작품조회 | 아이디어붐

출력하기 좋아요

<개발의 필요성>

- 적층제조(3D프린팅)의 등장은 복잡한 형상 설계에 대한 생산 가능성 및 설계 자유도를 크게 향상시킴

- 이에 최근 적층제조 기술을 효과적으로 활용하기 위한 설계 방법인 적층제조 특화 설계가 대두되고 있음

- 적층제조를 이용한 설계 시 다양한 적층제조 특화 설계 요소를 고려하지 않고 제품을 설계할 경우 부정적인 운영성과를 초래할 수 있음
- 그러나 특화 설계 요소에 대한 지식이 없는 설계자의 경우 부정적인 운영 성과를 초래하는 설계 요소에 대한 파악이 어려울 수 있음

- 제품 설계 초기 단계에서 제품의 안정성과 제조 효율성 및 생산성을 향상시키기 위해 설계에 대한 적층제조 운영성과 파악이 필수적

<현재 기술의 문제점>

- 설계에 대한 출력 적합성을 파악하기 위해 딥러닝 기반의 적층제조 운영 성과 예측에 대한 연구가 진행됨

- 그러나 딥러닝은 우수한 성능을 지녔지만 블랙 박스 특성으로 인해 예측 결과에 대한 판단 근거를 설명하기 어려움

- 예측 모델에 대한 신뢰성 보장을 위해 예측 결과에 대한 근거 해석이 필수적

- 즉, 실질적인 제조 성과 예측 및 설계 프로세스 효율성 제고를 위해 제조 성과 예측에 주요한 영향을 미친 설계 요소에 대한 직접적인 제시 필요

<연구 목적>

본 연구는 효율적인 3D프린팅을 이용한 제품 설계 프로세스를 위해 설명가능한 인공지능 기반의 3D프린팅 운영성과 예측 및 설계 요소 시각화 프로세스를 제안하고자 함

데이터 수집 및 전처리
- 3D데이터 공유 플랫폼 ‘GrabCAD’와 ‘Thingiverse’를 통해 1008개의 STL파일 수집
- STL의 설계 특징(부피, 겉넓이)과 3D프린팅 제조시스템 운영성과(출력시간, 서포터 사용량)를 파악하여 데이터셋을 구축
- 설계 특징과 운영성과는 로그 정규화, STL은 64x64x64 크기의 복셀 형태로 전처리
3D-CNN 기반 3D프린팅 제조 운영성과 예측 모델 구축
- 복셀, 설계 특징을 입력 변수, 운영 성과를 출력 변수로 하는 3D-CNN 모델 구축 및 정확도 평가
3D-Grad-CAM을 활용하여 운영성과 예측 결과의 근거를 시각화
- 모델 평가에 사용된 데이터에 대해 3D-Grad-CAM을 적용하여 3D프린팅 제조시스템 운영성과 예측의 근거를 시각화
Case study : SimJEB(Simulated Jet Engine Bracket) 데이터셋
제안된 프로세스를 일원화하기 위한 소프트웨어 구축

- 본 연구에서 제시되는 적층제조 운영성과 예측 및 설계 요소 시각화 프로세스를 활용하여 제품 디자이너는 적층제조를 이용한 제품 초기 설계 단계에서 운영 성과에 주요한 영향을 미치는 설계 요소를 파악할 수 있음
- 디자이너는 제품에 대한 3D프린팅 적합성 및 제조 운영 성과를 빠르게 평가하고 나아가 목표하는 적층제조 운영성과 달성을 위해 설계안을 수정
- 적층제조 특화 설계 관련 지식이나 정보가 부족한 디자이너의 설계 작업 효율성 제고할 수 있을 것으로 기대

비공개 자료입니다.

목록보기