Powder-Dependent Temporal Observability Windows of In-Process Monitoring Signals in Laser Powder Bed Fusion

현대 제조 기술의 세계에는 레이저 분말 베드 융해(Laser Powder Bed Fusion)라고 불리는 기술이 있습니다. 이 기술은 고출력 레이저로 미세한 금속 가루를 녹여 복잡한 금속 부품을 만듭니다. 기계가 가루 침대 위에 모양을 그리고, 그것을 녹여 단단한 층을 만든 다음, 3차원 물체를 만들기 위해 이 과정을 수백 번 반복하는 모습을 상상해 보십시오. 이 방식은 비행기, 의료용 임플란트, 에너지 시스템을 위한 경량 부품을 만드는 데 필수적입니다. 하지만 이 과정은 제어하기가 매우 까다롭기로 유명합니다. 기계 내부에서 레이저는 육안으로는 보이지 않는 아주 작고 뜨거운 용융 풀(molten metal pool)을 만들어냅니다. 기계가 위쪽으로 쌓아 올림에 따라, 이미 식어버린 층 아래 깊숙한 곳에 미세한 구멍이나 균열 같은 결함이 생길 수 있습니다. 이러한 결함은 내부에 숨겨져 있기 때문에, 부품이 완성되어 잘려 나가기 전까지는 종종 발견되지 않습니다. 이는 시간 낭비와 값비싼 재료 손실을 초래합니다.

이를 해결하기 위해 엔지니어들은 "인시투(in-situ)" 모니터링 시스템을 개발했습니다. 이것은 기계 내부에 장착된 카메라와 센서로, 층층이 형성되는 용융 금속 풀을 관찰합니다. 연구자들의 희망은 이 빛과 열을 관찰함으로써, 기계가 불량 부품을 만들기 전에 즉각적으로 문제를 포착하고 멈추는 것이었습니다. 오랫동안 지배적이었던 생각은 이러한 센서들이 모든 유형의 금속 분말에 대해 동일하게 작동해야 하며, 결함이 발생하는 즉시 센서에 나타날 것이라는 점이었습니다. 하지만 새로운 연구는 이러한 관점이 너무 단순하다고 제안합니다. 연구 결과에 따르면, 센서가 실제로 부품의 양불 여부를 판별할 수 있는 시점은 사용되는 특정 분말의 종류에 전적으로 달려 있으며, 이 "진실의 순간"은 제작 과정 중 매우 다른 시점에 발생할 수 있다는 것입니다.

Oerlikon AM Europe GmbH의 사이먼 산카레(Simon Sankare)가 이끄는 연구팀은 이 아이디어를 테스트하기 위해 흔히 쓰이는 알루미늄 합금인 AlSi10Mg를 사용하여 실험을 진행했습니다. 그들은 단 한 가지 종류의 분말만을 본 것이 아니라, 서로 다른 물리적 특성을 가진 네 가지 별도의 배치를 수집했습니다. 한 배치는 매우 둥글고 매끄러운 입자로 만들어졌습니다. 다른 하나는 크고 작은 입자가 섞여 있었습니다. 세 번째는 사용 후 다시 녹여 만든 재활용 분말로, 불순물이 더 많았습니다. 네 번째는 표준적인 단일 크기의 분말이었습니다. 공정한 테스트를 위해 그들은 네 가지 유형 모두에 대해 정확히 동일한 기계 설정과 레이저 출력을 사용했으며, 총 119개의 금속 부품을 출력했습니다. 그런 다음 그들은 부품의 단면을 조사하여 어떤 것이 견고하고 어떤 것이 내부 결함을 가지고 있는지 확인했습니다.

그 후 팀은 기계에 기록된 센서 데이터를 다시 검토했습니다. 그들은 센서 데이터를 초 단위나 층 단위로 보는 대신, 시간이 흐름에 따라 나타나는 패턴을 찾았습니다. 그들은 간단한 질문을 던졌습니다: 제작 과정 중 어느 시점에서 센서 데이터가 최종 부품의 결함 여부를 신뢰성 있게 예측하기 시작하는가? 그들은 전체 빌드 높이를 스캔하며, 신호가 유용해지는 시점을 확인하기 위해 다양한 시간 창(time windows)을 테스트했습니다.

결과는 놀라웠으며, 모든 분말에 적용되는 단일 규칙은 없다는 것을 보여주었습니다. 가장 둥글고 매끄러운 분말의 경우, 센서는 제작 초기 단계, 즉 빌드 높이의 처음 10~30% 구간에서 품질을 매우 잘 예측했습니다. 이 초기 구간은 고품질 분말의 경우 기계가 빠르게 안정적인 리듬을 찾으며, 문제가 발생하면 거의 즉시 드러난다는 것을 시사합니다. 반면, 입자 크기가 혼합된 분말은 초기 가열 단계를 지나 약 30% 지점인 제작 중간 단계에서 가장 좋은 예측 신호를 보여주었습니다.

가장 놀라운 발견은 재활용 분말에서 나왔습니다. 이 배치의 경우, 센서는 제작 과정의 첫 70% 동안 거의 무용지물이었습니다. 데이터는 제작의 마지막 4분의 1 지점인 70~75% 높이 사이에서야 정보를 제공하기 시작했습니다. 이것이 반드시 결함이 마지막에 나타났음을 의미하는 것은 아닙니다. 오히려 재활용 분말은 변동성이 너무 커서, 센서 신호가 양품과 불량품을 구분할 수 있을 만큼 명확해지려면 기계가 상당한 양의 재료를 먼저 출력해야 함을 시사합니다. 표준 단일 크기 분말은 특정 시점에 명확하고 신뢰할 수 있는 패턴을 보이지 않은 유일한 사례였으며, 이는 이 재료에 대해 센서 신호가 최종 결과의 강력한 예측 인자가 아니었음을 나타냅니다.

연구팀은 데이터 분석 방식도 살펴보았습니다. 그들은 신호의 단일한 극단적 스파이크를 찾는 것보다, 시간에 따른 신호의 평균적인 안정성을 측정하는 것이 더 중요하다는 것을 발견했습니다. 가장 성공적인 예측은 단 하나의 나쁜 순간을 포착하는 것이 아니라, 일정 기간 동안 신호가 얼마나 요동치는지를 측정하는 데서 왔습니다. 또한, 연구진은 이러한 발견이 사용된 특정 기계 설정의 결과인지 테스트했습니다. 그들은 이러한 예측 창의 타이밍이 레이저 설정이 아닌 분말 자체와 연결되어 있음을 확인했습니다. 그들이 매끄러운 분말의 "조기 경보" 창을 사용하여 재활용 분말의 품질를 예측하려 했을 때, 그 시도는 완전히 실패했습니다. 이는 한 종류의 분말에 적합한 모니터링 전략을 다른 종류의 분말에 맹목적으로 복제해서는 안 된다는 것을 증명했습니다.

이 연구는 이러한 기계들을 모니터링하는 방식에 대한 우리의 생각을 바꿉니다. 이는 모든 금속에 대해 동일하게 작동하는 보편적인 "감시자(watchdog)"라는 개념이 결함이 있음을 시사합니다. 대신, 모니터링의 최선의 방법은 사용되는 분말의 특정 특성에 맞춰져야 합니다. 어떤 재료의 경우 제작의 아주 초기 단계를 주시해야 하고, 다른 재료의 경우 신호가 유용한 정보를 제공할 때까지 기다려야 합니다. 이 연구는 효과적인 모니터링 전략이 단일한 고정 규칙에 의존하기보다, 분말에 맞춰 조정되어야 한다고 결론짓습니다. 정보가 언제 가용해지는지를 이해함으로써, 제조업체는 기계의 눈을 언제 믿어야 할지 정확히 알게 되어 시간과 자원을 더욱 정확하게 절약할 수 있습니다.