[CAE 컨퍼런스 2024] 발표자료 다운로드 안내입니다. CAE 컨퍼런스 2024이 지난 11월 8일(금) 수원컨벤션센터에서 성황리에 개최됐습니다. 올해로 14회를 맞은 ‘CAE 컨퍼런스 2024’은 CAE 수요-공급업계 관계자를 위한 정보 교류의 장으로, ‘제6회 스마트 공장 구축 및 생산자동화전(SMATEC 2024)’과 동시 개최되었습니다. 이번 컨퍼런스에서는 현대오토에버, 금호타이어, 현대자동차, 현대모비스, LG전자, 헥사곤 매뉴팩처링 인텔리전스, 지멘스 디지털 인더스트리소프트웨어, 나니아랩스, 피도텍, 케이더블유티솔루션, HP 등 CAE 수요-공급기업이 대거 참여한 가운데, 국내 제조산업의 경쟁력 강화를 위한 CAE 활용 사례와 최신 CAE 관련 기술 트렌드, 그리고 CAE 기반의 스마트 공장 솔루션이 소개되어 많은 관심을 모았습니다.  CAE 컨퍼런스 2024 준비위원회 위원장을 맡은 KAIST 강남우 교수는 개회사를 통해 “사전 학습된 대규모 모델의 활용이 활발해지면서, AI로 할 수 있는 일이 무궁무진해지고 있는 것 같다. 한편으로 CAE와 제조 분야에서는 어떻게 AI를 활용해야 할 것인지에 대해 아직 의문점이 많다”면서, “최고 전문가들이 현장의 소리를 전하는 CAE 컨퍼런스 2024에서 이런 의문을 풀고 AI와 제조 혁신을 위한 인사이트와 아이디어를 얻을 수 있기를 바란다”고 전했습니다. [관련 기사]  [포커스] CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개 [포커스] CAE 컨퍼런스 2024 발표 내용 정리   [아젠다] CAE 컨퍼런스 2024 발표자료는 정보 제공에 동의한 자료만 제공됩니다. 아래 아젠다에 PDF 마크가 표시되어 있는 발표자료가 공개된 내용입니다.    [CAE 컨퍼런스 2024] 유료결제 완료 후, 발표자료 요청 이번 컨퍼런스에 참여하지 않았던 분들은 유료 결제 후에 발표자료를 다운로드 받으시기 바랍니다. 다만 홈페이지 다운로드 용량 제한으로 인하여 전체 자료를 다운로드 할 수 있게 하는데 제약이 있어 첨부한 파일에는 CAE 컨퍼런스 2024 가이드 파일만 올려 두었습니다. 결제완료 후 메일(cae@cadgraphics.co.kr)로 연락주시면 대용량 추가 자료를 별도로 보내드립니다. 홈페이지에서 직접 결제하는데 문제가 있다면 당사로 연락주시기 바랍니다.   메일 제목 :  [CAE 컨퍼런스 2024] 유료결제완료 발표자료 요청 내용 : 결제시 회원명 / 전화 / 이메일 메일 보낼 곳 : cae@cadgraphics.co.kr 문의 : CAE컨퍼런스사무국 (02-333-6900) [CAE 컨퍼런스 2024] 발표 제목 및 발표자 소개   00. [개회사] CAE 컨퍼런스 준비위원회 강남우 위원장(KAIST 교수) 01. [기조연설] 기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 ‘판타레이’ / 에스엔에이치 민태기 연구소장 02. [기조연설] AI/ML과 Digital Reality Platform을 통한 CAE 혁신 전략 / 헥사곤 매뉴팩처링 인텔리전스 전완호 본부장 휴식 03. [기조연설] SDV 체계 전환 및 차량SW 품질 경쟁력 강화 방안 / 현대오토에버 박경훈 실장 04. Low-code AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례 / 나니아랩스 강남우 대표 05. HP 3D 프린팅 자동화 솔루션이 주도하는 산업의 디지털 트랜스포메이션 / HP P3D 김태화 Manager 06. 최적설계 대중화를 위한 AADO 기술 소개 / 피도텍 최병열 연구위원 07. CAD(NX)와 CFD 융합을 통한 제품 설계 혁신 / 케이더블유티솔루션 변성준 이사 08. 가전 개발에서 CAE와 AI 활용 / LG전자 박우철 책임연구원 09. 휴식 제품개발과 검증의 가속화를 위한 Simcenter AI Solutions / 지멘스 디지털 인더스트리 소프트웨어 이종학 프로 10. [기조연설] 타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축 / 금호타이어 김기운 전무 11. 모빌리티 아키텍처 단계 타이어 시스템의 버추얼개발 프레임워크 / 현대자동차 김용대 글로벌R&D마스터 12. NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례 / 현대모비스 정원태 책임연구원     CAE컨퍼런스 2024 영상보기

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      ■ 같이 보기 : [포커스] CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개   이번 ‘CAE 컨퍼런스 2024’에서는 최신 CAE 기술 및 인공지능 기술의 흐름, 산업에서의 적용 사례 등이 소개됐다. 나니아랩스의 강남우 대표는 ‘로코드 AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례’ 발표를 통해, 제조 도메인 전문가가 설계안을 효과적으로 생성하고 예측하며 최적화하는 데에 도움을 줄 수 있는 로코드(low-code) AI 플랫폼인 AslanX에 대해 설명했다. AslanX는 사용자 친화적인 인터페이스를 제공하여 비전문가도 쉽게 활용할 수 있다는 점을 특징으로 내세운다. 실제 사례를 통해 AslanX의 유용성을 소개한 강남우 대표는 “로코드 AI 플랫폼은 복잡한 설계 과정을 간소화하여 제조업체가 빠르게 효율적인 설계안을 생산할 수 있도록 지원하고, 데이터 기반 예측 기능을 통해 기업이 설계 효율을 높이면서 잠재적인 위험 요소를 미리 발견해 더 나은 의사결정을 내릴 수 있도록 돕는다”고 전했다.   ▲ 나니아랩스 강남우 대표   HP의 김태화 P3D 매니저는 ‘HP 3D 프린팅 자동화 설루션이 주도하는 산업의 디지털 트랜스포메이션’이라는 주제 발표를 통해 “과거 3D 프린팅 기술은 주로 시제품 제작에 쓰였지만, 지금은 최종 부품 생산에도 점점 더 많이 활용되고 있으며 앞으로 그 비중이 더욱 커질 것”이라고 전망했다. 김태화 매니저는 이러한 변화에 대응하기 위해 HP의 젯 퓨전 5600(Jet Fusion 5600) 3D 프린터와 자동화 시스템을 소개했다. 젯 퓨전 5600은 생산 속도와 품질을 동시에 향상시키고, 고객 맞춤형 파라미터 조정 기능을 통해 다양한 요구를 충족시킬 수 있도록 설계되었다. 김태화 매니저는 “젯 퓨전 3D 프린터를 중심으로 한 자동화 시스템은 비용 절감과 생산성 향상을 지원하며, 고객 요구에 맞는 맞춤형 제조 환경을 제공한다”고 전했다.   ▲ HP 김태화 P3D 매니저   피도텍의 최병열 연구위원은 ‘최적설계 대중화를 위한 AADO 기술’을 소개했다. 최적설계의 개념을 ‘최소한의 자원으로 최대의 결과를 도출하는 과정’으로 설명한 최병열 연구위원은 최적 설계 기술의 필요성이 늘면서 많은 기업이 최적화 도구에 대한 필요성을 느끼고 있지만, 접근성을 높이는 것이 해결 과제라고 짚었다. 최병열 연구위원은 “기존 최적설계 기술의 복잡한 접근 방식을 간소화해 모든 엔지니어가 접근할 수 있도록 할 방법을 고민했다”면서, “그 결과 탄생한 AADO(AI Aided Design Optimization)는 AI와 데이터 분석, 비주얼라이제이션 기술을 결합해 최적 설계 도구의 혁신 방안을 제시하고, 이를 통해 엔지니어가 더 효율적으로 설계 문제를 해결할 수 있도록 돕는다”고 전했다.   ▲ 피도텍 최병열 연구위원   케이더블유티솔루션의 변성준 이사는 ‘CAD와 CFD 융합을 통한 제품 설계 혁신’ 발표에서 “CFD(전산 유체 역학)가 제품 설계 과정에서 필수 요소로 자리잡고 있으며, CAD와 CFD의 통합은 설계 시간 절약과 데이터 분석의 정확성을 높여 기업 경쟁력에 기여한다”고 설명했다. 변성준 이사가 소개한 SimericsMP for NX는 NX CAD에 통합된 유한 체적법(FVM) 기반의 CFD 소프트웨어로, CAD 환경에서 직접 CFD 해석을 빠르고 효율적으로 수행할 수 있도록 돕는다. 변성준 이사는 “SimericsMP for NX는 격자 생성 시간을 줄이고 정확도를 높이면서, 복잡한 형상에서 해석의 일관성을 유지하는 것이 특징”이라고 소개했다.   ▲ 케이더블유티솔루션 변성준 이사   LG전자의 박우철 책임연구원은 ‘가전 개발에서 CAE와 AI 활용’에 대해 발표를 진행했다. LG전자는 제품 개발 프로세스에서 동역학 해석과 진동 해석을 통해 제품의 품질을 확보하고, 극한 시나리오에 품질을 검증하는 등에 CAE를 활용하고 있다. “머신러닝은 이점과 함께 실행 과정의 복잡성도 갖고 있다”고 짚은 박우철 책임연구원은 “AI의 적용 가능성을 높이기 위해 설계와 생산 과정에서 신뢰성 있는 데이터를 확보하고, 해석 결과의 일관성을 확보할 방법을 고민해야 한다”고 전했다. 또한 AI를 도입하는 과정에서 초기 투자 비용, 데이터 확장성, 전문 인력의 확보 등을 고려할 필요가 있다고 덧붙였다.   ▲ LG전자 박우철 책임연구원   지멘스 디지털 인더스트리 소프트웨어의 이종학 프로는 ‘제품 개발과 검증의 가속화를 위한 심센터 AI 설루션’에 대해 발표했다. 이종학 프로는 “AI 기술을 활용한 자동화 설루션은 제품 설계와 실험 과정에서 시간을 단축하고 효율성을 높일 수 있다”고 전했다. 지멘스의 시뮬레이션 포트폴리오인 심센터(Simcenter) 내에 탑재된 AI 기능을 소개한 이종학 프로는 “반복적인 작업의 자동화를 구현하기 위해서는 제품 개발 프로세스의 단계에서 사용할 데이터의 수집 및 흐름을 체계적으로 구성해야 한다. 또한 AI 모델을 활용해 최적의 디자인을 찾는 과정에서 최적화 알고리즘을 적용해 반복 작업을 효율적으로 관리하고, 그 결과에서 유의미한 인사이트를 도출하는 과정이 중요하다”고 전했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 이종학 프로   현대자동차의 김용대 글로벌R&D마스터는 ‘모빌리티 아키텍처 단계 타이어 시스템의 버추얼 개발 프레임워크’에 대해 소개했다. 전기차 타이어의 경우, 배터리와 차량의 무게가 늘어남에 따라 스트레스 및 성능에 있어 새로운 요구사항이 발생한다. 이에 대응해 타이어의 재설계가 필요한데, 김용대 마스터는 “초기 개발 단계에서 가상 모델을 기반으로 하는 새로운 방식이 필요하며, 이를 통해 실물 타이어에 의존하는 전통적인 접근에서 벗어나는 것도 고민해야 한다”고 말했다. 김용대 마스터는 “다양한 미래 모빌리티 환경에 적응하기 위해 시스템 엔지니어링 관점을 통합할 필요성이 있다”면서, “데이터 기반 의사결정을 통해 협력사와의 관계를 더욱 견고히 하고, 통합된 시스템으로 전환해 타이어 및 완성차 개발의 완성도를 높여야 할 것”이라고 덧붙였다.   ▲ 현대자동차 김용대 글로벌R&D마스터   현대모비스의 정원태 책임연구원은 ‘NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례’ 발표를 통해 “기술의 발전이 CAE의 변화와 새로운 접근 방식을 요구하고 있다”면서, 데이터 중심의 AI 및 머신러닝의 활용 가능성과 함께 도전 과제를 극복하기 위한 방법론을 소개했다. 전기차의 복합 시스템 모델링 방법과 자유도 문제 해결, 모달 모델을 통한 복잡한 시스템의 간소화, 머신러닝 기법을 활용한 모터의 품질 예측 등 사례를 소개한 정원태 책임연구원은 “고전적 방법론과 AI, 머신러닝 기술의 결합은 더 빠르고 정확한 모델링을 가능케 하며, 디지털 트윈 기술은 복잡한 엔지니어링 문제를 해결하는 데에 도움을 준다”면서, 모델링과 데이터에 대한 깊은 이해를 바탕으로 효과적인 문제 해결을 위해 꾸준히 고민할 것을 당부했다.   ▲ 현대모비스 정원태 책임연구원

AI(인공지능)와 CAE(Computer Aided Engineering)가 만난다. 국내 제조업 혁신을 이끄는 ‘CAE 컨퍼런스 2024’가 오는 11월 8일 수원컨벤션센터에서 열린다. 이번 콘퍼런스는 ‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 다양한 업계 전문가들이 참여해 최신 기술 동향과 활용 사례를 공유한다. CAE는 컴퓨터를 활용한 시뮬레이션 기법으로, 제품 개발부터 생산 효율화까지 중요한 역할을 한다. 올해로 14회째를 맞는 CAE 컨퍼런스는 캐드앤그래픽스가 주최하고, KAIST 강남우 교수가 이끄는 CAE 컨퍼런스 준비위원회가 주관한다. 콘퍼런스와 함께 개최되는 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회에서는 관련 산업의 최신 트렌드를 직접 만나볼 수 있다. 기술 분야에서 디지털 트윈과 디지털 전환 기술은 확산되고 있다. 특히 CAE 기반 시뮬레이션 기술은 디지털 트윈 구현과 디지털 전환에 중요한 역할을 하고 있다. 여기에 AI(인공지능) 기술이 시뮬레이션과 결합하면서 새로운 가능성을 제시하고 있다.     이번 콘퍼런스에서는 다양한 기업과 기관의 전문가들이 AI와 CAE의 융합을 통한 제조 혁신 사례를 발표한다. 에스엔에이치 민태기 연구소장은 ‘기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 판타레이’를 주제로, 산업 내 경계를 넘나드는 학문과 기술의 융합에 대해 소개할 예정이다. 헥사곤 매뉴팩처링 인텔리전스 전완호 본부장은 ‘AI/ML과 디지털 리얼리티 플랫폼을 통한 CAE 혁신 전략’을 주제로, 헥사곤 MI의 디지털 리얼리티 플랫폼인 넥서스(Nexus)와 AI/ML 플랫폼인 오디세이(ODYSSEE)를 통한 CAE 혁신 전략과 디지털 트윈의 실무 적용 방안에 대해 제시한다. 현대오토에버 박경훈 실장은 최근 변화하고 있는 자동차 산업의 화두인 SDV(소프트웨어 정의 자동차)와 관련된 내용으로 ‘SDV 체계 전환 및 차량SW 품질 경쟁력 강화 방안’에 대해 소개한다. 금호타이어 김기운 전무는 ‘타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축’을 주제로 제품 개발 프로세스의 혁신을 통해 개발 기간 단축과 성능 향상, 개발 비용 절감을 달성한 사례에 대해 소개한다. LG전자 박우철 책임연구원은 ‘가전 개발에서 CAE와 AI 활용’을 주제로, 가전 개발에서 CAE 활용을 비롯해 기존 업무에 AI를 적용한 사례와 한계는 무엇인지에 대해 소개한다. 또한, 생성형 AI를 이용한 부품 개발 활용과 Asm CAD를 이용한 구조해석 AI 예측에 대해서도 설명한다. 나니아랩스 강남우 대표는 ‘Low-code AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례’라는 제목으로, 설계안을 쉽고 빠르게 생성, 예측하고 최적화할 수 있는 로코드 AI 플랫폼 ‘AslanX’(아슬란엑스)에 대해 소개한다. HP 김태화 매니저는 ‘HP 3D 프린팅 자동화 설루션이 주도하는 산업의 디지털 트랜스포메이션’을 주제로, 3D 프린팅 자동화 설루션을 활용한 산업 디지털 전환 성과를 발표하며, 맞춤형 대량생산을 통한 생산 속도와 효율성 향상을 강조한다. 피도텍 최병열 연구위원은 ‘최적설계 대중화를 위한 AADO 기술 소개’를 주제로, 최적설계 비전문가에게 전문가 수준의 최적설계 인사이트를 제공하기 위한 OOTB(Out Of The Box) 방식의 베스트 프랙티스 최적설계 프로세스와 AADO(자동 분석 및 설계 최적화) 기술 및 활용 사례에 대해 소개한다. 지멘스 디지털 인더스트리 소프트웨어 이종학 프로는 ‘제품개발과 검증의 가속화를 위한 Simcenter AI Solutions’을 주제로, 지멘스 심센터(Simcenter) 설루션을 사용하여 유연한 워크플로 구성과 자동화 실행을 기반으로 다양한 분석작업의 효율을 높이고 의미있는 결과를 빠르게 도출할 수 있는 AI 설루션을 소개한다. 케이더블유티솔루션 변성준 이사는 ‘CAD(NX)와 CFD 융합을 통한 제품 설계 혁신’을 주제로 NX CAD와 CFD를 융합한 설계 혁신 사례를 발표하며, 제품 설계자가 직접 해석 작업을 수행할 수 있는 간편한 설루션을 소개한다. 현대모비스 정원태 책임연구원은 ‘NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례’를 주제로, NVH(소음 진동) 분야에서 서브스트럭처링(Substructuring), 시험/해석 하이브리드, 멀티피직스(Multiphysics), AI, 디지털 트윈 등을 통합해, 시스템 단위의 효율적이고 정확도를 높이기 위한 해석 사례를 소개한다. CAE 컨퍼런스 준비위원회 강남우 위원장(KAIST 교수)은 “제조 분야에 생성형 AI가 도입되면서 디지털 트윈과 연계한 최적화로 지속가능한 환경을 구축하는데 일조하고 있다”면서, 이번 CAE 컨퍼런스에서는 ‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로, 국내 제조사의 도약과 발전을 위한 AI와 CAE 융합에 대한 최신 기술과 이를 활용한 설루션, 그리고 실제 활용 사례 등이 소개될 예정이다. 많은 관심과 참여를 부탁드린다”고 말했다. 이번 콘퍼런스에는 현대자동차, 현대모비스, 현대오토에버, LG전자, 금호타이어 등 CAE를 적극 활용하고 있는 제조업체를 비롯해 헥사곤 매뉴팩처링 인텔리전스, 지멘스 디지털 인더스트리 소프트웨어, 나니아랩스, HP, 피도텍, 케이더블유티솔루션 등 CAE 설루션 제공 업체들이 참여한다. 이들은 CAE 분야의 새로운 기술 개발 현황과 트렌드 변화, 그리고 다양한 활용사례에 대해 소개할 예정이다. CAE 컨퍼런스 2024는 ‘제6회 스마트공장구축 및 생산자동화전(SMATEC 2024)’ 전시회와 동시에 개최된다. 이번 CAE 컨퍼런스와 연계되어 있는 전시회에서도 다양한 CAE 관련 설루션들을 접할 수 있다. CAE 컨퍼런스 2024 사전등록은 CAE 컨퍼런스 홈페이지에서 가능하다. 한편, 10월 21일 오후 4시에는 캐드앤그래픽스 지식방송 CNG TV에서 ‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로, CAE 컨퍼런스 2024 프리뷰 방송이 진행됐다. 이날 방송에서는 한양대학교 오재응 명예교수, LG전자 김예용 연구위원, 이즈파크 김건형 상무가 출연해 CAE와 AI의 미래 방향성에 대해 소개했다. 또한 가상제품개발에서 초기 콘셉트 설계를 담당하는 1D CAE를 활용한 MBD(모델 기반 설계)와 함께 디지털 트윈과 AI의 접목으로 변화해 나가는 시뮬레이션 기술 트렌드에 대해 소개해 관심을 모았다.

CAE 컨퍼런스 2024 내용이 보이지 않으면 여기를 클릭하세요!     CAE 컨퍼런스 2024 아젠다 - AI와 CAE 융합을 통한 차세대 제조 혁신 전략 [인사말] CAE컨퍼런스 준비위원회 / 강남우 위원장(KAIST 교수) [기조연설] 기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 '판타레이' / 에스엔에이치 민태기 연구소장 [기조연설] AI/ML과 Digital Reality Platform을 통한 CAE 혁신 전략 / 헥사곤 매뉴팩처링 인텔리전스 전완호 본부장  [기조연설] SDV 체계 전환 및 차량SW 품질 경쟁력 강화 방안 / 현대오토에버 박경훈 실장 Low-code AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례 / 나니아랩스 강남우 대표 HP 3D 프린팅 자동화 솔루션이 주도하는 산업의 디지털 트랜스포메이션 / HP 김태화 P3D Manager    " 최적설계 대중화를 위한 AADO 기술 소개 / 피도텍 최병열 연구위원 CAD(NX)와 CFD 융합을 통한 제품 설계 혁신 / KWT Solution 변성준 이사 가전 개발에서 CAE와 AI 활용 / LG전자 박우철 책임연구원     제품개발과 검증의 가속화를 위한 Simcenter AI Solutions /  지멘스 이종학 프로 [기조연설] 타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축 / 금호타이어 김기운 전무 모빌리티 아키텍처 단계 타이어 시스템의 버추얼개발 프레임워크 / 현대자동차 김용대 글로벌R&D마스터     NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례 / 현대모비스 정원태 책임연구원     폐회사(캐드앤그래픽스 최경화국장) & 경품 추첨  

최적설계 소프트웨어, PIAnO   주요 CAE 소프트웨어 소개   ■ 개발 및 자료 제공 : 피도텍, 02-2295-3984, www.pidotech.com PIAnO(Process Integration, Automation and Optimization, 피아노)는 시뮬레이션을 통해 실시간으로 획득할 수 있는 엔지니어링 데이터 또는 이미 존재하는 데이터를 기반으로 해당 제품의 최적화된 설계안을 도출한다. 이를 통해 제품개발 과정에서 설계비용 절감, 제품의 성능 및 품질 향상을 실현하여 제품의 최대 가치를 이끌어낼 수 있다. 최근에는 자사의 인공지능 플랫폼 Bruce를 기반으로 개발된 다양한 의사결정 도구들을 지속적으로 탑재하는 중이다.  PIAnO는 데이터가 제공될 수 있는 모든 엔지니어링 분야에서 활용될 수 있으며, 제품 및 공정설계뿐 아니라 최적의 파라미터 선정에 대한 의사결정이 필요한 그 어떤 곳에서도 혁신적 가치를 제공할 수 있다. 1. 주요 특징  (1) 필요한 작업 별 최적의 접근성과 사용성 그리고 시너지 효과 PIAnO는 4개의 독립 애플리케이션(Composer, Reviewer, Sampler, Metamodeler)들로 구성되어 있어 사용자가 원하는 작업에 최적화된 접근성 및 사용성을 제공하며, 필요에 따라 유기적으로 연동될 수 있어 높은 시너지를 발휘할 수 있다. (2) 효율성을 강조한 실용적인 최적화 기법 고비용 시뮬레이션 데이터를 이용하는 최적화 과정을 위해서, 비용을 최소화하면서 최적 설계안을 탐색할 수 있는 효율적인 기법들을 제공한다.  (3) 불확실성 평가와 확률 민감도 해석 불확실성을 고려한 설계 최적화를 수행하기 위해서 필요한, 효율적인 불확실성 평가 기법(eDR) 및 확률 민감도 해석(PSA) 기법을 제공한다. (4) 실험계획을 위한 도구 Sampler Sampler는 실험계획을 위한 독립 애플리케이션이다. 전통적인 기법뿐 아니라 공간 충진을 위한 특별한 기법들도 제공하며, 문제에 맞는 기법을 자동 선택해 주는 도구도 포함되어 있다. (5) 인공지능 기반 고급 메타모델링을 위한 Metamodeler Metamodeler는 메타모델링을 위한 독립 애플리케이션이다. 전통적으로 사용되어 왔던 다양한 종류의 메타모델 이외에도 최신의 머신러닝 기법들이 포함되어 있다. 또한 자사의 인공지능 플랫폼 Bruce를 기반으로 개발된 메타모델 자동선정 도구인 BruceMentor가 데이터에 맞는 최적의 메타모델을 추천할 수 있다. (6) 데이터 기반 설계공간 탐색 및 분석을 위한 Reviewer Reviewer는 Composer를 통해 구성된 다양한 스터디들의 실행 결과 데이터들을 목적에 맞게 특화된 기능들을 이용하여 분석하는 독립 애플리케이션이다. 또한 Reviewer는 주어진 데이터들을 이용하여 설계 최적화를 위한 공간 탐색 및 시각화를 수행할 수 있으며, 전역 주요변수 탐색을 위한 인공지능 기반 스마트 스크리닝 도구도 제공한다.   좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

앤시스 워크벤치를 활용한 해석 성공 사례   최근, 다양한 실험 및 해석에서 축적된 데이터와 인공지능 기술의 발전으로 데이터 기반 설계(Data-Driven Design)가 활성화되고 있다. 특히 해석 데이터를 기반으로 한 메타모델은 빠른 예측 속도의 장점을 이용해 반복적인 예측이 요구되는 최적 설계와 실시간 예측이 필요한 디지털 트윈 분야에서 주로 사용되며, 부품과 시스템의 통합 최적설계나 생산 품질 관리와 같은 다양한 분야로 활용 범위가 확장되고 있다. 이번 호에서는 간단한 사례를 통해 데이터 기반 설계에서 활용되는 딥러닝 기술과 해석 데이터를 이용한 메타모델을 소개한다. 그리고 딥러닝 프로그래밍 작업 없이 해석 데이터 기반 메타모델을 쉽게 생성할 수 있는 다양한 환경과 제작 방법부터, 생성된 메타모델을 다양한 환경에서 효율적으로 사용하기 위해 FMI(Functional Mock-up Interface) 기술로 제작하는 FMU(Functional Mock-up Unit)의 생성 및 사용법까지 다루도록 하겠다.   ■ 권기태 태성에스엔이의 EBU_LF팀 수석매니저로 해석자동화 업무 및 기술지원을 담당하고 있다. 이메일 | gtkweon@tsne.co.kr 홈페이지 | www.tsne.co.kr   메타모델이란 우선, 메타모델의 정의와 활용에 대해 짚고 넘어가보자. 메타모델(metamodel)은 ‘모델의 모델’이라는 의미로, 복잡한 모델을 간소화하여 설명하거나 정의하는데 사용된다. 근사방법(approximation method)을 사용해 원래의 모델을 재모델링함으로써 만들어지는 간결한 형태의 모델을 의미한다. 이러한 메타모델의 정의나 활용은 적용되는 분야에 따라 다르게 사용된다. 우선 기계학습의 메타모델은 다른 기계학습 모델을 이해, 분석, 또는 간략하게 표현하기 위한 목적으로 사용되며, 소프트웨어 엔지니어링 분야에서는 UML을 통해 시스템의 구조와 속성을 추상화하고 표준화하는데 사용된다. 시뮬레이션 및 최적화 분야의 메타모델은 복잡한 시뮬레이션 모델이나 실제 세계의 시스템을 간단한 수학적 모델로 대체하며, 이를 통해 저렴한 비용과 짧은 시간 안에 다양한 시나리오 탐색이나 최적의 해를 찾는 데 활용된다. 시뮬레이션 및 최적화 분야에서도 메타모델은 목적이나 관점에 따라 여러 용어로 불린다. 가장 먼저, 복잡하거나 계산에 많은 비용이 소요되는 모델, 또는 실제 실험을 단순하고 효율적인 형태로 근사화한 모델이란 의미의 대리자 모델(surrogate model)이 있다. 더불어 고차원이나 복잡한 시스템의 동적 거동을 낮은 차원이나 작은 수의 변수를 사용하여 효과적으로 근사화하는 방식의 ROM(Reduced-Order Modeling)이 있다. 또한 데이터를 사용하여 복잡한 시스템의 응답을 모델링하고 최적화하기 위한 통계적 방법이란 의미의 RSM(Response Surface Model)과 최적화 프로그램 안에서 시간이 많이 소요되는 CAE 시뮬레이션을 대신하여 사용되는 대리자 모델인 MOP(Meta-Model of Optimal Prognosis)란 용어도 사용되고 있다.   해석 데이터 기반 메타모델 컴퓨터 하드웨어의 발전과 함께 공학 설계 기술은 실험 중심의 설계에서 시뮬레이션 기반의 설계로 급속도로 전환되었다. 더욱이, 최근에는 실험과 해석에서 축적된 데이터와 인공지능 기술의 발전으로 데이터 기반 설계가 활성화되는 만큼, 데이터 기반 설계에서 사용되는 데이터 기반 메타모델의 중요성도 같이 증가하고 있다. 메타모델은 복잡한 시스템이나 모델을 간단히 표현하기 위해 확보된 데이터를 수학적 기법이나 인공지능 기술로 처리하여 제작한다. 특히, 인공지능과 시뮬레이션 기술의 발전으로 해석 데이터를 활용한 딥러닝 기반의 메타모델이 주목을 받고 있다. 해석 데이터는 측정 데이터와 비교해 입력과 출력 데이터의 노이즈가 적고, 스크립트 자동화를 이용해 원하는 조건으로 데이터를 쉽게 확보할 수 있다는 장점이 있다. 딥러닝 기술을 이용한 메타모델은 복잡한 수학적 지식 없이 구현이 가능하며, 파이썬(Python) 환경에서 작업하기 때문에 파이썬의 강력한 기능을 효과적으로 활용할 수 있다.   메타모델의 활용 해석 데이터를 활용한 메타모델은 빠른 예측 속도의 장점을 활용하여 반복적이거나 실시간 예측이 필요한 분야에서 주로 사용된다. 그러나 해당 메타모델은 해석 데이터를 생성할 때 사용된 변수로만 입력 값이 제한되기 때문에, 설계인자가 고정된 상황에서만 적합하다는 단점이 있다. 이러한 메타모델의 장단점을 고려하여 활용 가능한 분야를 도출하면 <그림 1>과 같다. 설계 최적화 및 민감도 분석 : 반복적으로 사용되는 빠른 예측 복잡한 시스템의 최적설계 : 요소부품과 시스템의 통합적 최적설계에서 부품 메타모델 생산 품질 관리 : 설계가 확정된 후 생산 과정의 변동 관리 디지털 트윈 : 설비의 운용 효율을 최적화하기 위해 실시간 예측   그림 1. 디지털 엔지니어링의 구성 요소   ■ 자세한 기사 내용은 PDF로 제공됩니다.