미세유체 미세입자 막힘 예측을 위한 3D CNN 기반 조기 경보 연구

Early Detection of Pore Clogging in Microfluidic Systems Using 3D CNN

연구 내용

미세유체 채널 영상의 시간-공간 정보를 3D convolutional neural network로 학습해 막힘 발생 확률을 조기에 추정하는 예측 유지보수 연구

미세유체 시스템에서 입자 현탁액이 시간이 지나며 흐름 통로에 침적되어 막힘이 발생하는 과정을 조기 관측 기반으로 예측합니다. 용액 점도와 유량을 조절해 막힘 onset을 제어하는 모델 시스템을 구성하고, 광학 관찰을 통해 채널 내부 흐름의 비디오 프레임을 수집합니다. 과거 프레임의 시간-공간 패턴을 3D CNN이 학습하여 미래 막힘 발생 확률을 추정하며, 학습 조건에 포함되지 않은 실험 조건에서도 예측이 유지되는 일반화 특성을 확인합니다. 이를 통해 데이터 기반 조기 경보 및 예측 유지보수 가능성을 제시합니다.

관련 프로젝트

0건

연구 흐름

초기에는 막힘 onset을 유발하는 공정 변수와 관찰 가능 신호를 정리하고, 광학 영상이 입자 침적의 초기 진화를 포함한다는 관찰 근거를 확보했습니다. 이후 비디오 프레임을 입력으로 하는 3D convolutional neural network를 학습시켜, 시간에 따른 입자 위치 변화가 막힘 확률 예측에 충분한 정보를 제공하는지 검증했습니다. 마지막으로 학습 중 접하지 않은 조건에서도 탐지 시간이 단축되는 성능을 확인하며 2D 모델 대비 예측력과 안정성을 비교하는 방향으로 연구를 발전시켰습니다.

활용 가능성

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

미세유체 예측 유지보수
막힘 조기 경보 시스템
공정 이상 감지
실시간 영상 기반 상태 추정
필터·노즐 설계 검증
입자 침적 거동 모델링
산업용 유체 시스템 모니터링
데이터 기반 플로우 제어
실험 비용 절감
현장 적용형 예측 모델