⚡ electrical engineering

Path-resolved melt-track width enables relative spatial-stability characterization and velocity–orientation mapping in laser powder bed fusion

본 논문은 레이저 분말 베드 용융(laser powder bed fusion)을 위한 경로 기반 용융 트랙 폭 분석과 복합 공간 안정성 지수(Sspatial)를 도입하며, 이러한 접근 방식이 고정된 조건 하에서 국부적 변동을 효과적으로 특성화하고 안정성을 순위화하는 데는 유효하지만, 새로운 스캔 방향으로 외삽하는 데에는 상당한 어려움이 있음을 입증한다.

원저자: Ning Lv, Shuo Zhang, Chenguang Guo, Haitao Yue, ShengLi Xue

게시일 2026-08-07

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Ning Lv, Shuo Zhang, Chenguang Guo, Haitao Yue, ShengLi Xue

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

초고휘도 레이저와 미세한 금속 분말만을 사용하여 금속 물체를 층층이 쌓아 올리는 세상을 상상해 보십시오. 이것을 레이저 분말 베드 융합(LPBF)이라고 부르며, 플라스틱 대신 티타늄으로 제트 엔진 부품이나 의료용 임플란트를 만들어내는 고도의 기술이 적용된 3D 프린터와 같습니다. 레이저는 마치 작은 타오르는 태양처럼 작용하여 분말을 액체 웅덩이(이를 "용융 풀"이라 부름)로 녹인 뒤, 즉각적으로 단단한 궤적(track)으로 얼려버립니다. 목표는 이 궤적을 완벽하게 잘 포장된 도로처럼 매끄럽고 일관되게 만드는 것입니다. 하지만 문제는 여기에 있습니다. 레이저의 밝기와 속도를 매번 똑같이 설정하더라도, 도로는 항상 완벽하지는 않습니다. 때로는 울퉁불퉁해지기도 하고, 때로는 좁아지기도 하며, 때로는 흔들리기도 합니다.

오랫동안 과학자들은 이 금속 궤적을 측정할 때 단순히 평균값을 구하는 방식을 사용해 왔습니다. 그들은 전체 도로의 너비를 모두 더한 뒤, "좋아, 평균 너비는 적절해"라고 말하곤 했습니다. 하지만 이는 영화 전체를 평균 밝기로만 판단하는 것과 같습니다. 영화 속의 무서운 어두운 장면이나 눈부시게 밝은 장면들을 놓치게 되는 것이죠. 만약 도로에 몇 개의 작은 구멍이 있거나 너무 좁은 구간이 길게 이어진다면, 평균값은 이러한 문제들을 숨겨버릴 수 있습니다. 큰 질문은 이것입니다: 최종 금속 부품을 망가뜨릴 수 있는 이러한 숨겨진 흔들림과 굴곡을 어떻게 사전에 잡아낼 것인가?

이 논문은 금속 궤적을 바라보는 관점을 바꿈으로써 이 문제를 해결하고자 합니다. 연구진은 단순히 하나의 평균 숫자를 구하는 대신, 레이저가 금속 위를 가로지르는 전체 여정을 관찰하기로 했습니다. 그들은 용융된 궤적의 너비를 경로의 시작부터 끝까지 변화하는 하나의 이야기처럼 다루었습니다. 이를 "경로별(path-resolved)" 데이터라고 불렀습니다. 이는 마치 노래를 듣는 것과 같습니다. 단순히 평균 볼륨만 알고 싶은 것이 아니라, 조용한 속삭임, 갑작스러운 큰 충격음, 그리고 일정한 리듬을 모두 듣고 싶은 것과 같습니다.

연구팀은 370W의 고정된 레이저 출력 하에서 레이저 속도와 방향(방향성)의 조합 72가지를 테스트했습니다. 그들은 "평균 너비"가 사실은 기만적이라는 사실을 발견했습니다. 평균 너비와 "흔들림(wobbliness, 너비가 변하는 정도)" 사이에는 아주 느슨한 상관관계만이 존재한다는 것을 찾아냈습니다. 즉, 평균적으로는 완벽해 보이지만 실제로는 위험한 굴곡과 돌출부가 가득한 궤적이 존재할 수 있다는 것입니다. 이를 해결하기 위해 연구진은 Sspatial이라는 새로운 "안정성 점수"를 만들었습니다. 이 점수는 탐정처럼 궤적의 여정에서 얻은 일곱 가지 서로 다른 단서들을 추적합니다: 전체적인 흔들림, 시작 부분의 거동, 끝 부분의 거동, 가장 좁은 구간의 깊이, 그리고 심지어 굴곡의 "리듬"(수학적 방법을 사용하여 굴곡이 패턴을 갖는지 혹은 무작위인지 확인)까지 포함됩니다.

그들은 이 새로운 점수가 기존의 평균 방식보다 문제를 훨씬 더 잘 포착한다는 것을 발견했습니다. 레이저의 속도와 방향만을 사용하여 이 점수를 예측하려고 했을 때, 속도가 안정성에 미치는 영향을 예측하는 데는 큰 성공을 거두었습니다. 레이저 속도를 높이면 궤적이 더 흔들리는 경향이 있는데, 그들의 수학적 모델은 이를 꽤 잘 예측할 수 있었습니다. 그러나 레이저의 방향을 테스트해보지 않은 새로운 각도로 변경했을 때 어떤 일이 일어날지 예측하려고 하자 한계에 부딪혔습니다. 수학적 모델이 혼란에 빠진 것입니다. 이는 마치 자동차가 직선 도로에서는 어떻게 달리는지 알지만, 한 번도 가보지 않은 급커브 길에서는 어떻게 핸들을 조작해야 하는지 모르는 것과 같습니다.

논문은 비록 모든 가능한 각도나 출력 설정을 아직 다 예측할 수는 없지만, 그들이 테스트한 72가지 특정 조건에 대해서는 이 새로운 "안정성 지도"가 강력한 도구가 된다고 결론짓습니다. 이는 엔지니어들이 어떤 설정을 우선적으로 점검해야 하는지 결정하는 데 도움을 줍니다. 만약 어떤 설정이 이 "불안정성" 척도에서 높은 점수를 받는다면, 그것은 면밀한 검토가 필요하다는 적신호입니다. 하지만 연구진은 매우 명확하게 밝히고 있습니다: 이것은 완벽한 부품을 보장하는 마법의 수정구슬이 아닙니다. 대신, "이 특정 설정들은 궤적의 형태를 보니 불안정해 보이니, 다시 한번 확인해 봅시다"라고 알려주는 스마트한 분류 도구입니다. 이는 단순히 평균에 의존하는 것이 아니라 세부 사항에 주목함으로써, 더 강하고 안전한 금속 물체를 만드는 데 기여하는, 금속 궤적에 새겨진 숨겨진 이야기를 이해하기 위한 진일보한 단계입니다.

기술 요약: LPBF의 상대적 공간 안정성 특성화를 위한 경로 해상도 용융 트랙 폭 분석

문제 정의
레이저 분말 베드 용융(LPBF)에서 용융 트랙 폭은 전통적으로 산술 평균(평균 폭)과 같은 조건 수준 통계량을 사용하여 분석된다. 이러한 방식은 직관적이기는 하지만, 전체적인 용융 트랙의 공간적 궤적을 단일 값으로 압축함으로써 중요한 국부 정보를 손실시킨다. 구체적으로, 평균 집계 방식은 국부적인 좁아짐, 지속적인 드리프트, 클러스터링된 변동, 그리고 스캔 경로를 따른 변동의 공간적 지속성을 은폐한다. 또한, 기존의 프로세스 윈도우 연구들은 스캔 방향을 단순히 부차적인 파라미터로 취급하여, 스캔 속도와의 상호작 작용을 명시적으로 매핑하는 데 실패하고 있다. 본 연구는 단일 트랙 데이터셋에서 흔히 구할 수 없는 사후 결함 라벨(예: 기공률 또는 피로 데이터)에 의존하지 않고, 상대적 안정성을 특성화하기 위해 폭 프로파일의 공간적 순서를 유지해야 할 필요성을 다룬다.

방법론
본 연구는 EOS M290 시스템을 이용한 Ti-6Al-4V 합금의 단일 트랙 용융 트랙 폭에 대한 공개 데이터셋을 활용하였다. 실험 설계에서는 레이저 출력을 370W로 고정하는 한편, 스캔 속도(1300–1700 mm/s)와 스캔 방향(45° 간격의 0°–315°)을 변화시켜 72개의 고유한 속도-방향 조건을 생성하였다.

경로 해상도 신호 추출: 실시간 액체 용융 풀 모니터링 대신, 본 연구는 경로 위치의 함수로서 처리된 용융 트랙 폭 $Width(x)$를 분석하였다.
공간 시그니처 구축: 불안정성의 다양한 차원을 포착하기 위해 각 $Width(x)$ 궤적에서 7가지 공간 시그니처를 추출하였다.
- 진폭/변동: 폭 변동 계수(CV), 선행 구간 CV(경로의 첫 10%), 및 잔여 경로 CV(나머지 90%).
- 테일(Tail) 거동: 폭 분포의 5번째 백분위수(P5)로, 지속적인 저폭(low-width) 테일을 나타낸다.
- 공간 기억: 자기상관 함수(ACF) 상관 길이로, 폭 변동이 서로 상관 관계를 유지하는 거리를 나타낸다.
- 주파수 조직: FFT 분석으로부터 유도된 스펙트럼 엔트로피 및 고주파 에너지 분율(EHF).
복합 지수 ( $S_{spatial}$ ): 이 7가지 시그니처는 방향 일관성을 갖도록 정규화되었으며, 상대적 불안정성 순위를 매기기 위한 경험적 복합 지수인 $S_{spatial}$ 을 형성하기 위해 가중치가 부여되었다. 가중치(CV, 잔여 경로 CV, P5에는 0.20; 나머지는 0.10)는 적합된 계수가 아닌, 불안정성에 대한 경험적 근접성에 기초하여 할당되었다.
검증 및 모델링:
- 상태 분할: 조건들을 $S_{spatial}$ 의 3분위수를 기준으로 안정(Stable), 전이(Transition), 불안정(Unstable) 그룹으로 분류하였다.
- 블록 검증: 프로세스 입력값(속도, 선형 에너지, 방향 및 상호작용)으로부터 안정성 순위를 회복할 수 있는지 테스트하기 위해 Leave-One-Velocity-Out (LOVO) 및 Leave-One-Orientation-Out (LOOO) 교차 검증을 수행하였다.
- 속성 분석: 예측을 위해 Random Forest 모델을 사용하였으며, 검증된 LOVO 범위 내에서 특징 기여도를 해석하기 위해 SHAP(SHapley Additive exPlanations) 값을 활용하였다.

주요 결과

평균과 변동의 디커플링: 평균 폭과 폭 CV 사이에 완만한 음의 상관관계( $r = -0.48$ )가 발견되었다. 이는 평균 기하학적 구조가 경로 내 국부 변동 정보를 대체할 수 없음을 확인해 준다. 즉, 평균 폭이 유사한 조건이라도 매우 다른 안정성 프로파일을 보일 수 있다.
다차원적 안정성: 7가지 공간 시그니처는 경로 안정성이 단일 통계량에 의해 결정되지 않음을 보여주었다. 불안정한 조건들은 더 높은 변동 진폭뿐만 아니라 뚜렷한 공간 기억(더 긴 ACF 상관 길이)과 변화된 주파수 조직(낮은 스펙트럼 엔트로피 및 고주파 에너지 분율)을 나타냈다.
예측 성능:
- LOVO (속도 일반화): 모델은 관찰된 방향 세트 내에서 안정성 순위를 예측하는 데 강력한 성능을 보였다. Random Forest 모델은 Spearman $\rho = 0.811$ 및 평균 절대 오차(MAE) = 0.086을 달-성하였다.
- LOOO (방향 외삽): 관찰되지 않은 방향을 예측할 때 성능이 크게 저하되었다. Random Forest의 Spearman $\rho$ 는 0.554로 떨어졌으며, 상위 20%의 고불안정 조건을 추출하는 정밀도는 0.143으로 감소하였다. 이는 방향 외삽의 명확한 경계를 나타낸다.
프로세스 속성 분석: SHAP 분석 결과, 속도와 선형 에너지(고정 출력 하에서 결합됨)가 모델에 57.5% 기여하여 주요 안정성 구배를 정의하였다. 1500–1550 mm/s 부근에서 전이 영역이 식별되었다. 방향 효과는 주로 상호작용 항(기여도 28.3%)을 통해 포착되었으며, 이는 방향이 균일한 편향으로 작용하기보다 속도-에너지 응답을 조절함을 시사한다.

의의 및 주장
본 논문은 용융 트랙 폭의 유용성을 조건 수준의 평균에서 경로 해상도 공간 응답으로 확장한다고 주장한다. 주요 기여는 결함 라벨 없이도 기하학적 시그니처를 바탕으로 공정 조건을 체계화하는 테스트 가능한 상대적 안정성 지수인 $S_{spatial}$ 을 구축한 것이다.

저자들은 다음과 같이 연구의 범위와 한계를 명시적으로 정의한다:

상대적, 절대적이지 않음: $S_{spatial}$ 은 특정 고정 출력(370 W) 및 관찰된 방향 세트 내에서의 상대적 순위 지정 및 검토 우선순위 설정을 위한 경험적 지수이다. 이는 물리적 실제값(ground truth)이나 결함 확률 모델, 또는 일반적인 프로세스 윈도우가 아니다.
적용 범위의 제한: 프로세스 맵은 관찰된 72개 조건에 대해서만 유효하다. 본 연구는 속도 관련 안정성은 관찰된 방향 세트 내에서 예측 가능하지만, 관찰되지 않은 방향으로의 외삽은 밀도 높은 샘플링이나 직접적인 이미징 없이는 신뢰할 수 없음을 입증하였다.
실용적 유용성: 이 맵은 최종 품질 인증 도구라기보다는, 표적 검토, 반복 실험 또는 더 밀도 높은 방향 샘플링을 위해 고불안정 후보군(예: 상위 20%)을 식별하기 위한 도구 역할을 한다.

요약하자면, 본 연구는 용융 트랙 폭의 공간적 순서를 보존함으로써 LPBF의 상대적 공간 안정성을 특성화하는 방법론적 프레임워크를 제공하며, 방향 외삽의 구체적인 한계를 인정하는 데이터 기반의 유계된(bounded) 접근 방식을 제시한다.

유사한 논문