문이 쾅 닫힐 때의 회전·마찰 동역학 — Klein et al. (2017) 분석과 우리 팀이 할 일
General Physics · Team Project · 2026-06-14
이 문서는
팀원들이 논문을 빠르게 이해하고 곧바로 역할을 나눠 움직일 수 있도록 만든 분석·계획 자료입니다.
§1~§5는 논문 내용 요약, §6~§7은 우리 팀이 6/17 마감까지 해야 할 일입니다.
원논문: P. Klein, A. Müller, S. Gröber, A. Molz, J. Kuhn,
"Rotational and frictional dynamics of the slamming of a door,"Am. J. Phys. 85(1), 30–37 (2017).
이 프로젝트는 "문이 쾅 닫히는 일상 현상"을 회전 동역학으로 분석한 논문을 직접 재현하는 과제입니다.
핵심은 단순합니다 — 문에 스마트폰을 붙이고 닫으면서 각속도 $\omega(t)$를 측정하고,
그 감속 곡선이 어떤 마찰 모델(건마찰 / 점성저항 / 공기저항)에 가장 잘 맞는지 데이터로 가려내는 것입니다.
과제 제출물 (notice.md)
항목
요구사항
보고서
PDF 5–7페이지 + (LaTeX 사용 시) .tex 파일
영상
프로젝트 설명 5분 영상 + 실험 장면 영상
추가자료
필요 시 추가 실험 영상
GitHub
repo 링크를 보고서에 포함, README.md 필수
LMS
팀원과 같은 그룹 가입 후 업로드
마감
6월 17일 — 지각 제출 불가 (오늘 6/14, D-3)
일반물리 어디와 연결되나
이 프로젝트는 우리가 배운 Ch10 회전 운동학·관성모멘트와 Ch11 회전 동역학(토크 $\tau=I\alpha$),
그리고 Ch15 감쇠 운동이 한 번에 쓰이는 종합 응용입니다. 새 이론을 배우는 게 아니라 배운 걸 실제 데이터에 적용합니다.
§2 논문의 질문과 결론 한 문단 요약
누구나 매일 문을 여닫지만, 닫힌 문의 운동을 물리로 설명해 본 적은 드뭅니다. 문이 회전하며 멈추는 이유는 마찰인데,
문에는 세 가지 마찰이 동시에 작용합니다 — ① 경첩의 건마찰(속도와 무관, 상수), ② 저속 공기저항인 Stokes 마찰(속도 비례),
③ 고속 공기저항인 Newton 마찰(속도 제곱 비례). 논문의 질문은 "이 셋 중 무엇이 실제로 문의 감속을 지배하는가?"입니다.
핵심 결론
문에 스마트폰을 붙여 측정한 결과, 속도 제곱에 비례하는 공기저항(Newton 마찰, $c\omega^2$)만으로도 감속 곡선이
충분히 정확하게 설명됩니다. 건마찰·Stokes 항을 더해도 통계적으로 의미 있는 개선이 없습니다.
→ "문이 쾅 닫히는 건 공기 때문"이라는 정량적 증거를 제시한 논문입니다.
§3 이론 문의 회전 동역학과 3종 마찰
3.1 문을 얇은 판으로 — 관성모멘트
문을 질량 $m$, 폭 $w$, 높이 $h$, 두께 $d\ll w$인 얇은 판으로 보고 경첩($z$축) 둘레로 회전한다고 합니다.
두께를 무시하면 회전축에 대한 관성모멘트는
여기서 특정 항을 끄면(0으로 두면) 문헌에 알려진 단순 모델들이 모두 특수해로 나옵니다. 특히 공기저항만($a=b=0$) 남기면
아주 깔끔한 형태가 됩니다:
Newton 단독해 — 우리가 기대하는 곡선
$$ \omega_N(t)=\frac{\omega_0}{1+c\,\omega_0\,t/I}. $$
속도가 시간의 유리함수(1/(1+t)꼴)로 떨어집니다. 처음엔 빠르게, 나중엔 느리게 감속하는 모양입니다.
그림 1. 실험 셋업. 문 바깥쪽(관성으로 떨어지지 않게)에 스마트폰을 붙여 회전 시 반경방향 가속도 $a_x$를 측정하고 $\omega=\sqrt{a_x/r}$로 환산한다. $z$축이 회전축, $\omega_z(t)$가 닫히는 방향. 출처: Klein et al., Am. J. Phys. 85, 30 (2017), Fig.1 — 실제 제출 시 우리 팀이 찍은 실험 사진으로 교체.
§4 실험 방법 스마트폰 가속도 센서로 측정
Phyphox(피폭스)는 독일 RWTH Aachen 대학이 만든 무료 앱입니다. 스마트폰에 이미 들어있는
가속도계·자이로스코프 같은 센서를 그대로 물리 실험 측정 도구로 바꿔줍니다. iOS·Android 모두 지원하며 앱스토어에서 "phyphox"로 검색해 설치합니다.
실험별 화면이 준비돼 있고, 측정값을 CSV로 내보내거나 같은 와이파이의 PC로 실시간 전송(remote)할 수 있어 이 프로젝트에 딱 맞습니다.
센서로 측정·기록remote — PC 실시간 전송
로고·화면 출처: phyphox.org (RWTH Aachen). 실제 측정 화면은 실험할 때 직접 캡처해 교체하면 더 좋습니다.
실험 절차는 DigiPhysLab(Erasmus+) 'Slamming Door' 공식 실험 가이드를 따릅니다. 이 가이드는 바로 이 논문 실험을
교육용으로 표준화한 문서로, 우리가 그대로 재현하기에 가장 적합합니다.
4.1 어떤 센서를 쓸까 — 자이로 vs 가속도계
센서 (Phyphox)
읽는 값
각속도 얻는 법
장단점
자이로스코프권장
각속도 $\omega$ 직접
변환 불필요 (그대로 $\omega(t)$)
노이즈 적음. 축에서 멀수록 정밀. 거리 $r$ 측정도 불필요
가속도 (without g)
반경방향 $a_x$
$\omega=\sqrt{a_x/r}$
$r$ 측정 필요. 저속에서 노이즈로 음수 발생
가속도 (with g)
$a_x$ + 중력
$\omega=\sqrt{a_x/r}$
실시간 값으로 폰 정렬 확인이 쉬움(정지 시 0 맞추기)
권장 전략자이로스코프를 메인으로 쓰면 노이즈가 적고 각속도를 바로 얻어 가장 깔끔합니다. 단, 논문이 가속도계로 했으므로
가속도(without g)도 함께 측정해 $\omega=\sqrt{a_x/r}$로 비교하면 "센서 선택이 결과에 주는 영향"까지 보고서에 쓸 수 있습니다(가산점 포인트).
4.2 측정 원리 (가속도계의 경우)
구심가속도 → 각속도
폰이 문과 함께 회전하면 센서가 읽는 반경방향 가속도는 구심가속도 $a_x=\omega^2 r$. 따라서
$$ \omega(t)=\sqrt{\dfrac{a_x(t)}{r}}\qquad(a_x>0\ \text{인 구간에서만}). $$
Phyphox는 내부적으로 $\sqrt{x^2+y^2+z^2}$를 0.5초 평균해 순간 피크를 걸러줍니다.
부호 정리: 센서 방향 때문에 값이 음수(=각속도 "증가")로 나오면 전체 부호를 뒤집어 "감소" 곡선으로.
시간 0 맞추기: fit식은 슬래밍이 $t=0$에서 시작한다고 가정 → 측정 시작점을 왼쪽으로 평행이동해 충돌 순간을 $t=0$으로.
초기 추정값(중요): 비선형 피팅은 초기값에 민감. 논문 기준 $\omega_0\approx3\,\text{s}^{-1}$, $a/I\approx0.2\,\text{s}^{-2}$, $b/I\approx10^{-5}\,\text{s}^{-1}$, $c/I\approx0.15$ 부근에서 시작. $\omega_0$도 fit 파라미터로 둘 것.
오차 분석 — 보고서 완성도 ↑
측정 시작 몇 초 전부터 녹화해 문이 정지한 구간의 센서 노이즈를 잡는다 → 평균 = 계통오차, 표준편차 = 통계오차(논문은 $\sigma=0.02\,\text{m/s}^2$).
오차 전파(가이드의 정정식)는
$$ \Delta\omega=\frac{\sqrt{r^2\,\Delta a_x^2+a_x^2\,\Delta r^2}}{2r^2\,\omega}. $$
이걸로 각 점에 오차막대를 넣으면 $\omega$가 작을수록 오차가 커지는 게 보입니다(그림 2).
§5 결과 모델 6종 비교와 공기저항의 승리
측정한 $\omega(t)$를 마찰 항을 켜고 끄며 만든 여러 모델에 피팅하고, 적합도($R^2$·SSE)와 통계검정(F-test·AIC)으로 비교합니다.
모델
마찰 토크 $\tau_f$
의미
큰 스핀 $R^2$
D
$a$
건마찰만
0.991
S
$b\omega$
Stokes만
0.995
N 최적
$c\omega^2$
공기저항만
0.997
DN
$a+c\omega^2$
건마찰+공기저항
0.997
SN
$b\omega+c\omega^2$
Stokes+공기저항
0.997
DSN
$a+b\omega+c\omega^2$
전부
0.997
그림 2. 각속도 감쇠와 모델 비교. 측정 데이터(●)는 처음에 빠르게, 뒤로 갈수록 완만히 감속하는 유리함수 곡선으로, 등속 감속(직선=건마찰)이나 지수감쇠(Stokes)가 아니라 공기저항($\omega^2$, Newton) 모델과 맞는다. 오차막대는 $\omega$가 작을수록 커진다(저속에서 센서 노이즈 상대적 증가). matplotlib로 직접 플롯한 모식 그래프(파라미터: $\omega_0=2.6\,\text{s}^{-1}$). 실제 측정 후 우리 데이터로 교체.
왜 N이 이기나 — 모델 선택 논리
큰 스핀에서는 모든 모델의 $R^2$가 0.99대라 적합도만으로는 구분이 안 됩니다. 그래서 논문은 ① 중첩 모델 F-검정(항을 추가했을 때
SSE가 유의하게 줄었나)과 ② 물리적 타당성(추정된 $a,b$가 물리적으로 말이 되는 크기인가)을 같이 봅니다.
결과적으로 가장 높은 차수 항($\omega^2$)이 나머지를 압도하고, 더 복잡한 모델은 적합도를 못 높입니다 → 단순 Newton 모델이 정답.
논문은 추가로 작은 정사각형 판($m=0.35\,$kg, $w=0.3\,$m)을 돌리는 통제된 실험실 실험으로 같은 결론을 확인하고,
문틀 효과를 모형화한 "바닥판" 유무 비교까지 합니다. 우리는 여기까지 할 필요는 없지만, 시간이 남으면 판 돌리기 추가 실험으로
영상 분량을 채울 수 있습니다.
§6 우리 팀 실행계획 역할 · 일정 · 셋업
전략 — 온라인 4인 협업
팀원 전원이 각자 본가에 있어 온라인으로 진행합니다. 따라서 한 명이 실험·측정해 데이터를 공유하고,
나머지는 분석·보고서·PPT·영상을 온라인으로 병렬 분담합니다. D-3이므로 "측정 → 곡선 → 모델 비교 → 결론" 한 줄기를 깔끔히 완성하는 게 최우선이고,
GitHub(필수)과 LaTeX(Overleaf)를 둘 다 제대로 활용해 보너스 점수를 노립니다.
6.1 팀 & 역할 분담
팀: 채은우 · 강성민 · 장민석 · 주솔비 (4인). 아래는 제안 배치 — 각자 여건(문 환경·노트북·관심)에 맞게 조정하세요.
채은우 — 총괄 · 데이터 분석 · GitHub
GitHub repo 개설·README·구조 관리, Python curve_fit으로 모델 피팅($R^2$·SSE·그래프), 전체 진행 싱크. (분석 코드는 §6.7)
강성민 — 실험 담당 (문 여건 되는 사람)
Phyphox 셋업, 문 선정($w,\ r$ 측정), 세게/약하게 각 3회 + 노이즈 측정, 원본 CSV를 GitHub data/에 업로드, 실험 장면 촬영.
장민석 — 보고서 · LaTeX(Overleaf)
Overleaf로 5–7p 보고서 작성(§6.6 구조), 분석 그림·표 삽입, 논문 대비 우리 결과 서술, 참고문헌·.tex 관리.
주솔비 — PPT · 5분 발표 영상
프로젝트 설명 슬라이드 제작, 실험 영상 클립 편집, 5분 발표 영상 녹화·편집. (이 디지노트를 발표 대본 베이스로 활용)
6.2 온라인 협업 워크플로우
각자 떨어져 있으니 파일은 GitHub 단일 출처로 모으고, 소통은 화상/메신저로 합니다. 데이터 한 번 공유되면 분석·보고서·PPT가 동시에 굴러갑니다.
그림 3. 온라인 협업 흐름. 실험 1인이 데이터를 GitHub에 올리면 분석→보고서·PPT·영상이 병렬로 진행된다.
6.3 일정 (오늘 6/14 → 마감 6/17)
6/14 (토) · 오늘 전원 LMS 같은 그룹 가입 · 역할 확정 · 화상 킥오프 · 채은우 GitHub repo 개설 · 강성민 Phyphox 설치·셋업 테스트(문·$r$ 정하기).
LaTeX는 Overleaf로 온라인 공동작성
설치 없이 브라우저에서 4명이 동시 편집 가능 → 온라인 협업에 최적. 물리 저널 느낌의 REVTeX(또는 기본 article) 템플릿 사용.
수식은 LaTeX로 깔끔하게, 그림은 results/의 PNG를 \includegraphics로. 최종 .tex와 컴파일된 .pdf를 둘 다 제출하고, README와 보고서에 GitHub 링크를 넣습니다.
DigiPhysLab 권장 — 시간 없으면 N 계열에 집중
7개 모델을 다 못 돌리면 Newton 계열 4종(N · DN · SN · DSN)에 집중하라는 게 가이드 권장입니다.
"공기저항이 지배한다"는 결론이 어차피 예상되므로, 그중 가장 단순하면서 충분히 잘 맞는 모델(=N)을 찾는 게 과제의 핵심입니다.
모델 선택 기준은 두 가지: ① $R^2$이 충분히 큰가, ② fit 파라미터가 물리적으로 말이 되는 크기인가.
모델
피팅할 $\omega(t)$ 식 ($I$로 정규화)
N (목표)
$\omega_0/(1+(c/I)\omega_0\,t)$
D (참고·직선)
$\omega_0-(a/I)\,t$
S (참고·지수)
$\omega_0\,e^{-(b/I)t}$
DN / SN / DSN
일반해 $\omega_{\text{DSN}}(t)$에서 해당 항만 켠 식 (§3.3)
curve_fit 뼈대 (Python)scipy.optimize.curve_fit(model, t, omega, p0=초기추정값)으로 각 모델을 피팅하고
$R^2=1-\text{SSE}/\text{SST}$, SSE를 계산해 표로 정리. 초기 추정값 p0은 §4.4의 값으로 주는 게 성패를 가릅니다.
중첩 모델은 F-검정으로 "항 추가가 유의한 개선인가"를 확인. 코드·그래프는 GitHub analysis.ipynb에.
§7 제출물 체크리스트 D-3
마감 전 최종 점검
LMS에서 팀원 전원 같은 그룹 가입
실험 측정 데이터(csv) — 세게/약하게 각 3회 + 센서 노이즈
실험 장면 영상 (제출용 + 추가자료)
분석 그래프·모델 비교 표 ($R^2$/SSE)
보고서 PDF 5–7p (+ .tex if LaTeX)
보고서에 GitHub 링크 포함
GitHub repo에 README.md (개요·방법·결과·재현법)
5분 설명 영상
6/17 오전 중 LMS 업로드 (지각 불가 — 여유있게)
참고 자료
원논문: P. Klein, A. Müller, S. Gröber, A. Molz, J. Kuhn, "Rotational and frictional dynamics of the slamming of a door," Am. J. Phys.85(1), 30–37 (2017). doi:10.1119/1.4964134
실험 가이드: DigiPhysLab (Erasmus+), "Slamming Door — Instructor / Student version" (2022), Univ. of Jyväskylä. CC BY-SA 4.0. — 절차·전처리·초기값의 근거. jyu.fi/digiphyslab
측정 앱: Phyphox (RWTH Aachen). Gyroscope / Acceleration 실험. phyphox.org