결함 없는 부품을 위한 다이캐스팅 기계 파라미터 최적화 방법

모든 생산 관리자가 직면하는 현실 검토

기계는 가동 중입니다. 부품이 계속 생산되고 있습니다. 그런데도 불량률은 8%, 혹은 12%에 달하고, 그 원인을 정확히 파악하지 못하고 있습니다. 화면에 표시된 파라미터는 정상적으로 보입니다. 작업자는 아무런 변경이 없었다고 단언합니다. 그러나 분명히 무엇인가 바뀌었고, 그 ‘무엇인가’는 대개 눈에 띄는 곳에 숨어 있습니다.

알루미늄 구조 부품을 대상으로 한 고압 다이캐스팅 파라미터 평가 연구에서는 플런저 속도, 진공 적용, 강화 압력이 세 가지 가장 핵심적인 변수로 확인되었습니다. 이 세 가지를 정확히 설정하면 불량률이 감소하고, 잘못 설정하면 폐기물이 완제품 재고보다 더 빠르게 쌓이게 됩니다.

실제로 중요한 세 가지 파라미터

모든 파라미터가 동등한 중요도를 갖지는 않습니다. 다이캐스팅 공정에서 충전 시간, 특정 주입 압력, 금형 온도는 주조 품질에 직접 영향을 미치는 핵심 변수입니다. 나머지 모든 파라미터는 이에 비해 차선의 중요도를 갖습니다.

주입 속도 용융 금속이 캐비티로 유입되는 방식을 결정합니다. 유입 속도가 너무 느리면 캐비티가 완전히 채워지기 전에 금속이 응고되어 냉각 틈새(cold shuts)가 발생합니다. 반대로, 유입 속도가 너무 빠르면 난류로 인해 공기가 갇혀 기공이 생깁니다. 최적의 유입 속도는 부품 형상과 합금 종류에 따라 달라지지만, 원칙은 보편적입니다: 층류 흐름(laminar flow)이 목표이며, 난류 흐름(turbulent flow)은 피해야 할 적입니다.

강화 압력 캐비티가 채워진 후 작동하는 압력입니다. 이 압력은 금속을 다이 벽면에 밀어붙여 응고 수축을 보상합니다. 강화 압력(intensification pressure)이 부족하면 수축 기공(shrinkage porosity)이 발생하고, 과도하게 높으면 다이에 불필요한 응력이 가해져 수명이 단축됩니다.

다이 온도 다른 모든 파라미터 중에서 가장 변동성이 큰 파라미터입니다. 기계가 작동함에 따라 다이 온도가 상승합니다. 능동 냉각 또는 온도 제어가 없으면 교대 시간 내내 열 프로파일이 변화하고, 이에 따라 부품 품질도 달라집니다.

파라미터 최적화의 80/20 법칙

자동차 부품 제조업체가 알루미늄 변속기 하우징 생산에서 14%의 불량률을 겪고 있었다. 공정 파라미터는 이전 생산 관리자가 설정한 것으로, 3년 동안 수정되지 않았다. 실험 계획법(DoE)을 적용하여 주입 속도, 압축 압력, 금형 온도의 변동을 시험하였다.

결과는 명확했다. 기존 파라미터는 최적 범위보다 주입 속도를 22% 빠르게 설정하여 가장 두꺼운 주조 부위에 공기를 가두는 난류를 유발하였다. 주입 속도를 낮추고 압축 압력을 18% 증가시킴으로써 2주 만에 불량률을 4.7%로 감소시켰다.

여기에도 80/20 법칙이 적용된다: 품질 개선의 80%는 전체 파라미터 중 20%만 정확히 조정함으로써 달성된다. 다른 파라미터를 조정하기 전에 먼저 주입 속도, 압축 압력, 금형 온도에 집중하라.

데이터 함정과 그 대처 방법

최신 다이캐스팅 기계는 인상적인 데이터 로깅 기능을 갖추고 있습니다. 주입 곡선 표시, 자동 매개변수 추출, 실시간 분석 등은 정평이 난 제조사의 기계에서 표준 기능입니다. 데이터는 이미 존재합니다. 문제는 누구도 실제로 이를 활용하고 있는지 여부입니다.

미국 태평양 북서부 지역의 한 공장에서는 4년간의 데이터 로그가 보관되어 있었으나, 아무도 이를 확인하지 않았습니다. 고용량 부품에서 품질 문제가 발생했을 때, 생산 관리자가 비로소 로그를 확인해 보니 이전 6개월 동안 주입 매개변수가 원래 설정값에서 15% 벗어난 것을 발견했습니다. 기계의 유압 시스템 압력이 서서히 감소하고 있었던 것이었고, 일상 점검이 사이클 타임과 샷 중량만을 확인했기 때문에 아무도 이를 알아차리지 못했던 것입니다.

해결 방법은 간단했습니다: 유압 시스템을 재교정하고 매개변수 편차에 대한 자동 경고를 설정하는 것이었습니다. 그러나 얻은 교훈은 훨씬 더 컸습니다. 조치 없이 방치된 데이터는 단지 잡음일 뿐입니다.

운전자의 영향 요인: 아무도 조작하지 않았는데도 매개변수가 변하는 이유

교과서에는 다루지 않는 사실이 있습니다. 매개변수는 서서히 편차가 발생합니다. 유압 오일은 작업 교대 시간 동안 온도가 상승하면서 점도가 변화하고, 이로 인해 기계의 응답 속도가 달라집니다. 금형 온도는 기계의 사이클 진행에 따라 점차 상승하며 충진 특성에 영향을 미칩니다. 용융 배치 간에 합금 성분이 약간씩 달라지면 응고 거동도 달라집니다.

숙련된 운전자는 이러한 변화를 자동으로 보정하며, 교대 시간 내내 무의식적으로 설정값을 조정합니다. 반면, 경험이 부족한 운전자는 설치 지침서를 철저히 따르지만, 왜 오후 3시에 생산되는 부품이 오전 9시와 달라지는지 의문을 품게 됩니다.

해결책은 인간의 판단을 없애는 것이 아니라—그것은 불가능하다—운영자에게 매개변수를 왜, 그리고 얼마나 변경해야 하는지를 이해할 수 있도록 도와주는 도구와 교육을 제공하는 것이다. 직관적인 터치스크린 인터페이스와 고장 자진 진단 기능을 갖춘 기계는 학습 곡선을 줄여주지만, 공정에 대한 근본적인 이해를 대신하지는 않는다. .

실용적 최적화 프로세스

매개변수 최적화는 단 한 번만 수행하는 작업이 아니다. 이는 규율과 체계적인 접근 방식을 요구하는 지속적인 프로세스이다.

1. 기계 제조사의 권장 사항을 출발점으로 하여 기준 매개변수를 설정한다.

2. 특정 부품 및 합금에 대해 최적 조합을 찾기 위해 소규모 실험 계획(DoE)을 실행한다.

3. 최적 설정값과 각 결정에 이르게 된 이유를 문서화한다.

4. 중요 매개변수에 대해 자동 모니터링 시스템을 구축하고 경고 임계값을 설정한다.

5. 주간 단위로 데이터를 검토하고 실제 생산 결과에 따라 필요 시 조정한다.

클램핑력 최대 30,000 kN 및 설정값 대비 ±1% 이내의 정밀도를 갖춘 냉각 챔버 기계는 파라미터 최적화를 위한 탄탄한 기반을 제공합니다. 그러나 이 기계는 단지 출발점일 뿐입니다. 진정한 작업은 미세 조정과 보정, 그리고 데이터가 전달하는 바에 대한 지속적인 주의에서 이루어집니다.