Uncertainty Quantification in Calibration and Simulation of Thermo-Chemical Curing of Epoxy Resins

기술 요약: 에폭시 수지의 열화학적 경화 과정에 대한 보정 및 시뮬레이션에서의 불확실성 정량화

문제 정의
에폭시 수지의 경화는 고성능 복합 재료, 특히 항공 산업의 제조 공정에서 필수적인 복잡한 열-화학-기계적 과정이다. 이 과정을 정확하게 모델링하려면 유리 전이 온도, 경화 역학, 열팽창, 화학적 수축, 비열 용량 및 열전도율에 대한 구성 관계식이 필요하다. 이러한 모델은 DSC, TMDSC, 밀도 측정과 같은 실험 데이터를 사용하여 식별되어야 하는 수많은 재료 매개변수에 의존한다.

본 연구에서 식별된 핵심 과제는 불확실성의 전파이다. Leistner [4]와 [5]의 확장 연구에서 확립된 기존 연구들은 구성 관계식은 설정하였으나 불확실성 전파는 간과하였다. 다단계 보정 체계에서는 후속 단계가 이전 단계에서 식별된 매개변수에 의존하기 때문에 불확실성이 필연적으로 축적된다. 또한, 불확실한 재료 매개변수의 존재는 결정론적 모델 응답을 불확실하게 만들어, 결과적으로 온도 분포, 잔류 응력 및 박리 위험에 대한 부정확한 예측을 초래할 수 있다. 본 논문은 역방향 보정 문제와 경화 과정의 순방향 수치 시뮬레이션 모두에서 이러한 불확실성을 효율적으로 정량화할 필요성을 다룬다.

방법론
본 연구는 일반 비선형 최소제곱법을 사용하는 다단계 모델 보정 접근 방식을 채택한다. 구성 관계식 사이에 의존성(예: 유리 전이 온도가 경화 역학 및 비열 용량에 미치는 영향)이 존재하므로, 특정 실험 데이터 세트에 따라 재료 매개변수를 순차적으로 식별한다.

불확실성을 정량화하기 위해 저자들은 1차 2차 모멘트(First-Order Second-Moment, FOSM) 방법을 사용한다. 이 섭동 기반 접근 방식은 테일러 전개를 사용하여 모델 응답의 평균과 분산을 근사한다. FOSM은 두 가지 별도의 단계에 적용된다:

1. 역방향 문제 (보정): 이 방법은 이전에 식별된 매개변수로부터 발생하는 불확실성을 후속 보정 단계로 전파한다. 현재 단계의 공분산 행렬은 측정 노이즈와 입력 매개변수의 전파된 불확실성 모두의 기여를 포함하도록 업데이트된다.
2. 순방향 문제 (시뮬레이션): 이 방법은 식별된 매개변수의 불확실성으로 인해 발생하는 모델 응답(온도 및 경화도)의 불확실성을 정량화한다.

FOSM 결과는 견고한 참조 모델인 몬테카를로(Monte Carlo, MC) 방법과 엄격하게 비교 평가된다. MC는 느린 수렴 속도와 수천 개의 샘플이 필요하기 때문에 계산 비용이 많이 들지만, 특히 고도로 비선형적인 구성 관계와 비가우시안(non-Gaussian) 매개변수 분포가 존재하는 상황에서 FOSM의 1차 근사의 정확성을 평가하기 위한 벤치마크를 제공한다.

주요 기여

• 체계적인 불확실성 전파: 본 논문은 기존 문헌에서 결정론적으로 취급되었던 에폭시 수지 경화의 다단계 보정 체계를 통과하는 포괄적인 불확실성 전파 프레임워크를 구현한다.
• 비선형 시스템에서의 FOSM 효율성: 본 연구는 FOSM이 1차 근사임에도 불구하고 고도로 비선형적인 열화학 모델에 대해 합리적인 결과를 도출하여, 몬테카를로 시뮬레이션 대비 상당한 계산적 이점을 제공함을 입증한다.
• 커버리지 테스트: 저자들은 다양한 조건(희소 데이터, 밀집 데이터, 그리고 가우시안, 균등 분포, 이분산성 등 다양한 노이즈 유형) 하에서 야코비안(Jacobian) 기반 공분산 행렬 근사의 견고성을 평가하기 위해 광범위한 "인 실리코(in-silico)" 커버리지 테스트를 수행한다.
• 경계 조건 분석: 본 연구는 불확실성 정량화를 불확실한 경계 조건(디리클레 및 혼합 경계 조건)까지 확장하여, 재료 매개변수의 불확실성과 모델 응답에 미치는 영향을 비교한다.

결과

• 보정 불확실성: FOSM과 몬테카를로 방법은 대부분의 재료 매개변수에 대해 좋은 일치도를 보인다. 그러나 명확하게 비가우시안 분포를 보이는 매개변수(예: 경화 역학의 확산 계수 $b_d$)의 경우, FOSM이 실제 분포 형상을 포착하는 데 어려움을 겪어 상당한 차이가 발생한다.
• 데이터 밀도의 영향: 커버리지 테스트 결과, 유리 전이 온도에 대한 데이터가 적은 경우(예: 단 5개의 데이터 포인트) 적절히 처리되지 않으면 불확실성을 크게 과소평가할 수 있음을 보여준다. 데이터 양을 늘리면 불확실성 추정의 신뢰도가 향상된다.
• 전파 효과: 불확실성 전파는 전파 없이 도출된 추정치에 비해 후속 보정 단계(예: 비열 용량 매개변수)의 매개변수 분산을 유의미하게 증가시킨다. 이러한 전파를 무시하면 신뢰 구간이 실제 매개변수 값을 명목 신뢰 수준 내에서 포함하지 못하게 된다.
• 시뮬레이션 결과: 알루미늄 용기 내 경화의 수치 시뮬레이션에서, 노드 온도와 경화도에 대한 FOSM 및 몬테카를로 결과는 밀접하게 일치한다. 온도 불확실성은 상대적으로 작지만, 경화도는 급격한 경화 전이 구간 동안 더 큰 불확실성을 보인다.
• 경계 조건: 본 연구는 디리클레 경계 조건(온도 프로파일)의 불확실성이 혼합 경계 조건(대류 및 복사 계수)의 불확실성보다 모델 응답 불확실성에 미치는 영향이 훨씬 더 크다는 것(수 차례의 배수 차이)을 발견했다.

의의 및 주장
저자들은 FOSM이 고도로 비선형적인 구성 관계를 다룰 때도 매우 효율적이고 샘플링이 필요 없는 유효한 불확실성 정량화 접근 방식이라고 주장한다. FOSM이 1차 근사에 의한 한계가 있고 복잡한 비가우시안 분포를 완전히 해결하지 못할 수 있음을 인정하면서도, 본 연구는 FOSM이 몬테카를로 방법보다 현저히 낮은 계산 비용으로 합리적인 결과를 제공함을 입증한다.

본 연구는 불확실성 전파가 단순한 이론적 개선이 아니라 실질적인 필수 사항임을 강조한다. 다단계 보정 체계에서 이를 무시하면 신뢰할 수 없는 매개변수 추정과 지나치게 낙관적인 신뢰 구간을 초래할 수 있다. 또한, 결과는 경계 조건(특히 온도 프로파일)의 불확실성을 제어하는 것이 신뢰할 수 있는 수치 시뮬레이션을 위해 매우 중요하다는 점을 밝히며, 이러한 불확실성이 재료 매개변수의 불확실성보다 오차 예산에서 더 지배적일 수 있음을 시사한다. 결론적으로, 본 연구는 계산 효율성이 중요한 공학 응용 분야에서 FOSM이 강력한 도구임을 보여주되, 분포 형상 및 큰 입력 분산에 대한 제한 사항을 이해해야 함을 명시한다.