구조화된 데이터 기반 최적 설계 탐색으로의 전환

미뇨 대학교(University of Minho) 산하 폴리머 및 복합재 연구소(Institute of Polymers and Composites, IPC)에서는 시뮬레이션과 인공지능(AI)을 활용하여 사출성형 공정에서 가장 큰 도전과제인 품질 저하 없이 빠르고 균일한 냉각을 달성하는 문제에 도전하고 있습니다.

이 연구팀은 시뮬레이션을 중심으로 PCA 기반 목적 함수 선정, 인공신경망(ANN) 대리 모델링, 다목적 진화 알고리즘(MOEA)을 결합함으로써, 시간이 다소 소요되던 기존의 시행착오 중심 접근 방식을 구조화된 데이터 기반 최적 설계 프로세스로 전환했습니다.

더 나은 설계 의사결정을 가능하게 하는 시뮬레이션과 AI

냉각 공정은 전체 사출성형 사이클 타임의 약 70~80%를 차지하며, 잔류 응력, 뒤틀림(warpage), 변형(displacement)과 연관 있는 핵심 요소입니다. 형상 적응형 냉각 채널(Conformal Cooling Channels, CCC)은 이러한 문제를 완화하는 데 효과적이지만, 냉각 채널의 형상은 사이클 타임, 온도 균일성, 성형성 등 여러 목표를 동시에 고려해야 하는 다목적 최적화 문제입니다.

이를 해결하기 위해 IPC 연구팀은 Moldex3D를 활용해 설계를 평가하고, AI를 통해 설계 변수 간 trade-space를 효율적으로 탐색합니다. 기존의 직선 드릴 방식 대비 훨씬 균일한 온도 분포와 더 짧은 사이클 타임을 갖는 설계를 일관되게 도출합니다.

적용 사례: 형상 적응형 냉각 채널 설계 적용한 박육 컵

IPC 연구팀은 박육 컵 연구 사례를 제시했습니다. Moldex3D를 통해 냉각 채널의 위치, 직경, 간격을 설정하고, AI를 활용해 탐색 공간을 축소하여 고부가가치를 이루었습니다.

이러한 워크플로우에서, 기존 설계 대비 사이클 타임을 성공적으로 단축했으며, CCC와 AI의 결합이 기존 “조정하기 어려운(hard-to-tune)” 문제를 “합리적으로 설명 가능한(easy-to-justify)” 설계로 전환할 수 있음을 입증했습니다.

그림 1. 형상 적응형 냉각 채널(CCC) 설계 예시

IPC 연구팀의 내부 워크플로우

사출 성형 프로젝트에서는 수십 개의 성능 지표를 동시에 추적해야 합니다. IPC 연구팀은 문제의 본질을 유지하면서 목적 함수를 축소하기 위해 주성분 분석(PCA)을 적용합니다. 또한 Moldex3D 시뮬레이션 결과를 학습 데이터로 활용해 ANN 기반 대리 모델을 구축함으로써, 온도와 냉각 시간을 신속하게 예측합니다.

다목적 진화 알고리즘(MOEA)을 적용해 수천 개의 설계를 효율적으로 검토하고, Moldex3D를 통해 재 검토합니다. 최종적으로 단일한 “최적해”가 아닌 **파레토 프론트(Pareto front)**를 생성하여, 어느 정도의 사이클 타임을 감수해야 하는지와 같은 트레이드오프를 명확히 제시합니다.

그림 2. 최적화 목적 선정을 위한 비선형 주성분 분석(NL-PCA) 적용 사례

가속 장치로서의 AI, 기반 기술로서의 시뮬레이션

IPC 연구팀은 CCC 설계를 대상으로 한 다목적 AI 기법을 동일한 방법론으로 검증하며, 이는 일회성 실험이 아닌 고품질 금형과 단축된 사이클 타임을 반복적으로 달성할 수 있는 접근법임을 입증했습니다.

AI가 설계 탐색을 가속화하는 역할을 한다면, 물리 기반 시뮬레이션은 여전히 핵심적인 기반 기술입니다. 시뮬레이션은 ANN과 MOEA 탐색이 현실에 기반하도록 정확한 물리 현상과 재료 거동을 제공합니다. 또한 Moldex3D는 3차원 섬유 거동, 열 거동, 유동 해석에 대한 인사이트를 제공해 핫 스팟과 같은 근본 원인을 규명하고 최종 설계 결정을 검토합니다.

무엇보다도 모든 최적화 지표는 금형 제작 이전 단계에서 Moldex3D를 통해 검증되므로, 제조 리스크를 최소화하고 생산 비용을 절감할 수 있습니다.

그림 3. 두 가지 게이트 대안과 NL-PCA로 선정된 네 가지 목적 함수를 고려하여 MOEA를 적용한 결과

IPC 연구 성과 참고 자료:

• Gaspar-Cunha, Melo, Marques, Pontes. Methodology for Designing Injection Molds: Data Mining and Multi-objective Optimization. In: Applications of Evolutionary Computation (LNCS, 2025). SpringerLink
• Gaspar-Cunha, Melo, Marques, Pontes. Optimization of Conformal Cooling Channels for Injection Molding: Multi-Objective AI Techniques. GECCO 2025. ACM Digital Library+1
• Gaspar-Cunha, Melo, Marques, Pontes. Application of AI Techniques to Select the Objectives in the Multi-Objective Optimization of Injection Molding. International Polymer Processing, 40(3), 2025. De Gruyter Bril