FLOW-3D 수치해석용 컴퓨터 선택 가이드

Top 20 Fastest Desktops for 2024

본 자료는 Computer에 대한 전문적인 지식보다는 수치해석을 주 목적으로 FLOW-3D 를 이용하기 위한 해석용 컴퓨터를 선택할 때 도움을 주기 위한 자료입니다.

흔히 고성능 컴퓨터는 표준 데스크톱 컴퓨터와 어떻게 다른지 궁금하게 생각하는데, 보통 HPC(high performance computing)는 더욱 강력한 프로세서, 더 큰 메모리, 뛰어난 그래픽 성능을 갖추고 있어 일반적인 표준 데스크톱보다 훨씬 빠르게 여러 가지 복잡한 작업을 동시에 처리할 수 있습니다. 따라서 시중에서 판매하는 고사양의 컴퓨터에 CPU, Memory, Graphic Card 등을 보완하거나 고사양으로 만들어진 컴퓨터를 구매하게 되면, 단일 노드의 HPC(high performance computing)와 유사한 성능을 확보할 수 있습니다.

하지만 개인이 여러 컴퓨터를 대상으로 테스트를 수행하기 어렵기 때문에, 전문가들이 테스트를 수행하여 공개하는 보고서를 참조하여 도움을 얻는 것이 효율적입니다.

아래 전문 성능비교 테스트 보고서가 시스템 선택에 도움이 될 것으로 생각합니다. 참고로, 당사는 기사를 제공하는 기관과 전혀 관련이 없음을 알려드립니다.

Top 20 Fastest Desktops for 2024

Edit: 2024-11-28

원문 출처: https://www.pcbenchmarks.net/fastest-desktop.html

PositionScoreBL#CPU TypeCPU speed (MHz)#Phys. CPUsOSMotherboardRAMVideo cardDate uploaded
126331.82512517Intel Core Ultra 9 285K36861Windows 11 Pro for Workstations build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 50902025-03-27 13:04:55
225231.92667231Intel Core i9-14900KS31881Windows 11 Pro for Workstations build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE49.0 GBGeForce RTX 50902025-06-01 19:02:22
325140.32102766Intel Core i9-14900KS31881Windows 11 Pro for Workstations build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE49.0 GBGeForce RTX 40902024-05-16 19:37:40
425070.22912009Intel Core Ultra 9 285K36871Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-09-16 06:38:14
525006.12547265Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-04-11 08:42:11
624725.52460587AMD Ryzen Threadripper 7980X32001Windows 11 Pro for Workstations build 26100 (64-bit)ASUSTeK COMPUTER INC. Pro WS TRX50-SAGE WIFI130.6 GBGeForce RTX 50902025-03-05 20:36:17
724689.82094503Intel Core i9-14900KF31881Windows 11 Pro for Workstations build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE49.0 GBGeForce RTX 40902024-05-05 15:30:09
824613.32539005Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-04-07 19:05:52
924598.32725366Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 22000 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.6 GBGeForce RTX 40902025-06-27 08:44:08
1024550.71756060Intel Core i9-13900KS31881Windows 10 Home build 19045 (64-bit)Micro-Star International Co., Ltd. MAG Z790 TOMAHAWK WIFI DDR4(MS-7D91)32.5 GBGeForce RTX 40902023-02-27 01:36:21
1124401.73038462Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 26200 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-11-08 16:59:04
1224359.62808704Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 22621 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-08-02 10:29:04
1324190.32538133Intel Core Ultra 9 285K36861Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z890 APEX48.7 GBGeForce RTX 40902025-04-07 10:56:35
1424034.13007434Intel Core Ultra 9 285K36871Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. Z890 AYW GAMING WIFI W48.5 GBRadeon RX 7900 XTX2025-10-27 00:37:31
1524008.82086170Intel Core i9-14900KF31871Windows 11 Pro for Workstations build 22631 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE32.6 GBGeForce RTX 40902024-04-25 01:38:41
1623924.41989560Intel Core i9-13900KS31881Windows 11 Pro for Workstations build 22631 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE32.6 GBGeForce RTX 40902024-01-06 11:51:42
1723682.33059816Intel Core Ultra 9 285K36871Windows 11 Professional Edition build 26100 (64-bit)Gigabyte Technology Co., Ltd. Z890 AERO G48.6 GBRadeon RX 7900 XTX2025-11-17 01:14:07
1823223.22424595AMD Ryzen Threadripper 7980X31951Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. Pro WS TRX50-SAGE WIFI130.6 GBGeForce RTX 50802025-02-18 11:51:03
1923193.02424914AMD Ryzen Threadripper 7980X31961Windows 11 Professional Edition build 26100 (64-bit)ASUSTeK COMPUTER INC. Pro WS TRX50-SAGE WIFI130.6 GBGeForce RTX 50802025-02-18 14:23:51
2023117.01986111Intel Core i9-14900K31871Windows 11 Pro for Workstations build 22631 (64-bit)ASUSTeK COMPUTER INC. ROG MAXIMUS Z790 APEX ENCORE32.6 GBGeForce RTX 40902024-01-02 23:37:24

CPU 벤치마크

아래는 차트에 나타나는 모든 단일 및 다중 소켓 CPU 유형의 목록입니다. 열특정 프로세서 이름을 클릭하면 해당 프로세서가 나타나는 차트로 이동하여 강조 표시됩니다.

https://www.cpubenchmark.net/CPU_mega_page.html

CPU NameCoresCPU MarkThread Mark TDP (W) SocketCategory
[Dual CPU] AMD EPYC 9J45128201,3353,488NAUnknownServer
[Dual CPU] AMD EPYC 965596200,5553,869400SP5Server
[Dual CPU] AMD EPYC 9575F64200,1974,255400SP5Server
[Dual CPU] AMD EPYC 9755128198,5883,505500SP5Server
[Dual CPU] AMD EPYC 9K65192187,9233,176NASP5Server
[Dual CPU] AMD EPYC 9965192183,2143,106500SP5Server
[Dual CPU] AMD EPYC 955564182,4713,743360SP5Server
AMD Ryzen Threadripper PRO 9995WX96176,3414,575350sTR5Desktop, Server
[Dual CPU] AMD EPYC 9745128173,7173,157400SP5Server
AMD EPYC 9755128166,3283,503500SP5Server
AMD EPYC Embedded 9755128164,0103,508500UnknownMobile/Embedded
[Dual CPU] Intel Xeon 6960P72160,7853,164500FCLGA7529Server
AMD EPYC 9965192160,7783,210500SP5Server
AMD EPYC 9655P96160,4903,849400SP5Server
[Dual CPU] AMD EPYC 9475F48159,7653,6834000SP5Server
AMD EPYC 9B4532158,7903,540390SP5Server
[Quad CPU] Intel Xeon Platinum 8490H60157,1562,925350FCLGA4677Server
[Dual CPU] Intel Xeon 6767P64157,0283,298350FCLGA4710Server
AMD EPYC 965596156,1103,847400SP5Server
AMD Ryzen Threadripper PRO 9985WX64154,3614,512350sTR5Desktop, Server
[Dual CPU] AMD EPYC 9845160153,2653,105390SP5Server
[Dual CPU] Intel Xeon 6760P64153,1873,214330FCLGA4710Server
AMD EPYC 9845160152,9853,144390SP5Server
[Dual CPU] AMD EPYC 9684X96150,9742,893400SP5Server
[Dual CPU] Intel Xeon 6787P86148,8963,137350FCLGA4710Server
[Dual CPU] AMD EPYC 9474F48147,8983,212360SP5Server
AMD EPYC 9575F64147,5414,152400SP5Server
[Dual CPU] AMD EPYC 965496145,4212,786360SP5Server
[Dual CPU] AMD EPYC 9B1496145,3972,859NAUnknownServer
AMD Ryzen Threadripper PRO 7995WX96143,0173,830350sTR5Desktop, Server
[Dual CPU] AMD EPYC 955464142,4922,948360SP5Server
[Dual CPU] AMD EPYC 963484142,2812,863290SP5Server
[Dual CPU] Intel Xeon 6747P48142,2573,227330FCLGA4710Server
AMD Ryzen Threadripper 9980X64142,0694,526350sTR5Desktop
[Dual CPU] Intel Xeon Platinum 8592+64139,9243,215350FCLGA4677Server
[Dual CPU] Intel Xeon Platinum 857056137,5883,224350FCLGA4677Server
AMD Ryzen Threadripper 7980X64135,7874,014350sTR5Desktop
AMD EPYC 9555P64135,4413,736360SP5Server
AMD EPYC 956572135,2213,696400SP5Server
[Dual CPU] AMD EPYC 953464135,0592,882280SP5Server
[Dual CPU] Intel Xeon Platinum 8558P48133,2233,217350FCLGA4677Server
AMD Ryzen Threadripper PRO 7985WX64132,9463,962350sTR5Desktop, Server
[Dual CPU] AMD EPYC 933532132,4383,741210SP5Server
[Quad CPU] AMD Instinct MI300A Accelerator24132,0202,926550UnknownServer
AMD EPYC 9745128130,6982,806400SP5Server
Intel Xeon 6960P72130,6593,287500FCLGA7529Server
[Dual CPU] AMD EPYC 9734112130,0342,369340SP5Server
[Dual CPU] AMD EPYC 9754128130,0152,362360SP5Server
[Dual CPU] AMD EPYC 945448129,7012,982290SP5Server
[Dual CPU] Intel Xeon Platinum 8488C48127,2073,096385UnknownServer
[Dual CPU] Intel Xeon Platinum 8568Y+48127,1723,033350FCLGA4677Server
[Dual CPU] Intel Xeon 6737P32127,0753,366270FCLGA4710Server
[Dual CPU] Intel Xeon Platinum 8480+56126,3532,996350FCLGA4677Server
AMD EPYC 9B1496126,2882,897NAUnknownServer
[Dual CPU] Intel Xeon 6736P36125,4443,445205FCLGA4710Server
[Dual CPU] AMD EPYC 9374F32125,2593,264320SP5Server
AMD EPYC 9J1496124,6372,903NASP5Server
[Dual CPU] Intel Xeon 6530P32124,4343,453225FCLGA4710Server
[Quad CPU] Intel Xeon Gold 6448H32123,3612,664250FCLGA4677Server
AMD EPYC 9475F48122,4763,7794000SP5Server
[Dual CPU] Intel Xeon 6740P48122,1653,185270FCLGA4710Server
AMD EPYC 9684X96122,0172,892400SP5Server
[Dual CPU] AMD EPYC 9384X32121,5603,085320SP5Server
[Dual CPU] Intel Xeon Platinum 846848121,2192,967350FCLGA4677Server
AMD EPYC 965496119,2462,898360SP5Server
[Dual CPU] AMD EPYC 7J1364119,1342,594NAUnknownServer
[Dual CPU] Intel Xeon 6730P32118,8743,215250FCLGA4710Server
Intel Xeon 6781P80117,9463,152350FCLGA4710Server
AMD EPYC 9V7480117,6062,888400SP5Server
[Dual CPU] Intel Xeon Platinum 8458P44117,1362,841350FCLGA4677Server
AMD EPYC 9455P48116,9263,747300SP5Server
AMD EPYC 9R1496116,4752,920NAUnknownServer
AMD EPYC 9654P96116,3242,731360SP5Server
[Dual CPU] AMD EPYC 7T8364115,5222,540280SP3Server
[Dual CPU] Intel Xeon Platinum 858060114,4072,402350FCLGA4677Server
AMD EPYC 9D25126114,2752,481NAUnknownServer
[Dual CPU] AMD Ryzen Threadripper PRO 3995WX64113,6932,559280sWRX8Desktop, Server
[Dual CPU] AMD EPYC 935432113,5442,934280SP5Server
[Dual CPU] AMD EPYC 776364113,4412,446280SP3Server
[Dual CPU] AMD EPYC 9274F24112,9433,371NASP5Server
[Dual CPU] Intel Xeon Platinum 8462Y+32111,2343,054300FCLGA4677Server
[Dual CPU] Intel Xeon Max 948056111,2132,528350FCLGA4677Server
[Dual CPU] AMD EPYC 7B1364110,9442,461240UnknownServer
[Dual CPU] Intel Xeon Gold 6554S36110,8353,267270FCLGA4677Server
[Dual CPU] AMD EPYC 7773X64110,4122,445280SP3Server
[Dual CPU] Intel Xeon Platinum 8457C48109,9052,564NAFCLGA4677Server
[Dual CPU] Intel Xeon Platinum 847052109,6102,485350FCLGA4677Server
[Dual CPU] AMD EPYC 7R1348109,3482,438NAUnknownServer
[Dual CPU] AMD EPYC 771364109,2072,454225SP3Server
[Dual CPU] AMD EPYC 933432109,1093,042NASP5Server
AMD Ryzen Threadripper 9970X32108,4404,536350sTR5Desktop
[Dual CPU] AMD EPYC 7Y8364108,2812,622280SP3Mobile/Embedded
AMD EPYC 963484107,9442,924290SP5Server
AMD Ryzen Threadripper PRO 9975WX32106,9424,439350sTR5Desktop, Server
[Dual CPU] Intel Xeon Platinum 855848105,5342,554330FCLGA4677Server
AMD EPYC 9554P64104,9202,737360SP5Server
AMD EPYC 955464104,3362,909360SP5Server
[Dual CPU] AMD EPYC 7573X32103,4662,665280SP3Server
[Dual CPU] Intel Xeon Platinum 8562Y+32102,8772,912300FCLGA4677Server
[8-Way CPU] Intel Xeon E7-8890 v4 @ 2.20GHz24102,4112,211165LGA2011-v3Server
AMD EPYC 9734112102,2862,310340SP5Server
AMD EPYC 9474F48102,2553,155360SP5Server
[Dual CPU] AMD EPYC 7K8364102,0532,458NAUnknownServer
Intel Xeon 6747P48101,6853,236330FCLGA4710Server
[Dual CPU] AMD EPYC 75F332101,4292,664280SP3Server
Intel Xeon 6741P48100,6603,195300FCLGA4710Server
[Dual CPU] Intel Xeon Gold 6448Y32100,6423,065225FCLGA4677Server
[Dual CPU] AMD EPYC 7V1364100,3182,171240SP3Server
[Dual CPU] AMD EPYC 9175F1699,8063,610320SP5Server
AMD Ryzen Threadripper 7970X3299,1824,169350sTR5Desktop
[Dual CPU] Intel Xeon 6520P2499,0163,349210FCLGA4710Server
[Dual CPU] AMD Ryzen Threadripper PRO 3975WX3298,8112,676280sWRX8Desktop, Server

Hardware Selection for FLOW-3D Products – FLOW-3D

부분 업데이트 / ㈜에스티아이씨앤디 솔루션사업부

In this blog, Flow Science’s IT Manager Matthew Taylor breaks down the different hardware components and suggests some ideal configurations for getting the most out of your FLOW-3D products.

개요

본 자료는 Flow Science의 IT 매니저 Matthew Taylor가 작성한 자료를 기반으로 STI C&D에서 일부 자료를 보완한 자료입니다. 본 자료를 통해 FLOW-3D 사용자는 최상의 해석용 컴퓨터를 선택할 때 도움을 받을 수 있을 것으로 기대합니다.

수치해석을 하는 엔지니어들은 사용하는 컴퓨터의 성능에 무척 민감합니다. 그 이유는 수치해석을 하기 위해 여러 준비단계와 분석 시간들이 필요하지만 당연히 압도적으로 시간을 소모하는 것이 계산 시간이기 때문일 것입니다.

따라서 수치해석용 컴퓨터의 선정을 위해서 단위 시간당 시스템이 처리하는 작업의 수나 처리량, 응답시간, 평균 대기 시간 등의 요소를 복합적으로 검토하여 결정하게 됩니다.

또한 수치해석에 적합한 성능을 가진 컴퓨터를 선별하는 방법으로 CPU 계산 처리속도인 Flops/sec 성능도 중요하지만 수치해석을 수행할 때 방대한 계산 결과를 디스크에 저장하고, 해석결과를 분석할 때는 그래픽 성능도 크게 좌우하기 때문에 SSD 디스크와 그래픽카드에도 관심을 가져야 합니다.

FLOW SCIENCE, INC. 에서는 일반적인 FLOW-3D를 지원하는 최소 컴퓨터 사양과 O/S 플랫폼 가이드를 제시하지만, 도입 담당자의 경우, 최상의 조건에서 해석 업무를 수행해야 하기 때문에 가능하면 최고의 성능을 제공하는 해석용 장비 도입이 필요합니다. 이 자료는 2022년 현재 FLOW-3D 제품을 효과적으로 사용하기 위한 하드웨어 선택에 대해 사전에 검토되어야 할 내용들에 대해 자세히 설명합니다. 그리고 실행 중인 시뮬레이션 유형에 따라 다양한 구성에 대한 몇 가지 아이디어를 제공합니다.

CPU 최신 뉴스

2025년 11월 26일 기준

CPU Benchmarks
이미지 출처 : https://www.cpubenchmark.net/high_end_cpus.html

CPU의 선택

CPU는 전반적인 성능에 큰 영향을 미치며, 대부분의 경우 컴퓨터의 가장 중요한 구성 요소입니다. 그러나 데스크탑 프로세서를 구입할 때가 되면 Intel 과 AMD의 모델 번호와 사양을 이해하는 것이 어려워 보일 것입니다.
그리고, CPU 성능을 평가하는 방법에 의해 가장 좋은 CPU를 고른다고 해도 보드와, 메모리, 주변 Chip 등 여러가지 조건에 의해 성능이 달라질 수 있기 때문에 성능평가 결과를 기준으로 시스템을 구입할 경우, 단일 CPU나 부품으로 순위가 정해진 자료보다는 시스템 전체를 대상으로 평가한 순위표를 보고 선정하는 지혜가 필요합니다.

<출처>https://www.cpubenchmark.net/high_end_cpus.html

수치해석을 수행하는 CPU의 경우 예산에 따라 Core가 많지 않은 CPU를 구매해야 하는 경우도 있을 수 있습니다. 보통 Core가 많다고 해석 속도가 선형으로 증가하지는 않으며, 해석 케이스에 따라 적정 Core수가 있습니다. 이 경우 예산에 맞는 성능 대비 최상의 코어 수가 있을 수 있기 때문에 Single thread Performance 도 매우 중요합니다. 아래 성능 도표를 참조하여 예산에 맞는 최적 CPU를 찾는데 도움을 받을 수 있습니다.

CPU 성능 분석 방법

부동소수점 계산을 하는 수치해석과 밀접한 Computer의 연산 성능 벤치마크 방법은 대표적으로 널리 사용되는 아래와 같은 방법이 있습니다.

FLOW-3D의 CFD 솔버 성능은 CPU의 부동 소수점 성능에 전적으로 좌우되기 때문에 계산 집약적인 프로그램입니다. 현재 출시된 사용 가능한 모든 CPU를 벤치마킹할 수는 없지만 상대적인 성능을 합리적으로 비교할 수는 있습니다.

특히, 수치해석 분야에서 주어진 CPU에 대해 FLOW-3D 성능을 추정하거나 여러 CPU 옵션 간의 성능을 비교하기 위한 최상의 옵션은 Standard Performance Evaluation Corporation의 SPEC CPU2017 벤치마크(현재까지 개발된 가장 최신 평가기준임)이며, 특히 SPECspeed 2017 Floating Point 결과가 CFD Solver 성능을 매우 잘 예측합니다.

이는 유료 벤치마크이므로 제공된 결과는 모든 CPU 테스트 결과를 제공하지 않습니다. 보통 제조사가 ASUS, Dell, Lenovo, HP, Huawei 정도의 제품에 대해 RAM이 많은 멀티 소켓 Intel Xeon 기계와 같은 값비싼 구성으로 된 장비 결과들을 제공합니다.

CPU 비교를 위한 또 다른 옵션은 Passmark Software의 CPU 벤치마크입니다. PerformanceTest 제품군은 유료 소프트웨어이지만 무료 평가판을 사용할 수 있습니다. 대부분의 CPU는 저렴한 옵션을 포함하여 나열됩니다. 부동 소수점 성능은 전체 벤치마크의 한 측면에 불과하지만 다양한 워크로드에서 전반적인 성능을 제대로 테스트합니다.

예산을 결정하고 해당 예산에 해당하는 CPU를 선택한 후에는 벤치마크를 사용하여 가격에 가장 적합한 성능을 결정할 수 있습니다.

<참고>

SPEC의 벤치 마크 ( https://www.spec.org/benchmarks.html#cpu )

SPEC CPU 2017 (현재까지 가장 최근에 개발된 CPU 성능측정 기준)

다른 컴퓨터 시스템에서 컴퓨팅 계산에 대한 집약적인 워크로드를 비교하는데 사용할 수 있는 성능 측정을 제공하도록 설계된 SPEC CPU 2017에는 SPECspeed 2017 정수, SPECspeed 2017 부동 소수점, SPECrate 2017 정수 및 SPECrate 2017 부동 소수점의 4 가지 제품군으로 구성된 43 개의 벤치 마크가 포함되어 있습니다. SPEC CPU 2017에는 에너지 소비 측정을 위한 선택적 메트릭도 포함되어 있습니다.

<SPEC CPU 벤치마크 보고서>

벤치마크 결과보고서는 제조사별, 모델별로 테스트한 결과를 아래 사이트에 가면 볼 수 있습니다.

https://www.spec.org/cgi-bin/osgresults

<보고서 샘플>

  • SPEC CPU 2017

Designed to provide performance measurements that can be used to compare compute-intensive workloads on different computer systems, SPEC CPU 2017 contains 43 benchmarks organized into four suites: SPECspeed 2017 Integer, SPECspeed 2017 Floating Point, SPECrate 2017 Integer, and SPECrate 2017 Floating Point. SPEC CPU 2017 also includes an optional metric for measuring energy consumption.

고성능 컴퓨팅 성능 기준 FLOP의 이해

출처: https://www.itworld.co.kr/article/4113033

플롭은 부동소수점 연산 1회를 뜻하며, 소수점이 있는 숫자를 대상으로 한 번의 산술 계산(덧셈, 뺄셈, 곱셈, 나눗셈)을 의미한다. 컴퓨팅 벤치마킹에서 정수보다 부동소수점을 쓰는 이유는 정수보다 측정 지표로서 정확도가 훨씬 높기 때문이다.

플롭 앞에는 1초 동안 수행하는 연산 횟수를 나타내는 접두어가 붙으며, 메가플롭(1초당 100만 회)부터 기가플롭(10억), 테라플롭(1조), 페타플롭(1천조), 그리고 최근에는 엑사플롭(100경)까지 확장됐다. 최근 몇 년 동안 업계가 엑사플롭 달성 경쟁에 매달린 이유는 마법 같은 성능 도약이나 대발견 때문이 아니라, 단지 자랑거리를 위한 것이었다.

컴퓨팅에서 부동소수점 정밀도는 FP4, 즉 4비트 부동소수점에서 시작해 FP64까지 두 배씩 커진다. 이론적으로 FP128도 있지만, 지표로는 사실상 쓰지 않는다. FP64는 IEEE 754 표준에 따른 64비트 배정밀도(double-precision) 부동소수점 형식으로도 불리며, 실수를 높은 정확도로 표현하기 위한 규격이다.

FP64는 정밀도가 높기 때문에 계산하는 데 가장 많은 시간이 필요하다. FP64 계산 시간은 FP32의 2배, FP16의 4배가 걸리지만, 계산 정확도는 FP32의 2배, FP16의 4배에 해당한다. 메모리 사용량도 같은 원리로 FP64가 FP32의 2배, FP16의 4배를 사용한다.

매년 6월과 11월에 집계·발표되는 톱500 슈퍼컴퓨터 목록은 슈퍼컴퓨터 성능을 FP64 기준으로 측정하며, 슈퍼컴퓨터에 가장 가혹한 스트레스 테스트로 통한다.

톱500 목록이 32비트나 16비트가 아니라 64비트로 측정되는 이유는 톱500 목록이 과학 컴퓨팅 애플리케이션의 대리 지표이며 과학 컴퓨팅 애플리케이션이 여전히 계산에서 64비트 정확도에 주로 의존하기 때문이다. HPC·슈퍼컴퓨팅 전문 시장조사업체 인터섹트 360의 CEO 애디슨 스넬은 “일부 영역에서 정밀도를 낮춰 속도를 더 낼 수 있지 않느냐는 지적도 있고 중요하지 않은 영역에서 과도한 계산을 하고 있지 않느냐는 질문도 나오지만, 과학 컴퓨팅에서는 64비트가 여전히 사실상 표준이다”라고 말했다.

스넬은 FP64가 과학 컴퓨팅의 거의 모든 분야에서 쓰인다고 말했다. 연구 영역에서는 유체가 포함돼 높은 정확도로 모델링해야 하는 기상 시뮬레이션이나 해양 모델링이 포함된다. 또한, 자동차 충돌 시뮬레이션, 항공기 날개 공력 분석, 석유 시추 지점을 찾기 위한 탄성파 분석, 신약 설계를 위한 분자 모델링 같은 폭넓은 상용 애플리케이션에도 적용된다. 이런 애플리케이션은 계산을 위해 높은 수준의 과학적 정밀도를 요구한다고 말했다.

그 다음 단계는 FP32, 즉 단정밀도 부동소수점이다. FP32는 생명과학 시뮬레이션과 금융 모델링에도 쓰이며, 모델 요구 수준이 그리 엄격하지 않아 FP32를 써도 되는 경우에 주로 사용된다.

FP16은 AI 추론에서 일상적으로 쓰이지만, AI 학습은 FP64에 전적으로 의존한다. 이유는 간단하다. 예를 들어 AI로 개나 고양이 이미지를 구분하도록 학습시킨다고 가정해 보자. 개나 고양이를 구성하는 특징을 인식하려면 FP64의 미세한 정밀도가 필요하다. 학습이 끝나면 작업은 패턴 매칭으로 바뀌며, 개 이미지인지 고양이 이미지인지 판단하는 데는 덜 부담스러운 FP16으로도 충분하다. 스넬은 언어 학습이나 인식에서도 비슷하게, 말할 때 단어 하나를 약간 틀리게 발음해도 AI는 대체로 의도를 파악한다고 설명했다.

16비트 정밀도에는 bfloat16이라는 두 번째 형태도 있다. bfloat는 구글의 텐서 프로세서용으로 처음 개발됐지만, 이후 인텔과 AMD, 엔비디아에 라이선스를 제공했다. bfloat는 유연한 가변 형식인 반면 FP16은 매번 동일한 16비트 형식이다. 스넬은 “기술적으로 복잡하지만 결론은 bfloat가 FP16보다 정밀도는 낮고 속도는 더 빠르기 때문에 주요 칩 업체가 모두 bfloat를 쓴다”라고 설명했다.

마지막으로 FP8과 FP4가 있다. FP8은 정밀도 요구가 낮은 추론 처리 연산에 사용한다. 또 다른 핵심 용도는 오류 허용도가 더 높은 신경망 학습이다. 연산 부담이 적은 작업을 수행하는 엣지 컴퓨팅에서도 쓰인다. FP8은 GPU에서만 쓰이며, 인텔과 AMD 프로세서에서는 쓰지 않는다.

클럭 대 코어

일반적으로 클럭 속도가 높은 칩은 CPU 코어를 더 적게 포함합니다. FLOW-3D는 병렬화가 잘되어 있지만, 디스크 쓰기와 같이 일부 작업은 기본적으로 단일 스레드 방식으로 수행됩니다. 따라서 데이터 출력이 빈번하거나 큰 시뮬레이션은 종종 더 많은 코어가 아닌, 더 높은 클럭 속도를 활용합니다. 마찬가지로 코어 및 소켓의 다중 스레딩은 오버헤드를 발생시키므로 작은 문제의 해석일 경우 사용되는 코어 수를 제한하면 성능이 향상될 수 있습니다.

CPU 아키텍처

CPU 아키텍처는 중요합니다. 최신 CPU는 일반적으로 사이클당 더 많은 기능을 제공합니다. 즉, 현재 세대의 CPU는 일반적으로 동일한 클럭 속도에서 이전 CPU보다 성능이 우수합니다. 또한 전력 효율이 높아져 와트당 성능이 향상될 수 있습니다. Flow Science에는 구형 멀티 소켓 12, 16, 24 코어 Xeon보다 성능이 뛰어난 최근 세대 10~12 Core i9 CPU 시스템을 보유하고 있습니다.

오버클럭

해석용 장비에서는 CPU를 오버클럭 하지 않는 것이 좋습니다. 하드웨어를 다년간의 투자라고 생각한다면, 오버클럭화는 발열을 증가시켜 수명을 단축시킵니다. CPU에 따라 안정성도 저하될 수 있습니다. CPU를 오버클럭 할 때는 세심한 열 관리가 권장됩니다.

하이퍼스레딩

<이미지출처:https://gameabout.com/krum3/4586040>

하이퍼스레딩은 물리적으로 1개의 CPU를 가상으로 2개의 CPU처럼 작동하게 하는 기술로 파이프라인의 단계수가 많고 각 단계의 길이가 짧을때 유리합니다. 다만 수치해석 처럼 모든 코어의 CPU를 100% 사용중인 장시간 수행 시뮬레이션은 일반적으로 Hyper Threading이 비활성화 된 상태에서 더 잘 수행됩니다. FLOW-3D는 100% CPU 사용률이 일반적이므로 새 하드웨어를 구성할 때 Hyper Threading을 비활성화하는 것이 좋습니다. 설정은 시스템의 BIOS 설정에서 수행합니다.

몇 가지 워크로드의 경우에는 Hyper Threading을 사용하여 약간 더 나은 성능을 보이는 경우가 있습니다. 따라서, 최상의 런타임을 위해서는 두 가지 구성중에서 어느 구성이 더 적합한지 시뮬레이션 유형을 테스트하는 것이 좋습니다.

스케일링

여러 코어를 사용할 때 성능은 선형적이지 않습니다. 예를 들어 12 코어 CPU에서 24 코어 CPU로 업그레이드해도 시뮬레이션 런타임이 절반으로 줄어들지 않습니다. 시뮬레이션 유형에 따라 16~32개 이상의 CPU 코어를 선택할 때는 FLOW-3D 및 FLOW-3D CAST의 HPC 버전을 사용하거나 FLOW-3D CLOUD로 이동하는 것을 고려하여야 합니다.

AMD Ryzen 또는 Epyc CPU

AMD는 일부 CPU로 벤치마크 차트를 석권하고 있으며 그 가격은 매우 경쟁력이 있습니다. FLOW SCIENCE, INC. 에서는 소수의 AMD CPU로 FLOW-3D를 테스트했습니다. 현재 Epyc CPU는 이상적이지 않고 Ryzen은 성능이 상당히 우수합니다. 발열은 여전히 신중하게 다뤄져야 할 문제입니다.

<관련 기사>

https://www.techspot.com/news/78122-report-software-fix-can-double-threadripper-2990wx-performance.html

Graphics 고려 사항

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 필요합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. 권장 옵션은 엔비디아의 쿼드로 K 시리즈와 AMD의 파이어 프로 W 시리즈입니다.

특히 엔비디아 쿼드로(NVIDIA Quadro)는 엔비디아가 개발한 전문가 용도(워크스테이션)의 그래픽 카드입니다. 일반적으로 지포스 그래픽 카드가 게이밍에 초점이 맞춰져 있지만, 쿼드로는 다양한 산업 분야의 전문가가 필요로 하는 영역에 광범위한 용도로 사용되고 있습니다. 주로 산업계의 그래픽 디자인 분야, 영상 콘텐츠 제작 분야, 엔지니어링 설계 분야, 과학 분야, 의료 분석 분야 등의 전문가 작업용으로 사용되고 있습니다. 따라서 일반적인 소비자를 대상으로 하는 지포스 그래픽 카드와는 다르계 산업계에 포커스 되어 있으며 가격이 매우 비싸서 도입시 예산을 고려해야 합니다.

유의할 점은 엔비디아의 GTX 게이밍 하드웨어는 볼륨 렌더링의 속도가 느리거나 오동작 등 몇 가지 제한 사항이 있습니다. 일반적으로 노트북에 내장된 통합 그래픽 카드보다는 개별 그래픽 카드를 강력하게 추천합니다. 최소한 그래픽 메모리는 512MB 이상을 권장합니다.

출처 : https://www.videocardbenchmark.net/high_end_gpus.html

원격데스크탑 사용시 고려 사항

Flow Science는 nVidia 드라이버 버전이 341.05 이상인 nVidia Quadro K, M 또는 P 시리즈 그래픽 하드웨어를 권장합니다. 이 카드와 드라이버 조합을 사용하면 원격 데스크톱 연결이 완전한 3D 가속 기능을 갖춘 기본 하드웨어에서 자동으로 실행됩니다.

원격 데스크톱 세션에 연결할 때 nVidia Quadro 그래픽 카드가 설치되어 있지 않으면 Windows는 소프트웨어 렌더링을 사용합니다. FLOW-3D 가 소프트웨어 렌더링을 사용하고 있는지 확인하려면 FLOW-3D 도움말 메뉴에서 정보를 선택하십시오. GDI Generic을 소프트웨어 렌더링으로 사용하는 경우 GL_RENDERER 항목에 표시됩니다.

하드웨어 렌더링을 활성화하는 몇 가지 옵션이 있습니다. 쉬운 방법 중 하나는 실제 콘솔에서 FLOW-3D를 시작한 다음 원격 데스크톱 세션을 연결하는 것입니다. Nice Software DCV 와 같은 일부 VNC 소프트웨어는 기본적으로 하드웨어 렌더링을 사용합니다.

RAM 고려 사항

프로세서 코어당 최소 4GB의 RAM은 FLOW-3D의 좋은 출발입니다. POST Processor를 사용하여 후처리 작업을 할 경우 충분한 양의 RAM을 사용하는 것이 좋습니다.

DDR5 램의 공식 규격은 2020년 7월 14일에 발표되었습니다. 하지만 일반 소비자를 대상으로 한 제품은 인텔 12세대 CPU(Alder Lake)와 함께 2021년 하반기부터 본격적으로 출시되기 시작했습니다.

일반적으로 FLOW-3D를 이용하여 해석을 할 경우 격자(Mesh)수에 따라 소요되는 적정 메모리 크기는 아래와 같습니다.페이지 보기

  • 초대형 (2억개 이상의 셀) : 최소 128GB
  • 대형 (60 ~ 1억 5천만 셀) : 64 ~ 128GB
  • 중간 (30-60백만 셀) : 32-64GB
  • 작음 (3 천만 셀 이하) : 최소 32GB

HDD 고려 사항

수치해석은 해석결과 파일의 데이터 양이 매우 크기 때문에 읽고 쓰는데, 속도면에서 매우 빠른 SSD를 적용하면 성능면에서 큰 도움이 됩니다. 다만 SSD 가격이 비싸서 가성비 측면을 고려하여 적정수준에서 결정이 필요합니다.

CPU와 저장장치 간 데이터가 오고 가는 통로가 그림과 같이 3가지 방식이 있습니다. 이를 인터페이스라 부르며 SSD는 흔히 PCI-Express 와 SATA 통로를 이용합니다.

흔히 말하는 NVMe는 PCI-Express3.0 지원 SSD의 경우 SSD에 최적화된 NVMe (NonVolatile Memory Express) 전송 프로토콜을 사용합니다. 주의할 점은 MVMe중에서 SATA3 방식도 있기 때문에 잘 구별하여 구입하시기 바랍니다.

그리고 SSD를 선택할 경우에도 SSD 종류 중에서 PCI Express 타입은 매우 빠르고 가격이 고가였지만 최근에는 많이 저렴해졌습니다. 따라서 예산 범위내에서 NVMe SSD등 가장 효과적인 선택을 하는 것이 좋습니다.
( 참고 : 해석용 컴퓨터 SSD 고르기 참조 )

기존의 물리적인 하드 디스크의 경우, 디스크에 기록된 데이터를 읽기 위해서는 데이터를 읽어내는 헤드(바늘)가 물리적으로 데이터가 기록된 위치까지 이동해야 하므로 이동에 일정한 시간이 소요됩니다. (이러한 시간을 지연시간, 혹은 레이턴시 등으로 부름) 따라서 하드 디스크의 경우 데이터를 읽기 위한 요청이 주어진 뒤에 데이터를 실제로 읽기까지 일정한 시간이 소요되는데, 이 시간을 일정한 한계(약 10ms)이하로 줄이는 것이 불가능에 가까우며, 데이터가 플래터에 실제 기록된 위치에 따라서 이러한 데이터에의 접근시간 역시 차이가 나게 됩니다.

하지만 HDD의 최대 강점은 가격대비 용량입니다. 현재 상용화되어 판매하는 대용량 HDD는 12TB ~ 15TB가 공급되고 있으며, 이는 데이터 저장이나 백업용으로 가장 좋은 선택이 됩니다.
결론적으로 데이터를 직접 읽고 쓰는 드라이브는 SSD를 사용하고 보관하는 용도의 드라이브는 기존의 HDD를 사용하는 방법이 효과적인 선택이 될 수 있습니다.

PassMark – Disk Rating High End Drives

출처 : https://www.harddrivebenchmark.net/high_end_drives.html

상기 벤치마크 테스트는 테스트 조건에 따라 그 성능 곡선이 달라질 수 있기 때문에 조건을 확인할 필요가 있습니다. 예를 들어 Windows7, windows8, windows10 , windows11 모두에서 테스트한 결과를 평균한 점수와 자신이 사용할 컴퓨터 O/S에서 테스트한 결과는 다를 수 있습니다. 상기 결과에 대한 테스트 환경에 대한 내용은 아래 사이트를 참고하시기 바랍니다.

참고 : 테스트 환경

페이지 보기

Figure 1. Right: Absolute velocities in the vertical sluice gate fish pass. Level difference between the pools is 0.20 m. Left: Isosurface of the surface structure (blue), Right and left: Isosurface of absolute velocity 1.50 m/s (yellow)

Success Criterion for Fish Passages |수력 발전소 물고기 통로

São Roque 수력 발전소 물고기 통로

이 기사는 Matthias Haselbauer, RMD Consult  및 Carlos Barreira Martinez (  Minas Gerais 연방 대학교) 가 기고했습니다  .

브라질에서는 지난 150 년 동안 지표수의 사용이 지속적으로 증가했습니다. 항행성을 유지하고, 수력을 생성하고, 홍수를 방지하기 위해 자연 흐름을 방해하는 많은 장애물과 우회로가 세워졌습니다. 강에 서식하는 물고기 및 기타 작은 동물은 이러한 변화로 고통 받습니다. 일부 종의 멸종 시점까지 어류 수가 크게 감소한 것이 관찰되었습니다. 어류, 조류 및 포유류 개체수가 동시에 감소함에 따라 먹이 사슬에 대한 인간의 엄청난 영향이 분명해졌습니다.

강을 물고기를 위해 개방하기 위해 브라질에 많은 수의 물고기 통로가 건설되었지만 생물학적 및 기술적 측면에서 효율성이 떨어지는 경우가 많았습니다. 종종 1 차원적이고 경험적인 가정을 사용하여 설계된 통로의 흐름 상황은 과도한 선택과 열악한 위치를 초래합니다. 전통적인 1 차원 디자인의 물고기 통로와 달리 오늘날 더 적절한 도구를 사용할 수 있습니다. CFD (전산 유체 역학) 시뮬레이션을 사용하면 평균 속도 필드 뿐만 아니라 물고기 통로의 유용성에 상당한 영향을 미치는 과도 흐름 효과를 조사 할 수 있습니다. 최적의 결과를 얻으려면 설계 프로세스에서 수력 학적 고려 사항과 생물학적 고려 사항의 결합이 필수적입니다.

이 연구에서는주기적인 수직 수문 물고기 통로 내부의 난류 응집 구조에 대해 논의합니다. 길이가 4.50m이고 너비가 각각 3.30 인 두 개의 웅덩이 사이에서 흐름은 0.50m의 확장이 있는 작은 수직 개구부를 통과해야 합니다 (그림 1). 

CFD 시뮬레이션은 FLOW-3D 로 수행되었습니다 . 흐름 방향의 주기적 경계 조건에서 달성 가능한 해상도는 약 2.5cm입니다. 두 웅덩이 사이의 수면 Δh의 레벨 차이는 20cm였다. 따라서 절대 속도의 최대 값은 약 2m / s ≈ Δh * 2g입니다. 전체 위치 에너지는 운동 에너지로 변환되고 나중에 풀에서 소멸됩니다. 제트가 벽에서 분리되는 고속 영역이 형성됩니다.

절대 속도 수문 물고기 통과
그림 1. 오른쪽 : 수직 수문 물고기 통과의 절대 속도. 수영장 사이의 레벨 차이는 0.20m입니다. 왼쪽 : 표면 구조의 등면 (파란색), 오른쪽 및 왼쪽 : 절대 속도 1.50m / s (노란색)의 등면

LES (Large Eddy Simulation)를 통해 순간 흐름 영역에 대한 자세한 분석이 가능했습니다. 속도 및 난류 장의 분포와 풀 내의 일관된 난류 구조는 물고기의 행동을 더 잘 이해할 수있게했습니다.

난류 압력 변동

순간 속도 또는 압력 필드는 평균 값과 해당 변동으로 나눌 수 있습니다. 변동 압력에 대한 각 방정식은 다음과 같습니다.

\({\tilde{p}}’=\tilde{p}-\left\langle {\tilde{p}} \right\rangle\)

난류 압력 장을 살펴보면 와류 내부의 난류 압력이 음수임을 알 수 있습니다. 난류 압력의 국부적 최소값은 그림 2와 같이 대규모 와류의 코어를 나타냅니다. 물고기 통로에서 여러 개의 수평 롤러가 관찰 될 수 있습니다. 와류는 수 문의 전 단층 내부에 형성됩니다. 정점의 주행 거리가 증가하면 와류 직경이 증가하고 난류 압력 진폭이 감소하여 롤러 내부의 난류 압력이 증가합니다.

일관된 구조와 관련하여 개방 채널 흐름의 난류 압력을 분석하는 것은 매우 어렵습니다. 대규모 와류는 직접 관찰로 거의 감지 할 수 없습니다. 이는 수면의 변동과 전체 전류 내부의 관련 압력 변동 때문입니다. 표면파에 의해 유발 된 압력 변동은 다음 지수 법칙에 따라 수심 z에 따라 감소합니다 [Kundu, 2004] :

\({p}’\propto {{e}^{{-kz}}}\)

난류 압력 장을 살펴보면 와류 내부의 난류 압력이 음수임을 알 수 있습니다. 난류 압력의 국부적 최소값은 그림 2와 같이 대규모 와류의 코어를 나타냅니다. 물고기 통로에서 여러 개의 수평 롤러가 관찰 될 수 있습니다. 와류는 수 문의 전 단층 내부에 형성됩니다. 정점의 주행 거리가 증가하면 와류 직경이 증가하고 난류 압력 진폭이 감소하여 롤러 내부의 난류 압력이 증가합니다.

개방 채널 흐름의 난류 압력
그림 2 : 난류 압력 변동의 등면 = -500 Pa.

일관된 구조와 관련하여 개방 채널 흐름의 난류 압력을 분석하는 것은 매우 어렵습니다. 대규모 와류는 직접 관찰로 거의 감지 할 수 없습니다. 이는 수면의 변동과 전체 전류 내부의 관련 압력 변동 때문입니다. 표면파에 의해 유발 된 압력 변동은 다음 지수 법칙에 따라 수심 z에 따라 감소합니다 [Kundu, 2004] :

서로 다른 압력 변동의 중첩으로 인해 표면 근처의 대규모 일관된 구조를 감지하기가 어렵습니다.

Q- 기준

와류 감지를위한 또 다른 도구는 Dubrief (2000)와 Hunt (1988)가 제안했으며, 이들은 압력, 와도 및 Q- 기준의 등면을 비교했습니다. Q- 기준은 다음과 같이 계산됩니다.

\(\displaystyle {{\tilde{\Omega }}{{ij}}}=\frac{1}{2}\left( {\frac{{\partial {{{\tilde{U}}}{i}}}}{{{{x}{j}}}}-\frac{{{{{\tilde{U}}}{j}}}}{{\partial {{x}_{i}}}}} \right)\)

과

\(\displaystyle {\tilde{\Omega }}{ij}=\frac{1}{2}\left( {\frac{\tilde{U}{i}} {x}{j}-\frac{\tilde{U}{j}} {x}_{i}} \right)\)

공간적으로 필터링 된 속도 구배의 비대칭 및 대칭 부분. 그림 3에서는 Q ~ = 50s-2의 계산 된 등가 곡면이 표시됩니다. Q- 기준으로 소규모 와류가 감지됩니다. 난류 압력 변동과는 달리, Q- 기준 계산을 위해 자유 표면 상태는 탐지 가능성을 방해하지 않습니다. 이는 ∇²p 계산에 선형 정압 분포가 사용되지 않기 때문 입니다. 흐름에서 흐름 방향으로 작은 헤어 라인 소용돌이를 볼 수 있습니다.

Isosurfaces 난류 압력 변동
그림 3 : 난류 압력 변동의 등면

토론

다른 스케일의 소용돌이를 시각화하면 엔지니어는 물고기가 수로를 통과해야하는 일관된 구조에 대해 좋은 느낌을 갖게됩니다. 감지 된 대규모 롤러가 주요 구조입니다. 물고기는 이러한 구조에 대한 흐름에서 안정화되어야합니다. 이 롤러의 축은 메인 스트림 방향에 부분적으로 수직이므로 물고기가 안정화를 위해 메인 핀을 사용할 수 있습니다.

소규모 구조물은 물고기의 수영 방향과 평행합니다. 물고기는 이러한 와류에서 안정화를 위해 수직 지느러미 만 사용할 수 있기 때문에 대규모 롤러보다 안정화를 위해 더 많은 노력을 기울여야합니다.

계산 된 LES 결과를 사용하여 물고기 통과 내부의 흐름 조건에 대한 생물 학자와 엔지니어 간의 예비 토론을 시작할 수 있습니다. 감지 된 난류 구조는 물고기 통과의 성공에 중요합니다. 이러한 구조를 통과하는 데는 고속 영역을 통과하는 것보다 더 많은 에너지가 필요할 수 있습니다.

다음 달에 브라질 벨루 오리 존치에있는 미나스 제 라이스 연방 대학교에서 이러한 난류 구조와 물고기가 이러한 구조를 탐색하는 능력 사이의 상관 관계를 확인하기 위해 일련의 실험실 실험이 수행 될 것입니다.

참고 문헌

Dubrief, Yves; Delcayre, Frank: On Coherent-vortex identification in turbulence. In: Journal of Turbulence 1 (2000), pp. 1-22

Haselbauer M.: Geräuscharme Fischaufstiegsgerinne – Experimentelle und numerische Analyse des Fischpasses vom Typ periodische Schütze. PhD-Thesis, Fachgebiet Hydromechanik, TU München, 2008

Hunt, J.C.R.; Wray, A.A.; Moin, P.: Eddies, streams, and convergence zones in turbulent flows. In: CTR-S88 (1988), pp. 193-208

Kundu, Pijush K; Cohen, Ira M: Fluid Mechanics. San Diego: Elsevier Academic Press, 2004

Wilczak, J. M: Large-scale eddies in the unstably stratified atmospheric surface layer. Part I: Velocity and temperature structure. In: J. Atmos. Sci. 41 (1984), pp. 3537-3550

Acknowledgement: All results were post-processed with Paraview.

원문 보기

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-3D 는 FDM (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.

제품소개

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 및 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 ...
자세한 내용 보기
/ AMD, cast, FLOW-3D, user conference, 공지사항, 이벤트
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 ...
자세한 내용 보기
/ 3D프린팅, FLOW-3D, weld, 공지사항, 수치해석, 용접

FLOW-3D 레이저분야 활용

FLOW-3D 레이저 용접분야 활용

FLOW-3D는 유체의 유동 및 열전달 수치 해석 소프트웨어이며, 자유표면(자유수면)을 가진 유체의 흐름을 정확하게 예측한다. FLOW-3D는 수 많은 물리적 유동 현상에 대한 시뮬레이션 모델을 제공하여, 설계 및 운영 단계에서 엔지니어가 쉽고 정확하게 판단할 수 있도록 해주기 때문에 수리, 주조, 기계, 항공, 용접, 적층 공정, 금속 3D 프린팅 등 여러 분야에서 사용되는 소프트웨어이다. 이번 호에서는 FLOW-3D의 다양한 활용 분야 중에서 레이저 용접 분야(Weld 모듈이 연계된 FLOW-3D Weld를 사용)에 대해 자세히 알아보고자 한다.

레이저 용접은 레이저 광선의 출력을 응용한 용접 방법을 말한다. 레이저 용접의 장점은 용접 강도가 좋고, 열 영향 부위가 작으며, 정밀도가 높고 변형이 적으며 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접할 수 있다는 것이다.
FLOW-3D Weld는 이러한 레이저 용접 공정에 대해 정확한 결과를 얻게 해 주며, 엔지니어가 레이저 프로세스를 최적화하는데 도움을 준다. FLOW-3D Weld는 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발 압력, shield gas 효과, 다중 레이저 반사 등과 같은 물리적 모델을 적용하여 Conduction 용접, Keyhole 용접, Porosity, 용융풀 거동 등을 분석할 수 있다.
이번 호에서는 레이저 용접 프로세스 및 결과물을 최적화하기 위해 필요한 물리적 설정과 대표적인 레이저 용접 해석 예제를 설명하고자 한다.

레이저 광원

1. 레이저 광원
레이저 용접을 하는데 있어 레이저 광원의 설정이 필요하다. FLOW-3D Weld에서 사용되는 레이저 광원은 원통형과 원추형으로 설정할 수 있으며, <그림 1>과 같이 Heat flux를 일정한 상태 또는 가우시안 분포(Gaussian distribution)  형태로 나타낼 수 있다.

레이저 광원의 형태를 원추형으로, 가우시안 분포를 가지도록 Heat flux를 설정하면 <그림 2>와 같이 광원이 원추형으로 나타나며, 반경 거리에 따른 Heat flux의 에너지 밀도 차이도 확인할 수 있다.

그리고, <그림 3>과 같이 레이저 광원의 위치 좌표와 속도 벡터를 설정하면, 레이저의 위치에 대한 광원의 움직임 설정이 가능하다.

기사 상세 내용은 PDF로 제공됩니다.

다운로드[2M] : [201906_FLOW3D_레이저용접]

작성자 | 양정호_에스티아이C&D 솔루션사업부 대리, 조애령_에스티아이C&D 솔루션 사업부 차장
이메일 | flow3d@stikorea.co.kr
홈페이지 | www.flow3d.co.kr

출처 : CAD&Graphics 2019년 06월호

해석예제 및 적용사례

당사에서 오랜 기간 동안 FLOW-3D를 적용한 분야별 프로젝트 적용사례와 간단한 소개 자료를 제공합니다.
아래 분야별 적용사례 다운로드 링크를 클릭하여 자유롭게 활용하시기 바랍니다.

castinghydraulicswatermems
Casting 분야
적용사례
다운로드		Hydraulics 분야
적용사례
다운로드		WaterTreatments 분야
적용사례
다운로드		MEMS 분야
적용사례
다운로드
maritime 
Maritime 분야
적용사례
다운로드		Laser Welding 분야 적용사례 다운로드Metal 3D printing 분야 적용사례 다운로드

São Roque Hydro Power Plant

São Roque Hydro Power Plant

This article was contributed by Diego David Baptista de Souza, Alexandre Charles Allain, and Anaximandro Steckling Muller of Engevix Engenharia S/A.

The São Roque hydroplant project는 브라질의 카노아스 강 산타 카타리나 주에 있습니다. 롤러 압축 콘크리트 댐은 141,9MW의 설치 용량을 허용합니다. 그림 1은 프로젝트의 위치를 보여 줍니다.

Figure 1 – São Roque hydro power plant location

제트 편향은 낮은 홍수에 대해 배수로의 첫번째 단계에서 발생하며 불안전한 흐름과 진동을 일으킵니다. 수치 모델링은 제트 편향을 제한하는 첫 단계의 형상을 최적화하는데 사용될 수 있습니다. 편향이 발생하는 임계 방전을 최소화하는 기하학적 구조를 찾기 위해 여러 번의 시뮬레이션이 수행되었습니다. 처음 계단식 배수로를 따라 설치된 흐름을 스키핑 흐름이라 한다. 유량 시스템이 불안정성을 보이기 시작하면서 결국 제트가 임계 유량으로 비상할 때까지 저수지의 수위가 점차적으로 낮아지게 됩니다.

시뮬레이션한 모든 기하학적 구조는 고정 매개변수인 1.2m의 정규 계단높이와 53°의 경사를 포함합니다. 그림 2와 3은 두개의 기하학적 구조를 보여 줍니다. 수치 모델에는 TruVOF 기법을 이용한 공기 침투 및 자유 표면 추적이 포함됩니다. 색상 범례는 물의 농도를 나타내며, 물 1은 100% 물이고 0은 100% 공기입니다. 분석은 y축에 있는 단일 2D블록인 spillway의 단면 모델을 사용하여 수행되었습니다.
jet takeoff 에 따라 해당되는 유량을 사용해 관련 형상을 비교하고 가장 효율적인 형상을 결정할 수 있습니다. 제트 편향에 해당하는 임계 유량은 탱크 레벨이 낮아지는 속도와 시뮬레이션에 사용되는 메쉬의 크기에 따라 달라지게 됩니다.

Spillway Water Profile and Energy Dissipation

Jet Deflection on Upper Spillway

그림 2는 ‘생성자’ 프로파일과 단계별 섹션 사이의 전환 위치에 대한 2개의 기하학적 설계(상단과 하단)를 비교하여 보여줍니다. 좌측에는 흐름이 스키밍 체제에 있고 중앙에서 탱크 레벨이 점차 낮아지면서 플럭스가 동요되기 시작합니다. 우측에는 지속적인 상태 방출과 함께 jet takeoff 가 표시되어 있습니다.

Figure 2 – Comparison of 2 geometric designs         

Figure 3 – Spillway water and energy profiles

Figure 4 – Turbulent energy dissipation on stepped spillway         

발생 가능한 최대 홍수의 양에 대해 계단식 배수로와 에너지 분산이 평가되었습니다. 표준 단계는 공기 침투 모델과 함께 FLOW-3D와 비교했습니다. 그림 3은 수치 모델과 이론 모델 모두의 결과를 나타내는데 이 현상을 평가하기 위해 FLOW-3D에 단면 모델이 적용되었습니다.
수치 시뮬레이션으로 얻은 Water의 프로필은 공기 흡입을 고려할 때 이론적 모델과 잘 맞습니다. 에너지 프로필은 이론적 모델에서 수렴적인 결과로 약간의 차이가 나타납니다. 이러한 차이는 단계별 채널이 시작되기 전에 Creager프로필의 수두손실을 무시하는 것과 같은 일부 이론적 가정의 결과일 수 있습니다. 다운 스트림에서 유출되는 에너지 프로필은 유출되는 유압 점프로 인해 떨어지게 됩니다. 그림 4는 FLOW-3D의 난류 에너지 소산을 나타냅니다.

Flow Distribution at Turbine Entrance

Figure 5 – Flow trough penstocks upstream turbine entrance

물의 Head 높이는53m이고 총 방출량이333 m3/s인 동일한 3개의 강철 penstock를 통해 전달됩니다. 그 터빈들은 수직 축을 가진 Francis 타입입니다. penstock하단에는 플럭스가 터빈으로 유도되기 전 마지막 커브 뒤에 수평 부분이 남아 있습니다. 이 수평 부분은 터빈에 도달하기 전에 흐름을 안정화시키는데 필요합니다. 필요한 길이와 속도 및 압력 분포의 작동 방식을 결정하기 위해 수치 모델링이 사용되었습니다.
업 스트림 경계 조건은 유량 소스로 설정되며 물 취수구 끝에 위치합니다. 하류인 터빈 입구에는 특정 압력이 설정되어 있어 Bernoulli 방정식이 사용됩니다. 수두 손실은 이론적으로 계산되었고 이 등식에서 제외되었습니다. 마지막으로, 거칠기를 보정하여 수치모델과 이론 계산에서 헤드 손실이 동일하도록 2mm의 거칠기가 설정되었습니다. 이는 강철 penstock의 거칠기와 잘 일치합니다. 또한 메쉬 크기는 0.5m의 셀로 설정되었습니다.

이 세가지 구성은 모두 터빈 입구 바로 앞에 위치한 크로스 섹션의 하부에서 더 높은 속도를 보여 줍니다. 흐름은 단면 1과 단면 2사이에서 많은 변화는 없었습니다. 실제로 깊이 평균 속도와 압력 분포 측면에서 전체 결과는 직경이 전환된 직후에 흐름이 이미 안정화되었음을 나타냅니다.  구성 3에서 속도 분포는 수평 단면을 따라 계속 발전한다는 것은 흥미로운 사실입니다. 따라서, 이 수평적인 penstock의 길이를 증가시킬 필요가 없는 것처럼 보였습니다. 또한, 이것은 비용과 수두손실을 상당히 증가시킬 것입니다. 따라서 초기 프로젝트의 개요는 최종 프로젝트를 위해 그대로 유지되었습니다. 이 시뮬레이션은 수치 모델이 의사 결정 지원을 위한 효율적이고 빠른 도구임을 입증하게 됩니다.

Draft Tube Exit

그 draft tube는 운하의 흐름을 분산시킵니다. 하지만, 갑작스런 단면의 확장으로 인해, 흐름 체제는 난류와 수두 손실의 상당한 확산으로 인해 변화하게 됩니다. 수치 모델을 사용하여 수두손실을 확인할 수 있습니다.

상류 경계조건은 체적 흐름 속도로 설정되었고 draft tube의 수문에 위치합니다. 하류에서는 정상 작동 수위와 동등한 압력이 설정되었습니다. 메쉬 크기는 0.5m로 설정되었습니다.

이 수치 모델은 14cm의 수두 손실을 초래하는 반면, 이론적인 계산은 16.7cm로 비교적으로 수렴하고 있습니다. 3D수치 해석을 사용하면 수두손실을 최소화하는 기하학적인 최적화를 할 수 있습니다.

Figure 6 – Downstream view of the 3 units’ draft tube exit with the FAVOR™ option

Figure 7 – Cross section of the draft tube exit and tailrace channel in terms of velocity magnitude and vectors

Conclusions

수치 모델링은 수력학 엔지니어에게 유용한 도구이고 FLOW-3D와 같은 패키지는 매우 효율적인 도구입니다. 또한 솔루션 및 최적화를 통해 비용을 절감할 수 있습니다. 저자들의 경험에 따르면 다양한 문제에 있어 3차원 모델링은 훌륭한 옵션이며 물리적 모델링과 함께 추가 도구로 사용될 수 있습니다. 때때로, 그것은 실제 모델을 대체할 수도 있는데, 그것은 São Roque HPP의 경우였습니다. 또한 3D 수치해석 최적화를 통해 물리적 모델을 설계하는데 도움이 될 수 있습니다.

연속 잉크젯 프린팅

연속 잉크젯 프린팅

연속 잉크젯 프린팅은 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동 중일 때 유체의 연속 흐름이 있는 방울 생성방법입니다. 이 개념이 1867 년 Lord Kelvin에 의해 처음으로 특허 되었지만, 1951 년 Siemens에서 최초의 상용 장치가 80 년이 지난 뒤에 나타났습니다. 초기에 이 기술은 만료 날짜, 배치 코드, 이름 및 제품 로고와 같은 다양한 정보를 고속, 비접촉식으로 인쇄하는데 사용되었습니다.

연속 잉크젯 프린팅은 탱크에서 액체를 마이크로 미터 크기의 노즐 뱅크로 향하게 하는 고압 펌프로 시작하여 진동하는 압전 크리스탈의 진동에 의해 결정되는 주파수에서 연속적으로 작은 방울이 생성됩니다. 특히 프린팅 응용분야의 경우, 잉크 방울은 외부 전계의 존재로 인해 연속 흐름에서 편향되고 있습니다. 이는 프린팅 매체의 표면 상에 패턴을 생성한다. 이 기술의 장점 중 일부는 높은 처리량, 높은 방울 속도, 프린트 헤드에서 기판까지의 거리 증가 및 연속 작동으로 인한 노즐 막힘현상이 없습니다. 이러한 긍정적인 특성 덕분에 이 기술은 요즘 종이의 일반 인쇄 잉크에서 다양한 재료 (심지어 살아있는 세포)를 증착하고 현대적인 OLED (Organic Light Emitting Diode) 디스플레이를 만들기까지 발전했습니다.

이 블로그에서는 Flow Science의 CFD 엔지니어인 Ioannis H. Karampelas가 진행 한 FLOW-3D 시뮬레이션 연구에 이어 연속 잉크젯 인쇄의 물리학에 대해 논의 할 것입니다. 그의 작업을 더욱 발전시키면서  OLED 프린팅업계에서 잉크젯을 적용하여 영감을 얻은 방울 생성과정에 무작위성을 부여하고 결과로 나온 방울의 변형을 설명합니다.

비말 생성

노즐 크기 선택

방울 생성을 위한 시스템 파라미터를 계산하기 위해 Rayleigh jet 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면, 드롭 형성으로 이끄는 제트 해체에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.

작동 주파

최적의 드롭 생성 빈도는 최적의 파장에서 직접 계산할 수 있습니다.

위의 이론과 알려진 산업 파라미터를 사용하여 노즐 반경 125 μm 및 10 kHz의 주파수를 사용하여 FLOW-3D에서 계산 모델을 설정했습니다.

FLOW-3D 결과 검증

FLOW-3D는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 프로세스를 시뮬레이션하는데 적합합니다.

아래의 시뮬레이션 결과에서 10 kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 물방울 크기는 약 240 μm이며 이론적으로 추정된 물방울 크기 인 약 250 μm와 잘 일치합니다.

물방울 형성 ​​및 입력 압력 펄스를 강조하는 FLOW-3D의 시뮬레이션 결과

OLED Mura 문제

이론 상으로는 동일한 진폭의 압력 펄스를 생성하는 것이 가능합니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업용 어플리케이션에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수 때문에 약간 다릅니다. 이러한 모든 불완전성은 액적 볼륨의 변동을 유발하여 OLED 패널의 각 서브 픽셀에 침착 된 유기 화합물의 체적의 변화를 야기하며, 이는 증착 된 막 두께의 비례 변화를 유도한다. 이러한 두께 변화는 잉크젯 인쇄 된 OLED 디스플레이 (Madigan 외)에서 패널 휘도의 불균일성의 가장 중요한 원인 중 하나이다. 이 패널 휘도의 불균일성을 “무라 효과 (mura effect)”라고 합니다.

mura 문제를 해결하는 한 가지 방법은 평균의 법칙을 사용하는 것입니다. 이것이 의미하는 바는 물방울 부피의 양수 및 음수 오차를 평균화하기 위해 서로 다른 노즐의 방울을 무작위로 결합 (인트라 – 픽셀 혼합)하여 물방울 볼륨 오류를 거의 0에 가깝게 만드는 것입니다.

FLOW-3D에서 이 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 임의성이 추가 되었습니다. 최대 변동폭은 원래 압력 진폭 1.7MPa의 상단에 200kPa로 설정되었습니다. 아래의 애니메이션은 무작위성이 없는 초기 사건과 무작위성을 비교 한 사례를 보여줍니다.

압력 펄스의 무작위 대 정진폭의 애니메이션을 비교한 영상.

예상대로 액적 생성은 액적 형태, 액적 크기, 액적 간격 및 비행 속도면에서 일정하지 않습니다. 그러나 오른쪽의 일정한 진폭의 경우 균일한 모양과 크기의 균일한 간격의 물방울이 생성됩니다.

결론

이 블로그 기사에서 FLOW-3D는 연속 잉크젯 프린팅프로세스에 관련된 Physics에 대한 이해를 증진시키는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D는 다양한 첨단 방울 생성 및 증착 응용 분야에도 유용합니다. 예를 들어 OLED 인쇄의 경우, FLOW-3D는 픽셀 내 혼합 동안 액적에서 발생하는 변동을 효과적으로 이해하여 OLED 패널의 품질을 향상시킬 수 있습니다.

연속 잉크젯 프린팅

연속 잉크젯 프린팅

연속 잉크젯 프린팅은 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동 중일 때 유체의 연속 흐름이 있는 방울 생성방법입니다. 이 개념이 1867 년 Lord Kelvin에 의해 처음으로 특허 되었지만, 1951 년 Siemens에서 최초의 상용 장치가 80 년이 지난 뒤에 나타났습니다. 초기에 이 기술은 만료 날짜, 배치 코드, 이름 및 제품 로고와 같은 다양한 정보를 고속, 비접촉식으로 인쇄하는데 사용되었습니다.

연속 잉크젯 프린팅은 탱크에서 액체를 마이크로 미터 크기의 노즐 뱅크로 향하게 하는 고압 펌프로 시작하여 진동하는 압전 크리스탈의 진동에 의해 결정되는 주파수에서 연속적으로 작은 방울이 생성됩니다. 특히 프린팅 응용분야의 경우, 잉크 방울은 외부 전계의 존재로 인해 연속 흐름에서 편향되고 있습니다. 이는 프린팅 매체의 표면 상에 패턴을 생성한다. 이 기술의 장점 중 일부는 높은 처리량, 높은 방울 속도, 프린트 헤드에서 기판까지의 거리 증가 및 연속 작동으로 인한 노즐 막힘현상이 없습니다. 이러한 긍정적인 특성 덕분에 이 기술은 요즘 종이의 일반 인쇄 잉크에서 다양한 재료 (심지어 살아있는 세포)를 증착하고 현대적인 OLED (Organic Light Emitting Diode) 디스플레이를 만들기까지 발전했습니다.

이 블로그에서는 Flow Science의 CFD 엔지니어인 Ioannis H. Karampelas가 진행 한 FLOW-3D 시뮬레이션 연구에 이어 연속 잉크젯 인쇄의 물리학에 대해 논의 할 것입니다. 그의 작업을 더욱 발전시키면서  OLED 프린팅업계에서 잉크젯을 적용하여 영감을 얻은 방울 생성과정에 무작위성을 부여하고 결과로 나온 방울의 변형을 설명합니다.

비말 생성

노즐 크기 선택

방울 생성을 위한 시스템 파라미터를 계산하기 위해 Rayleigh jet 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면, 드롭 형성으로 이끄는 제트 해체에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.

작동 주파

최적의 드롭 생성 빈도는 최적의 파장에서 직접 계산할 수 있습니다.

위의 이론과 알려진 산업 파라미터를 사용하여 노즐 반경 125 μm 및 10 kHz의 주파수를 사용하여 FLOW-3D에서 계산 모델을 설정했습니다.

FLOW-3D 결과 검증

FLOW-3D는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 프로세스를 시뮬레이션하는데 적합합니다.

아래의 시뮬레이션 결과에서 10 kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 물방울 크기는 약 240 μm이며 이론적으로 추정된 물방울 크기 인 약 250 μm와 잘 일치합니다.

물방울 형성 ​​및 입력 압력 펄스를 강조하는 FLOW-3D의 시뮬레이션 결과

OLED Mura 문제

이론 상으로는 동일한 진폭의 압력 펄스를 생성하는 것이 가능합니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업용 어플리케이션에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수 때문에 약간 다릅니다. 이러한 모든 불완전성은 액적 볼륨의 변동을 유발하여 OLED 패널의 각 서브 픽셀에 침착 된 유기 화합물의 체적의 변화를 야기하며, 이는 증착 된 막 두께의 비례 변화를 유도한다. 이러한 두께 변화는 잉크젯 인쇄 된 OLED 디스플레이 (Madigan 외)에서 패널 휘도의 불균일성의 가장 중요한 원인 중 하나이다. 이 패널 휘도의 불균일성을 “무라 효과 (mura effect)”라고 합니다.

mura 문제를 해결하는 한 가지 방법은 평균의 법칙을 사용하는 것입니다. 이것이 의미하는 바는 물방울 부피의 양수 및 음수 오차를 평균화하기 위해 서로 다른 노즐의 방울을 무작위로 결합 (인트라 – 픽셀 혼합)하여 물방울 볼륨 오류를 거의 0에 가깝게 만드는 것입니다.

FLOW-3D에서 이 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 임의성이 추가 되었습니다. 최대 변동폭은 원래 압력 진폭 1.7MPa의 상단에 200kPa로 설정되었습니다. 아래의 애니메이션은 무작위성이 없는 초기 사건과 무작위성을 비교 한 사례를 보여줍니다.

압력 펄스의 무작위 대 정진폭의 애니메이션을 비교한 영상.

예상대로 액적 생성은 액적 형태, 액적 크기, 액적 간격 및 비행 속도면에서 일정하지 않습니다. 그러나 오른쪽의 일정한 진폭의 경우 균일한 모양과 크기의 균일한 간격의 물방울이 생성됩니다.

결론

이 블로그 기사에서 FLOW-3D는 연속 잉크젯 프린팅프로세스에 관련된 Physics에 대한 이해를 증진시키는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D는 다양한 첨단 방울 생성 및 증착 응용 분야에도 유용합니다. 예를 들어 OLED 인쇄의 경우, FLOW-3D는 픽셀 내 혼합 동안 액적에서 발생하는 변동을 효과적으로 이해하여 OLED 패널의 품질을 향상시킬 수 있습니다.

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave(ALGW)는 수역에 영향을 미치는 빠른 슬라이드의 결과이다. 이것은 암석에 의해 생성된 작은 파도 이거나, 3000만 입방 미터의 암석으로 인한 500m를 초과하는 파도 일 수도 있다.
공학적 관점에서 보면 ALGW는 근접한 해안을 따라 인간이 거주하는 인구/자산이 있는 수역에서 발생할 때 큰 관심을 가진다. 여기서 파동이 발생하면 해안선이 파손되고 홍수가 날수 있으며, 댐붕괴로 인한 사망까지 일으킬 수 있다(Müller-Salzburg, 1987). 결과적으로, ALGW에 의해 야기되는 최대 파도 상승을 예측하는 것은 경제적, 환경적, 안전상의 이유로 매우 중요합니다.
안타깝게도 분석적인 솔루션이 없는 매우 복잡한 문제로, 유체 역학적인 측면에서뿐만 아니라 지질학적인 관점(즉, 크기/기하학적인 슬라이드의 밀도 프로파일)에서도 마찬가지입니다. 이와 같이, 대부분의 현장 별 ALGW 최대 파형 예측은 확장된 물리적 모델을 사용하여 평가되었다. 일부는 전산유체역학(CFD) 소프트웨어를 기반으로 할 수도 있지만 비용이 많이 들며, 특히 풀 스케일 3차원 문제의 경우 정확성에 대한 논쟁의 대상이 되고 있습니다.
그러나 컴퓨터 하드웨어와 CFD소프트웨어가 계속 발전함에 따라 이제 CFD를 사용하여 ALGW를 실제로 시뮬레이션할 수 있게 되었습니다. 이와 같이 본 연구는 고 충실도의 물리적 모델 데이터를 FLOW-3D와 비교하여 ALGW를 CFD시뮬레이션을 검증하기 위한 지속적인 노력으로 진척시키는 것을 목표로 한다.
다음 절에서는 실제 및 수치 모델 설정에 대한 개요를 제공한다. 뿐만 아니라, 생성된 데이터와 간단한 비교를 제공한다.

Experimental Setup
물리적 실험은 Northwest Hydraulic Consultants 노스 밴쿠버, 캐나다 실험실에서 만들어졌고 실험을 거쳤다. 그것은 30° 경사의 서쪽 벽을 가진 0.5미터 폭의 수로, 45°의 경사진 동쪽 벽, 그리고 두개의 북쪽과 남쪽 측면에 수직 벽, 그리고 1.025m의 수평 단면을 가진 0.610m 너비의 수로로 구성되었다. ALGW를 생성하고 평가하기 위해, 45° 경사 노즈를 가진 0.177×0.305×0.305m의 아크릴 박스를 사용한 6초 시험을 사용했다.
이 슬라이드를 놓았을 때, 슬라이드는 (중력에 의해) 0.607m 심층수에 충돌하기 전에 서쪽 경사면에서 0.768m 아래로 이동했다. 그 후, 물을 통해 또 다른 1.05m를 이동하여 정지 블록을 치기 시작했다. 슬라이드 가속 및 변위뿐만 아니라 파고 높이는 6 초 실험 전체에 대해 100Hz의 주파수에서 기록되었다. 이 데이터를 수집하는 데 사용 된 도구는 다음과 같다.

  • 컴퓨터화된 데이터 수집 시스템
  • 슬라이드의 시간에 따라 이동 한 거리를 측정하는 문자열 가변 저항기
  • 슬라이드 가속도를 측정하는 1 차원 가속도계
  • 물의 주요 본체 내에 배치 된 3 개의 1 차원 커패시턴스 웨이브 – 프로브
  • 웨이브 런업을 캡처하기 위해 동쪽 경사면을 따라 사용되는 저항 사다리꼴 웨이브 프로브
  • 타이밍 스위치 캡처 슬라이드 릴리스 시간 사용
  • 흑백 비디오 카메라

테스트가 반복 가능하고 오작동이 발생하지 않았는지 확인하기 위해 테스트를 5 번 반복하고 각 장비에 대해 평균을 구했다.

Numerical Model Setup
물리적 실험의 전산화 된 3 차원 모델을 제작한 STL 파일을 FLOW-3D로 가져왔다. 일단 FLOW-3D에 들어간 3D 모델은 약 1,370 만개의 0.0075m 크기의 정사각형 셀로 이산화되었고, 벽을 둘러싸고있는 6 개의면 각각에 ‘wall’경계가 사용되었다.
슬라이드를 일반적인 이동 물체로 설정하고, 물리 모델로부터 수집 된 데이터(즉, 가속 및 변위 데이터의 후 처리)에 기초하여 속도가 주어졌다. 동서면 경사면의 표면 거칠기는 0.00025m으로 설정되었다. 모델링 된 유체는 293k의 물이었고, 동적 RNG 난류 모델이 기본 설정과 함께 사용되었다(implicit pressure solve; and, explicit viscous stress, free surface pressure, advection, moving object/fluid coupling solvers).
물리적 모델과 마찬가지로 FLOW-3D는 6 초의 시간을 시뮬레이트하지만 실제 모델과 같이 매 0.01 초가 아닌 0.02 초마다 데이터를 저장하였다(데이터 관리 관점에서 선택하였음).

Result

FLOW-3D 실험의 결과는 그림에 나와 있다. 4개의 웨이브 각각에 대해 실험 시간 동안 파고를 보여준다. 이와 같이, 제시된 파도 높이는 단순히 flume을 통해 전파되는 파도의 구현(즉, 2 차원의 경우에서 볼 수있는 것)이 아니라 오히려 여러 파도의 상호 작용으로 인한 파도 높이를 초래한다.

  • 슬라이드 충격시 발생하는 충격파(1차 신호)
  • 슬라이드 뒤의 충격파 충돌(2차 신호)
  • 북쪽, 동쪽, 서쪽 및 남쪽 벽에서의 웨이브 반사(3차 신호)

또한 길이 방향의 FLOW-3D 데이터(중심선에서)를 실제 모델 비디오 위에 겹쳐서 자유 표면의 FLOW-3D 글로벌 예측을 평가했다. 이것은 아래의 동영상에서 볼 수 있다.
그림과 위의 비디오를 보면 FLOW-3D 데이터가 웨이브 프로브 1, 2 및 3의 경우 물리적 데이터를 매우 잘 일치한다는 것을 알 수 있다. 하지만 웨이브 프로브 4에 대해서는 정확도가 떨어진다.
FLOW-3D 시간 데이터와 관련된 오류는 각 웨이브 프로브에 대한 RMSE (root-mean-square-error)를 취하여 평가된다.

Discussion
이 조사에서 실제 모델의 고 충실도 데이터는 ALGW로 최대 파도 상승에 대한 FLOW-3D 예측과 비교되었다. RNG 모형의 기본 설정을 사용하여 FLOW-3D는 주요 수역 내에서 파고를 정확하게 재현 할 수 있었다. 그러나 최대 파동은 약 43%가 넘었다.
최대 웨이브 런업을 줄이기 위해 몇 가지 대안인 FLOW-3D 물리 설정이 사용되었다. 그러나 43 % 이하로 떨어지는 것은 불가능했다. 이러한 대체 시뮬레이션에 대한 주목할만한 관찰은 다음과 같다.

  • first-order momentum advection scheme의 0.01m 메쉬는 최대 파동 상승 오차가 96% 인 반면 동일하게 0.0075m 메쉬의 오차는 130%였다. 그러나 second-order로 변경하면 0.01 m 및 0.0075 m 메시의 경우 각각 55% 및 43%의 오차가 발생한다. 또한 메쉬 셀 크기를 0.005m으로 줄이면 80%의 오차가 발생한다.
  • 이 테스트 케이스에서 가장 중요한 매개 변수는 momentum advection scheme이다. 평균적으로 second-order를 사용하면 first-order대비 오차가 약 50% 감소한다.
  • FLOW-3D의 MP 버전을 사용하여 0.005m의 메쉬 셀 크기를 사용해야 한다. 해석 시 CPU 시간은 33 시간이었다. 비교를 위해 FLOW-3D의 SMP 버전은 0.0075m의 메쉬 셀 크기로 시뮬레이션을 실행하는 데 26시간이 필요했지만 MP 버전은 4.5시간 밖에 걸리지 않았다.

[1] 3.5GHz 8 코어 AMD FX-8320 프로세서에서 약 6초의 시뮬레이션 시간이 대략 26시간 소요되었다.

References
Fritz, H. M., Hager, W. H., & Minor, H.-E. (2004). Near Field Characteristics of Landslide Generated Impulse Waves. Journal of Waterway, Port, Coastal & Ocean Engineering, 130(6), 287–302. doi:10.1061/(ASCE)0733-950X(2004)130:6(287)
Miller, D. J. (1960). Giant Waves in Lituya Bay Alaska (Geological Survey Professional Paper No. 354-C). Washington, D.C.: United States Government Printing Office.
Müller-Salzburg, L. (1987). The Vajont catastrophe— A personal review. Engineering Geology, 24(1–4), 423–444. doi:10.1016/0013-7952(87)90078-0

CFD Predicts Air Gap and Wave Impact Loads of Offshore Structures

CFD Predicts Air Gap and Wave Impact Loads of Offshore Structures

 

This article was contributed by Anup Paul & Chris Matice of Stress Engineering Services1.

 

연안 플랫폼 갑판 아래의 간격은 중요한 설계 매개변수이며 극한 설계 조건에서 요구되는 최소 공극 격차에 의해 결정된다. 반잠수재 및 다리구조물과 같은 구조의 경우 최소 공극과 갑판에 대한 충격영향을 예측하는 것은 어렵다.

Dynamic response of a spar with a 12 m wave

파도는 공극 설계에서 설명되어야 하는 플랫폼 다리와 상호작용으로 인해 상당한 비선형적 행동과 파장의 증폭을 보여준다. 극한의 환경에서 음의 공기 격차가 발생하는 경우 갑판 충격하중에 대한 예측이 중요해집니다. 석유 및 가스 생산이 더 깊은 물로 이동함에 따라 부양 장치가 필요하며 갑판 높이는 중량 및 안정성 요구사항에 따라 제한됩니다. 극한의 환경에서 이러한 구조물의 성능을 예측하는 데 있어 자유 표면 및 갑판 충격하중에 대한 구조물의 성능을 정확하게 예측하는 것이 중요합니다.

Computational Fluid Dynamics

CFD(전산 유체 역학)방법은 다양한 산업 분야에 광범위하게 적용되어 유체 흐름과 열 전달 특성을 나타냅니다. CFD는 VOF(Volume of Fluid) 모델과 함께 연안 플랫폼의 공극 차이와 파장 영향 부하를 예측하는데 효과적으로 사용할 수 있습니다.  VOF방법은 자유 표면 형상과 비선형 파형 동작을 정확하게 예측하는 데 사용할 수 있습니다. 부유식 시스템의 경우 CFD를 FEA와 결합하여 파형 충격 시 플랫폼의 동적 및 구조적 반응을 예측할 수 있습니다.

Wave Interaction of a SPAR Platform

Figure 1: Dynamic response of SPAR

그림 1은 10m및 20m파에 대한 SPAR의 동적 응답을 보여 줍니다. 두 파 모두 20초의 주기를 가지며 선형 파형 경계 조건을 사용하여 생성됩니다. SPAR은 질량 중심에 6도의 자유도를 가진 강체로 모형화 됩니다. 그림 2는 질량의 SPAR중심의 수직 변위를 보여 줍니다. 그림 3은 파형 상호 작용으로 인한 SPAR의 수평 방향 힘을 보여 줍니다.

Wave Impact on a Gravity Based Structure (GBS)

그림 4는 중력 기반 구조 (GBS)의 갑판에 대한 파동의 영향을 보여줍니다. 평균 수심은 151.1 미터이고 초기 공극은 21.7 미터입니다. 이 파도는 40 미터의 높이와 17 초의 주기를 가집니다. 그림 5는 상단부분의 웨이브 충격으로 인한 GBS의 수평 및 수직력을 보여줍니다. 힘의 급상승은 그림 4에서와 같이 GBS 전면의 파동과 갑판 상단의 2 차 충격에 대한 초기 충격과 일치합니다.

Figure 2: Vertical displacement of SPAR

Figure 3: Horizontal forces on SPAR   

Figure 4: Wave impact on GBS      .

Figure 5: Force history of GBS due to wave impact on deck

 

Anup Paul is an Associate with SES, specializing in fluid dynamic analysis of structures, products and processes

Chris Matice, Ph.D., P.E. is a Principal with SES and heads their Process Technology Group, specializing in fluid dynamic and structural evaluation of plant and equipment.

Learn more about the power and versatility of modeling coastal and maritime applications with FLOW-3D>

Detecting Porosity with the Core Gas Model

Detecting Porosity with the Core Gas Model

Producing High Quality Castings

 

Results options such as core gas flux, binder weight fraction and out-gassing rate can be analyzed using the core gas model

주조공장의 첫 번째 시험에서 주조 품질을 보장하기 위해 많은 선행 엔지니어링을 수행해야 합니다. 최근에는 금속 흐름, 응고, 미세 구조 진화 및 잔류 응력을 모델링하기 위한 수치 도구가 보편화되었습니다. 그러나 아직 완전히 다루어지지 않은 주조 결함 중 하나는 일반적인 코어 가스 불량 결함입니다. 이 문제의 물리학은 금속, 코어 및 바인더 사이의 복잡한 상호 작용을 포함합니다. 이를 해결하지 않으면 고철 수준이 높아질 수 있습니다. 대부분의 문제는 고온의 주입 온도를 사용하고 영향을 받는 영역에 벽체를 추가하여 문제를 관리하지만 완전히 해결할 수는 없습니다.

Designing the Optimum Break-Down

과거에는 재료 및 주조 엔지니어가 코어 가스 버블로 인해 다공성 결함 문제를 발견했을 경우 바인더 함량을 줄이거나 코어 환기량을 늘리거나 코어 환기 시간을 늘리거나 코어를 미리 굽거나 하는 등 일련의 표준 문제를 해결할 수 있었습니다. 가스가 따라가는 경로를 보는 것은 불가능했기 때문에 이것은 한 부분을 완성하는 데 수주가 걸리는 긴 인출 과정이었습니다. 그리고 다른 부분에 문제가 있을 때마다 반복해야 했습니다.

이 가공 일정을 단축해야 하는 시장 중심의 필요성 때문에 주조 시뮬레이션 소프트웨어가 개발되었습니다. 설계 및 제조에 모두 유용한 컴퓨터 기반 모델링을 통해 엔지니어는 실제 비용을 낭비 없이 다양한 접근 방식을 테스트 할 수 있습니다. 주조 공장이 환기 설계에 시뮬레이션을 적용 할 수 있도록 Flow Science는 주조 해석 기능에 핵심 가스 모델을 추가했습니다.

GM engine block water jacket, showing binder weight fraction

Applying CFD Methods to Core Gas Flow

수지 기반 바인더의 화학적 복잡성으로 인해 샌드 코어 열 차단 후 가스가 어디서 어떻게 흐르는 지 이해하는 것은 복잡합니다. 그러나 Flow Science는 여러 그룹과 협력하여 실험 데이터를 얻고 이를 수치 모델의 결과와 비교합니다. 이 회사는 General Motors, Graham-White Manufacturing 및 AlchemCast의 핵심 가스 유량 정보를 수집하여 알루미늄, 철 및 강철과 함께 사용되는 모래 수지 코어에 대한 실제 데이터를 얻었습니다.

GM Powertrain의 캐스팅 분석 엔지니어 인 David Goettsch 박사는 금속 주조물의 충진 및 응고 분석을 위해 15 년 동안 FLOW-3D를 사용했습니다. 새로운 코어 가스 모델은 설계 단계에서 자켓 코어 배출을 최적화하는 데 매우 유용합니다. 모든 요구 사항이 핵심 인화물에 있는 코어 박스에 vent tracks를 구현하기는 매우 어렵습니다.  “핵심 가스 배출에 대한 선행 분석 작업을 통해 시동 시 높은 스크랩률로 부터 벗어날 수 있습니다.”라고 그는 설명합니다. “아마도 프로세스 변경으로 문제가 해결 될 수 있습니다. 그러나 그 시점에 도달하려면 오랜 테스트 기간이 필요할 수 있습니다. “

현재 FLOW-3D에서 사용할 수 있는 코어 가스 모델을 통해 Goettsch는 다양한 삽입 및 배출 위치를 시도하고 글로벌 진단을 받을 수 있습니다. 가스가 얼마나 많이 발생하는지, 어디로 가는지, 금속 프런트가 따라 잡기 전에 얼마만큼 빠져 나오는지 확인하십시오.

Multi-Core Challenges

Core prints for casting with internal geometries

GM Powertrain jacket slab assembly

또 다른 노련한 주조공장 엔지니어인 Graham-White Manufacturing Co.의 Elizabeth Ryder는 가스 다공성은 항상 조사하기가 어려웠다고 주장했다. 그녀는 “특히 다중 코어의 경우, 어떤 코어가 문제의 원인인지 정확하게 찾아 내기가 어려웠으며 전체적인 시스템을 처리 하려고 했습니다. “

1700개의 부품으로 구성된 지속적인 생산으로, 그 중 일부는 연간 10,000개의 부품으로 구성되었으며, Graham-White는 시뮬레이션을 통해 제조 공정을 개선하는 데 매우 익숙했습니다.

Graham-White는 레이저 스캐닝으로 제작한 회주철 부품(약 3 x 4in)의 3D 모델로 작업하면서 평가를 위해 현재 vent 디자인을 제공했습니다. 이 탕구 디자인은 수평으로 분할된 금형에서 패턴 플레이트당 4개의 인상이 포함되었으며, 각 인상은 각 코어에 대한 vent가 있습니다. 중앙 sprue는 2 초 이내에 각각의 몰드를 충진할 수 있게 해주었습니다.

FLOW-3D를 이용한 시뮬레이션은 주입률을 확인시켜 주었지만, 또한 한 코어의 배출량이 충분하지 않다는 것을 보여주었다. Graham-White는 기존 분출구를 통해 가스를 더 많이 공급할 수 있도록 코어에 깊은 구멍을 뚫기 시작했습니다. 새로운 vent 디자인으로 전환한 이후, 회사는 코어 블로우 스크랩을 약 30% 감소 시켰습니다.

Ryder는 FLOW-3D 결과가 디자인 초점을 결정하는데 도움을 주었고, 어떤 코어 (멀티 코어 디자인)가 문제였는지, 코어의 어느 부분이 문제의 근원인지에 대해 파악할 수 있었습니다.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>

Interaction Between Waves and Breakwaters

Interaction Between Waves and Breakwaters

This article is an adapted version of an article  published in the journal of the Engineering Association for Offshore and Marine in Italy by Fabio Dentale, E. Pugliese Carratelli, S.D. Russo, and Stefano Mascetti. The first three authors are users at the University of Salerno; Mr. Mascetti is an engineer at XC Engineering, Flow Science’s associate for Italy and France.

 

방파제의 설계는 복잡한 자연 시스템 (바다와 해안)과 인공 구조물 (방파제)의 상호 작용에 대한 완전한 이해가 필요합니다. 일반적으로 설계 작업은 광범위한 물리적 모델링을 수반하므로 비용이 많이 들고 시간이 오래 걸릴 수 있습니다. 최근까지 방파제의 복잡한 측면은 상세한 수치 시뮬레이션에 너무 어려웠습니다. 이것은 물이 비정상적인 동작으로 복잡한 경로를 통해 흐르는 콘크리트 또는 암석 블록으로 구성된 방파제의 경우 특히 그렇습니다.

컴퓨팅 기술의 진보로 수치, 물리적 조사 간의 격차가 좁혀졌습니다. 상호 작용하는 개별 블록으로 구성된 견고한 구조를 정확하게 표현할 수 있으므로 블록 사이의 빈 공간 내에 수치적으로 유동 영역을 생성 할 수 있습니다. 이것은 방류수가 균일한 다공성 매질로 근사되는 Classical Darcy 주제에 고려될 수 없는 대류항 및 난류의 영향을 포함한 전체 유체 역학적 거동의 영향을 평가할 수 있게 합니다

Modeling Rubble Mound Breakwaters

The following examples describe cases where rubble mound breakwaters are modelled on the basis of their real geometry, taking into account the hydrodynamic interactions with the wave motion.

잔재물 분쇄기 모델링

다음의 사례는 잔해 분쇄물이 파도 운동과의 유체 역학적 상호 작용을 고려하여 실제 형상을 기반으로 모델링된 경우를 설명합니다.

Figure 1: Artificial blocks

Figure 2a: Submerged Breakwaters

Figures 2b and 2c: Emerged Breakwater – Accropode regular & Accropode irregular

 

방파제의 개략적인 표현을 고려하여 구체 세트로 재현한 것으로 the cube, the modified cube, the antifer, the tetrapod, the accropode, the accropode II, the coreloc, the xbloc,and the xbloc base 등과 같은 일반적으로 사용되는 인공 블록을 고려하기 위해 개발되었습니다. (그림 1).

방파제는 물에 잠기거나 잠긴 경우에는 문헌에 나와 있는 표준 실험식을 사용하여 크기를 결정하고 실제 기하학적 패턴을 따르는 전체 크기, 구조 및 물리적 모델링과 같이 수치적으로 구성했습니다 (그림. 2).

제안된 절차의 품질을 검증하기 위해 침수된 방파제에 대해 세 가지 기하학적 구조를 고려했다. 즉, 부유, 다공성, 고형물과 부유물(그림 2a)이 출현한 방파제의 경우, 두 가지 다른 기하학적 구조를 사용했다(Fig. 2b – 2c).

방파제가 결정되면 기하학적 구조을 FLOW-3D로 가져 와서 유체 역학적 작용을 평가 및 Wave propagation의 연구를 위해 테스트했습니다. 시뮬레이션은 RNG 난류 모델과 coarse격자 안쪽에 중첩된 미세한 격자가 있는 전산메쉬를 사용하여 Navier-Stokes 방정식을 3 차원으로 통합하여 수행되었습니다.

수중 장벽 (계산 영역: 90 × 1.9 × 6.5m)의 경우, 포함된 메쉬 블록은 동일한 크기 (0.30 × 0.27 × 0.30m)의 46,200 개의 요소로 구성되며 중첩된 블록은 2,353,412 개의 요소로 구성하였습니다(0.061 × 0.055 × 0.061m).

방파제에도 동일한 기준이 적용되었습니다. 포함된 격자 블록은 150,000개의 요소(0.50×0.20×0.30m)로 구성되며, 중첩된 블록은 2,025,000개의 요소(0.10× 0.10×0.10m)로 생성되었습니다.

Figures 3a and 3b: Mesh views of submerged breakwater (3a above) & emerged breakwater (3b below)

Figures 4b: Emerged Breakwater – Accropode regular

Figures 4a: Submerged breakwater

결과 중 일부는 다음 이미지에 요약되어 있습니다. 그림 4에서 3 차원 영역의 2 차원 단면을 따른 압력 및 난류 에너지가 나타납니다. 그림 5에는 서로 다른 순간에 잡힌 자유 표면의 3 차원 형상이 나타나있습니다.

유동경로를 따라 개별 솔리드 요소의 윤곽의 유체 역학에 의한 유동 변화는 쉽게 검출 가능합니다. 이것은 자유 표면의 3 차원 재구성에서 가장 잘 드러나며 (그림 5) 방파제에 대한 파동 작용의 효과가보다 자세하게 표현됩니다.

Figures 5a: Submerged breakwater.

Figures 5b: Emerged Breakwater – Accropode regular.

Figures 5c: Emerged Breakwater – Accropode irregular  

Conclusions

잠수함이나 해상 구조물 간의 상호 작용을 정확히 표현하기 위한 Navier-Stoke기반 수치 시뮬레이션을 활용한 방법, 그리고 유체 움직임이 입증되었습니다. 시뮬레이션은 난류 시뮬레이션을 위한 RANS와 자유 표면 계산을 포함하는 첨단 컴퓨터 유체 동적 소프트웨어 시스템(FLOW-3D)을 사용하여 수행되었습니다.

이 결과는 블록 사이의 경로 내에서 유체 운동의 상세한 그림을 제공함으로써 기존의 흐름 방법보다 더 정확한 시뮬레이션을 제공함을 보여줍니다. 블록을 사용하여 기존의 누설 흐름 방법보다 더 정확한 시뮬레이션을 제공합니다. 원칙적으로 모든 관련 부품(필터, 코어 및 토우)에서 구조물이 물에 잠기거나 나타나는 경우 시뮬레이션이 가능하며 제한은 없습니다.

Further studies will be aimed at assessing the stability of individual blocks through the use of the Moving Object model in FLOW-3D.

 

Additive Manufacturing & Welding Bibliography

Additive Manufacturing & Welding Bibliography

다음은 적층 제조 및 용접 참고 문헌의 기술 문서 모음입니다. 이 모든 논문에는 FLOW-3D AM 결과가 나와 있습니다. FLOW-3D AM을 사용하여 적층 제조, 레이저 용접 및 기타 용접 기술에서 발견되는 프로세스를 성공적으로 시뮬레이션하는 방법에 대해 자세히 알아보십시오.

2024년 11월 20일 update

121-24 Lovejoy Mutswatiwa, Lauren Katch, Nathan John Kizer, Judith Anne Todd, Tao Sun, Samuel James Clark, Kamel Fezzaa, Jordan Lum, David Matthew Stobbe, Griffin Jones, Kenneth Charles Meinert Jr., Andrea Paola Argüelles, Christopher Micheal Kube, High-speed synchrotron X-ray imaging of melt pool dynamics during ultrasonic melt processing of Al6061, Communications Materials, 5; 143, 2024. doi.org/10.1038/s43246-024-00584-3

120-24 Mysore Nagaraja Kishore, Dong Qian, Masakazu Soshi, Wei Li, Conforming mesh modeling of multi-physics effect on residual stress in multi-layer powder bed fusion process, Journal of Manufacturing Processes, 124; pp. 793-804, 2024. doi.org/10.1016/j.jmapro.2024.06.033

113-24 Yusufu Ekubaru, Takuya Nakabayashi, Tomoharu Fujiwara, Behrang Poorganji, Processing windows of Ni625 alloy fabricated using direct energy deposition, Advanced Engineering Materials, 2024. doi.org/10.1002/adem.202400962

111-24 Ruijie Liu, Melt pool dynamic modelling for the titanium-based metal additive manufacturing process, Thesis, The University of Auckland, 2024.

104-24 Ju Wang, Meng Li, Huarong Zhang, Zhe Liu, Xiaodan Li, Dengzhi Yao, Yuhang Wu, Qiong Wu, Xizhong An, Shujun Li, Jian Wang, Xing Zhang , Cumulative effects of powder beds and melted areas on pore defects in electron beam powder bed fusion of tungsten, Powder Technology, 443; 119971, 2024. doi.org/10.1016/j.powtec.2024.119971

100-24 Xuesong Gao, Aryan Aryan, Wei Zhang, Numerical analysis of rotating scans’ effect on surface roughness in laser-powder bed fusion, Journal of Materials Research and Technology, 30; pp. 8671-8682, 2024. doi.org/10.1016/j.jmrt.2024.05.214

95-24 Yongbiao Wang, Yue Zhang, Junjie Jiang, Yang Zhang, Hongyang Cui, Xintian Liu, Yujuan Wu, Cross-scale simulation of macro/microstructure evolution during selective laser melting of Mg–Gd–Y alloy, Metallurgical and Materials Transactions B , 2024. doi.org/10.1007/s11663-024-03104-3

94-24 Yang Chu, Haichuan Shi, Peilei Zhang, Zhishui Yu, Hua Yan, Qinghua Lu, Shijie Song, Kaichang Yu, Simulation-assisted parameter optimization and tribological behavior of graphene reinforced IN718 matrix composite prepared by SLM, Intermetallics, 170; 108307, 2024. doi.org/10.1016/j.intermet.2024.108307

92-24 Ying Wei, Song Han, Shiwei Yu, Ziwei Chen, Ziang Li, Hailong Wang, Wenbo Cheng, Mingzhe An , Parameter impact on 3D concrete printing from single to multi-layer stacking, Automation in Construction, 164; 105449, 2024. doi.org/10.1016/j.autcon.2024.105449

90-24 Chuanbin Du, Yuewei Ai, Yiyuan Wang, Chenglong Ye, The effect mechanism of laser beam defocusing on the surface quality of IN718 alloy prepared by laser powder bed fusion, Powder Technology, 443; 119841, 2024. doi.org/10.1016/j.powtec.2024.119841

88-24 Arash Samaei, Joseph P. Leonor, Zhengtao Gan, Zhongsheng Sang, Xiaoyu Xie, Brian J. Simonds, Wing Kam Liu, Gregory J. Wagner, Benchmark study of melt pool and keyhole dynamics, laser absorptance, and porosity in additive manufacturing of Ti-6Al-4V, Progress in Additive Manufacturing, 2024. doi.org/10.1007/s40964-024-00637-6

83-24 Ao Fu, Zhonghao Xie, Jian Wang, Yuankui Cao, Bingfeng Wang, Jia Li, Qihong Fang, Xiaofeng Li, Bin Liu, Yong Liu, Controlling of cellular substructure and its effect on mechanical properties of FeCoCrNiMo0.2 high entropy alloy fabricated by selective laser melting, Materials Science and Engineering: A, 901; 146547, 2024. doi.org/10.1016/j.msea.2024.146547

82-24 Fatemeh Bodaghi, Mojtaba Movahedi, Suck-Joo Na, Lin-Jie Zhang, Amir Hossein Kokabi, Effect of welding current and speed on solidification cracking susceptibility in gas tungsten arc fillet welding of dissimilar aluminum alloys: Coupling a weld simulation and a cracking criterion, Journal of Materials Research and Technology, 30: pp. 4777-4785, 2024. doi.org/10.1016/j.jmrt.2024.04.195

81-24 Myeonghwan Choi, Dae-Won Cho, Kwang-Hyeon Lee, Seonghoon Yoo, Sangyong Nam, Namhyun Kang, Severe Mn vaporization for partial-penetrated laser keyhole welds of high-manganese cryogenic steel, International Journal of Heat and Mass Transfer, 227; 125567, 2024. doi.org/10.1016/j.ijheatmasstransfer.2024.125567

78-24 An Wang, Qianglong Wei, Zijue Tang, J.P. Oliviera, Chu Lun Alex Leung, Pengyuan Ren, Xiaolin Zhang, Yi Wu, Haowei Wang, Hongze Wang, Effects of hatch spacing on pore segregation and mechanical properties during blue laser directed energy deposition of AlSi10Mg, Additive Manufacturing, 85; 104147, 2024. doi.org/10.1016/j.addma.2024.104147

77-24 Jeongho Yang, Seonghun Ji, Du-Rim Eo, Jongcheon Yoon, Parviz Kahhal, Hyub Lee, Sang Hu Park, Effect of abnormal powder feeding on mechanical properties of fabricated part in directed energy deposition, International Journal of Precision Engineering and Manufacturing – Green Technology, 2024. doi.org/10.1007/s40684-024-00620-0

72-24 Minglei Qu, Jiandong Yuan, Ali Nabaa, Junye Huang, Chihpin Andrew Chuang, Lianyi Chen, Melting and solidification dynamics during laser melting of reaction-based metal matrix composites uncovered by in-situ synchrotron X-ray diffraction, Acta Materialia, 271; 119875, 2024. doi.org/10.1016/j.actamat.2024.119875

71-24 Chenze Li, Manish Jain, Qian Liu, Zhuohan Cao, Michael Ferry, Jamie J. Kruzic, Bernd Gludovatz, Xiaopeng Li, Multi-scale microstructure manipulation of an additively manufactured CoCrNi medium entropy alloy for superior mechanical properties and tunable mechanical anisotropy, Additive Manufacturing, 84; 104104, 2024. doi.org/10.1016/j.addma.2024.104104

68-24 Jialu Wang, Shuaicheng Zhu, Miaojin Jiang, Yunwei Gui, Huadong Fu, Jianxin Xie, Solidification track morphology, residual stress behavior, and microstructure evolution mechanism of FGH96-R nickel-based superalloys during laser powder bed fusion process, Journal of Materials Engineering and Performance, 2024. doi.org/10.1007/s11665-024-09326-5

66-24 Erik Holmen Olofsson, Ashley Dan, Michael Roland, Ninna Halberg Jokil, Rohit Ramachandran, Jesper Henri Hattel, Numerical modeling of fill-level and residence time in starve-fed single-screw extrusion: a dimensionality reduction study from a 3D CFD model to a 2D convection-diffusion model, The International Journal of Advanced Manufacturing Technology, 132; pp. 1111-1125, 2024. doi.org/10.1007/s00170-024-13378-1

64-24 Feipeng An, Linjie Zhang, Wei Ma, Suck Joo Na, Influences of the powder size and process parameters on the quasi-stability of molten pool shape in powder bed fusion-laser beam of molybdenum, Journal of Materials Engineering and Performance, 2024. doi.org/10.1007/s11665-024-09328-3

63-24 Haodong Chen, Xin Lin, Yajing Sun, Shuhao Wang, Kunpeng Zhu, Binbin Dan, Revealing formation mechanism of end of process depression in laser powder bed fusion by multi-physics meso-scale simulation, Virtual and Physical Prototyping, 19.1; e2326599, 2024. doi.org/10.1080/17452759.2024.2326599

57-24 Masayuki Okugawa, Kenji Saito, Haruki Yoshima, Katsuhiko Sawaizumi, Sukeharu Nomoto, Makoto Watanabe, Takayoshi Nakano, Yuichiro Koizumi, Solute segregation in a rapidly solidified Hastelloy-X Ni-based superalloy during laser powder bed fusion investigated by phase-field and computational thermal-fluid dynamics simulations, Additive Manufacturing, 84; 104079, 2024. doi.org/10.1016/j.addma.2024.104079

51-24 Jeongho Yang, Dongseok Kang, Si Mo Yeon, Yong Son, Sang Hu Park, Interval island laser-scanning strategy of Ti–6Al–4V part additively manufactured for anisotropic stress reduction, International Journal of Precision Engineering and Manufacturing, 25; pp. 1087-1099, 2024. doi.org/10.1007/s12541-024-00967-z

50-24 James Lamb, Ruben Ochoa, Adriana Eres-Castellanos, Jonah Klemm-Toole, McLean P. Echlin, Tao Sun, Kamel Fezzaa, Amy Clarke, Tresa M. Pollack, Quantification of melt pool dynamics and microstructure during simulated additive manufacturing, Scripta Materialia, 245; 116036, 2024. doi.org/10.1016/j.scriptamat.2024.116036

41-24 Xiong Zhang, Chunjin Wang, Benny C.F. Cheung, Gaoyang Mi, Chunming Wang, Ultrafast laser ablation of tungsten carbide: Quantification of threshold range and interpretation of feature transition, Journal of the American Ceramic Society, 107.6; pp. 3724-3734, 2024. doi.org/10.1111/jace.19718

38-24 Hao-Ping Yeh, Mohamad Bayat, Amirhossein Arzani, Jesper H. Hattel, Accelerated process parameter selection of polymer-based selective laser sintering via hybrid physics-informed neural network and finite element surrogate modelling, Applied Mathematical Modelling, 130; pp. 693-712, 2024. doi.org/10.1016/j.apm.2024.03.030

34-24 Khalid El Abbaoui, Issam Al Korachi, Mostapha El Jai, Berin Šeta, Md. Tusher Mollah, 3D concrete printing using computational fluid dynamics: Modeling of material extrusion with slip boundaries, Journal of Manufacturing Processes, 118; pp. 448-459, 2024. doi.org/10.1016/j.jmapro.2024.03.042

33-24 Hao Lu, Lida Zhu, Pengsheng Xue, Boling Yan, Yanpeng Hao, Zhichao Yang, Jinsheng Ning, Chuanliang Shi, Hao Wang, Ultrasonic machining response and improvement mechanism for differentiated bio-CoCrMo alloys manufactured by directed energy deposition, Journal of Materials Science & Technology, 193; pp. 226-243, 2024. doi.org/10.1016/j.jmst.2023.12.037

32-24 Yinghang Liu, Zhe Song, Yi Guo, Gaoming Zhu, Yunhao Fan, Huamiao Wang, Wentao Yan, Xiaoqin Zeng, Leyun Wang, Simultaneously enhancing strength and ductility of LPBF Ti alloy via trace Y2O3 nanoparticle addition, Journal of Materials Science & Technology, 191; pp. 146-156, 2024. doi.org/10.1016/j.jmst.2024.01.011

27-24 Zehui Liu, Yiyang Hu, Mingyang Zhang, Wei Zhang, Jun Wang, Wenbo Lei, Chunming Wang, Surface morphology evolution mechanisms of pulse laser polishing mold steel, International Journal of Mechanical Sciences, 269; 109039, 2024. doi.org/10.1016/j.ijmecsci.2024.109039

25-24 Muhammad Arif Mahmood, Kashif Ishfaq, Marwan Khraisheh, Inconel-718 processing windows by directed energy deposition: a framework combining computational fluid dynamics and machine learning models with experimental validation, The International Journal of Advanced Manufacturing Technology, 130; pp. 3997-4011, 2024. doi.org/10.1007/s00170-024-12980-7

24-24   Jinsheng Ning, Lida Zhu, Shuhao Wang, Zhichao Yang, Peihua Xu, Pengsheng Xue, Hao Lu, Miao Yu, Yunhang Zhao, Jiachen Li, Susmita Bose, Amit Bandyopadhyay, Printability disparities in heterogeneous material combinations via laser directed energy deposition: a comparative study, International Journal of Extreme Manufacturing, 6; 025001, 2024. doi.org/10.1088/2631-7990/ad172f

18-24   Delong Jia, Dong Zhou, Peng Yi, Chuanwei Zhang, Junru Li, Yankuo Guo, Shengyue Zhang, Yanhui Li, Splat deposition stress formation mechanism of droplets impacting onto texture, International Journal of Mechanical Sciences, 266; 109002, 2024. doi.org/10.1016/j.ijmecsci.2024.109002

11-24   Dae Gune Jung, Ji Young Park, Choong Mo Ryu, Jong Jin Hwang, Seung Jae Moon, Numerical study of laser welding of 270 μm thick silicon-steel sheets for electrical motors, Metals, 14.1; 24, 2024. doi.org/10.3390/met14010024

8-24   Zhifu Yao, Longke Bao, Mujin Yang, Yuechao Chen, Minglin He, Jiang Yi, Xintong Yang, Tao Yang, Yilu Zhao, Cuiping Wang, Zheng Zhong, Shuai Wang, Xingjun Liu, Thermally stabe strong <101> texture in additively manufactured cobalt-based superalloys, Scripta Materialia, 242; 115942, 2024. doi.org/10.1016/j.scriptamat.2023.115942

5-24   Xi Shu, Chunyu Wang, Guoqing Chen, Chunju Wang, Lining Sun, Pre-melted electron beam freeform fabrication additive manufacturing: modeling and numerical simulation, Welding in the World, 68; pp. 163-176, 2024. doi.org/10.1007/s40194-023-01647-8

4-24   Lin Gao, Andrew C. Chuang, Peter Kenesei, Zhongshu Ren, Lilly Balderson, Tao Sun, An operando synchrotron study on the effect of wire melting state on solidification microstructures of Inconel 718 in wire-laser directed energy deposition, International Journal of Machine Tools and Manufacture, 194; 104089, 2024. doi.org/10.1016/j.ijmachtools.2023.104089

3-24 Kunjie Dai, Xing He, Decheng Kong, Chaofang Dong, Multi-physical field simulation to yield defect-free IN718 alloy fabricated by laser powder bed fusion, Materials Letters, 355; 135437, 2024. doi.org/10.1016/j.matlet.2023.135437

2-24 You Wang, Yinkai Xie, Huaixue Li, Caiyou Zeng, Ming Xu, Hongqiang Zhang, In-situ monitoring plume, spattering behavior and revealing their relationship with melt flow in laser powder bed fusion of nickel-based superalloy, Journal of Materials Science & Technology, 177; pp. 44-58, 2024. doi.org/10.1016/j.jmst.2023.07.068

1-24 Yukai Chen, Hongtu Xu, Yu Lu, Yin Wang, Shuangyuzhou Wang, Ke Huang, Qi Zhang, Prediction of microstructure for Inconel 718 laser welding process using multi-scale model, Proceedings of the 14th International Conference on the Technology of Plasticity – Current Trends in the Technology of Plasticity, pp. 713-722, 2024. doi.org/10.1007/978-3-031-41341-4_75

211-23 Giovanni Chianese, Qamar Hayat, Sharhid Jabar, Pasquale Franciosa, Darek Ceglarek, Stanislao Patalano, A multi-physics CFD study to investigate the impact of laser beam shaping on metal mixing and molten pool dynamics during laser welding of copper to steel for battery terminal-to-casing connections, Journal of Materials Processing Technology, 322; 118202, 2023. doi.org/10.1016/j.jmatprotec.2023.118202

207-23 Dong Liu, Jiaqi Pei, Hua Hou, Xiaofeng Niu, Yuhong Zhao, Optimizing solidification dendrites and process parameters for laser powder bed fusion additive manufacturing of GH3536 superalloy by finite volume and phase-field method, Journal of Materials Research and Technology, 27; pp. 3323-3338, 2023. doi.org/10.1016/j.jmrt.2023.10.188

206-23 Houshang Yin, Jingfan Yang, Ralf D. Fischer, Zilong Zhang, Bart Prorok, Lang Yuan, Xiaoyuan Lou, Pulsed laser additive manufacturing for 316L stainless steel: a new approach to control subgrain cellular structure, JOM, 75; pp. 5027-5036, 2023. doi.org/10.1007/s11837-023-06177-8

205-23 Francis Ogoke, William Lee, Ning-Yu Kao, Alexander Myers, Jack Beuth, Jonathan Malen, Amir Barati Farimani, Convolutional neural networks for melt depth prediction and visualization in laser powder bed fusion, The International Journal of Advanced Manufacturing Technology, 129; pp. 3047-3062, 2023. doi.org/10.1007/s00170-023-12384-z

202-23 Habib Hamed Zargari, Kazuhiro Ito, Abhay Sharma, Effect of workpiece vibration frequency on heat distribution and material flow in the molten pool in tandem-pulsed gas metal arc welding, The International Journal of Advanced Manufacturing Technology, 129; pp. 2507-2522, 2023. doi.org/10.1007/s00170-023-12424-8

199-23 Yukai Chen, Yin Wang, Hao Li, Yu Lu, Bin Han, Qi Zhang, Effects of process parameters on the microstructure of Inconel 718 during powder bed fusion based on cellular automata approach, Virtual and Physical Prototyping, 18.1; e2251032, 2023. doi.org/10.1080/17452759.2023.2251032

197-23 Qiong Wu, Chuang Qiao, Yuhang Wu, Zhe Liu, Xiaodan Li, Ju Wang, Xizhong An, Aijun Huang, Chao Voon Samuel Lim, Numerical investigation on the reuse of recycled powders in powder bed fusion additive manufacturing, Additive Manufacturing, 77; 103821, 2023. doi.org/10.1016/j.addma.2023.103821

196-23 Daicong Zhang, Chunhui Jing, Wei Guo, Yuan Xiao, Jun Luo, Lehua Qi, Microchannels formed using metal microdroplets, Micromachines, 14.10; 1922, 2023. doi.org/10.3390/mi14101922

195-23 Trong-Nhan Le, Santosh Rauniyar, V.H. Nismath, Kevin Chou, An investigation into the effects of contouring process parameters on the up-skin surface characteristics in laser powder-bed fusion process, Manufacturing Letters, 35; Supplement, pp. 707-716, 2023. doi.org/10.1016/j.mfglet.2023.08.085

194-23 Kyubok Lee, Teresa J. Rinker, Masoud M. Pour, Wayne Cai, Wenkang Huang, Wenda Tan, Jennifer Bracey, Jingjing Li, A study on cracks and IMCs in laser welding of Al and Cu, Manufacturing Letters, 35; Supplement, pp. 221-231, 2023. doi.org/10.1016/j.mfglet.2023.08.026

192-23 Kunjie Dai, Xing He, Wei Zhang, Decheng Kong, Rong Guo, Minlei Hu, Ketai He, Chaofang Dong, Tailoring the microstructure and mechanical properties for Hastelloy X alloy by laser powder bed fusion via scanning strategy, Materials & Design, 235; 112386, 2023. doi.org/10.1016/j.matdes.2023.112386

191-23 Jun Du, Daqing Wang, Jimiao He, Yongheng Zhang, Zhike Peng, Influence of droplet size and ejection frequency on molten pool dynamics and deposition morphology in TIG-aided droplet deposition manufacturing, International Communications in Heat and Mass Transfer, 148; 107075, 2023. doi.org/10.1016/j.icheatmasstransfer.2023.107075

188-23 Jin-Hyeong Park, Du-Song Kim, Dae-Won Cho, Jaewoong Kim, Changmin Pyo, Influence of thermal flow and predicting phase transformation on various welding positions, Heat and Mass Transfer, 2023. doi.org/10.1007/s00231-023-03429-w

184-23 Lin Gao, Jishnu Bhattacharyya, Wenhao Lin, Zhongshu Ren, Andrew C. Chuang, Pavel D. Shevchenko, Viktor Nikitin, Ji Ma, Sean R. Agnew, Tao Sun, Tailoring material microstructure and property in wire-laser directed energy deposition through a wiggle deposition strategy, Additive Manufacturing, 77; 103801, 2023. doi.org/10.1016/j.addma.2023.103801

182-23 Liping Guo, Hanjie Liu, Hongze Wang, Qianglong Wei, Jiahui Zhang, Yingyan Chen, Chu Lun Alex Leung, Qing Lian, Yi Wu, Yu Zou, Haowei Wang, A high-fidelity comprehensive framework for the additive manufacturing printability assessment, Journal of Manufacturing Processes, 105; pp. 219-231, 2023. doi.org/10.1016/j.jmapro.2023.09.041

172-23 Liping Guo, Hanjie Liu, Hongze Wang, Qianglong Wei, Yakai Xiao, Zijue Tang, Yi Wu, Haowei Wang, Identifying the keyhole stability and pore formation mechanisms in laser powder bed fusion additive manufacturing, Journal of Materials Processing Technology, 321; 118153, 2023. doi.org/10.1016/j.jmatprotec.2023.118153

171-23 Yuhang Wu, Qiong Wu, Meng Li, Ju Wang, Dengzhi Yao, Hao Luo, Xizhong An, Haitao Fu, Hao Zhang, Xiaohong Yang, Qingchuan Zou, Shujun Li, Haibin Ji, Xing Zhang, Numerical investigation on effects of operating conditions and final dimension predictions in laser powder bed fusion of molybdenum, Additive Manufacturing, 76; 103783, 2023. doi.org/10.1016/j.addma.2023.103783

158-23 K. El Abbaoui, I. Al Korachi, M.T. Mollah, J. Spangenberg, Numerical modelling of planned corner deposition in 3D concrete printing, Archives of Materials Science and Engineering, 121.2; pp. 71-79, 2023. doi.org/10.5604/01.3001.0053.8488

156-23 Liping Guo, Hanjie Liu, Hongze Wang, Valentino A.M. Cristino, C.T. Kwok, Qianglong Wei, Zijue Tang, Yi Wu, Haowei Wang, Deepening the scientific understanding of different phenomenology in laser powder bed fusion by an integrated framework, International Journal of Heat and Mass Transfer, 216; 124596, 2023. doi.org/10.1016/j.ijheatmasstransfer.2023.124596

154-23 Zhiyong Li, Xiuli He, Shaoxia Li, Xinfeng Kan, Yanjun Yin, Gang Yu, Sulfur-induced transitions of thermal behavior and flow dynamics in laser powder bed fusion of 316L powders, Thermal Science and Engineering Progress, 45; 102072, 2023. doi.org/10.1016/j.tsep.2023.102072

149-23 Shardul Kamat, Wayne Cai, Teresa J. Rinker, Jennifer Bracey, Liang Xi, Wenda Tan, A novel integrated process-performance model for laser welding of multi-layer battery foils and tabs, Journal of Materials Processing Technology, 320; 118121, 2023. doi.org/10.1016/j.jmatprotec.2023.118121

148-23 Reza Ghomashchi, Shahrooz Nafisi, Solidification of Al12Si melt pool in laser powder bed fusion, Journal of Materials En gineering and Performance, 2023. doi.org/10.1007/s11665-023-08502-3

133-23 Hesam Moghadasi, Md Tusher Mollah, Deepak Marla, Hamid Saffari, Jon Spangenberg, Computational fluid dynamics modeling of top-down digital light processing additive manufacturing, Polymers, 15.11; 2459, 2023. doi.org/10.3390/polym15112459

131-23 Luca Santoro, Raffaella Sesana, Rosario Molica Nardo, Francesca Curà, In line defect detection in steel welding process by means of thermography, Experimental Mechanics in Engineering and Biomechanics – Proceedings ICEM20, 19981, 2023.

128-23 Md Tusher Mollah, Raphaël Comminal, Wilson Ricardo Leal da Silva, Berin Šeta, Jon Spangenberg, Computational fluid dynamics modelling and experimental analysis of reinforcement bar integration in 3D concrete printing, Cement and Concrete Research, 173; 107263, 2023. doi.org/10.1016/j.cemconres.2023.107263

123-23 Arash Samaei, Zhongsheng Sang, Jennifer A. Glerum, Jon-Erik Mogonye, Gregory J. Wagner, Multiphysics modeling of mixing and material transport in additive manufacturing with multicomponent powder beds, Additive Manufacturing, 67; 103481, 2023. doi.org/10.1016/j.addma.2023.103481

122-23 Chu Han, Ping Jiang, Shaoning Geng, Lingyu Guo, Kun Liu, Inhomogeneous microstructure distribution and its formation mechanism in deep penetration laser welding of medium-thick aluminum-lithium alloy plates, Optics & Laser Technology, 167; 109783, 2023. doi.org/10.1016/j.optlastec.2023.109783

111-23 Alexander J. Myers, Guadalupe Quirarte, Francis Ogoke, Brandon M. Lane, Syed Zia Uddin, Amir Barati Farimani, Jack L. Beuth, Jonathan A. Malen, High-resolution melt pool thermal imaging for metals additive manufacturing using the two-color method with a color camera, Additive Manufacturing, 73; 103663, 2023. doi.org/10.1016/j.addma.2023.103663

107-23 M. Mohsin Raza, Yu-Lung Lo, Hua-Bin Lee, Chang Yu-Tsung, Computational modeling of laser welding for aluminum–copper joints using a circular strategy, Journal of Materials Research and Technology, 25; pp. 3350-3364, 2023. doi.org/10.1016/j.jmrt.2023.06.122

106-23 H.Z. Lu, L.H. Liu, X. Luo, H.W. Ma, W.S. Cai, R. Lupoi, S. Yin, C. Yang, Formation mechanism of heterogeneous microstructures and shape memory effect in NiTi shape memory alloy fabricated via laser powder bed fusion, Materials & Design, 232; 112107, 2023. doi.org/10.1016/j.matdes.2023.112107

105-23 Harun Kahya, Hakan Gurun, Gokhan Kucukturk, Experimental and analytical investigation of the re-melting effect in the manufacturing of 316L by direct energy deposition (DED) method, Metals, 13.6; 1144, 2023. doi.org/10.3390/met13061144

100-23 Dongju Chen, Gang Li, Peng Wang, Zhiqiang Zeng, Yuhang Tang, Numerical simulation of melt pool size and flow evolution for laser powder bed fusion of powder grade Ti6Al4V, Finite Elements in Analysis and Design, 223; 103971, 2023. doi.org/10.1016/j.finel.2023.103971

97-23 Mahyar Khorasani, Martin Leary, David Downing, Jason Rogers, Amirhossein Ghasemi, Ian Gibson, Simon Brudler, Bernard Rolfe, Milan Brandt, Stuart Bateman, Numerical and experimental investigations on manufacturability of Al–Si–10Mg thin wall structures made by LB-PBF, Thin-Walled Structures, 188; 110814, 2023. doi.org/10.1016/j.tws.2023.110814

95-23 M.S. Serdeczny, Laser welding of dissimilar materials – simulation driven optimization of process parameters, IOP Conference Series: Materials Science and Engineering, 1281; 012018, 2023. doi.org/10.1088/1757-899X/1281/1/012018

90-23 Lin Liu, Tubin Liu, Xi Dong, Min Huang, Fusheng Cao, Mingli Qin, Numerical simulation of thermal dynamic behavior and morphology evolution of the molten pool of selective laser melting BN/316L stainless steel composite, Journal of Materials Engineering and Performance, 2023. doi.org/10.1007/s11665-023-08210-y

89-23 M. P. Serdeczny, A. Jackman, High fidelity modelling of bead geometry in directed energy deposition – simulation driven optimization, Journal of Physics: Conference Series, NOLAMP19, 2023.

88-23 Lu Wang, Shuhao Wang, Yanming Zhang, Wentao Yan, Multi-phase flow simulation of powder streaming in laser-based directed energy deposition, International Journal of Heat and Mass Transfer, 212; 124240, 2023. doi.org/10.1016/j.ijheatmasstransfer.2023.124240

80-23 Mahyar Khorasani, AmirHossein Ghasemi, Martin Leary, David Downing, Ian Gibson, Elmira G. Sharabian, Jithin Kozuthala Veetil, Milan Brandt, Stuart Batement, Bernard Rolfe, Benchmark models for conduction and keyhole modes in laser-based powder bed fusion of Inconel 718, Optics & Laser Technology, 164; 109509, 2023. doi.org/10.1016/j.optlastec.2023.109509

78-23   Md. Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, Berin Šeta, Jon Spangenberg, Computational analysis of yield stress buildup and stability of deposited layers in material extrusion additive manufacturing, Additive Manufacturing, 71; 103605, 2023. doi.org/10.1016/j.addma.2023.103605

76-23   Asif Ur Rehman, Kashif Azher, Abid Ullah, Celal Sami Tüfekci, Metin Uymaz Salamci, Binder jetting of SS316L: a computational approach for droplet-powder interaction, Rapid Prototyping Journal, 2023. doi.org/10.1108/RPJ-08-2022-0264

75-23   Dengzhi Yao, Ju Wang, Hao Luo, Yuhang Wu, Xizhong An, Thermal behavior and control during multi-track laser powder bed fusion of 316 L stainless steel, Additive Manufacturing, 70; 103562, 2023. doi.org/10.1016/j.addma.2023.103562

61-23   Yaqing Hou, Hang Su, Hao Zhang, Fafa Li, Xuandong Wang, Yazhou He, Dupeng He, An integrated simulation model towards laser powder bed fusion in-situ alloying technology, Materials & Design, 228; 111795, 2023. doi.org/10.1016/j.matdes.2023.111795

56-23   Maohong Yang, Guiyi Wu, Xiangwei Li, Shuyan Zhang, Honghong Wang, Jiankang Huang, Influence of heat source model on the behavior of laser cladding pool, Journal of Laser Applications, 35.2; 2023. doi.org/10.2351/7.0000963

45-23   Daniel Martinez, Philip King, Santosh Reddy Sama, Jay Sim, Hakan Toykoc, Guha Manogharan, Effect of freezing range on reducing casting defects through 3D sand-printed mold designs, The International Journal of Advanced Manufacturing Technology, 2023. doi.org/10.1007/s00170-023-11112-x

39-23   Peter S. Cook, David J. Ritchie, Determining the laser absorptivity of Ti-6Al-4V during laser powder bed fusion by calibrated melt pool simulation, Optics & Laser Technology, 162; 109247. 2023. doi.org/10.1016/j.optlastec.2023.109247

36-23   Yixuan Chen, Weihao Wang, Yao Ou, Yingna Wu, Zirong Zhai, Rui Yang, Impact of laser power and scanning velocity on microstructure and mechanical properties of Inconel 738LC alloys fabricated by laser powder bed fusion, TMS 2023 152nd Annual Meeting & Exhibition Supplemental Proceedings, pp. 138-149, 2023. doi.org/10.1007/978-3-031-22524-6_15

34-23   Chao Kang, Ikki Ikeda, Motoki Sakaguchi, Recoil and solidification of a paraffin droplet impacted on a metal substrate: Numerical study and experimental verification, Journal of Fluids and Structures, 118; 103839, 2023. doi.org/10.1016/j.jfluidstructs.2023.103839

30-23   Fei Wang, Tiechui Yuan, Ruidi Li, Shiqi Lin, Zhonghao Xie, Lanbo Li, Valentino Cristino, Rong Xu, Bing liu, Comparative study on microstructures and mechanical properties of ultra ductility single-phase Nb40Ti40Ta20 refractory medium entropy alloy by selective laser melting and vacuum arc melting, Journal of Alloys and Compounds, 942; 169065, 2023. doi.org/10.1016/j.jallcom.2023.169065

29-23   Haejin Lee, Yeonghwan Song, Seungkyun Yim, Kenta Aoyagi, Akihiko Chiba, Byoungsoo Lee, Influence of linear energy on side surface roughness in powder bed fusion electron beam melting process: Coupled experimental and simulation study, Powder Technology, 418; 118292, 2023.

27-23   Yinan Chen, Bo Li, Double-phase refractory medium entropy alloy NbMoTi via selective laser melting (SLM) additive manufacturing, Journal of Physics: Conference Series, 2419; 012074, 2023. doi.org/10.1088/1742-6596/2419/1/012074

23-23   Yunwei Gui, Kenta Aoyagi, Akihiko Chiba, Development of macro-defect-free PBF-EB-processed Ti–6Al–4V alloys with superior plasticity using PREP-synthesized powder and machine learning-assisted process optimization, Materials Science and Engineering: A, 864; 144595, 2023. doi.org/10.1016/j.msea.2023.144595

21-23   Tatsuhiko Sakai, Yasuhiro Okamoto, Nozomi Taura, Riku Saito, Akira Okada, Effect of scanning speed on molten metal behaviour under angled irradiation with a continuous-wave laser, Journal of Materials Processing Technology, 313; 117866, 2023. doi.org/10.1016/j.jmatprotec.2023.117866

19-23   Gianna M. Valentino, Arunima Banerjee, Alexander lark, Christopher M. Barr, Seth H. Myers, Ian D. McCue, Influence of laser processing parameters on the density-ductility tradeoff in additively manufactured pure tantalum, Additive Manufacturing Letters, 4; 100117, 2023. doi.org/10.1016/j.addlet.2022.100117

15-23   Runbo Jiang, Zhongshu Ren, Joseph Aroh, Amir Mostafaei, Benjamin Gould, Tao Sun, Anthony D. Rollett, Quantifying equiaxed vs epitaxial solidification in laser melting of CMSX-4 single crystal superalloy, Metallurgical and Materials Transactions A, 54; pp. 808-822, 2023. doi.org/10.1007/s11661-022-06929-2

14-23   Nguyen Thi Tien, Yu-Lung Lo, M. Mohsin Raza, Cheng-Yen Chen, Chi-Pin Chiu, Optimization of processing parameters for pulsed laser welding of dissimilar metal interconnects, Optics & Laser Technology, 159; 109022, 2023. doi.org/10.1016/j.optlastec.2022.109022

9-23 Hou Yi Chia, Wentao Yan, High-fidelity modeling of metal additive manufacturing, Additive Manufacturing Technology: Design, Optimization, and Modeling, Ed. Kun Zhou, 2023.

8-23 Akash Aggarwal, Yung C. Shin, Arvind Kumar, Investigation of the transient coupling between the dynamic laser beam absorptance and the melt pool – vapor depression morphology in laser powder bed fusion process, International Journal of Heat and Mass Transfer, 201.2; 123663, 2023. doi.org/10.1016/j.ijheatmasstransfer.2022.123663

199-22 Md. Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, David B. Pedersen, Jon Spangenberg, Numerical predictions of bottom layer stability in material extrusion additive manufacturing, JOM, 74; pp. 1096-1101, 2022. doi.org/10.1007/s11837-021-05035-9

198-22 Md. Tusher Mollah, Amirpasha Moetazedian, Andy Gleadall, Jiongyi Yan, Wayne Edgar Alphonso, Raphael Comminal, Berin Seta, Tony Lock, Jon Spangenberg, Investigation on corner precision at different corner angles in material extrusion additive manufacturing: An experimental and computational fluid dynamics analysis, Proceedings of the 33rd Annual Solid Freeform Fabrication Symposium, 2022.

197-22 Md. Tusher Mollah, Marcin P. Serdeczny, Raphaël Comminal, Berin Šeta, Marco Brander, David B. Pedersen, Jon Spangenberg, A numerical investigation of the inter-layer bond and surface roughness during the yield stress buildup in wet-on-wet material extrusion additive manufacturing, ASPE and euspen Summer Topical Meeting, 77, 2022.

182-22   Chan Kyu Kim, Dae-Won Cho, Seok Kim, Sang Woo Song, Kang Myung Seo, Young Tae Cho, High-throughput metal 3D printing pen enabled by a continuous molten droplet transfer, Advanced Science, 2205085, 2022. doi.org/10.1002/advs.202205085

180-22 Xu Kaikai, Gong Yadong, Zhang Qiang, Numerical simulation of dynamic analysis of molten pool in the process of direct energy deposition, The International Journal of Advanced Manufacturing Technology, 2022. doi.org/10.1007/s00170-022-10271-7

179-22 Yasuhiro Okamoto, Nozomi Taura, Akira Okada, Study on laser drilling process of solid metal on its liquid, International Journal of Electrical Machining, 27; 2022. doi.org/10.2526/ijem.27.35

175-22 Lu Min, Xhi Xiaojie, Lu Peipei, Wu Meiping, Forming quality and wettability of surface texture on CuSn10 fabricated by laser powder bed fusion, AIP Advances, 12.12; 125114, 2022. doi.org/10.1063/5.0122076

174-22 Thinus Van Rhijn, Willie Du Preez, Maina Maringa, Dean Kouprianoff, An investigation into the optimization of the selective laser melting process parameters for Ti6Al4V through numerical modelling, JOM, 2022. doi.org/10.1007/s11837-022-05608-2

171-22 Jonathan Yoshioka, Mohsen Eshraghi, Temporal evolution of temperature gradient and solidification rate in laser powder bed fusion additive manufacturing, Heat and Mass Transfer, 2022. doi.org/10.1007/s00231-022-03318-8

170-22 Subin Shrestha and Kevin Chou, Residual heat effect on the melt pool geometry during the laser powder bed fusion process, Journal of Manufacturing and Materials Processing, 6.6; 153, 2022. doi.org/10.3390/jmmp6060153

169-22 Aryan Aryan, Obinna Chukwubuzo, Desmond Bourgeois, Wei Zhang, Hardness prediction by incorporating heat transfer and molten pool fluid flow in a mult-pass, multi-layer weld for onsite repair of Grade 91 steel, U.S. Department of Energy Office of Scientific and Technical Information, DOE-OSU-0032067, 2022. doi.org/10.2172/1898594

158-22 Dafan Du, Lu Wang, Anping Dong, Wentao Yan, Guoliang Zhu, Baode Sun, Promoting the densification and grain refinement with assistance of static magnetic field in laser powder bed fusion, International Journal of Machine Tools and Manufacture, 183; 103965, 2022. doi.org/10.1016/j.ijmachtools.2022.103965

157-22 Han Chu, Jiang Ping, Geng Shaoning, Liu Kun, Nucleation mechanism in oscillating laser welds of 2024 aluminium alloy: A combined experimental and numerical study, Optics & Laser Technology, 158.A; 108812, 2022. doi.org/10.1016/j.optlastec.2022.108812

153-22 Zixiang Li, Yinan Cui, Baohua Chang, Guan Liu, Ze Pu, Haoyu Zhang, Zhiyue Liang, Changmeng Liu, Li Wang, Dong Du, Manipulating molten pool in in-situ additive manufacturing of Ti-22Al-25 Nb through alternating dual-electron beams, Additive Manufacturing, 60.A; 103230, 2022. doi.org/10.1016/j.addma.2022.103230

149-22   Qian Chen, Yao Fu, Albert C. To, Multiphysics modeling of particle spattering and induced defect formation mechanism in Inconel 718 laser powder bed fusion, The International Journal of Advanced Manufacturing Technology, 123; pp. 783-791, 2022. doi.org/10.1007/s00170-022-10201-7

146-22   Zixuan Wan, Hui-ping Wang, Jingjing Li, Baixuan Yang, Joshua Solomon, Blair Carlson, Effect of welding mode on remote laser stitch welding of zinc-coated steel with different sheet thickness combinations, Journal of Manufacturing Science and Engineering, MANU-21-1598, 2022. doi.org/10.1115/1.4055792

143-22   Du-Rim Eo, Seong-Gyu Chung, JeongHo Yang, Won Tae Cho, Sun-Hong Park, Jung-Wook Cho, Surface modification of high-Mn steel via laser-DED: Microstructural characterization and hot crack susceptibility of clad layer, Materials & Design, 223; 111188, 2022. doi.org/10.1016/j.matdes.2022.111188

142-22   Zichuan Fu, Xiangman Zhou, Bin Luo, Qihua Tian, Numerical simulation study of the effect of weld current on WAAM welding pool dynamic and weld bead morphology, International Conference on Mechanical Design and Simulation, Proceedings, 12261; 122614G, 2022. doi.org/10.1117/12.2639074

132-22   Yiyu Huang, Zhonghao Xie, Wenshu Li, Haoyu Chen, Bin Liu, Bingfeng Wang, Dynamic mechanical properties of the selective laser melting NiCrFeCoMo0.2 high entropy alloy and the microstructure of molten pool, Journal of Alloys and Compounds, 927; 167011, 2022. doi.org/10.1016/j.jallcom.2022.167011

126-22   Jingqi Zhang, Yingang Liu, Gang Sha, Shenbao Jin, Ziyong Hou, Mohamad Bayat, Nan Yang, Qiyang Tan, Yu Yin, Shiyang Liu, Jesper Henri Hattel, Matthew Dargusch, Xiaoxu Huang, Ming-Xing Zhang, Designing against phase and property heterogeneities in additively manufactured titanium alloys, Nature Communications, 13; 4660, 2022. doi.org/10.1038/s41467-022-32446-2

119-22   Xu Kaikai, Gong Yadong, Zhao Qiang, Numerical simulation on molten pool flow of Inconel718 alloy based on VOF during additive manufacturing, Materials Today Communications, 33; 104147, 2022. doi.org/10.1016/j.mtcomm.2022.104147

118-22   AmirPouya Hemmasian, Francis Ogoke, Parand Akbari, Jonathan Malen, Jack Beuth, Amir Barati Farimani, Surrogate modeling of melt pool thermal field using deep learning, SSRN, 2022. doi.org/10.2139/ssrn.4190835

117-22   Chiara Ransenigo, Marialaura Tocci, Filippo Palo, Paola Ginestra, Elisabetta Ceretti, Marcello Gelfi, Annalisa Pola, Evolution of melt pool and porosity during laser powder bed fusion of Ti6Al4V alloy: Numerical modelling and experimental validation, Lasers in Manufacturing and Materials Processing, 2022. doi.org/10.1007/s40516-022-00185-3

112-22   Chris Jasien, Alec Saville, Chandler Gus Becker, Jonah Klemm-Toole, Kamel Fezzaa, Tao Sun, Tresa Pollock, Amy J. Clarke, In situ x-ray radiography and computational modeling to predict grain morphology in β-titanium during simulated additive manufacturing, Metals, 12.7; 1217, 2022. doi.org/10.3390/met12071217

110-22   Haotian Zhou, Haijun Su, Yinuo Guo, Peixin Yang, Yuan Liu, Zhonglin Shen, Di Zhao, Haifang Liu, Taiwen Huang, Min Guo, Jun Zhang, Lin Liu, Hengzhi Fu, Formation and evolution mechanisms of pores in Inconel 718 during selective laser melting: Meso-scale modeling and experimental investigations, Journal of Manufacturing Processes, 81; pp. 202-213, 2022. doi.org/10.1016/j.jmapro.2022.06.072

109-22   Yufan Zhao, Huakang Bian, Hao Wang, Aoyagi Kenta, Yamanaka Kenta, Akihiko Chiba, Non-equilibrium solidification behavior associated with powder characteristics during electron beam additive manufacturing, Materials & Design, 221; 110915, 2022. doi.org/10.1016/j.matdes.2022.110915

107-22   Dan Lönn, David Spångberg, Study of process parameters in laser beam welding of copper hairpins, Thesis, University of Skövde, 2022.

106-22   Liping Guo, Hongze Wang, Qianglong Wei, Hanjie Liu, An Wang, Yi Wu, Haowei Wang, A comprehensive model to quantify the effects of additional nano-particles on the printability in laser powder bed fusion of aluminum alloy and composite, Additive Manufacturing, 58; 103011, 2022. doi.org/10.1016/j.addma.2022.103011

104-22   Hongjiang Pan, Thomas Dahmen, Mohamad Bayat, Kang Lin, Xiaodan Zhang, Independent effects of laser power and scanning speed on IN718’s precipitation and mechanical properties produced by LBPF plus heat treatment, Materials Science and Engineering: A, 849; 143530, 2022. doi.org/10.1016/j.msea.2022.143530

101-22   Yufan Zhao, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, A survey on basic influencing factors of solidified grain morphology during electron beam melting, Materials & Design, 221; 110927, 2022. doi.org/10.1016/j.matdes.2022.110927

98-22   Jon Spangenberg, Wilson Ricardo Leal da Silva, Md. Tusher Mollah, Raphaël Comminal, Thomas Juul Andersen, Henrik Stang, Integrating reinforcement with 3D concrete printing: Experiments and numerical modelling, Third RILEM International Conference on Concrete and Digital Fabrication, Eds. Ana Blanco, Peter Kinnell, Richard Buswell, Sergio Cavalaro, pp. 379-384, 2022.

93-22   Minglei Qu, Qilin Guo, Luis I. Escano, Samuel J. Clark Kamel Fezzaa, Lianyi Chen, Mitigating keyhole pore formation by nanoparticles during laser powder bed fusion additive manufacturing, Additive Manufacturing Letters, 100068, 2022. doi.org/10.1016/j.addlet.2022.100068

86-22   Patiparn Ninpetch, Prasert Chalermkarnnon, Pruet Kowitwarangkul, Multiphysics simulation of thermal-fluid behavior in laser powder bed fusion of H13 steel: Influence of layer thickness and energy input, Metals and Materials International, 2022. doi.org/10.1007/s12540-022-01239-z

85-22   Merve Biyikli, Taner Karagoz, Metin Calli, Talha Muslim, A. Alper Ozalp, Ali Bayram, Single track geometry prediction of laser metal deposited 316L-Si via multi-physics modelling and regression analysis with experimental validation, Metals and Materials International, 2022. doi.org/10.1007/s12540-022-01243-3

76-22   Zhichao Yang, Shuhao Wang, Lida Zhu, Jinsheng Ning, Bo Xin, Yichao Dun, Wentao Yan, Manipulating molten pool dynamics during metal 3D printing by ultrasound, Applied Physics Reviews, 9; 021416, 2022. doi.org/10.1063/5.0082461

73-22   Yu Sun, Liqun Li, Yu Hao, Sanbao Lin, Xinhua Tang, Fenggui Lu, Numerical modeling on formation of periodic chain-like pores in high power laser welding of thick steel plate, Journal of Materials Processing Technology, 306; 117638, 2022. doi.org/10.1016/j.jmatprotec.2022.117638

67-22   Yu Hao, Hiu-Ping Wang, Yu Sun, Liqun Li, Yihan Wu, Fenggui Lu, The evaporation behavior of zince and its effect on spattering in laser overlap welding of galvanized steels, Journal of Materials Processing Technology, 306; 117625, 2022. doi.org/10.1016/j.jmatprotec.2022.117625

65-22   Yanhua Zhao, Chuanbin Du, Peifu Wang, Wei Meng, Changming Li, The mechanism of in-situ laser polishing and its effect on the surface quality of nickel-based alloy fabricated by selective laser melting, Metals, 12.5; 778, 2022. doi.org/10.3390/met12050778

58-22   W.E. Alphonso, M. Bayat, M. Baier, S. Carmignato, J.H. Hattel, Multi-physics numerical modelling of 316L Austenitic stainless steel in laser powder bed fusion process at meso-scale, 17th UK Heat Transfer Conference (UKHTC2021), Manchester, UK, April 4-6, 2022.

57-22   Brandon Hayes, Travis Hainsworth, Robert MacCurdy, Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting, Additive Manufacturing, in press, 102785, 2022. doi.org/10.1016/j.addma.2022.102785

55-22   Xiang Wang, Lin-Jie Zhang, Jie Ning, Suck-joo Na, Fluid thermodynamic simulation of Ti-6Al-4V alloy in laser wire deposition, 3D Printing and Additive Manufacturing, 2022. doi.org/10.1089/3dp.2021.0159

54-22   Junhao Zhao, Binbin Wang, Tong Liu, Liangshu Luo, Yanan Wang, Xiaonan Zheng, Liang Wang, Yanqing Su, Jingjie Guo, Hengzhi Fu, Dayong Chen, Study of in situ formed quasicrystals in Al-Mn based alloys fabricated by SLM, Journal of Alloys and Compounds, 909; 164847, 2022. doi.org/10.1016/j.jallcom.2022.164847

48-22   Yueming Sun, Jianxing Ma, Fei Peng, Konstantin G. Kornev, Making droplets from highly viscous liquids by pushing a wire through a tube, Physics of Fluids, 34; 032119, 2022. doi.org/10.1063/5.0082003

46-22   H.Z. Lu, T. Chen, H. Liu, H. Wang, X. Luo, C.H. Song, Constructing function domains in NiTi shape memory alloys by additive manufacturing, Virtual and Physical Prototyping, 17.3; 2022. doi.org/10.1080/17452759.2022.2053821

42-22   Islam Hassan, P. Ravi Selvaganapathy, Microfluidic printheads for highly switchable multimaterial 3D printing of soft materials, Advanced Materials Technologies, 2101709, 2022. doi.org/10.1002/admt.202101709

41-22   Nan Yang, Youping Gong, Honghao Chen, Wenxin Li, Chuanping Zhou, Rougang Zhou, Huifeng Shao, Personalized artificial tibia bone structure design and processing based on laser powder bed fusion, Machines, 10.3; 205, 2022. doi.org/10.3390/machines10030205

31-22   Bo Shen, Raghav Gnanasambandam, Rongxuan Wang, Zhenyu (James) Kong, Multi-Task Gaussian process upper confidence bound for hyperparameter tuning and its application for simulation studies of additive manufacturing, IISE Transactions, 2022. doi.org/10.1080/24725854.2022.2039813

27-22   Lida Zhu, Shuhao Wang, Hao Lu, Dongxing Qi, Dan Wang, Zhichao Yang, Investigation on synergism between additive and subtractive manufacturing for curved thin-walled structure, Virtual and Physical Prototyping, 17.2; 2022. doi.org/10.1080/17452759.2022.2029009

24-22   Hoon Sohn, Peipei Liu, Hansol Yoon, Kiyoon Yi, Liu Yang, Sangjun Kim, Real-time porosity reduction during metal directed energy deposition using a pulse laser, Journal of Materials Science & Technology, 116; pp. 214-223. doi.org/10.1016/j.jmst.2021.12.013

18-22   Yaohong Xiao, Zixuan Wan, Pengwei Liu, Zhuo Wang, Jingjing Li, Lei Chen, Quantitative simulations of grain nucleation and growth at additively manufactured bimetallic interfaces of SS316L and IN625, Journal of Materials Processing Technology, 302; 117506, 2022. doi.org/10.1016/j.jmatprotec.2022.117506

06-22   Amal Charles, Mohamad Bayat, Ahmed Elkaseer, Lore Thijs, Jesper Henri Hattel, Steffen Scholz, Elucidation of dross formation in laser powder bed fusion at down-facing surfaces: Phenomenon-oriented multiphysics simulation and experimental validation, Additive Manufacturing, 50; 102551, 2022. doi.org/10.1016/j.addma.2021.102551

05-22   Feilong Ji, Xunpeng Qin, Zeqi Hu, Xiaochen Xiong, Mao Ni, Mengwu Wu, Influence of ultrasonic vibration on molten pool behavior and deposition layer forming morphology for wire and arc additive manufacturing, International Communications in Heat and Mass Transfer, 130; 105789, 2022. doi.org/10.1016/j.icheatmasstransfer.2021.105789

150-21   Daniel Knüttel, Stefano Baraldo, Anna Valente, Konrad Wegener, Emanuele Carpanzano, Model based learning for efficient modelling of heat transfer dynamics, Procedia CIRP, 102; pp. 252-257, 2021. doi.org/10.1016/j.procir.2021.09.043

149-21   T. van Rhijn, W. du Preez, M. Maringa, D. Kouprianoff, Towards predicting process parameters for selective laser melting of titanium alloys through the modelling of melt pool characteristics, Suid-Afrikaanse Tydskrif vir Natuurwetenskap en Tegnologie, 40.1; 2021. 

148-21   Qian Chen, Multiscale process modeling of residual deformation and defect formation for laser powder bed fusion additive manufacturing, Thesis, University of Pittsburgh, Pittsburgh, PA USA, 2021. 

147-21   Pareekshith Allu, Developing process parameters through CFD simulations, Lasers in Manufacturing Conference, 2021.

143-21   Asif Ur Rehman, Muhammad Arif Mahmood, Fatih Pitir, Metin Uymaz Salamci, Andrei C. Popescu, Ion N. Mihailescu, Spatter formation and splashing induced defects in laser-based powder bed fusion of AlSi10Mg alloy: A novel hydrodynamics modelling with empirical testing, Metals, 11.12; 2023, 2021. doi.org/10.3390/met11122023

142-21   Islam Hassan, Ponnambalam Ravi Selvaganapathy, A microfluidic printhead with integrated hybrid mixing by sequential injection for multimaterial 3D printing, Additive Manufacturing, 102559, 2021. doi.org/10.1016/j.addma.2021.102559

137-21   Ting-Yu Cheng, Ying-Chih Liao, Enhancing drop mixing in powder bed by alternative particle arrangements with contradictory hydrophilicity, Journal of the Taiwan Institute of Chemical Engineers, 104160, 2021. doi.org/10.1016/j.jtice.2021.104160

134-21   Asif Ur Rehman, Muhammad Arif Mahmood, Fatih Pitir, Metin Uymaz Salamci, Andrei C. Popescu, Ion N. Mihailescu, Keyhole formation by laser drilling in laser powder bed fusion of Ti6Al4V biomedical alloy: Mesoscopic computational fluid dynamics simulation versus mathematical modelling using empirical validation, Nanomaterials, 11.2; 3284, 2021. doi.org/10.3390/nano11123284

128-21   Sang-Woo Han, Won-Ik Cho, Lin-Jie Zhang, Suck-Joo Na, Coupled simulation of thermal-metallurgical-mechanical behavior in laser keyhole welding of AH36 steel, Materials & Design, 212; 110275, 2021. doi.org/10.1016/j.matdes.2021.110275

127-21   Jiankang Huang, Zhuoxuan Li, Shurong Yu, Xiaoquan Yu, Ding Fan, Real-time observation and numerical simulation of the molten pool flow and mass transfer behavior during wire arc additive manufacturing, Welding in the World, 2021. doi.org/10.1007/s40194-021-01214-z

123-21   Boxue Song, Tianbiao Yu, Xingyu Jiang, Wenchao Xi, Xiaoli Lin, Zhelun Ma, ZhaoWang, Development of the molten pool and solidification characterization in single bead multilayer direct energy deposition, Additive Manufacturing, 102479, 2021. doi.org/10.1016/j.addma.2021.102479

112-21   Kathryn Small, Ian D. McCue, Katrina Johnston, Ian Donaldson, Mitra L. Taheri, Precision modification of microstructure and properties through laser engraving, JOM, 2021. doi.org/10.1007/s11837-021-04959-6

111-21   Yongki Lee, Jason Cheon, Byung-Kwon Min, Cheolhee Kim, Modelling of fume particle behaviour and coupling glass contamination during vacuum laser beam welding, Science and Technology of Welding and Joining, 2021. doi.org/10.1080/13621718.2021.1990658

110-21   Menglin Liu, Hao Yi, Huajun Cao, Rufeng Huang, Le Jia, Heat accumulation effect in metal droplet-based 3D printing: Evolution mechanism and elimination strategy, Additive Manufacturing, 48.A; 102413, 2021. doi.org/10.1016/j.addma.2021.102413

108-21   Nozomi Taura, Akiya Mitsunobu, Tatsuhiko Sakai, Yasuhiro Okamoto, Akira Okada, Formation and its mechanism of high-speed micro-grooving on metal surface by angled CW laser irradiation, Journal of Laser Micro/Nanoengineering, 16.2, 2021. doi.org/10.2961/jlmn.2021.02.2006

105-21   Jon Spangenberg, Wilson Ricardo Leal da Silva, Raphaël Comminal, Md. Tusher Mollah, Thomas Juul Andersen, Henrik Stang, Numerical simulation of multi-layer 3D concrete printing, RILEM Technical Letters, 6; pp. 119-123, 2021. doi.org/10.21809/rilemtechlett.2021.142

104-21   Lin Chen, Chunming Wang, Gaoyang Mi, Xiong Zhang, Effects of laser oscillating frequency on energy distribution, molten pool morphology and grain structure of AA6061/AA5182 aluminum alloys lap welding, Journal of Materials Research and Technology, 15; pp. 3133-3148, 2021. doi.org/10.1016/j.jmrt.2021.09.141

101-21   R.J.M. Wolfs, T.A.M. Salet, N. Roussel, Filament geometry control in extrusion-based additive manufacturing of concrete: The good, the bad and the ugly, Cement and Concrete Research, 150; 106615, 2021. doi.org/10.1016/j.cemconres.2021.106615

89-21   Wenlin Ye, Jin Bao, Jie Lei, Yichang Huang, Zhihao Li, Peisheng Li, Ying Zhang, Multiphysics modeling of thermal behavior of commercial pure titanium powder during selective laser melting, Metals and Materials International, 2021. doi.org/10.1007/s12540-021-01019-1

81-21   Lin Chen, Gaoyang Mi, Xiong Zhang, Chunming Wang, Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding, Journals of Materials Processing Technology, 298; 117314, 2021. doi.org/10.1016/j.jmatprotec.2021.117314

77-21   Yujie Cui, Yufan Zhao, Haruko Numata, Kenta Yamanaka, Huakang Bian, Kenta Aoyagi, Akihiko Chiba, Effects of process parameters and cooling gas on powder formation during the plasma rotating electrode process, Powder Technology, 393; pp. 301-311, 2021. doi.org/10.1016/j.powtec.2021.07.062

76-21   Md Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, David B. Pedersen, Jon Spangenberg, Stability and deformations of deposited layers in material extrusion additive manufacturing, Additive Manufacturing, 46; 102193, 2021. doi.org/10.1016/j.addma.2021.102193

72-21   S. Sabooni, A. Chabok, S.C. Feng, H. Blaauw, T.C. Pijper, H.J. Yang, Y.T. Pei, Laser powder bed fusion of 17–4 PH stainless steel: A comparative study on the effect of heat treatment on the microstructure evolution and mechanical properties, Additive Manufacturing, 46; 102176, 2021. doi.org/10.1016/j.addma.2021.102176

71-21   Yu Hao, Nannan Chena, Hui-Ping Wang, Blair E. Carlson, Fenggui Lu, Effect of zinc vapor forces on spattering in partial penetration laser welding of zinc-coated steels, Journal of Materials Processing Technology, 298; 117282, 2021. doi.org/10.1016/j.jmatprotec.2021.117282

67-21   Lu Wang, Wentao Yan, Thermoelectric magnetohydrodynamic model for laser-based metal additive manufacturing, Physical Review Applied, 15.6; 064051, 2021. doi.org/10.1103/PhysRevApplied.15.064051

61-21   Ian D. McCue, Gianna M. Valentino, Douglas B. Trigg, Andrew M. Lennon, Chuck E. Hebert, Drew P. Seker, Salahudin M. Nimer, James P. Mastrandrea, Morgana M. Trexler, Steven M. Storck, Controlled shape-morphing metallic components for deployable structures, Materials & Design, 208; 109935, 2021. doi.org/10.1016/j.matdes.2021.109935

60-21   Mahyar Khorasani, AmirHossein Ghasemi, Martin Leary, William O’Neil, Ian Gibson, Laura Cordova, Bernard Rolfe, Numerical and analytical investigation on meltpool temperature of laser-based powder bed fusion of IN718, International Journal of Heat and Mass Transfer, 177; 121477, 2021. doi.org/10.1016/j.ijheatmasstransfer.2021.121477

57-21   Dae-Won Cho, Yeong-Do Park, Muralimohan Cheepu, Numerical simulation of slag movement from Marangoni flow for GMAW with computational fluid dynamics, International Communications in Heat and Mass Transfer, 125; 105243, 2021. doi.org/10.1016/j.icheatmasstransfer.2021.105243

55-21   Won-Sang Shin, Dae-Won Cho, Donghyuck Jung, Heeshin Kang, Jeng O Kim, Yoon-Jun Kim, Changkyoo Park, Investigation on laser welding of Al ribbon to Cu sheet: Weldability, microstructure and mechanical and electrical properties, Metals, 11.5; 831, 2021. doi.org/10.3390/met11050831

50-21   Mohamad Bayat, Venkata K. Nadimpalli, Francesco G. Biondani, Sina Jafarzadeh, Jesper Thorborg, Niels S. Tiedje, Giuliano Bissacco, David B. Pedersen, Jesper H. Hattel, On the role of the powder stream on the heat and fluid flow conditions during directed energy deposition of maraging steel—Multiphysics modeling and experimental validation, Additive Manufacturing, 43;102021, 2021. doi.org/10.1016/j.addma.2021.102021

47-21   Subin Shrestha, Kevin Chou, An investigation into melting modes in selective laser melting of Inconel 625 powder: single track geometry and porosity, The International Journal of Advanced Manufacturing Technology, 2021. doi.org/10.1007/s00170-021-07105-3

34-21   Haokun Sun, Xin Chu, Cheng Luo, Haoxiu Chen, Zhiying Liu, Yansong Zhang, Yu Zou, Selective laser melting for joining dissimilar materials: Investigations ofiInterfacial characteristics and in situ alloying, Metallurgical and Materials Transactions A, 52; pp. 1540-1550, 2021. doi.org/10.1007/s11661-021-06178-9

32-21   Shanshan Zhang, Subin Shrestha, Kevin Chou, On mesoscopic surface formation in metal laser powder-bed fusion process, Supplimental Proceedings, TMS 150th Annual Meeting & Exhibition (Virtual), pp. 149-161, 2021. doi.org/10.1007/978-3-030-65261-6_14

22-21   Patiparn Ninpetch, Pruet Kowitwarangkul, Sitthipong Mahathanabodee, Prasert Chalermkarnnon, Phadungsak Rattanadecho, Computational investigation of thermal behavior and molten metal flow with moving laser heat source for selective laser melting process, Case Studies in Thermal Engineering, 24; 100860, 2021. doi.org/10.1016/j.csite.2021.100860

19-21   M.B. Abrami, C. Ransenigo, M. Tocci, A. Pola, M. Obeidi, D. Brabazon, Numerical simulation of laser powder bed fusion processes, La Metallurgia Italiana, February; pp. 81-89, 2021.

16-21   Wenjun Ge, Jerry Y.H. Fuh, Suck Joo Na, Numerical modelling of keyhole formation in selective laser melting of Ti6Al4V, Journal of Manufacturing Processes, 62; pp. 646-654, 2021. doi.org/10.1016/j.jmapro.2021.01.005

11-21   Mohamad Bayat, Venkata K. Nadimpalli, David B. Pedersen, Jesper H. Hattel, A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys, International Journal of Heat and Mass Transfer, 166; 120766, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120766

10-21   Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Thermal properties of powder beds in energy absorption and heat transfer during additive manufacturing with electron beam, Powder Technology, 381; pp. 44-54, 2021. doi.org/10.1016/j.powtec.2020.11.082

9-21   Subin Shrestha, Kevin Chou, A study of transient and steady-state regions from single-track deposition in laser powder bed fusion, Journal of Manufacturing Processes, 61; pp. 226-235, 2021. doi.org/10.1016/j.jmapro.2020.11.023

6-21   Qian Chen, Yunhao Zhao, Seth Strayer, Yufan Zhao, Kenta Aoyagi, Yuichiro Koizumi, Akihiko Chiba, Wei Xiong, Albert C. To, Elucidating the effect of preheating temperature on melt pool morphology variation in Inconel 718 laser powder bed fusion via simulation and experiment, Additive Manufacturing, 37; 101642, 2021. doi.org/10.1016/j.addma.2020.101642

04-21   Won-Ik Cho, Peer Woizeschke, Analysis of molten pool dynamics in laser welding with beam oscillation and filler wire feeding, International Journal of Heat and Mass Transfer, 164; 120623, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120623

128-20   Mahmood Al Bashir, Rajeev Nair, Martina M. Sanchez, Anil Mahapatro, Improving fluid retention properties of 316L stainless steel using nanosecond pulsed laser surface texturing, Journal of Laser Applications, 32.4, 2020. doi.org/10.2351/7.0000199

127-20   Eric Riedel, Niklas Bergedieck, Stefan Scharf, CFD simulation based investigation of cavitation cynamics during high intensity ultrasonic treatment of A356, Metals, 10.11; 1529, 2020. doi.org/10.3390/met10111529

126-20   Benjamin Himmel, Material jetting of aluminium: Analysis of a novel additive manufacturing process, Thesis, Technical University of Munich, Munich, Germany, 2020. 

121-20   Yufan Zhao, Yujie Cui, Haruko Numata, Huakang Bian, Kimio Wako, Kenta Yamanaka, Kenta Aoyagi, Akihiko Chiba, Centrifugal granulation behavior in metallic powder fabrication by plasma rotating electrode process, Scientific Reports, 10; 18446, 2020. doi.org/10.1038/s41598-020-75503-w

116-20   Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Modelling of 3D concrete printing based on computational fluid dynamics, Cement and Concrete Research, 138; 106256, 2020. doi.org/10.1016/j.cemconres.2020.106256

112-20   Peng Liu, Lijin Huan, Yu Gan, Yuyu Lei, Effect of plate thickness on weld pool dynamics and keyhole-induced porosity formation in laser welding of Al alloy, The International Journal of Advanced Manufacturing Technology, 111; pp. 735-747, 2020. doi.org/10.1007/s00170-020-05818-5

108-20   Fan Chen, Wentao Yan, High-fidelity modelling of thermal stress for additive manufacturing by linking thermal-fluid and mechanical models, Materials & Design, 196; 109185, 2020. doi.org/10.1016/j.matdes.2020.109185

104-20   Yunfu Tian, Lijun Yang, Dejin Zhao, Yiming Huang, Jiajing Pan, Numerical analysis of powder bed generation and single track forming for selective laser melting of SS316L stainless steel, Journal of Manufacturing Processes, 58; pp. 964-974, 2020. doi.org/10.1016/j.jmapro.2020.09.002

100-20   Raphaël Comminal, Sina Jafarzadeh, Marcin Serdeczny, Jon Spangenberg, Estimations of interlayer contacts in extrusion additive manufacturing using a CFD model, International Conference on Additive Manufacturing in Products and Applications (AMPA), Zurich, Switzerland, September 1-3: Industrializing Additive Manufacturing, pp. 241-250, 2020. doi.org/10.1007/978-3-030-54334-1_17

97-20   Paree Allu, CFD simulation for metal Additive Manufacturing: Applications in laser- and sinter-based processes, Metal AM, 6.4; pp. 151-158, 2020.

95-20   Yufan Zhao, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Role of operating and environmental conditions in determining molten pool dynamics during electron beam melting and selective laser melting, Additive Manufacturing, 36; 101559, 2020. doi.org/10.1016/j.addma.2020.101559

94-20   Yan Zeng, David Himmler, Peter Randelzhofer, Carolin Körner, Processing of in situ Al3Ti/Al composites by advanced high shear technology: influence of mixing speed, The International Journal of Advanced Manufacturing Technology, 110; pp. 1589-1599, 2020. doi.org/10.1007/s00170-020-05956-w

93-20   H. Hamed Zargari, K. Ito, M. Kumar, A. Sharma, Visualizing the vibration effect on the tandem-pulsed gas metal arc welding in the presence of surface tension active elements, International Journal of Heat and Mass Transfer, 161; 120310, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.120310

90-20   Guangxi Zhao, Jun Du, Zhengying Wei, Siyuan Xu, Ruwei Geng, Numerical analysis of aluminum alloy fused coating process, Journal of the Brazilian Society of Mechanical Science and Engineering, 42; 483, 2020. doi.org/10.1007/s40430-020-02569-y

85-20   Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, Investigation of metal mixing in laser keyhold welding of dissimilar metals, Materials & Design, 195; 109056, 2020. doi.org/10.1016/j.matdes.2020.109056

82-20   Pan Lu, Zhang Cheng-Lin, Wang Liang, Liu Tong, Liu Jiang-lin, Molten pool structure, temperature and velocity flow in selective laser melting AlCu5MnCdVA alloy, Materials Research Express, 7; 086516, 2020. doi.org/10.1088/2053-1591/abadcf

80-20   Yujie Cui, Yufan Zhao, Haruko Numata, Huakang Bian, Kimio Wako, Kento Yamanaka, Kenta Aoyagi, Chen Zhang, Akihiko Chiba, Effects of plasma rotating electrode process parameters on the particle size distribution and microstructure of Ti-6Al-4 V alloy powder, Powder Technology, 376; pp. 363-372, 2020. doi.org/10.1016/j.powtec.2020.08.027

78-20   F.Q. Liu, L. Wei, S.Q. Shi, H.L. Wei, On the varieties of build features during multi-layer laser directed energy deposition, Additive Manufacturing, 36; 101491, 2020. doi.org/10.1016/j.addma.2020.101491

75-20   Nannan Chen, Zixuan Wan, Hui-Ping Wang, Jingjing Li, Joshua Solomon, Blair E. Carlson, Effect of Al single bond Si coating on laser spot welding of press hardened steel and process improvement with annular stirring, Materials & Design, 195; 108986, 2020. doi.org/10.1016/j.matdes.2020.108986

72-20   Yujie Cui, Kenta Aoyagi, Yufan Zhao, Kenta Yamanaka, Yuichiro Hayasaka, Yuichiro Koizumi, Tadashi Fujieda, Akihiko Chiba, Manufacturing of a nanosized TiB strengthened Ti-based alloy via electron beam powder bed fusion, Additive Manufacturing, 36; 101472, 2020. doi.org/10.1016/j.addma.2020.101472

64-20   Dong-Rong Liu, Shuhao Wang, Wentao Yan, Grain structure evolution in transition-mode melting in direct energy deposition, Materials & Design, 194; 108919, 2020. doi.org/10.1016/j.matdes.2020.108919

61-20   Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Influence of processing parameters on the layer geometry in 3D concrete printing: Experiments and modelling, 2nd RILEM International Conference on Concrete and Digital Fabrication, RILEM Bookseries, 28; pp. 852-862, 2020. doi.org/10.1007/978-3-030-49916-7_83

60-20   Marcin P. Serdeczny, Raphaël Comminal, Md. Tusher Mollah, David B. Pedersen, Jon Spangenberg, Numerical modeling of the polymer flow through the hot-end in filament-based material extrusion additive manufacturing, Additive Manufacturing, 36; 101454, 2020. doi.org/10.1016/j.addma.2020.101454

58-20   H.L. Wei, T. Mukherjee, W. Zhang, J.S. Zuback, G.L. Knapp, A. De, T. DebRoy, Mechanistic models for additive manufacturing of metallic components, Progress in Materials Science, 116; 100703, 2020. doi.org/10.1016/j.pmatsci.2020.100703

55-20   Masoud Mohammadpour, Experimental study and numerical simulation of heat transfer and fluid flow in laser welded and brazed joints, Thesis, Southern Methodist University, Dallas, TX, US; Available in Mechanical Engineering Research Theses and Dissertations, 24, 2020.

48-20   Masoud Mohammadpour, Baixuan Yang, Hui-Ping Wang, John Forrest, Michael Poss, Blair Carlson, Radovan Kovacevica, Influence of laser beam inclination angle on galvanized steel laser braze quality, Optics and Laser Technology, 129; 106303, 2020. doi.org/10.1016/j.optlastec.2020.106303

34-20   Binqi Liu, Gang Fang, Liping Lei, Wei Liu, A new ray tracing heat source model for mesoscale CFD simulation of selective laser melting (SLM), Applied Mathematical Modeling, 79; pp. 506-520, 2020. doi.org/10.1016/j.apm.2019.10.049

27-20   Xuesong Gao, Guilherme Abreu Farira, Wei Zhang and Kevin Wheeler, Numerical analysis of non-spherical particle effect on molten pool dynamics in laser-powder bed fusion additive manufacturing, Computational Materials Science, 179, art. no. 109648, 2020. doi.org/10.1016/j.commatsci.2020.109648

26-20   Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka and Akihiko Chiba, Isothermal γ → ε phase transformation behavior in a Co-Cr-Mo alloy depending on thermal history during electron beam powder-bed additive manufacturing, Journal of Materials Science & Technology, 50, pp. 162-170, 2020. doi.org/10.1016/j.jmst.2019.11.040

21-20   Won-Ik Cho and Peer Woizeschke, Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal, International Journal of Heat and Mass Transfer, 152, art. no. 119528, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.119528

06-20  Wei Xing, Di Ouyang, Zhen Chen and Lin Liu, Effect of energy density on defect evolution in 3D printed Zr-based metallic glasses by selective laser melting, Science China Physics, Mechanics & Astronomy, 63, art. no. 226111, 2020. doi.org/10.1007/s11433-019-1485-8

04-20   Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009

02-20   Dongsheng Wu, Shinichi Tashiro, Ziang Wu, Kazufumi Nomura, Xueming Hua, and Manabu Tanaka, Analysis of heat transfer and material flow in hybrid KPAW-GMAW process based on the novel three dimensional CFD simulation, International Journal of Heat and Mass Transfer, 147, art. no. 118921, 2020. doi.org/10.1016/j.ijheatmasstransfer.2019.118921

01-20   Xiang Huang, Siying Lin, Zhenxiang Bu, Xiaolong Lin, Weijin Yi, Zhihong Lin, Peiqin Xie, and Lingyun Wang, Research on nozzle and needle combination for high frequency piezostack-driven dispenser, International Journal of Adhesion and Adhesives, 96, 2020. doi.org/10.1016/j.ijadhadh.2019.102453

88-19   Bo Cheng and Charles Tuffile, Numerical study of porosity formation with implementation of laser multiple reflection in selective laser melting, Proceedings Volume 1: Additive Manufacturing; Manufacturing Equipment and Systems; Bio and Sustainable Manufacturing, ASME 2019 14th International Manufacturing Science and Engineering Conference, Erie, Pennsylvania, USA, June 10-14, 2019. doi.org/10.1115/MSEC2019-2891

87-19   Shuhao Wang, Lida Zhu, Jerry Ying His Fuh, Haiquan Zhang, and Wentao Yan, Multi-physics modeling and Gaussian process regression analysis of cladding track geometry for direct energy deposition, Optics and Lasers in Engineering, 127:105950, 2019. doi.org/10.1016/j.optlaseng.2019.105950

78-19   Bo Cheng, Lukas Loeber, Hannes Willeck, Udo Hartel, and Charles Tuffile, Computational investigation of melt pool process dynamics and pore formation in laser powder bed fusion, Journal of Materials Engineering and Performance, 28:11, 6565-6578, 2019. doi.org/10.1007/s11665-019-04435-y

77-19   David Souders, Pareekshith Allu, Anurag Chandorkar, and Ruendy Castillo, Application of computational fluid dynamics in developing process parameters for additive manufacturing, Additive Manufacturing Journal, 9th International Conference on 3D Printing and Additive Manufacturing Technologies (AM 2019), Bangalore, India, September 7-9, 2019.

75-19   Raphaël Comminal, Marcin Piotr Serdeczny, Navid Ranjbar, Mehdi Mehrali, David Bue Pedersen, Henrik Stang, Jon Spangenberg, Modelling of material deposition in big area additive manufacturing and 3D concrete printing, Proceedings, Advancing Precision in Additive Manufacturing, Nantes, France, September 16-18, 2019.

73-19   Baohua Chang, Zhang Yuan, Hao Cheng, Haigang Li, Dong Du 1, and Jiguo Shan, A study on the influences of welding position on the keyhole and molten pool behavior in laser welding of a titanium alloy, Metals, 9:1082, 2019. doi.org/10.3390/met9101082

57-19     Shengjie Deng, Hui-Ping Wang, Fenggui Lu, Joshua Solomon, and Blair E. Carlson, Investigation of spatter occurrence in remote laser spiral welding of zinc-coated steels, International Journal of Heat and Mass Transfer, Vol. 140, pp. 269-280, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.06.009

53-19     Mohamad Bayat, Aditi Thanki, Sankhya Mohanty, Ann Witvrouw, Shoufeng Yang, Jesper Thorborg, Niels Skat Tieldje, and Jesper Henri Hattel, Keyhole-induced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation, Additive Manufacturing, Vol. 30, 2019. doi.org/10.1016/j.addma.2019.100835

51-19     P. Ninpetch, P. Kowitwarangkul, S. Mahathanabodee, R. Tongsri, and P. Ratanadecho, Thermal and melting track simulations of laser powder bed fusion (L-PBF), International Conference on Materials Research and Innovation (ICMARI), Bangkok, Thailand, December 17-21, 2018. IOP Conference Series: Materials Science and Engineering, Vol. 526, 2019. doi.org/10.1088/1757-899X/526/1/012030

46-19     Hongze Wang and Yu Zou, Microscale interaction between laser and metal powder in powder-bed additive manufacturing: Conduction mode versus keyhole mode, International Journal of Heat and Mass Transfer, Vol. 142, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.118473

45-19     Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, and Akihiko Chiba, Manipulating local heat accumulation towards controlled quality and microstructure of a Co-Cr-Mo alloy in powder bed fusion with electron beam, Materials Letters, Vol. 254, pp. 269-272, 2019. doi.org/10.1016/j.matlet.2019.07.078

44-19     Guoxiang Xu, Lin Li, Houxiao Wang, Pengfei Li, Qinghu Guo, Qingxian Hu, and Baoshuai Du, Simulation and experimental studies of keyhole induced porosity in laser-MIG hybrid fillet welding of aluminum alloy in the horizontal position, Optics & Laser Technology, Vol. 119, 2019. doi.org/10.1016/j.optlastec.2019.105667

38-19     Subin Shrestha and Y. Kevin Chou, A numerical study on the keyhole formation during laser powder bed fusion process, Journal of Manufacturing Science and Engineering, Vol. 141, No. 10, 2019. doi.org/10.1115/1.4044100

34-19     Dae-Won Cho, Jin-Hyeong Park, and Hyeong-Soon Moon, A study on molten pool behavior in the one pulse one drop GMAW process using computational fluid dynamics, International Journal of Heat and Mass Transfer, Vol. 139, pp. 848-859, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.038

30-19     Mohamad Bayat, Sankhya Mohanty, and Jesper Henri Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF, International Journal of Heat and Mass Transfer, Vol. 139, pp. 95-114, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.003

29-19     Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka, and Akihiko Chiba, Comprehensive study on mechanisms for grain morphology evolution and texture development in powder bed fusion with electron beam of Co–Cr–Mo alloy, Materialia, Vol. 6, 2019. doi.org/10.1016/j.mtla.2019.100346

28-19     Pareekshith Allu, Computational fluid dynamics modeling in additive manufacturing processes, The Minerals, Metals & Materials Society (TMS) 148th Annual Meeting & Exhibition, San Antonio, Texas, USA, March 10-14, 2019.

24-19     Simulation Software: Use, Advantages & Limitations, The Additive Manufacturing and Welding Magazine, Vol. 2, No. 2, 2019

22-19     Hunchul Jeong, Kyungbae Park, Sungjin Baek, and Jungho Cho, Thermal efficiency decision of variable polarity aluminum arc welding through molten pool analysis, International Journal of Heat and Mass Transfer, Vol. 138, pp. 729-737, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.04.089

07-19   Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Numerical analysis of arc driving forces and temperature distribution in pulsed TIG welding, Journal of the Brazilian Society of Mechanical Sciences and Engineering, Vol. 41, No. 60, 2019. doi.org/10.1007/s40430-018-1563-0

04-19   Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, Vol. 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009

03-19   Dongsheng Wu, Anh Van Nguyen, Shinichi Tashiro, Xueming Hua and Manabu Tanaka, Elucidation of the weld pool convection and keyhole formation mechanism in the keyhold plasma arc welding, International Journal of Heat and Mass Transfer, Vol. 131, pp. 920-931, 2019. doi.org/10.1016/j.ijheatmasstransfer.2018.11.108

97-18   Wentao Yan, Ya Qian, Wenjun Ge, Stephen Lin, Wing Kam Liu, Feng Lin, Gregory J. Wagner, Meso-scale modeling of multiple-layer fabrication process in Selective Electron Beam Melting: Inter-layer/track voids formation, Materials & Design, 2018. doi.org/10.1016/j.matdes.2017.12.031

84-18   Bo Cheng, Xiaobai Li, Charles Tuffile, Alexander Ilin, Hannes Willeck and Udo Hartel, Multi-physics modeling of single track scanning in selective laser melting: Powder compaction effect, Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium, pp. 1887-1902, 2018.

81-18 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka and Akihiko Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing, Vol. 26, pp. 202-214, 2019. doi.org/10.1016/j.addma.2018.12.002

77-18   Jun Du and Zhengying Wei, Numerical investigation of thermocapillary-induced deposited shape in fused-coating additive manufacturing process of aluminum alloy, Journal of Physics Communications, Vol. 2, No. 11, 2018. doi.org/10.1088/2399-6528/aaedc7

76-18   Yu Xiang, Shuzhe Zhang, Zhengying We, Junfeng Li, Pei Wei, Zhen Chen, Lixiang Yang and Lihao Jiang, Forming and defect analysis for single track scanning in selective laser melting of Ti6Al4V, Applied Physics A, 124:685, 2018. doi.org/10.1007/s00339-018-2056-9

74-18   Paree Allu, CFD simulations for laser welding of Al Alloys, Proceedings, Die Casting Congress & Exposition, Indianapolis, IN, October 15-17, 2018.

72-18   Hunchul Jeong, Kyungbae Park, Sungjin Baek, Dong-Yoon Kim, Moon-Jin Kang and Jungho Cho, Three-dimensional numerical analysis of weld pool in GMAW with fillet joint, International Journal of Precision Engineering and Manufacturing, Vol. 19, No. 8, pp. 1171-1177, 2018. doi.org/10.1007/s12541-018-0138-4

60-18   R.W. Geng, J. Du, Z.Y. Wei and G.X. Zhao, An adaptive-domain-growth method for phase field simulation of dendrite growth in arc preheated fused-coating additive manufacturing, IOP Conference Series: Journal of Physics: Conference Series 1063, 012077, 2018. doi.org/10.1088/1742-6596/1063/1/012077

59-18   Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Coupling analysis of molten pool during fused coating process with arc preheating, IOP Conference Series: Journal of Physics: Conference Series 1063, 012076, 2018. doi.org/10.1088/1742-6596/1063/1/012076 (Available at http://iopscience.iop.org/article/10.1088/1742-6596/1063/1/012076/pdf and in shared drive)

58-18   Siyuan Xu, Zhengying Wei, Jun Du, Guangxi Zhao and Wei Liu, Numerical simulation and analysis of metal fused coating forming, IOP Conference Series: Journal of Physics: Conference Series 1063, 012075, 2018. doi.org/10.1088/1742-6596/1063/1/012075

55-18   Jason Cheon, Jin-Young Yoon, Cheolhee Kim and Suck-Joo Na, A study on transient flow characteristic in friction stir welding with realtime interface tracking by direct surface calculation, Journal of Materials Processing Tech., vol. 255, pp. 621-634, 2018.

54-18   V. Sukhotskiy, P. Vishnoi, I. H. Karampelas, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic drop-on-demand liquid metal additive manufacturing: System overview and modeling, Proceedings of the 5th International Conference of Fluid Flow, Heat and Mass Transfer, Niagara Falls, Canada, June 7 – 9, 2018; Paper no. 155, 2018. doi.org/10.11159/ffhmt18.155

52-18   Michael Hilbinger, Claudia Stadelmann, Matthias List and Robert F. Singer, Temconex® – Kontinuierliche Pulverextrusion: Verbessertes Verständnis mit Hilfe der numerischen Simulation, Hochleistungsmetalle und Prozesse für den Leichtbau der Zukunft, Tagungsband 10. Ranshofener Leichtmetalltage, 13-14 Juni 2018, Linz, pp. 175-186, 2018.

38-18   Zhen Chen, Yu Xiang, Zhengying Wei, Pei Wei, Bingheng Lu, Lijuan Zhang and Jun Du, Thermal dynamic behavior during selective laser melting of K418 superalloy: numerical simulation and experimental verification, Applied Physics A, vol. 124, pp. 313, 2018. doi.org/10.1007/s00339-018-1737-8

19-18   Chenxiao Zhu, Jason Cheon, Xinhua Tang, Suck-Joo Na, and Haichao Cui, Molten pool behaviors and their influences on welding defects in narrow gap GMAW of 5083 Al-alloy, International Journal of Heat and Mass Transfer, vol. 126:A, pp.1206-1221, 2018. doi.org/10.1016/j.ijheatmasstransfer.2018.05.132

16-18   P. Schneider, V. Sukhotskiy, T. Siskar, L. Christie and I.H. Karampelas, Additive Manufacturing of Microfluidic Components via Wax Extrusion, Biotech, Biomaterials and Biomedical TechConnect Briefs, vol. 3, pp. 162 – 165, 2018.

09-18   The Furlani Research Group, Magnetohydrodynamic Liquid Metal 3D Printing, Department of Chemical and Biological Engineering, © University at Buffalo, May 2018.

08-18   Benjamin Himmel, Dominik Rumschöttel and Wolfram Volk, Thermal process simulation of droplet based metal printing with aluminium, Production Engineering, March 2018 © German Academic Society for Production Engineering (WGP) 2018.

07-18   Yu-Che Wu, Cheng-Hung San, Chih-Hsiang Chang, Huey-Jiuan Lin, Raed Marwan, Shuhei Baba and Weng-Sing Hwang, Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation, Journal of Materials Processing Tech. 254 (2018) 72–78.

60-17   Pei Wei, Zhengying Wei, Zhen Chen, Yuyang He and Jun Du, Thermal behavior in single track during selective laser melting of AlSi10Mg powder, Applied Physics A: Materials Science & Processing, 123:604, 2017. doi.org/10.1007/z00339-017-1194-9

51-17   Koichi Ishizaka, Keijiro Saitoh, Eisaku Ito, Masanori Yuri, and Junichiro Masada, Key Technologies for 1700°C Class Ultra High Temperature Gas Turbine, Mitsubishi Heavy Industries Technical Review, vol. 54, no. 3, 2017.

49-17   Yu-Che Wu, Weng-Sing Hwang, Cheng-Hung San, Chih-Hsiang Chang and Huey-Jiuan Lin, Parametric study of surface morphology for selective laser melting on Ti6Al4V powder bed with numerical and experimental methods, International Journal of Material Forming, © Springer-Verlag France SAS, part of Springer Nature 2017. doi.org/10.1007/s12289-017-1391-2.

37-17   V. Sukhotskiy, I. H. Karampelas, G. Garg, A. Verma, M. Tong, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic Drop-on-Demand Liquid Metal 3D Printing, Solid Freeform Fabrication 2017: Proceedings of the 28th Annual International Solid Freeform Fabrication Symposium – An Additive Manufacturing Conference

15-17   I.H. Karampelas, S. Vader, Z. Vader, V. Sukhotskiy, A. Verma, G. Garg, M. Tong and E.P. Furlani, Drop-on-Demand 3D Metal Printing, Informatics, Electronics and Microsystems TechConnect Briefs 2017, Vol. 4

14-17   Jason Cheon and Suck-Joo Na, Prediction of welding residual stress with real-time phase transformation by CFD thermal analysis, International Journal of Mechanical Sciences 131–132 (2017) 37–51.

91-16   Y. S. Lee and D. F. Farson, Surface tension-powered build dimension control in laser additive manufacturing process, Int J Adv Manuf Technol (2016) 85:1035–1044, doi.org/10.1007/s00170-015-7974-5.

84-16   Runqi Lin, Hui-ping Wang, Fenggui Lu, Joshua Solomon, Blair E. Carlson, Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys, International Journal of Heat and Mass Transfer 108 (2017) 244–256, Available online December 2016.

68-16   Dongsheng Wu, Xueming Hua, Dingjian Ye and Fang Li, Understanding of humping formation and suppression mechanisms using the numerical simulation, International Journal of Heat and Mass Transfer, Volume 104, January 2017, Pages 634–643, Published online 2016.

39-16   Chien-Hsun Wang, Ho-Lin Tsai, Yu-Che Wu and Weng-Sing Hwang, Investigation of molten metal droplet deposition and solidification for 3D printing techniques, IOP Publishing, J. Micromech. Microeng. 26 (2016) 095012 (14pp), doi: 10.1088/0960-1317/26/9/095012, July 8, 2016

29-16   Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Advances in Magnetohydrodynamic Liquid Metal Jet Printing, Nanotech 2016 Conference & Expo, May 22-25, Washington, DC.

26-16   Y.S. Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, S2214-8604(16)30087-2, doi.org/10.1016/j.addma.2016.05.003, ADDMA 86.

123-15   Koji Tsukimoto, Masashi Kitamura, Shuji Tanigawa, Sachio Shimohata, and Masahiko Mega, Laser welding repair for single crystal blades, Proceedings of International Gas Turbine Congress, pp. 1354-1358, 2015.

122-15   Y.S. Lee, W. Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing, Proceedings, 26th Solid Freeform Fabrication Symposium, Austin, Texas, 2015. 

116-15   Yousub Lee, Simulation of Laser Additive Manufacturing and its Applications, Ph.D. Thesis: Graduate Program in Welding Engineering, The Ohio State University, 2015, Copyright by Yousub Lee 2015

103-15   Ligang Wu, Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, CFD Simulations of GMA Welding of Horizontal Fillet Joints based on Coordinate Rotation of Arc Models, Journal of Materials Processing Technology, Available online December 29, 2015

96-15   Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, Thermal metallurgical analysis of GMA welded AH36 steel using CFD – FEM framework, Materials & Design, Volume 91, February 5 2016, Pages 230-241, published online November 2015

86-15   Yousub Lee and Dave F. Farson, Simulation of transport phenomena and melt pool shape for multiple layer additive manufacturing, J. Laser Appl. 28, 012006 (2016). doi: 10.2351/1.4935711, published online 2015.

63-15   Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Magnetohydrodynamic Liquid Metal Jet Printing, TechConnect World Innovation Conference & Expo, Washington, D.C., June 14-17, 2015

46-15   Adwaith Gupta, 3D Printing Multi-Material, Single Printhead Simulation, Advanced Qualification of Additive Manufacturing Materials Workshop, July 20 – 21, 2015, Santa Fe, NM

25-15   Dae-Won Cho and Suck-Joo Na, Molten pool behaviors for second pass V-groove GMAW, International Journal of Heat and Mass Transfer 88 (2015) 945–956.

21-15   Jungho Cho, Dave F. Farson, Kendall J. Hollis and John O. Milewski, Numerical analysis of weld pool oscillation in laser welding, Journal of Mechanical Science and Technology 29 (4) (2015) 1715~1722, www.springerlink.com/content/1738-494x, doi.org/10.1007/s12206-015-0344-2.

82-14  Yousub Lee, Mark Nordin, Sudarsanam Suresh Babu, and Dave F. Farson, Effect of Fluid Convection on Dendrite Arm Spacing in Laser Deposition, Metallurgical and Materials Transactions B, August 2014, Volume 45, Issue 4, pp 1520-1529

59-14   Y.S. Lee, M. Nordin, S.S. Babu, and D.F. Farson, Influence of Fluid Convection on Weld Pool Formation in Laser Cladding, Welding Research/ August 2014, VOL. 93

18-14  L.J. Zhang, J.X. Zhang, A. Gumenyuk, M. Rethmeier, and S.J. Na, Numerical simulation of full penetration laser welding of thick steel plate with high power high brightness laser, Journal of Materials Processing Technology (2014), doi.org/10.1016/j.jmatprotec.2014.03.016.

36-13  Dae-Won Cho,Woo-Hyun Song, Min-Hyun Cho, and Suck-Joo Na, Analysis of Submerged Arc Welding Process by Three-Dimensional Computational Fluid Dynamics Simulations, Journal of Materials Processing Technology, 2013. doi.org/10.1016/j.jmatprotec.2013.06.017

12-13 D.W. Cho, S.J. Na, M.H. Cho, J.S. Lee, A study on V-groove GMAW for various welding positions, Journal of Materials Processing Technology, April 2013, doi.org/10.1016/j.jmatprotec.2013.02.015.

01-13  Dae-Won Cho & Suck-Joo Na & Min-Hyun Cho & Jong-Sub Lee, Simulations of weld pool dynamics in V-groove GTA and GMA welding, Weld World, doi.org/10.1007/s40194-012-0017-z, © International Institute of Welding 2013.

63-12  D.W. Cho, S.H. Lee, S.J. Na, Characterization of welding arc and weld pool formation in vacuum gas hollow tungsten arc welding, Journal of Materials Processing Technology, doi.org/10.1016/j.jmatprotec.2012.09.024, September 2012.

77-10  Lim, Y. C.; Yu, X.; Cho, J. H.; et al., Effect of magnetic stirring on grain structure refinement Part 1-Autogenous nickel alloy welds, Science and Technology of Welding and Joining, Volume: 15 Issue: 7, Pages: 583-589, doi.org/10.1179/136217110X12720264008277, October 2010

18-10 K Saida, H Ohnishi, K Nishimoto, Fluxless laser brazing of aluminium alloy to galvanized steel using a tandem beam–dissimilar laser brazing of aluminium alloy and steels, Welding International, 2010

58-09  Cho, Jung-Ho; Farson, Dave F.; Milewski, John O.; et al., Weld pool flows during initial stages of keyhole formation in laser welding, Journal of Physics D-Applied Physics, Volume: 42 Issue: 17 Article Number: 175502 ; doi.org/10.1088/0022-3727/42/17/175502, September 2009

57-09  Lim, Y. C.; Farson, D. F.; Cho, M. H.; et al., Stationary GMAW-P weld metal deposit spreading, Science and Technology of Welding and Joining, Volume: 14 Issue: 7 ;Pages: 626-635, doi.org/10.1179/136217109X441173, October 2009

1-09 J.-H. Cho and S.-J. Na, Three-Dimensional Analysis of Molten Pool in GMA-Laser Hybrid Welding, Welding Journal, February 2009, Vol. 88

52-07   Huey-Jiuan Lin and Wei-Kuo Chang, Design of a sheet forming apparatus for overflow fusion process by numerical simulation, Journal of Non-Crystalline Solids 353 (2007) 2817–2825.

50-07  Cho, Min Hyun; Farson, Dave F., Understanding bead hump formation in gas metal arc welding using a numerical simulation, Metallurgical and Mateials Transactions B-Process Metallurgy and Materials Processing Science, Volume: 38, Issue: 2, Pages: 305-319, doi.org/10.1007/s11663-007-9034-5, April 2007

49-07  Cho, M. H.; Farson, D. F., Simulation study of a hybrid process for the prevention of weld bead hump formation, Welding Journal Volume: 86, Issue: 9, Pages: 253S-262S, September 2007

48-07  Cho, M. H.; Farson, D. F.; Lim, Y. C.; et al., Hybrid laser/arc welding process for controlling bead profile, Science and Technology of Welding and Joining, Volume: 12 Issue: 8, Pages: 677-688, doi.org/10.1179/174329307X236878, November 2007

47-07   Min Hyun Cho, Dave F. Farson, Understanding Bead Hump Formation in Gas Metal Arc Welding Using a Numerical Simulation, Metallurgical and Materials Transactions B, Volume 38, Issue 2, pp 305-319, April 2007

36-06  Cho, M. H.; Lim, Y. C.; Farson, D. F., Simulation of weld pool dynamics in the stationary pulsed gas metal arc welding process and final weld shape, Welding Journal, Volume: 85 Issue: 12, Pages: 271S-283S, December 2006

FLOW-3D World Users Conference 2023

Home

What's New in FLOW-3D 2025R1
What's New in FLOW-3D 2025R1
New discrete element method (DEM) model
Read More
FLOW-3D WELD
FLOW-3D WELD
New unified user interface, New process templates, Improved Reflection model,...
Read More
FLOW-3D AM
FLOW-3D AM
Improved reflection model, Improved heat source integration, Particle-particle interactions...
Read More
What's New in FLOW-3D CAST 2025R1
What's New in FLOW-3D CAST 2025R1
better quality, efficiency and precision in complex non-ferrous castings, Improved valve model
Read More
What's New in FLOW-3D HYDRO 2025R1
What's New in FLOW-3D HYDRO 2025R1
New discrete element method (DEM) model
Read More
What's New in FLOW-3D CAST 2025R1
What's New in FLOW-3D POST 2025R1
Pathtracing improvements, History data calculator, EXODUS file format improvements
Read More

FLOW-3D 는 세계에서 가장 어려운 CFD문제를 해결하는 소프트웨어로, 3차원 자유표면 해석 분야에서 널리 사용되는 최적의 수치해석 소프트웨어 입니다. 특히 자유표면(자유수면)을 가진 유동흐름을 정확하게 예측하는 분야에서는 타의 추종을 불허하는 정확성을 자랑합니다.

FLOW-3D 는 핵폭탄 개발 프로젝트로 유명한 미국 국립 연구소 LANL(LosAlamos National Laboratory)의 허트(C. W. Hirt) 박사가 새로운 자유표면 추적기법(free surface tracking method)인 VOF(Volume ofFluid) 방법을 연구 개발한 후, 수 많은 유동현상에 대한 물리 모델을 추가하고 성능을 개선하여, 설계 및 운영단계에서 사용되면서 엔지니어에게 귀중한 통찰력을 제공하는 세계적인 CFD 소프트웨어 입니다.

FLOW-3D 는 정확한 자유표면 추적, 압축성/비압축성 유동, 층류/난류, 열전달(전도, 대류, 복사), 점성발열, 상변화(응고,증발)/공동현상, 표면장력, 다상유동, 물질확산, 자연대류/밀도류, 뉴턴/비뉴턴유체, 틱소트로피, 다공성매질, 가속도계/관성계, 입자추적, 전기섭동/전기삼투압/주울발열, 열모세관현상 등 수많은 물리 모델을 제공합니다.

수치해석과 관련하여 궁금하신 사항은 언제든지 부담없이 문의 해주십시오.
감사합니다.

신규소식 및 기술자료

📣 FLOW-3D 공식 LinkedIn 채널 OPEN!

복잡한 유동 현상을 정밀하게 해석하는 CFD 소프트웨어,
FLOW-3D의 공식 채널이 드디어 오픈했습니다!

이곳에서 앞으로
🔹 산업별 시뮬레이션 사례
🔹 실무 중심의 해석 팁
🔹 웨비나 및 교육 소식
등 다양한 콘텐츠를 공유드릴 예정입니다.

💡 FLOW-3D가 실제 현장에서 어떻게 활용되고 있는지 궁금하신가요?
💬 최신 유체해석 트렌드와 정보를 받고 싶으신가요?

👉 지금 바로 팔로우하시고,
실제 설계에 도움이 되는 인사이트를 받아보세요!

[Linkedin 방문 링크]

FLOW-3D WELD/AM 웨비나

FLOW-3D WELD/AM

FLOW-3D WELD/AM 웨비나를 2025.09.26. (금) 15:00~16:00에 진행하였습니다.

참석에 감사드립니다.

대한기계학회 창립 80주년 기념 학술대회 참가

2025년 12월 10일(수) ~ 13일(토), 하이원 그랜드호텔 컨벤션타워에서 개최하는 대한기계학회 창립 80주년 기념 학술대회에 참가하였습니다.
많은 관심 감사드립니다.

FLOW-3D European Users Conference 2026

FLOW-3D European Users Conference가 2026년 6월 15일부터 17일까지 사흘간 독일 뒤셀도르프의 Steigenberger Icon Parkhotel 에서 개최될 예정입니다.
자세한 안내는 상세 페이지에서 알려드립니다.
많은 참석 부탁드립니다.

상세 페이지
FLOW-3D HYDRO Workshops

FLOW-3D HYDRO Workshops
Register for a FLOW-3D HYDRO workshop

Civil & Environmental Consultants, Inc.

Knoxville, TN

Host a FLOW-3D HYDRO Local Workshop 

CUSTOMER 추천 평가

FLOW-3D는 오늘날 복잡한 자유 표면 및 제한된 흐름 문제를 분석하는 데 사용할 수 있는 가장 강력한 도구 중 하나입니다. 사용하기 쉬운 모델링 인터페이스를 제공하며 지난 15년 이상 제가 작업한 수력 발전, 환경, 수자원 및 처리 관련 프로젝트의 설계에 필수적인 도구였습니다. Flow Science의 기술 지원 팀과 개발자는 함께 작업하기 쉽고, 조언을 제공하고, 코드의 잠재적 개선 사항에 대한 사용자의 의견을 듣고, 발생하는 문제를 신속하게 해결하고자 합니다. Flow Science의 전체 팀은 함께 일하기에 훌륭했고 모든 엔지니어에게 훌륭한 자원입니다.

FLOW-3D is one of the most powerful tools available to analyze complex free surface and confined flow problems out there today. It provides an easy-to-use modeling interface and has been an integral tool in the design of hydroelectric, environmental, water resource and treatment related projects I’ve worked on over the last 15+ years. Flow Science’s technical support team and developers are easy to work with and are eager to provide advice, hear input from its users on potential enhancements to the code as well as quickly resolving issues that arise. The entire team at Flow Science have been great to work with and are a great resource to all engineers.
Justin Bartels
Senior Hydraulic Engineer, Stantec
FLOW-3D CAST는 우리의 품질 프로그램에 엄청난 자산이었습니다. 6가지 주조 시뮬레이션 소프트웨어를 평가한 후 Howell Foundry는 FLOW-3D CAST를 구매하기로 결정했습니다. 이 결정의 일부 요인에는 설정 다양성, 비용 및 가장 중요한 시뮬레이션의 현실 정확도가 포함됩니다. 업데이트된 결과 뷰어와 결합된 FLOW-3D CAST 의 강력한 시뮬레이션 기능은 가장 복잡한 작업에서 특히 첫 번째 타설에서 고품질 주조를 보장하는 데 도움이 되었습니다.

FLOW-3D CAST has been a tremendous asset to our quality program. After having evaluated six different casting simulation software, Howell Foundry made the decision to purchase FLOW-3D CAST. Some of the factors in this decision include its setup versatility, cost, and most importantly its accuracy of the simulation to reality. FLOW-3D CAST’s powerful simulation ability coupled with its updated results viewer has been especially helpful on our most complex jobs to make sure we have a quality casting on the first pour.
Joe HuttoVice President of Operations, Howell Foundry
우리는 FLOW-3D를 사용하여 지난 20년 동안 많은 소모성 발사체 시스템에 대한 추진제 슬로시 및 풀스루 시뮬레이션을 개발했습니다. 보다 최근에는 Flow Science 지원 직원이 차량 기동으로 인한 ullage collapse effects를 포착하기 위해 극저온 추진제 탱크 시뮬레이션에 열 전달을 추가하는 데 중요한 역할을 했습니다.

We have used FLOW-3D to develop propellant slosh and pull-through simulations for a number of expendable launch vehicle systems over the last 20 years. More recently, the Flow Science support staff has been instrumental in helping us add heat transfer to cryogenic propellant tank simulations in order to capture ullage collapse effects due to vehicle maneuvers.
John Mishic
NASA
저는 연구 및 산업 응용 분야에서 유체 흐름 문제를 해결하는 데 15년 이상 FLOW-3D를 사용해 왔습니다 . 우리는 강 및 해안 구조물, 수처리 장치, 댐, 여수로, 깊은 터널 및 CSO 전환 구조물의 설계에 이 소프트웨어를 광범위하게 사용합니다. FLOW-3D는 수치 솔버 기술, 클라우드 컴퓨팅, 전처리 및 후처리 도구의 최신 기술을 통합하여 고객에게 상당한 시간과 비용을 절감합니다. FLOW-3D 영업 및 기술 지원 팀은 훌륭합니다!

I have used FLOW-3D for over 15 years solving fluid flow problems in research and industrial applications. We use the software extensively in the design of river and coastal structures, water treatment units, dams, spillways, deep tunnels, and CSO diversion structures. FLOW-3D integrates state of the art in numerical solver techniques, cloud computing, pre- and post-processing tools resulting in substantial time and cost savings to our clients. FLOW-3D sales and technical support teams are excellent!
Yovanni Cataño-LoperaPrincipal Hydraulics Engineer, Dewberry
FLOW-3D 는 다른 소프트웨어로 시각화하거나 정량화하기 어려운 복잡한 유압 문제에 대한 통찰력을 제공하는 정교한 도구입니다. 정교함에도 불구하고 소프트웨어는 매우 사용자 친화적이며 Flow Science는 훌륭한 문서와 기술 지원을 제공합니다. FLOW-3D 모델 에서 얻은 결과는고객과 사내 비모델러 모두에게 깊은 인상을 남겼습니다.
 
FLOW-3D is a sophisticated tool that provides insight into complex hydraulic problems that would be difficult to visualize or quantify with other software. Despite the sophistication, the software is very user friendly, and Flow Science provide great documentation and technical support. The results we have obtained from our FLOW-3D models have impressed both our clients and non-modelers in-house.
Michael Hross
Kleinschmidt
4C-Technologies에서 우리는 거의 35년 동안 다양한 소프트웨어 흐름 시뮬레이션 솔루션을 사용하는 선구자였습니다. 다양한 금속 합금으로 주조된 HPDC 부품에서 부품 설계 및 도구/러너 설계를 최적화합니다. 2008년부터 우리는 FLOW-3D를 사용하여 지금까지 최고의 정확도를 제공하는 것으로 나타났습니다. 또한 FLOW-3D 팀 의 지원은 탁월합니다.

At 4C-Technologies we have been pioneers in using various software flow simulation solutions for nearly 35 years. We optimize part designs and tool/runner designs on casted HPDC parts in various metal alloys. Since 2008 we have solely been using FLOW-3D as it turned out to give by far the best accuracy. Furthermore, the support from the FLOW-3D team is outstanding.
Lars F. Hansen 4C-Technologies
20년 이상 FLOW-3D 와 함께 CFD 분석을 사용하면서 우리의 신뢰 수준은 이제 일반 연구 목적 및 최종 설계 응용 프로그램에 CFD 모델링을 사용하는 데 확신을 가질 정도로 높아졌습니다. 이 소프트웨어는 개념적 세부 사항과 구성을 신속하게 변경할 수 있는 유연성을 제공하여 설계를 단계적으로 진행할 수 있도록 합니다.

From using CFD analysis with FLOW-3D for over twenty years, our level of trust has increased to the point that we are now confident in using CFD modeling for general study purposes and final design applications. The software gives us flexibility to quickly change conceptual details and configurations allowing the design to advance in stages.
Efrem Teklemariam
Manitoba Hydro
우리는 FLOW-3D AM을 사용하여 기초 과학의 경계를 발전시켜 왔습니다 . FLOW-3D AM은 다중 합금 3D 프린팅 중 복잡한 현상을 지배하는 물리학에 대한 우리의 가설을 테스트하는 훌륭한 도구였습니다. FLOW-3D AM은 우리가 열 프로필의 진화와 관련된 물질 전달 및 복잡한 적층 구조에서 열 응력의 발달을 이해하는 데 도움이 되었습니다.

We have been using FLOW-3D AM to advance the boundaries of fundamental science. FLOW-3D AM has been a great tool to test our hypotheses about the physics governing complex phenomena during multi-alloy 3D printing. FLOW-3D AM has helped us understand the evolution of thermal profiles and the associated mass transport and development of thermal stresses in complicated additively-built structures.
Ali Tabei, PhD
Oregon State University
FLOW-3D 는 많은 응용 프로그램이 있는 강력한 도구입니다. 우리는 FLOW-3D를 사용하여 물 전환 구조의 흐름과 수력을 효과적으로 해결했습니다. 우리는 또한 제안된 물고기 통로를 통한 물 흐름을 모델링했습니다. 우리는 정확성, 계산 속도, 특히 사용자 친화적인 GUI에 깊은 인상을 받았습니다. 그리고 우리 고객들은 모델 출력과 포스트 프로세서에 의해 생성된 애니메이션에 깊은 인상을 받았습니다. 우리는 또한 매우 반응이 좋은 지원 직원에게 감사합니다.

FLOW-3D is a powerful tool with many applications. We used FLOW-3D to effectively resolve flow through and hydraulic forces on a water diversion structure. We also modeled water flow through a proposed fish passage. We have been impressed with the accuracy, computational speed, and especially the user friendly GUI. And, our clients have been impressed with the model output, as well as, animations created by the post-processer. We are also appreciative of the highly responsive support staff.
Christopher Siverd
Coastal Engineer, Moffatt & Nichol
수년에 걸쳐 FLOW-3D는 기존의 유압 모델링 도구로는 해결하기 매우 어려웠을 복잡한 유압 문제를 해결하는 데 도움을 주었습니다. 우리는 FLOW-3D 팀에게 매우 감사합니다 . 그들은 수년에 걸쳐 지속적으로 소프트웨어를 개선해 왔으며 우리의 요구에 매우 신속하게 대응해 왔습니다.

Over the years, FLOW-3D has helped us solve complex hydraulic problems that would have otherwise been very difficult to solve with conventional hydraulic modeling tools. We are very thankful to the team at FLOW-3D. They have constantly been making the software better over the years, and have been very responsive to our needs.
Benjamin Israel Devadason
Senior Hydrologic and Hydraulic Project Engineer, Gannett Fleming, Inc.
FLOW-3D 는 당사의 우주 공학 연구 및 개발 프로세스에서 필수적인 도구입니다. FLOW-3D는 극저온 연료 역학의 프로세스를 더 잘 이해하여 질량을 줄이고 발사기 성능을 향상시키는데 도움이 됩니다.

FLOW-3D is an essential tool in our space engineering research & development process. FLOW-3D helps us better understand processes in cryogenic fuel dynamics, leading to savings in mass and improved launcher performance.
Dr. Marco Scharringhausen
German Aerospace Center e.V.
FLOW-3D CAST는 CASTMAN, Inc의 제품 개발 및 품질 확보에 매우 큰 도움을 주었습니다. FLOW-3D를 한국에 독점 공급하는 (주)에스티아이씨앤디의 수치해석 컨설팅팀과 협업을 통해 제품 개발 시 FLOW-3D 주조 시뮬레이션을 통해 기술적인 여러 어려움이 있는 제품 개발에 모두 성공하였습니다. 이는 개발 비용, 기술적인 어려움, 개발 기간 및 가장 중요한 시뮬레이션의 정확도가 포함됩니다. FLOW-3D CAST 의 강력한 시뮬레이션 기능은 가장 복잡한 작업에서 고품질 주조를 보장하는 데 도움이 되었습니다.

김동균 Director of Operations, CASTMAN, Inc

News

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 ...
자세한 내용 보기
/ AMD, cast, FLOW-3D, user conference, 공지사항, 이벤트
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 ...
자세한 내용 보기
/ 3D프린팅, FLOW-3D, weld, 공지사항, 수치해석, 용접

기술자료

Fig. 3 — X-ray radiography film of sample no. 4 & 9.

그레이-다구치 방법을 이용한 용가재 없는 듀플렉스 스테인리스강 TIG 용접 공정 파라미터 최적화

그레이-다구치 방법을 이용한 용가재 없는 듀플렉스 스테인리스강 TIG 용접 공정 파라미터 최적화 Optimization of process parameters of TIG welding of ...
더 보기
/ TIG용접, Welding, 스테인리스강, 용접 논문, 최적화
Fig. 1 Reliability Plots of RSM Predicted Versus Observed Values of (a) Brinell Hardness Number, (b) Heat Input, (c) Cooling Rate, (d) Preheat Temperature, and (e) Amount of Diffusible Hydrogen.

반응 표면 분석법을 이용한 텅스텐 불활성 가스 용접 공정 변수의 최적화

반응 표면 분석법을 이용한 텅스텐 불활성 가스 용접 공정 변수의 최적화 Optimization of the Tungsten Inert Gas Process Parameters using ...
더 보기
/ Welding, 가스, 용접, 용접 논문, 텅스텐
Fig. 4 Comparison of corrosion properties between 329LD and 316L for slurry pipes in regional power plants

산업설비용 2상 스테인리스강 개발 동향 및 용접성 기술 보고서

산업설비용 2상 스테인리스강 개발 동향 및 용접성 기술 보고서 Development Trends of Duplex Stainless Steels for the Process Industries and ...
더 보기
/ STS, wedling, 상변화, 용접 논문, 접합
Figure C10b: Microstructure of PM Al indicating the grain measurements (x400)

5754 알루미늄 합금과 C11000 구리 간의 이종 마찰 교반 용접 특성 분석

5754 알루미늄 합금과 C11000 구리 간의 이종 마찰 교반 용접 특성 분석 CHARACTERISATION OF DISSIMILAR FRICTION STIR WELDS BETWEEN 5754 ...
더 보기
/ Welding, 마찰교반용접, 용접, 용접 논문, 이종용접
Figure 3. Mold shape and flow pass change.

금속 압력 제어 시스템을 이용한 사형 프레스 주조

금속 압력 제어 시스템을 이용한 사형 프레스 주조 Sand Mold Press Casting with Metal Pressure Control System 본 보고서는 사형 ...
더 보기
/ Casting, 수치해석, 압력주조, 주조, 주조 논문
Figure 2 Physical model of horizontal centrifugal casting

Al-Cu 합금의 원심 주조를 위한 미세조직 및 열간 균열 민감도 시뮬레이션과 매개변수 최적화

Al-Cu 합금의 원심 주조를 위한 미세조직 및 열간 균열 민감도 시뮬레이션과 매개변수 최적화 Microstructure and hot tearing sensitivity simulation and ...
더 보기
/ Casting, 변형, 주조, 주조 논문, 합금
Fig. 4(a) 1.6mm 직경와이어, 싱글 용접

후판 Al 5083 합금의 GMA 용접에서 보호가스 조성 및 용접변수에 따른 용접성 평가

후판 Al 5083 합금의 GMA 용접에서 보호가스 조성 및 용접변수에 따른 용접성 평가 Effects of Shielding Gas Compositions and Welding ...
더 보기
/ TechnicalNote, Welding, 보호가스, 아크 용접, 용접
Figure 1: Schematic of friction stir welding.

알루미늄 합금 마찰 교반 용접 겹치기 이음부의 기계적 특성 최적화

알루미늄 합금 마찰 교반 용접 겹치기 이음부의 기계적 특성 최적화 Mechanical Properties Optimization of Friction Stir Welded Lap Joints in ...
더 보기
/ FSW, wedling, 마찰용접, 알루미늄, 용접, 용접 논문
Fig. 3: First mode shape amplitude at pier locations of bridge system due to varying levels of stiffness loss as a result of scour at Pier 3 (60 m point).

직접 기초 다경간 교량의 모드 형상 기반 세굴 모니터링 기법에 대한 실험적 실증

직접 기초 다경간 교량의 모드 형상 기반 세굴 모니터링 기법에 대한 실험적 실증 Experimental demonstration of a mode shape-based scour ...
더 보기
/ scouring, 교각, 세굴, 수자원, 수자원/수처리 논문
Figure 2,3 Illustration of furnace operation before and after upgrading

다이캐스팅 공장의 알루미늄 용해로에 대한 엑서지 분석 및 효율 평가

다이캐스팅 공장의 알루미늄 용해로에 대한 엑서지 분석 및 효율 평가 Exergy analysis and efficiency evaluation for an aluminium melting furnace ...
더 보기
/ Casting, 알루미늄, 용융로, 주조, 주조 논문
Figure 2. SEM analysis of physico- chemical soldering: (a) back scattered electron image (b) X-ray mapping of Al.

다이캐스팅의 미세 균열 및 금형 침식 분석

다이캐스팅의 미세 균열 및 금형 침식 분석 Analysis of Micro Cracks and Die Erosion in Die Casting 본 보고서는 고압 ...
더 보기
/ Casting, 금형결함, 알루미늄, 주조, 주조 논문
Figure-9, Macrograph of the weld Joint

이종 강재 용접을 위한 GMAW 공정의 매개변수 최적화

이종 강재 용접을 위한 GMAW 공정의 매개변수 최적화 Parameter Optimizations of GMAW Process for Dissimilar Steels Welding 본 연구는 철도 ...
더 보기
/ GMAW, 용접, 용접 논문, 이종용접, 인장강도
FIGURE 9. Optical images of the microstructure of AISI 1020 high manganese alloy.

SAW로 용접된 AISI 1020 합금 이음매의 인장 강도 및 피크 온도 최적화에 미치는 용접 매개변수의 영향

SAW로 용접된 AISI 1020 합금 이음매의 인장 강도 및 피크 온도 최적화에 미치는 용접 매개변수의 영향 Influence of Welding Parameters ...
더 보기
/ CFD, Welding, 미세구조, 용접, 용접 논문
Fig. 3. Casting pores in AlSi7Mg observed by metallography

X-선 컴퓨터 단층 촬영 및 금속 조직학을 이용한 주조 기공 특성 분석

X-선 컴퓨터 단층 촬영 및 금속 조직학을 이용한 주조 기공 특성 분석 CASTING PORE CHARACTERIZATION BY X-RAY COMPUTED TOMOGRAPHY AND ...
더 보기
/ Casting, 미세기포, 사형주조, 주조 논문, 합금주조
Fig. 6 Weld profiles under different welding current at welding speed of 300mm/min (a) 40mA; (b) 50mA; (c) 60mA

진공 롤 클래딩 공정에서 AISI P20 공구강의 온도 및 응력장에 미치는 전자빔 용접 매개변수의 영향

진공 롤 클래딩 공정에서 AISI P20 공구강의 온도 및 응력장에 미치는 전자빔 용접 매개변수의 영향 Effect of Electron Beam Welding ...
더 보기
/ Welding, 균열, 알루미늄, 용접, 용접 논문
Figure 5. (a) Electron backscatter diffraction (EBSD) orientation map, (b) grain boundary misorientation angles, (c) {100}, {110} and {111} pole figures of the alloy in the heat-tread condition

열처리된 다이캐스트 Al-Mg-Si 기반 알루미늄 합금의 반복 변형 거동

열처리된 다이캐스트 Al-Mg-Si 기반 알루미늄 합금의 반복 변형 거동 Cyclic Deformation Behavior of A Heat-Treated Die-Cast Al-Mg-Si-Based Aluminum Alloy 본 ...
더 보기
/ cast, 알루미늄, 열처리, 주조, 주조 논문
Figure 1 Examples for the assessment of the weld quality a) cross-section 1,0 b) cross-section 0,0 c) upper bead 1,0 d) upper bead 0,0

진공 상태에서의 구리 레이저 빔 용접을 통한 공정 한계 확장

진공 상태에서의 구리 레이저 빔 용접을 통한 공정 한계 확장 Laser beam welding of copper under vacuum to extend the ...
더 보기
/ Welding, 구리, 용접, 용접 논문, 진공용접
Fig. 3 Welding testing (a) Tensile test samples; (b) Rockwell hardness instrument

상용강의 인장 강도에 미치는 그루브 형상의 영향 연구

상용강의 인장 강도에 미치는 그루브 형상의 영향 연구 Investigation into the Impact of Groove Shape on the Tensile Strength of ...
더 보기
/ GMAW, 강재, 용접, 용접 논문
Figure 2. Simples schematic of joint design

저탄소강 283 G.C의 인장 강도에 미치는 용접 공정 매개변수의 영향

저탄소강 283 G.C의 인장 강도에 미치는 용접 공정 매개변수의 영향 EFFECT OF WELDING PROCESS PARAMETERS ON TENSILE OF LOW CARBON ...
더 보기
/ Welding, 용접, 용접 논문, 저탄소강, 최적화
Fig. 5 Crack of ADC12 die casting.

ADC12 알루미늄 합금 다이캐스팅의 냉간 균열 판정 기준

ADC12 알루미늄 합금 다이캐스팅의 냉간 균열 판정 기준 Cold Crack Criterion for ADC12 Aluminum Alloy Die Casting 본 연구는 자동차 ...
더 보기
/ cast, 냉각, 알루미늄, 주조, 주조 논문
용접 비드의 경도 측정 위치(HAZ 및 FZ) 모식도

저탄소강 상의 마르텐사이트계 스테인리스강 클레이딩을 위한 펄스 FCAW: 미세조직, 경도 및 잔류 응력 분석

저탄소강 상의 마르텐사이트계 스테인리스강 클레이딩을 위한 펄스 FCAW: 미세조직, 경도 및 잔류 응력 분석 Pulsed FCAW of Martensitic Stainless Clads ...
더 보기
/ Welding, 강도, 용접, 용접 논문, 응력
Figure 2. Final precipitate size and morphologies predicted from multiscale simulations elucidating the differences that can be expected in high temperature precipitate homogeneous and heterogeneous nucleation and growth in Al-Cu alloys. Reproduced with permission from Ref. [8].

기계적 특성을 위한 합금 설계: 길이 스케일의 정복

기계적 특성을 위한 합금 설계: 길이 스케일의 정복 Alloy Design for Mechanical Properties: Conquering the Length Scales 본 보고서는 원자 ...
더 보기
/ cast, 기타 논문, 다상합금, 주조, 핵성장
Figure 1. SEM micrographs of (a) TiH2 and (b) Al particles.

TiH2 및 Al 분말 혼합물의 비수계 겔 캐스팅을 이용한 다공성 TiAl 합금 제조 연구

TiH2 및 Al 분말 혼합물의 비수계 겔 캐스팅을 이용한 다공성 TiAl 합금 제조 연구 Study on the Fabrication of Porous ...
더 보기
/ cast, 겔 캐스팅, 미세구조, 주조, 주조 논문
Figure 8. Optical microscopy images of Source D. (a) oxide bifilm in between the dendrites (b) pores.

A356 알루미늄 합금 주조의 허용 품질 한계 결정: 공급업체 품질 지수(SQI)

A356 알루미늄 합금 주조의 허용 품질 한계 결정: 공급업체 품질 지수(SQI) Determination of Acceptable Quality Limit for Casting of A356 ...
더 보기
/ cast, 알루미늄, 주조, 주조 논문, 품질
Figure 3 (a) IPF map of BM, and (b) HAGBs and IQ map in BM

FSSWed TRIP 강재 접합부의 미세조직 및 기계적 특성에 미치는 온도, 변형률 및 변형률 속도의 영향에 관한 유한요소 및 실험적 연구

FSSWed TRIP 강재 접합부의 미세조직 및 기계적 특성에 미치는 온도, 변형률 및 변형률 속도의 영향에 관한 유한요소 및 실험적 연구 ...
더 보기
/ FSSW, 구조해석, 용접, 용접 논문, 철
FIG. 1. Surface morphology of the arc melted, DAM, sample and detail (inset) of dendrite structure observed at grains (a); of the induction melted, DIM, sample (b), and of the ribbon, R, sample (c).

아크 및 유도 용해와 평면 유동 주조로 제작된 Co2FeAl 호이스러 합금의 미세구조 및 자성 비교 연구

아크 및 유도 용해와 평면 유동 주조로 제작된 Co2FeAl 호이스러 합금의 미세구조 및 자성 비교 연구 Microstructure and magnetism of ...
더 보기
/ 미세구조, 아크용접, 용접, 용접 논문, 호이스러 합금
Figure 1. a) Sketch of the pier-caisson system considered in this study; b) Top view of a local scour hole, with the contour lines indicating the depth – values are normalized with respect to the maximum depth (after [9]).

국부 세굴 상태의 이상화된 교각 고유진동수 수치 예측

국부 세굴 상태의 이상화된 교각 고유진동수 수치 예측 Numerical prediction of the eigenfrequencies of an idealized bridge pier under local ...
더 보기
/ CFD, 세굴, 수자원, 수자원/수처리 논문, 유체
Fig. 11. SADP (top), BF (middle), and WBDF (bottom) images of β-phase matrix with 𝑍𝑍≈[011]𝛽𝛽 zone axis for an area with accumulated dose ranging 7 to11 dpa under RT, increasing from bottom-right to top-left. The WBDF images were taken by selecting a diffraction spot indicated by a yellow cycle in each DP.

β-상 기질 내 ω-상 전구체로 인한 저온 Ti-6Al-4V 합금의 이중 상 조사 거동 대조 연구

β-상 기질 내 ω-상 전구체로 인한 저온 Ti-6Al-4V 합금의 이중 상 조사 거동 대조 연구 Contrasting Irradiation Behavior of Dual ...
더 보기
/ 기타 논문, 미세구조, 손상, 합금
Figure 1. a schematic of the sample, wire, and flux during submerged arc welding

요인 설계법을 이용한 잠호 용접(SAW) 공정 변수 최적화

요인 설계법을 이용한 잠호 용접(SAW) 공정 변수 최적화 Optimization Process Parameters of Submerged Arc Welding Using Factorial Design Approach 본 ...
더 보기
/ weld, 용접, 용접 논문, 최적화
Figure 7. Cast produced for different sprue height above the critical drop height: (a) 450mm sprue height (b) 400mm sprue height. The critical drop height is 377mm.

중력 사구 주조에서 알루미늄 합금(AL-91% Mg-8% Fe-0.4% Zn-0.2%)의 임계 낙하 높이 및 임계 유속 결정

중력 사구 주조에서 알루미늄 합금(AL-91% Mg-8% Fe-0.4% Zn-0.2%)의 임계 낙하 높이 및 임계 유속 결정 Determination of the critical drop ...
더 보기
/ cast, 알루미늄, 주조, 주조 논문, 중력주조
Figure 2. Porosity content for samples taken from Reduced Pressure Test (RPT) under partial vacuum; (a) without degassing; (b) with degassing tablet; and (c) degassed with high-shear melt conditioning

폐자동차 스크랩 유래 알루미늄 주조 합금의 고전단 탈가스 및 탈철 공정 연구

폐자동차 스크랩 유래 알루미늄 주조 합금의 고전단 탈가스 및 탈철 공정 연구 High-Shear De-Gassing and De-Ironing of an Aluminum Casting ...
더 보기
/ cast, 알루미늄, 주조, 주조 논문, 탈가스
Figure 7. TIF diagram display. (a) TIF diagram after positioning display processing, (b) TIF diagram after noise filtering, (c) TIF diagram after threshold segmentation processing.

결함 시각화에 기반한 알루미늄 합금의 멀티스케일 손상 진화 분석

결함 시각화에 기반한 알루미늄 합금의 멀티스케일 손상 진화 분석 Multiscale Damage Evolution Analysis of Aluminum Alloy Based on Defect Visualization ...
더 보기
/ 구조역학, 기타 논문, 시뮬레이션, 알루미늄, 피로
Fig. 2: 주조 및 압연된 시편의 제2상 입자 SEM 이미지 (표면, 1/4 지점, 중심부)

고속 쌍롤 주조로 제조된 A356 합금 스트립의 냉간 압연 및 고용화 처리에 따른 미세조직과 연신율 이방성

고속 쌍롤 주조로 제조된 A356 합금 스트립의 냉간 압연 및 고용화 처리에 따른 미세조직과 연신율 이방성 Microstructure and Elongation Anisotropy ...
더 보기
/ cast, 미세구조, 알루미늄, 주조, 주조 논문
FIGURE 4. Expansion test on cup B

SLS 및 진공 다이캐스팅을 이용한 환자 맞춤형 유연 실리콘 임플란트 개발

SLS 및 진공 다이캐스팅을 이용한 환자 맞춤형 유연 실리콘 임플란트 개발 Developing a Patient Individualized Flexible Silicone Implant using SLS ...
더 보기
/ cast, 다이캐스팅, 실리콘, 주조, 주조 논문
Figure 20. Scour depth of interaction of two piers; (A) square collar of dimension 24×24 cm on bed level; (B) triple collar of dimension 24×24 cm

교량 교각의 세굴 제어를 위한 최적 설계

교량 교각의 세굴 제어를 위한 최적 설계 Optimum Design for Controlling the Scouring on Bridge Piers 본 연구는 교량 붕괴의 ...
더 보기
/ CFD, Fluid, scouring, 세굴, 수자원/수처리 논문, 유체
Fig. 1　Arc-melted and solidified Mo-Si-B-TiC alloy: (a) whole view showing the designation of the samples for microstructure observations, (b)–(d) illustration for the preparation of the samples cut from the ingot.

용해 및 틸트 주조법으로 제조된 Mo-Si-B-TiC 합금의 미세조직 정량적 평가

용해 및 틸트 주조법으로 제조된 Mo-Si-B-TiC 합금의 미세조직 정량적 평가 Quantitative Evaluation of Microstructure in Mo-Si-B-TiC Alloy Produced by Melting ...
더 보기
/ cast, 미세조직, 주조, 주조 논문, 합금
Figure 7. Microsection of a clinch joint. (A) punch-side HCT590X, die-side AlSi9 (2.0 mm), (B) punch-side HCT590X, die-side AlSi9 (3 mm), (C) punch-side AlSi9 (2.0 mm), die-side HCT590X, (D) punch-side AlSi9 (3.0 mm), die-side HCT590X

사형 주조 시 응고 속도가 주조 알루미늄 합금의 기계적 접합성에 미치는 영향

사형 주조 시 응고 속도가 주조 알루미늄 합금의 기계적 접합성에 미치는 영향 Effect of Solidification Rates at Sand Casting on ...
더 보기
/ cast, 사형주조, 알루미늄, 응고, 주조 논문
Figure 10. Representative micrographs of selected composite after wear test under 15-N normal load, 4.69 m/s sliding velocity and 1500 m sliding distance of (a) A-1, 0 wt.% MD; (b) A-2, 1.5 wt.% MD; (c) A-3, 3 wt.% MD; (d) A-4, 4.5 wt.% MD; (e) A-5, 6 wt.% MD reinforced composites.

대리석 분말 강화 구리 기반 합금(C93200) 복합재의 진공 환경 교반 주조 개발 및 평가

대리석 분말 강화 구리 기반 합금(C93200) 복합재의 진공 환경 교반 주조 개발 및 평가 Evaluation of Copper-Based Alloy (C93200) Composites ...
더 보기
/ 주조 논문
Fig. 4—Optical microscopy illustrating the parent, HAZ and TMAZ zones measured from (a) Weld 2, (b) Weld 3, (c) Weld 4, (d) Weld 5.

Ti-6Al-4V 관성 마찰 용접부의 열영향부 및 열기계적 영향부 모델링

Ti-6Al-4V 관성 마찰 용접부의 열영향부 및 열기계적 영향부 모델링 Modeling of the Heat-Affected and Thermomechanically Affected Zones in a Ti-6Al-4V ...
더 보기
/ weld, 마찰용접, 용접, 용접 논문, 티타늄
그림 4: 사각 단면 가공물의 침하 공정에 대한 물리적 실험 결과 ($Pb, t=20^\circ C$)

체적 단조에서 변형 역계산을 통한 가공물 형상 결정 방법론 연구

체적 단조에서 변형 역계산을 통한 가공물 형상 결정 방법론 연구 VERSION OF THE DETERMINATION WORKPIECE FORMS IN THE DIE FORGING ...
더 보기
/ cast, 기타 논문, 단조, 변형해석
Fig. 7. Results of die casting fluidity test; (a) Schematic of die cast specimens, (b) flow length.

고압 다이캐스팅용 알루미늄 합금의 열전도성 및 주조성에 미치는 첨가원소의 영향

고압 다이캐스팅용 알루미늄 합금의 열전도성 및 주조성에 미치는 첨가원소의 영향 Effect of Alloying Elements on the Thermal Conductivity and Casting ...
더 보기
/ FLOW-3D, 가스, 열전달, 응고, 주조, 주조 논문
Figure 2. SEM images of segregated Mo-based coarse particles: (a) clusters of Mo-rich polygonal particles observed in 0.1 Mo, (b) elongated and fragmented Mo-based phases found in 0.3 Mo casting probably deriving from (c) Mo-based needles contained in the Al–Mo10 master alloy; (d–f) corresponding EDS spectra [6].

A354 (Al–Si–Cu–Mg) 주조 합금에 대한 Mo 첨가: 상온 및 고온에서의 미세조직 및 기계적 특성에 미치는 영향

A354 (Al–Si–Cu–Mg) 주조 합금에 대한 Mo 첨가: 상온 및 고온에서의 미세조직 및 기계적 특성에 미치는 영향 Mo Addition to the ...
더 보기
/ cast, FLOW-3D, Particles, 가스, 주조, 주조 논문
Figure 6. (a) Scour pattern around the 110-mm bridge pier for D50 = 0.470 mm type under open for the highest flow discharge. (b) Scour pattern around the 110-mm bridge pier for D 50 = 0.470 mm type under smooth for the highest flow discharge. (c) Scour patterns around the 110-mm bridge pier for D 50 = 0.470 mm type under rough for the highest flow discharge.

얼음으로 덮인 흐름 조건에서 병렬 교각 주변의 국부 세굴에 관한 실험적 연구

얼음으로 덮인 흐름 조건에서 병렬 교각 주변의 국부 세굴에 관한 실험적 연구 Experimental Study of Local Scour around Side-by-Side Bridge ...
더 보기
/ FLOW-3D, Hydraulic, ink, 수자원/수처리 논문, 유체, 음파
Fig. 1. Caster layout and typical defects in continuously cast products.

연속 주조 중 결함 형성 모델링을 위한 유동, 열전달 및 응고의 역할을 이해하기 위한 핵심 윤활 개념

연속 주조 중 결함 형성 모델링을 위한 유동, 열전달 및 응고의 역할을 이해하기 위한 핵심 윤활 개념 Key Lubrication Concepts ...
더 보기
/ Heat Transfer, Mould, 가스, 열전달, 유체, 주조 논문
Static temperature

컴프레서 하우징 다이캐스팅 공정의 온도 결함 분석

컴프레서 하우징 다이캐스팅 공정의 온도 결함 분석 Temperature Defects on Compressor Housing Die Casting Method 본 연구는 고압 다이캐스팅(HPDC) 공정에서 ...
더 보기
/ Air Entrapment, FLOW-3D, 성능 향상, 열전달, 유체, 주조 논문
FIG. 9: Temperature variations of the total thermal conductivity κ, lattice thermal conductivity κL, and electronic thermal conductivity κe for Ru2NbAl at H = 0.

반금속성 Ru2NbAl 호이슬러 합금의 강자성 상관 클러스터 연구

반금속성 Ru2NbAl 호이슬러 합금의 강자성 상관 클러스터 연구 Ferromagnetically correlated clusters in semi-metallic Ru2NbAl Heusler alloy 본 연구는 VEC(원자가 전자 ...
더 보기
/ FLOW-3D, 기화, 전하, 주조, 주조 논문, 질량
Figure 2. Illustration of boundary conditions for the finite element model; (a) conventional die casting die, (b) lightweight design die; see Table 1 for notes on 1–8.

모듈형 설계 방식을 이용한 경량 다이캐스팅 금형에 관한 기초 연구

모듈형 설계 방식을 이용한 경량 다이캐스팅 금형에 관한 기초 연구 AN INITIAL STUDY OF A LIGHTWEIGHT DIE CASTING DIE USING ...
더 보기
/ cast, FLOW-3D, 열전달, 주조, 주조 논문, 질량
Figure 2. As-cast microstructures of AZ91D: (a,c) non-treated samples; (b,d) US treated samples

AZ91D 마그네슘 합금의 정적 및 동적 기계적 거동에 미치는 초음파 처리의 영향

AZ91D 마그네슘 합금의 정적 및 동적 기계적 거동에 미치는 초음파 처리의 영향 Effect of Ultrasonic Treatment in the Static and ...
더 보기
/ FLOW-3D, Wave, 가스, 웨이브, 음파, 주조 논문
Figure 1 Ceramic shell composition close to magnesium alloy

SF6 및 3M NOVEC 612 보호 가스를 이용한 정밀 주조 시 마그네슘 합금 AZ91E의 주형-금속 반응 연구

SF6 및 3M NOVEC 612 보호 가스를 이용한 정밀 주조 시 마그네슘 합금 AZ91E의 주형-금속 반응 연구 MOLD METAL REACTIONS ...
더 보기
/ cast, FLOW-3D, 가스, 주조, 주조 논문, 코팅
Figure 11: Effect of voltage and current on the tensile strength.

반응 표면 분석법을 이용한 가스 텅스텐 아크 용접 연강의 용접 강도 특성 최적화

반응 표면 분석법을 이용한 가스 텅스텐 아크 용접 연강의 용접 강도 특성 최적화 OPTIMIZATION OF WELD STRENGTH PROPERTIES OF TUNGSTEN ...
더 보기
/ FLOW-3D, intel, Optimization, weld, 가스, 용접 논문
 

전체 기술자료로 바로가기

Integration of CFD Analysis into Die-Cast Process Design

Integration of CFD Analysis into Die-Cast Process Design

This article was contributed by Alex Reikher, Ph.D., of Shiloh Industries

 

오늘날의 조직은 오래되고, 잘 구축되었으며, 빠르게 성장하는 새로운 경제로부터 점점 더 많은 압박을 받고 있습니다. 시장의 세계화는 기업들이 그들의 경쟁 우위를 유지하기 위한 방안을 찾고 있습니다. 인터넷 기술의 급격한 발전과 자유로운 정보 교환은 기업이 경쟁 우위를 유지할 수 있는 기간을 단축하는 요인들입니다. 조직이 업계에서 선두 자리를 유지할 수 있는 방법 중 하나는 혁신기술을 시장에 도입하는데 필요한 시간을 줄이는 것입니다. 다이캐스팅 공정 개발 시간 단축이라는 목표를 가지고, FLOW-3D로 모델링하는 것은 Shiloh Industries의 엔지니어링 부서의 핵심 부분이 되었습니다.

우리는 7년이 넘게 다이캐스팅 모델링 도구인 FLOW-3D를 사용하여 예측 결과의 정확성과 신뢰성을 입증할 수 있었습니다. 이러한 결과는 실제 주조 결함, 온도 분포 및 흐름 패턴과 좋은 상관 관계를 가지고 있습니다.

Shiloh Industries의 새로운 프로젝트는 게이트와 러너의 컨셉개발에서 시작되며 대략적인 slow shot profile, shot 실린더 직경, 최소 환기 영역 및 프로세스압력 요구 조건사항이 필요합니다. 유동분석은 최상의 유동패턴을 개발하고 공기 유입을 최소화하기 위해 수행됩니다. 러너설계가 완료된 후 열 분석을 실행하여 waterline 배치를 최적화합니다

Figure 1: The casting part

FLOW-3D의 매력적인 특징은 프로세스의 단계마다 별도의 분석을 실행할 수 있는 기능입니다. 이를 통해 올바른 shot 프로파일, 게이트 디자인 및 워터 라인 위치를 선택할 수 있습니다. 완전히 결합된 흐름과 열 분석은 모든 구성 요소가 잘 작동하는지 확인하기 위해 한번만 수행하면 됩니다. GMO(움직이는 물체)모델을 도입하면 저속 촬영단계에서 샷 슬리브의 최고 플런저 속도를 설정할 수 있습니다. 여기에 설명된 프로젝트에서 부품 설계는 현재 생산 버전에서 크게 변경되었습니다.

부품 형상은 그림 1에 나와 있습니다. 요구되는 주조 품질을 보장하기 위해 충전 및 응고 과정에서 어려움이 있습니다. 예를 들어, 응고 및 후속 냉각 중에 높은 내부 응력이 발생하여 바람직하지 않은 변형력이 발생할 수 있습니다.

설계 프로세스의 초기 단계에서 평가를 위해 21 개의 러너 구성이 제안되었습니다. FLOW-3D는 모든 변형을 평가하는데 사용되었습니다. 그림 2는 고려된 주 디자인 중 일부를 보여줍니다.

Figure 2: Three of the twenty-one runner systems modeled in FLOW-3D

러너 시스템의 초기 평가 기준은 유동패턴이었습니다. 설계 프로세스의 첫 번째 단계가 완료된 후, 추가 평가를 위해 그림 3에 표시된 두 가지의 러너 설계가 추가평가를 위해 채택되었습니다.

Figure 3: Runners selected for further evaluation based on the flow pattern 

응고 분석은 두 번째 단계에서 평가하였습니다. 주조물뿐만 아니라 다이의 온도 분포도 분석하였습니다. 그림 4는 최종 러너 시스템 설계를 하여 응고가 끝날 때 부품의 온도 분포를 보여줍니다.

Figure 4: Different views of the final runner system chosen based on temperature distribution in the part at the end of solidification

Conclusion

7년이 넘는 기간 동안 우리는 다이 캐스팅공정 도구인 FLOW-3D를 사용하여 예측 결과의 정확성과 신뢰성을 입증할 수 있었습니다. 이러한 결과는 실제 주조 결함, 온도 분포 및 흐름 패턴과 좋은 상관 관계를 가지고 있습니다.

우리는 다이 캐스팅 공정 시뮬레이션뿐만 아니라 일반적인 CFD 모델링도 FLOW-3D를 사용하고 있습니다. 프로세스 개발 중에 설계 변경을 고객에게 권장해야 하는 경우 FLOW-3D를 사용하면 이러한 변경 사항을 신속하고 안정적으로 평가할 수 있으며 제안된 변경 사항뿐만 아니라 변경사항이 부품 성능에 미칠 영향을 고객에게 제시할 수 있습니다.

 

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast

Turbulent Dispersion Modeling of Environmental Discharges

Turbulent Dispersion Modeling of Environmental Discharges

 

This article was contributed by Daniel Valero, FH Aachen, winner of Flow Science’s 35th Anniversary Simulation Contest.

환경적 배출 및 유출 구조는 전통적으로 복잡하고 비용 집약적이며 시간이 많이 소요되는 실험 연구를 통해 설계되었습니다. 일체형 접근 방식에 기초한 일부 모델은 제한 사항에도 불구하고 일반적으로 사용되지만 오염 물질 재투입 또는 강한 역효과를 초래하는 방출은 그러한 모델의 가설 밖에 있습니다. 따라서 오염 물질 확산을 위해 전체 3D모델을 사용하면 강과 강 어귀의 실제 오염 물질 분산에 대한 이해를 향상시킬 수 있습니다. 마찬가지로 전체 환경 수질 및 생물학적 조건을 개선하기 위해 경계면의 제트를 모델링과 다른 위치점을 테스트할 수 있다.

본 연구에서는 제트방전을 실험적 및 수치적으로 모델링 합니다. 그리고 전단 영역에서 난류분산의 추정치를 얻을 수 있습니다. 난류 모델링의 경우 k-ε RNG 모델은 자유표면 추적을 위한 VOF방법과 함께 사용됩니다. 난류 운송의 적절한 모델링을 보장하는 오염물질 유도를 위해 단일상태의 2차 압력식이 사용됩니다. 업스트림흐름은 제트를 변형하여 재순환이 일어나는 측면 groin필드로 미는 것이 관찰됩니다. FLOW-3D와 함께 물리적 인 모델링은 난류의 슈미트 수를 얻는데 사용되며, 이것은 강과 같은 유사한 오염 물질 분산 문제에 대해 FLOW-3D에서 사용될 수 있습니다. 경계가 있는 제트는 통계적으로 안정된 최종 솔루션의 경우에도 비정상적인 동작을 보여줍니다. 시각화를 쉽게 하기위해 오염 물질이 도달하는 범위를 나타내는 두 개의 등 농도면 (적색)과 (투명 흰색)이 표시됩니다. 결과적으로, 백색 iso-concentration 표면은 붉은 입자보다 더 큰 분산을 보여 주며, 후자는 첫 번째 표면 내에 완전히 포함되어있다. 이러한 경계의 선택은 실험실에서 사용되는 것과 유사한 방식으로 오염 물질 분산을 가시화 할 수 있게 해줍니다. 격자 간격은 실험 모델에서와 같이 5cm로 설정됩니다. 자연 환경에서 볼 수 있듯이, 제트 배출은 난기류이며 일시적인 평균화와 같은 몇 가지 후 처리 작업이 필요합니다.

수치 모델은 전단영역에서의 제트궤도와 충동에 대해 정확히 재현합니다. 전단 영역에서 흐르는 진동의 주파수는 groin 필드의 전반적인 재순환역학과 관련된 실험모델과 일치합니다. 시뮬레이션을 사용하여 이 흐름 구성에 적합한 슈미트 번호를 결정하고 난류 분산을 정확하게 포착할 수 있습니다.

수치해석 용역 실적

FLOW-3D Case Studies
FLOW-3D Case Studies

수행 실적

주식회사 에스티아이씨앤디의 수치해석 컨설팅 수행회사 입니다. 아래 회사 목록은 많은 회사로부터 기술개발 및 수치해석 컨설팅을 의뢰받아 수행한 회사입니다.

한국수자원공사 ,도화종합기술공사 ,한국수자원공사 ,대우건설 ,도화종합, 삼안건설, 한국종합개발기술공사 ,도화종합, 삼안건설기술공사 ,삼안건설기술공사 ,한국시설안전관리공단 ,한국종합엔지니어링 ,현대엔지니어링 ,SK건설 ,선진엔지니어링 ,엘지건설 ,한국동서발전주식회사 ,한국종합기술개발공사 ,벽산엔지니어링 ,부강테크(GS건설) ,신우엔지니어링 ,유신코퍼레이션 ,한화건설 ,항도엔지니어링(포스코건설) ,(주)삼안 ,건화엔지니어링 ,삼성건설 ,한국전력기술 ,한국지질자원연구원 ,대림기업(주) ,에스케이건설 ,엘지전자 ,포스코 ,한국생산기술연구원 ,한국시설안전기술공단 ,한수테크니컬서비스 ,현대자동차 ,제이슨기술단 ,(주)바셈 ,계룡건설산업 ,(주)건화 ,(주)대우건설 ,(주)도화종합기술공사 ,(주)엔지비 ,(주)유신 ,태영건설 ,도화 ,매탈젠텍(POSCO) ,매탈젠텍(RIST) ,이산 ,코다코(캐스트맨 매출) ,현대기아기술연구소 ,현대제철 ,태성종합기술 ,선진ENG ,그레넥스 ,엔바이로솔루션 ,기아차 ,농어촌공사(충남도본부 예산지사) ,농어촌공사(충남도본부) ,지자체(수원시) ,지자체(전남공흥군) ,해피콜 ,HMK ,국민대학교 ,대림산업 ,도화엔지니어링 ,삼진정밀 ,오투엔비 ,한국건설기술연구원 ,해안해양기술 ,E&H컨설턴트 ,GS칼텍스 ,서울시립대학교 ,선일엔바이로 ,알이디 ,오투앤비 ,전남대학교 ,제이에스테크 ,한국농어촌공사 ,그린텍환경컨설팅 ,제일테크 ,창원대학교(ADD) ,한국종합기술 ,한국항공우주연구원 ,GS건설 ,유신 ,두산중공업 ,세메스 ,(재)포항산업과학연구원 ,(주)그린텍환경컨설팅 ,LG전자(평택) ,LG전자(창원)

 수리/수자원 분야
01 교량 설치에 따른 하천흐름 및 세굴영향 검토
컨설팅내용
  • 교량 설치로 인한 3차원 모형의 수리영향 검토
  • 세굴방지공 설치로 교량의 수리적 안정성 확보
필요데이터
  • 교각 3차원 형상 또는 도면
  • 하천 수심측량 자료 및 수치지형도
  • 하천 상/하류 홍수위 및 홍수량
해석방법
  • 하천의 유동해석 수행 후 최고유속에 해당하는 교각 선정
  • 선정교각 대상을 중심으로 세굴 모형 적용
결과물
  • 하천 유동흐름, 수위분석
  • 평형세굴심 도달시간
  • 최대세굴심 및 최대퇴적고 등
02 댐체 월류 시 수리/수문 구조적 안정성 검토
컨설팅내용
  • 상류 댐 붕괴 시 급격한 방류로 인하여 하류 댐에 미치는 영향을 검토하기 위해 댐체 월류 시 수리/수문 구조적 안정성검토
필요데이터
  • 공도교 및 수문 구조물 상세 도면
  • 하천 수심측량자료 및 주변 수치지형도
  • 하천 상/하류 홍수위 및 홍수량
해석방법
  • 상류 댐 붕괴시 홍수위/홍수량 정보입력
  • 구조물/수문 분리 후 취약한 수문 선정
  • 수문 구조해석 및 Total 힘 분석
결과물
  • 수문/구조물 받는 힘 분석
  • 굥도교 월류 여부 및 수위/유속 분포
  • 방류량 및 구조물 부압 등
 수처리 분야
01 정수처리시설 구조물 최적설계
컨설팅내용
  • 정수시설 구조물에 대한 유동, 유량, 압력, 온도분포 분석
  • 수처리과정에 발생하는 현상분석
필요데이터
  • 정수시설 구조물의 제원
  • 분배수로, 침전지 등 도면 및 3D CAD 자료
  • 초기 수위데이터 등
해석방법
  • 정수시설 구조물의 경계조건 설정
  • 형상에 따른 유동흐름 및 유량 등 초기조건 
결과물
  • 정수시설물에 작용하는 압력분포 확인
  • 유동 유입에 따른 유동양상, 유량, 유속데이터 분석
  • 온도변화에 따른 유동 및 침전효율 분석

02 하수처리시설 방류량 및 유동양상 분석
컨설팅내용
  • 토출수조의 수위 및 유동현상검토
  • 각 방류 Box의 방류유량분포 및 유속분석 
필요데이터
  • 구조물관련 설계도면 자료
  • 전체 모형 작성 및 지형데이터
  • 유체 유입량, 초기 수위관련 자료
해석방법
  • 시설 구조물에 따른 경계조건 설정
  • 초기 수위조건 및 유동현상 등 조건 확인
결과물
  • 토출 수조의 수위량 및 유동흐름
  • 유동 유입에 따른 유량, 유속데이터 분석
  • 구조물 단면의 유량흐름 데이터
 
 주조 분야
01 수축 결함최소화를 위한 주조해석
컨설팅내용
  • 주조 시 산화물 혼입방지 설계
  • 조립부 수축결함 최소화 
필요데이터
  • Frame형상 제원
  • 금형, 형상 도면자료 및 3D CAD자료
  • 초기 용탕 주입시간, 충진속도, 온도 등의 데이터
해석방법
  • 금형형상에 따른 주조해석 경계조건 설정
  • 초기 조건설정에 따른 파라미터분석
결과물
  • 충진시 산화물발생 위치 및 수축공 발생 위치
  • Solidification 확인, 결함부 현상분석
  • Gate, Runner 위치 최적화
         
02 금형 최적설계를 위한 주조해석
컨설팅내용
  • 충진 온도유지 및 제품 결함 최소화를 위한 최적설계
필요데이터
  • 금형관련 제원
  • 금형, 형상 도면자료 및 3D CAD자료
  • 초기 주조 공정조건 데이터
해석방법
  • 금형형상에 맞는 Runner, Gate 모델링
  • 용탕온도, 속도, 압력 등 조건에 따른 제품 최적설계
결과물
  • 충진시 압력분포 및 산화물 발생 위치분석
  • Solid Fraction, Solidification 등 현상분석
  • 결함부위 최소화를 위한 Gate, Runner 위치 최적화
 코팅 분야
01 Nozzle 분사를 이용한 Slit Coating 해석
컨설팅내용
  • 표면 Coating에 적합한 Nozzle 형상 설계
  • Coating 구동조건 및 압력분포 분석
필요데이터
  • 초기 Nozzle 형상 제원
  • 형상 도면자료 및 3D CAD자료
  • 초기 Coating 도포현상 및 구동조건 데이터
해석방법
  • Nozzle 구동에 따른 Coating 분석
  • 액상조건에 따른 Coating 도포형상 분석
결과물
  • Nozzle 형상 파라미터에 따른 Coating 현상분석
  • Coating 분포에 따른 높이 균일성 확인
  • 액상 온도에 따른 도포량분석
  
 MEMS 분야
01 연료전지 시스템의 최적설계를 위한 유동해석
컨설팅내용
  • 연료전지 내부형상에 따른 유동장변화 데이터
  • 유량분배에 적절한 최적의 형상조건 설계
필요데이터
  • 초기 형상 도면자료 및 3D CAD자료
  • 연료전지의 구동조건 및 물성조건
  • Actuator의 작동, 토출량, 유동 등의 데이터
해석방법
  • Micro-Channel에서의 유동분배 설정
  • 액체의 특성에 따른 토출조건 확인
결과물
  • Actuator의 속도에 따른 유동량 분석
  • Micro-Channel에서의 유동양상
  • 공동현상 최소화를 위한 최적의 구동조건

컨설팅 형태

컨설팅 형태


일반컨설팅

  • 고객이 당면한 문제를 분석 /검토/협의 후, 가장 적절한 수치해석 방법을 수립합니다.
  • 주로 상호 협의된 설계안 및 해석 조건에 대해 수치해석을 수행하여 결과를 도출 분석, 검토합니다.
  • 설계 변경 인자 및 해석 횟수는 고객과 협의하여 진행합니다. 수치해석 결과를 분석 검토하여 설계에 반영하기 위한 의견을 제시하여 드립니다.


해석 대행

  • 고객사에 해석 프로세스가 정립되어 있는 경우에 대해, 계산 장비와 수치해석 인력을 이용하여 해석 대행 및 해석 결과물을 제출합니다.