KR102236148B1

KR102236148B1 - 3d 프린팅 공정 중 형성되는 용융풀 크기를 제어할 수 있는 3d 프린팅 시스템 및 방법

Info

Publication number: KR102236148B1
Application number: KR1020190179191A
Authority: KR
Inventors: 손훈; 전익근
Original assignee: 한국과학기술원
Priority date: 2019-12-31
Filing date: 2019-12-31
Publication date: 2021-04-06
Also published as: US20210197275A1; CN113118444A

Abstract

3D 프린팅 공정 중 형성되는 용융풀 깊이를 추정하는 방법 및 장치가 개시된다. 3D 프린팅 공정 중 형성되는 용융풀 깊이를 추정하는 방법으로서, 3D 프린팅 고정 중 형성되는 용융풀의 표면 온도를 계측하는 단계; 상기 용융풀의 길이 및 폭을 추출하는 단계; 상기 용융풀의 온도 분포식을 도출하는 단계; 상기 용융풀의 용융점 경계를 설정하는 단계; 및 상기 상기 용융풀의 온도 분포식을 이용하여 상기 경계가 설정된 용융풀의 깊이를 추정하는 단계를 포함할 수 있다.

Description

3D 프린팅 공정 중 형성되는 용융풀 크기를 제어할 수 있는 3D 프린팅 시스템 및 방법{3D printing system and method for controlling the size of molten pool formed during 3D printing process}

본 발명은 3D 프린팅 시스템에 관한 것으로, 보다 상세하게는, 3D 프린팅 공정 중 형성되는 용융풀 크기를 제어할 수 있는 3D 프린팅 시스템 및 방법에 관한 것이다.

3D 프린팅은 3차원 물체를 만들어 내는 제조 기술로서, 3D모델 데이터로부터 정보를 받아 한 층씩 쌓아가는 방식으로 대상물을 가공하는 기술이다. 3D 프린팅은 복잡하거나 제품의 내부에 형성된 형상의 구현을 용이하게 해주는 장점을 갖는다. 이와 같은 장점으로 인하여 3D 프린팅 기술은 각종 산업용 부품과 의료용 재료 등 다양한 제품의 제작을 쉽게 해 줄 수 있는 고부가 가치 기술로 각광받고 있다.

3D 프린팅은 3차원 제품의 형상을 균일하거나 가변적인 두께를 가지는 수많은 2차원 단면으로 나누어 각 2차원 단면을 적층하여 형성하는 방식으로 진행될 수 있다. 3D 프린팅에는 1) Material extrusion 방식, 2) Material jetting 방식, 3) Binder jetting 방식, 4) Sheet lamination 방식, 5) Vat photopolymerization 방식, 6) Powder bed fusion 방식, 7) Directed energy deposition(DED) 방식 등이 있는데, 그 중 DED 방식은 금속 파우더, 혹은 와이어의 소재를 레이저 등의 에너지를 집중시켜 녹여 붙이는 방식으로 타 방식에 비해 저렴한 상용소재를 쓸 수 있다는 점, 기존에 존재하는 3D형상에 적층할 수 있다는 점, 그리고 타 방식에 비해 기계 물성이 우수하다는 때문에 널리 이용되고 있는 추세이다.

DED 방식의 3D 프린팅에서는 집광부에서 조사되는 레이저빔이 기재에 조사되면서 용융풀이 형성되고, 용융풀 상에 금속 분말이 공급되면서 적층이 이루어지게 된다.

이 때, 모재에 생성되는 용융풀의 길이, 폭, 깊이 등 용융풀의 크기는 적층 품질을 결정하는 중요한 요소이며, 이와 같은 용융풀의 크기를 제어하는 것은 적층 품질을 향상시키기 위하여 필요한 기술이다. 그러나, 이와 같은 용융풀의 크기를 실시간으로 제어하는 기술은 개발된 예가 없다.

본 발명의 일 실시예는 3D 프린팅 공정 중 모재에 생성되는 용융풀의 크기를 제어할 수 있는 3D 프린팅 시스템 및 방법을 제공하고자 한다.

본 발명의 일 측면에 따르면, 3D 프린팅 공정 중 형성되는 용융풀 크기를 제어하는 방법으로서, 용융풀 크기를 추출하는 단계; 용융풀 크기를 예측하기 위한 인공신경망을 구축하는 단계; 인공신경망의 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하는 단계; 및 상기 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어하는 단계를 포함하는, 3D 프린팅 공정 중 형성되는 용융풀 크기를 제어하는 방법이 제공된다.

일 실시예에서, 상기 용융풀 크기를 추출하는 단계는, 상기 용융풀의 온도를 계측하는 단계; 및 상기 용융풀의 온도 경계면을 설정하여 상기 용융풀의 크기를 추출하는 단계를 포함할 수 있다.

일 실시예에서, 상기 인공신경망을 구축하는 단계는 3D 프린팅 공정 변수와 용융풀 크기 사이의 상관 관계를 분석하는 단계를 포함할 수 있다.

일 실시예에서, 상기 인공신경망의 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하는 단계는, 새로 계측한 열화상 영상에서 상기 인공신경망을 통하여 용융풀 크기 예측 값을 도출하는 단계; 및 실제 용융풀의 크기 계측값을 도출하는 단계를 포함할 수 있다.

일 실시예에서, 상기 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어하는 단계는, 상기 오차가 허용 오차 임계치를 넘을 경우 품질 이상으로 판별하는 단계; 및 상기 품질 이상 발생 시 실시간 피드백을 하는 단계; 상기 실시간 피드백을 통하여 3D 프린팅 공정변수를 조정하는 단계를 포함할 수 있다.

일 실시예에서, 상기 용융풀의 크기를 추출하는 단계는, 상기 용융풀의 계측된 표면 온도 영상에서 용융점을 초과하는 온도 경계면을 설정하는 단계; 상기 용융풀의 계측된 표면 온도에 의하여 규정되는 온도 경계면에 따라 길이 및 폭을 추출하는 단계; 및 상기 추출된 용융풀의 길이 및 폭으로부터 추정된 깊이로부터 상기 용융풀의 크기를 추출하는 단계를 포함할 수 있다.

일 실시예에서, 상기 3D 프린팅 공정은 DED(direct energy deposition) 방식 3D 프린팅 공정일 수 있다.

일 실시예에서, 상기 용융풀의 모재는 금속 재료일 수 있다.

일 실시예에서, 상기 공정 변수는 레이저 빔의 강도, 공정 속도, 레이저 빔의 크기, 분말 분출량을 포함할 수 있다.

본 발명의 다른 측면에 따르면, 레이저 빔을 조사하여 적층부에 공급되는 모재를 녹임으로써 상기 적층부에 용융풀이 형성되도록 하는 레이저 소스; 상기 적층부로 모재를 공급하는 모재 공급원; 상기 용융풀의 표면 온도를 계측하는 열화상 카메라; 및 상기 열화상 카메라로부터 계측된 용융풀의 표면 온도를 이용하여 상기 용융풀의 크기를 제어하는 제어부를 포함하는, 3D 프린팅 시스템이 제공된다.

일 실시예에서, 상기 열화상 카메라는, 광 경로의 일부가 상기 3D 프린팅을 위하여 소정의 적층부에 위치된 분말 재료를 용융시키는 레이저 소스로부터 조사되는 레이저 빔과 동축 상으로 배치될 수 있다.

일 실시예에서, 상기 3D 프린팅용 레이저 소스로부터 조사된 빔 경로상에 배치되는 빔 스플리터; 및 상기 빔 스플리터와 상기 열화상 카메라 사이에 배치되어 광의 경로를 변경시키는 광 경로 변환기를 포함하여, 상기 열화상 카메라가 상기 레이저 소스와 동축 상으로 배치될 수 있다.

일 실시예에서, 상기 빔 스플리터는 상기 레이저 소스 및 상기 레이저 소스로부터 나온 레이저 광이 지나는 초점 렌즈 사이에 배치될 수 있다.

일 실시예에서, 상기 제어부는, 상기 용융풀의 계측된 표면 온도 영상에서 용융점을 초과하는 온도 경계면을 설정하고, 상기 용융풀의 계측된 표면 온도에 의하여 규정되는 온도 경계면에 따라 길이 및 폭을 추출하고, 상기 추출된 용융풀의 길이 및 폭으로부터 추정된 깊이로부터 상기 용융풀의 크기를 추출할 수 있다.

일 실시예에서, 상기 제어부는, 3D 프린팅 공정 변수와 용융풀 크기 사이의 상관 관계를 분석하고, 상기 용융풀 크기를 예측하기 위한 인공신경망을 구축할 수 있다.

일 실시예에서, 상기 제어부는 상기 인공신경망에 의하여 예측된 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하고, 상기 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어할 수 있다.

일 실시예에서, 상기 제어부는 상기 용융풀의 크기를 실시간으로 제어할 수 있다.

본 발명의 일 실시예에 따르면 열화상 카메라를 이용하여 3D 프린팅 공정 중 형성되는 용융풀의 크기를 추정하고, 3D 프린팅에 사용된 공정 변수와 용융풀 크기 사이의 상관 관계를 분석함으로써 용융풀의 크기를 실시간으로 제어할 수 있다.

본 발명의 일 실시예에 따르면, 3D 프린팅 공정 중 3D 프린팅에 사용된 공정 변수와 용융풀 크기 사이의 상관 관계를 분석한 후 인공신경망을 구축하고, 인공 신경망을 통해 용융풀의 크기 예측값을 도출한 후, 실제 용융풀의 크기 계측 값과 비교함으로써 용융풀의 품질 이상을 용이하게 판별할 수 있다.

또한, 본 발명의 일 실시예에 따르면, 3D 프린팅 공정이 품질 이상으로 판별된 경우 3D 프린팅 공정 변수를 조절하여 용융풀의 크기를 실시간으로 제어할 수 있다.

본 발명의 일 실시예에 따르면, 3D 프린팅 공정 변수를 제어하면서 실시간으로 공정 제어를 수행하므로 부품 품질 및 공정 효율성을 증가시킬 수 있다.

도 1은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법의 순서도이다.
도 3은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 용용풀의 크기를 추출하는 단계의 세부적인 단계를 나타내는 순서도이다.
도 4은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 인공신경망의 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하는 단계의 세부적인 단계를 나타내는 순서도이다.
도 5는 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어하는 단계의 세부적인 단계를 나타내는 순서도이다.
도 6a는 용융풀 온도 분포 예측 모델로서, 모재에 형성되는 용융풀의 길이, 폭, 깊이를 나타낸 모식도이고, 도 6b 및 도 6c는 용융풀의 단면도 및 평면도를 나타낸 도면이다.
도 7a는 모재에 형성되는 용융풀의 경계면을 구하기 위한 좌표계를 도시한 도면이며, 도 7b는 용융풀의 단면도에서 용융풀의 깊이에 대응하는 좌표를 나타낸 도면이다.
도 8은 용융풀을 계측하여 용융풀의 특성치를 추출하는 모식도이다.
도 9는 머신 러닝을 이용하여 공정 변수와 용융풀 크기의 상관 관계를 분석하는 모식도이다.
도 10는 크기 예측값과 크기 계측값 사이의 오차 분석을 통한 실시간 모니터링 과정을 도시한 도면이다.
도 11은 품질 이상 검출 시 피드백을 통한 공정 변수를 제어하는 과정을 도시한 도면이다.

이하, 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 동일 또는 유사한 구성요소에 대해서는 동일한 참조부호를 붙였다.

본 발명의 일 실시예에 따른 3D 프린팅 시스템은 레이저를 이용하여 모재를 녹여 3차원의 물체를 형성하는 시스템으로서, 3D 프린팅 시스템 공정 중 모재를 녹인 용융풀의 크기를 제어할 수 있는 시스템이다. 이 때, 본 발명의 일 실시예에 따른 3D 프린팅 시스템은 금속 분말을 레이저로 용융시켜 3차원 물체를 형성할 수 있는 DED 방식의 3D 프린팅 시스템일 수 있다.

도 1은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 구성도이다.

도 1을 참조하면, 본 발명의 일 실시예에 따른 3D 프린팅 시스템(1)은 레이저 소스(20), 모재 공급원(30), 초점 렌즈(40), 노즐(50), 열화상 카메라(70) 및 제어부(80)를 포함한다.

도 1을 참조하면, 레이저 소스(20)는 적층부(4)로 레이저 빔(22)을 조사한다. 레이저 소스(20)로부터 조사된 레이저 빔(22)은 초점 렌즈(40)를 지나 적층부(4)로 조사된다. 이 때, 레이저 소스(20)로부터 조사된 레이저 빔(22)은 용융풀(2)까지 조사되는 동안 모재를 공급하기 위한 노즐(50)을 통과하여 지나도록 형성될 수 있다.

모재 공급원(30)으로부터 공급된 모재는 별도의 공급관(32)을 통하여 예를 들어, 금속 분말 혹은 금속 와이어 형태로 노즐로 공급된다. 모재를 적층부로 공급하기 위하여 노즐(50)에 형성되는 모재의 이동 경로는 레이저 빔(22)이 지나는 경로와 나란하게 혹은 비스듬하게 형성될 수 있다. 적층부(4)로 공급된 모재는 레이저 소스(20)에 의하여 용융되어 적층부(4)에서 용융풀(2)을 형성한다.

적층부(4)는 복수의 층이 적층되어 3차원 물체로 형성될 수 있다. 본 실시예를 설명하기 위한 도 1에서, 적층부(4)는 제 1 층(6) 및 제 2 층(8)으로 형성되고, 제 2 층(8)에 용융풀(2)이 형성된 상태가 도시되어 있다.

본 발명의 일 실시예에 따른 3D 프린팅 시스템(1)에서, 레이저 소스(20), 모재 공급원(30), 초점 렌즈(40) 및 노즐(50)은 공지의 일반적인 DED 방식의 3D 프린터일 수 있다. 이 때, 본 발명의 일 실시예에 따른 3D 프린팅 시스템에 적용될 수 있는 3D 프린터가 DED 방식에 제한되는 것은 아니며, 용융풀을 금속으로 형성할 수 있는 3D 프린터라면 본 발명에 따른 3D 프린팅 시스템으로 구현할 수 있다.

본 발명의 일 실시예에 따른 3D 프린팅 시스템(1)에 있어서, 적층부(4)에 형성되는 용융풀(2)의 표면 온도를 계측하기 위하여 열화상 카메라(70)가 제공된다.

열화상 카메라(70)에서 용융풀(2)의 표면 온도를 계측하기 위하여 레이저 소스(20)와 초점 렌즈(40) 사이에는 빔 스플리터(60)가 설치된다.

빔 스플리터(60)는 레이저 소스(20)로부터 조사된 레이저 빔(22)이 용융풀(2)까지 진행하는 경로 상에 배치되어 용융풀(2)로부터 반사되는 광의 경로를 변경시킨다. 빔 스플리터(60)에 의하여 변경된 광은 광 경로 변환기(62)를 지나 열화상 카메라(70)에 의하여 촬영될 수 있다. 광 경로를 변환시키는 광 경로 변환기(62)는 예를 들어 반사 거울일 수 있다. 이에 따라 열화상 카메라(70)에서는 용융풀(2)의 표면 온도를 측정할 수 있다.

이 때, 열화상 카메라(70)는 노즐(50)과 동축으로 배치될 수 있다. 이와 같이 열화상 카메라(70)가 3D 프린터의 노즐(50)과 동축으로 설치됨으로써 카메라(70)의 위치를 제어하지 않아도 연속적으로 적층부(4)의 촬영이 가능하다.

열화상 카메라(70)는 광 경로 변환기(62) 및 빔 스플리터(60)와 함께 3D 프린터에 설치되어 3D 프린터의 용융풀(2)의 표면 온도를 계측할 수 있다.

본 발명의 일 실시예에 따른 3D 프린팅 시스템(1)은, 열화상 카메라(70)에 의하여 측정된 용융풀(2)의 표면 온도를 이용하여 용융풀(2)의 크기를 제어할 수 있도록 제어부(80)를 구비할 수 있다.

이하 도면을 달리하여, 제어부(80)를 이용하여 3D 프린팅 시스템(1)의 용융풀(2)의 크기를 제어하는 방법을 설명한다.

도 2는 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법의 순서도이다. 도 3은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 용용풀의 크기를 추출하는 단계의 세부적인 단계를 나타내는 순서도이다. 도 4은 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 인공신경망의 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하는 단계의 세부적인 단계를 나타내는 순서도이다. 도 5는 본 발명의 일 실시예에 따른 3D 프린팅 시스템의 용융풀 크기 제어 방법에서 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어하는 단계의 세부적인 단계를 나타내는 순서도이다.

도 2를 참조하면, 본 발명의 일 실시예에 따른 3D 프린팅 공정 중 형성되는 용융풀의 크기를 제어하는 방법은, 용융풀 크기를 추출하는 단계(S10); 용융풀 크기를 예측하기 위한 인공신경망을 구축하는 단계(S20); 인공신경망의 용융풀 크기 예측값과 실제 용용풀 크기 계측값 사이의 오차를 계산하는 단계(S30); 및 상기 용융풀의 크기 예측값과 실제 크기 계측값의 오차를 근거로 용융풀의 크기를 제어하는 단계(S40)를 포함할 수 있다.

이 때, 도 3을 참조하면, 용융풀의 크기를 추출하는 단계(S10)는 용융풀의 온도를 계측하는 단계(S11) 및 상기 용융풀의 온도 경계면을 설정하는 단계(S12)를 포함할 수 있다.

본 발명의 일 실시예에서 용융풀의 온도를 계측하는 단계(S11)에서는 3D 프린팅 시스템(1)의 열화상 카메라(70)를 이용하여 용융풀(2)의 표면 온도를 계측한다.

이 때, 제어부(80)는 계측된 온도 영상에서 모재의 용융점을 초과하는 온도 경계면(3)을 설정(S12)하여 용융풀(2)의 길이와 폭을 추출한다.(S13)

도 6a 내지 도 6c에 도시된 바와 같이, 용융풀(2)에서 용융점을 초과하는 온도 경계면(3)에 의하여 용융풀(2)의 표면에서 보여지는 영역에서 x축 방향 최대 길이를 용융풀의 길이(a), y축 방향 최대 길이를 융융풀의 폭(b)으로 규정할 수 있다. 이 때, 표면 온도에 의하여 측정되지는 않으나, 용융풀의 폭(b) 및 길이(a)에 의하여 제어부(80)에 의하여 추정될 수 있는 z 축 방향 깊이를 d로 규정할 수 있다.

이 때, 용융풀(2)의 길이(a) 및 폭(b)은 모재의 용융점을 초과하는 온도 경계면(3)에 의하여 추출될 수 있고, 이와 같이 추출된 용융풀(2)의 길이(a) 및 폭(b)을 미리 설정된 용융풀(2) 온도 분포 예측 모델에 대입하여 용융풀(2)의 온도 분포식 1을 도출한다.

온도 분포식 1

……(식 1)

여기서,

K: thermal conductivity

Io: intensity scale factor

R =

V = scanning velocity

Tm = melting point

이다.

이와 같이 도출된 용융풀(2)의 온도 분포식을 통해 용융점의 경계면(3)을, 도 7a에 도시된 바와 같이, T(x, y, z) = Tm 으로 설정할 수 있다.

이 때,

φ= T(x, y, z) - Tm …… (식 2)

이라 가정하면,

용융풀의 최대 깊이는 적층부의 용융풀(2)의 폭 방향으로 중앙에 있다고 가정하면, 용융풀(2)의 최대 깊이에 해당하는 y 값은 0으로 설정할 수 있다.

이 때, y=0 인 경우,

φ= T(x, y=0, z) - Tm ……(식 3)

이고, 식 3을 x 축 방향으로 미분하면,

이고, 이 때, x축 방향 기울기가 0인 지점은, 도 7b에서 알 수 있는 바와 같이 x 축 방향으로 (Xmax, Zmax)인 지점으로 규정될 수 있다.

이 때, Zmax 지점을 용융풀(2)의 깊이로 추정할 수 있다.(S14)

이와 같이 추정된 용융풀(2)의 깊이가 실제 용융풀(2)의 깊이와 동일한지를 확인하기 위하여 실제 적층부(4)를 잘라서 그 단면의 길이를 측정하여 용융풀(2)의 실제 깊이를 측정하고, 이와 같이 측정된 용융풀(2)의 실제 깊이와 추정된 용융풀(2)의 깊이를 비교하여 추정 값의 타당성을 검증할 수 있다.

이와 같이 열화상 카메라(70)에 의하여 계측된 용융풀(2)의 길이 및 폭과, 추정된 용융풀(2)의 깊이를 확인함으로써 도 7에 도시된 바와 같이, 용융풀의 크기와 같은 용융풀의 특성치가 추출될 수 있다.(S15)

그 후, 제어부(80)에서는 이와 같이 용융풀(2)의 크기를 추출하는 과정을 반복하여 3D 프린팅을 하기 위하여 사용된 3D 프린팅 공정 변수와 용융풀 사이의 상관 관계를 분석하고, 용융풀의 크기를 예측하기 위한 인공신경망을 구축한다.(S20)

본 발명의 일 실시예에 있어서, 3D 프린팅 공정 변수와 용융풀 사이의 상관 관계를 분석하기 위하여 머신 러닝(machine learning), 즉 기계 학습을 이용할 수 있다. 머신 러닝은 경험적 데이터를 기반으로 학습을 하고 예측을 수행하여 스스로의 성능을 향상시키는 시스템과 이를 위한 알고리즘을 연구하고 구축하는 기술이다. 본 발명의 일 실시예에 따른 3D 프린팅 시스템(1)에 있어서 제어부(80)는, 머신 러닝의 알고리즘을 이용하여 3D 프린팅을 위한 공정 변수를 입력 데이터로 하여 용융풀(2)의 폭(b), 길이(a), 깊이()와 같은 데이터값을 예측하고 결정할 수 있도록 특정한 인공신경망 모델을 구축하도록 형성될 수 있다.

이 때, 제어부(80)는 앞서 설명한 공정 변수 하에서의 용융풀(2)의 계측 온도를 기반으로 한 용융풀(2)의 크기 데이터를 반복 학습하여 누적된 데이터를 기반으로 공정 변수와 용융풀(2)의 크기와의 상관 관계를 분석하여 인공신경망 모델을 형성하도록 구성된다. 이와 같은 기계 학습을 수행하는 머신 러닝 알고리즘은 공지의 알고리즘 혹은 프로그램을 이용할 수 있다.

본 발명의 일 실시예에 있어서, 머신 러닝에 적용되는 3D 프린팅을 위한 공정 변수는, 레이저 빔의 강도, 공정 속도, 레이저 빔의 크기 및 모재 분말의 분출량 등을 포함할 수 있다 다만, 머신 러닝에 적용되는 공정 변수가 이에 제한되는 것은 아니다.

이와 같은 반복 학습을 통하여 제어부(80)에서 인공신경망 모델을 구축한 후, 인공신경망 모델의 용융풀(2) 크기 예측값과 실제 용융풀(2) 크기 계측값 사이의 오차를 계산하는 단계를 수행한다. (S30) 이와 같이 인공신경망의 용융풀 크기 예측값과 실제 용융풀 크기 계측값 사이의 오차를 계산하는 단계(S30)에서는 새로 계측한 열화상 영상에서 현재의 공정 변수를 기반으로 전술한 인공신경망을 통하여 용융풀 크기 예측 값을 도출하고, (S31) 열화상 카메라를 이용하여 계측된 용융풀의 표면 온도를 기반으로 실제 용융풀의 크기 계측값을 도출한 후(S32) 도출된 용용풀의 크기 예측 값과 실제 용융풀의 크기 계측값을 비교하여 오차를 계산한다.(S33)

이 때, 용융풀(2) 크기 예측값과 실제 용융풀(2) 크기 계측값 사이의 오차는 용융풀(2)의 품질 이상을 판단하기 위한 기준으로 사용된다.

즉, 본 발명의 일 실시예에서, 제어부(80)는 용융풀(2)의 크기 예측값과 실제 용융풀(2) 크기 계측값 사이의 오차에 대한 기준, 예를 들어 허용 오차 임계치를 미리 설정해 둘 수 있다. 이와 같은 허용 오차 임계치 범위 내에 오차가 존재하는 경우 미리 설정된 품질 기준을 만족하는 것으로 판단하여 3D 프린팅 공정을 수행할 수 있다.

만일 허용 오차 임계치 범위를 오차가 벗어나는 경우 품질 이상으로 판단할 수 있으며,(S41) 품질 이상 판별시 실시간 피드백을 수행하고,(S42) 이를 통하여 오차가 허용 오차 임계치 범위 내로 들어올 수 있도록 실시간으로 공정 변수를 조정한다.(S43)

이 때, 제어되는 공정 변수는 인공신경망에서 학습에 의하여 습득된 공정 변수와 융용풀의 크기 데이터 값과의 상관 관계를 고려하여 자동적으로 제어부에 의하여 선택될 수 있다. 그리고, 공정 변수의 제어는 오차가 허용 오차 임계치를 넘지 않을 때까지 반복적으로 수행될 수 있다.

본 실시예에서는 오차가 허용 오차 임계치를 넘는 경우 품질 이상으로 판별하고 피드백을 통하여 공정 변수를 조정하는 것을 예시하였으나, 오차가 허용 오차 임계치를 넘기지는 아니하였으나 넘기려는 위험 수준에 도달한 경우 미리 허용 오차 임계치를 넘지 않도록 공정 변수를 제어하는 것도 가능할 것이다.

본 발명의 일 실시예에 따른 3D 프린팅 공정 중 용융풀 크기 제어 방법은 열화상 카메라를 이용하여 3D 프린팅 공정 중 실시간으로 용융풀의 실제 크기를 계측한다. 그리고, 공정 변수와 용융풀 크기와의 상관 관계를 분석하여 기계 학습한 인공신경망 모델을 통하여 용융풀의 크기를 예측한다. 그 후, 용융풀의 실제 계측값과 용융풀의 크기 예측값 사이의 오차를 이용하여 용용풀의 크기 이상을 판단하여 용융풀의 크기를 제어하도록 한다. 이에 따라, 본 발명의 일 실시예에 따른 용융풀 크기 제어 방법은 실시간으로 3D 프린팅 공정 변수를 제어하면서 실시간으로 공정 제어를 수행하기 때문에 부품 품질 및 공정 효율성을 증대시킬 수 있다.

이상에서 본 발명의 일 실시예에 대하여 설명하였으나, 본 발명의 사상은 본 명세서에 제시되는 실시 예에 제한되지 아니하며, 본 발명의 사상을 이해하는 당업자는 동일한 사상의 범위 내에서, 구성요소의 부가, 변경, 삭제, 추가 등에 의해서 다른 실시 예를 용이하게 제안할 수 있을 것이나, 이 또한 본 발명의 사상범위 내에 든다고 할 것이다.

1 3D 프린팅 시스템 2 용융풀
4 적층부 10 3D 프린터
20 레이저 소스 30 모재 공급원
40 초점렌즈 50 노즐
60 빔 스플리터 62 광 경로 변환기
70 열화상 카메라 80 제어부

Claims

열화상 카메라로 3D 프린팅 공정 수행 중에 형성되는 용융풀의 열화상을 촬영하는 단계;
상기 용융풀의 표면 온도를 나타내는 열화상에서 모재의 용융점을 초과하는 온도 경계면을 설정하고, 상기 용융풀의 계측된 표면 온도에 의하여 규정되는 온도 경계면에 따라 상기 용융풀의 길이와 폭, 그리고 깊이를 추정하는 것을 통해 상기 용융풀의 크기를 추출하는 단계;
레이저 빔의 강도, 공정 속도, 레이저 빔의 크기 및 모재 분말의 분출량을 포함하는 3D 프린팅을 위한 공정 변수들과 용융 풀의 길이, 폭, 깊이를 포함하는 용융 풀의 크기 간의 상관관계를 기계 학습하여 공정 변수들의 입력값에 따라 용융풀의 크기를 예측할 수 있도록 구성된 인공신경망 모델을 구축하는 단계;
현재 새로 계측된 열화상에서 현재 적용되는 공정변수들의 크기에 대응하는 용융풀의 크기 예측값을 상기 인공신경망 모델을 이용하여 도출하는 단계;
상기 열화상 카메라를 이용하여 현재 새로 계측된 용융풀의 표면 온도로부터 실제 용융풀의 크기 계측값을 도출하는 단계;
상기 인공신경망 모델을 이용한 상기 용융풀의 크기 예측값과 상기 실제 용용풀의 크기 계측값 사이의 오차를 산출하는 단계; 및
산출된 오차가 허용 오차 임계치를 넘지 않도록 상기 공정변수들의 값을 조정하는 것을 통해 용융풀의 크기를 실시간으로 제어하는 단계를 포함하는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제 1 항에 있어서, 상기 ‘용융풀의 크기를 제어하는 단계’에서 값이 조정되는 공정 변수들은 상기 기계학습에 의해 습득된 상기 공정 변수들과 상기 융용풀의 크기 간의 상관관계에 기초하여 자동적으로 선택되는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제 1 항에 있어서, 상기 공정변수들의 값을 조정하는 것을 통해 용융풀의 크기를 제어하는 단계는 상기 오차가 상기 허용 오차 임계치를 넘지 않을 때까지 반복적으로 수행되는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제 1 항에 있어서, 상기 용융풀의 깊이는 상기 용융풀의 추출된 길이 및 폭으로부터 추정되는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제4항에 있어서, 상기 용융 풀에서 용융점(Tm)을 초과하는 온도 경계면에 의하여 상기 용융 풀의 표면에서 보이는 영역에서 x축 방향 최대 길이를 상기 용융 풀의 길이(a), y축 방향 최대 길이를 상기 융융 풀의 폭(b), z축 방향 최대 깊이를 상기 용융 풀의 깊이(d)로 규정하고, 상기 용융 풀의 온도 T(x, y, z)가 상기 용융 풀의 융점 Tm과 같다고 규정할 때의 온도관계식 Φ= T(x, y=0, z)-Tm을 이용하여 (단, 상기 용융 풀의 최대 깊이 지점이 상기 용융 풀의 폭 방향으로 중앙에 위치한 것으로 즉, y=0으로 가정함),
를 만족하는 지점의 좌표(Xmax, Zmax)를 구하였을 때, 상기 용용 풀의 깊이(d)는 d=Zmax로 산출되는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제1항에 있어서, 상기 ‘용융풀의 크기를 제어하는 단계’는, 상기 산출된 오차가 상기 허용 오차 임계치를 넘을 경우 품질 이상으로 판단하는 단계; 품질 이상으로 판단되는 경우, 상기 산출된 오차를 실시간 피드백을 하는 단계; 및 상기 실시간 피드백을 통하여 3D 프린팅의 공정변수를 조정하는 단계를 포함하는 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제 1 항에 있어서, 상기 3D 프린팅 공정은 DED(direct energy deposition) 방식 3D 프린팅 공정인 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
제 1 항에 있어서, 상기 용융풀의 모재는 금속 재료인 것을 특징으로 하는 3D 프린팅 공정 수행 중 형성되는 용융풀 크기를 실시간으로 제어하는 방법.
삭제
레이저 빔을 조사하여 적층부에 공급되는 모재를 녹임으로써 상기 적층부에 용융풀이 형성되도록 하는 레이저 소스;
상기 적층부로 모재를 공급하는 모재 공급원;
상기 용융풀의 표면 온도를 계측하기 위해 상기 용융 풀의 열화상을 촬영하도록 구성된 열화상 카메라; 및
(i) 상기 열화상 카메라로부터 계측된 상기 용융풀의 열화상을 제공받아 상기 열화상에서 모재의 용융점을 초과하는 온도 경계면을 설정하고, 상기 용융풀의 계측된 표면 온도에 의하여 규정되는 온도 경계면에 따라 상기 용융풀의 길이와 폭, 그리고 깊이를 추정하는 것을 통해 상기 용융풀의 크기를 추출하는 기능, (ii) 레이저 빔의 강도, 공정 속도, 레이저 빔의 크기 및 모재 분말의 분출량을 포함하는 3D 프린팅을 위한 공정 변수들과 용융 풀의 길이, 폭, 깊이를 포함하는 용융 풀의 크기 간의 상관관계를 기계 학습하여 공정 변수들의 입력값에 따라 용융풀의 크기를 예측할 수 있도록 구성된 인공신경망 모델을 구축하는 기능, (iii) 현재 새로 계측된 열화상에서 현재 적용되는 공정변수들의 크기에 대응하는 용융풀의 크기 예측값을 상기 인공신경망 모델을 이용하여 도출하는 기능, (iv) 상기 열화상 카메라를 이용하여 현재 새로 계측된 용융풀의 표면 온도로부터 실제 용융풀의 크기 계측값을 도출하는 기능, (v) 상기 인공신경망 모델을 이용한 상기 용융풀의 크기 예측값과 상기 실제 용용풀의 크기 계측값 사이의 오차를 산출하는 기능, 그리고 (vi) 산출된 오차가 허용 오차 임계치를 넘지 않도록 상기 공정변수들의 값을 조정하는 것을 통해 용융풀의 크기를 실시간으로 제어하는 기능을 구비하여, 3D 프린팅 공정 수행 중 형성되는 용융풀의 크기를 실시간으로 제어하도록 구성되는 제어부를 포함하는 것을 특징으로 하는 3D 프린팅 시스템.
제 10 항에 있어서,
상기 열화상 카메라는, 광 경로의 일부가 상기 3D 프린팅을 위하여 소정의 적층부에 위치된 분말 재료를 용융시키는 레이저 소스로부터 조사되는 레이저 빔과 동축 상으로 배치되는 것을 특징으로 하는 3D 프린팅 시스템.
제 11 항에 있어서,
상기 3D 프린팅용 레이저 소스로부터 조사된 빔 경로상에 배치되는 빔 스플리터; 및
상기 빔 스플리터와 상기 열화상 카메라 사이에 배치되어 광의 경로를 변경시키는 광 경로 변환기를 포함하여,
상기 열화상 카메라가 상기 레이저 소스와 동축 상으로 배치되는 것을 특징으로 하는 3D 프린팅 시스템.
제 12항에 있어서,
상기 빔 스플리터는 상기 레이저 소스 및 상기 레이저 소스로부터 나온 레이저 광이 지나는 초점 렌즈 사이에 배치되는 것을 특징으로 하는 3D 프린팅 시스템.
제10항에 있어서, 상기 용융풀의 깊이는 상기 용융풀의 추출된 길이 및 폭으로부터 추정되는 것을 특징으로 하는 3D 프린팅 시스템.
제14항에 있어서, 상기 용융 풀에서 용융점(Tm)을 초과하는 온도 경계면에 의하여 상기 용융 풀의 표면에서 보이는 영역에서 x축 방향 최대 길이를 상기 용융 풀의 길이(a), y축 방향 최대 길이를 상기 융융 풀의 폭(b), z축 방향 최대 깊이를 상기 용융 풀의 깊이(d)로 규정하고, 상기 용융 풀의 온도 T(x, y, z)가 상기 용융 풀의 융점 Tm과 같다고 규정할 때의 온도관계식 Φ= T(x, y=0, z)-Tm을 이용하여 (단, 상기 용융 풀의 최대 깊이 지점이 상기 용융 풀의 폭 방향으로 중앙에 위치한 것으로 즉, y=0으로 가정함),
를 만족하는 지점의 좌표(Xmax, Zmax)를 구하였을 때, 상기 용용 풀의 깊이 (d) 는 d = Zmax로 산출되는 것을 특징으로 하는 3D 프린팅 시스템.
제10항에 있어서, 상기 제어부는 산출된 오차가 허용 오차 임계치를 넘지 않도록 하기 위해 값을 조정할 공정 변수들을 상기 기계학습에 의해 습득된 상기 공정 변수들과 상기 융용풀의 크기 간의 상관관계에 기초하여 자동적으로 선택하는 것을 특징으로 하는 3D 프린팅 시스템.
제10항에 있어서, 상기 제어부는 상기 공정변수들의 값을 조정하는 것을 통해 용융풀의 크기를 제어하는 것을 상기 오차가 상기 허용 오차 임계치를 넘지 않을 때까지 반복적으로 수행하는 것을 특징으로 하는 3D 프린팅 시스템.