1. 서 론

초연결 및 초지능화로 일컬어지는 4차 산업혁명 시대에 는 기존의 기계 중심 산업이 센서 및 반도체, 인공지능, 사 물인터넷 기술과 접목되어 기존의 시스템으로는 불가능하 던 제조업의 새로운 영역으로 발전하고 있다[1-5]. 특히 인공지능 및 사물인터넷 기술은 기계 시스템의 중요한 상 태를 물리적인 방식이 아닌 디지털화된 방식을 통해 접근 하고 예측함으로써 스마트 팩토리나 자율주행 자동차, 무 인 항공기 등 다양한 제조업의 지능화에 많은 기여를 하 고 있다[6-12].

인공지능 기술은 빅데이터를 가지고 Deep Neural Network, Convolutional Neural Network등 다양한 인공신 경망 기법을 통해 특정 기계 시스템의 상태를 분석하고 예측하는 데에 유용하게 쓰일 수 있다[13, 14]. 인공신경 망 기법 자체는 미디어나 컨텐츠 산업 등 이미지나 음성 데이터를 기반으로 하는 다양한 분야에서 빠르게 발전해 왔지만, 제조업에 활발히 적용되고 있는 사례가 비교적 많 지는 않다. 이는 이미지나 음성이 아닌 실제 직접적인 제 조 시스템에서 인공지능에서 사용할 만한 의미 있는 물리 적인 환경에서 오는 빅데이터를 얻는 것이 어렵다는 데에 가장 큰 원인이 있다[15]. 이와 관련하여 최근에는 다양한 센서 및 반도체 시스템을 기존 기계시스템이나 공장에 접 목하여 실제 인공지능 기술을 적용이 가능할 정도의 의미 있는 빅데이터를 얻도록 함으로써 그 해답을 찾아 나가고 있다[16]. 즉, 센서와 기계시스템의 융합을 통해 기계의 초 연결화 및 인공지능 기술까지의 연결을 통해 초지능화를 이루도록 하는 노력이 활발히 이루어지고 있다.

기존의 센서를 기계 시스템에 접목한 사례는 주로 단순 히 기계의 표면에 각종 센서를 부착하고 이를 중앙 시스 템에 연결하여 관리를 하거나 센서로부터 발생한 데이터 를 인공신경망의 입력조건으로 사용하여 중요한 상태를 분석하거나 예측하는 데에 쓰이고 있다[17, 18]. 한 사례 로, 가솔린이나 디젤 등의 기름을 추출하기 위한 정유 공 장은 비교적 넓은 부지에 Oil-refinement시스템이 있는데 수많은 각종 펌프 장치의 노후화로 인해 전체 정유효율이 떨어지는 문제를 안고 있어, 그러한 펌프의 표면에 진동센 서를 부착하고 그 주파수를 중앙시스템에서 분석하여, 교 체시기 등을 관리하는 데에 인공지능 기술을 적용해 나가 고 있다. 인공신경망을 통해 몇일에서부터 몇 달 뒤의 펌 프의 상태를 예측하는 Predictive Engineering으로도 발전 해 나가려고 하고 있으나, 표면에서 얻어지는 데이터로는 어느정도 한계점을 안고 있다. 사실 대부분의 기계 장치는 내부의 상태를 정확히 알만 한 물리적인 상태가 표면까지 잘 전달이 되는 경우가 많지가 않다. 즉, 표면에 센서를 부 착하여 기계의 내부적인 상태를 알기에는 사실 근본적인 한계점을 안고 있는 것이다.

부품 제조 기술 중 가장 최근에 집중적으로 발전하고 있 는 적층 제조 기술은 재료를 한층 한층 쌓아 나가며 제조 함으로써 다양한 소재로 3차원 형상의 부품을 제조할 수 있는 첨단 제조 기술 중에 하나이다[19-21]. 최근에는 적 층 제조의 Layer by layer제조 원리를 응용하여 센서나 IC 칩 등의 반도체를 부품 내부에 융합한 형태로 부품을 제 조함으로써 부품 자체가 스스로의 상태에 대한 데이터를 발생하도록 하는 연구가 활발히 진행이 되고 있다. 주로는 비교적 공정온도가 낮은 고분자 소재 내부에 반도체를 삽 입하는 기술이 많이 진행이 되어 왔으며, 금속 소재 및 세 라믹 소재의 적층 제조에도 특수한 공정 설계를 통해 고 온을 회피하는 등의 방식을 통해 반도체를 융합하여 제조 하는 연구가 진행이 되어오고 있다. 이렇게 기존 고분자, 금속, 세라믹 부품이 반도체와 융합이 된 채로 제조될 경 우, 소재 마다 중요한 상태를 예측할 수 있는 데이터를 부 품 단위에서 생성을 할 수가 있게 되며, 이는 전체 기계시 스템과 결합되어 더욱 의미 있는 데이터를 만들어 낼 수 있도록 하여 기계의 궁극적인 초연결화 및 초지능화에 크 게 기여할 것으로 기대가 된다.

본 연구에서는 그러한 고분자 소재, 금속 소재 및 세라 믹 소재의 적층 제조 시 내부에 센서나 IC 칩과 같은 반 도체를 삽입하는 연구에 대한 소개를 하고자 한다. 이러한 다양한 융합연구 사례 연구를 통해 4차 산업 혁명시대 지 능형 부품 제조 기술의 발전에 기여할 것으로 기대한다.

2. 고분자 적층 성형 센서 내장 기술

고분자 소재의 적층 성형 시에 센서를 내장하는 방법은 아래와 같이 크게 네 가지로 나뉜다

1. 하이브리드 방식. 즉, 적층 제조로 제작되지 않는 기 존의 Printed circuit board(PCB)나 일반 센서, 와이어 링 등을 고분자 소재 적층 시 내부에 삽입하는 방법

2. 전도성 물질 주입 방식. 금속 나노 분말 또는 카본 분 말이 함유된 전도성 잉크를 센서 형태로 프린트한 고 분자 마이크로 채널에 주입하여 센서를 만들고 이들 이 내장된 형태로 고분자 전체 부품을 제조하는 방법

3. 다중 소재 3D 프린팅 공정. 즉, Fused Deposition Method의 프린팅 공정에서 단일 필라멘트를 쓰지 않 고, 비전도성 고분자 물질 및 전도성 물질 등 두 가 지 이상의 소재로 된 다중 필라멘트를 때에 따라 토 출할 수 있도록 하여 특정한 위치에 전도성 물질 인 쇄를 통해 센서를 내장하는 방법

4. 금속 나노 분말 또는 카본 분말이 함유된 전도성 잉 크를 에어로졸 기법으로 분사하여 정밀한 센서 패턴 을 만드는 방법.

이 중 첫번째 하이브리드 방법은 다양한 기존의 센서 및 IC 소재를 활용하여 즉각적인 융합공정을 통해 다양한 센 서 임베디드 고분자 부품을 제조할 수 있는 장점이 있다. 세번째 다중 소재 3D 프린팅 공정은 별도의 공정없이 자 체 프린팅 공정만으로 한번에 센서가 융합된 고분자 부품 을 제조할 수 있는 가장 궁극적인 방법이다. 하지만, 현재 센서로 활용 가능한 적절한 필라멘트 소재가 개발이 부족 하여 가용한 필라멘트가 많지 않고, 현존하는 전도성 필라 멘트의 경우 비교적 높은 전기저항성을 가지고 있다는 단 점이 있다. 두번째 전도성 잉크 프린팅 공정은 그러한 단 점을 해결을 해주지만, 균일한 밀도의 잉크를 얇게 프린팅 할 수 있는 기술의 어려움이 있으며, 네번째 에어로졸 센 서 프린팅 방법은 가장 정밀한 센서를 구현할 수 있으나 전도성 향상을 위해서는 전도성 잉크의 액체성분은 제거 하고 내부 금속 입자들끼리 서로 소결을 위한 추가 고온 열처리 공정이 필요하여 이러한 고온 공정을 견디지 못하 는 고분자 소재의 경우 적용이 어렵다는 단점이 있다[22].

첫번째 하이브리드 방식은 기존의 전선과 전자 부품을 활용하는 방식으로 가장 구현하고자 하는 전자 기능을 쉽 게 구현할 수 있고 현재 빠르게 발전하고 있는 센서 및 IoT 부품들과 융합이 가능하다는 점에서 상당한 이점을 가지고 있다. 하지만, 이러한 방법은 프린팅 공정 시 자유 자재로 센서 및 반도체의 고분자 내부 3차원 회로 설계까 지 구현하기에는 기존 부품자체의 정해진 형상으로부터 오는 한계로 인해 어려운 면을 안고 있다. 두번째 전도성 잉크 주입방법은 우선 고분자 3D 프린팅 공정시 원하는 센서 형상을 자유자재로 유로 형태로 제조하고 이에 전도 성 물질을 주입함으로써 다양한 센서의 형상 자유도를 가 지고 제조할 수 있는 이점이 있다. 하지만, 전도성 잉크의 점도에 의해 너무 얇은 고분자 유로를 형성하게 도면 제 대로 주입되지 못하므로 구현가능한 선 두께가 제한되어 있다. 세번째 다중소재 프린팅 방법은 형상 자유도 면에서 가장 이상적인 공정이다. 충분한 전도도를 가진 필라멘트 소재의 추가적인 심도 깊은 개발을 통한다면, 고분자 부품 내부 기존의 2차원적인 센서나 회로 구성의 한계에서 벗 어나, 3차원 형태의 다양한 새로운 방식의 센서 및 회로 구성이 가능하게 되어, 고기능성 고분자 부품을 제조하는 데에 중요하게 활용될 수 있다. 네번째 에어로졸 센서 프 린팅 방법은 가장 정교한 실제 기존 센서 및 회로 이상의 패턴을 구현이 가능하다는 큰 장점이 있으며, 5축 에어로 졸 프린팅을 통해 곡면에도 프린팅이 가능하다는 장점이 있다. 소결 공정이 필요하다는 단점을 현재 안고 있지만, 고분자 소재중에 Ultem 과 같은 고온에서 적용가능한 고 분자 소재에 적용하기에는 적합한 면을 가지고 있으며, 향 후 소결을 하지 않고도 충분한 전도도를 가질 수 있는 에 어로졸 잉크 소재가 개발된다면, 고분자 부품 내부에 가장 정밀한 센서를 구현할 수 있을 것으로 기대된다.

3. 금속 적층 성형 센서 내장 기술

고분자 소재에 비해 더욱 높은 강도를 가지고 있고 주 로 성형을 위해 고온 공정을 요구하는 금속 부품 내부에 센서를 임베딩 하는 기술은 크게는 아래와 같은 네가지 방법으로 구현을 할 수 있다.

1. 초음파 적층 제조 (Ultrasonic additive manufacturing, UAM). 즉, 금속 3D 프린팅 공정이기는 하지만 레이 저를 사용하지 않고, 초음파를 이용하여 금속 Sheet 를 한층 한층 적층하는 공정 중간에 센서를 임베딩 하는 기술.

2. 광섬유 센서를 활용하여 알루미늄, 구리 또는 니켈 등 의 합금 소재가 코팅된 상태로 레이저 기반 금속 적 층 공정을 활용하여 임베딩 하는 기술.

3. Cold Spray 기술을 이용하여, 금속 부품의 특정 부분 에 센서를 넣고 Cold spray로 센서 부위에 금속을 물 질을 분사하여 임베딩 시키는 기술.

4. Selective Laser Melting 공정을 사용하여 센서가 내장 될 위치를 미리 설계하고, 레이저 열원으로부터의 직 접적인 센서 손상이 일어나지 않도록 하는 열보호형 성층을 통해 임베딩하는 기술.

첫번째, 초음파 적층제조(Ultrasonic additive manufacturing, UAM) 공법은 반복 적층 및 후속 공정을 통해 금속 부품 을 만들 수 있는 복합 시트 적층제조 공법이다. 초음파 적 층제조 공법에서, 얇은 금속 박판이 초음파 금속 용접 (Ultrasonic metal welding, UMW) 단계에서 층층이 접합 되고 원하는 모양이 기계가공을 통해 제작된다. 이 공정은 레이저라는 고온의 공정을 사용하지 않고, 초음파를 이용 함으로써 보다 안정적으로 센서를 임베딩할 수 있는 장점 이 있다. 하지만, Metal Sheet 단위로 적층을 하기 때문에 더욱 복잡한 3차원 형상의 금속 부품을 제조하기는 어려 운 단점이 있다. 두번째, 합금이 코팅된 광섬유를 활용하 여 레이저 기반 금속 3D 프린팅을 통해 센서를 임베딩하 는 방법은 복잡한 형상의 금속 부품 내부에 섬유형태의 온도 또는 변형 센서를 삽입할 수 있는 장점이 있다. 기존 의 이미 합금이 코팅된 광섬유가 상용 제품이 존재하며, 이러한 합금이 금속 3D 프린팅에 사용되는 금속 소재와 잘 접합이 되도록 하 것이 핵심 기술이다. 하지만, 광섬유 형태의 센서의 종류는 온도 및 압력 센서 등 그 종류가 많 지 않고, 섬유가 쉽게 깨지는 문제점을 가지고 있다. 세번 째, Cold Spray 기술은 스프레이와 같은 빠른 속도의 분사 를 통해 금속 입자들을 붙게 하는 기술로서, 기존에는 주 로 금속 부품의 수리 용도로 사용되고 있으나, 기존 금속 3D 프린팅 기술과 접목하여, 금속의 특수 부위에 센서를 위치하고, 다시 Cold spary로 금속 분말을 도포하여 임베 딩하는 형태로 활용이 되고 있다. 이는 원리 그대로 저온 에서 일어나는 공정이기 때문에 광섬유뿐만 아닌 보다 다 양한 형태의 센서를 금속에 내장하기 위한 기술로 활용이 될 수 있는 장점이 있다. 하지만, Cold spray로 덮어진 부 위가 금속과 다른 기계적 특성으로 인해 경계면에서의 특 성이 취약하며, 금속 부품의 표면 쪽에만 부품을 내장할 수 있는 단점이 있다. 네 번째, Selective Laser Melting 공 정을 그대로 활용하고 열보호형성층을 통해 센서를 임베 딩 하는 기술은 현재 존재하는 대부분의 센서를 비롯한 반도체를 삽입할 수 있는 장점이 있다. 이는 우선 도면 설 계상 센서가 위치할 공간을 음각으로 설계한 파트를 적층 제조한 후 센서를 임베딩 및 열보호형성층 적용하고, 나머 지 부분을 적층제조하는 기술이다. 열보호형성층은 모소 재와 같은 소재로 제조되어 금속 부품의 나머지 부분과 접합이 아주 잘되는 장점이 있으며, 레이저 열원의 에너지 밀도에 따라 열보호형성층의 두께를 조절함으로써, 안정 적으로 센서를 비롯한 Plastic Circuit Board, 통신소자 등 다양한 IT 부품을 임베딩 할 수 있는 장점이 있다. 하지만, 내부의 통신소자가 외부로의 전자기파 전달을 위한 특수 설계에 대한 연구가 미진한 상황이며, 내부 공간의 존재에 따른 기계적 특성 감소를 최소화하기 위한 설계 연구가 필요하는 등, 실제 산업에의 응용을 위해서는 향후 다양한 심도 깊은 연구가 필요한 상황이다.

Fig. 1

Hybrid method and muti-material 3d printing for sensor embedding in polymer [22, 23] (a) Medical plastic components fabricated by hybrid method, (b) Whiesker-inspired tactile sensor fabrication by multi-material 3d printing method, (c) Strain gauge embedded plastic components fabrication by multi-material 3d printing method.

Fig. 2

Conductive ink sensor printing [24] (a) Conductive ink filling in designed channel of plastic parts, (b) Aerosol method for printing conductive ink on plastic parts.

Fig. 3은 초음파 적층제조 공정 및 Cold spray를 통해 금 속 부품 내에 센서를 임베딩한 예시를 나타낸다. A. B. Varotsis 는 특정 높이에서 초음파 금속 용접을 멈춘 후, 기계가공을 통해 원하는 형상을 만들고 초음파 적층제조 공법의 센서 내장 시 성능을 향상시키기 위해 용접 이전 에 알루미늄 박판에 원하는 형상을 미리 제작하고 최종 초음파 용접을 통한 센서 내장 방법을 제시하였다[25]. V. Julio는 Cold spary를 통해 블록형태의 금속부품에 센서를 내장하는 기술을 소개하였다[26]. Fig. 4에 SLM 공정을 사용하여 금속 부품에 센서를 임베딩 한 사례를 정리하였 다[27, 33] D. Havermann 은 니켈 코팅된 316 스테인리스 강 부품에 광섬유를 성공적으로 내장하였다. 그는 내장된 센서의 온도와 변형률 사이클은 센서가 공정 중 발생하는 고온의 환경에서 살아남고, 이 후 가혹한 환경에서 시행되 는 실험에서 성공적으로 센싱을 하였다[28]. 또한 A. Hehr 은 고온에서 실시간 변형 감지가 가능한 광섬유 변형 센 서를 스테인리스강에[29], C. M. Petrie 는 피로 시험을 위 해 고정밀 광섬유 변형 센서를 알루미늄 합금 브라켓에 임베딩하는 데에 성공하였고[30], 상용화된 구리 및 니켈 코팅된 섬유 센서를 알루미늄에 눈에 뛰는 손상 없이 성 공적으로 내장하였다[31]. P. Stoll은 일반적인 SLM 기계 에서 제조 부품에 광섬유 센서를 내장하는 방안을 논의했 으며, 센서 내장 및 위치 선정에 관한 다양한 개념과 방 법을 제시하였다[32]. I.D. Jung et al.은 Selective laser melting 공정에서 금속 내부에 다양한 형태의 흔히 존재 하는 반도체를 내장하기 위해 레이저 회피를 위한 열보호 형성층을 활용하여, SLM 공정 중에도 내부에 삽입되는 반도체가 손상되지 않도록 하는 연구를 진행하였다[33]. 이러한 공정을 활용하면 단순한 센서뿐만 아니라 고기능 성 반도체 소자를 금속과 융합하여 제조할 수 있어 기존 금속 내부 센서내장 기술에 비해 더욱 다양한 응용 범위 가 예상된다.

Fig. 3

Sensor Embedding process for metal components (a) Ultrasonic additive manufacturing technology for sensor embedding in metal [25], (b) Cold spray method for embedding sensors in metal [26].

Fig. 4

Selective laser melting (SLM) methods for sensor embedding in metal components (a) Alloy Pre-coated optical fiber sensor embedding in SUS316L via SLM [27], (b) Sensor embedding selective laser melting (SE-SLM) process for embedding IC components into Inconel 718C via thermal protective room design [33].

4. 세라믹 적층 제조 센서 내장 기술

세라믹 부품 내부에 적층 제조를 통해 센서를 임베딩 하 는 기술은 고분자 소재 및 금속 소재의 경우보다 사례가 많지는 않지만, 세라믹 부품의 실시간 관측의 수요 증가에 따라 최근 꾸준히 발전하고 있다. Fig. 5 J. Lei는 고온 환 경에 적용하기 위한 벌크 세라믹 소재 내부에 광섬유 센 서를 내장하기 위한 레이저 기반 센서 임베딩 공정을 개 발하였다[34]. Al₂O₃ 소재에 마이크로 채널 형태의 음각을 형성하고, Fabry-Perot Interfer-ferometer(IFPI) 센서를 채 널 내에 삽입 후 Al₂O₃ 슬러리를 마지막으로 얹어 CO₂ 레 이저 조사를 통해 임베딩을 구현하였다. A. Ghazanfari는 Extrusion 기반 세라믹 적층 제조 기술을 활용하여, 사파이 어 광섬유를 세라믹 부품 내부에 임베딩 하는 공정을 개 발하였다[35]. 본 연구에서는 세라믹 페이스트를 한층 한 층 적층제조 가능한 시스템을 개발하고, 설계된 위치에 센 서를 삽입 후 세라믹 페이스트를 계속 적층하여 임베딩을 구현하였다. 본 공정을 통하여 125 μm 수준의 얇은 사파 이어 광섬유가 안정적으로 세라믹 내부에 임베딩 된 채로 제조하는 데에 성공하였다. C. M. Petrie는 원자력 연구에 많이 활용되고 있는 실리콘 카바이드 소재의 부품 내부에 센서를 임베딩하기 위한 기술을 연구하였다[36]. 실리콘 카바이드 소재의 적층 제조 및 Chemical Vapor infiltration (CVI) 기술을 통한 밀도향상을 통해 최종 부품을 제조하 는데 미리 내부의 관측이 중요한 위치에 유로를 설계를 하여 적층 제조 함으로써 Thermo-couple이나 광섬유, 스 트레인 게이지 센서가 최종 삽입될 수 있도록 하는 방식 을 개발하였다.

Fig. 5

Sensor Embedding process for ceramic components (a) Optical fiber sensor embedding in Al₂O₃ with slurry filling method [34], (b) Au coated optical fiber sensor embedding in SiC [36].

5. 결 론

4차산업 혁명시대의 핵심적인 기술로 일컬어지는 인공 지능 기술의 발전속도에 발맞추어, 실제 금속, 세라믹, 고 분자 소재부품 제조 산업에서 혁신적인 인공지능 융합 기 술이 활발히 개발되기 위해서는, 본 연구에서 소개한 다양 한 IT 융합형 금속, 세라믹, 고분자 부품 제조 기술에 대 한 원천적인 깊이 있는 연구가 반드시 필요하다. 향후 다 양한 반도체 소자와 부품의 융합을 위한 설계 최적화 기 술, 반도체 소자 융합 부품의 기계적 특성 강화를 위한 공 정 및 소재 기술, 적층 제조 기술의 초소형 기계 기술과의 접목에 대한 연구 등에 대하여 재료, 기계 및 전산전자 분 야의 다양한 전문가들이 함께 융합연구를 하여, 우리나라 지능형 소재 부품 산업이 활성화되기를 기대한다.

Fig. 6

Sensor Embedding process for ceramic components (a) Sapphire fiber sensor embedding during ceramic additive manufacturing [35], (b) Design methods for sensor embeding in SiC components [36].

Acknowledgements

Acknowledgement

본 연구는 재료연구소 주요사업(PNK 7040) 지원에 의 해 수행되었습니다.

• 1. J. Lee, H. Davari, J. Singh and V. Pandhare: Manufacturing Lett., 18 (2018) 20. Article
• 2. B. Li, B. Hou, W. Yu, X. Lu and C. Yang: Front. Inf. Technol. Electron. Eng., 18 (2017) 86. Article
• 3. S. P. L. Kumar: Eng. Appl. Artif. Intell., 65 (2017) 294. Article
• 4. F. Tao, Q. Qi, A. Liu and A. Kusiak: J. Manuf. Syst., 48 (2018) 157. Article
• 5. J. M. Perkel: Nature, 542 (2017) 125. ArticlePubMed
• 6. A. Zanella, N. Bui, A. Castellani, L. Vangelista and M. Zorzi: IEEE Internet Things J., 1 (2014) 22. Article
• 7. S. Chu: AASRI Procedia, 1 (2012) 106. Article
• 8. Y. Mehmood, F. Ahmad, I. Yaqoob, A. Adnane, M. Imran and S. Guizani: IEEE Commun. Mag., 55 (2017) 16. Article
• 9. C. Metallo, R. Agrifoglio, F. Schiavone and J. Mueller: Technol. Forecast. Soc. Change, 136 (2018) 298. Article
• 10. Z. K. A. Mohammed and E. S. A. Ahmed: WSN, 67 (2017) 126.
• 11. C. Li, X. Hu and L. Zhang: Procedia Comput. Sci., 112 (2017) 2328. Article
• 12. M. A. Akkaş and R. Sokullu: Procedia Comput. Sci., 113 (2017) 603. Article
• 13. A. Kusiak: J. Intell., 30 (2019) 1. Article
• 14. K. S. Aggour, V. K. Gupta, D. Ruscitto and L. Ajdelsztajn: MRS Bulletin, 44 (2019) 545. Article
• 15. S. Mao, B. Wang, Y. Tang and F. Qian: Engineering, 5 (2019) 995. Article
• 16. R. T. Kreutzer and M. Sirrenberg: Understanding Artificial Intelligence, Springer, 1 (2020) 87. Article
• 17. H. Zhang, S. K. Moon and T. H. Ngo: ACS Appl. Mater. Interfaces, 11 (2019) 17994. ArticlePubMed
• 18. L. P. Mortensen, D. H. Ryu, Y. J. Zhao and K. J. Loh: Key Eng. Mater., 569 (2013) 515. Article
• 19. T. D. Ngo, A. Kashani, G. Imbalzano, K. T. Q. Nguyen and D. Hui: Composite Part B, 143 (2018) 172. Article
• 20. J. J. Lewandowski and M. Seifi: Annu. Rev. Mater. Res. 46 (2016) 151. Article
• 21. B. Vayre, F. Vignat and F. Villeneuve: Mech. Ind., 13 (2012) 89. Article
• 22. A. Dijkshorrn, P. Werkman, M. Welleweerd, G. Wolterink, B. Eijking, J. Delamare, R. Sanders and G. J. M. Krijnen: J. Sens. Sens. Syst., 7 (2018) 169. Article
• 23. S. J. Leigh, R. J. Bradley, C. P. Purssell, D. R. Billson and D. A. Hutchins: PLOS One, 7 (2012) 11. ArticlePubMedPMC
• 24. B. Lu, H. Lan and H. Liu: Opto-Electron. Adv., 1 (2018) 170004.
• 25. A. B. Varotsisa, X. Hana, R. A. Harrisb and D. S. Engstrøma: Addit. Manuf., 29 (2019) 100799.
• 26. J. Karthikeyan: NASA/CR, 1 (2007) 214706.
• 27. Saheb and S. Mekid: Materials, 8 (2015) 7938. ArticlePubMedPMC
• 28. D. Havermann, J. Mathew, W. N. MacPherson, R. R. J. Maier and D. P. Hand: J. Lightwave Technol., 33 (2015) 2474. Article
• 29. A. Hehr, M. Norfolk, J. Sheridan, M. Davis, W. Leser, P. Leser and J. A. Newman: JOM, 71 (2019) 1528. Article
• 30. C. M. Petrie, N. Sridharan, M. Subramanian, A. Hehr, M. Norfolk and J. Sheridan: Smart Mater. Struct., 28 (2019) 5. Article
• 31. C. M. Petrie, N. Sridharan, A. Hehr, M. Norfolk and J. Sheridan: Smart Mater. Struct., 28 (2019) 8. Article
• 32. P. Stoll, J. Mathew, A. Spierings, T. Bauer, R. R. J. Maier and K. Wegener: Embedding fibre optical sensors into SLM parts, Cham (Ed.), SSF Symp. Proc. Texas (2017) 273. Article
• 33. I. D. Jung, M. S. Lee, J. S. Lee, H. K. Sung and J. H. Choe: Addit. Manuf., 33 (2020) 101151. Article
• 34. J. Lei, Q. Zhang, Y. Song, J. Tang, J. Tong, F. Peng and H. Xiao: Opt. Laser Technol., 128 (2020) 106223. Article
• 35. A. Ghazanfari, W. Lia, M. C. Leu, Y. Zhuang and J. Huang: Mater. Des., 112 (2016) 197. Article
• 36. C. M. Petrie, D. N. Leonard, Y. Yang, M. P. Trammel, B. C. Jolly and K. A. Terrani: Ph. D. Dissertation, Embedment of Sensors In Ceramic Structures, Oak Ridge National Laboratory, USA (2019) 26. Article
• 37. A. B. Varotsis, R. J. Friel, R. A. Harris and D. S. Engstrøm: J. Manuf. Process., 32 (2018) 664. Article
• 38. J. T. Muth, D. M. Vogt, R. L. Truby, D. B. Kolesky, R. J. Wood and J. A. Lewis: Adv. Mater., 26 (2014) 6307. ArticlePubMed
• 39. R. L. Truby, M. Wehner, A. K. Grosskopf, D. M. Vogt, S. G. M. Uzel, R. J. Wood and J. A. Lewis: Adv. Mater., 30 (2018) 1706383. ArticlePubMed
• 40. L. J. Stiltner, A. M. Elliott and C. B. Williams: J. Intell. Mater. Syst. Struct., 26 (2011) 583.
• 41. C. Shemelya, F. Cedillos, E. Aguilera, E. Maestas, J. Ramos, D. Espalin and D. Muse: IEEE Sens., (2013) 3.

Figure & Data

References

Citations

Citations to this article as recorded by