▲ 금속 3D프린팅 공정에서 분말·공정 조건이 결함과 부품 성능에 미치는 영향을 AI로 분석·예측한 개념도

국내 연구진이 금속 3D프린팅의 가장 큰 난제로 꼽혀온 내부 결함을 사전에 읽어내는 인공지능(AI) 모델을 개발, 공정 설계 단계에서 결함과 성능 저하를 예측·설명함으로써 항공·우주·국방·에너지 등 산업 전반의 고신뢰 부품의 양산 가능성을 한 단계 끌어올릴 것으로 기대된다.

한국재료연구원(KIMS)은 나노재료연구본부 박정민 박사 연구팀이 독일 막스플랑크 연구소(Max Planck Institute) 왕재민 박사, 디어크 라베(Dierk Raabe) 교수 연구팀과 공동으로 금속 3D프린팅 부품의 내부 결함 발생을 사전에 예측하는 AI 모델을 개발했다고 15일 밝혔다.

금속 3D프린팅은 복잡 형상의 고부가가치 부품을 제조할 수 있어 차세대 제조기술로 각광받아 왔지만, 공정 중 발생하는 미세 내부 결함이 파손과 성능 저하로 이어지며 산업 적용의 걸림돌로 작용해 왔다. 기존 품질 평가는 기공률 등 단순 지표에 의존해 실제 성능 영향의 차이를 충분히 설명하지 못했다.

연구팀은 이 한계를 극복하기 위해 공정 조건–결함 형상–기계적 성능의 연계를 체계적으로 분석하는 ‘설명 가능한 인공지능(Explainable AI)’ 모델을 제시했다. 공정 설계 단계에서부터 결함 발생 가능성과 그에 따른 성능 변화를 예측하고, 왜 그런 결과가 나오는지까지 설명하는 접근법이다.

핵심은 레이저 분말 베드 용융(LPBF) 공법에서 생성되는 결함을 개수나 비율이 아닌 ‘형태학적 특성’으로 해석한 점이다. 미세조직 이미지를 기반으로 기공의 크기, 비원형성, 공간 분포를 자동 분석하고 이를 기계적 물성과 직접 연결해 결함이 성능에 미치는 영향을 정량화했다. 특히 특정 공정 조건에서 결함이 증가하고 성능이 저하되는 이유를 함께 제시할 수 있어, 결과만 제시하는 기존 블랙박스 AI와 차별화된다.

연구팀은 철강소재, 알루미늄 합금, 타이타늄 합금 등 다양한 적용 소재를 대상으로 공정 변수, 분말 특성, 결함 이미지, 기계적 물성 데이터를 종합 학습시켰다. 이를 통해 공정·분말 특성이 결함 형성에 미치는 영향과 결함 형상이 성능에 미치는 영향을 단계적으로 예측하는 통합 프레임워크를 구축했다.

이번 성과는 금속 3D프린팅 부품의 품질 신뢰성을 크게 높여 항공·우주·국방·모빌리티 등 고신뢰 금속 부품이 요구되는 산업 전반에서 공정 최적화와 품질 관리에 활용될 수 있다. 불량률 감소와 재작업·재료 낭비 최소화를 통해 생산 효율성 향상도 기대된다.

연구팀은 향후 본 기술을 산업 현장에 적용 가능한 디지털트윈 기반 품질 관리 기술로 확장할 계획이다. 박정민 박사는 “결함을 단순히 줄이는 수준을 넘어, 특정 결함이 성능에 미치는 영향을 과학적으로 설명하는 기준을 제시했다”며 “고성능 부품 제조 분야에서 금속 3D프린팅의 산업적 활용도를 높이는 데 기여할 것”이라고 말했다.

한편, 본 연구는 KIMS 기본사업과 산업통상자원부 소재부품기술개발사업 및 에너지효율혁신기술개발사업의 지원으로 수행됐으며, 연구 결과는 금속재료 분야 최고 권위 학술지인 Acta Materialia(IF 9.3)에 2026년 1월 1일 온라인 게재됐다.

▲ (左부터)독일 막스플랑크연구소 왕재민 박사(제1저자), 재료연 박정민 박사(교신저자), 독일 막스플랑크연구소 디어크 라베 교수(교신저자)가 금속 3D프린팅 부품의 내부 결함 발생을 사전에 예측하는 AI 모델을 개발했다