금형 코어와 캐비티 형상이 복잡해질수록 접촉식 측정만으로는 치수 검증 사이클을 따라잡기 어렵다. 이 글에서는 고광택 곡면, 깊은 리브, 슬라이드 코어가 혼재된 사출 금형을 대상으로 삼아, 산업용 금

## 복잡한 금형 형상이 만드는 측정 난점 사출 성형용 금형 하나를 들여다보면 측정 기술자에게 까다로운 조건이 여러 겹으로 쌓여 있다. 캐비티 안쪽에는 자유 곡면이 반복되고, 제품 이젝팅을 위한 구배가 미세하게 들어가며, 슬라이드 코어와 경사 핀 같은 언더컷 구조가 광학 접근을 방해한다

복잡한 금형 형상이 만드는 측정 난점

사출 성형용 금형 하나를 들여다보면 측정 기술자에게 까다로운 조건이 여러 겹으로 쌓여 있다. 캐비티 안쪽에는 자유 곡면이 반복되고, 제품 이젝팅을 위한 구배가 미세하게 들어가며, 슬라이드 코어와 경사 핀 같은 언더컷 구조가 광학 접근을 방해한다. 여기에 금형 코어가 열처리된 고경도 강재로 제작되면 표면이 경면에 가까워져 레이저 반사가 심해지고, 깊은 리브 바닥은 직경이 작아 일반 프로브로는 진입조차 힘들다.

측정 현장에서는 대개 3차원 측정기로 포인트를 따고 형상 공차는 별도 게이지로 확인하는데, 이런 방식은 한 벌의 금형을 전면 검증하는 데만 수 시간이 걸리고, 복잡한 코너부나 블렌드 영역은 데이터가 부족해 금형 수정 방향을 특정하기 어렵다.

현장 검증 체크리스트

확인 영역	판단 포인트	도입 메모
대상 부품	크기, 표면 상태, 핵심 공차가 스캔 목적에 맞는지 확인	대표 부품으로 전체 시험 스캔을 수행
데이터 흐름	포인트 클라우드, 편차 맵, 검사 보고서가 품질 프로세스에 맞는지 확인	내보내기 형식과 검토 담당자를 미리 확정
현장 적용	교육, 보정, 조명, 작업 공간 조건을 점검	검증 결과를 반복 검사 기준으로 기록

핵심 요점

사출 성형용 금형 하나를 들여다보면 측정 기술자에게 까다로운 조건이 여러 겹으로 쌓여 있다. 캐비티 안쪽에는 자유 곡면이 반복되고, 제품 이젝팅을 위한 구배가 미세하게 들어가며, 슬라이드 코어와 경사 핀 같은 언더컷 구조가 광학 접근을 방해한다. 여기에 금형…
스캔 작업을 설계할 때는 금형의 재질, 표면 상태, 형상 깊이, 조립 구조를 먼저 분류한다. 광택이 강한 경면 금형 코어에는 스캔 전에 얇은 백색 스프레이를 도포해 난반사를 유도하는 것이 일반적이며, 초미세 분체를 사용하면 수 마이크로미터 수준의 막 두께로…
스캔이 끝나면 노이즈 제거와 정합 최적화를 거친 포인트 클라우드를 STL 메시로 변환하고, 금형 설계 CAD 모델과 정렬해 3차원 편차 맵을 생성한다. 이 단계에서 중요한 것은 금형의 기능 영역별로 공차 기준을 분리 적용하는 일이다. 파팅 라인 근처는 0.0…

또 하나의 변수는 측정 기준과 금형 가공 기준이 일치하지 않을 때 발생하는 누적 오차이다. 몰드 베이스에 조립된 상태에서 코어와 캐비티 간의 상대 위치를 정량화하려면, 금형 전체를 분해하지 않고도 빠르게 전체 형상을 스캔해 기준면을 정렬할 수 있어야 한다. 이 지점에서 전통적인 접촉식 측정보다 핸드헬드 3D 스캐너 쪽으로 눈을 돌리는 실무자가 늘고 있다.

대상 금형에 맞춘 3D 스캔 전략 구성

스캔 작업을 설계할 때는 금형의 재질, 표면 상태, 형상 깊이, 조립 구조를 먼저 분류한다. 광택이 강한 경면 금형 코어에는 스캔 전에 얇은 백색 스프레이를 도포해 난반사를 유도하는 것이 일반적이며, 초미세 분체를 사용하면 수 마이크로미터 수준의 막 두께로 형상 왜곡을 최소화할 수 있다. INSVISION의 AlphaScan은 AI 기반의 노출 제어 알고리즘이 내장되어 있어, 금속 광택이 남아 있는 부분과 스프레이가 얇게 덮인 부분을 한 번의 스캔 패스에서 자동으로 구분해 레이저 파라미터를 조정한다.

깊은 리브처럼 좁고 깊은 형상은 스캐너 헤드를 기울여 여러 각도에서 진입하고, 소프트웨어 상에서 실시간으로 포인트 클라우드가 채워지는 모습을 확인하며 미충족 영역을 곧바로 보완할 수 있다.

슬라이드 코어와 언더컷 부위는 분할 스캔이 필수적이다. 금형을 열린 상태로 고정하거나 슬라이드 유닛을 분리한 뒤, 개별 부품을 스캔하고 추후 정합 알고리즘으로 조립 상태를 재현한다. 이때 AlphaScan의 프레임 간 정합은 마커 기반과 형상 기반을 혼용해, 마커 부착이 어려운 소형 인서트에서도 정합 정밀도를 유지한다. 금형 전체를 스캔하는 데 걸리는 시간은 대략 20분에서 40분 사이로, CMM으로 동일 범위를 측정할 때와 비교하면 작업 시간을 크게 단축하면서도 데이터 밀도는 수백만 점에 이른다.

포인트 클라우드에서 CAD 비교 보고서까지

스캔이 끝나면 노이즈 제거와 정합 최적화를 거친 포인트 클라우드를 STL 메시로 변환하고, 금형 설계 CAD 모델과 정렬해 3차원 편차 맵을 생성한다. 이 단계에서 중요한 것은 금형의 기능 영역별로 공차 기준을 분리 적용하는 일이다. 파팅 라인 근처는 0.02mm 이내, 캐비티 바닥과 리브 측벽은 0.05mm, 게이트와 러너는 0.1mm 등으로 구분해 검사 리포트에 반영함으로써, 불필요한 재가공이나 과잉 수정을 막을 수 있다.

INSVISION의 소프트웨어 워크플로우는 CAD 모델과의 단면 비교, 벽 두께 분석, 드래프트 각도 검증을 하나의 프로젝트 안에서 처리할 수 있어, 여러 툴을 오가며 데이터를 변환하는 과정에서 발생하는 오류를 줄여준다.

보고서는 단순히 합격과 불합격을 표시하는 데 그치지 않고, 금형 수정이 필요한 영역에 대한 수치적 근거를 제공해야 한다. 예를 들어 특정 리브의 살 두께가 CAD 대비 +0.07mm 두껍다면, 성형 해석 엔지니어는 해당 부위의 수축 보상 값을 조정하거나 가공 전극의 오프셋을 변경할 수 있다.