재료硏, 금속 3D 프린팅 부품 결함 예측 AI 모델 개발

한국재료연구원(KIMS) 나노재료연구본부 연구팀이 독일 막스플랑크 연구소와 함께 금속 3D 프린팅 부품의 내부 결함 발생을 예측하는 인공지능(AI) 기반 모델을 개발했다고 밝혔다.

이번 성과는 금속 3D 프린팅 부품의 품질 신뢰성을 크게 끌어올리고 산업 현장의 양산 적용 가능성을 확대할 수 있는 기술로 평가된다.

금속 3D 프린팅은 복잡한 형상의 고부가가치 부품을 만들 수 있는 차세대 제조 기술로 주목받지만, 공정 중 생기는 미세한 내부 결함이 부품 파손과 성능 저하를 일으켜 산업 적용에 한계가 있었다.

기존에는 기공률 같은 단순 지표로 품질을 평가했으나, 실제로는 결함의 모양, 크기, 위치, 분포에 따라 기계적 성능에 미치는 영향이 크게 달라지는 문제가 있었다.

박정민 박사 연구팀은 이를 해결하고자 금속 3D 프린팅 공정 조건―결함 형상―기계적 성능 간 관계를 체계적으로 분석·예측하는 '설명 가능한 인공지능(Explainable AI)' 모델을 만들었다. 공정 설계 단계부터 내부 결함 발생 가능성과 이에 따른 성능 변화를 예측하고 품질을 미리 제어할 수 있는 새로운 접근법을 제시한 것이다.

개발한 AI 모델의 핵심은 금속 3D 프린팅 기술인 레이저 분말 베드 용융(LPBF) 공법에서 발생하는 내부 결함을 단순 개수나 비율이 아니라 모양과 배치 같은 형태학적 특성으로 분석·예측한다는 점이다.

미세조직 이미지를 활용해 기공의 크기, 비원형성, 공간적 분포 등을 자동 분석하고 이를 기계적 물성과 직접 연결해 결함이 실제 성능에 미치는 영향을 정량적으로 설명한다. 특히 특정 공정 조건에서 결함이 증가하고 성능이 저하되는 이유를 함께 설명할 수 있어, 결과 도출 과정을 알 수 없는 기존 블랙박스 AI 모델과 차별화된다.

연구팀은 철강 소재, 알루미늄 합금, 타이타늄 합금 등 다양한 금속 3D 프린팅 적용 소재를 대상으로 공정 조건, 분말 특성, 결함 이미지, 기계적 물성 데이터를 종합 분석해 AI 모델에 학습시켰다.

이를 통해 공정 변수와 분말 특성이 결함 형성에 미치는 영향과 결함 형상이 기계적 성능에 미치는 영향을 단계적으로 예측하는 통합 프레임워크를 구축했다.

이 기술은 금속 3D 프린팅 부품의 품질 신뢰성을 획기적으로 높여 고부가가치 부품의 양산 적용을 앞당길 수 있다. 특히 항공·우주·국방·모빌리티 분야 등 고신뢰 금속 부품이 필요한 산업 전반에서 금속 3D 프린팅 공정 최적화 및 품질 관리 기술로 활용될 것으로 기대된다. 부품 제조의 불량률을 낮추고 재료 낭비와 재작업 비용을 줄여 산업 전반의 생산 효율성 향상에도 기여할 전망이다.

박정민 박사는 "이번 연구는 금속 3D 프린팅 부품의 결함을 단순히 줄이는 것을 넘어, 특정 결함이 실제 성능에 어떻게 영향을 미치는지를 과학적으로 설명하는 기준을 제시했다는 점에서 의미가 있다"며 "항공·우주·국방 등 고성능 부품 제조 분야에서 금속 3D 프린팅의 산업적 활용도를 높이는 데 기여할 것"이라고 말했다.

이번 연구는 KIMS 기본사업과 산업통상자원부 소재부품기술 개발사업 및 에너지 효율혁신기술 개발사업의 지원을 받아 수행됐다. 연구 결과는 금속 재료 분야 세계 최고 권위 학술지인 악타 머티리얼리아(Acta Materialia)에 1월 1일 온라인 게재됐다.

연구팀은 앞으로 이 기술을 산업 현장에 적용할 수 있는 디지털 트윈 기반 품질 관리 기술로 확장하는 후속 연구를 진행할 계획이다.