새롭게 개발된 방법이 적층 제조 공정에서 고품질 기준을 보장합니다

혁신적인 노력과 채택 확대 덕분에 적층 제조 공정은 지속적으로 개선되고 있습니다. 이번 주는 일리노이 대학교 어배나-샴페인(University of Illinois Urbana-Champaign) 연구진이 Journal of Intelligent Manufacturing에 논문을 발표하면서 중요한 이정표를 세운 주간입니다. 이 논문은 결함을 보다 효과적으로 감지하기 위한 딥 머신러닝 모델 훈련 새로운 방법을 제시합니다. 알아야 할 내용은 다음과 같습니다.

Additive Manufacturing is the Future

BCG가 발표한 연구에 따르면 3D 프린팅 시장은 계속 확대될 전망입니다. 보고서는 2030년까지 적층 제조 시장 규모가 950억 달러를 넘어설 것으로 예측합니다. 이러한 성장은 비용 절감, 접근성 향상, 기술 장벽 감소, AI 통합 등에 힘입은 것입니다.

특히 오늘날의 3D 프린팅 공정과 장비는 이전보다 더 복잡한 부품을 제작할 수 있습니다. 이러한 장비는 엔지니어가 이전에 없던 혁신을 구현하도록 돕습니다. 물론, 프린트가 복잡해질수록 특히 내부 메커니즘이 포함된 경우 결함을 감지하기가 어려워집니다.

Reduced Failure in Additive Manufacturing Processes

소비자용 제품에서 3D 프린트가 실패하는 경우는 한 가지 상황이며, 이는 기업과 소비자에게 비용과 시간을 초래할 수 있습니다. 반면, 항공우주나 의료 분야에서 3D 프린트 부품이 핵심 구성 요소인 경우는 또 다른 상황입니다. 이 경우 위험도가 훨씬 높아지며 품질 관리가 뛰어나야 합니다.

Vital to Quality

특정 내부 특징을 가진 복잡한 3차원 형태를 프린트할 때, 대규모 지연을 초래하고 X-레이 컴퓨터 단층 촬영(CT) 스캔을 사용하지 않으면 적절한 품질 검사가 불가능할 수 있습니다. 과거에는 이러한 문제 때문에 3D 프린트 부품이 일부 응용 분야에서 제한되었습니다.

출처 – University of Illinois Urbana-Champaign

이러한 스캔은 비용이 많이 들고 시간이 오래 걸립니다. 따라서 3D 프린트에 결함이 있는지를 판단할 보다 신뢰성 높고 효율적인 전략에 대한 수요가 크게 증가하고 있습니다. 연구진은 데이터베이스에 존재하는 방대한 CT 스캔을 활용해 잠재적 결함 특성 라이브러리를 구축할 수 있음을 확인했습니다.

A New Study Reveals a Better Option

연구진은 논문 “Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography”에서 X-레이를 사용하지 않고도 프린트 내 결함을 정확히 찾아낼 수 있는 고효율 AI 알고리즘을 프로그래밍한 방법을 설명합니다. 이 연구는 인상적인 결과를 보여주었으며, 앞으로 3D 적층 제조가 산업 표준이 될 가능성을 제시합니다.

Printing the Test Parts

팀은 압력과 열에 견딜 수 있는 복잡한 프린트를 제작해야 했습니다. 따라서 3D 내부 구조를 가진 노즐을 테스트 대상으로 선정했습니다. 흥미롭게도 3D 프린트 노즐은 흐름을 제어하고 특정 상황에서 압력을 조절하는 설계 특성을 가질 수 있어 매우 인기가 높습니다.

구체적으로, 팀은 연구를 위해 227개의 레진 기반 AM 노즐을 제작했습니다. 눈으로 보기에는 모든 유닛이 완벽해 보였지만, 일부 노즐에는 알고리즘의 작동 여부를 판단하기 위해 의도적으로 결함을 삽입했습니다. 이러한 결함은 노즐 내부 깊숙이 배치되어 AI가 탐지하기 어렵게 만들었습니다.

Deep Machine Learning

연구진은 딥 머신러닝이라는 AI 접근 방식을 활용했습니다. 이 학습 방식은 컴퓨터 시뮬레이션을 통해 수백만 개의 시나리오를 재현합니다. 각 시나리오는 고유한 데이터를 생성하여 AI가 미래에 상황을 인식하고 대응 방법을 학습하도록 돕습니다.

본 연구에서 엔지니어들은 AI 알고리즘에 온라인에서 확보한 CT 스캔 데이터를 입력했습니다. 이후 100,334개의 단면 이미지 슬라이스를 생성하기 위해 일련의 프린트를 스캔했습니다. 이 이미지 컬렉션이 첫 번째 대조군을 구성했으며, 프린트의 결함 비율은 13.6%로 유지되었습니다.

Vision Transformer (ViT) Model

다음 단계는 시뮬레이션을 시작하는 것이었습니다. 엔지니어들은 입력한 데이터를 기반으로 50,000개의 합성 결함 시뮬레이션을 실행했습니다. 오류는 형태, 크기, 위치, 깊이 등 다양한 조합을 포함했습니다. 이 데이터는 결함이 없는 부품에 겹쳐져 비교 기준을 만들었습니다.

Capable Solution

AI 알고리즘은 227개의 3D 부품을 스캔하여 결함을 탐지했습니다. 흥미롭게도, 부품에 존재한 결함은 알고리즘을 프로그래밍할 때 사용한 이미지와 동일하지 않았습니다. 따라서 AI는 자체적인 발견과 데이터만을 기반으로 판단을 내려야 했으며, 이를 효율적으로 수행해 업계에 큰 진전을 가져왔습니다.

Results

이 연구 결과는 업계 많은 이들에게 큰 기대감을 주었습니다. AI 알고리즘은 90% 정확도로 어느 부품에 결함이 있는지, 어느 부품이 정상적으로 프린트됐는지를 판별했습니다. 더욱이, AI는 현재 산업 현장에서 사용 중인 다른 AI 모델이 놓친 결함까지도 찾아냈습니다.

Benefits that Deep Learning AI Brings to Additive Manufacturing Processes

이 연구가 산업을 혁신할 수 있는 이유는 다양합니다. 딥러닝 프로토콜은 이미 다른 분야에서 효율성과 혁신을 촉진해 왔습니다. 이제 이 첨단 기술을 활용해 데이터 모델링 속도를 높이고, 안전성을 향상시키며, 오늘날 사용되는 복잡한 프린팅 공정을 따라잡을 수 있는 보다 진보된 딥러닝 모델을 만들 수 있습니다.

Accuracy

이 연구의 가장 큰 장점 중 하나는 90%의 정확도입니다. 제조업체에게 AI가 생산 라인에서 90%의 결함을 식별한다는 것은 큰 업그레이드가 됩니다. 이 알고리즘은 가장 중요한 부품에만 CT 스캔을 적용하면 되므로, 보다 복잡한 설계가 시뮬레이션을 통해 제작·시험될 수 있어 혁신을 촉진합니다.

Lower Cost

이 딥러닝 AI 모델은 3D 프린팅 오류를 탐지하기 위한 고급 AI 모델 훈련에 필요한 비용과 시간을 절감합니다. 데이터가 늘어날수록 모델은 지속적으로 개선됩니다. 따라서 90% 성공률은 연구진이 시작하기에 좋은 출발점이며, 향후 혁신을 통해 99%에 근접시켜 제조업체 전반의 비용을 낮출 수 있습니다.

Fully Automated Systems

딥러닝 모델과 적층 제조 공정을 결합하면 전체 제작 과정을 완전 자동화할 수 있습니다. 이미 산업용 금속 3D 프린터가 고급 작업을 위해 제품을 생산하고 있지만, 과거에는 인간이 직접 테스트해야 했습니다.

이 팀이 만든 AI 알고리즘은 이러한 시스템이 내부적으로 자체 제작 및 품질 관리를 수행하도록 하는 해결책이 될 수 있습니다. 또한 재활용 과정과 결합될 수도 있습니다. 결함이 감지되면 AI가 자동으로 해당 부품을 재활용한다면 어떨까요? 이러한 지능형 제조 시스템은 곧 4차 산업혁명의 최전선에 설 것입니다.

Future of Additive Manufacturing

적층 제조의 미래는 밝습니다. 이 장비들은 항공우주, 바이오테크, 의료 등 다양한 산업에서 활용되고 있습니다. 지난 3년간 산업용 3D 프린팅이 크게 인기를 끈 주요 이유는 다음과 같습니다.

Lower Costs Units

이 장비가 점점 보편화되는 주요 이유 중 하나는 소유 및 운영 비용이 낮아졌기 때문입니다. 제조업체 간 경쟁이 심화되면서 혁신과 가격 인하가 촉진되었습니다. 따라서 기업은 적층 제조를 보다 저렴하게 도입해 효율성을 높이고 폐기물을 줄일 수 있습니다.

Innovative Materials

또 다른 주요 혁신은 새로운 프린팅 소재의 등장입니다. 복합재와 금속을 활용해 보다 내구성 있는 부품을 만들 수 있게 되었습니다. 일부 적층 제조 장비는 다중 소재를 활용한 복잡한 설계도 프린트할 수 있습니다. 이러한 소재는 이전보다 가볍고 강도가 높아 다양한 산업에서 활용도가 높아질 것입니다.

AI Upgrades to Additive Manufacturing Processes

AI는 적층 프린팅이 일상 업무가 되는 가장 큰 요인 중 하나입니다. AI 모델은 공정의 거의 모든 단계에 적용되고 있으며, AI 챗봇은 3D 프린트 개념을 문자 메시지처럼 쉽게 설명해 줍니다. 이미 제작 과정을 간소화하고 폐기물을 줄이는 데 활용되고 있습니다.

이번 최신 연구는 AI를 품질 관리 백엔드에 통합했습니다. 이 통합이 바로 완전 자율 3D 프린팅 생태계를 구현하는 마지막 퍼즐이었습니다. 앞으로 이러한 장비는 인간 개입 없이 스스로 설계·프린트·테스트를 수행할 것입니다.

Bioprinters

3D 프린팅 분야에서 가장 큰 혁신 중 하나는 바이오 3D 프린터의 등장입니다. 이 장비는 세포와 근육 조직 같은 바이오 소재를 프린트할 수 있습니다. 현재 이러한 유닛은 미세 소프트 로봇을 제작하는 데 사용되고 있으며, 이 로봇은 물 정화와 같은 어려운 작업을 수행하기 위해 군집을 이루어 움직입니다.

3D Printers in Space

또 다른 흥미로운 혁신은 미세중력 환경에서도 작동 가능한 프린터입니다. 이 장치는 ESA(유럽 우주국)에서 개발했으며, 지난 주 성공적으로 테스트되었습니다. 지구상의 프린터와 달리, 이 장치는 열이나 연기가 새어나가지 않도록 완전히 밀폐된 구조를 갖추어야 했습니다.

앞으로 우주 여행자는 필요한 물품을 직접 프린트할 방법이 필요합니다. 지구와 멀리 떨어져 있어 로켓 배송에 의존할 수 없으며, 맞춤형 도구가 필요할 상황도 발생할 것입니다. 따라서 항공우주 분야에서 이 시장에 대한 투자가 크게 늘고 있습니다.

Top Additive Manufacturing Firms

현재 운영 중인 적층 제조 업체는 많이 있습니다. 이 기업들은 3D 프린팅의 미래를 선도하고 폐기물을 줄이며 지속 가능한 존재를 만들기 위해 노력하고 있습니다. 다음은 결함 연구의 혜택을 받을 수 있는 기업들입니다.

1. Stratasys

SSYS 가격 차트

Stratasys는 2010년부터 3D 프린팅 산업에 종사해 왔습니다. 품질 솔루션 덕분에 항공우주, 의료, 자동차, 소비재 분야로 사업을 확장했으며 큰 성공을 거두었습니다. 현재 이 회사는 설계 효율성과 배포를 향상시키는 인기 소프트웨어 제품군을 보유하고 있습니다.

Stratasys 주식은 14년 이상 거래된 기간 동안 상승과 하락을 반복해 왔습니다. 그러나 COVID-19와 같은 시장 충격에도 불구하고 Stratasys는 견고히 버텼으며, 여전히 인기 있는 3D 제조 옵션으로 자리매김하고 사업을 확장하고 있습니다. 따라서 포트폴리오에 추가하기에 현명한 선택입니다.

2. Xometry

XMTR 가격 차트

Xometry는 3D 프린팅 시장에 새롭게 진입한 기업입니다. 이 회사는 3D 프린팅 프로토타입, 제조 등 다양한 서비스를 제공하는 마켓플레이스를 운영하며 생태계를 지속적으로 확장하고 있습니다. 현재 Xometry는 5천 명 이상의 공급업체와 8천 명 이상의 구매자를 보유하고 있습니다.

Xometry의 독특한 주문형 3D 프린팅과 마켓플레이스 결합은 창작자와 개발자에게 ROI 기회를 제공하며, 많은 분석가들이 밝은 미래를 예측하고 있습니다. 현재 주가는 다소 부진하지만, 전통 제조 부문을 향후 온보딩할 준비가 완벽히 갖춰져 있어 수십억 달러 규모의 매출을 창출할 잠재력이 있습니다. 따라서 XMTR은 주목할 가치가 있습니다.

Researchers

“Detecting and classifying hidden defects in additively manufactured parts using deep learning and X-ray computed tomography” 연구는 일리노이 대학교 어배나-샴페인(University of Illinois Urbana-Champaign)에서 수행되었습니다. 연구는 일리노이 대학 기계과학 및 공학 교수인 Miles Bimrose, Sameh Tawfick, William King이 이끌었으며, 미시간 대학의 Chenhui Shao, 메릴랜드 대학의 Davis McGregor, 저장 대학의 Tianxiang Hu, Jiongxin Wang, Zuozhu Liu도 참여했습니다.

Additive Manufacturing Processes Continue to Improve

끊임없는 혁신이 적층 제조 시장을 매일 더 경쟁력 있게 만들고 있습니다. 앞으로 3D 프린터는 어디에서든 활용될 수 있을 것입니다. Vision Transformer(ViT) 모델을 만든 창의적인 인재들 덕분에 이러한 제품은 그 어느 때보다 안전해질 것입니다.

다른 멋진 Additive Manufacturing Developments에 대해 알아보세요.