성공적인 유동 해석을 위한 케이던스의 CFD 기술 (14)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 효과적인 항공 음향 시뮬레이션을 위한 전략과 실제 사례에 대해 살펴본다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   경계 및 초기 조건 지오메트리 및 메시 프로세스에 이어 음파가 반사되지 않고 빠져나갈 수 있는 경계를 지정한다. 일반적인 방법으로는 변수를 감쇠시켜 경계 반사를 방지하는 스펀지 레이어 또는 파동을 기하급수적으로 감쇠시키는 비반사 레이어인 PML(Perfectly Matched Layers : 완벽하게 일치하는 레이어)이 있다. 그런 다음 흐름 시나리오에 따라 유입, 유출, 벽 및 기타 조건을 설정한다. 시뮬레이션 유형에 따라 초기 흐름 또는 노이즈 필드를 제공해야 할 수도 있다.   솔버 선택 솔루션 전략은 문제의 복잡성, 원하는 정확도, 사용 가능한 리소스에 따라 선택해야 한다. 케이던스의 피델리티 찰스(Fidelity CharLES)는 시간 의존적인 간접 LES(Large Eddy Simulation) 방법론을 활용한다. 이러한 과도 시뮬레이션의 경우 가장 높은 관심 주파수를 포착하는 시간 간격을 선택하여 시간적 해상도가 충분한지 확인한다.   음향 유추 및 소스 올바른 음향 모델을 사용하는 것은 항공 음향 시뮬레이션의 정확성과 신뢰성을 위한 기본이다. 적절한 음향 유추는 소음원의 특성과 문제의 특정 요구 사항에 따라 결정되는 경우가 많다. 따라서 시뮬레이션에 올바른 소스 조건을 통합하는 것은 소음 발생으로 이어지는 물리적 현상을 나타내므로 매우 중요하다. 일부 시뮬레이션, 특히 직접 방법론(direct methods)을 사용하는 시뮬레이션에서는 와류 방출 또는 경계층 상호 작용과 같은 물리적 프로세스를 나타내는 명시적인 소스를 도입해야 할 수도 있다. 간접 방법에서는 소스 조건이 계산된 유동장에서 파생되는 경우가 많다. 예를 들어, 난류 통계는 RANS(Reynolds Averaged Navier-Stokes) 시뮬레이션에서 추출한 다음 항공 음향학적 유추에서 소스 조건으로 사용할 수 있다. 이러한 소스 용어가 작용하는 위치를 정확하게 정의하는 것이 중요하다. 회전하는 기계와 관련된 시나리오에서는 블레이드에 가까운 영역이 주요 소스 영역으로 지정될 수 있다.   후처리와 최적화 항공 음향 시뮬레이션을 수행하려면 전처리 및 시뮬레이션 단계만큼이나 후처리 및 최적화 단계도 중요하다. 계산이 완료되면 방대한 데이터 세트가 기다리고 있다. 피델리티 찰스는 시뮬레이션 데이터에 숨겨진 의미 있는 정보를 추출하는 데에 도움이 되도록 다음과 같은 후처리 도구를 제공하며, 모두 한 가지 목표를 염두에 두고 설계되었다. Quantitative Imaging : 시뮬레이션에서 직접 정량적 PNG 이미지를 생성한다. Modal Decomposition : 흐름과 음향 필드를 개별 모드로 분해한다. Ffowcs Williams-Hawkings Acoustic Predictions : 원거리 데이터에서 근거리 소음을 예측한다.   그림 1. 효율적인 초음속 비행체(ESAV)의 마하수 윤곽선 플롯   피델리티 찰스는 데이터 분석 기능을 제공할 뿐만 아니라 <그림 1>에 표시된 것처럼 시뮬레이션 데이터에 생명을 불어넣는 플롯, 등고선 지도, 그래픽 표현과 같은 고급 시각화 도구도 제공한다. 등고선 및 표면 플롯을 통해 압력 및 속도 필드에 대한 인사이트를 얻어 흐름 특징과 노이즈 원인을 정확히 파악할 수 있다. 스펙트로그램과 주파수 플롯을 사용하면 공명하는 톤 사운드와 혼란스러운 광대역 노이즈를 구분하는 데에 도움이 될 수 있다. 파티클 추적과 유선형 플롯은 난류 구조, 와류 및 기타 노이즈 생성 현상에 대한 그림을 그리는 또 다른 깊이 있는 레이어를 추가한다. 더 자세히 살펴보면, 특정 작업이나 프로세스를 사용자 지정 및 자동화하고, 변수 및 방정식을 생성하여 음압 레벨(SPL : Sound Pressure Level) 또는 난기류 강도 등 파생된 수치를 계산하여 시각적 인사이트를 정량화하기 위한 파이썬 API(Python API)와 내장 식 평가기를 찾을 수 있다. SPL과 같은 지표는 음향 핫스팟을 강조하며, 전체 음압 레벨(OASPL : Overall Sound Pressure Level)은 지정된 주파수 범위의 총 SPL을 측정한 값이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

태성에스엔이는 9월 11일 서울 aT센터에서 'CAE×AI 세미나 2024'를 개최했다. 이날 세미나에는 300명 이상의 업계 전문가들이 참석한 가운데, 앤시스의 해석 프로그램과 AI의 접목을 통한 혁신적인 해석 기법들이 소개되었다. 참석자들은 최신 CAE 해석 기술과 AI의 융합을 통해 향후 제조업과 설계 분야의 발전 가능성에 대한 인사이트를 얻었다. ■ 박경수 기자      AI/ML을 활용한 해석 혁신 이번 세미나에서는 AI/ML 기술의 CAE 해석 적용을 주제로 앤시스 심AI(Ansys SimAI)와 앤시스GPT(AnsysGPT)를 포함한 다양한 AI 트렌드가 소개되었으며, 이를 활용해 더 빠르고 효율적인 해석 결과를 도출할 수 있는 방법이 논의되었다.  태성에스엔이 노은솔 매니저와 김도현 매니저는 ‘기초 이론과 사례로 살펴보는 인공지능’을 주제로, AI 도입으로 해석 부문이 어떤 변화가 생겼는지 설명했다. 이어 윤진환 이사는 '태성에스엔이와 Ansys의 AI 기술과 고객 서비스'를 소개하며, AI 기술이 CAE 해석에 어떻게 실질적으로 적용되고 있는지 설명했다. 권기태 수석매니저는 ‘태성에스엔이가 제공하는 시뮬레이션 데이터 기반 AI/ML 서비스’를 주제로, AI가 시뮬레이션 데이터를 활용해 성능을 최적화하는 방법에 대해 심도 깊은 논의를 진행했다.    Stochos와 AI 응용사례 CADFEM Germany GmbH의 다니엘 수쿠프(Daniel Soukup)는 Stochos라는 온프레미스 기반 AI 프로그램을 소개했다. Stochos는 신경망과 가우시안 프로세스를 결합한 Deep Infinite Mixture of Gaussian Processes(DIM-GP) 알고리즘을 통해 소량의 데이터로도 높은 예측 정확도를 제공하는 기술이다. 특히, 확률론적 머신러닝을 도입해 예측 결과의 신뢰도를 함께 제시하여 엔지니어들이 AI 결과를 더욱 신뢰할 수 있도록 만들어 준다. 이 기술은 복잡한 시뮬레이션 문제 해결에 있어 뛰어난 성능을 발휘하며 관심을 끌었다.   CAE와 AI 융합의 미래 이외에도 이번 행사에서는 앤시스의 최적화 전용 프로그램인 옵티스랭(optiSLang)에서 AI 사용 방법, 심AI, 앤시스GPT, 트윈AI(Ansys TwinAI) 등 AI를 접목한 앤시스의 최적화 기술이 차례로 소개되었고, 다양한 시각에서 AI 기술이 CAE에 어떻게 접목될 수 있는지 소개됐다.  태성에스엔이는 CAE와 AI의 결합을 통한 미래 산업의 변화 가능성에 대해 참석자들과 함께 토론하는 시간을 가지며 세미나를 마무리했다. AI 기반의 CAE 해석 기술은 향후 설계 및 제조 산업의 혁신을 주도할 중요한 요소로 자리잡을 것으로 기대된다.   ‘CAE×AI 세미나 2024’ 인터뷰  CAE×AI 세미나 2024 행사 관련해 태성에스엔이의 석진 영업본부 이사, 윤진환 기술본부 이사, 권기태 기술본부 AI 팀 수석매니저와 이야기를 나눴다. Q. 이번 세미나에서 발표된 AI/ML 기술 적용 사례 중, 특히 성공적인 사례를 하나 꼽는다면? 해당 사례에서는 어떤 방식으로 해석 프로세스를 개선했는지? ■ 윤진환 : 많은 분들이 AI/ML의 도입은 아직 시기상조이거나, 중견기업 이상의 대형 기업에서만 시험적으로 적용되고 있다고 생각할 수 있다. 하지만, 태성에스엔이의 AI 팀이 개발한 AI/ML 솔루션은 이미 국내 중소기업에서 실사용 되고 있는 사례를 보여드리고자 했다. 이 프로그램은 AI 모델 자동 생성 프로그램으로, 앤시스 일렉트릭 데스크톱(Ansys Electric Desktop)에서 계산된 시뮬레이션 결과를 기반으로 AI 모델을 자동으로 생성한다. 해석자가 앤시스 일렉트릭 데스크톱에서 설계 형상에 대한 변수만 지정해 두면, 본 프로그램은 자동으로 해당 변수를 추출해 실험계획법(DoE)을 기반으로 여러 번의 해석을 진행한 뒤, AI 모델을 구축한다.   ▲ 해석팀 : 해석 변수 자동 추출 및 AI모델 생성 자동화    이후, 설계자는 구축된 AI 모델을 기반으로, 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과값을 확인할 수 있다.   ▲ 설계팀 : AI 모델을 통한 실시간 성능 예측   이후 설계자는 구축된 AI 모델을 바탕으로 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과를 확인할 수 있다. 이 기능 덕분에 해석자는 설계팀으로부터 반복되는 동일 작업 요청을 줄일 수 있었고, 더 높은 수준의 분석이나 추가적인 AI 모델 구축에 시간을 투자할 수 있게 되었다. 설계팀 또한 실시간 예측을 통해 빠른 결과 분석을 반영해 작업 효율을 크게 향상시킬 수 있었다. 이 프로그램은 유사한 환경에서 구조해석, 열해석 등에도 적용 가능하며, 맞춤형 UI와 다양한 AI 기능을 구현할 수 있어 여러 기업으로부터 관심을 받고 있다.   Q. 심AI와 앤시스GPT와 같은 최신 기술 및 제품 트렌드가 CAE 해석 분야에서 어떤 변화를 가져올 것으로 기대하나? 이 기술들이 현장에서 어떻게 적용되고 있으며, 궁극적으로 해석 결과의 품질에 어떤 영향을 미칠 것으로 보는지? ■ 석진 : 심AI와 같은 AI 기반 도구는 반복적인 작업을 자동화하여 사용자가 모델링부터 해석에 이르는 전 과정을 보다 신속하게 수행할 수 있도록 지원한다. 설계 초기 단계에서 최적화를 진행할 수 있는 가능성이 높아지며, 이를 통해 설계 주기가 단축될 것이다. 또한, 인적 오류를 최소화함으로써 실험과 프로토타입 제작에 소요되는 비용과 시간을 절감하여 궁극적으로 시장 출시 주기를 획기적으로 단축시킬 것으로 기대된다. AI 기술을 활용해 대량의 해석 데이터를 분석하고 패턴을 인식함으로써 더 나은 설계 결정을 지원할 수 있으며, 앤시스GPT는 앤시스 공식 웹사이트 내에서 사용자 질문에 대한 정확하고 신뢰할 수 있는 답변을 제공하거나 최적의 설계 옵션을 제안하는 데 유용할 것이다. 이러한 기술은 CAE 도구의 사용을 더욱 쉽게 만들어 준다. 예를 들어, 복잡한 해석 과정이나 설정에 대한 자동 안내 및 추천 기능은 비전문가들도 손쉽게 접근할 수 있도록 도와준다. 또한, 다양한 팀과 부서 간 협업도 향상될 것이다. AI 기반 도구는 설계, 해석, 생산 팀 간의 원활한 커뮤니케이션을 지원하여 더 통합된 접근 방식을 가능하게 한다. 결론적으로, 심AI, 앤시스GPT, 앤시스 AI+ 등 앤시스의 AI 솔루션은 CAE 해석의 정확성, 효율성, 접근성을 크게 향상시킬 것으로 기대하며, 이는 산업 전반에 혁신적인 변화를 가져올 것이다.   Q. CAE 프로그램에 AI를 접목했을 때 해석 속도와 정확도는 얼마나 향상되었는지? 이런 기술적 통합이 실무 현장에서 얼마나 실질적인 성과를 보여주고 있다고 보는지? ■ 권기태 : 앤시스는 다음 그림과 같이 CAE 프로그램에 순차적으로 AI 기능을 추가하고 있다.  그 중 앤시스 CFD AI+ 기능을 하나의 사례로 소개하겠다. 플루언트(Ansys Fluent)에서 제공하는 Generalized k-ω Model(GEKO) 난류 모델은 사용자가 직접 계수를 설정해야 하며, 도메인 내에서도 각기 다른 계수를 설정해야 하는 어려움이 있다. 이러한 문제를 해결하기 위해 앤시스 CFD AI+는 Adjoint Solver와 Neural Network/Machine Learning 기법을 결합하여 GEKO 모델의 계수를 자동으로 조정하는 기능을 제공한다.  AI 기술의 효과를 확인하기 위해 S805 Airfoil 문제에 GEKO 모델 계수의 자동 튜닝 기능을 적용한 결과 GEKO 기본 계수를 사용할 때 오차는 기준값 대비 13.2%였지만, AI 기반 자동 튜닝 계수를 적용한 경우 오차가 0.2%로 크게 감소한 것을 확인할 수 있었다. 앤시스 AI+를 통해 CAE 프로그램과 AI 기술을 기술적으로 통합함으로써 해석 속도와 정확도를 개선하고 있다. 또한, 시뮬레이션 결과 데이터에 AI 기술을 적용하여 실무 현장에서 많은 성과를 보이고 있다. 심AI 프로그램은 형상과 시뮬레이션 필드 결과 데이터를 활용해 시뮬레이션 솔버를 대체할 수 있는 인공지능 모델을 제작할 수 있는 사례를 보여 준다. 이 모델을 사용하면 형상을 입력하여 기존 시뮬레이션 솔버에 비해 10배에서 최대 1000배 더 빠르게 필드 결과를 예측할 수 있다.  디지털 트윈 분야에서는 복잡한 물리 기반의 시뮬레이션 모델을 ROM(축소 차수 모델)이라는 머신러닝 기법을 통해 시스템 수준의 해석 모델로 전환하여, 실시간 물리적 예측이 가능하며 빠른 속도와 높은 정확도를 제공한다.  향후 품질 및 생산 관리와 같은 측정 데이터 기반 인공지능 모델이 많이 사용되는 영역에서도 시뮬레이션 데이터 기반 인공지능 모델의 사용이 활발해질 것으로 기대된다. 이를 통해 시뮬레이션 기술은 설계 단계에만 머무르지 않고, 공정 및 품질 개발, 생산 및 품질 관리, 그리고 디지털 트윈과 같은 장치의 효율적인 운용 단계까지 그 활용 범위가 더욱 확장될 것이다.   Q. Stochos와 같은 온프레미스 기반의 AI 프로그램이 다른 클라우드 기반 AI 프로그램과 비교했을 때 어떤 차별화된 장점이 있다고 보나? 특히 보안성과 데이터 처리 측면에서 어떤 이점이 있는지? ■ 윤진환 : CAE 분야에서 클라우드 기반의 AI를 이용하는 이유는 사용자의 접근성을 높이기 위한 목적도 있지만, AI 학습을 위해서는 고가의 고성능 GPU가 필요하며 때로는 여러 대의 GPU를 묶어야 학습이 가능하기 때문에 장비 구축 비용이 매우 높다는 현실적인 이유도 있다. 다시 말해 온프레미스 환경에서 CAE에 대한 AI를 학습할 수 있다는 것은 기존의 AI 알고리즘과 달리 상대적으로 적은 계산 장비 리소스만으로도 정확하고 빠르게 학습할 수 있는 AI 기술을 보유하고 있다는 의미다.  Stochos는 일반적인 신경망 기반의 AI와 Gaussian Process기법을 결합한 DIM-GP 기법을 이용하여 적은 샘플수로도 높은 정확성의 AI모델을 만들어 내며, 저가의 GPU 또는 CPU만으로도 빠른 속도로 학습할 수 있다. 또한 Scalar, Signal, 이미지, 3D 형상, 정상상태, 과도상태 등의 다양한 해석 데이터와 일반 정보에 대한 AI 모델을 만들 수 있어서 활용도도 넓다. 특히 AI 모델 생성 시의 내부변수 설정(하이퍼파라미터)을 별도로 조절할 필요가 없으며, 자동으로 노이즈를 처리하는 기능이 있어 복잡한 AI 설정 과정이 필요 없는 것이 큰 장점이다.  보안성과 데이터 처리 부분에서는 클라우드 기반의 AI와 비교했을 때 사내 장비에서 모든 작업을 할 수 있어 데이터 유출이나 유실의 우려를 원천적으로 차단할 수 있으며, 사내망에서 구동되므로 데이터 전송 및 예측 속도가 빠르다는 장점이 있다. 따라서 보안 문제에 대한 우려가 있거나 사내 AI 장비 구축 비용에 부담을 느끼고 있다면, 이 솔루션이 훌륭한 대안이 될 수 있다고 생각한다.      Q. 태성에스엔이는 향후 AI 관련 기술을 어떻게 발전시켜 나갈 계획인지? 앞으로 예상되는 CAE 해석 관련 기술 발전 방향 및 비전에 대한 설명도 부탁드린다. ■ 윤진환 : 태성에스엔이는 열유동/구조/전기전장/시스템/광학/최적화 등의 분야에 대한 100여명의 전문엔지니어를 보유하고 있으며, 앤시스 AI+, 심AI, 앤시스GPT에 대해서는 모든 엔지니어가 각자의 해석분야와 산업분야에 대한 초기 대응을 수행하고 있다.  이에 더해 태성에스엔이에는 AI를 위한 전문 그룹이 구성되어 있다. 이 그룹은 기술 엔지니어 중에서 AI 분야의 전문성을 가진 인원들로 이루어졌으며, 다양한 산업군에서 필요로 하는 CAE AI 응용 방안을 고객과 논의하여 선제적이고 맞춤형 서비스를 제공하는 것을 목적으로 하고 있다.  그리고 상용 AI 프로그램인 Stochos과 오픈소스를 활용해 맞춤형 AI 환경을 구축하거나 AI 모델 생성 서비스를 제공하는 것도 주요 사업 중 하나이며, 엔비디아 옴니버스(Omniverse)와의 협업을 통해 3차원 실시간 그래픽 플랫폼에 CAE AI를 적용하는 작업도 병행하고 있다. 각종 학회, 기업체 연구소, 프로그램 개발 업체 등에서 CAE에 AI 기술을 접목하고 응용 방안을 연구하는 활동이 그 어느 때보다 활발히 진행되고 있다. CAE 자체의 해석 속도와 전후 처리 속도 향상, 그리고 편의성 증대는 전문 해석자의 업무 부담을 덜어줄 것이다. 또한, CAE AI 모델 구축을 통한 빠른 예측과 실시간 결과 도출은 설계자와 해석자 간의 협업을 더욱 긴밀하게 하여 해석이 실제 업무 현장에 더 활발하게 활용될 것으로 예상된다. 이에 따라 해석자는 CAE를 통해 AI 모델을 구축하고 배포하며, 이를 사내에서 쉽게 활용할 수 있도록 하는 플랫폼 환경 구축 업무가 꾸준히 증가할 것으로 예상된다.     ■ 기사 내용은 PDF로도 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (13)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 지난 호에 이어, 항공 음향 시뮬레이션과 관련된 구체적인 과제 및 기법에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   Validation and Verification 모든 시뮬레이션과 마찬가지로, 실험 데이터 또는 분석 솔루션과 비교하여 결과를 검증하고 검증하는 것은 매우 중요하다. 이를 통해 시뮬레이션 결과의 정확성과 신뢰성을 보장할 수 있다. 검증은 계산 솔루션이 기본 수학적 모델을 정확하게 나타내는지 여부를 결정하는 과정과 관련이 있다. 반면에 검증은 수학적 모델이 물리적 현실을 얼마나 잘 포착하는지 평가한다. 검증의 주요 측면은 다음과 같이 그리드 수렴, 솔루션 일관성 및 코드 비교이다. Grid Convergence : 다양한 그리드 해상도에서 시뮬레이션(그림 1)을 수행하여 솔루션이 그리드 독립적인 상태에 접근하고 있는지 확인할 수 있다. 이는 그리드 이산화로 인한 수치 오류를 최소화하는 데 필수이다. Solution Consistency : 시간 단계, 초기 조건 또는 경계 조건과 같은 매개 변수가 약간 변경되었을 때 솔루션이 예상대로 작동하는지 평가하는 작업이 포함된다. Code Comparisons : 동일한 문제를 다루는 여러 시뮬레이션 코드의 결과를 평가(코드 간 비교)하면 솔루션의 일관성과 신뢰성에 대한 통찰력을 얻을 수 있다. 검증 외에도 시뮬레이션을 검증하는 주요 방법은 물리적 실험, 벤치마크 문제 및 불확실성 정량화를 통해 이루어진다. Physical Experimentation : 연구자는 시뮬레이션 결과를 실험 데이터와 비교하여 실제 시나리오에 대한 계산 모델의 충실도를 측정할 수 있다. Benchmarking Problems : 분석적 또는 널리 사용되는 솔루션이 존재하는 표준 문제에 대한 벤치마킹은 새롭거나 변경된 시뮬레이션 설정의 성능을 측정할 수 있는 수단을 제공한다. Uncertainty Quantification : 측정 오류, 모델 근사치 또는 경계 조건 추정에서 비롯된 불확실성을 인식하고 정량화하는 것은 중요하다. 이를 통해 시뮬레이션 결과에 대한 신뢰도를 보다 명확하게 파악할 수 있다.   그림 1. 고밀도 모터사이클 메시   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션은 유체 역학 및 음향 현상을 포착하기 어렵기 때문에 수많은 과제를 안고 있다. 몇 가지 주요 과제는 다음과 같다. Wide Range of Scales : 항공 음향 현상은 광범위한 공간적, 시간적 스케일에 걸쳐 있다. 음파의 파장은 밀리미터에서 미터까지 다양하며, 소리를 생성하는 난류 구조의 크기도 매우 다양하다. 이러한 모든 스케일을 캡처하려면 매우 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. Acoustic Wave Amplitudes : 관심 있는 항공 음향 신호는 난류의 유체 역학적 압력 변동보다 훨씬 낮은 진폭을 갖는 경우가 많다. 이러한 미묘한 음향파를 지배적인 흐름 구조와 구별하는 것은 어려운 일이다. Far-Field Propagation : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있다. 소음원부터 멀리 떨어진 관찰자까지 전체 도메인을 시뮬레이션하려면 계산이 꽤 많이 소요된다. Complex Geometries : 실제 항공 음향 문제는 항공기 엔진이나 차량 외관과 같이 복잡한 기하학적 구조를 포함하는 경우가 많다. 이러한 형상을 모델링하고 유체 흐름과 소리 전파에 미치는 영향을 모델링하면 시뮬레이션이 복잡해진다. Boundary Conditions : 적절한 경계 조건의 선택과 구현은 매우 중요하다. 부정확하거나 지나치게 단순한 경계 조건은 허위 반사 또는 기타 비물리적 동작을 유발할 수 있다. Transient Nature : 많은 항공 음향 문제는 본질적으로 불안정(unsteady)하기 때문에 Transient 시뮬레이션이 필요하다.(그림 2) 이로 인해 계산적인 노력이 증가하고 통계적으로 의미 있는 결과를 얻기가 어렵다. Nonlinear Interactions : 많은 시나리오에서, 특히 높은 소음 수준에서는 비선형 공기역학적 및 음향학적 상호 작용이 발생한다. 이러한 비선형성을 시뮬레이션하려면 세부 사항과 계산 리소스에 대한 추가적인 주의가 필요하다. Multiphysics Interactions : 경우에 따라 항공 음향 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과도 고려해야 하므로 시뮬레이션 설정이 더욱 복잡해질 수 있다. Numerical Dissipation : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠 시키거나 완전히 억제할 수 있다. 이러한 모든 문제는 항공음향을 정확하고 효율적으로 시뮬레이션하는데 따르는 복잡성을 강조한다. 이러한 과제를 해결하기 위한 노력은 이 분야의 지속적인 발전을 이끌며 계산 능력과 방법론의 경계를 넓혀 왔다.   그림 2. 일시적인 특성을 강조하는 비행 중인 항공기의 LES   항공 음향 시뮬레이션을 위한 솔루션 실제 엔지니어링 과제를 해결하든 기초 연구를 하든 올바른 시뮬레이션 소프트웨어를 선택하는 것은 매우 중요하다. 항공 음향 분야에서 정확하고 효율적인 시뮬레이션을 지원하는 소프트웨어 도구가 등장했다.  케이던스(Cadence)의 유동 시뮬레이션 소프트웨어인 피델리티 찰스(Fidelity CharLES)는 항공 음향을 포함한 고충실도 유동 분석을 위해 설계되었다. 찰스는 소산과 분산을 최소화하면서 불안정한 흐름을 시뮬레이션할 수 있는 최첨단 수치 기법과 모델을 통합하여 LES(Large Eddy Simulation)의 잠재력을 활용한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하여 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 캡처하여 최적의 성능을 제공한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (12)   항공 음향학은 난류 유체 운동 또는 표면과 공기역학적 힘의 상호작용으로 인한 소음 발생을 연구하는 학문이다. 이번 호에서는 항공 음향 시뮬레이션과 관련된 구체적인 과제 및 기법에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   항공 음향을 예측하는 것은 단순히 소리의 근원을 정확히 찾아내는 것만이 아니라 다양한 시나리오에서 소리의 생성, 전파, 수신 뒤에 숨겨진 복잡한 메커니즘을 이해해야 한다. 간소화된 자동차 설계의 고주파 음향 방출부터 제트 추진 시스템의 저주파 소음 시그니처에 이르기까지, 각각은 엔지니어에게 고유한 과제와 통찰력을 제시한다. 항공 음향 시뮬레이션의 중요성은 설계 및 최적화 고려사항 그 이상으로 확장된다. 환경 규정 준수, 사용자 편의성 보장, 산업별 소음 표준 준수에 필수이다. 항공우주 및 자동차 등의 분야에서 급속한 발전이 이루어지면서 정확한 항공 음향 예측에 대한 중요성이 점점 더 강조되고 있다. 이번 호에서는 기초 지식과 고급 시뮬레이션 방법론을 연결하여 항공 음향학에 대한 자세한 개요를 살펴본다. 기본 원리, 항공 음향 소음원, 모델링 과제, 최신 툴과 기법, 시뮬레이션 설정 가이드라인, 포스트 프로세싱 인사이트, 실제 사례 연구 등을 다루고자 한다.   항공 음향학의 기초 항공 음향학(aeroacoustics)은 유체 역학과 음향학의 교차점에 서 있다. 그 동작을 능숙하게 시뮬레이션하려면 이 분야와 가장 관련 있는 기본 원리를 이해하는 것이 필수이다. 운동 방정식 특정 수학적 프레임워크는 유체 운동에 의해 생성되는 소리의 동작을 지배한다. 그 중심에는 선형화된 나비에-스토크스(Navier-Stokes) 방정식이 있다. 이 방정식의 전체 도출은 여기서 다루지 않지만, 이 방정식은 유체의 교란이 어떻게 음파를 생성하는지에 대한 본질을 파악할 수 있다. 파동 전파 음파는 매질에서 압축과 희박으로 전파된다. 이 전파에는 여러 가지 요인이 영향을 미친다. 매체의 탄성 및 밀도와 같은 속성은 음속과 감쇠에 영향을 줄 수 있다.  또한 온도, 고도, 습도와 같은 환경적 요인은 음파 전파에 다양한 영향을 미쳐 속도와 방향을 변경할 수 있다.  경계면과의 사운드 상호 작용 환경을 시뮬레이션할 때는 음파가 반사, 회절, 흡수를 통해 구조물과 어떻게 상호 작용하는지 이해하는 것이 중요하다. <그림 1>에서 볼 수 있듯이 반사는 음파가 경계를 만나면 반사되는 것으로, 반사각은 입사각과 같다. 파동이 장애물을 만나면 특히 파장이 장애물 크기에 비해 큰 경우 장애물 주변에서 휘어질 수 있다. 이를 회절이라고 정의한다. 일부 물질은 소리 에너지를 흡수하여 열로 변환하여 소리를 감쇠시킬 수 있는데, 이를 흡음이라고 한다.   그림 1. 방음벽에 의해 반사, 회절 또는 흡수되는 입사음   항공 음향 소음의 발생원 항공 음향 소리의 출처를 파악하는 것은 효과적인 시뮬레이션의 핵심이다. 많은 소스는 소리를 방사하는 방식에 따라 1차 소스(예 : 단극자(monopole), 쌍극자(dipole), 사중극자(quadrupole)) 또는 고차 소스로 분류할 수 있다. 우리가 인지하는 소음은 또한 두 가지 스펙트럼 유형, 즉 톤과 광대역으로 분류할 수 있다. 톤 노이즈는 노이즈 스펙트럼의 특정 주파수에서 뚜렷한 피크가 특징이며, 종종 흐름의 주기적 이벤트 또는 공명과 관련이 있다. 반면 광대역 노이즈는 광범위한 주파수에 걸쳐 발생하며, 톤 노이즈에서 볼 수 있는 뚜렷한 피크가 없는 보다 무작위적이고 난류적인 프로세스에서 발생한다.  항공 음향 노이즈의 주요 소스와 생성되는 소리의 스펙트럼 특성은 다음과 같다.   단극자 소스 단극자 소스(monopole source)는 풍선이 부풀어 오르거나 수축하는 것처럼 모든 방향으로 균일하게 방사된다. 주로 유체의 부피 변화와 관련이 있다. 연소 소음은 단극자 소스의 한 예이다. 연소 소음 : 엔진에서와 같이 급격한 연소 이벤트는 단극자 소스로 방사되는 급격한 볼륨 변화를 일으킬 수 있다.   쌍극자 소스 쌍극자 소스(dipole source)는 유체 흐름과 고체 경계와의 상호 작용에서 발생한다. 쌍극자 소스는 주로 두 개의 반대 방향으로 소리를 내며, 많은 시나리오에서 단극자 소스보다 더 강하다. 쌍극자 소스의 예로는 경계층 및 블레이드 소음과 유동으로 인한 진동이 있다. 경계층 노이즈 : 유체가 표면 위로 흐르면 경계층 난류가 표면에 변동하는 힘을 가하여 쌍극자 노이즈 방사를 유발할 수 있다. 유동 유도 진동 : 공기 탄성 플러터 또는 캐비티 공명과 같은 흐름과 구조물 간의 상호 작용은 쌍극자 소음 방사로 이어질 수 있다. 블레이드 소음 : 회전하는 기계에서 난류 유입과 블레이드 간의 상호 작용으로 인해 쌍극자 소음이 발생할 수 있다.   사중극자 소스 사중극자 소스(quadrupole source)는 난기류-난기류 상호 작용과 관련이 있다. 일반적으로 단극 및 쌍극자 소스보다 약하지만 고속, 난류 혼합 노이즈와 같은 고난류 시나리오에서 중요할 수 있다. 난류 혼합 소음 : 난류가 심한 고속 흐름에서는 서로 다른 난류 구조 간의 상호 작용으로 인해 사중극자 음파가 방사될 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

에이수스 코리아는 견고한 디자인과 높은 성능, 향상된 쿨링 솔루션을 갖춘 ‘TUF Gaming 지포스 RTX 4090’ 그래픽카드를 출시했다고 밝혔다. 새롭게 선보이는 TUF Gaming 지포스 RTX 4090은 3.2 슬롯 디자인과 326mm의 길이로 기존 제품보다 두께와 길이를 줄이고 높은 케이스와 호환성을 가졌으며, 향상된 쿨링 솔루션으로 높은 그래픽카드 성능, 냉각 및 효율적인 전원 관리를 지원한다. 3개의 엑시얼 테크(Axial-tech) 팬을 통해 더 많은 공기가 유입되며, 듀얼 볼 팬 베어링을 채택하여 일관된 성능과 향상된 수명을 보장한다. 중앙의 팬은 양쪽의 팬과 반대 방향으로 회전하여 난류를 최소화하고 방열판을 통해 공기 분산을 최대로 높인다. 또한, GPU 온도가 50℃ 미만일때 3개의 팬 모두 작동을 멈춰 조용하게 구동되며, 온도가 55℃를 넘으면 팬이 다시 구동된다.     슈라우드의 TUF Gaming 로고는 아우라 싱크(Aura Sync)와 호환되는 ARGB 조명을 제공하여 호환 가능한 시스템과 함께 튜닝 효과를 제공한다. 온보드 듀얼 바이오스 스위치로 성능 모드, 저소음 모드를 선택하거나 새로운 GPU 트윅 III(Tweak III) 소프트웨어를 통해 그래픽카드의 성능을 직접 조정할 수 있다. 또한, 20K 정격의 커패시터와 10+4 구성으로 배열된 고전류 파워 스테이지를 갖춘 강력한 전원 공급 시스템을 제공하는 PCIe 5.0 표준의 16핀 전원 커넥터를 사용한다. 에이수스의 그래픽카드는 자동화 제조 공정 시스템인 오토 익스트림 테크놀로지(Auto-Extreme Technology)를 통해 생산 과정을 자동화하여 균일한 품질의 완성도 높은 제품으로 제작된다. 이를 통해 한 번의 과정으로 납땜이 이루어져 열로 인한 데미지를 최소화하며, 제품 제작에 줄어든 시간을 제품 1:1 검수에 사용하여 제작 단계부터 완성도가 높으며, 높은 신뢰성을 제공한다는 것이 에이수스의 설명이다. 3세대 RTX인 지포스 RTX 4090 시리즈 GPU는 고효율의 새로운 엔비디아 에이다 러브레이스(Ada Lovelace) 아키텍처를 기반으로 게이머와 제작자에게 성능, 신경 렌더링 및 더 많은 주요 플랫폼 기능에서 도약을 제공한다. GPU 기술의 발전은 몰입감 있는 게임 경험, 놀라운 AI 기능 및 빠른 콘텐츠 제작 워크플로에 이르기까지 다양한 작업을 향상시킨다. ROG Strix 및 TUF Gaming 그래픽카드는 강력한 처리 능력과 혁신적인 스택을 결합하여 작업과 여가를 위한 더 높은 성능, 더 낮은 온도 및 향상된 안정성을 제공한다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스의 밀레니엄 M1 CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 소개한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   자동차 산업은 거의 매일 새로운 혁신과 개발이 등장하며 끊임없이 발전하고 있다. 자동차 업계는 전기 구동 차량과 대량 생산이 증가하는 추세에 발맞춰, 보다 지속 가능한 미래를 만들기 위해 노력하고 있다. 2022년 전 세계 자동차 생산량은 5.7% 증가하여 8540만 대를 생산할 것으로 예상된다. 그러나 업계는 여러 디자인 또는 새로운 헤드라이트, 스플리터, 사이드 스커트 추가와 같은 아주 작은 디자인 변경에 대해서도 풍동 테스트 또는 프로토타입 테스트를 수용하면서 연비 기준을 충족해야 하는 과제에 직면해 있다. 그 결과, 항력 계수 등 관심 있는 유동장 정보와 성능 관련 수치를 예측하여 필요한 실험 횟수를 크게 줄일 수 있는 시뮬레이션 기반 접근 방식이 점점 더 인기를 얻고 있다. 유체 흐름의 난류를 이해하고 전산 유체 역학(CFD) 시뮬레이션을 통해 동일한 난류를 재현하려면 다양한 난류 모델을 사용해야 한다. 자동차 애플리케이션과 리소스 가용성에 따라 적합한 난류 모델을 선택하면 설계 주기를 단축하는 데 도움이 될 수 있다.      유체의 난류 모델링 난류는 압력과 속도의 혼란스러운 변화를 특징으로 하는 불규칙한 흐름을 일컫는 용어이다. 우리는 일상 생활에서 난류를 경험하며 공기 역학, 연소, 혼합, 열 전달 등과 같은 다양한 엔지니어링 응용 분야에서 중요한 역할을 한다. 하지만 유체 역학을 지배하는 나비에-스토크스 방정식은 매우 비선형적인 편미분 방정식이며 난류에 대한 이론적 해법은 존재하지 않는다. 난류는 광범위한 공간적, 시간적 규모를 포함하기 때문에 모델링과 시뮬레이션이 어려울 수 있다. 일반적으로 큰 와류는 난기류에 의해 생성된 에너지의 대부분을 전달하고 작은 와류는 이 에너지를 열로 발산한다. 이 현상을 ‘에너지 캐스케이드’라고 한다. 수년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명하면 다음과 같다.   직접 수치 시뮬레이션(DNS) DNS에서는 모델이나 근사치 없이 미세한 그리드와 매우 작은 시간 단계를 사용하여 모든 규모에서 난기류를 해결한다. DNS의 계산 비용은 엄청나게 높지만 결과는 가장 정확하다. DNS 시뮬레이션은 난류장에 대한 포괄적인 정보를 제공하기 위한 ‘수치 실험’으로 사용된다.   대규모 와류 시뮬레이션(LES) 이름에서 알 수 있듯이 이 난류 모델링 기법은 큰 소용돌이를 해결하고 보편적인 특성을 가진 작은 소용돌이를 모델링한다. LES 시뮬레이션은 최소 길이 스케일을 건너뛰어 계산 비용을 줄이면서도, 시간에 따라 변화하는 난기류의 변동 요소를 자세히 보여준다.   레이놀즈-평균 나비에-스토크스 모델(RANS) RANS 방정식은 나비에-스토크스 방정식의 시간 평균을 취하여 도출되었다. 난기류 효과는 미지의 레이놀즈 응력 항을 추가로 모델링하여 시뮬레이션한다. RANS 시뮬레이션은 평균 흐름을 해결하고 난류 변동을 평균화하므로 다른 두 가지 접근 방식보다 훨씬 비용 효율적이다.   올바른 선택 - DNS, LES 또는 RANS 올바른 난류 모델을 선택하는 것은 모든 시뮬레이션의 중요한 측면이며, 이는 주로 시뮬레이션의 목적, 흐름의 레이놀즈 수, 기하학적 구조 및 사용 가능한 계산 리소스에 따라 달라진다. 학술 연구의 경우 DNS 시뮬레이션은 난류의 근본적인 메커니즘과 구조를 이해하는데 가장 적합한 결과를 제공한다. DNS는 레이놀즈 수가 낮은 경우에 적합하지만, 막대한 시간과 리소스가 필요하기 때문에 대부분의 산업 분야에서는 실용적인 선택이 아니다. 반면에 LES는 일반적으로 레이놀즈 수가 높은 복잡한 형상을 포함하는 산업용 사례를 처리하는데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다. RANS 시뮬레이션은 LES에 비해 근사치의 범위가 넓기 때문에 정확도가 떨어진다. 그러나 정확도와 계산 비용 간의 균형으로 인해 RANS는 계산 리소스와 시뮬레이션 시간이 제한된 업계 사용자에게 일반적인 솔루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

진동∙소음 해석 소프트웨어, VA One   주요 CAE 소프트웨어 소개   ■ 개발 : ESI, www.esi-group.com ■ 자료 제공 : 한국이에스아이, 02-3660-4500, www.esi-group.com ESI의 구조음향 소프트웨어인 VA One은 규제, 제품 개선 요구 및 제한된 개발 일정으로부터 예상치 못한 소음·진동 문제에 대응하기 위해, 일정 지연이나 고비용의 시험기반 방법에 의존하지 않고 설계단계에서부터 소음·진동을 고려할 수 있다. VA One은 개발 과정에 앞서 예상되는 소음·진동 문제를 진단할 수 있는 모든 기능을 가지고 있다. 더 상세한 모델링이나 시험 기반의 개발을 필요로 하는 영역에서 예상되는 문제를 규명하여 위험을 관리함으로써, 제품의 경쟁력을 향상시킬 수 있다. 1. 제품의 주요 기능 및 특징 (1) 전 주파수 대역의 소음해석 기법 탑재 저주파수 대역을 위한 FEM, BEM, 고주파수 대역을 위한 SEA, Ray Method 및 중주파수 대역을 위한 FEM-SEA 연성 등의 다양한 해석 기법이 탑재되어 있다. (2) 다양한 연성과 유연한 소음해석 기법 주파수 대역, 모델링 편의성, 해석 시간 등을 고려하면서 FEM-BEM, FEM-SEA, BEM-SEA 등의 다양한 연성 기법 적용을 통한 유연한 모델링이 가능하다. (3) 흡차음재 모델링 소음 개선을 위해 사용되는 다층 흡차음재의 FEM, TMM 기법의 Biot 모델링을 통해 해석 모델에 용이하게 부여(기공성 흡음재의 물성치를 규명하기 위한 별도의 소프트웨어인 Foam-X와 연계 가능)할 수 있다. (4) 소음-진동 전달흐름 분석 수음점으로부터 음원까지의 소음-진동 에너지 흐름(SEA 모델링)을 분석하여 관심 주파수에 따른 용이한 소음 개선 대책이 가능하다. (5) 공력 구조음향 연성 해석 난류 등 유동으로 인한 발생한 소음원을 CFD 해석 결과의 변동표면압력으로부터 규명하고, 구조물과의 연성 해석을 통해 전달 소음 예측이 가능하다. (6) 접촉소음(래틀) 해석 부품 간의 상대 진동에 의한 발생한 접촉소음을 공차 분석, 접촉 빈도, 접촉력 해석, 방사소음 및 라우드니스 해석 등의 체계적인 모델링 과정이 제공된다. (7) 맞춤식 기능 개발 내재된 Script 작성 언어인 QuickScript나 외부의 Matlab 또는 Python 프로그램으로 VA One의 모든 기능을 사용할 수 있고, 이로부터 사용자 환경에 맞는 맞춤식 기능 개발이 가능하다. (8) 실내소음 및 외부 방사소음 해석 자동차, 철도차량, 건설기계, 선박, 항공기, 발사체 등의 복잡하고 큰 대상체의 실내소음 및 외부 방사소음을 다양한 해석 기법을 적용하여 해석할 수 있다. 주파수 대역에 따라 FEM, BEM, SEA, FEM-BEM 연성, FEM-SEA 연성 등을 유연하게 적용하여 소음을 효과적으로 예측할 수 있다. 특히, 고주파수 대역에서의 SEA 해석은 산업계 표준으로 사용되고 있다. (9) 부품의 음향성능 해석 주파수 대역에 따른 다양한 모델링을 통하여 부품의 투과손실, 방사효율 등의 음향성능을 효과적으로 해석할 수 있어, 반복 시험으로 인한 비용과 시간을 최소화하여 부품 개선에 큰 도움을 준다. (10) 흡차음재 최적화 다층 흡차음재 모델링을 통해 흡차음재에 의한 소음 개선 효과를 해석할 수 있으며, 최적화 기법을 통해 흡차음재의 개선 및 선정에 효과적으로 사용될 수 있다. (11) 동적 응력 해석 랜덤 진동을 받고 있는 구조물의 동적 응력 해석을 통해 피로 예측을 위한 입력 데이터를 제공해 준다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (6)   대규모 와류 시뮬레이션(LES)은 복잡성과 컴퓨팅 자원의 요구 등 제약이 극복되면서 유용한 난류 시뮬레이션 기술로 떠오르고 있다. 이번 호에서는 최신 수치 및 GPU 가속을 통해 LES 시뮬레이션을 더 저렴하고 쉽게 사용할 수 있는 케이던스의 피델리티 찰스(Fidelity CharLES) 솔루션에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT   모든 시스템의 공기역학 또는 유동장을 설계할 때 엔지니어는 난기류의 영향을 고려해야 한다. 전산 유체 역학(CFD)의 난류 모델을 사용하면 실제 시나리오에서 발생하는 유체 흐름의 혼란을 포함할 수 있다. 난류를 모델링하기 위해 레이놀즈-평균 나비에-스토크스(Reynolds-Averaged Navier-Stokes : RANS) 방정식이 널리 사용되어 왔으며 컴퓨팅 리소스가 제한되어 있을 때 선호된다. 그러나 이러한 시간 평균 방정식은 연소, 음향, 공기 역학 등과 같은 광범위한 애플리케이션에 필요한 정확도를 제공하지 못한다. 이러한 경우 대규모 와류 시뮬레이션(Large Eddy Simulation : LES)이 유용하다. 시뮬레이션의 복잡성과 대규모 컴퓨팅 요구 사항으로 인해 지난 40년 동안 대부분의 산업 분야에서 LES는 비실용적이었다. 하지만, 오늘날에는 최신 수치 및 GPU 가속을 통해 LES 시뮬레이션이 더 쉽게 접근 가능하고 저렴해졌다.   케이던스 캐스케이드 테크놀로지스의 LES 모델링 역사 1980년 케이던스 캐스케이드 테크놀로지스(Cadence Cascade Technology)의 창립자인 Parviz Moin은 난류 모델링에 관한 획기적인 연구를 수행했다. 당시에는 난기류를 실험적으로 조사하기 위한 수많은 연구가 진행 중이었다. <그림 1>은 경계층에서 수소 기포를 사용하여 수행한 실험을 보여준다. 이 실험은 난기류 속에서 아름답고 일관된, 그러나 혼란스러운 구조를 연구하기 위한 것이었다.   그림 1. 시뮬레이션 결과(Moin & Kim, 1981)(왼쪽)와 실험 결과(Kim, Klein & Reynolds, 1970)  (오른쪽)   Parviz와 그의 동료들은 1981년 미국 물리학회 컨퍼런스에서 NASA Ames 기지의 ILLIAC IV 15MFlops 컴퓨터로 계산한 시뮬레이션을 발표했다. 그 결과 나비에-스토크스 방정식을 시간에 따라 정확하게 예측하여 난기류의 역학과 통계를 모두 포착할 수 있다는 것을 보여주었다. 오늘날 고성능 컴퓨팅의 성능은 1980년 M플롭에서 2023년 1E플롭/s로 크게 발전했으며, 프론티어는 상위 500대 기업 중 선두를 달리고 있다. 최신 솔버 기술과 확장성을 바탕으로 자동차, 항공우주 및 기타 산업에서 충실도 높은 LES의 실제 적용이 증가하고 있다.   오늘날 LES를 가능하게 하는 기술 고충실도 LES의 실제 적용을 가능하게 하는 4가지 차별화 기술은 다음과 같다. 그리드 이산화(Grid Discretization) : 시간에 따라 달라지는 시뮬레이션에서 고품질의 상대적으로 등방성인 그리드의 중요성은 아무리 강조해도 지나치지 않다. 벽 근처에 약간의 이방성이 있으면 도움이 될 수 있지만, 그리드는 시뮬레이션 내내 일관된 품질을 유지해야 한다. 수치적 방법(Numerical Methods) : 강력하고 비선형적으로 안정적인 수치적 방법과 유동 물리학을 정확하게 표현하는 고급 물리 모델을 사용하는 것이 필수적이다. 데이터 분석(Data analytics) : 광범위한 데이터 세트를 생성하게 되므로 이 데이터를 빠르게 시각화하고 이해하는 것이 중요하다. GPU 가속(GPU Acceleration) : GPU에서만 실행되는 최신 CFD 솔버인 GPU 상주 솔버는 필요한 비용 효율적이고 높은 처리량의 시뮬레이션을 제공한다.   그림 2. 1990년부터 2023년까지 성능 개발 목록   수년 동안 LES 모델링의 철학은 저소산 수치 체계가 필요하다는 것이었다. 그러나 이러한 저손실 방식은 다중물리 애플리케이션과 복잡한 지오메트리에서 구축하기 어렵다. 높은 레이놀즈 수 흐름에서 실제 손실은 낮지만, 일반적인 CFD 코드의 수치 손실은 매우 높다. 하지만 피델리티 찰스 솔버(Fidelity CharLES Solver)를 사용하면 안정적인 저손실 수치 체계를 가질 수 있다. 메시 생성의 경우, 피델리티 찰스 솔버는 다양한 해상도의 영역과 그 사이의 전환을 가진 다면체 메시를 생성하는 메시 생성기를 사용한다. 이 메시는 특정 포인트 세트를 중심으로 생성된 3D 보로노이 다이어그램(Voronoi Diagram)이다. 이러한 점을 체계적으로 도입하면 높은 수준의 균일성을 가진 메시가 생성된다. 따라서 피델리티 찰스 솔버는 LES용 메시를 생성하는 데 편리하다.   ■ 상세한 기사 내용은 PDF로 제공됩니다.

  SW 소식 >   NextFOAM v24 공개 >   NextFOAM v24가 공개되었습니다. OpenFOAM ESI버전인 OpenFOAM v2212에서 수렴성 및 기능을 개선하였습니다. NextFOAM Github 페이지에 NextFOAM 24 소스 코드, 다운로드와 사용 방법을 업로드하였으니, 많은 관심 바랍니다. 다운로드 및 사용 방법은 (링크)를 참고하세요.   NextFOAM v24 Features pressure-velocity coupling 개선 velocity & density interpolation 개선 navier-stokes equation의 under-relaxation factor 의존성 개선 압력 구배항 이산화 방법 개선 비정상상태 솔버의 time step 의존성 개선 난류 모델의 생성항 선형화 방법 개선 CHT 솔버의 수렴 판정 기능 개발 porous media model 개선 MRF (Multi Reference Frame) 개선         BARAM Subscription 공개 >    BARAM의 기술지원이 필요하신 분들을 위해서 BARAM Subscription이 공개되었습니다. BARAM의 설치 지원, 기술 지원 뿐만 아니라 BARAM을 이용하여 User들이 원하는 해석 세팅 및 사용 방법, 교육 등을 지원해드립니다. BARAM을 이용해서 CFD 해석을 수행하고 싶지만 실무 적용에 어려움을 겪고 계신 분이라면 언제든지 도움을 받을 수 있습니다. 자세한 안내는 (링크)를 눌러 확인해주세요.   문의 : marketing@nextfoam.co.kr / 김동규 선임연구원           BARAM v24 공개 >   CFD for Everyone!! BARAM v24가 공개되었습니다. BARAM v24는 NextFOAM이 개발한 NextFOAM v24를 기반으로 GUI를 입힌 프로그램 패키지로 개발되었습니다. BARAM v24에는 어떤 기능이 추가됐는지 아래에서 함께 만나보시죠. (링크)를 누르시면 BARAM v24 안내 페이지로 이동합니다. baramFlow Porous media model의 수렴성 증가 모니터링 포인트의 위치 preview 기능 추가 Reference pressure cell을 이용하여 operating pressure location을 자동으로 지정 baramMesh Object preview 기능 추가 교육 소식 >   1월 CAE / AI 엔지니어를 위한HPC 교육 >   CAE / AI 엔지니어를 위한 HPC 교육 1월 CAE / AI 엔지니어를 위한 HPC 교육 일정을 안내드립니다. HPC 환경에서 OpenFOAM 수행 방법 및 병렬 AI 학습 방법 / HPC 구축 실습을 통해 HPC의 개념 이해 / 최적 성능을 도출할 수 있는 방안 및 효율적인 HPC 관리 방안을 목표로 교육이 진행됩니다. 일정 : 1월 31일 ~ 2월 1일 (링크)를 클릭하시면 1월 CAE/ AI 엔지니어를 위한 HPC 교육 내용을 확인하실 수 있습니다.         2월 코드 개발자 교육 >   코드 개발자 교육 2월 OpenFOAM 코드 개발자 교육 일정을 안내드립니다. 사용자 요구에 맞는 OpenFOAM customized solver를 개발하고자 하는 사용자들 대상으로 교육이 진행됩니다. OpenFOAM 사용자 교육을 듣고 OpenFOAM 사용법을 숙지하고 계신 분들에게 수강 권장드립니다. 일정 : 2월 21일 ~ 2월 23일 (링크)를 클릭하시면 2월 OpenFOAM 교육 내용을 확인하실 수 있습니다.           3월 OpenFOAM 사용자 교육 >    OpenFOAM 사용자 교육 3월 OpenFOAM 사용자 교육 일정을 안내드립니다. OpenFOAM 소개, 사용방법 및 예제 실습을 통해 사용자의 OpenFOAM 숙련도를 높일 수 있도록 도와드립니다. 일정 : 3월 20일 ~ 22일 (링크)를 클릭하시면 3월 OpenFOAM 사용자 교육 내용을 확인하실 수 있습니다.         3월 BARAM 사용자 교육 >   3월 BARAM 사용자 교육 3월 BARAM 사용자 교육 일정을 안내드립니다. CFD 기본 이론 및 BARAM 소개와 BARAM을 통한 격자 생성, CFD 예제 실습을 통해 현업에 BARAM 적용을 도와드립니다. 일정 : 3월 28일 ~ 3월 29일 (링크)를 클릭하시면 3월 BARAM 사용자 교육 내용을 확인하실 수 있습니다.         WHAT IS OPENFOAM? OpenFOAM은 오픈소스 CFD 소프트웨어이다. GNU GPL 라이센스를 사용하고 있어 누구나 자유롭게 사용이 가능하며 수정 및 재배포를 할 수 있다.   WHAT IS MESHLESS CFD? 질점격자 기반의 CFD해석 기법으로 FVM해석 기법의 보존성을 갖추고 있으며 전처리 작업시간을 획기적으로 줄일 수 있습니다.FAMUS는 무격자 기법의 CFD 해석 SW 입니다.   WHAT IS BARAM SERIES? BARAM은 넥스트폼이 개발한 OpenFOAM CFD 해석 프로그램입니다. 넥스트폼이 개발한 OpenFOAM Solver와 Utility를 GUI 기반으로 사용이 가능합니다.    

설계자를 위한 유동 해석 소프트웨어, SOLIDWORKS Flow Simulation   주요 CAE 소프트웨어 소개    ■ 개발 : Dassault Systèmes, www.solidworks.com/domain/simulation ■ 자료 제공 : 다쏘시스템코리아, 02-3270-7800, www.3ds.com/ko / 노드데이타, 02-595-4450, www.nodedata.com / 메이븐, 02-852-2555, www.swmaven.co.kr SOLIDWORKS(솔리드웍스) 사용자가 사용할 수 있는 SOLIDWORKS Flow Simulation은 설계 시 유체 유동 및 열전달 시뮬레이션 수행을 통해 제품의 성능을 향상하고 설계 통찰을 얻을 수 있는 포괄적인 유동 해석 기능을 제공한다.  CFD(Computational Fluid Dynamics)를 기반으로 해석을 수행하며 Add-in 형태로 제공되어, SOLIDWORKS CAD 모델을 SOLIDWORKS Flow Simulation 환경에서 그대로 활용할 수 있다. 따라서 CAD 모델 변경시 해석 모델이 자동으로 업데이트되는 장점을 지닌다. 제품 개발 시 설계와 해석을 동시에 진행하여야 하는 경우 합리적이고 효율적으로 업무를 진행할 수 있다. SOLIDWORKS Flow Simulation은 단일 파트로 구성된 지오메트리에서 어셈블리까지 모두 활용할 수 있으며 외부 유동, 내부 유동, 복합 열전달, 비뉴턴 유체, 자유수면 고려, 다공성 매체, 입자 스터디 등 다양한 해석 기법을 제공하며 정상 상태에서 비정상 상태 해석까지 수행할 수 있다. 다양한 난류 모델 및 내장되어 있는 유체 모델을 손쉽게 선택할 수 있도록 구성되어 있으며 ‘마법사’ 기능을 통해 까다로운 유동해석 조건을 손쉽게 부여할 수 있다. Electronics Cooling 및 HVAC 모듈을 추가할 경우 확장된 해석 기능 활용을 통해 전자제품 냉각 해석 및 HVAC 관련 해석을 수행할 수 있다.  SOLIDWORKS Flow Simulation은 지오메트리 변경에 따른 최적화 해석을 자동으로 수행하는 기능을 제공하는 등 해석에 국한하지 않고 설계 전반에 필요한 통찰을 제공한다. 해석 시 사용자가 보유한 모든 computing resource(Number of CPU Cores) 사용에 제약이 없으며, SOLIDWORKS Simulation 구조 해석에 필요한 정적 하중을 생성할 수 있다. 해석에 필요한 모델 생성의 경우 지오메트리 기반으로 자동 생성되며, 손쉽게 수정 및 관리할 수 있다.   좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기