Predictive Modelling of the Mechanical Strength of Wire Arc Additive Manufactured Metal Parts

거대한 금속 부품들이 몰드에 부어 만들거나 고체 블록을 깎아 만드는 것이 아니라, 매우 정밀하고 빠른 버전의 3D 프린터처럼 층층이 쌓여 만들어지는 공장 바닥을 상상해 보십시오. 와이어 아크 적층 제조(wire arc additive manufacturing)라고 알려진 이 공정은 연속적인 금속 와이어를 강력한 전기 아크로 녹여 얇은 비드를 퇴적시키고, 이 비드들을 서로 융합시켜 복잡한 구조물을 형성합니다. 이 기술은 선박, 항공기, 중장비를 위한 거대한 부품을 제작할 수 있는 능력을 갖추고 있으며, 과거에는 만들 수 없었거나 만드는 데 비용이 너무 많이 들었던 것들을 만들어내는 방법을 제시합니다. 그러나 이 공정은 강렬하고 국부적인 열이 반복적으로 가해지고 제거되는 방식에 의존하기 때문에, 부품 내부의 금속은 혼란스러운 열 이력을 겪게 됩니다. 용융된 금속이 냉각되고 응고됨에 따라, 이는 최종 물체의 강도를 결정하는 미세한 내부 구조를 형성합니다. 만약 열이 너무 느리게 가해지거나 냉각이 너무 불균일하면, 금속에 약점이나 숨겨진 균열이 생기거나, 스트레스 하에서 파손되기 쉬운 거친 내부 질감이 생길 수 있습니다. 이 기술이 프로토타입 제작을 넘어 핵심 안전 부품을 제작하는 단계로 나아가기 위해서는, 엔지니어들이 기계를 켜기도 전에 부품이 정확히 얼마나 강할지를 예측할 수 있는 신뢰할 수 있는 방법이 필요합니다.

수년 동안 연구자들은 두 가지 주요 접근 방식을 사용하여 이 수수께집을 풀기 위해 노력해 왔습니다. 한 가지 방법은 방대한 양의 실험 데이터를 수집하고 컴퓨터 프로그램을 사용하여 패턴을 찾는 것으로, 본질적으로 과거에 일어났던 일을 바탕으로 결과를 추측하는 것입니다. 다른 한가지는 열이 금속을 통해 어떻게 이동하는지 추적하는 복잡한 물리 시뮬레이션을 사용하는 것입니다. 두 방법 모두 한계가 있습니다. 데이터 기반의 추측은 새로운 상황에 적용될 때 실패하는 경우가 많으며, 물리 시뮬레이션은 실행하는 데 며칠이 걸릴 수 있어 실시간 의사결정에는 너무 느립니다. 케네디 오사이헤 아메두(Kennedy Osaighe Amedu)와 폴 카(Paul Kah)의 새로운 연구는 다른 길을 제안합니다. 과거의 데이터에만 의존하거나 무거운 시뮬레이션에 의존하는 대신, 그들은 금속이 녹고 식을 때 금속을 지배하는 물리적 기본 법칙에 뿌리를 둔 예측 모델을 구축했습니다. 그들의 목표는 운영자가 기계에서 선택하는 설정값과 최종 금속 부품의 강도 사이에 명확하고 직접적인 연결 고리를 만들어, 수백 개의 물리적 샘플을 먼저 출력하고 테스트할 필요 없이 강력한 부품을 위한 완벽한 레시피를 계산할 수 있도록 하는 것이었습니다.

연구진은 건설 및 제조에 흔히 사용되는 재료인 특정 종류의 연강(mild steel)에 초점을 맞추었으며, 제조 과정을 일련의 연결된 물리적 사건으로 취급했습니다. 그들은 먼저 금속이 만들어지는 동안의 온도 이야기인 열 이력을 모델링하는 것부터 시작했습니다. 그들은 뜨거운 아크가 지나간 후 금속이 얼마나 빨리 냉각되는지를 계산했는데, 이 냉각 속도가 금속의 내부 구조를 구성하는 작은 결정, 즉 결정립(grain)의 크기를 결정하는 가장 중요한 요소라는 것을 알고 있었기 때문입니다. 금속이 빠르게 냉각되면 결정립은 작고 빽빽하게 유지되지만, 천천히 냉각되면 결정립이 커지고 약해집니다. 연구팀은 이 결정립의 크기를 금속의 강도와 연결했는데, 작은 결정립이 더 많은 경계면을 만들어 압력 하에서 금속의 변형을 막는 장벽 역할을 한다는 확립된 원리를 사용했습니다. 또한 그들은 금속 원자들이 어떻게 배열되는지, 그리고 급격한 냉각 과정 중에 결정 격자 내에 얼마나 많은 결함(dislocations)이 갇히는지와 같은 다른 강화 요인들도 고려했습니다.

이러한 물리적 원리들을 엮어냄으로써, 팀은 토치가 얼마나 빨리 움직이는지, 얼마만큼의 전류가 사용되는지, 와이어가 얼마나 빨리 공급되는지와 같은 기계 설정값을 입력받아 결과물인 항복 강도(금속이 영구적으로 휘기 시작하는 지점)를 예측할 수 있는 수학적 프레임워크를 만들었습니다. 그런 다음 그들은 이 프레임워크를 사용하여 최적화 탐색을 수행하여, 융합 부족(layers fail to stick together)이나 균열과 같은 일반적인 결함을 피하면서 가능한 가장 강한 부품을 생성할 수 있는 구체적인 설정 조합을 찾았습니다. 모델은 기계와 재료의 물리적 한계를 준수해야 했으며, 제안된 설정이 이론적으로만 강한 것이 아니라 실제로 구현 가능하도록 보장해야 했습니다. 예를 들어, 와이어를 적절히 녹일 만큼 충분한 열 입력을 유지하면서도 결정립을 작게 유지할 만큼 열 입력을 낮게 유지해야 했고, 와이어 공급 속도가 형상을 안정적으로 유지할 수 있도록 이동 속도와 일치해야 했습니다.

연구진이 이 모델을 연강 사례 연구에 적용했을 때, 결과는 놀라웠습니다. 최적화 과정은 안전한 범위 내에서 냉각 속도를 극대화하고 열 입력을 최소화하는 특정 매개변수 세트를 식별했습니다. 모델은 토치를 분당 425밀리미터 속도로 이동시키고, 175암페어의 전류를 사용하며, 이전에 퇴적된 층의 온도를 50도 섭씨만큼 낮게 유지하면, 결과물은 428.5메가파스칼의 항복 강도를 달성할 것이라고 예측했습니다. 이는 일반적으로 342에서 357메가파스칼 범위의 강도를 생성하는 표준적인 비최적화 인쇄 방식보다 유의미한 개선입니다. 모델은 이러한 개선의 핵심이 매우 빠른 냉각 속도를 유지함으로써 금속이 미세하고 조밀한 결정 구조로 응고되도록 강제했다는 점임을 보여주었습니다. 연구진은 자신들의 예측을 다른 연구의 기존 실험 데이터와 비교하여 검증했으며, 최적화된 결과가 능동적인 냉각 조치를 사용하여 강도를 더 높인 실제 테스트에서 관찰된 강도 범위 내에 안정적으로 들어온다는 것을 발견했습니다.

본 연구는 제한된 데이터셋을 바탕으로 결과를 추측하려는 순수 경험적 방법에 대해 명시적으로 반론을 제기하며, 그러한 접근 방식은 새로운 조건에 직면하거나 결과의 근본적인 "이유"를 이해하려고 할 때 자주 실패한다는 점을 지적합니다. 대신, 저자들은 열역학 및 금속학의 기본 원리에 기반한 모델이 성능을 예측할 수 있는 강력하고 일반화 가능한 도구를 제공할 수 있음을 입증합니다. 그들은 단순히 토치의 속도를 높이거나 층 사이의 온도를 낮추는 것이 단순히 부품의 모양을 바꾸는 것이 아니라, 내부 구조를 근본적으로 변화시켜 표준 산업용 금속을 고성능 재료로 탈바꿈시킨다는 것을 발견했습니다. 이 연구는 이러한 접근 방식이 엔지니어가 실제 물리적 생산에 착수하기 전에 컴퓨터에서 전략을 테스트하고 개선할 수 있는 가상 복제본인 '디지털 트윈'의 기초가 될 수 있음을 시사합니다.

이 연구는 특정 유형의 강철에 초점을 맞추고 있지만, 개발된 프레임워크는 적응 가능하도록 설계되었습니다. 저자들은 물리적 상수를 특정 재료에 맞춰 조정함으로써 동일한 논리를 항공우주나 극한 환경에 사용되는 더 복잡한 합금에도 적용할 수 있다고 제안합니다. 이 작업은 적층 제조의 모든 문제를 해결했다고 주장하거나 물리적 테스트가 더 이상 필요하지 않다고 주장하는 것이 아닙니다. 오히려, 이는 가능성을 좁힐 수 있는 강력한 새로운 방법을 제공하며, 비용이 많이 드는 시행착오 실험의 필요성을 줄이고 더 강하고 신뢰할 수 있는 금속 부품을 생산하기 위한 명확한 물리 기반의 로드맵을 제공합니다. 기계의 다이얼을 금속 내부의 미시 세계와 직접 연결함으로써, 이 연구는 적층 제조가 미래의 핵심 인프라를 구축하는 표준적인 방법이 되는 데 한 걸음 더 다가서게 합니다.