KITECH 생산기술 전문지

사출성형은 용융수지의 가소화, 충전, 보압, 냉각, 고화가 짧은 주기 안에서 연속 진행되는 비선형 제조공정이다. 동일한 사출기 설정값을 적용해도 재료 lot의 점도와 수분, 스크류·체크링 상태, 금형 열평형, 장비 응답특성에 따라 실제 압력 이력과 최종품질이 달라질 수 있다. 이에 최근에는 사출기 내장신호와 금형 내 압력·온도 신호를 이용해 공정상태를 추정하고 품질을 예측하는 연구가 확대되고 있다[1,2]. 국내에서도 인공지능을 활용한 소재·공정 최적화와 자율제어 기술이 소개되고 있다[3]. 본고에서는 센서 기반 품질예측을 현장에 적용하는데 필요한 핵심기술을 중심으로 설명가능 AI(Explainable Artificial Intelligence, XAI), 전이학습(Transfer Learning), 디지털 트윈(Digital Twin)의 역할과 단계별 도입전략을 정리하였다. 새로운 알고리즘을 제안하기보다 선행연구를 현장 구축순서와 검증기준의 관점에서 재구성하는 데 목적이 있다.

사출성형, AI, 품질예측

최근 탄소중립과 순환경제 실현을 위한 산업계의 요구가 증가함에 따라 사용 중 마모, 부식 및 손상이 발생한 고부가가치 산업 부품을 재사용하기 위한 재제조 기술의 중요성이 크게 부각되고 있다. 적층형 클래딩은 손상 부위에 금속 재료를 선택적으로 적층하여 원래의 형상과 성능을 복원할 수 있는 대표적인 재제조 기술로, 소재 사용량 절감과 부품 수명 연장을 동시에 달성할 수 있어 발전, 원자력, 철강, 조선 및 항공 산업에서 활용 범위가 빠르게 확대되고 있다. 최근에는 레이저 클래딩, Directed Energy Deposition(DED), Wire Arc Additive Manufacturing(WAAM) 등 다양한 적층 제조 기술과 함께 인공지능을 활용한 실시간 공정 모니터링 및 품질 예측 기술이 접목되면서 재제조 공정의 자동화와 신뢰성이 크게 향상되고 있다. 특히 용융풀 영상, 온도, 음향 및 공정 신호를 실시간으로 분석하여 결함을 예측하고 공정 조건을 자동으로 제어하는 AI 기반 폐루프 제어 기술은 스마트 재제조의 핵심 요소로 주목받고 있다. 본 논문에서는 산업 부품 재제조를 위한 적층형 클래딩 기술의 종류와 특징을 살펴보고, AI 기반 공정 모니터링 및 품질 예측 기술의 최신 연구 동향과 산업 적용 사례를 소개하였다. 또한 향후 디지털 트윈 및 자율 제조 기술과 연계된 지능형 재제조 시스템의 발전 방향을 전망하였다.

Additive Cladding, Laser Cladding, Directed Energy Deposition, AI Monitoring, Remanufacturing, Smart Manufacturing

최근 우주항공과 자동차 산업에서는 구조물의 경량화와 연비 향상을 위해 탄소섬유 강화 플라스틱(Carbon Fiber Reinforced Plastics, CFRP)의 적용이 확대되고 있다. CFRP는 중량 대비 강도가 높고 내부식성과 내화학성이 우수해 항공기 동체와 주요 구조부품에 널리 사용된다.[1] 항공기에는 CFRP와 함께 알루미늄, 티타늄 등 다양한 금속재료가 함께 적용되기 때문에, 부품 체결 시 이종재료 동시 드릴링 공정이 필수적으로 요구된다.[2] 이종재료 중 대표적으로 CFRP와 알루미늄을 적층하여 만든 CFRP/AL Stack이 있으며, 이러한 이종재료는 두 재료의 기계적·열적 특성이 크게 달라 가공이 쉽지 않다.[3] CFRP에서는 박리, 섬유 찢김, 치핑 등의 결함이 발생하며, 알루미늄에서는 버와 구성인선, 연속형 칩이 발생한다. 또한 알루미늄 가공 중 발생한 절삭열과 칩은 CFRP의 홀 표면 품질을 저하시킬 수 있다. 이송속도를 높이면 알루미늄의 버는 감소하지만 CFRP의 박리가 증가하고, 반대로 이송속도를 낮추면 알루미늄 칩 배출이 어려워지는 등 가공조건 선정에도 상충관계가 존재한다.[4,5,6] 이에 따라 최근에는 기존 회전운동에 초음파 진동을 중첩하는 초음파 드릴링 기술이 대안으로 주목받고 있다. 초음파 진동은 공구와 소재의 주기적인 접촉과 분리를 유도하여 절삭력과 마찰, 절삭열을 감소시키며, 알루미늄 칩의 분절과 배출을 원활하게 한다. 이를 통해 CFRP의 박리와 알루미늄의 버 및 구성인선을 동시에 줄일 수 있어, CFRP/AL Stack 소재의 가공품질과 생산성을 향상시킬 수 있는 기술로 기대되고 있다.

이종재료, 가공성, 초음파

우리가 매일 타는 자동차, 손에 든 노트북과 스마트폰, 하늘을 나는 비행기에는 공통으로 들어가는 금속이 하나 있다. 바로 마그네슘(Mg)이다. 평소에는 거의 의식하지 못하지만, 마그네슘은 ‘가볍게 만들어야 하는’ 거의 모든 제품에 조용히 숨어 있다. 마그네슘은 지각에서 여덟 번째로 흔한 원소이자, 실제 산업에 쓰이는 구조용 금속 가운데 가장 가볍다. 흔히 ‘희토류’와 혼동되지만, 마그네슘은 희토류가 아니라 알칼리 토금속에 속하는 별개의 원소다(희토류는 네오디뮴·디스프로슘 등 17종을 가리킨다). 다만 국가 자원 정책에서는 마그네슘을 안정적 확보가 필요한 ‘희소금속(핵심광물)’으로 분류해 관리한다. 즉 마그네슘은 ‘흔하지만 마음대로 쓸 수는 없는’ 금속이라 할 수 있다. 이 금속이 최근 다시 주목받는 이유는 두 가지다. 첫째, 전기차 확산과 연비·탄소중립 규제로 ‘무게를 줄이는 경쟁(경량화)’이 산업의 핵심 화두가 되었기 때문이다. 둘째, 2021년 가을 중국발 공급 대란이 마그네슘이라는 이름조차 낯선 소재 하나가 세계 자동차 산업 전체를 멈춰 세울 수 있다는 사실을 드러냈기 때문이다. 본고는 (1) 마그네슘이 왜 산업의 필수 금속인지, (2) 그 공급망이 왜 위험한지, (3) 우리 산업이 무엇을 준비해야 하는지를 순서대로 살펴본다.

희소금속, 마그네슘, 공급망

알루미늄합금의 대부분을 차지하는 6xxx계는 석출경화형 합금으로, 용접성과 내식성이 우수해 건축, 차량 및 선박 등 수송 구조용 소재로 널리 사용되고 있다[1]. 이 중 Al-Si-Mg계 합금은 규소(Si) 함량이 높아 용탕의 유동성이 우수하며 자동차 부품을 비롯한 산업 전반에서 적용이 확대되고 있어 정확한 검증 및 분석평가가 요구된다[2]. 특히 열처리형 Al 6xxx계 합금은 규소 함량에 따라 강도와 미세조직이 크게 좌우되므로 정확한 함량 관리가 중요하다[3]. 규소는 합금의 주조성 및 내마모성을 결정하는 핵심 원소로 정확한 함량 측정이 필수적이다. 이를 위한 대표적 방법인 KS D 1863 이산화규소 무게분석법은 시료를 여러 단계의 산으로 분해한 뒤 규소 침전물의 무게를 측정하는 방식으로, 정확도는 높지만 숙달된 노하우가 필요하고 결과를 얻기까지 1~3일 이상이 걸려 현장의 신속한 품질 대응에는 한계가 있다. 이에 본 연구에서는 기존 표준법과 동등한 정확도를 유지하면서 분석 시간을 크게 단축할 수 있는 전처리 방법을 찾고자 표준물질(SRM) 858과 Al-Si-Cu계 표준물질(RM) 55X G23-H3을 사용하여 ①KS D 1863표준법 ②절차를 간소화한 산분해법 ③침전·여과 없이 시료를 바로 용해해 분석하는 직접산분해법의 세 가지로 전처리한 후 유도결합 플라즈마 분광계(ICP-AES) 장비로 규소 함량을 분석하고 결과와 소요시간을 비교하였다.

알루미늄합금, 규소, 전처리

고강도 후육주철(GCD600~700급 및 모듈러스 3~6급)은 조선, 방산, 원전, 건설 등 많은 산업분야에 고부가가치 핵심 부품으로 확대 적용되고 있으며, 글로벌 탑브랜드 수요처의 요구사양 기준이 매우 엄격한 편이다. 고강도 후육주철 부품의 종류나 재질의 세부 등급에 따라 다소 차이는 있으나, 미세조직 측면에서는 구상화율 80% 이상, 흑연립수 100ea/mm² 이상이 요구된다. 기계적 특성 측면에서는 인장강도 550MPa 이상, 연신율 3% 이상 등이 최소기준으로 요구된다. 이때 건전한 양산부품을 확보하기 위해서는 조대흑연, 흑연부상, 미세수축, 청키흑연 등의 결함이 억제되어야 한다 [1]. 특히 미세수축, 청키흑연 결함은 연신율을 감소시키고, 양산 부품에 고압 및 충격이 가해지는 사용 환경에서 내구성에 심각한 문제를 야기할 수 있어 고강도 후육주철에서 매우 치명적이다. 미세수축 결함의 경우, 구상화 처리 공정 (성분, 투입량, 입도 크기), 조형 공정 (주형 강도), 주조방안 설계 (압탕 방안)를 최적화하는 방법 등으로 제어할 수 있다. 청키흑연 결함을 제어하기 위해서는 구상화 처리 공정 (성분, 투입량, 입도 크기), 주입공정 (용탕온도), 접종 공정(시기, 접종량 등) 등의 최적화 방법 등이 존재한다. 이 중 구상화 처리는 미세 수축 및 청키흑연 결함과 상관관계가 높은 공정이다. (그림 1(a)). 구상화 처리 공정의 개선 방안은 물리적, 화학적 측면으로 나누어 생각해 볼 수 있다 (그림 1(b)). 물리적 측면에는 마그네슘의 반응 효율을 높이기 위해 레이들의 형상 (높이와 직경 비), 처리 시 용탕 온도를 제어하는 방법 등이 있다. 화학적 측면에는 용탕 내 원소를 통제하기 위해 구상화제 성분, 투입량 및 입도 크기를 조절하는 방법 등이 있다. 일반적인 구상흑연주철에서는 용탕 내 S함량의 제어가 중요하다. 그런데 후육주철 제조 시에는 용탕 내에 높은 Si함량, 구상화제의 핵심 원소인 Mg과 R.E. 함량도 중요한 문제가 될 수 있다 [2]. Mg은 강력한 탄화물 안정화 원소이기 때문에 잔류 용탕 내 함량의 증가는 흑연의 형성을 저해하여 미세수축 결함을 촉진하게 된다 [3]. R.E.(Rare Earth)는 공정 반응 중에 오스테나이트의 성장을 촉진하기 때문에 C가 불스아이(Bull’s eye) 구조의 구상흑연 형성에 사용되는 것이 저해된다. 따라서 청키흑연의 발생이 야기된다 [4, 5]. 본 연구에서는 잔류 Mg 함량과 R.E. 함량을 제어하여, 결함을 억제하고 흑연 조직 요구 기준을 만족시키고자 하였다.

고강도, 후육주철, 결함억제, 구상화

비전 기반 자동검사는 제조업 품질보증의 핵심 기술로 자리 잡고 있다. 포토카드, 트레이딩 카드, 고급 패키징과 같은 고해상도 인쇄매체는 외관 품질에 대해 무결점 수준의 기준이 요구되지만, HMLV 생산 특성상 디자인별 결함 데이터를 충분히 확보하기 어렵다. 또한 기존 이상 탐지 모델은 입력 해상도 축소로 5-20픽셀 수준의 미세 결함을 놓치기 쉽고, 오프셋 인쇄 과정에서 발생하는 색상·반사 편차가 실제 결함과 유사한 잔차를 만들어 검출을 어렵게 한다[1,2]. 본 기술은 원본 디자인 파일인 Digital Truth와 생산라인 촬영 이미지인 Captured Image를 비교하는 Digital-to-Real 참조 기반 검사 프레임워크를 제안한다. 색상 보정과 결함 검출을 두 단계로 분리함으로써, 정상 공정 변동은 보정하면서도 미세 결함 신호는 보존하도록 설계하였다.

주파수, 고해상도, 인쇄매체, 미세 결함

산업 설비의 고장은 생산 손실과 품질 저하뿐 아니라 안전사고, 정비 비용 증가 및 공급망 차질로 이어질 수 있다. 이와 같은 문제를 사전에 방지하기 위한 방안으로, 센서 데이터와 정비 이력을 활용하여 설비의 현재 상태를 평가하고, 고장 원인과 미래 열화를 추정하며, 그 결과를 정비 행동으로 연결하는 통합 체계인 고장 예지 및 건전성 관리(Prognostics and Health Management, PHM)가 널리 활용되고 있다 [1]. 산업 현장의 센서화와 운전 데이터의 축적, 연산 자원의 고도화에 힘입어 딥러닝이 확산되면서, PHM은 전문가가 설계한 특징에 의존하는 분석에서 데이터로부터 고장 및 열화 표현을 자동으로 학습하는 방식으로 빠르게 전환되었다. 이러한 접근은 진동, 음향, 전류, 온도 및 영상과 같은 다양한 센서 데이터로부터 고장 관련 특징을 효과적으로추출함으로써 PHM의 진단 및 예측 성능 향상을 이끌었으며, 공개 벤치마크는 관련 방법론을 재현 가능하게 비교할 수 있는 기반을 제공하였다 [2]. 그러나 동일 데이터셋의 무작위 분할에서 얻은 높은 정확도가 새로운 설비, 부하, 환경 및 센서 구성에서도 유지된다고 보기는 어렵다. 실제 산업 환경에서는 고장 라벨이 희소하고 분포 이동이 빈번하며, 정비 정책과 경제적 제약이 모델 성능의 해석과 활용 가능성에 직접적인 영향을 미친다. 최근에는 시계열 파운데이션 모델, PHM 특화 대규모 모델, 물리 정보 학습 및 도구 호출형 에이전트가 등장하면서연구 범위가 개별 진단 모델에서 신호, 문서, 규칙, 디지털 트윈 및 정비 프로세스를 연결하는 운영 시스템 수준으로 확대되고 있다 [3,4]. 이에 따라 PHM 연구 방법론을 개별 알고리즘 단위가 아니라 상호 연계되는 연구 영역의 관점에서 정리할 필요가 있다. 본 논문은 2019년 이후 발표된 대표 연구를 중심으로 하되, 방법론의 기반이 되는 주요 선행 연구를 함께 포함하여 PHM의 핵심 연구 동향을 체계적으로 정리하는 것을 목적으로 한다. 이를 위해 표현·사전학습, 데이터 제약·일반화, 물리·디지털 트윈, 지식·LLM·에이전트, 신뢰·배포·정비 가치의 다섯 연구 영역을 중심으로 최근의 발전과 향후 과제를 논의한다. 또한 PHM의 기능적 범위를 균형 있게 반영하기 위해 이상 탐지·고장 진단과 예지·잔여수명 추정을 함께 검토하고, 각 연구 영역이 두 기능을 어떻게 지원하는지를 분석한다.

인공지능, Prognostics and Health Management, 연구 동향

반도체 후공정은 절단, 정렬, 픽업, 이송, 본딩 및 패키징 공정으로 구성되며, 각 공정에서는 대상물의 위치 정밀도와 표면 청정도가 매우 중요하다. 특히 반도체 칩 또는 트레이와 같이 미세한 위치 오차가 공정 불량으로 이어질 수 있는 대상물의 경우, 이송 장치의 접촉 방식, 흡착 안정성 및 해제 재현성은 전체 공정 신뢰성을 결정하는 주요 인자가 된다. 기존에는 진공 흡착 방식과 기계식 그리퍼 방식이 일반적으로 사용됐으나, 진공 누설, 표면 손상 및 미세 입자 발생 가능성 등의 한계를 가진다. 자석을 이용한 이송 방식은 높은 흡착력과 반복성을 확보할 수 있다는 점에서 정밀 이송 공정에 적용될 수 있다. 그러나 반도체 공정에서는 단순히 강한 자력을 얻는 것보다, 자력이 작용해야 하는 위치와 작용하지 않아야 하는 위치를 구분하여 제어하는 것이 중요하다. 자속이 반도체 소자 방향 또는 주변 장비 방향으로 불필요하게 누설될 경우, 공정 간섭, 위치 오차 및 장비 오작동 가능성이 발생할 수 있기 때문이다. 따라서 반도체 공정에 적용할 수 있는 자석 기반 그리퍼를 구현하기 위해서는 작용면에서는 높은 자속밀도를 확보하고, 비 작용면에서는 누설 자속밀도를 최소화하는 자기장 설계가 필요하다. 영구자석은 외부 전원 없이도 안정적인 자속을 유지할 수 있으나 자속의 ON/OFF 제어가 어렵다. 반면 전자석은 전류 제어를 통해 자속의 세기와 방향을 조절할 수 있으나, 지속적인 전력 공급과 발열 문제가 발생할 수 있다. 이러한 두 자성원의 특성을 고려할 때, 영구자석과 전자석을 결합한 하이브리드 자석 구조는 유지력과 제어성을 동시에 확보할 수 있는 유효한 접근법이다. 실제로 Tsugami 등은 전자석과 영구자석을 이용하여 다양한 형상의 대상물을 파지하고 해제할 수 있는 단순 구조의 그리퍼를 제안하였으며, Park 등은 전자기력을 이용한 그리퍼의 흡인력 모델을 제시하였다[1,3]. 본 연구에서는 반도체 트레이에 영구자석을 배치하고, 로봇 그리퍼 측에 전자석을 배치하는 구조를 기반으로 하여 하이브리드 자석 기반 로봇 그리퍼의 자속 제어 원리를 고찰하였다. 특히 트레이 측 영구자석에는 할바흐 배열을 적용하여 그리퍼와 결합되는 작용면 방향으로 자속을 집중시키고, 윗면을 제외한 측면 및 하부 방향에는 차폐 구조를 적용하여 비 작용면 누설 자속밀도를 저감하고자 하였다.

반도체, 트레이닝, Halbach, 자속밀도

전기자동차, 풍력발전, 반도체, 로봇 등 첨단 제조산업의 고도화는 고성능 소재에 대한 의존도를 빠르게 높이고 있다. 이 가운데 희토류(Rare Earth Elements, REE)는 고효율 모터, 영구자석, 디스플레이, 촉매, 전자부품 등에 활용되는 핵심 소재로서 산업 경쟁력과 공급망 안정성에 직결되는 전략 자원으로 인식되고 있다. 특히 네오디뮴(Nd)과 프라세오디뮴(Pr)은 Nd-Fe-B계 영구자석의 핵심 원소이며, 디스프로슘(Dy)과 테르븀(Tb)은 고온 환경에서 자석의 성능을 유지하는 데 중요한 역할을 한다. 이에 따라 희토류 공급망 리스크는 단순한 원자재 수급 문제가 아니라 첨단 제조산업의 생산 안정성을 좌우하는 문제로 확대되고 있다[1,2]. 특히 최근 주요국의 희토류 수출통제와 핵심광물 관리체계 강화는 희토류 문제가 단순한 원료 조달 이슈를 넘어 첨단 제조산업의 생산기술, 산업안보, 공급망 회복탄력성과 직결되는 문제임을 보여준다. 그러나 희토류 공급망의 불안정성은 단순히 자원이 부족하거나 특정 국가에 매장량이 집중되어 있기 때문만은 아니다. 희토류는 여러 원소가 하나의 광물 내에 혼합된 형태로 산출되며, 특정 원소만을 선택적으로 생산하기 어렵다. 또한 채굴 이후 정제·분리 공정은 높은 기술 장벽과 환경 부담을 수반하며, 글로벌 가공 역량은 소수 국가에 집중되어 있다. 이와 같은 구조적 특성으로 인해 희토류 공급망은 일반적인 시장 조정만으로 안정화되기 어려운 경직성을 가진다. 따라서 희토류 공급망 대응은 특정 광산 확보나 단기 수입선 다변화만으로 해결되기 어렵다. 공급망 안정화의 현실적 목표는 ‘완전한 자립’이라기보다 공급 충격이 발생하더라도 첨단 제조산업의 생산 차질을 관리 가능한 수준으로 낮추는 데 있다. 이를 위해서는 자원 확보와 전략 비축을 넘어, 정제·분리, 금속화, 소재화, 대체·저감, 재자원화 등 생산기술 역량을 공급망 관리와 연계하는 대응 방향이 필요하다.

희토류, 공급망, 생산기술, 대응