KR102300856B1 - 자성 플레이트 설계 방법 및 장치 - Google Patents
자성 플레이트 설계 방법 및 장치 Download PDFInfo
- Publication number
- KR102300856B1 KR102300856B1 KR1020190080870A KR20190080870A KR102300856B1 KR 102300856 B1 KR102300856 B1 KR 102300856B1 KR 1020190080870 A KR1020190080870 A KR 1020190080870A KR 20190080870 A KR20190080870 A KR 20190080870A KR 102300856 B1 KR102300856 B1 KR 102300856B1
- Authority
- KR
- South Korea
- Prior art keywords
- magnetic
- magnetic plate
- plate
- particles
- printed
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/14—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for applying magnetic films to substrates
- H01F41/16—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for applying magnetic films to substrates the magnetic material being applied in the form of particles, e.g. by serigraphy, to form thick magnetic films or precursors therefor
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/14—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for applying magnetic films to substrates
- H01F41/24—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for applying magnetic films to substrates from liquids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/18—Manufacturability analysis or optimisation for manufacturability
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Manufacturing & Machinery (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Printing Methods (AREA)
Abstract
본 발명의 일 실시예에 따른 자성 플레이트를 설계하는 장치에서 수행하는 자성 플레이트 설계 방법은, 자성 플레이트는, 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 자성 플레이트에 의한 자기력 세기에 따라 상이한 밀도로 분포되어 자성 인쇄가 구현되도록 하며, 자성 플레이트 설계 방법은, 자성 잉크가 요망하는 자성 인쇄 패턴을 형성하도록 하는 자성입자의 분포를 추정하는 단계와, 자성입자가 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정하는 단계와, 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 추정된 자기장 형태에 대응하는 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적하는 단계와, 추적된 조절인자에 기초하여 자성 인쇄 패턴을 형성시킬 수 있는 자성 플레이트의 구성을 도출하는 단계를 포함한다.
Description
본 발명은 자성 플레이트(Magnetic plate) 설계 방법 및 장치에 관한 것으로서, 더욱 상세하게는 자성입자가 함유된 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되게 하는 자기력을 제공하는 자성 플레이트를 설계하는 방법 및 장치에 관한 것이다.
일반적으로, 자성 인쇄는 자성 잉크에 함유된 자성 입자가 자기력 세기에 따라 상이한 밀도로 분포되는 점을 이용하여 구현할 수 있고, 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되게 하기 위해서는 자성 플레이트로부터 자성 잉크에 인가되는 자기력을 조절하여야 한다.
이러한 자성 인쇄 패턴의 형성과 관련한 종래 기술로서, 특허등록공보 제10-1881037호(등록일자 2018년 07월 17일)에는 "자성 잉크 및 자기력을 이용한 패턴 형성방법"이 개시되어 있다. 동호에 개시된 패턴 형성방법에 의하면, 영구 자석으로 이루어진 자성 플레이트의 상부면을 그 상부에 위치하는 인쇄층에 요망하는 자성 인쇄 패턴이 형성되게 하는 자기력을 제공하도록 요망하는 요철 형태로 식각한다.
이러한 종래 기술에 따르면, 자성 인쇄 패턴에 대응하는 요망하는 요철 형태를 갖는 자성 플레이트를 설계할 때에, 자성 플레이트의 상부면에 소정의 요철을 만들고 변경해 가면서 자성 잉크에 의해 어떤 자성 인쇄 패턴이 형성되고 어떻게 변화되는지를 관찰하는 귀납적인 방법에 의존하였다. 이러한 귀납적인 방법을 이용한 자성 플레이트 설계 방법은 설계 시간이 장시간 소요될 뿐만 아니라 잦은 설계 변경이 동반되기 때문에 비용적인 측면에서도 과도한 지출이 발생하였다.
일 실시예에 따른 해결하고자 하는 과제는, 기계학습이 수행된 학습 모델을 이용하여 요망하는 자성 인쇄 패턴을 형성할 수 있는 자성 플레이트의 구성을 도출함으로써, 자성 플레이트의 설계에 소요되는 시간을 대폭 줄일 수 있을 뿐만 아니라 최소의 비용이 소요되게 하는 자성 플레이트 설계 방법 및 장치를 제공한다.
본 발명의 해결하고자 하는 과제는 이상에서 언급한 것으로 제한되지 않으며, 언급되지 않은 또 다른 해결하고자 하는 과제는 아래의 기재로부터 본 발명이 속하는 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 제 1 관점에 따른 자성 플레이트를 설계하는 장치에서 수행하는 자성 플레이트 설계 방법은, 상기 자성 플레이트는, 상기 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 상기 자성 플레이트에 의한 자기력 세기에 따라 상이한 밀도로 분포되어 자성 인쇄가 구현되도록 하며, 상기 자성 플레이트 설계 방법은, 상기 자성 잉크가 요망하는 자성 인쇄 패턴을 형성하도록 하는 상기 자성입자의 분포를 추정하는 단계와, 상기 자성입자가 상기 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정하는 단계와, 상기 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 상기 추정된 자기장 형태에 대응하는 상기 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적하는 단계와, 상기 추적된 조절인자에 기초하여 상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출하는 단계를 포함한다.
여기서, 상기 자성 플레이트의 조절인자는, 상기 자성 플레이트의 자화 특성에 대응하는 상기 자성 플레이트의 자구 구조에 영향을 주는 인자를 포함하고, 상기 자구 구조에 영향을 주는 인자는, 외부 자기장, 온도, 기계적 스트레스, 전자기파 중 적어도 하나를 포함할 수 있다.
상기 자성 플레이트의 자구 구조에 영향을 주는 인자를 입력으로 하고 상기 자성 플레이트의 자화 특성을 출력으로 하는 데이터셋으로 상기 학습 모델이 상기 기계학습을 수행하는 단계를 더 포함할 수 있다.
상기 자성 플레이트의 조절인자는, 상기 자성 플레이트의 상부면 구조에 영향을 주는 상기 자성 플레이트의 재료에 따른 물질상수 및 형상을 포함하고, 상기 물질상수는 교환상수, 결정 이방성 상수, 포화자화, 잘로신스키-모리야(Dzyaloshinskii-Moriya) 상수 중 적어도 하나를 포함할 수 있다.
상기 자성 플레이트의 재료에 따른 물질상수 및 형상을 입력으로 하고 상기 자성 플레이트의 상부면 구조를 출력으로 하는 데이터셋으로 상기 학습 모델이 상기 기계학습을 수행하는 단계를 더 포함할 수 있다.
본 발명의 제 2 관점에 따르면, 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서, 상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면, 상기 자성 플레이트 설계 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체를 제공한다.
본 발명의 제 3 관점에 따른 자성 플레이트를 설계하는 장치는, 상기 자성 플레이트는, 상기 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 상기 자성 플레이트에 의한 자기력 세기에 따라 상이한 밀도로 분포되어 자성 인쇄가 구현되도록 하며, 상기 설계 장치는, 상기 자성 잉크가 형성하기를 요망하는 자성 인쇄 패턴에 대한 정보를 입력 받는 정보 입력부와, 상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출하는 제어부를 포함하고, 상기 제어부는, 상기 자성 인쇄 패턴을 형성하도록 하는 상기 자성입자의 분포를 추정하며, 상기 자성입자가 상기 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정하고, 상기 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 상기 추정된 자기장 형태에 대응하는 상기 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적하며, 상기 추적된 조절인자에 기초하여 상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출한다.
본 발명의 일 실시예에 따르면, 기계학습이 수행된 학습 모델을 이용하여 요망하는 자성 인쇄 패턴을 형성할 수 있는 자성 플레이트의 구성을 도출함으로써, 자성 플레이트의 설계에 소요되는 시간을 대폭 줄일 수 있을 뿐만 아니라 최소의 비용이 소요되게 하는 효과가 있다.
도 1은 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치의 구성도이다.
도 2는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 학습 과정을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 학습용 데이터 수집 과정을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 자성 플레이트 구성 도출 과정을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 학습 과정을 설명하기 위한 흐름도이다.
도 3은 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 학습용 데이터 수집 과정을 설명하기 위한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치에서 수행하는 자성 플레이트 설계 방법에 의한 자성 플레이트 구성 도출 과정을 설명하기 위한 흐름도이다.
본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나 본 발명은 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다. 명세서 전체에 걸쳐 동일 참조 부호는 동일 구성 요소를 지칭한다.
본 발명의 실시예들을 설명함에 있어서 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다. 그리고 후술되는 용어들은 본 발명의 실시예에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명은 자성입자가 함유된 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되게 하는 자기력을 제공하는 자성 플레이트를 설계하는 방법 및 장치로서, 본 발명의 일 실시예에 따른 자성 플레이트는, 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 자성 플레이트에 의한 자기력 세기에 따라 상이한 밀도로 분포되어 자성 인쇄가 구현되도록 한다.
도 1은 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치(100)의 구성도이다.
도 1에 나타낸 바와 같이 일 실시예에 따른 자성 플레이트 설계 장치(100)는 입력부(110), 제어부(120) 및 출력부(130)를 포함한다.
입력부(110)는 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크가 형성하기를 요망하는 자성 인쇄 패턴에 대한 정보를 입력 받는다.
제어부(120)는 인쇄층의 자성 잉크에 대하여 요망하는 자성 인쇄 패턴을 형성시킬 수 있는 자성 플레이트의 구성을 도출하며, 도출된 자성 플레이트의 구성에 대한 정보를 출력부(130)에 제공한다.
이러한 제어부(120)는 기계학습 모델을 이용하여, 요망하는 자성 인쇄 패턴을 형성할 수 있는 자성 플레이트의 구성을 도출할 수 있다.
이를 위해, 제어부(120)는 자성 잉크가 요망하는 자성 인쇄 패턴을 형성하도록 하는 자성입자의 분포를 추정할 수 있고, 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정할 수 있다. 그리고, 제어부(120)는 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라, 앞서 추정된 자기장 형태에 대응하는 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적할 수 있다.
출력부(130)는 제어부(120)로부터 제공받은 자성 플레이트의 구성에 대한 정보를 사용자가 인식할 수 있는 형태로 가공하여 출력하거나 컴퓨팅 연산이 가능한 형태로 가공하여 통신 연결된 다른 정보처리기기에 제공할 수 있다.
도 2는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치(100)에서 수행하는 자성 플레이트 설계 방법에 의한 학습 과정을 설명하기 위한 흐름도이고, 도 3은 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치(100)에서 수행하는 자성 플레이트 설계 방법에 의한 학습용 데이터 수집 과정을 설명하기 위한 흐름도이며, 도 4는 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치(100)에서 수행하는 자성 플레이트 설계 방법에 의한 자성 플레이트 구성 도출 과정을 설명하기 위한 흐름도이다.
이하, 도 1 내지 도 4를 참조하여 본 발명의 일 실시예에 따른 자성 플레이트 설계 장치(100)에서 수행하는 자성 플레이트 설계 방법에 대해 자세히 살펴보기로 한다.
먼저, 자성 플레이트 설계 장치(100)는 자성 플레이트를 설계하기에 앞서 자성 플레이트의 구성을 도출하기 위해 이용할 학습 모델을 위한 학습 데이터를 수집하고(S210), 수집된 학습 데이터를 이용하여 학습 모델에 대하여 기계학습을 수행한다(S220). 이러한 학습 데이터의 수집 과정과 학습 모델의 기계학습 과정은 자성 플레이트 설계 장치(100)의 제어부(120)에 의해 수행되거나 별도의 컴퓨팅 연산이 가능한 정보처리기기에 의해 수행된 후 기계학습이 수행된 학습 모델이 자성 플레이트 설계 장치(100)에 입력될 수도 있다.
학습 데이터의 수집 과정에 대해 살펴보면, 먼저 입력부(110)를 통해 사용자로부터 자성 플레이트의 설계 조건을 입력받는다(S211).
자성 플레이트가 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되도록 제공하는 자기력은 자성 플레이트의 상부면 구조나 자화 특성에 따라 변화된다.
예를 들어, 자성 플레이트의 상부면에 배치된 자성체에 대하여 자화 특성을 변화시켜 자기장을 형성시키면 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되도록 하는 자기력을 자성 플레이트에 제공할 수 있다. 예컨대, 자성 플레이트의 자구 구조(magnetic domain)에 영향을 주어 자화 특성을 변화시킬 수 있는 인자로는 외부 자기장, 온도, 기계적 스트레스, 전자기파 등을 포함할 수 있다.
또는, 자성 플레이트의 상부면에 배치된 자성체에 대하여 요철의 배열을 만들어 자기장을 형성시키면 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되도록 하는 자기력을 자성 플레이트에 제공할 수 있다. 예컨대, 자성 플레이트의 상부면 구조에 영향을 줄 수 있는 설계 조건으로는 자성 플레이트의 재료에 따른 물질상수(교환상수, 결정 이방성 상수, 포화자화, 잘로신스키-모리야(Dzyaloshinskii-Moriya) 상수 등) 및 형상(요철 및 판 모양 등) 등을 포함할 수 있다.
그리고, 제어부(120)는 미소자기학 전산모사를 이용하여 자기 모멘트가 가지는 공간적 분포를 계산한다. 예컨대, 자성 플레이트 내부의 자구 구조를 계산하는 것이다(S212). 아울러, 제어부(120)는 전자기학에 기반을 두어 자기 모멘트로부터 형성되는 자기장을 계산한다. 예컨대, 자성 플레이트 외부로 뻗어 나가는 자기장을 계산하는 것이다(S213). 이후, 제어부(120)는 자성 플레이트의 상부쪽에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 가지는 자기장에 의한 공간적 분포를 계산하고(S214), 계산된 공간적 분포를 가지는 자기장에 의해 가해지는 자기력에 의하여 인쇄층에 형성되는 자성 인쇄 패턴을 확인, 즉 자성 인쇄 패턴에 대한 정보를 입력받는다(S215).
이러한 단계 S211 내지 단계 S215의 과정을 반복하여 그 결과가 충분히 축적되면, 추후 자성 플레이트의 구성을 도출할 때에 이용할 학습 모델에 대하여 기계학습을 수행한다. 이러한 기계학습의 수행에 의하여, 기계학습이 수행된 학습 모델을 이용하여 추후 자성 패턴으로부터 요철이나 자구와 같은 조절인자를 역추적하는 것이 가능해 진다.
단계 S220에 의한 기계학습은 자성 플레이트의 자구 구조에 영향을 미칠 수 있는 인자를 입력으로 하고 자성 플레이트의 자화 특성을 출력으로 하는 데이터셋으로 학습 모델이 기계학습을 수행할 수 있다. 예컨대, 자성 플레이트의 자구 구조에 영향을 주어 자화 특성을 변화시킬 수 있는 인자로는 외부 자기장, 온도, 기계적 스트레스, 전자기파 등을 포함할 수 있다. 또는, 자성 플레이트의 재료에 따른 물질상수 및 형상을 입력으로 하고 자성 플레이트의 상부면 구조를 출력으로 하는 데이터셋으로 학습 모델이 기계학습을 수행할 수 있다. 예컨대, 자성 플레이트의 상부면 구조에 영향을 줄 수 있는 조건으로는 자성 플레이트의 재료에 따른 물질상수(교환상수, 결정 이방성 상수, 포화자화, 잘로신스키-모리야 상수 등) 및 형상(요철 및 판 모양 등) 등을 포함할 수 있다.
앞서 도 2 및 도 3을 참조하여 설명한 바와 같이 학습 모델에 대하여 기계학습이 수행된 후에는, 자성 플레이트의 상부쪽에 배치되는 인쇄층의 자성입자가 함유된 자성 잉크에 대하여 요망하는 자성 인쇄 패턴으로 형성되게 하는 자기력을 제공하는 자성 플레이트를 설계할 수 있다.
먼저, 입력부(110)를 통해 자성 플레이트의 상부쪽에 배치되는 인쇄층의 자성 잉크가 형성하기를 요망하는 자성 인쇄 패턴에 대한 정보와 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건을 입력받는다. 여기서, 입력받는 자성 플레이트의 설계 조건은 단계 S211을 통해 입력받은 자성 플레이트의 설계 조건에 대응할 수 있다.
그러면, 제어부(120)는 입력부(110)를 통해 입력받은 요망하는 자성 인쇄 패턴을 형성하도록 하는 자성입자의 분포를 추정하고(S410), 자성입자가 앞서 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정한다(S420).
그리고, 제어부(120)는 앞서 입력받은 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 단계 S420에서 추정된 자기장 형태에 대응하는 자성 플레이트의 조절인자를 단계 S220에서 기계학습이 수행된 학습 모델을 이용하여 추적한다(S440).
아울러, 제어부(120)는 단계 S440에서 추적된 조절인자에 기초하여 인쇄층의 자성 잉크가 형성하기를 요망하는 자성 인쇄 패턴을 형성시킬 수 있는 자성 플레이트의 구성을 도출한다(S450).
다음으로, 제어부(120)는 출력부(130)를 제어하여 자성 플레이트의 구성에 대한 정보를 사용자가 인식할 수 있는 형태로 가공하여 출력할 수 있다. 또는, 제어부(120)는 자성 플레이트의 구성에 대한 정보를 컴퓨팅 연산이 가능한 형태로 가공한 후 출력부(130)를 제어하여 통신 연결된 다른 정보처리기기에 제공할 수 있다.
지금까지 설명한 바와 같이, 본 발명의 실시예에 따르면, 기계학습이 수행된 학습 모델을 이용하여 요망하는 자성 인쇄 패턴을 형성할 수 있는 자성 플레이트의 구성을 도출함으로써, 자성 플레이트의 설계에 소요되는 시간을 대폭 줄일 수 있을 뿐만 아니라 최소의 비용이 소요되게 한다.
첨부된 블록도의 각 블록과 흐름도의 각 단계의 조합들은 컴퓨터 프로그램 인스트럭션들에 의해 수행될 수도 있다. 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록 또는 흐름도의 각 단계에서 설명된 기능들을 수행하는 수단을 생성하게 된다. 이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록 또는 흐름도 각 단계에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다. 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성해서 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록 및 흐름도의 각 단계에서 설명된 기능들을 실행하기 위한 단계들을 제공하는 것도 가능하다.
또한, 각 블록 또는 각 단계는 특정된 논리적 기능(들)을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있다. 또, 몇 가지 대체 실시예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능함을 주목해야 한다. 예컨대, 잇달아 도시되어 있는 두 개의 블록들 또는 단계들은 사실 실질적으로 동시에 수행되는 것도 가능하고 또는 그 블록들 또는 단계들이 때때로 해당하는 기능에 따라 역순으로 수행되는 것도 가능하다.
이상의 설명은 본 발명의 기술 사상을 예시적으로 설명한 것에 불과한 것으로서, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명에 개시된 실시예들은 본 발명의 기술 사상을 한정하기 위한 것이 아니라 설명하기 위한 것이고, 이러한 실시예에 의하여 본 발명의 기술 사상의 범위가 한정되는 것은 아니다. 본 발명의 보호 범위는 아래의 청구범위에 의하여 해석되어야 하며, 그와 동등한 범위 내에 있는 모든 기술사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
100: 자성 플레이트 설계 장치
110: 입력부
120: 제어부
130: 출력부
110: 입력부
120: 제어부
130: 출력부
Claims (7)
- 자성입자를 함유한 자성잉크가 인쇄되는 기재의 패턴 형성을 위해, 상기 기재에 인쇄된 자성잉크의 자성입자를 자기력 세기에 따른 상이한 밀도로 분포시켜 상기 자성입자에 의한 패턴 인쇄를 행하도록 자구 설계되어 상기 자성잉크가 인쇄된 기재의 하측에 배치되는 자성 플레이트에 있어서,
상기 자성플레이트의 자구를 설계하는 장치에서 수행하는 자성 플레이트 설계 방법으로서,
상기 자성 플레이트 설계 방법은,
상기 자성 잉크가 요망하는 자성 인쇄 패턴을 형성하도록 하는 상기 자성입자의 분포를 추정하는 단계와,
상기 자성입자가 상기 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정하는 단계와,
상기 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 상기 추정된 자기장 형태에 대응하는 상기 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적하는 단계와,
상기 추적된 조절인자에 기초하여 상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출하는 단계를 포함하고,
상기 자성 플레이트의 조절인자는, 상기 자성 플레이트의 자화 특성에 대응하는 상기 자성 플레이트의 자구 구조에 영향을 주는 인자를 포함하며, 상기 자구 구조에 영향을 주는 인자는, 외부 자기장, 온도, 기계적 스트레스, 전자기파 중 적어도 하나를 포함하는
자성 플레이트 설계 방법.
- 삭제
- 제 1 항에 있어서,
상기 자성 플레이트의 자구 구조에 영향을 주는 인자를 입력으로 하고 상기 자성 플레이트의 자화 특성을 출력으로 하는 데이터셋으로 상기 학습 모델이 상기 기계학습을 수행하는 단계를 더 포함하는
자성 플레이트 설계 방법. - 제 1 항에 있어서,
상기 자성 플레이트의 조절인자는, 상기 자성 플레이트의 상부면 구조에 영향을 주는 상기 자성 플레이트의 재료에 따른 물질상수 및 형상을 포함하고,
상기 물질상수는 교환상수, 결정 이방성 상수, 포화자화, 잘로신스키-모리야(Dzyaloshinskii-Moriya) 상수 중 적어도 하나를 포함하는
자성 플레이트 설계 방법. - 제 4 항에 있어서,
상기 자성 플레이트의 재료에 따른 물질상수 및 형상을 입력으로 하고 상기 자성 플레이트의 상부면 구조를 출력으로 하는 데이터셋으로 상기 학습 모델이 상기 기계학습을 수행하는 단계를 더 포함하는
자성 플레이트 설계 방법. - 컴퓨터 프로그램을 저장하고 있는 컴퓨터 판독 가능 기록매체로서,
상기 컴퓨터 프로그램은, 프로세서에 의해 실행되면,
제 1 항, 제 3 항, 제 4 항 및 제 5 항 중 어느 한 항에 따른 방법을 프로세서가 수행하도록 하기 위한 명령어를 포함하는, 컴퓨터 판독 가능한 기록매체. - 자성입자를 함유한 액상 자성잉크가 인쇄되는 기재의 패턴 형성을 위해, 상기 기재에 인쇄된 자성잉크의 자성입자를 자기력 세기에 따른 상이한 밀도로 분포시켜 상기 자성입자에 의한 패턴 인쇄를 행하도록 자구 설계되어 상기 자성잉크가 인쇄된 기재의 하측에 배치되는 자성 플레이트에 있어서,
상기 기재에 인쇄한 인쇄층의 자성 잉크에 함유된 자성입자가 자기력 세기에 따라 상이한 밀도로 분포되어 패턴 형성이 구현되도록 하는 자성 플레이트의 자구를 설계하는 장치로서,
상기 자성 플레이트는, 상기 자성 플레이트의 상측에 배치되는 인쇄층의 자성 잉크에 함유된 자성입자가 상기 자성 플레이트에 의한 자기력 세기에 따라 상이한 밀도로 분포되어 상기 기재에 인쇄한 인쇄층 내 자성입자의 분포를 제어함에 따른 패턴 인쇄가 구현되도록 하며,
상기 설계 장치는,
상기 자성 잉크가 형성하기를 요망하는 자성 인쇄 패턴에 대한 정보를 입력 받는 정보 입력부와,
상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출하는 제어부를 포함하고,
상기 제어부는,
상기 자성 인쇄 패턴을 형성하도록 하는 상기 자성입자의 분포를 추정하며, 상기 자성입자가 상기 추정된 자성입자의 분포를 갖게 할 수 있는 자기장 형태를 추정하고, 상기 자성 플레이트의 상부면 구조 또는 자화 특성을 포함하는 설계 조건에 따라 상기 추정된 자기장 형태에 대응하는 상기 자성 플레이트의 조절인자를 기계학습이 수행된 학습 모델을 이용하여 추적하고, 상기 추적된 조절인자에 기초하여 상기 자성 인쇄 패턴을 형성시킬 수 있는 상기 자성 플레이트의 구성을 도출하며,
상기 자성 플레이트의 조절인자는, 상기 자성 플레이트의 자화 특성에 대응하는 상기 자성 플레이트의 자구 구조에 영향을 주는 인자를 포함하며, 상기 자구 구조에 영향을 주는 인자는, 외부 자기장, 온도, 기계적 스트레스, 전자기파 중 적어도 하나를 포함하는 것을 특징으로 하는,
자성 플레이트 설계 장치.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190080870A KR102300856B1 (ko) | 2019-07-04 | 2019-07-04 | 자성 플레이트 설계 방법 및 장치 |
| US16/919,266 US11651114B2 (en) | 2019-07-04 | 2020-07-02 | Method and apparatus for designing a magnetic plate |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020190080870A KR102300856B1 (ko) | 2019-07-04 | 2019-07-04 | 자성 플레이트 설계 방법 및 장치 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210027770A Division KR20210027336A (ko) | 2021-03-02 | 2021-03-02 | 자성 플레이트 설계 방법 및 장치 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210004439A KR20210004439A (ko) | 2021-01-13 |
| KR102300856B1 true KR102300856B1 (ko) | 2021-09-10 |
Family
ID=74065772
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020190080870A KR102300856B1 (ko) | 2019-07-04 | 2019-07-04 | 자성 플레이트 설계 방법 및 장치 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11651114B2 (ko) |
| KR (1) | KR102300856B1 (ko) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015135901A (ja) * | 2014-01-17 | 2015-07-27 | ＡｇＩＣ株式会社 | 組み替え回路装置、回路部品ユニットおよび印刷用画像データのデータ構造 |
| KR101881037B1 (ko) | 2017-12-12 | 2018-07-23 | (주)아이엠씨티 | 자성잉크 및 자기력을 이용한 패턴 형성방법 |
| KR101936777B1 (ko) * | 2018-07-03 | 2019-01-09 | (주)아이엠씨티 | 자성잉크와 자기력을 이용한 패턴 형성방법 및 이를 위한 지그 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160083578A (ko) * | 2014-12-31 | 2016-07-12 | 한국조폐공사 | 자성패턴 보안요소를 포함하는 사출물 및 이의 제조방법 |
-
2019
- 2019-07-04 KR KR1020190080870A patent/KR102300856B1/ko active IP Right Grant
-
2020
- 2020-07-02 US US16/919,266 patent/US11651114B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2015135901A (ja) * | 2014-01-17 | 2015-07-27 | ＡｇＩＣ株式会社 | 組み替え回路装置、回路部品ユニットおよび印刷用画像データのデータ構造 |
| KR101881037B1 (ko) | 2017-12-12 | 2018-07-23 | (주)아이엠씨티 | 자성잉크 및 자기력을 이용한 패턴 형성방법 |
| KR101936777B1 (ko) * | 2018-07-03 | 2019-01-09 | (주)아이엠씨티 | 자성잉크와 자기력을 이용한 패턴 형성방법 및 이를 위한 지그 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210004439A (ko) | 2021-01-13 |
| US20210004506A1 (en) | 2021-01-07 |
| US11651114B2 (en) | 2023-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Storace et al. | Piecewise-linear approximation of nonlinear dynamical systems | |
| CN103164426B (zh) | 一种命名实体识别的方法及装置 | |
| CN107392125A (zh) | 智能模型的训练方法/系统、计算机可读存储介质及终端 | |
| JP2007213384A (ja) | マイクロ磁化解析プログラム、方法及び装置 | |
| CN110211119A (zh) | 图像质量评估方法、装置、电子设备及可读存储介质 | |
| CN109615064A (zh) | 一种基于时空特征融合递归神经网络的智能车端到端决策方法 | |
| KR102300856B1 (ko) | 자성 플레이트 설계 방법 및 장치 | |
| CN108510947A (zh) | 双屏调光方法及显示装置 | |
| CN109032145A (zh) | 对多机器人路径的调度方法及装置 | |
| Yan et al. | Short-term traffic condition prediction of urban road network based on improved SVM | |
| CN112990298A (zh) | 关键点检测模型训练方法、关键点检测方法及装置 | |
| KR20210027336A (ko) | 자성 플레이트 설계 방법 및 장치 | |
| Shi et al. | Detection and classification of traffic lights for automated setup of road surveillance systems | |
| Anbumozhi et al. | Investing on low-carbon energy systems: Implications for regional economic cooperation | |
| CN109657203A (zh) | 字库字面大小调整的方法、系统 | |
| Lee et al. | A study on the efficiency optimum design of a permanent magnet type linear synchronous motor | |
| Ceruti et al. | Fairing with neighbourhood LOD filtering to upgrade interactively B-Spline into Class-A curve | |
| Piringer et al. | Improving the flexibility of shape-constrained symbolic regression with extended constraints | |
| Pluk et al. | Fourier modeling of magnetic shields with linear permeable material and finite dimensions | |
| Takahashi et al. | Advanced optimization of standard head model with higher writing field and higher field gradient using 3-D ON/OFF method | |
| CN107943751A (zh) | 一种基于深度卷积对抗网络模型的独立通道卷积方法 | |
| JP7428870B2 (ja) | タイヤ摩耗度推定装置、タイヤ摩耗度学習装置、タイヤ摩耗度推定方法、学習済モデルの生成方法及びプログラム | |
| JP6755173B2 (ja) | 消磁コイル配置導出装置、消磁コイル配置導出方法、船舶の製造方法およびプログラム | |
| Šimůnek et al. | Notes on Spatial and Temporal Discretization | |
| Qiao et al. | Boosting robust multi-focus image fusion with frequency mask and hyperdimensional computing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A107 | Divisional application of patent | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |