Fig. 1 3D-CAD model

컴퓨터 시뮬레이션을 이용한 JIS ADC12 평판 다이캐스트 제품의 열 변형 예측

컴퓨터 시뮬레이션을 이용한 JIS ADC12 평판 다이캐스트 제품의 열 변형 예측

Computer simulation for prediction of thermal distortion of JIS ADC12 flat-shape die-casting

본 연구는 고압 다이캐스트 공정에서 발생하는 제품의 열 변형을 정밀하게 예측하기 위한 수치 해석적 방법론을 제시합니다. 특히 금형 내 냉각 과정과 이탈 후의 잔류 응력 해방에 따른 변형 거동을 시뮬레이션과 실험적 측정을 통해 검증함으로써, 다이캐스트 제품의 니어넷 쉐이프(Near-net shape) 설계를 위한 기술적 토대를 제공합니다.

Paper Metadata

  • Industry: 자동차 및 기계 부품 주조 (Automotive and Machinery Casting)
  • Material: JIS ADC12 알루미늄 합금 (Aluminum Alloy)
  • Process: 고압 다이캐스트 (High-Pressure Die Casting, HPDC)

Keywords

  • 주조 (Casting)
  • 고압 다이캐스트 (HPDC)
  • 열 변형 (Thermal distortion)
  • 유한차분법 (FDM)
  • 유한요소법 (FEM)
  • ADC12
  • 형상 측정 (Shape measurement)

Executive Summary

Research Architecture

본 연구의 실험적 셋업은 2450kN 체결력을 가진 다이캐스트 머신을 사용하여 JIS ADC12 합금 평판 제품을 주조하는 방식으로 구성되었습니다. 시뮬레이션 프레임워크는 두 단계로 나뉩니다. 첫 번째 단계에서는 ADSTEFAN 소프트웨어를 이용한 유한차분법(FDM) 해석을 통해 금형의 온도 분포와 주조 사이클에 따른 열적 평형 상태를 산출하였습니다. 이때 금형과 용탕 사이의 열전달 계수(HTC)를 최적화하기 위해 열화상 카메라를 이용한 실측 데이터가 활용되었습니다.

두 번째 단계에서는 산출된 온도 데이터를 ANSYS Workbench 기반의 유한요소법(FEM) 메쉬로 매핑하여 탄소성 열응력 해석을 수행하였습니다. 제품의 이탈 후 냉각 과정에서의 변형을 모사하기 위해 온도 의존적 항복 강도를 포함하는 탄소성 재료 모델을 적용하였으며, 게이트 절단에 따른 응력 해방 효과를 모사하기 위해 런너 부위의 강성을 조절하는 수치적 기법을 도입하였습니다.

Fig. 1 3D-CAD model
Fig. 1 3D-CAD model

Key Findings

실험 결과, 금형과 용탕 사이의 열전달 계수(HTC)를 8.4 kW/(m²K)로 설정했을 때 시뮬레이션의 온도 분포가 실제 측정값과 가장 잘 일치하는 것으로 나타났습니다. 큐어링 타임(Curing time)이 4.0s에서 7.0s로 증가함에 따라 금형 표면의 평균 온도는 약 191.6℃에서 175.1℃로 감소하였으며, 이에 따라 제품의 최종 열 변형량도 유의미하게 감소하는 경향이 정량적으로 확인되었습니다.

시뮬레이션에 의한 변형 예측값은 3D 디지타이저(ATOS III)를 이용한 실측값과 비교했을 때 모든 측정 지점에서 최대 0.1mm 이내의 오차 범위를 기록하였습니다. 특히 게이트 절단 후 잔류 응력이 해방되면서 변형량이 증가하는 현상을 수치적으로 정확히 재현하였으며, 이는 제안된 시뮬레이션 방법론이 실용적인 정밀도를 확보하고 있음을 입증합니다.

Fig. 5 Distortion after casting at a curing time of 5.5s. The gray bar expresses the distortion values before cutting the gate. The
black bar expresses the distortion values after cutting the gate.
Fig. 5 Distortion after casting at a curing time of 5.5s. The gray bar expresses the distortion values before cutting the gate. The black bar expresses the distortion values after cutting the gate.

Industrial Applications

본 연구에서 제시된 변형 예측 기술은 다이캐스트 금형 설계 단계에서 제품의 치수 정밀도를 사전에 확보하는 데 직접적으로 활용될 수 있습니다. 시뮬레이션 정보를 바탕으로 금형의 캐비티 형상을 역으로 보정함으로써, 별도의 후가공 없이도 최종 제품이 설계 치수에 도달하도록 하는 니어넷 쉐이프 제조 공정 구현이 가능합니다.

또한 큐어링 타임과 같은 공정 변수가 제품 품질에 미치는 영향을 정량화함으로써 생산 사이클 타임 최적화와 불량률 감소를 동시에 달성할 수 있습니다. 이는 복잡한 형상의 자동차 부품이나 정밀 기기 하우징 제조 분야에서 금형 수정 횟수를 줄이고 개발 기간을 단축하는 데 기여할 수 있는 실질적인 엔지니어링 도구로 기능합니다.


Theoretical Background

열 변형의 발생 기전

주조 공정에서 제품의 변형은 크게 두 단계에 걸쳐 발생합니다. 첫 번째는 금형 내에서 진행되는 응고 및 냉각 과정으로, 이때 재료는 액상에서 고액 공존 상태를 거쳐 고상으로 변화하며 금형에 의한 구속 상태에서 수축에 따른 응력이 발생합니다. 두 번째는 제품이 금형에서 이탈(Ejection)된 후 실온까지 냉각되는 과정입니다. 이 단계에서는 금형의 구속이 사라지면서 내부의 잔류 응력이 해방되고, 온도 구배에 따른 불균일한 열수축이 중첩되어 최종적인 소리(Distortion) 변형이 형성됩니다. 본 연구는 특히 이탈 후의 열응력 해방 과정에 초점을 맞추어 변형을 분석합니다.

탄소성 재료 모델 및 온도 의존성

고온 상태의 ADC12 합금은 온도에 따라 항복 강도와 영률(Young’s modulus)이 급격히 변화하는 특성을 가집니다. 특히 360℃에서 540℃ 사이의 고온 영역에서는 가공 경화(Work hardening) 현상이 거의 나타나지 않기 때문에, 본 연구에서는 이를 탄소성(Elastic-perfectly plastic) 모델로 근사화하여 해석의 효율성을 높였습니다. 재료의 물리적 특성값은 JMatPro 소프트웨어를 통해 산출되었으며, 선팽창 계수와 포아송 비의 온도 의존성을 모델에 반영하여 냉각 과정 중의 비선형적 거동을 정확히 묘사하였습니다.

Results and Analysis

Experimental Setup

실험은 2450kN급 다이캐스트 머신을 사용하여 수행되었습니다. 주조 조건은 저속 사출 속도 0.3m/s, 고속 사출 속도 1.7m/s로 설정되었으며, 큐어링 타임은 4.0s, 5.5s, 7.0s의 세 가지 조건으로 변화를 주었습니다. 사용된 재료는 JIS ADC12 알루미늄 합금이며, 제품은 두께 4mm에서 15mm 사이의 평판 형상입니다. 금형 온도는 로봇 팔에 장착된 적외선 서모그래피를 통해 측정되었으며, 제품의 최종 형상은 ATOS III 3D 디지타이저를 사용하여 12µm의 정밀도로 측정되었습니다.

Visual Data Summary

Fig. 5와 Fig. 6의 데이터 분석 결과, 시뮬레이션에 의해 계산된 변형 프로파일은 실제 측정된 제품의 변형 방향 및 크기와 매우 높은 상관관계를 보였습니다. 게이트 절단 전(Before cutting)과 후(After cutting)의 변형량을 비교했을 때, 절단 후 모든 측정 지점에서 변형량이 증가하는 현상이 관찰되었습니다. 이는 런너와 게이트가 제품의 변형을 억제하는 구속체 역할을 하다가, 절단 시 해당 구속이 풀리면서 내부에 축적된 잔류 응력이 변형으로 전환되었음을 시각적으로 입증합니다.

Variable Correlation Analysis

주요 변수인 큐어링 타임과 변형량 사이에는 명확한 반비례 관계가 성립함이 확인되었습니다. 큐어링 타임이 길어질수록 금형 내에서 제품이 더 낮은 온도까지 냉각된 후 이탈되므로, 이탈 직후의 온도 $T$와 실온 $T_0$ 사이의 차이가 줄어들어 열 변형률이 감소하게 됩니다. 또한 금형-용탕 간 열전달 계수(HTC)는 시뮬레이션의 정확도를 결정짓는 핵심 변수로 작용하였으며, 8.4 kW/(m²K)의 일정한 값을 적용함으로써 복잡한 계면 현상을 실용적인 수준에서 성공적으로 모사할 수 있었습니다.


Paper Details

Computer simulation for prediction of thermal distortion of JIS ADC12 flat-shape die-casting

1. Overview

  • Title: 컴퓨터 시뮬레이션에 의한 평판상 ADC12 다이캐스트 제품의 소리 변형 예측
  • Author: Hiroshi YAMAGATA, Kimiyasu KUROKAWA, Shoji TANIKAWA, Makoto NIKAWA
  • Year: 2014
  • Journal: Transactions of the JSME (일본기계학회 논문집)

2. Abstract

고압 다이캐스트 부품의 열 변형 값을 예측하기 위한 컴퓨터 시뮬레이션 방법이 조사되었다. 평가된 제품은 평판 형상의 JIS ADC12 부품이었다. 부품의 실제 변형 값은 광학 3D 디지타이저로 측정되었으며, 예측된 변형 값과 비교되었다. 이 방법에서는 주조 시뮬레이션을 통해 부품의 초기 온도 분포를 결정하였다. 냉각 중의 열 변형 값은 FEM 해석으로 계산되었다. 응력-변형 관계는 항복 강도의 온도 의존성을 포함하는 탄소성 재료 모델로 근사화되었다. 금형과 주입된 용탕 사이의 열전달 계수가 주조 시뮬레이션에서 정확한 FEM 해석을 구현하는 데 중요한 요소임이 밝혀졌다. 열전달 계수 값은 열화상 카메라로 측정된 온도 분포를 사용하여 평가 및 확인되었다. 큐어링 타임의 함수로서 광학적으로 측정된 실제 부품의 변형 값은 시뮬레이션 값과 잘 일치하였다. 이 방법이 실용적으로 허용되는 정밀도 내에서 변형을 예측할 수 있다는 결론을 얻었다.

3. Methodology

3.1. 주조 시뮬레이션을 통한 금형 온도 해석: ADSTEFAN 소프트웨어를 사용하여 20 사이클의 주탕 및 응고 냉각 해석을 수행하였으며, 금형-용탕 간 열전달 계수를 8.4 kW/(m²K)로 설정하여 실제 측정된 금형 표면 온도와 일치시켰다.
3.2. 금형 온도 해석 결과의 FEM 매핑: FDM 방식의 주조 해석 결과를 FEM 메쉬에 통합하기 위해 ADSTEFAN T-MAP 매핑 툴을 사용하여 초기 금형 온도 정보를 ANSYS Workbench로 전달하였다.
3.3. 열 변형 시뮬레이션을 통한 소리 변형 해석: ANSYS Workbench를 사용하여 탄소성 열응력 해석을 수행하였으며, 게이트 절단 전후의 상태를 모사하기 위해 런너 부위의 강성을 조절하는 방식으로 응력 개방에 따른 변형량을 산출하였다.

4. Key Results

본 연구의 핵심 결과는 시뮬레이션 모델이 실제 다이캐스트 공정의 변형 거동을 0.1mm 이내의 오차로 예측할 수 있음을 입증한 것입니다. 큐어링 타임이 증가함에 따라 변형량이 감소하는 물리적 경향을 정확히 포착하였으며, 게이트 절단 후 발생하는 잔류 응력의 재분배 과정을 수치적으로 재현하는 데 성공하였습니다. 이는 금형과 용탕 사이의 열전달 계수를 정밀하게 설정하고, 온도 의존적 탄소성 모델을 적용한 결과로 분석됩니다.

5. Mathematical Models

부품이 금형에서 이탈한 후 온도 변화에 의해 발생하는 열 변형은 다음과 같은 열 변형률(thermal strain) 식을 기반으로 산출됩니다. $$\epsilon_{th} = \alpha(T – T_0)$$ 여기서 $\epsilon_{th}$는 열 변형률, $\alpha$는 선팽창 계수, $T$는 고온 측 온도(이탈 직후 제품 온도), $T_0$는 저온 측 온도(실온)를 나타냅니다. 이 식은 냉각 과정 중 발생하는 수축량의 기초가 되며, FEM 해석에서 응력-변형률 관계식과 결합되어 최종 변형량을 결정합니다.

Figure List

  1. Fig. 1: JIS-ADC12 제품의 3D-CAD 모델
  2. Fig. 2: 변형 측정 위치 및 기준점 설정
  3. Fig. 3: 3D 디지타이저로 생성된 주조 시뮬레이션용 금형 모델
  4. Fig. 4: ADC12 물리적 특성(밀도, 영률 등)의 온도 의존성
  5. Fig. 5: 큐어링 타임 5.5s 조건에서의 게이트 절단 전후 변형 실측값
  6. Fig. 6: 변형 값의 비교 (실험값 vs 계산값)
  7. Fig. 7: 큐어링 타임 변화에 따른 각 측정 지점별 변형량 영향

References

  1. Guo, Z., et al., Materials Science and Engineering A, Vol. 499 (2009).
  2. Tanikawa, S., et al., 2012 Japan Die Casting Congress Transactions (2012a).
  3. Li, Y., et al., IMONO, Vol. 61, No. 4 (1989).
  4. Long, A., et al., Applied Thermal Engineering, Vol. 31 (2011).

Technical Q&A

Q: 본 연구에서 금형과 용탕 사이의 열전달 계수(HTC)는 어떻게 결정되었는가?

열화상 카메라를 이용해 측정한 금형 표면 온도 분포와 시뮬레이션 결과를 비교하여, 두 값이 가장 잘 일치하는 8.4 kW/(m²K)를 최적의 계수로 결정하였습니다. 이는 주조 사이클이 반복되어 열적 평형 상태에 도달한 금형의 온도를 정확히 모사하기 위한 필수적인 과정이었습니다.

Q: 시뮬레이션에서 게이트 절단 공정은 어떻게 수치적으로 모사되었는가?

먼저 런너와 게이트가 붙은 전체 구조에 대해 열응력 해석을 수행한 후, 런너 부분의 강성(Stiffness)을 극도로 낮게 설정하는 방식을 사용하였습니다. 이를 통해 런너에 의한 구속력을 제거함으로써, 실제 게이트 절단 시 발생하는 잔류 응력의 개방과 그에 따른 추가적인 변형 거동을 의사적으로 재현할 수 있었습니다.

Q: 큐어링 타임이 변형량에 미치는 물리적 영향은 무엇인가?

큐어링 타임이 길어질수록 제품이 금형 내에서 더 오랫동안 냉각되므로, 이탈 시의 제품 온도가 낮아집니다. 이는 이탈 후 실온까지 냉각되는 과정에서 발생하는 온도 차이($\Delta T$)를 줄여주며, 결과적으로 열팽창 계수에 의한 전체 수축량과 변형량을 감소시키는 효과를 가져옵니다.

Q: ADC12 합금 해석에 탄소성(Elastic-perfectly plastic) 모델을 적용한 근거는 무엇인가?

ADC12 합금은 360℃ 이상의 고온 영역에서 가공 경화 현상이 거의 발생하지 않는 특성을 보입니다. 또한 이탈 후 발생하는 변형률 자체가 매우 작기 때문에, 복잡한 가공 경화 모델 대신 단순화된 탄소성 모델을 사용하더라도 실용적인 범위 내에서 충분히 정확한 변형 예측이 가능하기 때문입니다.

Q: 시뮬레이션 결과와 실제 측정값 사이의 최대 오차는 어느 정도인가?

본 연구의 모든 실험 조건과 측정 지점에서 시뮬레이션 예측값과 3D 디지타이저 실측값 사이의 차이는 최대 약 0.1mm 이내로 나타났습니다. 이는 다이캐스트 산업 현장에서 요구되는 치수 정밀도 제어 및 금형 보정 작업을 수행하기에 충분한 수준의 신뢰성입니다.

Conclusion

본 연구는 주조 시뮬레이션과 열 변형 해석을 결합하여 ADC12 다이캐스트 제품의 소리 변형을 정밀하게 예측할 수 있는 방법론을 확립하였습니다. 비접촉 3D 형상 측정 결과와의 비교를 통해 시뮬레이션의 정확성을 검증하였으며, 특히 게이트 절단 전후의 변형량 변화와 큐어링 타임에 따른 변형 저감 효과를 수치적으로 명확히 규명하였습니다.

결론적으로, 제안된 시뮬레이션 기법은 금형 설계 단계에서 열 변형을 사전에 예측하고 제어할 수 있는 강력한 도구임을 확인하였습니다. 이는 향후 고정밀 다이캐스트 부품의 개발 기간 단축과 품질 향상에 크게 기여할 것으로 기대되며, 복잡한 형상의 부품으로 확장 적용할 수 있는 기술적 타당성을 확보하였습니다.


Source Information

Citation: Hiroshi YAMAGATA, Kimiyasu KUROKAWA, Shoji TANIKAWA and Makoto NIKAWA (2014). Computer simulation for prediction of thermal distortion of JIS ADC12 flat-shape die-casting. Transactions of the JSME (in Japanese).

DOI/Link: 10.1299/transjsme.2014dsm0133

Technical Review Resources for Engineers:

▶ 원문 연구 논문(PDF) 액세스
▶ FLOW-3D 솔루션 팀과 협의하여 기술적 타당성을 검토하시려면..

This material is for informational purposes only. Unauthorized commercial use is prohibited.
Copyright © 2025 STI C&D. All rights reserved.

Fig.4 Analytical result of flow line.

수치 시뮬레이션을 이용한 주조 결함 예측

수치 시뮬레이션을 이용한 주조 결함 예측

Prediction of casting defect by using of numerical simulations

본 연구는 마그네슘 합금 사출 성형 공정에서 발생하는 주조 결함을 줄이기 위해, 수치 시뮬레이션 결과와 실제 성형품의 결함 데이터를 통계적으로 연계하여 결함 발생 가능성을 정량적으로 예측하는 방법론을 제시합니다. 이는 숙련자의 경험에 의존하던 기존의 해석 결과 평가 방식을 데이터 기반의 객관적 지표로 전환하는 데 기술적 기여가 있습니다.

Paper Metadata

  • Industry: 주조 및 전자 기기 제조업
  • Material: 마그네슘 합금 (Mg Alloy)
  • Process: 사출 성형 (Injection Molding) 및 다이캐스팅

Keywords

  • 마그네슘 합금
  • 사출 성형
  • 수치 시뮬레이션
  • 주조 결함 예측
  • Sola-VOF 법
  • 상관계수 분석

Executive Summary

Research Architecture

본 연구는 Sola-VOF 법에 기반한 유한차분법 프로그램을 사용하여 용탕의 유동 및 열전달 해석을 수행하였습니다. 실제 공정에서 수집된 약 40례의 마그네슘 합금 성형품 데이터를 바탕으로 결함 발생 위치를 데이터베이스화하였으며, 이를 시뮬레이션의 격자(Mesh) 정보와 매핑하였습니다. 유동 시간, 금형 온도, 와점성 등 11개의 물리적 매개변수를 추출하여 결함 발생과의 상관관계를 분석하는 프레임워크를 구축하였습니다.

Key Findings

결함부와 무결함부의 매개변수 빈도 분포를 비교한 결과, 금형 온도가 낮은 영역에서 유동선(Flow line) 발생 빈도가 유의미하게 높음을 정량적으로 확인하였습니다. 상관계수 분석을 통해 결함 예측에 유효한 6개의 핵심 매개변수를 선정하였으며, 이를 활용한 확률 분포 함수를 생성하였습니다. 특히, 데이터베이스에 등록된 모델 수가 20례 이상일 때 결함 예측의 정확도가 안정적인 수준에 도달함을 수치적으로 입증하였습니다.

Industrial Applications

개발된 예측 모델은 다이캐스팅 및 사출 성형 금형 설계 단계에서 결함 발생 위험 지역을 사전에 파악하는 데 활용될 수 있습니다. 이는 시운전 횟수를 줄이고 성형 수율을 높이는 데 직접적인 도움을 줍니다. 또한, 특정 공정 조건에서의 결함 발생 확률을 수치화함으로써 생산 관리의 객관적 지표로 활용이 가능합니다.


Theoretical Background

Sola-VOF 법 및 지배 방정식

용탕의 자유 표면 거동을 해석하기 위해 Sola-VOF 법을 채택하였습니다. 지배 방정식으로는 연속 방정식, 나비에-스토크스(Navier-Stokes) 방정식, 유체율(VOF) 방정식, 그리고 에너지 방정식을 사용합니다. 이를 통해 복잡한 형상의 금형 내부에서 용탕이 충전되는 과정과 그에 따른 온도 변화를 시간 단계별로 계산할 수 있습니다.

MARS 법을 이용한 수치 확산 방지

유체율(VOF) 함수의 이송 계산 시 발생하는 수치적 위확산(False diffusion)을 방지하기 위해 MARS(Multi-dimensional Advection Response-Specific) 법을 적용하였습니다. 이는 용탕과 공기 사이의 계면을 보다 선명하게 유지하여, 유동 선(Flow line)이나 기포 혼입과 같은 결함 예측의 기초가 되는 유동 해석의 정밀도를 높이는 역할을 합니다.

Results and Analysis

Experimental Setup

실험을 위해 약 40종의 마그네슘 합금 성형품을 대상으로 유동선(Flow line), 크랙(Cracking), 수축(Shrinkage), 소착(Penetration)의 4가지 주요 결함을 조사하였습니다. 수치 해석에서는 실제 성형 조건과 동일한 매개변수를 입력값으로 설정하였으며, 해석 결과를 실제 결함 발생 위치와 대조하기 위해 각 격자 요소에 결함 유무에 대한 이진 정보를 부여하였습니다.

Visual Data Summary

금형 온도와 빈도 분포의 관계 그래프에서, 무결함부는 평균값을 중심으로 정규 분포를 보이는 반면, 유동선 발생부는 저온 영역으로 편향된 분포를 나타냈습니다. 이는 금형 온도가 낮을 때 용탕의 유동성이 저하되어 결함이 발생한다는 기존의 경험적 지식을 수치적으로 뒷받침합니다. 반면, 평균 유속의 경우 결함 유무에 따른 분포 차이가 크지 않아 단일 변수로서의 예측력은 낮은 것으로 분석되었습니다.

Variable Correlation Analysis

11개의 물리 매개변수와 각 결함 간의 상관계수를 산출한 결과, 결함 종류에 따라 영향력이 큰 변수가 다름을 확인하였습니다. 예를 들어, 유동선은 금형 온도 및 유동 시간과 높은 상관관계를 보였습니다. 본 연구에서는 메모리 효율성을 고려하여 상관계수가 낮은(즉, 결함부와 무결함부의 차이가 뚜렷한) 상위 6개 매개변수를 최종 결함 발생률 함수의 인자로 선정하였습니다.


Paper Details

Prediction of casting defect by using of numerical simulations

1. Overview

  • Title: Prediction of casting defect by using of numerical simulations
  • Author: Norimasa KIMURA, Kiyotaka OBUNAI, Tadao FUKUTA, Koichi OZAKI
  • Year: 2007
  • Journal: The Japan Society of Mechanical Engineers (No. 07-38)

2. Abstract

마그네슘 합금은 경량 및 고비강도 특성으로 인해 전자 기기 하우징 등에 널리 사용되지만, 주조 결함이 발생하기 쉬워 수율이 낮다는 단점이 있습니다. 이를 해결하기 위해 주조 시뮬레이션이 수행되고 있으나 해석 결과의 평가는 여전히 숙련자의 경험에 의존하고 있습니다. 본 연구에서는 시뮬레이션 결과와 실제 성형품의 결함 발생 상황을 연계하여 결함 발생률 함수를 결정하는 방법을 시도하였습니다. 약 40례의 성형품 데이터를 기반으로 상관계수 분석을 통해 최적의 매개변수를 추출하였으며, 이를 통해 결함 발생 가능성을 정량적으로 예측할 수 있음을 확인하였습니다.

3. Methodology

3.1. 성형품의 결함 발생 상황 조사: 유동선, 크랙, 수축, 소착 등 4종의 결함을 대상으로 약 40례의 성형품에서 결함 위치를 파악하고 격자 데이터와 연계하였습니다.
3.2. 수치 계산 수행: Sola-VOF 법과 MARS 법을 적용한 유한차분법 프로그램을 통해 용탕의 유동 및 열전달 수치 해석을 실시하였습니다.
3.3. 매개변수 추출: 결함부와 무결함부의 빈도 분포 차이를 상관계수로 정량화하여, 예측 정밀도가 높은 6개의 물리 매개변수를 선정하였습니다.
3.4. 결함 발생률 함수 작성: 선정된 매개변수들의 상태를 조합하여 확률 분포 함수를 정의하고, 데이터베이스 모델 수에 따른 예측 정확도를 검증하였습니다.

4. Key Results

상관계수 분석 결과, 금형 온도와 유동 시간 등이 주조 결함과 밀접한 관련이 있음을 밝혀냈습니다. 결함 발생률 함수를 이용한 예측 시뮬레이션에서, 데이터베이스에 등록된 모델 수가 1개 또는 10개일 때는 예측 오차가 컸으나, 20개 이상의 모델을 사용했을 때 실제 결함 위치를 정확하게 예측하기 시작했습니다. 20개 모델 이후부터는 모델 수를 늘려도 예측 결과에 큰 변화가 없었으며, 이는 20례 정도의 데이터로도 충분히 신뢰성 있는 결함 발생률 함수 작성이 가능함을 의미합니다.

Fig.4 Analytical result of flow line.
Fig.4 Analytical result of flow line.

5. Mathematical Models

결함 발생률 $f$는 $n$개의 매개변수 $x_i$를 인자로 갖는 확률 분포 함수로 정의됩니다. $$f = f(x_1, x_2, \dots, x_n)$$ 실제 계산에서는 결함이 있는 요소 수 $n_d$와 결함이 없는 요소 수 $n_n$을 이용하여 다음과 같이 산출합니다. $$f = \frac{n_d}{n_n + n_d}$$ 데이터가 존재하지 않는 상태에 대해서는 인접한 상태의 평균값을 지수 함수적으로 처리하여 보간하는 방식을 사용하였습니다.

Figure List

  1. 결함 사례 (Flow line, Cracking, Shrinkage, Penetration)
  2. 빈도 분포의 변화 (금형 온도 및 유속에 따른 결함/무결함 분포)
  3. 성형품 모델 및 조사된 결함 발생 위치 비율
  4. 모델 등록 수에 따른 유동 선(Flow line) 해석 결과 비교

References

  1. 일본소성가공학회 편, 소성가공편람, 코로나사, (2006), pp.454-455
  2. 渡辺 知, “주조의 최신 시뮬레이션 기술”, 일본기계학회지, Vol.108, No.1040(2005), p.566
  3. 岩堀弘昭, 岩田靖, “다이캐스트 금형 내 용탕 거동 측정”, 정밀공학회지, Vol.73, No.2(2007), pp.183-187
  4. 주조공학회 편, 주조공학편람, 마루젠, (2002), p.526

Technical Q&A

Q: 본 연구에서 결함 예측을 위해 사용한 핵심 수치 해석 기법은 무엇입니까?

본 연구는 Sola-VOF 법에 기반한 유한차분법을 사용하여 용탕의 유동을 해석하였습니다. 특히 자유 표면의 정밀한 추적과 수치 확산 억제를 위해 MARS 법을 유체율(VOF) 방정식 계산에 적용하여 해석의 신뢰성을 높였습니다.

Q: 결함 발생률 함수를 만들기 위해 어떤 매개변수들이 선정되었습니까?

수치 해석을 통해 얻은 11개의 매개변수 중 상관계수 분석을 통해 결함부와 무결함부의 차이가 뚜렷한 6개를 선정하였습니다. 주요 변수로는 금형 온도, 유동 시간, 와점성 기반 매개변수 등이 포함되며, 이를 통해 결함 발생 확률을 계산합니다.

Q: 신뢰할 수 있는 결함 예측을 위해 필요한 최소 모델 데이터 수는 얼마입니까?

연구 결과에 따르면, 데이터베이스에 등록된 성형 모델 수가 1개나 10개일 때는 예측 정확도가 낮았으나, 약 20개 이상의 모델을 등록했을 때 실제 결함 위치를 안정적으로 예측할 수 있었습니다. 그 이상의 모델 추가는 예측 결과에 큰 변화를 주지 않았습니다.

Q: 유동선(Flow line) 결함과 가장 밀접한 관련이 있는 물리적 인자는 무엇입니까?

실험 및 해석 결과, 금형 온도가 유동선 발생과 가장 밀접한 관련이 있는 것으로 나타났습니다. 무결함부와 달리 결함 발생부는 금형 온도가 낮은 영역에 집중적으로 분포하는 경향을 보였으며, 이는 경험적인 현상과도 일치합니다.

Q: 데이터가 존재하지 않는 매개변수 상태에 대해서는 어떻게 처리하였습니까?

계산 결과 분류 중 데이터가 없는 상태가 다수 발생할 수 있습니다. 이 경우 인접한 상태의 평균값을 사용하여 결함 발생률 $f$를 정의하되, 분포가 둔화되는 것을 방지하기 위해 $f$의 로그값을 취해 산술 평균한 후 다시 지수 함수로 환원하는 방식을 사용하였습니다.

Conclusion

본 연구는 수치 시뮬레이션 결과와 실제 제조 현장의 결함 데이터를 통계적으로 결합하여 주조 결함을 예측하는 새로운 접근법을 제시하였습니다. 상관계수 분석을 통해 결함 예측에 유효한 물리 매개변수를 선별하고, 이를 확률 분포 함수로 모델링함으로써 정량적인 결함 예측이 가능함을 확인하였습니다. 특히 20례 정도의 적은 모델 데이터로도 충분한 예측 정밀도를 확보할 수 있음을 입증하여, 실제 산업 현장에서의 적용 가능성을 높였습니다. 향후 이 시스템은 금형 설계 최적화 및 불량률 감소를 위한 핵심 도구로 활용될 것으로 기대됩니다.


Source Information

Citation: Norimasa KIMURA, Kiyotaka OBUNAI, Tadao FUKUTA, Koichi OZAKI (2007). Prediction of casting defect by using of numerical simulations. The Japan Society of Mechanical Engineers.

DOI/Link: Not described in the paper

Technical Review Resources for Engineers:

▶ Access the original research paper (PDF)
▶ FLOW-3D 솔루션 팀과 협의하여 기술적 타당성을 검토하시려면..

This material is for informational purposes only. Unauthorized commercial use is prohibited.
Copyright © 2025 STI C&D. All rights reserved.

Fig. 4. The solidification simulation results from the simulation program.

HPDC 품질의 핵심, 계면 열전달 계수(IHTC): FLOW-3D를 활용한 A360 합금의 실험 및 수치 해석적 규명

이 기술 요약은 M. KORU와 O. SERÇE가 저술하여 2016년 ACTA PHYSICA POLONICA A에 게재한 논문 “Experimental and Numerical Determination of Casting-Mold Interfacial Heat Transfer Coefficient in the High Pressure Die Casting of A-360 Aluminum Alloy”를 기반으로 합니다. STI C&D의 기술 전문가가 분석하고 요약했습니다.

키워드

  • Primary Keyword: 계면 열전달 계수 (Interfacial Heat Transfer Coefficient, IHTC)
  • Secondary Keywords: 고압 다이캐스팅 (HPDC), A360 알루미늄 합금, 열유동 해석, FLOW-3D, 주조 공정 최적화, 응고 해석

Executive Summary

  • 도전 과제: 고압 다이캐스팅(HPDC) 공정에서 최종 부품의 품질을 좌우하는 계면 열전달 계수(IHTC)를 정확히 파악하는 것은 여러 공정 변수로 인해 매우 복잡합니다.
  • 해결 방법: A360 알루미늄 합금과 H13 강 금형을 사용한 물리적 실험과 FLOW-3D 소프트웨어를 활용한 수치 시뮬레이션을 결합하여 다양한 사출 조건이 IHTC에 미치는 영향을 분석했습니다.
  • 핵심 발견: 금형/용탕 온도, 사출 속도/압력, 진공 적용 여부가 IHTC에 미치는 영향을 정량화했으며, 모든 사출 변수를 고려했을 때 IHTC 값이 92-117 kW/m²K 범위에서 변화함을 확인했습니다.
  • 핵심 결론: 금형 온도와 진공 적용 여부를 정밀하게 제어하는 것이 HPDC 공정에서 열전달을 최적화하고 최종 부품의 품질을 향상시키는 가장 효과적인 방법입니다.

도전 과제: 이 연구가 CFD 전문가에게 중요한 이유

고압 다이캐스팅(HPDC)은 자동차 산업 등에서 알루미늄 부품을 대량 생산하는 핵심 공법입니다. 이 공정의 성패는 용융된 금속이 금형 내에서 어떻게 냉각되고 응고되는지에 달려 있으며, 이는 주조품과 금형 사이의 ‘계면(interface)’에서 일어나는 열전달에 의해 결정됩니다. 이 계면에서의 열전달 효율을 나타내는 지표가 바로 계면 열전달 계수(Interfacial Heat Transfer Coefficient, IHTC)입니다.

IHTC를 정확하게 예측하고 제어하는 것은 최종 제품의 미세구조와 기계적 특성을 결정짓는 데 매우 중요합니다. 하지만 사출 압력, 속도, 용탕 온도, 금형 온도 등 수많은 변수가 복합적으로 작용하기 때문에 IHTC를 정확히 규명하는 것은 현장의 엔지니어들에게 큰 도전 과제였습니다. 이 연구는 이러한 기술적 한계를 극복하고, 고품질의 다이캐스팅 부품 생산을 위한 핵심 데이터를 제공하기 위해 시작되었습니다.

Fig. 1. The appearance of the parts, gating and vacuum
channels used in experiments.
Fig. 1. The appearance of the parts, gating and vacuum channels used in experiments.

연구 접근법: 방법론 분석

본 연구는 실험적 접근과 수치 해석적 접근을 병행하여 신뢰도를 높였습니다.

  • 실험 설계: 원통형상의 A360 알루미늄 합금 주조품과 H13 열간 공구강 금형을 사용하여 실험 시스템을 구축했습니다. 주조품과 금형의 각기 다른 깊이에 총 18개의 K-타입 열전대(thermocouple)를 설치하여 시간 경과에 따른 정밀한 온도 변화를 0.004초 간격으로 측정했습니다.
  • 핵심 변수: 연구팀은 다음과 같은 핵심 공정 변수들이 IHTC에 미치는 영향을 평가했습니다.
    • 2단 충전 속도: 1.7 – 2.5 m/s
    • 3단 증압 압력: 100 – 200 bar
    • 용탕 온도: 983 – 1053 K
    • 금형 온도: 373, 433, 493, 553 K
    • 캐비티 내 진공 적용 여부
  • 수치 해석: 실험과 동일한 조건 하에 FLOW-3D 시뮬레이션을 수행했습니다. 실험에서 측정된 온도 데이터와 시뮬레이션 결과를 C#으로 작성된 유한차분법(FDM) 코드를 사용하여 IHTC와 열유속(heat flux)을 계산하고 상호 비교 분석했습니다.

핵심 발견: 주요 결과 및 데이터

결과 1: 금형 온도가 IHTC에 미치는 지배적인 영향

연구 결과, 여러 공정 변수 중 금형 온도가 IHTC에 가장 큰 영향을 미치는 것으로 나타났습니다.

Figure 5에서 볼 수 있듯이, 금형 온도가 증가함에 따라 IHTC 값은 실험과 시뮬레이션 결과 모두에서 약 6% 감소하는 경향을 보였습니다. 이는 금형과 주조품 사이의 온도 차이가 줄어들면서 열전달 구동력이 약해지기 때문입니다. 마찬가지로 열유속 값 역시 금형 온도가 높아질수록 약 11% 감소했습니다(Figure 6). 이는 냉각 속도를 제어하는 데 있어 금형 온도 관리가 얼마나 중요한지를 명확히 보여줍니다.

결과 2: 진공 적용을 통한 IHTC 및 열유속의 긍정적 변화

금형 캐비티 내에 진공을 적용했을 때 IHTC와 열유속이 모두 증가하는 것이 관찰되었습니다.

진공 적용 시, 캐비티 내 공기가 제거되면서 용탕과 금형 표면의 밀착성이 향상됩니다. 이로 인해 계면에서의 열 저항이 감소하여 열전달이 더 효과적으로 이루어집니다. 본 연구에 따르면 진공을 적용했을 때 IHTC 값은 약 3-5 kW/m²K, 열유속 값은 약 10-20 kW/m² 증가했습니다. 이는 진공 다이캐스팅이 부품의 기계적 특성을 향상시키는 이유를 열전달 관점에서 설명해주는 중요한 결과입니다.

R&D 및 운영을 위한 실질적 시사점

  • 공정 엔지니어: 이 연구는 금형 온도를 조절하고 진공을 적용하는 것이 열전달 속도를 직접적으로 제어하여 최종 제품의 품질을 관리할 수 있는 효과적인 수단임을 시사합니다. 제안된 회귀 방정식(식 9, 10)을 활용하면 특정 공정 조건에서의 IHTC와 열유속을 예측하여 공정을 최적화할 수 있습니다.
  • 품질 관리팀: 논문의 Figure 5와 6 데이터는 사출 압력, 속도와 같은 공정 변수가 IHTC에 미치는 영향을 명확히 보여줍니다. 이는 응고 과정에 직접적인 영향을 미치므로, 최종 부품의 기계적 물성 변화를 예측하고 새로운 품질 검사 기준을 수립하는 데 활용될 수 있습니다.
  • 설계 엔지니어: FLOW-3D 시뮬레이션 결과(Figure 4)는 제품의 형상에 따른 응고 패턴을 시각적으로 보여줍니다. 특히 두꺼운 영역에서 최종 응고가 일어나는 것을 확인할 수 있으며, 이는 수축 기공과 같은 결함을 방지하기 위한 게이트 및 오버플로우 설계 단계에서 중요한 고려사항이 될 수 있습니다.

논문 상세 정보


Experimental and Numerical Determination of Casting-Mold Interfacial Heat Transfer Coefficient in the High Pressure Die Casting of A-360 Aluminum Alloy

1. 개요:

  • 제목: Experimental and Numerical Determination of Casting-Mold Interfacial Heat Transfer Coefficient in the High Pressure Die Casting of A-360 Aluminum Alloy
  • 저자: M. KORU, O. SERÇE
  • 발행 연도: 2016
  • 게재 학술지/학회: ACTA PHYSICA POLONICA A
  • 키워드: 고압 다이캐스팅, 계면 열전달 계수, A-360 알루미늄 합금, 유한차분법, FLOW-3D, 진공 다이캐스팅

2. 초록:

다이캐스팅은 거의 최종 형상에 가까운 제품을 만드는 공정이지만, 주로 열 공정을 포함한다. 따라서 고품질의 부품을 생산하기 위해서는 주조-금형 계면 열전달 계수와 열유속을 결정하는 것이 중요하다. 본 논문에서는 다양한 사출 변수(2단 속도, 사출 압력, 용탕 및 금형 온도)가 열유속과 계면 열전달 계수에 미치는 영향을 실험 및 수치 해석적으로 조사했다. 실험은 A360 알루미늄 합금 주물과 H13 강 금형을 사용하여 원통형 형상으로 수행되었다. 선택된 사출 변수는 2단 속도 1.7-2.5 m/s, 3단 압력 100-200 bar, 용탕 온도 983-1053 K, 금형 온도 373, 433, 493, 553 K였다. 이 변수들은 금형 캐비티의 비진공 및 진공 조건 모두에 사용되었다. 진공 조건 하에서의 적용 효과도 연구되었다. 주조 및 금형 재료의 다른 깊이에 장착된 18개의 열전대를 사용하여 온도를 시간의 함수로 측정했다. 측정된 온도 값과 계산된 온도 값은 양립 가능했다. 실험적으로 측정된 온도 값에 따라 계면 열전달 계수 h와 열유속 q는 C# 프로그래밍 언어의 명시적 기법을 사용한 유한차분법으로 계산되었다. 실험 외에도 동일한 변수를 사용하여 Flow-3D 소프트웨어 시뮬레이션이 수행되었다. Flow-3D에서 얻은 계면 열전달 계수와 열유속 결과도 본 연구에 제시되었다. 금형 및 용탕 온도가 증가함에 따라 계면 열전달 계수는 감소했다. 또한, 사출 속도와 압력이 증가함에 따라 계면 열전달 계수 값은 약간 증가했다. 금형 캐비티 내부에 진공이 적용되었을 때 계면 열전달 계수와 열유속 값도 증가한 것으로 관찰되었다. 모든 사출 변수를 고려했을 때, 계면 열전달 계수는 92-117 kW/m²K 사이에서 변하는 것으로 나타났다.

3. 서론:

알루미늄 소재는 낮은 밀도, 높은 강도, 우수한 열전도 특성으로 인해 자동차 산업에서 널리 사용된다. 알루미늄 부품 제조에 사용되는 가장 중요한 방법은 최종 형상의 제품을 직접 생산할 수 있는 고압 다이캐스팅(HPDC)이다. HPDC 공정은 사이클 타임이 짧기 때문에 금형은 각 사이클마다 큰 온도 변동에 노출된다. 따라서 HPDC 공정에서 계면 열전달 계수(IHTC)를 결정하는 것은 매우 중요하다. 주조-금형 계면에서의 열전달 메커니즘은 주조 부품의 미세 및 거시 구조에 상당한 영향을 미친다. 특히 HPDC를 다른 주조 방법과 비교할 때, 주조 및 금형 재료의 높은 열전도도는 IHTC 결정에 중요하다.

4. 연구 요약:

연구 주제의 배경:

고압 다이캐스팅(HPDC) 공정에서 제품의 품질은 응고 과정 중의 열전달에 크게 좌우된다. 주조품과 금형 사이의 계면 열전달 계수(IHTC)는 이 열전달 과정을 정량화하는 핵심 지표이며, 이를 정확히 파악하는 것은 공정 제어 및 품질 예측에 필수적이다.

이전 연구 현황:

문헌에 따르면 IHTC를 결정하는 방법은 크게 두 가지가 있다. 첫 번째는 선형 가변 변위 변환기(LVDT)를 사용하여 계면 간극 크기를 측정하고 이를 기반으로 IHTC를 결정하는 방법이다. 두 번째는 주조품과 금형의 여러 지점에 열전대를 설치하여 온도를 측정하고 유한차분법(FDM)이나 유한요소법(FEM)과 같은 수치 계산 방법을 통해 IHTC를 계산하는 것이다.

연구 목적:

본 연구의 목적은 HPDC 공정에서 다양한 사출 변수(2단 속도, 사출 압력, 용탕 및 금형 온도, 진공 적용 여부)에 따른 A360 알루미늄 합금의 IHTC와 열유속을 실험과 수치 시뮬레이션을 통해 규명하는 것이다.

핵심 연구:

실험을 통해 얻은 온도 데이터와 FLOW-3D 시뮬레이션 결과를 유한차분법(FDM) 기반의 C# 코드로 분석하여 IHTC와 열유속 값을 계산했다. 각 사출 변수가 IHTC와 열유속에 미치는 영향을 정량적으로 분석하고, 실험 결과와 시뮬레이션 결과를 비교하여 모델의 타당성을 검증했다.

5. 연구 방법론

연구 설계:

실험과 수치 시뮬레이션을 병행하는 방식으로 설계되었다. 표준 인장 시편 제작에 적합한 원통형 형상을 CAD 소프트웨어로 설계하고, 주조 시뮬레이션 소프트웨어를 사용하여 최적의 게이트 및 벤팅 채널을 설계했다.

데이터 수집 및 분석 방법:

  • 데이터 수집: 주조품과 금형의 반경 방향으로 18개의 K-타입 열전대를 설치하고, 데이터 수집 장치(NI SCXI-1600)를 통해 0.004초 간격으로 온도 데이터를 기록했다.
  • 데이터 분석: 수집된 온도 데이터를 경계 조건으로 사용하여 유한차분법(FDM) 기반의 C# 프로그램을 통해 계면의 온도를 추정하고, 이를 바탕으로 IHTC와 열유속을 계산했다. FLOW-3D 시뮬레이션 결과와 실험 기반 계산 결과를 비교 분석했다.

연구 주제 및 범위:

  • 주조 재료: A360 알루미늄 합금
  • 금형 재료: H13 열간 공구강
  • 연구 변수: 2단 속도(1.7-2.5 m/s), 증압 압력(100-200 bar), 용탕 온도(983, 1053 K), 금형 온도(373, 433, 493, 553 K), 진공/비진공 조건
  • 측정 항목: 시간에 따른 온도 분포, 계면 열전달 계수(IHTC), 열유속(q)

6. 주요 결과:

주요 결과:

  • 금형 온도가 증가하면 IHTC와 열유속은 각각 약 6%, 11% 감소했다.
  • 용탕 온도가 증가하면 IHTC와 열유속은 실험에서 3%, 시뮬레이션에서 2% 증가했다.
  • 사출 압력을 100 bar에서 200 bar로 높이면 IHTC는 약 1-2 kW/m²K 증가했다.
  • 진공을 적용하면 IHTC는 약 3-5 kW/m²K, 열유속은 10-20 kW/m² 증가했다.
  • 모든 공정 변수를 고려했을 때, IHTC는 92–117 kW/m²K, 열유속은 730–1320 kW/m² 범위에서 변화했다.
  • 실험과 FLOW-3D 시뮬레이션 간의 온도 차이는 5-25 K 범위로, 시뮬레이션 모델의 적합성을 보여주었다.
Fig. 4. The solidification simulation results from the
simulation program.
Fig. 4. The solidification simulation results from the simulation program.

그림 목록:

  • Fig. 1. The appearance of the parts, gating and vacuum channels used in experiments.
  • Fig. 2. Temperature measurement and thermocouple positioning.
  • Fig. 3. The cylindrical coordinate system, differential control volume and the implementation of the FDM to the deriverative transactions.
  • Fig. 4. The solidification simulation results from the simulation program.
  • Fig. 5. IHTC results calculated from experimental results and taken from simulation (kW/m² K).
  • Fig. 6. Heat flux values calculated from experimental results and taken from simulations (kW/m²).

7. 결론:

  • 금형 온도의 증가는 계면 열전달 계수와 열유속 값을 감소시킨다.
  • 용탕 온도의 증가는 IHTC를 증가시키고 열유속을 감소시킨다.
  • 진공 적용을 통해 주조품과 금형 사이의 공기층이 줄어들면 IHTC가 증가한다.
  • 본 연구에서 도출된 회귀 방정식(식 9, 10)을 통해 금형 및 용탕 온도, 사출 속도, 압력, 진공 적용 여부에 따라 IHTC와 열유속 값을 계산할 수 있다.
  • 모든 사출 변수를 고려했을 때, IHTC는 92–117 kW/m²K, 열유속은 730–1320 kW/m² 범위에서 변화하는 것을 확인했다.

8. 참고 문헌:

  1. H.H. Doehler, Die Casting, 1st ed., McGraw Hill, Michigan 1951, p. 502.
  2. C.M. Flemings, Solidification Processing, Mcgraw Hill College, New York 1974, p. 420.
  3. H.S. Kim, I.S. Cho, J.S. Shin, S.M. Lee, B.M. Moon, ISIJ International 45, 192 (2005).
  4. J.E.Vinarcik, High Integrity Die Casting Processes, John Wiley & Sons, New York 2003, p. 223.
  5. B. Andersen, Die casting engineering a hydraulic, thermal and mechanical process, Marcel Dekker, New York 2005, p. 384.
  6. G. Dour, M. Dargusch, C. Davidson, A. Nef, J. Mater. Proc. Technol. 169, 223 (2005).
  7. O. İpek, M. Koru, J. Therm. Sci. Technol. 31, 45 (2011).
  8. Z.W. Chen, Mater. Sci. Eng. A 348, 145 (2003).
  9. H.M. Şahin, K. Kocatepe, R. Kayıkçı, N. Akar, Energ. Convers. Manag. 47, 19 (2006).
  10. N. Akar, H.M. Şahin, N. Yalçın, K. Kocatepe, Exp. Heat Transfer 21, 83 (2008).
  11. B. Aksoylu, M.C. Ensari, Metal Dünyası 148, 143 (2005).
  12. C.K. Jin, C.G. Kang, J. Power Sources 196, 8241 (2011).
  13. C.K. Jin, C.G. Kang, Int. J. Hydrogen En. 32, 1661 (2012).
  14. G.X. Wang, E.F. Matthys, Int. J. Heat Mass Transfer 45, 4967 (2002).
  15. M. Trovant, Ph.D. Thesis, Graduate Department of Metallurgy and Materials Science, University of Toronto, 1998.
  16. C.P. Hallam, W.D. Griffiths, Metall. Mater. Trans. B 35, 721 (2004).
  17. P.F. Incropera, D.P. Dewitt, Heat and Mass Transfer Fundamentals, Eds. T. Derbentli, O. Genceli, A. Güngör, A. Hepbaşlı, Z. İlken, N. Özbalta, F. Özgüç, C. Parmaksızoğlu, Y. Uralcan, Literatür Yayınları, İstanbul 2001, p. 960, (in Turkish).
  18. M.N. Özışık, Finite difference methods in heat transfer, Mechanical and Aerospace Engineering Department, North Carolina State University, Florida 1994, p. 412.
  19. M.N. Srinivasan, Indian J. Technol. 20, 123 (1982).
  20. G. Zhi-Peng, X. Shou-Mei, L. Bai-Cheng, M. Lei, J. Allison, Int. J. Heat Mass Transfer 51, 6032 (2008).
  21. A. Hamasaiid, G. Dour, M.S. Dargusch, T. Loulou, C. Davidson, G. Savage, Metall. Mater. Trans. A 39, 853 (2008).

전문가 Q&A: 자주 묻는 질문

Q1: 실험에서 원통형 형상을 선택한 특별한 이유가 있나요?

A1: 네, 두 가지 주요 이유가 있습니다. 첫째, 원통형 형상은 표준 인장 시험편을 제작하기에 적합하여 주조된 부품의 기계적 특성을 평가하기 용이합니다. 둘째, 열전달 해석 관점에서 볼 때, 열이 주로 반경 방향으로만 이동하는 1차원 문제로 단순화할 수 있어 유한차분법(FDM)을 적용하여 계면 열전달 계수를 더 정확하게 계산할 수 있습니다.

Q2: 논문에서 실험 결과와 FLOW-3D 시뮬레이션 결과가 언급되었는데, 두 결과는 얼마나 잘 일치했나요?

A2: 두 결과는 매우 잘 일치했습니다. 논문에 따르면, 측정된 온도와 시뮬레이션으로 계산된 온도 간의 차이는 5K에서 25K 범위에 있었습니다. 이러한 높은 수준의 일치도는 FLOW-3D 시뮬레이션 모델이 실제 HPDC 공정의 열 현상을 정확하게 예측할 수 있음을 입증하며, 시뮬레이션 결과의 신뢰성을 뒷받침합니다.

Q3: 어떤 공정 변수가 계면 열전달 계수(IHTC)에 가장 큰 영향을 미쳤나요?

A3: 금형 온도가 IHTC에 가장 큰 영향을 미치는 변수로 확인되었습니다. 금형 온도가 높아질수록 IHTC는 약 6% 감소했습니다. 이는 금형 온도가 주조품의 냉각 속도를 제어하는 가장 중요한 요소임을 의미하며, 원하는 미세구조와 기계적 특성을 얻기 위해 정밀한 금형 온도 제어가 필수적임을 시사합니다.

Q4: 진공을 적용하는 것이 IHTC와 열유속에 구체적으로 어떤 영향을 미치나요?

A4: 진공 적용은 IHTC를 3-5 kW/m²K, 열유속을 10-20 kW/m² 증가시키는 긍정적인 효과를 가져왔습니다. 그 이유는 캐비티 내 공기를 제거함으로써 용탕과 금형 표면 사이의 열 저항 역할을 하던 공기층이 사라지기 때문입니다. 결과적으로 금속과 금형의 접촉이 개선되어 열전달 효율이 크게 향상됩니다.

Q5: 논문에서 제시된 IHTC와 열유속 예측을 위한 회귀 방정식(식 9, 10)은 실제 현장에서 얼마나 유용한가요?

A5: 이 방정식들은 현장에서 매우 유용한 도구가 될 수 있습니다. IHTC를 예측하는 식 (9)의 정확도는 79%, 열유속을 예측하는 식 (10)의 정확도는 59%로 보고되었습니다. 비록 완벽하지는 않지만, 복잡한 시뮬레이션 없이도 주요 공정 변수(온도, 압력, 속도 등)를 입력하여 IHTC와 열유속을 신속하게 추정할 수 있어 공정 초기 설정이나 문제 해결에 실질적인 가이드라인을 제공할 수 있습니다.


결론: 더 높은 품질과 생산성을 향한 길

고압 다이캐스팅 공정의 품질은 복잡한 열 현상, 특히 주조품과 금형 사이의 계면 열전달 계수(IHTC)에 의해 결정됩니다. 본 연구는 실험과 FLOW-3D 시뮬레이션을 통해 금형 온도, 용탕 온도, 사출 조건 및 진공 적용이 IHTC에 미치는 영향을 정량적으로 규명함으로써, 이 복잡한 문제에 대한 명확한 해답을 제시했습니다. 특히 금형 온도 제어와 진공 적용이 열전달 효율을 최적화하는 핵심 전략임을 입증했습니다.

STI C&D는 최신 산업 연구 결과를 적용하여 고객이 더 높은 생산성과 품질을 달성할 수 있도록 지원하는 데 전념하고 있습니다. 이 논문에서 논의된 과제가 귀사의 운영 목표와 일치한다면, 저희 엔지니어링 팀에 연락하여 이러한 원칙을 귀사의 부품에 어떻게 구현할 수 있는지 논의해 보시기 바랍니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

  • 연락처 : 02-2026-0450
  • 이메일 : flow3d@stikorea.co.kr

저작권 정보

  • 이 콘텐츠는 “M. KORU, O. SERÇE”가 저술한 논문 “Experimental and Numerical Determination of Casting-Mold Interfacial Heat Transfer Coefficient in the High Pressure Die Casting of A-360 Aluminum Alloy”를 기반으로 한 요약 및 분석 자료입니다.
  • 출처: https://doi.org/10.12693/APhysPolA.130.453

이 자료는 정보 제공 목적으로만 사용됩니다. 무단 상업적 사용을 금합니다. Copyright © 2025 STI C&D. All rights reserved.

Fig. 14 Solidification microstructure of 8mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min. (a) Simulated microstructure at 249 s, (b) simulated microstructure at 258 s, (c) simulated microstructure at 267 s, (d) simulated microstructure at 270 s, and (e) metallograph of actual cast. (Left: longitudinal section, Right: transverse section)

황동 수평 연속주조 시뮬레이션: 3D 셀룰러 오토마타 모델을 통한 미세조직 예측 및 품질 혁신

이 기술 요약은 De-Chang Tsai와 Weng-Sing Hwang이 Materials Transactions에 발표한 논문 “A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification”(2011)을 기반으로 하며, STI C&D의 기술 전문가를 위해 분석 및 요약되었습니다.

키워드

  • 주요 키워드: 황동 수평 연속주조 시뮬레이션
  • 보조 키워드: 응고 미세조직, 셀룰러 오토마타 모델, 유한차분법, 주조 공정 최적화, 결정립 성장

Executive Summary

  • 도전 과제: 수평 연속주조(HCC) 공정에서 황동 합금의 응고 미세조직을 정밀하게 예측하고 제어하여 최종 제품의 기계적 특성을 향상시키는 것.
  • 해결 방법: 거시적 온도장 해석을 위한 유한차분법(FDM)과 미시적 핵 생성 및 결정립 성장을 위한 셀룰러 오토마타(CA) 모델을 결합한 수치 해석 모델을 활용.
  • 핵심 돌파구: 개발된 3차원 CAFD(Cellular Automaton-Finite Difference) 결합 모델이 황동 봉의 일방향 응고 및 결정립 형태를 성공적으로 예측했으며, 실제 주조 실험 결과와 높은 일치도를 보임.
  • 핵심 결론: 이 시뮬레이션 접근법은 원하는 미세조직을 얻기 위해 주조 변수를 정밀하게 제어할 수 있게 하여, 결함을 줄이고 제품 품질을 향상시키는 강력한 도구가 될 수 있음.

도전 과제: 이 연구가 CFD 전문가에게 중요한 이유

황동은 우수한 가공성과 다양한 특성으로 널리 사용되지만, 최종 품질은 응고 과정에서 형성되는 미세조직에 의해 결정됩니다. 특히 수평 연속주조(HCC) 공정에서는 주조 속도와 같은 변수들이 온도 구배와 성장 속도에 영향을 미쳐 최종 미세조직을 결정합니다. 기존에는 실제 주조품에 대한 물리적 관찰과 금속학적 분석에 의존해왔으나, 이는 많은 인력, 자원, 시간을 소모하는 비효율적인 방법이었습니다. 따라서 주조 조건 변화에 따른 미세조직 변화를 예측할 수 있는 신뢰성 높은 수치 모델링 기술의 필요성이 대두되었습니다. 이는 개발 기간을 단축하고 공정 최적화를 통해 고품질의 황동 제품을 안정적으로 생산하기 위한 핵심 과제입니다.

접근 방식: 방법론 분석

본 연구는 수평 연속주조(HCC) 공정에서 황동(Cu70Zn30, Cu65Zn35) 봉의 응고 미세조직을 예측하기 위해 실험과 수치 시뮬레이션을 결합한 접근법을 채택했습니다.

  • 실험 장비 및 조건: 진공로와 연속주조 기술을 결합한 HCC 장비를 사용했습니다(그림 1). 흑연 및 구리 주형을 사용했으며, 1100°C로 예열된 도가니에서 순수 구리와 아연을 1.0 × 10⁻⁴ atm의 진공 상태에서 용해했습니다. 주조 속도는 각각 65 mm/min (Cu70Zn30)과 75 mm/min (Cu65Zn35)으로 설정했고, 냉각수 유량은 15 L/min으로 유지했습니다.
  • 수치 해석 모델: 거시적 열전달과 미시적 응고 현상을 결합한 모델을 개발했습니다.
    • 거시적 열전달 해석 (FDM): 유한차분법(FDM)을 사용하여 HCC 공정의 비정상상태 열전달을 계산했습니다. 지배 방정식(식 1)을 통해 온도 변화를 계산했으며, 용탕/주형 및 주형/냉각수 경계면에서의 열유속은 각각 식 (2)와 (3)으로 정의했습니다.
    • 미시적 응고 해석 (CA): 셀룰러 오토마타(CA) 모델을 사용하여 핵 생성 및 결정립 성장을 모사했습니다. 핵 생성은 과냉도에 따른 가우시안 분포(식 4)를 따르며, 결정립 성장은 덴드라이트 선단의 성장 속도를 계산하는 Kurz-Giovanola-Trivedi (KGT) 모델(식 11-14)을 기반으로 합니다. 이 모델은 결정의 우선 성장 방향을 고려하여 실제와 유사한 결정립 성장을 모사합니다.

핵심 돌파구: 주요 발견 및 데이터

결과 1: 정확한 온도장 및 응고 전선 예측

유한차분법(FDM) 모델은 HCC 공정의 거시적 온도장을 매우 정확하게 예측했습니다. Cu70Zn30 합금을 65 mm/min의 속도로 주조하는 경우, 시뮬레이션에서 안정 상태에 도달했을 때의 Point #2 온도는 632°C로 계산되었습니다(그림 11a). 이는 실제 실험에서 측정한 Point #1의 온도인 635~639°C와 매우 근접한 결과입니다. 또한, 주조 속도를 75 mm/min으로 증가시켰을 때 고상/액상(S/L) 계면이 주형 출구 쪽으로 이동하는 현상을 시뮬레이션이 정확하게 보여주었습니다(그림 12a). 이는 주조 속도가 응고 거동에 미치는 영향을 정량적으로 예측할 수 있음을 의미합니다.

결과 2: 응고 미세조직의 성공적인 예측

CAFD 결합 모델은 실제 주조 실험에서 관찰된 미세조직과 매우 유사한 결과를 예측했습니다. – Cu70Zn30 (Φ6mm, 65 mm/min): 시뮬레이션 결과(그림 13a-d), 길이 방향 단면에서는 축 방향으로 평행한 주상정(columnar structure)이 성장하고, 횡단면에서는 소수의 큰 결정립이 존재하는 것으로 나타났습니다. 이는 실제 주조품의 금속 조직 사진(그림 13e)에서 관찰된 일방향 응고 조직과 거의 일치합니다. – Cu65Zn35 (Φ8mm, 75 mm/min): 주조 속도와 봉의 직경이 증가한 이 경우, 시뮬레이션(그림 14a-d)은 길이 방향에서 평행한 주상정이 유지되면서 횡단면에서 결정립 수가 증가하는 것을 보여주었습니다. 이는 실제 금속 조직(그림 14e)과 일치하는 결과로, 논문에서는 주조 속도와 크기 증가가 결정립 성장 경쟁 효과를 감소시켜 결정립 수가 증가한 것으로 분석했습니다.

R&D 및 운영을 위한 실질적 시사점

  • 공정 엔지니어: 본 연구는 인출 속도(주조 속도)가 응고 전선의 위치와 최종 결정립 구조를 결정하는 핵심 변수임을 보여줍니다. 주조 속도를 높이면 결정립 수가 증가할 수 있으며(그림 14), 이는 머쉬 존(mushy zone)의 폭을 제어하여 특정 결함을 줄이는 데 기여할 수 있습니다. 시뮬레이션을 통해 특정 제품에 대한 최적의 인출 속도를 사전에 파악할 수 있습니다.
  • 품질 관리팀: 그림 13과 14의 데이터는 주조 조건이 최종 결정립 구조(주상정, 결정립 크기 등)에 직접적인 영향을 미친다는 것을 명확히 보여줍니다. 이 정보를 활용하여 원하는 기계적 특성을 얻기 위한 공정 윈도우를 설정하고, 결정립 형태에 대한 새로운 품질 검사 기준을 수립하는 데 참고할 수 있습니다.
  • 설계 엔지니어: 이 모델은 주형 설계(흑연/구리 다이)와 냉각 조건이 열 추출에 미치는 중요성을 강조합니다. 시뮬레이션 접근법을 통해 초기 설계 단계에서부터 일방향 응고를 유도하고 미세조직을 제어할 수 있는 최적의 주형 및 냉각 시스템 설계를 고려할 수 있습니다.

논문 상세 정보


A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification

1. 개요:

  • 제목: A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification
  • 저자: De-Chang Tsai and Weng-Sing Hwang
  • 발행 연도: 2011
  • 발행 학술지/학회: Materials Transactions, Vol. 52, No. 4
  • 키워드: brass alloy, horizontal continuous casting, solidification microstructure, cellular automaton model, finite difference method

2. 초록:

본 연구의 목적은 수평 연속주조(HCC)를 이용한 황동 합금(Cu70Zn30 및 Cu65Zn35)의 응고 과정 형태를 예측하고, 실험 결과를 통해 그 정확성을 검증하는 것입니다. 이 연구는 이전 연구(수직 연속주조 공정을 이용한 순수 구리 봉의 응고 미세조직 예측)에서 확장되었습니다. 수치 시뮬레이션 측면에서는 유한차분법(FDM)과 셀룰러 오토마타(CA) 모델을 각각 황동 합금의 거시적 온도장 및 미시적 핵 생성과 결정립 성장을 해결하는 데 활용했습니다. 주조 실험 관찰 결과, 냉각 주형을 사용하는 HCC 공정을 통해 일방향으로 응고된 황동 봉을 제작할 수 있었습니다. CAFD 모델에 의한 주조 결정립 형태는 실제 주조 실험 결과와 잘 일치했습니다.

3. 서론:

황동은 구리나 아연보다 가공성이 뛰어나고, 상대적으로 낮은 용융점과 유동 특성으로 주조가 용이합니다. 수평 연속주조(HCC)는 황동 봉을 생산하는 주요 방법 중 하나로, 다양한 장점을 가집니다. HCC 공정에서 가장 중요한 응고 과정은 최종 제품의 기계적, 화학적 특성과 직결되는 벌크 미세조직의 형성을 결정합니다. 기존 연구는 주로 물리적 관찰과 금속학적 분석에 의존했으나, 이는 많은 시간과 자원을 필요로 합니다. 따라서, 주조 조건에 따른 미세조직 변화를 예측할 수 있는 수치 모델링 기법을 활용하는 것이 바람직합니다. 본 연구는 결정론적 모델과 확률론적 모델의 장점을 통합한 셀룰러 오토마타(CA) 모델을 기반으로, HCC 공정의 응고 미세조직을 예측하는 3차원 시스템을 개발하고 검증하고자 합니다.

Fig. 1 Schematic illustration of the casting equipment of HCC.
Fig. 1 Schematic illustration of the casting equipment of HCC.

4. 연구 요약:

연구 주제의 배경:

황동은 HCC 공정을 통해 고순도, 고균질성의 봉, 선, 튜브 형태로 생산되며, 다양한 산업 분야에 적용됩니다. 공정의 핵심인 응고 과정은 최종 제품의 미세조직과 특성을 결정하므로, 이를 정밀하게 제어하는 것이 중요합니다.

이전 연구 현황:

과거에는 Oldfield, Hunt 등의 결정론적 모델과 Rappaz, Gandin 등의 확률론적 CA 모델이 개발되었습니다. CA 모델은 불균일 핵 생성 및 연속 핵 생성 모델을 기반으로 하며, 핵 생성 위치와 우선 성장 방향은 확률적으로, 덴드라이트 성장 속도는 물리 이론에 기반한 결정론적 모델로 계산합니다. 연속주조 공정 시뮬레이션은 주로 유동, 열전달, 응고 현상에 초점을 맞추어 왔으며, 미세조직 시뮬레이션은 최근에 들어서야 활발히 연구되고 있습니다.

연구 목적:

본 연구의 목적은 HCC 공정으로 생산되는 황동 합금(Cu70Zn30, Cu65Zn35)의 응고 형태를 예측하는 3차원 CA 모델을 개발하고, 실제 주조 실험 결과와 비교하여 모델의 정확성을 검증하는 것입니다.

핵심 연구:

유한차분법(FDM)으로 거시적 온도장을 계산하고, 이를 기반으로 셀룰러 오토마타(CA) 모델을 사용하여 미시적 핵 생성 및 결정립 성장을 시뮬레이션하는 결합 모델(CAFD)을 개발했습니다. 이 모델을 사용하여 다양한 주조 조건 하에서 황동 봉의 응고 미세조직(결정립 형태, 크기, 방향성)을 예측하고, 실제 제작된 황동 봉의 금속 조직과 비교 분석했습니다.

5. 연구 방법론

연구 설계:

실제 HCC 공정 실험과 수치 시뮬레이션을 병행하여 상호 검증하는 방식으로 설계되었습니다. 실험을 통해 특정 주조 조건에서의 온도 데이터와 최종 미세조직을 확보하고, 동일 조건에서 CAFD 결합 모델 시뮬레이션을 수행하여 예측 결과와 비교했습니다.

데이터 수집 및 분석 방법:

  • 실험 데이터: HCC 공정 중 특정 지점(그림 3의 Point #1)에서 열전대(thermocouple)를 사용하여 온도를 측정했습니다. 주조된 황동 봉을 절단, 연마, 에칭(HNO₃ + H₂O) 후 광학 현미경으로 미세조직을 관찰했습니다.
  • 시뮬레이션 데이터: FDM을 통해 계산된 온도장 데이터를 CA 모델의 입력값으로 사용했습니다. CA 모델은 핵 생성 밀도, 성장 속도 등을 계산하여 시간에 따른 결정립 구조의 변화를 3차원으로 시각화했습니다.
Fig. 6 Growth kinetics of a dendrite tip, as calculated using the KGT
model for Cu70Zn30. (R2 is the square of the correlation coefficient)
Fig. 6 Growth kinetics of a dendrite tip, as calculated using the KGT model for Cu70Zn30. (R2 is the square of the correlation coefficient)

연구 주제 및 범위:

  • 연구 대상: 황동 합금 Cu70Zn30 (Φ6mm) 및 Cu65Zn35 (Φ8mm)
  • 공정: 수평 연속주조(HCC)
  • 주요 변수: 주조 속도(65 mm/min, 75 mm/min), 냉각 조건
  • 해석 범위: 거시적 열전달 및 미시적 응고 미세조직(핵 생성, 결정립 성장) 예측

6. 주요 결과:

주요 결과:

  • FDM을 이용한 거시적 온도장 시뮬레이션 결과는 실제 HCC 공정에서 측정한 온도와 높은 일치도를 보였습니다 (시뮬레이션 632°C vs. 실험 635-639°C).
  • 주조 속도가 증가하면 고상/액상 계면이 주형 출구 쪽으로 이동하는 현상을 성공적으로 예측했습니다.
  • CAFD 결합 모델은 황동 봉의 일방향 응고(unidirectional solidification)와 주상정 구조를 실제 금속 조직과 매우 유사하게 예측했습니다.
  • Cu70Zn30 (65 mm/min) 시뮬레이션은 길이 방향의 평행한 주상정 구조와 횡단면의 소수 거대 결정립을 정확히 모사했습니다 (그림 13).
  • Cu65Zn35 (75 mm/min) 시뮬레이션은 주조 속도 및 크기 증가에 따른 결정립 수 증가 현상을 실제와 같이 재현했습니다 (그림 14).
Fig. 14 Solidification microstructure of 8mm brass rod (Cu65Zn35) for
a casting speed of 75 mm/min. (a) Simulated microstructure at 249 s,
(b) simulated microstructure at 258 s, (c) simulated microstructure at 267 s,
(d) simulated microstructure at 270 s, and (e) metallograph of actual cast.
(Left: longitudinal section, Right: transverse section)
Fig. 14 Solidification microstructure of 8mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min. (a) Simulated microstructure at 249 s, (b) simulated microstructure at 258 s, (c) simulated icrostructure at 267 s, (d) simulated microstructure at 270 s, and (e) metallograph of actual cast. (Left: longitudinal section, Right: transverse section)

Figure 목록:

  • Fig. 1 Schematic illustration of the casting equipment of HCC.
  • Fig. 2 Photograph of mould used in HCC process (a) graphite mould (b) copper mould.
  • Fig. 3 The location of thermalcouple in HCC process.
  • Fig. 4 Sketch of the physical model for HCC process.
  • Fig. 5 Schematic diagram of the growth algorithm used in the CA model.
  • Fig. 6 Growth kinetics of a dendrite tip, as calculated using the KGT model for Cu70Zn30. (R² is the square of the correlation coefficient)
  • Fig. 7 Growth kinetics of a dendrite tip, as calculated using the KGT model for Cu65Zn35. (R² is the square of the correlation coefficient)
  • Fig. 8 Numerical simulation flowchart of microstructure modeling for HCC process.
  • Fig. 9 The actual situation of brass rod in HCC process (a) rod-drawing process (b) coil device.
  • Fig. 10 Withdrawal Φ6 mm brass rod (Cu70Zn30) after HCC process.
  • Fig. 11 Φ6 mm brass rod (Cu70Zn30) for a casting speed of 65 mm/min in HCC process (a) temperature field (b) solid fraction.
  • Fig. 12 Φ8 mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min in HCC process (a) temperature field (b) solid fraction.
  • Fig. 13 Solidification microstructure of Φ6 mm brass rod (Cu70Zn30) for a casting speed of 65 mm/min.
  • Fig. 14 Solidification microstructure of Φ8 mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min.

7. 결론:

  1. 거시적 온도장을 얻기 위해 유한차분법을 사용하고, 이를 CA 모델과 결합하여 핵 생성과 결정립 성장을 계산하는 방법은 HCC 공정에서 황동 합금의 미세조직 형태를 효과적으로 예측할 수 있었습니다.
  2. 냉각 주형을 사용하는 HCC 공정에서 인출 속도를 최적화함으로써 일방향으로 응고된 황동 봉을 제작할 수 있었습니다.

8. 참고 문헌:

  1. W. Oldfield: ASM Trans. 59 (1966) 945.
  2. J. D. Hunt: Mater. Sci. Eng. 65 (1984) 75.
  3. I. Dustin and W. Kurz: Z. Metallkd. 77 (1986) 265.
  4. C. A. Gandin and M. Rappaz: Acta Mater. 42 (1994) 2233.
  5. C. A. Gandin, J. L. Desbiolles, M. Rappaz and P. Thevoz: Metall. Mater. Trans. A 30 (1999) 3153.
  6. M. Rappaz and C. A. Gandin: Acta Mater. 41 (1993) 345.
  7. M. Rappaz, C. A. Gandin, J. L. Desbiolles and P. Thevoz: Metall. Mater. Trans. A 27 (1996) 695.
  8. Y. Hirokazu and O. Itsuo: J. Japan Inst. Metals 61 (1997) 342.
  9. K. Harkki and J. Miettinen: Metall. Trans. B 30 (1999) 75.
  10. Y. T. Ding and G. J. Xu: Foundry Technology 26 (2005) 1075.
  11. M. F. Zhu and C. P. Hong: Metall. Mater. Trans. A 35 (2004) 1555.
  12. H. B. Dong and P. D. Lee: Acta Mater. 53 (2005) 659.
  13. Y. Natsume and K. Ohsasa: ISIJ Int. 46 (2006) 896.
  14. G. Guillemot, C. A. Gandin and M. Bellet: J. Crystal Growth 303 (2007) 58.
  15. X. G. Qu and X. Q. Li: Machin. Design Manuf. 1 (2008) 109.
  16. Y. H. Chang, S. M. Lee, K. Y. Lee and C. P. Hong: ISIJ Int. 38 (1998) 63.
  17. M. F. Zhu and C. P. Hong: ISIJ Int. 42 (2002) 520.
  18. W. Kurz, B. Giovanola and R. Trivedi: Acta Metall. 34 (1986) 823.
  19. K. Harkki and J. Miettinen: Metall. Mater. Trans. B 30B (1999) 75.
  20. Y. T. Ding and G. G. Xu: Foundry Technology 26 (2005) 1075.

전문가 Q&A: 자주 묻는 질문

Q1: 왜 다른 방법 대신 FDM-CA 결합 모델을 선택했습니까?

A1: 이 모델은 거시적 현상과 미시적 현상을 효과적으로 연결하기 때문입니다. FDM은 전체 시스템의 온도 분포와 같은 거시적 열전달을 효율적으로 계산합니다. 반면, CA 모델은 핵 생성의 무작위성과 결정립의 우선 성장 방향 같은 확률론적 현상을 잘 포착합니다. 이 두 가지를 결합함으로써, 물리적 현상에 기반한 정확성과 실제 응고 과정의 복잡성을 모두 반영할 수 있어 예측 신뢰도를 높일 수 있습니다.

Q2: CA 모델의 핵심 변수인 핵 생성 파라미터(n_max, ΔT_N, ΔT_σ)는 어떻게 결정되었습니까?

A2: 논문에 따르면, 이 파라미터들은 이상적으로는 DTA(시차 열 분석) 실험을 통해 결정되어야 합니다. 하지만 본 연구에서는 관련 문헌(Ref. 19)에서 가장 적절한 값을 참조하고, 컴퓨터 시뮬레이션 결과를 통해 그 타당성을 검증하는 방식을 택했습니다. 이는 정확한 재료 물성 데이터 확보가 신뢰성 높은 시뮬레이션을 위해 얼마나 중요한지를 보여줍니다.

Q3: 그림 14가 그림 13보다 더 많은 결정립을 보이는 이유는 무엇입니까?

A3: 논문에서는 이 차이가 두 가지 요인에 기인한다고 설명합니다. 첫째, 주조 속도가 65 mm/min에서 75 mm/min으로 증가했고, 둘째, 주조품의 직경이 Φ6mm에서 Φ8mm로 커졌습니다. 이러한 조건 변화는 결정립 성장 경쟁(grain growth competition) 효과를 감소시켜, 더 많은 수의 결정립이 살아남아 최종 미세조직을 형성하게 된 것입니다.

Q4: 3D-CA 계산에 2D 온도장을 사용한 이유는 무엇이며, 이러한 단순화가 타당한가요?

A4: 논문에서는 계산에 필요한 저장 공간과 시간을 줄이기 위해 이러한 단순화를 적용했다고 언급합니다. 연구 대상인 황동 봉은 원통형으로 축 대칭성을 가지므로, 2차원 단면에서의 온도장 계산만으로도 전체 3차원 시스템의 열적 거동을 대표할 수 있습니다. 따라서 이 특정 형상에 대해서는 합리적인 접근 방식이라고 할 수 있습니다.

Q5: 그림 11(b)와 12(b)에서 예측된 좁은 머쉬 존(mushy zone)은 무엇을 의미합니까?

A5: 고상 분율(solid fraction) 분포도에서 나타난 좁은 머쉬 존은 고상과 액상이 공존하는 영역이 좁다는 것을 의미합니다. 이는 황동 봉의 응고가 비교적 빠르게 완료됨을 시사하며, 결과적으로 미세 편석(microsegregation)의 영향이 심각하지 않다는 것을 암시합니다. 이는 재료의 균질성과 기계적 특성 측면에서 매우 긍정적인 결과입니다.


결론: 더 높은 품질과 생산성을 향한 길

본 연구는 황동 수평 연속주조 시뮬레이션이 단순한 예측을 넘어 공정 최적화의 핵심 도구가 될 수 있음을 명확히 보여주었습니다. FDM과 CA를 결합한 모델은 주조 속도와 같은 공정 변수가 최종 미세조직에 미치는 영향을 정밀하게 예측함으로써, 시행착오에 의존하던 기존 방식의 한계를 극복할 수 있는 길을 제시합니다. 이러한 접근법은 원하는 기계적 특성을 가진 고품질 황동 제품을 안정적으로 생산하고, 개발 기간 단축 및 생산성 향상에 직접적으로 기여할 수 있습니다.

“STI C&D는 최신 산업 연구 결과를 적용하여 고객이 더 높은 생산성과 품질을 달성할 수 있도록 최선을 다하고 있습니다. 이 논문에서 논의된 과제가 귀사의 운영 목표와 일치한다면, 저희 엔지니어링 팀에 연락하여 이러한 원칙을 귀사의 부품에 어떻게 구현할 수 있는지 알아보십시오.”

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

  • 연락처 : 02-2026-0450
  • 이메일 : flow3d@stikorea.co.kr

저작권 정보

  • 이 콘텐츠는 “De-Chang Tsai” 외 저자의 논문 “A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification”을 기반으로 한 요약 및 분석 자료입니다.
  • 출처: https://doi.org/10.2320/matertrans.M2010402

이 자료는 정보 제공 목적으로만 사용됩니다. 무단 상업적 사용을 금지합니다. Copyright © 2025 STI C&D. All rights reserved.

A photo of HeMOSU-1.

FLOW-3D를 이용한 해상 자켓구조물 주변의 세굴 수치모의 실험

Numerical Simulation Test of Scour around Offshore Jacket Structure using FLOW-3D

J Korean Soc Coast Ocean Eng. 2015;27(6):373-381Publication date (electronic) : 2015 December 31doi : https://doi.org/10.9765/KSCOE.2015.27.6.373Dong Hui Ko*Shin Taek Jeong,**Nam Sun Oh****Hae Poong Engineering Inc.**Department of Civil and Environmental Engineering, Wonkwang University***Ocean·Plant Construction Engineering, Mokpo Maritime National University
고동휘*, 정신택,**, 오남선***

*(주)해풍기술**원광대학교 토목환경공학과***목포해양대학교 해양·플랜트건설공학과

Abstract

해상풍력 기기, 해상 플랫폼과 같은 구조물이 해상에서 빈번하게 설치되면서 세굴에 관한 영향도 중요시되고 있다. 이러한 세굴 영향을 검토하기 위해 세굴 수치모의 실험을 수행한다. 일반적으로 수치모의 조건은 일방향 흐름에 대해서만 검토가 이뤄지고 있으며 서해안과 같은 왕복성 조류 흐름에 대해서는 검토되지 않는다. 본 연구에서는 서해안에 설치된 HeMOSU-1호 해상 자켓구조물 주변에서 발생하는 세굴 현상을 FLOW-3D를 이용하여 수치모의하였다. 해석 조건으로는 일방향 흐름과 조석현상을 고려한 왕복성 흐름을 고려하였으며, 이를 현장 관측값과 비교하였다. 10,000초 동안의 수치모의 결과, 일방향의 흐름 조건에서는 1.32 m의 최대 세굴심이 발생하였으며, 양방향 흐름 조건에서는 1.44 m의 최대 세굴심이 발생하였다. 한편, 현장 관측값의 경우 약 1.5~2.0 m의 세굴심이 발생하여 양방향의 흐름에 대한 해석 결과와 근사한 값을 보였다.

Keywords 세굴일방향 흐름왕복성 조류 흐름해상 자켓구조물FLOW-3D최대 세굴심, scouruni-directional flowbi-directional tidal current flowoffshore jacket substructureFlow-3Dmaximum scour depth

As offshore structures such as offshore wind and offshore platforms have been installed frequently in ocean, scour effects are considered important. To test the scour effect, numerical simulation of scour has been carried out. However, the test was usually conducted under the uni-directional flow without bi-directional current flow in western sea of Korea. Thus, in this paper, numerical simulations of scour around offshore jacket substructure of HeMOSU-1 installed in western sea of Korea are conducted using FLOW-3D. The conditions are uni-directional and bi-directional flow considering tidal current. And these results are compared to measured data. The analysis results for 10,000 sec show that under uni-directional conditions, maximum scour depth was about 1.32 m and under bi-directional conditions, about 1.44 m maximum scour depth occurred around the structure. Meanwhile, about 1.5~2.0 m scour depths occurred in field observation and the result of field test is similar to result under bi-directional conditions.

1. 서 론

최근 해상풍력기기, 해상플랫폼과 같은 해상구조물 설치가 빈번해지면서 해상구조물의 안정성을 저하시키는 요인에 대한 대응 연구가 필요하다. 특히 해상에서의 구조물 설치는 육상과 달리 수력학적 하중이 작용하게 되기 때문에 파랑에 의한 구조물과의 진동, 세굴 현상에 대하여 철저한 사전 검토가 요구된다. 특히, 해상 기초에서 발생하는 세굴은 조류 및 파랑 등 유체 흐름과 구조물 사이의 상호작용으로 인해 해저 입자가 유실되는 현상으로 정의할 수 있으며 해상 외력 조건에 포함되어 설계시 고려하도록 제안하고 있다(IEC, 2009).구조물을 해상에 설치하게 되면 구조물이 흐름을 방해하는 장애요인으로 작용하여 구조물 주위에 부분적으로 더 빠른 유속이 발생하게 된다. 이러한 유속 변화는 압력 분포 변화에 기인하게 되어 해양구조물 주위에 아래로 흐르는 유속(downflow), 말굽형 와류(horseshoe vortex) 그리고 후류 와류(wake vortex)가 나타난다. 결국, 유속과 흐름의 변화를 야기하고 하상전단응력과 유사이동 능력을 증가시켜 해저 입자를 유실시키며 구조물의 안정성을 위협하는 요인으로 작용하게 된다. 이러한 세굴 현상이 계속 진행되면 해상풍력 지지구조물 기초의 지지력이 감소하게 될 뿐만 아니라 지지면의 유실로 상부반력 작용에 편심을 유발하여 기초의 전도를 초래한다. 또한 세굴에 의한 기초의 부등 침하가 크게 발생하면 상부 해상풍력 지지구조물에 보다 큰 단면력이 작용하므로 세굴에 의한 붕괴가 발생할 수 있다. 이처럼 세굴은 기초지지구조물을 붕괴하고, 침하와 얕은 기초의 변형을 초래하며, 구조물의 동적 성능을 변화시키기 때문에 설계 및 시공 유지관리시 사전에 세굴심도 산정, 세굴 완화 대책 등을 고려하여야 한다.또한 각종 설계 기준서에서는 세굴에 대해 다양하게 제시하고 있다. IEC(2009)ABS(2013)BSH(2007)MMAF(2005)에서는 세굴에 대한 영향을 검토할 것을 주문하지만 심도 산정 등 세굴에 대한 구체적인 내용은 언급하지 않고 전반적인 내용만 수록하고 있다. 그러나 DNV(2010)CEM(2006)에서는 경험 공식을 이용한 세굴 심도 산정 등 구체적인 내용을 광범위하게 수록하고 있어 세굴에 대한 영향 검토시 활용가능하다. 그 외의 기준서에서는 수치 모델 등을 통한 세굴 검토를 주문하고 있어 사용자들이 직접 판단하도록 제안하고 있다.그러나 세굴은 유속, 수심, 구조물 폭, 형상, 해저입자 등에 의해 결정되기 때문에 세굴의 영향 정도를 정확하게 예측하기란 쉽지 않지만 수리 모형 실험 또는 CFD(Computational Fluid Dynamics)를 이용한 수치 해석을 통해 지반 침식 및 퇴적으로 인한 지형변화를 예측할 수 있다. 한편, 침식과 퇴적 등 구조물 설치로 인한 해저 지형 변화를 예측하는 모델은 다양하지만, 본 연구에서는 Flowscience의 3차원 유동해석모델인 Flow-3D 모델을 사용하였다.해상 구조물은 목적에 따라 비교적 수심이 낮은 지역에 설치가 용이하다. 국내의 경우, 서남해안과 같이 비교적 연안역이 넓고 수심이 낮은 지역에 구조물을 설치하는 것이 비용 및 유지관리 측면에서 유리할 수 있다. 그러나 국내 서남해안 지역은 왕복성 흐름, 즉 조류가 발생하는 지역으로 흐름의 방향이 시간에 따라 변화하게 된다. 따라서, 세굴 수치 모의시 이러한 왕복성 흐름을 고려해야한다. 그러나 대부분의 수치 모델 적용시 조류가 우세한 지역에서도 일방향의 흐름에 대해서만 검토하며 왕복성 흐름에 의한 지층의 침식과 퇴적작용으로 인해 발생하는 해저 입자의 상호 보충 효과는 배제되게 된다. 또한 이로 인해 수치모델 결과에 많은 의구심이 발생하게 되며 현실성이 결여된 해석으로 보여질 수 있다. 이러한 왕복흐름의 영향을 검토하기 위해 Kim and Gang(2011)은 조류의 왕복류 흐름을 고려하여 지반의 수리 저항 성능 실험을 수행하였으며, 양방향이 일방향 흐름보다 세굴이 크게 발생하는 것을 발표하였다. 또한 Kim et al.(2012)은 흐름의 입사각에 따른 수리저항 실험을 수행하였으며 입사각이 커짐에 따라 세굴률이 증가하는 것으로 나타났다.본 연구에서는 단일방향 고정유속 그리고 양방향 변동유속조건에서 발생하는 지형 변화와 세굴 현상을 수치 모의하였으며, 이러한 비선형성 흐름변화에 따른 세굴 영향 정도를 검토하였다. 더불어 현장 관측 자료와의 비교를 통해 서남해안과 같은 왕복성 흐름이 발생하는 지역에서의 세굴 예측시 적절한 모델 수립 방안을 제안하고자 한다.

2. 수치해석 모형

본 연구에서는 Autodesk의 3D max 프로그램을 이용하여 지지구조물 형상을 제작하였으며, 수치해석은 미국 Flowscience가 개발한 범용 유동해석 프로그램인 FLOW-3D(Ver. 11.0.4.5)를 사용하였다. 좌표계는 직교 좌표계를 사용하였으며 복잡한 3차원 형상의 표현을 위하여 FAVOR 기법(Fractional Area/Volume Obstacle Representation Method)을 사용하였다. 또한 유한차분법에 FAVOR 기법을 도입한 유한체적법의 접근법을 사용하였으며 직교좌표계 에서 비압축성 유체의 3차원 흐름을 해석하기 위한 지배방정식으로는 연속방정식과 운동방정식이 사용되었다. 난류모형으로는 RNG(renormalized group)모델을 사용하였다.

2.1 FLOW-3D의 지배방정식

수식은 MathML 표현문제로 본 문서의 하단부의 원문바로가기 링크를 통해 원문을 참고하시기 바랍니다.

2.1.1 연속방정식

직교좌표계 (x,y,z)에서 비압축성 유체는 압축성 유체의 연속방정식에서 유도될 수 있으며 다음 식 (1)과 같다.

(1)

∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ∂∂x(uAx)+∂∂y(vAy)+∂∂z(wAz)=RSORρ
여기서, u, v, w는 (x,y,z) 방향별 유체속도, Ax, Ay, Az는 각 방향별 유체 흐름을 위해 확보된 면적비 (Area fraction), ρ는 유체 밀도, RSOR은 질량생성/소멸(Mass source/sink)항이다.

2.1.2 운동방정식

본 모형은 3차원 난류모형이므로 각각의 방향에 따른 운동량 방정식은 다음 식(2)~(4)와 같다.

(2)

∂u∂t+1VF(uAx∂u∂x+vAy∂u∂y+wAz∂u∂z)   =−1ρ∂p∂x+Gx+fx−bx−RSORρVFu∂u∂t+1VF(uAx∂u∂x+vAy∂u∂y+wAz∂u∂z)   =−1ρ∂p∂x+Gx+fx−bx−RSORρVFu

(3)

∂v∂t+1VF(uAx∂v∂x+vAy∂v∂y+wAz∂v∂z)   =−1ρ∂p∂y+Gy+fy−by−RSORρVFv∂v∂t+1VF(uAx∂v∂x+vAy∂v∂y+wAz∂v∂z)   =−1ρ∂p∂y+Gy+fy−by−RSORρVFv

(4)

∂w∂t+1VF(uAx∂w∂x+vAy∂w∂y+wAz∂w∂z)   =−1ρ∂p∂z+Gz+fz−bz−RSORρVFw∂w∂t+1VF(uAx∂w∂x+vAy∂w∂y+wAz∂w∂z)   =−1ρ∂p∂z+Gz+fz−bz−RSORρVFw여기서, RSOR은 질량생성/소멸(Mass source/sink)항, VF는 체적비 (Volume fraction), p는 압력, Gx, Gy, Gz는 방향별 체적력항, fx, fy, fz는 방향별 점성력항, bx, by, bz는 다공질 매체에서 방향별 흐름 손실이다.그리고 점성계수 µ에 대하여 점성력항은 다음 식 (5)~(7)과 같다.

(5)

ρVffx=wsx−{∂∂x(Axτxx)+R∂∂y(Ayτxy)+∂∂z(Azτxz)+ζx(Axτxx−Ayτyy)}ρVffx=wsx−{∂∂x(Axτxx)+R∂∂y(Ayτxy)+∂∂z(Azτxz)+ζx(Axτxx−Ayτyy)}

(6)

ρVffy=wsy−{∂∂x(Axτxy)+R∂∂y(Ayτyy)+∂∂z(Azτyz)+ζx(Axτxx−Ayτxy)}ρVffy=wsy−{∂∂x(Axτxy)+R∂∂y(Ayτyy)+∂∂z(Azτyz)+ζx(Axτxx−Ayτxy)}

(7)

ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}ρVffz=wsz−{∂∂x(Axτxz)+R∂∂y(Ayτyz)+∂∂z(Azτzz)+ζx(Axτzz)}여기서, wsx, wsy, wsz는 벽전단응력이며, 벽전단응력은 벽 근처에서 벽 법칙 (law of the wall)을 따르며, 식 (8)~(13)에 의해 표현되어진다.

(8)

τxx=−2μ{∂u∂x−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τxx=−2μ{∂u∂x−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(9)

τyy=−2μ{R∂v∂y+ζux−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τyy=−2μ{R∂v∂y+ζux−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(10)

τzz=−2μ{R∂w∂y−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}τzz=−2μ{R∂w∂y−13(∂u∂x+R∂v∂y+∂w∂z+ζux)}

(11)

τxy=−μ{∂v∂x+R∂u∂y−ζvx}τxy=−μ{∂v∂x+R∂u∂y−ζvx}

(12)

τxz=−μ{∂u∂y+∂w∂x}τxz=−μ{∂u∂y+∂w∂x}

(13)

τyz=−μ{∂v∂z+R∂w∂y}τyz=−μ{∂v∂z+R∂w∂y}

2.1.3 Sediment scour model

Flow-3D 모델에서 사용하는 sediment scour model은 해저입자의 특성에 따라 해저 입자의 침식, 이송, 전단과 흐름 변화로 인한 퇴적물의 교란 그리고 하상 이동을 계산한다.

2.1.3.1 The critical Shields parameter

무차원 한계소류력(the dimensionless critical Shields parameter)은 Soulsby-Whitehouse 식에 의해 다음 식 (14)와 같이 나타낼 수 있다(Soulsby, 1997).

(14)

θcr,i=0.31+1.2R∗i+0.055[1−exp(−0.02R∗i)]θcr,i=0.31+1.2Ri*+0.055[1−exp(−0.02Ri*)]여기서 무차원 상수, R∗iRi*는 다음 식 (15)와 같다.

(15)

R∗i=ds,i0.1(ρs,i−ρf)ρf∥g∥ds,i−−−−−−−−−−−−−−−−−−−√μfRi*=ds,i0.1(ρs,i−ρf)ρf‖g‖ds,iμf여기서 ρs, i는 해저 입자의 밀도, ρf는 유체 밀도, ds, i는 해저입자 직경, g는 중력가속도이다.한편, 안식각에 따라 한계소류력은 다음 식 (16)과 같이 표현될 수 있다.

(16)

θ′cr,i=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2β−−−−−−−−−−−−−−−−−−−−√tanψiθcr,i′=θcr,icosψsinβ+cos2βtan2ψi−sin2ψsin2βtanψi여기서, β는 하상 경사각, ψi는 해저입자의 안식각, ψ는 유체와 해저경사의 사잇각이다.또한 local Shields number는 국부 전단응력, τ에 기초하여 다음 식 (17)과 같이 계산할 수 있다.

(17)

θi=τ∥g∥ds,i(ρs,i−ρf)θi=τ‖g‖ds,i(ρs,i−ρf)여기서, ||g||g 는 중력 벡터의 크기이며, τ는 식 (8)~(13)의 벽 법칙을 이용하여 계산할 수 있다.

2.1.3.2 동반이행(Entrainment)과 퇴적

다음 식은 해저 지반과 부유사 사이의 교란을 나타내는 동반이행과 퇴적 현상을 계산한다. 해저입자의 동반이행 속도의 계산식은 다음 식 (18)과 같으며 부유사로 전환되는 해저의 양을 계산한다.

(18)

ulift,i=αinsd0.3∗(θi−θ′cr,i)1.5∥g∥ds,i(ρs,i−ρf)ρf−−−−−−−−−−−−−−√ulift,i=αinsd*0.3(θi−θcr,i′)1.5‖g‖ds,i(ρs,i−ρf)ρf여기서, αi는 동반이행 매개변수이며, ns는 the packed bed interface에서의 법선벡터, µ는 유체의 동점성계수 그리고 d*은 무차원 입자 직경으로 다음 식 (19)와 같다.

(19)

d∗=ds,i[ρf(ρs,i−ρf)∥g∥μ2]1/3d*=ds,i[ρf(ρs,i−ρf)‖g‖μ2]1/3또한 퇴적 모델에서 사용하는 침강 속도 식은 다음 식 (20)같이 나타낼 수 있다.

(20)

usettling,i=νfds,i[(10.362+1.049d3∗)0.5−10.36]usettling,i=νfds,i[(10.362+1.049d*3)0.5−10.36]여기서, νf는 유체의 운동점성계수이다.

2.1.3.3 하상이동 모델(Bedload transport)

하상이동 모델은 해저면에 대한 단위 폭당 침전물의 체적흐름을 예측하는데 사용되며 다음 식 (21)과 같이 표현되어진다.

(21)

Φi=βi(θi−θ′cr,i)1.5Φi=βi(θi−θcr,i′)1.5여기서 Φi는 무차원 하상이동률이며 βi는 일반적으로 8.0의 값을 사용한다(van Rijn, 1984).단위 폭당 체적 하상이동률, qi는 다음 식 (22)와 같이 나타낼 수 있다.

(22)

qb,i=fb,i Φi[∥g∥(ρs,i−ρfρf)d3s,i]1/2qb,i=fb,i Φi[‖g‖(ρs,i−ρfρf)ds,i3]1/2여기서, fb, i는 해저층의 입자별 체적률이다.또한 하상이동 속도를 계산하기 위해 다음 식 (23)에 의해 해저면층 두께를 계산할 수 있다.

(23)

δi=0.3ds,id0.7∗(θiθ′cr,i−1)0.5δi=0.3ds,id*0.7(θiθcr,i′−1)0.5그리고 하상이동 속도 식은 다음 식 (24)와 같이 계산되어진다.

(24)

ubedload,i=qb,iδifb,iubedload,i=qb,iδifb,i

2.2 모델 구성 및 해역 조건

2.2.1 해역 조건 및 적용 구조물

본 수치해석은 위도와 안마도 사이의 해양 조건을 적용하였으며 지점은 Fig. 1과 같다.

jkscoe-27-6-373f1.gifFig. 1.Iso-water depth contour map in western sea of Korea.

본 해석 대상 해역은 서해안의 조석 현상이 뚜렷한 지역으로 조류 흐름이 지배적이며 위도의 조화분석의 결과를 보면 조석형태수가 0.21로서 반일주조 형태를 취한다. 또한 북동류의 창조류와 남서류의 낙조류의 특성을 보이며 조류의 크기는 대상 영역에서 0.7~1 m/s의 최강유속 분포를 보이는 것으로 발표된 바 있다. 또한 대상 해역의 시추조사 결과를 바탕으로 해저조건은 0.0353 mm 로 설정하였고(KORDI, 2011), 수위는 등수심도를 바탕으로 15 m로 하였다.한편, 풍황자원 분석을 통한 단지 세부설계 기초자료 제공, 유속, 조류 등 해양 환경변화 계측을 통한 환경영향평가 기초자료 제공을 목적으로 Fig. 2와 같이 해상기상탑(HeMOSU-1호)을 설치하여 운영하고 있다. HeMOSU-1호는 평균해수면 기준 100 m 높이이며, 중량은 100 톤의 자켓구조물로 2010년 설치되었다. 본 연구에서는 HeMOSU-1호의 제원을 활용하여 수치 모의하였으며, 2013년 7월(설치 후 약 3년 경과) 현장 관측을 수행하였다.

jkscoe-27-6-373f2.gifFig. 2.A photo of HeMOSU-1.

2.2.2 모델 구성

본 연구에서는 왕복성 조류의 영향을 살펴보기 위해 2 case에 대하여 해석하였다. 먼저, Case 1은 1 m/s의 고정 유속을 가진 일방향 흐름에 대한 해석이며, Case 2는 -1~1 m/s의 유속분포를 가진 양방향 흐름에 대한 해석이다. 여기서 (-)부호는 방향을 의미한다. Fig. 3은 시간대별 유속 분포를 나타낸 것이다.

jkscoe-27-6-373f3.gifFig. 3.Comparison of current speed conditions.

2.2.3 구조물 형상 및 격자

HeMOSU-1호 기상 타워 자켓 구조물 형상은 Fig. 4, 격자 정보는 Table 1과 같으며, 본 연구에서는 총 2,883,000 개의 직교 가변 격자체계를 구성하였다.

jkscoe-27-6-373f4.gifFig. 4.3 Dimensional plot of jacket structure.
Table 1.

Grid information of jacket structure

Xmin/Xmax(m)Ymin/Ymax(m)Zmin/Zmax(m)No. of x gridNo. of y gridNo. of z grid
−100/100−40/40−9/2031015560
Download Table

한편, 계산영역의 격자 형상은 Fig. 5와 같다.

jkscoe-27-6-373f5.gifFig. 5.3 dimensional grid of jacket structure.

2.3 계산 조건

계산영역의 경계 조건으로, Case 1의 경우, 유입부는 유속 조건을 주었으며 유출부는 outflow 조건을 적용하였다. 그리고 Case 2의 경우, 왕복성 흐름을 표현하기 위해 유입부와 유출부 조건을 유속 조건으로 설정하였다. 또한 2가지 경우 모두 상부는 자유수면을 표현하기 위해 pressure로 하였으며 하부는 지반 조건의 특성을 가진 wall 조건을 적용하였다. 양측면은 Symmetry 조건으로 대칭면으로 정의하여 대칭면에 수직한 방향의 에너지와 질량의 유출입이 없고 대칭면에 평행한 방향의 유동저항이 없는 경우로 조건을 설정하였다. 본 연구에서 케이스별 입력 조건을 다음 Table 2에 정리하였다.

Table 2.

Basic information of two scour simulation tests

CaseStructure typeVelocityDirectionAnalysis time
Case 1Jacket1 m/sUnidirectional10,000 sec
Case 2−1~1 m/sBidirectional
Download Table

FLOW-3D는 자유표면을 가진 유동장의 계산에서 정상상태 해석이 불가능하므로 비정상유동 난류해석을 수행하게 되는데 정지 상태의 조건은 조위를 설정하였다. 또한 유속의 초기 흐름은 난류상태의 비정상흐름이 되므로 본 해석에서는 정상상태의 해석 수행을 위해 1,000초의 유동 해석을 수행하였으며 그 후에 10,000초의 sediment scour 모델을 수행하였다. 해수의 밀도는 1,025 kg/m3의 점성유체로 설정하였으며 RNG(renormalized group) 난류 모델을 적용하였다.Go to : Goto

3. 수치모형 실험 결과

3.1 Case 1

본 케이스에서는 1 m/s의 유속을 가진 흐름이 구조물 주변을 흐를 때, 발생하는 세굴에 대해서 수치 모의하였다. Fig. 6은 X-Z 평면의 유속 분포도이고 Fig. 7은 X-Y 평면의 유속 분포이다. 구조물 주변에서 약간의 유속 변화가 발생했지만 전체적으로 1 m/s의 정상 유동 상태를 띄고 있다.

jkscoe-27-6-373f6.gifFig. 6.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Z plane).
jkscoe-27-6-373f7.gifFig. 7.Current speed distribution in computational domain of case 1 at t = 10,000 sec (X–Y plane).

이러한 흐름과 구조물과의 상호 작용에 의한 세굴 현상이 발생되며 Fig. 8에 구조물 주변 지형 변화를 나타내었다. 유속이 발생하는 구조물의 전면부는 대체로 침식이 일어나 해저지반이 초기 상태보다 낮아진 것을 확인할 수 있으며, 또한 전면부의 지반이 유실되어 구조물 후면부에 최대 0.13 m까지 퇴적된 것을 확인할 수 있다.

jkscoe-27-6-373f8.gifFig. 8.Sea-bed elevation change of case 1 at t = 10,000 sec.

일방향 흐름인 Case 1의 경우에는 Fig. 9와 같이 10,000초 후 구조물 주변에 최대 1.32 m의 세굴이 발생하는 것으로 나타났다. 또한 구조물 뒤쪽으로는 퇴적이 일어났으며, 구조물 전면부에는 침식작용이 일어나고 있다.

jkscoe-27-6-373f9.gifFig. 9.Scour phenomenon around jacket substructure(Case 1).

3.2 Case 2

서해안은 조석현상으로 인해 왕복성 조류 흐름이 나타나고 있으며 대상해역은 -1~1 m/s의 유속분포를 가지고 있다. 본 연구에서는 이러한 특성을 고려한 왕복성 흐름에 대해서 수치모의하였다.다음 Fig. 10은 X-Z 평면의 유속 분포도이며 Fig. 11은 X-Y 평면의 유속 분포도이다.

jkscoe-27-6-373f10.gifFig. 10.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Z plane).
jkscoe-27-6-373f11.gifFig. 11.Current speed distribution in computational domain of case 2 at t = 10,000 sec (X–Y plane).

양방향 흐름인 Case 2의 경우에는 Fig. 12와 같이 10,000초후 구조물 주변에 최대 1.44 m의 세굴이 발생하는 것으로 나타났다. 특히 구조물 내부에 조류 흐름 방향으로 침식 작용이 일어나고 있는 것으로 나타났다.

jkscoe-27-6-373f12.gifFig. 12.Sea-bed elevation change of case 2 at t = 10,000 sec.

Fig. 13은 3차원 수치해석 모의 결과이다.

jkscoe-27-6-373f13.gifFig. 13.Scour phenomenon around jacket substructure(Case 2).

3.3 현장 관측

본 연구에서는 수치모의 실험의 검증을 위해 HeMOSU-1호 기상 타워를 대상으로 하여 2013년 7월 1일 수심 측량을 실시하였다.HeMOSU-1호 주변의 수심측량은 Knudsen sounder 1620과 미국 Trimble사의 DGPS를 이용하여 실시하였다. 매 작업시 Bar-Check를 실시하고, 수중 음파속도는 1,500 m/s로 결정하여 조위 보정을 통해 수심을 측량하였다. 측량선의 해상위치자료는 DGPS를 사용하여 UTM 좌표계로 변환을 실시하였다. 한편, 수심측량은 해면이 정온할 때 실시하였으며 관측 자료의 변동성을 제거하기 위해 2013년 7월 1일 10시~13시에 걸쳐 수심 측량한 자료를 동시간대에 국립해양조사원에서 제공한 위도 자료를 활용해 조위 보정하였다. 다음 Fig. 14는 위도 조위 관측소의 현장관측시간대 조위 시계열 그래프이다.

jkscoe-27-6-373f14.gifFig. 14.Time series of tidal data at Wido (2013.7.1).

2013년 7월 1일 오전 10시부터 오후 1시에 걸쳐 수심측량한 결과를 이용하여 0.5 m 간격으로 등수심도를 작성하였으며 그 결과는 Fig. 15와 같다. 기상탑 내부 해역은 선박이 접근할 수 없기 때문에 측량을 실시하지 않고 Blanking 처리하였다.

jkscoe-27-6-373f15.gifFig. 15.Iso-depth contour map around HeMOSU-1.

대상 해역의 수심은 대부분 -15 m이나 4개의 Jacket 구조물 주변에서는 세굴이 발생하여 수심의 변화가 나타났다. 특히 L-3, L-4 주변에서 최대 1.5~2.0 m의 세굴이 발생한 것으로 보였으며, L-4 주변에서는 넓은 범위에 걸쳐 세굴이 발생하였다. 창조류는 북동, 낙조류는 남서 방향으로 흐르는 조류 방향성을 고려하였을 때, L-4 주변은 조류방향과 동일하게 세굴이 발생하고 있었으며, 보다 상세한 세굴형태는 원형 구조물 내부 방향의 세굴 심도를 측정하여 파악하여야 할 것으로 판단된다.관측결과 최대 1.5~2.0 m인 점을 고려하면 양방향 흐름을 대상으로 장기간에 걸쳐 모의실험을 진행하는 경우, 실제 현상에 더 근접하는 결과를 얻을 수 있을 것으로 사료된다.Go to : Goto

4. 결론 및 토의

본 연구에서는 자켓구조물인 해상기상탑 HeMOSU-1 주변에서 발생하는 세굴현상을 검토하기 위하여 2013년 7월 1일 현장 관측을 수행하고, FLOW-3D를 이용하여 수치모의 실험을 수행하였다. 실험 조건으로는 먼저 1 m/s의 유속을 가진 일방향 흐름과 -1~1 m/s의 흐름 분포를 가진 왕복성 흐름에 대해서 수치모의를 수행하였다. 그 결과 일방향 흐름의 경우, 10,000 초에 이르렀을 때 1.32 m, 왕복성 흐름의 경우 동일 시간에서 1.44 m의 최대 세굴심도가 발생하였다. 동일한 구조물에 대해서 현장 관측 결과는 1.5~2.0 m로 관측되어 일방향 흐름보다 왕복성 흐름의 경우 실제 현상에 더 근사한 것으로 판단되었다. 이는 일방향 흐름의 경우, Fig. 8에서 보는 바와 같이 구조물 후면에 퇴적과 함께 해저입자의 맞물림이 견고해져 해저 지반의 저항력이 커지는 현상에 기인한 것으로 판단된다. 반면 양방향 흐름의 경우, 흐름의 변화로 인해 맞물림이 약해지고 이로 인해 지반의 저항력이 일방향 흐름보다 약해져 세굴이 더 크게 발생하는 것으로 판단되었다.또한 장시간에 걸쳐 모델링을 수행하는 경우, 보다 근사한 결과를 얻을 수 있을 것을 사료되며, 신형식 기초 구조물을 개발하여 세굴을 저감할 수 있는 지 여부를 판단하는 등의 추가 연구가 필요하다.Go to : GotoInternational Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.

감사의 글

본 연구는 지식경제 기술혁신사업인 “승강식 해상플랫폼을 가진 수직 진자운동형 30kW급 파력발전기 개발(과제번호 :20133010071570)”와 첨단항만건설기술개발사업인 “해상풍력 지지구조 설계기준 및 콘크리트 지지구조물 기술 개발(과제번호:20120093)”의 일환으로 수행되었습니다.Go to : Goto

References

American Bureau of Shipping (ABS). (2013). Guide for Building and Classing Bottom-Founded Offshore Wind turbine Installations.

API RP 2A WSD. (2005). Recommended Practice for Planning, Designing and Constructing Fixed Offshore Platforms-Working Stress Design, API.

Det Norske Veritas (DNV). (2010). OS-J101 Design of Offshore Wind Turbine Structures.

Federal Maritime and Hydrographic Agency (BSH). (2007). Standard. Design of Offshore Wind Turbines.

FLOW SCIENCE. (2014). FLOW-3D User’s Manual, Version 11.0.4.5.

International Electrotechnical Commission (IEC). (2009). IEC 61400-3: Wind turbines – Part 3: Design Requirements for Offshore Wind Turbines, Edition 1.0, IEC.

International Organization for Standardization (ISO). (2007). ISO 19902: Petroleum and Natural Gas Industries – Fixed Steel Offshore Structures.

Kim, YS, Kang, GO. (2011). Experimental Study on Hydraulic Resistance of Sea Ground Considering Tidal Current Flow, Journal of Korean Society of Coastal and Ocean Engineers. 23(1):118-125 (in Korean).

Kim, YS, Han, BD, Kang, GO. (2012). Effect of Incidence Angle of Current on the Hydraulic Resistance Capacity of Clayey Soil, Journal of Korean Society of Coastal and Ocean Engineers. 24(1):26-35 (in Korean).

KORDI. (2011). BSPN64710-2275-2. An Analysis on the Marine Characteristics and Design Supporting for Offshore Wind Power Plant (in Korean).

Ministry of Maritime Affairs and Fisheries. (2005). Harbor and fishery design criteria (in Korean).

Soulsby, R. (1997). Dynamics of marine sands. Thomas Telford Publications, London.

U.S. Army Corps of Engineers. (2006). Coastal Engineering Manual, Part II : Coastal Hydrodynamics, Chapter II–2, Meteorology and Wave Climate.

van Rijn, L. (1984). Sediment transport, Part II:bed load transport, Journal of Hydraulic Engineering, 110(10):1431-1456.

FLOW-3D Home



수치해석(CFD)이 필요하십니까? 아마 FLOW-3D 는 귀하가 찾으시는 분야에 가장 적합한 최적의 수치해석 소프트웨어일 것입니다.
천천히 당사의 홈페이지 내용을 살펴보시면 FLOW-3D 의 기술적인 강점과 어떤 분야에 어떻게 적용하여 효과를 볼 수 있는지 알 수 있습니다.FLOW-3D 는 범용 3 차원 수치해석(CFD) 소프트웨어로, 특히 자유표면(자유수면)을 가진 유동흐름을 정확하게 예측하는 분야에서는 타의 추종을 불허하는 성능을 자랑합니다. FLOW-3D 는 수 많은 물리적 유동현상에 대한 시뮬레이션 모델을 제공하여 설계 및 운영단계에서 엔지니어에게 귀중한 통찰력을 제공할 수 있는 세계적인 CFD 소프트웨어입니다.FLOW-3D 는 해석에 필요한 모든 기능을 제공하는 풀 패키지 소프트웨어로, 격자 및 결과 분석에 추가 비용이 필요 없습니다.
또한 기존의 CAD 시스템이나 타 소프트웨어에서 생성된 모델데이터를 STL로 읽을 수 있기 때문에 기존 모델데이터를 쉽게 활용할 수 있습니다.
FLOW-3D 의 가장 큰 특징은 단 몇번의 조작만으로 격자를 생성할 수 있으며, 초보자도 쉽게 시작할 수 있고, 매우 뛰어난 정확성을 가지고 있다는 점 입니다.

FLOW-3DFDM (Finite Difference Method : 유한차분법)에 따라 비정상 흐름을 해석하는범용 3 차원 CFD 소프트웨어로, 비압축성 및 압축성을 고려한 2차원 / 3차원 열 유동 문제, 상 변화, 다양한 점성 현상 및 유체–구조 연성 등의 다중 물리 문제를 해석할 수 있으며, 특히 자유표면 및 두 유체사이 계면에 대한 고속 · 고정밀도 해석에 탁월합니다.

수치해석과 관련하여 궁금하신 사항은 언제든지 부담없이 문의 해주십시오.
감사합니다.

FLOW-3D 제품 안내
FLOW-3D 제품 안내

FLOW-3D MP버전 안내
FLOW-3D MP버전 안내

FLOW-3D Cast 버전 안내
FLOW-3D Cast 버전 안내

Technical Resource

FLOW-3D 당사의 주력 제품으로 강력하고 매우 정확한 다중 물리 전산 유체역학(CFD) 패키지 프로그램…
Read More >>
FLOW-3D/MP 는 매우 큰 영역 또는 긴 runtime 문제를 해결하기 위해 고성능 컴퓨팅을 사용할 수…
Read More >>
FLOW-3D Cast 는 다양한 주조 공정의 충전 및 응고, 결함 분포 예측이 가능한 3차원 유동해석 프로그램…
Read More >>
FLOW-3D 제품에 대한 기술자료와 이론 및 논문 등 다양한 기술자료를 제공합…
Read More >>
신규소식 기술자료

FLOW-3D 2026 European User Conference

FLOW-3D 2026 European User Conference

FLOW-3D 2026 European User Conference 6월 16일부터 17일까지 뒤셀도르프의 Steigenberger Icon Parkhotel에서 열리는 FLOW-3D 2026 European User Conference에 고객 여러분을 초대합니다. 주요 기업 및 기관의 동료 엔지니어, 연구원, 과학자들과 연결하여 ...
FLOW-3D WELD/AM

FLOW-3D WELD/AM 웨비나 안내

용접 및 3D프린팅에 특화된 수치해석 프로그램인 FLOW-3D WELD/AM의 새로운 기능을 소개해 드릴 웨비나를 개최합니다. 이번 웨비나에서는 익숙하지만 놓치고 있었던 FLOW-3D WELD/AM의 핵심 기능과 더욱 강력해진 최신 업데이트 내용을 집중적으로 다룹니다 ...

FLOW-3D 제품소개

About FLOW-3D


FLOW-3D 2022R2
FLOW-3D 2022R2

FLOW-3D 개발 회사

Flow Science Inc Logo Green.svg
IndustryComputational Fluid Dynamics Software
Founded1980
FounderDr. C.W. “Tony” Hirt
Headquarters
Santa Fe, New Mexico, USA
United States
Key people
Dr. Amir Isfahani, President & CEO
ProductsFLOW-3D, FLOW-3D CAST, FLOW-3D AM, FLOW-3D CLOUD, FlowSight
ServicesCFD consultation and services

FLOW-3D 개요

FLOW-3D는 미국 뉴멕시코주(New Mexico) 로스알라모스(Los Alamos)에 있는 Flow Scicence, Inc에서 개발한 범용 전산유체역학(Computational Fluid Dynamics) 프로그램입니다. 로스알라모스 국립연구소의 수치유체역학 연구실에서 F.Harlow, B. Nichols 및 T.Hirt 등에 의해 개발된 MAC(Marker and Cell) 방법과 SOLA-VOF 방식을 기초로 하여, Hirt 박사가 1980년에 Flow Science, Inc사를 설립하여 계속 프로그램을 발전시켰으며 1985년부터 FLOW-3D를 전세계에 배포하였습니다.

유체의 3차원 거동 해석을 수행하는데 사용되는 CFD모형은 몇몇 있으나, 유동해석에 적용할 물리모델 선정은 해석의 정밀도와 밀접한 관계가 있으므로, 해석하고자 하는 대상의 유동 특성을 분석하여 신중하게 결정하여야 합니다.

FLOW-3D는 자유표면(Free Surface) 해석에 있어서 매우 정확한 해석 결과를 제공합니다. 해석방법은 자유표면을 포함한 비정상 유동 상태를 기본으로 하며, 연속방정식, 3차원 운동량 보전방정식(Navier-Stokes eq.) 및 에너지 보존방정식 등을 적용할 수 있습니다.

FLOW-3D는 유한차분법을 사용하고 있으며, 유한요소법(FEM, Finite Element Method), 경계요소법(Boundary Element Method)등을 포함하여 자유표면을 포함하는 유동장 해석(Fluid Flow Analysis)에서 공기와 액체의 경계면을 정밀하게 표현 가능합니다.

유체의 난류 해석에 대해서는 혼합길이 모형, 난류 에너지 모형, RNG(Renormalized Group Theory)  k-ε 모형, k-ω 모형, LES 모형 등 6개 모형을 적용할 수 있으며, 자유표면 해석을 위하여 VOF(Volume of Fluid) 방정식을 사용하고, 격자 생성시 사용자가 가장 쉽게 만들 수 있는 직각형상격자는 형상을 더욱 정확하게 표현하기 위해 FAVOR(Fractional Area Volume Obstacle Representation) 기법을 각 방정식에 적용하고 있습니다.

FLOW-3D는 비압축성(Incompressible Fluid Flow), 압축성 유체(Compressible Fluid Flow)의 유동현상 뿐만 아니라 고체와의 열전달 현상을 해석할 수 있으며, 비정상 상태의 해석을 기본으로 합니다.

FLOW-3D v12.0은 모델 설정을 간소화하고 사용자 워크 플로우를 개선하는 GUI(그래픽 사용자 인터페이스)의 설계 및 기능에 있어 중요한 변화를 가져왔습니다. 최첨단 Immersed Boundary Method는 FLOW-3Dv12.0솔루션의 정확도를 높여 줍니다. 다른 특징적인 주요 개발에는 슬러지 안착 모델, 2-유체 2-온도 모델, 사용자가 자유 표면 흐름을 훨씬 더 빠르게 모델링 할 수 있는 Steady State Accelerator등이 있습니다.

물리 및 수치 모델

Immersed Boundary Method

힘과 에너지 손실에 대한 정확한 예측은 솔리드 바디 주변의 흐름과 관련된 많은 엔지니어링 문제를 모델링하는 데 중요합니다. FLOW-3D v12.0의 릴리스에는 이러한 문제 해결을 위해 설계된 새로운 고스트 셀 기반 Immersed Boundary Method (IBM)가 포함되어 있습니다. IBM은 내부 및 외부 흐름을 위해 벽 근처 해석을 위해 보다 정확한 솔루션을 제공하여 드래그 앤 리프트 힘의 계산을 개선합니다.

Two-field temperature for the two-fluid model

2유체 열 전달 모델은 각 유체에 대한 에너지 전달 공식을 분리하도록 확장되었습니다. 이제 각 유체에는 고유한 온도 변수가 있어 인터페이스 근처의 열 및 물질 전달 솔루션의 정확도를 향상시킵니다. 인터페이스에서의 열 전달은 시간의 표 함수가 될 수 있는 사용자 정의 열 전달 계수에 의해 제어됩니다.

슬러지 침전 모델 / Sludge settling model

중요 추가 기능인 새로운 슬러지 침전 모델은 도시 수처리 시설물 응용 분야에 사용하면 수처리 탱크 및 정화기의 고형 폐기물 역학을 모델링 할 수 있습니다. 침전 속도가 확산된 위상의 방울 크기에 대한 함수인 드리프트-플럭스 모델과 달리, 침전 속도는 슬러지 농도의 함수이며 기능적인 형태와 표 형태로 모두 입력 할 수 있습니다.

Steady-state accelerator for free surface flows

이름이 암시하듯이, 정상 상태 가속기는 안정된 상태의 솔루션에 대한 접근을 가속화합니다. 이는 작은 진폭의 중력과 모세관 현상을 감쇠하여 이루어지며 자유 표면 흐름에만 적용됩니다.

꾸준한 상태 가속기

Void particles

보이드 입자가 버블 및 위상 변경 모델에 추가되었습니다. 보이드 입자는 항력과 압력 힘을 통해 유체와 상호 작용하는 작은 기포의 역할을 하는 붕괴된 보이드 영역을 나타냅니다. 주변 유체 압력에 따라 크기가 변경되고 시뮬레이션이 끝난 후 최종 위치는 공기 침투 가능성을 나타냅니다.

Sediment scour model

침전물의 정확성과 안정성을 향상시키기 위해 침전물의 운반과 침식 모델을 정밀 조사하였다. 특히, 침전물 종에 대한 질량 보존이 크게 개선되었습니다.

Outflow pressure boundary condition

고정 압력 경계 조건에는 이제 압력 및 유체 비율을 제외한 모든 유량이 해당 경계의 상류에 있는 흐름 조건을 반영하는 ‘유출’ 옵션이 포함됩니다. 유출 압력 경계 조건은 고정 압력 및 연속성 경계 조건의 혼합입니다.

Moving particle sources

시뮬레이션 중에 입자 소스는 이동할 수 있습니다. 시간에 따른 변환 및 회전 속도는 표 형식으로 정의됩니다. 입자 소스의 운동은 소스에서 방출 된 입자의 초기 속도에 추가됩니다.

Variable center of gravity

중력 및 비 관성 기준 프레임 모델에서 시간 함수로서의 무게 중심의 위치는 외부 파일의 표로 정의할 수 있습니다. 이 기능은 연료를 소모하는 로켓을 모델링하고 단계를 분리할 때 유용합니다.

공기 유입 모델

가장 간단한 부피 기반 공기 유입 모델 옵션이 기존 질량 기반 모델로 대체되었습니다.  질량 기반 모델은 부피와 달리 주변 유체 압력에 따라 부피가 변화하는 동안 흡입된 공기량이 보존되기 때문에 물리학적 모델입니다.

Air entrainment model in FLOW-3D v12.0

Tracer diffusion / 트레이서 확산

유동 표면에서 생성된 추적 물질은 분자 및 난류 확산 과정에 의해 확산될 수 있으며, 예를 들어 실제 오염 물질의 거동을 모방합니다.

모델 설정

시뮬레이션 단위

이제 온도를 포함하여 단위계 시스템을 완전히 정의해야 합니다. 표준 단위 시스템이 제공됩니다. 또한 사용자는 선택한 옵션에서 질량, 시간 및 길이 단위를 정의하여 편리하며, 사용자 정의된 단위를 사용할 수 있습니다. 사용자는 또한 압력이 게이지 단위로 정의되는지 절대 단위로 정의되는지 여부를 지정해야 합니다. 기본 시뮬레이션 단위는 Preferences(기본 설정)에서 설정할 수 있습니다. 단위를 완벽하게 정의하면 FLOW-3D는 물리적 수량에 대한 기본 값을 정의하고 범용 상수를 설정할 수 있으므로 사용자가 필요로 하는 작업량을 최소화할 수 있습니다.

Shallow water model

천수(shallow water) 모델에서 매닝의 거칠기

Manning의 거칠기 계수는 지형 표면의 전단 응력 평가를 위해 천수(shallow water) 모델에서 구현되었습니다. 표면 결함의 크기를 기반으로 기존 거칠기 모델을 보완하며이 모델과 함께 사용할 수 있습니다. 표준 거칠기와 마찬가지로 매닝 계수는 구성 요소 또는 하위 구성 요소의 속성이거나 지형 래스터 데이터 세트에서 가져올 수 있습니다.

메시 생성

하단 및 상단 경계 좌표의 정의만으로 수직 방향의 메시 설정이 단순화되었습니다.

구성 요소 변환

사용자는 이제 여러 하위 구성 요소로 구성된 구성 요소에 회전, 변환 및 스케일링 변환을 적용하여 복잡한 형상 어셈블리 설정 프로세스를 단순화 할 수 있습니다. GMO (General Moving Object) 구성 요소의 경우, 이러한 변환을 구성 요소의 대칭 축과 정렬되도록 신체에 맞는 좌표계에 적용 할 수 있습니다.

런타임시 스레드 수 변경

시뮬레이션 중에 솔버가 사용하는 스레드 수를 변경하는 기능이 런타임 옵션 대화 상자에 추가되어 사용 가능한 스레드를 추가하거나 다른 태스크에 자원이 필요한 경우 스레드 수를 줄일 수 있습니다.

프로브 제어 열원

활성 시뮬레이션 제어가 형상 구성 요소와 관련된 heat sources로 확장되었습니다.  history probes로 열 방출을 제어 할 수 있습니다.

소스에서 시간에 따른 온도

질량 및 질량/모멘트 소스의 유체 온도는 이제 테이블 입력을 사용하여 시간의 함수로 정의 할 수 있습니다.

방사율 계수

공극으로의 복사 열 전달을위한 방사율 계수는 이제 사용자가 방사율과 스테판-볼츠만 상수를 지정하도록 요구하지 않고 직접 정의됩니다. 후자는 이제 단위 시스템을 기반으로 솔버에 의해 자동으로 설정됩니다.

Output

  • 등속 필드 솔버 옵션을 사용할 때 유량 속도를 선택한 데이터로 출력 할 수 있습니다.
  • 벽 접착력으로 인한 지오메트리 구성 요소의 토크는 기존 벽 접착력 출력과 함께 별도의 수량으로 일반 이력 데이터에 출력됩니다.
  • 난류 모델 출력이 요청 될 때 난류 에너지 및 소산과 함께 전단 속도 및 y +가 선택된 데이터로 자동 출력됩니다.
  • 공기 유입 모델 출력에 몇 가지 수량이 추가되었습니다. 자유 표면을 포함하는 모든 셀에서 혼입 된 공기 및 빠져 나가는 공기의 체적 플럭스가 재시작 및 선택된 데이터로 출력되어 사용자에게 공기가 혼입 및 탈선되는 위치 및 시간에 대한 자세한 정보를 제공합니다. 전체 계산 영역 및 각 샘플링 볼륨 에 대해이 두 수량의 시간 및 공간 통합 등가물이 일반 히스토리 로 출력됩니다.
  • 솔버의 출력 파일 flsgrf 의 최종 크기는 시뮬레이션이 끝날 때 보고됩니다.
  • 2 유체 시뮬레이션의 경우, 기존의 출력 수량 유체 체류 시간 및 유체 가 이동 한 거리는 이제 유체 # 1 및 # 2와 유체의 혼합물에 대해 별도로 계산됩니다.
  • 질량 입자의 경우, 각 종의 총 부피 및 질량이 계산되어 전체 계산 영역, 샘플링 볼륨 및 플럭스 표면에 대한 일반 히스토리 로 출력되어 입자 종 수에 대한 현재 출력을 보완합니다.
  • 최종 로컬 가스 압력 은 사용자가 가스 포획을 식별하고 연료 탱크의 배기 시스템 설계를 지원하는 데 도움이되는 선택적 출력량으로 추가되었습니다. 이 양은 유체로 채워지기 전에 셀의 마지막 공극 압력을 기록하며 단열 버블 모델과 함께 사용됩니다.

새로운 맞춤형 소스 루틴

새로운 사용자 정의 가능 소스 루틴이 추가되었으며 사용자의 개발 환경에서 액세스 할 수 있습니다.

소스 루틴 이름기술
cav_prod_calCavitation 생성과 소산 비율
sldg_uset슬러지 침전 속도
phchg_mass_flux증발 및 응축으로 인한 질량 플럭스
flhtccl유체 # 1과 # 2 사이의 열전달 계수
dsize_cal2 상 흐름에서 동적 액적 크기 모델의 응집 및 분해 속도
elstc_custom점탄성 유체에 대한 응력 방정식의 Source Terms

새로운 사용자 인터페이스

FLOW-3D 사용자 인터페이스는 완전히 새롭게 디자인되어 현대적이고 평평한 구조로 사용자의 작업 흐름을 획기적으로 간소화합니다.

Setup dock widgets

Physics, Fluids, Mesh 및 FAVOR ™를 포함한 모든 설정 작업이 지오 메트리 윈도우 주변에서 독 위젯으로 변환되어 모델 설정을 단일 탭으로 요약할 수 있습니다. 이러한 전환으로 인해 이전 버전의 복잡한 접이식 트리가 훨씬 깨끗하고 효율적인 메뉴 프레젠테이션으로 대체되어 사용자는 ModelSetup탭을 떠나지 않고도 모든 매개 변수에 쉽게 액세스 할 수 있습니다.

New Model Setup icons

새로운 모델 설정 디자인에는 설정 프로세스의 각 단계를 나타내는 새로운 아이콘이 있습니다.

Model setup icons - FLOW-3D v12.0

New Physics icons

RSS feed

새 RSS 피드부터 FLOW-3D v12.0의 시뮬레이션 관리자 탭이 개선되었습니다. FLOW-3D 를 시작하면 사용자에게 Flow Science의 최신 뉴스, 이벤트 및 블로그 게시물이 표시됩니다.

RSS feed - FLOW-3D

Configurable simulation monitor

시뮬레이션을 실행할 때 중요한 작업은 모니터링입니다. FLOW-3Dv1.0에서는 사용자가 시뮬레이션을 더 잘 모니터링할 수 있도록 SimulationManager의 플로팅 기능이 향상되었습니다. 사용자는 시뮬레이션 런타임 그래프를 통해 모니터링할 사용 가능한 모든 일반 기록 데이터 변수를 선택하고 각 그래프에 여러 변수를 추가할 수 있습니다. 이제 런타임에서 사용할 수 있는 일반 기록 데이터는 다음과 같습니다.

  • 최소/최대 유체 온도
  • 프로브 위치의 온도
  • 유동 표면 위치에서의 유량
  • 시뮬레이션 진단(예:시간 단계, 안정성 한계)
출입문에 유동 표면이 있는 대형 댐
Runtime plots of the flow rate at the gates of the large dam

Conforming 메쉬 시각화

용자는 이제 새로운 FAVOR ™ 독 위젯을 통해 적합한 메쉬 블록을 시각화 할 수 있습니다.Visualize conforming mesh blocks

Large raster and STL data

데이터를 처리하는 데 걸리는 시간 때문에 큰 지오 메트리 데이터를 처리하는 것은 수고스러울 수 있습니다. 대형 지오 메트리 데이터를 처리하는 데는 여전히 상당한 시간이 걸릴 수 있지만, FLOW-3D는 이제 이러한 대규모 데이터 세트를 백그라운드 작업으로 로드하여 사용자가 데이터를 처리하는 동안 완전히 응답하고 중단 없는 인터페이스에서 작업을 계속할 수 있습니다