메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색

논문 기본 정보

자료유형
학위논문
저자정보

오준택 (인하대학교, 인하대학교 제조혁신전문대학원)

지도교수
현승균
발행연도
2022
저작권
인하대학교 논문은 저작권에 의해 보호받습니다.

이용수27

표지
AI에게 요청하기
추천
검색

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
4차 산업 혁명을 기반으로 작업 현장은 smart factory 구축으로 자동화가 이뤄지고 있다. smart factory와 마찬가지로 설계에서도 자동화를 도입하면 맞춤 사양으로 제품을 구성하는 데 많은 시간을 소요하는 설계자나 엔지니어들이 반복적인 작업을 수행하는 일이 감소한다.
RHK(Roller Hearth Kiln)는 대표적인 연속식 간접 전기로이며, 세라믹 roller를 사용하여 제품을 운반하는 연속 소성로다. RHK에서 roller의 radius, interval과 열처리 시간과 온도, 냉각 시간과 온도의 경우 RHK가 설계되는데 필요한 중요 정보이다. 피열물이 요구하는 사항에 따라 시뮬레이션 결과는 달라지며, 피열물의 종류에 따라서 RHK의 설계 또한 달라진다.
RHK의 경우 3D 시뮬레이션을 진행하게 되면 소요 시간이 매우 길고, 시뮬레이션을 통해 RHK의 설계 최적화를 진행하기 위해서는 여러 번의 시뮬레이션을 통해 검증 절차를 거쳐야 한다. RHK의 시뮬레이션 결과와 최적화된 설계방식에 대한 모델을 구축하여 사용하면 RHK를 설계에 많은 시간을 단축할 수 있다.
RHK의 구조 해석을 통해 최적의 roller radius와 interval에 대한 정보와 유동 해석을 통해 최적의 cooling zone 길이에 대한 정보를 data base에 저장한다. 저장한 data base를 이용해 RHK의 최적 설계를 위한 neural network를 생성하면 이를 통해 시뮬레이션 결과를 예측할 수 있다.
본 연구에서는 neural network를 통한 예측 모델을 통해 RHK를 설계하고 neural network의 결과와 3D 시뮬레이션의 결과를 비교했다. 비교 결과 평균 1%의 낮은 오차율로 3D 시뮬레이션 결과와 일치했다. 이를 통해 RHK 설계에서 소요 시간을 단축할 수 있으며, 설계 자동화를 가속화 할 수 있다.

목차

제 1 장 서론 1
제 1 절 연구배경 1
제 2 절 연구목적 3
제 2 장 본론 5
제 1 절 전기로 5
1. Roller Hearth Kiln 8
2. 발열체 12
3. 내화물 16
제 2 절 RHK의 구조 및 온도 분포에 관한 수치해석 18
1. 개요 18
2. 구조 해석 19
3. 유동 해석 23
제 3 절 빅데이터 분석 25
1. 분석 방법 25
2. Neural Network 모델 구현 28
제 3 장 연구 결과 및 결론 30
제 1 절 연구 결과 30
제 2 절 결론 33
참고 문헌 35

최근 본 자료

전체보기

댓글(0)

0