프리미엄
예측대회
투자분석
아카데미
커뮤니티
로그인Valley AI 시작하기시작하기
Valley Space인기
타이어 제조 공정
말랑문어왕초보 투자공부

타이어 제조 공정

avatar
말랑문어
2025.10.27조회수 33회

🏭 타이어 제조 공정 정리

전체 흐름:

정련 → 압출 → 토핑 → 재단·인슐레이션 → 비드 와이어 → 성형(그린 타이어) → 가황 → 검사


1️⃣ 정련(배합) 공정(Mixing)

타이어별 특성과 용도에 맞춰 천연고무, 합성고무, 화학약품(카본블랙, 노화방지제, 산화방지제 등)을 벤버리 믹서(Banbury mixer)에 넣고 혼합하는 단계.


이 과정을 통해 각각의 타이어에 최적화된 배합 고무(compound)가 만들어짐.

정련은 타이어 성능의 70% 이상을 좌우하는 핵심 공정으로, 고무의 탄성·강도·내마모성을 결정함.


2️⃣ 압출 공정(Extrusion)

정련된 고무 시트를 압출기를 통해 일정한 폭과 두께로 짜내어 트레드(Tread)와 사이드월(Sidewall)을 형성하는 단계.


이 공정은 타이어의 마찰력, 주행안정성, 마모특성에 직접적인 영향을 미치며 제품별로 온도·압력·속도를 정밀하게 제어해야 함.

📌 트레드: 노면과 직접 닿는 부분

📌 사이드월: 옆면, 충격 완화 역할


3️⃣ 토핑 공정(Topping)

패브릭 코드(나일론, 폴리에스터 등)의 양면에 정련된 고무를 롤러로 균일하게 입히는 과정. 즉, 코드지를 롤러 사이로 통과시켜 고무를 코팅하는 단계.


이 공정을 통해 ...

회원가입만 해도
이 글을 무료로 읽을 수 있어요.

Basic 7일 무료 체험 시작하기
이미 계정이 있으신가요?로그인하기
댓글 0개
avatar
말랑문어
구독자 9명구독중 1명
나중에 수정되쥬?
아직 작성된 댓글이 없습니다.
왕초보 투자공부 카테고리의 다른글

타이어의 종류 및 구조

🧩 타이어의 구분 타이어 안에는 카커스(Carcass)라는 뼈대층이 있음. 이건 얇은 섬유(패브릭 코드)들이 층층이 들어가서 타이어의 형태를 유지하게 도와줌. 그런데, 이 섬유가 어떤 방향으로 배열되어 있느냐에 따라 타이어는 크게 두 종류로 나뉨. ⚙️ 바이어스 타이어 vs 레디알 타이어 🧩 타이어의 전체 구조 타이어는 크게 다섯 부분으로 나눌 수 있다. 트레드(Tread) - 바깥 표면, 도로랑 닿는 부분 사이드월(Sidewall) - 옆면, 유연하게 충격 흡수 카커스(Carcass) - 속살, 전체 형태를 지탱 벨트(Belt) - 트레드 바로 아래, 강도 강화 비드(Bead) - 휠(바퀴 테두리)에 닿는 부분, 단단히 고정 (출처: 한국타이어 공식 블로그) 1️⃣ 트레드 (Tread) 🚗...
왕초보 투자공부
2025. 10. 27
1
0
20
타이어의 종류 및 구조

확률과 통계 기초: 큰 수의 법칙

앞면이 나오면 100원을 얻고 뒷면이 나오면 100원을 잃는 동전 던지기 게임이 있다고 하자. 동전 던지기를 n번 반복하면, 결과의 흔들림 폭(표준편차) 는 100√n에 비례해 커진다. 즉, 시행이 많아질수록 누적 손익의 분포는 점점 넓게 퍼진다. 어떤 사람은 큰 이익을, 어떤 사람은 큰 손실을 볼 수 있게 된다는 뜻이다. (합의 기댓값, 분산, 표준편차 개념은 링크 참조) 많은 사람들이 "큰 수의 법칙"을 이렇게 이해한다. 동전을 많이 던질수록 결국 본전 근처로 돌아온다. 길게 보면 결국 확률은 50%니까 언젠가 균형 잡힌다. 하지만 이것은 대표적인 확률적 착각이다. 갈톤 보드를 떠올려 보자. 갈톤 보드에서 구슬은 매 층마다 왼쪽이나 오른쪽으로 무작위로 튕겨 내려간다. 이때 층의 개수는 시행횟수 n에 해당한다. 층이 많아질수록 구슬이 도달할 수 있는 위치(분포)는 더 넓어진다. 그러나 왼쪽 끝에서 떨어진 구슬이 중앙 쪽으로 돌아오는 일은 없다. 구슬 하나하나는 오직 자신만의 경로를 따라 내려갈 뿐이다. 중요한 사실은 이것이다. 층이 많아져도, 즉 시행횟수가 증가해도 "개별 구슬"은 중앙으로 수렴하지 않는다. 다만 구슬 전체를 모아보면 평균 위치가 중앙으로 몰릴 뿐이다. 이것이 '큰 수의 법칙'의 진짜 의미다. 큰 수의 법칙은 '개인'이 아니라 '집단 평균'에 대한 법칙이다. 개별 경로는 여전히 요동치며 멀리 벗어날 수 있다. 그러나 표본평균은 기댓값으로 수렴한다. 이제 수식으로 정리해보자. 1️⃣ 표본평균의 수렴 갈톤 보드의 비유는 중요한 힌트를 준다. 개별 경로는 흩어지지만 평균은 질서를 향해 모인다. 이제 이 현상을 동전 던지기 게임으로 다시 확인해보자. 동전 던지기의 한 번 결과를 확률변수 Xi라고 정의하면, 이 게임을 n번 반복했을 때의 평균 손익, 즉 표본평균은 다음과 같다. 이 값은 시행이 많아질수록 기댓값 E[X]=0에 가까워진다. 이것이 큰 수의 법칙의 핵심 ...
왕초보 투자공부
2025. 10. 13
1
0
19
확률과 통계 기초: 큰 수의 법칙

확률과 통계 기초: 합의 기댓값, 분산, 표준편차

앞면이 나오면 100원을 얻고 뒷면이 나오면 100원을 잃는 동전 던지기 게임이 있다고 하자. 동전을 한 번 던졌을 때의 기댓값은 0원이고, 분산은 10,000, 표준편차는 100원이다. (기댓값, 분산, 표준편차의 기초 개념은 링크 참조) 즉, 이 게임은 평균 수익은 0원이지만, 한 번 던질 때 ±100원 정도의 변동성을 가진다고 해석할 수 있다. 그렇다면 이 동전 던지기 게임을 여러 번 반복한다면, 이 게임에 참가하는 사람들은 평균적으로 얼마를 벌거나 잃을까? 기댓값이 0원이므로 결국 아무도 못 벌게 될까? 시뮬레이션 결과를 수학적으로 풀어보자. 합의 기댓값 동전 던지기를 여러 번 한다고 했을 때 최종 손익은 확률변수 X의 값들을 모두 더한 값이다. 동전 던지기를 n번 했을 때 확률변수 X의 ...
왕초보 투자공부
2025. 09. 30
2
0
37

확률과 통계 기초: 기댓값, 분산, 표준편차

앞면이 나오면 100원을 얻고 뒷면이 나오면 100원을 잃는 동전 던지기 게임이 있다고 하자. 기댓값(Expected Value) 확률변수 X는 사건을 숫자로 바꾸는 함수다. 이 게임에서 확률변수 X를 다음과 같이 정의한다. 앞면과 뒷면이 나올 확률은 똑같이 50%다. 따라서 확률변수 $X$의 분포는 다음과 같다. 이제 기댓값을 계산해보자. 기댓값은 "가능한 값 x 그 값이 나올 확률"을 모두 더한 것이다. 분산(Variance) 확률변수 X의 분산은, X의 값들이 평균(기댓값) 주변에 얼마나 퍼져 있는지를 나타내는 척도다. 분산의 공식은 다음과 같다. 이는 "평균으로부터 거리를 잴 때, 방향(부호)을 없애고, 멀리 벗어난 값에는 더 큰 가중치를 주기 위해 제곱을 취한 것"으로 이해할 수 있다. 전개하면, 사용된 규칙 기댓값의 선형성: $E[aX+bY]=aE[X]+bE[Y]$ 상수 취급: $E[c]=c, \quad E[cX]=cE[X]$ E[X]는 확률변수가 아니라 수치이므로, 기댓값 연산 안에서는 상수처럼 다룬다. 따라서 분산은 "확률변수 제곱의 기댓값에서 기댓값의 제곱을 뺀 값"이 된다. 동전 던지기 게임의 분산은 다음과 같다. 표준편차(Standard Deviation) 그런데 분산 10,000이라는 값은 단위가 제곱($원^2$)이기 때문에 직관적으로 해석하기 어렵다. 이때 분산의 제곱근을 취하면 원래 단위(원)으로 돌아오는데, 이것을 표준편차라고 한다. 모집단 분포를 기준으로 하는 표준편차는 보통 그리스 문자 시그마 σ로 표기한다. 동전 던지기 게임에서는 즉, 이 게임은 평균 수익은 0원이지만, 한 번 던질 때 ±100원 정도의 변동성을 가진다고 해석할 수 있다.
왕초보 투자공부
2025. 09. 16
1
0
68

켈리 기준에 따른 베팅 비율

켈리 기준 공식 홍진채님의 <거인의 어깨 2>에는 다음과 같은 켈리 기준 베팅 비율 공식이 소개된다. 여기서 p: 승리 확률 q=1-p: 패배 확률 a: 패배 시 손실률 (베팅액 대비, 예: 100% 잃으면 a=1) b: 승리 시 이익률 (베팅액 대비, 예: 50% 얻으면 b=0.5) 즉, 이 공식은 동일한 게임을 반복했을 때 장기적으로 자산을 가장 크게 불려주는 베팅 비율을 알려준다. 너무 공격적으로 베팅하면 몇 번의 연속 손실로 자산이 크게 줄거나 파산할 수 있다. 너무 보수적으로 베팅하면 자산은 불어나긴 하지만 성장 속도가 매우 느리다. 켈리 공식은 그 중간에서 복리 성장률(=기하 평균 성장률)을 최대화하는 최적점을 찾아준다. 켈리 기준 공식의 도출 과정 1. 자산은 곱셈으로 성장한다 한 게임 후 자산은 이전 자산에 (1+수익률)을 곱한 값이다. 첫번째 게임: 두번째 게임: n번째 게임: 2. 곱셈 → 로그로 덧셈화 곱셈을 다루기 위해 로그를 취한다. 👉 여기서 쓰인 로그의 성질: 3. 복리 성장률은 로그 평균으로 나타난다 자산의 복리 성장 배수는 이고, 여기에 로그를 취하면 👉 여기서 쓰인 로그의 성질: 즉, 장기적인 복리 성장은 로그의 평균값으로 표현된다. 4. 확률 모형으로 일반화 베팅 비율을 f라고 할 때, 각 게임의 수익률은 확률적으로 따라서 로그 성장률은 기대 로그 성장률은 5. 최적화: 미분 활용 최적 f*를 찾기 위해 G(f)를 미분한다. 👉 여기서 쓰인 로그 미분 공식: 극대 조건 G'(f)=0을 풀면, 그리고 p+q=1이므로, 6. 해석 pb: 승리 확률 × 이익률...
왕초보 투자공부
2025. 09. 11
3
2
58
켈리 기준에 따른 베팅 비율