[논문 리뷰] Digital Twins in Additive Manufacturing: A Systematic Review

Md Manjurul Ahsan, Yingtao Liu외 2명|arXiv (Cornell University)|2024. 09. 02.

Additive Manufacturing and 3D Printing Technologies인용 수 4

한 줄 요약

이 체계적 리뷰는 적층 제조(AM) 분야의 디지털 트윈(DT)에 관한 현재 연구를 종합하여 주요 DT 유형, 인더스트리 4.0 기술과의 통합, 공정 최적화 및 하이브리드 제조 응용을 규명한다. 다중 센서 융합, 물리 기반 기계 학습, 실시간 시뮬레이션 기반 기술이 결함 탐지 및 공정 제어를 향상시키며, 실시간 구현을 위한 데이터 품질, 확장성, 계산 자원 요구 사항 등의 과제를 제기한다.

ABSTRACT

Digital Twins (DTs) are becoming popular in Additive Manufacturing (AM) due to their ability to create virtual replicas of physical components of AM machines, which helps in real-time production monitoring. Advanced techniques such as Machine Learning (ML), Augmented Reality (AR), and simulation-based models play key roles in developing intelligent and adaptable DTs in manufacturing processes. However, questions remain regarding scalability, the integration of high-quality data, and the computational power required for real-time applications in developing DTs. Understanding the current state of DTs in AM is essential to address these challenges and fully utilize their potential in advancing AM processes. Considering this opportunity, this work aims to provide a comprehensive overview of DTs in AM by addressing the following four research questions: (1) What are the key types of DTs used in AM and their specific applications? (2) What are the recent developments and implementations of DTs? (3) How are DTs employed in process improvement and hybrid manufacturing? (4) How are DTs integrated with Industry 4.0 technologies? By discussing current applications and techniques, we aim to offer a better understanding and potential future research directions for researchers and practitioners in AM and DTs.

연구 동기 및 목표

• 적층 제조(AM) 분야에서 디지털 트윈(DT) 응용의 현재 풍경을 맵핑하고 핵심 연구 격차를 규명하기.
• 기계 학습, 증강현실(AR), 사물인터넷(IoT)과 같은 신기술과 DT의 통합 방식을 분석하여 실시간 모니터링 및 제어에 기여하는 방식을 규명하기.
• DT가 AM 공정의 품질 향상, 결함 감소 및 적응형 제어 구현에 기여하는 역할을 평가하기.
• 다중 스케일 모델링, 지속 가능한 제조, 인더스트리 5.0 원칙과의 통합을 포함한 향후 연구 방향 탐색하기.

제안 방법

• 2010년부터 2024년까지의 피어 리뷰된 논문을 대상으로 디지털 트윈의 체계적 문헌 리뷰를 수행하였다.
• 아키텍처, 데이터 소스, 시뮬레이션 및 센서 기술과의 통합 기준으로 DT 유형을 분류하였다.
• 실시간 공정 예측 및 결함 탐지에 사용된 물리 기반 모델, 기계 학습(예: PINNs, RNNs), 다중 센서 융합(MFDT)의 평가를 수행하였다.
• 실시간 모니터링 및 제어 향상을 위해 IoT, AR/VR, 사이버-물리 시스템과의 DT 통합 분석을 수행하였다.
• 실시간 AM 응용에 대한 DT 구현 시 계산 자원 요구 사항, 데이터 품질 과제, 확장성 문제를 평가하였다.
• 연구 결과를 종합하여 향후 연구 방향을 도출하였으며, 지속 가능한 제조, 개선된 비용 모델링, 확대된 응용 사례 포함.

Figure 1: The multiscale nature of the powder-bed metal AM process, showing various properties and interactions across different length and time scales [ 7 ] .

실험 결과

연구 질문

• RQ1 적층 제조에서 사용되는 주요 디지털 트윈 유형은 무엇이며, 각각의 구체적 응용은 무엇인가요?
• RQ2 적층 제조 공정에서 디지털 트윈의 최근 발전 및 구현 사례는 무엇인가요?
• RQ3 디지털 트와인이 적층 제조의 공정 개선 및 하이브리드 제조에 어떻게 활용되고 있나요?
• RQ4 디지털 트와인이 적층 제조 분야에서 인더스트리 4.0 기술과 어떻게 통합되고 있나요?

주요 결과

• 다중 센서 융합 기반 디지털 트와인은 로봇 기반 레이저 방향 에너지 증착(L-DED) 공정에서 단일 센서 기반 방법보다 뛰어난 실시간 결함 탐지 성능을 보이며, 적층 제조에서의 결함 탐지 능력을 크게 향상시킨다.
• 물리 기반 시뮬레이션과 볼륨화된 기하학, 일시적 열 모델링을 융합하면, 압출 기반 AM 공정에서 열 분포 예측 및 최적 프린트 파라미터 설정이 정확해지며, 자원 낭비와 계산 부담을 줄일 수 있다.
• 물리 기반 신경망(PINNs)과 순환 신경망(RNNs)을 포함한 기계 학습 모델은 실시간 공정 적응 및 실시간 보정을 위한 자동 튜닝된 도구 경로 및 공정 파라미터 설정을 가능하게 하여 공정 제어 능력을 향상시킨다.
• 증강현실(AR) 및 가상현실(VR)과의 디지털 트와인 통합은 운영자 상호작용을 향상시키며, 복잡한 AM 공정의 직관적 모니터링 및 제어를 가능하게 한다.
• 특히 IoT, 인간-사이버-물리 시스템(HCPS), 실시간 데이터 파이프라인과의 통합을 통해 디지털 트와인이 인더스트리 4.0 기술과 융합되어, AM 환경에서 동적이고 적응형 제어 및 향상된 의사결정을 가능하게 한다.
• 다른 성과에도 불구하고, 데이터 품질, 계산 자원 요구, 확장성 문제, 그리고 광범위한 산업적 도입을 지원하기 위한 표준화 프레임워크가 부족한 점이 여전히 과제로 남아 있다.

Figure 2: Different types of AM techniques [ 17 ] .