코시모(CosiMo), 배터리 박스 커버 시뮬레이션 위한 첨단 스마트 열가소성 RTM 시연

"지속 가능한 모빌리티를 위한 복합소재(CosiMo)" 프로젝트는 2018년 포레시아 클린 모빌리티(프랑스 낭테르)가 지능형 금형 데이터와 사출기 및 열간 프레스 기계 데이터를 포함한 포괄적인 센서 네트워크를 활용한 스마트 열가소성 복합소재 레진 트랜스퍼 몰딩(RTM) 공정 개발을 위해 착수했습니다. 프로젝트는 2021년 말 완료 예정이며, 코시모 파트너들은 실시간 센서 데이터와 실험실 데이터 및 시뮬레이션 데이터의 소재 파라미터를 결합한 폐루프 제어에 대한 지식과 경험을 축적했습니다. 코시모는 바이에른 주 경제부, 지역 개발 및 에너지부가 캠퍼스 카본 4.0 프로그램 내에서 지원합니다.

시연 부품은 길이 1,100mm, 폭 530mm로 포레시아 클린 모빌리티의 독일 아우크스부르크 연구센터에서 설계되었습니다. 목표는 금속 및 폼 코어, 복잡한 형상, 다양한 반경, 2.5~10mm 두께 변화 등 소재와 공정의 한계를 탐구하는 것이었습니다. 아우크스부르크 섬유기술연구원(ITA)에서 제곱미터당 최대 1,000g의 유리섬유 부직포를 공급받았으며, 유리섬유 논크림프 패브릭(NCF)과 국부 보강용 탄소섬유 단방향 테이프도 조사되었습니다. 이러한 유리섬유 소재는 수명주기 종료(EOL) 복합소재 부품에서 재활용 섬유를 활용할 수 있게 합니다.

포레시아 클린 모빌리티의 부품 설계와 아우크스부르크에서 제작된 프리포밍 툴을 기반으로, 코시모의 T-RTM 공정은 크라우스마페이(KraussMaffei, 독일 뮌헨) 3K(3성분) 사출기를 사용했습니다. 이 공정은 테크날리아(Tecnalia, 스페인 도노스티아-산세바스티안)가 특허받은 2K 공정의 파생물로, 2016년 독일 뒤셀도르프 K쇼에서 크라우스마페이가 시연한 바 있습니다. 3K 사출기는 비커트(Wickert, 독일 란다우 인 데어 팔츠) 4,400킬로뉴턴 열간 프레스와 결합되었으며, 여기에 강철 RTM 툴이 설치되었습니다. RTM 툴은 독일 디트푸르트의 지벤부르스트(Siebenwurst)에서 제작되었습니다.

프로젝트의 주 목표는 센서가 장착된 RTM 금형과 열간 프레스를 이용한 단일 단계 T-RTM 공정의 완전 자동화와 센서 기반 공정 제어를 조사하는 것이었습니다. 독일 항공우주센터(DLR) 경량 생산 기술 센터(ZLP, 아우크스부르크)에서 약 100개의 시연 부품이 제작되었습니다. DLR ZLP 코시모 제조 프로젝트 리더 얀 파버(Jan Faber)는 "이 부품들은 다양한 보강재로 제작되었으며 고품질이고 높은 재현성을 입증했습니다"라고 말합니다.

"HAP 3 - 지능형 툴링" 작업 패키지의 프로젝트 리더로서 DLR ZLP는 "HAP 1 - 맞춤형 부직포" 및 "HAP 2 - 반응성 시스템" 작업 패키지의 기초 소재 특성화와 "HAP 4 - 데이터 기반 공정 제어" 간의 핵심 인터페이스 역할도 수행했습니다.

센서 네트워크

강철 RTM 툴링에 70개 이상의 센서가 통합되어 레진 주입 및 인시투 중합 중 공정 파라미터를 모니터링합니다. 이 네트워크는 키슬러(Kistler, 스위스 빈터투어)의 복합 압력/온도 센서, 네츠쉬(Netzsch, 독일 젤브)의 유전 센서, 아우크스부르크 대학에서 개발한 초음파 센서 등 다양한 센서로 구성됩니다. 후자는 널리 사용되는 상용 압전 센서 개념을 기반으로 하지만, 열가소성 복합소재 가공의 고온 및 금형 내 통합 요구사항에 맞게 수정되었습니다. 소재, 공정 및 기계 데이터는 iba AG(독일 퓌르트)의 중앙 데이터 수집 시스템에 의해 수집, 처리된 후 머신러닝 플랫폼으로 발행됩니다.

공정 시뮬레이션 및 최적화

센서 네트워크는 레진 흐름과 중합 모니터링뿐만 아니라 복잡한 툴 형상 내 부품 파라미터 추적을 가능하게 했습니다. 온도와 압력 같은 공정 파라미터는 실시간 레진 충전 및 중합 거동 분석에 사용되었습니다.

센서의 공정 파라미터 데이터는 공정 시뮬레이션 모델 최적화에도 활용되었습니다. 사전 정의된 제조 시연기를 기반으로 부품 제조의 부분 공정(예: 레진 충전 시뮬레이션)과 중합된 부품 특성(예: 변형 시뮬레이션)이 ESI PAM 복합소재 소프트웨어(ESI Group, 프랑스 룽기스)로 모델링되었습니다. DLR ZLP는 이 시뮬레이션 결과를 실제 공정 데이터와 비교하여 HP3 작업 패키지의 일환으로 T-RTM 공정을 최적화했습니다.

프로젝트는 머신러닝 방법을 기반으로 한 자동화된 시뮬레이션 데이터 기반 공정 제어를 개발했습니다. 아우크스부르크 대학 소프트웨어 및 시스템 공학 연구소(ISSE, 라이트 교수)는 머신러닝 훈련 데이터를 생성하고 중합 상태, 중합에 필요한 시간, 레진 주입, 충전 및 중합 부분 공정 중 잠재적 문제를 예측하는 인공지능(AI) 모델을 개발했습니다. 이는 프로젝트 핵심 파트너인 쿠카(Kuka, 독일 아우크스부르크)와 협력하여 수행되었습니다.

중합 진행을 설명하는 운동 모델은 아우크스부르크 대학 재료 자원 관리 연구소(MRM)에서 개발했습니다. 네츠쉬도 핵심 협력자로서 열경화성 공정 모니터링 지식을 열가소성 공정 모니터링으로 이전하여 예측 AI 모델이 PA6 중합 완료 시점과 중합 상태를 예측할 수 있도록 도왔습니다.

부품 제작 및 시험

부품 생산을 위해 강철 툴링을 170°C로 가열하고 반응성 카프로락탐 수지 성분을 120°C로 가열했습니다. 프리폼을 금형에 넣고 닫은 후, 프리폼이 금형 온도에 도달할 때까지 잠시 대기했습니다. 이후 카프로락탐 모노머를 주입하는 데 20~25초가 소요되었습니다. 공정 시뮬레이션에 따르면 주입 후 5.7분 만에 98.5% 전환율로 인시투 중합이 완료되었습니다. 이 시간이 지나면 프레스를 열고 170°C에서 부품을 탈형했습니다.

중합도는 적외선 분광법, 레오메트릭 데이터, 중합 DEA 센서 분석으로 확인되었습니다. 완성된 부품은 현미경 검사, 열화상, 공기 결합 초음파 등 비파괴 시험으로 평가되었습니다. 부품 품질은 공정 센서 데이터와 연계되어 시판 중인 유사 유리섬유/열가소성 부품과 비교되었습니다.

향후 개발

DLR ZLP의 파버는 이 프로젝트가 성공적이었다고 평가합니다. "우리는 우리 몫을 완수했고, 센서를 활용해 복합소재 가공의 완전한 디지털 폐루프 제어를 달성하는 데 대한 많은 지식을 개발했습니다." 그는 "산업용 양산에서는 이 많은 센서를 설치하지 않을 것이며 우리도 그것을 기대하지 않습니다. 하지만 이 연구 조사에서는 대규모 센서 네트워크가 매우 정밀해 공정과 소재 거동에 대한 완전한 가시성을 제공했습니다. 부품 두께 변화나 폼 코어 같은 통합 소재에 대한 공정의 국부적 효과를 볼 수 있었습니다."라고 설명합니다.

그는 이 프로젝트가 많은 지식을 창출했으며, 과거에 부품 품질 이슈 리스크가 역사적으로 매우 높았던 느린 RTM 및 인퓨전 공정에 적용할 미래 잠재력을 보고 있다고 덧붙입니다. 파버는 9월 29일 수요일 SAMPE 유럽 21 컨퍼런스 세션 1, 룸 1 - 자동차 세션에서 "카프로락탐을 이용한 T-RTM 제조에서 인시투 중합의 센서 기반 공정 모니터링" 주제로 코시모 프로젝트 개발 사항과 결과를 발표할 예정입니다.

DLR ZLP는 2021년 1월 설립된 아우크스부르크 AI(인공지능) 생산 네트워크의 세 핵심 파트너 중 하나로, 아우크스부르크 대학과 프라운호퍼 주조, 복합소재 및 가공 기술 연구소(Fraunhofer IGCV)도 참여합니다. AI 생산 네트워크 디렉터이자 코시모 프로젝트 연구원으로 초음파 센서를 개발하는 마르쿠스 자우제(Dr. Markus Sause) 박사는 "우리는 코시모 프로젝트에서 강조된 협업 청사진을 훨씬 더 큰 규모로 확장하여, 복합소재에 강한 초점을 맞춘 생산용 AI 기술을 개발할 것입니다. 2022년 개장할 아우크스부르크의 새로운 5,000평방미터 시설에는 내년 내내 다양한 기계가 갖춰져 기업들이 생산 현장에서 AI가 실제 공정에 무엇을 할 수 있는지 시연을 볼 수 있게 될 것입니다."라고 말합니다.

한편 포레시아 클린 모빌리티는 코시모 프로젝트에서 얻은 지식을 내부적으로 확장할 예정이며, 이는 포레시아의 지속가능성 전략 및 생태적 전환과 완전히 부합합니다. 포레시아는 이 연구 프로젝트를 재정적으로 지원한 바이에른 주 경제부, 지역 개발 및 에너지부에 감사를 표합니다.