반응표면법 및 호감도 함수 기반 와이어 아크 적층 제조의 목표 비드 형상을 위한 공정 파라미터 최적화

Abstract

적층 제조(Additive Manufacturing)는 연속적인 층을 쌓아 제품을 제조하는 것으로서 3D프린팅이라는 이름으로 불리기도 한다. 금속 적층 제조형태 중 하나인 선재 아크형 적층 제조(Wire Arc Additive Manufacturing, WAAM)는 와이어형태의 재료를 아크 열원을 이용해 용접하고 적층 제조하는 방식이다. 아크를 이용한 적층 제조 중에서 여러 방법 중 하나인 가스 텅스텐 아크 용접(Gas Tungsten Arc Welding, GTAW)은 높은 증착률, 낮은 장비 비용 및 높은 용적률과 같은 특징을 가지고 있으며, 대형 금속 부품을 생산할 수 있는 능력으로 인하여 항공 우주, 건설, 자동차 수리, 원자력, 선박 부품 등 다양한 산업분야에서 사용된다.

가스 텅스텐 아크 용접방식을 이용한 적층 제조 과정 중 결함이 발생할 경우 즉각 조치가 불가능할 뿐만 아니라 제조과정이 완료된 이후에도 사후 수정이 불가능하다. 결함이 발생하면 제조 시에 투입된 재료, 에너지, 인건비와 같은 제조비용이 제조기업에게 손실이 된다. 이는 결국 적층 제조를 실행하는 기업에게 부정적인 영향을 미치게 된다. 그러므로 기업의 불필요한 손실을 최소화하기 위하여 결함이 있는 비드를 생산하지 않도록 사전에 방지하는 것은 제조 기업에게 중요한 이슈이다.

본 연구에서는 이러한 필요성에 따라 결함이 있는 비드 제조를 사전에 방지하고, 사용자가 원하는 형상의 용접 비드를 얻기 위한 최적의 프로세스 파라미터를 찾는 방법론을 제안한다. 본 연구는 최적의 프로세스 파라미터를 찾기 위하여 체계적인 실험에 따라 수집된 데이터를 이용하여 반응표면모델을 생성하고, 호감도 함수법을 이용하여 사용자가 원하는 타겟에 맞추어 최적화를 진행한다. 반응표면법과 호감도 함수법을 이용하여 최적화를 진행하는 과정에서 타겟 비드 형상을 맞춤과 동시에 비드 형상의 변동성이 최소화되도록 평균과 표준편차를 동시에 고려한다는 점에서 본 연구는 의의가 있다. 본 연구의 결과로 각 타겟으로 설정된 비드 형상에 맞는 최적의 프로세스 파라미터를 얻었으며, 종합 호감도 값이 평균 0.85으로 나타났다. 최적의 파라미터는 반응 회귀 모델을 검증함으로써 간접적으로 검증되었다.

본 연구에서 제안하는 방법론은 다음과 같은 순서로 진행된다. 체계적으로 설계된 실험설계에 따라 용접실험을 설계하고, 직접 용접실험을 수행한 뒤, 레이저를 이용하여 비드를 스캔하고, 컴퓨터 프로그램을 이용하여 정밀하게 측정한다. 측정데이터를 기반으로 반응표면법 및 호감도 함수법을 이용하여 사용자가 원하는 비드 형상에 맞는 최적의 프로세스 파라미터를 찾는다. 반응표면모델을 검증함으로써 도출된 최적조건을 간접적으로 검증한다. |Additive manufacturing is a product manufacturing by adding continuous layers and is also called 3D printing. Wire Arc Additive Manufacturing (WAAM), which is one of the forms of a metal additive manufacturing, is a method of manufacturing a wire-type material by welding using an arc heat source. Gas tungsten arc welding (GTAW), one of several methods of manufacturing using arcs, has characteristics such as high deposition rate, low equipment cost, and high volume rate and is used in various industries such as aerospace, construction, automobile repair, nuclear power, and ship parts. In Gas Tungsten Arc Welding, immediate correction is impossible if a defect occurs during the additive manufacturing process, and post- modification is impossible even after the manufacturing process is completed. When a defect occurs, manufacturing costs such as materials, energy, and labor costs input during manufacturing are lost to manufacturing companies. This eventually negatively affects companies that carry out additive manufacturing. Therefore, preventing defective beads from being produced in advance to minimize unnecessary losses is an important issue for manufacturing companies. In this study, we propose a methodology to prevent the manufacture of defective beads in advance and to find the optimal process parameter for obtaining welding beads of the desired shape by the user. This research generates a response surface model using data collected according to systematic experiments to find the optimal process parameter, and optimizes it to fit a target bead geometry by user using the desirability function method. This research is meaningful in that it considers both average and standard deviation so that the variability of bead shape is minimized while aligning a target bead shape in a process of optimization using the response surface methodology and the desirability function method. As a result of this study, the optimal process parameter for the bead shape set as each target was obtained, and the overall desirability function value was found to be 0.85. The optimal parameter was indirectly verified by verifying the response regression model. The methodology proposed in this study proceeds in the following order. A welding experiment is designed according to a systematically designed experimental design, actual welding experiment is performed, a bead is scanned using a laser, and a precise measurement is performed using a computer program. Based on the measurement data, the response surface methodology and the desirability function method are used to find optimal process parameters suitable for the bead geometry desired by the user. The optimal conditions derived by verifying the response surface model are indirectly verified.