개발 및 공급 : 태성에스엔이 주요 특징 : 확률적 머신러닝 알고리즘 접근 방식 사용, 기존 데이터 활용 또는 새로운 데이터 수집 계획으로 샘플과 자원의 효율적 관리, 전문가의 도움 없이도 확률적 머신러닝 작업 수행, 2D 및 3D FEM/CFD 등 다양한 형상과 데이터 형식 학습 가능, 실제 실험 데이터와 시뮬레이션 데이터의 유연한 처리 등   ▲ DIM-GP 알고리즘   Stochos(스토코스)는 딥러닝(DL)과 가우시안 프로세스(GP)를 독창적으로 결합하여 각 알고리즘의 장점을 최대화하고 단점을 최소화한 혁신적인 머신러닝 솔루션(DIM-GP : Deep infinite mixture of Gaussian Processes)을 제공한다. 기존 머신러닝 기업이 주로 딥러닝에 의존해 많은 하이퍼 파라미터 튜닝을 요구하는 것과 달리, 하이퍼 파라미터 훈련이 전혀 필요하지 않다. 또한 온프레미스(on-premise) 방식으로 학습 및 응용 시에 사내에서 안전하게 처리 및 보관할 수 있어 보안이 강화되며, 비용과 자원이 많이 드는 클라우드 컴퓨팅 솔루션이 요구되지 않는다.  낮은 하드웨어 요구 사항으로 빠른 AI 모델 구축 가능(클라우드 필요 없음) 하이퍼 파라미터 설정 불필요(AI 전문 지식 필요 없음) 다양한 형태의 데이터 사용 가능(1D/2D/3D, 이미지, 실험 데이터, 정해석, 과도해석 등) CAE 해석 프로그램의 종류에 무관하게 적용 가능 적은 데이터 수로 높은 정확도 구현 자동 노이즈 처리 데이터는 고객에게 보관됨 Stochos는 지도 학습, 비지도 학습, 강화 학습의 세 가지 유형의 머신러닝을 모두 지원한다. 지도 학습에서는 시뮬레이션 솔버를 대체하고 최적화를 수행하는 데에 유용하다. 비지도 학습의 예로는 모델이 센서 데이터에서 이상을 분석하는 예측 유지보수 작업이 있다. 강화 학습 작업은 로봇 공학이나 자율주행과 같은 실시간 제어 작업을 모두 포괄한다. 이 소프트웨어는 CPU, GPU, 마이크로 컨트롤러 등 다양한 하드웨어 플랫폼에서 작동하여 실시간 응답을 제공할 수 있다.   2D 유동 과도 해석, 사용 샘플 5개 변수 : 받음각 엔비디아 4090 GPU, 학습 시간 14분 1 CPU(8 코어), 학습 시간 32분   3D 고주파 해석, 사용 샘플 37개 변수 : 안테나 위치 엔비디아 4090 GPU, 학습 시간 7초, CPU  학습 시간 10초   3D 과도 충돌 해석, 사용 샘플 32개 변수 : 판재 두께 엔비디아 4090 GPU, 학습 시간 21초   3D 열유동 해석, 사용 샘플 34개 변수 : 냉각채널 형상 엔비디아 4090 GPU, 학습 시간 6시간   또한, Stochos의 AI 라이브러를 이용해 업체 맞춤형 AI 제작 프로그램을 만들어, 해석 및 분석 작업의 효율을 최대화할 수 있다.    ▲ Stochos 라이브러리를 이용한 맞춤형 AI 프로그램 제작     ■ 기사 내용은 PDF로도 제공됩니다.

#몰드플로우 #태성에스엔이 #오토데스크 내용이 보이지 않으면 여기를 클릭하시기 바랍니다.

앤시스 워크벤치를 활용한 해석 성공사례   ASME BPVC, Section-VIII, Division-2, Part 5는 해석을 통한 설계 요구사항에 대해 설명하고 있다. 이 중에서 5.4 Protection Against Collapse From Buckling은 좌굴 해석에 대해 설명하고 있는데, 2023년판부터 좌굴 해석의 내용을 좀 더 상세하게 설명하고 평가 방법도 변경되었다.  이번 호에서는 2021년판과 2023년판에서 설명하고 있는 선형 좌굴 해석 방법을 알아보고, 예제를 통해 하중계수 및 관련 요소들을 산출하는 방법에 대해 이해하고자 한다.    ■ 정준영 태성에스엔이 MBU-M5팀의 수석매니저로 구조 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   ASME(American Society of Mechanical Engineers)는 미국 기계 학회의 약칭으로, 기계에 관한 표준 정립, 보일러 및 압력 용기의 설계, 제작, 검사에 관한 기술 기준을 제시하고 있다. ASME 규격은 1900년대 초까지 많은 보일러 사고에 의해 수 많은 인명 피해가 발생함에 따라, 보일러에 대한 안정성 확보가 필요하다는 관점에서 정립되어 설계에 대한 지침을 제공하고 있다. 그 중에서 Section-VIII-2, 5.4 항에 설명된 좌굴 해석은 2021년판까지 세 가지 타입으로 구분하여 설명하고 있었으나, 2023년판부터 개정되어 두 가지(A-탄성, B-소성) 방법을 제시하고 있다.    그림 1. ASME BPVC-VIII-2-2023   지금부터 2021년판 타입-1과 2023년판부터 개정된 방법-A에 설명된 선형 좌굴 해석 방법에 대해 소개한다.   ASME-VIII-2, 2021 Edition, 5.4.1.2 구조 안정성 평가에 사용되는 설계 계수(design factor)는 수행된 좌굴 해석 유형에 기반한다. 좌굴 하중이 수치 해석(분기 좌굴 해석 또는 탄소성 붕괴 해석)을 통해 결정될 때, 셸 부재에 적용하기 위한 최소 설계 계수는 다음의 세 가지 유형으로 정의한다.    TYPE-1 : Elastic Stress Analysis without Geometric Nonlinearities in the Solution(Minimum Design Factor, ΦB=2/βcr)  구성 요소의 전하중(prestress)을 결정하기 위해 솔루션에서 기하학적 비선형성 없이 탄성 응력을 이용하여 분기 좌굴 해석을 수행하는 경우 최소 설계 계수 ΦB=2/βcr을 사용해야 하며, 다음 의 βcr 계수에 대한 사용 값을 제시하고 있다.  The Capacity Reduction Factors, βcr   For unstiffened or ring stiffened cylinders and cones under axial compression    For unstiffened and ring stiffened cylinders and cones under external pressure    For spherical shells and spherical, torispherical, elliptical heads under external pressure    앞의 내용에서는 ASME-VIII-2, Table 5.3의 설계 하중 조합 (1)~(9)를 바탕으로 부품의 전하중을 설정한다.(그림 2)    그림 2. Load Case Combination and Allowable Stresses for an Elastic Analysis    <그림 2>에 있는 Table 5.3의 파라미터는 <그림 3>의 ASME-VIII-2 Table 5.2를 참고한다.   TYPE-2 : Elastic-Plastic Analysis with the Effects of Nonlinear Geometry in the Solution(ΦB=1.667/βcr) 부품의 전하중을 결정하기 위해 솔루션에서 비선형 형상의 영향을 받는 탄소성 응력을 사용하여 분기 좌굴 해석을 수행하는 경우, 최소 설계 계수 ΦB=1.667/βcr를 사용하며 <그림 2>의 설계 하중 조합 (1)~(9)를 바탕으로 부품의 전하중을 설정한다.   그림 3. Load Combination Parameters     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디스커버리 익스플로어 스테이지의 유동해석 주요 업데이트 및 활용법   앤시스 디스커버리(Ansys Discovery)는 설계부터 해석까지 하나의 환경 안에서 진행할 수 있는 앤시스의 시뮬레이션 프로그램이다. 해석 과정 중 하나인 익스플로어 모드(Explore mode)에서는 격자를 생성하지 않고 다른 해석 전문 프로그램에 비해 경계 조건 설정 및 사용법이 간단하여 유동, 구조 해석에 익숙하지 않은 설계 엔지니어들이 많이 사용하고 있다. 이번 호에서는 디스커버리를 이용하여 유동해석을 진행하려 할 때, 설계자 관점에서 디스커버리가 활용할 수 있는 방법과 디스커버리의 주요 신규 기능에 대하여 소개하겠다.   ■ 김현재 태성에스엔이 FBU-F4팀에서 근무하고 있으며, 유동해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   설계자를 위한 해석 프로그램 디스커버리는 하나의 프로그램으로 설계부터 해석까지 모든 과정을 진행할 수 있는 프로그램이다. Model(3D 모델링), Explore(해석), Refine(해석) 등 총 세 가지의 스테이지(작업 환경)를 지원하며, 사용자는 그 목적에 따라 스테이지를 선택하며 작업을 수행할 수 있다. 익스플로어(Explore) 스테이지에서는 별도의 격자 생성 없이 경계조건과 물성치 입력만으로도 해석을 진행할 수 있다. 리파인(Refine) 스테이지에서는 Pro 레벨(Mechanical, CFD, Electromagnetics)의 라이선스가 추가로 필요하며, 정확한 결과를 얻기 위하여 격자를 생성하여 해석을 진행하게 된다.  이때, 유동해석에 익숙하지 않은 사용자(설계 엔지니어)라면 익스플로어 스테이지, 리파인 스테이지 관계 없이 내/외부 유동장 추출을 진행하기 위해 3D 모델링을 클린업(clean up)하는 단계부터 어려움을 겪게 된다. 디스커버리는 설계자를 위한 프로그램답게 이러한 어려움을 인지하고 있으며, 통합 프로그램 출시 이후 지속적인 기능 업데이트를 통하여 사용자의 편의성을 개선하고 있다.  디스커버리는 앞서 소개한 것과 같이 설계자도 쉽게 사용할 수 있도록 새로운 버전에서 업그레이드도 지속적으로 이루어지고 있다. 설계 엔지니어가 디스커버리를 이용할 시 설계자 관점에서 디스커버리를 활용할 수 있는 방법과 디스커버리를 이용하여 유동해석 시 사용할 수 있는 주요 신규 기능에 대해 소개하겠다. 설계 엔지니어가 디스커버리를 활용할 수 있는 방법은 <그림 1>에서 확인할 수 있으며, 다음과 같다.   그림 1. 설계 엔지니어 디스커버리 활용 방법   그림 2. Discovery Engineering notebook   Ribbon → Detail 탭에 위치한 엔지니어링 노트북(Engineering notebook)을 이용하여 작업한 모델을 도면화할 수 있다. 생산자에게 단순한 설계 도면, 물성치와 최대 하중량과 같은 단편적인 정보를 전달하는 것이 아니라, 익스플로어 모드의 해석 결과를 바탕으로 컨투어(contour)를 생성한 뒤 신(scene)으로 저장하여 도면 내(Engineering notebook) 디스커버리 해석의 결과값을 포함할 수 있다.   그림 3. 리파인 모드 및 Transfer to Fluent 기능   설계 엔지니어가 디스커버리를 이용하여 익스플로어 스테이지에서 해석을 진행하였다면, 이후 해석 엔지니어는 제공받은 디스커버리 파일을 토대로 리파인 모드(Refine mode)에서 해석을 하거나 Transfer to Fluent 기능을 이용하여 해석한 경계조건 및 물성치를 플루언트(Fluent)로 트랜스퍼(transfer)할 수 있다. 플루언트로 트랜스퍼할 때 리전(region)이 2개 이상인 경우에는 메시 인터페이스(mesh interface) 처리가 되어 해석이 진행되기 때문에, 플루언트로 정보를 이관받은 뒤에는 반드시 검토가 필요하다.   그림 4. Ansys Cloud with Discovery   앤시스 클라우드(Ansys Cloud)를 이용하며 디스커버리를 사용하고 있는 사용자라면 <그림 4>와 같이 마이크로소프트 365와 연동하여 특정 장소(Sharepoint, 로컬 저장소, Teams)에 설계 파일을 저장할 수 있다. 또한, 저장 시 파일의 버전이 기록되며 이전 버전도 확인 가능하다. 따라서, 최종 설계 전후로 생산이 어렵거나 불가피할 때, 디스커버리 플랫폼 내에서 메모 기능을 이용하여 설계자, 생산자, 해석자 모두의 의견을 취합하고 문제점을 논의할 수 있다.     ■ 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.

  INFOWORLD   Editorial 17　AI 시대, 한국 제조 산업의 과제는?   Case Study 18　3D 프린팅으로 휴머노이드를 제작한 글룩　로봇 산업의 새로운 가능성을 제시하는 적층제조 20　영화감독이 채택한 언리얼 엔진 버추얼 프로덕션　포토리얼리즘의 장벽 낮추고 영화 제작의 비용 효율 향상   People&Company 23　한국IBM 이은주 사장　AI와 하이브리드 클라우드로 디지털 혁신 지원 26　아비바코리아 김상건 대표　산업 디지털 전환 위한 포괄적 소프트웨어 기술 제공 28　AI & 자율제조 전문기업 인터엑스　제조 데이터 스페이스 플랫폼을 통한 AI 자율제조 생태계 조성   Focus 30　알테어, ‘ATC 2024’에서 최신 AI/시뮬레이션/HPC 기술 공유 32　태성에스엔이, “CAE와 AI의 융합으로 제품 개발 혁신” 35　3D시스템즈, 제조산업을 위한 3D 프린팅 비전과 기술 소개 38　언리얼 페스트 2024, 콘텐츠 융합 시대를 위한 시각화 기술의 생태계 비전 선보여 51　IBM, 산업 혁신을 돕는 AI와 하이브리드 클라우드 기술 소개   Column 54　디지털 지식전문가 조형식의 지식마당 / 조형식　디지털 디톡스에서 디지털 안식년까지, 인간의 조건 56　현장에서 얻은 것 No.18 / 류용효　PLM에 AI를 품다   New Products 40　효율 높이고 다운타임 줄인 CNC 시뮬레이션 소프트웨어　베리컷 9.5 43　무선 통신 및 신호 처리 앱의 개발 간소화 지원　매트랩 2024b / 시뮬링크 2024b 44　멀티 머티리얼 산업용 3D 프린터　FX10 46　클라우드에서 회로도 자동 생성　이빌드 2025 48　AI PC 시대를 위한 성능 및 효율 제공　인텔 코어 울트라 200V 시리즈 프로세서 50　고정밀 3D 프린터와 후가공 시스템의 결합　오리진 2 / 오리진 큐어 65　이달의 신제품   On Air 68　캐드앤그래픽스 CNG TV 지식방송 지상중계　옴니버스를 통한 MEP 자동설계 AI 운용사례 69　캐드앤그래픽스 CNG TV 지식방송 지상중계　생성형 AI와 크리에이티브 콘텐츠의 융합   60　New Books 62　News   Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　LLM RAG의 핵심 기술, 벡터 데이터베이스 크로마 분석 74　새로워진 캐디안 2024 살펴보기 (10) / 최영석 　가져오기 기능 소개 Ⅱ 78　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (6) / 천벼리　더 나은 도면 작업을 위한 CAD 협업 기능   Visualization 83　AI로 실시간 3D 경험 만드는 유니티 뮤즈 / 유니티 코리아　LLM 통합으로 뮤즈 챗의 정확성과 신뢰성을 높이는 방법   Reverse Engineering 86　문화유산 분야의 이미지 데이터베이스와 활용 사례 (10) / 유우식　근대 서지 데이터베이스   Analysis 97　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (14) / 나인플러스IT　항공 음향 시뮬레이션을 위한 엔지니어 가이드 Ⅲ 102　설계자를 위한 해석 프로그램, 앤시스 디스커버리 / 김현재　디스커버리 익스플로어 스테이지의 유동해석 주요 업데이트 및 활용법   Mechanical 108　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (5) / 김주현　EZ 톨러런스 어낼리시스 알아보기   Manufacturing 115　산업 디지털 전환을 위한 버추얼 트윈 (5) / 박태준　혁신을 위한 MOM 솔루션의 필요성   PLM 120　영업 성공 리더십 - 솔루션/가치 영업 활동 프로세스 (1) / 홍승철　성과 중심의 가치 솔루션 영업 프로세스         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기  

태성에스엔이가 9월 11일 aT센터 5층 그랜드홀에서 'CAE x AI 세미나 2024'를 개최했다. 이번 기술 세미나에는 300명 이상의 참석자들이 발표장을 가득 채웠다.  태성에스엔이는 시뮬레이션 기반 AI의 기초이론과 사례를 비롯해  AI 기능을 Ansys 해석 프로그램에 접목시켜 보다 빠르고 효율적인 해석 결과를 도출할 수 있는 방안을 모색해 보는 시간을 마련했다.  특히 Ansys SimAI, Ansys GPT 등 최신 트렌드를 반영한 AI/ML 기술 적용방법, 적용사례 등 CAE 해석 관련 최신 기술을 비롯해 설계 엔지니어가 꼭 알아야 할 활용 팁에 대해서도 다양한 팁들을 소개해 관심을 모았다.  노을솔 매니저와 김도현 매니저는 '기초 이론과 사례로 살펴보는 인공지능'을 주제로 발표했고, 윤진환 이사는 '태성에스엔이와 Ansys의 AI 기술과 고객 서비스'를 주제로 이야기했다.  권기태 수석매니저는 '태성에스엔이가 제공하는 시뮬레이션 데이터 기반 AI/ML 서비스'를 주제로 소개했고, Daniel Soukup는 'On-premise 기반의 AI 프로그램인 Stochos의 기술과 응용사례'를 주제로 발표했다. 이외에도 이동욱 매니저는 'Ansys 최적화 전용 프로그램인 optiSlang에서 AI 사용방법'을 소개하는 등 총 10개의 세션이 진행됐다.

복잡한 구조물의 안전성 및 성능 검증   SDC 베리파이어(SDC Verifier)는 구조 해석과 설계를 위한 고급 소프트웨어로, 복잡한 구조물의 안전성과 성능을 검증하는데 필수적인 도구이다. SDC 베리파이어는 엔지니어링 분야에서 구조 해석을 수행하는 전문가들에게 정확하고 신뢰할 수 있는 결과를 제공하여, 설계 과정의 효율성과 품질을 극대화한다.    ■ 권순재 태성에스엔이 MBU-M4팀에서 매니저로 근무하고 있으며, 구조 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   SDC 베리파이어의 기능     자동화된 코드 검증 다양한 국제 표준(Eurocode, AISC, NORSOK 등)을 기반으로 구조물의 안전성과 표준 준수 여부를 자동으로 검증한다.   피로 해석 반복 하중에 대한 구조물의 피로 수명을 예측하고, 피로 손상을 평가하여 구조물의 장기적인 신뢰성을 확인한다.   하중 조합 다양한 하중 조건을 조합하여 가장 불리한 하중 상황을 식별하고, 이에 대한 구조적 안전성을 평가한다.   자동 보고서 생성 클릭 몇 번으로 완전한 엔지니어링 보고서를 생성한다. 보고서에는 상세한 계산 과정과 결과가 포함되어 있어, 검증의 투명성과 신뢰성을 높여준다.   자동 최적화 도구 다양한 설계 변수(예 : 부재 크기, 재료, 형상)를 자동으로 조정하여 최적의 설계 솔루션을 찾는 자동 최적화 도구를 제공한다. 이를 통해 사용자는 반복적인 수작업 없이 최적의 설계를 도출할 수 있다.   통합 환경 FEA(Finite Element Analysis) 소프트웨어와 통합되어 앤시스(Ansys), 피맵(Femap), 심센터(Simcenter) 등의 시뮬레이션 도구와 연동하여 사용 가능하다.   SDC 베리파이어의 장점 시간 절약 자동화된 프로세스를 통해 수작업으로 진행되는 복잡한 계산을 간소화하여, 프로젝트 기간을 단축시킨다.   절감 효과 효율적인 검증 과정을 통해 불필요한 재작업을 줄이고, 설계 단계에서의 오류를 최소화한다.   신뢰성 국제 표준을 기반으로 한 철저한 검증을 통해 구조물의 안전성과 성능을 보장한다.   사용 편의성 직관적인 인터페이스와 상세한 튜토리얼을 제공하여, 초보자도 쉽게 사용할 수 있다.   다양한 프로그램과 연계 SDC 베리파이어 포 앤시스 SDC 베리파이어 포 앤시스(SDC Verifier for Ansys)는 앤시스 환경에서 ACT(Ansys Customization Toolkit)를 통하여 모듈 형태로 작업이 가능하다. 이 모듈은 앤시스의 FEA(유한 요소 해석) 기능을 활용하여 복잡한 구조 해석을 수행하고 검증하는 데에 최적화되어 있다.     주요 기능 자동화된 코드 검증 피로 해석 하중 조합 분석 자동 보고서 생성 앤시스와의 통합 환경 제공     ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공사례   맥스웰(Ansys Maxwell)과 모터캐드(Ansys Motor-CAD)는 모터의 전자기장 해석에 자주 쓰이는 소프트웨어이다. 이번 호에서는 맥스웰과 모터캐드의 연성해석에 대해 2024년도 업그레이드 내용을 소개하겠다.   ■ 이상현  태성에스엔이 EBU-LF팀의 매니저로 전자기장 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   맥스웰과 모터캐드의 비교 소개 맥스웰은 유한요소해석으로 전기기기, 전력소자, 전자기기, 케이블, 버스바(busbar) 등의 전자기장 해석 솔루션을 제공한다. 모터캐드는 모터 설계를 위한 다양한 솔루션을 제공하며 전문적인 사용자 인터페이스를 갖추고 있다.  <그림 1>은 앤시스 제품을 이용한 모터의 해석 흐름을 보여준다. 모터캐드는 물리 기반의 전문 솔루션으로, 해석을 진행하기 이전에 모터의 개념 설계(concept design)에 사용하는 것을 추천한다. 다중물리 솔루션과 열전달 솔루션의 시너지 효과와 함께 모터의 성능을 정확하고 빠르게 예측할 수 있다. 그리고 앤시스의 모터캐드와 맥스웰 해석을 이용하여 모터 설계 환경 구축 및 전자기 특성 개선을 할 수 있다. 그리고 앤시스 메커니컬(Ansys Mechanical)과 CFD를 이용하여 진동/소음, 응력, 방열 해석 등을 할 수 있고, 이는 시스템 전체 검증 및 통합 환경에 적용시킬 수 있다.   그림 1. 앤시스 제품을 이용한 모터 해석 흐름    맥스웰과 모터캐드는 모터의 전자기장 해석을 할 수 있다는 공통점이 있다. 차이점은 맥스웰은 전자기장 해석만 가능하고 모터캐드는 전자기장과 열, 구조 해석이 가능하여 다물리장을 고려한 모터 성능 예측이 가능하다. 그리고 맥스웰은 자유로운 모델링으로 모터뿐만 아니라 변압기, 인덕터, 센서, 액추에이터, 배터리 등의 다양한 제품을 해석할 수 있지만 모터캐드는 회전기기만 해석 가능하다. 추가로 모터캐드는 2D 기반의 형상을 지원하기 때문에 Radial Flux 모터만 해석이 가능하고 AFPM과 같은 Axial Flux 모터는 지원하지 않는다. 맥스웰은 2D, 3D 해석이 가능하기 때문에 모든 형태의 모터 해석이 가능하다. 대신에 모터캐드는 유한요소해석을 위한 세팅이 맥스웰에 비해서 자동으로 되어 있는 것이 많아서, 사용하기가 간편하고 해석 시간도 빠르다는 장점이 있다.   앤시스 모터캐드 2024의 업그레이드 내용 2024 업그레이드의 주된 내용은 모터 디자인과 해석 정확도, 해석 시간 단축이다. 디자인 부분에서는 파이썬(Python)을 이용하여 기존에 정해져 있던 형상을 사용자가 좀 더 자유롭게 변경 가능하고 회전자에 방사 방향으로 오일 스프레이 쿨링이 추가되었다. 해석 정확도 부분에서는 맥스웰의 자기장 해석 결과를 모터캐드의 랩 모듈(Lab Module)로 불러와서 효율맵 해석이 가능해졌다. 이 기능은 영구자석형 모터와 권선계자형 모터, SynRM 이 세 가지 모터만 현재까지 가능하다. 그리고 모달(Modal) 해석에서 강성, 고유 진동수, 댐핑 계수의 값을 튜닝할 수 있게 추가되어 실제 측정 데이터나 다른 해석 결과 데이터를 기반으로 튜닝할 수 있다. 마지막으로 해석 속도를 더 증가시키고자 멀티스레딩(multi-threading) 설정이 랩 모듈에도 추가되었다. 이 기능은 Emag 모듈에만 있었는데 랩 모듈에도 추가되면서 효율맵을 만들 때 좀 더 빠르게 계산이 가능하다. 맥스웰이나 앤시스의 다른 툴은 멀티 코어 해석 시 따로 HPC 라이선스가 필요하지만, 모터캐드는 기본으로 사용 가능하다. Thermal Transient 해석 솔버도 알고리즘을 업데이트하여 기본적인 해석 속도가 향상되었다. 이번 호에서는 해석 정확도에서 맥스웰과 모터캐드 연성해석 부분을 다룬다. <그림 2>는 모터캐드와 맥스웰의 연성해석으로 효율맵을 출력하는 흐름을 나타낸다. 가장 먼저 맥스웰에서 모터(Motor) 해석이 가능한 디자인을 먼저 만들어 놓고, 모터캐드에서 맥스웰 파일을 불러온다. 불러온 후 몇 가지 세팅을 한 다음에 ‘Build Model’을 누르면 자동으로 맥스웰 파일이 실행되면서 변수화 해석을 진행하게 된다. 변수화 해석이 종료되면 맥스웰 결과 데이터를 모터캐드로 자동으로 불러와서 효율맵을 출력해준다.   그림 2. 모터캐드와 맥스웰 연성해석 흐름     ■ 자세한 기사 내용은 PDF로 제공됩니다.