Bosch Group, ODYSSEE CAE로 비용 절감 및 보정 시간 단축

Bosch Group은 전 세계 421,300명의 직원을 보유하며 88.2억 유로의 매출을 올리는 선도적인 국제 기술 및 서비스 회사입니다. Bosch는 혁신적이고 영감을 주는 제품과 서비스를 통해 전 세계 사람들의 삶의 질을 향상시킵니다. Bosch는 60개국 이상에 468개의 자회사와 지역 기업을 두고 사업을 운영하고 있습니다.

Bosch의 활동은 네 가지 부문으로 나누어지는데 바로 모빌리티 솔루션, 산업 기술, 소비재, 에너지 및 건축 기술입니다. 이 기업의 전략적 목표는 인공 지능(AI)을 사용하거나 인공 지능의 도움을 통해 개발 또는 제조된 커넥티드 라이프를 위한 솔루션과 제품을 만드는 것입니다.

글로벌 네트워크를 통해 운영되는 Bosch Research는 Bosch 사업 부문의 혁신 파이프라인을 메웁니다. 이 회사는 전기 자전거 또는 로봇 잔디 깎기용 기어 휠 등 모든 사업 부문에서 플라스틱 부품을 사용합니다. 최근 Bosch Research 프로젝트는 사출 성형 플라스틱의 가상 설계를 위한 엔지니어링 방법을 산업화하는 데 집중했습니다. Bosch는 중앙 연구 부서에 전 세계 모든 엔지니어링팀이 쉽게 사용할 수 있는 신뢰도 높은 시뮬레이션 워크플로우를 만들라는 임무를 주었습니다.

반결정 열가소성 수지의 결정화는 수축 및 왜곡 시뮬레이션을 어렵게 만듭니다.

다양한 엔지니어링 부서의 기존 설계 공정에서 시뮬레이션이 하는 역할은 게이트 위치와 같은 설계 파라미터나 주입 압력 및 사후 성형 휘어짐에 대한 금형 온도와 같은 공정 파라미터의 영향을 예측하는 데 사용되는 것입니다.

폴리머 소재의 경우, Bosch는 주로 고성능 엔지니어링 열가소성 플라스틱을 사용하며 그 대부분이 반결정성입니다. 반결정 열가소성 플라스틱을 사출 성형하는 동안에는 유동 유도 결정화가 발생하여 가공 중 재료의 점도 및 고형화에 영향을 미칩니다. 이 거동은 사출 성형 공정 중 압력 요구와 최종 부품의 수축 및 휘어짐에 영향을 미치기 때문에 매우 중요합니다.

사출 성형 공정 중에 발생하는 결정화 유형은 복잡하며 수학적으로 모델링하기가 어렵습니다. 또한, 사출 성형 소프트웨어에서 사용 가능한 모델은 실험적으로 보정하기가 어려우며, 각 단일 재료를 식별하기에는 비용이 많이 드는 변수를 포함하고 있습니다. 그러나 설계 목적에 부합하려면 엔지니어에게는 결정화를 과도하게 단순화하지 않고 반결정 물질을 시뮬레이션할 수 있는 방법이 필요합니다.

결정화 현상을 무시하거나 단순화하면 시뮬레이션 결과에 영향을 미치기 때문에 Bosch Research의 팀은 격차를 메우고 반결정 열가소성 수지에 대한 보다 견고한 시뮬레이션 프레임워크를 달성하기 위해 노력했습니다.

유동 유도 결정화 모델을 사출 성형 시뮬레이션에 구현

반결정 열가소성 부품에 대한 가상 엔지니어링 작업의 정확도를 개선하기 위한 한 가지 조치는 결정화 모델을 사출 성형 시뮬레이션 소프트웨어 도구에 구현하는 것입니다. 한 가지 과제는 이러한 모델이 사출 성형 공정의 열기계 조건 하에서 결정화 공정을 설명할 수 있어야 하는데, 여기에는 높은 냉각 속도(최대 수백 K/s) 및 높은 전단 속도(최대 수천 1/s)가 발생합니다. 특히, 용융물의 변형 조건은 반결정질 중합체의 결정화 역학에 무시할 수 없는 영향을 줍니다. 이 현상이 바로 유동 유도 결정화로 알려져 있습니다.

그래서 이 시점에서 두 가지 유형의 모델링 접근법 중 하나를 선택해야 했습니다. 결정상의 핵형성 및 성장을 설명하는 현상학적 모델과 일반화된 표준 물질의 프레임워크 내에서 개발된 열기계 모델이 그것입니다. 첫 번째 모델링 접근법은 연구 커뮤니티에 익숙하지만 비용과 시간이 많이 소요되는 파라미터 식별이 필요합니다. 또한, 유동 유도 결정화의 효과를 포함하면 재료 파라미터 수가 증가하며, 재료 파라미터 식별은 실제 사출 성형 조건과 상이한 조건에서 수행됩니다. 비가역 열역학에 기반한 두 번째 모델링 접근법은 폴리머 가공 연구 커뮤니티에게는 아직 낯선 방식이지만 현상학적 접근법에 비해 몇 가지 이점을 보여줍니다. 본질적으로 유동 유도 결정화의 효과를 포함하며 재료에 의존하는 파라미터 수가 훨씬 적습니다.

앞선 이유를 고려하여 열기계 기반 모델을 사출 성형 시뮬레이션을 위한 상용 소프트웨어에 사용자 정의 루틴으로 구현하기로 결정했습니다. 이 도입에는 결정화의 잠열뿐만 아니라 점도, 밀도(또는 PVT) 및 고형화에 대한 결정화 의존 모델을 설명하는 에너지 방정식의 새로운 용어도 포함되었습니다. 이 단계에서 미결 작업은 재료 의존적 파라미터를 식별할 수 있는 신뢰도 높은 방법을 수립하는 것이었습니다. ODYSSEE가 여기서 스마트한 방식으로 이 작업을 수행하는 역할을 맡았습니다.

파라미터 식별을 위한 정확한 대체 모델

앞서 언급한 바와 같이, 사출 성형에서 유동 유도 결정화는 최첨단 재료 특성화 장비로도 재현하기가 매우 어려운 열기계 조건에서 발생합니다. 이러한 장애물을 극복하기 위해 당사의 R&D팀은 사출 성형 시험에서 직접 획득한 데이터를 사용하여 파라미터 식별을 수행할 계획이었습니다. 자세히 설명하자면, 결정화 현상의 간접적인 설명자로서 금형 내 압력 신호를 사용하고 구현된 모델의 교정을 위한 참조 데이터를 사용할 것을 제안했습니다.

파라미터 교정은 기본적으로 수학 함수를 통해 수행되는 최적화 문제입니다. 작업은 일반적으로 실험적으로 또는 대안적인 모델 접근법에 의해 얻어지는 함수 출력과 그 출력의 기준 사이의 오류를 최소화하는 입력 변수의 값을 찾는 것입니다. 이 케이스에서 함수는 사용자 정의 구현을 갖춘 고충실도 시뮬레이션 모델이고, 입력 변수는 유동 유도 결정화 모델의 알려지지 않은 재료 파라미터이며, 출력은 센서 위치에서 계산된 금형 내 압력 신호이며, 기준은 금형 센서에 의해 획득된 실제 압력 신호입니다.

최적화 알고리즘은 일반적으로 허용 가능한 로컬 최솟값 또는 최댓값에 도달하기 위해 루프에서 함수를 반복적으로 평가해야 합니다. 반면에, 최적화할 독립 변수의 수에 따라 필요한 반복 횟수가 크게 증가합니다. 여기서의 문제는 당사의 고정밀 사출 성형 시뮬레이션은 계산을 하는 데 비용이 많이 드는 함수이며, 출력을 생성하는 데 몇 분(심지어 몇 시간)이 필요하므로 최적화가 매우 시간이 많이 소요되는 공정이 될 수 있다는 것입니다. 이 문제를 해결하기 위해 ODYSSEE CAE가 도입되었습니다. 기본적으로 ODYSSEE의 도움으로 대체 모델(또는 메타 모델)을 생성할 수 있으며, 이 모델은 고충실도 시뮬레이션 결과를 에뮬레이션할 수 있지만 계산 비용은 훨씬 낮습니다. 고충실도 시뮬레이션 대신, 최적화 루틴 내에서 이러한 대체 모델을 사용하고 몇 초 내에 유동 유도 결정화 모델의 재료 파라미터를 식별할 수 있습니다.

ODYSSEE가 가진 부가 가치는 입력/출력(I/O) 데이터를 기반으로 대체 모델을 생성하는 원활하고 견고한 워크플로우입니다. 이 케이스에서 ODYSSEE는 심지어 적합한 Design of Experiment(DoE)를 생성하기 위한 도구를 제공하는데, 이 DoE는 입력 변수의 공간에서 고충실도 시뮬레이션을 평가하여 출력 데이터를 샘플링하기 위한 기반입니다. 대체 모델 생성은 원칙적으로 통제하에 이루어지는 머신 러닝 문제로, ODYSSEE는 대체 모델의 성능을 평가하기 위해 입출력 데이터를 교육 및 검증 데이터세트로 분할하는 고전적인 기술을 사용합니다. 일단 입출력 데이터가 ODYSSEE에 로드되면, 이 도구는 축소 순서 모델(ROM) 및 고급 보간 방법을 포함하는 모든 대체 모델링 접근법을 비교할 수 있어 가장 관련성이 높은 대체 모델 기법을 보다 간단하게 선택할 수 있습니다.

마지막으로, 금형 센서로 획득한 실제 압력 신호를 타겟으로 사용하여 이전에 생성된 대체 모델을 통해 ODYSSEE 내에서 최적화 작업을 수행할 수 있습니다. 흥미로운 점은 헥사곤팀의 도움을 받아 재료 데이터 식별의 특정 사용 사례에 대한 최적화 알고리즘을 맞춤화할 수 있었다는 것입니다. 대체 모델 수준에서 식별된 재료 종속 파라미터를 사용하면 동일한 재료를 사용하여 다른 모든 지오메트리를 계산하기 위해 고정밀 시뮬레이션 수준에서 사용할 수 있습니다. 위의 그림은 기본 고충실도 시뮬레이션(결정화 모델 미포함)에 비해 결정화 모델(ODYSSEE를 사용하여 보정됨)을 사용한 고충실도 시뮬레이션의 압력 추정에서 개선된 정확도를 보여줍니다. 평균 제곱근 편차는 가장 높은 정확도를 위해 0이어야 하며, 정확도가 증가할 때 결정 계수는 1이 되는 경향이 있어야 합니다.

그림 1: 고정밀 사출 성형 시뮬레이션의 압력 추정에서 기본 대 보정 결정화(최적화) 모델의 성능

메타모델 기반 파라미터 식별로 개발 시간 및 비용 절감

ODYSSEE 메타모델 최적화를 사용하여 실제 사출 성형 조건에서 획득한 데이터에서 재료 의존적 파라미터를 식별하는 스마트한 방법을 발견했습니다. 이 효율적인 파라미터 교정은 산업용 고정밀 사출 성형 시뮬레이션 소프트웨어 내에서 유동 유도 결정화 모델을 배치하는 데 중요한 기여를 합니다. 이를 통해 사출 성형 시뮬레이션에서 압력 요구 및 휘어짐을 보다 정확하게 추정하기 위한 큰 할걸음을 내딛게 됩니다.

이 새로운 파라미터 식별 접근법은 회사가 비용과 시간을 절약하는 데 도움이 되었습니다. 기존의 재료 특성화 및 식별 경로를 메타모델을 사용한 실제 공정 데이터 기반 교정의 새로운 접근법으로 대체함으로써 소요되는 시간을 90%, 비용은 60% 줄일 수 있습니다. 사출 성형 시뮬레이션에서 유동 유도 결정화 모델을 고려함으로써 Bosch는 짧은 샷 또는 불완전한 금형 충진과 관련된 작업 현장의 문제를 크게 줄일 것으로 기대합니다.

이 향상된 공정 시뮬레이션을 통해 엔지니어링 부서는 설계 지오메트리를 더 확실하게 조정하고 또는 기계 압력 요건을 더 정확하게 정의하여 비용과 시간이 많이 소요되는 금형 반복 또는 현장에서의 시험 및 오류 절차를 방지할 수 있습니다. 간단히 말하자면 Bosch의 목표는 가상 설계 단계를 보다 견고하고 정확하게 만들어 사출 성형 부품의 개발 시간을 줄이는 것입니다.

사용자 친화적인 인터페이스로 산업화 용이

메타모델 기반 파라미터 식별의 산업적 배포를 보장하기 위해서는 높은 수준의 UX 성숙도를 갖춘 소프트웨어 도구가 필요합니다. ODYSSEE는 데이터 로딩, 다양한 대체 모델링 접근법 교육 및 평가, 최종적으로 최적화 실행을 수행하기 위한 사용자 친화적인 인터페이스를 갖추고 있기 때문에 워크플로우에서 좋은 선택입니다.

메타모델 기반 파라미터 식별의 개념을 폴리옥시메틸렌 재료로 검증한 후, 다른 반결정성 열가소성 재료의 교정을 보장하기 위한 산업 워크플로우를 마련했습니다. 이를 통해 전 세계 Bosch 그룹의 모든 플라스틱 엔지니어링 부서에 재료 데이터를 효율적으로 제공할 수 있는 산업용 파이프라인을 구축할 수 있습니다.

그림 2에는 유동 유도 결정화 모델을 이용한 고정밀 시뮬레이션의 산업적 배치가 나와 있습니다. 첫 3단계는 ODYSSEE가 지원하는 재료 파라미터 식별입니다. 이러한 단계는 모든 신소재를 대상으로 Bosch Research(중앙 R&D 사업부) 내에서 이루어집니다. 이 오프라인 단계에서는 기본적으로 유동 유도 결정화 모델에 대한 재료 카드를 획득한 후 Bosch 그룹의 모든 시뮬레이션 엔지니어에게 제공합니다.

4단계는 본질적으로 일상적인 사출 성형 시뮬레이션을 나타내며, 여기에는 재료 카드가 ODYSSEE의 도움을 받아 식별되어야 하는 유동 유도 결정화가 포함됩니다. Bosch의 다양한 부서 내의 시뮬레이션 엔지니어가 추가적으로 기울여야 하는 수고는 사용자 정의 솔버 API를 활성화하고 각 재료 카드를 로드하는 것뿐입니다. 몇 번만 더 클릭하면 사출 성형 시 압력 발생 및 최종 휘어짐을 보다 높은 신뢰도로 추정할 수 있습니다.

그림 2: 개념에서 산업화까지 - Bosch의 유동 유도 결정화 모델을 이용한 사출 성형 시뮬레이션

메타모델 기반 최적화의 성공적인 사용 사례는 이러한 기법의 적용을 다른 연구 프로세스로 확장하기 위한 발판입니다. Bosch는 대체 모델, 머신 러닝 및 인공 지능을 사용하여 엔지니어링이 가진 이점을 제공할 수 있는 새로운 응용 분야 찾기를 목표하고 있습니다.