저자 : 손용
연시모
이협
-
손용
-
강동석
-
연시모
-
이협
Tel
031-8084-8824
Email
sonyong@kitech.re.kr
SNS
- 소 속한국생산기술연구원
- 직 업정부출연연구소
- 직 위수석연구원
- 전문분야3D프린팅
- 세부분야3D프린팅 장비 및 공정 개발
저자 소개
한국생산기술연구원 3D프린팅 제조혁신센터(KAMIC)는 3D프린팅 기술을 이용한 산업 부품 개발을 위해 이에 필요한 설계, 소프트웨어, 공정, 품질 검증 등 연계 전후방 공정을 포함하는 토털 솔루션 제공을 통하여 산업현장에서 요구하는 상용화 연구 실증화 지원을 통해 제조혁신 생태계 구축에 기여하고 있습니다.
그간 확보한 공정기술로 부품 상용화를 위해 시제품 제작에 이은 시편단위 평가 -부품단위 평가- 현장모사 평가까지 지원하고자 하며, 관련 데이터의 축적과 노하우를 통해 현장에서 3D프린팅으로 제작된 부품에 대한 신뢰성을 높이고 활용 사례를 확대하고자 합니다.
학력 / 경력 정보
- 2015.08~한국생산기술연구원 3D프린팅제조혁신센터
- 2013.03~2015.07삼성디스플레이 연구소 공정연구팀
- 2008.03~2013.02KAIST 기계공학과 박사
- 2006.03~2008.02KAIST 기계공학과 석사
- 1999.03~2006.02한양대학교 기계공학과
활동내역
저자의 다른 글 보기
저자 : 강동석
연시모
이협
-
-
-
연시모
-
이협
Tel
-
Email
dongseok@kitech.re.kr
SNS
-
- 소 속한국생산기술연구원
- 직 업-
- 직 위연구원
- 전문분야적층제조
- 세부분야-
저자 소개
-
학력 / 경력 정보
- 2017-2019부산대학교 일반대학원 기계공학전공
활동내역
저자의 다른 글 보기
-
저자 : 연시모
연시모
이협
-
-
-
연시모
-
이협
Tel
-
Email
simo@kitech.re.kr
SNS
-
- 소 속한국생산기술연구원
- 직 업연구원
- 직 위선임연구원
- 전문분야적층제조
- 세부분야파우더배드퓨전공정, 적층제조맞춤설계
저자 소개
-
학력 / 경력 정보
- 2004-2012서울과학기술대학교 학사
- 2012-2014서울과학기술대학교 석사
활동내역
저자 : 이협
연시모
이협
-
-
-
연시모
-
이협
Tel
-
Email
-
SNS
- 소 속한국생산기술연구원
- 직 업-
- 직 위수석연구원
- 전문분야적층제조공정 (3D프린팅)
- 세부분야-
저자 소개
-
학력 / 경력 정보
- 2004-2009KAIST 기계공학 학사
- 2009-2011KAIST 기계공학 석사
- 2011-2016KAIST 기계공학 박사
- 2016-2017싱가포르 Nanyang Technological University, Research Fellow
- 2017-현재한국생산기술연구원 수석연구원
활동내역
상세 보기
- KITECH 생산기술 전문지 > 지능화뿌리기술
- Volume 3(2); 2026
- Article
지능화뿌리기술 2026;3(2):41-45. Published online: Apr, 1, 2026
금속 분말 베드 융해(PBF) 공정 시뮬레이션 기술 개발 동향
- 강동석* , 연시모** , 이협*** , 손용****, †
연시모
이협
-
-
-
연시모
-
이협
-
* 한국생산기술연구원 지능화뿌리기술연구소 주문형생산연구부문 / 연구원 / dongseok@kitech.re.kr
** 한국생산기술연구원 지능화뿌리기술연구소 주문형생산연구부문 / 선임연구원 / simo@kitech.re.kr
*** 한국생산기술연구원 지능화뿌리기술연구소 주문형생산연구부문 / 수석연구원 / leehyub@kitech.re.kr
**** 한국생산기술연구원 지능화뿌리기술연구소 주문형생산연구부문 / 수석연구원 / sonyong@kitech.re.kr / 교신저자
초록
금속 레이저 분말 베드 융해(LPBF) 공정은 급격한 온도 구배와 복잡한 다중물리 현상을 수반하며 , 전통적인 CFD 및 FEM 기반 고정밀 모델은 막대한 계산 비용으로 인해 부품 스케일 해석 및 실시간 제어 적용에 한계가 있다. 이러한 정밀도와 속도의 상충 관계를 극복하기 위해 최근 CIFEM, 그래프 이론(Graph Theory), 물리 정보 신경망(PINN) 등 차세대 시뮬레이션 기술이 급부상하고 있다. CIFEM 프레임워크는 고정밀 CFD 데이터를 딥러닝 기반 열원 모델을 통해 FEM에 직접 부과하여 기존 대비 온도 오차를 획기적으로 낮추는 동시에 약 28.2배 빠른 연산 성능을 구현하였으며 , 그래프 이론 기반 모델은 부품을 노드와 엣지 네트워크로 표현하고 행렬 역산 대신 고유값 분해를 활용하여 대형 부품 해석 시간을 4.5시간에서 17분으로 단축시켰다. 또한 텐서 트레인 분해 기반 대리 모델(Surrogate Model)과 순차적 물리 정보 신경망(Sequential PINN)은 물리적 정합성을 유지하며 초 단위 이하의 예측과 8.5배 빠른 훈련 속도를 달성하여 멀티 트랙의 복잡한 열 축적 현상을 정밀하게 포착하고 있다. 결론적으로 금속 PBF 시뮬레이션 기술은 단순 사후 분석에서 벗어나 물리·데이터 기반 모델과 센서 데이터를 실시간으로 융합하는 하이브리드 디지털 트윈으로 진화하고 있다.
키워드 적층제조, 금속 분말 베드 융해, powder bed fusion, simulation, PINN
댓글0