현장(in-situ) 모니터링과 계측
📍 현재 위치: 3부 · 센싱과 제어 — 19장 중 6장. 앞선 장들에서는 결함이 어떻게 생기는지, 그리고 모델과 머신러닝이 이를 어떻게 예측하려 하는지 다루었습니다. 이 장은 부품을 만드는 도중에 결함을 직접 볼 수 있는지를 묻습니다.
창이 없는 오븐에서 아주 긴 빵을 굽고, 다 구운 뒤에야 잘라서 속이 설익었는지 확인한다고 상상해 보십시오. 현장(in-situ) 모니터링은 이 오븐에 창과 온도계, 마이크를 달려는 시도입니다. 어려운 점은 측정값을 모으는 일이 아닙니다. 어떤 빛의 깜빡임이나 소리가 "여기가 설익었다"를 뜻하는지 알아내고, 나중에 빵을 잘라 그것을 증명하는 일이 어렵습니다.
이 장에서 다루는 내용
용융풀에서 결함 판정에 이르는 신호 사슬을 따라갑니다. 어떤 센서가 있고 각각 무엇을 분해할 수 있고 없는지, 신호를 결함과 어떻게 연결하는지, 그 연결을 어떻게 검증하는지, 그리고 업계가 왜 아직 대부분의 모니터링을 판결이 아니라 기록으로 취급하는지를 살핍니다. 증거 대부분이 있는 레이저 분말 베드 융합(PBF-LB/M)에 초점을 맞춥니다. 주장에는 실험실 규모(lab-scale), 양산 수준(production), 논쟁 중(contested) 표시를 붙입니다.
문제
금속 부품은 수만 개의 층과 수백만 개의 용융 트랙으로 이루어집니다. 융합 불량(lack-of-fusion), 키홀 기공, 균열 같은 결함(결함, 잔류응력, 변형 참조)은 대개 X선 컴퓨터 단층촬영(CT)이나 파괴 시험으로 사후에야 발견됩니다. 둘 다 느리고 비싸며, CT는 치밀하거나 큰 부품에서 한계가 있습니다. 기초 리뷰들은 분말 베드 융합의 결함 유형, 감지 가능한 공정 신호, 검출 접근법을 정리하고 [1][2], 갱신된 리뷰는 문헌에서 입증된 방법과 산업 현장 적용 사이의 격차가 여전하다고 강조합니다 [3]. 결함을 믿을 만하게 알려 주는 현장 신호가 있다면 검사 비용을 줄이고 궁극적으로 적격성 평가(적격성 평가와 인증: 핵심 병목)를 뒷받침할 수 있습니다. 원전 부품의 적층제조 규제를 지원하기 위해 작성된 NIST 보고서는 공정 중 모니터링과 공정 중 비파괴평가(NDE)를 검토하면서, 공정 중 NDE 방법이 공정 후 방법보다 기술 성숙도가 낮다고 보고합니다 [4].
최신 기술 수준
센서 계열
| 센서 | 무엇을 보는가 | 전형적 역할 | 증거 수준 |
|---|---|---|---|
| 동축 포토다이오드/파이로미터 | 레이저 경로를 따른 용융풀 빛의 적분값. 예컨대 Renishaw의 MeltView는 가시광(300-700 nm)과 적외선(700-1700 nm) 방출을 기록합니다 [5] | 용융풀 안정성, 출력 변동 | 양산 수준(기록 도구로서) |
| 동축 또는 비동축 카메라, 열화상 | 용융풀 형상, 핫스팟, 냉각 | 오버행의 열 축적, 트랙 교차부의 콜드 스폿(융합 불량과 연관) [6]. 고속 비전 시스템의 용융풀·플룸·스패터 특징을 SVM과 CNN으로 분류하여 조형 품질 수준을 식별한 연구도 있습니다 [7] | 기록은 양산 수준, 결함 판정은 실험실 규모 |
| 층별 광 단층촬영(OT) | 카메라로 층마다 적분한 빛 | 층별 이상 지도. 자기조직화 지도와 U-Net을 사용해 EOS M290의 OT 영상으로 융합 불량과 키홀 기공을 예측하고 CT로 확인한 연구가 있습니다 [8] | 지도는 양산 수준, 결함 예측은 실험실 규모 |
| 음향 방출(접촉식 또는 공기 중 마이크) | 키홀 진동과 붕괴에서 나는 소리 | 용융 영역(regime)과 키홀 기공 검출 | 실험실 규모 |
| 간섭계/OCT형 깊이 센서 | 1-20 µm 축방향 분해능으로 표면과 키홀 깊이 측정 [5] | 깊이 계측 | 대부분 실험실 규모 |
| 분말 베드 영상(비동축) | 리코팅 결함, 분말 공급 부족 | 공정 안정성 | 양산 수준 |
2024년의 현장 기공 검출 리뷰는, 광학 모니터링은 주로 분말 베드의 큰 이상을 찾고, 열 방식은 약 100 µm 크기의 결함과 키홀까지 검출할 수 있으며, 다중 센서 조합이 유리하다고 결론짓습니다 [9].
X선이 주는 기준 진실: 신호가 의미를 얻는 곳
신호는 물리적 사건과 연결되기 전에는 아무 의미가 없습니다. 가장 강력한 증거는 작동 중(operando) 싱크로트론 X선 영상에서 나옵니다. 이 방식은 Zhao 등이 레이저 분말 베드 융합에 처음 적용하여 Ti-6Al-4V의 용융풀 동역학과 키홀 기공 형성을 분해해 보였습니다 [10]. 센서가 기록하는 동안 금속 내부의 용융풀과 키홀을 촬영하는 방식입니다. Ren 등은 고속 X선 영상과 열화상을 Ti-6Al-4V에 결합하고, 짧은 시간 창의 스케일로그램을 X선 프레임으로부터 "기공" 또는 "비기공"으로 표지한 뒤 합성곱 신경망을 학습시켜, 확률적으로 일어나는 키홀 기공 생성 사건을 1밀리초 미만의 분해능으로 검출했습니다 [11]. 음향의 경우 Hamidi Nasab 등은 X선과 소리 기록을 동기화하여, 공정이 전도 모드에서 키홀 모드로 넘어갈 때 음향 진폭이 커진다는 것을 발견했고 이를 레이저 흡수율의 변화와 연결했습니다 [12]. 이후 연구는 깊은 용융풀에서 키홀 기공이 시작될 때 고주파 음향 성분이 다시 나타난다고 보고하고 [13], 소리와 빛 센서를 결합해 1밀리초 미만의 기공 검출을 보고합니다 [14]. 사후 CT로 검증한 공기 중 마이크 연구는 가벼운 신경망으로 단위 스캔 길이당 키홀 기공 수를 예측합니다 [15].
이 모두는 실험실 규모 증거입니다. 단일 트랙이나 얇은 벽, 한두 가지 합금, 싱크로트론 빔라인과 맞춤 장비를 사용한 것이며, 전체 빌드를 수행하는 양산 장비에서 얻은 것이 아닙니다.
양산 현장의 현실
상용 PBF-LB/M 장비에는 포토다이오드와 카메라 시스템이 탑재되며, OT와 용융풀 모니터링은 빌드를 기록하고 비교하는 데 쓰입니다. 주된 용도는 통계적 공정 관리와, 더 면밀히 검사할 빌드나 층을 표시하는 것이며 CT를 대체하는 것이 아닙니다. 이 구분이 중요한 이유는 바로 여기에 "논쟁 중" 표시가 적용되기 때문입니다.
왜 어려운가
- 분해능 격차. 수십 마이크로미터 크기의 기공은 층별 카메라의 픽셀 풋프린트보다 훨씬 작고, 표면 아래 결함은 이후 층 아래에 묻힙니다. 한 연구에서는 적외선 카메라가 600 µm보다 작은 결함을 놓쳤고, IR과 CT로 측정한 결함 면적은 약 60% 차이가 났습니다 [16].
- 정합과 오탐. 신호는 CT 복셀과 공간·시간적으로 정렬되어야 합니다. 표시된 일부 영역은 이후 층에서 재용융되어 실제로는 결함이 아니므로 오탐이 생깁니다 [16].
- 검출 능력의 증명. Snow 등은 모니터링 기반 결함 검출기를 만들고, 그 판정을 검출 확률(POD)과 오경보 확률 곡선으로 사후 CT와 비교했습니다. 이 시스템은 200-1000 µm 범위의 결함을 찾았고, 정확도 같은 일반적인 머신러닝 지표는 결함 검출 평가에 부적절하다고 주장하면서 a90/95(95% 하한 신뢰구간에서 90% 검출되는 결함 크기)를 제안했습니다 [17]. 이는 데이터 과학이 아니라 NDE 적격성 평가의 언어입니다.
- 데이터 양. 킬로헤르츠 속도의 용융풀 카메라 하나가 초당 기가바이트 수준의 데이터 흐름을 만듭니다(예시이며 실측이 아님: 100만 화소, 화소당 8비트, 초당 1000프레임). 빌드는 몇 시간 동안 계속됩니다. 우리가 조사한 문헌은 실시간 영상 처리를 과제로 논의했으나 저장에 관한 구체적 수치는 거의 없어, 심각성은 정량화되지 않은 것으로 봅니다.
- 이식성. 한 합금, 장비, 스캔 전략, 가스 유동 조건에서 학습한 모델이 반드시 다른 조건으로 전이되지는 않습니다(적층제조를 위한 머신러닝).
네 가지 센서 계열이 결함 판정으로 이어지며, 작동 중 X선(실험실 규모)과 빌드 후 CT에 의한 검증이 약한 고리입니다.
저자가 AI의 도움을 받아 직접 제작한 그림입니다.
열린 질문
- 모니터링 시스템이 피로에 중요한 크기(수십 마이크로미터)의 결함에 대해, 인용된 연구의 200-1000 µm가 아니라 통계적으로 방어 가능한 a90/95에 도달할 수 있습니까?
- 어떤 센서 조합이 X선이나 CT로 다시 표지하지 않고도 장비와 합금 사이에서 전이됩니까? 이는 여전히 논쟁 중인 영역입니다.
- 현장 증거를 적격성 평가에서 어떻게 받아들여야 합니까? CT의 보완입니까, 아니면 일부 대체입니까? (적격성 평가와 인증: 핵심 병목)
- 킬로헤르츠 용융풀 스트림을 디지털 스레드(디지털 스레드, 데이터, 공급망)에 담으려면 어떤 데이터 형식과 압축이 적절합니까?
- 단일 트랙과 얇은 벽에서 입증된 음향 키홀 검출이, 스패터·플룸·장비 소음이 있는 전체 빌드에서도 유지됩니까?
산업적 영향
모니터링은 이미 로깅과 이상 표시의 형태로 양산 수준에서 쓰입니다. 빌드가 실패했을 때 원인 분석을 단축하고 운영자가 빌드를 서로 비교할 수 있게 합니다. 그러나 핵심 부품의 체적 검사를 대체하지는 못했습니다. 모니터링의 상업적 근거는 스크랩이나 검사 범위를 줄이는 곳에서 가장 강하고, 규제상의 근거는 위의 검증 질문에 달려 있습니다. 관찰에서 행동으로 넘어가는 단계는 다음 장 폐루프 공정 제어의 주제입니다.
왜 중요한가
센서를 믿을 수 있다면 빌드를 일찍 중단하고, 부품을 표적 검사 대상으로 표시하고, 표본 검사만이 아니라 공정 증거에 기반한 적격성 평가 패키지를 만들 수 있습니다. 믿을 수 없다면 모니터링은 아무도 활용하지 못할 데이터를 더할 뿐입니다. 그 차이는 거의 전적으로 검증에 있으며, 검증은 느리고 비싸고 화려하지 않은 일입니다.
실제 현장에서는
장비 제조사는 Renishaw의 InfiniAM(LaserView와 MeltView 모듈)이나 EOS의 Smart Monitoring 같은 모니터링 제품군을 제공합니다 [5][18]. 공개 연구는 위에서 인용한 X선 연구에 쓰인 빔라인 같은 싱크로트론 시설에 의존하여, 양산 장비가 제공할 수 없는 기준 진실을 얻습니다.
핵심 용어
- 작동 중 X선 영상(operando X-ray imaging) — 공정이 진행되는 동안 고속 싱크로트론 X선 빔으로 금속 내부의 용융풀을 촬영하는 것.
- 동축 모니터링(co-axial monitoring) — 레이저와 같은 광 경로를 따라 보는 센서로, 항상 용융풀을 봅니다.
- 광 단층촬영(optical tomography, OT) — 각 층의 빛을 적분하여 층별 이상 지도를 만드는 카메라.
- 음향 방출(acoustic emission) — 용융풀이 내는 소리로, 키홀 영역의 특징 신호로 쓰입니다.
- 검출 확률(probability of detection, POD) — 주어진 크기의 결함이 검출될 확률. NDE 방법을 적격 판정하는 표준 방식입니다.
- a90/95 — 95% 하한 신뢰구간에서 90% 검출되는 결함 크기.
- 정합(registration) — 현장 데이터를 CT나 부품 좌표와 공간적·시간적으로 맞추는 것.
- 오지시(false indication) — 실제 결함이 없는데 표시된 위치. 예를 들어 재용융으로 지워진 곳.
- 기술 성숙도(technology readiness level, TRL) — 아이디어에서 검증된 시스템까지를 나타내는 9단계 성숙도 척도.
다음 이야기
결함을 보는 것과 막는 것은 다릅니다. 폐루프 공정 제어에서는 센서 신호를 공정을 바꿀 만큼 빠르게 되먹임할 수 있는 때가 언제인지 묻습니다.