항공우주 등급 조성물은 종종 여러 성분으로 구성되며, 이러한 성분들의 비율과 상호작용은 최종 구성 요소의 하나 이상의 특성에 영향을 미칩니다. 이론과 경험은 이러한 조성물 설계에 도움이 될 수 있지만, 때로는 아직 발견되지 않은 상호작용이나 시너지 효과가 존재할 수 있습니다. 따라서 광범위한 실험 영역을 탐색하여 예상치 못한 결과를 발견하는 것이 유용할 수 있습니다.
본 발표에서는 혼합 설계 실험 수행 후 얻은 결과와 통찰을 공유하고, 데이터 시각화, 정규화 및 분석 방법을 설명합니다. 또한 삼원 도표, 비전문가에게 기술 정보를 전달하는 방법, 실험 과정에서 겪었던 어려움, 그리고 개선할 수 있었던 점들에 대해서도 논의합니다.
안녕하세요, 저는 카를로 캄파넬리입니다. 이 포스터는 항공우주 분야의 배합 최적화를 위한 혼합 설계에 관한 것입니다. 항공우주 분야에 사용되는 수지 시스템은 일반적으로 열기계적 안전 및 규제 요건을 동시에 충족하기 위해 균형을 맞춰야 하는 여러 구성 요소로 이루어져 있습니다.
시험 과정은 길고 비용이 많이 들며 다양한 변수가 존재합니다. 또한 시간 제약으로 인해 수행할 수 있는 제형, 시험, 조건, 샘플 및 반복 횟수가 제한되는 경우가 많습니다.
본 연구의 목표는 다른 모든 제품 특성 및 성능을 그대로 유지하면서 특정 재료의 물성을 개선하는 것입니다. 이는 제로섬 게임이 될 수 있어 매우 어려운 과제입니다. 일반적으로 최적의 배합을 찾는 것보다는 최적의 절충안을 찾는 것이 중요합니다. 최적의 절충안은 고객이나 적용 분야에 따라 달라질 수 있습니다.
본 연구에서는 3개의 변수, 15회의 실험, 그리고 1회의 반복을 포함하는 혼합 설계법을 사용했습니다. 오른쪽 상단 그림은 시험된 15가지 제형을 포함하는 혼합 설계법의 실험 공간을 보여줍니다. 구성 요소 또는 변수는 X1, X2, X3이며, 이들의 합은 항상 100%입니다. 오른쪽 이미지는 삼원 도표를 읽는 방법과 각 구성 요소 X1, X2, X3의 합이 실제로 100%임을 보여줍니다.
본 연구에서는 여러 가지 특성을 테스트했지만, 그중 세 가지를 색상으로 구분한 삼원 도표 형태로 나타냈습니다. 녹색은 좋은 값을, 빨간색은 나쁜 값을 의미합니다. 첫 번째 특성부터 살펴보면, 삼원 도표 하단에 있는 제형이 좋은 값을 보이지만, 도표에서 위로 올라갈수록 이 특성 값은 감소하는 경향을 보입니다. 위로 올라간다는 것은 X1 성분의 양이 증가한다는 것을 의미합니다. 반면 왼쪽에서 오른쪽으로, 즉 X2와 X3 성분의 양을 변화시켜도 이 특정 특성에는 영향을 미치지 않습니다. 이는 하나의 성분(이 경우 X1)이 특성에 큰 영향을 미치는 예입니다.
이제 두 번째 속성을 살펴보면, 유사하지만 반대되는 경향을 볼 수 있습니다. 값이 올라갈수록 이 속성은 좋아집니다. X1의 양을 증가시키면 이 특정 속성이 개선되는 것입니다. 하지만 이 경우에는 왼쪽에서 오른쪽으로 갈수록 값이 감소합니다. 이 특정 속성의 경우, 주로 X1과 X3의 영향을 받는다는 것을 알 수 있습니다. 따라서 속성은 좋은 속성, 평균적인 속성, 나쁜 속성의 세 부분으로 나눌 수 있습니다.
세 번째 물성에 관해서는 문헌과 직접적인 기술 경험에서 도출한 이론에 따르면, 삼원계 도표 하단에 있는 조성물이 더 좋은 특성을 보여야 합니다. 일반적으로는 맞는 말이지만, 예외가 하나 있습니다. 바로 오른쪽 상단의 조성물인데, 이는 다소 특이한 경우입니다. 이는 넓은 범위의 조성물을 검토하고 특정 매개변수에 편향되지 않는 것이 중요하다는 점을 강조합니다. 만약 이론만 따르고 하단 조성물만 테스트하거나 분석했다면, 오른쪽 상단의 조성물을 놓쳤을 가능성이 크기 때문입니다.
마지막으로, 예측 프로파일러는 여러 속성과 추세를 동시에 비교하는 데 유용합니다. 이 기능을 활용하여 가장 원하는 속성을 극대화하고 신뢰 구간을 시각화할 수 있습니다. 이 예시에서는 7가지 속성을 3개의 변수에 대해 그래프로 나타냈으며, 모든 추세를 동시에 확인할 수 있습니다. 또한 일부 속성의 경우 신뢰 구간이 매우 좁은 반면, 다른 속성의 경우 매우 넓은 것을 알 수 있습니다. 따라서 이 데이터를 바탕으로 결론을 도출할 때는 신중해야 합니다.
지금까지 얻은 교훈과 향후 연구 방향을 살펴보겠습니다. 이번 혼합 설계는 여러 가지 경향과 예상치 못한 결과를 보여주었습니다. 이는 여러 제품의 최적화 및 맞춤화에 도움이 될 것입니다. 일부 속성의 신뢰 구간이 상당히 넓어 변동성의 주요 원인을 파악하고 이해하기 위해서는 반복 실험을 더 많이 진행했더라면 좋았을 것입니다.
측정된 속성 간의 상관관계를 파악하고, 이상치를 설명하며, 이전 연구와의 연관성을 찾아 이론을 검증하거나 반증하고, 더 큰 그림을 보기 위해서는 생성된 데이터에 대한 보다 심층적인 연구가 필요합니다. 실제로, 저는 우리가 생성한 데이터와 연구 결과를 최대한 활용하는 것이 중요하다고 생각합니다.
이것으로 이번 작업은 끝입니다. 경청해 주셔서 감사합니다.
