PLA 모델로 주조할 수 있을까? 얼마나 깨끗하게 소실되는지부터 보자

먼저 많은 사람이 한 번쯤 빠지는 함정부터 짚자. 고객이 3D 프린팅한 PLA 부품을 들고 와서 이렇게 말한다. “이거 그냥 그대로 복제해서 주조하면 되죠.” 겉으로는 모든 게 말이 된다. 출력 비용은 저렴하고, 설계 변경은 빠르고, 소재에는 생분해성이라고 적혀 있다. 그런데 주조품이 나오고 보니 표면에는 곰보 자국이 생기고, 내부에는 기공이 있으며, 치수도 0.몇 mm 틀어져 있었다

문제는 프린팅 정밀도가 아니다. PLA가 셸 몰드 안으로 들어가 가열되어 소실되는 그 단계에서 왁스와 다르게 거동한다

생분해성 소재가 양산에 들어갈 때 자주 막히는 지점이 바로 여기다. 소재에 친환경 라벨을 붙일 수는 있어도, 기존 공정에 투입된 뒤에는 각 조건을 안정적으로 끝까지 통과해야 한다. 따라서 여기서 확인할 것은 PLA 패턴을 탈왁스 주조에 넣었을 때 무슨 일이 일어나는지, 양산하려면 어떤 조건을 만족해야 하는지다

PLA의 핵심 위험은 열가소성 소재라는 데 있다. 가열하면 왁스처럼 깔끔하게 녹아 빠지는 게 아니라 먼저 연화되고 팽창한 뒤 분해된다. 최근에는 알루미늄 주조에서 PLA 기반 주조 패턴의 열적 거동을 다룬 연구가 나왔다. 실험과 수치 시뮬레이션을 함께 사용해 주입 온도, 충전 시간, 탕구 설계가 기공률과 주조품 품질에 미치는 영향을 분석했고, 이 문제를 경험담에서 측정 가능한 변수의 영역으로 끌어왔다 [1]

연화와 팽창이 핵심이다. 왁스는 번아웃 때 부피가 줄어 셸에서 떨어져 나가지만, PLA는 유리전이점 부근에서 먼저 연화된 뒤 팽창하며 셸 내벽을 바깥쪽으로 민다. 셸 두께가 부족하거나 소결이 고르지 않다면 이 힘이 바로 균열의 시작점이 된다

두 번째 변수는 잔류물이다. 유기 잔류 탄소가 완전히 타지 않으면 주입된 알루미늄 용탕과 반응해 가스를 만들고, 곧바로 내부 기공으로 이어진다. 같은 PLA 모델 세트라도 번아웃 프로파일을 바꾸면 주조 수율이 크게 달라질 수 있는 이유가 여기에 있다. 차이는 대개 공정 허용 범위에서 난다

세 번째는 프린팅 자체에서 따라온다. FDM 출력물 내부에는 충전율과 층간 공극이 있고, 번아웃 때 이 공극의 가스 배출 경로는 속이 꽉 찬 왁스 패턴과 완전히 다르다. ‘같은 부피의 왁스 패턴’이라는 직관으로 번아웃 시간을 정하면 대개 필요한 시간을 과소평가하게 된다

문제를 가장 잘 드러내는 건 기공률이다. 소재 잔류, 가스 체류, 충전 불량이 모두 여기에 나타나기 때문이다. 앞서 말한 연구가 주입 온도, 충전 시간, 탕구 설계라는 세 변수를 기공률과 묶어 분석한 것 자체가 이를 보여 준다. 이 변수들은 서로 독립적인 조절 다이얼이 아니다 [1]

알루미늄 주조 업계에서는 사실 오래전부터 합의된 내용이다. 알루미늄 합금 주조의 정련 공정 연구는 용탕 내 가스와 개재물을 관리하는 일이 최종 주조품 품질을 좌우하는 핵심 단계라고 지적한다 [4]. 다시 말해 PLA 쪽을 완벽하게 처리해도 용탕 자체의 가스 함량을 제어하지 못하면 기공은 그대로 생긴다. 따라서 불량률을 전부 ‘신소재’ 탓으로 돌리는 건 대개 오판이다

공정 변수의 상호작용도 새삼스러운 일이 아니다. 교반 주조로 알루미늄 기지 복합재를 제조한 연구는 교반 조건을 체계적으로 최적화해 품질을 반복 재현 가능한 수준으로 끌어올렸다 [2]. 같은 논리를 PLA 패턴에도 적용할 수 있다. 주입 온도만 올리면 충전은 나아질 수 있지만, 동시에 잔류 탄소와 용탕의 가스 함량을 악화시킬 수도 있다. 결국 양쪽 사이에서 줄다리기를 하게 된다

이건 내 분석적 판단이다. PLA 패턴의 가능성은 ‘한 개를 주조할 수 있는가’로 검증할 일이 아니라, ‘연속 N개의 기공률 분포 폭이 얼마나 좁은가’로 검증해야 한다. 한 개를 만들어 내는 건 시제품 제작에 불과하다. 연속 생산에서도 기공률 분포가 안정적으로 관리돼야 양산 조건이 된다

걸림돌은 소재 성능의 절대값이 아니라 공정 윈도우의 폭이다. 시제품 제작에서는 작업자가 조금씩 손보고 제품 하나하나를 검사할 수 있다. 양산에서는 한 세트의 파라미터를 걸어 두고 수백 개를 돌려도 규격 안에 들어와야 한다

주조 공정 자체가 여러 선택지 사이의 트레이드오프다. 주조 공정 선택에 관한 엔지니어링 가이드는 각 주조 공정 경로의 적용 조건과 한계를 체계적으로 정리하며, ‘공정을 제대로 고르는 것’이 ‘하나의 공정을 끝까지 쥐어짜는 것’보다 효과적인 경우가 많다고 짚는다 [3]. PLA 패턴의 윈도우가 너무 좁다면, 합리적인 대응은 탈왁스 주조를 극한까지 억지로 조정하는 게 아니라 공정 경로를 바꾸는 것일 수 있다

시뮬레이션은 여기서 실질적인 가치가 있다. 그린텔리전트 알루미늄 주조를 다룬 연구는 시뮬레이션을 활용한 다공정 통합 최적화로 에너지 소비와 품질을 함께 목적 함수에 넣었다 [5]. 이는 생분해성 소재에 특히 중요하다. PLA를 도입하는 이유는 대개 환경적 이점인데, 그 결과 번아웃 시간이 길어지고 폐품률이 높아지면 전체 탄소발자국이 오히려 늘어날 수 있다. 소재에서 아낀 탄소를 더 많이 가동한 가열로가 먹어 치우는 셈이다

후공정 열처리도 빼놓지 말자. 정밀 사형 주조의 인공 시효 반응 최적화 연구는 주조품의 최종 기계적 특성이 후속 시효 공정의 영향을 크게 받는다는 점을 보여 준다. 주조품이 탈형됐다고 끝난 게 아니다. 공정 윈도우는 열처리가 끝날 때까지 계산에 넣어야 한다

먼저 용도를 묻고, 그다음 소재를 물어야 한다. 내가 권하는 순서는 아주 단순하다:

・생산량과 공차를 확인한다. 소량 생산, 넓은 공차, 외관 부품이라면 PLA 패턴을 시험해 볼 만하다. 공차가 엄격한 부품, 하중을 받는 부품, 대량 생산이라면 먼저 기공률 분포 데이터를 내놓고 이야기하자

・번아웃 곡선을 독립 변수로 두고 실험한다. 왁스 패턴용 가열로 프로파일을 그대로 쓰지 말자. 충전율, 벽 두께, 배기 홀 설계를 모두 DOE에 함께 넣어야 한다

・용탕 측도 동시에 점검한다. 가스와 개재물 제어는 주조품 품질의 기초 단계다 [4]. 이쪽의 간섭을 먼저 제거해야 불량을 PLA 탓으로 돌릴 수 있다

・시뮬레이션으로 실험 범위를 좁힌다. 시뮬레이션 보조 다공정 최적화는 알루미늄 주조에서 이미 가치를 보여 줬다 [5]. 무작정 시험하는 것보다 시간과 소재를 아낄 수 있다

・에너지 소비를 지속가능성 계산에 넣는다. 도입 이유가 환경적 이점이라면 번아웃 에너지 소비와 폐품률을 함께 계산해야 한다

적용 범위는 분명히 해 두자. 위의 판단은 알루미늄 합금 탈왁스 주조를 전제로 한다. 구리 합금이나 주철처럼 더 높은 주입 온도가 필요한 소재로 바꾸면 PLA의 잔류물과 팽창 거동이 한층 커지므로, 이 글에서 말하는 낙관적인 여지는 적용되지 않는다. 마찬가지로 PLA가 다른 공급업체 제품이거나 출력 조건이 다르다면 열적 거동을 다시 검증해야 한다. 다른 업체의 공정 윈도우를 그대로 가져다 쓸 수 없다

소재에 지속가능성 라벨이 붙었다는 건 평가 대상이 될 수 있다는 뜻일 뿐이다. 공정 허용 범위가 충분한지가 실제 생산 라인에 들어갈 수 있는지를 결정한다. 이 두 가지는 견적을 내기 전에 따로, 분명하게 물어봐야 한다

PLA 패턴의 위험은 프린팅 정밀도가 아니라, 번아웃 단계에서의 연화·팽창과 잔류 탄소의 가스 발생 거동이 왁스 패턴과 본질적으로 다르다는 데 있다

기공률은 PLA 패턴의 가능성을 판단하는 첫 번째 지표다. 소재 잔류, 가스 체류, 충전 불량을 동시에 반영하기 때문이다

단일 주조 성공은 시제품 제작이 가능하다는 것만 증명한다. 양산 가능성은 연속 생산한 여러 부품의 기공률 분포가 수렴하는지로 봐야 한다

용탕 측의 가스와 개재물 제어는 주조품 품질의 기반이다. 이를 먼저 확인하지 않으면 PLA로 인한 불량을 정확히 판별할 수 없다

번아웃 에너지 소비와 폐품률이 올라가면, 생분해성 소재 도입으로 얻는 전체 환경적 이점이 상쇄될 수 있다

인쇄·패키징 제조 현장에서 PLA 패턴 사례가 갖는 의미는 주조 자체를 넘어선다. 지속가능한 소재 도입을 실무적으로 바라보는 하나의 관점을 제공하기 때문이다. 먼저 소재를 기존 공정에 넣었을 때 공정 윈도우가 실제로 얼마나 넓은지 확인한 뒤 환경적 이점을 논해야 한다. 같은 논리는 바이오 기반 기재의 인쇄기 투입, 생분해성 필름의 실링 윈도우, 종이·플라스틱 대체재의 후가공 호환성에도 적용된다. 디자인 측면에서 얻는 교훈은 사양서에 소재명만 적을 것이 아니라 ‘공정 윈도우’도 함께 명시해야 한다는 점이다. AI와 시뮬레이션 도구가 분명히 기여할 수 있는 지점도 여기다. 시뮬레이션 기반 다공정 최적화는 알루미늄 주조에서 품질과 에너지 소비를 동시에 고려할 수 있음을 입증했다 [5]. 같은 프레임워크를 패키징 소재 선택에 옮기면, 시제품 제작 횟수를 파라미터 공간 계산으로 바꿀 수 있다. SaaS 관점에서 아직 풀어야 할 문제는 데이터의 이동성이다. 공급업체마다 PLA가 다르고, 출력 조건도 다르고, 장비도 다르지만, 각각의 열적 거동 데이터를 공유할 수 있는 체계는 지금 거의 없다. 그래서 모든 공장이 같은 DOE를 반복하고 있다. 이 공정 데이터를 비교하고 재사용할 수 있는 지식으로 정리해야 지속가능한 소재를 도입할 때 반복되는 시행착오를 줄일 가능성이 생긴다

[1] 탈왁스 주조에서 PLA 패턴의 열적 거동: 생분해성 소재가 양산 공정에 들어가기 위한 실제 문턱

[2] Sahu M., Sahu R. (2018). 교반 주조 기법을 이용한 알루미늄 기지 복합재 제조 및 교반 공정 변수 최적화. Advanced Casting Technologies. DOI: 10.5772/intechopen.73485

[3] 주조 공정 선택지. Aluminum Castings Engineering Guide. DOI: 10.31399/asm.tb.aceg.t68410021

[4] Rizaeva N., Tursunbaev S., Tadjiev N. 등 (2026). 알루미늄 주조 합금의 정련 공정 연구. American Journal of Applied Science and Technology. DOI: 10.37547/ajast/volume06issue03-13

[5] Liu W., Zhao C., Peng T. 등 (2023). 그린텔리전트 알루미늄 주조를 위한 시뮬레이션 지원 다공정 통합 최적화. Applied Energy. DOI: 10.1016/j.apenergy.2023.120831