기술 요약: 복합 형상 일체형 패널의 쇼트 피닝 성형을 위한 지능형 경로 계획 및 이송 속도 예측 알고리즘

1. 문제 정의

윙 일체형 패널(wing integral panel)의 제조는 쇼트 피닝 성형 시 공정 계획 측면에서 상당한 어려움에 직면해 있으며, 특히 원하는 성형 프로파일로부터 최적의 공정 파라미터를 역으로 결정하는 데 있어 어려움이 크다. 일체형 패널은 가변 두께, 가변 곡률, 내부 보강 구조(스트링거, 프레임)를 포함하는 복잡한 구조적 특징을 가진다. 핵심적인 난제는 쇼트 피닝 공정의 다단계 인과 관계, 즉 미시적 소성 변형, 메조스코픽 누적 피복 효과, 그리고 거시적 구조 굽힘의 연쇄 작용에 있다.

기존의 경로 계획 알고리즘은 실제 성형 효율을 고려하지 못하는 경우가 많으며, 파라미터 예측 방법은 이송 속도, 피복률, 곡률 사이의 비선형적, 포화적, 임계값 의존적 관계를 처리하는 데 어려움을 겪는다. 또한, 기존 연구는 주로 평판이나 단일 곡률 패널에 의존하여, 복잡한 리브 구조에서 정점 정밀도(point precision)가 표면 정밀도(surface precision)로 전이되는 과정에서 적층 구조(integral stiffeners)가 변형을 어떻게 제한하는지에 대한 이해가 부족하다. 따라서 성형 정확도와 효율성을 모두 보장하기 위해 경로 계획과 고정밀 이송 속도 예측을 통합하는 지능형 알고리즘이 필요하다.

2. 방법론

본 연구는 기하학적 분석, 실험적 지식 습득, 비교 모델링을 결합한 종합적인 프레임워크를 제안한다.

A. 구조 분석 및 경로 계획

• 기하학적 근사: 전형적인 일체형 패널(Al7050-T7451, 2000mm×2000mm)을 분석한 결과, 스팬 방향(spanwise) 곡률 반경이 충분히 커서(>16,000 mm) 해당 부품을 단일 곡률 표면으로 근사할 수 있음을 결정하였다. 이에 따라 성형은 주로 코드 방향(chordwise) 곡률에 의해 주도된다.
• 극값 곡률 추적: 패널 외면의 극값 곡률선(특히 최소 곡률선)을 추적하는 초기 경로 계획 알고리즘을 구축하였다. 이는 쇼트 피닝 경로가 변형의 주 방향과 일치하도록 보장한다.
• 등강도 영역 병합: 가공 효율을 높이기 위해 계산된 경로상의 이산 점들을 "등강도 영역(equal-strength regions)"으로 병합한다. 이 알고리즘은 지역 평균 대비 이송 속도 차이가 정의된 임계값(DeltaV) 미만인 점들을 반복적으로 그룹화하여, 기계의 이송 속도 조정 빈도를 줄인다.

B. 지식 습득 및 실험 설계

• 구조적 영향 검증: 다양한 베이스 두께(2–4 mm)와 스트링거 두께(6 mm 및 8 mm)를 가진 평판, I형 스트링거, T형 스트링거 시편을 대상으로 실험을 수행하였다. 본 연구의 목적은 평판 데이터가 리브 구조의 등가물로 사용될 수 있는지 확인하는 것이다.
• 이송 속도 데이터 습득: 네 가지 두께(2–5 mm)를 가진 평판 시편(200 mm × 50 mm)에 대해 일정한 공정 파라미터(공기 압력 0.15 MPa, 쇼트 유량 10 kg/min, 각도 90°) 하에서 11가지 다른 이송 속도(50–690 mm/s)를 적용하였다. 이를 통해 두께, 곡률 반경, 이송 속도 간의 관계를 나타내는 고품질 데이터셋을 생성하였다.

C. 예측 모델 구축 및 비교
국부적 두께와 곡률 반경에 따른 요구 이송 속도를 예측하기 위해 세 가지 별도의 알고리즘을 개발하였다:

1. 다중 회귀 분석(Multiple Regression Analysis): 곡률 반경, 두께, 이송 속도 사이의 거듭제곱 법칙 관계를 피팅하기 위해 로그 변환을 적용하였다.
2. BP 인공신경망(ANN): 6개의 입력 뉴런, 13개의 은닉 뉴런, 1개의 출력 뉴런을 가진 3층 순방향 네트워크를 사용하여, 재료 및 기하학적 파라미터를 이송 속도로 매핑하기 위해 역전파(back-propagation)를 통해 학습시켰다.
3. 선형 보간법(Linear Interpolation): 실험 데이터셋의 경계값을 활용하여 중간 기하학적 파라미터에 대한 이송 속도를 보간하는 방법이다.

3. 주요 기여

• 경로 계획 알고리즘: 극값 곡률 추적과 등강도 영역 병합 전략을 결합한 일체형 패널 전용 알고리즘을 도입하였다. 이 접근 방식은 기하학적 정확도와 공정 효율성 사이의 절충안을 직접적으로 해결한다.
• 구조적 등가성 검증: 비교 실험을 통해 스트링거 두께가 8 mm 미만인 경우, T형 및 I형 리브가 코드 방향 성형에 미치는 구속 효과가 미미함(편차 < 0.5 mm/m)을 입증하였다. 이는 복잡한 부품의 데이터 습득을 단순화하기 위해 평판 시편을 등가 구조로 사용할 수 있음을 검증한다.
• 모델 선택 및 검증: 회귀 분석, 신경망, 보간법에 대한 엄격한 비교 평가를 제공한다. 본 연구는 다른 모델들에 비해 안정성이 높고 변동이 적은 선형 보간법이 이 특정 응용 분야에 가장 우수한 방법임을 식별하였다.

4. 결과

• 실험적 결과: 실험을 통해 T형 스트링거(상단 두께 12 mm)가 8 mm I형 스트링거보다 변형 저항이 적지만, 두께가 8 mm 미만인 경우에는 두 형태 모두 평판과 유사함을 확인하였다. 시편 유형 간 최대 곡률 반경 편차는 3.9%였다.
• 모델 성능:
  • BP 신경망은 훈련 샘м플에서 평균 7.9%, 테스트 샘플에서 10.8%의 오차를 보였으며, 3.5–4 mm 두께 범위에서 눈에 띄는 변동을 보였다.
  • 회귀 분석은 4 mm 두께에서 변곡점을 나타냈으며, 3–4 mm 범위에서 최대 9.2%의 편차를 보였다.
  • 선형 보간법은 가장 안정적이고 완만한 변화를 제공하였으며, 특정 두께 범위에서 다른 방법들과 비교했을 때 오차가 1.3% 및 3.9%에 불과했다.
• 실제 부품 적용: 선정된 선형 보간법을 실제 일체형 패널에 적용하였다. 등강도 병합 알고리즘을 통해 경로당 이송 속도 조정 횟수를 39회에서 7회로 줄여 효율성을 크게 향상시켰다.
• 성형 정확도: 일체형 패널에 대한 물리적 성형 테스트 결과, 설계 모델 대비 평균 전체 편차가 ±1.0 mm 이내로 나타났다. 성형된 부품과 검사 지그 사이의 간극은 0.5 mm 미만으로, 산업적 정밀도 요구 사항을 충족하였다.

5. 의의 및 주장

본 논문은 복잡한 일체형 패널의 쇼트 피닝 성형을 위한 실용적이고 고정밀한 솔루션을 제공한다고 주장한다. 구조적 단순화(평판 등가물 사용)와 지능형 파라미터 예측(선형 보간을 통한) 사이의 연결 고리를 구축함으로써, 본 방법은 이론적 공정 설계와 산업적 적용 사이의 간극을 효과적으로 메운다.

본 연구의 의의는 다음과 같다:

1. 효율성 증대: 이송 속도 조정을 줄임으로써 기계의 유휴 시간을 최소화하고 처리량을 개선한다.
2. 정확도 보장: 제안된 알고리즘은 항공기 날개 부품에 요구되는 엄격한 공차를 만족하는 ±1.0 mm 이내의 성형 편차를 달성한다.
3. 강건한 프레임워크 제공: 특정 구조적 제약(스트링거 두께 < 8 mm) 하에서 복잡한 리브 형상을 파라미터 계산을 위한 등가 평면으로 취급할 수 있음을 검증하여, 정밀도를 희생하지 않으면서도 지식 습득 과정을 단순화할 수 있음을 보여준다.

저자들은 자신들의 방법이 신속하고 고정밀한 성형을 가능하게 하여, 복잡한 일체형 패널을 위한 NC 프로그램을 생성하는 데 신뢰할 수 있는 기반을 제공한다고 결론짓는다. 향후 연구에서는 예측 정확도를 더욱 정교하게 하기 위해 전체 제조 체인(밀링, 쇼트 피닝, 표면 강화)을 통합할 것을 제안한다.