바이오 소재 FDM 3D 프린팅 출력물의 적층방향에 따른 기계적특성실험분석 및 기계학습모델 구현

Experimental analysis of mechanical properties of biomaterial FDM 3D printed output according to raster direction and implementation of machine learning model

FDM 3D 프린팅에 적용되는 출력조건은 출력물의 기계적 성능에 영향을 미치는 핵심 요소이다. 출력조건 중 적층각도에 따른 출력물의 기계적 특성 변화에 대한 정량적 분석은 FDM 3D 프린팅 공정의 최적화에 활용될 수 있다. 본 연구에서는 PLA 필라멘트를 적용한 바이오 소재 FDM 3D 프린팅 공정을 최적화하기 위해 적층방향을 기준으로 제작한 출력물에 대해 인장시험을 실시하여 적층각도에 따른 기계적 특성 변화 양상을 분석하였다. 그리고 인장시험 데이터셋과 적층조직 이미지 데이터셋을 기계학습모델인 LSTM 모델과 FM 모델에 입력하여 기계학습을 실시하였다. 본 연구에서는 기계학습모델인 RNN 기반의 LSTM 모델을 사용하여 인장시험 결과에 매우 근접한 응력-변형률 비교선도를 작성하였으며, CNN 기반의 FM 모델을 통해 적층조직의 이미지 패턴을 고도화한 피처맵을 작성하여 적층조직의 형상특징과 기계적 특성 간의 연계성을 분석하였다. 이로부터 본 연구에서 바이오 소재 FDM 3D 프린팅 출력물의 적층각도에 따른 기계적 물성치 변화 양상에 대한 분석과 기계학습모델로부터 도출한 기계적 특성 예측 및 형상특징 시각화에 의한 기계적 특성 연계성 파악의 결과는 바이오 소재 FDM 3D 프린팅 기술 분야에서 공정 최적화와 기계적 성능 분석 방법론의 신뢰도 정립에 핵심 역할을 할 것으로 기대된다.

The printing conditions applied in FDM 3D printing are a key factor affecting the mechanical performance of the part. Quantitative analysis of the change in mechanical properties of the printed parts depending on the raster angle during the printing conditions can be used to optimize the FDM 3D printing process. In this study, in order to optimize the FDM 3D printing process of biomaterials using PLA filaments, tensile tests were conducted on the printed parts based on the raster direction to analyze the change of mechanical properties according to the raster angle. The tensile test dataset and the laminated tissue image dataset were input to the machine learning models, LSTM model and FM model, to perform machine learning. In this study, the RNN-based LSTM model was used to create a stress-strain comparison map that closely approximates the tensile test results, and the CNN-based FM model was used to create a feature map that enhances the image pattern of the laminated tissue to analyze the connection between the shape features and mechanical properties of the laminated tissue. The results of this study, which analyzed the changes in mechanical properties of biomaterial FDM3D printing printouts depending on the raster angle, predicted mechanical properties derived from machine learning models, and identified the linkage between mechanical properties by visualizing geometric features, are expected to play a key role in process optimization and establishing the reliability of mechanical performance analysis methodologies in the field of biomaterial FDM 3D printing technology.