AI 기반 대체 모델로 실시간 복합재 제조 시뮬레이션 가속화

소스 | IMEA

IMDEA 재료 연구소(스페인 마드리드)와 마드리드 기술 대학교(UPM)에서 최근 발표한 연구는 복합 제조 공정에 대한 실시간 시뮬레이션 기능을 향상시키는 것을 목표로 합니다.

"구조화되지 않은 3D 그리드의 액체 복합 성형 충전 시뮬레이션을 위한 심층 대용 모델"이라는 연구는 IMDEA Materials의 Carlos González 교수, Davide Mocerino 박사, 박사 전 연구원 Sofia Fernández León 및 UPM 교수가 공동 저술했습니다. 로베르토 발레 페르난데스와 루이스 바우멜라.

추천 콘텐츠

연구원들은 자신들의 연구가 복합 제조 공정에서 유체 흐름을 시뮬레이션하기 위한 현재 딥 러닝 대체 모델의 주요 한계를 다루고 있으며, 결과는 고급 제조 공정에서 효율성, 적응성 및 탄력성을 향상시키기 위한 데이터 기반 접근 방식의 잠재력을 강조한다고 말합니다.

연구원들에 따르면, 액체 복합 성형(LCM) 시뮬레이션은 제조 공정을 최적화하고 보이드 형성과 같은 결함을 줄이는 데 필수적입니다. 그러나 높은 계산 비용으로 인해 전통적으로 실시간 애플리케이션에서의 사용이 제한되었습니다. 이 연구는 밀리초 단위로 정확한 예측을 제공할 수 있는 딥 러닝 기반 대리 모델링 프레임워크를 도입하여 디지털 트윈 및 적응형 프로세스 제어에 대한 새로운 가능성을 열어 이러한 과제를 해결합니다.

Fernández León은 "여기서 중요한 혁신은 산업 환경에서 흔히 볼 수 있는 불규칙하고 구조화되지 않은 메시에 대해 계산 효율성, 높은 정확성 및 견고성을 달성하여 이 분야의 주요 병목 현상 중 하나를 극복하는 데 있습니다."라고 설명합니다. "이러한 요구 사항은 기존 신경망 접근 방식으로 동시에 충족되는 경우가 거의 없습니다."

또한 연구원들은 T자형 스트링거와 같은 복잡한 형상을 평면 영역으로 분할하고 인터페이스 전반에 걸쳐 일관성을 보장함으로써 모델링하기 위해 다중 분기 인코더-디코더 아키텍처를 도입했습니다.

동시에 Fernández León은 "제안된 그리드 매핑 기술을 사용하면 구조화되지 않은 3D 도메인에서 컨볼루션 신경망을 사용하여 정확도를 유지하면서 현실적인 제조 시나리오에 대한 적용 가능성을 확장할 수 있습니다"라고 덧붙입니다.

결과로 나온 대리 모델은 고충실도 시뮬레이션과 실험 데이터 모두와 강력하게 일치하는 동시에 기존 방법에 비해 4~5배의 속도 향상을 달성했다고 합니다. 이러한 수준의 성능은 디지털 제조 환경에서 실시간 배포를 가능하게 하여 보다 효율적이고 적응력이 뛰어나며 탄력적인 복합 생산 프로세스를 지원하는 것을 목표로 합니다.

Fernández León은 "이 연구는 첨단 제조와 인공 지능을 결합하여 완전히 통합된 데이터 기반 생산 시스템을 향한 길을 닦는 혁신적인 잠재력을 강조합니다."라고 말합니다.