레이저 용접에서의 키홀 동력학과 유도를 통한 Porosity 형성

레이저 용접에서의 Key Hole 동력학과 유도를 통한 Porosity 형성

자료 제공: General Motors Company, Shanghai Jiao Tong University
자료 제공: FLOW Science Japan

이 사례를 통해 FLOW-3D^@ WELD를 이용하여 레이저 용접 프로세스의 키홀 형성 유도를 통한 porosity 형성에 대하여 검토가 가능한 것을 알 수 있습니다.

porosity 형성을 유도하는 키홀의 메커니즘
레이저 출력과 용접 속도의 영향
레이저 빔의 경사각의 영향으로 porosity 형성을 유도하는 키홀의 메커니즘

위 그림과 같이 온도에 따른 표면장력 값과 강한 우회전 소용돌이에 의해 후방으로의 유동은 거의 억제되는 것을 확인할 수 있습니다. 강한 용융 유동에 의한 Key Hole 붕괴는 초기 porosity 형성의 원인이 되지만, Key Hole 재개나 기포가 자유표면으로 빠져 나가도록 반드시 porosity를 이끌지는 않습니다.

그러나 키홀 바닥부에서 강한 소용돌이에 의해 기포가 키홀 용융지 후방 저부로 운반될 때는 높은 열전도율로 응고면이 빠르게 이동하므로, 응고면에 의해 포획될 위험이 매우 높습니다.

또한 용융 시의 알루미늄은 소용돌이가 강하기 때문에, 기포를 용융지의 바닥 후방에 있는 상태에서 배출시키는 것은 거의 불가능합니다. 기포가 응고면에 의해 포획될 경우 porosity가 형성됩니다.

레이저 출력과 용접속도의 영향

일반적으로 용접속도를 크게 하면 결합부에서 Porosity가 감소합니다. 이는 용접 속도 상승으로 모재 내 용해 및 키홀 깊이가 감소하여 키홀이 안정되기 때문입니다.

실험에 의한 길이 방향 단면의 Porisity 분포와 FLOW-3D^@WELD에 의한 분석 결과를 보여줍니다. 3번 케이스도 실험과 비슷한 용해 깊이를 가지고 있으며, 분석 결과도 실험과 매우 잘 일치하고 있습니다.

용접 단면의 Porosity 분포를 보면, 레이저 조사 각도가 증가할 수록 Porosity가 뚜렷이 감소하고 있음을 알 수 있습니다. 위의 오른쪽 그림에 용융지 내의 유속장과 온도분포를 보면 레이저 빔의 경사각도는 키홀의 생성 방향을 결정하여 후방의 용융지와 용융유동에 영향을 미치고 있습니다.

또한, 레이저의 경사각도가 작을 경우 강력한 증발 반력이나 중력에 의해 용융금속이 다른 방향으로 이동합니다. 이는 강한 소용돌이 흐름의 원인이 되는 구동력으로 작용하여 키홀 붕괴로 이어지기 쉽다는 것을 확인할 수 있습니다.

FLOW-3D 용접해석 개요

자료 제공: FLOW Science Japan

용접은 금속의 상변화, 용융시의 유동, 방열에 의한 응고 등을 포함한 복잡한 물리 현상입니다. FLOW-3D^@에는 그 현상을 정밀하게 모델링하는 기능이 있고, 용접 현상을 충실하게 재현할 수 있습니다.

특히 용융 금속의 유동은 표면 장력의 영향이 강하고, 그 해석은 정확한 자유 계면의 추적이 필요합니다.

FLOW-3D^@의 정확한 계면 추적 기능인 TruVOF^®는 그 현상을 파악하기에 매우 적합합니다.

해석 조건으로 레이저의 power, spot size, distance, 움직임(분사방향) 등을 입력할 수 있으며, 보호가스는 밀도와 유속으로 설정 할 수 있습니다. 스패터의 분출 해석은 현재 지원되지 않습니다.

해석 결과로 용접 비드의 폭, 깊이, 기공의 유무 등 관찰할 수 있습니다.

열응력 해석은 FLOW-3D 유동 해석 결과를 Abaqus 등의 구조해석 프로그램에서 불러와서 별도로 열응력 해석을 수행해야 합니다.

해석 필요성

FLOW-3D 를 이용한 용접해석은

높은 방사 강도와 고온으로 직접 관찰하기 어려운 내부 현상의 상세 내용을 가시화
온도, 열, 용접 속도, 위치 관계, 재료 물성 등의 파라미터 연구 검토
결함 예측 (공기연행, 응고 수축, 금속 산화) 등의 필요성

해석을 통해 얻는 이점

금속의 상변화, 용융시의 유체의 힘, 방열에 의한 응고 등의 물리모델 용접 현상을 분석할 수 있습니다.

또한 용융시에는 표면장력의 영향이 강하고, 자유계면을 추적하는 수치해석 방법에 대해 높은 정밀도가 요구됩니다. FLOW-3D^@는 이러한 요구사항을 잘 처리할 수 있는 장점을 가지고 있어, 용접 용융-응고의 연속적인 현상을 정확하게 파악합니다.

캐비테이션이란 무엇입니까?

The spillways of the Glen Canyon dam in 1983 (Lee and Hoopes, 1996).

캐비테이션은 유체 흐름의 매우 낮은 압력 또는 포화 압력을 높이는 온도 상승으로 인해 유체 내에서 증기 또는 기포가 빠르게 발생하는 것입니다. 기포의 갑작스런 출현 (및 후속 붕괴)은 비압축성 유체 내에서 압력의 급격한 변화를 일으켜 심각한 기계적 손상을 일으킬 수 있습니다. 캐비테이션에 의해 유도 된 힘은 1983 년 Glen Canyon 댐의 배수로에서 경험 한 손상에서 볼 수 있듯이 며칠 내에 수 피트의 암석을 침식 할 가능성이 있습니다 (Lee and Hoopes, 1996).

또한 고압 다이 캐스팅에서 캐비테이션이 발생할 수 있습니다. 다이의 수축 및 곡선을 통한 용융 합금의 빠른 이동은 급속한 압력 강하를 초래하고 후속 캐비테이션으로 이어질 수 있습니다. 생성된 증기 기포는 최종 주조에서 다공성을 유발하거나 더 나쁜 경우 다이에 손상을 일으켜 주조품을 훼손시키고 다이 수명을 감소시킬 수 있습니다.

캐비테이션은 터빈과 파이프에 손상을 줄 수 있고, 댐의 배수로에서 콘크리트를 침식하는 등의 원인이 될 수 있습니다. 아래 이미지는 댐의 배수로 바닥 근처의 콘크리트 침식을 보여줍니다. 댐에 사용되는 콘크리트는 일반적으로 강도가 높지만 캐비테이션은 여전히 그것을 부식시킬 수 있습니다.

*Eroded concrete due to cavitation on the spillway of a dam*

캐비테이션은 때때로 오염 물질과 유기 분자를 분해하고, 소수성 화학 물질을 결합하고, 캐비테이션 기포의 파열로 인해 생성 된 충격파를 통해 신장 결석을 파괴하고, 혼합을위한 난류를 증가시켜 수질 정화와 같은 특정 산업 응용 분야에서 의도적으로 유도됩니다.

따라서 캐비테이션이 발생할 가능성이있는 위치와 그 강도를 이해하는 것이 중요합니다. 캐비테이션을 실험을 수행하거나 실험 결과의 현상을 시각화하는 것이 어렵고, 잠재적으로 손상 될 수 있으므로 수치해석 시뮬레이션으로 검토하는 것이 매우 필요하고, 유용합니다.

Real-World Applications | 실제 응용 분야

물 및 환경 구조 내에서 손상을 주는 캐비테이션 시뮬레이션
다이 손상 및 주조 다공성을 유발할 수 있는 고압 다이 캐스팅 중 캐비테이션 시뮬레이션
MEMS 장치 내의 열 거품 형성 시뮬레이션
열 전달 표면의 비등 거동 예측
캐비테이션 역학으로 인한 혼합 예측

Modeling Cavitation in FLOW-3D

FLOW-3D의 캐비테이션 모델은 thermal bubble jets 와 MEMS devices를 시뮬레이션하는데 성공적으로 사용되었습니다. FLOW-3D는 “active”또는 “passive” 모델 옵션을 제공합니다. Active 모델은 기포 영역을 열고 수동 모델은 흐름을 통해 캐비테이션 기포의 존재를 추적하고 전파하지만, 기포 영역의 형성을 시작하지는 않습니다.

Active모델은 더 큰 캐비테이션 영역이 예상되고 유동장에 영향을 미치는 경우에 가장 적합하며, Passive모델은 작은 기포의 간단한 모양이 예상되는 시뮬레이션에 가장 적합합니다. 활성 모델과 에너지 전송 계산을 통해 위상 변화도 옵션입니다. 기포는 계면에서의 증발 또는 응축으로 인해 추가로 팽창하거나 수축 할 수 있습니다.

Sample Results

아래 시뮬레이션은 수축 노즐을 보여줍니다. 애니메이션은 매우 일시적인 진동 동작을 보여주는 캐비테이션 버블의 진화를 보여줍니다. 캐비테이션 부피 분율은 초기 연속 액체에서 캐비테이션의 시작을 시각화하기 위해 플롯됩니다.

아래 애니메이션은 진입 속도가 8m/s이고 수렴 기울기가 18 °이고 발산 기울기가 8 ° 인 벤츄리 내의 캐비테이션을 보여줍니다. 다시 말하지만, 캐비테이션의 과도 동작은 잘 모델링되어 있으며, 모델은 22ms의 실험 결과와 비교하여 17.4ms의 캐비테이션주기 기간을 예측합니다 (Stutz and Reboud 1997).

Cavitation in a venturi

물 탱크를 통해 이동하는 고속 발사체를 시뮬레이션하여 발사체 후류에서 생성 된 저압 영역의 공동 기둥을 보여줍니다. 발사체의 초기 속도는 600m / s입니다. 아래는 탱크의 움직임과 후행하는 캐비테이션 유체의 애니메이션입니다. 발사체가 감속함에 따라 캐비테이션 기둥의 반경이 좁아집니다.

@

High-speed bullet

References

Lee, W., Hoopes, J.A., 1996, Prediction of Cavitation Damage for Spillways, Journal of Hydraulic Engineering, 122(9): 481-488.

Plesset, M.S., Prosperetti, A., 1977, Bubble Dynamics and Cavitation, Annual Revue of Fluid Mech, 9: 145-185.

Rouse, H., 1946. Elementary Mechanics of Fluids, New York: Dover Publications, Inc.

Stutz, B., Reboud, J.L., 1997, Experiments on unsteady cavitation, Experiments in Fluids, 22: 191-198.

자유 표면 모델링 방법

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

Free Surface Modeling Methods

An interface between a gas and liquid is often referred to as a free surface. The reason for the “free” designation arises from the large difference in the densities of the gas and liquid (e.g., the ratio of density for water to air is 1000). A low gas density means that its inertia can generally be ignored compared to that of the liquid. In this sense the liquid moves independently, or freely, with respect to the gas. The only influence of the gas is the pressure it exerts on the liquid surface. In other words, the gas-liquid surface is not constrained, but free.

자유 표면 모델링 방법

기체와 액체 사이의 계면은 종종 자유 표면이라고합니다. ‘자유’라는 호칭이 된 것은 기체와 액체의 밀도가 크게 다르기 때문입니다 (예를 들어, 물 공기에 대한 밀도 비는 1000입니다). 기체의 밀도가 낮다는 것은 액체의 관성에 비해 기체의 관성은 일반적으로 무시할 수 있다는 것을 의미합니다. 이러한 의미에서, 액체는 기체에 대해 독립적으로, 즉 자유롭게 움직입니다. 기체의 유일한 효과는 액체의 표면에 대한 압력입니다. 즉, 기체와 액체의 표면은 제약되어있는 것이 아니라 자유롭다는 것입니다.

In heat-transfer texts the term ‘Stephen Problem’ is often used to describe free boundary problems. In this case, however, the boundaries are phase boundaries, e.g., the boundary between ice and water that changes in response to the heat supplied from convective fluid currents.

열전달에 관한 문서는 자유 경계 문제를 묘사할 때 “Stephen Problem’”라는 용어가 자주 사용됩니다. 그러나 여기에서 경계는 상(phase) 경계, 즉 대류적인 유체의 흐름에 의해 공급된 열에 반응하여 변화하는 얼음과 물 사이의 경계 등을 말합니다.

Whatever the name, it should be obvious that the presence of a free or moving boundary introduces serious complications for any type of analysis. For all but the simplest of problems, it is necessary to resort to numerical solutions. Even then, free surfaces require the introduction of special methods to define their location, their movement, and their influence on a flow.

이름이 무엇이든, 자유 또는 이동 경계가 존재한다는 것은 어떤 유형의 분석에도 복잡한 문제를 야기한다는 것은 분명합니다. 가장 간단한 문제를 제외한 모든 문제에 대해서는 수치 해석에 의존할 필요가 있습니다. 그 경우에도 자유 표면은 위치, 이동 및 흐름에 미치는 영향을 정의하기 위한 특별한 방법이 필요합니다.

In the following discussion we will briefly review the types of numerical approaches that have been used to model free surfaces, indicating the advantages and disadvantages of each method. Regardless of the method employed, there are three essential features needed to properly model free surfaces:

A scheme is needed to describe the shape and location of a surface,
An algorithm is required to evolve the shape and location with time, and
Free-surface boundary conditions must be applied at the surface.

다음 설명에서는 자유 표면 모델링에 사용되어 온 다양한 유형의 수치적 접근에 대해 간략하게 검토하고 각 방법의 장단점을 설명합니다. 어떤 방법을 사용하는지에 관계없이 자유롭게 표면을 적절히 모델화하는 다음의 3 가지 기능이 필요합니다.

표면의 형상과 위치를 설명하는 방식
시간에 따라 모양과 위치를 업데이트 하는 알고리즘
표면에 적용할 자유 표면 경계 조건

Lagrangian Grid Methods

Conceptually, the simplest means of defining and tracking a free surface is to construct a Lagrangian grid that is imbedded in and moves with the fluid. Many finite-element methods use this approach. Because the grid and fluid move together, the grid automatically tracks free surfaces.

라그랑주 격자 법

개념적으로 자유 표면을 정의하고 추적하는 가장 간단한 방법은 유체와 함께 이동하는 라그랑주 격자를 구성하는 것입니다. 많은 유한 요소 방법이 이 접근 방식을 사용합니다. 격자와 유체가 함께 움직이기 때문에 격자는 자동으로 자유 표면을 추적합니다.

At a surface it is necessary to modify the approximating equations to include the proper boundary conditions and to account for the fact that fluid exists only on one side of the boundary. If this is not done, asymmetries develop that eventually destroy the accuracy of a simulation.

표면에서 적절한 경계 조건을 포함하고 유체가 경계의 한면에만 존재한다는 사실을 설명하기 위해 근사 방정식을 수정해야합니다. 이것이 수행되지 않으면 결국 시뮬레이션의 정확도를 훼손하는 비대칭이 발생합니다.

The principal limitation of Lagrangian methods is that they cannot track surfaces that break apart or intersect. Even large amplitude surface motions can be difficult to track without introducing regridding techniques such as the Arbitrary-Lagrangian-Eulerian (ALE) method. References 1970 and 1974 may be consulted for early examples of these approaches.

라그랑지안 방법의 주요 제한은 분리되거나 교차하는 표면을 추적 할 수 없다는 것입니다. ALE (Arbitrary-Lagrangian-Eulerian) 방법과 같은 격자 재생성 기법을 도입하지 않으면 진폭이 큰 표면 움직임도 추적하기 어려울 수 있습니다. 이러한 접근법의 초기 예를 보려면 참고 문헌 1970 및 1974를 참조하십시오.

The remaining free-surface methods discussed here use a fixed, Eulerian grid as the basis for computations so that more complicated surface motions may be treated.

여기에서 논의된 나머지 자유 표면 방법은 보다 복잡한 표면 움직임을 처리할 수 있도록 고정된 오일러 그리드를 계산의 기준으로 사용합니다.

Surface Height Method

Low amplitude sloshing, shallow water waves, and other free-surface motions in which the surface does not deviate too far from horizontal, can be described by the height, H, of the surface relative to some reference elevation. Time evolution of the height is governed by the kinematic equation, where (u,v,w) are fluid velocities in the (x,y,z) directions. This equation is a mathematical expression of the fact that the surface must move with the fluid:

표면 높이 법

낮은 진폭의 슬로 싱, 얕은 물결 및 표면이 수평에서 너무 멀리 벗어나지 않는 기타 자유 표면 운동은 일부 기준 고도에 대한 표면의 높이 H로 설명 할 수 있습니다. 높이의 시간 진화는 운동학 방정식에 의해 제어되며, 여기서 (u, v, w)는 (x, y, z) 방향의 유체 속도입니다. 이 방정식은 표면이 유체와 함께 움직여야한다는 사실을 수학적으로 표현한 것입니다.

Finite-difference approximations to this equation are easy to implement. Further, only the height values at a set of horizontal locations must be recorded so the memory requirements for a three-dimensional numerical solution are extremely small. Finally, the application of free-surface boundary conditions is also simplified by the condition on the surface that it remains nearly horizontal. Examples of this technique can be found in References 1971 and 1975.

이 방정식의 유한 차분 근사를 쉽게 실행할 수 있습니다. 또한 3 차원 수치 해법의 메모리 요구 사항이 극도로 작아지도록 같은 높이의 위치 값만을 기록해야합니다. 마지막으로 자유 표면 경계 조건의 적용도 거의 수평을 유지하는 표면의 조건에 의해 간소화됩니다. 이 방법의 예는 참고 문헌의 1971 및 1975을 참조하십시오.

Marker-and-Cell (MAC) Method

The earliest numerical method devised for time-dependent, free-surface, flow problems was the Marker-and-Cell (MAC) method (see Ref. 1965). This scheme is based on a fixed, Eulerian grid of control volumes. The location of fluid within the grid is determined by a set of marker particles that move with the fluid, but otherwise have no volume, mass or other properties.

MAC 방법

시간 의존성을 가지는 자유 표면 흐름의 문제에 대해 처음 고안된 수치 법이 MAC (Marker-and-Cell) 법입니다 (참고 문헌 1965 참조). 이 구조는 컨트롤 볼륨 고정 오일러 격자를 기반으로합니다. 격자 내의 유체의 위치는 유체와 함께 움직이고, 그 이외는 부피, 질량, 기타 특성을 갖지 않는 일련의 마커 입자에 의해 결정됩니다.

Grid cells containing markers are considered occupied by fluid, while those without markers are empty (or void). A free surface is defined to exist in any grid cell that contains particles and that also has at least one neighboring grid cell that is void. The location and orientation of the surface within the cell was not part of the original MAC method.

마커를 포함한 격자 셀은 유체로 채워져있는 것으로 간주되며 마커가 없는 격자 셀은 빈(무효)것입니다. 입자를 포함하고, 적어도 하나의 인접 격자 셀이 무효인 격자의 자유 표면은 존재하는 것으로 정의됩니다. 셀 표면의 위치와 방향은 원래의 MAC 법에 포함되지 않았습니다.

Evolution of surfaces was computed by moving the markers with locally interpolated fluid velocities. Some special treatments were required to define the fluid properties in newly filled grid cells and to cancel values in cells that are emptied.

표면의 발전(개선)은 국소적으로 보간된 유체 속도로 마커를 이동하여 계산되었습니다. 새롭게 충전된 격자 셀의 유체 특성을 정의하거나 비어있는 셀의 값을 취소하거나 하려면 특별한 처리가 필요했습니다.

The application of free-surface boundary conditions consisted of assigning the gas pressure to all surface cells. Also, velocity components were assigned to all locations on or immediately outside the surface in such a way as to approximate conditions of incompressibility and zero-surface shear stress.

자유 표면 경계 조건의 적용은 모든 표면 셀에 가스 압력을 할당하는 것으로 구성되었습니다. 또한 속도 성분은 비압축성 및 제로 표면 전단 응력의 조건을 근사화하는 방식으로 표면 위 또는 외부의 모든 위치에 할당되었습니다.

The extraordinary success of the MAC method in solving a wide range of complicated free-surface flow problems is well documented in numerous publications. One reason for this success is that the markers do not track surfaces directly, but instead track fluid volumes. Surfaces are simply the boundaries of the volumes, and in this sense surfaces may appear, merge or disappear as volumes break apart or coalesce.

폭넓게 복잡한 자유 표면 흐름 문제 해결에 MAC 법이 놀라운 성공을 거두고 있는 것은 수많은 문헌에서 충분히 입증되고 있습니다. 이 성공 이유 중 하나는 마커가 표면을 직접 추적하는 것이 아니라 유체의 체적을 추적하는 것입니다. 표면은 체적의 경계에 불과하며, 그러한 의미에서 표면은 분할 또는 합체된 부피로 출현(appear), 병합, 소멸 할 가능성이 있습니다.

A variety of improvements have contributed to an increase in the accuracy and applicability of the original MAC method. For example, applying gas pressures at interpolated surface locations within cells improves the accuracy in problems driven by hydrostatic forces, while the inclusion of surface tension forces extends the method to a wider class of problems (see Refs. 1969, 1975).

다양한 개선으로 인해 원래 MAC 방법의 정확성과 적용 가능성이 증가했습니다. 예를 들어, 셀 내 보간 된 표면 위치에 가스 압력을 적용하면 정 수력으로 인한 문제의 정확도가 향상되는 반면 표면 장력의 포함은 방법을 더 광범위한 문제로 확장합니다 (참조 문헌. 1969, 1975).

In spite of its successes, the MAC method has been used primarily for two-dimensional simulations because it requires considerable memory and CPU time to accommodate the necessary number of marker particles. Typically, an average of about 16 markers in each grid cell is needed to ensure an accurate tracking of surfaces undergoing large deformations.

수많은 성공에도 불구하고 MAC 방법은 필요한 수의 마커 입자를 수용하기 위해 상당한 메모리와 CPU 시간이 필요하기 때문에 주로 2 차원 시뮬레이션에 사용되었습니다. 일반적으로 큰 변형을 겪는 표면의 정확한 추적을 보장하려면 각 그리드 셀에 평균 약 16 개의 마커가 필요합니다.

Another limitation of marker particles is that they don’t do a very good job of following flow processes in regions involving converging/diverging flows. Markers are usually interpreted as tracking the centroids of small fluid elements. However, when those fluid elements get pulled into long convoluted strands, the markers may no longer be good indicators of the fluid configuration. This can be seen, for example, at flow stagnation points where markers pile up in one direction, but are drawn apart in a perpendicular direction. If they are pulled apart enough (i.e., further than one grid cell width) unphysical voids may develop in the flow.

마커 입자의 또 다른 한계는 수렴 / 발산 흐름이 포함된 영역에서 흐름 프로세스를 따라가는 작업을 잘 수행하지 못한다는 것입니다. 마커는 일반적으로 작은 유체 요소의 중심을 추적하는 것으로 해석됩니다. 그러나 이러한 유체 요소가 길고 복잡한 가닥으로 당겨지면 마커가 더 이상 유체 구성의 좋은 지표가 될 수 없습니다. 예를 들어 마커가 한 방향으로 쌓여 있지만 수직 방향으로 떨어져 있는 흐름 정체 지점에서 볼 수 있습니다. 충분히 분리되면 (즉, 하나의 그리드 셀 너비 이상) 비 물리적 공극이 흐름에서 발생할 수 있습니다.

Surface Marker Method

One way to limit the memory and CPU time consumption of markers is to keep marker particles only on surfaces and not in the interior of fluid regions. Of course, this removes the volume tracking property of the MAC method and requires additional logic to determine when and how surfaces break apart or coalesce.

표면 마커 법

마커의 메모리 및 CPU 시간의 소비를 제한하는 방법 중 하나는 마커 입자를 유체 영역의 내부가 아니라 표면에만 보존하는 것입니다. 물론 이는 MAC 법의 체적 추적 특성이 배제되기 때문에 표면이 분할 또는 합체하는 방식과 시기를 특정하기위한 논리를 추가해야합니다.

In two dimensions the marker particles on a surface can be arranged in a linear order along the surface. This arrangement introduces several advantages, such as being able to maintain a uniform particle spacing and simplifying the computation of intersections between different surfaces. Surface markers also provide a convenient way to locate the surface within a grid cell for the application of boundary conditions.

2 차원의 경우 표면 마커 입자는 표면을 따라 선형으로 배치 할 수 있습니다. 이 배열은 입자의 간격을 균일하게 유지할 수있는 별도의 표면이 교차하는 부분의 계산이 쉽다는 등 몇 가지 장점이 있습니다. 또한 표면 마커를 사용하여 경계 조건을 적용하면 격자 셀의 표면을 간단한 방법으로 찾을 수 있습니다.

Unfortunately, in three-dimensions there is no simple way to order particles on surfaces, and this leads to a major failing of the surface marker technique. Regions may exist where surfaces are expanding and no markers fill the space. Without markers the configuration of the surface is unknown, consequently there is no way to add markers. Reference 1975 contains examples that show the advantages and limitations of this method.

불행히도 3 차원에서는 표면에 입자를 정렬하는 간단한 방법이 없으며 이로 인해 표면 마커 기술이 크게 실패합니다. 표면이 확장되고 마커가 공간을 채우지 않는 영역이 존재할 수 있습니다. 마커가 없으면 표면의 구성을 알 수 없으므로 마커를 추가 할 방법이 없습니다.
참고 문헌 1975이 방법의 장점과 한계를 보여주는 예제가 포함되어 있습니다.

Volume-of-Fluid (VOF) Method

The last method to be discussed is based on the concept of a fluid volume fraction. The idea for this approach originated as a way to have the powerful volume-tracking feature of the MAC method without its large memory and CPU costs.

VOF (Volume-of-Fluid) 법

마지막으로 설명하는 방법은 유체 부피 분율의 개념을 기반으로합니다. 이 접근 방식에 대한 아이디어는 대용량 메모리 및 CPU 비용없이 MAC 방식의 강력한 볼륨 추적 기능을 갖는 방법에서 시작되었습니다.

Within each grid cell (control volume) it is customary to retain only one value for each flow quantity (e.g., pressure, velocity, temperature, etc.) For this reason it makes little sense to retain more information for locating a free surface. Following this reasoning, the use of a single quantity, the fluid volume fraction in each grid cell, is consistent with the resolution of the other flow quantities.

각 격자 셀 (제어 체적) 내에서 각 유량 (예 : 압력, 속도, 온도 등)에 대해 하나의 값만 유지하는 것이 일반적입니다. 이러한 이유로 자유 표면을 찾기 위해 더 많은 정보를 유지하는 것은 거의 의미가 없습니다. 이러한 추론에 따라 각 격자 셀의 유체 부피 분율인 단일 수량의 사용은 다른 유량의 해상도와 일치합니다.

If we know the amount of fluid in each cell it is possible to locate surfaces, as well as determine surface slopes and surface curvatures. Surfaces are easy to locate because they lie in cells partially filled with fluid or between cells full of fluid and cells that have no fluid.

각 셀 내의 유체의 양을 알고 있는 경우, 표면의 위치 뿐만 아니라 표면 경사와 표면 곡률을 결정하는 것이 가능합니다. 표면은 유체 가 부분 충전 된 셀 또는 유체가 전체에 충전 된 셀과 유체가 전혀없는 셀 사이에 존재하기 때문에 쉽게 찾을 수 있습니다.

Slopes and curvatures are computed by using the fluid volume fractions in neighboring cells. It is essential to remember that the volume fraction should be a step function, i.e., having a value of either one or zero. Knowing this, the volume fractions in neighboring cells can then be used to locate the position of fluid (and its slope and curvature) within a particular cell.

경사와 곡률은 인접 셀의 유체 체적 점유율을 사용하여 계산됩니다. 체적 점유율은 계단 함수(step function)이어야 합니다, 즉, 값이 1 또는 0 인 것을 기억하는 것이 중요합니다. 이 것을 안다면, 인접 셀의 부피 점유율을 사용하여 특정 셀 내의 유체의 위치 (및 그 경사와 곡률)을 찾을 수 있습니다.

Free-surface boundary conditions must be applied as in the MAC method, i.e., assigning the proper gas pressure (plus equivalent surface tension pressure) as well as determining what velocity components outside the surface should be used to satisfy a zero shear-stress condition at the surface. In practice, it is sometimes simpler to assign velocity gradients instead of velocity components at surfaces.

자유 표면 경계 조건을 MAC 법과 동일하게 적용해야 합니다. 즉, 적절한 기체 압력 (및 대응하는 표면 장력)을 할당하고, 또한 표면에서 제로 전단 응력을 충족 시키려면 표면 외부의 어떤 속도 성분을 사용할 필요가 있는지를 확인합니다. 사실, 표면에서의 속도 성분 대신 속도 구배를 지정하는 것이보다 쉬울 수 있습니다.

Finally, to compute the time evolution of surfaces, a technique is needed to move volume fractions through a grid in such a way that the step-function nature of the distribution is retained. The basic kinematic equation for fluid fractions is similar to that for the height-function method, where F is the fraction of fluid function:

마지막으로, 표면의 시간 변화를 계산하려면 분포의 계단 함수의 성질이 유지되는 방법으로 격자를 통과하고 부피 점유율을 이동하는 방법이 필요합니다. 유체 점유율의 기본적인 운동학방정식은 높이 함수(height-function) 법과 유사합니다. F는 유체 점유율 함수입니다.

A straightforward numerical approximation cannot be used to model this equation because numerical diffusion and dispersion errors destroy the sharp, step-function nature of the F distribution.

이 방정식을 모델링 할 때 간단한 수치 근사는 사용할 수 없습니다. 수치의 확산과 분산 오류는 F 분포의 명확한 계단 함수(step-function)의 성질이 손상되기 때문입니다.

It is easy to accurately model the solution to this equation in one dimension such that the F distribution retains its zero or one values. Imagine fluid is filling a column of cells from bottom to top. At some instant the fluid interface is in the middle region of a cell whose neighbor below is filled and whose neighbor above is empty. The fluid orientation in the neighboring cells means the interface must be located above the bottom of the cell by an amount equal to the fluid fraction in the cell. Then the computation of how much fluid to move into the empty cell above can be modified to first allow the empty region of the surface-containing cell to fill before transmitting fluid on to the next cell.

F 분포가 0 또는 1의 값을 유지하는 같은 1 차원에서이 방정식의 해를 정확하게 모델링하는 것은 간단합니다. 1 열의 셀에 위에서 아래까지 유체가 충전되는 경우를 상상해보십시오. 어느 순간에 액체 계면은 셀의 중간 영역에 있고, 그 아래쪽의 인접 셀은 충전되어 있고, 상단 인접 셀은 비어 있습니다. 인접 셀 내의 유체의 방향은 계면과 셀의 하단과의 거리가 셀 내의 유체 점유율과 같아야 한다는 것을 의미합니다. 그 다음 먼저 표면을 포함하는 셀의 빈 공간을 충전 한 후 다음 셀로 유체를 보내도록 위쪽의 빈 셀에 이동하는 유체의 양의 계산을 변경할 수 있습니다.

In two or three dimensions a similar procedure of using information from neighboring cells can be used, but it is not possible to be as accurate as in the one-dimensional case. The problem with more than one dimension is that an exact determination of the shape and location of the surface cannot be made. Nevertheless, this technique can be made to work well as evidenced by the large number of successful applications that have been completed using the VOF method. References 1975, 1980, and 1981 should be consulted for the original work on this technique.

2 차원과 3 차원에서 인접 셀의 정보를 사용하는 유사한 절차를 사용할 수 있지만, 1 차원의 경우만큼 정확하게 하는 것은 불가능합니다. 2 차원 이상의 경우의 문제는 표면의 모양과 위치를 정확히 알 수없는 것입니다. 그래도 VOF 법을 사용하여 달성 된 다수의 성공 사례에서 알 수 있듯이 이 방법을 잘 작동시킬 수 있습니다. 이 기법에 관한 초기의 연구 내용은 참고 문헌 1975,1980,1981를 참조하십시오.

The VOF method has lived up to its goal of providing a method that is as powerful as the MAC method without the overhead of that method. Its use of volume tracking as opposed to surface-tracking function means that it is robust enough to handle the breakup and coalescence of fluid masses. Further, because it uses a continuous function it does not suffer from the lack of divisibility that discrete particles exhibit.

VOF 법은 MAC 법만큼 강력한 기술을 오버 헤드없이 제공한다는 목표를 달성 해 왔습니다. 표면 추적이 아닌 부피 추적 기능을 사용하는 것은 유체 질량의 분할과 합체를 처리하는 데 충분한 내구성을 가지고 있다는 것을 의미합니다. 또한 연속 함수를 사용하기 때문에 이산된 입자에서 발생하는 숫자를 나눌 수 없는 문제를 겪지 않게 됩니다.

Variable-Density Approximation to the VOF Method

One feature of the VOF method that requires special treatment is the application of boundary conditions. As a surface moves through a grid, the cells containing fluid continually change, which means that the solution region is also changing. At the free boundaries of this changing region the proper free surface stress conditions must also be applied.

VOF 법의 가변 밀도 근사

VOF 법의 특수 처리가 필요한 기능 중 하나는 경계 조건의 적용입니다. 표면이 격자를 통과하여 이동할 때 유체를 포함하는 셀은 끊임없이 변화합니다. 즉, 계산 영역도 변화하고 있다는 것입니다. 이 변화하고있는 영역의 자유 경계에는 적절한 자유 표면 응력 조건도 적용해야합니다.

Updating the flow region and applying boundary conditions is not a trivial task. For this reason some approximations to the VOF method have been used in which flow is computed in both liquid and gas regions. Typically, this is done by treating the flow as a single fluid having a variable density. The F function is used to define the density. An argument is then made that because the flow equations are solved in both liquid and gas regions there is no need to set interfacial boundary conditions.

유체 영역의 업데이트 및 경계 조건의 적용은 중요한 작업입니다. 따라서 액체와 기체의 두 영역에서 흐름이 계산되는 VOF 법에 약간의 근사가 사용되어 왔습니다. 일반적으로 가변 밀도를 가진 단일 유체로 흐름을 처리함으로써 이루어집니다. 밀도를 정의하려면 F 함수를 사용합니다. 그리고, 흐름 방정식은 액체와 기체의 두 영역에서 계산되기 때문에 계면의 경계 조건을 설정할 필요가 없다는 논증이 이루어집니다.

Unfortunately, this approach does not work very well in practice for two reasons. First, the sensitivity of a gas region to pressure changes is generally much greater than that in liquid regions. This makes it difficult to achieve convergence in the coupled pressure-velocity solution. Sometimes very large CPU times are required with this technique.

공교롭게도 이 방법은 두 가지 이유로 인해 실제로는 그다지 잘 작동하지 않습니다. 하나는 압력의 변화에 대한 기체 영역의 감도가 일반적으로 액체 영역보다 훨씬 큰 것입니다. 따라서 압력 – 속도 결합 해법 수렴을 달성하는 것은 어렵습니다. 이 기술은 필요한 CPU 시간이 매우 커질 수 있습니다.

The second, and more significant, reason is associated with the possibility of a tangential velocity discontinuity at interfaces. Because of their different responses to pressure, gas and liquid velocities at an interface are usually quite different. In the Variable-Density model interfaces are moved with an average velocity, but this often leads to unrealistic movement of the interfaces.

두 번째 더 중요한 이유는 계면에서 접선 속도가 불연속이되는 가능성에 관련이 있습니다. 압력에 대한 반응이 다르기 때문에 계면에서 기체와 액체의 속도는 일반적으로 크게 다릅니다. 가변 밀도 모델은 계면은 평균 속도로 동작하지만, 이는 계면의 움직임이 비현실적으로 되는 경우가 많습니다.

Even though the Variable-Density method is sometimes referred to as a VOF method, because is uses a fraction-of-fluid function, this designation is incorrect. For accurately tracking sharp liquid-gas interfaces it is necessary to actually treat the interface as a discontinuity. This means it is necessary to have a technique to define an interface discontinuity, as well as a way to impose the proper boundary conditions at that interface. It is also necessary to use a special numerical method to track interface motions though a grid without destroying its character as a discontinuity.

가변 밀도 방법은 유체 분율 함수를 사용하기 때문에 VOF 방법이라고도하지만 이것은 올바르지 않습니다. 날카로운 액체-가스 인터페이스를 정확하게 추적하려면 인터페이스를 실제로 불연속으로 처리해야합니다. 즉, 인터페이스 불연속성을 정의하는 기술과 해당 인터페이스에서 적절한 경계 조건을 적용하는 방법이 필요합니다. 또한 불연속성으로 특성을 훼손하지 않고 격자를 통해 인터페이스 동작을 추적하기 위해 특수한 수치 방법을 사용해야합니다.

Summary

A brief discussion of the various techniques used to numerically model free surfaces has been given here with some comments about their relative advantages and disadvantages. Readers should not be surprised to learn that there have been numerous variations of these basic techniques proposed over the years. Probably the most successful of the methods is the VOF technique because of its simplicity and robustness. It is this method, with some refinement, that is used in the FLOW-3D program.

여기에서는 자유 표면을 수치적으로 모델링 할 때 사용하는 다양한 방법에 대해 상대적인 장점과 단점에 대한 설명을 포함하여 쉽게 설명하였습니다. 오랜 세월에 걸쳐 이러한 기본적인 방법이 많이 제안되어 온 것을 알고도 독자 여러분은 놀라지 않을 것입니다. 아마도 가장 성과를 거둔 방법은 간결하고 강력한 VOF 법 입니다. 이 방법에 일부 개량을 더한 것이 현재 FLOW-3D 프로그램에서 사용되고 있습니다.

Attempts to improve the VOF method have centered on better, more accurate, ways to move fluid fractions through a grid. Other developments have attempted to apply the method in connection with body-fitted grids and to employ more than one fluid fraction function in order to model more than one fluid component. A discussion of these developments is beyond the scope of this introduction.

VOF 법의 개선은 더 나은, 더 정확한 방법으로 유체 점유율을 격자를 통과하여 이동하는 것에 중점을 두어 왔습니다. 기타 개발은 물체 적합 격자(body-fitted grids) 관련 기법을 적용하거나 여러 유체 성분을 모델링하기 위해 여러 유체 점유율 함수를 채용하기도 했습니다. 이러한 개발에 대한 논의는 여기에서의 설명 범위를 벗어납니다.

References

1965 Harlow, F.H. and Welch, J.E., Numerical Calculation of Time-Dependent Viscous Incompressible Flow, Phys. Fluids 8, 2182.

1969 Daly, B.J., Numerical Study of the Effect of Surface Tension on Interface Instability, Phys. Fluids 12, 1340.

1970 Hirt, C.W., Cook, J.L. and Butler, T.D., A Lagrangian Method for Calculating the Dynamics of an Incompressible Fluid with Free Surface, J. Comp. Phys. 5, 103.

1971 Nichols, B.D. and Hirt, C.W.,Calculating Three-Dimensional Free Surface Flows in the Vicinity of Submerged and Exposed Structures, J. Comp. Phys. 12, 234.

1974 Hirt, C.W., Amsden, A.A., and Cook, J.L.,An Arbitrary Lagrangian-Eulerian Computing Method for all Flow Speeds, J. Comp. Phys., 14, 227.

1975 Nichols, B.D. and Hirt, C.W., Methods for Calculating Multidimensional, Transient Free Surface Flows Past Bodies, Proc. of the First International Conf. On Num. Ship Hydrodynamics, Gaithersburg, ML, Oct. 20-23.

1980 Nichols, B.D. and Hirt, C.W., Numerical Simulation of BWR Vent-Clearing Hydrodynamics, Nucl. Sci. Eng. 73, 196.

1981 Hirt, C.W. and Nichols, B.D., Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries, J. Comp. Phys. 39, 201.

업무에 적합한 올바른 CFD 소프트웨어 선택 방법

많은 제품들이 모두 자신의 소프트웨어가 가장 적합하다고 말하기 떄문에, 사람들은 자신의 업무에 적합한 CFD 소프트웨어 선택에 어려움을 겪습니다. 그 이유는 유체 흐름 및 열 전달 분석을 위한 소프트웨어 패키지는 다양한 형태로 제공됩니다. 이러한 패키지는 물리적 근사치와 수치적 솔루션 기법이 크게 다르기 때문에 적합한 패키지를 선택하는 것이 어렵습니다.

아래 내용에서 올바른 CFD 소프트웨어를 선택할 때 고려해야 할 중요한 항목을 설명합니다.

1. 메싱 및 지오메트리

유한 요소 또는 “바디 맞춤 좌표”를 사용하는 솔루션 방법은 유동 영역의 기하학적 구조를 준수하는 해석용 그리드를 생성해야합니다. 정확한 수치 근사를 위해 허용 가능한 요소 크기와 모양으로 이러한 그리드를 생성하는 것은 쉽지 않은 작업입니다. 복잡한 경우 이러한 유형의 그리드 생성에는 며칠 또는 몇주의 노력이 소요될 수 있습니다. 일부 프로그램은 직사각형 그리드 요소만 사용하여 이러한 생성 문제를 제거하려고 시도하지만 흐름 및 열 전달 특성을 변경하는 “계단현상” 경계 문제를 해결해야 합니다. FLOW-3D는 FAVOR ™ (분수 면적 / 체적) 방법을 사용하여 기하학적 특성이 매끄럽게 포함된 생성하기 쉬운 직사각형 그리드를 사용하여 두 문제를 모두 해결합니다. 간단하고 강력한 솔리드 모델러가 FLOW-3D와 함께 패키지로 제공되거나 사용자가 CAD 프로그램에서 기하학적 데이터를 가져올 수 있습니다.

2. 운동량 방정식과 대략적인 흐름 모델

유체 운동량의 정확한 처리는 여러 가지 이유로 중요합니다. 첫째, 복잡한 지오메트리를 통해 유체가 어떻게 흐를지 예측할 수 있는 유일한 방법입니다. 둘째, 유체에 의해 가해지는 동적 힘 (즉, 압력)은 모멘텀을고려하여야만 계산할 수 있습니다. 마지막으로, 열 에너지의 대류 이동을 계산하려면 개별 유체 입자가 다른 유체 입자 및 제한 경계와 관련하여 어떻게 움직이는지를 정확하게 파악할 수 있어야 합니다.

이것은 운동량의 정확한 처리를 의미합니다. 모멘텀의 보존을 대략적으로만 하는 단순화된 흐름 모델은 실제적인 유체 구성과 온도 분포를 예측하는데 사용할 수 없기 때문에 FLOW-3D에서는 사용되지 않습니다.

3. 액체-고체 열 전달 영역

액체와 고체 (예 : 금속-금형) 사이의 열 전달에는 계면 영역의 정확한 추정이 필요합니다. 계단 경계는 이 영역을 과대 평가합니다. 예를 들어, 실린더의 표면적은 27 %의 비율로 과대 평가됩니다. FLOW-3D 전 처리기의 각 제어 볼륨에 대해 FAVOR ™ 방법에 의해 정확한 계면 영역이 자동으로 계산됩니다.

4. 액체-고체 열 전달에 대한 볼륨 효과 제어

제어 볼륨의 크기는 액체 / 고체 인터페이스를 포함하는 제어 볼륨에서도 열이 흐르기 때문에 액체와 고체 사이에서 교환되는 열의 속도와 양에 영향을 미칠 수 있습니다. FLOW-3D에서는 액체-고체 인터페이스에서 열 전달 속도를 계산할 때 체적 크기와 전도도가 고려됩니다.

5. 암시성(Implicitness)과 정확성

비선형 및 결합 방정식에 대한 암시적 방법에는 각 반복에서 under-relaxation 특성이 있는 반복 솔루션 방법이 필요합니다. 이 동작은 일부 상황에서 심각한 오류 (또는 매우 느린 수렴)를 일으킬 수 있습니다 (예 : 큰 종횡비로 제어 볼륨을 사용하거나 실제로 중요하지 않은 효과를 예상하여 암시성이 사용되는 경우).

FLOW-3D에서는 계산 노력FLOW-3D에서는 계산 작업이 덜 필요하기 때문에 가능한 경우 언제나 명시적 수치 방법을 사용하며, 수치 안정성 요구 사항은 정확도 요구 사항과 동일합니다. Implicit vs. Explicit Numerical Methods 문서에서 자세히 알아보세요.

6. 대류 전송을 위한 암시적 수치 방법 (Implicit Numerical Methods)

임의적으로 큰 시간 단계 크기를 계산에 사용할 수 있는 암시적 수치 기법은 CPU 시간을 줄이는데 널리 사용되는 방법입니다. 불행히도 이러한 방법은 대류 해석에 정확하지 않습니다. 암시적 방법은 근사 방정식에 확산 효과를 도입하여 시간 단계 독립성을 얻습니다. 물리적 확산(예 : 열전도)에 수치적 확산을 추가하는 것은 확산 속도만 수정하기 때문에 심각한 문제를 일으키지 않을 수 있습니다. 그러나 대류 과정에 수치 확산을 추가하면 모델링되는 물리적 현상의 특성이 완전히 바뀝니다. FLOW-3D에서 시간 단계는 프로그램에 의해 자동으로 제어되어 정확한 시간 근사치를 보장합니다.

7. 이완 및 수렴 매개 변수 (Relaxation and Convergence Parameters)

암시적 근사를 사용하는 수치 방법은 하나 이상의 수렴 및 이완 매개 변수를 선택해야합니다. 이러한 매개 변수를 잘못 선택하면 발산 또는 수렴 속도가 느려질 수 있습니다. FLOW-3D에서는 하나의 수렴 및 하나의 이완 매개 변수만 사용되며, 두 매개 변수는 프로그램에 의해 동적으로 선택됩니다. 사용자는 수치해석 솔버를 제어하는 매개 변수를 설정할 필요가 없습니다.

8. 자유 표면 추적

액체-가스 인터페이스 (즉, 자유 표면)를 모델링하는 데 사용되는 두 가지 방법이 있습니다. 그 중 하나는 액체 및 가스 영역의 흐름을 계산하고 계면을 유체 밀도의 급격한 변화로 처리하는 것입니다. 일반적으로 밀도 불연속성은 고차 수치 근사를 사용하여 모델링됩니다.

불행히도, 이 치료는 몇몇 그리드 셀에 걸쳐 인터페이스가 매끄럽게 진행되도록 해주며, 그러한 인터페이스에 일반적으로 존재하는 접선 유속의 급격한 변화는 설명하지 않습니다. 또한 이 기법은 가스가 계산 영역으로 유입되는 액체로 대체될 경우 탈출 포트 또는 가스의 싱크로도 보완해야 합니다. 또한 이러한 방법은 일반적으로 유체의 비압축성을 만족시키기 위해 더 많은 노력을 기울여야 합니다. 가스 영역은 거의 균일한 압력 조정을 통해 솔루션 수렴 속도를 늦추는 경향이 있기 때문에 이러한 현상이 발생합니다.

FLOW-3D에서는 다른 기술인 VOF (Volume-of-Fluid) 방법이 사용됩니다. 이것은 인터페이스가 단계 불연속으로 긴밀하게 유지되는 진정한 3 차원 인터페이스 추적 체계입니다. 또한 선택적 표면 장력을 포함하여 수직 및 접선 응력 경계 조건이 인터페이스에 적용됩니다. 가스 영역은 사용자가 모델에 포함되도록 요청하지 않는 한 계산되지 않습니다.

이전 페이지

다음 페이지

원자력 시설물의 잔해물 거동 예측

Debris Transport in a Nuclear Reactor Containment Building

원자로 격리 건물에서 파편 운송

이 기사는 FLOW-3D가 원자력 시설에서 봉쇄 시설의 성능을 모델링하는데 사용된 방법을 설명하며, Alion Science and Technology의 Tim Sande & Joe Tezak이 기고 한 바 있습니다.

가압수형 원자로 원자력 발전소에서 원자로 노심을 통해 순환되는 물은 약 2,080 psi 및 585°F의 압력과 온도로 유지되는 1차 배관 시스템에 밀폐됩니다. 수압이 높기 때문에 배관이 파손되면 격납건물 내에 여러 가지 이물질 유형이 생성될 수 있습니다. 이는 절연재가 장비와 균열 주변 영역의 배관에서 떨어져 나가기 때문에 발생합니다. 생성될 수 있는 다양한 유형의 이물질의 일반적인 예가 나와 있습니다(오른쪽).

Emergency Core Cooling System (ECCS)

파이프 파손 후 ECCS (비상 코어 냉각 시스템)가 활성화됩니다. 격리 건물 압력을 낮추고 대기에서 방사성 물질을 제거하기 위해 격리 스프레이를 켤 것입니다. 물은 부식 열을 제거하고 용융을 방지하기 위해 코어에 주입됩니다. 이 물은 이후 파이프 파손 부위에서 흘러 나옵니다. 격납 스프레이와 부식 열 제거에서 나온 물은 외부 탱크에서 ECCS 펌프에 의해 격납용기로 펌핑됩니다. 스프레이 및 브레이크 흐름을 통해 격리실로 펌핑된 물의 양은 격리실 바닥에 모이고 풀을 형성합니다.

Sump Strainers and Debris

외부 탱크의 물이 고갈된 후에는 ECCS 펌프에 대한 흡입기가 격납건물 내 하나 이상의 섬프로 전환됩니다(두 개의 섬프 스트레이너 예가 왼쪽에 표시됨). 섬프의 기능은 원자로 건물 풀에서 펌프 흡입구로 물을 재순환하는 것입니다. 각 섬프에는 이물질이 ECCS 펌프로 빨려 들어가 막힘이나 손상이 발생하는 것을 방지하기 위해 스트레이너 시스템이 있습니다. 그러나 스트레이너에 쌓인 이물질로 인해 펌프가 요구하는 순정 흡수헤드(NPSH)를 초과하는 헤드 손실이 발생하여 펌프가 고장을 일으키고 발전소를 안전하게 정지시킬 수 없습니다. 원자력규제위원회 일반안전문제(GSI) 191의 핵심입니다.

FLOW-3D Applied to Evaluate Performance

FLOW-3D는 격납용기 풀을 모델링하고 스트레이너에 도달할 수 있는 이물질의 양을 결정하는 데 사용됩니다. 파이프 파손, 직접 분무 구역(분무기가 비처럼 POOL에 유입되는 지역), 유출 분무 구역(분무수가 더 높은 고도에서 바닥에서 흘러나와 폭포처럼 POOL에 유입되는 지역)은 질량-모멘텀 소스 입자가 밀집된 지역으로 모델링되며, 적절한 유량과 속도가 할당됩니다. 후자는 POOL 표면까지의 자유 낙하 거리에 따라 달라집니다. 여과기 영역은 격납용기 POOL에서 물을 끌어오는 흡입구로 모델링됩니다.

모델을 자유 표면으로 실행하여 (풀의 섬프 흡입 또는 초크 포인트로 인한) 상당한 수위 변화를 식별하고, RNG 모델을 활성화하여 풀의 난류를 예측합니다. 파괴된 절연체가 격납용기 풀을 통해 이동할 수 있는 능력은 정착 속도(정지 상태에서 이동할 수 있는 기능)와 텀블링 속도(바닥을 가로질러 이동할 수 있는 기능)의 기능입니다. 안착 속도는 절연체를 고정하는 데 필요한 운동 에너지의 양과 관련이 있습니다. 이러한 안착 및 텀블링 속도는 연도 및 탱크 테스트를 통해 결정되며, FLOW-3D 모델에 의해 계산된 값입니다.

모델이 정상 상태 상태에 도달한 후에는 FLOW-3D 결과가 후처리되어 다양한 이물질 유형을 POOL 바닥(빨간색으로 표시됨)으로 넘어뜨릴 수 있을 정도로 속도가 높은 영역 또는 난류가 서스펜션의 이물질을 운반할 수 있을 정도로 높은 영역(노란색으로 표시됨)을 결정합니다.

그런 다음 속도 벡터를 빨간색 및 노란색 영역과 함께 사용하여 흐름이 이물질을 스트레이너 쪽으로 운반하는지 여부를 확인합니다. 그런 다음 이러한 영역을 초기 이물질 분포 영역과 비교하여 각 이물질의 유형 및 크기에 대한 운송 분율을 결정합니다.

Conclusions

이물질 잔해 수송 테스트를 CFD 모델링과 결합하면 ECCS 스트레이너가 견딜 수 있어야하는 잔해 부하를 다른 방법으로는 가정해야하는 지나치게 보수적인 값에서 크게 줄일 수 있습니다. CFD는 또한 수두 손실 테스트를 지원하기 위해 ECCS 스트레이너 주변의 흐름 패턴, 수두 손실 테스트 및 플랜트 설계 수정을 식별하는 데있어 격납용 POOL 수위 변화를 식별하는데 유용함이 입증되었습니다.

¹Alion Science and Technology is a consulting engineering company with the ITS Operation comprised of engineering professionals skilled at developing and completing diverse projects vital to power plant operations. Alion ITSO provides engineering, program management, system integration, human-systems integration, design review, testing, and analysis for nuclear, electrical and mechanical systems, as well as environmental services. Alion ITSO has developed a meticulous Quality Assurance Program, which is compliant with 10CFR50 Appendix B, 10CFR21, ASME NQA-1, ANSI N45.2 and applicable daughter standards. Alion ITSO has provided a myriad of turnkey services to customers, delivering the highest levels of satisfaction for almost 15 years.

FLOW-3D 튜토리얼 V12

빠른 시작

이 튜토리얼 매뉴얼은 FLOW-3D 를 처음 사용하는 사용자에게 그래픽 사용자 인터페이스(GUI)의 주요 구성 요소를 쉽게 익히도록 하고, 다양한 시뮬레이션의 설정 및 실행 방법을 안내하기 위한 것입니다.

이 매뉴얼에 있는 실습과정은 FLOW-3D의 기본 사항을 다루기 위한 것입니다. 이 매뉴얼에서 제시하는 문제는 다양한 주제를 설명하고, 발생할 수 있는 많은 질문을 해결하기 위해 선정되었습니다. 이 매뉴얼의 실습과정은 FLOW-3D를 실행하는 컴퓨터에 앉아 사용하는 것이 가장 좋습니다.

CFD 사용 철학에 대한 간단한 섹션 다음에는 중요 파일과 시뮬레이션 파일을 실행하는 방법이 소개되어 있습니다. 이 소개 섹션 다음에는 모델 설정, 시뮬레이션 실행 및 포스트 프로세스, Simulation Manager 탐색 방법에 대한 설명이 있습니다. 이러한 각 단계에 대한 자세한 내용은 모델 설정, 컴퓨팅 결과 및 후처리 장에서 확인할 수 있습니다.

1.CFD 사용에 대한 철학

CFD (Computational Fluid Dynamics)는 유체 흐름(질량, 운동량 및 에너지 보존)에 대한 지배 방정식의 컴퓨터 솔루션입니다. 지정된 지배방정식은 이론 장에 설명된 Numerical방법을 사용하여 이산화되고 계산됩니다.

CFD 소프트웨어를 사용하는 것은 여러 면에서 실험을 설정하는 것과 유사합니다. 실제 상황을 시뮬레이션하기 위해 실험을 올바르게 설정하지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 같은 방법으로 수치 모델이 실제 상황을 정확하게 나타내지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 사용자는 어떤 것이 중요한지, 어떻게 표현해야 하는지를 결정해야 합니다. 시작하기 전에 다음과 같은 질문을 하는 것이 중요합니다.

CFD 계산에서 무엇을 알고 싶습니까?
중요한 현상을 포착하기 위해 규모와 Mesh는 어떻게 설계되어야 하는가?
실제 물리적 상황을 가장 잘 나타내는 경계 조건은 무엇입니까?
어떤 종류의 유체를 사용해야합니까?
이 문제에 어떤 유체 특성이 중요합니까?
다른 어떤 물리적 현상이 중요합니까?
초기 유체 상태는 어떻게 됩니까?
어떤 단위 시스템을 사용해야합니까?

모델링 되는 문제가 실제 상황을 가능한 한 유사하게 나타내는지 확인하는 것이 중요합니다. 사용자는 복잡한 시뮬레이션 작업을 해결 가능한 부분으로 나누는 것이 좋습니다.

복잡한 물리 효과를 추가하기 전에, 간단하고 쉽게 이해할 수 있는 근사값으로 점차적으로 시작하여 프로세스 진행하십시오. 간단한 손 계산(베르누이 방정식, 에너지 균형, 파동
전파, 경계층 성장 등)은 물리 및 매개 변수를 선택하는데 도움이 되고, 결과와 비교할 수 있는 점검항목을 제공합니다.

CFD의 장단점을 이해하면 분석을 진행하는데 도움이 될 수 있습니다. CFD는 다음과 같은 경우 탁월한 분석 옵션입니다.

기하 구조, 물리학 또는 필요한 상세 수준으로 인해 표준 엔지니어링 계산이 유용하지 않은 경우가 많습니다.
실제 실험은 비용이 많이 소요됩니다.
실험에서 수집할 수 있는 것보다 유체흐름에 대한 자세한 정보가 필요한 경우 유용합니다.
위험하거나 적대적인 조건, 확장이 잘되지 않는 프로세스 등으로 인해 정확한 실험 측정을 하기가 어려운 경우
복잡한 흐름 정보에 대한 커뮤니케이션

CFD는 다음과 같은 경우에 덜 효과적입니다.

솔루션이 계산 리소스가 매우 많이 소요되거나, 도메인 크기를 줄이기 위한 가정 또는 해결되지 않은 물리적 현상을 설명하기 위한 반 임계 모델이 필요한 경우
CFD 시뮬레이션에 대한 입력이 되는 중요한 물리적 현상이 알려지지 않은 경우
물리적 현상이 잘 이해되지 않거나 매우 복잡한 경우

CFD를 사용할 때 명심해야 할 몇 가지 중요한 참고 사항이 있습니다.

CFD는 규정된 초기 및 경계 조건에 따라 지정된 지배 방정식의 수치해석 솔루션입니다. 따라서 모델 설정, 즉 어떤 방정식을 풀어야 하는지, 재료 특성, 초기 조건 및 경계 조건이, 가능한 한 물리적 상황과 최대한 일치해야 합니다.
방정식의 수치 해는 일반적으로 어떤 종류의 근사치를 필요로 합니다. 물리적 모델에 대한 가정과 해결방법을 검토한 후 사용하는 것이 좋습니다.
디지털 컴퓨터는 숫자가 유한 정밀도로 이진수로 표시되는 방식으로 인해 반올림 오류가 발생합니다. 이는 문제를 악화시키기 때문에 매우 근소한 숫자의 차이를 계산해야 하는 상황을 피하십시오. 이러한 상황의 예는 시뮬레이션 도메인이 원점에서 멀리 떨어져 있을 때입니다.

2.중요한 파일

FLOW-3D 시뮬레이션과 관련된 많은 파일이 있습니다. 가장 중요한 것들이 아래에 설명되어 있습니다. 모든 prepin.* 파일의 명칭에서 prepin는 파일 형식을 의미하며, 별표시* 위치는 시뮬레이션 이름을 의미합니다. (예 : prepin.example_simulation.)

·prepin.*: 시뮬레이션용 입력 파일입니다. 시뮬레이션 설정을 설명하는 모든 입력 변수가 포함되어 있습니다.
·prpgrf.*: 이것은 전 처리기 출력 파일입니다. 여기에는 계산된 초기 조건이 포함되며 시뮬레이션을 실행하기 전에 설정을 확인하는 데 사용될 수 있습니다.
·flsgrf.*: 솔버 출력 파일입니다. 시뮬레이션의 최종 결과가 포함됩니다.
·prperr.*, report.*, prpout.*: 이 파일들은 Preprocessor Diagnostic Files.
·hd3err.*, hd3msg.*, hd3out.*: 이 파일들은 Solver Diagnostic Files.

모든 시뮬레이션 파일은 단일 폴더에 함께 유지하므로, 설명이 될 수 있는 시뮬레이션 이름을 사용하는 것이 좋습니다. 그러나 매우 긴 파일 이름은 운영 체제에 따라 문제가 될 수 있습니다.

노트

시뮬레이션 이름이 inp(즉, 입력 파일이 있다면 prepin.inp) 출력 및 진단 파일은 모두 .dat이름을 갖습니다. 예: flsgrf.dat.
모든 입력 파일은 네트워크 위치의 컴퓨터 대신 로컬 디렉토리에 저장하는 것이 좋습니다. 이것은 솔버가 더 빠르게 실행되고 GUI의 응답 속도가 빨라지며 실행중인 시뮬레이션을 방해하는 네트워크 문제 가능성을 제거합니다.

3.시뮬레이션 관리자

FLOW-3D 시뮬레이션 관리자의 탭은 주로 시뮬레이션을 실행할 수 있도록 시뮬레이션 환경을 구성하고 실행 시뮬레이션에 대한 상태 정보를 표시하는데 사용됩니다.

작업 공간 (Workspaces)

작업 공간(Workspaces)은 Simulation Manager의 필수 부분이며 파일을 FLOW-3D에서 처리하는 방식입니다. 기본적으로 시뮬레이션을 포함하고 구성하는 폴더입니다. 몇 가지 예를 들면 시뮬레이션과 또 다른 작업 공간인 검증 사례를 포함하도록 할 수 있습니다:

새로운 작업 공간 만들기

이 튜토리얼에서는 작성하려는 시뮬레이션을 포함할 작업 공간(Workspaces)을 작성하십시오.

1.File -> New workspace로 이동

2.작업 공간 이름으로 Tutorial를 입력하십시오.

3.기본 위치는 현재 사용자의 홈 디렉토리에 있습니다. 다른 곳에서 찾을 수 있지만 기본 위치가 우리의 목적에 적합합니다.

4.하위 디렉토리를 사용하여 작업 공간 이름 만들기 확인란을 선택합니다. 이렇게 하면 파일 시스템에서 작업 공간에 대한 새로운 하위 디렉토리가 만들어져 시뮬레이션 파일을 훨씬 쉽게 구성할 수 있습니다.

5.확인을 눌러 새 작업 공간을 작성하십시오. 이제 포트폴리오에 표시됩니다.

작업 공간 닫기

포트폴리오를 정리하고 탐색하기 쉽도록 필요 없는 작업공간을 닫는 것이 편리합니다. 작업 공간을 닫으면 포트폴리오에서 해당 작업 공간만 제거됩니다. 그러나, 컴퓨터에서 작업 공간을 삭제하지는 않습니다.

작업 공간을 닫으려면

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 작업 Close Workspace를 선택하십시오. 또는 포트폴리오에서 작업 공간을 선택 (왼쪽 클릭) 하고 Delete 키를 누를 수 있습니다.

2.작업 공간을 닫을 것인지 묻는 메세지가 표시됩니다. 예를 선택하십시오.

3.포트폴리오는 더 이상 닫힌 작업 공간을 포함하지 않습니다.

기존 작업 공간 열기

오래된 작업 공간을 열어야 할 때가 있을 것입니다. 예를 들어, 새 프로젝트에 유사한 시뮬레이션을 작성하기 전에 기존 시뮬레이션의 설정을 검토할 수 있습니다. 기존 작업 공간을 열려면

1.File -> Open Workspace…를 선택하십시오

2.작업 공간 파일이 있는 디렉토리를 찾으십시오. Tutorial.FLOW-3D_Workspace.

3.작업 공간을 로드 하려면 OK을 누르십시오.

작업 공간에서 시뮬레이션 작업

작업 공간을 사용하는 방법을 알았으니, 여기에 시뮬레이션을 추가해 봅시다.

Example를 추가하십시오

작업 공간에 작업 시뮬레이션을 추가하는 가장 간단한 방법은 포함된 예제 시뮬레이션 중 하나를 추가하는 것입니다. FLOW-3D의 다양한 기능을 사용하는
방법을 보여주기 위해 설계된 간단하고 빠른 시뮬레이션입니다. 기존 작업 공간에 예제를 추가하려면 다음을 수행하십시오.

1.포트폴리오에서 원하는 작업 공간을 강조 표시하십시오

2.File -> Add example…을 선택하십시오. 또는 작업공간을 마우스 오른쪽 버튼으로 클릭하고 예제 추가…를 선택할 수 있습니다.

3.예제 대화 상자에서 예제를 선택하고 열기를 누르십시오. 자연 대류(Natural Convection) 예제를 선택했습니다.

4.새 시뮬레이션 대화 상자가 열립니다.

5.디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋으므로 기본 시뮬레이션 이름과 위치를 잘 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 쉽게 만들어 줍니다.

6.시뮬레이션을 위한 단위 시스템을 선택하십시오. 표준 단위 시스템이 권장되지만 각 단위를 독립적으로 선택하기 위해 사용자 지정 단위 시스템을 선택할 수 있습니다.

7.확인을 눌러 새 시뮬레이션을 작업 공간에 추가하십시오.

작업 공간에서 시뮬레이션 제거

작업 공간에서 시뮬레이션을 제거해야 하는 경우가 있습니다 (이는 작업 공간에서 시뮬레이션을 제거만 하며, 컴퓨터에서 시뮬레이션을 삭제하지는 않습니다). 작업 공간에서 시뮬레이션을 제거하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 시뮬레이션 제거를 선택하십시오. 또는 작업 공간에서 시뮬레이션을 선택 (왼쪽 클릭)하고 Delete 키를 누를 수 있습니다.

2.작업 공간에는 더 이상 시뮬레이션이 포함되지 않습니다.

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에서 시뮬레이션을 제거하는 것 외에도 디스크에서 모든 시뮬레이션 파일을 삭제해야 할 수도 있습니다. 작업 공간에서 시뮬레이션을 제거하고 디스크에서 시뮬레이션
파일을 삭제하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 단추로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 모든 작업 공간 및 디스크에서 시뮬레이션
삭제를 선택하십시오.

2.시뮬레이션 디렉토리에서 삭제할 파일을 선택할 수 있는 창이 나타납니다. 삭제할 파일을 선택한 다음 확인을 눌러 해당 파일을 삭제하거나 취소를 눌러 작업을 중단하십시오.

3.OK를 선택한 경우 선택한 작업 공간은 더 이상 시뮬레이션을 포함하지 않습니다. 선택한 작업 공간의 모든 시뮬레이션 파일은 디렉토리에서 삭제됩니다.

경고

이 작업은 취소할 수 없으므로 계속하기 확인 후 파일을 삭제해야 합니다.

작업 공간에 기존 시뮬레이션 추가

기존 시뮬레이션을 작업 공간에 추가하려면 다음을 수행하십시오.

1.열린 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 기존 시뮬레이션 추가…를 선택합니다. 작업 공간을 선택한 다음 File->Add Existing Simulation… 을 선택할 수도 있습니다.

2.prepin.*파일 위치로 이동하여 열기를 선택하십시오.

3.시뮬레이션이 이제 작업 공간에 나타납니다.

작업 공간에 새로운 시뮬레이션 추가

대부분의 경우 기존 시뮬레이션을 사용하는 대신 새 시뮬레이션을 작성하게 됩니다. 작업 공간에 새로운 시뮬레이션을 추가하려면:

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 새 시뮬레이션 추가…를 선택하십시오.

2.시뮬레이션 이름을 입력하라는 message가 표시됩니다. 이 예제에서는 heat transfer example 불러오십시오.

3.그런 다음 드롭다운 목록을 사용하여 시뮬레이션을 위한 단위 시스템을 결정합니다. 사용 가능한 옵션은 질량, 길이, 시간, 전기요금
각각 g, cm, s, coul기준의 Kg, m, s, CGS입니다. 또한 엔지니어링 단위도 사용할 수 있으며, slug, ft, s의 기초 단위가 있지만, 전기
충전을 위한 단위는 없습니다. 이러한 옵션 중 어느 것도 해당되지 않는 경우, 질량, 길이, 시간 및 전기요금에 대한 기준 등을 사용자 정의하여 사용자 지정 단위 시스템을 사용할 수 있습니다.

4.온도 단위는 드롭다운 목록을 사용하여 지정해야 합니다. 사용 가능한 옵션은 SI 및 CGS 단위의 경우 Celsius 및
Kelvin, 엔지니어링 단위의 경우 Fahrenheit 및 Rankine입니다. Custom units(사용자 정의 단위) 옵션을 선택한 경우, 사용 가능한 온도 단위는 질량
및 길이에 대해 선택한 기본 단위에 따라 변경됩니다.

노트

새 시뮬레이션의 시뮬레이션 단위는 신중하게 선택하십시오. 일단 설정하면 단위를 변경할 수 없습니다.

5.이 시뮬레이션에 사용된 템플릿이 기본 템플릿이 됩니다. 템플릿은 포함된 설정을 새 시뮬레이션에 적용하는 저장된 값 세트입니다. 다른 템플릿을 사용해야하는 경우
찾아보기 아이콘 ( )을 클릭하여 사용 가능한 템플릿 목록에서 선택하십시오.

6.기본 시뮬레이션 이름과 위치는 디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 훨씬 쉽게 만듭니다. 시뮬레이션을 다른 위치에 저장하려면 찾아보기 아이콘 ( )을 사용하여 원하는 위치로 이동하십시오.

7.확인을 클릭하여 작업 공간에 새 시뮬레이션을 추가하십시오.

heat transfer example

다른 옵션

우리는 지금 이러한 옵션을 사용하지 않는 동안, 이 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하여 추가 옵션에 대한 액세스를 제공합니다.

일반적으로 사용되는 Add Simulation Copy… 그리고 Add Restart Simulation…을 추가합니다. 첫 번째 옵션은 기존 시뮬레이션의 사본을
작성하고, 두 번째 옵션은 기존 시뮬레이션을 복사하고 원래 시뮬레이션의 결과를 다시 시작 시뮬레이션의 초기 조건으로 사용하도록 다시 시작 옵션을 구성합니다.

추가 정보

재시작 시뮬레이션에 대한 자세한 내용은 도움말에서 모델 설정 장의 재시작 섹션을 참조하십시오.

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

시뮬레이션 전처리는 초기 조건을 계산하고 입력 파일에서 일부 진단 테스트를 실행합니다. 문제가 올바르게 구성되었는지 확인하거나 전 처리기의 진단 정보가 필요한 경우에
유용합니다. 시뮬레이션을 실행하기 전에 전처리할 필요가 없습니다. 시뮬레이션을 전처리 하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Preprocess Simulation->Local을 선택합니다. 이 경우 입력 파일 heat transfer example이 아직 완전히 정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.전처리 프로세스가 시작되고 Simulation Manager 하단의 텍스트 창에 일부 정보가 인쇄된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의 아이콘도 시뮬레이션이 성공적으로 처리되었음을 나타내도록 변경됩니다.

추가 정보

자세한 내용은 도움말의 컴퓨팅 결과 장의 전처리 섹션을 참조하십시오.

시뮬레이션 실행

시뮬레이션을 실행하면 입력 파일에 정의된 문제에 대한 지배 방정식(물리적 모델, 형상, 초기 조건, 경계 조건 등)이 해석됩니다. 시뮬레이션을 실행하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Run Simulation->Local을 선택하십시오. 이 경우 입력 파일 heat transfer example이 아직 완전히
정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.솔버가 시작되고 시뮬레이션 관리자 하단의 텍스트 창에 일부 정보가 인쇄되고 플롯이 업데이트 된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의
아이콘도 시뮬레이션이 성공적으로 실행되었음을 나타내도록 변경됩니다. 또한 솔버가 실행되는 동안 큐에 시뮬레이션이 나타나는 것을 볼 수 있으며, 완료되면 사라집니다.

추가 정보

시뮬레이션 실행 및 진단 읽기에 대한 자세한 내용은 도움말의 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

작업 공간에서 모든 시뮬레이션 실행

작업 공간을 마우스 오른쪽 버튼으로 클릭하고 Simulate Workspace->Local을 선택하여 작업 공간에서 모든 시뮬레이션을 실행할 수도 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

대기열

사전 처리 또는 실행에 작업이 제출되면 큐의 맨 아래에 시뮬레이션이 자동으로 추가됩니다. 그런 다음 솔버에 사용 가능한 라이센스 및 계산 리소스가 있으면 시뮬레이션이 사전 처리되거나 실행됩니다. 대기열에 있지만 아직 전처리 또는 실행되지 않은 시뮬레이션은 대기열 맨 아래의 컨트롤을 사용하여 대기열에서 다시 정렬하거나 대기열에서 제거할 수 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장을 참조하십시오.

파일 시스템에서 파일 찾기

어떤 이유로 구조물 파일에 액세스해야 하는 경우 (아마 *.STL 폴더에 파일을 배치해야 함) 표시된 파일 경로를 시뮬레이션 입력 파일로 클릭하여 파일 시스템의 해당 위치로 이동할 수 있습니다.

4.모델 설정

Model Setup(모델 설정) 탭은 시뮬레이션 관리자에서 현재 선택한 시뮬레이션에 대한 입력 매개 변수를 정의하는 곳입니다. 여기에는 전역설정, 물리학 모델, 유체,
기하학, 메싱, 구성요소 특성, 초기 조건, 경계 조건, 출력 옵션 및 숫자가 포함된다.

이 섹션은 물에 잠긴 모래(위; 파랑)의 바닥에서 가열된 구리 블록(위; 빨간색)에 의해 발생하는 열 기둥(아래)을 보여주는 간단한 시뮬레이션 설정 방법을 안내합니다.

이 튜토리얼은 방법이나 모델이 어떻게 작동하는지, 옵션을 선택한 이유 등에 대한 포괄적인 논의를 의도한 것이 아니며, 이 특정 시뮬레이션을 설정하기 위해 수행해야 할 사항에
대한 간략한 개요일 뿐입니다. 여기서 행해지는 것에 대한 방법/모델과 추론의 세부사항은 사용 설명서의 다른 장에서 확인할 수 있습니다.

시작하려면 새 작업 공간을 작성하고 새 시뮬레이션을 추가하십시오. 이를 수행하는 방법에 대한 지침은 새 작업 공간 작성 및 작업 공간에 새 시뮬레이션 추가를 참조하십시오.

탐색

모델 설정은 주로 빨간색으로 표시된 처음 9 개의 아이콘의 탐색을 통해 수행됩니다. 각 아이콘은 시뮬레이션의 특정 측면을 구성하기 위한 위젯을 엽니다. Global에서 시작하여 Numerics로 끝나는 다음 섹션은 각 위젯의 목적을 보여줍니다.

통제 수단

다음은 FLOW-3D 사용자 인터페이스의 그래픽 디스플레이 영역에서 사용되는 마우스 컨트롤입니다.

행동	버튼/키	동작	기술
회전	왼쪽	길게 클릭	마우스 왼쪽 버튼을 클릭 한 채로 Meshing & Geometry 창에서 마우스를 움직입니다. 그에 따라 모델이 회전합니다.
줌	중간 버튼/스크롤 휠	스크롤/클릭 한 상태	마우스를 앞뒤로 움직여 확대/축소하려면 가운데 휠을 굴리거나 마우스 가운데 버튼을 클릭 한 상태로 유지하십시오.
팬	우측	길게 클릭	마우스 오른쪽 버튼을 클릭 한 채로 창에서 마우스를 움직입니다. 모델이 마우스와 함께 움직입니다.
객체에 초점 설정	해당 없음	객체 위에 커서를 놓기	커서를 개체 위로 가져 가면 마우스 오른쪽 버튼 클릭 메뉴를 통해 추가 조작을 위해 개체가 활성화됩니다. 개체가 활성화되면 강조 표시됩니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 활성화된 경우에만 수행됩니다.
선택	왼쪽	더블 클릭	객체를 두 번 클릭하면 마우스 오른쪽 버튼 메뉴를 통해 추가 조작을 위해 객체를 선택하고 활성화합니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 비활성화 된 경우에만 활성화됩니다.
액세스 객체 속성	우측	딸깍 하는 소리	강조 표시된 객체를 마우스 오른쪽 버튼으로 클릭하면 객체 식별, 표시/숨기기, 활성화/비활성화, 투명도 조정 등의 옵션 목록이 표시됩니다.
커서 좌표 반환 (프로브)	왼쪽	Shift + 클릭	Shift 키를 누르면 커서가 대상으로 바뀝니다. Shift 키를 누른 상태에서 클릭하면 화면의 왼쪽 하단에 표시된 표면의 좌표가 표시됩니다.
피벗 점 배치	왼쪽	cntrl + 클릭	Ctrl 키를 누르고 있으면 커서가 피벗 아이콘으로 바뀝니다. Ctrl 키를 누른 상태에서 클릭하여 피벗 점을 설정하십시오. 뷰가 피벗 점을 중심으로 회전합니다. 토글 사용자 정의 피벗 피벗 점을 끕니다. 보기 창 위의 버튼을 누릅니다.

도움이
되는 툴바 옵션도 있습니다. 옵션의 목적을 찾으려면 아이콘 위로 마우스를 가져갑니다.

글로벌

이 매뉴얼에 대한 시뮬레이션을 만들려면 원하는 작업 공간을 마우스 오른쪽 단추로 클릭하고 새 시뮬레이션 추가…를 선택하십시오. 매뉴얼 섹션의 새 시뮬레이션 추가 작업 공간에 설명된 대로 이름을 ‘heat transfer example’로 지정하고 작업 공간에 추가하십시오. SI와 Kelvin을 각각 단위 시스템과 온도로 선택합니다. 일단 설정되면
시뮬레이션을 위한 단위는 변경할 수 없다는 점을 기억하십시오.

글로벌 아이콘 f3d_global_icon 을 클릭하여 글로벌 위젯을 여십시오. 여기에서 정의된 단위가 표시되고 시뮬레이션 완료 시간이 설정됩니다. 이 시뮬레이션의 경우 완료 시간을 200 초로 설정하십시오. 시뮬레이션에 대한 중요한 세부 정보는 여기 노트 필드에도 추가할 수 있습니다.

추가 정보

자세한 내용은 모델 설정 장의 전역 섹션을 참조하십시오.

물리

물리 f3d_models_icon 아이콘을 클릭하여 물리 위젯을 엽니다.

이 문제의 경우, 하나의 유체, 자유 표면, 경계 및 비압축/제한 압축의 기본 설정이 모두 정확합니다.

관련 물리 메커니즘(즉, 추가 지배 방정식 또는 지배 방정식 용어)은 물리 위젯에서 정의됩니다. 모델을 활성화하려면 해당 모델의 아이콘을 마우스 왼쪽 버튼으로 클릭하고 ‘활성화‘를 선택하십시오. 이 시뮬레이션을 위해서는 다음 모델을 활성화해야 합니다.

·Density evaluation(밀도 평가): 이 모델은 열 기둥을 생성하는 밀도 변화를 설명합니다. 다른 양(예: 온도 또는 스칼라)의 함수로 평가된 밀도를 선택하고 Include volumetric thermal expansion 상자를 선택하십시오.

·Gravity and non-inertial reference frame(중력 및 비 관성 기준 프레임): 중력을 나타내는 힘이 추가되므로 Z 중력 성분에 -9.81을 입력하십시오.

·
Heat transfer(열 전달): 이 모델은 유체와 고체 물체 사이의 열 전달을 설명합니다. 이 시뮬레이션의 경우 First order for the Fluid internal Energy advection를 선택하고 Fluid to solid heat transfer를 활성화하려면 확인란을 선택하십시오. 나머지 옵션은 기본값으로 두어야합니다.

·
Viscosity and turbulence(점성 및 난류): 이 모델은 유체의 점성 응력을 설명합니다. Viscous flow 옵션을 선택하고 나머지 옵션은 기본값으로 두십시오.

추가 정보

자세한 내용은 모델 설정 장의 물리 섹션을 참조하십시오.

유체

유체의 속성은 모델 설정 탭의 유체 위젯에 정의되어 있습니다. 유체 위젯은 수직 도구 모음에서 Fluids f3d_fluids_icon 아이콘을 클릭하여 액세스할 수 있습니다. 먼저 유체 옵션 1 이 속성 옵션으로 선택되어 있는지 확인하십시오. 유체 1의 속성은 수동으로 입력할 수 있지만 일반적인 유체의 속성을 설정하는 빠른 방법은 재료 속성로드 버튼을 클릭하여 재료 데이터베이스에서 유체를 로드하는 것입니다. 다음으로, 원하는 재료를 탐색하십시오. 이 경우 Fluids->Liquids->Water_at_20_C를 선택하고 Load를 클릭하십시오.

이 시뮬레이션에는 데이터베이스에 없는 특성인 체적 열 팽창 계수가 필요합니다. 밀도 하위 탭에서 을 입력하십시오. 최종 속성 세트는 다음과 같아야 합니다.

추가 정보

자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

Geometry(기하)

기하형상 아이콘을 클릭하여 물리 위젯을 엽니다.

이 시뮬레이션을 위해 생성해야 하는 두 가지 형상은 구리 블록과 모래층이 있습니다. 둘 다 프리미티브를 사용하여 작성합니다. 보다 현실적인 시뮬레이션은 Primitives, Stereolithography(STL) Geometry File (s)/또는 Raster File (s)을 사용하여 지오메트리를 정의할 수 있습니다.

구리 블록을 만들려면 먼저 지정된 형상 아이콘을 클릭하여 작성합니다. 구리 블록을 x 및 y 방향 원점에서 +/- 2cm 연장하고 z 방향으로 0-4cm 연장합니다. 나머지 옵션은 그대로 두고 블럭을 솔리드로 만들고 새 구성 요소에 추가합니다.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 자동으로 열린 구성요소 추가 대화상자에서 Type as General(솔리드)을 그대로 두고 Name(이름) 필드에 Copper block을 입력한 다음 OK(확인)를 선택하여 구성요소 정의를 완료하십시오.

아이콘을 다시 클릭하여 베드 하위 구성 요소를 작성하십시오. 아래 표시된 범위를 사용하고 컴포넌트에 추가 선택 사항을 새 컴포넌트(2)로 설정하십시오.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 대화 형으로 이름 필드에서Bed를 입력한 후 구성요소 정의를 마칩니다. 최종 형상은 다음과 같이 표시됩니다.

새 구성 요소를 추가하면 가로 및 세로 방향으로 그래픽 표시 창에 길이 스케일이 자동으로 생성됩니다. 이 눈금자 도구를 사용하여 생성된 기하학적 객체의 범위를 빠르게 측정할 수 있습니다.

노트

표시 영역에는 지오메트리 모양 정의만 표시되므로 객체가 솔리드인지 구멍인지에 대한 정보는 표시되지 않습니다. 옵션을 사용하여 Mesh 후에 나중에 수행할 수 있습니다.

추가 정보

자세한 내용은 도움말 모델 설정 장의 형상 섹션을 참조하십시오.

구성 요소 속성

열전달 모델은 고체 구성 요소의 전도 방정식을 해결하기 위해 재료 특성이 필요합니다. 이러한 속성은 이 아이콘을 클릭하여 구성 요소 속성 위젯에서 설정합니다.

각 구성 요소에는 솔리드 특성 및 표면 특성이 정의 되어 있어야합니다. 구리 블록에 대해 이를 설정하려면 먼저 형상 위젯에서 구성 요소 1: copper block 요소를 선택하십시오. 그런 다음 컴포넌트 특성 위젯에서 솔리드 특성을 선택하고 다음과 같이 특성을 정의하십시오.

여기에서 두 번째 구성 요소(베드)에 대해 설명된 구성 요소 특성 정의를 위한 대체 방법을 사용할 수 있습니다. 이 방법에서는 구성 요소 2: 베드 구성 요소를 클릭하고 재료 필드 옆에 있는 재료 특성로드 아이콘을 선택하여 시작합니다. 다음으로 재료를 탐색합니다. 이 경우 Solids->Sands->Sand_Quartz 를 선택하고 Load를 선택하십시오.

추가 정보

l 자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

l 주어진 물리적 모델에 필요한 속성에 대한 자세한 내용은 모델 참조 장을 참조하십시오.

Meshing(메싱)

Mesh는 Mesh 위젯에서 생성 및 정의되며, 위젯을 통해 액세스 할 수 있습니다. 이 아이콘을 눌러 새 Mesh를 추가합니다. Mesh의 범위를 형상에 빠르게 적용하려면 형상에 맞추기 라디오 버튼을 선택하고 오프셋 라디오 버튼을 백분율로 유지합니다. 블록 속성에서 셀 크기를 0.004로 설정하십시오.

Mesh 상단은 z 방향으로 위쪽으로 확장해야 합니다. Z-Direciton 탭을 선택하고 Mesh Plane 2에 0.2를 입력합니다.

이 시뮬레이션은 2D가 될 것입니다. 동일한 프로세스에 따라 Y 방향 범위를 -0.005 및 0.005 로 설정하십시오. 그리고 합계 셀을 1로 설정하십시오.

최종 Mesh는 그래픽 디스플레이 창 바로 위의 Mesh->Flow Mesh->View 모드 드롭 다운 메뉴에서 옵션을 변경하여 다른 방식으로 볼 수 있습니다. 그리드 라인 마다 그리드 선을 표시합니다 옵션은 Mesh Plane의 옵션만 표시됩니다 Plane Mesh 및 개요 옵션은 Mesh의 범위를 보여줍니다.

또한 솔버가 Mesh의 최종 지오메트리를 인식하는 방법은 FAVOR TM 알고리즘을 사용하여 형상 정의를 면적 분수 및 부피 분수로 변환합니다. 이렇게 하려면 아이콘을 클릭한 다음 생성을 선택하십시오.

잠시 후 회색 영역이 고체 물질을 나타내는 아래와 같은 형상을 표시해야 합니다.

추가 정보

l Mesh에 대한 자세한 내용은 모델 설정 장의 Mesh 섹션을 참조하십시오.

l FAVOR^TM 및 FAVORize
옵션에 대한 자세한 내용은 모델 설정 장의 Reviewing the FAVORized Geometry and Mesh 섹션을 참조하십시오.

경계 조건

FLOW-3D는 구성 요소 유형 및 활성 물리적 모델에 기초한 구성 요소에 적절한 경계 조건을 자동으로 적용합니다. 그러나 경계 조건 위젯에서 Mesh 블록면의 경계 조건은 각 Mesh 블록에 대해 수동으로 설정해야 합니다( ).

이 매뉴얼의 경우 경계 조건 중 3 가지가 경계조건( X Min , X Max, Z Max 경계)을 기본 대칭 조건조건부터 변경해야 합니다.

·X Min :

o경계 조건 위젯의 경계 섹션 아래에 있는 X Min 목록을 클릭하십시오. Type에서 경계 유형을 Velocity로 설정하고 X 속도에 대해 0.001을 입력하십시오.

·다음으로, 유체 분율 사용에서 유체 표고 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

·마지막으로 온도를 298K로 설정하십시오.

·
X Max :

o경계 조건 위젯의 경계 섹션 아래에 있는 X 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로, 유체 분율 사용에서 유체 높이 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

o마지막으로 온도를 298K로 맞춥니다.

o XMAX 경계 조건

·
Z 최대 :

o경계 조건 위젯의 경계 섹션 아래에 있는 Z 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로 유체 분율을 0.0으로 설정하십시오.

o마지막으로 온도를 298K로 맞춘다.

추가 정보

자세한 내용은 모델 설정 장의 Mesh 경계 조건 섹션을 참조하십시오.

초기 조건

도메인 내부의 솔리드 객체(구성 요소)와 유체 모두에 대해 초기 조건을 설정해야 합니다.

·
구성 요소 :이 시뮬레이션에서 솔리드 객체에 필요한 유일한 초기 조건은 초기 온도입니다. 이것은 각 구성 요소에 대한 위젯에 설정되어 있는 구성 요소 속성에 대해 수행한 것과 유사한 방식으로 구성 요소를 등록합니다. 구성 요소 속성을 설정할 때 이전과 동일한 방법으로 구성 요소 1의 초기 온도를 350K로 설정하고 구성 요소 2의 초기 온도를 298K로 설정하십시오.

유체: 유체의 초기 조건을 설정하기 위해 조금 더 설정해야 합니다. 이 경우 유체 구성, 온도, 속도 및 압력 분포를 모두 설정해야 합니다. 유체 초기 조건은 초기 위젯을 설정하고 초기 f3d_initial_icon를 클릭하면 열립니다.

아이콘을 선택한 후 유체 목록에서 압력을 선택하고 온도를 298K로 설정합니다. x, y, z 속도를 0.0으로 설정하십시오.

다음으로, 높이/볼륨 목록과 유체 높이 사용 드롭다운 버튼을 선택합니다. 유체 높이를 0.15로 설정하십시오.

추가 정보

자세한 내용은 모델 설정 장의 초기 조건 섹션을 참조하십시오.

출력

FLOW-3D 옵션에는 결과 파일에 기록될 데이터와 출력 위젯에서 발견된 빈도를 제어하는 7가지 데이터 유형이 있습니다. 출력 아이콘을 클릭합니다.

다른 데이터 유형은 다음과 같습니다.

·Restart: 모든 흐름 변수. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Selected: 사용자가 선택한 흐름 변수 만. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·History: 하나의 변수와 시간의 변화를 보여주는 데이터. 예는 시간 단계 크기, 평균 운동 에너지, 배플에서의 유속 등을 포함합니다. 기본 출력 주기 = 시뮬레이션 시간의 1/100.

·Short print: hd3msg.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·Long print : hd3out.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Solidification: 응고 모델이 활성화 된 경우에만 사용 가능합니다.

·FSI TSE: 변형 가능한 솔리드에 대한 추가 출력 옵션.

일반적으로 이 시뮬레이션에는 기본 출력 속도가 적합합니다. 그러나 Selected Data의 일부 추가 구성은 유용합니다. Selected data interval을 0.5로 설정한 다음 Fluid 온도, Fluid velocity, Macroscopic density 및 Wall 온도 옆에 있는 상자를 선택합니다. 그러면 이러한 값이 0.5초마다 출력됩니다.

추가 정보

자세한 내용은 모델 설정 장의 출력 섹션을 참조하십시오.

Numerics

기본 Numerics 옵션은 대부분의 시뮬레이션에서 잘 작동하므로 기본 옵션에서 벗어나야 하는 충분한 이유가 없는 경우에는 현재 그대로 두는 것이 가장 좋습니다.

이것으로 모델 설정 섹션에서 시작된 예제 문제의 설정을 마칩니다. 이제 실행할 준비가 되었으므로 전처리 및 시뮬레이션 실행의 단계에 따라 시뮬레이션을 실행하십시오.

추가 정보

자세한 내용은 모델 설정 장의 Numerics 옵션 섹션을 참조하십시오.

일반 시뮬레이션 설정 점검 목록

시뮬레이션을 설정하는 데 필요한 단계에 대한 개략적인 개요가 아래에 나와 있습니다. 이 목록은 포괄적인 목록이 아닙니다. 일반적인 단계, 고려해야 할 몇 가지 중요한 사항 및 권장되는 설정 순서를 간단히 설명하는 안내서일 뿐입니다.

시작하기 전에

1.물리적 문제의 다이어그램을 그리기 및 주석 달기 : 이 다이어그램에는 기하학적 치수, 유체의 위치, 관련 힘, 움직이는 물체의 속도, 관련 열 전달 메커니즘 등이 포함되어야 합니다. 완성된 다이어그램은 문제에 대한 모든 관련 엔지니어링 정보로 인한 물리적 문제에 대한 이미지여야 합니다.

2.모델링 접근법 결정: 주석이 달린 다이어그램을 가이드로 사용하여 문제점에 접근하는 방법을 결정 : 문제가 되는 유체의 수, 혼화 가능한 경우, 하나 이상의 유체에서 방정식을 풀어야하는 경우 및 압축성이 중요한지 파악하여 시작하십시오. 그런 다음 어떤 물리적 메커니즘이 중요한지 결정하십시오. 이러한 각 옵션 (예: 유체 유형, 열 전달 메커니즘 등)에 대한 관련 엔지니어링 정보를 다이어그램에 추가하십시오. 물리적 메커니즘이 포함되거나 무시된 이유를 정당화하려고 합니다. 이를 통해 시뮬레이션 프로세스 초기에 오류를 수정하는 데 시간이 거의 걸리지 않는 초기에 실수를 잡을 수 있습니다.

3.다이어그램에 계산 영역을 그리고, 계산 영역의 가장자리에 있는 물리적 상황 설명 : 경계의 물리적 상황을 가장 잘 나타내는 경계 조건 유형을 기록합니다. 사용 가능한 경계 조건 유형이 경계의 물리적 상황에 대한 합리적인 근사치가 아닌 경우 이 경계를 다른 곳으로 이동해야 합니다.

모델 설정 : 일반

1.문제, 시뮬레이션의 목적, 사례 번호 등을 설명하는 메모를 추가하십시오. 메모는 향후 사용자 또는 나중에 참조할 수 있도록 설정을 설명하고 정당화하는 데 도움이 됩니다. 시뮬레이션의 목적, 분석 방법 등을 논의해야합니다.

2.사용할 솔버와 프로세서 수를 선택하십시오.

3.단위 시스템 선택: 소규모 문제를 모델링 할 때는 작은 단위 (예 : mm-gm-msec)를 사용하고 규모가 큰 문제는 큰 단위 (예 : SI)를 사용하십시오. 이를 통해 기계 정밀도로 인한 반올림 오류를 방지할 수 있습니다.

4.유체 수, 인터페이스 추적 옵션 및 유량 모드를 선택하십시오. 주석이 달린 다이어그램을 이 단계의 지침으로 사용하십시오. 유체의 수는 질량, 운동량 및 에너지 보존을 관장하는 방정식이 유체 분율 f> 0″ width=”44″ height=”17″ border=”0″>(유체<span lang= 1을 나타내는) 또는 유체 분획 $f \ geq 0$ (유체 1 및 유체 2)이 있는 영역에서 해결되는지 여부를 나타냅니다. 인터페이스
추적 옵션은 유체 분율의 변화가 급격한지 또는 확산되어야 하는지 여부를 정의하는 반면, 흐름 모드는 두 유체 문제에서 처리되는 영역을 정의합니다.

5.마감 조건 정의: 시뮬레이션 종료 시점을 선택합니다. 시간, 채우기 비율 또는 기타 정상 상태 측정을 기반으로 할 수 있습니다.

6.기존 결과에서 시뮬레이션을 다시 시작하는 방법 정의 (선택 사항): 기존 결과 파일에서 시뮬레이션을 다시 시작할 때 다시 시작 옵션이 적용됩니다. 재시작 옵션은 재시작 소스 파일에서 가져온 정보와 시뮬레이션의 초기 조건을 사용하여 재설정되는 정보를 정의합니다.

모델 설정 : 물리

1.주석이 달린 다이어그램을 기반으로 관련 실제 모델 활성화

모델 설정 : 유체

1.유체의 속성 정의 1: 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 대한 적절한 물리적 속성을 정의하십시오.

2.유체 2의 속성 정의 (사용하는 경우): 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 적절한 물리적 속성을 정의하십시오.

3.인터페이스의 속성 정의: f = 1과 f = 0의 영역 사이의 인터페이스 속성을 정의하십시오. 여기에는 표면 장력, 상 변화 및 확산에 대한 특성이 포함됩니다.

모델 설정 : Mesh 및 형상

1.모든 STL 파일의 오류 점검: ADmesh, netfabb Studio 또는 유사한 프로그램을 사용하여 모든 STL 파일의 오류를 점검하십시오. 이는 모델 설정에 시간을 소비하기 전에 형상
정의와 관련된 문제를 파악하는 데 도움이 됩니다.

2.모든 하위 구성 요소 및 구성 요소 가져 오기 및 정의 : 주석이 달린 다이어그램에 설명 된 대로 실제 사례와 일치하도록 3D 솔리드 형상을 정의합니다. 최종 결과는 물리적 형상의 정확한 복제본이어야 합니다. 각 부분에 설명적인 이름을 사용하고 대량 소스가 될 구성 요소를 포함하십시오.

3.모든 구성 요소의 속성 정의: 주석이 달린 다이어그램에 그려진 내용을 기반으로 각 구성 요소의 모든 재료 속성, 표면 속성, 모션 속성 등을 정의합니다. 경계 조건이 정의될 때까지 질량 소스 특성을 정의하기를 기다리십시오.

4.스프링과 로프 및 각각에 대한 관련 속성을 정의합니다.

5.주석이 달린 다이어그램에 설명된 시뮬레이션 도메인과 일치하도록 Mesh를 정의하십시오. 도메인의 모서리가 다이어그램에서 식별된 위치에 있는지 확인하십시오. 또한 인터페이스 (셀이 있는 셀과 셀이 다른 셀 이 있는 셀)를 식별하려면 세 개의 셀이 필요합니다. ). 최소 5 개의 셀이 예상되는 가장 얇은 연속 영역에 맞도록 충분히 작은 셀을 사용하십시오. 과 .

6.지오메트리를 정의하는 모든 배플 정의

7.경계 조건, 질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 정의: 경계 조건 (질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 포함)은 모든 방정식을 풀기 위해 주어진 위치에서 솔루션을 규정합니다. 주석이 달린 다이어그램을 사용하여 각 경계 (또는 소스 등)에 지정된 내용이 유동 솔루션, 열 전달 솔루션, 전위 등에 대한 현실과 일치하는지 확인하십시오.

8.유체 및 구성 요소의 초기 조건을 정의합니다. 초기 조건은 모든 방정식 (유량 솔루션, 열 전달 솔루션, 전위 등)에 대해 모든 영역에서 솔루션을 규정합니다. .주석이
달린 다이어그램을 사용하여 초기 조건에 지정된 내용이 현재 현실에 대한 근사치인지 확인하십시오. 유체 영역뿐만 아니라 구성 요소의 초기 조건을 설정해야 합니다.

9.모든 측정 장치 정의 (샘플링 볼륨, 플럭스 표면 및 히스토리 프로브)

모델 설정 : 출력

1.출력 기준 (시간, 채우기 비율 또는 응고된 비율)을 선택하십시오.

2.재시작 데이터에 추가할 출력을 선택하십시오.

3.선택한 데이터에 기록할 정보를 선택하십시오.

4.재시작, 선택, 히스토리, 짧은 인쇄 및 긴 인쇄 데이터의 출력 속도 정의 : 기본 속도는 재시작 및 긴 인쇄 데이터의 경우 (10개 출력)/(시뮬레이션 종료 시간) 및 선택한 기록, 짧은 인쇄 데이터의 경우 (100개 출력)/(시뮬레이션 종료 시간)입니다.

모델 설정 : 숫자

1.기본값이 아닌 필수 숫자 옵션을 선택 FLOW-3D의 숫자 옵션은 고급 사용자를 대상으로 하며, 지배 방정식을 해결하는 데 사용되는 숫자 근사치 및 방법을 상당히 제어할 수 있습니다. 이러한 옵션 중 일부를 잘못 사용하면 솔루션에 문제가 발생할 수 있으므로 일반적으로 이 옵션의 기능을 먼저 이해하고 조정의 정당성을 갖추지 않고는 이러한 설정을 조정하지 않습니다.

5.FLOW-3D에서 후 처리

이 섹션에서는 FLOW-3D에 통합된 포스트 프로세서를 사용하는 방법에 대해 설명합니다. 보다 강력한 외부 포스트프로세서 FlowSight에 대한 튜토리얼은 FlowSight 설명서를 참조하십시오. 또한 이 섹션에서는 Flow Over A Weir 예제 문제를 실행하여 생성된 결과 파일을 사용합니다. 이 예제 문제를 실행하는 방법에 대한 지침은 예제 추가 및 시뮬레이션 사전 처리 및 실행을 참조합니다.

FlowSight 사용에 대한 기본 참조는 FlowSight의 Help->helpLocal Help 메뉴에서 액세스하는 FlowSight 사용자 설명서입니다.

추가 정보

기존 플롯

기존 플롯은 솔버가 자동으로 생성하는 사전 정의된 플롯입니다. 사용자 정의 플롯은 아래의 사용자 정의 플롯 섹션에 설명되어 있습니다.

1.분석 탭을 클릭하십시오. FLOW-3D 결과 대화 상자가 표시됩니다; 메세지가 나타나지 않으면 (분석 탭이 열림) 결과 파일 열기를 선택하여 동일한 대화 상자를 엽니다.

2.기존 라디오 버튼을 선택하십시오. 데이터 파일 경로 상자에 두 가지 유형의 파일이 표시됩니다 (있는 경우). 이름이 prpplt.*있는 파일 에는 전처리 flsplt.*기에 의해 자동으로 작성된 플롯이 포함되고 이름이 있는 파일에는 입력 파일에 사전 지정된 플롯 뿐만 아니라 후 처리기에 의해 자동으로 작성된 플롯이 포함됩니다.

3. 확인을 선택 flsplt.Flow_Over_A_Weir하고 클릭하십시오. 그러면 디스플레이 탭이 자동으로 열립니다.

4.사용 가능한 플롯 목록이 오른쪽에 나타납니다. 목록에서 해당 플롯의 이름을 클릭하면 특정 플롯을 볼 수 있습니다. 플롯 26 이 아래에 나와 있습니다.

커스텀 플롯

1.분석 탭으로 돌아갑니다. 대화 상자를 열려면 결과 파일 열기를 선택하십시오.

2.전체 출력 파일을 보려면 사용자 정의 단일 선택 단추를 선택하십시오. 전체 출력 파일에는 prpgrf.*파일과 파일이 포함됩니다 flsgrf.*. 시뮬레이션이 실행되었으므로 전 처리기 출력 파일이 삭제되어 flsgrf파일에 통합되었습니다.

3.flsgrf.Flow_Over_A_Weir대화 상자 에서 파일을 선택하고 확인을 클릭하십시오.

이제 분석 탭이 표시됩니다. 시뮬레이션 결과를 시각화 하는 방법에는 여러 가지가 있습니다. 사용 가능한 플롯 유형은 다음과 같습니다.

·Custom : 이 매뉴얼 의 FLSINP 파일을 사용하여 플롯합니다. 사용자 정의 섹션의 출력 코드를 사용하여 출력 플롯을 수동으로 수정하는 데 사용할 수 있습니다. 이것은 고급 옵션입니다.

·프로브 : 개별 셀, 경계, 구성 요소 및 도메인 전체(전역) 변수 대 시간에 대한 그래픽 및 텍스트 출력을 표시합니다. 자세한 내용은 프로브 플롯 및 프로브 : 특정 시점의 데이터와 시간 을 참조하십시오.

·1-D : 셀 데이터는 X, Y 또는 Z 방향의 셀 라인을 따라 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 1-D 플롯 및 1-D : 라인을 따른 데이터 대 시간 을 참조하십시오.

·2-D : 셀 데이터는 XY, YZ 또는 XZ 평면에서 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 속도 벡터 및 입자를 추가할 수 있습니다. 자세한 내용은 2 차원 플롯 및 2 차원 : 평면의 데이터와 시간의 데이터 를 참조하십시오.

·3-D : 유체와 고체의 표면 플롯을 생성하고 셀 데이터로 채색 할 수 있습니다. 속도 벡터, 입자 (있는 경우) 및 유선과 같은 추가 정보를 추가할 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 3D 플롯 및 3D : 표면의 데이터 대 시간 을 참조하십시오.

·텍스트 출력 : cell-by-cell 재시작, 선택 및 응고 데이터를 텍스트 파일에 쓸 수 있습니다. 자세한 내용은 텍스트 출력 및 텍스트 : ASCII 형식의 공간 데이터 출력 대 시간 을 참조하십시오.

·중립 파일 : 재시작 및 선택된 데이터는 별도의 텍스트 파일에 정의 된 지정된 지점(보간 또는 셀 중심)에서 출력 될 수 있습니다. 자세한 내용은 중립 파일 : 사용자 정의 좌표에서의 공간 데이터 출력 대 시간 을 참조하십시오.

·FSI TSE : 유한 요소 유체 / 고체 상호 작용 및 열 응력 진화 물리학 패키지에서 출력됩니다. 자세한 내용은 FSI / TSE : 표면의 구조 데이터와 시간 을 참조하십시오.

3 차원 도표

1.Analyze -> 3-D 탭을 선택하십시오.

2.Iso-surface = Fraction of fluid를 선택하십시오. 이것은 표면을 그리는 데 사용되는 변수입니다. 선택한 등면 변수에 대한 등고선 값 기준을 충족하는 모든 셀을 통해 표면이 그려집니다. 유체의 분율이 기본값이며 유체 표면이 표시됩니다.

3.색상 변수 = 압력을 선택하십시오. 이 선택은 등위면의 색을 지정하는 데 사용되는 변수를 결정합니다 (이 경우 유체 표면은 압력에 의해 색이 그려집니다).

4.Component iso-surface overlay = Solid volume을 선택하십시오. 솔리드 볼륨 은 유체와 함께 솔리드 구성 요소를 표시합니다. 이전 단계에서는 체적 분수의 보완을 등위면으로 선택하여 이 작업을 수행했지만 이 옵션을 사용하면 유체와 고체 표면을 동시에 플롯 할 수 있습니다.

5.이동 시간 프레임의 최소 및 최대 위치들 (0 내지 1.25 초)에 슬라이더 위치.

6.렌더 버튼을 클릭하여 디스플레이 탭으로 전환하고 t = 0.0에서 1.25 초 사이에 일련의 11 플롯을 생성하여 압력에 의해 채색된 유체 표면과 위어 구조를 보여줍니다. 데이터 다시 시작 이 선택되었으므로 11 개의 플롯이 있습니다.

7.사용 가능한 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 다음을 클릭하여 시간 프레임 사이를 이동하거나 시간 프레임을 두 번 클릭하여 표시하십시오. 첫 번째 및 마지막 시간 프레임은 다음과 같아야 합니다.

8.Analyze -> 3-D 탭으로 돌아가서 Data Source 그룹에서 Selected data 라디오 버튼을 선택하십시오.

9.시간 프레임 선택기의 두 슬라이더가 모두 오른쪽에 있으므로 마지막 시간 프레임 만 생성됩니다. 사용 가능한 시간 프레임이 많고 렌더링하는데 시간이 오래 걸리므로 선택한 데이터를 선택하면 인터페이스에서 자동으로 수행됩니다. 사용 가능한 모든 시간 프레임을 렌더링 하려면 왼쪽 슬라이더를 Time Frame Min = 0 으로 이동하십시오.

10. 렌더링 버튼을 클릭하십시오. 몇 초 안에 뷰가 디스플레이 창으로 전환되고 101 개의 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 시간 프레임 사이를 이동하려면 다음을 반복해서 클릭하십시오.

대칭 흐름 표시

위어 중심 아래로 대칭 평면을 사용하여 시뮬레이션을 설정했으므로 위어 구조의 절반만 시뮬레이션되고 표시됩니다. 프리젠테이션 목적으로 대칭 모델의 두 반쪽을 모두 표시할
수 있습니다.

1.아래와 같이 Analyze -> 3-D 탭으로 돌아가서 Open Symmetry Boundaries 확인란을 선택하십시오.

2.렌더링을 클릭하십시오. 유체 표면이 디스플레이 탭의 대칭 경계에서 열린 상태로 나타납니다.

3.화면 위의 도구 모음 메뉴에서 도구 -> 대칭을 선택하십시오.

4.대화 상자에서 Y 방향 확인란을 선택하여 Y = 0 평면에서 결과를 미러링합니다.

5.적용 및 닫기를 선택하십시오.

6.마지막 시간 프레임을 두 번 클릭하십시오. 디스플레이는 아래와 같이 전체 위어 구조를 보여줍니다.

3 차원 애니메이션 만들기

다음 단계는 3 차원 유체 표면의 애니메이션을 만드는 것입니다. 애니메이션은 사용 가능한 시간 프레임 목록의 프레임에서 만든 동영상입니다. 애니메이션의 시각적 효과를 향상시키려면 모든 프레임에 공통 색상 스케일을 적용하는 것이 좋습니다.

1.분석 -> 3-D 탭으로 돌아갑니다.

2.윤곽 제한 그룹 상자에서 전역 라디오 버튼을 모두 선택하십시오.

3.렌더 를 클릭 하여 다시 그리고 디스플레이 탭으로 돌아갑니다.

4.도구 -> 대칭 -> Y 방향 -> 적용 선택을 반복하여 Y = 0 평면에서 결과를 반영합니다.

5.선택 도구 -> 애니메이션 -> 러버 밴드 캡처를 다음과 같이 선택 확인 Mesh지가 나타납니다 그것을 읽은 후.

6.마우스 왼쪽 버튼을 클릭 한 상태에서 드래그하여 애니메이션을 적용할 화면 부분을 선택하십시오. 선택한 영역 주위에 선택 상자가 나타납니다.

7.디스플레이 창 위에서 빨간색 캡처 버튼을 선택하십시오. 애니메이션을 시작하는 대화 상자가 나타납니다.

8.애니메이션의 기본 이름은 out.avi입니다. 아래에 표시된 것처럼 보다 구체적인 이름이 권장됩니다.

9.기본 프레임 속도는 초당 10 프레임입니다. 이 시뮬레이션의 마감 시간은 1.25 초이고, 일정한 시간 간격으로 100 개의 플롯이 있으므로 ‘실제‘속도는 초당 80 프레임입니다. 너무 빠를 수 있으므로 대신 5 를 입력 하고 확인을 누르십시오.

10. 각 시간 프레임이 표시 창에 렌더링 되고 비트 맵 파일이 시뮬레이션 디렉토리에 작성됩니다. 이 프로세스가 완료되면 다음 대화 상자가 나타납니다.

프로세스의 다음 단계를 시작하려면 확인 버튼을 클릭하십시오. 새로운 프로세스 (BMP2VAI.exe)가 시작되고 압축 방법을 선택할 수 있는 새로운 비디오 압축 창이 나타납니다. 다른 창 뒤에 숨겨져 있으면 앞으로 가져옵니다.
애니메이션의 기본 압축은 압축되지 않습니다. 파일 크기가 너무 커서 뷰어에 로드 할 수 없으므로 대부분의 애니메이션에는 권장되지 않습니다. Windows를 사용하는 경우 Microsoft Video 1을, Linux를 사용하는 경우 Cinepak을 선택하십시오. 여기에서 선택하는 것은 컴퓨터에서 사용할 수 있는 비디오 코덱과 비디오를 표시하는 데 사용하는 기계에서 사용할 수 있는 것입니다.
애니메이션 속도가 데이터 속도에 의해 제한되지 않도록 데이터 속도 확인란을 선택 취소하십시오.

압축 프로세스를 시작하려면 확인을 클릭하십시오. 압축이 완료되면 다음 대화 상자가 나타납니다.

확인을 클릭하십시오. 애니메이션 프로세스가 완료되었습니다.
Windows 탐색기에서 .avi 파일을 찾는 가장 빠른 방법 은 시뮬레이션 관리자 탭으로 이동하여 시뮬레이션 입력 파일 링크를 클릭하는 것 입니다.
.avi파일 을 두 번 클릭하여 애니메이션을 재생 하십시오. 이전에 선택한 압축 형식을 읽을 수 있는 올바른 코덱이 설치되어 있지 않으면 오픈 소스 다중 코덱 비디오 플레이어 설치를 고려하십시오.

2 차원 도표

1.Analyze -> 2-D 탭을 선택하십시오. 이 시뮬레이션의 결과를 보는 데 가장 유용한 평면은 평면 Y = 0.0에있는 위어 중심선의 XZ 평면입니다.

2.XZ 평면 라디오 버튼을 선택하십시오.

3.Y 제한 슬라이더를 모두 Y = 0.25 (Y = 0.0에 가장 가까운 셀 중심 y 좌표)로 드래그 합니다. 또한 동일한 위치가 J = 2 로 식별되어 해당 셀이 도메인에서 두 번째임을 나타냅니다. 첫 번째 셀 (J = 1) 은 Mesh 외부에 있으며 경계
조건 속성을 계산하는 데 사용됩니다. 기본 윤곽 변수는 압력이며 기본 속도 벡터는 기본적으로 선택됩니다. 솔리드 형상은 모든 2D 플롯과 함께 자동으로 표시되므로 3D 플롯과 같이 활성화 할 필요가 없습니다.

4.벡터 옵션을 클릭하고 X = 2 및 Z = 2를 입력하십시오. 벡터는 이제 다른 모든 셀에 플롯 됩니다. 벡터 옵션을 적용하려면 확인을 선택하십시오.

5.Y = 0 평면에서 2 차원 압력 플롯의 시간 시퀀스를 생성하려면 렌더링을 클릭하십시오. T = 0.0 초 (왼쪽) 인 다음과 유사한 그래픽이 나타납니다. T = 0.125 초 (중간); 그리고 T = 1.25 초 (오른쪽).

6.디스플레이 화면의 오른쪽 상단에 있는 형식 버튼을 선택하십시오.

7.선 색상, 벡터 길이 및 화살촉 크기 변경과 같은 다양한 옵션을 시험해보십시오. 변경 사항을 보려면 적용을 선택하십시오. 완료되면 재설정 및 확인을 선택하여
기본 설정으로 돌아가서 대화 상자를 닫습니다. 모든 플롯에 대해 선호하는 옵션 세트가 있는 경우 저장 버튼을 선택하여 저장할 수 있습니다.

1 차원 도표

분석 -> 1-D 탭을 선택하십시오. 이 탭에서는 하나 이상의 플롯 시간에서 셀 행을 따라 압력, 유체 깊이, 유체 상승 및 속도와 같은 셀별 출력 변수의 꺾은 선형
차트 플롯을 사용할 수 있습니다.
데이터 소스 로 선택을 선택합니다. 사용 가능한 변수는 이제 더 빈번한 플로팅을 위해 선택된 변수 만 표시합니다.
자유 변수 표고를 데이터 변수 로 선택하십시오. 유압 데이터는 출력 탭에서 선택되었으므로 사용할 수 있습니다.

이 시뮬레이션의 흐름 방향은 주로 x 축과 평행하므로 X 방향을 선택하십시오.
Y 방향 슬라이더를 0.25(J = 2)로 이동하여 Y 방향에서 흐름 중심선에 가장 가까운 셀이 표시됩니다.
기본적으로 전체 X 범위가 표시됩니다. 플롯의 범위를 제한하려는 경우 X 방향 슬라이더를 이동할 수 있습니다. Z 방향 슬라이더의 위치는 주어진 x, y 위치에서 z 셀의 각 열에 대해 하나의 자유 표면 높이만 기록되므로 중요하지 않습니다. 시간 프레임 슬라이더는 0초와 1.25초여야 합니다.

렌더링을 클릭하십시오. t = 0.0에서 t = 1.25s까지의 시리즈 플롯이 디스플레이 탭의 플롯 목록에 나열됩니다. 이러한 플롯을 볼 수 있는 여러 가지 모드가
있습니다. 기본 모드는 단일 모드이며 형식 버튼 아래의 드롭 다운 상자에 표시됩니다.

다양한 시간에 유체 표면 높이의 플롯을 비교하려면 드롭 다운 상자에서 오버레이 모드를 선택하십시오.
오른쪽 창에서 플롯 1, 13 및 101 을 선택하려면 클릭하십시오. 플롯 이름에는 또한 기록된 시간이 표시됩니다 (t = 0.0, 0.15s 및 1.25 초). 출력은 아래와 같이 나타납니다.

이 플롯을 비트 맵 또는 포스트 스크립트 파일에 저장하려면 출력 버튼을 선택하십시오.
확인 화면에 플롯 오버레이 플롯을 캡처하는 확인란을 (그리고 단 하나의 출력 파일을).
쓰기 버튼을 선택하여 이미지 파일을 만듭니다.
결과 이미지 파일은 시뮬레이션 디렉토리에 있으며 (시뮬레이션 관리자 탭 에서이 파일을 찾는 방법을 기억하십시오) 이름이 지정한 plots_on_screen.bmp됩니다.

프로브 플롯

1.
분석 -> 프로브 탭을 선택하십시오. 시간 기록 플롯은이 탭에서 변수 대 시간의 라인 그래프 또는 텍스트 출력으로 생성됩니다. FLOW-3D 에는 데이터 소스 그룹에서 선택되는 세 가지 유형의 시간 종속 데이터가 있습니다.

·공간 데이터 : 재시작 및 선택된 데이터 소스. 단일 x, y, z 셀 중심 좌표의 시간 종속 값이 표시됩니다. 값은 시간과 관련하여 통합되거나 시간과 관련하여 차별화되거나 이동 평균 (시간)으로 통합될 수 있습니다.

·일반 history 데이터 :. 글로벌 수량은 시간에 따라 다릅니다. 일반적인 양은 평균 운동 에너지, 시간 단계 및 대류 볼륨 오류입니다. 또한 이 데이터 유형에는 모델 설정 -> 메싱 및 지오메트리 탭에서 이러한 옵션을 선택한 경우 지정된 측정 위치(배플, 샘플링 볼륨, 히스토리 프로브)의 모든 데이터와 이동 또는 정지 상태의 솔리드 및 스프링/로프를
위한 통합 출력이 포함됩니다.

·Mesh-dependent data : 메쉬 경계에서 시간에 따른 수량(계산 또는 사용자 지정)입니다. 일반적인 수량은 경계에서의 유량 및 경계에서의 지정된 유체 높이입니다.

2.데이터 원본에서 일반 기록 라디오 버튼을 선택합니다. X, Y 및 Z 데이터 점 슬라이더가 회색으로 바뀝니다. 이는 일반 기록 데이터가 특정 셀과 연결되어 있지 않기 때문입니다.

3.목록에서 질량 평균 유체 평균 운동 에너지를 선택하십시오.

4. 단위를 선택하여 플로팅 단위 대화 상자를 엽니다.

5. 플롯에 단위 표시를 선택하십시오.

6. SI, CGS, slugs/feet/seconds 또는 pounds/inches/seconds를 선택하여 원하는 단위 시스템으로 결과를 변환하고 출력합니다. 장치를 표시하고 변환하려면 모델 설정 -> 일반 탭에서 장치 시스템을 선택해야 합니다. 이전 단계에서 이 항목을 확인했으며, 지오메트리 및 유체 특성은 centimeters/grams/seconds 시스템에서 지정되었습니다.

7.Plotting Units 대화 상자를 닫으려면 OK를 선택하십시오.

8.데이터의 그래픽 출력을 생성하려면 렌더를 선택하십시오. 출력은 시간에 따른 영역의 모든 유체에 대한 질량 평균 평균 운동 에너지를 보여줍니다. 이전 단계에서 선택한 사항에 따라 단위 레이블과 함께 그림이 나타납니다. 플롯은 총 운동 에너지가 일부 평균값 주위에서 진동하고 있음을 나타냅니다. 진동이 작아짐에 따라 시뮬레이션은 정상 상태 흐름에 접근합니다.

9.분석 -> 프로브 탭으로 돌아갑니다.

10. 출력 양식 그룹에서 텍스트를 선택하여 그래프를 텍스트 데이터로 출력한 다음 렌더링을 다시 선택하십시오.

11. 나타나는 텍스트 대화 상자에서 다른 이름으로 저장 버튼을 선택하여 출력을 텍스트 파일로 저장할 수 있습니다.

12. 출력 창을 닫으려면 계속을 선택하십시오.

텍스트 출력

1.Analyze -> Text Output 탭을 선택하십시오.

2.텍스트 출력 은 셀별 데이터 ( 다시 시작 또는 선택됨 ) 만 출력 할 수 있고 (구성 요소, 측정 스테이션 또는 글로벌 데이터 없음) 둘 이상의 셀을 선택할 수 있다는 점을 제외하고 프로브 탭 과 동일한 방식으로 작동합니다. 각 플롯 시간에 대한 출력 데이터. 셀은 슬라이더를 사용하여 3D 블록에서 선택됩니다. 기본 공간 범위는 전체 도메인으로 설정됩니다.

3.직접 텍스트 데이터를 출력해보십시오.

FLOW-3D 및TruVOF는 미국 및 기타 국가에서 등록 상표입니다.

샌드코어 만들기 시뮬레이션

샌드 코어는 복잡한 내부 구멍을 만드는데 사용되기 때문에 주조 공정에서 중요한 요소입니다. 예를 들어, 샌드 코어는 일반적인 V8 엔진 주조에서 물 냉각, 오일 윤활 및 공기 흐름을 위한 통로를 만드는데 사용됩니다. 샌드 코어가 어떻게 만들어지는지 궁금해한 적이 있습니까? 해변에서 모래성을 만드는데 사용되는 재료가 어떻게 뜨거운 금속이 흐르는 가혹한 조건을 견딜 수 있는 복잡한 형태로 만들어질 수 있을까요? 이 글은 샌드 코어가 어떻게 만들어지는지에 대한 과정을 안내하고 엔지니어가 제조 공정을 설계하는데 도움이 되는 FLOW-3D CAST v5.1의 모델링 도구를 설명합니다.

샌드 코어 만들기 프로세스 작업 공간

샌드 코어 제작을 모델링하기 위해 이러한 복잡한 흐름 역학에 대한 올바른 물리 모델을 선택하는 것은 어려울 수 있습니다. 샌드 코어 만들기 작업 공간은 수치해석을 위한 자동화된 설정을 제공하고, 적절한 물리 모델을 활성화하여 이 문제를 해결합니다. 콜드 박스, 핫 박스 및 무기(inorganic) 공정을 위한 하위 작업 공간은 사용자가 설정해야 하는 프로세스를 쉽게 안내합니다.

Sand Shooting

모든 샌드 코어의 출발점은 Shooting 과정입니다. Shooting 과정에서 공기, 샌드, 바인더의 혼합물은 고압하에서 공기 통풍구가 샌드로 인해 공기를 대체할 수 있도록 공동 주변에 전략적으로 배치된 코어 박스로 ” Shooting” 됩니다.

샌드 코어 Shooting의 주요 목표는 균일한 밀도로 샌드 코어를 만드는 것입니다. 샌드 입구의 위치와 공기 통풍구의 위치와 크기등 두 가지 설계 요소가 이 목표를 달성하는데 중요한 역할을 합니다. FLOW-3D CAST를 사용하여 샌드 혼합물의 흐름을 시뮬레이션하면 다른 입구와 공기 통풍구 구성을 연구할 수 있습니다.
이 비디오는 물 재킷 샌드 코어를 생성하기 위해 Shooting되는 2 % 바인더 첨가제H32 샌드의 충전 패턴을 보여줍니다. 일부 영역이 부족합니다.
환기구는 당사의 대화형 지오 메트리 배치 도구를 사용하여 문제 영역에 쉽고 정확하게 배치할 수 있습니다. 여기서 6mm공기 벤트( 빨간 색 화살표 참조)가 불완전한 주입이 관찰된 위치에 배치됩니다.

이 비디오는 에어 벤트가 추가된 지역의 주입 상태를 원래 결과와 비교하여 보여 줍니다. 이제 에어 벤트가 추가된 부위의 충전이 더욱 완료되었습니다. 더 많은 환기구를 추가하여 공급되지 않는 다른 영역을 처리할 수 있습니다.

코어 경화

통풍구 구성이 배치되고 Shooting이 균일한 샌드 분포를 제공하면 샌드 코어를 강화해야합니다. FLOW-3DCAST에서 세가지 다른 경화 방법을 시뮬레이션할 수 있습니다. 즉, 콜드 박스, 핫 박스 및 무기물입니다.

무기 공정에서 샌드 코어 건조

무기 코어를 생산하는데 사용되는 샌드 /바인더 혼합물은 물 기반입니다. 이를 경화시키기 위해 뜨거운 공기 제거와 함께 핫 코어 박스의 에너지가 물을 증발시키고 공기 통풍구를 통해 코어에서 수행합니다. 이 비디오에서는, 2%의 물을 함유한 샌드/바인더 혼합물을 함유한 흡기 매니폴드 샌드 코어 샷은 뜨거운(180C) 공기 제거에 의해 건조됩니다. 파란색 영역은 샌드 코어에 남아 있는 물을 나타냅니다. 통풍구는 회색으로 표시됩니다. 150초의 건조 후, 수분은 가장 많은 환기가 발생하는 영역으로 계속 밀려나고 있습니다.

핫 박스 프로세스에서 코어 강화

핫 박스 공정에서 Shooting한 샌드 코어는 코어 박스의 에너지를 사용하여 바인더를 수정합니다. 이 비디오는 온수 코어 상자에 의해 가열될 때 샌드 코어의 온도 분포를 보여줍니다.

경화 단계를 시뮬레이션하면 샷 샌드 코어의 온도 분포를 결정하고 코어의 모든 영역이 충분히 가열되어 경화되도록 하는데 필요한 시간을 식별할 수 있습니다.

콜드 박스 공정에서 샌드 코어를 가스링

콜드 박스 공정에서 Shooting한 샌드 코어를 생산하는데 사용되는 바인더에는 페놀 우레탄 수지가 포함되어 있습니다. 이러한 코어를 강화하고 주조 공정에서 흐르는 뜨거운 금속을 견딜 수 있는데 필요한 강도를 주기 위해 촉매(이 경우 아민 가스)를 운반하는 뜨거운 공기가 코어를 제거하는데 사용됩니다. 뜨거운 공기/아민 가스 혼합물은 입구를 통해 도입되고 Shooting 단계에서 사용된 공기 통풍구를 통해 코어 박스를 남깁니다.

이 비디오는 내연 기관의 워터 재킷인 다공성 샷 샌드 코어를 통해 아민 가스의 진화를 보여줍니다.

FLOW-3D CAST v5.1을 통해 샌드 코어 제조업체는 코어품질을 최적화하기 위해 샌드 코어 제작 프로세스를 모델링하는데 필요한 도구를 가지고 있습니다. 샌드 코어 만들기 작업 공간에대해 자세히 알아보세요.

모터 냉각에 관한 성능 연구

본 연구는 모터 냉각 성능을 실험적으로, 그리고 수치적으로 조사한다. 모터는 원심 팬, 2개의 축 팬, 축, 스테이터, 로터, 637개의 냉각 튜브가 있는 열 교환기로 구성된다.

1800rpm에서 냉각팬의 압력 상승-유량(P-Q) 성능 곡선은 중국 국가표준(CNS) 2726을 준수하는 시험 장치를 사용하여 시험한다. 수치해석 결과, 실험 측정과 비교했을 때 축방향 팬과 원심형 팬의 P-Q 성능 곡선은 각각 약 2%와 6% 이내에서 추정할 수 있다.

단순화된 모델을 사용하여 열교환기와 스테이터를 다공성 매체로 설정함으로써 모터의 흐름장을 계산한다. 로터와 스테이터 근처의 유장 결과를 사용하고, 열 발생 속도를 경계조건으로 하여 스테이터와 로터의 온도분포도 계산한다.

시뮬레이션 결과 축 팬 근처에 있는 스테이터 권선의 계산온도는 측정값보다 약 5% 낮으며, 스테이터 중심에 위치한 스테이터 코어의 계산온도는 측정값보다 약 1% 높다. 이외에도 모터 냉각 성능 향상을 위한 논의가 이루어지고 있다.

모터는 우리 생활에서 널리 사용되고 있지만, 온도는은 모터 생산에서 중요한 고려사항이 된다. 과열은 모터의 수명을 감소시키는 결과를 가져올 것이다. 따라서 비용을 절감하고 최적화된 성능을 얻는 방법은 노력을 기울여야 한다.

CFD(Computational Fluid Dynamics) 코드를 통해 모터의 열 전달을 이해하고 모터의 열 관리를 개선하는 데 유용할 것이다.

모터 성능을 향상시키기 위해, 많은 연구들이 팬의 성능 예측과 최적화에 전념하였다[1-6]. 좋은 팬은 기하학 및 블레이드 번호를 포함하여 모터의 냉각 용량에 영향을 미친다. 게다가, 선풍기에서 발생하는 소음과 진동은 데시벨을 낮추는 방법을 제안할 필요가 있는 핵심이다.

모터 온도와 관련하여 모터 온도를 결정하기 위해 전력 소산 및 모터 열 저항을 고려할 수 있다[7]. 밀폐된 모터 냉각 시스템의 흐름 구조에 따라 달라지는 대류 열전달 때문에 밀폐된 전기 모터의 유체 흐름은 수치적 방법에 의해 연구된다[8]. 모터 성능 연구에서는 CFD 모델링 기법을 사용하여 모터의 열 관리를 조사한다.

[9-13]. 본 연구는 주로 원심 팬(외부 팬), 2개의 축 팬(내부 팬), 샤프트, 스테이터, 로터 및 637개의 냉각 튜브가 장착된 열 교환기로 구성된 2350kW TEAC(Tall Closed Air to Air Cooling) 모터를 조사한다. 이 모델에서 흐름은 외부 흐름과 내부 흐름으로 구분할 수 있다. 그림 1에서, 파란색 화살표는 외부의 차가운 흐름을 나타낸다.

원심 팬이 회전하면서 주변 공기가 공기 장막을 통해 흐른 뒤 637개의 열교환 튜브로 들어가 밖으로 나가는 데서 유래한다. 빨간색 화살표의 순환은 축 팬의 회전으로 인한 내부 열류, 스테이터를 의미한다. 그런 다음 열교환기로 들어가 외부 저온 흐름으로 열교환한다.

Calculation results of the pressure and flow fields

본 연구에서는 모터 성능을 Fluent[14]와 상업용 코드인 Flow-3D[15]로 시뮬레이션하고, Gambit을 사용하여 Fluent용 메쉬를 생성한다.

이 모터의 복잡한 지오메트리를 다루기 위해서는 구조화되지 않은 메쉬나 하이브리드 메쉬가 우선 고려되었다. 아쉽게도 멀티 블록 구조 메시 생성 방식을 시도했지만 효과가 없었다. 또한 심하게 치우친 요소를 생성하지 않고 메쉬 확인을 위한 메쉬 테스트도 시뮬레이션 과정에서 중요하다.

본 연구의 첫 번째 부분은 축 및 원심 팬의 성능을 조사하는 것이다. 두 번째는 스테이터와 로터 부근의 전체 모터의 유량장, 압력장, 온도에 대해 논의한다. 모델의 정확성을 입증하기 위해 팬 성능 및 스테이터 온도의 계산 결과를 실험 데이터와 비교한다.

상세한 내용은 첨부된 논문을 참조하기 바랍니다.

The-Investigation-of-Motor-Cooling-Performance.pdf

고성능 컴퓨터(HPC)에 대한 이해

본 자료는 수치해석을 업무로 수행하는 엔지니어들의 고성능 컴퓨터에 대한 이해를 돕기 위해 https://www.amd.com/ko/technologies/hpc-explained 를 인용한 자료입니다.
본 자료의 모든 저작권은 https://www.amd.com에 있습니다.

고성능 컴퓨팅 안내

신약 개발에 걸리는 기간이 수년에서 수일로 단축된다고 상상해 보십시오. 고성능 컴퓨팅(HPC)은 시뮬레이션, 모델 및 분석을 통해 이러한 유형은 물론 기타 첨단 과학 문제를 해결할 수 있습니다. 이러한 시스템은 세계의 여러 주요 문제에 대한 해결책을 제공하여 “4차 산업혁명”으로 가는 길을 제시합니다.¹ HPC 시스템은 이미 다음과 같은 용도로 사용되고 있습니다.

여러 유형의 암과 기타 질병 퇴치를 위한 신약 화합물 개발 및 시험²
방탄복과 같은 신소재 개발을 위한 분자 역학 시뮬레이션³
영향을 받는 지역사회가 더 효과적으로 대비하도록 돕기 위한 중요한 기상 변화 예측⁴

슈퍼컴퓨터는 최첨단 HPC 시스템을 대표합니다. 슈퍼컴퓨터의 고유한 역량은 기능의 발전에 따라 시간이 지나면서 변화하는 표준에 좌우됩니다. 단일 슈퍼컴퓨팅 클러스터에는 수만 개의 프로세서가 포함될 수 있으며 세계 최고 성능의 최고가 시스템의 가격은 1억 달러 이상에 달합니다.⁵

HPC의 작동 방식

HPC에서 정보를 처리하는 두 가지 주요 방법:

직렬 처리를 중앙 처리 장치(CPU)에서 수행합니다. 일반적으로 각 CPU 코어에서 한 번에 한 작업만 처리합니다. CPU는 운영체제 및 기본적인 애플리케이션(예: 워드 프로세싱, 사무 생산성)과 같은 기능에 있어 필수적입니다.

병렬 처리를 여러 CPU 또는 그래픽 처리 장치(GPU)를 통해 수행할 수 있습니다. 원래는 전용 그래픽 용으로 개발된 GPU는 데이터 매트릭스(예: 화면 픽셀)에 대해 동시에 여러 산술 연산을 수행할 수 있습니다. GPU는 수많은 데이터 계층에서 동시에 작업할 수 있기 때문에 동영상에서 객체를 인식하는 것과 같은 머신 러닝(ML) 애플리케이션 작업에서 병렬 처리를 수행하는 데 적합합니다.

슈퍼컴퓨팅의 잠재력을 극대화하기 위해서는 다양한 시스템 아키텍처가 필요합니다. 대부분의 HPC 시스템은 초고대역폭 상호 연결을 통해 여러 프로세서 및 메모리 모듈을 취합하여 병렬 처리를 지원합니다. 일부 HPC 시스템은 CPU와 GPU를 결합하는 데 이를 이기종 컴퓨팅이라고 합니다.

컴퓨터의 컴퓨팅 성능은 “FLOPS”(초당 부동 소수점 연산)라는 단위로 측정됩니다. 2019년 초반 현재 최고 수준의 슈퍼 컴퓨터는 143.5페타FLOPS(143 × 1015)를 처리할 수 있습니다. 페타스케일라고 하는 이러한 수준의 슈퍼컴퓨터는 천조 이상의 FLOPS를 수행합니다. 그에 비해, 하이엔드 게이밍 데스크탑은 속도가 1/1,000배 미만으로 약 200기가FLOPS(1 × 109)를 처리하는 데 그칩니다. 프로세싱과 처리 성능 모두에서 슈퍼컴퓨팅 혁신이 이루어지면 머지않아 엑사스케일 수준의 슈퍼컴퓨팅으로 발전하여 페타스케일보다 약 1,000배 빠른 속도가 실현될 것입니다. 이는 엑사스케일 슈퍼컴퓨터가 초당 1018(또는 10억 x 10억)의 연산을 수행할 수 있음을 의미합니다.

“FLOPS”는 이론적 처리 속도를 나타냅니다 – 프로세서에 지속적으로 데이터를 전송하는 데 필요한 속도를 파악합니다. 그러므로, 데이터 처리율이 반드시 시스템 디자인에 반영되어야 합니다. 프로세싱 노드 간 상호 연결과 함께 시스템 메모리가 데이터의 프로세서 도달 속도에 영향을 줍니다.

차세대 슈퍼컴퓨터가 구현하는 1 exaFLOP의 처리 성능은 5,000,000대에 달하는 데스크탑 컴퓨터의 성능에 필적합니다.*

*각 데스크탑의 처리 성능을 200기가FLOPS로 가정

스마트한 용어

고성능 컴퓨팅 (HPC): 단일 컴퓨터(예: 1개의 CPU + 8개의 GPU)부터 세계적 수준의 슈퍼컴퓨터를 아우르는 폭넓은 범위의 강력한 컴퓨팅 시스템
슈퍼컴퓨터: 진화하는 성능 표준에 기반한 최고 수준의 HPC
이기종 컴퓨팅: 직렬(CPU) 및 병렬(GPU) 처리 기능을 최적화하는 HPC 아키텍처
메모리: 데이터에 신속하게 액세스하기 위해 HPC 시스템에서 데이터가 저장되는 위치
인터커넥트: 프로세싱 노드 간 통신을 지원하는 시스템 계층, 여러 수준의 상호 연결이 슈퍼컴퓨터 내에 존재
페타스케일: 초당 1,000조(1015)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터
엑사스케일: 초당 100경(1018)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터

새로운 이용 사례

기술 수준이 향상되면서, HPC는 더욱 폭넓은 기능으로 확장되었습니다. 오늘날 처리 능력과 메모리가 그 어느 때보다 향상되어 보다 복잡한 문제를 해결할 수 있게 되었습니다.

머신 러닝: 인공지능(AI), 머신 러닝(ML)의 하위집합으로서 수행 지침을 수동적으로 받아들이는 대신 스스로 학습할 수 있는 시스템을 말합니다. HPC 시스템은 사진에서 흑색 종을 감지하는 암 연구와 같이 방대한 양의 데이터를 분석하는 높은 수준의 ML에 사용할 수 있습니다.⁶
빅 데이터 분석: 학술, 과학, 금융, 비즈니스, 의료, 사이버 보안 및 정부 애플리케이션 부문의 연구 및 문제 해결을 보완하기 위해 대량의 데이터 세트를 신속하게 비교하고 상관 관계를 분석합니다. 이 작업에는 대규모 처리 및 컴퓨팅 기능이 필요합니다. 매년 50페타바이트의 임무 데이터가 생성되는 NASA에서는 슈퍼컴퓨팅을 활용해 관측을 분석하고 방대한 정보를 바탕으로 시뮬레이션을 실행합니다.⁷
고급 모델링 및 시뮬레이션: 기업은 초기 단계에서 물리적 구축을 수행하지 않고도, 고급 모델링 및 시뮬레이션을 통해 혁신적인 제품을 더 빨리 출시하고 시간, 재료 및 인건비를 절약할 수 있습니다. HPC 모델링 및 시뮬레이션은 신약 개발 및 시험, 자동차 및 항공 우주 설계, 기후 예측/기상 관측, 에너지 애플리케이션 부문에서 활용됩니다.⁸

AMD가 엑사스케일에 대한 드라이브를 실현하는 방식

미국에너지국(DOE)/버클리 연구소(Berkeley Lab), 로렌스 리버모어 국립 연구소(U.S. Lawrence Livermore National Laboratory), 슈투트가르트 대학(University of Stuttgart) 및 CSC(핀란드 IT 과학 센터)의 최신 시스템과 같은 세계 최고 성능의 슈퍼컴퓨터가 바로 AMD 기술에 기반합니다.⁹

가까운 미래에 엑사스케일 수준의 최적의 슈퍼컴퓨터 설계를 실현하기 위해서는 더욱 강력한 처리 성능 및 프로세싱 기능(CPU 및 GPU 모두에서)이 필요합니다. 고성능 컴퓨팅과 그래픽 기술 부문 모두에서 업계 리더인 AMD는 HPC 시스템을 최적화하는 데 있어 몇 가지 고유한 이점을 제시합니다. 미국에너지국(DOE)에서 추진하는 엑사스케일 컴퓨팅 프로젝트의 일환으로, AMD는 미국 최초로 엑사스케일 수준의 슈퍼컴퓨터를 개발하기 위한 기술을 발전시키기 위해 미국 정부와 파트너십을 맺었습니다.¹⁰ 이 작업에는 CPU 및 GPU 마이크로아키텍처, 메모리 시스템, 구성 요소 통합 및 고속 인터커넥트에 중점을 둔 연구가 포함되었습니다.

데스크탑

지역 전력망에 대한 하나의 동적 시나리오를 실시간으로 시뮬레이션합니다.

페타스케일

국가 전력망에 대한 수만 개의 동적 시나리오를 실시간으로 시뮬레이션합니다.

엑사스케일

전 세계 전력망에 대한 수백만 개의 동적 시나리오를 생성 및 수요에 관한 정의되지 않은 변수를 적용해 실시간으로 시뮬레이션합니다.

미래로 나아가는 힘과 자유

엑사스케일 컴퓨팅은 맞춤형 의료, 탄소 포집, 천체 물리학, 시장 경제학 및 바이오 연료 분야의 발전에 기여할 잠재성이 있습니다. 전문가들이 날씨를 더 정확히 예측하고, 더 복잡한 수학적 문제를 해결하며, 우주의 더 먼 곳까지 탐험하고, 에너지 절감형 전력망을 구축하는 데 도움이 될 것입니다.¹¹ 차세대 슈퍼컴퓨팅을 위한 공동의 노력과 이러한 시스템이 사회에 기여할 수 있는 긍정적인 영향을 바탕으로, AMD는 미래의 컴퓨팅 시스템의 성능, 에너지 효율성, 신뢰성 및 프로그래밍의 향상을 위한 연구와 자원에 주력하고 있습니다.

자세히 알아보기: https://www.amd.com/hpc

Lab-on-a-chip

다양한 표면 장력을 사용하여 도장된 표면

마이크로 채널의 패턴 표면은 액체 사이의 실제 물리적 벽 없이 여러 액체가 나란히 흐르는 특정 경로를 따라 한 저장 장치에서 다른 저장 장치로 액체를 운반하는 데 사용될 수 있습니다. 패턴이 있는 표면은 액체를 lab-on-a-chip, 생물학적 경로, 마이크로 프로세서 및 화학적, 생물학적 감지 장치로 운반하는 데 사용됩니다.

이 경우 표면 장력은 미세 채널의 유체 흐름을 조작하여 패턴이 있는 흐름을 만드는 데 사용됩니다. 고체 표면에 있는 유체의 친수성 또는 소수성 거동은 마이크로 채널을 통해 복수 유체의 움직임을 제어하기 위해 이용됩니다.

마이크로 채널 내부의 유체 흐름은 층류로, 이는 다중 유체 흐름(이 경우 2개)이 난류 혼합 없이 나란히 흐를 수 있음을 의미합니다. 유체 스트림 측면에 물리적 벽이 없기 때문에 스트림은 이른바 가상 벽으로 제한됩니다. 이 벽들은 기본적으로 두 액체 사이의 친수성 경계입니다.

세가지 단계를 보여 주는 실험 결과 – A, B및 C(왼쪽에서 오른쪽으로), Bin Zhao et al.

위의 그림은 실험에서의 마이크로 채널을 보여준다. 중앙 수평 채널의 중간 스트립은 친수성인 반면, 상단 및 하단 수직 채널과 함께 남아 있는 채널은 친수성의 정도가 다릅니다. 그들은 단지 몇도의 접촉점 각도에 의해서만 그들의 친수성이 다릅니다. 상부 채널의 접점 각도는 118^o 이고 하부 채널의 접점 각도는 112^o입니다. 그러나 이러한 접촉 각도의 작은 차이는 유체가 이러한 영역으로 흐르기 위해 상당히 다른 압력을 필요로 합니다.

수치해석 시뮬레이션

처음에는 모든 채널에 각기 다른 유체가 주입됩니다(투명). 분홍색 유체를 수평 채널로 밀어 넣으면 중앙 영역의 친수성 경로(PhaseA)를 따라 이동합니다. 압력이 증가함에 따라, 유체는 하부 친수성-친수성 장벽을 깨고 바닥 소수성 구역으로 흐르기 시작합니다(상 B). 압력이 더욱 증가하면 유체가 마침내 상부 친수성-친수성 장벽을 깨고 상부 영역에서도 흐르기 시작합니다(단계 C).

A, B, C의 세 단계를 보여주는 수치 결과입니다.

위의 수치해석 결과는 두가지 사이에 중요한 차이가 있다는 점을 고려할 때 실험에서 패턴이 있는 표면 연구의 전반적인 아이디어와 비교할 수 있는 합당한 수준을 보여줍니다. 위에 표시된 수치해석 결과는 과도 상태(압력이 지속적으로 증가함)이므로 유체 경계는 실험 결과와 정확히 동일하지 않습니다. 마찬가지로 유체 특성은 실험에 사용된 특성과 정확히 동일하지 않습니다.

그럼에도 불구하고 유체 1은 실험에서와 같이 압력이 증가함에 따라 A, B, C단계를 거칩니다. B단계에서는 투명한 유체가 상부 채널을 통해 계속 흐르지만, 하부 영역에서는 분홍색 유체만 흐릅니다. 이것은 실험과 일치합니다.

흥미로운 것은 C단계의 거품 형성입니다. C단계의 거품 형성과 같은 흥미로운 물리현상의 재현과 연구는 미세 유체학 장치의 설계와 제작 과정에 중요할 수 있습니다.

FLOW-3D 해석 결과

아래의 애니메이션은 위와 같은 실험에 대한 FLOW-3D 시뮬레이션 결과를 보여줍니다. 유체 1( 연한 파란 색)은 실험 중인 분홍색 유체와 같습니다. 처음에는 전체 영역이 Fluid2(투명 유체)로 채워집니다. 압력은 단계적으로 증가하며 시뮬레이션이 진행됨에 따라 세 단계를 모두 볼 수 있습니다.

Evolution of fluid flow with increasing pressure in patterned micro channels created by varying contact angles.

Ref: Bin Zhao, Jeffrey S. Moore, David J. Beebe, Surface-Directed Liquid Flow Inside Microchannels, Science 291, 1023 (2001)

Learn more about the power and versatility of modeling microfluidic applications with FLOW-3D

환기시스템 열유동 해석

Comparing HVAC System Designs

HVAC 시스템 설계 비교이 기사의 내용은 TecsultInc. 의 AlecMercier에 의해 기고되었습니다.

최근 프로젝트에서 Tecsult의 HVAC(난방, 냉방 및 환기)시스템 엔지니어는 강력한 에어컨 시스템의 두 가지 다른 구성을 고려해야 했고 노동자들에게 어떤 것이 가장 쾌적함을 제공하는지 보여주기를 원했습니다. FLOW-3D는 대체 설계를 시뮬레이션하고 비교하는 데 사용되었습니다.

이 발전소는 대형(길이 90m, 너비 33m, 높이 26m)건물로 변압기, 전력선, 조명 등 열 발생 장비를 갖추고 있습니다. 에어컨 시스템의 목적은 건물 내 최대 온도를 35ºC로 제한하는 것입니다. 디퓨저가 하부 레벨에 위치하고 천장 근처의 환기구가 있기 때문에 천장 근처에서 최대 공기 온도가 발생하고 바닥 레벨은 반드시 몇도 더 낮습니다.

Comparing Design Alternatives

시뮬레이션을 통해 두 대안에 대한 발전소 전체의 온도와 흐름 패턴을 상세히 비교하고 Tecsult의 HVAC시스템 엔지니어에게 중요한 데이터를 제공했습니다. 디자인 선택을 하다 이 발전소의 상세 설계의 일환으로, 기술 팀은 에어컨 시스템의 두 가지 다른 구성을 제안했고, 그 수, 크기, 분포를 결정했습니다. 각 유량, 흡기/배기 가스 속도, 투영 각도와 함께 펄스와 환기구를 사용합니다. 두 구성에서 이 시스템은 25ºC의 온도에서 파워 트레인으로 냉기를 불어넣는 덕트 3개와 천장 근처에 위치한 리턴 벤트 3개로 구성됩니다. 두 가지 대안의 차이는 공기 덕트 중 하나의 위치에 있습니다. 첫 번째 대안으로 공기 덕트는 바닥에서 5.6m위에 있는 업 스트림 벽을 따라 움직입니다. 두 번째 대안으로, 에어 덕트는 바닥에서 11.1 m높이의 하류 벽을 따라 달립니다. 그림 1은 대체 1에 해당하는 기류의 동력과 레이아웃을 보여 줍니다.

Figure 1. Alternative 1: General view of the inside of the powerhouse, heat-generating equipment (green), and ducts (light blue).

이러한 유형의 문제에서 흐름 패턴을 지배하는 가장 중요한 현상은 일반적으로 바닥에있는 열 발생 장비에 의해 유도 된 대류 전류와 온도 (즉, 부력)에 따른 공기 밀도의 변화입니다

Modeling Diffusers and Vents with Mass/Momentum Sources

질량/운동량 소스로 디퓨저 및 벤트 모델링

시스템 엔지니어는 FLOW-3D의 mass momentum sources 기능을 사용하여 지정된 속도와 방향으로 정의 된 영역으로 공기를 흐르게 합니다. mass momentum sources 기능은 확산 영역과 배출구가 있는 HVAC 시스템을 시뮬레이션 할 때 특히 유용합니다. 확산 영역과 배출 영역은 수없이 많으며 계산 영역의 가장자리에서 멀리 떨어져 있기 때문입니다. 이것은 구조화 된 메쉬에서 그 설정을 어렵게 만듭니다. mass momentum sources는 메쉬 경계에 대한 근접성을 고려하지 않고 임의로 도메인에 배치 할 수 있습니다.

Conclusion

이 시뮬레이션은 두 가지 대안 모두에 대해 강국 전체의 온도와 흐름 패턴을 상세하게 비교하고 Tecsult의 HVAC 시스템 엔지니어에게 설계 선택을 지원하는 중요한 데이터를 제공했습니다. 그림 2는 층 위 약 1m의 강국의 평면도에서의 온도 분포를 보여줍니다. 표시된 온도는 일반적으로 29 ~ 30.5ºC이며 열 발생 장비 주변의 값이 로컬 값이 높습니다. 최대 온도는 왼쪽 벽에서 약 34ºC입니다.

Figure 2: Plan view, temperature distribution and velocities (heat-generating equipment in grey)

Validation of a 3D Dam Breaking Problem

3D 댐 붕괴 문제 검증

이 기사는영국에서 Peter Arnold, Minerva Dynamics, The Guildhall, High Street Bath에 의해 기고되었다.

자유 표면 흐름 시뮬레이션을 위한 FLOW-3D 성능을 평가하기 위해, 장애물 구성이 포함된 3D댐을 검증 사례 중 하나로 선정했습니다. 이 문제는 문서화되어 있으며 ERCOFTAC데이터베이스에서 다운로드할 수 있도록 생성된 모든 실험 데이터를 사용하여 쉽게 설정할 수 있습니다[1]. 장애물은 선박 갑판의 녹색 물에 노출된 컨테이너를 대표하는 것으로 선택됩니다. 실험은 0.55 m의 물을 고정하는 슬라이딩 도어를 가진 대형 탱크 그림 1로 구성됩니다. 도어는 중량 감소에 의해 수직으로 위쪽으로 열리고 물이 방출되어 장애물을 침해한 후 탱크 벽으로부터 3회 반사됩니다. 자유 표면 고도는 탱크 중심선을 따라 4개 위치에서 측정되며 8개의 압력 센서가 장애물의 선행 수직 및 수평 표면에 내장되어 있습니다(그림2). FLOW-3D를 사용한 CFD시뮬레이션은 연속적으로 미세한 메쉬를 사용하여 6초간 실시간으로 수행되었으며 다른 주문 번호 체계와 난류 모델을 사용했습니다.

Figure 1. Snapshot of SPH simulation and experiment at 0.56 secs

시뮬레이션 방법론

시뮬레이션은 3.22mx1mx1.5m 크기의 도메인에 대해 설정되었습니다. 즉, 탱크 지붕에 대한 수직 분사를 허용하기 위해 z방향에서 0.5m 더 큰 도메인이 설정되었습니다. 기본 메쉬는 x-방향의 간격 161개, y-방향 50개, z-방향의 경우 75개가 균일하게 수용되는 육각 셀을 가지고 있었습니다. 장애물 및 센서 위치를 방해하므로 총 약 603,750개의 셀이 사용됩니다. 장애물은 그 영역에 들어갔고 모든 벽은 미끄러짐이 없는 것으로 간주되었습니다. 물의 초기 위치와 점도를 규정한 후, 층류 시간에 의존하는 시뮬레이션을 실시간으로 총 6초 동안 점진적으로 미세화하였습니다. 기본 60cm 셀 메시에서 시작하는 메쉬. 단순히 각 방향의 셀의 수를 2개의 큐브 루트에 의해 증가시킴으로써 각 점진적 메쉬에 대해 총 셀 카운트를 2배 증가시키는 것이었습니다. 이렇게 총 네개의 메쉬가 생겼습니다. 그런 다음 네개의 위치에서 자유 표면 고도의 시간 이력과 여덟개의 압력 센서로부터의 압력을 실험 데이터에 대해 도표로 작성했습니다. CPU와 시뮬레이션의 경과 시간또한 기록되었습니다.

Figure 2. Locations of water height and pressure measurements

기본 메쉬만 사용하여, 추진력 유도에 사용된 수치 구별 계획의 효과를 조사하였습니다. 디폴트가 1st order, 2nd order monotonicity preserving 그리고 3rd order schem이 모두 사용되었으며 결과를 비교했습니다. 또한 single 과 double precision의 효과를 비교하였습니다.

난류 변동은 주로 직접 시뮬레이션을 통해 모델링되었지만 FLOW-3D에서 사용할 수있는 두 가지 난류 모델, 즉 RNG (Renormalization Group) 모델과 LES (Large Eddy Simulations) 모델의 결과도 비교했습니다. 모든 모델은 가장 거칠고 기본 메쉬에서만 실행되었습니다. 메쉬 해상도에 대한 과도한 요구로 인해 탱크 벽에서 가장 가까운 노드의 거리에 대한 일반적인 난기류 모델 관련 제약 조건을 충족시키지 못했습니다.

또한 흐름이 크게 혼란스럽고 장애물이 날카로울 때 흐름 분리 효과의 예측은 점진적인 구분에 의해서가 아닌 기하학적 변화에 의해서 주도될 것입니다. 질서 정연한 경계 층의 변형 따라서, 우리는 경계 층의 분해능이 주 흐름 특성을 예측하는 관점에서 도메인 내부의 흐름을 해결하는 것보다 덜 관련된다고 가정했습니다.

자유 표면 결과

그림 3과 4는 장애물의 상류 위치 H2와 하류 위치 H1에서 시간에 대해 플롯 된 실험 및 계산 된 자유 표면 고도를 보여줍니다. 크기와 타이밍에 약간의 차이가 있지만 주요 기능이 잘 표현되어 있는지 확인하는 것이 좋습니다. 그러나 실험 데이터에는 오류 막대가 제공되지 않으며 혼란스럽고 분리 된 유동장에서 프로브를 사용하여 자유 표면 고도를 측정하는 것은 자유 표면 고도가 문제가 될 수 있다고 말해야합니다. 단일 한 시간 함수가 될 수 없습니다. 이것은 아마도 약 1 초의 초기 가파른 상승 단계에서 H1 높이의 불일치를 설명합니다. 나머지 H1 레코드는 실험과 잘 일치합니다. H2 플롯은 특히 초기 물 상승 단계에서 더 나은 일치를 보여주고 궁극적으로 물의 최대 높이를 잘 예측합니다.

모든 그림에는 실험 뒤에 있는 시뮬레이션의 시간 지연 특징이 있습니다. 차이의 원인은 불분명하지만 시뮬레이션을 통해 점진적으로 도입되는 것으로 보입니다.

압력 센서 결과

그림 5는 시간에 대해 플롯 된 바닥에서 가장 가까운 전면 압력 센서 P1을 보여 주며, 일반적으로 실험과 시뮬레이션 간의 양호한 일치를 나타냅니다. 이 센서는 압력 피크의 도달 거리와 크기를 가장 정확하게 추정합니다. 장애물과 왼쪽 벽에서 물이 튀어 나오면서 신호가 안정되면서 약 2초간 도달할 때까지 압력 신호에 상당한 변동이 있습니다. 그리고 시뮬레이션 값은 실험 값과 잘 일치합니다.

그림 6은 상부 수평 얼굴 압력 센서 P7을 보여 줍니다. 1초에서 2초 사이에 압력 변동이 크므로 시뮬레이션과 실험 데이터가 안정되고 합의가 개선됩니다.

메쉬 수리, 수치 구성 순서 및 난류 모델

메쉬 정밀도의 효과 측면에서 볼 때, 수치 솔루션이 고유한 솔루션으로 수렴되고 있다는 증거는 거의 없는 것으로 보입니다. 난류 모델을 사용하는 대신 직접 시뮬레이션을 통해 유동장의 난류를 모델링 하려고 시도해 왔기 때문에 이는 놀라운 일이 아닐 수 있습니다. 이 접근 방식을 사용하면 메쉬가 미세하게 정제되고 초기 조건에서 섭동에 더 민감해 지기 때문에 흐름 필드에서 보다 상세한 정보를 파악할 수 있을 것으로 예상됩니다. 또한 약간 다른 초기 조건을 가진 많은 시뮬레이션의 평균이 메시 정교함으로 평균화된 솔루션으로 수렴될 것으로 예상합니다. 그러나, 실험에 대한 합의의 수준에 있어서는 35배나 더 오래 걸리는 가장 적은 비용과 가장 비싼 해결책 사이에는 차이가 거의 없습니다. 공학적 관점에서 볼 때, 가장 불리한 메쉬 솔루션은 기본 값이 충분히 정확하고 경과된 시뮬레이션이 단지 15분 이상인 것을 고려할 때 매우 좋은 가치를 나타냅니다.

가속도계 숫자 체계 순서의 효과와 단일 또는 이중 정밀도 산술 실행의 효과는 다음과 같이 요약됩니다. 2차 주문과 3차 주문 계획은 매우 유사한 결과를 보여 주는데, 두가지 모두 실험 곡선을 따르는 것이 더 다양한 1차 주문 계획보다 더 가깝습니다. 또한 상위 순서 방식은 보다 정교한 메쉬의 첫번째 순서 방식보다 코어저 기본 메쉬의 실험 곡선을 따르는 것으로 보입니다. 이중 정밀도 곡선은 단일 정밀도 1차 주문 곡선에서 약간 벗어납니다. 높은 순서도와 이중 정밀도 산술을 사용하는 데 드는 상대적으로 적은 비용을 감안할 때 안정성이 훼손되지 않는다면 향후 계산에서 그렇게 하는 것이 합리적일 것입니다.

난류 변동을 모델링 하는 데 사용되는 방법에 대해서는 각 모델의 실험 시간 이력을 보다 정확하게 예측할 수 있는 능력 면에서 확실한 승자가 없습니다. LES모델의 CPU시간을 더 전통적인 RNG제제와 비교할 때 거의 두 배만큼 층류 모델로써 경제적입니다.

결론

FLOW-3D는 매우 까다로운 자유 표면 유동 문제를 시뮬레이션하는 데 사용되었으며 실험 데이터와 정 성적, 양적 계약을 맺었습니다. 주요 불일치는 종종 고유하지 않은 매개 변수의 자유 표면 높이를 측정하는 데 문제가 있기 때문에 쉽게 발생할 수 있습니다. 흐름이 충돌하는 장애물 표면의 압력 예측은 일반적으로 실험 측정과 잘 일치하며, 주 편차는 실험 측정에서 상당한 양의 변동이있는 곳에서 다시 나타납니다. 실험 측정의 반복성은 문헌에서 논의되지 않았지만 적어도 CFD 시뮬레이션의 차이만큼 클 수있다. 또한 4 개의 프로세서를 통한 공유 메모리 구성에서 약 15 분 내에 난류 모델없이 1 차 차분을 사용하여 비교적 거친 메시에서 솔루션을 적절하게 얻을 수 있음을 확인했습니다. 난류 모델이 필요하지 않다는 것은 결과 흐름을 지배하는 난류 구조가이 수준의 메쉬 미세 조정에서 해석 될 수 있음을 시사합니다.

Download a full-length validation study of this work: FLOW-3D Dam Breaking Validation

References

SPH European Research Interest Community SIG, R. Issa and D. Violeau, Test-Case 2 3D dam breaking, http://wimanchester.ac.uk/spheric/index.php/Test2
M.T Kleefsman, Fekken, A.E P Veldman, B. Iwanowski, and B. Buchner, A volume of fluid based simulation method for wave impact problems,J Comp Phs, 206: 363-393, 2005.

Indianapolis Storm-Water System

Indianapolis Storm-Water System

하수도 시스템은 액션영화의 도피 루트로 사용되지 않는 한 흥미롭지 않을 것입니다. 폭우로 인해 이산화탄소 수치가 올라갈 때까지 여러분은 그것에 대해 생각조차 하지 않을 것입니다. 불행하게도, 770개 이상의 오래 된 미국 도시들 아래에 있는 하수구 시스템은 심한 폭풍으로 오염 문제를 일으킵니다. 이러한 구형 설계는 하수 및 폭풍 유실을 위한 비용 효율적인 단일 스타일 파이프를 사용했으며 연결된 파이프로 강 및 호수에 하수를 내보냅니다(CSO).

1994년 미국 환경보호청(EPA)은 주로 북동부 및 그레이트 레이크 지역의 관련 지방 자치 단체들에게 CSO관련 문제를 줄이거나 제거하도록 하는 정책을 발표했습니다. (2000년 “Clean Water Act”의 일부로 법률화된 정책). 인디애나 폴리스(Indianapolis)는 가벼운 비 폭풍으로 인해 하수 오물의 백업 및 범람이 발생할 수 있는 도시 중 하나였으므로, 주요 건설 조건에서 2025년까지 문제를 해결하는 것이 필요하였습니다.

인디애나 폴리스는 국제 디자인 회사인 AECOM에 Citizens Energy Group이 건설하고 있는 3개의 깊은 암석 저장 터널 중 첫 번째를 설계할 것을 요청했습니다. 총 25마일인 이 시스템은 대규모 지하 펌프장과 기존의 하수구에서 CSO를 수직으로 떨어뜨리는 연결 구조물을 포함합니다. 첫 번째 터널의 경우, 강우가 가라 앉은 후에 3 개의 커다란 강하 구조물이 CSO를 저장 터널로 전환하여 후속 처리를 수행했습니다.

프로젝트를 해결하기 위해 AECOM은 여러 가능한 낙하 구조물 설계의 동작을 시뮬레이션하기 위해 FLOW-3D를 선택하여, 구축 및 평가 예산이 책정 된 물리적 모델에 대한 재 작업의 필요성을 최소화했습니다. 테스트 결과는 예측 값과 일치하였으므로 재설계가 필요하지 않았습니다. 또한, 이제 AECOM은 유압 설계작업의 첫 번째 단계를 일반적으로 CFD시뮬레이션을 사용합니다.

Large Scale Project on a Tight Delivery Schedule

촉박한 납품 일정에 따른 대규모 프로젝트

20세기에 건설된 하수 처리장은 주거용, 상업용, 환경유출물의 유출로 무엇을 해야 할 것인지에 대한 새로운 인식을 가져다 주었습니다. CSO 방전은 정상적으로 운영되는 동안 처리시설로 직접 이동되며 모든 과정이 양호하게 운영됩니다. 불행하게도, 대규모 폭풍이 발생하는 동안, 발전소들의 초과 용량문제를 피하기 위해 인근 수역으로 과도한 유량을 방출합니다. 이들 배출은 기름과 살충제, 야생동물 배설물에 이르기까지 다양한 오염 물질을 포함합니다.
고무적인 성공의 신호로, 1990 년대에 착공된 새로운 CSO 분리, 저장 및 처리 시설로 오염의 영향에 대해 67 %의 개선을 이루었지만, 여전히 많은 연구가 이루어져야 합니다. 인디애나 폴리스의 경우, 인디애나 폴리스시 공공사업부가 CSO 장기 통제계획을 준비한 2008년에 그러한 노력이 시작되었습니다. 정상적인 처리 공장에서 처리 할 수 있을 때까지 오버플로우가 발생하는 “저장 및 운송”접근법의 핵심은 인디애나 폴리스 터널 저장 시스템 또는 인디애나라고 합니다.

이 시스템의 첫번째 단계는 딥 록 터널 커넥터(DRTC)라고 불리는 1억 8천만달러 가치의 프로젝트입니다. DRTC는 길이 7마일의 18피트 직경의 지하 터널로, 기존의 인디애나 폴리스의 3개의 서버 대 계층 유출 연결의 흐름 경로를 다시 만들 것입니다(그림 1). 목표는 과잉 강우 유출을 기존 하수구와 새 터널 사이의 낙하 구조를 통해 이들 대피소에서 거대한 터널로 안전하게 재배치하고, 폭풍 후 처리를 위해 처리장으로 펌핑 될 수있을 때까지 유지합니다.

Fig. 1. City of Indianapolis Deep Rock Tunnel Connector (DRTC), a “storage and transport” concept being built to handle combined sewage overflow (CSO) during heavy storms. Three vertical drop structures will capture this flow and divert it downwards to 18-foot-diameter storage tunnels running more than 250 feet underground; the tunnels store the CSO until sewage treatment plant capacity becomes available. (Image courtesy Citizens Energy Group)

평균적으로 지표면 아래 250피트 깊이에서, DRTC는 건설과 궁극적인 운영 동안 위의 주변 지역에 대한 혼란을 최소화하도록 설계되었습니다. 그러나 이 프로젝트의 규모와 복잡성은 AECOM의 과제에 긴급성을 더했습니다. 세 장소 각각에 대한 가능한 낙하 구조 설계와 평가, 구조물 설계의 60%를 7개월 이내에 마무리 지었습니다.

이러한 구조물의 목적은 표준 도시 하수 시스템에서 깊은 저장 터널로 하수 흐름을 전달하는 동시에, 효율적 손실( 느린 속도 또는 백업)과 장기적인 도심을 방지하는 것입니다. 각 섹션의 크기와 모양이 유입 흐름의 볼륨 및 속도와 세심하게 일치하지 않을 경우 발생할 수 있는 구조적 손상입니다.
AECOM의 수석 기술 전문가인 라이언 에디슨 컨설턴트는 계약의 스케줄링 요구 사항이 유효성 검사를 위해서는, 단 하나의 모델에만 물리적 건물과 테스트 활동을 제한할 것이라는 것을 알게되었습니다. 다른 주요 건설 프로젝트에 15년간 FLOW-3D 시뮬레이션 소프트웨어를 사용해 왔기 때문에, 난류, 과전압 및 에너지 낭비를 예측하는 능력은 충분하지 않고 디자인 프로젝트에 적합하다고 자신했습니다. 또한 여러 검증(what-if) 시나리오를 실행하기 위한 소프트웨어 옵션을 통해 설계 세부 사항을 다시 실행해야 하는 위험을 최소화할 수 있었습니다. 변경 사항이 적용될 경우 상당한 이점은 여러개의 병렬 시공 트랙이 있는 프로젝트에 있습니다.
시간 제약에도 불구하고, 에디슨은 특히 이 도전에 만족했습니다. 왜냐하면 “CFD로 드롭 구조 설계를 만들고 물리학에서 이것들은 너무 큰 구조이기 때문입니다.”라고 그는 말합니다. 그것들은 CFD는 실제로 사용되지 않는데 보통 물리적 모델이나 손으로 계산하는 것으로 이루어집니다.

DRTC 프로젝트를 위해서, 그는 먼저 시뮬레이션된 작동 조건에 대해서 컴퓨터 설계를 테스트할 것입니다. 에디슨은 3차원의 일시적이고 격동적인 흐름 조건을 모델링 할 수 있는 소프트웨어 패키지인 FLOW-3D를 사용했습니다. 각 설계에 대한 계산 메쉬를 변경하지 않고도 여러 설계 지오 메트리를 모델링 할 수 있는 기능이였습니다.
시뮬레이션 데이터로 무장한 에디슨은 그 결과를 아이오와 대학교 II. 시설에서 시험한 1:10 크기의 물리적 모델의 작동 데이터와 비교하였습니다. (후자는 원래 아이오와 유압 연구소라고 불렸지만, 지금은 그룹의 다양한 범위를 반영하여 IIHR-Hydroscience & Engineering으로 알려져 있습니다.)

Zeroing in on the Drop-Structure Challenge

드롭 구조 과제에서 영점 조정

가장 제한적인 DRTC 사이트의 지오 메트리는 CSO 008로 지정된 레귤레이터에서 발생합니다. 기존 CSO 레귤레이터(기울기 약 75피트 아래)를 새 18피트 직경의 수집 터널과 연결하려면, 이 위치에서 150피트 이상의 수직 방향 주행이 필요합니다. 각 낙하 구조에 7백만달러 이상이 소요되는 경우, 프로젝트 관리자들은 물리적 모델이 구축된 후 비용과 시간이 많이 소요되는 재설계가 필요한 가능성을 낮추려고 애썼습니다.

역사적으로 낙하 구조는 이전 프로젝트를 적용하여 설계된 후 축소 모델로 구축되었으며, 테스트만으로도 6개월 이상이 소요될 수 있습니다. 가속화된 이 프로젝트에서, 2009년 가을에 시작한 AECOM의 초기 과제는 두가지 표준 개념 중에서 하나를 선택하는 것이었습니다. 포장-파운드 스타일과 접선 vortex버전, 둘 다 시속 35마일의 폭풍이 몰아치는 물 속에서 속도를 늦추고 통제하기 위해서 직접 계산 및 FLOW-3D에서 결정한 일반 구조 직경 및 구성 요소 크기를 사용한 초기 CFD분석으로, AECOM은 시공 가능성 및 비용 고려 사항을 평가하는 데 사용했습니다.
CSO 008의 현장 요구 사항과 비용 효율성을 고려할 때, 시 당국과 AECOM은 접선 소용돌이 낙하 구조를 선택했습니다. 이 설계의 핵심 요소는 흐름을 먼저 환상적인 제트로 유도한 다음, vortex 유도 나선형 흐름을 생성하는 테이퍼(확대) 접근 채널에 의해 공급되는 수직 튜브(드롭 샤프트)입니다. 이 통제 된 하강은 속도가 느려지고 하루 3 억 갤런 (mgd) 이상에 이르는 흐름을 안전하게 처리합니다. 스토리지 터널의 파괴적인 난류를 방지하는 것이 핵심 목표이므로 드롭 샤프트 흐름의 사전 차단이 설계의 핵심입니다.

구조 자체는 6 개의 주요 부분으로 구성됩니다. 1) 접근 채널 (기존의 하수 터널에서 나온 것), 2) 수평 흐름을 넓히고 수직 드롭 샤프트로 수평 흐름을 전달하는 직사각형 전이 테이퍼 채널, 3) 드롭 샤프트 자체 4) 탈 기실 (유량을 수평 방향으로 방향을 바꾸고 공기 유입을 감소시키는), 5) 수직 공기 배출구를 통해 낙하에서 유입 된 공기를 제거하고 적하 유체의 공기 코어가 열려 있고 6) 탈기 챔버와 저장 터널 챔버를 연결하는 파이프 (adit) (그림 2).

Fig. 2. CAD diagram of proposed Indianapolis DRTC combined sewage overflow (CSO) vertical drop structure, showing approach channel, taper channel and vortex dropshaft. Using FLOW-3D CFD analysis software, AECOM simulated the flow behavior, gaining confidence in the system performance prior to physical model testing. (Image courtesy AECOM)

Design and CFD Analysis

설계 및 CFD분석

일반적인 소용돌이 설계는 널리 받아들여지고 있지만, 각 낙하 구조는 최적의 접선 흐름 특성을 보장하기 위해 인디애나 폴리스의 위상에 맞는 적절한 크기를 가져야 했습니다. 특히, 가능한 설계에 대한 AECOM의 계획은 세가지 목표를 가지고 있었습니다. 결합된 접근법과 테이퍼 채널을 짧은 길이로 제한하는 현장, 고유의 제약이 있었는지를 결정합니다. 허용 가능하지만 접근 방식에서 과도한 난류 조건이 발생하지 않았습니다. 테이퍼 채널에 안정적인 흐름 조건이 존재하는지 확인하고 다양한 흐름 조건에서 흐름 안정성을 평가했고, 논리적 기준점은 밀워키 인라인 스토리지 프로젝트라고 불리는 잘 알려지고 문서화된 시스템이었습니다.

Edison은 DRTC 프로젝트 규모에 맞춰 H-4로 지정된 Milwaukee 드롭 구조 설계를 기반으로 초기 설계를 기반으로했습니다.
166 피트의 기본 낙하 길이를 포함하고 체적 유량, 벽, 대칭 및 기타 초기 매개 변수를 지정하는 FLOW-3D 분석을 설정합니다.
그는 우리가 CFD를 통해 발견한 것은 밀워키에서 이 디자인을 사용하면 우리의 어플리케이션에 잘 맞지 않는다는 것이라고 말합니다. FLOW-3D는 이것을 보여 주고 있었기 때문에 CFD를 사용하여 변형을 시도하고 우리의 수정된 디자인을 고안했습니다.
더 넓은 접근 경로, 더 넓은 테이퍼 및/또는 더 깊은 테이퍼 깊이를 사용한 수정은 에디슨은 FLOW-3D에서 각 변동 사항을 설정하는 것이 매우 빠르다고 말합니다. (그림 3,4,5). 개선의 진전은 고무적이었습니다. 시뮬레이션 결과의 높은 수준은 심지어 절삭(침식)을 개선하기 위해 드롭 축의 바닥에 의문스러운 플레이트가 수직 흐름이 수평으로 전환되는 난류 분리 및 감소가되도록 기능을 추가하도록 설득했습니다.

Figs. 3, 4 and 5. Tangential drop structure flow simulated with FLOW-3D. Structure dimensions were optimized through multiple design iterations. (Image courtesy AECOM)

9번째 설계 변동에 대한 FLOW-3D 출력 동작인 V9는 접근 섹션을 확장했으며, 모든 흐름 볼륨 레벨에서 300mg/d까지 양호한 흐름 안정성을 보였으며 유압식 점프는 없었습니다. 그리고 양호한 Froude numners(유체 움직임에 미치는 중력의 영향을 나타내기 위해 사용되는 치수 없는 수량), 2010년 2월부터 AECOM이 물리적 시험과 검증을 위해 선택하였습니다(그림 6). 그 계획은 아이오와 연구소의 시험 결과에 기초하여 CFD와 최적화를 추가하는 것이였습니다.

Fig. 6. Scale model (1:10) of vertical drop structure, tested at University of Iowa IIHR Hydroscience & Engineering facility. (Image courtesy AECOM)

에디슨은 V9에서 결정된 치수 매개 변수에 대해 그 디자인을 아이오와 주에 가져가서 CFD를 이용해 만들었는데 완벽하게 작동했습니다. (II.)직원들은 실제로 무언가를 설치한 것은 이번이 처음이며, 변경하라고 말할 만한 것이 아무것도 없다고 말했습니다. 측정된 데이터는 드롭 샤프트 연결 구조 내의 수면 높이, Adit내 공기 침투의 정량, 벤트 샤프트 위로 공기 흐름을 포함했습니다. 흐름이 증가함에 따라 와류량이 증가함에 따라 축 벽에 부착되어 탈산소까지 원활하게 회전하는 모습이 포착되었습니다(그림 7).

에디슨은 후속 실험을 위해 여러번 시험장을 돌아다녔습니다. 물리적 모델이 처음부터 올바르게 작동했기 때문에 시험 프로그램을 확장할 시간이 있었습니다. “재미 있는 것은 환기구를 움직이는 것과 같이 우리가 궁금했던 것들을 탐구해서 지적으로 그것을 가지고 놀 시간이 있었다는 것입니다.” 에디슨은 예정보다 앞서 있었기 때문에 잔여 프로젝트 시간을 이용해 탈염소와 adit 내의 유압 장치를 조사할 수 있었습니다.

Fig. 7. Operation of scale-model vertical drop structure, showing test run of 300 million gallons per day (mgd). Flow vortex development shows good rotation and attachment to the shaft wall all the way down to the de-aeration chamber. No design modifications were necessary to the simulated design. (Image courtesy AECOM)

Final Results

AECOM은 2010년 7월 DRTC에 대한 전반적인 작업을 마쳤습니다. 2013년 3월부터 18구경 터널을 굴착하기 시작했고, CSO드롭 구조 3개(CFD로 설계된 나머지 2개의 구조물만 있음)는 모두 현재 공사 중입니다.

에디슨의 의견으로는, 토목 공학은 전체적으로 CFD를 채택하는 데 느린 편이었습니다. 이를 입증하기 위해 그는 인천 국제 공항을 처음 방문한 당시 접선 소용돌이 모형의 소위 “묘지”에서 본것을 기술했습니다. 그러나 그는 이들을 다시 처리해야 했다고 말했습니다. 그는 유압 설계를 위한 시뮬레이션 사용으로 판매되는 것을 권장하고 있습니다.

에디슨은 DRTC노력을 요약하면서 “정말 재미 있었습니다. 물리적 모델링이 필요한 위치에 대해 더 자세히 알아보았고, 그렇다면 어떤 경우에는 순수한 RAID기반 설계를 수행할 수 있습니다. 많은 DRTC작업들이 그것의 증거입니다. 물리적 모델은 실제로 필요하지 않았지만 검증을 통해 위험을 줄일 수 있었습니다. 프로젝트에서 이 두가지를 모두 수행할 수 있었다는 것은 믿을 수 없는 일입니다.”라고 말했습니다.

This article first appeared in WaterWorld Magazine.

자기 혈액 정화 마이크로 장치의 최적화

Optimization of Magnetic Blood Cleansing Microdevices

자기 혈액 정화 마이크로 장치의 최적화

이 기사는 스페인 칸타 브리아 대학 (University of Cantabria) 화학과 및 버팔로 (뉴욕), 미국 뉴욕 주립 대학 생화학공학과의 enifer Gómez-Pastora, Eugenio Bringas, Inmaculada Ortiza 및 Edward P. Furlanib에 의해 기고되었습니다.

Separation of toxins with magnetic particles. Why is it so important?

자성 입자와 독소의 분리. 왜 그렇게 중요한가?

자성 입자의 사용은 최근 독성 물질의 혈류에서 다른 독소가 체외로 포획되는 해독 (disoxification) 과정으로 확대되었습니다. 생체 유체의 해독은 많은 수의 임상 상태에서 가장 생각할 수있는 치료법이며, 일부는 패혈증과 같은 높은 사망률과 관련이 있습니다. 이것은 혈류를 통해 퍼지면서 신체의 방어력을 압도하는 미생물 감염에 의한 치명적인 질병입니다. 이는 미국 내에서만 연간 1800 만 명의 사람들에게 고통을주고 매년 20 만 명이 넘는 사망을 초래하는 병원 중환자 실에서의 주요 사망 원인을 나타냅니다. 정확한 치료를 시행하기 전에 사망률이 매 시간마다 9 % 나 증가한다는 것을 볼수 있습니다. 따라서 최첨단 병원 중환자 실에서도 독소를 신속하게 제거하는 것이 가장 중요합니다.

우리는 현재 치료법의 한계가 독소 격리 제로서 자성 비드를 사용하는 것과 같은 새로운 전략의 개발을 필요로한다는 것을 발견했습니다. 입자의 자기 적 특성으로 인해 병원체의 포획이 완료되면 영구 자석에 의해 생성 된 외부 자기장을 사용하여 환자의 혈액과의 분리가 연속적으로 수행 될 수 있습니다. 지난 10 년 동안 개발 된 다중 자기 마이크로 세퍼레이터로부터 우리는 2 상 연속 흐름 시스템의 사용을 제안했습니다. 이러한 시스템은 흐름 제한 및 생체 유체의 임의의 분해 (즉, 포획 영역 내의 세포의 비특이적 포획)가 회피되어 시간 경과에 따른 시스템의 효능 및 용량을 유지하기 때문에 최선의 대안일 것입니다 [1]. 그러나 이러한 프로세스의 최적화는 덜 연구되었고 합리적 설계는 종종 수학적 설명과 관련된 복잡성으로 인해 부족합니다. 따라서 우리는 체외 해독 과정의 설계를 최적화하기 위해 FLOW-3D로 다중 위상 시스템 내부의 흐르는 혈류로부터 자기 구슬의 분리를 모델링했습니다. 그림1에 나타난 제안된 분리기 디자인에서, 비드는 상부 입구를 통해 연속적으로 주입되고, 자기 구배의 적용에 의해 편향되고 유동 버퍼 스트림으로 수집됩니다. 유체 위상의 혼합을 피하면서 효율적인 분리를 달성하기 위해, 자력 및 유체력을 신중하게 연구하고 최적화했습니다. 구슬이 편향 될 때 입자 – 유체 상호 작용에 대한 상세한 연구도 제공됩니다.

그림 1. 제안 된 microfluidic bioseparator의 도식 다이어그램 ([2]에서 채택).

Modeling approach with FLOW-3D

첫번째로 보여지는 생체 분리기 내부의 자기 영동 입자 수송을 예측하기위한 모델은 CFD 기반의 오일러 – 라그랑지안 (Eulerian-Lagrangian) 접근법으로 구성됩니다. Navier-Stokes 방정식을 풀어서 예측 한 유체 이동은 오일러 접근법을 사용하여 계산되지만, 우리는 비드 역학을 모델링하기 위해 라그랑지안 프레임 워크를 사용했습니다. 라그랑지안 (Lagrangian) 접근법에 따르면 입자는 개별 단위로 모델링되었으며 각각의 궤도는 고전적인 뉴턴 역학을 적용하여 추정되었습니다. 분리 동안 입자에 작용하는 힘은 다르지만 영구 자석에 의해 생성 된 자기 구배 하에서 비드 궤적을 예측하기위한 지배적 인 자력 및 유동력만 고려했습니다. 유체의 동일한 유입 속도를 유지하면서 채널의 하부 벽과 자석의 상단 사이의 거리를 변화시킴으로써 다른 입자 궤적 및 따라서 분리 효능을 얻었습니다 (버퍼에 대해 0.035mS-1, m • s-1). 우리가 개발 한 모델링 노력에 대한 자세한 내용은 출판 된 연구 [1, 2]에서 찾을 수 있습니다.

그림 2. 자석과 마이크로 채널 사이의 거리 “d”를 변화시킴으로써 제공되는 서로 다른 자기장 하에서의 입자 궤적 (빨간색 선) ([2]에서 채택). 윤곽 플롯은 채널에서 예상되는 평균 유체 속도 크기를 나타냅니다.

Particle magnetophoresis results

입자 자기 영동 결과

자석의 위치를 변화시킴으로써, 우리는 가변 자장 구배가 발생하고, 따라서 상이한 분리 효율이 얻어짐을 입증했습니다. 그림 2는 자석과 채널 사이의 거리 d가 다른 입자의 궤도를 보여줍니다. 0 ~ 1mm 사이의 거리에서 모든 입자는 입구에서 원래 위치와 별개로 분리됩니다. 더 큰 거리의 경우, 낮은 자기력으로 인해 분리가 불완전합니다. 완전한 입자 분리를 위해서는 중 ~ 고 자력이 필요합니다. 그러나, 우리는 높은 자력이 유체 패턴의 섭동과 유체 계면의 파손으로 이끄는 입자의 극도의 가속으로 인해 해독 목적에 바람직하지 않음을 입증했습니다 (그림 3 참조). 따라서 중간 자력이 나타나게됩니다. 완전한 비드 분리가 혈액의 완전성을 유지하면서 달성 될 수 있기 때문에 이러한 종류의 시스템에 가장 적합할 수 있습니다.

그림 3. 입자가 a) d = 0 mm 및 b) d = 1.15 mm에 대해 상간 경계면을 횡단 할 때의 속도 벡터. c) d = 0 mm 및 b) d = 1.15 mm ([2]에서 채택)에 대한 그 당시의 혈액 체적 분율.

Conclusions

본 연구에서는 다중 위상 연속 흐름 마이크로 디바이스에서 혈액으로부터 자기 비드 분리 과정을 예측하고 최적화 하기위한 새로운 FLOW-3D 모델을 소개했습니다. 이 모델은 입자에 작용하는 우세한 힘을 고려하고 개별 입자의 궤도, 분리에 필요한 시간 및 혈액 / 버퍼 동시 흐름의 섭동을 포함하여 분리 과정의 중요한 세부 사항을 연구하는데 사용될 수 있습니다 . 이 연구의 핵심 요소는 유체 장에서 입자 – 유체 상호 작용의 영향을 고려하면서 장치에서 동시에 흐르는 두 유체 간의 상호 작용을 연구 한 것입니다. 솔루션이 채널의 길이를 따라 독립적으로 흐르고 각각의 출구에서 분리되어 가능한 혈액 손실이나 용해를 피하기 때문에 이러한 문제는 매우 중요합니다. 여기에 이어지는 방법론은 핵심 작동 변수 및 매개 변수를 고려하여 입자 분리를 예측하는 데 사용할 수 있으므로 합리적인 설계 지침을 제공합니다. 일반적으로 혈액 해독 과정뿐만 아니라 미세 유체 장치 내부에 여러 개의 구속 된 액체 상을 포함하는 다른 연구를위한 파라 메트릭 분석 및 최적화에도 적용됩니다. 우리의 미래 연구는 새로운 혈액 해독 과정을 설계하기 위해 전혈을 사용하는 과정의 실험적 분석과 자성 분리 단계의 독소 제거와 통합에 초점을 맞출 것입니다.

References

[1] Gómez-Pastora et al., Separation and Purification Technology, 2017, 172, 16–31.

[2] Gómez-Pastora et al., Journal of Physical Chemistry C, 2017, 121, 7466−7477.

밀도류 배플 시스템

Density Current Baffle Systems

Thanks to Mr. Earle Schaller and Dr. John Richardson for contributing this material.

NEFCO엔지니어들이 Density Current Baffle 시스템을 설계하는데 사용되는 절차를 개선하고자 했을 때, 그들은 경험에 기초한 종합적인 최첨단 모델링과 컴퓨터 모델링 분석 접근법을 개발했습니다.

Background

순환된 활성 슬러지 2 차 침전조는 중력에 의존하여 고형물을 정화하고 맑은 물을 생성합니다. 그러나, 원형 분류기는 탱크 내에서 발생된 밀도류에 의해 단락 회로에 영향을 받습니다. 침전조 내부에 설치된 밀도류 배플은 단락 회로의 영향을 최소화하고 유출 품질을 개선하는 가장 효과적인 방법으로 밝혀졌습니다. Stamford Density Current Baffle은 오늘날 사용되는 가장 일반적인 유형입니다. NEFCO는 물과 폐수처리 산업을 위한 공학적 섬유 유리제품을 생산합니다. 이 회사는 Stamford Baffle의 디자인과 개발을 선도했으며 이러한 배플 시스템의 세계적인 공급 업체입니다.

NEFCO Density Current Baffle Systems

NEFCO의 배플 디자인 접근 방식은 지난 20년간 개발되고 개선된 크기 알고리즘과 함께 광범위한 현장 연구가 결합되면서 시작됩니다. 이러한 노력 덕분에 회사는 다양한 표준 및 비표준 식별자 구성에 대한 배플을 설계할 수 있었습니다. 가장 최근에는 NEFCO가 FLOW-3D의 연산 모델링 능력을 사용하여 배플에 대한 이해를 더욱 넓히고 새로운 설계 전략을 개발했습니다.

환경 보호국 (Environmental Protection Agency, EPA)의 연구에 따르면 크기나 모양에 상관없이 모든 활성 슬러지의 2차 침전지에 밀도류가 형성되며 침전지 성능에 심각한 악영향을 미친다는 것을 보여줍니다. 이러한 밀도류는 흔히 탱크의 바닥으로 흘러 들어가 상대적으로 높은 속도의 문제를 일으킬 때 발생합니다. 이러한 교란 또는 밀도류는 슬러지 덮개 바로 위의 수평면으로 이동하여 더 가벼운 고체를 이용하여 탱크의 주요 부피를 줄입니다. 밀도류는 이러한 가벼운 고체를 유출로 운반하는 탱크 벽 위로 이동합니다. 그 결과 총 부유 물질(TSS)이 크게 증가하고 보존 시간이 크게 감소합니다.

Calculated flow pattern at outer wall of circular clarifier. Color range chosen to show location of sludge blanket.

A Picture is Worth a Thousand Words

Circular clarifier, cut-away view (not to scale)

NEFCO는 Blue Hill Hydraulics와 협력으로 FLOW-3D로 Stamford Density Current Baffle System의 성능을 연구하기 위해 70 피트 3 차원 원형모델을 개발했습니다.

정화기 내의 유동 패턴 및 고체 분포는 배플 길이, 경사각 및 수직 위치를 포함하는 다양한 밀도류 배플 파라미터에 기초하여 계산되었습니다.

Solutions that Work

NEFCO사의 tamford Density Current Baffle System은 명확하게 구분할 수 있도록 탱크 내의 밀도류 흐름을 차단하고 방향을 바꾸도록 특별히 설계되었습니다. 이 시스템은 유압 용량을 증가시키고 총 부유 물질을 50%까지 감소시킵니다. FLOW-3D분석 결과, NEFCO의 배플 설계 알고리즘을 확인하고 NEFCO가 최신 배플 설계 전략에 통합하고 있는 Baffle 성능에 대한 고유한 통찰력을 제공합니다.

Predicted flow patterns without the Stamford Density Current Baffle (colored by speed, red is fast)

Predicted flow patterns with the Stamford Density Current Baffle (colored by speed, red is fast)

수면 위치 추적 데이터 생성방법

FLOW-3D 해석 시 유체의 수면(자유 표면)의 위치를 데이터로 생성하는 방법

정의 방법

1. 아래와 같이 유체의 수면 형상이 있다고 가정.

2. Text output > fraction of fluid 선택 후 단면과 동일한 x, y, z 좌표 설정.

3. Render 후 text 파일로 저장.

4. Excel에 불러온 뒤 전체 data를 f 오름차순으로 정렬. 수면부는 0<f<1 이기 때문에 f=0, 1 값의 행을 모두 제거.

5. 0<f<1 임을 확인 후 다시 data를 z에 대해서 내림차순으로 정렬.

6. x의 위치와 fraction 값을 엑셀에 나타낸 수식으로 계산.

FLOW-3D Home

수치해석(CFD)이 필요하십니까? 아마 FLOW-3D 는 귀하가 찾으시는 분야에 가장 적합한 최적의 수치해석 소프트웨어일 것입니다.
천천히 당사의 홈페이지 내용을 살펴보시면 FLOW-3D 의 기술적인 강점과 어떤 분야에 어떻게 적용하여 효과를 볼 수 있는지 알 수 있습니다.FLOW-3D 는 범용 3 차원 수치해석(CFD) 소프트웨어로, 특히 자유표면(자유수면)을 가진 유동흐름을 정확하게 예측하는 분야에서는 타의 추종을 불허하는 성능을 자랑합니다. FLOW-3D 는 수 많은 물리적 유동현상에 대한 시뮬레이션 모델을 제공하여 설계 및 운영단계에서 엔지니어에게 귀중한 통찰력을 제공할 수 있는 세계적인 CFD 소프트웨어입니다.FLOW-3D 는 해석에 필요한 모든 기능을 제공하는 풀 패키지 소프트웨어로, 격자 및 결과 분석에 추가 비용이 필요 없습니다.
또한 기존의 CAD 시스템이나 타 소프트웨어에서 생성된 모델데이터를 STL로 읽을 수 있기 때문에 기존 모델데이터를 쉽게 활용할 수 있습니다.
FLOW-3D 의 가장 큰 특징은 단 몇번의 조작만으로 격자를 생성할 수 있으며, 초보자도 쉽게 시작할 수 있고, 매우 뛰어난 정확성을 가지고 있다는 점 입니다.

FLOW-3D 는 FDM (Finite Difference Method : 유한차분법)에 따라 비정상 흐름을 해석하는범용 3 차원 CFD 소프트웨어로, 비압축성 및 압축성을 고려한 2차원 / 3차원 열 유동 문제, 상 변화, 다양한 점성 현상 및 유체–구조 연성 등의 다중 물리 문제를 해석할 수 있으며, 특히 자유표면 및 두 유체사이 계면에 대한 고속 · 고정밀도 해석에 탁월합니다.

수치해석과 관련하여 궁금하신 사항은 언제든지 부담없이 문의 해주십시오.
감사합니다.

FLOW-3D 제품 안내	FLOW-3D MP버전 안내	FLOW-3D Cast 버전 안내	Technical Resource
*FLOW-3D* 당사의 주력 제품으로 강력하고 매우 정확한 다중 물리 전산 유체역학(CFD) 패키지 프로그램… Read More >>	FLOW-3D/MP 는 매우 큰 영역 또는 긴 runtime 문제를 해결하기 위해 고성능 컴퓨팅을 사용할 수… Read More >>	FLOW-3D Cast 는 다양한 주조 공정의 충전 및 응고, 결함 분포 예측이 가능한 3차원 유동해석 프로그램… Read More >>	*FLOW-3D* 제품에 대한 기술자료와 이론 및 논문 등 다양한 기술자료를 제공합… Read More >>

신규소식 및 기술자료

FLOW-3D 2026 European User Conference

FLOW-3D 2026 European User Conference 6월 16일부터 17일까지 뒤셀도르프의 Steigenberger Icon Parkhotel에서 열리는 FLOW-3D 2026 European User Conference에 고객 여러분을 초대합니다. 주요 기업 및 기관의 동료 엔지니어, 연구원, 과학자들과 연결하여 ...

자세한 내용 보기

2026-01-12 / AMD, cast, FLOW-3D, user conference, 공지사항, 이벤트

FLOW-3D WELD/AM 웨비나 안내

용접 및 3D프린팅에 특화된 수치해석 프로그램인 FLOW-3D WELD/AM의 새로운 기능을 소개해 드릴 웨비나를 개최합니다. 이번 웨비나에서는 익숙하지만 놓치고 있었던 FLOW-3D WELD/AM의 핵심 기능과 더욱 강력해진 최신 업데이트 내용을 집중적으로 다룹니다 ...

자세한 내용 보기

2025-09-23 / 3D프린팅, FLOW-3D, weld, 공지사항, 수치해석, 용접

2019년 소개된 강력한 PC 하드웨어 소개

고성능 컴퓨팅(HPC)

고성능 컴퓨팅(HPC)은 과학, 공학 또는 거대한 비지니스 요구 사항들을 해결하기 위해, 우리가 흔히 사용하는 일반적인 데스크탑 컴퓨터나 워크스테이션보다 훨씬 더 높은 성능을 발휘하도록 컴퓨팅 파워를 결합하여 고성능을 발휘하도록 하는 것을 의미합니다.
시뮬레이션이나 분석과 같은 HPC 워크로드는 계산 속도, 메모리 사용 및 데이터 관리가 매우 중요합니다.
클러스터나 슈퍼컴퓨터라고도 불리는 일반적인 HPC 시스템은 고속의 네트워크에 연결된 다수의 서버를 이용한 확장을 통해, 여러 애플리케이션들을 병렬 실행하도록 설계됩니다.
HPC 시스템에는 관련 소프트웨어, 도구, 구성요소, 스토리지 및 서비스가 포함된 경우가 많습니다.

고성능 컴퓨팅은 일반적으로

100Gbps의 초고속 네트워킹
확장 가능한 고성능 스토리지
고성능 컴퓨팅 소프트웨어 스텍 (최근에는 거의 Linux가 대세로 자리 잡음)
에너지 효율성
GPU 가속지원

등이 핵심 성능지표로 고려되어 개발됩니다.
이러한 컴퓨터는 매우 고가이고 특별한 관리환경과 전문가들이 필요하여, 일반인들은 쉽게 접하기가 어렵습니다.
그러나 최근에는 시스템 구성은 전문가들이 하고, 시스템 사용은 일반 엔지니어들이 사용할 수 있도록 UI나 시스템 사용환경이 많이 편리해져서 대기업이나 국책 연구기관의 연구원들이 쉽게 사용할 수 있는 기반이 많이 갖추어져 있습니다.

이러한 HPC와는 스케일 규모면에서는 차이가 많지만, 최근에는 단일 컴퓨터에서도 많은 core로 구성된, 수퍼컴에 가까운 단일 컴퓨팅 고성능 PC가 판매되고 있습니다.
따라서 본 기사에서는 고성능 PC 하드웨어를 통해 수치해석을 수행할 수 있는 전세계의 최신 컴퓨터 기술을 소개하는 PC 기반 하드웨어 기사를 소개합니다.
본 기사는 itworld 에서 작성된 자료입니다.

AMD 라이젠 3000 리뷰 | 인텔의 시대를 끝내러 왔다

퍼스널 컴퓨팅 PCWorld

2019.07.09

업데이트 기사에서는 성능 테스트 결과 중 3D 뷰포트와 시너지 시네스코어(Cinescore) 성능 결과를 더했다. 또한, 게임 외적인 이유로 데이터에 나타나지 않았던 파 크라이(Far Cry) 5와 데우스 엑스: 맨카인드 유나이티드(Deus Ex: Mankind United)에서의 구형 라이젠 칩 게이밍 벤치마크 차트도 추가했다.

AMD의 12코어 라이젠 9 3900X CPU 리뷰를 한마디로 요약한 문장은 이렇지 않을까?“와, 이 CPU 진짜 빠르다.”

그러나 결론만 보기는 아쉽다. 라이젠 9 3900X는 1GHz를 처음으로 넘어섰던 AMD의 오리지널 K7 애슬론 시리즈 CPU, 데스크톱 PC의 64비트 시대를 열었던 애슬론 64 CPU만큼이나 중요한, 시장을 바꾸는 CPU가 될 물건이기 때문이다.

라이젠 9 3900X가 앞으로 저런 제품이 세운 위대함을 달성하기 어려울 것이라고 생각할지 모른다. 이전 세대의 무시무시한 게이밍 성능 지표를 모두 넘어서는 정도는 아니다. 그러나 발매 직후의 혼란이 가라앉으면 AMD 라이젠 3000 시리즈는 단숨에 가장 인기 있는 CPU가 될 것이다.

라이젠 3000 시리즈는 어찌됐든 7나노 공정으로 생산된 최초의 사용자 x86 칩이다. 인텔의 현재 데스크톱 칩은 모두 아직도 14나노 공정으로 제작된다. 올해 말쯤 되어야 10나노 공정으로의 이전이 시작될 것이다. AMD가 7나노 공정에 먼저 도달한 것을 부러워하면서 말이다.

기술적인 우위를 바탕으로 AMD는 라이젠 3000을 위해 재설계된 2세대 젠 코어를 발표했다. 이전 라이젠 2000 시리즈에 비해 부동 소수점 성능이 2배 증가했고, 클럭당 명령어 처리 횟수가 15% 향상되었다.

AMD는 명령 프리-패치를 개선했고, 명령 캐시를 한층 강화했고, 마이크로-op 캐시를 2배로 늘렸다고 말했다. AMD는 부동 소수점 성능을 2배로 늘린 것에 더해 이제 AVX-256까지 도입했다(256비트 고급 벡터 확장). 인텔 코어는 AVX-512이다. 오늘날 AVX는 주로 동영상 인코딩 분야에 영향을 주지만, 다른 분야에서도 진가를 발휘한다.

AMD는 기본적으로 라이젠 3000 칩에서 L3 캐시를 2배 늘리고, 이것을 게임 캐시라고 부르면서 애플과 비슷한 마케팅을 펼치고 있다. 라이젠 9 3900X에서 70MB를 차지하는 이 캐시는 라이젠 3000 시리즈의 메모리 지연성을 크게 줄인다. 또 CPU의 게이밍 성능을 극적으로 향상한다. 그래서 게임 캐시라고 부르면서 일반 사용자의 이해를 돕고 있다. 게임 캐시는 애플리케이션 성능 개선에도 유용하지만, 앱 캐시라고 불렀을 때 기뻐할 사람은 아무도 없을 테니까.

라이젠 3000 시리즈에는 7나노 CCD가 2개 들어간다. ⓒAMD

코어와 함께 칩셋 설계도 크게 손을 보았다. 처음의 젠 기반 라이젠은 메모리 및 PCIe 컨트롤러가 인피니티 패브릭으로 결합된 2개의 14 나노 CCD를 특징으로 했다. 젠 2에 기반한 라이젠 3000은 메모리 컨트롤러와 PCIe 4.0 컨트롤러를 별개의 IO 다이로 분리한다. 7나노 연산 코어와 달리 IO 다이는 12나노 공정으로 제작된다. 이는 CPU의 전체 원가 절감에 기여한다. 7나노 공정 웨이퍼가 훨씬 가치 있는데, AMD의 팹 협력사인 TSMC가 IO 다를 제작에 사용하지 않아도 되기 때문이다.

여기서 중요한 질문은 GPU가 제한 요소가 아닌 상황에서, 오랫동안 라이젠 성능의 발목을 잡았던 게이밍 문제가 마침내 해소되었느냐는 것이다. 차이는 이제 매우 근소해졌다. 심지어 엔비디아의 무자비하게 빠른 RTX 2080 Ti를 구동하더라도 거의 99% 문제가 없을 것이다.

PCIe4.0?!

그렇다. PCIe4.0이다. PCIe의 차세대 버전 PCIe4.0은 기본적으로 클럭 속도와 스루풋을 PCIe3.0보다 2배로 늘린다. AMD가 PCIe4.0으로 이동한 것도 또 한가지 유리한 점이다. 인텔은 CPU에서 PCIe3.0 속도로 정체되어 있고, 마찬가지로 엔비디아도 PCIe3.0 기반 GPU만을 보유한 상황이다.

현재 PCIe 4.0 실제 성능은 SSD를 제외하고 손쉽게 구현하기 어려울 것이다. 그러나 새 표준은 PC에서 더 많은 경로와 더 많은 포트를 지원한다. PCIe4.0 SSD의 혜택을 원한다면 AMD의 라이젠 3000과 새 X570 칩셋이 유일한 수단이다.

PCIe의 설명 자료는 여기서 소개한다(all about PCIe 4.0). 개발 초기 단계인 PCIe5.0과 PCIe6.0이 동시에 존재해 혼란을 준다면, 초기 사양이 실제 하드웨어로 구현되기까지는 시간이 걸린다는 점을 기억하기 바란다. 기본적으로 PCIe 4.0가 현재의 유일한 해법이고, AMD는 이 성과를 자랑할만하다.

가격

아직 가격이 남았다. 인텔의 플래그십 제품인 8코어의 코어 i9-9900K는 488달러인 반면, 더 빠르지는 않더라도 최소한 같다고 주장하는 AMD의 12코어는 499달러에 RGB 쿨러를 더했다.

AMD 라이젠 3000 제품군은 가격으로 인텔 제품을 압박한다. ⓒAMD

쓰레드당 가격은 AMD가 인텔보다 우세하다. 각종 CPU의 쓰레드당 가격 차트를 보면 라이젠 9 3900X는 쓰레드당 21달러이고, 코어 i9-9900K는 31달러로 게임이 되지 않는 지경이다.

ⓒAMD

그러나 쓰레드당 가격, 환상적인 7나노 공정도 성능이 뒷받침되지 않는다면 가치가 없다. 그럼 이제부터 라이젠 9 3900X가 얼마나 빠른지 살펴보자.

테스트 방법

이번 리뷰에는 대표적 CPU 3개를 선택했다. AMD의 2세대 라이젠 7 2700X가 테스트의 기준으로 활용된다. 두 번째는 최고의 경쟁자인 488달러의 인텔의 코어 i9-9900K이다. 마지막은 AMD의 499달러짜리 라이젠 9 3900K이다.

CPU는 나란히 테스트되었다. 라이젠 7 2700X는 MSI X470 게이밍 M7 AC에, 코어 i9-9900K는 아수스 막스무스 XI 히어로에, 라이젠 9 3900X는 MSI X5700 가드라이크에 각각 탑재했다.

그래픽의 경우 초반 CPU와 게임 테스트는 파운더스 에디션 지포스 GTX 1080를 사용하였다. 추가적 게임 테스트에서는 파운더스 에디션 지포스 RTX2080 Ti 카드를 이용하였다.

세 PC 모두 최신 UEFI/BIOS와 드라이버를 이용하고, 윈도우 10 프로페셔널 1903을 새로 설치하였다. 윈도우 버전은 특히 중요하다. AMD가 이제 버전 1903에 스케줄 최적화가 포함되어 라이젠 3000에서 더 효율적으로 쓰레드를 전송할 수 있다고 말했기 때문이다.

기억할 점은 AMD의 CPU는 CPU 코어의 작은 집단과 빠른 속도를 갖도록 구축되지만 CPU 코어 집단 사이의 액세스 속도는 더 느리다는 것이다. 구 버전 윈도우에서 스케줄러는 클러스터 내의 한 집단으로 한 쓰레드를 전송한다. 윈도우는 멀티 다이 설계를 감안하여 설계되지 않았기 때문에 두 번째 쓰레드를 다른 CPU 코어 클러스터로 전송할 것이고 이는 성능을 낮추는 원인이 된다.

단순히 두 쓰레드를 같은 CPU 코어 클러스터로 전송하는 경우가 아니면, 두 코어 클러스터 사이의 교차를 처리해야 하기 때문에 속도가 느려지는 것이다. 이제 이 문제가 해소되었다. 윈도우 1903은 가능한 경우 동일한 CPU 코어 클러스터로 쓰레드를 전송할 것이다. AMD의 주장에 따르면 윈도우의 변화를 통해 최대 15%의 성능 향상을 가져올 수 있다. 다만, 모든 애플리케이션에서 적용되는 것은 아니므로 애플리케이션마다 차이가 있을 것이라고 전했다.

ⓒAMD

세 빌드에서 모두 듀얼 채널 모드의 DDR4를 동일하게 이용했지만, 한 가지 차이를 두었다. 코어i9-9900K와 라이젠 7 2700X는 16GB DDR4/3200 CL 14를 이용했고, 라이젠 9 3900K는 16GB DDR4/3600 CL 15를 이용했다. 라이젠 9를 최적의 메모리 클럭인 3,600MHz로 테스트하고 싶었기 때문이다. 3,200 MHz에서도 역시 테스트할 예정이다. 시간적 제약으로 인해 먼저 DDR4/3600 성능만 제시하고, 시간이 허락하면 DDR4/3200 테스트 결과를 추가로 업데이트할 예정이다. 그러나 AMD가 PCWorld에 밝힌 바에 따르면 DDR4/3200CL14는 DDR4/3600CL15에 비해 성능에서 큰 차이가 없다고 한다.

여기서 다른 변수는 저장 공간이다. 라이젠 7과 코어 i9은 초고속 MLC 기반의 삼성 960 프로 512GB SSD을 사용해 PCIe3의 3세대 속도로 테스트되었다. 라이젠 9 3900X는 PCIe4.0을 지원하는 최초의 CPU이자 플랫폼이다. PCIe4.0은 새 플랫폼의 핵심 기능이므로 CPU의 PCI 레인으로 직접 연결된 2TB의 커세어 MP600 PCIe 4.0 SSD를 이용하였다. 이번에 PCWorld가 실행한 테스트에서 스토리지는 CPU 성능에 영향을 주지 않을 것이다.

커세어 MP600 ⓒAMD

MCE인가, 아닌가?

코어 i9-9900K 리뷰와 마찬가지로 이번에도 ‘다중 코어 강화(Multi-Core Enhancement, MCE)’ 기능을 이용할 것인지를 놓고 의견이 엇갈렸다. MCE는 메인보드 지원 기능으로, 인텔 ‘K’ CPU를 더 높은 클럭 속도로 실행한다. 하지만, 전력 소비도 더 크고 열도 더 많이 발생한다. MCE는 기술적으로 인텔의 표준 규격을 넘긴 ‘오버클럭’으로 간주된다.

그렇다면 이 기능을 끄면 되지 않느냐고 생각할 수 있을 것이다. 그런데 문제는 거의 모든 중급 이상의 인텔 메인보드는 즉시 사용할 수 있도록 MCE가 자동으로 설정되어 있다는 점이다. 이 기능을 끈 상태로 새 CPU를 테스트한 결과는 대부분의 사용자가 경험하게 될 코어 i9-9900K의 진정한 속도와는 거리가 멀 것이다.

켠 상태로 두는 것은 더 난감하다. 왜냐하면 메인보드 업체마다 이 설정을 조금씩 다르게 구현하기 때문이다. MCE가 켜진 상태에서 성능을 정확히 측정할 수 있는 쉬운 방법은 없다.

결국 인텔 CPU에 대해 MCE를 끈 채로 테스트를 했고, AMD의 유사한 정밀 부스트 오버드라이브(Precision Boost Overdrive) 역시 끈 상태로 테스트했다. 다른 기사에서 이 부분을 한층 깊이 있게 다룰 것이다. 그러나 현재까지는 MCE를 끈 채 인텔 CPU를 실행하는 것은 PBO를 끈 채 AMD CPU를 실행하는 것보다 인텔 CPU에 훨씬 불리하다는 점은 유의해야 한다.

그렇다면 이제부터 차트의 세계로 나가도록 하자.

라이젠 9 3900x 3D 모델링 성능

12코어 CPU가 8코어를 쉽게 압도할 것이라는 점은 그다지 놀랍지 않다. ⓒIDG

라이젠 9 3900X의 싱글 쓰레드 성능이 인상적이다. ⓒIDG

시네벤치 R20으로 옮겨가면 라이젠 9 3900X의 싱글 쓰레드 성능이 더 돋보인다. ⓒIDG

라이젠 9 3900X가 인텔 코어 i9를 멀티 쓰레드 성능에서 압도하는 것은 어쩌면 당연하다. ⓒIDG

코로나 모델러 테스트 결과도 8코어보다 12코어 성능이 더 높게 나왔다. ⓒIDG

비슷한 결과다. V레이 넥스트 테스트에서도 다른 모델링 앱과 별반 다르지 않은 결과를 냈다. ⓒIDG

ⓒIDG

놀랍지도 않다. 라이젠 9가 코어 i9을 가지고 노는 수준이다. ⓒIDG

5GHz 클럭이라는 강점을 지닌 코어 i9가 라이젠 9를 싱글 쓰레드로 설정된 POV레이 테스트에서 근소하게 앞섰다. ⓒIDG

H.265 코덱을 활용한 4K 인코딩 작업에서도 라이젠 9 3900X가 월등했다. ⓒ

라이젠 9 3900X 인코딩 성능

라이젠 9 3900X는 H.265 코덱을 사용한 4K 인코딩에서 코어i9를 간단히 앞질렀다. ⓒIDG

시너지 시네스코어 10.4 테스트에서도 라이젠 9의 성능이 코어 i9 칩을 상당히 앞섰다. ⓒIDG

프리미어 CC 2019 작업에서는 코어 i9가 더 우세하다. ⓒIDG

프리미어 HEVC 인코더 프로젝트에서도 코어 i9가 우세했지만 차이는 조금 줄어들었다. ⓒIDG

포토샵 성능 테스트

포토샵 성능에서는 라이젠 9 2900X가 근소하게 앞섰다. ⓒIDG

압축 테스트

압축 테스트 결과. 라이젠 9 3900X와 라이젠 7 2700X의 성능 차가 크다. ⓒIDG

WinRAR결과는 좋게도 나쁘게도 해석할 수 있다. 라이젠 7 2700X 결과에서 보듯, WinRAR는 전통적으로 인텔 CPU와 상성이 좋았는데, 라이젠 9 3900X가 코어 i9와 크게 차이나지 않는 수준의 결과를 냈다. ⓒIDG

7ZIP 압축 테스트에서의 싱글 쓰레드 성능은 코어 i9가 조금 더 앞섰다. ⓒIDG

멀티쓰레드 성능은 라이젠 9가 압도적이었다. ⓒIDG

압축 풀기 테스트는 전통적으로 성능 확인의 정수이자 CPU가 브랜치 오예측을 얼마나 잘 감당하는지와 관련이 있었다. ⓒIDG

7Zip 압축 풀기 테스트에서는 3개 제품이 모두 엇비슷한 성능을 나타냈다. 가장 우수한 것은 코어 i9였다. ⓒIDG

라이젠 9 3900X의 게이밍 성능 테스트

섀도우 오브 툼 레이더는 1,920×1,080 해상도에서 플레이했는데도 GPU에 의한 병목 현상이 나타났다. ⓒIDG

최신 게임을 플레이할 때는 두 제품 모두 빠른 GPU가 필요하다. ⓒIDG

조금 더 오래된 라이즈 오브 더 툼레이더로 옮겨 가면 역시 구형인 지포스 GTX 1080 FE가 병목 현상임을 알 수 있다. ⓒIDG

라이젠 9 3900X가 코어 i9를 앞서지는 못했지만, 차이는 아주 근소하다. ⓒIDG

ⓒIDG

파 크라이 5는 코어 i9가 라이젠 시리즈를 앞선 성능을 보인 게임 중 하나다. ⓒIDG

데우스 엑스 맨카인드 디바이디드 결과. 라이젠 7과 라이젠 9의 차이에서 게임 성능 개선 폭을 짐작할 수 있다. ⓒIDG

레인보우 식스 시지 결과 ⓒIDG

CPU 포커스드 테스트 결과는 전적으로 CPU 테스트나 다름 없다. 지포스 GTX 1080과 RTX 2080Ti에서의 프레임 차이가 거의 없었기 때문이다. ⓒIDG

결론

1쓰레드에서 24 쓰레드까지의 시네벤치 테스트로 리뷰를 마치고 싶다. 시네벤치 R20은 3D 모델링 벤치마크로서 게이밍 성능이나 여타 애플리케이션 성능을 예측하지 않는다. 그러나 수많은 게임과 애플리케이션이 현대 CPU의 쓰레드를 모두 활용하는 혜택을 누릴 수는 없다. 그런 면에서 시네벤치 R20이 가치가 있다. CPU를 1개 쓰레드에서 시작해 끝까지 로딩 했을 때의 성능을 살펴볼 수 있기 때문이다.

아래의 차트에서 AMD는 통상적으로 차트 우측에서 두드러진다. 거의 언제나 인텔 칩에 비해 코어 수에서 우세하기 때문이다.

반면 인텔은 통상적으로 우측에서는 패배하지만, 좌측에서는 승리한다. 인텔 칩은 AMD 칩에 비해 클럭 속도와 IPC가 우세하기 때문이다. 인텔의 코어 칩이 강점을 지닌 부분은 기본적으로 여기뿐이다. 대다수 애플리케이션과 게임은 차트의 좌측에 있는 성능에 의존한다. 라이젠 9 3900K와 코어 i9-9900K 사이의 차트를 보면 그 강점은 이제 사라졌다.

시네벤치 r20을 1쓰레드에서 24쓰레드까지 돌리자, 전 구간에서 라이젠 9 3900x의 진정한 강점이 드러났다. ⓒIDG

동일 데이터를 다른 관점으로 보기 위해 성능 우세 정도를 비율로 보여주는 차트를 만들었다. 차트에서 알 수 있듯이 12코어는 8코어를 간단히 압도한다.

이번에도 인텔의 코어 i9에 있어 가장 나쁜 소식은 차트의 좌측에 있다. 여기서도 인텔의 우위가 사라졌다. 두 CPU는 6쓰레드까지 거의 대등하고 이후부터 라이젠 9가 앞서기 시작한다.

라이젠 9는 8쓰레드 이후부터 코어 수로 인텔 코어 i9를 제압했다. ⓒIDG

쓰레드 수가 적은 경우를 봐도 라이젠 9 3900K는 언제나 코어 i9 9900K만큼이나 빠르다. 이는 기본적으로 이제 코어 i9을 사야 할 이유가 거의 없음을 의미한다. 남은 이유도 분명 존재하지만, 고급 CPU를 구입하려는 사용자 10명 중 9명은 라이젠 9 3900X를 선택할 것이 틀림없다. editor@itworld.co.kr

컴퓨텍스 2018에서 소개된 강력한 PC 하드웨어 소개

본 기사는 PCWorld 및 itworld에서 부분 발췌된 내용입니다.

컴퓨텍스 2018에서는 게이밍이 뜨겁다.
PC의 핵심 칩들이 크게 발전하면서 성능을 크게 높였다.

스레드리퍼(Threadripper) 2 인텔의 발표 직후, AMD는 32코어 64스레드 플래그십인 스레드리퍼 2를 소개하면서 코어 전쟁에 불을 붙였다. 새 24코어 CPU도 출시되며 새 칩들은 2세대 라이젠(Ryzen)과 같은 기본 기술에 기초하여 개발되었다. 또한 AMD는 쿨러 마스터와 협력하여 32코어의 온도를 관리할 수 있는 거대한 공냉식 쿨러인 레이스 리퍼(Wraith Ripper)를 제작했다.

AMD를 전격 채용한 에이서 헬리오스(Acer Helios) 500 컴퓨텍스에서 AMD의 기술이 예상치 못한 곳에서 공개되었다. AMD를 전격 채용한 이 모델에는 6코어 12스레드 라이젠 7 2700 데스크톱 프로세서뿐만이 아니라 라데온 베가(Radeon Vega) 56 그래픽이 탑재되어 있으며, 외장 베가 GPU가 탑재된 노트북은 이번이 처음이다. 에이서는 이 노트북에 144Hz 프리싱크 디스플레이를 매치하여 베가의 성능을 최대한 발휘할 수 있도록 했다.

MSI 노트북(치터(Cheater) 모드 적용) MSI는 컴퓨텍스에서 모든 가격 대의 노트북을 선보였다. MSI가 엔비디아 GTX 1050 그래픽을 내장한 프레스티지(Prestige) PS42가 있다. 매우 인상적일 것이며 기록을 달성할 수 있을지 기대된다. 보급형의 경우 MSI GF63은 999달러란 저렴한 가격에 6코어 8세대 인텔 코어 CPU와 GTX 1050이 내장되어 있다.

독특한 에이수스 노트북 에이수스는 컴퓨텍스에서 프로젝트 프리코그 외에도 혁신적인 하드웨어를 선보였다. 또한 기본적으로 트랙패드(Trackpad)를 상황에 따라 PC용 보조 화면으로 변신시키는 “스크린패드(ScreenPad)” 기술이 포함된 젠북 프로(ZenBook Pro) 15의 새로운 버전을 공개했다.

2017년 수치해석 분야에 기대되는 최신 컴퓨터 소식

수치해석을 하는 많은 분들은 대부분 시간과의 전쟁을 치루고 있습니다.
좀 더 빨리, 좀 더 상세한 결과를 얻어야 하기 때문에, 많은 분들이 예산이 허락하는 한 성능 좋은 컴퓨터를 확보하는 것이 최대의 목표가 되고 있습니다.

한 동안 AMD가 인텔의 경쟁자로 존재하면서 두 회사는 선의의 성능 경쟁을 치열하게 전개해 왔는데, AMD가 서서히 경쟁력을 잃고 있다가 최근에 젠 CPU를 통해 다시 경쟁에 불을 지피고 있습니다.
여기에 두 회사의 최신 주력 CPU 의 내용을 기사에서 인용하여 소개합니다.

인텔, 18코어 36스레드 갖춘 코어 i9 칩 발표 “AMD 쓰레드리퍼와 전면전” (기사 출처 : itworld)

퍼스널 컴퓨팅

PCWorld

인텔이 코어 i9을 무기로 본격적인 AMD와의 전쟁에 돌입했다. 인텔은 30일 대만 컴퓨텍스에서 하이엔드 PC시장에서 AMD의 16코어 32스레드 스레드리퍼(Threadripper)와 경쟁할 18코어 36스레드의 ‘몬스터 마이크로프로세서’를 발표했다.

이 프로세서에는 코어 i9 익스트림 에디션 i9-7980XE라는 이름이 붙었다. 첫 번째 테라플롭(Teraflop) 데스크톱 PC프로세스로 아주 고가이다. 올해 말 출하되는 프로세서의 가격은 1,999달러이다. 한 단계 낮은 코어 i9 제품군 제품들은 가격이 조금 더 저렴하다. 10코어, 12코어, 14코어, 16코어로 구성된 코어 i9 X 시리즈 가격은 999~1,699달러 사이다. 모두 스카이레이크 기반 프로세스이며, 기존 브로드웰-E보다 높은 성능을 제공한다. 인텔에 따르면, 싱글스레드 앱은 15%, 멀티스레드는 10% 빠르다.

인텔은 ‘베이진 폴스(Basin Falls)”라는 코드 네임을 가진 코어 i9 X 시리즈가 너무 비싼 사람들을 위해 3종의 새로운 코어 i7 X 시리즈 칩(339~599달러)과 1종의 쿼드 코어 코어 i5(242달러)도 공개했다. 인텔은 몇 주 이내에 신제품 칩을 출하할 예정이라고 설명했다.

대부분의 코어 i9칩에 터보 부스트 맥스 기술 업데이트(Updated Turbo Boost Max Technology) 3.0이 탑재될 예정이다. 터보 부스트 맥스는 칩이 최고의 코어 2개를 파악하고, 필요할 때 가변적으로 속도를 높여 오버클러킹을 하는 기능이다. 옵테인 메모리도 지원한다. 인텔은 130개 이상의 옵테인 지원 메인보드가 출시될 예정이라고 설명했다.

신제품 165W, 140W, 112W 칩은 역시 새로운 소켓인 R4에 맞춰 설계되어 있다. 2,066핀 LGA 소켓과 호환되는 인텔 칩셋은 X299가 유일하다.

다시 한번, 인텔과 AMD가 제대로 한 판 붙을 전망이다. 둘 중 누가 승리할지 지켜보는 사용자들의 관심도 뜨겁다. 인텔은 코어 i9을 발표하면서 하이엔드 시장에 공격적으로 접근했다. AMD도 스레드리퍼의 10코어, 12코어, 14코어 버전과 가격을 공개할 수밖에 없는 실정이다. 인텔이 먼저 패를 공개했다. 게임은 이제부터가 시작이다.

인텔의 새 코어 i9 칩은 모든 PC관련 제품이 전시되는 종합 전시회로 발전한 컴퓨텍스에서 가장 중요한 발표 중 하나로 꼽혔다. 기대되는 소식은 아직 많이 남아있다. 홍보 담당자에 따르면, 인텔 경영진이 차세대 10nm 칩인 캐논 레이크에 대해 발표할 예정이라고 한다. 기존 케이비 레이크 칩보다 30% 높은 성능을 자랑하는 제품이다.

또, HTC 바이브 VR 헤드셋을 WiGig 기술을 이용해 무선 연결하는 기술에 대해 더 자세한 정보가 발표될 계획이다. 인텔과 HTC는 지난 1월 CES에서 파트너십 체결을 발표했다. 인텔은 또 8월부터 컴퓨트 카드(Compute Card)를 출시한다고 발표할 계획이다.

코어 i9의 속도와 피드
클록 속도가 4GHz를 넘으면서, 제조업체들이 직면한 도전 과제는 추가된 코어를 모두 사용하는 방법을 찾는 것이었다. 앞서 링크된 기사에서 설명했듯, 하나의 프로세스 코어만 집중적으로 사용하는 게임들이 여전히 많다. 인텔은 게임 플레이는 물론, 게임에 이용하지 않는 다른 코어로 트위치나 유튜브 스트리밍을 인코딩하고, 더 나아가 백그라운드에서 음악도 재생할 수 있는 새로운 세대의 ‘스트리머(Streamer)’로 눈길을 돌렸다. 인텔은 이런 동시다발 작업에 ‘메가태스킹’이라는 명칭을 붙였다. 이 회사는 이를 갈수록 증가하는 코어 수에 맞게 ‘수요’를 유지하는 아주 좋은 방법으로 판단하고 있다.

이와 관련, X시리즈 마케팅 매니저인 토니 베라는 “게이머가 콘텐츠 창작자로 변모하는 추세”라고 강조했다.

제품 가격은 자연스럽게 최고 2,000달러로 아주 비싸고, 경제력이 있거나 기업의 후원을 받는 사용자만 최신 코어 i9 제품들을 구입할 수 있을 전망이다. 다음은 제품 별 가격과 코어, 스레드 수를 정리한 내용이다.

Core i9-7980XE: 18코어/ 36스레드, 1,999달러
Core i9-7960X: 16코어/ 32스레드, 1,699달러
Core i9-7940X: 14코어/ 28스레드, 1,399달러
Core i9-7920X: 12코어/ 24스레드, 1,199달러
Core i9-7900X (3.3GHz): 10코어/ 20스레드, 999달러

인텔은 또 한정된 예산에 제약 받는 사용자를 대상으로 3종의 새로운 코어 i7 X 시리즈 칩을 판매할 계획이다.

Core i7 7820X (3.6GHZ), 8코어/ 16스레드, 599달러
Core i7-7800X (3.5GHz), 6코어/ 12스레드, 389달러
Core i7-7740X (4.3GHz), 4코어/ 8스레드, 339달러
케이비 레이크 코어에 맞춰 설계된 i7-7740X를 제외한 모든 칩이 인텔의 ‘스카이레이크-X’에 기반을 두고 있다.

새 칩에서 가장 큰 관심을 끄는 기능은 터보 부스트 맥스 기술 업데이트 3.0이다. 고든 마 웅이 인텔 브로드웰-E 리뷰에서 설명한 것처럼, 터보 부스트 맥스 기술 3.0은 (칩에 따라 차이가 있지만) 최고의 코어를 식별한다. 그리고 CPU 집약적 싱글 스레드 애플리케이션을 이 코어로 연결해 전체 성능을 향상한다.
또, 최고의 코어 2개를 식별하고, 가장 CPU 집약적인 스레드에 할당한다. 더 많은 코어를 더 효과적으로 활용하는 게임과 애플리케이션에 도움을 주는 기능이다. 그러나 이 새로운 기능을 탑재하지 않은 칩도 있다. 새 6코어, 2종의 4코어 X시리즈 칩이 여기에 포함된다.

다음은 속도와 피드를 요약 설명한 표다.

오버클럭이 포인트
인텔은 새 X시리즈에 공냉 쿨러를 추천하지 않는다. 인텔은 165W와 140W의 새 칩이 방출할 열을 효과적으로 냉각시킬 수 있는 TS13X 쿨러를 판매할 예정이다.

TS13X는 PG(Propylene Glycol)을 이용, 열을 73.84-CFM 팬으로 보낸다. 이 팬의 소음은 21~35dBA이고, 회전 속도는 800~2,200rpm이다. 별도 판매될 TS13X의 가격은 85~100달러 사이이다.

인텔은 또 XTU(Extreme Tuning Utility)를 이용, 코어 당 오버클러킹과 전압 조절을 계속 지원할 계획이다. AVX 512 비율 오프셋, 메모리 전압 조절, PEG/DMI 오버클러킹 등 새 기능이 포함되어 있다.
또 ‘성능 튜닝 보증 서비스(Performance tuning protection plan)’를 제공할 계획이다. 이는 오버클로킹 사용자를 위한 일종의 ‘보험’이다. 칩이 고장 날 경우, 1회 교체를 해주는 보증 서비스이며, 두 번째부터는 유료로 진행된다.

데이터 전송 성능을 향상한 새 X299 칩셋
테라플롭급 연산력을 갖춘 PC의 경우, 다른 부품과의 데이터 전송 성능이 아주 중요하다. x299 칩셋은 최신 DMI 3.0을 도입해 SATA 3.0포트와 USB 포트 연결 대역폭을 2배로 증가시킨다. X299 칩셋에는 최대 8개의 SATA 3.0포트, 10개의 USB 3.0 포트가 장착되어 있다. 기존 X99 칩셋의 USB 3.0포트 수는 최대 6개였다.

브로드웰-E X99 칩셋은 8개의 PCIe 레인을 지원했었다. 그러나 X299은 최대 24개의 PCIe 3.0 레인을 지원한다. 고속 PCIe NVM3 드라이브 등 추가 PCIe를 CPU와 연결된 PCI3에 직접 연결할 수 있다. 코어가 10개 이상인 CPU의 경우, 최대 44개의 PCIe 3.0 레인을 이용할 수 있다.

X299는 속도가 빨라진 DDR4-2066을 지원한다. 그러나 어느 정도 RAM 용량을 지원하는지 확실하지 않다. 인텔은 캐시 계층(Cache Hierarchy)을 조정했다. 이를 통해 개별 프로세서 근처에 더 많은 캐시를 배치하는 방법보다 캐시 크기를 더 많이 줄일 수 있다. 인텔은 새로운 캐시의 ‘히트(Hit)’ 레이트가 더 높다고 설명한다. 칩 크기를 줄였지만 캐시 성능을 유지할 수 있었다는 의미이다.

이번 신제품 소식은 코어 i9, 코어 i7 X 시리즈 사용자 모두 크게 기뻐할 기능 및 성능 향상이다. 메인보드와 PC 제조사도 하이엔드 시장에서 수익을 증대하기 위해 코어 i9 제품들을 출시할 것으로 예상된다. 이번 주 컴퓨텍스에서 전해질 더 많은 소식에 사용자들의 관심이 쏠리고 있다. editor@itworld.co.kr

2018년 인텔 6코어 코어 i9 CPU 발표

본 기사는 itworld.co.kr 기사를 인용하였습니다.

아래 기사를 보면 이젠 해석용 컴퓨터도 고성능 노트북으로 가능하게 되어 가는 것 같습니다. ItWorld의 기사를 게재합니다.

인텔의 새로운 6코어 모바일 코어 i9 칩은 가장 빠른 노트북 CPU로, 새로운 코어 i9-8950HK의 기본 클럭 속도는 2.9GHz이며 여기에 “열 속도 가속(Thermal Velocity Boost)”이라는 신기술을 사용해 최대 4.8GHz까지 올라간다. 새로운 언락 8세대 코어 i9를 최상위 제품으로, 그 아래에 5개의 신형 코어 i5와 코어 i7 고성능 모바일 H 시리즈 칩, 그리고 저전력 시스템을 위한 4개의 U 시리즈 코어 칩이 포진한다. 모두 14나노 커피레이크 칩이다. 인텔은 새로운 데스크톱 코어 프로세서 제품군과 노트북 PC 내의 하드 드라이브 성능을 강화하는 옵테인 메모리 내장을 나타내기 위한 브랜드 로고(코어 i7+)도 새로 발표했다.

인텔에 따르면 코어 i9는 7세대 코어 프로세서에 비해 게임 프레임 재생률 기준 최대 41% 더 우수하며, 게임 플레이 스트리밍 및 녹화 성능은 32% 더 빠르다. 인텔은 새로운 코어 i9는 언락 상태로 제공되므로 게임 PC 제조 업계에서 5GHz 시스템도 출시하게 될 것이라고 밝혔다. 옵테인 메모리가 포함되면 성능 향상 폭은 더욱 커진다. 다만 인텔이 성능 비교에 사용한 7세대 시스템에는 SSD가 아닌 느린 기계식 하드 드라이브가 탑재돼 있어 SSD에서의 성능 향상이 어느 정도인지는 정확히 알 수 없다.

인텔 프리미엄 및 게이밍 노트북 부문 총괄 책임자인 프레드릭 햄버거는 “코어 i9는 인텔이 지금까지 발표한 가장 빠른 게이밍 프로세서”라며, “데스크톱에 거의 근접한 성능을 노트북에서 얻을 수 있다”고 강조했다.

새로운 모바일 코어 칩은 인텔이 스펙터 및 멜트다운 취약점을 수정하기 위해 패치한 소프트웨어 완화책을 지원한다(이후 나올 하드웨어 재설계는 적용되지 않는다). 인텔 측은 제시된 성능 수치가 이러한 완화책으로 인한 성능 감소를 반영한 것이라고 밝혔다.

인텔이 출시하는 모든 모바일 프로세스가 그렇듯이, 중요한 점은 가격이다. 인텔은 보통 모바일 칩 가격을 공개하지 않으며, 이번에도 마찬가지다. 다만 새로운 제품군 중에서 코어 i9 칩의 경우 게임 노트북 중에서도 상위 기종에만 들어갈 것으로 보인다. 그 외의 다른 칩은 훨씬 더 폭넓게 보급될 전망이다.

인텔 코어 H 시리즈 CPU

인텔은 현재 폭발적으로 성장 중인 PC 게임 시장을 노골적으로 정조준하고 있다. 햄버거는 인텔 코어 칩을 내장한 일반 판매용 게임 노트북이 전년 대비 45% 성장했다고 말했다.

인텔의 새로운 45W H 시리즈에는 각각 2종의 새로운 코어 i7과 코어 i5 칩 및 신형 제온이 포함된다. 사실 모바일 코어 i9 칩은 제온 E-2186과 상당히 흡사해 보인다. 클럭 속도, 코어 수, 열 설계 전력 등이 동일하다. 그러나 코어 i9의 클럭 속도는 완전히 언락된 상태로 제공된다. 코어 i9의 가격이 너무 부담스럽다면, 동일한 6개의 코어와 12개 쓰레드를 탑재한 새로운 코어 i7-8850H이 있다.

새로 출시되는 칩은 모두 인텔이 노트북을 대상으로 밀고 있는 옵테인 메모리를 지원하며, 기업용 시스템을 위한 vPro 기술이 옵션으로 제공된다.
인텔의 라데온 RX 베가(“케이비레이크-G”) 칩은 울트라북 수준에서 1080p 성능을 제공하도록 설계됐지만, 신형 8세대 코어 i9 칩은 햄버거의 표현대로라면 “머슬북(Musclebook)”에 맞게 설계돼 노트북에서 얻을 수 있는 절대적인 최고의 성능을 제공한다. 햄버거는 “이 칩으로 만족할 수 없다면 어떤 칩으로도 만족하지 못할 것”이라고 덧붙였다.

Intel

인텔은 이번에 처음으로 이른바 “열 속도 가속” 기능을 포함했다. 이 기능은 클럭 속도를 정상보다 더 높여준다. 평상시 코어 i9-8950HK에서 터보 부스트가 활성화된 후 최대 클럭 속도는 4.6GHz다. 그러나 햄버거는 칩의 온도가 충분히 낮은 상태에서 최대 속도로 작동 중이라면, 클럭 속도가 한층 더 올라간다면서 단일 코어를 200MHz 더 높여 4.8GHz로 작동하거나 모든 코어를 약 100MHz 높여 작동하게 된다고 설명했다.

다만 햄버거는 열 속도 가속 기술이 “자동적인 기능이 아닌 기회에 따라 작동하는 기능”이며, 인텔은 시스템 온도 섭씨 50도 이하에서 이 기능이 작동하도록 설계했다고 거듭 강조했다. 햄버거는 “OEM 파트너와 함께 전력 성능을 최적화하고 열 특성을 조정해 성능을 더 끌어올리기 위해 많은 시간을 투자했다”면서 “지금의 추세는 가장 얇게 만들기 위해 성능을 희생하는 게 아니라, 더 오래 지속되는 더 얇은 규격에 더 효율적인 성능을 집어넣는 것”이라고 말했다.

인텔 코어 U 시리즈 CPU

성능은 좀 낮아도 배터리가 오래 가는 제품을 찾는 사용자를 위해 인텔은 새로운 U 시리즈 칩 4종도 함께 출시했다. 28W TDP 저전력 8세대 코어 칩은 모두 4코어 8스레드 구성이 적용되며 모바일 구성의 옵테인 메모리 기술을 지원한다.

Intel

모든 칩은 인텔이 선보인 새로운 300 시리즈 칩셋인 H370, H310, Q370, B360에 연결된다. 또한 인텔 대변인에 따르면 모든 칩은 향상된 오디오 및 I/O, 기가비트 처리량을 갖춘 통합 인텔 802.11ac 와이파이, 10Gbit/s 통합 2세대 USB 3.1 I/O 등 플랫폼 수준에서 더 많은 기능을 제공한다.

게이밍 노트북 판매가 “폭증”하고 시장 성장에 보조를 맞춰 유통업체들도 매장 진열대에서 이런 제품의 비중을 계속 늘리고 있다. 인텔도 투자를 지속할 계획이다. 게이밍 노트북에서 코어 수를 늘리고 5GHz 벽을 돌파하게 되면 인텔은 성능의 한계를 확실히 더 높이게 될 것이다. editor@itworld.co.kr

원문보기:
http://www.itworld.co.kr/news/108803#csidx218d62dae70faefa8f8cdc4efd8ea92

AMD 마이크로아키텍처 (기사 출처 : itworld)

AMD 라이젠 3월 2일 출시…코어 i7보다 가격도 성능도 “우세”

Mark Hachman | PCWorld

“40% 성능 향상”이라는 말은 보수적인 자체 평가였다. AMD는 첫 번째 라이젠 프로세서 3가지를 오는 3월 2일 출시할 계획이라고 밝혔다. 인텔 코어 제품군을 능가하는 성능으로 기대를 받고 있는 라이젠 프로세서는 가격도 절반 가까이 저렴하다.

22일 열린 라이젠 출시 행사에서 발표에 나선 AMD 임원들은 인텔 코어 i7을 공략하기 위한 세 가지 데스크톱용 CPU를 공개했다. 신형 라이젠 CPU는 여러 곳의 주요 메인보드 업체와 전문가용 맞춤형 PC 업체가 지원한다. 특히 AMD는 신형 라이젠 프로세서가 더 적은 비용으로 더 높은 성능을 제공한다는 점을 강조했다. 최고 성능 제품인 라이젠 7 1800X는 인텔의 1,000달러짜리 코어 i7-6900K의 절반에도 못 미치는 가격이지만, 성능은 더 뛰어나다.

인텔과 마찬가지로 AMD의 라이젠 프로세서 역시 역시 3가지 제품군으로 구성되어 있는데, 고급형 라이젠 7, 중급형 라이젠 5, 가장 저렴한 보급형 라이젠 3이 그것이다. AMD는 고성능 라이젠 7부터 먼저 출시하는데, 1800X(499달러), 1700X(399달러), 1700(329달러)의 세 가지 모델이다. 라이젠 5와 라이젠 3은 올해 하반기에 출시할 예정인데, 구체적인 출시 일정은 밝히지 않았다.

이번 행사 직전까지 공개되지 않은 라이젠 관련 정보는 가격과 정확한 출시일이었다. 애널리스트들은 AMD가 그간의 실책을 모두 개선한 것 같다고 평가했으며, 인텔은 자칫 기반이 되는 PC용 마이크로프로세서 시장의 점유율을 잃을 수 있는 위험에 처했다. 물론 인텔도 대응책은 있다. 가격 인하도 그중 하나일 가능성이 있고, 더 많은 코어를 가진 신제품이나 옵테인 기술을 적극 내세우는 것도 방법이 될 수 있다.

인텔이 지난 1월 케이비 레이크 칩 40가지를 대대적으로 출시한 것과는 달리 AMD는 서두르지 않고 있다. 이번에 출시된 라이젠 7 칩의 세부 사양을 살펴보자.

Mark Hachman

라이젠 7 1800X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.6GHz, 부스트 모드에서는 4GHz로 동작한다. 499달러 1800X의 대응 제품은 8코어 인텔 코어 i7-6900K로 무려 1,089달러짜리이다. AMD에 따르면, 1800X는 시네벤치 상에서 단일 쓰레드 점수가 162로 동점을 기록했다. 하지만 코어를 모두 구동하자 1,601점으로 6900K보다 9% 높은 점수를 기록했다.

라이젠 7 1700X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.4GHz, 부스트 모드에서는 3.8GHz로 동작한다. AMD에 따르면, 399달러 1700X는 시네벤치 멀티코어 벤치마크 테스트에서 1,537점을 기록해 6900K보다 4% 높은 성능을 보였다.

라이젠 7 1700. 655와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3GHz, 부스트 모드에서는 3.7GHz로 동작한다. AMD에 따르면, 1700은 시네벤치 멀티코어 테스트에서 1,410점으로 339달러짜리 코어 i7 7700K보다 46% 더 높은 성능을 기록했다. 핸드브레이크 비디오 인코딩 테스트에서는 1700은 61.8초를, 7700K는 71.8초를 기록했다.

Mark Hachman

AMD에 따르면 라이젠 7 1700은 신형 레이스 스파이어(Wraith Spire) 쿨러를 기본 쿨러로 제공해 소음이 32데시벨에 불과하다.

라이젠의 눈에 띄는 성능 향상에는 설계팀의 역할이 컸다. AMD는 자사의 목표 중 하나가 젠 아키텍처의 클럭당 명령어 처리수(IPC, instructions per clock)를 40% 늘리는 것이라고 밝힌 바 있다. 그리고 실제로 AMD는 IPC를 52% 향상했다. CEO 리사 수는 “단지 목표를 맞춘 것이 아니라 크게 초과 달성했다”라고 강조했다. editor@itworld.co.kr

원문보기:
http://www.itworld.co.kr/news/103594#csidx36e903474b838daa0638fbf87957a25

CFD 업무에 종사하는 사람들은 빠른 컴퓨터는 갖고 싶은 품목1위가 아닐까 싶습니다.

최근에는 소위 슈퍼컴퓨터라 불릴만한 성능을 가진 데스크탑 CPU 의 발전이 놀라운데, 이번에 AMD에서 발표한 CPU도 놀라울 정도의 가벽 대비 성능을 자랑하는 CPU를 발표하였습니다.

저렴한 비용으로 책상위의 슈퍼컴을 장만할 수 있는 기회가 오고 있는 것 같습니다.

아래 ITWOLD에서 2018.08.07에 게재한 기사를 인용 소개합니다.

AMD 32코어 쓰레드리퍼, 코어수와 가격으로 인텔에 정면 승부

Gordon Mah Ung | PCWorld

자료출처 : 본 기사는 ITWORLD의 기사를 인용게재한 내용입니다. (원문보기)

AMD가 2세대 라이젠 쓰레드리퍼(Ryzen Threadrippers, 또는 쓰레드리퍼 2)를 공식 발표했다. 코어수도 놀랍지만 가격이 인텔을 정조준하고 있다.

2세대 라이젠 쓰레드리퍼 2990WX는 32코어 64쓰레드로, 권장 가격은 1,799달러(뉴에그나 아마존 예약 주문 가격)이다. 물론 엄청난 가격이지만, 인텔의 최상위 제품과 비교하면 상당히 저렴하다. 지난 해 출시된 인텔의 코어 i9-7980XE는 18코어 제품이지만 가격은 2,000달러이다.

쓰레드당 가격으로 따지면, 인텔의 코어 i9-7980XE는 약 55달러인데 반해 쓰레드리퍼 2는 약 28달러에 불과하다.

IDG

마치 대형 할인판매점과 같다. 쓰레드가 많을수록, 쓰레드당 가격은 떨어진다.

32코어 2990WX는 주력 제품이며, AMD는 다음과 같은 다양한 쓰레드리퍼 제품을 발표했다.

– 2세대 라이젠 쓰레드리퍼 2920X, 12코어 24쓰레드, 기본 클럭속도 3.5GHz, 부스트 클럭속도 4.3GHz, 가격 649달러.
– 2세대 라이젠 쓰레드리퍼 2950X, 16코어 32쓰레드, 기본 클럭속도 3.5GHz, 부스트 클럭속도 4.4GHz, 가격 899달러.
– 2세대 라이젠 쓰레드리퍼 2970WX, 24코어 48쓰레드, 기본 클럭속도 3.0GHz, 부스트 클럭속도 4.2GHz, 가격 1,299달러.
– 2세대 라이젠 쓰레드리퍼 2990WX, 32코어 64쓰레드, 기본 클럭속도 3.0GHz, 부스트 클럭속도 4.2GHz, 가격 1,799달러.

32코어 쓰레드리퍼 2990WX는 현재 예약 주문이 가능하며, 정식 출하일은 8월 13일로 예상된다. 16코어 2950X의 출시일은 8월 31일이며, 나머지 24코어, 12코어 제품은 10월에 출시된다.

2세대 쓰레드리퍼는 모두 AMD가 올해 초 2세대 라이젠 칩과 함께 내놓은 향상된 12나노 젠+ 아키텍처를 기반으로 한다. 또한 모든 CPU는 기존 X399 메인보드와 호환되며, 구형 CPU 없이도 BIOS 업데이트를 지원한다.

신형 CPU는 1세대 제품과 비교해 확연한 성능 향상을 제공하며, 동급 인텔 제품과의 비교를 불허한다. AMD는 32코어 쓰레드리퍼 2990WX가 시네벤치 R15를 기준으로 인텔의 18코어 코어 i9-7980XE보다 50% 더 빠르다고 밝혔다. POV-Ray 같은 다른 멀티쓰레드 기반 테스트에서도 47% 앞섰다.

모델명에 추가된 W
사실 AMD가 일부 2세대 쓰레드리퍼의 모델명에 W를 추가한 것도 이 때문이다. AMD는 많은 애플리케이션과 게임이 쓰레드나 코어수보다는 더 높은 클럭속도를 선호한다며, W가 없는 두 모델은 바로 이런 사용자를 위한 것이라고 설명했다.

24코어와 32코어 제품의 모델명에 WX를 붙인 것은 이들 CPU가 창작자나 혁신가를 정조준하고 있음을 나타내기 위한 것이다. 즉 W가 추가된 모델은 픽셀이나 프레임, 그리고 광선을 극한까지 추구하는 사람들을 위한 것으로, 이들은 가능한 많은 코어와 쓰레드를 필요로 한다.

주요 이정표
일반 소비자용 CPU에 32코어를 도입하면서 CPU 전쟁은 새로운 전기를 맞이한다. 불과 2년 전, 인텔은 10코어 코어 i7-6950X를 무려 1,723달러에 출시했는데, 지금은 32코어 CPU가 1,799달러에 나왔다.

IDG

날로 치열해지는 코어 전쟁

조만간 나올 인텔의 대응 기대
물론 인텔이 한가로이 앉아 레모네이드나 홀짝거리는 것은 아니지만, 경쟁은 치열하다. AMD가 지난 컴퓨텍스에서 32코어 괴물을 공개하기 하루 전날, 인텔은 28코어에 클럭속도 5GHz짜리 괴물을 소개했다. 이 제품은 올해말 출시될 것으로 예상된다.

인텔의 문제는 이 CPU의 시연을 솔직하게 보여주지 않은 것이다. 인텔 임원은 28코어 CPU가 5GHz로 동작한다고 밝혔지만, 이를 위해 산업용 수랭 시스템을 사용했는지를 밝히지 않았다. 나중에 인텔은 시연이란 것이 언제나 그렇듯이 오버클러킹 시연처럼 가능성을 확인하기 위한 것이라고 설명했다.

이런 논란과 관계없이 AMD 쓰레드리퍼 2990WX는 몇 개월 먼저 출시된 상태이다. 더구나 인텔이 28코어 CPU를 어떤가격에 판매해야 AMD의 신작과 경쟁할 수 있을지도 의문이다. 기업 사용자와의 형평성이 걸림돌이 되는데, 현재 28코어 제온 플래티넘 8176의 가격은 8,719달러이다.

기존 워크스테이션 고객을 걱정할 필요가 없는 AMD는 다시 한 번 가격 파괴 전략을 펼치고있다. 이런 식으로 AMD는 인텔과 코어와 가격으로 정면 대결하기를 원하지만, 인텔은 이런 직접 대결을 최대한 피하고자 한다. editor@itworld.co.kr

금속 3D 프린팅 파우더 베드 해석(PBF해석)

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

레이저 파우더 베드 퓨전 (L-PBF) 첨가제 제조에는 복잡한 물리적 공정이 필요합니다. 특히, 흡수 된 레이저 빔 에너지는 입자를 녹여 강한 유체 흐름이 표면 장력 기울기 (또는 Marangoni 전단 응력)에 의해 주로 발생하는 용융 풀을 형성합니다. 열 전달 및 유체 유동은 분말 베드 내의 분말 입자의 국부적 배열에 의해 영향을 받으며, 이는 위치에 따라 다를 수 있습니다. 매우 일시적인 유체 흐름으로 인해 용융 된 풀 표면 (자유 표면)의 형상이 끊임없이 진화하여 최종 표면 품질에 영향을 미칩니다.

Numerical modeling approach

본 연구에서는 분말 포장 특성, 공정 변수 및 용융 풀 역학이 표면 품질에 미치는 영향을 정량적으로 이해하기 위해 두 가지 모델을 순서대로 사용합니다. 첫 번째 모델은 오픈 소스 이산 요소 방법 (DEM) 코드 인 Yade를 기반으로 개발 된 분말 입자 포장 모델입니다. 입자 적층 정보 (예를 들어, 개별 입자의 위치 및 반경)를 제공한다. 이러한 정보는 FLOW-3D를 기반으로 한 3D 과도 용융 풀 모델 인 두 번째 모델에 입력됩니다. 두 모델의 세부 사항은 문헌 [1]에 나와있다. FLOW-3D를 기반으로 한 용융 풀 모델의 특징을 요약하면 다음과 같습니다.

과도 유체 흐름 시뮬레이션은 그림 1에서와 같이 1000 μm (길이), 270 μm (너비) 및 190 μm (높이) 치수의 3D 계산 영역에서 수행됩니다. 도메인은 50 μm 두께의 층 의 분말 입자를 90㎛ 두께의 기판 위에 놓았다. 도메인의 미리 알림은 처음에는 무효로 채워집니다. 분말 층 형상은 DEM 시뮬레이션의 결과를 사용하여 초기화됩니다. 총 셀 수를 줄이면서 공간 분해능을 극대화하기 위해 메쉬 크기가 기판 / 파우더 레이어 인터페이스를 향하여 기판에서 9 μm에서 3 μm까지 연속적으로 감소하는 편향 메쉬가 사용됩니다. 메쉬 크기는 파우더 레이어와 그 위의 빈 공간에서 3 μm로 일정하게 유지됩니다. 총 셀 수는 143 만입니다.

경계 조건의 경우, 가우시안 분포에 기초한 소정의 열유속이 분말 층의 상부 표면에 부과되어 X 방향을 따라 이동하는 레이저로부터의 열 입력을 나타낸다. 온도에 따른 표면 장력은 FLOW-3D에서 사용 가능한 개선 된 표면 장력 모델을 사용하여 포함됩니다. 다른 열 – 물리적 특성의 경우, FLOW-3D 데이터베이스에서 사용 가능한 IN718 합금에 대한 데이터가 사용됩니다.

Result and discussion

그림 2는 시간 = 55 μs에서 용융 풀 내의 온도 등면 및 속도 벡터의 종단면도 (즉, 레이저 이동 방향에 평행 한 단면)를 도시한다. 용융 된 풀 경계는 1608.15 K에서 등온선으로 표시되며, IN718의 액상 선 온도입니다. 이 그림의 오른쪽에 표시된 것처럼 입자는 부분적으로 용융 풀로 용융됩니다. 용융 된 풀 표면 근처에서, 용융 금속은 레이저 빔 바로 밑의 중심 위치에서 풀의 후단으로 당겨진다. 풀 표면 근처의 용융 금속의 이와 같은 역류는 풀의 후단을 향해 고비를 형성하는 동안 레이저 빔 아래에서 움푹 들어간 표면 프로파일을 생성한다. 다음에서 논의되는 바와 같이, 혹 모양은 볼 결함의 형성을 초래할 수 있습니다.

볼링(balling)은 그림 3에서와 같이 용융 풀이 불연속으로 분리되어 분리 된 섬으로 갈라질 때 발생할 수있는 결함입니다.이 그림에서 알 수 있듯이 레이저 빔 바로 아래의 용융 풀은 안정적이지 않으며 후단이 빠르게 분리됩니다 정면에서 분리 된 섬을 형성합니다. 분리는 그림 3 (c)와 같이 용융 풀의 중간에있는 보이드에서 시작된다. 이 공극은 레이저가 앞으로 계속 이동하면서 팽창하여 결국 용융 된 풀을 두 부분으로 나눕니다. 도 3 (e) 및 (f). 공극의 형성과 그 팽창은 표면 장력 구배 (Marangoni 효과)에 의해 강한 후진 유동에 의해 유발됩니다.

Summary

L-PBF에서의 열 전달 및 유체 흐름의 3D 과도 시뮬레이션은 볼 결함의 형성을 정량적으로 이해하기 위해 수행됩니다. 단순한 선형 트랙 만 시뮬레이션되었지만, 본 모델은 최종 빌드 품질의 중요한 속성 인 용융 풀 표면 프로파일 및 볼링 결함 형성을 연구 할 때 분말 레벨 시뮬레이션의 중요성을 보여줍니다.

뿐만 아니라 위의 금속 분말 소결 시뮬레이션은 금속 3D 프린팅(Metal 3D Printing) 산업의 핵심 기술이며 차후 많은 연구와 응용이 기대되는 분야가 될 것입니다.

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

[1] Y.S. Lee and W. Zhang, Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufacturing, In: 2015 Annual International Solid Freeform Fabrication Symposium, Austin, TX, pp. 1154-1165, August 2015.

FLOW-3D 금속3D프린팅분야 활용

FLOW-3D 레이저 용접분야 활용

금속 3D 프린팅은 적층제조(Additive Manufacturing) 가공법이라고 불리며 일반적으로 금속 파우더 또는 와이어를 한 층씩 적층하여 제조하는 공법이다. 금속 적층제조 공법에 대한 관심은 지난 몇 년 동안 지속적으로 이루어지고 있으며 이와 관련된 연구개발도 활발히 진행되고 있다. 금속 3D 프린팅은 복잡하거나 특수한 형상을 손쉽게 설계하고 제조할 수 있는 장점을 가지고 있어 조선, 우주 항공, 자동차, 의료,기계 등 다양한 분야에서 사용되고 있다.이러한 금속 3D 프린팅은 크게 Powder Bed Fusion(PBF) 공정과 Directed Energy Deposition(DED) 공정으로 분류할 수 있다.

PBF는 금속 파우더를 소재로 하는 공정으로 파우더를 평평히 깔고, 고밀도 에너지를 가진 레이저 또는 전자빔을 지정된 영역에 조사(Irradiation)하여 파우더를 소결시키거나 용융시켜 한 층씩 적층하는 방법이다. DED는 고출력 레이저 빔을 금속 표면에 조사하면서 동시에 금속 파우더도 같이 분출되어 용융지가 실시간으로 적층되는 공정이다. 용접과 유사한 방법으로 기존 제품에 덧붙여 쌓아 올릴 수 있어 보수 작업에 활용할 수 있다. 그리고, DED 공정에서는 이종 소재의 적층이 가능하여 다양한 금속 파우더를 활용한 합금 제작이나 다른 재질을 소재를 적층할 수 있다

Powder Bed Fusion(PBF) 공정

FLOW-3D의 Weld 모듈을 이용하여 레이저 파워, 열 유속, 레이저 Spot 사이즈, 레이저 움직임과 속도, 실드 가스, 멀티 반사효과, 반사율, 증발압력 효과, 표면장력 설정 등을 고려하여 Powder에 레이저조사 조건을 설정하여 용융거동을 확인할 수 있다.

Directed Energy Deposition(DED) 공정

DED 공정 해석은 FLOW-3D의 Particle 기능을 이용한 방법으로, Base Metal에 입자들이 낙하되면서 레이저의 열유속에 의해 용융 및 적층된다. 이 방법은 입자가 떨어지는 현상을 시각적으로 확인할 수 있다.

기사 상세 내용은 PDF로 제공됩니다.

다운로드 : [201907_FLOW3D_금속3D프린팅]

작성자 | 양정호_에스티아이C&D 솔루션사업부 대리, 조애령_에스티아이C&D 솔루션 사업부 차장
이메일 | flow3d@stikorea.co.k r
홈페이지 | www.flow3d.co.kr

출처 : CAD&Graphics 2019년 07월호

FLOW-3D 레이저분야 활용

FLOW-3D 레이저 용접분야 활용

FLOW-3D는 유체의 유동 및 열전달 수치 해석 소프트웨어이며, 자유표면(자유수면)을 가진 유체의 흐름을 정확하게 예측한다. FLOW-3D는 수 많은 물리적 유동 현상에 대한 시뮬레이션 모델을 제공하여, 설계 및 운영 단계에서 엔지니어가 쉽고 정확하게 판단할 수 있도록 해주기 때문에 수리, 주조, 기계, 항공, 용접, 적층 공정, 금속 3D 프린팅 등 여러 분야에서 사용되는 소프트웨어이다. 이번 호에서는 FLOW-3D의 다양한 활용 분야 중에서 레이저 용접 분야(Weld 모듈이 연계된 FLOW-3D Weld를 사용)에 대해 자세히 알아보고자 한다.

레이저 용접은 레이저 광선의 출력을 응용한 용접 방법을 말한다. 레이저 용접의 장점은 용접 강도가 좋고, 열 영향 부위가 작으며, 정밀도가 높고 변형이 적으며 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접할 수 있다는 것이다.
FLOW-3D Weld는 이러한 레이저 용접 공정에 대해 정확한 결과를 얻게 해 주며, 엔지니어가 레이저 프로세스를 최적화하는데 도움을 준다. FLOW-3D Weld는 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발 압력, shield gas 효과, 다중 레이저 반사 등과 같은 물리적 모델을 적용하여 Conduction 용접, Keyhole 용접, Porosity, 용융풀 거동 등을 분석할 수 있다.
이번 호에서는 레이저 용접 프로세스 및 결과물을 최적화하기 위해 필요한 물리적 설정과 대표적인 레이저 용접 해석 예제를 설명하고자 한다.

레이저 광원

1. 레이저 광원
레이저 용접을 하는데 있어 레이저 광원의 설정이 필요하다. FLOW-3D Weld에서 사용되는 레이저 광원은 원통형과 원추형으로 설정할 수 있으며, <그림 1>과 같이 Heat flux를 일정한 상태 또는 가우시안 분포(Gaussian distribution) 형태로 나타낼 수 있다.

레이저 광원의 형태를 원추형으로, 가우시안 분포를 가지도록 Heat flux를 설정하면 <그림 2>와 같이 광원이 원추형으로 나타나며, 반경 거리에 따른 Heat flux의 에너지 밀도 차이도 확인할 수 있다.

그리고, <그림 3>과 같이 레이저 광원의 위치 좌표와 속도 벡터를 설정하면, 레이저의 위치에 대한 광원의 움직임 설정이 가능하다.

기사 상세 내용은 PDF로 제공됩니다.

다운로드[2M] : [201906_FLOW3D_레이저용접]

작성자 | 양정호_에스티아이C&D 솔루션사업부 대리, 조애령_에스티아이C&D 솔루션 사업부 차장
이메일 | flow3d@stikorea.co.k r
홈페이지 | www.flow3d.co.kr

출처 : CAD&Graphics 2019년 06월호

Grit Chamber Modeling

This material was provided by Yovanni A. Cataño-Lopera, Research Associate at University of Illinois at Urbana-Champaign.

142.4 평방 마일의 지역에 거주하는 130만명의 주민들이 사용하는 간척지는 예전부터 모래가 균일하지 않게 분포되어 있었습니다. 특히, 더 많은 모래가 2개의 탱크, 11번과 12번에 만들어졌습니다. 1997년 원래 12개의 탱크에 6개의 공기 순환 탱크로 교체된 후에도 모래의 고르지 않은 분배 문제가 지속되었습니다. 6차 그리트 탱크(이전의 11번 및 12번 탱크)의 모래 과부하 문제를 해결하기 위해 탱크 입구를 조절해야 하며, 이로 인해 그리드 챔버의 용량이 손실됩니다. 모래 탱크를 공기 순환 탱크로 교체한 후에도 문제가 지속됨에 따라, 물 분배 시스템의 수문 특성을 연구할 필요성이 분명해 졌습니다.

Velocity and shear velocity distribution along feeding tunnel and distributor

FLOW-3D를 사용하여 폭기조로 유입되는 흐름을 전산 유체역학 시뮬레이션하였습니다. 더 높은 펌핑 속도(Q ≥ 225 mgd)의 경우 분배 시스템의 흐름이 분배 시스템의 남쪽에서 상대적으로 낮은 속도로 비대칭이 되는 것으로 관찰되었습니다. (여기서 6번째 그릿 탱크가 위치합니다). 그리트 챔버로 유입되는 물의 속도가 낮을수록 모래가 더 많이 쌓이기 때문에 결과는 문제의 원인에 대한 초기 정보를 제공합니다. 챔버 유입구 터널에서 부유된 침전물의 연속적인 투입은 FLOW-3D를 이용하여 다양한 펌핑 속도에 대한 영향을 조사하였으며, 결과는 유출량이 증가함에 따라 챔버 6으로 전환된 침전물의 비대칭성은 더 두드러진다는 것을 보여줍니다.

Bedload and suspended sediment distribution in the grit chambers

For visualization as well as post-processing of the simulation data, Tecplot 360 by Tecplot was used.

Advances in Nanotechnology

Advances in Nanotechnology

This article was contributed by Prof. Edward Furlani and his students from the University at Buffalo, SUNY.

Microfluidics와 nanofluidics는 나노와 나노사이의 기능을 가진 재료와 시스템을 통한 유체 흐름의 과학과 기술을 포함하는 분야입니다. 최근 몇 년 사이에 이 분야의 연구는 재료 개발과 시스템의 급속한 발전된 유체공정의 독특한 이점으로 증가해 왔습니다. Microfluidic 및 nanofluidic 시스템은 화학 반응, 유체 가열, 혼합 및 감지와 같은 순차적 또는 다중화된 공정을 포함할 수 있는 응용 분야에서 마이크로 사이즈의 유체 유동은 매우 효율적이고 반복 가능하며 신속한 처리를 가능하게 합니다. 풀 라니 (Furlani) 교수 그룹의 연구는 새로운 공정 및 장치 개발에 대한 모델링 및 시뮬레이션을 보여줍니다. 이 연구의 대부분은 뉴턴 및 비 뉴턴 유체, 열 전달, 상변화 분석, 자유표면 및 다상분석, 유체와 관련된 유체 현상을 연구하기 위해 최첨단 전산 유체역학을 강조합니다. 매체 상호작용, 다공성 매체를 통한 유동, 완전히 결합된 유체구조 및 입자, 유체 상호작용에 대해 콜로이드. 국제 나노 기술 학술 대회에서 3 편의 논문이 발표될 예정입니다. 2014년 6월 15일부터 18 일까지 워싱턴 DC의 Gaylord National Hotel 및 Convention Center에서 개최됩니다. 이들은 버팔로 대학교 (University at Buffalo)에서 진행되는 획기적인 결과를 선보입니다. 여기에서는 이러한 작품의 미리 보기와 FLOW-3D로 생성된 시뮬레이션 결과 중 일부를 제시합니다.

Analysis of Stem Cell Culture Performance in a Microcarrier Bioreactor System

Koushik Ponnuru¹, Jincheng Wu¹, Preeti Ashok¹, Emmanuel S. Tzanakakis^1,3,4,5,6 and Edward P. Furlani^1,2

¹Dept. of Chemical and Biological Engineering, ² Dept. of Electrical Engineering, ³Dept. of Biomedical Engineering, ⁴New York State Center of Excellence in Bioinformatics and Life Sciences, ⁵Western New York Stem Cell Culture and Analysis Center, ⁶Genetics, Genomics and Bioinformatics, University at Buffalo, SUNY

(left) Shear stress distribution along with velocity vectors in a cross sectional plane of the bioreactor running at 60 rpm; (right) Kolmogorov length scale distribution at the same plane under the same conditions.

CFD 기반 시뮬레이션과 실험결과의 조합으로 교반 탱크의 마이크로 캐리어 생물 반응기 시스템에서 세포 배양에 대한 난류 전단응력의 영향에 대한 분석을 제시합니다. Corning’s bench-scale spinner flask의 3D 계산 모델은 최첨단 CFD 소프트웨어 인 FLOW-3D를 사용하여 제작되었습니다. 임펠러 속도, 배양액 및 입자 크기와 같은 매개변수가 마이크로 캐리어 입자에 작용되는 전단응력에 미치는 영향을 CFD 분석을 사용하여 연구하였습니다. 이것은 세포가 겪는 정확한 전단 조건을 예측하고 세포의 손상을 방지하는 최적의 작동조건을 확인하는데 사용됩니다. 또한, 다원능 마커 Oct4, Sox2 및 Nanog를 운반하는 세포의 비율을 세포 계측법 및 정량적 PCR을 사용하여 측정함으로써 hPSCs의 다능성 전단효과를 연구합니다.

Numerical Analysis of Fully-Coupled Particle-Fluid Transport and Free-Flow Magnetophoretic Sorting in Microfluidic Systems

Chenxu Liu¹, Xiaozheng Xue¹ and Edward P. Furlani ^1,2

¹Dept. of Chemical and Biological Engineering, ²Dept. of Electrical Engineering, University at Buffalo, SUNY

Magnetic nanoparticle chaining and rotating following an external field and causing the mixing of two different molecular concentrations.

Magnetic 입자는 생체 의학 및 임상 진단 응용을 위해 생체 재료를 선택적으로 분리 및 분류하는 마이크로 유체시스템에 점점 더 많이 사용되고 있습니다. 그러한 시스템의 합리적인 설계에 사용될 수 있는 전산모델이 도입되었습니다. 이 모델은 자기 및 유체 역학적 힘, 완전 결합 입자 – 유체 상호 작용 및 입자의 자기 조립을 유도하는 자기 쌍극자와 쌍극자의 상호 작용을 비롯한 입자 수송에 대한 지배적 메커니즘을 고려합니다. 응용 프로그램을 통해 연속흐름 분리시스템 및 회전 조립 체인을 기반으로 하는 미세 유체 혼합프로세스로 시연됩니다.

Numerical Analysis of Laser Induced Photothermal Effects using Colloidal Plasmonic Nanostructures

Ioannis H. Karampelas¹, Young Hwa Kim² and Edward P. Furlani ^1,2

¹Dept. of Chemical and Biological Engineering, ² Dept. of Electrical Engineering, University at Buffalo, SUNY

Photothermal heat cycle of a nanocage (a=50nm, t=5nm) (perspective 1/8 view): plot of nanocage temperature vs. time, pulse duration indicated by the red arrow and dashed line and inset plots showing various phases of the thermo -fluidic cycle: (a) nanobubble formation, (b) nanobubble (maximum size), (c) nanobubble collapse, (d) cooling.

Colloidal 귀금속 (plasmonic) 나노 구조는 나노 입자 합성에서부터 바이오 이미징 (bioimaging), 의학 요법 (medical therapy)에 이르기까지 다양한 광열 (photothermal) 분야에서 점점 더 많이 사용되고 있습니다. 많은 응용분야에서, 펄스 레이저는 plasmonic 공진 주파수에서 나노 구조를 사용하며, 이는 광자의 흡수 및 고도로 국부화된 파장필드의 향상을 가져옵니다. 원격 소스로부터 효율적인 나노 스케일 가열하는 것 외에도, 합성동안 나노 입자의 구조를 조정함으로써 근적외선 스펙트럼을 통한 공진 가열파장을 조정할 수 있습니다. 우리 그룹은 nanosecond-pulsed, laser-heated colloidal metallic nanoparticles 및 열 유체 거동을 예측하는 전산모델을 개발했습니다. 이 모델은 플라즈몬 공명, 입자에서 주변 유체로의 열 전달 및 균일한 기포 핵 형성을 유도하는 유체의 위상변화에서 나노 입자 내의 에너지 전환을 시뮬레이션 하는데 사용되었습니다. nanorods, nanotori, nanorings 및 nanocages 등 다양한 nanoparticle 형상이 연구되었습니다. 이 분석은 레이저 강도, 입사 파장, 편광, 펄스 지속 시간 및 나노 입자의 방향 및 모양과 같은 공정 매개 변수가 광열 공정을 최적화하도록 조정될 수 있음을 보여줍니다. Plasmonic nanoparticles는 악성 조직의 약물 치료, 약물 전달 및 생체치료에 사용됩니다.

Sturgeon Navigate Fish Ladder

Sturgeon Navigate Fish Ladder

This material was provided by Jean-François Mercier, ing., Manager, hydraulics and hydrology at AECOM Tecsult inc.

AECOM Tecsult inc.은 FLOW-3D를 이용하여 물리적 모델링을 사용하지 않고 철갑상어가 Fish ladder를 탐색할 수 있는 물고기 사다리 설계를 개선했습니다. 실험은 현장구현의 제한과 비용때문에 배제되었고 FLOW-3D의 수치 모델링 결과로 정확한 정보를 제공하는 것이 중요했습니다.

Fish ladder는 James Bay, Quebec, Canada의 이스트 메인 강에 2005~2006년사이에 지어졌습니다. 2006년과 2007년에 실시된 후속 연구는, 다른 종의 물고기들이 이 사다리를 오를 수 있었던 반면, 철갑상어는 실패한 경우를 보여주었습니다. 기존의 Fish ladder에서 두 가지의 문제가 발견되었습니다. AECOM Tecsult inc에서의 물고기의 낮은 어획과 물의 빠른 속도가 문제가 되었습니다. 엔지니어들은 이러한 문제에 대한 해결책을 찾기 위해 FLOW-3D로 수치 모델링 연구를 수행하기로 결정했습니다.

Redesigning the fish ladder

AECOMTecsultinc. 엔지니어들은 물고기 사다리에 대한 최적의 설계 변경을 결정하기 위해 세가지 모델을 실행했습니다.

유인을 극대화할 수 있는 강과 물고기 통로 사이의 흐름 분포를 평가하는 지역모델. 산란기 동안의 정상적인 조건에서 물고기 통로는 22m³/s의 유량흐름이 나타난다.
슬롯 및 디플렉터의 개조를 위한 로컬 모델
전체 길이에 걸쳐 수위 균형 유지를 위한 통로모델

Fish ladder specifications (before renovation)

Flow in fish passage before design optimization work

Length = 150 m
17 basins
Drop = 3 m
Peak velocities of 2.6 m/s

Figure 1 – 45% of flow in fish passage shows velocities that are too high for the sturgeon to navigate

Figure 2 – 10% of flow in fish passage shows below the 1.8 m/s criteria required for sturgeon to navigate

Figure 3 – Tests were made with different additions of blocks (pink) and deflector plates (black) to find an optimum configuration

Validation of the numeric model

CFD모델을 실행한 후 엔지니어는 실험 데이터에 대해 숫자 결과를 검증했습니다. Flow-3D결과는 표면 높이를 비교하는 수문 기록과 비교되었습니다. 124개 중 80%가 유속이 일치했습니다. 동일한 위치 점에서 일치하지 않는 곳은 난류 영역이었습니다.

Velocity comparisons of measured data and FLOW-3D at specific locations

Meeting the criteria — modifications to flow rates

엔지니어들은 물고기가 곧장 바다로 가지 않도록 흐름을 15~20%로 줄이기 위해 Fish ladder를 개조하기로 결정했습니다. 그림 2는 그림과 비교하여 물고기 통로의 10% 유량으로 현저한 속도 감소를 보여 줍니다. 물고기 통로에 흐름의 45%를 가진 1. 그림 3은 흐름 속도를 늦추기 위한 블록 및 디플렉터를 보여 줍니다. 설정된 기준의 최대 속도는 1.8m/s 였습니다. 전체 흐름 조건은 그림 1과 2에서와 같이 모델로 잘 표현됩니다.

Conclusion

AECOM Tecsult inc 엔지니어들은 그들의 숫자 모델의 정확성을 검증할 수 있었고 FLOW-3D로부터 얻은 정보를 사용하였고 물고기 통로를 재설계하여 테스트와 관련된 높은 비용을 피할 수 있었습니다. 2008년 여름에 있었던 후속 연구에 따르면 철갑 상어가 높은 유량에도 불구하고 성공적으로 물고기 통로를 통과하고 있다는 것을 보여 주었습니다.

해석예제 및 적용사례

당사에서 오랜 기간 동안 FLOW-3D를 적용한 분야별 프로젝트 적용사례와 간단한 소개 자료를 제공합니다.
아래 분야별 적용사례 다운로드 링크를 클릭하여 자유롭게 활용하시기 바랍니다.

São Roque Hydro Power Plant

São Roque Hydro Power Plant

This article was contributed by Diego David Baptista de Souza, Alexandre Charles Allain, and Anaximandro Steckling Muller of Engevix Engenharia S/A.

The São Roque hydroplant project는 브라질의 카노아스 강 산타 카타리나 주에 있습니다. 롤러 압축 콘크리트 댐은 141,9MW의 설치 용량을 허용합니다. 그림 1은 프로젝트의 위치를 보여 줍니다.

Figure 1 – São Roque hydro power plant location

제트 편향은 낮은 홍수에 대해 배수로의 첫번째 단계에서 발생하며 불안전한 흐름과 진동을 일으킵니다. 수치 모델링은 제트 편향을 제한하는 첫 단계의 형상을 최적화하는데 사용될 수 있습니다. 편향이 발생하는 임계 방전을 최소화하는 기하학적 구조를 찾기 위해 여러 번의 시뮬레이션이 수행되었습니다. 처음 계단식 배수로를 따라 설치된 흐름을 스키핑 흐름이라 한다. 유량 시스템이 불안정성을 보이기 시작하면서 결국 제트가 임계 유량으로 비상할 때까지 저수지의 수위가 점차적으로 낮아지게 됩니다.

시뮬레이션한 모든 기하학적 구조는 고정 매개변수인 1.2m의 정규 계단높이와 53°의 경사를 포함합니다. 그림 2와 3은 두개의 기하학적 구조를 보여 줍니다. 수치 모델에는 TruVOF 기법을 이용한 공기 침투 및 자유 표면 추적이 포함됩니다. 색상 범례는 물의 농도를 나타내며, 물 1은 100% 물이고 0은 100% 공기입니다. 분석은 y축에 있는 단일 2D블록인 spillway의 단면 모델을 사용하여 수행되었습니다.
jet takeoff 에 따라 해당되는 유량을 사용해 관련 형상을 비교하고 가장 효율적인 형상을 결정할 수 있습니다. 제트 편향에 해당하는 임계 유량은 탱크 레벨이 낮아지는 속도와 시뮬레이션에 사용되는 메쉬의 크기에 따라 달라지게 됩니다.

Spillway Water Profile and Energy Dissipation

Jet Deflection on Upper Spillway

그림 2는 ‘생성자’ 프로파일과 단계별 섹션 사이의 전환 위치에 대한 2개의 기하학적 설계(상단과 하단)를 비교하여 보여줍니다. 좌측에는 흐름이 스키밍 체제에 있고 중앙에서 탱크 레벨이 점차 낮아지면서 플럭스가 동요되기 시작합니다. 우측에는 지속적인 상태 방출과 함께 jet takeoff 가 표시되어 있습니다.

Figure 2 – Comparison of 2 geometric designs

Figure 3 – Spillway water and energy profiles

Figure 4 – Turbulent energy dissipation on stepped spillway

발생 가능한 최대 홍수의 양에 대해 계단식 배수로와 에너지 분산이 평가되었습니다. 표준 단계는 공기 침투 모델과 함께 FLOW-3D와 비교했습니다. 그림 3은 수치 모델과 이론 모델 모두의 결과를 나타내는데 이 현상을 평가하기 위해 FLOW-3D에 단면 모델이 적용되었습니다.
수치 시뮬레이션으로 얻은 Water의 프로필은 공기 흡입을 고려할 때 이론적 모델과 잘 맞습니다. 에너지 프로필은 이론적 모델에서 수렴적인 결과로 약간의 차이가 나타납니다. 이러한 차이는 단계별 채널이 시작되기 전에 Creager프로필의 수두손실을 무시하는 것과 같은 일부 이론적 가정의 결과일 수 있습니다. 다운 스트림에서 유출되는 에너지 프로필은 유출되는 유압 점프로 인해 떨어지게 됩니다. 그림 4는 FLOW-3D의 난류 에너지 소산을 나타냅니다.

Flow Distribution at Turbine Entrance

Figure 5 – Flow trough penstocks upstream turbine entrance

물의 Head 높이는53m이고 총 방출량이333 m³/s인 동일한 3개의 강철 penstock를 통해 전달됩니다. 그 터빈들은 수직 축을 가진 Francis 타입입니다. penstock하단에는 플럭스가 터빈으로 유도되기 전 마지막 커브 뒤에 수평 부분이 남아 있습니다. 이 수평 부분은 터빈에 도달하기 전에 흐름을 안정화시키는데 필요합니다. 필요한 길이와 속도 및 압력 분포의 작동 방식을 결정하기 위해 수치 모델링이 사용되었습니다.
업 스트림 경계 조건은 유량 소스로 설정되며 물 취수구 끝에 위치합니다. 하류인 터빈 입구에는 특정 압력이 설정되어 있어 Bernoulli 방정식이 사용됩니다. 수두 손실은 이론적으로 계산되었고 이 등식에서 제외되었습니다. 마지막으로, 거칠기를 보정하여 수치모델과 이론 계산에서 헤드 손실이 동일하도록 2mm의 거칠기가 설정되었습니다. 이는 강철 penstock의 거칠기와 잘 일치합니다. 또한 메쉬 크기는 0.5m의 셀로 설정되었습니다.

이 세가지 구성은 모두 터빈 입구 바로 앞에 위치한 크로스 섹션의 하부에서 더 높은 속도를 보여 줍니다. 흐름은 단면 1과 단면 2사이에서 많은 변화는 없었습니다. 실제로 깊이 평균 속도와 압력 분포 측면에서 전체 결과는 직경이 전환된 직후에 흐름이 이미 안정화되었음을 나타냅니다. 구성 3에서 속도 분포는 수평 단면을 따라 계속 발전한다는 것은 흥미로운 사실입니다. 따라서, 이 수평적인 penstock의 길이를 증가시킬 필요가 없는 것처럼 보였습니다. 또한, 이것은 비용과 수두손실을 상당히 증가시킬 것입니다. 따라서 초기 프로젝트의 개요는 최종 프로젝트를 위해 그대로 유지되었습니다. 이 시뮬레이션은 수치 모델이 의사 결정 지원을 위한 효율적이고 빠른 도구임을 입증하게 됩니다.

Draft Tube Exit

그 draft tube는 운하의 흐름을 분산시킵니다. 하지만, 갑작스런 단면의 확장으로 인해, 흐름 체제는 난류와 수두 손실의 상당한 확산으로 인해 변화하게 됩니다. 수치 모델을 사용하여 수두손실을 확인할 수 있습니다.

상류 경계조건은 체적 흐름 속도로 설정되었고 draft tube의 수문에 위치합니다. 하류에서는 정상 작동 수위와 동등한 압력이 설정되었습니다. 메쉬 크기는 0.5m로 설정되었습니다.

이 수치 모델은 14cm의 수두 손실을 초래하는 반면, 이론적인 계산은 16.7cm로 비교적으로 수렴하고 있습니다. 3D수치 해석을 사용하면 수두손실을 최소화하는 기하학적인 최적화를 할 수 있습니다.

Figure 6 – Downstream view of the 3 units’ draft tube exit with the FAVOR™ option

Figure 7 – Cross section of the draft tube exit and tailrace channel in terms of velocity magnitude and vectors

Conclusions

수치 모델링은 수력학 엔지니어에게 유용한 도구이고 FLOW-3D와 같은 패키지는 매우 효율적인 도구입니다. 또한 솔루션 및 최적화를 통해 비용을 절감할 수 있습니다. 저자들의 경험에 따르면 다양한 문제에 있어 3차원 모델링은 훌륭한 옵션이며 물리적 모델링과 함께 추가 도구로 사용될 수 있습니다. 때때로, 그것은 실제 모델을 대체할 수도 있는데, 그것은 São Roque HPP의 경우였습니다. 또한 3D 수치해석 최적화를 통해 물리적 모델을 설계하는데 도움이 될 수 있습니다.

Fish Ladder Design

This article was contributed by Jason Duguay of Université de Sherbrooke (Sherbrooke, Québec)

Introduction

자리 잡은 배설물로 인한 어류 이동의 장벽은 북미 전역에 걸친 광범위한 도로망의 불행한 현실입니다. 지하배수로들은 부적절하게 설치된 지하배수로과 침전의 조합에서 비롯됩니다. 지하배수로 배출구에서 부식 과정은 과도하게 큰 입자구멍을 발생시킬 수 있으며, 이로 인해 지하배수로 리포트와 하류표면 사이에서 수직낙하가 발생할 수 있습니다. 몇 센티미터에서 몇 미터 사이에 수직적장벽은 계곡의 서식지에서 물고기 종의 분포에 중요한 영향을 미치는 것으로 알려져 있고 작은 수로 서식지 조각화의 주요 원인 중 하나입니다.

본 연구에서 FLOW-3D는 수직통로를 제공함으로써 잃어버린 강가의 물고기 서식지를 되찾는 데 사용되었으며 또한, fish ladders 에서 사용되는 혁신적인 fish baffle의 설계에 중요한 역할을 했습니다. 이 연구는 캐나다 케백에 있는 Sherbrooke’s Civil Engineering Department에서 수행되었습니다. Flow-3D는 전체 Fish baffle과 fish ladder에 흐르는 수많은 변수를 조사하는 데 사용되었습니다.

Baffle Design and Fish Passage Criteria

baffle 설계는 그림 1에 제시된 기하학적 형태와 관련하여 arch baffle로 적절히 명명되었습니다. baffle 은 상, 하부 통로로 구성되어 있으며, 높은 곳과 낮은 곳에서 물고기가 지나갈 수 있습니다. baffle 설계 특징은 잔해로 인해 한 통로가 막히면 다른 통로가 물고기의 이동통로로 대체되는 것입니다. 각 baffle 의 큰 통로는 속도를 줄이기 위해 이전 baffle (그림 2참조)에 비해 엇갈리게 배치하였으며, Fish Ladder 전체에 걸쳐 저난류 재순환 구역을 개발하였습니다.

baffle 의 돌출된 아치는 물을 유지하고 웅덩이의 깊이를 증가시키기 위한 것입니다. Pool의 깊이가 커지면 pool의 체적 분산 파워(VDP)가 감소합니다. 농도, 중력 상수, 내부 유체의 체적이 계산됩니다. Pool과 인접한 업스트림 pool 사이를 비교합니다.

VDP는 일반적으로 평가되는 fish ladders 설계 기준입니다. Larnier등은 북미에 공통인 송어와 연어 종을 목표로 하는 어플리케이션에 대해 150 W/m³와 200 W/m³사이의 값을 권고합니다. Pool의 복잡한 기하학적 구조와 Fish ladder를 통과하는 유속에 대한 V의 의존성은 V가 Q의 함수로 어떻게 변하는 지에 대한 더 깊은 통찰없이 계산하기가 어렵습니다. FLOW-3D의 샘플링 볼륨 기능은 Eq.1에서 사용하기 위해 Pool안에 포함된 볼륨을 측정하는데 유용한 것으로 밝혀졌습니다. 표본 추출량은 하류쪽 부분에 3개의 Pool에 배치하였고, 석회 녹색 직사각형 상자로 그림 2에서 볼 수 있습니다.

또한 fish ladder 설계는 arch baffle의 통로 및 Pool내부에서 속도 및 난류분포에 대해 검증했습니다. 상승된 속도는 물고기의 이동을 방해하고, 난류가 높은 지역은 방향을 잃을 수 있으며 급격히 변화하는 힘에 의해 이동 및 ladder를 오르는 능력에 영향을 줄 수 있습니다.

일정한 지면 거리를 통과하는 데 필요한 것은 지면에 비례하는 물고기의 속도와 주변 물고기의 평균 속도에 비례합니다. 따라서, 물고기가 요구하는 에너지 출력을 줄이고 통과의 가능성을 향상시키기 위해 설계에서 속도를 최소화하고자 합니다. 종종 설계는 특정 대상 종의 임계 수영속도를 초과하는 속도의 존재에 대해 평가됩니다. 물고기의 최대속도는 일반적으로 몇 초 동안만 유지될 수 있고 등반이 재개되기 전에 회복이 필요합니다. 북미에서 사회적, 경제적으로 중요한 다수 어류의 임계 속도는 그림 3에 나와 있습니다.

Simulation Parameters

Arch baffle 이 장착된 fish ladder 디자인은 두 개의 경사(8.5%및 10%)와 두 개의 유속(Q=0.062 m³/s및 0.150 m³/s)에서 시뮬레이션되었습니다. k–turbulence모델은 난류운동 에너지(TKE)의 공간적 분포를 얻기 위해 적용되었습니다. baffle은 반원형의 강판 암거에서 시뮬레이션 되었습니다. 5개의 baffle 을 Fish Ladder Pool사이가 0.2m가 되도록 적절하게 간격을 두어야 합니다.

Hardware Information

시뮬레이션은 RAM 64GB가 장착된 XeonE5-1650 3.2GHz 6코어 워크 스테이션에서 실행되었습니다. 도메인의 총 셀 카운트는 약 250만개(0.025 m 셀 크기)였으며 20초의 흐름을 시뮬레이션하는 데 약 5시간이 소요되었습니다.

Results and Discussion

정상 상태 조건을 얻은 후, 후처리 및 유동흐름 시각화하기위해 결과 값을 Flowsight로 가져왔습니다. 속도와 난류의 공간 분포는 색상이 지정된 유선형을 따라 평가되었습니다. 속도 등급 분포의 예 이미지는 TKE의 공간 분포와 함께 그림 4a와 4c(낮은 유량 0.062 m³/s, 높은 유량 0.150 m³/s)에 제시되어 있습니다. (그림 4b, 4d는 각각 낮은 유량 및 높은 유량).

그림 4a와 4c의 속도 크기를 그림 3에서 제시한 속도와 비교하여, Fish Ladder는 시험된 유속에서 제공되는 물고기 종의 대부분에 대해 속도장벽을 일으키지 않을 것입니다. 그림 4a와 4b를 자세히 보면 아치형 배플의 바로 하류에서 낮은 속도와 낮은 TKE 값 (약 0.045 J/kg 풀에서 관찰되는 최대 TKE에 비례함)을 특징으로 하는 재순환구역 (레이블 1)이 나타납니다. Arch baffle 바로 아래쪽 재순환 구역은 기본 또는 보조 경로 중 하나를 통해 업스트림을 시도하고 정지하는데 이상적이라고 여겨집니다. 또 다른 저속, 낮은 난류공간이 arch baffle의 바로 상류쪽에 위치한 것으로 확인되었습니다(label 2 in Figure 4a). 이 구역은 물고기가 고속 통로를 통해 수영하거나 점프할 때 방향을 바꿀 수 있는 저속구역을 제공할 가능성이 높습니다.

높은 유량에서 결과에 따르면 돌출된 아치는 Pool의 볼륨을 증가시키고 VDP를 허용가능한 수준으로 유지하는 기능을 가집니다. 설명을 위해 Q=0.062 m³/s시뮬레이션에서 VDP가 60W/m3으로 관측되었으며 이는 0.153 m³/s과 117 m³/s와 비교됩니다. VDF는 95% 증가했음에도 불구하고 유속이 140% 증가하였고 Pool 내의 난류흐름을 줄였습니다.

Conclusion

전반적으로, Flow-3D는 fish ladder 의 흐름 영역에서 많은 baffle 설계 반복의 영향을 신속하게 평가할 수 있는 유연한 도구임이 입증되었습니다. Flow-3D의 FALTRize기능을 사용하여 시뮬레이션을 광범위하게 다시 작성하거나 리모델링을 하지 않고도 baffle 형상을 수정하고 기존 모델내에서 신속하게 넣을 수 있었습니다. 이 연구의 결과는 arch baffle 과 수반되는 fish ladder 디자인으로 설계된 물고기 통로를 개선할 수 있는 많은 잠재적인 이점을 제공한다는 것을 보여줍니다. 가까운 미래에 arch baffle은 캐나다 온타리오의 수십년의 암거에서 설명한 것과 유사한 방식으로 다수의 어류 통로에서 테스트될 예정입니다.

*The idea for the double passageway arch baffle form is credited to Ken Hannaford, biologist with the Newfoundland Government, Canada.

References

Bell, M. C. (1990). Fisheries Handbook of Engineering Requirements and Biological Criteria. U.S. Army Corps of Engineers, 3rd edition.

Larinier, M., Porcher, J., Travade, F., and Gosset, C. (1994). Passes a` poissons -Expertises et conception des ouvrages de franchissement. Conseil Supe´rior de la peˆche.

Laser Metal Deposition and Fluid Particles

FLOW-3D의 신규 모듈 개발을 하면서, 입자 모델의 새로운 입자 부류 중 하나인 유체 입자의 기능에 초점을 맞출 것입니다. 유체 입자는 증발 및 응고를 포함하여 유체 속성을 본질적으로 부여합니다. 유체 입자가 비교적 간단한 강우 모델링에서 복잡한 레이저 증착(용접) 모델링에 이르기까지 다양한 사례가 있을 수 있습니다.

Fluid Particles

FLOW-3D에서 유체 입자 옵션이 활성화 되면 사용자는 다양한 직경과 밀도의 다양한 유체 입자 종을 설정할 수 있습니다. 또한 유체 입자의 동력학은 확산 계수, 항력 계수, 난류 슈미트 수, 반발 계수 및 응고 된 반발 계수와 같은 특성에 의해 제어 될 수 있습니다. 유체 입자는 열적 및 전기적 특성을 부여 받을 수도 있습니다.

사용자는 유체 입자 생성을 위해 여러 소스를 설정할 수 있습니다. 각 소스는 이전에 정의 된 모든 유체 입자 종 또는 일부 유체 입자 종의 혼합을 가질 수 있습니다. 또한 사용자는 무작위 또는 균일 한 파티클 생성을 선택하고 파티클이 소스에서 추출되는 속도를 정의 할 수 있습니다.

Laser Metal Deposition

레이저 금속 증착은 함께 미세한 금속 분말을 융합하여 입체 금속 부품을 제작하는 3D printing 공정이다. 레이저 금속 증착는 항공 우주 및 의료 정형 외과 분야에서 다양한 응용 프로그램을 찾습니다. 레이저 금속 증착의 개략도는 아래와 같습니다. 전력 밀도 분포, 기판의 이동 속도, 차폐 가스 압력 및 용융 / 응고, 상 변화 및 열전달과 같은 물리적 제어와 같은 제어 매개 변수가 함께 작동하여 레이저 금속 증착을 효과적인 첨가제 제조 공정으로 만듭니다.

Setting Up Laser Metal Deposition

새로운 유체 입자 모델은 분말 강도 분포를 할당하고 용융 풀 주변에서 발생하는 복잡한 입자 – 기판 상호 작용을 포착하기 때문에 레이저 금속 증착 시뮬레이션을 설정하는 데 없어서는 안될 부분입니다.

일반의 사용자들은 FLOW-3D에서 시뮬레이션을 쉽게 설정할 수 있다는 점을 계속 알고 있을 것입니다. 레이저 금속 증착 설정의 경우에도 다른 점은 없습니다. IN-718의 물리적 특성, 형상 생성, 입자 분말 강도 분포, 메쉬 생성 및 시뮬레이션 실행과 같은 모든 설정 단계는 직접적이고 사용자 친화적입니다.

IN-718의 물성은 기판과 응고 된 유체 입자 모두에 사용됩니다. 40 미크론 유체 입자가 무작위 방식으로 초당 500,000의 속도로 입자 영역에서 계산 영역으로 주입됩니다. 입자 빔은 기판의 운동 방향이 변화 될 때마다 순간적으로 정지되어 용융 풀이 급격한 속도 변화에 적응하도록 합니다. 이렇게 하면 기판에서 입자가 반사되는 것을 방지 할 수 있습니다. 매 5 초마다 기판이 회전하기 때문에 입자 생성 속도는 아래 그림과 같이 5 초마다 0으로 떨어집니다. 기판 이동 자체는 표 형식의 속도 데이터를 사용하여 FLOW-3D에 지정됩니다. 입자는 응고 된 유체 입자로 주입되어 고온의 용융 풀에 부딪혀 녹아 용융 풀 유체의 일부가 됩니다.

Substrate velocity

입자 모델 외에도 FLOW-3D의 밀도 평가, 열 전달, 표면 장력, 응고 및 점도 모델이 사용됩니다. 보다 구체적으로, 온도에 따른 표면 장력은 증착 된 층의 형태에 큰 영향을주는 Marangoni 효과를 일으킵니다.

레이저를 복제하기 위해 100 % 다공성 구성 요소가있는 매우 기본적인 설정이 열원으로 사용됩니다. 100 % 다공성은 구성 요소 주변의 유동 역학에 영향을 미치지 않습니다. 오히려 그것은 특정 영역의 기판에 열을 효과적으로 부가한다. 이 예비 가열 메커니즘을 자회사인 Flow Science Japan이 개발 한 고급 레이저 모듈로 교체하는 작업이 현재 본격적으로 진행 중입니다. 가열 다공성 구성 요소는 각각의 층이 동일한 양의 열을 얻도록 각 층이 증착 된 후에 약간 위로 이동됩니다.

Results and discussion

아래 애니메이션은 다중 층 증착을 이용한 레이저 금속 증착 공정을 보여줍니다. 기판이 방향을 바꿀 때마다 입자 빔 동작의 일시적인 정지를 확인하십시오. 또한, 층이 증착됨에 따라, 새로운 층의 형상은 다공성 열원으로부터 각 층에 열의 불균등 한 첨가로 인해 변화됩니다. 각 층을 증착 한 후에 열원을 위로 이동해야 하는 양을 측정하는 것은 현재의 기능에서는 어렵습니다. 다만 준비중인 Flow Science Japan의 레이저 모듈은 이 문제를 해결할 수 있습니다.

전반적으로 입자 모델은 레이저 금속 증착에서 매우 중요한 공정 매개 변수 인 분말 강도 분포를 정확하게 재현합니다. 입자 모델과 같은 수준의 제어와 정교함은 첨가제 제조 분야의 사용자와 공급자 모두가 제조 프로세스를 미세 조정하는 데 도움이 될 것으로 기대합니다.

Wave Forces on Coastal Bridges

Wave Forces on Coastal Bridges

This article was contributed by Jun Jin, Assistant Professor in the Maritime Systems Engineering Department at Texas A&M University at Galveston.

최근 몇 년 동안 허리케인은 멕시코만 연안의 4개 주에서 여러 해안 고속도로 교량에 구조적 피해를 입혔습니다. 허리케인 피해를 방지하기 위해 연안 교량에 가해지는 파도 하중의 크기는 합리적인 정확성을 가지고 결정되어야 합니다. 일반적으로 구조에 대한 파도 하중의 계산은 구조 상호작용의 여러 특성으로 인해 복잡해집니다. 이 본문은 이러한 복잡한 문제들 중 해결할 수 있는 몇 가지를 보여줍니다.

Validation of Stokes Nonlinear Wave Solution in FLOW-3D

FLOW-3D는 해안 교량의 파도 하중을 계산하고 구조물 고도 및 녹색갑판 위의 물 하중에 대한 영향을 조사하기 위해 사용되었습니다. FLOW-3D에서 StokesWave의 정확도를 평가하기 위해 계산 도메인의 세개 지점을 선택했습니다(그림 1). 시뮬레이션을 하는 동안, 각 입자 소스는 초당 10개의 입자를 방출했습니다. 입자 궤적은 그림 1에 표시되어 있습니다. 한 지점의 입자 속도를 이론적 결과와 비교했습니다(그림 2a 및 2b). FLOW-3D에 의해 계산된 입자의 역학은 Stokes비선형 파동이론과 잘 일치한다고 결론내렸습니다.

Figure 1. Particle trajectories and pressure variation during a wave simulation

Figure 2a. Comparison of computed particle velocities of a point with theoretical results

Figure 2b. Comparison of computed particle velocities of a point with theoretical results

Wave Loads vs. Superstructure Elevations

다리 갑판을 다른 높이로 설정하고 2m파형 높이와 6초 주기의 파형으로 시뮬레이션을 수행했습니다. 그림 3은 파형력이 최대치에 있을 때의 파동 단면과 압력 등고선을 보여 줍니다.

Figure 3. Wave profile and pressure contours at different moments (Pressure unit: Pa).

Flow Field under Bridge Deck

시뮬레이션은 다른 파도 높이로 실행되었습니다. 그림 4에서 볼 수 있듯이 교량 바닥판 밑의 유동장은 복잡합니다. 대들보와 상부 구조물에 의해 형성된 개방된 공간내에서, 물의 흐름은 경계를 따라 원형패턴으로 있었습니다. 또한 유동의 복잡성은 웨이브 높이가 증가함에 따라 증가하는 것으로 관찰되었다.

Observations

시뮬레이션 결과에서 다음과 같은 결론을 도출할 수 있습니다.

상부 구조물의 높이가 증가함에 따라 교량 상부 구조물의 수직 방향 파동력이 감소하는 반면, 수평 방향 파형력은 교량의 상부 구조물의 상부 표면이 웨이브 높이의 아래에 있을 때 큰 영향을 미치지 않습니다.
교량 상층부의 물 하중은 파고와 함께 증가합니다. 파손이 거의 발생하는 경우 최대 물 하중이 최대 수직 파력의 50 %를 초과했습니다. 그러나 그린 워터 하중과 상향 파력 사이의 위상차로 인해 수직 파력의 최대 값은 물의 부하에 의해 현저히 감소하지는 않았습니다.
교량 상부 구조물 주위의 유동장은 평행한 대들보에 의해 차단됩니다. 그러므로 웨이브 힘에 대한 순전히 기반한 방법은 웨이브 힘을 계산하는데 사용할 수 없습니다.

Figure 4. Vectors of water particle velocity at the moment of maximum wave force (Velocity unit: m/s)

Learn more about the power and versatility of modeling coastal and maritime applications with FLOW-3D>

FLOW-3D DEM

FLOW DEM

FLOW DEM 은 FLOW-3D 의 기체 및 액체 유동 해석에 DEM(Discrete Element Method : 개별 요소법) 기법인 입자의 거동을 분석해주는 제품입니다.

입자 – 입자 간, 입자 – 벽 사이의 접촉이나 상호 작용을 모델링 할 수 있으므로 보다 현실적인 입자 거동의 해석이 가능합니다.
또한 유체 부분은 전문적인 FLOW-3D 분석 기능을 사용하기 때문에 유체 와 입자거동의 연성해석을 정밀하게 또한 효율적으로 분석할 수 있습니다.

주요 기능 :

고체 요소의 충돌, 스프링(Spring) / 대시 포트(Dash Pot) 모델 적용
Void, 1 fluid, 2 fluid(자유 계면 포함) 각각의 모드에 대응
가변 밀도 / 가변 직경
입자 크기조절로 입자 특성을 유지하면서 입자 수를 감소
독립적인 DEM의 Sub Time Step 이용

Discrete Element Method : 개별 요소법

다수의 고체 요소의 충돌 운동을 분석하는 데 유용합니다. 유동 해석과 함께 사용하면 광범위한 용도에 응용을 할 수 있습니다.

입자 간의 충돌

Voigt model은 스프링(Spring) 및 대시 포트(Dash pot)의 조합에 의해 입자 충돌 시의 힘을 평가합니다. 탄성력 부분은 스프링 모델에서,
비탄성 충돌의 에너지 소산부분은 대시 포트 모델에서 시뮬레이션되고 있으며, 중량 및 항력은 작용하는 외력으로 고려 될 수 있습니다.

스프링 : 변형에 관련된 힘
대시 포트 : 충돌시의 상대 속도에 관련된 힘
(점성 감쇠)
스프링 및 대시 포트를 병렬로 연결
⇒ Voigt model
힘은 법선 방향과 접선 방향으로 나누어진다

분석 모드

기본적으로 이용하는 운동 방정식은 FLOW-3D 에 사용되는 질량 입자의 운동 방정식과 같은 것이지만, 여기에 DEM으로 평가되는 항목이 추가되는 형태로 되어 있으며, 실제 시뮬레이션으로는 ‘void + DEM’, ‘1 Fluid + DEM’ , ‘ 1 Fluid 자유계면 + DEM ‘을 기본 유동 모드로 취급이 가능합니다.


void + DEM	1-fluid + DEM	1-fluid 자유계면 + DEM

입자 유형

입자 타입도 표준 기능의 질량 입자 모델처럼 입자 크기 (반경)와 밀도가 동일한 것 외, 크기는 같지만 밀도가 다른 것이나 밀도는 같지만 크기가 다른 것 등도 취급 가능합니다. 이로 인해 표준 질량 입자 모델에서는 입자 간의 상호 작용이 고려되어 있지 않기 때문에 모든 아래에 가라 앉아 버리고 있었지만, FLOW DEM을 이용하여 기하학적 관계를 평가하는 것이 가능합니다.

-균일
-밀도 변화
-입자크기 변화

응용 분야

1. Mechanical Engineering 분야

Resin filling, screw conveyance, powder conveyance

2. Civil Engineering분야

Debris flow, gravel, falling rock

3. Chemical Engineering, Pharmaceutics 분야

Fluidized bed, cyclone, stirrer

4. MEMS, Electrical Engineering 분야

전기 입자를 포함한 전기장 해석 등

dem15

dem16

Coarse Graining

DEM은 일반적으로 다수의 입자를 필요로 하는 해석에 사용이 되고 있습니다. 다만 이 경우, 계산 부하가 높아지므로 현실적인 계산자원을 고려하면, 입자 수가 줄여 해석할 필요가 있습니다 .

Particle Size Increase 경우

중자 모래 분사 분석

DEM에서의 계산부하를 생각할 때는 입자모델에 의한 안정제한을 고려해야 하지만 서브타임스텝이라는 개념을 도입함으로써 입자의 경우와 유체의 경우의 타임스텝을 바꾸고 필요이상으로 계산시간을 들이지 않고 효율적으로 계산하는 것을 가능하게 하고 있습니다.

이를 통해 예를 들어 중자사 분사 시뮬레이션 실험에서는 이러한 문제로 자주 이용되는 빙엄 유체에서는 실험과의 정합성이 별로 좋지 않기 때문에 당사에서는 이전부터 입상류 모델이라는 모델을 개발하고 연속체로부터의 접근에서도 실험과의 높은 정합성을 실현할 수 있는 모델화를 해왔는데, 이번에 DEM을 사용해도 그것과 거의 같은 결과를 얻습니다. 할 수 있음을 확인할 수 있었다.

Reference :

Lefebvre D., Mackenbrock A., Vidal V., Pavan V. and Haigh PM, 2004,
Development and use of simulation in the Design of Blown Cores and Moulds

레이저 용접 수치해석(FLOW WELD)

Laser Welding

뛰어난 생산성과 속도, 낮은 열 입력이 결합되어 기존의 용접 프로세스를 대체하는 레이저 용접 프로세스가 있습니다. 레이저 용접이 제공하는 장점은 용접강도가 좋고, 열 영향 부위가 작으며, 정밀도가 높고 변형이 적으며 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접 할 수 있는 기능이 있습니다.

FLOW-3D는 레이저 용접 공정에 대한 강력한 통찰력을 제공하고 궁극적으로 프로세스 최적화를 달성하는 데 도움이 됩니다. 보다 나은 프로세스 제어를 통해 다공성을 최소화할 수 있습니다. 열 영향부위 및 마이크로-구조를 제어합니다. FLOW-3D는 자유표면 추적 알고리즘으로 인해 매우 복잡한 용접 풀 시뮬레이션을 해석하는데 적합합니다. 용접의 추가 모듈은 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발압력, shield gas효과, 용융 풀의 반동압력 및 다중 레이저반사와 같은 물리적 모델을 FLOW-3D에 통합하기 위해 개발되었습니다. Keyhole 용접과 같은 현실적인 프로세스 시뮬레이션을 위해서는 모든 관련 물리적 현상을 포착하는 것이 중요합니다.

FLOW-3D는 레이저 용접의 conduction and keyhole 방식을 시뮬레이션 할 수 있습니다. 전 세계의 연구원들은 FLOW-3D를 사용하여 용접역학을 분석하고, 공정 매개 변수를 최적화하여 다공성을 최소화하며, 레이저 용접공정의 수지결정 성장을 예측합니다.

Shallow penetration weld (top left); deep penetration weld with shield gas effects (top right); deep penetration weld with shield gas and evaporation pressure (bottom left); and deep penetration weld with shield gas, evaporation pressure and multiple laser reflections effects (bottom right).

Full Penetration Laser Welding Experiments

한국 카이스트와 독일 BAM은 16KW레이저를 사용하여 10mm강판에 완전 침투 레이저 용접 실험을 수행하였습니다. CCD카메라의 도움을 받아 완전 용입 레이저 용접으로 형성된 상단 및 하단 용융지 역학을 포착할 수 있었습니다. 그들은 또한 FLOW-3D공정을 시뮬레이션하여 해석과 실험결과가 경향이 일치하는 것을 나타내었습니다.

Experimental setup with CCD cameras observing the top and bottom molten pools

Simulation results at the top show melt pool lengths of 8mm and 15mm, whereas experiments indicated melt pool lengths of 7mm and 13mm

Schematic of computation domain in FLOW-3D

Laser Welding Porosity Case Study

General Motors, Michigan, 중국의 상하이 대학교는 공정변수, 즉 keyhole 용접에서 다공성 발생 에 대해 용접속도 및 용접각도와 같은 공정 매개 변수가 미치는 영향을 이해하기 위해 협력하여 연구를 진행하였습니다.

레이저 용접된 Al 접합부 단면의 다공성을 용접합니다. Keyhole 유도 된 다공성은 유동 역학으로 인해 발생되고 균열을 일으킬 수 있습니다. 최적화 공정의 매개변수는 이러한 종류의 다공성을 완화할 수 있습니다. **FLOW-3D**를 사용하여 연구원들은 증발 및 반동 압력, 용융풀, 온도에 따른 표면장력 및 Keyhole내의 다중 레이저 반사, 프레넬 흡수를 포함한 모든 중요한 물리적 현상을 설명했습니다.

연구진은 시뮬레이션 모델을 기반으로 Keyhole용접에서 유도된 다공성의 주요 원인으로 불안정한Keyhole을 규정하였습니다. 아래 이미지에서 볼 수 있듯이 뒤쪽 용융 풀의 과도한 재순환은 뒤쪽 용융 풀이 앞쪽 용융 풀 경계를 무너뜨리며 다공성을 초래시킵니다. 갇힌 공간이 증가하는 응고 전면에 의해 포착되었을 때 다공성이 유도되었습니다.

용접 속도가 빠를수록 더 큰 keyhole이 생성되며 이로 인해보다 안정적인 keyhole이 구성됩니다. 연구진은 FLOW-3D를 사용하여 높은 용접 속도와 큰 용접 경사각으로 다공성을 완화시킬 수 있다고 예측했습니다.

Distribution of porosity in longitudinal welding sections as seen in simulations (top) and experiments (bottom)

용접분야 활용

Conduction 용접

하이브리드 레이저 용접

깊은 용접 레이저용접

레이저 적층 공법

TIG 용접

이종소재 레이저 용접

Making the Right Choices for Faster Postprocessing

Making the Right Choices for Faster Postprocessing

3GB VRAM, Quadro 제품군의 NVIDIA 그래픽 카드 및 64GB RAM을 자랑하는 워크 스테이션을 함께 사용하면 FlowSight에서 원활한 후 처리 경험을 위해 사용자를 준비 할 수 있습니다. 그러나 속도를 높이기 위해 할 수있는 일이 많습니다.

후 처리에 관해서 일반적으로 사용되는 기능은 시간 경과에 따라 단계적으로 진행되므로 사용자는 시뮬레이션의 진화를 이해하고 관련 변수의 변화를 분석 할 수 있습니다. 매우 중요하지만 시간을 들여서 진행하는 것은 계산 자원을 낭비하는 경향이 있습니다. FlowSight에는 Original 및 Flipbook과 같은 두 단계 모드가 있습니다. 이 둘 사이에서 올바른 선택을하면 컴퓨터의 계산 부하를 줄일 수 있습니다.

Original Mode

FlowSight의 기본값 인 Original 모드는 시간이지나면서 순환하면서 새로운 데이터 (예 : 등가의 클립)를 생성합니다. 문제가 주기적으로 주기적으로 순환해야하는 경우이 모드는 문제의 크기에 따라 매우 많은 시간이 소요될 수 있습니다. 이 작업은 느릴 수 있지만 부드럽고 빠른 그래픽 상호 작용의 장점이 있습니다. 또한 원본 모드를 사용하면 사용자가 가변 데이터를 순환 할 수 있으며 전반적으로 Flipbook을 사용하는 것보다 훨씬 더 메모리 효율적입니다.

Flipbook Mode

Flipbook은 FlowSight에서 사용할 수있는 두 번째 모드입니다. Flipbook을 만들면 등각면 또는 클립의 모든 시간 데이터가 생성되어 미리 메모리에 저장됩니다. 이 방법의 장점은 각 프레임이 이미 메모리에 있으므로 시간 경과에 따른 순환이 매우 빠르다는 것입니다. 그러나 동일한 이유로 플립 북은 많은 양의 메모리를 소비 할 수 있으며 생성하는 데 많은 시간이 걸립니다. 또한이 모드에서는 변수를 순환 할 수 없으므로 각 변수에 대해 별도의 Flipbook을 생성해야합니다. 또한 프레임 수와 문제의 크기에 따라 Flipbook과의 그래픽 상호 작용이 원본 모드처럼 부드럽 지 않을 수 있습니다.

Flipbook은 프레임을 생성하고 메모리 소비를 줄이는 시간을 줄이기 위해 점진적 로딩을 허용합니다. 플립 북은 객체 또는 이미지로 생성 할 수도 있습니다. 객체 란 화면의 Flipbook 객체가 화면의 다른 객체와 마찬가지로 그래픽 창 (확대 / 축소, 회전, 이동 등)에서 완전히 상호 작용할 수 있음을 의미합니다.

What to Use and When

Flipbook과 Original 모드 사이의 선택은 문제 크기, 메모리 가용성, 프로세서 유형 및 GPU와 같은 여러 요인에 따라 다릅니다. 시뮬레이션을 후 처리하는 데 가장 적합한 모드를 신속하게 결정할 수 있도록 아래 표가 생성되었습니다.

	장점	단점	좋은점
Original	메모리 효율적이고 빠른 그래픽 상호 작용, 변수의 신속한 변경	시간을 들여야함.	작은 RAM, 변수를 통한 사이클링, 몇 타임 스텝 밟기
Flipbook	매우 신속하게 단계를 밟을 수있는 유연성	생성에 오랜 시간이 걸리므로 메모리 집약적이며 그래픽 인터랙션 성능이 저하되고 가변 사이클이 허용되지 않습니다.	대형 RAM, 많은 시간 경과를 통한 스텝핑

권장 하드웨어 외에도 올바른 모드를 선택하면 사용자가 FlowSight의 고급 기능을 최대한 활용할 수 있습니다. 더 멋진 기능을 보려면 저희 웹 사이트의 FlowSight 페이지를 방문하십시오.

Wastewater Treatment Plant

Presented with thanks to Dr. Suda Bunduwongse and Mr. Preecha Kaewkla (Tyco Earth Tech Thailand), Mr. Rick Bitcon (Earth Tech Canada), Mr. Steve Kirkwood (Earth Tech UK) and Mr. Ken Doyle (CFD Solutions, UK).

태국, 캐나다, 영국에 기반을 둔 EarthTech 엔지니어링 팀은 방콕 메트로폴리탄 행정구역을 위한 7개의 대규모 폐수 처리 공장 중 4번째 공장을 설계하고 건설했을 때 FLOW-3D를 수처리 시설설계 최적화하는데 사용하였습니다. BMA-4처리방식은 EarthTech의 독자적으로 개발한 CASS™(슬러지 순환 활성화 시스템)SBR프로세스를 사용하여 최대 12.9평방마일까지 적용할 수 있습니다.

Site location within Bangkok Metro Zone

방콕 메트로폴리탄 지역에 서비스를 제공하는 대부분의 다른 대규모 폐수 처리 공장들과 마찬가지로, 현장은 기존의 도로와 건물들로 둘러싸여 있었고 배수로로 분리되어 있었습니다. 이 현장 조건은 4층에 건설된 BMA-2CASS™공장과 유사했기 때문에, BMA-4공장에 대해서도 동일한 설계 개념이 채택되었습니다. 이와 같은 수직 설계 개념에는 특히 예비 치료 및 CASS™피드와 관련하여 혁신적인 설계가 필요합니다. 이러한 시스템의 요소와 계단식 돌출부와 관련된 후속 문제가 FLOW-3D를 사용한 CFD분석이 주요 초점이었습니다.

BMA-4 Wastewater Treatment Facility

The BMA-4 Wastewater Treatment was designed with:

입구 펌프실,
2. 예비 및 이차 치료
3. 슬러지 처리 및 악취 관리 시설
4. 처리된 배수.

EarthTech설계팀은 전처리(미세한 화면, 모래 제거, FFT제어 및 폭풍 오버 플로)와 2차 처리 CASS™피드(펌핑 스테이션, sumps및 피드 챔버)를 CFD분석을 통해 개선할 수 있는 BMA-4공장 설계의 주요 요소 처리된 배수로 근처에서 문질러 닦는 것과 관련된 후속 문제들은 추가적인 과제들을 확인했습니다. EarthTech 및 CFDSolutions는 이러한 시스템의 다양한 FLOW-3D 모델을 개발하고 연구 결과를 초기 상태의 태국 및 캐나다에 기반을 둔 엔지니어 팀에게 전달하기 위해 작업했습니다. 설계 시간과 비용을 절약하고 설계를 시작할 때 발전소 성능을 개선할 수 있는 설계 변경사항을 강조하여 발전소 설계에 포함시켰습니다.

Preliminary Treatment Analysis

Inlet and Screen Chamber simulation

Flow-3D는 Inlet 챔버 및 Bellmouth Inlets, Chamber, Grit Removal Unit과 같은 BMA-4공장의 전처리 스트림에서 일련의 요소를 분석하고 제어하는데 사용되었습니다. 오른쪽의 유입구 및 스크린 챔버 모델 (유속으로 표시)은 다양한 구성을 시뮬레이션할 플랫폼을 제공하고 그릿장치에 공급되는 2 개의 배출 채널 사이의 흐름결과를 제공합니다.

시뮬레이션은 유닛 중 하나에 과부하가 걸릴 수 있으며 최적화되지 않은 것을 초래할 가능성이 있는 모래 제거 유닛에 대한 유량의 비효율성을 나타냅니다. 2차 치료 이전의 모습으로 원래 용도에 맞게 제작된 그리트 유닛의 CFD시뮬레이션으로 대체 유닛으로 해석함으로써 그리트 캡처 효율을 높일 수 있었습니다.

시뮬레이션은 또한 모래 유닛의 하류에 있는 일부 구성 요소, 즉 완전 처리로의 흐름의 자동 penstock제어 및 결과적인 폭풍 오버 플로 준비를 다루었습니다. 이러한 프로세스 요소의 CFD모델에는 penstocktank제어 장치의 과도한 작동을 나타내기 위해 FLOW-3D(이동 장애물)고유의 기능이 통합되어 있습니다.
이러한 요소들의 소형 특성으로 인한 복잡한 3D유동 조건 및 소외 조건의 자유 표면 모델링은 지표면 표고와 관련된 항목에 추가적인 효과를 제공했습니다.

Secondary Treatment CASS™ Feed

공장의 각 스토리에 있는 4개의 CASS™분지형상을 각각의 모델을 사용하여 다양한 구성으로 모델링 하였습니다. CASS™프로세스는 사이클 중에 하나의 분지가 “탈착”모드에 있어야 하는 사이클 연속적 SBR방식입니다. CASS™ 공급섬프의 FLOW-3D모델을 사용하여 이 상태에서 각 분지 주입에 대한 유량 균형을 평가했습니다.

Simulation of a CASS™ Feed Chamber

Cascade Aerators

Cascade aerator weir simulation

발전소 운전경험에 따르면 처리된 유출물이 방출된 운하의 잠재적인 문제가 있는 것으로 나타났습니다. 폐수의 수동적 재분산을 제공하기 위해 설치된 계단은 수입물에 국소 침식 문제를 일으키고 있었으며 FLOW-3D모델은 다양한 에너지 분산 개발을 문제를 해결하는데 성공한 사례를 조사하는 데 사용되었습니다.
Flow-3D는 BMA-4폐수 처리 시설의 공학적 설계 문제를 해결하기 위한 효과적인 도구입니다.

이 기사가 작성되었을 때, 이 시설은 하루에 5940 만 갤런을 처리하는 1단계 작업을 하고 있었습니다.

연속 잉크젯 프린팅

연속 잉크젯 프린팅은 150 년 동안 축적 된 기술입니다. 간단히 말해, 프린트 헤드가 작동 중일 때 유체의 연속 흐름이 있는 방울 생성방법입니다. 이 개념이 1867 년 Lord Kelvin에 의해 처음으로 특허 되었지만, 1951 년 Siemens에서 최초의 상용 장치가 80 년이 지난 뒤에 나타났습니다. 초기에 이 기술은 만료 날짜, 배치 코드, 이름 및 제품 로고와 같은 다양한 정보를 고속, 비접촉식으로 인쇄하는데 사용되었습니다.

연속 잉크젯 프린팅은 탱크에서 액체를 마이크로 미터 크기의 노즐 뱅크로 향하게 하는 고압 펌프로 시작하여 진동하는 압전 크리스탈의 진동에 의해 결정되는 주파수에서 연속적으로 작은 방울이 생성됩니다. 특히 프린팅 응용분야의 경우, 잉크 방울은 외부 전계의 존재로 인해 연속 흐름에서 편향되고 있습니다. 이는 프린팅 매체의 표면 상에 패턴을 생성한다. 이 기술의 장점 중 일부는 높은 처리량, 높은 방울 속도, 프린트 헤드에서 기판까지의 거리 증가 및 연속 작동으로 인한 노즐 막힘현상이 없습니다. 이러한 긍정적인 특성 덕분에 이 기술은 요즘 종이의 일반 인쇄 잉크에서 다양한 재료 (심지어 살아있는 세포)를 증착하고 현대적인 OLED (Organic Light Emitting Diode) 디스플레이를 만들기까지 발전했습니다.

이 블로그에서는 Flow Science의 CFD 엔지니어인 Ioannis H. Karampelas가 진행 한 FLOW-3D 시뮬레이션 연구에 이어 연속 잉크젯 인쇄의 물리학에 대해 논의 할 것입니다. 그의 작업을 더욱 발전시키면서 OLED 프린팅업계에서 잉크젯을 적용하여 영감을 얻은 방울 생성과정에 무작위성을 부여하고 결과로 나온 방울의 변형을 설명합니다.

비말 생성

노즐 크기 선택

방울 생성을 위한 시스템 파라미터를 계산하기 위해 Rayleigh jet 불안정성 이론을 사용할 수 있습니다. 이 이론에 따르면, 드롭 형성으로 이끄는 제트 해체에 대한 자극의 최적 파장 (λ)은 대략 다음과 같습니다.

작동 주파

최적의 드롭 생성 빈도는 최적의 파장에서 직접 계산할 수 있습니다.

위의 이론과 알려진 산업 파라미터를 사용하여 노즐 반경 125 μm 및 10 kHz의 주파수를 사용하여 FLOW-3D에서 계산 모델을 설정했습니다.

FLOW-3D 결과 검증

FLOW-3D는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 프로세스를 시뮬레이션하는데 적합합니다.

아래의 시뮬레이션 결과에서 10 kHz의 주파수에서 진동하는 입력 압력 펄스를 볼 수 있습니다. 평균 물방울 크기는 약 240 μm이며 이론적으로 추정된 물방울 크기 인 약 250 μm와 잘 일치합니다.

물방울 형성 및 입력 압력 펄스를 강조하는 FLOW-3D의 시뮬레이션 결과

OLED Mura 문제

이론 상으로는 동일한 진폭의 압력 펄스를 생성하는 것이 가능합니다. 그러나 OLED의 잉크젯 인쇄와 같은 산업용 어플리케이션에서 모든 노즐은 본질적으로 불완전한 제조 또는 작동 매개 변수 때문에 약간 다릅니다. 이러한 모든 불완전성은 액적 볼륨의 변동을 유발하여 OLED 패널의 각 서브 픽셀에 침착 된 유기 화합물의 체적의 변화를 야기하며, 이는 증착 된 막 두께의 비례 변화를 유도한다. 이러한 두께 변화는 잉크젯 인쇄 된 OLED 디스플레이 (Madigan 외)에서 패널 휘도의 불균일성의 가장 중요한 원인 중 하나이다. 이 패널 휘도의 불균일성을 “무라 효과 (mura effect)”라고 합니다.

mura 문제를 해결하는 한 가지 방법은 평균의 법칙을 사용하는 것입니다. 이것이 의미하는 바는 물방울 부피의 양수 및 음수 오차를 평균화하기 위해 서로 다른 노즐의 방울을 무작위로 결합 (인트라 – 픽셀 혼합)하여 물방울 볼륨 오류를 거의 0에 가깝게 만드는 것입니다.

FLOW-3D에서 이 픽셀 내 혼합 과정을 시뮬레이션하기 위해 입력 압력 펄스 진폭에 임의성이 추가 되었습니다. 최대 변동폭은 원래 압력 진폭 1.7MPa의 상단에 200kPa로 설정되었습니다. 아래의 애니메이션은 무작위성이 없는 초기 사건과 무작위성을 비교 한 사례를 보여줍니다.

압력 펄스의 무작위 대 정진폭의 애니메이션을 비교한 영상.

예상대로 액적 생성은 액적 형태, 액적 크기, 액적 간격 및 비행 속도면에서 일정하지 않습니다. 그러나 오른쪽의 일정한 진폭의 경우 균일한 모양과 크기의 균일한 간격의 물방울이 생성됩니다.

결론

이 블로그 기사에서 FLOW-3D는 연속 잉크젯 프린팅프로세스에 관련된 Physics에 대한 이해를 증진시키는 데 사용되었습니다. 강력한 표면 장력 모델 덕분에 FLOW-3D는 다양한 첨단 방울 생성 및 증착 응용 분야에도 유용합니다. 예를 들어 OLED 인쇄의 경우, FLOW-3D는 픽셀 내 혼합 동안 액적에서 발생하는 변동을 효과적으로 이해하여 OLED 패널의 품질을 향상시킬 수 있습니다.

Making the Right Choices for Faster Postprocessing

Making the Right Choices for Faster Postprocessing

Original Mode

Flipbook Mode

What to Use and When

	장점	단점	좋은점
Original	메모리 효율적이고 빠른 그래픽 상호 작용, 변수의 신속한 변경	시간을 들여야함.	작은 RAM, 변수를 통한 사이클링, 몇 타임 스텝 밟기
Flipbook	매우 신속하게 단계를 밟을 수있는 유연성	생성에 오랜 시간이 걸리므로 메모리 집약적이며 그래픽 인터랙션 성능이 저하되고 가변 사이클이 허용되지 않습니다.	대형 RAM, 많은 시간 경과를 통한 스텝핑

Wastewater Treatment Plant

Site location within Bangkok Metro Zone

BMA-4 Wastewater Treatment Facility

The BMA-4 Wastewater Treatment was designed with:

입구 펌프실,
2. 예비 및 이차 치료
3. 슬러지 처리 및 악취 관리 시설
4. 처리된 배수.

Preliminary Treatment Analysis

Inlet and Screen Chamber simulation

Secondary Treatment CASS™ Feed

Simulation of a CASS™ Feed Chamber

Cascade Aerators

Cascade aerator weir simulation

이 기사가 작성되었을 때, 이 시설은 하루에 5940 만 갤런을 처리하는 1단계 작업을 하고 있었습니다.

연속 잉크젯 프린팅

비말 생성

노즐 크기 선택

작동 주파

최적의 드롭 생성 빈도는 최적의 파장에서 직접 계산할 수 있습니다.

위의 이론과 알려진 산업 파라미터를 사용하여 노즐 반경 125 μm 및 10 kHz의 주파수를 사용하여 FLOW-3D에서 계산 모델을 설정했습니다.

FLOW-3D 결과 검증

FLOW-3D는 강력하고 정확한 표면 장력 모델로 인해 연속 잉크젯 인쇄와 같은 액적 기반 프로세스를 시뮬레이션하는데 적합합니다.

물방울 형성 및 입력 압력 펄스를 강조하는 FLOW-3D의 시뮬레이션 결과

OLED Mura 문제

압력 펄스의 무작위 대 정진폭의 애니메이션을 비교한 영상.

결론

Landslide-Induced Wave Hazard

Landslide-Induced Wave Hazard

Figure 1. The outskirts of Chungtangh village

인도 Sikkim에 위치한 The Teesta III Hydropower Project는 가파르고 좁은 히말라야 계곡에 위치한 60m의 Concrete Face Rockfill Dam (CFRD)이 포함되어 있습니다. 이 계곡은 지진 활동이 활발하며 가파른 경사면은 산사태를 발생시킬 수 있습니다. 댐 상류 저수지의 산사태로 CFRD를 범람할 수 있다는 우려가 있었습니다. 몇 초 이상 과도하게 지속되면 오버플로우로 인해 CFRD가 잘못될 수 있습니다. 비록 댐이 무너지지 않았지만, 여전히 Chungtangh에 있는 상류쪽 작은 마을은 홍수가 날 것이라는 우려가 있었습니다.

Teesta강 계곡의 가장 가파른 경사면은 댐의 바로 상류에 위치해 있는데, 댐의 산사태가 가장 일어날 가능성이 높은 지역입니다. 이 분석의 목적은 저수지에 대한 산사태를 시뮬레이션하고 그 결과로 발생하는 파도가 댐에 넘치는지 여부를 결정하는 것이었습니다.

Moving Objects Model Used to Simulate Landslide

Tecsult는 저수지의 침전물과 퇴적물을 모델링하는데 성공적이었기 때문에 FLOW-3D를 선택하여 이를 시뮬레이션하였습니다. 저수지의 시뮬레이션은 시작점으로 사용되었습니다. FLOW-3D의 Moving Objects모델은 산사태를 시뮬레이션하는데 사용되었으며 VOF모델은 웨이브 생성을 시뮬레이션하는 데 사용되었습니다.

저수지의 산사태를 추정하기 위해서는 여러가지 방법이 고려되었습니다. 경험적 방법은 흔히 산사태가 발생한 파도를 평가하는데 사용되지만, 이러한 방법은 여러가지 면에서 부족합니다. 이러한 방법은 근접 필드 또는 스플래시 영역에 대한 정보를 제공하지 않습니다. 댐은 슬라이드 면과 매우 가깝기 때문에 스플래시 영역을 아는 것이 중요했습니다. CFRD는 몇 초 이상 overflow를 견딜 수 없었습니다. FLOW-3D는 미끄러운 지형 질량과 물 사이의 완전 결합된 상호 작용을 계산하여 시나리오를 3 차원에서 시뮬레이션하는 방법을 제공합니다.

이 문제를 시뮬레이션하기 위해 간단하고 작은 크기의 자유 낙하 블록으로 구성된 실험과 비교하였습니다. 이 경우는 아래 동영상에 나와 있습니다. 그 결과로 생긴 파도 높이는 그 실험과 잘 맞았습니다.

이 모델의 STL파일은 FLOW-3D로 직접 가져옵니다. 예상 산사태 지역의 크기는 지질 정보와 주변 산사태 관측치를 바탕으로 결정되었습니다. 30,000m³, 100m높이의 산사태가 310만 셀의 메쉬로 시뮬레이션 되었습니다. 높이가 1m인 측면 3m의 균일한 셀을 사용했습니다. 최대 슬라이딩 속도는 진입 지점에서 23m/s에 도달했습니다. 파도는 높이 8m, 속도 10m/s로 댐에 도달하여 몇 초 동안 범람했습니다. 그 결과로 상류 마을에서는 홍수가 나타나지 않았습니다.

Figure 3. Prediction of wave height in the splash zone and near field in a small reservoir, with refraction.

Figure 4. Wave heights plotted against each other

Figure 5. Downstream view of TEEST III dam and water intake CATIA model

Conclusions

이 작업의 주된 관심사는 댐의 범람으로 인해 댐과 Chungtangh 마을이 파괴될 수 있었다는 것입니다. 그러나 시뮬레이션에 따르면 댐은 잠시 동안만 범람했고 파도는 마을에 닿지 않았습니다. Chungtangh마을은 강 위에 충분히 높기 때문에, 그것을 범람시키기 위해서는 상당한 파도의 높이가 필요할 것입니다.

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave(ALGW)는 수역에 영향을 미치는 빠른 슬라이드의 결과이다. 이것은 암석에 의해 생성된 작은 파도 이거나, 3000만 입방 미터의 암석으로 인한 500m를 초과하는 파도 일 수도 있다.
공학적 관점에서 보면 ALGW는 근접한 해안을 따라 인간이 거주하는 인구/자산이 있는 수역에서 발생할 때 큰 관심을 가진다. 여기서 파동이 발생하면 해안선이 파손되고 홍수가 날수 있으며, 댐붕괴로 인한 사망까지 일으킬 수 있다(Müller-Salzburg, 1987). 결과적으로, ALGW에 의해 야기되는 최대 파도 상승을 예측하는 것은 경제적, 환경적, 안전상의 이유로 매우 중요합니다.
안타깝게도 분석적인 솔루션이 없는 매우 복잡한 문제로, 유체 역학적인 측면에서뿐만 아니라 지질학적인 관점(즉, 크기/기하학적인 슬라이드의 밀도 프로파일)에서도 마찬가지입니다. 이와 같이, 대부분의 현장 별 ALGW 최대 파형 예측은 확장된 물리적 모델을 사용하여 평가되었다. 일부는 전산유체역학(CFD) 소프트웨어를 기반으로 할 수도 있지만 비용이 많이 들며, 특히 풀 스케일 3차원 문제의 경우 정확성에 대한 논쟁의 대상이 되고 있습니다.
그러나 컴퓨터 하드웨어와 CFD소프트웨어가 계속 발전함에 따라 이제 CFD를 사용하여 ALGW를 실제로 시뮬레이션할 수 있게 되었습니다. 이와 같이 본 연구는 고 충실도의 물리적 모델 데이터를 FLOW-3D와 비교하여 ALGW를 CFD시뮬레이션을 검증하기 위한 지속적인 노력으로 진척시키는 것을 목표로 한다.
다음 절에서는 실제 및 수치 모델 설정에 대한 개요를 제공한다. 뿐만 아니라, 생성된 데이터와 간단한 비교를 제공한다.

Experimental Setup
물리적 실험은 Northwest Hydraulic Consultants 노스 밴쿠버, 캐나다 실험실에서 만들어졌고 실험을 거쳤다. 그것은 30° 경사의 서쪽 벽을 가진 0.5미터 폭의 수로, 45°의 경사진 동쪽 벽, 그리고 두개의 북쪽과 남쪽 측면에 수직 벽, 그리고 1.025m의 수평 단면을 가진 0.610m 너비의 수로로 구성되었다. ALGW를 생성하고 평가하기 위해, 45° 경사 노즈를 가진 0.177×0.305×0.305m의 아크릴 박스를 사용한 6초 시험을 사용했다.
이 슬라이드를 놓았을 때, 슬라이드는 (중력에 의해) 0.607m 심층수에 충돌하기 전에 서쪽 경사면에서 0.768m 아래로 이동했다. 그 후, 물을 통해 또 다른 1.05m를 이동하여 정지 블록을 치기 시작했다. 슬라이드 가속 및 변위뿐만 아니라 파고 높이는 6 초 실험 전체에 대해 100Hz의 주파수에서 기록되었다. 이 데이터를 수집하는 데 사용 된 도구는 다음과 같다.

컴퓨터화된 데이터 수집 시스템
슬라이드의 시간에 따라 이동 한 거리를 측정하는 문자열 가변 저항기
슬라이드 가속도를 측정하는 1 차원 가속도계
물의 주요 본체 내에 배치 된 3 개의 1 차원 커패시턴스 웨이브 – 프로브
웨이브 런업을 캡처하기 위해 동쪽 경사면을 따라 사용되는 저항 사다리꼴 웨이브 프로브
타이밍 스위치 캡처 슬라이드 릴리스 시간 사용
흑백 비디오 카메라

테스트가 반복 가능하고 오작동이 발생하지 않았는지 확인하기 위해 테스트를 5 번 반복하고 각 장비에 대해 평균을 구했다.

Numerical Model Setup
물리적 실험의 전산화 된 3 차원 모델을 제작한 STL 파일을 FLOW-3D로 가져왔다. 일단 FLOW-3D에 들어간 3D 모델은 약 1,370 만개의 0.0075m 크기의 정사각형 셀로 이산화되었고, 벽을 둘러싸고있는 6 개의면 각각에 ‘wall’경계가 사용되었다.
슬라이드를 일반적인 이동 물체로 설정하고, 물리 모델로부터 수집 된 데이터(즉, 가속 및 변위 데이터의 후 처리)에 기초하여 속도가 주어졌다. 동서면 경사면의 표면 거칠기는 0.00025m으로 설정되었다. 모델링 된 유체는 293k의 물이었고, 동적 RNG 난류 모델이 기본 설정과 함께 사용되었다(implicit pressure solve; and, explicit viscous stress, free surface pressure, advection, moving object/fluid coupling solvers).
물리적 모델과 마찬가지로 FLOW-3D는 6 초의 시간을 시뮬레이트하지만 실제 모델과 같이 매 0.01 초가 아닌 0.02 초마다 데이터를 저장하였다(데이터 관리 관점에서 선택하였음).

Result

FLOW-3D 실험의 결과는 그림에 나와 있다. 4개의 웨이브 각각에 대해 실험 시간 동안 파고를 보여준다. 이와 같이, 제시된 파도 높이는 단순히 flume을 통해 전파되는 파도의 구현(즉, 2 차원의 경우에서 볼 수있는 것)이 아니라 오히려 여러 파도의 상호 작용으로 인한 파도 높이를 초래한다.

슬라이드 충격시 발생하는 충격파(1차 신호)
슬라이드 뒤의 충격파 충돌(2차 신호)
북쪽, 동쪽, 서쪽 및 남쪽 벽에서의 웨이브 반사(3차 신호)

또한 길이 방향의 FLOW-3D 데이터(중심선에서)를 실제 모델 비디오 위에 겹쳐서 자유 표면의 FLOW-3D 글로벌 예측을 평가했다. 이것은 아래의 동영상에서 볼 수 있다.
그림과 위의 비디오를 보면 FLOW-3D 데이터가 웨이브 프로브 1, 2 및 3의 경우 물리적 데이터를 매우 잘 일치한다는 것을 알 수 있다. 하지만 웨이브 프로브 4에 대해서는 정확도가 떨어진다.
FLOW-3D 시간 데이터와 관련된 오류는 각 웨이브 프로브에 대한 RMSE (root-mean-square-error)를 취하여 평가된다.

Discussion
이 조사에서 실제 모델의 고 충실도 데이터는 ALGW로 최대 파도 상승에 대한 FLOW-3D 예측과 비교되었다. RNG 모형의 기본 설정을 사용하여 FLOW-3D는 주요 수역 내에서 파고를 정확하게 재현 할 수 있었다. 그러나 최대 파동은 약 43%가 넘었다.
최대 웨이브 런업을 줄이기 위해 몇 가지 대안인 FLOW-3D 물리 설정이 사용되었다. 그러나 43 % 이하로 떨어지는 것은 불가능했다. 이러한 대체 시뮬레이션에 대한 주목할만한 관찰은 다음과 같다.

first-order momentum advection scheme의 0.01m 메쉬는 최대 파동 상승 오차가 96% 인 반면 동일하게 0.0075m 메쉬의 오차는 130%였다. 그러나 second-order로 변경하면 0.01 m 및 0.0075 m 메시의 경우 각각 55% 및 43%의 오차가 발생한다. 또한 메쉬 셀 크기를 0.005m으로 줄이면 80%의 오차가 발생한다.
이 테스트 케이스에서 가장 중요한 매개 변수는 momentum advection scheme이다. 평균적으로 second-order를 사용하면 first-order대비 오차가 약 50% 감소한다.
FLOW-3D의 MP 버전을 사용하여 0.005m의 메쉬 셀 크기를 사용해야 한다. 해석 시 CPU 시간은 33 시간이었다. 비교를 위해 FLOW-3D의 SMP 버전은 0.0075m의 메쉬 셀 크기로 시뮬레이션을 실행하는 데 26시간이 필요했지만 MP 버전은 4.5시간 밖에 걸리지 않았다.

[1] 3.5GHz 8 코어 AMD FX-8320 프로세서에서 약 6초의 시뮬레이션 시간이 대략 26시간 소요되었다.

References
Fritz, H. M., Hager, W. H., & Minor, H.-E. (2004). Near Field Characteristics of Landslide Generated Impulse Waves. Journal of Waterway, Port, Coastal & Ocean Engineering, 130(6), 287–302. doi:10.1061/(ASCE)0733-950X(2004)130:6(287)
Miller, D. J. (1960). Giant Waves in Lituya Bay Alaska (Geological Survey Professional Paper No. 354-C). Washington, D.C.: United States Government Printing Office.
Müller-Salzburg, L. (1987). The Vajont catastrophe— A personal review. Engineering Geology, 24(1–4), 423–444. doi:10.1016/0013-7952(87)90078-0

Wave Forces on Coastal Bridges

Wave Forces on Coastal Bridges

This article was contributed by Jun Jin, Assistant Professor in the Maritime Systems Engineering Department at Texas A&M University at Galveston.

최근 몇 년 동안 허리케인은 멕시코만 연안의 4 개 주에서 여러 해안 고속도로 교량에 구조적 피해를 입혔습니다. 허리케인 피해를 방지하기 위해 연안 교량에 가해지는 파도 하중의 크기는 합리적인 정확성을 가지고 결정되어야 합니다. 일반적으로 구조에 대한 파도 하중의 계산은 구조 상호작용의 여러 특성으로 인해 복잡해집니다. 이 본문은 이러한 복잡한 문제들 중 해결할 수 있는 몇 가지를 보여줍니다.

Validation of Stokes Nonlinear Wave Solution in FLOW-3D

Figure 1. Particle trajectories and pressure variation during a wave simulation

Figure 2a. Comparison of computed particle velocities of a point with theoretical results

Figure 2b. Comparison of computed particle velocities of a point with theoretical results

Wave Loads vs. Superstructure Elevations

Figure 3. Wave profile and pressure contours at different moments (Pressure unit: Pa).

Flow Field under Bridge Deck

Observations

시뮬레이션 결과에서 다음과 같은 결론을 도출할 수 있습니다.

상부 구조물의 높이가 증가함에 따라 교량 상부 구조물의 수직 방향 파동력이 감소하는 반면, 수평 방향 파형력은 교량의 상부 구조물의 상부 표면이 웨이브 높이의 아래에 있을 때 큰 영향을 미치지 않습니다.
교량 상층부의 물 하중은 파고와 함께 증가합니다. 파손이 거의 발생하는 경우 최대 물 하중이 최대 수직 파력의 50 %를 초과했습니다. 그러나 그린 워터 하중과 상향 파력 사이의 위상차로 인해 수직 파력의 최대 값은 물의 부하에 의해 현저히 감소하지는 않았습니다.
교량 상부 구조물 주위의 유동장은 평행한 대들보에 의해 차단됩니다. 그러므로 웨이브 힘에 대한 순전히 기반한 방법은 웨이브 힘을 계산하는데 사용할 수 없습니다.

Figure 4. Vectors of water particle velocity at the moment of maximum wave force (Velocity unit: m/s)

Learn more about the power and versatility of modeling coastal and maritime applications with FLOW-3D>

CFD Predicts Air Gap and Wave Impact Loads of Offshore Structures

CFD Predicts Air Gap and Wave Impact Loads of Offshore Structures

This article was contributed by Anup Paul & Chris Matice of Stress Engineering Services¹.

연안 플랫폼 갑판 아래의 간격은 중요한 설계 매개변수이며 극한 설계 조건에서 요구되는 최소 공극 격차에 의해 결정된다. 반잠수재 및 다리구조물과 같은 구조의 경우 최소 공극과 갑판에 대한 충격영향을 예측하는 것은 어렵다.

Dynamic response of a spar with a 12 m wave

파도는 공극 설계에서 설명되어야 하는 플랫폼 다리와 상호작용으로 인해 상당한 비선형적 행동과 파장의 증폭을 보여준다. 극한의 환경에서 음의 공기 격차가 발생하는 경우 갑판 충격하중에 대한 예측이 중요해집니다. 석유 및 가스 생산이 더 깊은 물로 이동함에 따라 부양 장치가 필요하며 갑판 높이는 중량 및 안정성 요구사항에 따라 제한됩니다. 극한의 환경에서 이러한 구조물의 성능을 예측하는 데 있어 자유 표면 및 갑판 충격하중에 대한 구조물의 성능을 정확하게 예측하는 것이 중요합니다.

Computational Fluid Dynamics

CFD(전산 유체 역학)방법은 다양한 산업 분야에 광범위하게 적용되어 유체 흐름과 열 전달 특성을 나타냅니다. CFD는 VOF(Volume of Fluid) 모델과 함께 연안 플랫폼의 공극 차이와 파장 영향 부하를 예측하는데 효과적으로 사용할 수 있습니다. VOF방법은 자유 표면 형상과 비선형 파형 동작을 정확하게 예측하는 데 사용할 수 있습니다. 부유식 시스템의 경우 CFD를 FEA와 결합하여 파형 충격 시 플랫폼의 동적 및 구조적 반응을 예측할 수 있습니다.

Wave Interaction of a SPAR Platform

Figure 1: Dynamic response of SPAR

그림 1은 10m및 20m파에 대한 SPAR의 동적 응답을 보여 줍니다. 두 파 모두 20초의 주기를 가지며 선형 파형 경계 조건을 사용하여 생성됩니다. SPAR은 질량 중심에 6도의 자유도를 가진 강체로 모형화 됩니다. 그림 2는 질량의 SPAR중심의 수직 변위를 보여 줍니다. 그림 3은 파형 상호 작용으로 인한 SPAR의 수평 방향 힘을 보여 줍니다.

Wave Impact on a Gravity Based Structure (GBS)

그림 4는 중력 기반 구조 (GBS)의 갑판에 대한 파동의 영향을 보여줍니다. 평균 수심은 151.1 미터이고 초기 공극은 21.7 미터입니다. 이 파도는 40 미터의 높이와 17 초의 주기를 가집니다. 그림 5는 상단부분의 웨이브 충격으로 인한 GBS의 수평 및 수직력을 보여줍니다. 힘의 급상승은 그림 4에서와 같이 GBS 전면의 파동과 갑판 상단의 2 차 충격에 대한 초기 충격과 일치합니다.

Figure 2: Vertical displacement of SPAR

Figure 3: Horizontal forces on SPAR

Figure 4: Wave impact on GBS .

Figure 5: Force history of GBS due to wave impact on deck

Anup Paul is an Associate with SES, specializing in fluid dynamic analysis of structures, products and processes

Chris Matice, Ph.D., P.E. is a Principal with SES and heads their Process Technology Group, specializing in fluid dynamic and structural evaluation of plant and equipment.

Learn more about the power and versatility of modeling coastal and maritime applications with FLOW-3D>

Prediction of Shrinkage Defects During Investment Casting Process

Indianapolis Storm-Water System

Large Scale Project on a Tight Delivery Schedule

촉박한 납품 일정에 따른 대규모 프로젝트

Zeroing in on the Drop-Structure Challenge

드롭 구조 과제에서 영점 조정

This article was contributed by Dr. S. Savithri, Senior Principal Scientist at CSIR-NIIST

인베스트먼트 주조공정은 가장 오래된 주조 공정 중 하나로 기원전 4000년 이후에 보편화되었습니다. 이 과정은 용해된 금속을 소모품패턴으로 생성된 세라믹 쉘에 주입하는 과정을 수반합니다. 일찍이 그것은 금, 은, 구리와 청동 합금으로 장신구와 우상을 만드는데 사용되었습니다.

인베스트먼트 주조공정은 1897년 아이오와 주, 위원회 블러프스의 Barabas Frederick Philbrook이 묘사한 대로 치과의사들이 왕관과 인레이를 만들기 위해 그것을 사용하기 시작한 19세기 말 현대 산업공정으로 사용되기 시작했다. 1940년대에는 제2차 세계대전 당시 기존 방법으로는 형성될 수 없거나 지나치게 많은 가공이 필요한 특수 합금의 정밀 순모형 제조 기술에 대한 수요로 인해 투자 주조 공정이 증가하였다.

오늘날 투자 주조 공정은 표면 마감 및 치수 정확도가 우수하여 거의 순 형태에 가까운 철, 비철 및 초합금의 소형 산업용 부품을 생산하는데 주로 사용됩니다.

인베스트먼트 주조 공정은 다음 네 가지 주요 단계로 구성됩니다.

왁스 패턴 생성 후, 패턴 클러스터를 만들기 위해 게이트 시스템으로 청소 및 조립합니다.
나무는 세라믹 쉘을 얻기 위해 미세 모래와 Course한 모래 입자의 슬러리로 번갈아 코팅됩니다.
용기는 건조되고, 왁스를 녹이기 위해 가열되며, 강도를 높이고 주입 준비합니다.
마침내 주조 합금이 용해되어 예열된 쉘에 주입됩니다. 응고 후에 쉘이 파손되어 주조 부품을 얻습니다.

Figure 1. Solid model of the casting geometry

인베스트먼트 주조 공정에서 얻은 부품은 많은 중요한 용도에 사용되므로 내부적인 결함이 없어야 합니다. 투자 주조 공정에서 발생하는 주요 결함은 세라믹 포함, 균열, 변형, 플래시, 주탕불량, 수축, 슬래그 포함, 탕경계등입니다. 얻은 주조물의 품질을 예측하려면 금속-몰드 열 전달계수, 주입 온도 등 다양한 주조 공정 매개 변수의 영향을 연구해야 합니다. 즉, 쉘 두께 및 쉘 열 전달계수가 그것입니다. 현대 컴퓨터 시스템 및 시뮬레이션 소프트웨어의 출현과 함께 금형 충진 및 응고 시뮬레이션은 주조공장에서 결함을 예측하고 설계를 최적화하는데 점점 더 많이 사용되고 있습니다.

이 연구의 주요 목적은 투자 주조 공정에서 주요 요소인 복사 열 전달과 인베스트먼트 주조공정에 고유한 쉘 금형이 FLOW-3D에서 효과적으로 구현될 수 있는지를 조사하는 것입니다. FLOW-3D를 사용하여 간단한 형상을 위한 인베스트먼트 주조공정의 주입 및 응고 시뮬레이션을 수행함으로써 두 구성요소의 서로 다른 효과를 조사합니다. 다양한 위치에서 얻은 온도의 수치는 문헌 [1]에보고 된 실험 결과로 검증됩니다. 복사 열 전달계수, 쉘 몰드 두께, 탕구 및 게이트의 위치에 대한 영향도 조사했습니다.

Figure 2. Shell mold

Methodology

현재 연구에서 사용된 계산 형상은 그림 1에 나와 있습니다. 쉘 몰드는 다음 단계를 사용하여 작성되었습니다.

구성 요소 1로 형상을 FLOW-3D로 가져오고 지정된 셀 크기로 가져온 형상을 중심으로 메쉬 블록을 작성합니다.
“보완”유형의 component1의 첫 번째 하위 구성 요소를 만들어 하위 구성 요소 외부의 모든 항목을 메쉬의 범위까지 확고하게 만듭니다.
솔리드 데이터베이스에서 이 솔리드 블록의 금형 재질 특성을 정의하십시오.
솔리드 특성 GUI의 구성 요소 특성에서 “열 침투 깊이”를 정의하는 옵션이 있습니다. 여기서 쉘 두께 값을 정의 할 수 있습니다.
이제 전처리기를 실행하십시오.
분석 탭> 3D 탭으로 이동 한 다음 이전 단계에서 생성 한 prpgrf 파일을 엽니다. ‘Iso-surface’와 ‘color variable’에서 “열 활성화 구성 요소 볼륨”을 선택하고 “렌더링”을 선택하십시오.
Display에 이제 형상의 셸 부분 만 표시됩니다.
개체 목록 (창의 왼쪽 하단)에서 “구성 요소 1″을 선택하고 “구성 요소 1″을 마우스 오른쪽 단추로 클릭 한 다음 “stl로 내보내기”를 선택하여 이 곡면을 STL 파일로 저장하십시오.

Figure 3. The view of the two mesh blocks for the creation of a void with discretization

쉘 몰드 용 STL 파일을 만든 후 파일을 구성 요소 1로 새 시뮬레이션으로 가져오고 이전에 작성한 주조 형상을 하위 구성 요소로 가져오고 유형을 ‘hole’으로 선택합니다. 쉘 몰드와 함께 주조 형상이 그림 2에 나와 있습니다. 이것은 우리의 계산 영역으로 사용됩니다. 다음은 계산 영역을 cubical/rectangular셀로 분할하기 위한 메쉬를 만드는 것입니다. 메쉬 블록을 작성하여 FLOW-3D에서 메쉬를 생성합니다. 현재의 작업을 위해 우리는 2.5mm의 고정된 셀 크기가 선택된 그림 3에 표시된 균일한 메쉬 옵션을 선택했습니다. 입력 위치 주변에 메시 블록 2가 사용되는 현재 시뮬레이션을 위해 메시 블록 2개가 생성되었습니다. 쉘과 주변 공기 사이의 30°C에서의 열 전달을 고려하여 쉘 주위에 보이드 영역이 정의됩니다. 이 영역은 ‘열 전달 유형 1’이 있는 보이드 영역으로 선택되며 셸과 주변 공기 사이에 열 전달 계수 값이 지정됩니다. 열 전달 유형 1은 방사선을 포함한 종합 열 전달 계수가 됩니다.

쉘 주형에 선택된 재료는 zircon이며 열 특성은 Sabau and Vishwanathan에 의해 수행된 실험에서 얻을 수 있습니다[2]. 표 1은 연구에 사용된 재료에 대해 지정된 값을 보여 줍니다.

MATERIAL	PROPERTY	VALUE	UNIT
Fluid –AluminiumA356 alloy	Density	2437	kg/m³
	Thermal conductivity	116.8	W/(mK)
	Specific heat	1074	J/(kgK)
	Latent heat	433.22	kJ/m³
	Liquidus temperature	608	°C
	Solidus temperature	552.4	°C
Zircon Mold	Thermal conductivity	1.09	W/(mK)
	Specific heat* Density	1.63E+06	J/( m³K)

Initial and boundary conditions used are show in Table 2.

Mold temperature	430°C
Melt pouring temperature	680°C
Filling time	7 s
Interface heat transfer coefficient	850 W/m²K
Heat transfer coefficient between ambient and mold (radiation effect)	30 -100 W/m²K

Table 2. Initial and boundary conditions used for the simulation

탕구저에 들어가는 용융물의 초기 속도와 온도는 메시 블록 2의 상단 경계에서 속도 경계 조건으로 주어집니다. 기본적으로 다른 모든 경계는 대칭 유형으로 설정됩니다.

Results & Discussion

Validation with reported experimental results

충전 및 응고 동안 냉각 곡선을 얻기 위한 실험에서 Sabuet.al[1]에 의해 선택된 네 개의 위치가 검증 목적으로 사용되었습니다. 그들은 C1, C2, S11, S12및 S21로 언급됩니다. C1과 C2지점은 주물의 플레이트의 중심에 있으며 S11, S12및 S21은 모두 쉘에 위치합니다. 이러한 위치에서의 온도 변화는 그림 4와 같습니다.

온도 프로파일의 수치 및 실험결과의 차이가 허용한계 안에 있음을 알 수 있습니다. 프로브 포인트 C1과 C2의 경우, 수치와 실험 결과 사이의 차이는 응고 중에 5%, 응고 후 냉각 시 12% 이내입니다. 쉘의 점에 대한 수치 결과는 실험 결과보다 약 5% 높습니다. 이는 쉘 재료에 열 물리학적 특성을 할당할 때 발생하는 가정과 쉘 열 전달 계수의 값 때문일 수 있습니다.

Fill sequence & solidification pattern for two different sprue locations

두 가지 다른 스프 루 위치의 채우기 순서 및 응고 패턴

2 개의 상이한 탕구 위치에 주물충전 순서는5a 및5b에 나와 있습니다. 최종 탕구가 더 많은 스플라인을 생성하므로 결함으로 이어질 수 있습니다. 탕구가 중간에 놓여지면 흐름은 보다 균일 해지고 두 주조 단면에서 비슷한 온도 분포를 보입니다. 50 % 응고 후의 온도 프로파일의 2D 도면은 두 경우 모두 그림 5c 및 5d에 나와 있습니다. 수축 위치에서 볼 때 두 탕구 위치가 결함을 일으키는 것은 분명합니다.

Figure 5a. Fill sequence at different time intervals when the sprue is located at one end

Figure 5b. Fill sequence at different time intervals when the sprue is located in the middle

Figure 5c. 2D temperature profile after 50% solidification when the sprue is located at one end

Figure 5d. 2D temperature profile after 50% solidification when the sprue is located in the middle

Effect of shell thickness

인베스트먼트 주조에 대한 쉘 두께의 효과를 연구하기 위해 두께가 7.2, 10, 15 및 20 mm인 주물을 선정하였습니다. 그림 6a 및 6b는 주조품의 특정 위치에서 냉각 곡선을 나타내며, 이는 C1으로 나타내고 쉘 몰드 내의 특정 위치에 있으며, 응고 중에 S11로 나타납니다. 세라믹 쉘의 두께가 7.2 mm에서 15 mm로 증가하면 냉각 속도가 감소하여 응고 시간이 길어지는 것을 볼 수 있습니다.

Effect of shell heat transfer coefficient

셸 열 전달 계수는 열이 셸 금형의 외부 벽에서 방사선을 통해 주변 공기로 열을 방출하는 속도를 나타냅니다. 이 효과를 조사하기 위해 열 전달 계수의 값을 20에서 80W/m²K까지 다양하게 했습니다. 7a 및 7b로부터, h의 변화는 주조 재료 및 쉘의 냉각 속도에 중요한 영향을 미친다는 것을 알 수 있습니다. 열 전달 계수가 20에서 80W/m²K로 증가하면 C1에서의 응고 시간이 812 초에서 334 초 (약 44 %)로 감소되었음을 알 수 있습니다. 따라서, h의 값을 변화시키는 것은 주물의 미세 구조에 영향을 미칩니다.

Figure 6a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various shell thickness values

Figure 6b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various shell thickness values

Figure 7a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient

Figure 7b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient

Conclusions

인베스트먼트 주조 공정의 몰드 충진 및 응고 시뮬레이션은 FLOW-3D를 사용하여 수행되었습니다. 주조 공정에 대한 주조 매개변수의 영향을 연구하기 위해 파라메트릭 연구가 수행되었습니다. 본 연구에서 다음과 같은 결론을 도출 할 수 있습니다.

FLOW-3D는 멀티 캐비티 몰드의 주입 및 응고 모델링이 가능합니다. 프로브 위치의 예측 온도 프로파일은 실험 데이터의 허용오차 이내였다.
쉘 두께의 경우, 두 경우 모두 셸의 임계 두께가 있으며, 그 이상으로 열 전달 특성이 역행하는 것으로 확인되었습니다. 셸 두께가 증가함에 따라 응고 시간이 임계 두께까지 증가하여 감소하기 시작했습니다. 원래 형상의 경우 임계 두께는 15~20mm인 반면 수정된 형상의 경우 10mm와 15mm 사이에 있다.
쉘과 대기 사이의 열 전달 계수 h는 열 전달 특성에 가장 큰 영향을 미치는 것으로 나타났습니다. h가 20에서 80W/m²K로 4 배 증가할 때 탕구의 중심에서 응고 시간이 40 % 이상 감소했습니다.

References

Sabau, A.S., Numerical Simulation of the Investment Casting Process, Transactions of the American Foundry Society, vol. 113, Paper No. 05-160, 2005.

Sabau, A.S., and Viswanathan, S., Thermophysical Properties of Zircon and Fused Silica-based Shells used in the Investment Casting Process, Transactions of the American Foundry Society, vol. 112, Paper No. 04-081, 2004.

Design and CFD Analysis

설계 및 CFD분석

Figs. 3, 4 and 5. Tangential drop structure flow simulated with FLOW-3D. Structure dimensions were optimized through multiple design iterations. (Image courtesy AECOM)

Fig. 6. Scale model (1:10) of vertical drop structure, tested at University of Iowa IIHR Hydroscience & Engineering facility. (Image courtesy AECOM)

Final Results

This article first appeared in WaterWorld Magazine.

Detecting Porosity with the Core Gas Model

Detecting Porosity with the Core Gas Model

Producing High Quality Castings

Results options such as core gas flux, binder weight fraction and out-gassing rate can be analyzed using the core gas model

주조공장의 첫 번째 시험에서 주조 품질을 보장하기 위해 많은 선행 엔지니어링을 수행해야 합니다. 최근에는 금속 흐름, 응고, 미세 구조 진화 및 잔류 응력을 모델링하기 위한 수치 도구가 보편화되었습니다. 그러나 아직 완전히 다루어지지 않은 주조 결함 중 하나는 일반적인 코어 가스 불량 결함입니다. 이 문제의 물리학은 금속, 코어 및 바인더 사이의 복잡한 상호 작용을 포함합니다. 이를 해결하지 않으면 고철 수준이 높아질 수 있습니다. 대부분의 문제는 고온의 주입 온도를 사용하고 영향을 받는 영역에 벽체를 추가하여 문제를 관리하지만 완전히 해결할 수는 없습니다.

Designing the Optimum Break-Down

과거에는 재료 및 주조 엔지니어가 코어 가스 버블로 인해 다공성 결함 문제를 발견했을 경우 바인더 함량을 줄이거나 코어 환기량을 늘리거나 코어 환기 시간을 늘리거나 코어를 미리 굽거나 하는 등 일련의 표준 문제를 해결할 수 있었습니다. 가스가 따라가는 경로를 보는 것은 불가능했기 때문에 이것은 한 부분을 완성하는 데 수주가 걸리는 긴 인출 과정이었습니다. 그리고 다른 부분에 문제가 있을 때마다 반복해야 했습니다.

이 가공 일정을 단축해야 하는 시장 중심의 필요성 때문에 주조 시뮬레이션 소프트웨어가 개발되었습니다. 설계 및 제조에 모두 유용한 컴퓨터 기반 모델링을 통해 엔지니어는 실제 비용을 낭비 없이 다양한 접근 방식을 테스트 할 수 있습니다. 주조 공장이 환기 설계에 시뮬레이션을 적용 할 수 있도록 Flow Science는 주조 해석 기능에 핵심 가스 모델을 추가했습니다.

GM engine block water jacket, showing binder weight fraction

Applying CFD Methods to Core Gas Flow

수지 기반 바인더의 화학적 복잡성으로 인해 샌드 코어 열 차단 후 가스가 어디서 어떻게 흐르는 지 이해하는 것은 복잡합니다. 그러나 Flow Science는 여러 그룹과 협력하여 실험 데이터를 얻고 이를 수치 모델의 결과와 비교합니다. 이 회사는 General Motors, Graham-White Manufacturing 및 AlchemCast의 핵심 가스 유량 정보를 수집하여 알루미늄, 철 및 강철과 함께 사용되는 모래 수지 코어에 대한 실제 데이터를 얻었습니다.

GM Powertrain의 캐스팅 분석 엔지니어 인 David Goettsch 박사는 금속 주조물의 충진 및 응고 분석을 위해 15 년 동안 FLOW-3D를 사용했습니다. 새로운 코어 가스 모델은 설계 단계에서 자켓 코어 배출을 최적화하는 데 매우 유용합니다. 모든 요구 사항이 핵심 인화물에 있는 코어 박스에 vent tracks를 구현하기는 매우 어렵습니다. “핵심 가스 배출에 대한 선행 분석 작업을 통해 시동 시 높은 스크랩률로 부터 벗어날 수 있습니다.”라고 그는 설명합니다. “아마도 프로세스 변경으로 문제가 해결 될 수 있습니다. 그러나 그 시점에 도달하려면 오랜 테스트 기간이 필요할 수 있습니다. “

현재 FLOW-3D에서 사용할 수 있는 코어 가스 모델을 통해 Goettsch는 다양한 삽입 및 배출 위치를 시도하고 글로벌 진단을 받을 수 있습니다. 가스가 얼마나 많이 발생하는지, 어디로 가는지, 금속 프런트가 따라 잡기 전에 얼마만큼 빠져 나오는지 확인하십시오.

Multi-Core Challenges

Core prints for casting with internal geometries

GM Powertrain jacket slab assembly

또 다른 노련한 주조공장 엔지니어인 Graham-White Manufacturing Co.의 Elizabeth Ryder는 가스 다공성은 항상 조사하기가 어려웠다고 주장했다. 그녀는 “특히 다중 코어의 경우, 어떤 코어가 문제의 원인인지 정확하게 찾아 내기가 어려웠으며 전체적인 시스템을 처리 하려고 했습니다. “

1700개의 부품으로 구성된 지속적인 생산으로, 그 중 일부는 연간 10,000개의 부품으로 구성되었으며, Graham-White는 시뮬레이션을 통해 제조 공정을 개선하는 데 매우 익숙했습니다.

Graham-White는 레이저 스캐닝으로 제작한 회주철 부품(약 3 x 4in)의 3D 모델로 작업하면서 평가를 위해 현재 vent 디자인을 제공했습니다. 이 탕구 디자인은 수평으로 분할된 금형에서 패턴 플레이트당 4개의 인상이 포함되었으며, 각 인상은 각 코어에 대한 vent가 있습니다. 중앙 sprue는 2 초 이내에 각각의 몰드를 충진할 수 있게 해주었습니다.

FLOW-3D를 이용한 시뮬레이션은 주입률을 확인시켜 주었지만, 또한 한 코어의 배출량이 충분하지 않다는 것을 보여주었다. Graham-White는 기존 분출구를 통해 가스를 더 많이 공급할 수 있도록 코어에 깊은 구멍을 뚫기 시작했습니다. 새로운 vent 디자인으로 전환한 이후, 회사는 코어 블로우 스크랩을 약 30% 감소 시켰습니다.

Ryder는 FLOW-3D 결과가 디자인 초점을 결정하는데 도움을 주었고, 어떤 코어 (멀티 코어 디자인)가 문제였는지, 코어의 어느 부분이 문제의 근원인지에 대해 파악할 수 있었습니다.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>

Interaction Between Waves and Breakwaters

Interaction Between Waves and Breakwaters

This article is an adapted version of an article published in the journal of the Engineering Association for Offshore and Marine in Italy by Fabio Dentale, E. Pugliese Carratelli, S.D. Russo, and Stefano Mascetti. The first three authors are users at the University of Salerno; Mr. Mascetti is an engineer at XC Engineering, Flow Science’s associate for Italy and France.

방파제의 설계는 복잡한 자연 시스템 (바다와 해안)과 인공 구조물 (방파제)의 상호 작용에 대한 완전한 이해가 필요합니다. 일반적으로 설계 작업은 광범위한 물리적 모델링을 수반하므로 비용이 많이 들고 시간이 오래 걸릴 수 있습니다. 최근까지 방파제의 복잡한 측면은 상세한 수치 시뮬레이션에 너무 어려웠습니다. 이것은 물이 비정상적인 동작으로 복잡한 경로를 통해 흐르는 콘크리트 또는 암석 블록으로 구성된 방파제의 경우 특히 그렇습니다.

컴퓨팅 기술의 진보로 수치, 물리적 조사 간의 격차가 좁혀졌습니다. 상호 작용하는 개별 블록으로 구성된 견고한 구조를 정확하게 표현할 수 있으므로 블록 사이의 빈 공간 내에 수치적으로 유동 영역을 생성 할 수 있습니다. 이것은 방류수가 균일한 다공성 매질로 근사되는 Classical Darcy 주제에 고려될 수 없는 대류항 및 난류의 영향을 포함한 전체 유체 역학적 거동의 영향을 평가할 수 있게 합니다

Modeling Rubble Mound Breakwaters

The following examples describe cases where rubble mound breakwaters are modelled on the basis of their real geometry, taking into account the hydrodynamic interactions with the wave motion.

잔재물 분쇄기 모델링

다음의 사례는 잔해 분쇄물이 파도 운동과의 유체 역학적 상호 작용을 고려하여 실제 형상을 기반으로 모델링된 경우를 설명합니다.

Figure 1: Artificial blocks

Figure 2a: Submerged Breakwaters

Figures 2b and 2c: Emerged Breakwater – Accropode regular & Accropode irregular

방파제의 개략적인 표현을 고려하여 구체 세트로 재현한 것으로 the cube, the modified cube, the antifer, the tetrapod, the accropode, the accropode II, the coreloc, the xbloc,and the xbloc base 등과 같은 일반적으로 사용되는 인공 블록을 고려하기 위해 개발되었습니다. (그림 1).

방파제는 물에 잠기거나 잠긴 경우에는 문헌에 나와 있는 표준 실험식을 사용하여 크기를 결정하고 실제 기하학적 패턴을 따르는 전체 크기, 구조 및 물리적 모델링과 같이 수치적으로 구성했습니다 (그림. 2).

제안된 절차의 품질을 검증하기 위해 침수된 방파제에 대해 세 가지 기하학적 구조를 고려했다. 즉, 부유, 다공성, 고형물과 부유물(그림 2a)이 출현한 방파제의 경우, 두 가지 다른 기하학적 구조를 사용했다(Fig. 2b – 2c).

방파제가 결정되면 기하학적 구조을 FLOW-3D로 가져 와서 유체 역학적 작용을 평가 및 Wave propagation의 연구를 위해 테스트했습니다. 시뮬레이션은 RNG 난류 모델과 coarse격자 안쪽에 중첩된 미세한 격자가 있는 전산메쉬를 사용하여 Navier-Stokes 방정식을 3 차원으로 통합하여 수행되었습니다.

수중 장벽 (계산 영역: 90 × 1.9 × 6.5m)의 경우, 포함된 메쉬 블록은 동일한 크기 (0.30 × 0.27 × 0.30m)의 46,200 개의 요소로 구성되며 중첩된 블록은 2,353,412 개의 요소로 구성하였습니다(0.061 × 0.055 × 0.061m).

방파제에도 동일한 기준이 적용되었습니다. 포함된 격자 블록은 150,000개의 요소(0.50×0.20×0.30m)로 구성되며, 중첩된 블록은 2,025,000개의 요소(0.10× 0.10×0.10m)로 생성되었습니다.

Figures 3a and 3b: Mesh views of submerged breakwater (3a above) & emerged breakwater (3b below)

Figures 4b: Emerged Breakwater – Accropode regular

Figures 4a: Submerged breakwater

결과 중 일부는 다음 이미지에 요약되어 있습니다. 그림 4에서 3 차원 영역의 2 차원 단면을 따른 압력 및 난류 에너지가 나타납니다. 그림 5에는 서로 다른 순간에 잡힌 자유 표면의 3 차원 형상이 나타나있습니다.

유동경로를 따라 개별 솔리드 요소의 윤곽의 유체 역학에 의한 유동 변화는 쉽게 검출 가능합니다. 이것은 자유 표면의 3 차원 재구성에서 가장 잘 드러나며 (그림 5) 방파제에 대한 파동 작용의 효과가보다 자세하게 표현됩니다.

Figures 5a: Submerged breakwater.

Figures 5b: Emerged Breakwater – Accropode regular.

Figures 5c: Emerged Breakwater – Accropode irregular

Conclusions

잠수함이나 해상 구조물 간의 상호 작용을 정확히 표현하기 위한 Navier-Stoke기반 수치 시뮬레이션을 활용한 방법, 그리고 유체 움직임이 입증되었습니다. 시뮬레이션은 난류 시뮬레이션을 위한 RANS와 자유 표면 계산을 포함하는 첨단 컴퓨터 유체 동적 소프트웨어 시스템(FLOW-3D)을 사용하여 수행되었습니다.

이 결과는 블록 사이의 경로 내에서 유체 운동의 상세한 그림을 제공함으로써 기존의 흐름 방법보다 더 정확한 시뮬레이션을 제공함을 보여줍니다. 블록을 사용하여 기존의 누설 흐름 방법보다 더 정확한 시뮬레이션을 제공합니다. 원칙적으로 모든 관련 부품(필터, 코어 및 토우)에서 구조물이 물에 잠기거나 나타나는 경우 시뮬레이션이 가능하며 제한은 없습니다.

Further studies will be aimed at assessing the stability of individual blocks through the use of the Moving Object model in FLOW-3D.

금속 3D 프린팅 파우더 베드 수치해석

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

Numerical modeling approach

약 600 마이크로 초 길이의 L-PBF의 과도 시뮬레이션은 약 40 시간의 클럭 시간이 소요되었으며 인텔 ® 제온 ® 프로세서 E5335 및 4GB RAM의 중간 정도급의 워크 스테이션에서 수행되었습니다.

Result and discussion

Summary

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

Additive Manufacturing & Welding Bibliography

다음은 적층 제조 및 용접 참고 문헌의 기술 문서 모음입니다. 이 모든 논문에는 FLOW-3D AM 결과가 나와 있습니다. FLOW-3D AM을 사용하여 적층 제조, 레이저 용접 및 기타 용접 기술에서 발견되는 프로세스를 성공적으로 시뮬레이션하는 방법에 대해 자세히 알아보십시오.

2024년 11월 20일 update

121-24 Lovejoy Mutswatiwa, Lauren Katch, Nathan John Kizer, Judith Anne Todd, Tao Sun, Samuel James Clark, Kamel Fezzaa, Jordan Lum, David Matthew Stobbe, Griffin Jones, Kenneth Charles Meinert Jr., Andrea Paola Argüelles, Christopher Micheal Kube, High-speed synchrotron X-ray imaging of melt pool dynamics during ultrasonic melt processing of Al6061, Communications Materials, 5; 143, 2024. doi.org/10.1038/s43246-024-00584-3

120-24 Mysore Nagaraja Kishore, Dong Qian, Masakazu Soshi, Wei Li, Conforming mesh modeling of multi-physics effect on residual stress in multi-layer powder bed fusion process, Journal of Manufacturing Processes, 124; pp. 793-804, 2024. doi.org/10.1016/j.jmapro.2024.06.033

113-24 Yusufu Ekubaru, Takuya Nakabayashi, Tomoharu Fujiwara, Behrang Poorganji, Processing windows of Ni625 alloy fabricated using direct energy deposition, Advanced Engineering Materials, 2024. doi.org/10.1002/adem.202400962

111-24 Ruijie Liu, Melt pool dynamic modelling for the titanium-based metal additive manufacturing process, Thesis, The University of Auckland, 2024.

104-24 Ju Wang, Meng Li, Huarong Zhang, Zhe Liu, Xiaodan Li, Dengzhi Yao, Yuhang Wu, Qiong Wu, Xizhong An, Shujun Li, Jian Wang, Xing Zhang , Cumulative effects of powder beds and melted areas on pore defects in electron beam powder bed fusion of tungsten, Powder Technology, 443; 119971, 2024. doi.org/10.1016/j.powtec.2024.119971

100-24 Xuesong Gao, Aryan Aryan, Wei Zhang, Numerical analysis of rotating scans’ effect on surface roughness in laser-powder bed fusion, Journal of Materials Research and Technology, 30; pp. 8671-8682, 2024. doi.org/10.1016/j.jmrt.2024.05.214

95-24 Yongbiao Wang, Yue Zhang, Junjie Jiang, Yang Zhang, Hongyang Cui, Xintian Liu, Yujuan Wu, Cross-scale simulation of macro/microstructure evolution during selective laser melting of Mg–Gd–Y alloy, Metallurgical and Materials Transactions B , 2024. doi.org/10.1007/s11663-024-03104-3

94-24 Yang Chu, Haichuan Shi, Peilei Zhang, Zhishui Yu, Hua Yan, Qinghua Lu, Shijie Song, Kaichang Yu, Simulation-assisted parameter optimization and tribological behavior of graphene reinforced IN718 matrix composite prepared by SLM, Intermetallics, 170; 108307, 2024. doi.org/10.1016/j.intermet.2024.108307

92-24 Ying Wei, Song Han, Shiwei Yu, Ziwei Chen, Ziang Li, Hailong Wang, Wenbo Cheng, Mingzhe An , Parameter impact on 3D concrete printing from single to multi-layer stacking, Automation in Construction, 164; 105449, 2024. doi.org/10.1016/j.autcon.2024.105449

90-24 Chuanbin Du, Yuewei Ai, Yiyuan Wang, Chenglong Ye, The effect mechanism of laser beam defocusing on the surface quality of IN718 alloy prepared by laser powder bed fusion, Powder Technology, 443; 119841, 2024. doi.org/10.1016/j.powtec.2024.119841

88-24 Arash Samaei, Joseph P. Leonor, Zhengtao Gan, Zhongsheng Sang, Xiaoyu Xie, Brian J. Simonds, Wing Kam Liu, Gregory J. Wagner, Benchmark study of melt pool and keyhole dynamics, laser absorptance, and porosity in additive manufacturing of Ti-6Al-4V, Progress in Additive Manufacturing, 2024. doi.org/10.1007/s40964-024-00637-6

83-24 Ao Fu, Zhonghao Xie, Jian Wang, Yuankui Cao, Bingfeng Wang, Jia Li, Qihong Fang, Xiaofeng Li, Bin Liu, Yong Liu, Controlling of cellular substructure and its effect on mechanical properties of FeCoCrNiMo0.2 high entropy alloy fabricated by selective laser melting, Materials Science and Engineering: A, 901; 146547, 2024. doi.org/10.1016/j.msea.2024.146547

82-24 Fatemeh Bodaghi, Mojtaba Movahedi, Suck-Joo Na, Lin-Jie Zhang, Amir Hossein Kokabi, Effect of welding current and speed on solidification cracking susceptibility in gas tungsten arc fillet welding of dissimilar aluminum alloys: Coupling a weld simulation and a cracking criterion, Journal of Materials Research and Technology, 30: pp. 4777-4785, 2024. doi.org/10.1016/j.jmrt.2024.04.195

81-24 Myeonghwan Choi, Dae-Won Cho, Kwang-Hyeon Lee, Seonghoon Yoo, Sangyong Nam, Namhyun Kang, Severe Mn vaporization for partial-penetrated laser keyhole welds of high-manganese cryogenic steel, International Journal of Heat and Mass Transfer, 227; 125567, 2024. doi.org/10.1016/j.ijheatmasstransfer.2024.125567

78-24 An Wang, Qianglong Wei, Zijue Tang, J.P. Oliviera, Chu Lun Alex Leung, Pengyuan Ren, Xiaolin Zhang, Yi Wu, Haowei Wang, Hongze Wang, Effects of hatch spacing on pore segregation and mechanical properties during blue laser directed energy deposition of AlSi10Mg, Additive Manufacturing, 85; 104147, 2024. doi.org/10.1016/j.addma.2024.104147

77-24 Jeongho Yang, Seonghun Ji, Du-Rim Eo, Jongcheon Yoon, Parviz Kahhal, Hyub Lee, Sang Hu Park, Effect of abnormal powder feeding on mechanical properties of fabricated part in directed energy deposition, International Journal of Precision Engineering and Manufacturing – Green Technology, 2024. doi.org/10.1007/s40684-024-00620-0

72-24 Minglei Qu, Jiandong Yuan, Ali Nabaa, Junye Huang, Chihpin Andrew Chuang, Lianyi Chen, Melting and solidification dynamics during laser melting of reaction-based metal matrix composites uncovered by in-situ synchrotron X-ray diffraction, Acta Materialia, 271; 119875, 2024. doi.org/10.1016/j.actamat.2024.119875

71-24 Chenze Li, Manish Jain, Qian Liu, Zhuohan Cao, Michael Ferry, Jamie J. Kruzic, Bernd Gludovatz, Xiaopeng Li, Multi-scale microstructure manipulation of an additively manufactured CoCrNi medium entropy alloy for superior mechanical properties and tunable mechanical anisotropy, Additive Manufacturing, 84; 104104, 2024. doi.org/10.1016/j.addma.2024.104104

68-24 Jialu Wang, Shuaicheng Zhu, Miaojin Jiang, Yunwei Gui, Huadong Fu, Jianxin Xie, Solidification track morphology, residual stress behavior, and microstructure evolution mechanism of FGH96-R nickel-based superalloys during laser powder bed fusion process, Journal of Materials Engineering and Performance, 2024. doi.org/10.1007/s11665-024-09326-5

66-24 Erik Holmen Olofsson, Ashley Dan, Michael Roland, Ninna Halberg Jokil, Rohit Ramachandran, Jesper Henri Hattel, Numerical modeling of fill-level and residence time in starve-fed single-screw extrusion: a dimensionality reduction study from a 3D CFD model to a 2D convection-diffusion model, The International Journal of Advanced Manufacturing Technology, 132; pp. 1111-1125, 2024. doi.org/10.1007/s00170-024-13378-1

64-24 Feipeng An, Linjie Zhang, Wei Ma, Suck Joo Na, Influences of the powder size and process parameters on the quasi-stability of molten pool shape in powder bed fusion-laser beam of molybdenum, Journal of Materials Engineering and Performance, 2024. doi.org/10.1007/s11665-024-09328-3

63-24 Haodong Chen, Xin Lin, Yajing Sun, Shuhao Wang, Kunpeng Zhu, Binbin Dan, Revealing formation mechanism of end of process depression in laser powder bed fusion by multi-physics meso-scale simulation, Virtual and Physical Prototyping, 19.1; e2326599, 2024. doi.org/10.1080/17452759.2024.2326599

57-24 Masayuki Okugawa, Kenji Saito, Haruki Yoshima, Katsuhiko Sawaizumi, Sukeharu Nomoto, Makoto Watanabe, Takayoshi Nakano, Yuichiro Koizumi, Solute segregation in a rapidly solidified Hastelloy-X Ni-based superalloy during laser powder bed fusion investigated by phase-field and computational thermal-fluid dynamics simulations, Additive Manufacturing, 84; 104079, 2024. doi.org/10.1016/j.addma.2024.104079

51-24 Jeongho Yang, Dongseok Kang, Si Mo Yeon, Yong Son, Sang Hu Park, Interval island laser-scanning strategy of Ti–6Al–4V part additively manufactured for anisotropic stress reduction, International Journal of Precision Engineering and Manufacturing, 25; pp. 1087-1099, 2024. doi.org/10.1007/s12541-024-00967-z

50-24 James Lamb, Ruben Ochoa, Adriana Eres-Castellanos, Jonah Klemm-Toole, McLean P. Echlin, Tao Sun, Kamel Fezzaa, Amy Clarke, Tresa M. Pollack, Quantification of melt pool dynamics and microstructure during simulated additive manufacturing, Scripta Materialia, 245; 116036, 2024. doi.org/10.1016/j.scriptamat.2024.116036

41-24 Xiong Zhang, Chunjin Wang, Benny C.F. Cheung, Gaoyang Mi, Chunming Wang, Ultrafast laser ablation of tungsten carbide: Quantification of threshold range and interpretation of feature transition, Journal of the American Ceramic Society, 107.6; pp. 3724-3734, 2024. doi.org/10.1111/jace.19718

38-24 Hao-Ping Yeh, Mohamad Bayat, Amirhossein Arzani, Jesper H. Hattel, Accelerated process parameter selection of polymer-based selective laser sintering via hybrid physics-informed neural network and finite element surrogate modelling, Applied Mathematical Modelling, 130; pp. 693-712, 2024. doi.org/10.1016/j.apm.2024.03.030

34-24 Khalid El Abbaoui, Issam Al Korachi, Mostapha El Jai, Berin Šeta, Md. Tusher Mollah, 3D concrete printing using computational fluid dynamics: Modeling of material extrusion with slip boundaries, Journal of Manufacturing Processes, 118; pp. 448-459, 2024. doi.org/10.1016/j.jmapro.2024.03.042

33-24 Hao Lu, Lida Zhu, Pengsheng Xue, Boling Yan, Yanpeng Hao, Zhichao Yang, Jinsheng Ning, Chuanliang Shi, Hao Wang, Ultrasonic machining response and improvement mechanism for differentiated bio-CoCrMo alloys manufactured by directed energy deposition, Journal of Materials Science & Technology, 193; pp. 226-243, 2024. doi.org/10.1016/j.jmst.2023.12.037

32-24 Yinghang Liu, Zhe Song, Yi Guo, Gaoming Zhu, Yunhao Fan, Huamiao Wang, Wentao Yan, Xiaoqin Zeng, Leyun Wang, Simultaneously enhancing strength and ductility of LPBF Ti alloy via trace Y2O3 nanoparticle addition, Journal of Materials Science & Technology, 191; pp. 146-156, 2024. doi.org/10.1016/j.jmst.2024.01.011

27-24 Zehui Liu, Yiyang Hu, Mingyang Zhang, Wei Zhang, Jun Wang, Wenbo Lei, Chunming Wang, Surface morphology evolution mechanisms of pulse laser polishing mold steel, International Journal of Mechanical Sciences, 269; 109039, 2024. doi.org/10.1016/j.ijmecsci.2024.109039

25-24 Muhammad Arif Mahmood, Kashif Ishfaq, Marwan Khraisheh, Inconel-718 processing windows by directed energy deposition: a framework combining computational fluid dynamics and machine learning models with experimental validation, The International Journal of Advanced Manufacturing Technology, 130; pp. 3997-4011, 2024. doi.org/10.1007/s00170-024-12980-7

24-24 Jinsheng Ning, Lida Zhu, Shuhao Wang, Zhichao Yang, Peihua Xu, Pengsheng Xue, Hao Lu, Miao Yu, Yunhang Zhao, Jiachen Li, Susmita Bose, Amit Bandyopadhyay, Printability disparities in heterogeneous material combinations via laser directed energy deposition: a comparative study, International Journal of Extreme Manufacturing, 6; 025001, 2024. doi.org/10.1088/2631-7990/ad172f

18-24 Delong Jia, Dong Zhou, Peng Yi, Chuanwei Zhang, Junru Li, Yankuo Guo, Shengyue Zhang, Yanhui Li, Splat deposition stress formation mechanism of droplets impacting onto texture, International Journal of Mechanical Sciences, 266; 109002, 2024. doi.org/10.1016/j.ijmecsci.2024.109002

11-24 Dae Gune Jung, Ji Young Park, Choong Mo Ryu, Jong Jin Hwang, Seung Jae Moon, Numerical study of laser welding of 270 μm thick silicon-steel sheets for electrical motors, Metals, 14.1; 24, 2024. doi.org/10.3390/met14010024

8-24 Zhifu Yao, Longke Bao, Mujin Yang, Yuechao Chen, Minglin He, Jiang Yi, Xintong Yang, Tao Yang, Yilu Zhao, Cuiping Wang, Zheng Zhong, Shuai Wang, Xingjun Liu, Thermally stabe strong <101> texture in additively manufactured cobalt-based superalloys, Scripta Materialia, 242; 115942, 2024. doi.org/10.1016/j.scriptamat.2023.115942

5-24 Xi Shu, Chunyu Wang, Guoqing Chen, Chunju Wang, Lining Sun, Pre-melted electron beam freeform fabrication additive manufacturing: modeling and numerical simulation, Welding in the World, 68; pp. 163-176, 2024. doi.org/10.1007/s40194-023-01647-8

4-24 Lin Gao, Andrew C. Chuang, Peter Kenesei, Zhongshu Ren, Lilly Balderson, Tao Sun, An operando synchrotron study on the effect of wire melting state on solidification microstructures of Inconel 718 in wire-laser directed energy deposition, International Journal of Machine Tools and Manufacture, 194; 104089, 2024. doi.org/10.1016/j.ijmachtools.2023.104089

3-24 Kunjie Dai, Xing He, Decheng Kong, Chaofang Dong, Multi-physical field simulation to yield defect-free IN718 alloy fabricated by laser powder bed fusion, Materials Letters, 355; 135437, 2024. doi.org/10.1016/j.matlet.2023.135437

2-24 You Wang, Yinkai Xie, Huaixue Li, Caiyou Zeng, Ming Xu, Hongqiang Zhang, In-situ monitoring plume, spattering behavior and revealing their relationship with melt flow in laser powder bed fusion of nickel-based superalloy, Journal of Materials Science & Technology, 177; pp. 44-58, 2024. doi.org/10.1016/j.jmst.2023.07.068

1-24 Yukai Chen, Hongtu Xu, Yu Lu, Yin Wang, Shuangyuzhou Wang, Ke Huang, Qi Zhang, Prediction of microstructure for Inconel 718 laser welding process using multi-scale model, Proceedings of the 14th International Conference on the Technology of Plasticity – Current Trends in the Technology of Plasticity, pp. 713-722, 2024. doi.org/10.1007/978-3-031-41341-4_75

211-23 Giovanni Chianese, Qamar Hayat, Sharhid Jabar, Pasquale Franciosa, Darek Ceglarek, Stanislao Patalano, A multi-physics CFD study to investigate the impact of laser beam shaping on metal mixing and molten pool dynamics during laser welding of copper to steel for battery terminal-to-casing connections, Journal of Materials Processing Technology, 322; 118202, 2023. doi.org/10.1016/j.jmatprotec.2023.118202

207-23 Dong Liu, Jiaqi Pei, Hua Hou, Xiaofeng Niu, Yuhong Zhao, Optimizing solidification dendrites and process parameters for laser powder bed fusion additive manufacturing of GH3536 superalloy by finite volume and phase-field method, Journal of Materials Research and Technology, 27; pp. 3323-3338, 2023. doi.org/10.1016/j.jmrt.2023.10.188

206-23 Houshang Yin, Jingfan Yang, Ralf D. Fischer, Zilong Zhang, Bart Prorok, Lang Yuan, Xiaoyuan Lou, Pulsed laser additive manufacturing for 316L stainless steel: a new approach to control subgrain cellular structure, JOM, 75; pp. 5027-5036, 2023. doi.org/10.1007/s11837-023-06177-8

205-23 Francis Ogoke, William Lee, Ning-Yu Kao, Alexander Myers, Jack Beuth, Jonathan Malen, Amir Barati Farimani, Convolutional neural networks for melt depth prediction and visualization in laser powder bed fusion, The International Journal of Advanced Manufacturing Technology, 129; pp. 3047-3062, 2023. doi.org/10.1007/s00170-023-12384-z

202-23 Habib Hamed Zargari, Kazuhiro Ito, Abhay Sharma, Effect of workpiece vibration frequency on heat distribution and material flow in the molten pool in tandem-pulsed gas metal arc welding, The International Journal of Advanced Manufacturing Technology, 129; pp. 2507-2522, 2023. doi.org/10.1007/s00170-023-12424-8

199-23 Yukai Chen, Yin Wang, Hao Li, Yu Lu, Bin Han, Qi Zhang, Effects of process parameters on the microstructure of Inconel 718 during powder bed fusion based on cellular automata approach, Virtual and Physical Prototyping, 18.1; e2251032, 2023. doi.org/10.1080/17452759.2023.2251032

197-23 Qiong Wu, Chuang Qiao, Yuhang Wu, Zhe Liu, Xiaodan Li, Ju Wang, Xizhong An, Aijun Huang, Chao Voon Samuel Lim, Numerical investigation on the reuse of recycled powders in powder bed fusion additive manufacturing, Additive Manufacturing, 77; 103821, 2023. doi.org/10.1016/j.addma.2023.103821

196-23 Daicong Zhang, Chunhui Jing, Wei Guo, Yuan Xiao, Jun Luo, Lehua Qi, Microchannels formed using metal microdroplets, Micromachines, 14.10; 1922, 2023. doi.org/10.3390/mi14101922

195-23 Trong-Nhan Le, Santosh Rauniyar, V.H. Nismath, Kevin Chou, An investigation into the effects of contouring process parameters on the up-skin surface characteristics in laser powder-bed fusion process, Manufacturing Letters, 35; Supplement, pp. 707-716, 2023. doi.org/10.1016/j.mfglet.2023.08.085

194-23 Kyubok Lee, Teresa J. Rinker, Masoud M. Pour, Wayne Cai, Wenkang Huang, Wenda Tan, Jennifer Bracey, Jingjing Li, A study on cracks and IMCs in laser welding of Al and Cu, Manufacturing Letters, 35; Supplement, pp. 221-231, 2023. doi.org/10.1016/j.mfglet.2023.08.026

192-23 Kunjie Dai, Xing He, Wei Zhang, Decheng Kong, Rong Guo, Minlei Hu, Ketai He, Chaofang Dong, Tailoring the microstructure and mechanical properties for Hastelloy X alloy by laser powder bed fusion via scanning strategy, Materials & Design, 235; 112386, 2023. doi.org/10.1016/j.matdes.2023.112386

191-23 Jun Du, Daqing Wang, Jimiao He, Yongheng Zhang, Zhike Peng, Influence of droplet size and ejection frequency on molten pool dynamics and deposition morphology in TIG-aided droplet deposition manufacturing, International Communications in Heat and Mass Transfer, 148; 107075, 2023. doi.org/10.1016/j.icheatmasstransfer.2023.107075

188-23 Jin-Hyeong Park, Du-Song Kim, Dae-Won Cho, Jaewoong Kim, Changmin Pyo, Influence of thermal flow and predicting phase transformation on various welding positions, Heat and Mass Transfer, 2023. doi.org/10.1007/s00231-023-03429-w

184-23 Lin Gao, Jishnu Bhattacharyya, Wenhao Lin, Zhongshu Ren, Andrew C. Chuang, Pavel D. Shevchenko, Viktor Nikitin, Ji Ma, Sean R. Agnew, Tao Sun, Tailoring material microstructure and property in wire-laser directed energy deposition through a wiggle deposition strategy, Additive Manufacturing, 77; 103801, 2023. doi.org/10.1016/j.addma.2023.103801

182-23 Liping Guo, Hanjie Liu, Hongze Wang, Qianglong Wei, Jiahui Zhang, Yingyan Chen, Chu Lun Alex Leung, Qing Lian, Yi Wu, Yu Zou, Haowei Wang, A high-fidelity comprehensive framework for the additive manufacturing printability assessment, Journal of Manufacturing Processes, 105; pp. 219-231, 2023. doi.org/10.1016/j.jmapro.2023.09.041

172-23 Liping Guo, Hanjie Liu, Hongze Wang, Qianglong Wei, Yakai Xiao, Zijue Tang, Yi Wu, Haowei Wang, Identifying the keyhole stability and pore formation mechanisms in laser powder bed fusion additive manufacturing, Journal of Materials Processing Technology, 321; 118153, 2023. doi.org/10.1016/j.jmatprotec.2023.118153

171-23 Yuhang Wu, Qiong Wu, Meng Li, Ju Wang, Dengzhi Yao, Hao Luo, Xizhong An, Haitao Fu, Hao Zhang, Xiaohong Yang, Qingchuan Zou, Shujun Li, Haibin Ji, Xing Zhang, Numerical investigation on effects of operating conditions and final dimension predictions in laser powder bed fusion of molybdenum, Additive Manufacturing, 76; 103783, 2023. doi.org/10.1016/j.addma.2023.103783

158-23 K. El Abbaoui, I. Al Korachi, M.T. Mollah, J. Spangenberg, Numerical modelling of planned corner deposition in 3D concrete printing, Archives of Materials Science and Engineering, 121.2; pp. 71-79, 2023. doi.org/10.5604/01.3001.0053.8488

156-23 Liping Guo, Hanjie Liu, Hongze Wang, Valentino A.M. Cristino, C.T. Kwok, Qianglong Wei, Zijue Tang, Yi Wu, Haowei Wang, Deepening the scientific understanding of different phenomenology in laser powder bed fusion by an integrated framework, International Journal of Heat and Mass Transfer, 216; 124596, 2023. doi.org/10.1016/j.ijheatmasstransfer.2023.124596

154-23 Zhiyong Li, Xiuli He, Shaoxia Li, Xinfeng Kan, Yanjun Yin, Gang Yu, Sulfur-induced transitions of thermal behavior and flow dynamics in laser powder bed fusion of 316L powders, Thermal Science and Engineering Progress, 45; 102072, 2023. doi.org/10.1016/j.tsep.2023.102072

149-23 Shardul Kamat, Wayne Cai, Teresa J. Rinker, Jennifer Bracey, Liang Xi, Wenda Tan, A novel integrated process-performance model for laser welding of multi-layer battery foils and tabs, Journal of Materials Processing Technology, 320; 118121, 2023. doi.org/10.1016/j.jmatprotec.2023.118121

148-23 Reza Ghomashchi, Shahrooz Nafisi, Solidification of Al12Si melt pool in laser powder bed fusion, Journal of Materials En gineering and Performance, 2023. doi.org/10.1007/s11665-023-08502-3

133-23 Hesam Moghadasi, Md Tusher Mollah, Deepak Marla, Hamid Saffari, Jon Spangenberg, Computational fluid dynamics modeling of top-down digital light processing additive manufacturing, Polymers, 15.11; 2459, 2023. doi.org/10.3390/polym15112459

131-23 Luca Santoro, Raffaella Sesana, Rosario Molica Nardo, Francesca Curà, In line defect detection in steel welding process by means of thermography, Experimental Mechanics in Engineering and Biomechanics – Proceedings ICEM20, 19981, 2023.

128-23 Md Tusher Mollah, Raphaël Comminal, Wilson Ricardo Leal da Silva, Berin Šeta, Jon Spangenberg, Computational fluid dynamics modelling and experimental analysis of reinforcement bar integration in 3D concrete printing, Cement and Concrete Research, 173; 107263, 2023. doi.org/10.1016/j.cemconres.2023.107263

123-23 Arash Samaei, Zhongsheng Sang, Jennifer A. Glerum, Jon-Erik Mogonye, Gregory J. Wagner, Multiphysics modeling of mixing and material transport in additive manufacturing with multicomponent powder beds, Additive Manufacturing, 67; 103481, 2023. doi.org/10.1016/j.addma.2023.103481

122-23 Chu Han, Ping Jiang, Shaoning Geng, Lingyu Guo, Kun Liu, Inhomogeneous microstructure distribution and its formation mechanism in deep penetration laser welding of medium-thick aluminum-lithium alloy plates, Optics & Laser Technology, 167; 109783, 2023. doi.org/10.1016/j.optlastec.2023.109783

111-23 Alexander J. Myers, Guadalupe Quirarte, Francis Ogoke, Brandon M. Lane, Syed Zia Uddin, Amir Barati Farimani, Jack L. Beuth, Jonathan A. Malen, High-resolution melt pool thermal imaging for metals additive manufacturing using the two-color method with a color camera, Additive Manufacturing, 73; 103663, 2023. doi.org/10.1016/j.addma.2023.103663

107-23 M. Mohsin Raza, Yu-Lung Lo, Hua-Bin Lee, Chang Yu-Tsung, Computational modeling of laser welding for aluminum–copper joints using a circular strategy, Journal of Materials Research and Technology, 25; pp. 3350-3364, 2023. doi.org/10.1016/j.jmrt.2023.06.122

106-23 H.Z. Lu, L.H. Liu, X. Luo, H.W. Ma, W.S. Cai, R. Lupoi, S. Yin, C. Yang, Formation mechanism of heterogeneous microstructures and shape memory effect in NiTi shape memory alloy fabricated via laser powder bed fusion, Materials & Design, 232; 112107, 2023. doi.org/10.1016/j.matdes.2023.112107

105-23 Harun Kahya, Hakan Gurun, Gokhan Kucukturk, Experimental and analytical investigation of the re-melting effect in the manufacturing of 316L by direct energy deposition (DED) method, Metals, 13.6; 1144, 2023. doi.org/10.3390/met13061144

100-23 Dongju Chen, Gang Li, Peng Wang, Zhiqiang Zeng, Yuhang Tang, Numerical simulation of melt pool size and flow evolution for laser powder bed fusion of powder grade Ti6Al4V, Finite Elements in Analysis and Design, 223; 103971, 2023. doi.org/10.1016/j.finel.2023.103971

97-23 Mahyar Khorasani, Martin Leary, David Downing, Jason Rogers, Amirhossein Ghasemi, Ian Gibson, Simon Brudler, Bernard Rolfe, Milan Brandt, Stuart Bateman, Numerical and experimental investigations on manufacturability of Al–Si–10Mg thin wall structures made by LB-PBF, Thin-Walled Structures, 188; 110814, 2023. doi.org/10.1016/j.tws.2023.110814

95-23 M.S. Serdeczny, Laser welding of dissimilar materials – simulation driven optimization of process parameters, IOP Conference Series: Materials Science and Engineering, 1281; 012018, 2023. doi.org/10.1088/1757-899X/1281/1/012018

90-23 Lin Liu, Tubin Liu, Xi Dong, Min Huang, Fusheng Cao, Mingli Qin, Numerical simulation of thermal dynamic behavior and morphology evolution of the molten pool of selective laser melting BN/316L stainless steel composite, Journal of Materials Engineering and Performance, 2023. doi.org/10.1007/s11665-023-08210-y

89-23 M. P. Serdeczny, A. Jackman, High fidelity modelling of bead geometry in directed energy deposition – simulation driven optimization, Journal of Physics: Conference Series, NOLAMP19, 2023.

88-23 Lu Wang, Shuhao Wang, Yanming Zhang, Wentao Yan, Multi-phase flow simulation of powder streaming in laser-based directed energy deposition, International Journal of Heat and Mass Transfer, 212; 124240, 2023. doi.org/10.1016/j.ijheatmasstransfer.2023.124240

80-23 Mahyar Khorasani, AmirHossein Ghasemi, Martin Leary, David Downing, Ian Gibson, Elmira G. Sharabian, Jithin Kozuthala Veetil, Milan Brandt, Stuart Batement, Bernard Rolfe, Benchmark models for conduction and keyhole modes in laser-based powder bed fusion of Inconel 718, Optics & Laser Technology, 164; 109509, 2023. doi.org/10.1016/j.optlastec.2023.109509

78-23 Md. Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, Berin Šeta, Jon Spangenberg, Computational analysis of yield stress buildup and stability of deposited layers in material extrusion additive manufacturing, Additive Manufacturing, 71; 103605, 2023. doi.org/10.1016/j.addma.2023.103605

76-23 Asif Ur Rehman, Kashif Azher, Abid Ullah, Celal Sami Tüfekci, Metin Uymaz Salamci, Binder jetting of SS316L: a computational approach for droplet-powder interaction, Rapid Prototyping Journal, 2023. doi.org/10.1108/RPJ-08-2022-0264

75-23 Dengzhi Yao, Ju Wang, Hao Luo, Yuhang Wu, Xizhong An, Thermal behavior and control during multi-track laser powder bed fusion of 316 L stainless steel, Additive Manufacturing, 70; 103562, 2023. doi.org/10.1016/j.addma.2023.103562

61-23 Yaqing Hou, Hang Su, Hao Zhang, Fafa Li, Xuandong Wang, Yazhou He, Dupeng He, An integrated simulation model towards laser powder bed fusion in-situ alloying technology, Materials & Design, 228; 111795, 2023. doi.org/10.1016/j.matdes.2023.111795

56-23 Maohong Yang, Guiyi Wu, Xiangwei Li, Shuyan Zhang, Honghong Wang, Jiankang Huang, Influence of heat source model on the behavior of laser cladding pool, Journal of Laser Applications, 35.2; 2023. doi.org/10.2351/7.0000963

45-23 Daniel Martinez, Philip King, Santosh Reddy Sama, Jay Sim, Hakan Toykoc, Guha Manogharan, Effect of freezing range on reducing casting defects through 3D sand-printed mold designs, The International Journal of Advanced Manufacturing Technology, 2023. doi.org/10.1007/s00170-023-11112-x

39-23 Peter S. Cook, David J. Ritchie, Determining the laser absorptivity of Ti-6Al-4V during laser powder bed fusion by calibrated melt pool simulation, Optics & Laser Technology, 162; 109247. 2023. doi.org/10.1016/j.optlastec.2023.109247

36-23 Yixuan Chen, Weihao Wang, Yao Ou, Yingna Wu, Zirong Zhai, Rui Yang, Impact of laser power and scanning velocity on microstructure and mechanical properties of Inconel 738LC alloys fabricated by laser powder bed fusion, TMS 2023 152nd Annual Meeting & Exhibition Supplemental Proceedings, pp. 138-149, 2023. doi.org/10.1007/978-3-031-22524-6_15

34-23 Chao Kang, Ikki Ikeda, Motoki Sakaguchi, Recoil and solidification of a paraffin droplet impacted on a metal substrate: Numerical study and experimental verification, Journal of Fluids and Structures, 118; 103839, 2023. doi.org/10.1016/j.jfluidstructs.2023.103839

30-23 Fei Wang, Tiechui Yuan, Ruidi Li, Shiqi Lin, Zhonghao Xie, Lanbo Li, Valentino Cristino, Rong Xu, Bing liu, Comparative study on microstructures and mechanical properties of ultra ductility single-phase Nb40Ti40Ta20 refractory medium entropy alloy by selective laser melting and vacuum arc melting, Journal of Alloys and Compounds, 942; 169065, 2023. doi.org/10.1016/j.jallcom.2023.169065

29-23 Haejin Lee, Yeonghwan Song, Seungkyun Yim, Kenta Aoyagi, Akihiko Chiba, Byoungsoo Lee, Influence of linear energy on side surface roughness in powder bed fusion electron beam melting process: Coupled experimental and simulation study, Powder Technology, 418; 118292, 2023.

27-23 Yinan Chen, Bo Li, Double-phase refractory medium entropy alloy NbMoTi via selective laser melting (SLM) additive manufacturing, Journal of Physics: Conference Series, 2419; 012074, 2023. doi.org/10.1088/1742-6596/2419/1/012074

23-23 Yunwei Gui, Kenta Aoyagi, Akihiko Chiba, Development of macro-defect-free PBF-EB-processed Ti–6Al–4V alloys with superior plasticity using PREP-synthesized powder and machine learning-assisted process optimization, Materials Science and Engineering: A, 864; 144595, 2023. doi.org/10.1016/j.msea.2023.144595

21-23 Tatsuhiko Sakai, Yasuhiro Okamoto, Nozomi Taura, Riku Saito, Akira Okada, Effect of scanning speed on molten metal behaviour under angled irradiation with a continuous-wave laser, Journal of Materials Processing Technology, 313; 117866, 2023. doi.org/10.1016/j.jmatprotec.2023.117866

19-23 Gianna M. Valentino, Arunima Banerjee, Alexander lark, Christopher M. Barr, Seth H. Myers, Ian D. McCue, Influence of laser processing parameters on the density-ductility tradeoff in additively manufactured pure tantalum, Additive Manufacturing Letters, 4; 100117, 2023. doi.org/10.1016/j.addlet.2022.100117

15-23 Runbo Jiang, Zhongshu Ren, Joseph Aroh, Amir Mostafaei, Benjamin Gould, Tao Sun, Anthony D. Rollett, Quantifying equiaxed vs epitaxial solidification in laser melting of CMSX-4 single crystal superalloy, Metallurgical and Materials Transactions A, 54; pp. 808-822, 2023. doi.org/10.1007/s11661-022-06929-2

14-23 Nguyen Thi Tien, Yu-Lung Lo, M. Mohsin Raza, Cheng-Yen Chen, Chi-Pin Chiu, Optimization of processing parameters for pulsed laser welding of dissimilar metal interconnects, Optics & Laser Technology, 159; 109022, 2023. doi.org/10.1016/j.optlastec.2022.109022

9-23 Hou Yi Chia, Wentao Yan, High-fidelity modeling of metal additive manufacturing, Additive Manufacturing Technology: Design, Optimization, and Modeling, Ed. Kun Zhou, 2023.

8-23 Akash Aggarwal, Yung C. Shin, Arvind Kumar, Investigation of the transient coupling between the dynamic laser beam absorptance and the melt pool – vapor depression morphology in laser powder bed fusion process, International Journal of Heat and Mass Transfer, 201.2; 123663, 2023. doi.org/10.1016/j.ijheatmasstransfer.2022.123663

199-22 Md. Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, David B. Pedersen, Jon Spangenberg, Numerical predictions of bottom layer stability in material extrusion additive manufacturing, JOM, 74; pp. 1096-1101, 2022. doi.org/10.1007/s11837-021-05035-9

198-22 Md. Tusher Mollah, Amirpasha Moetazedian, Andy Gleadall, Jiongyi Yan, Wayne Edgar Alphonso, Raphael Comminal, Berin Seta, Tony Lock, Jon Spangenberg, Investigation on corner precision at different corner angles in material extrusion additive manufacturing: An experimental and computational fluid dynamics analysis, Proceedings of the 33rd Annual Solid Freeform Fabrication Symposium, 2022.

197-22 Md. Tusher Mollah, Marcin P. Serdeczny, Raphaël Comminal, Berin Šeta, Marco Brander, David B. Pedersen, Jon Spangenberg, A numerical investigation of the inter-layer bond and surface roughness during the yield stress buildup in wet-on-wet material extrusion additive manufacturing, ASPE and euspen Summer Topical Meeting, 77, 2022.

182-22 Chan Kyu Kim, Dae-Won Cho, Seok Kim, Sang Woo Song, Kang Myung Seo, Young Tae Cho, High-throughput metal 3D printing pen enabled by a continuous molten droplet transfer, Advanced Science, 2205085, 2022. doi.org/10.1002/advs.202205085

180-22 Xu Kaikai, Gong Yadong, Zhang Qiang, Numerical simulation of dynamic analysis of molten pool in the process of direct energy deposition, The International Journal of Advanced Manufacturing Technology, 2022. doi.org/10.1007/s00170-022-10271-7

179-22 Yasuhiro Okamoto, Nozomi Taura, Akira Okada, Study on laser drilling process of solid metal on its liquid, International Journal of Electrical Machining, 27; 2022. doi.org/10.2526/ijem.27.35

175-22 Lu Min, Xhi Xiaojie, Lu Peipei, Wu Meiping, Forming quality and wettability of surface texture on CuSn10 fabricated by laser powder bed fusion, AIP Advances, 12.12; 125114, 2022. doi.org/10.1063/5.0122076

174-22 Thinus Van Rhijn, Willie Du Preez, Maina Maringa, Dean Kouprianoff, An investigation into the optimization of the selective laser melting process parameters for Ti6Al4V through numerical modelling, JOM, 2022. doi.org/10.1007/s11837-022-05608-2

171-22 Jonathan Yoshioka, Mohsen Eshraghi, Temporal evolution of temperature gradient and solidification rate in laser powder bed fusion additive manufacturing, Heat and Mass Transfer, 2022. doi.org/10.1007/s00231-022-03318-8

170-22 Subin Shrestha and Kevin Chou, Residual heat effect on the melt pool geometry during the laser powder bed fusion process, Journal of Manufacturing and Materials Processing, 6.6; 153, 2022. doi.org/10.3390/jmmp6060153

169-22 Aryan Aryan, Obinna Chukwubuzo, Desmond Bourgeois, Wei Zhang, Hardness prediction by incorporating heat transfer and molten pool fluid flow in a mult-pass, multi-layer weld for onsite repair of Grade 91 steel, U.S. Department of Energy Office of Scientific and Technical Information, DOE-OSU-0032067, 2022. doi.org/10.2172/1898594

158-22 Dafan Du, Lu Wang, Anping Dong, Wentao Yan, Guoliang Zhu, Baode Sun, Promoting the densification and grain refinement with assistance of static magnetic field in laser powder bed fusion, International Journal of Machine Tools and Manufacture, 183; 103965, 2022. doi.org/10.1016/j.ijmachtools.2022.103965

157-22 Han Chu, Jiang Ping, Geng Shaoning, Liu Kun, Nucleation mechanism in oscillating laser welds of 2024 aluminium alloy: A combined experimental and numerical study, Optics & Laser Technology, 158.A; 108812, 2022. doi.org/10.1016/j.optlastec.2022.108812

153-22 Zixiang Li, Yinan Cui, Baohua Chang, Guan Liu, Ze Pu, Haoyu Zhang, Zhiyue Liang, Changmeng Liu, Li Wang, Dong Du, Manipulating molten pool in in-situ additive manufacturing of Ti-22Al-25 Nb through alternating dual-electron beams, Additive Manufacturing, 60.A; 103230, 2022. doi.org/10.1016/j.addma.2022.103230

149-22 Qian Chen, Yao Fu, Albert C. To, Multiphysics modeling of particle spattering and induced defect formation mechanism in Inconel 718 laser powder bed fusion, The International Journal of Advanced Manufacturing Technology, 123; pp. 783-791, 2022. doi.org/10.1007/s00170-022-10201-7

146-22 Zixuan Wan, Hui-ping Wang, Jingjing Li, Baixuan Yang, Joshua Solomon, Blair Carlson, Effect of welding mode on remote laser stitch welding of zinc-coated steel with different sheet thickness combinations, Journal of Manufacturing Science and Engineering, MANU-21-1598, 2022. doi.org/10.1115/1.4055792

143-22 Du-Rim Eo, Seong-Gyu Chung, JeongHo Yang, Won Tae Cho, Sun-Hong Park, Jung-Wook Cho, Surface modification of high-Mn steel via laser-DED: Microstructural characterization and hot crack susceptibility of clad layer, Materials & Design, 223; 111188, 2022. doi.org/10.1016/j.matdes.2022.111188

142-22 Zichuan Fu, Xiangman Zhou, Bin Luo, Qihua Tian, Numerical simulation study of the effect of weld current on WAAM welding pool dynamic and weld bead morphology, International Conference on Mechanical Design and Simulation, Proceedings, 12261; 122614G, 2022. doi.org/10.1117/12.2639074

132-22 Yiyu Huang, Zhonghao Xie, Wenshu Li, Haoyu Chen, Bin Liu, Bingfeng Wang, Dynamic mechanical properties of the selective laser melting NiCrFeCoMo0.2 high entropy alloy and the microstructure of molten pool, Journal of Alloys and Compounds, 927; 167011, 2022. doi.org/10.1016/j.jallcom.2022.167011

126-22 Jingqi Zhang, Yingang Liu, Gang Sha, Shenbao Jin, Ziyong Hou, Mohamad Bayat, Nan Yang, Qiyang Tan, Yu Yin, Shiyang Liu, Jesper Henri Hattel, Matthew Dargusch, Xiaoxu Huang, Ming-Xing Zhang, Designing against phase and property heterogeneities in additively manufactured titanium alloys, Nature Communications, 13; 4660, 2022. doi.org/10.1038/s41467-022-32446-2

119-22 Xu Kaikai, Gong Yadong, Zhao Qiang, Numerical simulation on molten pool flow of Inconel718 alloy based on VOF during additive manufacturing, Materials Today Communications, 33; 104147, 2022. doi.org/10.1016/j.mtcomm.2022.104147

118-22 AmirPouya Hemmasian, Francis Ogoke, Parand Akbari, Jonathan Malen, Jack Beuth, Amir Barati Farimani, Surrogate modeling of melt pool thermal field using deep learning, SSRN, 2022. doi.org/10.2139/ssrn.4190835

117-22 Chiara Ransenigo, Marialaura Tocci, Filippo Palo, Paola Ginestra, Elisabetta Ceretti, Marcello Gelfi, Annalisa Pola, Evolution of melt pool and porosity during laser powder bed fusion of Ti6Al4V alloy: Numerical modelling and experimental validation, Lasers in Manufacturing and Materials Processing, 2022. doi.org/10.1007/s40516-022-00185-3

112-22 Chris Jasien, Alec Saville, Chandler Gus Becker, Jonah Klemm-Toole, Kamel Fezzaa, Tao Sun, Tresa Pollock, Amy J. Clarke, In situ x-ray radiography and computational modeling to predict grain morphology in β-titanium during simulated additive manufacturing, Metals, 12.7; 1217, 2022. doi.org/10.3390/met12071217

110-22 Haotian Zhou, Haijun Su, Yinuo Guo, Peixin Yang, Yuan Liu, Zhonglin Shen, Di Zhao, Haifang Liu, Taiwen Huang, Min Guo, Jun Zhang, Lin Liu, Hengzhi Fu, Formation and evolution mechanisms of pores in Inconel 718 during selective laser melting: Meso-scale modeling and experimental investigations, Journal of Manufacturing Processes, 81; pp. 202-213, 2022. doi.org/10.1016/j.jmapro.2022.06.072

109-22 Yufan Zhao, Huakang Bian, Hao Wang, Aoyagi Kenta, Yamanaka Kenta, Akihiko Chiba, Non-equilibrium solidification behavior associated with powder characteristics during electron beam additive manufacturing, Materials & Design, 221; 110915, 2022. doi.org/10.1016/j.matdes.2022.110915

107-22 Dan Lönn, David Spångberg, Study of process parameters in laser beam welding of copper hairpins, Thesis, University of Skövde, 2022.

106-22 Liping Guo, Hongze Wang, Qianglong Wei, Hanjie Liu, An Wang, Yi Wu, Haowei Wang, A comprehensive model to quantify the effects of additional nano-particles on the printability in laser powder bed fusion of aluminum alloy and composite, Additive Manufacturing, 58; 103011, 2022. doi.org/10.1016/j.addma.2022.103011

104-22 Hongjiang Pan, Thomas Dahmen, Mohamad Bayat, Kang Lin, Xiaodan Zhang, Independent effects of laser power and scanning speed on IN718’s precipitation and mechanical properties produced by LBPF plus heat treatment, Materials Science and Engineering: A, 849; 143530, 2022. doi.org/10.1016/j.msea.2022.143530

101-22 Yufan Zhao, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, A survey on basic influencing factors of solidified grain morphology during electron beam melting, Materials & Design, 221; 110927, 2022. doi.org/10.1016/j.matdes.2022.110927

98-22 Jon Spangenberg, Wilson Ricardo Leal da Silva, Md. Tusher Mollah, Raphaël Comminal, Thomas Juul Andersen, Henrik Stang, Integrating reinforcement with 3D concrete printing: Experiments and numerical modelling, Third RILEM International Conference on Concrete and Digital Fabrication, Eds. Ana Blanco, Peter Kinnell, Richard Buswell, Sergio Cavalaro, pp. 379-384, 2022.

93-22 Minglei Qu, Qilin Guo, Luis I. Escano, Samuel J. Clark Kamel Fezzaa, Lianyi Chen, Mitigating keyhole pore formation by nanoparticles during laser powder bed fusion additive manufacturing, Additive Manufacturing Letters, 100068, 2022. doi.org/10.1016/j.addlet.2022.100068

86-22 Patiparn Ninpetch, Prasert Chalermkarnnon, Pruet Kowitwarangkul, Multiphysics simulation of thermal-fluid behavior in laser powder bed fusion of H13 steel: Influence of layer thickness and energy input, Metals and Materials International, 2022. doi.org/10.1007/s12540-022-01239-z

85-22 Merve Biyikli, Taner Karagoz, Metin Calli, Talha Muslim, A. Alper Ozalp, Ali Bayram, Single track geometry prediction of laser metal deposited 316L-Si via multi-physics modelling and regression analysis with experimental validation, Metals and Materials International, 2022. doi.org/10.1007/s12540-022-01243-3

76-22 Zhichao Yang, Shuhao Wang, Lida Zhu, Jinsheng Ning, Bo Xin, Yichao Dun, Wentao Yan, Manipulating molten pool dynamics during metal 3D printing by ultrasound, Applied Physics Reviews, 9; 021416, 2022. doi.org/10.1063/5.0082461

73-22 Yu Sun, Liqun Li, Yu Hao, Sanbao Lin, Xinhua Tang, Fenggui Lu, Numerical modeling on formation of periodic chain-like pores in high power laser welding of thick steel plate, Journal of Materials Processing Technology, 306; 117638, 2022. doi.org/10.1016/j.jmatprotec.2022.117638

67-22 Yu Hao, Hiu-Ping Wang, Yu Sun, Liqun Li, Yihan Wu, Fenggui Lu, The evaporation behavior of zince and its effect on spattering in laser overlap welding of galvanized steels, Journal of Materials Processing Technology, 306; 117625, 2022. doi.org/10.1016/j.jmatprotec.2022.117625

65-22 Yanhua Zhao, Chuanbin Du, Peifu Wang, Wei Meng, Changming Li, The mechanism of in-situ laser polishing and its effect on the surface quality of nickel-based alloy fabricated by selective laser melting, Metals, 12.5; 778, 2022. doi.org/10.3390/met12050778

58-22 W.E. Alphonso, M. Bayat, M. Baier, S. Carmignato, J.H. Hattel, Multi-physics numerical modelling of 316L Austenitic stainless steel in laser powder bed fusion process at meso-scale, 17th UK Heat Transfer Conference (UKHTC2021), Manchester, UK, April 4-6, 2022.

57-22 Brandon Hayes, Travis Hainsworth, Robert MacCurdy, Liquid-solid co-printing of multi-material 3D fluidic devices via material jetting, Additive Manufacturing, in press, 102785, 2022. doi.org/10.1016/j.addma.2022.102785

55-22 Xiang Wang, Lin-Jie Zhang, Jie Ning, Suck-joo Na, Fluid thermodynamic simulation of Ti-6Al-4V alloy in laser wire deposition, 3D Printing and Additive Manufacturing, 2022. doi.org/10.1089/3dp.2021.0159

54-22 Junhao Zhao, Binbin Wang, Tong Liu, Liangshu Luo, Yanan Wang, Xiaonan Zheng, Liang Wang, Yanqing Su, Jingjie Guo, Hengzhi Fu, Dayong Chen, Study of in situ formed quasicrystals in Al-Mn based alloys fabricated by SLM, Journal of Alloys and Compounds, 909; 164847, 2022. doi.org/10.1016/j.jallcom.2022.164847

48-22 Yueming Sun, Jianxing Ma, Fei Peng, Konstantin G. Kornev, Making droplets from highly viscous liquids by pushing a wire through a tube, Physics of Fluids, 34; 032119, 2022. doi.org/10.1063/5.0082003

46-22 H.Z. Lu, T. Chen, H. Liu, H. Wang, X. Luo, C.H. Song, Constructing function domains in NiTi shape memory alloys by additive manufacturing, Virtual and Physical Prototyping, 17.3; 2022. doi.org/10.1080/17452759.2022.2053821

42-22 Islam Hassan, P. Ravi Selvaganapathy, Microfluidic printheads for highly switchable multimaterial 3D printing of soft materials, Advanced Materials Technologies, 2101709, 2022. doi.org/10.1002/admt.202101709

41-22 Nan Yang, Youping Gong, Honghao Chen, Wenxin Li, Chuanping Zhou, Rougang Zhou, Huifeng Shao, Personalized artificial tibia bone structure design and processing based on laser powder bed fusion, Machines, 10.3; 205, 2022. doi.org/10.3390/machines10030205

31-22 Bo Shen, Raghav Gnanasambandam, Rongxuan Wang, Zhenyu (James) Kong, Multi-Task Gaussian process upper confidence bound for hyperparameter tuning and its application for simulation studies of additive manufacturing, IISE Transactions, 2022. doi.org/10.1080/24725854.2022.2039813

27-22 Lida Zhu, Shuhao Wang, Hao Lu, Dongxing Qi, Dan Wang, Zhichao Yang, Investigation on synergism between additive and subtractive manufacturing for curved thin-walled structure, Virtual and Physical Prototyping, 17.2; 2022. doi.org/10.1080/17452759.2022.2029009

24-22 Hoon Sohn, Peipei Liu, Hansol Yoon, Kiyoon Yi, Liu Yang, Sangjun Kim, Real-time porosity reduction during metal directed energy deposition using a pulse laser, Journal of Materials Science & Technology, 116; pp. 214-223. doi.org/10.1016/j.jmst.2021.12.013

18-22 Yaohong Xiao, Zixuan Wan, Pengwei Liu, Zhuo Wang, Jingjing Li, Lei Chen, Quantitative simulations of grain nucleation and growth at additively manufactured bimetallic interfaces of SS316L and IN625, Journal of Materials Processing Technology, 302; 117506, 2022. doi.org/10.1016/j.jmatprotec.2022.117506

06-22 Amal Charles, Mohamad Bayat, Ahmed Elkaseer, Lore Thijs, Jesper Henri Hattel, Steffen Scholz, Elucidation of dross formation in laser powder bed fusion at down-facing surfaces: Phenomenon-oriented multiphysics simulation and experimental validation, Additive Manufacturing, 50; 102551, 2022. doi.org/10.1016/j.addma.2021.102551

05-22 Feilong Ji, Xunpeng Qin, Zeqi Hu, Xiaochen Xiong, Mao Ni, Mengwu Wu, Influence of ultrasonic vibration on molten pool behavior and deposition layer forming morphology for wire and arc additive manufacturing, International Communications in Heat and Mass Transfer, 130; 105789, 2022. doi.org/10.1016/j.icheatmasstransfer.2021.105789

150-21 Daniel Knüttel, Stefano Baraldo, Anna Valente, Konrad Wegener, Emanuele Carpanzano, Model based learning for efficient modelling of heat transfer dynamics, Procedia CIRP, 102; pp. 252-257, 2021. doi.org/10.1016/j.procir.2021.09.043

149-21 T. van Rhijn, W. du Preez, M. Maringa, D. Kouprianoff, Towards predicting process parameters for selective laser melting of titanium alloys through the modelling of melt pool characteristics, Suid-Afrikaanse Tydskrif vir Natuurwetenskap en Tegnologie, 40.1; 2021.

148-21 Qian Chen, Multiscale process modeling of residual deformation and defect formation for laser powder bed fusion additive manufacturing, Thesis, University of Pittsburgh, Pittsburgh, PA USA, 2021.

147-21 Pareekshith Allu, Developing process parameters through CFD simulations, Lasers in Manufacturing Conference, 2021.

143-21 Asif Ur Rehman, Muhammad Arif Mahmood, Fatih Pitir, Metin Uymaz Salamci, Andrei C. Popescu, Ion N. Mihailescu, Spatter formation and splashing induced defects in laser-based powder bed fusion of AlSi10Mg alloy: A novel hydrodynamics modelling with empirical testing, Metals, 11.12; 2023, 2021. doi.org/10.3390/met11122023

142-21 Islam Hassan, Ponnambalam Ravi Selvaganapathy, A microfluidic printhead with integrated hybrid mixing by sequential injection for multimaterial 3D printing, Additive Manufacturing, 102559, 2021. doi.org/10.1016/j.addma.2021.102559

137-21 Ting-Yu Cheng, Ying-Chih Liao, Enhancing drop mixing in powder bed by alternative particle arrangements with contradictory hydrophilicity, Journal of the Taiwan Institute of Chemical Engineers, 104160, 2021. doi.org/10.1016/j.jtice.2021.104160

134-21 Asif Ur Rehman, Muhammad Arif Mahmood, Fatih Pitir, Metin Uymaz Salamci, Andrei C. Popescu, Ion N. Mihailescu, Keyhole formation by laser drilling in laser powder bed fusion of Ti6Al4V biomedical alloy: Mesoscopic computational fluid dynamics simulation versus mathematical modelling using empirical validation, Nanomaterials, 11.2; 3284, 2021. doi.org/10.3390/nano11123284

128-21 Sang-Woo Han, Won-Ik Cho, Lin-Jie Zhang, Suck-Joo Na, Coupled simulation of thermal-metallurgical-mechanical behavior in laser keyhole welding of AH36 steel, Materials & Design, 212; 110275, 2021. doi.org/10.1016/j.matdes.2021.110275

127-21 Jiankang Huang, Zhuoxuan Li, Shurong Yu, Xiaoquan Yu, Ding Fan, Real-time observation and numerical simulation of the molten pool flow and mass transfer behavior during wire arc additive manufacturing, Welding in the World, 2021. doi.org/10.1007/s40194-021-01214-z

123-21 Boxue Song, Tianbiao Yu, Xingyu Jiang, Wenchao Xi, Xiaoli Lin, Zhelun Ma, ZhaoWang, Development of the molten pool and solidification characterization in single bead multilayer direct energy deposition, Additive Manufacturing, 102479, 2021. doi.org/10.1016/j.addma.2021.102479

112-21 Kathryn Small, Ian D. McCue, Katrina Johnston, Ian Donaldson, Mitra L. Taheri, Precision modification of microstructure and properties through laser engraving, JOM, 2021. doi.org/10.1007/s11837-021-04959-6

111-21 Yongki Lee, Jason Cheon, Byung-Kwon Min, Cheolhee Kim, Modelling of fume particle behaviour and coupling glass contamination during vacuum laser beam welding, Science and Technology of Welding and Joining, 2021. doi.org/10.1080/13621718.2021.1990658

110-21 Menglin Liu, Hao Yi, Huajun Cao, Rufeng Huang, Le Jia, Heat accumulation effect in metal droplet-based 3D printing: Evolution mechanism and elimination strategy, Additive Manufacturing, 48.A; 102413, 2021. doi.org/10.1016/j.addma.2021.102413

108-21 Nozomi Taura, Akiya Mitsunobu, Tatsuhiko Sakai, Yasuhiro Okamoto, Akira Okada, Formation and its mechanism of high-speed micro-grooving on metal surface by angled CW laser irradiation, Journal of Laser Micro/Nanoengineering, 16.2, 2021. doi.org/10.2961/jlmn.2021.02.2006

105-21 Jon Spangenberg, Wilson Ricardo Leal da Silva, Raphaël Comminal, Md. Tusher Mollah, Thomas Juul Andersen, Henrik Stang, Numerical simulation of multi-layer 3D concrete printing, RILEM Technical Letters, 6; pp. 119-123, 2021. doi.org/10.21809/rilemtechlett.2021.142

104-21 Lin Chen, Chunming Wang, Gaoyang Mi, Xiong Zhang, Effects of laser oscillating frequency on energy distribution, molten pool morphology and grain structure of AA6061/AA5182 aluminum alloys lap welding, Journal of Materials Research and Technology, 15; pp. 3133-3148, 2021. doi.org/10.1016/j.jmrt.2021.09.141

101-21 R.J.M. Wolfs, T.A.M. Salet, N. Roussel, Filament geometry control in extrusion-based additive manufacturing of concrete: The good, the bad and the ugly, Cement and Concrete Research, 150; 106615, 2021. doi.org/10.1016/j.cemconres.2021.106615

89-21 Wenlin Ye, Jin Bao, Jie Lei, Yichang Huang, Zhihao Li, Peisheng Li, Ying Zhang, Multiphysics modeling of thermal behavior of commercial pure titanium powder during selective laser melting, Metals and Materials International, 2021. doi.org/10.1007/s12540-021-01019-1

81-21 Lin Chen, Gaoyang Mi, Xiong Zhang, Chunming Wang, Effects of sinusoidal oscillating laser beam on weld formation, melt flow and grain structure during aluminum alloys lap welding, Journals of Materials Processing Technology, 298; 117314, 2021. doi.org/10.1016/j.jmatprotec.2021.117314

77-21 Yujie Cui, Yufan Zhao, Haruko Numata, Kenta Yamanaka, Huakang Bian, Kenta Aoyagi, Akihiko Chiba, Effects of process parameters and cooling gas on powder formation during the plasma rotating electrode process, Powder Technology, 393; pp. 301-311, 2021. doi.org/10.1016/j.powtec.2021.07.062

76-21 Md Tusher Mollah, Raphaël Comminal, Marcin P. Serdeczny, David B. Pedersen, Jon Spangenberg, Stability and deformations of deposited layers in material extrusion additive manufacturing, Additive Manufacturing, 46; 102193, 2021. doi.org/10.1016/j.addma.2021.102193

72-21 S. Sabooni, A. Chabok, S.C. Feng, H. Blaauw, T.C. Pijper, H.J. Yang, Y.T. Pei, Laser powder bed fusion of 17–4 PH stainless steel: A comparative study on the effect of heat treatment on the microstructure evolution and mechanical properties, Additive Manufacturing, 46; 102176, 2021. doi.org/10.1016/j.addma.2021.102176

71-21 Yu Hao, Nannan Chena, Hui-Ping Wang, Blair E. Carlson, Fenggui Lu, Effect of zinc vapor forces on spattering in partial penetration laser welding of zinc-coated steels, Journal of Materials Processing Technology, 298; 117282, 2021. doi.org/10.1016/j.jmatprotec.2021.117282

67-21 Lu Wang, Wentao Yan, Thermoelectric magnetohydrodynamic model for laser-based metal additive manufacturing, Physical Review Applied, 15.6; 064051, 2021. doi.org/10.1103/PhysRevApplied.15.064051

61-21 Ian D. McCue, Gianna M. Valentino, Douglas B. Trigg, Andrew M. Lennon, Chuck E. Hebert, Drew P. Seker, Salahudin M. Nimer, James P. Mastrandrea, Morgana M. Trexler, Steven M. Storck, Controlled shape-morphing metallic components for deployable structures, Materials & Design, 208; 109935, 2021. doi.org/10.1016/j.matdes.2021.109935

60-21 Mahyar Khorasani, AmirHossein Ghasemi, Martin Leary, William O’Neil, Ian Gibson, Laura Cordova, Bernard Rolfe, Numerical and analytical investigation on meltpool temperature of laser-based powder bed fusion of IN718, International Journal of Heat and Mass Transfer, 177; 121477, 2021. doi.org/10.1016/j.ijheatmasstransfer.2021.121477

57-21 Dae-Won Cho, Yeong-Do Park, Muralimohan Cheepu, Numerical simulation of slag movement from Marangoni flow for GMAW with computational fluid dynamics, International Communications in Heat and Mass Transfer, 125; 105243, 2021. doi.org/10.1016/j.icheatmasstransfer.2021.105243

55-21 Won-Sang Shin, Dae-Won Cho, Donghyuck Jung, Heeshin Kang, Jeng O Kim, Yoon-Jun Kim, Changkyoo Park, Investigation on laser welding of Al ribbon to Cu sheet: Weldability, microstructure and mechanical and electrical properties, Metals, 11.5; 831, 2021. doi.org/10.3390/met11050831

50-21 Mohamad Bayat, Venkata K. Nadimpalli, Francesco G. Biondani, Sina Jafarzadeh, Jesper Thorborg, Niels S. Tiedje, Giuliano Bissacco, David B. Pedersen, Jesper H. Hattel, On the role of the powder stream on the heat and fluid flow conditions during directed energy deposition of maraging steel—Multiphysics modeling and experimental validation, Additive Manufacturing, 43;102021, 2021. doi.org/10.1016/j.addma.2021.102021

47-21 Subin Shrestha, Kevin Chou, An investigation into melting modes in selective laser melting of Inconel 625 powder: single track geometry and porosity, The International Journal of Advanced Manufacturing Technology, 2021. doi.org/10.1007/s00170-021-07105-3

34-21 Haokun Sun, Xin Chu, Cheng Luo, Haoxiu Chen, Zhiying Liu, Yansong Zhang, Yu Zou, Selective laser melting for joining dissimilar materials: Investigations ofiInterfacial characteristics and in situ alloying, Metallurgical and Materials Transactions A, 52; pp. 1540-1550, 2021. doi.org/10.1007/s11661-021-06178-9

32-21 Shanshan Zhang, Subin Shrestha, Kevin Chou, On mesoscopic surface formation in metal laser powder-bed fusion process, Supplimental Proceedings, TMS 150th Annual Meeting & Exhibition (Virtual), pp. 149-161, 2021. doi.org/10.1007/978-3-030-65261-6_14

22-21 Patiparn Ninpetch, Pruet Kowitwarangkul, Sitthipong Mahathanabodee, Prasert Chalermkarnnon, Phadungsak Rattanadecho, Computational investigation of thermal behavior and molten metal flow with moving laser heat source for selective laser melting process, Case Studies in Thermal Engineering, 24; 100860, 2021. doi.org/10.1016/j.csite.2021.100860

19-21 M.B. Abrami, C. Ransenigo, M. Tocci, A. Pola, M. Obeidi, D. Brabazon, Numerical simulation of laser powder bed fusion processes, La Metallurgia Italiana, February; pp. 81-89, 2021.

16-21 Wenjun Ge, Jerry Y.H. Fuh, Suck Joo Na, Numerical modelling of keyhole formation in selective laser melting of Ti6Al4V, Journal of Manufacturing Processes, 62; pp. 646-654, 2021. doi.org/10.1016/j.jmapro.2021.01.005

11-21 Mohamad Bayat, Venkata K. Nadimpalli, David B. Pedersen, Jesper H. Hattel, A fundamental investigation of thermo-capillarity in laser powder bed fusion of metals and alloys, International Journal of Heat and Mass Transfer, 166; 120766, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120766

10-21 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Thermal properties of powder beds in energy absorption and heat transfer during additive manufacturing with electron beam, Powder Technology, 381; pp. 44-54, 2021. doi.org/10.1016/j.powtec.2020.11.082

9-21 Subin Shrestha, Kevin Chou, A study of transient and steady-state regions from single-track deposition in laser powder bed fusion, Journal of Manufacturing Processes, 61; pp. 226-235, 2021. doi.org/10.1016/j.jmapro.2020.11.023

6-21 Qian Chen, Yunhao Zhao, Seth Strayer, Yufan Zhao, Kenta Aoyagi, Yuichiro Koizumi, Akihiko Chiba, Wei Xiong, Albert C. To, Elucidating the effect of preheating temperature on melt pool morphology variation in Inconel 718 laser powder bed fusion via simulation and experiment, Additive Manufacturing, 37; 101642, 2021. doi.org/10.1016/j.addma.2020.101642

04-21 Won-Ik Cho, Peer Woizeschke, Analysis of molten pool dynamics in laser welding with beam oscillation and filler wire feeding, International Journal of Heat and Mass Transfer, 164; 120623, 2021. doi.org/10.1016/j.ijheatmasstransfer.2020.120623

128-20 Mahmood Al Bashir, Rajeev Nair, Martina M. Sanchez, Anil Mahapatro, Improving fluid retention properties of 316L stainless steel using nanosecond pulsed laser surface texturing, Journal of Laser Applications, 32.4, 2020. doi.org/10.2351/7.0000199

127-20 Eric Riedel, Niklas Bergedieck, Stefan Scharf, CFD simulation based investigation of cavitation cynamics during high intensity ultrasonic treatment of A356, Metals, 10.11; 1529, 2020. doi.org/10.3390/met10111529

126-20 Benjamin Himmel, Material jetting of aluminium: Analysis of a novel additive manufacturing process, Thesis, Technical University of Munich, Munich, Germany, 2020.

121-20 Yufan Zhao, Yujie Cui, Haruko Numata, Huakang Bian, Kimio Wako, Kenta Yamanaka, Kenta Aoyagi, Akihiko Chiba, Centrifugal granulation behavior in metallic powder fabrication by plasma rotating electrode process, Scientific Reports, 10; 18446, 2020. doi.org/10.1038/s41598-020-75503-w

116-20 Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Modelling of 3D concrete printing based on computational fluid dynamics, Cement and Concrete Research, 138; 106256, 2020. doi.org/10.1016/j.cemconres.2020.106256

112-20 Peng Liu, Lijin Huan, Yu Gan, Yuyu Lei, Effect of plate thickness on weld pool dynamics and keyhole-induced porosity formation in laser welding of Al alloy, The International Journal of Advanced Manufacturing Technology, 111; pp. 735-747, 2020. doi.org/10.1007/s00170-020-05818-5

108-20 Fan Chen, Wentao Yan, High-fidelity modelling of thermal stress for additive manufacturing by linking thermal-fluid and mechanical models, Materials & Design, 196; 109185, 2020. doi.org/10.1016/j.matdes.2020.109185

104-20 Yunfu Tian, Lijun Yang, Dejin Zhao, Yiming Huang, Jiajing Pan, Numerical analysis of powder bed generation and single track forming for selective laser melting of SS316L stainless steel, Journal of Manufacturing Processes, 58; pp. 964-974, 2020. doi.org/10.1016/j.jmapro.2020.09.002

100-20 Raphaël Comminal, Sina Jafarzadeh, Marcin Serdeczny, Jon Spangenberg, Estimations of interlayer contacts in extrusion additive manufacturing using a CFD model, International Conference on Additive Manufacturing in Products and Applications (AMPA), Zurich, Switzerland, September 1-3: Industrializing Additive Manufacturing, pp. 241-250, 2020. doi.org/10.1007/978-3-030-54334-1_17

97-20 Paree Allu, CFD simulation for metal Additive Manufacturing: Applications in laser- and sinter-based processes, Metal AM, 6.4; pp. 151-158, 2020.

95-20 Yufan Zhao, Kenta Aoyagi, Kenta Yamanaka, Akihiko Chiba, Role of operating and environmental conditions in determining molten pool dynamics during electron beam melting and selective laser melting, Additive Manufacturing, 36; 101559, 2020. doi.org/10.1016/j.addma.2020.101559

94-20 Yan Zeng, David Himmler, Peter Randelzhofer, Carolin Körner, Processing of in situ Al3Ti/Al composites by advanced high shear technology: influence of mixing speed, The International Journal of Advanced Manufacturing Technology, 110; pp. 1589-1599, 2020. doi.org/10.1007/s00170-020-05956-w

93-20 H. Hamed Zargari, K. Ito, M. Kumar, A. Sharma, Visualizing the vibration effect on the tandem-pulsed gas metal arc welding in the presence of surface tension active elements, International Journal of Heat and Mass Transfer, 161; 120310, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.120310

90-20 Guangxi Zhao, Jun Du, Zhengying Wei, Siyuan Xu, Ruwei Geng, Numerical analysis of aluminum alloy fused coating process, Journal of the Brazilian Society of Mechanical Science and Engineering, 42; 483, 2020. doi.org/10.1007/s40430-020-02569-y

85-20 Wenkang Huang, Hongliang Wang, Teresa Rinker, Wenda Tan, Investigation of metal mixing in laser keyhold welding of dissimilar metals, Materials & Design, 195; 109056, 2020. doi.org/10.1016/j.matdes.2020.109056

82-20 Pan Lu, Zhang Cheng-Lin, Wang Liang, Liu Tong, Liu Jiang-lin, Molten pool structure, temperature and velocity flow in selective laser melting AlCu5MnCdVA alloy, Materials Research Express, 7; 086516, 2020. doi.org/10.1088/2053-1591/abadcf

80-20 Yujie Cui, Yufan Zhao, Haruko Numata, Huakang Bian, Kimio Wako, Kento Yamanaka, Kenta Aoyagi, Chen Zhang, Akihiko Chiba, Effects of plasma rotating electrode process parameters on the particle size distribution and microstructure of Ti-6Al-4 V alloy powder, Powder Technology, 376; pp. 363-372, 2020. doi.org/10.1016/j.powtec.2020.08.027

78-20 F.Q. Liu, L. Wei, S.Q. Shi, H.L. Wei, On the varieties of build features during multi-layer laser directed energy deposition, Additive Manufacturing, 36; 101491, 2020. doi.org/10.1016/j.addma.2020.101491

75-20 Nannan Chen, Zixuan Wan, Hui-Ping Wang, Jingjing Li, Joshua Solomon, Blair E. Carlson, Effect of Al single bond Si coating on laser spot welding of press hardened steel and process improvement with annular stirring, Materials & Design, 195; 108986, 2020. doi.org/10.1016/j.matdes.2020.108986

72-20 Yujie Cui, Kenta Aoyagi, Yufan Zhao, Kenta Yamanaka, Yuichiro Hayasaka, Yuichiro Koizumi, Tadashi Fujieda, Akihiko Chiba, Manufacturing of a nanosized TiB strengthened Ti-based alloy via electron beam powder bed fusion, Additive Manufacturing, 36; 101472, 2020. doi.org/10.1016/j.addma.2020.101472

64-20 Dong-Rong Liu, Shuhao Wang, Wentao Yan, Grain structure evolution in transition-mode melting in direct energy deposition, Materials & Design, 194; 108919, 2020. doi.org/10.1016/j.matdes.2020.108919

61-20 Raphael Comminal, Wilson Ricardo Leal da Silva, Thomas Juul Andersen, Henrik Stang, Jon Spangenberg, Influence of processing parameters on the layer geometry in 3D concrete printing: Experiments and modelling, 2nd RILEM International Conference on Concrete and Digital Fabrication, RILEM Bookseries, 28; pp. 852-862, 2020. doi.org/10.1007/978-3-030-49916-7_83

60-20 Marcin P. Serdeczny, Raphaël Comminal, Md. Tusher Mollah, David B. Pedersen, Jon Spangenberg, Numerical modeling of the polymer flow through the hot-end in filament-based material extrusion additive manufacturing, Additive Manufacturing, 36; 101454, 2020. doi.org/10.1016/j.addma.2020.101454

58-20 H.L. Wei, T. Mukherjee, W. Zhang, J.S. Zuback, G.L. Knapp, A. De, T. DebRoy, Mechanistic models for additive manufacturing of metallic components, Progress in Materials Science, 116; 100703, 2020. doi.org/10.1016/j.pmatsci.2020.100703

55-20 Masoud Mohammadpour, Experimental study and numerical simulation of heat transfer and fluid flow in laser welded and brazed joints, Thesis, Southern Methodist University, Dallas, TX, US; Available in Mechanical Engineering Research Theses and Dissertations, 24, 2020.

48-20 Masoud Mohammadpour, Baixuan Yang, Hui-Ping Wang, John Forrest, Michael Poss, Blair Carlson, Radovan Kovacevica, Influence of laser beam inclination angle on galvanized steel laser braze quality, Optics and Laser Technology, 129; 106303, 2020. doi.org/10.1016/j.optlastec.2020.106303

34-20 Binqi Liu, Gang Fang, Liping Lei, Wei Liu, A new ray tracing heat source model for mesoscale CFD simulation of selective laser melting (SLM), Applied Mathematical Modeling, 79; pp. 506-520, 2020. doi.org/10.1016/j.apm.2019.10.049

27-20 Xuesong Gao, Guilherme Abreu Farira, Wei Zhang and Kevin Wheeler, Numerical analysis of non-spherical particle effect on molten pool dynamics in laser-powder bed fusion additive manufacturing, Computational Materials Science, 179, art. no. 109648, 2020. doi.org/10.1016/j.commatsci.2020.109648

26-20 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka and Akihiko Chiba, Isothermal γ → ε phase transformation behavior in a Co-Cr-Mo alloy depending on thermal history during electron beam powder-bed additive manufacturing, Journal of Materials Science & Technology, 50, pp. 162-170, 2020. doi.org/10.1016/j.jmst.2019.11.040

21-20 Won-Ik Cho and Peer Woizeschke, Analysis of molten pool behavior with buttonhole formation in laser keyhole welding of sheet metal, International Journal of Heat and Mass Transfer, 152, art. no. 119528, 2020. doi.org/10.1016/j.ijheatmasstransfer.2020.119528

06-20 Wei Xing, Di Ouyang, Zhen Chen and Lin Liu, Effect of energy density on defect evolution in 3D printed Zr-based metallic glasses by selective laser melting, Science China Physics, Mechanics & Astronomy, 63, art. no. 226111, 2020. doi.org/10.1007/s11433-019-1485-8

04-20 Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009

02-20 Dongsheng Wu, Shinichi Tashiro, Ziang Wu, Kazufumi Nomura, Xueming Hua, and Manabu Tanaka, Analysis of heat transfer and material flow in hybrid KPAW-GMAW process based on the novel three dimensional CFD simulation, International Journal of Heat and Mass Transfer, 147, art. no. 118921, 2020. doi.org/10.1016/j.ijheatmasstransfer.2019.118921

01-20 Xiang Huang, Siying Lin, Zhenxiang Bu, Xiaolong Lin, Weijin Yi, Zhihong Lin, Peiqin Xie, and Lingyun Wang, Research on nozzle and needle combination for high frequency piezostack-driven dispenser, International Journal of Adhesion and Adhesives, 96, 2020. doi.org/10.1016/j.ijadhadh.2019.102453

88-19 Bo Cheng and Charles Tuffile, Numerical study of porosity formation with implementation of laser multiple reflection in selective laser melting, Proceedings Volume 1: Additive Manufacturing; Manufacturing Equipment and Systems; Bio and Sustainable Manufacturing, ASME 2019 14th International Manufacturing Science and Engineering Conference, Erie, Pennsylvania, USA, June 10-14, 2019. doi.org/10.1115/MSEC2019-2891

87-19 Shuhao Wang, Lida Zhu, Jerry Ying His Fuh, Haiquan Zhang, and Wentao Yan, Multi-physics modeling and Gaussian process regression analysis of cladding track geometry for direct energy deposition, Optics and Lasers in Engineering, 127:105950, 2019. doi.org/10.1016/j.optlaseng.2019.105950

78-19 Bo Cheng, Lukas Loeber, Hannes Willeck, Udo Hartel, and Charles Tuffile, Computational investigation of melt pool process dynamics and pore formation in laser powder bed fusion, Journal of Materials Engineering and Performance, 28:11, 6565-6578, 2019. doi.org/10.1007/s11665-019-04435-y

77-19 David Souders, Pareekshith Allu, Anurag Chandorkar, and Ruendy Castillo, Application of computational fluid dynamics in developing process parameters for additive manufacturing, Additive Manufacturing Journal, 9th International Conference on 3D Printing and Additive Manufacturing Technologies (AM 2019), Bangalore, India, September 7-9, 2019.

75-19 Raphaël Comminal, Marcin Piotr Serdeczny, Navid Ranjbar, Mehdi Mehrali, David Bue Pedersen, Henrik Stang, Jon Spangenberg, Modelling of material deposition in big area additive manufacturing and 3D concrete printing, Proceedings, Advancing Precision in Additive Manufacturing, Nantes, France, September 16-18, 2019.

73-19 Baohua Chang, Zhang Yuan, Hao Cheng, Haigang Li, Dong Du 1, and Jiguo Shan, A study on the influences of welding position on the keyhole and molten pool behavior in laser welding of a titanium alloy, Metals, 9:1082, 2019. doi.org/10.3390/met9101082

57-19 Shengjie Deng, Hui-Ping Wang, Fenggui Lu, Joshua Solomon, and Blair E. Carlson, Investigation of spatter occurrence in remote laser spiral welding of zinc-coated steels, International Journal of Heat and Mass Transfer, Vol. 140, pp. 269-280, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.06.009

53-19 Mohamad Bayat, Aditi Thanki, Sankhya Mohanty, Ann Witvrouw, Shoufeng Yang, Jesper Thorborg, Niels Skat Tieldje, and Jesper Henri Hattel, Keyhole-induced porosities in Laser-based Powder Bed Fusion (L-PBF) of Ti6Al4V: High-fidelity modelling and experimental validation, Additive Manufacturing, Vol. 30, 2019. doi.org/10.1016/j.addma.2019.100835

51-19 P. Ninpetch, P. Kowitwarangkul, S. Mahathanabodee, R. Tongsri, and P. Ratanadecho, Thermal and melting track simulations of laser powder bed fusion (L-PBF), International Conference on Materials Research and Innovation (ICMARI), Bangkok, Thailand, December 17-21, 2018. IOP Conference Series: Materials Science and Engineering, Vol. 526, 2019. doi.org/10.1088/1757-899X/526/1/012030

46-19 Hongze Wang and Yu Zou, Microscale interaction between laser and metal powder in powder-bed additive manufacturing: Conduction mode versus keyhole mode, International Journal of Heat and Mass Transfer, Vol. 142, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.118473

45-19 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Kenta Yamanaka, and Akihiko Chiba, Manipulating local heat accumulation towards controlled quality and microstructure of a Co-Cr-Mo alloy in powder bed fusion with electron beam, Materials Letters, Vol. 254, pp. 269-272, 2019. doi.org/10.1016/j.matlet.2019.07.078

44-19 Guoxiang Xu, Lin Li, Houxiao Wang, Pengfei Li, Qinghu Guo, Qingxian Hu, and Baoshuai Du, Simulation and experimental studies of keyhole induced porosity in laser-MIG hybrid fillet welding of aluminum alloy in the horizontal position, Optics & Laser Technology, Vol. 119, 2019. doi.org/10.1016/j.optlastec.2019.105667

38-19 Subin Shrestha and Y. Kevin Chou, A numerical study on the keyhole formation during laser powder bed fusion process, Journal of Manufacturing Science and Engineering, Vol. 141, No. 10, 2019. doi.org/10.1115/1.4044100

34-19 Dae-Won Cho, Jin-Hyeong Park, and Hyeong-Soon Moon, A study on molten pool behavior in the one pulse one drop GMAW process using computational fluid dynamics, International Journal of Heat and Mass Transfer, Vol. 139, pp. 848-859, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.038

30-19 Mohamad Bayat, Sankhya Mohanty, and Jesper Henri Hattel, Multiphysics modelling of lack-of-fusion voids formation and evolution in IN718 made by multi-track/multi-layer L-PBF, International Journal of Heat and Mass Transfer, Vol. 139, pp. 95-114, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.05.003

29-19 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka, and Akihiko Chiba, Comprehensive study on mechanisms for grain morphology evolution and texture development in powder bed fusion with electron beam of Co–Cr–Mo alloy, Materialia, Vol. 6, 2019. doi.org/10.1016/j.mtla.2019.100346

28-19 Pareekshith Allu, Computational fluid dynamics modeling in additive manufacturing processes, The Minerals, Metals & Materials Society (TMS) 148th Annual Meeting & Exhibition, San Antonio, Texas, USA, March 10-14, 2019.

24-19 Simulation Software: Use, Advantages & Limitations, The Additive Manufacturing and Welding Magazine, Vol. 2, No. 2, 2019

22-19 Hunchul Jeong, Kyungbae Park, Sungjin Baek, and Jungho Cho, Thermal efficiency decision of variable polarity aluminum arc welding through molten pool analysis, International Journal of Heat and Mass Transfer, Vol. 138, pp. 729-737, 2019. doi.org/10.1016/j.ijheatmasstransfer.2019.04.089

07-19 Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Numerical analysis of arc driving forces and temperature distribution in pulsed TIG welding, Journal of the Brazilian Society of Mechanical Sciences and Engineering, Vol. 41, No. 60, 2019. doi.org/10.1007/s40430-018-1563-0

04-19 Santosh Reddy Sama, Tony Badamo, Paul Lynch and Guha Manogharan, Novel sprue designs in metal casting via 3D sand-printing, Additive Manufacturing, Vol. 25, pp. 563-578, 2019. doi.org/10.1016/j.addma.2018.12.009

03-19 Dongsheng Wu, Anh Van Nguyen, Shinichi Tashiro, Xueming Hua and Manabu Tanaka, Elucidation of the weld pool convection and keyhole formation mechanism in the keyhold plasma arc welding, International Journal of Heat and Mass Transfer, Vol. 131, pp. 920-931, 2019. doi.org/10.1016/j.ijheatmasstransfer.2018.11.108

97-18 Wentao Yan, Ya Qian, Wenjun Ge, Stephen Lin, Wing Kam Liu, Feng Lin, Gregory J. Wagner, Meso-scale modeling of multiple-layer fabrication process in Selective Electron Beam Melting: Inter-layer/track voids formation, Materials & Design, 2018. doi.org/10.1016/j.matdes.2017.12.031

84-18 Bo Cheng, Xiaobai Li, Charles Tuffile, Alexander Ilin, Hannes Willeck and Udo Hartel, Multi-physics modeling of single track scanning in selective laser melting: Powder compaction effect, Proceedings of the 29th Annual International Solid Freeform Fabrication Symposium, pp. 1887-1902, 2018.

81-18 Yufan Zhao, Yuichiro Koizumi, Kenta Aoyagi, Daixiu Wei, Kenta Yamanaka and Akihiko Chiba, Molten pool behavior and effect of fluid flow on solidification conditions in selective electron beam melting (SEBM) of a biomedical Co-Cr-Mo alloy, Additive Manufacturing, Vol. 26, pp. 202-214, 2019. doi.org/10.1016/j.addma.2018.12.002

77-18 Jun Du and Zhengying Wei, Numerical investigation of thermocapillary-induced deposited shape in fused-coating additive manufacturing process of aluminum alloy, Journal of Physics Communications, Vol. 2, No. 11, 2018. doi.org/10.1088/2399-6528/aaedc7

76-18 Yu Xiang, Shuzhe Zhang, Zhengying We, Junfeng Li, Pei Wei, Zhen Chen, Lixiang Yang and Lihao Jiang, Forming and defect analysis for single track scanning in selective laser melting of Ti6Al4V, Applied Physics A, 124:685, 2018. doi.org/10.1007/s00339-018-2056-9

74-18 Paree Allu, CFD simulations for laser welding of Al Alloys, Proceedings, Die Casting Congress & Exposition, Indianapolis, IN, October 15-17, 2018.

72-18 Hunchul Jeong, Kyungbae Park, Sungjin Baek, Dong-Yoon Kim, Moon-Jin Kang and Jungho Cho, Three-dimensional numerical analysis of weld pool in GMAW with fillet joint, International Journal of Precision Engineering and Manufacturing, Vol. 19, No. 8, pp. 1171-1177, 2018. doi.org/10.1007/s12541-018-0138-4

60-18 R.W. Geng, J. Du, Z.Y. Wei and G.X. Zhao, An adaptive-domain-growth method for phase field simulation of dendrite growth in arc preheated fused-coating additive manufacturing, IOP Conference Series: Journal of Physics: Conference Series 1063, 012077, 2018. doi.org/10.1088/1742-6596/1063/1/012077

59-18 Guangxi Zhao, Jun Du, Zhengying Wei, Ruwei Geng and Siyuan Xu, Coupling analysis of molten pool during fused coating process with arc preheating, IOP Conference Series: Journal of Physics: Conference Series 1063, 012076, 2018. doi.org/10.1088/1742-6596/1063/1/012076 (Available at http://iopscience.iop.org/article/10.1088/1742-6596/1063/1/012076/pdf and in shared drive)

58-18 Siyuan Xu, Zhengying Wei, Jun Du, Guangxi Zhao and Wei Liu, Numerical simulation and analysis of metal fused coating forming, IOP Conference Series: Journal of Physics: Conference Series 1063, 012075, 2018. doi.org/10.1088/1742-6596/1063/1/012075

55-18 Jason Cheon, Jin-Young Yoon, Cheolhee Kim and Suck-Joo Na, A study on transient flow characteristic in friction stir welding with realtime interface tracking by direct surface calculation, Journal of Materials Processing Tech., vol. 255, pp. 621-634, 2018.

54-18 V. Sukhotskiy, P. Vishnoi, I. H. Karampelas, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic drop-on-demand liquid metal additive manufacturing: System overview and modeling, Proceedings of the 5th International Conference of Fluid Flow, Heat and Mass Transfer, Niagara Falls, Canada, June 7 – 9, 2018; Paper no. 155, 2018. doi.org/10.11159/ffhmt18.155

52-18 Michael Hilbinger, Claudia Stadelmann, Matthias List and Robert F. Singer, Temconex® – Kontinuierliche Pulverextrusion: Verbessertes Verständnis mit Hilfe der numerischen Simulation, Hochleistungsmetalle und Prozesse für den Leichtbau der Zukunft, Tagungsband 10. Ranshofener Leichtmetalltage, 13-14 Juni 2018, Linz, pp. 175-186, 2018.

38-18 Zhen Chen, Yu Xiang, Zhengying Wei, Pei Wei, Bingheng Lu, Lijuan Zhang and Jun Du, Thermal dynamic behavior during selective laser melting of K418 superalloy: numerical simulation and experimental verification, Applied Physics A, vol. 124, pp. 313, 2018. doi.org/10.1007/s00339-018-1737-8

19-18 Chenxiao Zhu, Jason Cheon, Xinhua Tang, Suck-Joo Na, and Haichao Cui, Molten pool behaviors and their influences on welding defects in narrow gap GMAW of 5083 Al-alloy, International Journal of Heat and Mass Transfer, vol. 126:A, pp.1206-1221, 2018. doi.org/10.1016/j.ijheatmasstransfer.2018.05.132

16-18 P. Schneider, V. Sukhotskiy, T. Siskar, L. Christie and I.H. Karampelas, Additive Manufacturing of Microfluidic Components via Wax Extrusion, Biotech, Biomaterials and Biomedical TechConnect Briefs, vol. 3, pp. 162 – 165, 2018.

09-18 The Furlani Research Group, Magnetohydrodynamic Liquid Metal 3D Printing, Department of Chemical and Biological Engineering, © University at Buffalo, May 2018.

08-18 Benjamin Himmel, Dominik Rumschöttel and Wolfram Volk, Thermal process simulation of droplet based metal printing with aluminium, Production Engineering, March 2018 © German Academic Society for Production Engineering (WGP) 2018.

07-18 Yu-Che Wu, Cheng-Hung San, Chih-Hsiang Chang, Huey-Jiuan Lin, Raed Marwan, Shuhei Baba and Weng-Sing Hwang, Numerical modeling of melt-pool behavior in selective laser melting with random powder distribution and experimental validation, Journal of Materials Processing Tech. 254 (2018) 72–78.

60-17 Pei Wei, Zhengying Wei, Zhen Chen, Yuyang He and Jun Du, Thermal behavior in single track during selective laser melting of AlSi10Mg powder, Applied Physics A: Materials Science & Processing, 123:604, 2017. doi.org/10.1007/z00339-017-1194-9

51-17 Koichi Ishizaka, Keijiro Saitoh, Eisaku Ito, Masanori Yuri, and Junichiro Masada, Key Technologies for 1700°C Class Ultra High Temperature Gas Turbine, Mitsubishi Heavy Industries Technical Review, vol. 54, no. 3, 2017.

49-17 Yu-Che Wu, Weng-Sing Hwang, Cheng-Hung San, Chih-Hsiang Chang and Huey-Jiuan Lin, Parametric study of surface morphology for selective laser melting on Ti6Al4V powder bed with numerical and experimental methods, International Journal of Material Forming, © Springer-Verlag France SAS, part of Springer Nature 2017. doi.org/10.1007/s12289-017-1391-2.

37-17 V. Sukhotskiy, I. H. Karampelas, G. Garg, A. Verma, M. Tong, S. Vader, Z. Vader, and E. P. Furlani, Magnetohydrodynamic Drop-on-Demand Liquid Metal 3D Printing, Solid Freeform Fabrication 2017: Proceedings of the 28th Annual International Solid Freeform Fabrication Symposium – An Additive Manufacturing Conference

15-17 I.H. Karampelas, S. Vader, Z. Vader, V. Sukhotskiy, A. Verma, G. Garg, M. Tong and E.P. Furlani, Drop-on-Demand 3D Metal Printing, Informatics, Electronics and Microsystems TechConnect Briefs 2017, Vol. 4

14-17 Jason Cheon and Suck-Joo Na, Prediction of welding residual stress with real-time phase transformation by CFD thermal analysis, International Journal of Mechanical Sciences 131–132 (2017) 37–51.

91-16 Y. S. Lee and D. F. Farson, Surface tension-powered build dimension control in laser additive manufacturing process, Int J Adv Manuf Technol (2016) 85:1035–1044, doi.org/10.1007/s00170-015-7974-5.

84-16 Runqi Lin, Hui-ping Wang, Fenggui Lu, Joshua Solomon, Blair E. Carlson, Numerical study of keyhole dynamics and keyhole-induced porosity formation in remote laser welding of Al alloys, International Journal of Heat and Mass Transfer 108 (2017) 244–256, Available online December 2016.

68-16 Dongsheng Wu, Xueming Hua, Dingjian Ye and Fang Li, Understanding of humping formation and suppression mechanisms using the numerical simulation, International Journal of Heat and Mass Transfer, Volume 104, January 2017, Pages 634–643, Published online 2016.

39-16 Chien-Hsun Wang, Ho-Lin Tsai, Yu-Che Wu and Weng-Sing Hwang, Investigation of molten metal droplet deposition and solidification for 3D printing techniques, IOP Publishing, J. Micromech. Microeng. 26 (2016) 095012 (14pp), doi: 10.1088/0960-1317/26/9/095012, July 8, 2016

29-16 Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Advances in Magnetohydrodynamic Liquid Metal Jet Printing, Nanotech 2016 Conference & Expo, May 22-25, Washington, DC.

26-16 Y.S. Lee and W. Zhang, Modeling of heat transfer, fluid flow and solidification microstructure of nickel-base superalloy fabricated by laser powder bed fusion, S2214-8604(16)30087-2, doi.org/10.1016/j.addma.2016.05.003, ADDMA 86.

123-15 Koji Tsukimoto, Masashi Kitamura, Shuji Tanigawa, Sachio Shimohata, and Masahiko Mega, Laser welding repair for single crystal blades, Proceedings of International Gas Turbine Congress, pp. 1354-1358, 2015.

122-15 Y.S. Lee, W. Zhang, Mesoscopic simulation of heat transfer and fluid flow in laser powder bed additive manufacturing, Proceedings, 26th Solid Freeform Fabrication Symposium, Austin, Texas, 2015.

116-15 Yousub Lee, Simulation of Laser Additive Manufacturing and its Applications, Ph.D. Thesis: Graduate Program in Welding Engineering, The Ohio State University, 2015, Copyright by Yousub Lee 2015

103-15 Ligang Wu, Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, CFD Simulations of GMA Welding of Horizontal Fillet Joints based on Coordinate Rotation of Arc Models, Journal of Materials Processing Technology, Available online December 29, 2015

96-15 Jason Cheon, Degala Venkata Kiran, and Suck-Joo Na, Thermal metallurgical analysis of GMA welded AH36 steel using CFD – FEM framework, Materials & Design, Volume 91, February 5 2016, Pages 230-241, published online November 2015

86-15 Yousub Lee and Dave F. Farson, Simulation of transport phenomena and melt pool shape for multiple layer additive manufacturing, J. Laser Appl. 28, 012006 (2016). doi: 10.2351/1.4935711, published online 2015.

63-15 Scott Vader, Zachary Vader, Ioannis H. Karampelas and Edward P. Furlani, Magnetohydrodynamic Liquid Metal Jet Printing, TechConnect World Innovation Conference & Expo, Washington, D.C., June 14-17, 2015

46-15 Adwaith Gupta, 3D Printing Multi-Material, Single Printhead Simulation, Advanced Qualification of Additive Manufacturing Materials Workshop, July 20 – 21, 2015, Santa Fe, NM

25-15 Dae-Won Cho and Suck-Joo Na, Molten pool behaviors for second pass V-groove GMAW, International Journal of Heat and Mass Transfer 88 (2015) 945–956.

21-15 Jungho Cho, Dave F. Farson, Kendall J. Hollis and John O. Milewski, Numerical analysis of weld pool oscillation in laser welding, Journal of Mechanical Science and Technology 29 (4) (2015) 1715~1722, www.springerlink.com/content/1738-494x, doi.org/10.1007/s12206-015-0344-2.

82-14 Yousub Lee, Mark Nordin, Sudarsanam Suresh Babu, and Dave F. Farson, Effect of Fluid Convection on Dendrite Arm Spacing in Laser Deposition, Metallurgical and Materials Transactions B, August 2014, Volume 45, Issue 4, pp 1520-1529

59-14 Y.S. Lee, M. Nordin, S.S. Babu, and D.F. Farson, Influence of Fluid Convection on Weld Pool Formation in Laser Cladding, Welding Research/ August 2014, VOL. 93

18-14 L.J. Zhang, J.X. Zhang, A. Gumenyuk, M. Rethmeier, and S.J. Na, Numerical simulation of full penetration laser welding of thick steel plate with high power high brightness laser, Journal of Materials Processing Technology (2014), doi.org/10.1016/j.jmatprotec.2014.03.016.

36-13 Dae-Won Cho,Woo-Hyun Song, Min-Hyun Cho, and Suck-Joo Na, Analysis of Submerged Arc Welding Process by Three-Dimensional Computational Fluid Dynamics Simulations, Journal of Materials Processing Technology, 2013. doi.org/10.1016/j.jmatprotec.2013.06.017

12-13 D.W. Cho, S.J. Na, M.H. Cho, J.S. Lee, A study on V-groove GMAW for various welding positions, Journal of Materials Processing Technology, April 2013, doi.org/10.1016/j.jmatprotec.2013.02.015.

01-13 Dae-Won Cho & Suck-Joo Na & Min-Hyun Cho & Jong-Sub Lee, Simulations of weld pool dynamics in V-groove GTA and GMA welding, Weld World, doi.org/10.1007/s40194-012-0017-z, © International Institute of Welding 2013.

63-12 D.W. Cho, S.H. Lee, S.J. Na, Characterization of welding arc and weld pool formation in vacuum gas hollow tungsten arc welding, Journal of Materials Processing Technology, doi.org/10.1016/j.jmatprotec.2012.09.024, September 2012.

77-10 Lim, Y. C.; Yu, X.; Cho, J. H.; et al., Effect of magnetic stirring on grain structure refinement Part 1-Autogenous nickel alloy welds, Science and Technology of Welding and Joining, Volume: 15 Issue: 7, Pages: 583-589, doi.org/10.1179/136217110X12720264008277, October 2010

18-10 K Saida, H Ohnishi, K Nishimoto, Fluxless laser brazing of aluminium alloy to galvanized steel using a tandem beam–dissimilar laser brazing of aluminium alloy and steels, Welding International, 2010

58-09 Cho, Jung-Ho; Farson, Dave F.; Milewski, John O.; et al., Weld pool flows during initial stages of keyhole formation in laser welding, Journal of Physics D-Applied Physics, Volume: 42 Issue: 17 Article Number: 175502 ; doi.org/10.1088/0022-3727/42/17/175502, September 2009

57-09 Lim, Y. C.; Farson, D. F.; Cho, M. H.; et al., Stationary GMAW-P weld metal deposit spreading, Science and Technology of Welding and Joining, Volume: 14 Issue: 7 ;Pages: 626-635, doi.org/10.1179/136217109X441173, October 2009

1-09 J.-H. Cho and S.-J. Na, Three-Dimensional Analysis of Molten Pool in GMA-Laser Hybrid Welding, Welding Journal, February 2009, Vol. 88

52-07 Huey-Jiuan Lin and Wei-Kuo Chang, Design of a sheet forming apparatus for overflow fusion process by numerical simulation, Journal of Non-Crystalline Solids 353 (2007) 2817–2825.

50-07 Cho, Min Hyun; Farson, Dave F., Understanding bead hump formation in gas metal arc welding using a numerical simulation, Metallurgical and Mateials Transactions B-Process Metallurgy and Materials Processing Science, Volume: 38, Issue: 2, Pages: 305-319, doi.org/10.1007/s11663-007-9034-5, April 2007

49-07 Cho, M. H.; Farson, D. F., Simulation study of a hybrid process for the prevention of weld bead hump formation, Welding Journal Volume: 86, Issue: 9, Pages: 253S-262S, September 2007

48-07 Cho, M. H.; Farson, D. F.; Lim, Y. C.; et al., Hybrid laser/arc welding process for controlling bead profile, Science and Technology of Welding and Joining, Volume: 12 Issue: 8, Pages: 677-688, doi.org/10.1179/174329307X236878, November 2007

47-07 Min Hyun Cho, Dave F. Farson, Understanding Bead Hump Formation in Gas Metal Arc Welding Using a Numerical Simulation, Metallurgical and Materials Transactions B, Volume 38, Issue 2, pp 305-319, April 2007

36-06 Cho, M. H.; Lim, Y. C.; Farson, D. F., Simulation of weld pool dynamics in the stationary pulsed gas metal arc welding process and final weld shape, Welding Journal, Volume: 85 Issue: 12, Pages: 271S-283S, December 2006

금속 3D 프린팅 수치해석

Additive Manufacturing

적층 가공법은 3D프린팅이라고도 하며, 일반적으로 분말 또는 와이어를 층별로 적층제조하는 방법입니다. 금속기반 적층제조공정에 대한 관심이 지난 몇년간 크게 높아졌습니다. 오늘날 사용되는 3개의 주요 금속 적층 제조 공정은 파우더 베드 융접(PBF), 직접 에너지 증착(DED) 및 바인더 분사 공정입니다. FLOW-3D는 이러한 각 프로세스에 대해 고유한 시뮬레이션 통찰력을 제공합니다

파우더 베드 융합 및 직접 에너지 증착 공정에서는 레이저나 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF의 분말 형태와 DED공정의 분말 또는 와이어 형태의 금속은 완전히 용해되고 함께 융합되어 층별 부품을 형성합니다. 그러나 바인더 분사에서, 결합제 역할을 하는 수지는 금속 분말에 선택적으로 침전되어 층별로 부품을 형성합니다. 이들 부품은 더 나은 밀도를 얻기 위해 중앙에 배치됩니다.

FLOW-3D의 자유 표면 추적 알고리즘과 물리적 모델은 이러한 각 프로세스를 매우 정확하게 시뮬레이션할 수 있습니다. 레이저 파우더 베드 퓨전(L-LPF)모델링 단계에 대해서는 여기에서 자세히 설명합니다. DED 및 바인더 분사 프로세스에 대한 개념 증명 시뮬레이션도 몇 가지 보여줍니다.

Laser-powder bed fusion processes

L-PBF 공정은 유체 유동, 열 전달, 표면 장력, 상 변화 및 응고와 같은 복잡한 다중 물리 현상을 포함하며, 이는 공정 및 궁극적으로 품질에 영향을 미칩니다. FLOW-3D의 물리적 모델은 질량, 운동량 및 에너지 보존 방정식을 동시에 해결하면서, 입자 크기 분포 및 충진 분율을 고려하여 메소 스케일에서 용융 풀 현상을 시뮬레이션합니다.

FLOW-3D의 추가 모듈인 DEM및 WELD는 전체 파우더 베드 융접 프로세스를 시뮬레이션하는데 사용됩니다. L-PBF 공정의 다양한 단계는 분말 베드 적층, 분말 용융 및 응고 및이어서 이전에 응고 된 층 상에 새로운 분말을 놓고 새로운 층을 이전 층에 다시 융해 및 융합시키는 단계입니다. FLOW-3D는 이러한 각 단계를 시뮬레이션하는 데 사용할 수 있습니다.

Powder bed laying process

FLOW-3D와 통합된 DEM모듈을 사용하면 다음과 같이 입자의 랜덤화된 분포를 삭제하고 포장하여 파우더 베드 배치 프로세스를 아래 영상처럼 시뮬레이션 할 수 있습니다.

One way to achieve different powder bed compactions is to choose different particle size distributions while laying the bed. As seen below, there are three different sized particle size distributions, which result in varying powder bed compactions with Case 2 giving the highest compaction.

입자-입자 상호 작용, 유체-입자 결합 및 입자 이동 객체 상호 작용은 DEM 모듈을 사용하여 자세히 분석할 수 있습니다. 또한 입자 간 힘을 특정하여 분말을 넓게 펴서 뿌리는 현상에 대한 응용을 보다 정확하게 연구할 수도 있습니다.

FLOW-3D 시뮬레이션은 DEM 모델을 사용하여, 회전하는 원통형 롤러로 인해 퍼지는 분말을 해석한 결과입니다. 영상의 시작 부분에서는 분말 저장소가 아래로 이동하는 반면, 빌드 플랫폼은 위쪽으로 이동합니다. 그 직후 롤러는 초기 위치에 따라 컬러 분말 입자를 빌드 플랫폼으로 분산시켜 다음 층의 용해 및 제작을 준비합니다. 그러한 시뮬레이션은 탱크에서 빌드 플랫폼으로 전달되는 분말 입자의 바람직한 크기에 대해 예측할 수 있습니다.

Powder bed melting

파우더 베드를 배치한 후에는 FLOW-3D 에 레이저 빔 프로세스 매개 변수를 지정하여 고 밀도의 용융지 시뮬레이션을 수행할 수 있습니다. 온도, 속도, 고상 분율, 온도 구배 및 응고 속도에 대한 그림을 자세히 분석할 수 있습니다

Melt pool analysis of the powder bed under a laser power output of 200W, scan speed of 3.0m/s and a spot radius of 100μm.

용해 풀이 굳으면 FLOW-3D 압력 및 온도 데이터를 Abaqus 또는 MSC Nastran과 같은 FEA 도구로 데이터를 가져와 응력 등고선 및 변위 프로필을 분석할 수 있습니다.

Multi-layer additive manufacturing

첫번째 용해 층이 굳으면 두번째 입자 층이 응고된 베드에 쌓입니다. 새로운 분말 입자 층에 레이저 프로세스 파라미터를 지정함으로써, 용해지 시뮬레이션을 다시 수행할 수 있습니다. 이 과정을 여러 번 반복하여 연속적으로 형성된 층 사이의 결합을 평가할 수 있습니다.

Binder jetting

바인더 분사 시뮬레이션은 모세관 힘의 영향을 받는 파우더 베드의 바인더 확산 및 침투에 대한 통찰력을 제공합니다. 공정 매개 변수와 재료 특성은 증착 및 확산 공정에 직접적인 영향을 미친다.

Direct energy deposition

FLOW-3D의 Particle 모델을 사용하여 직접 에너지 증착 공정을 시뮬레이션 할 수도 있습니다. 고체 기판에 분말 주입 속도와 열유속 입사를 지정함으로써, 고체 입자는 용융지를 통해 질량, 추진력 및 에너지를 추가할 수 있습니다. 다음 동영상에서는 용융지을 통해 고체 금속 입자가 주입되고 이어서 기판에 용융지를 응고시키는 과정이 관찰됩니다.

금속 3D 프린팅 / 적층 제조 수치해석(FLOW-3D Weld/DEM)

Additive Manufacturing

적층 제조법은 3D프린팅이라고도 하며, 일반적으로 분말 또는 와이어를 층별로 적층제조하는 방법입니다. 금속기반 적층제조공정에 대한 관심이 지난 몇년간 크게 높아졌습니다. 오늘날 사용되는 3개의 주요 금속 적층 제조 공정은 파우더 베드 융접(PBF), 직접 에너지 증착(DED) 및 바인더 분사 공정입니다. FLOW-3D는 이러한 각 프로세스에 대해 높은 정확도의 시뮬레이션 기능을 제공합니다

파우더 베드 융합 및 직접 에너지 증착 공정에서는 레이저나 전자 빔을 열원으로 사용할 수 있습니다. 두 경우 모두 PBF의 분말 형태와 DED공정의 분말 또는 와이어 형태의 금속은 완전히 용해되고 함께 융합되어 층별 부품을 형성합니다. 그러나, 결합제 분사에서, 결합제로서 작용하는 수지는 금속 분말 위에 선택적으로 증착되어 층별로 부품을 형성합니다. 그런 다음 이러한 부품을 소결하여 밀도를 높이게 됩니다.

Laser-powder bed fusion processes

Powder bed laying process

FLOW-3D 시뮬레이션은 DEM 모델을 사용하여, 회전하는 원통형 롤러로 인해 퍼지는 분말을 해석한 결과입니다. 비디오의 시작 부분에서는 분말 저장소가 아래로 이동하는 반면, 빌드 플랫폼은 위쪽으로 이동합니다. 그 직후 롤러는 초기 위치에 따라 컬러 분말 입자를 빌드 플랫폼으로 분산시켜 다음 층의 용해 및 제작을 준비합니다. 그러한 시뮬레이션은 탱크에서 빌드 플랫폼으로 전달되는 분말 입자의 바람직한 크기에 대한 예측할 수 있습니다.

Powder bed melting

파우더 베드를 배치한 후에는 FLOW-3D WELD에 레이저 빔 프로세스 매개 변수를 지정하여 고 밀도의 용융 풀 시뮬레이션을 수행할 수 있습니다. 온도, 속도, 고상 분율, 온도 구배 및 응고 속도에 대한 그림을 자세히 분석할 수 있습니다

Melt pool analysis of the powder bed under a laser power output of 200W, scan speed of 3.0m/s and a spot radius of 100μm.

Multi-layer additive manufacturing

첫번째 용해 층이 굳으면 두번째 입자 층이 응고된 베드에 쌓입니다. 새로운 분말 입자 층에 레이저 프로세스 파라미터를 지정함으로써, 용해 풀 시뮬레이션을 다시 수행할 수 있습니다. 이 과정을 여러 번 반복하여 연속적으로 형성된 층 사이의 결합을 평가할 수 있습니다.

Binder jetting

Direct energy deposition

FLOW-3D의 Particle 모델을 사용하여 직접 에너지 축적 프로세스를 시뮬레이션 할 수도 있습니다. 고체 기판에 분말 주입 속도와 열유속 입사를 지정함으로써, 고체 입자는 용융풀을 통해 질량, 추진력 및 에너지를 추가할 수 있습니다. 다음 동영상에서는 용융풀을 통해 고체 금속 입자가 주입되고 이어서 기판에 용융풀응 응고시키는 과정이 관찰됩니다.


Casting 분야 적용사례 다운로드	Hydraulics 분야 적용사례 다운로드	WaterTreatments 분야 적용사례 다운로드	MEMS 분야 적용사례 다운로드

Maritime 분야 적용사례 다운로드	Laser Welding 분야 적용사례 다운로드	Metal 3D printing 분야 적용사례 다운로드

Tag: 수치해석

레이저 용접에서의 Key Hole 동력학과 유도를 통한 Porosity 형성

레이저 출력과 용접속도의 영향

FLOW-3D 용접해석 개요

해석 필요성

해석을 통해 얻는 이점

캐비테이션이란 무엇입니까?

Real-World Applications | 실제 응용 분야

Modeling Cavitation in FLOW-3D

Sample Results

@

References

자유 표면 모델링 방법

Lagrangian Grid Methods

라그랑주 격자 법

Surface Height Method

표면 높이 법

Marker-and-Cell (MAC) Method

MAC 방법

Surface Marker Method

표면 마커 법

Volume-of-Fluid (VOF) Method

VOF (Volume-of-Fluid) 법

Variable-Density Approximation to the VOF Method

VOF 법의 가변 밀도 근사

Summary

References

업무에 적합한 올바른 CFD 소프트웨어 선택 방법

1. 메싱 및 지오메트리

2. 운동량 방정식과 대략적인 흐름 모델

3. 액체-고체 열 전달 영역

4. 액체-고체 열 전달에 대한 볼륨 효과 제어

5. 암시성(Implicitness)과 정확성

6. 대류 전송을 위한 암시적 수치 방법 (Implicit Numerical Methods)

7. 이완 및 수렴 매개 변수 (Relaxation and Convergence Parameters)

8. 자유 표면 추적

Debris Transport in a Nuclear Reactor Containment Building

Emergency Core Cooling System (ECCS)

Sump Strainers and Debris

FLOW-3D Applied to Evaluate Performance

Conclusions

FLOW-3D 튜토리얼 V12

빠른 시작

1.CFD 사용에 대한 철학

2.중요한 파일

3.시뮬레이션 관리자

작업 공간 (Workspaces)

새로운 작업 공간 만들기

작업 공간 닫기

작업 공간에서 시뮬레이션 작업

Example를 추가하십시오

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에 기존 시뮬레이션 추가

작업 공간에 새로운 시뮬레이션 추가

다른 옵션

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

작업 공간에서 모든 시뮬레이션 실행

대기열

파일 시스템에서 파일 찾기

4.모델 설정

탐색

통제 수단

물리

유체

Geometry(기하)

경계 조건

초기 조건

출력

Numerics

일반 시뮬레이션 설정 점검 목록

시작하기 전에

모델 설정 : 일반

모델 설정 : 물리

모델 설정 : 유체

모델 설정 : Mesh 및 형상

모델 설정 : 출력

모델 설정 : 숫자

기존 플롯

커스텀 플롯