초록
자율주행 시스템은 빅데이타를 기반으로 하여 딥러닝 시스템을 기반으로 하고 있으며, 사용되는 데이타는 다양한 센서를 이용하여 수집된다. 그런 센서에 있어서 소형화와 고성능화는 자율주행 시스템 뿐만 아니라 IoT 기반의 다양한 제품에서도 요구되고 있다. 특히, 소형화는 센서의 소형화 뿐만 아니라 센서를 설치하기 위한 기구의 소형화도 동시에 요구하고 있다. 그런 점에서 금속 기구는 센서를 고정하기 위한 가장 좋은 방법을 제시해 주고 있다. 하지만, 소형 센서를 위한 금속 기구 형상을 가공하는 것이 어렵거나, 제작 비용이 높아질 수 있다. 이를 위한 대안으로 본 연구에서는 금속 필라멘트를 기반으로 한 FDM (Fused deposition modeling) 공정을 제시하고, 금속 FDM의 기초가 되는 공정에 대한 연구를 진행하였다. 금속 FDM 공정을 통해서 얻어지는 금속 부품은 탈지-소결의 후 과정을 통해서 만들어진다. 본 연구에서는 출력 시 설정 변수인 내부 채움 비율(Infill rate) 과 소결 공정 후 밀도 사이에 관계를 조사하였다. 이는 내부 채움 비율과 후 처리 이후 얻어지는 시편의 밀도가 다를 수 있음을 기반으로 하고 있으며, 금속 FDM 공정 이후 얻어지는 출력물의 밀도를 높이기 위한 기초 연구로 의미가 크다고 할 수 있다.
An autonomous driving system is based on the deep learning system built by big data which are obtained by various IoT sensors. The miniaturization and high performance of the IoT sensors are needed for diverse devices including the autonomous driving system. Specially, the miniaturization of the sensors leads to compel the miniaturization of the fixer structures. In the viewpoint of the miniaturization, metallic structure is a best solution to attach the small IoT sensors to the main body. However, it is hard to manufacture the small metallic structure with a conventional machining process or manufacturing cost greatly increases. As one of solutions for the problems, in this work, metallic FDM (Fused depositon modeling) based on metallic filament was proposed and the FDM process was investigated to fabricate the small metallic structure. Final part was obtained by the post-process that consists of debinding and sintering. In this work, the relationship between infill rate and the density of the part after the post-process was investigated. The investigation of the relationship is based on the fact that the infill rate and the density obtained from the post-processing is not same. It can be said that this work is a fundamental research to obtain the higher density of the printed part.