에이전트 AI를 활용한 진동시험 치구 설계 대체모델 구축

키워드

확장요약문

1. 서론 진동시험 치구는 1 차 고유진동수가 시험 상한 주파수의 √2 배(상한 2000 Hz 에서 2828 Hz) 이상이어야 한다. 본 연구의 평판 치구는 단독으로 해석하면 두께 18~38 mm 에서 9258~11968 Hz 로 어떤 판도 합격하여 변별력이 없으나, IEC 60068-2-64 와 MIL-STD-810G 는 장비를 올린 전체 시스템을 판정 대상으로 요구한다. 본 연구는 장비를 올린 상태에서 평판 치구의 적용 한계를 대체모델로 정량화하고, 해석 이후 공정은 에이전트 AI 가 수행하게 하였다.

2. 방법 Al 6061-T6 평판(두께 18 mm)에서 판 크기, 장비 무게 30~100 kg, 무게중심 높이 100~300 mm 를 변수로 44 케이스를 모달 해석하였다. 결과 추출 · 검증 · 학습 · 차트 생성은 MCP(Model Context Protocol) 서버의 도구로 묶어 사내망 LLM 이 직접 호출하도록 하였다. 대체모델 후보 8 종 중 크리깅만 LOO 교차검증에서 합격 판정 36/36 일치와 최저 오차(MAPE 0.76%)를 동시에 만족하였고, 학습하지 않은 판 크기에서 오차는 1.15%였다.

3. 결과 및 결론 2911 칸 설계차트(Fig. 1)에서 장비를 올리면 합격 40.1%, 해석 확인 필요 4.3%, 평판으로 불가 55.6%로 나뉜다. Sobol 1 차 지수(Table 1)는 장비 무게가 0.82 로 지배적이며, 설계자가 바꿀 수 있는 판 크기의 몫은 11%이다. 대조군의 4.94% 차이를 정렬 효과로 보았다가 재해석(+0.10%)으로 기각한 것처럼, 자동화의 이점은 가설을 적은 비용으로 반증하는 데 있다. 치구 공진 판정은 장비를 올린 상태로 수행해야 한다.