황동 수평 연속주조 시뮬레이션: 3D 셀룰러 오토마타 모델을 통한 미세조직 예측 및 품질 혁신

이 기술 요약은 De-Chang Tsai와 Weng-Sing Hwang이 Materials Transactions에 발표한 논문 “A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification”(2011)을 기반으로 하며, STI C&D의 기술 전문가를 위해 분석 및 요약되었습니다.

키워드

• 주요 키워드: 황동 수평 연속주조 시뮬레이션
• 보조 키워드: 응고 미세조직, 셀룰러 오토마타 모델, 유한차분법, 주조 공정 최적화, 결정립 성장

Executive Summary

• 도전 과제: 수평 연속주조(HCC) 공정에서 황동 합금의 응고 미세조직을 정밀하게 예측하고 제어하여 최종 제품의 기계적 특성을 향상시키는 것.
• 해결 방법: 거시적 온도장 해석을 위한 유한차분법(FDM)과 미시적 핵 생성 및 결정립 성장을 위한 셀룰러 오토마타(CA) 모델을 결합한 수치 해석 모델을 활용.
• 핵심 돌파구: 개발된 3차원 CAFD(Cellular Automaton-Finite Difference) 결합 모델이 황동 봉의 일방향 응고 및 결정립 형태를 성공적으로 예측했으며, 실제 주조 실험 결과와 높은 일치도를 보임.
• 핵심 결론: 이 시뮬레이션 접근법은 원하는 미세조직을 얻기 위해 주조 변수를 정밀하게 제어할 수 있게 하여, 결함을 줄이고 제품 품질을 향상시키는 강력한 도구가 될 수 있음.

도전 과제: 이 연구가 CFD 전문가에게 중요한 이유

황동은 우수한 가공성과 다양한 특성으로 널리 사용되지만, 최종 품질은 응고 과정에서 형성되는 미세조직에 의해 결정됩니다. 특히 수평 연속주조(HCC) 공정에서는 주조 속도와 같은 변수들이 온도 구배와 성장 속도에 영향을 미쳐 최종 미세조직을 결정합니다. 기존에는 실제 주조품에 대한 물리적 관찰과 금속학적 분석에 의존해왔으나, 이는 많은 인력, 자원, 시간을 소모하는 비효율적인 방법이었습니다. 따라서 주조 조건 변화에 따른 미세조직 변화를 예측할 수 있는 신뢰성 높은 수치 모델링 기술의 필요성이 대두되었습니다. 이는 개발 기간을 단축하고 공정 최적화를 통해 고품질의 황동 제품을 안정적으로 생산하기 위한 핵심 과제입니다.

접근 방식: 방법론 분석

본 연구는 수평 연속주조(HCC) 공정에서 황동(Cu70Zn30, Cu65Zn35) 봉의 응고 미세조직을 예측하기 위해 실험과 수치 시뮬레이션을 결합한 접근법을 채택했습니다.

• 실험 장비 및 조건: 진공로와 연속주조 기술을 결합한 HCC 장비를 사용했습니다(그림 1). 흑연 및 구리 주형을 사용했으며, 1100°C로 예열된 도가니에서 순수 구리와 아연을 1.0 × 10⁻⁴ atm의 진공 상태에서 용해했습니다. 주조 속도는 각각 65 mm/min (Cu70Zn30)과 75 mm/min (Cu65Zn35)으로 설정했고, 냉각수 유량은 15 L/min으로 유지했습니다.
• 수치 해석 모델: 거시적 열전달과 미시적 응고 현상을 결합한 모델을 개발했습니다.
  • 거시적 열전달 해석 (FDM): 유한차분법(FDM)을 사용하여 HCC 공정의 비정상상태 열전달을 계산했습니다. 지배 방정식(식 1)을 통해 온도 변화를 계산했으며, 용탕/주형 및 주형/냉각수 경계면에서의 열유속은 각각 식 (2)와 (3)으로 정의했습니다.
  • 미시적 응고 해석 (CA): 셀룰러 오토마타(CA) 모델을 사용하여 핵 생성 및 결정립 성장을 모사했습니다. 핵 생성은 과냉도에 따른 가우시안 분포(식 4)를 따르며, 결정립 성장은 덴드라이트 선단의 성장 속도를 계산하는 Kurz-Giovanola-Trivedi (KGT) 모델(식 11-14)을 기반으로 합니다. 이 모델은 결정의 우선 성장 방향을 고려하여 실제와 유사한 결정립 성장을 모사합니다.

핵심 돌파구: 주요 발견 및 데이터

결과 1: 정확한 온도장 및 응고 전선 예측

유한차분법(FDM) 모델은 HCC 공정의 거시적 온도장을 매우 정확하게 예측했습니다. Cu70Zn30 합금을 65 mm/min의 속도로 주조하는 경우, 시뮬레이션에서 안정 상태에 도달했을 때의 Point #2 온도는 632°C로 계산되었습니다(그림 11a). 이는 실제 실험에서 측정한 Point #1의 온도인 635~639°C와 매우 근접한 결과입니다. 또한, 주조 속도를 75 mm/min으로 증가시켰을 때 고상/액상(S/L) 계면이 주형 출구 쪽으로 이동하는 현상을 시뮬레이션이 정확하게 보여주었습니다(그림 12a). 이는 주조 속도가 응고 거동에 미치는 영향을 정량적으로 예측할 수 있음을 의미합니다.

결과 2: 응고 미세조직의 성공적인 예측

CAFD 결합 모델은 실제 주조 실험에서 관찰된 미세조직과 매우 유사한 결과를 예측했습니다. – Cu70Zn30 (Φ6mm, 65 mm/min): 시뮬레이션 결과(그림 13a-d), 길이 방향 단면에서는 축 방향으로 평행한 주상정(columnar structure)이 성장하고, 횡단면에서는 소수의 큰 결정립이 존재하는 것으로 나타났습니다. 이는 실제 주조품의 금속 조직 사진(그림 13e)에서 관찰된 일방향 응고 조직과 거의 일치합니다. – Cu65Zn35 (Φ8mm, 75 mm/min): 주조 속도와 봉의 직경이 증가한 이 경우, 시뮬레이션(그림 14a-d)은 길이 방향에서 평행한 주상정이 유지되면서 횡단면에서 결정립 수가 증가하는 것을 보여주었습니다. 이는 실제 금속 조직(그림 14e)과 일치하는 결과로, 논문에서는 주조 속도와 크기 증가가 결정립 성장 경쟁 효과를 감소시켜 결정립 수가 증가한 것으로 분석했습니다.

R&D 및 운영을 위한 실질적 시사점

• 공정 엔지니어: 본 연구는 인출 속도(주조 속도)가 응고 전선의 위치와 최종 결정립 구조를 결정하는 핵심 변수임을 보여줍니다. 주조 속도를 높이면 결정립 수가 증가할 수 있으며(그림 14), 이는 머쉬 존(mushy zone)의 폭을 제어하여 특정 결함을 줄이는 데 기여할 수 있습니다. 시뮬레이션을 통해 특정 제품에 대한 최적의 인출 속도를 사전에 파악할 수 있습니다.
• 품질 관리팀: 그림 13과 14의 데이터는 주조 조건이 최종 결정립 구조(주상정, 결정립 크기 등)에 직접적인 영향을 미친다는 것을 명확히 보여줍니다. 이 정보를 활용하여 원하는 기계적 특성을 얻기 위한 공정 윈도우를 설정하고, 결정립 형태에 대한 새로운 품질 검사 기준을 수립하는 데 참고할 수 있습니다.
• 설계 엔지니어: 이 모델은 주형 설계(흑연/구리 다이)와 냉각 조건이 열 추출에 미치는 중요성을 강조합니다. 시뮬레이션 접근법을 통해 초기 설계 단계에서부터 일방향 응고를 유도하고 미세조직을 제어할 수 있는 최적의 주형 및 냉각 시스템 설계를 고려할 수 있습니다.

논문 상세 정보

A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification

1. 개요:

• 제목: A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification
• 저자: De-Chang Tsai and Weng-Sing Hwang
• 발행 연도: 2011
• 발행 학술지/학회: Materials Transactions, Vol. 52, No. 4
• 키워드: brass alloy, horizontal continuous casting, solidification microstructure, cellular automaton model, finite difference method

2. 초록:

본 연구의 목적은 수평 연속주조(HCC)를 이용한 황동 합금(Cu70Zn30 및 Cu65Zn35)의 응고 과정 형태를 예측하고, 실험 결과를 통해 그 정확성을 검증하는 것입니다. 이 연구는 이전 연구(수직 연속주조 공정을 이용한 순수 구리 봉의 응고 미세조직 예측)에서 확장되었습니다. 수치 시뮬레이션 측면에서는 유한차분법(FDM)과 셀룰러 오토마타(CA) 모델을 각각 황동 합금의 거시적 온도장 및 미시적 핵 생성과 결정립 성장을 해결하는 데 활용했습니다. 주조 실험 관찰 결과, 냉각 주형을 사용하는 HCC 공정을 통해 일방향으로 응고된 황동 봉을 제작할 수 있었습니다. CAFD 모델에 의한 주조 결정립 형태는 실제 주조 실험 결과와 잘 일치했습니다.

3. 서론:

황동은 구리나 아연보다 가공성이 뛰어나고, 상대적으로 낮은 용융점과 유동 특성으로 주조가 용이합니다. 수평 연속주조(HCC)는 황동 봉을 생산하는 주요 방법 중 하나로, 다양한 장점을 가집니다. HCC 공정에서 가장 중요한 응고 과정은 최종 제품의 기계적, 화학적 특성과 직결되는 벌크 미세조직의 형성을 결정합니다. 기존 연구는 주로 물리적 관찰과 금속학적 분석에 의존했으나, 이는 많은 시간과 자원을 필요로 합니다. 따라서, 주조 조건에 따른 미세조직 변화를 예측할 수 있는 수치 모델링 기법을 활용하는 것이 바람직합니다. 본 연구는 결정론적 모델과 확률론적 모델의 장점을 통합한 셀룰러 오토마타(CA) 모델을 기반으로, HCC 공정의 응고 미세조직을 예측하는 3차원 시스템을 개발하고 검증하고자 합니다.

4. 연구 요약:

연구 주제의 배경:

황동은 HCC 공정을 통해 고순도, 고균질성의 봉, 선, 튜브 형태로 생산되며, 다양한 산업 분야에 적용됩니다. 공정의 핵심인 응고 과정은 최종 제품의 미세조직과 특성을 결정하므로, 이를 정밀하게 제어하는 것이 중요합니다.

이전 연구 현황:

과거에는 Oldfield, Hunt 등의 결정론적 모델과 Rappaz, Gandin 등의 확률론적 CA 모델이 개발되었습니다. CA 모델은 불균일 핵 생성 및 연속 핵 생성 모델을 기반으로 하며, 핵 생성 위치와 우선 성장 방향은 확률적으로, 덴드라이트 성장 속도는 물리 이론에 기반한 결정론적 모델로 계산합니다. 연속주조 공정 시뮬레이션은 주로 유동, 열전달, 응고 현상에 초점을 맞추어 왔으며, 미세조직 시뮬레이션은 최근에 들어서야 활발히 연구되고 있습니다.

연구 목적:

본 연구의 목적은 HCC 공정으로 생산되는 황동 합금(Cu70Zn30, Cu65Zn35)의 응고 형태를 예측하는 3차원 CA 모델을 개발하고, 실제 주조 실험 결과와 비교하여 모델의 정확성을 검증하는 것입니다.

핵심 연구:

유한차분법(FDM)으로 거시적 온도장을 계산하고, 이를 기반으로 셀룰러 오토마타(CA) 모델을 사용하여 미시적 핵 생성 및 결정립 성장을 시뮬레이션하는 결합 모델(CAFD)을 개발했습니다. 이 모델을 사용하여 다양한 주조 조건 하에서 황동 봉의 응고 미세조직(결정립 형태, 크기, 방향성)을 예측하고, 실제 제작된 황동 봉의 금속 조직과 비교 분석했습니다.

5. 연구 방법론

연구 설계:

실제 HCC 공정 실험과 수치 시뮬레이션을 병행하여 상호 검증하는 방식으로 설계되었습니다. 실험을 통해 특정 주조 조건에서의 온도 데이터와 최종 미세조직을 확보하고, 동일 조건에서 CAFD 결합 모델 시뮬레이션을 수행하여 예측 결과와 비교했습니다.

데이터 수집 및 분석 방법:

• 실험 데이터: HCC 공정 중 특정 지점(그림 3의 Point #1)에서 열전대(thermocouple)를 사용하여 온도를 측정했습니다. 주조된 황동 봉을 절단, 연마, 에칭(HNO₃ + H₂O) 후 광학 현미경으로 미세조직을 관찰했습니다.
• 시뮬레이션 데이터: FDM을 통해 계산된 온도장 데이터를 CA 모델의 입력값으로 사용했습니다. CA 모델은 핵 생성 밀도, 성장 속도 등을 계산하여 시간에 따른 결정립 구조의 변화를 3차원으로 시각화했습니다.

연구 주제 및 범위:

• 연구 대상: 황동 합금 Cu70Zn30 (Φ6mm) 및 Cu65Zn35 (Φ8mm)
• 공정: 수평 연속주조(HCC)
• 주요 변수: 주조 속도(65 mm/min, 75 mm/min), 냉각 조건
• 해석 범위: 거시적 열전달 및 미시적 응고 미세조직(핵 생성, 결정립 성장) 예측

6. 주요 결과:

주요 결과:

• FDM을 이용한 거시적 온도장 시뮬레이션 결과는 실제 HCC 공정에서 측정한 온도와 높은 일치도를 보였습니다 (시뮬레이션 632°C vs. 실험 635-639°C).
• 주조 속도가 증가하면 고상/액상 계면이 주형 출구 쪽으로 이동하는 현상을 성공적으로 예측했습니다.
• CAFD 결합 모델은 황동 봉의 일방향 응고(unidirectional solidification)와 주상정 구조를 실제 금속 조직과 매우 유사하게 예측했습니다.
• Cu70Zn30 (65 mm/min) 시뮬레이션은 길이 방향의 평행한 주상정 구조와 횡단면의 소수 거대 결정립을 정확히 모사했습니다 (그림 13).
• Cu65Zn35 (75 mm/min) 시뮬레이션은 주조 속도 및 크기 증가에 따른 결정립 수 증가 현상을 실제와 같이 재현했습니다 (그림 14).

Figure 목록:

• Fig. 1 Schematic illustration of the casting equipment of HCC.
• Fig. 2 Photograph of mould used in HCC process (a) graphite mould (b) copper mould.
• Fig. 3 The location of thermalcouple in HCC process.
• Fig. 4 Sketch of the physical model for HCC process.
• Fig. 5 Schematic diagram of the growth algorithm used in the CA model.
• Fig. 6 Growth kinetics of a dendrite tip, as calculated using the KGT model for Cu70Zn30. (R² is the square of the correlation coefficient)
• Fig. 7 Growth kinetics of a dendrite tip, as calculated using the KGT model for Cu65Zn35. (R² is the square of the correlation coefficient)
• Fig. 8 Numerical simulation flowchart of microstructure modeling for HCC process.
• Fig. 9 The actual situation of brass rod in HCC process (a) rod-drawing process (b) coil device.
• Fig. 10 Withdrawal Φ6 mm brass rod (Cu70Zn30) after HCC process.
• Fig. 11 Φ6 mm brass rod (Cu70Zn30) for a casting speed of 65 mm/min in HCC process (a) temperature field (b) solid fraction.
• Fig. 12 Φ8 mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min in HCC process (a) temperature field (b) solid fraction.
• Fig. 13 Solidification microstructure of Φ6 mm brass rod (Cu70Zn30) for a casting speed of 65 mm/min.
• Fig. 14 Solidification microstructure of Φ8 mm brass rod (Cu65Zn35) for a casting speed of 75 mm/min.

7. 결론:

1. 거시적 온도장을 얻기 위해 유한차분법을 사용하고, 이를 CA 모델과 결합하여 핵 생성과 결정립 성장을 계산하는 방법은 HCC 공정에서 황동 합금의 미세조직 형태를 효과적으로 예측할 수 있었습니다.
2. 냉각 주형을 사용하는 HCC 공정에서 인출 속도를 최적화함으로써 일방향으로 응고된 황동 봉을 제작할 수 있었습니다.

8. 참고 문헌:

1. W. Oldfield: ASM Trans. 59 (1966) 945.
2. J. D. Hunt: Mater. Sci. Eng. 65 (1984) 75.
3. I. Dustin and W. Kurz: Z. Metallkd. 77 (1986) 265.
4. C. A. Gandin and M. Rappaz: Acta Mater. 42 (1994) 2233.
5. C. A. Gandin, J. L. Desbiolles, M. Rappaz and P. Thevoz: Metall. Mater. Trans. A 30 (1999) 3153.
6. M. Rappaz and C. A. Gandin: Acta Mater. 41 (1993) 345.
7. M. Rappaz, C. A. Gandin, J. L. Desbiolles and P. Thevoz: Metall. Mater. Trans. A 27 (1996) 695.
8. Y. Hirokazu and O. Itsuo: J. Japan Inst. Metals 61 (1997) 342.
9. K. Harkki and J. Miettinen: Metall. Trans. B 30 (1999) 75.
10. Y. T. Ding and G. J. Xu: Foundry Technology 26 (2005) 1075.
11. M. F. Zhu and C. P. Hong: Metall. Mater. Trans. A 35 (2004) 1555.
12. H. B. Dong and P. D. Lee: Acta Mater. 53 (2005) 659.
13. Y. Natsume and K. Ohsasa: ISIJ Int. 46 (2006) 896.
14. G. Guillemot, C. A. Gandin and M. Bellet: J. Crystal Growth 303 (2007) 58.
15. X. G. Qu and X. Q. Li: Machin. Design Manuf. 1 (2008) 109.
16. Y. H. Chang, S. M. Lee, K. Y. Lee and C. P. Hong: ISIJ Int. 38 (1998) 63.
17. M. F. Zhu and C. P. Hong: ISIJ Int. 42 (2002) 520.
18. W. Kurz, B. Giovanola and R. Trivedi: Acta Metall. 34 (1986) 823.
19. K. Harkki and J. Miettinen: Metall. Mater. Trans. B 30B (1999) 75.
20. Y. T. Ding and G. G. Xu: Foundry Technology 26 (2005) 1075.

전문가 Q&A: 자주 묻는 질문

Q1: 왜 다른 방법 대신 FDM-CA 결합 모델을 선택했습니까?

A1: 이 모델은 거시적 현상과 미시적 현상을 효과적으로 연결하기 때문입니다. FDM은 전체 시스템의 온도 분포와 같은 거시적 열전달을 효율적으로 계산합니다. 반면, CA 모델은 핵 생성의 무작위성과 결정립의 우선 성장 방향 같은 확률론적 현상을 잘 포착합니다. 이 두 가지를 결합함으로써, 물리적 현상에 기반한 정확성과 실제 응고 과정의 복잡성을 모두 반영할 수 있어 예측 신뢰도를 높일 수 있습니다.

Q2: CA 모델의 핵심 변수인 핵 생성 파라미터(n_max, ΔT_N, ΔT_σ)는 어떻게 결정되었습니까?

A2: 논문에 따르면, 이 파라미터들은 이상적으로는 DTA(시차 열 분석) 실험을 통해 결정되어야 합니다. 하지만 본 연구에서는 관련 문헌(Ref. 19)에서 가장 적절한 값을 참조하고, 컴퓨터 시뮬레이션 결과를 통해 그 타당성을 검증하는 방식을 택했습니다. 이는 정확한 재료 물성 데이터 확보가 신뢰성 높은 시뮬레이션을 위해 얼마나 중요한지를 보여줍니다.

Q3: 그림 14가 그림 13보다 더 많은 결정립을 보이는 이유는 무엇입니까?

A3: 논문에서는 이 차이가 두 가지 요인에 기인한다고 설명합니다. 첫째, 주조 속도가 65 mm/min에서 75 mm/min으로 증가했고, 둘째, 주조품의 직경이 Φ6mm에서 Φ8mm로 커졌습니다. 이러한 조건 변화는 결정립 성장 경쟁(grain growth competition) 효과를 감소시켜, 더 많은 수의 결정립이 살아남아 최종 미세조직을 형성하게 된 것입니다.

Q4: 3D-CA 계산에 2D 온도장을 사용한 이유는 무엇이며, 이러한 단순화가 타당한가요?

A4: 논문에서는 계산에 필요한 저장 공간과 시간을 줄이기 위해 이러한 단순화를 적용했다고 언급합니다. 연구 대상인 황동 봉은 원통형으로 축 대칭성을 가지므로, 2차원 단면에서의 온도장 계산만으로도 전체 3차원 시스템의 열적 거동을 대표할 수 있습니다. 따라서 이 특정 형상에 대해서는 합리적인 접근 방식이라고 할 수 있습니다.

Q5: 그림 11(b)와 12(b)에서 예측된 좁은 머쉬 존(mushy zone)은 무엇을 의미합니까?

A5: 고상 분율(solid fraction) 분포도에서 나타난 좁은 머쉬 존은 고상과 액상이 공존하는 영역이 좁다는 것을 의미합니다. 이는 황동 봉의 응고가 비교적 빠르게 완료됨을 시사하며, 결과적으로 미세 편석(microsegregation)의 영향이 심각하지 않다는 것을 암시합니다. 이는 재료의 균질성과 기계적 특성 측면에서 매우 긍정적인 결과입니다.

결론: 더 높은 품질과 생산성을 향한 길

본 연구는 황동 수평 연속주조 시뮬레이션이 단순한 예측을 넘어 공정 최적화의 핵심 도구가 될 수 있음을 명확히 보여주었습니다. FDM과 CA를 결합한 모델은 주조 속도와 같은 공정 변수가 최종 미세조직에 미치는 영향을 정밀하게 예측함으로써, 시행착오에 의존하던 기존 방식의 한계를 극복할 수 있는 길을 제시합니다. 이러한 접근법은 원하는 기계적 특성을 가진 고품질 황동 제품을 안정적으로 생산하고, 개발 기간 단축 및 생산성 향상에 직접적으로 기여할 수 있습니다.

“STI C&D는 최신 산업 연구 결과를 적용하여 고객이 더 높은 생산성과 품질을 달성할 수 있도록 최선을 다하고 있습니다. 이 논문에서 논의된 과제가 귀사의 운영 목표와 일치한다면, 저희 엔지니어링 팀에 연락하여 이러한 원칙을 귀사의 부품에 어떻게 구현할 수 있는지 알아보십시오.”

(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

저작권 정보

• 이 콘텐츠는 “De-Chang Tsai” 외 저자의 논문 “A Three Dimensional Cellular Automaton Model for the Prediction of Solidification Morphologies of Brass Alloy by Horizontal Continuous Casting and Its Experimental Verification”을 기반으로 한 요약 및 분석 자료입니다.
• 출처: https://doi.org/10.2320/matertrans.M2010402

이 자료는 정보 제공 목적으로만 사용됩니다. 무단 상업적 사용을 금지합니다. Copyright © 2025 STI C&D. All rights reserved.