[5탄]적층제조(AM) 부품의 신뢰 확보 및 결함 관리 전략

팟빵 팟캐스트로 들어보시려면, ↓↓↓↓ 아래를 눌러주세요.

이 뉴스레터는 총 7회에 걸쳐 연재되는 AM 품질관리 시리즈의 5번째 편입니다.

안녕하세요! 지난 뉴스레터 [4탄] ‘AM 부품 생산의 품질 여정: 설계부터 지속적 모니터링까지’에서는 AM 품질 관리 시스템(QMS)을 기반으로 부품 생산 계획(PPP)을 수립하고, 통계적 공정 관리(SPC)를 통해 이를 검증하는 전략을 소개해드렸어요.

이번에는 그 연장선으로, AM 부품의 신뢰성과 안전성을 제도적으로 확보하는 두 핵심 개념인 **자격부여(Qualification)**와 **인증(Certification)**에 대해 다뤄보려 해요. 단순히 잘 만드는 걸 넘어서, 그 부품이 실제 사용 환경에서 지속적으로 성능을 발휘할 수 있는가를 입증하는 게 중요하니까요. 이 과정을 거쳐야만 AM 기술이 진정한 산업 경쟁력을 갖출 수 있어요.

📌 인증(Certification)의 시작: 자격부여 접근 방식

AM 부품의 자격을 어떻게 평가할 것인가? 크게 세 가지 대표적인 접근 방식이 있어요:

성능 기반 접근: 최종 결과의 품질이 기준이에요. 실제 작동 조건에서의 성능이 입증된다면 방식과 절차는 유연하게 적용될 수 있어요. FDA, FAA 등이 선호하죠.
처방 기반 접근: 미리 정해진 공정과 절차를 따르는 방식이에요. 변화가 적고 일관성이 중요한 분야, 예컨대 NASA, DoD 등에서 자주 쓰여요.
위험 기반 및 혼합형 접근: 위험도에 따라 시험 강도나 인증 절차를 달리하고, 경우에 따라 여러 접근법을 조합하기도 해요.

🛠️ 자격부여(Qualification)를 위한 핵심 준비 사항

장비와 공정에 대한 기술적 이해: AM 기술에 사용되는 다양한 장비(예: 금속 파우더 베드 퓨전, 바인더 제팅, DED 등)의 원리와 작동 방식에 대한 이해는 필수예요. 각 장비가 가진 특성과 그에 따른 출력 품질, 소재 제약, 결함 유형 등을 정확히 파악해야 일관된 결과를 도출할 수 있어요.
공정 변수(온도, 속도, 에너지 등)의 통제 능력: 빌드 챔버의 온도, 레이저 또는 전자빔의 출력, 스캔 속도, 레이어 두께 등 수많은 변수들이 출력 품질에 직접적인 영향을 미쳐요. 이러한 변수들을 안정적으로 설정하고 반복 가능한 수준으로 유지하는 능력이 필요해요. 특히 실시간 센서 데이터 기반의 모니터링과 공정 제어 알고리즘의 적용이 신뢰성을 높이는 데 중요하죠.
QMS 기반의 절차 수립 및 문서화(QPP): 품질 관리 시스템(QMS)에 기반하여 공정 전반에 걸친 작업 절차와 점검 기준을 체계적으로 문서화해야 해요. 이 문서화 과정은 QPP(Qualified Part Plan)로 구체화되며, 이는 부품 생산 전부터 사후 평가까지 모든 활동의 기준이 돼요. 관련 데이터는 추후 문제 발생 시 원인 분석과 품질 회귀에도 사용되죠.
공정 일관성과 반복성 확보: 동일한 장비와 조건에서 언제나 같은 품질의 출력물이 나올 수 있어야 해요. 이를 위해 장비 유지보수 일정, 소재 로트 간 균질성 확보, 환경 조건 통제(습도, 진동 등)까지 포함한 통합 품질 시스템이 작동해야 해요. 반복성을 검증하려면 시편 기반의 반복 시험뿐 아니라 통계적 공정 관리 도구(SPC)도 적극적으로 활용되어야 해요.

이러한 요소들이 충실히 갖추어질 때에만 AM 공정은 외부 인증 기관이나 고객에게 신뢰를 줄 수 있고, 실사용 가능한 수준의 자격 부여가 가능해져요.

⚠️ AM의 고유한 도전 과제

AM 부품은 기존의 절삭 또는 주조 기반 제조 방식과는 전혀 다른 고유한 복잡성을 지녀요. 이 복잡성은 AM 공정의 물리적, 열역학적, 구조적 특성에서 비롯되며, 단순히 3D 프린팅 장비를 작동시키는 수준을 넘어서 시스템적 품질 관리가 요구돼요. 다음은 AM이 갖는 주요 도전 과제들이에요:

자체 생성되는 재료 품질의 불확실성
공정 중 기공, 균열 등 결함 발생 가능성
플랫폼 위치, 레이저 경로 등에 따른 특성 편차
표면 거칠기와 내부 결함의 영향도
시험편과 실제 부품 간 성능 불일치

이러한 복합적인 문제들은 단일 검토 항목이나 장비 튜닝만으로는 제어가 어려워요. 따라서 데이터 기반 공정 분석, 공정 시뮬레이션, 센서 피드백 기반의 실시간 제어, 정밀 테스트 프로토콜 설계 등을 종합적으로 운영해야만 신뢰성 있는 결과를 확보할 수 있어요.

🔬 성능 검증: 테스트와 평가

정적 시험: 항복강도, 인장강도, 연신율, 탄성계수 등 부품의 기본적인 기계적 특성을 측정해요. 재료가 얼마나 버틸 수 있는지, 어느 시점에서 영구 변형이 발생하는지를 확인하는 가장 기초적인 시험이에요. 다양한 출력 방향에서 시험을 진행하면 등방성 여부까지 분석할 수 있어요.
피로 및 파괴 시험: 반복 하중과 극한 하중 조건에서의 성능을 장기간에 걸쳐 확인해요. 피로 수명, 크랙 전파 속도, 임계 균열 크기 등 장기적 내구성을 정량화하는 데 필수적인 시험이에요. 저사이클 피로와 고사이클 피로, 그리고 파괴 인성 시험을 병행해 부품의 구조 안전성을 예측할 수 있어요.
통계적 기준(A-/C-Basis): 다양한 시험 데이터를 통계적으로 처리해 신뢰도 기반의 설계값을 산출해요. A-Basis는 95% 신뢰 수준, C-Basis는 90% 신뢰 수준의 보수적인 재료 특성 값으로 항공우주 등 고신뢰성 산업에서 활용돼요.
빌드 방향별 비교 분석: AM 출력은 방향에 따라 기계적 성능이 다를 수 있어요. 수직, 수평, 대각선 방향으로 출력된 시편들을 비교 분석하면 출력 방향에 따른 이방성을 정량적으로 파악할 수 있어요. 이는 설계 시 약한 방향에 대한 보강이나 공정 조정에 활용돼요.
시뮬레이션 기반 모델 검증: 유한요소해석(FEA), 열-기계 해석 등 시뮬레이션 결과를 실험 데이터와 비교해 모델의 정확도를 검증해요. 검증된 모델은 설계 초기 단계에서 물리적 시험 없이도 성능 예측을 가능하게 하여 개발 기간과 비용을 줄이는 데 도움을 줘요.

정량적 데이터 기반의 검증은 단순한 품질 입증을 넘어, AM 부품의 산업 적용과 인증 설득력을 높이는 핵심 과정이에요. 정확하고 반복 가능한 데이터를 통해, 부품의 신뢰성과 안전성을 과학적으로 설명할 수 있어야 해요.

🏗️ 공정 자격 부여 전략

공정 윈도우(Process Window) 정의: 안정적으로 제품이 나올 수 있는 조건 범위를 단순히 나열하는 것이 아니라, 실험계획법(Design of Experiments, DoE)을 통해 공정 변수 간의 상호작용을 파악하고 통계적으로 검증해요. 예를 들어, 레이저 파워, 스캔 속도, 레이어 두께, 빌드 방향 등 수많은 변수들의 조합을 실험하여 수율, 치수 안정성, 기공률 같은 주요 품질 지표를 기준으로 최적의 공정 윈도우를 설정해요. 이를 통해 공정이 허용 가능한 범위 내에서 안정적으로 작동하도록 만들 수 있어요. 공정 윈도우는 단순한 시작 조건이 아니라, 장기적인 품질 일관성의 출발점이에요.
PFMEA(Process Failure Mode and Effects Analysis): 공정 설계 초기에 각 공정 단계에서 발생할 수 있는 모든 고장 유형을 체계적으로 분석해요. 고장 모드(Failure Mode), 그로 인한 영향(Effects), 발생 가능성(Occurrence), 탐지 가능성(Detection), 그리고 심각도(Severity)를 점수화해 위험 우선순위 수(RPN)를 산출하고, 이 수치를 기준으로 공정 개선 순서를 결정해요. 예를 들어, 파우더 베드의 재료 혼합 불균형으로 인해 기공이 발생할 가능성이 크다면, 이 영역에 대해 보강 설계를 적용하거나 모니터링 센서를 추가해 위험을 줄이는 대응을 마련할 수 있어요. PFMEA는 단발성 작업이 아니라, 제품 또는 공정 변경 시마다 지속적으로 갱신되어야 해요.
기계, 파라미터, 소재 조건의 문서화 및 추적 관리: 공정의 반복성과 검증 가능성을 확보하려면, 관련된 모든 장비 정보(제조사, 기종, 소프트웨어 버전 등), 공정 조건(레이저 출력, 스캔 전략, 챔버 온도 등), 사용된 원자재(로트 번호, 보관 환경, 재사용 여부 등)에 대한 이력을 정밀하게 문서화해야 해요. 이는 QPP(Qualified Part Plan)뿐 아니라 품질 시스템(QMS)에도 통합되어야 하며, MES(Manufacturing Execution System)와 연계되면 실시간 추적성과 데이터 기반 피드백이 가능해져요. 예를 들어, 품질 이상이 발생했을 경우, 해당 빌드의 파라미터 설정값과 소재 이력을 추적해 문제 원인을 빠르게 규명하고 유사 사건을 방지할 수 있어요.

이렇게 공정을 세밀하게 관리하고 분석함으로써 AM 제조는 단순히 시제품을 넘어서, 반복 가능하고 신뢰성 있는 양산 체계로 발전할 수 있어요. 특히 고신뢰성이 요구되는 산업 분야에서는 이러한 체계적인 접근이 부품의 자격 부여와 인증 획득을 위한 기본 전제가 돼요.

🧾 부품 분류와 생산 계획 수립

NASA 630 기준: 응력 및 안전성 중요도에 따라 부품을 분류하고 테스트 범위를 정해요.
PPP(Part Production Plan) → **QPP(Qualified Part Plan)**로 진화:

생산 조건,
테스트 결과,
추적 가능성을 문서화한 계획서예요.

🔍 비파괴 검사(NDE)와 이상 징후 탐지

검사는 단순한 확인 절차가 아니에요. AM 부품은 내부 구조가 복잡하고 결함 발생 가능성도 높기 때문에, 비파괴 검사(NDE)는 문제 발생 전에 조기 탐지를 가능하게 해주는 핵심 도구예요. 이를 통해 사후 문제를 미연에 방지할 수 있으며, 결과적으로 신뢰도 높은 품질 확보가 가능해져요.

주요 비파괴 검사 기법은 다음과 같아요:

X-ray / CT(컴퓨터 단층 촬영): 내부 기공, 용융 부족, 크랙 등의 결함을 고해상도 영상으로 시각화할 수 있어요. 특히 CT는 부품의 전체 내부 구조를 3차원으로 재구성해, 단면 분석이나 형상 비교에 강력한 도구로 사용돼요. 대형 부품에는 제한이 있지만, 정밀 부품에서는 매우 효과적이에요.
초음파 검사(UT): 고주파 음파를 사용해 부품 내부에 존재할 수 있는 결함을 감지해요. 특히 금속 부품에서 층간 융합 불량, 내포물 등을 찾을 수 있으며, 다양한 탐촉자 형태로 깊이별 결함 탐색이 가능해요. 자동화 시스템과 연동하면 대량 부품 검사도 효율적으로 수행할 수 있어요.
침투 탐상 검사(DPT): 표면 균열 탐지에 매우 효과적이에요. 침투액이 결함에 스며든 후 현상제를 도포하여 결함 위치를 시각적으로 확인할 수 있어요. 간단한 장비와 공정으로 수행 가능하다는 점에서 현장 적용성이 좋아요.
와전류 검사(ECT): 금속 표면 근처의 미세한 결함을 빠르게 검출할 수 있어요. 자성/비자성 재료에 따라 코일 설정을 바꾸며 적용하고, 자동화 라인에 적합해요. 특히 열처리 상태, 균열, 이물질 등을 감지할 수 있어요.
계측 기반 측정(Metrology): 설계 대비 실제 출력된 부품의 형상과 치수를 비교 분석해요. 좌표 측정기(CMM)나 광학 스캐너, CT 측정 등 다양한 방식으로 수행돼요. 단순 검증을 넘어, 공정 튜닝과 피드백 루프의 핵심 데이터 소스로 작동해요.
실시간 모니터링(In-situ Monitoring): 센서, 카메라, 적외선, 용융풀 센서 등을 활용해 출력 중 발생하는 이상 패턴을 즉각 감지해요. 공정 중 온도 이상, 레이저 파워 변동, 스캔 오류 등을 실시간으로 확인할 수 있어, 결함이 발생하기 전에 예측 및 대응할 수 있어요. 장기적으로는 AI와 연계한 예측 유지보수 기반으로 진화 중이에요.

✅ 탐지 가능한 이상 징후

기공(Porosity): 미세 기포 또는 빈 공간으로, 피로 수명 감소와 파괴 인성 저하의 주요 원인이에요.
용융 부족(Lack of Fusion): 층간 융합 불량 또는 재료가 충분히 녹지 않아 생기는 결함으로, 내구성과 강도를 심각하게 손상시켜요.
균열(Cracks): 냉각 속도 차이, 응력 집중, 구조 설계 미흡 등으로 생기며, 사용 중 파단의 원인이 돼요.
불균일 밀도(Non-uniform Density): 출력 위치나 공정 변수에 따라 재료 밀도가 고르지 않아, 강도 및 열전도 특성이 불균형해질 수 있어요.
표면 결함(Surface Defects): 거칠기, 마이크로 균열, 스패터 부착물 등으로, 후처리와 조립성에 영향을 줄 수 있어요.
치수 편차(Dimensional Deviations): 설계 기준 대비 실제 출력 부품의 치수 오차로, 기능 불량이나 조립 실패로 이어질 수 있어요.

x-ray 검사 샘플

이러한 데이터를 기반으로 품질을 예측하고 공정을 개선할 수 있어요. 단순한 합격/불합격 판단을 넘어서, 이 정보들은 설계 수정, 공정 최적화, 향후 허용 기준 설정 등 다양한 품질 전략의 출발점이 돼요.

🧯 결함 수용 기준

모든 결함이 제품 폐기를 의미하지는 않아요:

Defect-Free 기준: 안전성 우선 부품에는 결함 허용 불가
Defect-Tolerant 기준: 저위험 부품의 경우, 감지 가능한 범위 내 결함 허용 가능

수용 기준은 구조 해석, 검사 정밀도, 결함 영향 분석 등을 종합해 결정돼요.

🛫 실제 사례와 표준화 동향

항공우주 분야: NASA, Boeing, GE Aviation 등은 AM 기술을 이용해 엔진 연소기, 브래킷, 열교환기 등 고성능 부품을 제조하고 있어요. 특히 NASA는 액체 로켓 엔진의 인젝터 부품을 AM으로 제작해 실제 비행 시험까지 진행했으며, GE는 LEAP 엔진의 연료노즐을 3D 프린팅으로 생산하여 수천 시간의 비행 기록을 축적하고 있어요. 이처럼 항공우주 분야에서는 AM이 경량화, 복잡 형상 구현, 조립 부품 수 감소 등에서 큰 이점을 제공하고 있어요.
의료기기 분야: 정형외과 및 치과용 임플란트에서 AM의 적용이 급증하고 있어요. 개인의 해부학적 형상에 맞춘 맞춤형 보형물, 복합 골절 고정용 플레이트, 환자 맞춤형 수술 가이드를 정밀하게 제작할 수 있기 때문에, 수술 시간 단축과 환자 만족도 향상에 기여하고 있어요. 티타늄 소재를 사용한 다공성 구조의 고관절 스템 등은 생체적합성 향상과 뼈 유착을 촉진하는 데도 효과적이에요.
표준화 기관 활동: ASTM F42는 적층 제조 기술을 위한 핵심 기술위원회로, 다양한 프로세스별 표준을 정립하고 있어요. ISO/ASTM 52900 시리즈는 용어, 공정 분류, 품질 관리, 재료 특성화 등 전반을 포괄하고 있으며, FDA는 의료기기 제조에 AM을 사용할 때 필요한 사전 자료 제출 및 생체적합성 가이드라인을 발간했어요. 또한 항공우주 방면에서도 FAA는 AM 부품의 인증 및 테스트 요구사항을 점차 구체화하고 있어요.

이처럼 산업별로 AM 적용과 관련된 기술 기준, 인증 요건, 시험 방법 등이 빠르게 정비되고 있고, 규제기관과 기업 간 협력도 활발히 이뤄지고 있어요. 산업별 적용 기준은 점점 더 정교해지고 있으며, 단순 기술 도입에서 벗어나 실제 양산과 인증 획득을 위한 체계 구축 단계로 나아가고 있어요.

🔄 미래를 준비하는 인증(Certification) 전략

델타 인증: 기존에 자격 부여된 공정을 기반으로, 장비 변경이나 소프트웨어 업데이트, 파라미터 미세 조정 등 일부 변경이 발생했을 때 전체 재인증 대신 변경된 부분에 한정해 최소한의 검증만으로 인증을 갱신하는 접근이에요. 델타 인증은 생산성을 유지하면서도 안전성과 일관성을 확보할 수 있는 효율적인 방법으로, 시간과 비용을 절감하면서도 리스크를 최소화할 수 있어요. 예를 들어 동일 모델의 프린터를 다른 지역 공장으로 이전하거나, 파우더 로트를 교체하는 경우 해당 변경사항에 대한 영향 분석과 제한된 범위의 시험만으로도 재승인을 받을 수 있어요.
디지털 트윈: 현실 세계의 공정, 장비, 부품을 가상 공간에 동일하게 구현한 디지털 모델로, 실시간 데이터를 반영해 가상 시뮬레이션과 품질 예측을 수행해요. 예를 들어 출력 중 수집되는 온도, 속도, 용융풀의 형태 등을 기반으로 공정 이상을 조기 감지하거나 출력 후 결함 위치를 사전에 추정할 수 있어요. 이를 통해 실제 실험을 줄이고 사전 대응 능력을 극대화할 수 있어요.
AI 활용: 머신러닝 및 딥러닝 알고리즘을 이용해 검사 이미지나 센서 데이터를 자동으로 분석하고, 학습된 모델을 통해 이상 징후를 실시간 감지하거나 결함 발생 확률을 예측해요. 특히 시각적 검사 영역에서 AI는 수작업 대비 훨씬 더 일관적이고 빠른 판단을 가능하게 해줘요. 향후에는 생성형 AI를 활용한 설계 자동화, 공정 최적화 추천까지 확장될 수 있어요.

인증도 이제 단순한 절차를 넘어, 데이터 기반의 지속적 모니터링과 적응형 관리 시스템으로 진화하고 있어요. 정기 재인증 대신 변화 감지, 위험 예측, 실시간 대응이 가능해지면서, AM 품질 관리 체계도 점점 더 지능화되고 유연해지고 있어요.