와 성형성 예측 정확도 향상에 주력하고 있습니다. 예를 들어, 마찰교반용접(FSW), 하이드로포밍, 분말성형, 적층제조 등 다양한 공정에서 실험 및 시뮬레이션 데이터를 기반으로 인공지능 모델을 구축하여, 인장강도, 경도, 파손거동 등 주요 기계적 특성을 신속하게 예측하고 있습니다.
이러한 데이터 기반 접근법은 기존의 반복적 실험과 시뮬레이션에 비해 시간과 비용을 획기적으로 절감하며, 공정 변수의 복합적인 상호작용을 효과적으로 분석할 수 있습니다. 또한, 다목적 최적화 기법을 활용하여 공정의 생산성, 품질, 에너지 효율 등을 동시에 고려한 최적 조건을 도출하고, 실제 산업 현장에 적용 가능한 솔루션을 제공합니다. 예를 들어, 분할 블랭크 홀더 스탬핑, 적층제조 복합재 물성 예측, 분말성형 분포 최적화 등 다양한 응용 사례에서 우수한 성능을 입증하였습니다.
이 연구는 스마트 제조, 디지털 트윈, 공정 자동화 등 미래 제조기술의 핵심 기반을 마련하고 있습니다. 실험실은 산업체와의 공동연구, 정부과제, 대형 국책사업 등을 통해 실제 현장에 적용 가능한 AI 기반 공정 최적화 기술을 개발하고 있으며, 경량화, 친환경, 고신뢰성 부품 제조 등 다양한 사회적 요구에 부응하는 혁신적 연구성과를 창출하고 있습니다.
1
Suhwan Yun, Jaebong Jung, Sungwook Jun, Jiyong Jeong, Young Hoon Moon, Ji Hoon Kim, Constitutive and Fracture Modeling of Biaxially Oriented Polyethylene Terephthalate Film and its Application to Polymer Coated Sheet Metal Forming
Suhwan Yun, Jaebong Jung, Sungwook Jun, Jiyong Jeong, Young Hoon Moon, Ji Hoon Kim
Journal of Manufacturing Science and Engineering, 2021.06
2
Dong-Keun Hyun, Daniel Kim, Jung Hwan Shin, Byoung-Eon Lee, Do-Hoon Shin, Ji Hoon Kim, Cure cycle modification for efficient vacuum bag only prepreg process
Dong-Keun Hyun, Daniel Kim, Jung Hwan Shin, Byoung-Eon Lee, Do-Hoon Shin, Ji Hoon Kim
Journal of Composite Materials, 2021.04
3
Young Yun Woo, Dae-Cheol Ko, Taekyung Lee , Yangjin Kim, Ji Hoon Kim, Application of Support Vector Regression and Genetic Algorithm to Reduce Web Warping in Flexible Roll-Forming Process
Young Yun Woo, Dae-Cheol Ko, Taekyung Lee , Yangjin Kim, Ji Hoon Kim
Journal of Manufacturing Science and Engineering, 2021.03
1
(RCMS) 인공지능 기반의 일원화된 선박의 선형 구획 기본계산 적하지침 설계시스템 기술 개발
2
(RCMS) 다종 차체부품 제조를 위한 가변형 스마트 제조 기술 개발
3
(RCMS) 경량화 알루미늄 차체부품 및 소재 성형 실용화 기술 개발