한국재료연구원 나노재료연구본부 박정민 박사 팀이 독일 막스플랑크 연구소 왕재민 박사·디어크 라베 교수팀과 공동으로 금속 3D프린팅 공정에서 발생하는 부품 내부 결함을 사전에 예측할 수 있는 인공지능(AI) 모델을 개발했습니다.

금속 3D프린팅은 복잡한 형상의 고부가가치 부품을 만들 수 있는 차세대 기술로 주목받고 있지만 공정 중 생기는 미세한 내부 결함이 부품 파손과 성능 저하의 원인이 돼 산업 적용의 걸림돌이 돼왔습니다.

기존 품질 평가는 기공률 같은 단순 지표에 의존해 결함의 모양, 크기, 위치 등에 따른 실제 성능을 정확히 반영하지 못하는 한계가 있었습니다.

연구팀은 금속 3D프린팅 기술인 레이저 분말 베드 용융(LPBF) 공정에서 생성되는 결함을 단순 개수나 비율이 아닌 모양, 배치 등과 같은 형태학적 특성으로 분석하는 AI 모델을 개발했습니다.

미세조직 이미지를 활용해 결함 형상을 자동 분석하고, 이를 기계적 성능과 직접 연결함으로써 특정 공정 조건에서 성능이 저하되는 원인까지 설명할 수 있도록 했습니다.

특히 이번 모델은 결과만 제시하는 기존 블랙박스 AI와 달리, 왜 결함이 생기고 성능이 떨어지는지를 함께 설명할 수 있는 구조를 갖췄습니다.

연구팀은 철강, 알루미늄, 타이타늄 합금 등 다양한 금속 3D프린팅 적용 소재를 대상으로 공정 조건, 결함 이미지, 기계적 물성 데이터를 학습시켜 공정 조건부터 성능 예측까지 가능한 통합 프레임워크를 구축했습니다.

이 기술은 항공·우주·국방·모빌리티 등 고신뢰 부품이 요구되는 산업 전반에서 금속 3D프린팅 공정 최적화와 품질 관리 기술로 활용될 수 있습니다.

이릍 통해 불량률을 낮추고 재료 낭비와 재작업 비용을 줄여 생산 효율을 높일 수 있을 것으로 기대됩니다.

박정민 박사는 "금속 3D프린팅 부품 결함을 줄이는 것을 넘어 결함이 성능에 미치는 영향을 과학적으로 설명하는 기준을 제시했다"며 "금속 3D프린팅의 산업적 활용도를 크게 높일 수 있을 것"이라고 말했습니다.

이번 연구 성과는 금속재료 분야 국제 학술지, 악타 머티리얼리아(Acta Materialia) 1월 1일 자 온라인판에 실렸습니다.

TJB 대전방송