기계학습 기반 사출 공정-물성 예측 및 복합재 부품 설계

Machine learning-aided process-property prediction for injection-molded polyamide-6 composites

연구 내용

사출성형 복합재의 공정 조건과 물성 간 관계를 기계학습 모델로 예측하여 설계 파라미터를 도출하는 연구

복합재 부품의 품질 변동을 줄이기 위해 공정-물성 예측 모델을 구축합니다. Injection-molded polyamide-6 composite parts에서 공정 입력과 결과 특성의 매핑을 인공신경망 기반 네트워크로 학습하고, 유한요소해석을 활용한 물리 기반 정보를 모델에 연동하는 방식으로 설계합니다. 이후 예측 성능을 기준으로 공정 조건과 배합/구조 관련 설계 변수를 탐색하여 목표 물성을 만족하는 조합을 도출합니다. 이를 통해 시험 횟수를 줄이고 설계 의사결정을 단축하는 방향으로 연구를 수행합니다.

관련 프로젝트

5건

연구 흐름

2022년부터 시작된 친환경 복합소재 차세대 구조체 및 제조 시스템 과제를 통해 기계학습과 전산해석을 설계 흐름에 포함시키는 기반을 마련했습니다. 이후 3D 프린팅과 구조 최적화를 다루며, 공정 변수와 성능의 연결 규칙을 정리하는 연구를 수행했습니다. 2026년에는 사출성형 polyamide-6 복합재 부품을 대상으로 공정-물성 예측을 위한 기계학습 네트워크를 제안하고, 예측 결과를 바탕으로 설계 파라미터 선택의 근거를 강화했습니다. 최근 흐름은 전산-데이터 기반 통합 예측으로 확장되고 있습니다.

활용 가능성

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

공정-물성 예측 모델링
사출 성형 복합재 조건 최적화
유한요소-데이터 융합 예측
품질 변동성 민감도 분석
데이터 기반 설계 변수 탐색
다목적 성능-비용 균형 설계
온라인 공정 보정 전략
가상 실험 기반 설계 의사결정
다품종 소량 생산 공정 계획
모델 기반 실험 우선순위 도출