강화학습 기반 점탄성 잉크젯의 동적 파형 최적화와 실시간 적응 제어

Reinforcement Learning for Dynamic Waveform Optimization and Real-time Adaptation in Viscoelastic Inkjet

연구 내용

점탄성 잉크의 시간 변화(예: 온도 변화)에도 점적 성능을 유지하도록 강화학습 에이전트가 실시간으로 구동 파형을 조정하는 연구

점탄성 잉크는 온도 변화 등 공정 조건의 변동에 따라 점적 거동이 달라지며, 고정 파형만으로는 안정적인 품질 유지가 어렵습니다. 본 연구는 강화학습 기반 동적 최적화 전략을 적용하여, 학습된 에이전트가 목표 점적 조건을 만족하도록 구동 파형을 순차적으로 갱신하도록 설계합니다. 또한 drop-watching 시스템에 학습 에이전트를 연동하여 실시간으로 파형을 조정하며, 잉크 특성 변화에 대응해 최적 분사 상태를 유지합니다. 점탄성 유체에서의 동적 적응을 통해 공정의 자동화 가능성을 검증하며, 실험 기반 데이터와 제어 루프를 결합한 인공지능 제어 체계를 구현하는 데 중점을 둡니다.

관련 프로젝트

0건

연구 흐름

초기에는 점탄성 잉크의 점적 거동을 파형 파라미터와 연계해 예측하는 연구를 기반으로, 고정된 파형 설계의 한계를 동적 관점에서 재정의했습니다. 이후 목표 조건을 달성하는 행동을 순차적으로 선택하는 강화학습 문제로 전환하여, 드라이빙 파형을 실시간으로 업데이트하는 동적 최적화를 수행했습니다. 다음 단계에서는 학습된 DRL 에이전트를 drop-watching 시스템에 탑재해, 잉크 특성이 변하는 상황에서도 제트 품질을 유지하도록 폐루프 조정을 구현했습니다. 그 결과 실시간 적응 제어가 점탄성 잉크젯 공정의 실용성에 기여할 수 있음을 확인하는 방향으로 연구를 전개했습니다.

활용 가능성

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

실시간 파형 적응 제어
잉크 온도 변동 보정
동적 점적 안정성 유지
DRL 기반 자동 튜닝
인라인 제어 플랫폼
점탄성 거동 대응형 공정 자동화
변동 환경 품질 관리
학습 기반 제어기 운용
최적 분사 상태 유지 전략
현장 적용형 구동 알고리즘