슬라이드 1 · 이번 주 초점

곡가공 AI가 실제로 맞추는 것

시드(09-20)·TMCP 냉각경로(09-21)는 초기판 미시구조를 깔았다. 이번 주는 야드가 돌리는 실시간 예측 두 층이다.

1. 온도장 — 이동 열원의 3D 과도 온도를 FEM 대신 ANN으로 (HUST, Materials 18(21) 5054)
2. 변형 — 복잡 곡판의 수축·처짐을 개선 CNN으로 (DMU/DUT, Materials 18(23) 5318)

둘 다 선상가열·유도가열 축이다. 용접-only Physical AI는 Research에 둔다.

슬라이드 2 · 온도장 ANN

3D 과도 온도장을 점별 MLP로

Materials 2025, 18(21), 5054 (OA)은 환형 유도 선상가열의 전체 3D 과도 온도장을 물리 인식 특징벡터 + 경량 MLP로 예측한다.

원문 요지 (수치·조건은 원문만):

• 시공간 점을 열물성·경계영향·열원·시간·경로정렬 좌표로 인코딩. 임계 열영역(캡슐)으로 학습 범위를 줄임
• FEM(ABAQUS)으로 Q235, 두께 12/16/20 mm, 경로 무작위, 피크온도 400–800 °C 대역 데이터 생성 (선급·수리 품질기준 온도 한도를 인용)
• Hold-out: MAE = 0.60 °C, RMSE = 1.27 °C, R² = 0.995
• IHMRF 플랫폼 열전대 실험 2건과 일치. 학습에 없던 판 치수에도 일반화. 추론은 FEM 대비 약 10⁵배 빠름

https://doi.org/10.3390/ma18215054 · https://www.mdpi.com/1996-1944/18/21/5054 · PMC: https://pmc.ncbi.nlm.nih.gov/articles/PMC12609052/

함의: 야드가 “표면 온도 한 줄”이 아니라 두께좌표를 포함한 전장을 실시간으로 가질 수 있다. 09-21의 두께방향 전위·항복 구배와 같은 좌표축에서 만날 수 있다.

슬라이드 3 · 변형 CNN

WMA-CNN으로 수축·처짐

Materials 2025, 18(23), 5318 (OA)은 복잡 곡판 선상가열의 수축·처짐을 CNN → PSO-CNN → WMA-CNN으로 올린다.

원문 요지:

• Strain Direct Boundary(SDB) 수치모델로 샘플을 만들고, 실험·TEP-FEM과 맞춤 검증
• 입력: 판 길이·폭·두께·곡률반경·가열선 길이. 출력: 수축·처짐
• WMA-CNN이 세 모델 중 최고. 수축 R² = 0.984, 처짐 R² = 0.996. 검증 케이스 상대오차 5% 이내
• CNN 대비 MAPE 감소폭은 원문 표·본문 수치 그대로 (수축·처짐 각각 보고)

https://doi.org/10.3390/ma18235318 · https://www.mdpi.com/1996-1944/18/23/5318 · PMC: https://pmc.ncbi.nlm.nih.gov/articles/PMC12693571/

함의: 기하·가열선 길이만으로도 변형 KPI는 빨라진다. 다만 냉각경로 태그·초기판 다상·미세합금 피닝은 입력에 없다. 미시구조 인식 제어의 빈칸이다.

슬라이드 4 · IACS·미시구조 제약

온도 상한이 이미 미시구조를 가리킨다

5054 원문은 피크온도 대역을 잡을 때 Shipbuilding and Repair Quality Standards(IACS Recommendation No. 47 계열)의 가열온도 한도를 인용한다. 도입부도 “재료 미시구조에 대한 악영향을 최소화”하려고 산업이 온도 한도를 둔다고 명시한다.

09-21이 쌓은 층과 맞물리면:

• 다단 냉각 F+B 초기판 vs F+P·단일 B → 같은 피크온도라도 재결정·입성장 응답이 갈릴 수 있음 (공개 실험으로 아직 이 브리핑에서 닫지 않음)
• 두께방향 전위·항복 구배 → 표면 열전대만 맞추면 중심부 상태를 놓침. 5054의 z축 정규화 온도장이 바로 그 축
• Nb/Ti(C,N) 피닝 — 시드·09-21 보조 신호. 온도장 ANN 입력의 열물성 그룹을 강종별로 바꾸는 다음 층

수치는 원문 표만. 여기서 TMCP 등급 항복을 추정하지 않는다.

슬라이드 5 · 제어로 올릴 후보

온도장 위에 올릴 입력·제약 3개

이미 섹션에 있는 현장 신호(09-14~22 곡가공·선상가열 와이어)와 이번 OA를 이으면:

1. 전장 온도 상태 — 5054형 점별 ANN 출력(두께좌표 포함)을 패스 계획의 실시간 관측으로
2. 변형 KPI 헤드 — 5318형 WMA-CNN(또는 동급)으로 수축·처짐 목표를 닫고, 기하 입력에 냉각경로 태그를 실험적으로 추가
3. 미시구조 가드 — IACS 계열 피크온도 상한 + 09-21 재결정 억제 창(압하·온도 하한류)을 하드 제약. Q235 학습 모델을 TMCP 고강도 판에 쓸 때는 열물성·상한부터 재보정

다음 조사: F+B 초기판에서 공랭/수랭 선상가열이 입도·경도 프로파일을 가르는 공개 실험·선급 가이드 (09-21 예고 유지).

슬라이드 6 · 출처

공개 출처 (본문 인용)

1. Yang et al., Materials 2025, 18(21), 5054 — ANN for 3D Transient Temperature Fields… Line Heating — https://doi.org/10.3390/ma18215054
2. Wang et al., Materials 2025, 18(23), 5318 — Improved CNN… Line Heating Forming Deformation — https://doi.org/10.3390/ma18235318
3. 직전: https://blog.coreon.build/blog/tmcp-cooling-paths-thickness-yield-2026-09-21
4. 시드: https://blog.coreon.build/blog/steel-microstructure-forming-approaches-2026-09-20

추정·미공개 야드 수치는 넣지 않음. 용접-only Physical AI는 Research에 유지.