Strength Estimation of Aluminum Alloy using Machine Learning of NDT Data

첨단 산업 제품의 경량화를 위한 알루미늄 합금의 수요가 늘어가면서 품질 관리를 위해 비파괴검사 기법을 이용한 재료강도의 전수 모니터링 기술이 필요하게 되었다. 이를 위해서 본 연구에서는 재료의 강도와 관련이 있다고 알려진 비파괴검사 파라미터들인 초음파 종/횡파속도, 감쇠계수, 비선형 파라미터, 와전류 전기전도도를 입력파라미터로 사용하여 알루미늄 합금의 강도를 추정할 수 있는 머신러닝 모델을 개발하였다. 학습을 위한 데이터셋은 다양한 강도분포를 갖도록 제작한 400여 개의 시편으로부터 얻은 비파괴검사 파라미터와 인장시험 데이터로 구성되었다. 특히 비파괴검사 파라미터의 측정에는 신뢰성을 높이기 위해 전용으로 개발된 자동화 측정시스템을 이용하였다. 학습결과 추정된 강도는 실제 강도와 ±20 MPa의 구간 정확도를 적용할 때 90% 이상의 정확도를 얻을 수 있었다. 향후 데이터의 축적이 지속되면 성능은 더욱 향상될 수 있을 것으로 기대되며, 이는 파괴 인장시험의 불확도가 10% 수준임을 감안할 때 제안하는 기술이 파괴시험을 대체할 수 있는 충분히 가능성이 높은 기술임을 입증한다.