로봇 용접 품질의 핵심, 용접 공정 제어: 실험계획법을 통한 용입 깊이 최적화 방안

이 기술 요약은 S. Thiru chitrambalam 외 저자가 발표한 “An Investigation on Relationship between Process Control Parameters and Weld Penetration for Robotic CO2 Arc Welding using Factorial Design Approach” 논문을 기반으로 하며, STI C&D에서 기술 전문가가 분석 및 요약했습니다.

키워드

Primary Keyword: 용접 공정 제어
Secondary Keywords: 로봇 CO2 아크 용접, 용입 깊이, 실험계획법, 수학적 모델링, 공정 변수

Executive Summary

The Challenge: 용접 매개변수 설정을 위한 전통적인 “시행착오” 방식은 비효율적이며, 변수 간의 복잡한 상호작용을 파악하지 못해 용접 품질이 일관되지 못하는 문제를 야기합니다.
The Method: 로봇 CO₂ 아크 용접에서 4가지 핵심 매개변수(전류, 전압, 이동 속도, 용접 각도)가 용접 용입 깊이에 미치는 영향을 조사하기 위해 2수준 완전요인설계(two-level full factorial design)를 적용했습니다.
The Key Breakthrough: 각 매개변수의 직접적인 영향뿐만 아니라 중요한 상호작용 효과까지 정량화하여 용입 깊이를 정확하게 예측하는 수학적 모델을 개발했습니다.
The Bottom Line: 용접 전류가 가장 지배적인 요인이지만, 전압, 전류, 이동 속도 간의 상호작용이 용입 깊이를 크게 변화시키므로 공정 최적화를 위해서는 데이터 기반 접근 방식이 필수적입니다.

The Challenge: Why This Research Matters for CFD Professionals

아크 용접 기술은 거의 모든 엔지니어링 분야에서 필수적이지만, 일관된 고품질의 용접부를 얻기 위해서는 여전히 숙련된 용접사의 경험에 크게 의존합니다. 최적의 용접 품질을 위한 매개변수를 찾기 위한 전통적인 “시행착오(trial and error)” 방식은 시간이 많이 소요될 뿐만 아니라, 각 공정 변수들이 서로 어떻게 영향을 미치는지에 대한 정보를 제공하지 못하는 한계가 있습니다.

특히 자동화된 로봇 용접 공정이 확산되면서, 경험에 의존하는 방식으로는 생산성과 품질의 일관성을 보장하기 어렵습니다. 용접부의 응력 전달 능력에 직접적인 영향을 미치는 핵심 특성인 ‘용입 깊이(weld penetration)’를 정밀하게 제어하는 것은 매우 중요합니다. 따라서, 주요 공정 변수와 용입 깊이 사이의 관계를 과학적으로 분석하고 예측할 수 있는 신뢰성 있는 모델의 필요성이 이 연구의 출발점입니다.

The Approach: Unpacking the Methodology

본 연구는 로봇 CO₂ 아크 용접(GMAW) 공정에서 4가지 핵심 제어 변수가 용입 깊이에 미치는 영향을 규명하기 위해 통계적 실험계획법(Factorial Design)을 채택했습니다.

실험 설계: 2수준 완전요인설계(2⁴ = 16회 실험)를 3회 반복하여 총 48회의 실험을 수행했습니다. 이 설계는 각 변수의 개별 효과뿐만 아니라 변수 간의 상호작용 효과까지 효율적으로 분석할 수 있습니다.
연구 대상: SS41 탄소강 구조용 강판에 ‘비드 온 플레이트(bead on plate)’ 방식으로 용접을 수행했습니다.
주요 변수 (Factors):
- 용접 전류 (I): 180 A (저수준) ~ 260 A (고수준)
- 개방 회로 전압 (V): 18 V (저수준) ~ 26 V (고수준)
- 아크 이동 속도 (A): 24 cm/min (저수준) ~ 46 cm/min (고수준)
- 용접 각도 (W): 90° (저수준) ~ 145° (고수준)
반응 변수 (Response): 용입 깊이 (P)
데이터 분석: 실험 결과를 바탕으로 회귀 분석을 수행하여 용입 깊이를 예측하는 수학적 모델을 개발했으며, 분산 분석(ANOVA)을 통해 모델의 유효성을 검증했습니다.

The Breakthrough: Key Findings & Data

실험 데이터를 분석하여 용입 깊이를 예측하고 각 공정 변수의 영향을 정량화하는 중요한 결과를 도출했습니다.

Finding 1: 파라미터별 영향력 규명 및 수학적 모델 개발

연구팀은 통계 분석을 통해 용입 깊이(P)를 예측하는 다음의 선형 회귀 모델을 개발했습니다.

P = 1.124 + 0.307 I + 0.133 V – 0.205 A + 0.090 W + 0.410 IV – 0.151 IA – 0.099 VA (식 4)

이 모델은 각 변수의 직접적인 영향을 명확히 보여줍니다. 논문의 Figure 4와 5에서 볼 수 있듯이, 용접 전류(I)와 개방 회로 전압(V)은 용입 깊이에 긍정적인(비례) 영향을 미치는 반면, 아크 이동 속도(A)는 부정적인(반비례) 영향을 미칩니다. 특히 용접 전류와 이동 속도의 영향(그래프의 기울기)이 가장 큰 것으로 나타났습니다.

Finding 2: 단순하지 않은 상호작용 효과의 발견

본 연구의 핵심적인 발견은 변수들 간의 복잡한 상호작용 효과를 밝혀낸 것입니다. 단일 변수의 효과만으로는 용접 결과를 정확히 예측할 수 없습니다.

전류와 전압의 상호작용: Figure 6(a)는 전류와 전압이 결합될 때 강력한 시너지 효과를 나타냄을 보여줍니다. 특히 높은 전류(260A)에서는 전압이 증가할수록 용입 깊이가 급격히 증가합니다. 반면, 낮은 전류(180A)에서는 전압 증가가 용입 깊이에 미미한 역효과를 보이는 흥미로운 현상이 관찰되었습니다.
전압과 이동 속도의 상호작용: Figure 6(b)에 따르면, 이동 속도가 빠를수록 용입 깊이가 감소하는 경향은 전압이 높을 때 더욱 두드러집니다. 이는 고전압 조건에서 공정 속도를 제어하는 것이 용입 깊이 관리에 매우 중요함을 시사합니다.

이러한 상호작용 효과는 특정 조건에서 한 변수의 영향이 다른 변수에 의해 어떻게 변하는지를 보여주며, 이는 정밀한 용접 공정 제어에 필수적인 정보입니다.

Practical Implications for R&D and Operations

For Process Engineers: 이 연구에서 개발된 수학적 모델(식 4)은 광범위한 시험 용접 없이도 목표 용입 깊이를 달성하기 위한 매개변수 조합을 예측하는 데 기여할 수 있습니다. 예를 들어, 용입 깊이를 늘리기 위해 전류를 높이는 것이 가장 효과적이지만, 전압과의 상호작용을 고려하여 최적점을 찾아야 합니다.
For Quality Control Teams: 논문의 Figure 8, 9, 10 데이터는 특정 매개변수 조합이 최종 용접 형상에 어떻게 영향을 미치는지 시각적으로 보여줍니다. 이는 새로운 품질 검사 기준을 수립하는 데 정보를 제공할 수 있으며, 특정 매개변수 설정이 왜 더 깊거나 얕은 용접부를 생성하는지 이해하는 데 도움이 됩니다.
For Design Engineers: 용접 각도(90° 대 145°)가 용입 깊이에 미치는 영향이 통계적으로 유의미하다는 결과는, 제품 설계 단계에서 용접 조인트의 접근성이 최종 용접 품질에 직접적인 영향을 미칠 수 있음을 시사합니다. 이는 초기 설계 단계에서 고려해야 할 중요한 요소입니다.

Paper Details

An Investigation on Relationship between Process Control Parameters and Weld Penetration for Robotic CO2 Arc Welding using Factorial Design Approach

1. Overview:

Title: An Investigation on Relationship between Process Control Parameters and Weld Penetration for Robotic CO2 Arc Welding using Factorial Design Approach
Author: S. Thiru chitrambalam, Chew Lai Huat, Phang Boo Onn, S.Hemavathi, Imran Syakir Mohammad, Shafizal bin Mat
Year of publication: Post-2007
Journal/academic society of publication: Universiti Teknikal Malaysia Melaka (UTeM) Repository
Keywords: Robotic CO₂ Arc Welding; Process control parameters; Weld Penetration, Mathematical modelling; Factorial design

2. Abstract:

용입 깊이는 용접 조인트의 응력 전달 능력에 영향을 미치는 중요한 물리적 특성입니다. 여러 용접 매개변수가 용입 깊이에 영향을 미치는 것으로 보입니다. 본 논문은 구조용 탄소강에 대한 로봇 CO₂ 아크 용접 공정의 4가지 직접적인 용접 공정 매개변수와 용입 깊이 간의 관계를 제시합니다. 2수준 완전요인설계를 적용하여 4가지 공정 매개변수가 용입 깊이에 미치는 직접적 및 상호작용 효과를 조사하고 정량화했습니다. 공정 제어 변수의 상한 및 하한은 시행착오 방법론을 통해 식별되었으며, 실험은 ‘비드 온 플레이트’ 모드를 사용하여 수행되었습니다. 모델의 성능은 분산 분석 기법을 사용하여 테스트되었고, 계수의 유의성은 스튜던트 t-검정을 적용하여 테스트되었습니다. 통계 분석에는 상용 컴퓨터 프로그램이 사용되었습니다. 다양한 용접 매개변수의 주 효과와 상호작용 효과는 그래픽 형태로 제시하여 연구되었습니다.

3. Introduction:

용접 기술은 주거용 창문 그릴 제작에서부터 “고위험” 로켓 엔진 제조에 이르기까지 거의 모든 엔지니어링 분야에서 사용되어 왔습니다. 고속 마이크로컴퓨터 제어 완전 자동화 제조 공정의 출현으로 지난 수십 년간 제조 기술이 기하급수적으로 성장함에 따라, 용접 기술 또한 광범위한 응용 분야로 인해 지속적인 업그레이드가 필요합니다. 그럼에도 불구하고, 일관되게 고품질의 용접부를 생산하기 위해 아크 용접은 주어진 작업에 대해 최적의 용접 품질을 제공하기 위해 용접 매개변수를 적절히 선택할 수 있는 고도로 숙련되고 경험 많은 용접 인력을 여전히 필요로 합니다. 용접 품질은 일반적으로 용접 중 스패터의 양, 최적의 비드 형상, 화학적, 기계적 특성 및 미세 구조로 식별되며, 대부분 용접 공정 매개변수에 의해 제어됩니다. 이러한 공정 제어 매개변수의 제어는 용접 기반 제조 산업에서 최소한의 유해 잔류 응력 및 변형으로 요구되는 비드 형상을 가진 고품질 용접부를 얻기 위한 주요 노력입니다.

4. Summary of the study:

Background of the research topic:

자동화된 로봇 아크 용접에서 최적의 용접 품질을 확보하기 위해서는 공정 매개변수를 과학적으로 설정하는 것이 중요합니다. 특히 용입 깊이는 용접부의 기계적 강도를 결정하는 핵심 요소입니다.

Status of previous research:

이전 연구들은 열 흐름에 기반한 이론적 연구와 실제 용접 공정에 대한 실험적 연구를 통해 공정 변수와 비드 형상 간의 관계를 분석해왔습니다. 특히 통계적 회귀 방법론을 사용하여 용접 전류, 전압, 이동 속도 등이 비드 형상에 미치는 영향을 예측하는 수학적 모델들이 개발되었습니다.

Purpose of the study:

본 연구의 목적은 로봇 CO₂ 아크 용접 공정에서 4가지 주요 제어 변수(용접 전류, 전압, 이동 속도, 용접 각도)가 용입 깊이에 미치는 직접적인 영향과 상호작용 효과를 정량적으로 분석하고, 이를 예측할 수 있는 신뢰성 있는 수학적 모델을 개발하는 것입니다.

Core study:

2수준 완전요인설계 실험을 통해 얻은 데이터를 기반으로 회귀 분석을 수행하여 용입 깊이 예측 모델을 구축했습니다. 이 모델을 사용하여 각 변수의 주 효과와 변수 간의 상호작용 효과를 그래픽으로 분석하고, 용입 깊이에 가장 큰 영향을 미치는 요인들을 규명했습니다.

5. Research Methodology

Research Design:

통계적 실험계획법 중 하나인 2수준 완전요인설계(2⁴)를 사용했습니다. 4개의 독립 변수를 각각 고수준(+)과 저수준(-)으로 설정하고, 모든 가능한 조합(16개)에 대해 실험을 수행했습니다. 각 실험은 3회 반복하여 데이터의 신뢰도를 높였습니다.

Data Collection and Analysis Methods:

SS41 탄소강 판재에 비드 온 플레이트 용접을 수행한 후, 시편을 절단하고 연마 및 에칭하여 비드 형상을 관찰했습니다. 광학 프로파일 프로젝터와 디지털 플래니미터를 사용하여 용입 깊이를 포함한 비드 치수를 측정했습니다. 수집된 데이터는 통계 소프트웨어(MINITAB 16)를 사용하여 회귀 분석 및 분산 분석을 수행하는 데 사용되었습니다.

Research Topics and Scope:

연구는 로봇 CO₂ 아크 용접 공정에 국한되며, 4가지 공정 변수(전류, 전압, 이동 속도, 각도)가 용입 깊이에 미치는 영향을 중심으로 다룹니다. 사용된 재료는 SS41 탄소강이며, 차폐 가스는 80% Ar + 20% CO₂ 혼합 가스입니다.

6. Key Results:

Key Results:

용입 깊이를 예측하는 선형 수학적 모델이 성공적으로 개발되었습니다.
용접 전류가 용입 깊이에 가장 큰 영향을 미치는 단일 변수인 것으로 확인되었습니다.
용접 전류, 전압, 이동 속도 간의 상호작용 효과는 통계적으로 유의미했으며, 용입 깊이에 상당한 영향을 미쳤습니다.
개방 회로 전압은 낮은 수준의 용접 전류와 상호작용할 때, 그리고 아크 이동 속도와 상호작용할 때 용입 깊이와 반비례 관계를 보였습니다.
아크 이동 속도는 용입 깊이와 뚜렷한 반비례 관계를 가졌습니다.

Figure List:

FIGURE 1: Weld penetration
FIGURE 2: Experimental set up
FIGURE 3: Scatter diagram for the prediction of weld penetration (P)
FIGURE 4: Direct effects of process control parameters on weld penetration (P) (a) Welding current (I); (b) Open circuit voltage (V)
FIGURE 5: Direct effects of process control parameters on weld penetration (P) (a) Arc travel rate (A); (b) Welding angel (W)
FIGURE 6: Interactive effects of process control parameters on weld penetration (P) (a) Welding current (I) and Open circuit voltage (V); (b) Open circuit voltage (V) and Arc travel rate (A);
FIGURE 7: Interactive effects of process control parameters on weld penetration (P) (a) Welding current (I) and Arc travel rate (A); (b) Open circuit voltage (V) and Welding angle (W)
FIGURE 8: Surface plot for interaction effects plot for Open circuit voltage (V) and Welding current (I) on weld penetration (P)
FIGURE 9: Surface plot for interaction effects plot for Arc travel rate (A) and Welding current (I) on weld penetration (P)
FIGURE 10: Surface plot for interaction effects plot for Open circuit voltage (V) and Arc travel rate (A) on weld penetration (P)

7. Conclusion:

로봇 CO₂ 아크 용접 공정에서 독립적으로 측정 및 제어할 수 있는 매개변수의 함수로 용입 깊이를 예측하는 수학적 모델이 개발되었습니다.
이 모델은 용입 깊이에 의존하는 다른 용접 응답을 계산하는 데 사용될 수 있습니다.
2수준 완전요인설계는 직접적이고 독립적인 용접 공정 매개변수의 주 효과와 상호작용 효과를 정량화하는 데 매우 효과적인 도구임이 입증되었습니다.
용접 전류가 용입 깊이에 가장 큰 영향을 미치는 매개변수이며, 개방 회로 전압과 용접 속도의 상호작용이 통계적으로 유의미하고 표면 플롯으로 잘 표현됨이 관찰되었습니다.
용접 각도 또한 용접 전류에 비해 낮은 수준이지만 용입 깊이에 통계적으로 유의미한 영향을 미치는 것으로 나타났습니다.
개방 회로 전압은 낮은 수준의 용접 전류와 상호작용할 때, 그리고 아크 이동 속도와 상호작용할 때 용입 깊이와 반비례 관계를 가졌습니다.
아크 이동 속도는 용입 깊이와 반비례 관계에 영향을 미쳤으며, 용접 각도는 두 수준 모두에서 용입 깊이와 직접적인 선형 관계를 가졌습니다.

8. References:

M.P. Jain. 2002. Welding & NDT of oil & gas pipelines-productivity & quality issues. National seminar on cost effective welding & productivity. Indian welding society (IWS). New Delhi India. pp. 115.
A.C. Underwood. 1980. Automated welding will meet the desperate need for more pipelines in the United States. Welding Design & Fabrication. pp. 134-135.
I.S. Kim, J.S. Son, I.G. Kim, J.Y. Kim, O.S. Kim. 2003. A study on relationship between process variables and bead penetration for robotic CO₂ arc welding, Journal of Materials Processing Technology 136. 1-3. 139-145.
Widgery, D.J. 1999. Line pipe welding beyond 2000. Svetsaren, Esab welding and cutting Journal. No .3. pp. 8-11.
R. L. Klien. 1984. Pipelines Design, construction and operation.2. Construction press, New York. pp. 31-40.
J. I. Lee, K. W. Um. 2000. A prediction of welding process parameters by prediction of back-bead geometry. Journal of Materials Processing Technology 108. pp. 106-113.
Theodore T. Allen, Waraporn Ittiwattana, Richard W. Richardson, Gary P. Maul. 2001. A Method for Robust Process Design Based on Direct Minimization of Expected Loss Applied to Arc Welding. Journal of Manufacturing Systems. Vol.20/No.5. pp. 329-348.
Sunil Pandey. 2004. welding current and melting rate in submerged arc welding-A new approach. Australasian welding journal. Volume 49. Second Quarter. pp. 33-42.
Jawad Haidar, John J. Lowke. 1997. Effect of CO₂ Shielding Gas on Metal Droplet Formation in Arc Welding. IEEE Transactions on Plasma Science. Vol. 25. No. 5. pp. 931-936.
D. Rosenthal. 1941. Mathematical theory of heat distribution during weld and cutting, Welding Journal. 20 (5). pp. 220-s-234-s.
N. Christensen, V. de L. Davies, K. Gjermundsen. 1965. Distribution of temperatures in arc welding. British Welding Journal. 12. pp. 54–75.
J.C. McGlone. 1978. The submerged arc butt welding of mild steel. Part 1. The influence of procedure parameters on weld bead geometry. Welding Institute Report 79/1978/PE.
J.C. McGlone, D.B. Chadwick. 1978. The submerged arc butt welding of mild steel. Part II: The prediction of weld bead geometry from the procedure parameters. The Welding Institute Report 80/1978/PE.
R.S. Chandel.1988. Mathematical modeling of gas metal arc weld features. Proceedings of the Fourth International Conference on Modeling of Casting and Welding Processes. Palm Coast FL. pp. 109–120.
J. Raveendra, R.S. Parmar. 1987. Mathematical models to predict weld bead geometry for flux cored arc welding. Metal Construction 19 (2). pp. 31R-35R.
T. Zacharia, A.H. Eraslan, D.K. Aidun. 1988. Modeling of non-autogenous welding, Welding Journal 67 (1). pp. 18-s-27-s.
I.S. Kim, J.S. Son, C.E. Park, C.W. Lee, Yarlagadda K.D.V. Prasad. 2002. A study on prediction of bead height in robotic arc welding using a neural network. Journal of Materials Processing Technology. Volumes 130-131-20. pp. 229-234.
D. S. Nagesh, G. L. Datta. 2002. Prediction of weld bead geometry and penetration in shielded metal-arc welding using artificial neural networks. Journal of Materials Processing Technology. 123- 2. pp. 303-312.
I.S. Kim, K.J. Son, Y.S. Yang, P.K.D.V. Yaragada. 2003. Sensitivity analysis for process parameters in GMA welding processes using a factorial design method. International Journal of Machine Tools & Manufacture 43. pp. 763–769.
D.C. Montgomery. 2005. Design and Analysis of Experiments, 6th edition, John Wiley and Sons, New York. pp. 375-431.
Erdal Karadeniz, Ugur Ozsarac, Ceyhan Yildizet. 2007. The effect of process parameters on penetration in gas metal arc welding processes, Materials & Design. Volume 28 Issue 2. pp. 649-656.

Expert Q&A: Your Top Questions Answered

Q1: 왜 한 번에 하나의 변수만 바꾸는 방식 대신 실험계획법(Factorial Design)을 선택했나요?

A1: 논문에 따르면, 한 번에 하나의 변수만 바꾸는 전통적인 “시행착오” 방식은 더 많은 실험 횟수를 필요로 하며 변수 간의 상호작용에 대한 정보를 제공하지 못하는 단점이 있습니다. 실험계획법은 비용 효율적이며, 각 변수의 직접적인 효과와 상호작용 효과에 대한 포괄적인 정보를 생성할 수 있어 이 연구에 더 적합했습니다.

Q2: 논문에서는 용접 전류가 가장 중요한 요인이라고 했는데, 연구에 근거한 물리적인 이유는 무엇인가요?

A2: 논문은 높은 전류가 전자 흐름을 증가시켜 더 많은 열을 발생시키고, 이는 더 많은 모재를 녹인다고 설명합니다. 또한, 전류 증가는 아크 힘(arc force)을 증가시켜 용융된 금속 방울이 더 큰 운동량으로 용접 풀에 부딪히게 하여 더 깊은 용입을 유발합니다.

Q3: Figure 6(a)에서 전류와 전압의 상호작용이 흥미롭습니다. 낮은 전류에서는 전압이 용입 깊이에 약간의 역효과를 보이는데, 이에 대해 논문은 어떻게 설명하나요?

A3: 논문은 이 현상이 일정한 아크 갭을 유지하는 자동화된 전극 와이어 공급 속도 때문일 수 있다고 제안합니다. 낮은 전류에서 전압이 증가하면 아크의 강도를 높이지 않고 아크 영역만 확장시켜 용입 깊이가 감소할 수 있습니다. 그러나 높은 전류에서는 전압 증가가 대류 유체 흐름과 열 유속을 향상시켜 용입 프로파일을 개선합니다.

Q4: 공정 변수의 상한 및 하한 수준을 설정한 기준은 무엇이었나요?

A4: 각 변수의 수준은 “시행착오(Trial and Error)” 방식을 통해 결정되었습니다. 이는 와이어 공급 속도와 소모 속도 사이의 평형을 유지하고, 언더컷, 과도한 스패터, 기공, 균열과 같은 가시적인 용접 결함이 없는 용접부를 얻기 위함이었습니다.

Q5: 개발된 수학적 모델의 정확도는 어느 정도인가요?

A5: Figure 3의 관측값 대 예측값 산점도를 보면, 데이터 포인트들이 대각선 주위에 강한 양의 상관관계를 보이며 밀집해 있습니다. 이는 모델의 예측이 실제 실험 결과와 잘 일치함을 나타냅니다. 논문은 이 모델이 “합리적인 정확도(reasonable accuracy)”로 값을 예측할 수 있다고 명시합니다.

Conclusion: Paving the Way for Higher Quality and Productivity

본 연구는 경험적 방법에 의존하던 기존의 방식에서 벗어나, 데이터 기반의 모델링을 통한 용접 공정 제어가 자동화 용접의 품질과 일관성을 확보하는 데 얼마나 중요한지를 명확히 보여줍니다. 용접 전류가 가장 지배적인 요소임은 분명하지만, 전압 및 이동 속도와의 복잡한 상호작용을 이해하고 제어하는 것이야말로 진정한 공정 최적화의 열쇠입니다. 이 연구 결과는 더 높은 품질과 생산성을 달성하고자 하는 모든 제조 현장에 귀중한 통찰력을 제공합니다.

(주)에스티아이씨앤디에서는 고객이 수치해석을 직접 수행하고 싶지만 경험이 없거나, 시간이 없어서 용역을 통해 수치해석 결과를 얻고자 하는 경우 전문 엔지니어를 통해 CFD consulting services를 제공합니다. 귀하께서 당면하고 있는 연구프로젝트를 최소의 비용으로, 최적의 해결방안을 찾을 수 있도록 지원합니다.

연락처 : 02-2026-0450
이메일 : flow3d@stikorea.co.kr

Copyright Information

This content is a summary and analysis based on the paper “An Investigation on Relationship between Process Control Parameters and Weld Penetration for Robotic CO2 Arc Welding using Factorial Design Approach” by “S. Thiru chitrambalam et al.”.
Source: https://core.ac.uk/download/pdf/11490397.pdf

PDF View