플라스틱은 종류도 매우 많지만 제품의 기능 및 공정 요구사항의 다양성으로 인해 모든 모델별로 각각 다른 독특한 재료적 특성을 갖게 됩니다. 플라스틱은 성형 과정에서 가열 용융, 변형, 압축, 냉각 응고 등의 복잡한 과정을 거칩니다. 시뮬레이션 분석 과정에서 재료 모델 및 매개변수의 정확성은 시뮬레이션의 정확성에 직접적인 영향을 미치기 때문에, 플라스틱 성형 과정에서 가변성에 대한 이해는 성공적인 시뮬레이션 분석의 핵심이자, 성형 기술을 파악하고 제품 품질을 높일 수 있는 중요한 도구입니다.
고분자 재료의 복잡한 거동은 성형 기술의 장애물 중 하나입니다. 고분자 재료의 가공 행위에 영향을 미치는 주요한 물리적 특성으로는 유변학적 특성, PVT상태 특성, 열 물리적 특성 및 기계적 특성 등이 포함되는데, 열경화성(Thermosetting) 고분자의 경우에는 특히 그 반응 역학 특성을 고려해야 합니다. 용융물의 유변학적 특성의 경우 모세관 레오미터 및 회전 레오미터를 사용해 각각 다양한 범위의 유변학적 특성을 측정할 수 있고, 기타 PVT측정기, DSC, TMA, DMA, 만능 인장시험기 등의 상용 기기도 널리 사용되고 있는 것처럼, 플라스틱 산업과 고분자 이론 적용의 발전으로 대부분의 중요한 물리적 특성은 이미 상용화된 기기를 통해 측정이 가능합니다. 그러나 제품 품질과 시뮬레이션 분석 정확도에 대한 요구사항이 날로 높아져가는 상황에서, 기기의 측정 범위와 데이터의 정확도 또한 반드시 함께 향상되어야 합니다. 예를 들어, 제품 사이즈가 축소되면 충전 단계의 최대 전단 속도가 상승하는 동시에 온도가 균일하지 않은 상황이 매우 심해지기 때문에, 재료 점도의 높은 전단 속도 측정 한계 및 온도 의존성에 대한 요구사항도 따라서 증가됩니다.
컴퓨터 하드웨어 기술의 신속한 발전 및 수치 시뮬레이션 방법의 발전으로 CAE소프트웨어 및 기술 지원을 통한 제품 설계 및 프로세스 문제 해결은 이미 거의 필수 단계의 하나가 되었고, 동일한 CAE기술이 기기 설계뿐 아니라 재료 측정에도 적용될 수 있습니다. 우리는 이를 “재료 디지털 트윈”이라고 명명하였습니다. 강력한 기능의 CAE도구를 통해 기기의 내부 구조, 측정 과정 및 재료 행위를 시각화 하여 재료 측정의 정확한 도구로 사용할 수 있고, 기기 설계 및 재료 개발의 도구로도 사용할 수 있습니다.
기기 디지털 트윈
기기의 중요한 특성에 따라 그림 1과 같이 디지털 모델(“기기 디지털 트윈”이라 칭함)을 생성할 수 있으며, 수치 분석을 통해 측정 시의 기기 내부 상태를 시각화 하여, 가열기의 설계 및 출력 결정, 측정 Sensor의 최적 위치점 또는 냉각 채널 설계 등(그림 2)과 같은 기기 설계를 지원할 수도 있습니다. 또한 열 팽창 및 수축, 변형량 및 보상량 측정 등도 기기 디지털 트윈을 통해 결정할 수 있습니다. 이러한 설계 분석을 통해 전체 기기 설계를 최적화하여 개발 프로세스에서 다양한 기기의 측정 및 검증 설계 방안을 확보할 수 있고, 향후 개발 및 작동 과정 중에 발생할 문제를 방지하며 한층 앞선 측정 정확도와 효율을 보장할 수 있습니다.
그림 1 PVT측정기의 물리적 트윈 및 디지털 트윈
그림 2 다양한 냉각 채널 설계
재료 디지털 트윈
디지털 트윈은 설계 개발 단계의 기기 설계, 보상 및 교정에 사용될 뿐 아니라, 측정 과정에도 직접 적용될 수 있습니다. 사출 성형 충전 과정에서 가장 중요한 특성은 전단 점도로, 모세관 레오미터는 현재 고분자 유체의 전단 점도를 측정하는 데 가장 널리 사용되는 기기입니다. 이 기기를 예로 들면, 기기 실체 모델의 중요한 특성 구조를 정의하고, Moldex3D를 사용해 해당되는 디지털 모델을 생성하며(그림 3), 적절한 용융물의 유변학, 열적 특성, PVT 등 재료 모델을 선택합니다. Moldex3D Solver를 통해 기기 내부 각 위치의 물리적 상태를 분석해 시각화 하면(온도, 압력, 전단 속도, 전단 응력 등), 상세한 물리량을 통해 이상적인 값과 차이가 나는 값을 적절하게 수정할 수 있습니다.
예를 들어, 온도 측정 시 측정 온도를 설정해서 전체 시스템이 일정한 온도 상태라고 가정할 수 있습니다. 그러나 기기 자체의 가열 설계가 불완전하여 캐비티 내 온도가 균일하지 않은 것을 제외하고, 유동 시 전단 가열로 인해 튜브 벽 근처의 전단층 온도가 그림 4와 같이 설정 온도보다 높은데, 고분자 용융물은 일반적으로 전단 속도 5000 s-1표면층에서 20°C 이상 상승할 수 있습니다. 용융물의 점도가 온도에 매우 민감하다는 것은 알고 있는데, 일반적으로 비정질 고분자의 경우 가공 온도 구간에서 20°C 온도로 인한 점도 변화는 전단 속도에 따라 약 40~150%입니다. 따라서 실제 온도의 편차로 인한 측정 데이터 오차를 무시할 수는 없습니다. 일반 모세관 레오미터 또는 사출기 온라인 레오미터로도 초고 전단 속도를 측정할 수는 있지만, 점성 가열의 영향으로 인해 고전단 속도 데이터의 신뢰성이 전단 속도의 상승을 따라 크게 저하됩니다.
그림 3 모세관 레오미터의 물리적 및 디지털 트윈
그림 4 라운드 튜브 전단 온도 필드의 변화
모세관의 직경이 너무 작기 때문에 (약 0.5~2mm) 센서 설치를 통해 직접 온도 변화를 측정하기 어렵고 각 위치의 온도 상승량이 동일하지 않으며(그림 4), 단일 온도로 전체 유체를 대체할 수 없기 때문에, 전단 열의 효과를 실제로 측정하는 것은 정확하지 않습니다. 그러나 재료 디지털 트윈을 사용하면, 시스템 내부 임의의 위치 물리량 변화를 얻고 편차를 수정할 수 있어 데이터의 정확도를 향상시킬 수 있습니다. 디지털 트윈을 사용해 측정 결과를 수정하는 절차는 그림 5와 같은데, 디지털 분석 결과가 알고리즘에 의해 측정 데이터와 모델 매개변수가 수정되고, 반복 알고리즘을 통해 디지털 트윈이 물리적 트윈을 완전히 나타낼 수 있을 때까지 매개변수와 결과가 수정되므로 생성된 재료 매개변수가 더 정확합니다.
그림 5 디지털 트윈의 재료 매개변수 수정 절차
그림 6은 디지털 트윈에 의해 재료가 수정되기 전후의 차이입니다. 실선은 레오미터가 점도를 측정할 때 출력하는 다단계 압력 데이터이며, 측정은 낮음에서 높음 7단계 속도로, 압력 반응은 낮음에서 높음으로 설정됩니다. 측정된 점도 곡선을 시뮬레이션에 직접 입력하면, 전단 속도가 느릴 때는 전단 가열이 분명하지 않기 때문에 시뮬레이션 예측 압력과 직접 측정된 점도 곡선의 예측이 실험과 매우 일치하지만, 전단 속도가 높을 때는(특히 5-7단) 전단 가열로 인해 압력이 분명하게 과소 평가되므로, 재료 디지털 트윈에 의해 수정된 시뮬레이션이 실험과 보다 더 일치합니다.
그림 6 디지털 트윈 수정 및 예측 결과(좌측) HDPE, (우측) PBT+fiber
결론
재료 디지털 트윈을 생성하면 재료의 본질 특성(점도, PVT, 비열, 열전도계수 등)을 평가할 수 있고, 측정 과정의 상태 변화(압력, 유동 응력, 열 응력, 온도 분포)도 얻을 수 있습니다. 재료 디지털 트윈은 재료 본질의 특성 모델과 매개변수의 측정을 강화할 수 있을 뿐 아니라, 기기의 구조적 특성과 측정 과정(가공 과정)에 대한 측정도 고려하여 완전한 디지털 모델을 형성할 수 있기 때문에 측정 결과를 수정하여 측정 데이터의 정확도를 높일 수 있고, 향후 재료 개발과 측정, 심지어 새로운 기기 장치의 개발을 위한 강력한 도구가 될 수도 있습니다.
댓글 없음
댓글 쓰기