매스웍스가 4월 8일 ‘매트랩 엑스포 2025 코리아(MATLAB EXPO 2025 Korea)’를 코엑스 그랜드 볼룸 및 아셈볼룸에서 개최한다고 밝혔다. 매트랩 엑스포는 매스웍스 설루션 사용 고객과 기술 전문가들이 과학 및 엔지니어링 분야의 최신 트렌드와 성공 사례를 공유하는 연례 행사다. 이번 매트랩 엑스포의 기조연설에서는 한화로보틱스 정병찬 대표이사가 ‘로봇, 혁신으로 일상과 산업을 재창조하다’를 주제로, 매스웍스의 아비 네헤미아(Avi Nehemiah) 설계 자동화 소프트웨어 부문 총괄 디렉터가 ‘소프트웨어 정의 제품이 가져올 혁신’을 주제로 발표를 진행한다. 이어서, 알고리즘 개발 및 AI, 전동화, 모델 기반 설계, AI 응용 엔지니어링, 모빌리티, 무선 및 위성 등 6개 트랙의 36개의 기술 세션에 전문 연사가 참여해 매스웍스 제품군의 신기능과 고객 성공 사례를 발표한다. 기술 세션에는 삼성전자, 현대자동차, SK텔레콤, 한국전력연구원 등 국내 첨단 기술 기업이 참가해 각 산업군에서 적용 중인 매트랩(MATLAB) 및 시뮬링크(Simulink)의 활용 방안을 소개할 예정이다. 삼성전자의 한상민 수석은 ‘매트랩을 활용한 오픈 무선 장치(RU) 테스트 플랫폼 구축 방법’을 소개하며, 현대자동차의 우민수 글로벌 R&D 마스터와 SK텔레콤의 김장면 매니저는 각각 자동차 성능 예측 및 분석 시스템과 인공지능 기반 위성 통신 최적화 기술에 대해 발표한다.     한편, 이번 행사에는 벡터코리아, 이노엑스, 위드비어, 모라이, NI, 백호프, 알테라, 팝콘사, PTC 등 매스웍스의 파트너사가 참여해 기술 데모 부스를 운영할 예정이며, 세션에서 소개된 매스웍스 설루션의 신기능을 직접 체험할 수 있는 9개의 데모 부스도 운영된다. 데모가 진행되는 전시 공간에서는 다양한 산업군에 적용할 수 있는 모델 기반 설계(MBD)와 인더스트리 트렌드를 반영한 AI 관련 기술, 그리고 전동화와 무선에 관한 최신 기술이 중점적으로 선보이게 된다. 특히 올해는 국내 대학에서 이공계열 학생들을 가르치는 교수 및 강사를 대상으로 매트랩, 시뮬링크, 심스케이프(Simscape)를 활용한 시각화 및 상호작용 기반 엔지니어링 교육 세션이 마련된다. 이 세션에서는 학생들이 질량, 운동량, 에너지 보존과 같은 핵심 공학 원리를 넘어 전체 시스템을 이해하고 설계할 수 있는 시스템 레벨 역량을 키울 수 있도록 풍부한 시각화와 상호작용 경험을 제공하는 방법을 소개한다. 또한 매스웍스 설루션을 교육 현장에 도입해 학생들의 실무 역량을 성공적으로 향상시킨 사례도 함께 소개될 예정이다. 매스웍스코리아의 이종민 대표는 “매트랩 엑스포는 지난 수 년간 국내 공학 시스템 관련한 엔지니어, 과학자, 연구원, 교육자들이 기술 동향과 연구 성과를 나누고 교류하는 대표적인 행사로 자리매김했다”면서, “이번 행사에서 매스웍스가 엄선한 세계 유수 기업의 기술 전문가 발표와 다양한 체험형 데모를 통해 참가자들이 매트랩과 시뮬링크를 활용한 혁신적인 연구 방안을 발견하는 의미 있는 자리가 되길 바란다”고 말했다.

델 테크놀로지스가 3월 26일 서울 그랜드 인터컨티넨탈 서울 파르나스에서 ‘델 테크놀로지스 생성형 AI 메가 런치(GenAI Mega Launch)’ 행사를 개최한다고 밝혔다. 이번 행사는 ‘AI made easy’를 주제로 AI 구축 및 활용을 위한 인프라 전략부터 업계 전반의 최신 AI 인사이트를 공유할 예정이다. 오전 세션은 한국 델 테크놀로지스 김경진 총괄 사장의 환영사와 조용노 전무의 ‘델 AI 팩토리(Dell AI Factory)’ 소개로 막을 열고, 엔비디아코리아 정소영 대표, 마이크로소프트 서동훈 매니저의 세션 발표가 이어진다. ‘델 AI 팩토리’는 델의 서버, 스토리지, 클라이언트 설루션, 소프트웨어 및 서비스와 개방형 에코시스템을 결합해 AI 데이터의 규모나 위치에 관계 없이 다양한 AI 사용 사례를 구현할 수 있도록 지원하는 델 테크놀로지스의 엔드-투-엔드 AI 포트폴리오다. 오후에는 AI를 위한 모던 데이터센터, AI를 위한 컴퓨팅, AI 잠재력을 극대화하는 클라이언트 설루션 등을 주제로 델의 최신 기술과 에코시스템 협력이 집약된 신제품의 주요 기능과 활용 방안을 전하는 테크 세션을 마련했다. 이 밖에도 산업군별 AI 도입 전략 및 사례를 공유하는 한편, AI를 위한 컨설팅 서비스를 소개하는 등 AI 가치 실현에 필요한 인사이트를 공유할 예정이다.  이와 더불어 전시 부스에서는 델 테크놀로지스의 AI 데이터센터 설루션을 이루는 스토리지 및 서버 신제품과, AI 시대를 맞아 새로운 브랜딩을 적용한 PC 및 클라이언트 제품을 선보인다. 이번 생성형 AI 메가 런치 행사에는 마이크로소프트, 엔비디아 등 델의 파트너사와 국내 총판사 및 주요 협력사가 스폰서로 참여한다.  

태성에스엔이는 중소벤처기업진흥공단과 공동으로 ‘제12회 태성에스엔이 전기 전자 반도체 세미나’를  3월 27일 한국과학기술회관 대회의실에서 개최한다고 밝혔다. ‘AI 기반 차세대 반도체 산업 동향과 CAE 최적화 전략’을 주제로 진행되는 이번 세미나는 AI 기반 차세대 반도체 산업 동향과 CAE 최적화 전략을 주제로, 반도체 업계 전문가들이 최신 기술 트렌드와 혁신적인 시뮬레이션 활용 방안을 공유하는 자리로 마련됐다. 이번 행사에서는 ▲AI 기반 반도체 설계 혁신 ▲CAE를 활용한 반도체 공정 최적화 ▲전자기장 및 열 해석을 포함한 첨단 시뮬레이션 기술 ▲업계 트렌드 및 성공 사례 등의 주제를 다룰 예정이다.  세미나 참가는 반도체 업계 종사자라면 누구나 참석 가능하며, 사전 등록을 통해 무료로 참가할 수 있다. 참가자는 중소벤처기업진흥공단에서 진행하는 ‘반도체 패키지 시뮬레이션 실습 교육’에 무료로 참가할 수 있는 기회를 우선 제공받으며,  앤시스 기반 반도체 패키지 설계 및 시뮬레이션 실습 과정의 일환으로 연수비, 기숙사, 식사가 무상 제공된다. 태성에스엔이는 참가자들이 반도체 산업의 최신 기술 동향을 접하고 실무에 적용할 수 있는 인사이트를 얻을 수 있을 것으로 기대하고 있다. 태성에스엔이 관계자는 “올해 12회를 맞이한 태성에스엔이 전기 전자 반도체 세미나는 반도체 산업과 CAE 기술 동향을 확인할 수 있는 전통 있는 세미나”라면서, “이번 세미나를 통해 반도체 산업의 발전 방향을 모색하고, AI 및 CAE 기술을 활용한 혁신 전략을 공유하는 자리가 되기를 기대하며, 참가자들에게 실질적인 도움이 될 수 있는 유익한 시간이 될 것”이라고 전했다.  

유니버설 로봇이 3월 12일~14일 서울 코엑스에서 개최되는 ‘2025 스마트공장·자동화 산업전(이하 AW2025)’에 참가해, 지난해 발표한 UR AI 엑셀러레이터(Accelerator)를 비롯한 협동로봇 설루션을 선보인다고 밝혔다. AW2025는 공장 자동화, 머신비전 등 스마트 공장의 최신 기술과 설루션을 선보이는 스마트 공장 및 자동화 산업 전시회로, 올해는 500개의 기업이 참가해 2200개의 부스를 운영한다. 유니버설 로봇은 이번 전시회에서 다양한 지능형 협동로봇과 최첨단 자동화 설루션을 선보이는 동시에, 방문객이 직접 유니버설 로봇의 제품을 체험할 수 있도록 할 예정이다. 이번 전시에서 유니버설 로봇은 국내 최초로 공개되는 UR AI 엑셀러레이터를 비롯한 다양한 협동로봇 자동화 애플리케이션을 선보인다. 엔비디아와 유니버설 로봇이 공동 개발한 UR AI 엑셀러레이터는 협동로봇에서 고급 AI 애플리케이션을 구현할 수 있도록 지원하는 하드웨어 및 소프트웨어 툴킷으로, 개발자가 AI 제품 출시 기간을 단축할 수 있는 확장 가능한 플랫폼을 제공하는 기술이다.     AI 엑셀러레이터는 협동로봇에 머신 러닝 및 컴퓨터 비전 기능을 통합하여, 보다 지능적인 작업 수행을 돕는다.  AI 엑셀러레이터의 AI 기반 물체 인식과 적응형 작업 수행을 통해 실시간으로 사물을 인식하고 최적의 작업 경로를 결정할 수 있으며, 사용자는 비정형 작업 환경에서도 유연하게 대응할 수 있는 자율 조정 기능을 사용할 수 있다. 고성능 GPU를 활용해 복잡한 데이터 분석을 빠르게 처리하여 정밀한 작업을 수행하는 것도 가능하다. 이번 AW2025에서 유니버설 로봇은 AI 엑셀러레이터 외에도 다양한 AI 자동화 기능을 선보인다. AI 컨베이어 트래킹 및 검사(AI Conveyor Tracking & Inspection) 시스템은 제품의 위치와 자세를 추정하는 AI 제품 인식 기술을 통해, 이동 중인 제품을 정확하게 추적하고 분석할 수 있다. 이를 통해 AI는 제품의 이상을 실시간으로 감지하고, 자동으로 분류하는 기능을 제공하여 품질 검사와 제품 분류의 정확도를 높이고, 생산 속도를 개선한다. AI 실시간 최적화 페인팅·샌딩(AI Paint & Sanding) 시스템은 싱크로 기능과 결합해 고정밀 페인팅과 샌딩 작업을 수행한다. UR & 싱크로 오토패스(UR & SyncRo-AutoPath)는 작업 표면의 형상을 분석하고 실시간으로 표면 변화를 추적하여 샌딩 작업을 최적화하며, UR&싱크로-비전(UR & SyncRo-Vision)은 이동하는 대상물을 실시간으로 추적하여 로봇의 위치와 자세를 보정해 자동 도장 작업을 효율적으로 진행한다. AI 기반 혼합 박스 처리 로봇(AI Palletizing/De-palletizing)은 3D 비전과 적재 알고리즘을 활용해 다양한 크기와 무게의 박스를 인식하고, 이를 최적의 방식으로 이동시킬 수 있다. 이 시스템은 이동성과 유연성을 강조하여, 기존 작업 흐름에 즉시 통합될 수 있으며, 고객 요구 사항에 맞춰 효율성을 높이고 물류 비용을 절감하는 데 중요한 역할을 할 것으로 예상된다. 유니버설 로봇 코리아의 이내형 대표이사는 ”유니버설로봇의 핵심인 ‘누구나, 언제나, 어디서나’ 사용할 수 있는 ‘자동화를 위한 자동화’의 핵심은 고급 기능을 단순하게 유지하는 것을 담은 AI 엑셀러레이터를 드디어 한국의 관계자들에게 공개할 수 있게 되어 기쁘다”면서, “이번 AW2025에서 유니버설 로봇의 최신 협동로봇 기술이 제조 현장에서 어떻게 AI를 통해 변화를 이끌어내는지 직접 확인하길 바란다”고 말했다.

디지털 치과 확산으로 치과용 CAD/CAM 시장이 AI  기술과 융합, 성장이 기대되고 있다.(이미지 출처 : 이마고웍스)   디지털 기술과 미용 치과 수요 증가에 힘입어 글로벌 치과용 CAD/CAM (캐드캠) 시장이 고속 성장세를 보이고 있다. 시장조사기관인 포춘비즈니스인사이트(Fortunebusinessinsights )에 따르면 2024년 전 세계 치과용 CAD/CAM 시장은 약 21억 7천만 달러 규모로 추산되며, 2032년까지 46억 1천만 달러에 이를 것으로 예상된다. 연평균 성장률은 9.8%에 달할 것으로 추정된다. CAD/CAM시스템은 정밀한 보철물 제작을 가능하게 하며, 치료 시간 단축과 정밀도 향상으로 치과 진료의 패러다임을 변화시키고 있다. 특히 원데이 치아 복원 치료를 가능케 하는 체어사이드(Chairside) 시스템은 환자 만족도와 치과 진료 효율성을 동시에 높이는 솔루션으로 주목받고 있다. 시장 확대의 주요 요인으로는 ▲디지털 치과 기술의 확산 ▲미용 보철물 수요 증가 ▲체어사이드 시스템의 보급 확대 등이 꼽힌다. 미국에서는 매년 수천만 개의 크라운 및 임플란트 보철물이 제작되며, 투명 교정기, 베니어 등 심미 치료 수요도 빠르게 증가하고 있다. 이에 따라 고성능 구강 스캐너, CAD 소프트웨어, 밀링 머신에 대한 수요 역시 동반 상승하고 있다. 또한 코로나19 이후 감염 예방 및 빠른 진료가 중요해지면서, 디지털 방식의 비접촉 진단 및 수복 솔루션이 더욱 각광받고 있다. 체어사이드 시스템은 환자가 병원을 여러 번 방문하지 않고 한 번의 시술로 보철물을 완성할 수 있게 해주는 핵심 기술로 자리잡고 있다. 현재 치과용 CAD/CAM 시장은 Dentsply Sirona(덴츠플라이 시로나), Align Technology(얼라인 테크놀로지), Institut Straumann AG(스트라우만) 등 글로벌 리더들이 주도하고 있다. 이들 기업은 고급 CAD/CAM 소프트웨어와 광범위한 장비 라인업을 갖춘 포괄적인 제품 포트폴리오를 바탕으로 시장 확장을 가속화하고 있다. 덴마크의 3Shape(쓰리쉐이프) A/S는 2021년 CAD 소프트웨어 '3Shape Dental System'을 출시하면서, 실시간 커뮤니케이션 기능과 자동 상태 업데이트 타임라인 등으로 디지털 워크플로우를 강화했다. 이외에도 핀란드의 PLANMECA(플랜메카) OY, 터키의 예나덴트(YENADENT), 미국의 Axsys Dental Solutions 등도 고정밀 밀링 장비 및 전문 소프트웨어를 앞세워 시장 영향력을 확대하고 있다. 국내 기업 중에서는 메디트(Medit)가 주목할 만하다. 메디트는 고성능 구강 스캐너를 기반으로 글로벌 시장에서 빠르게 점유율을 확대하고 있으며, 클라우드 기반 진단 플랫폼, 모바일 연동 소프트웨어 등으로 디지털 치과 솔루션의 혁신을 이끌고 있다. 또한 의료영상, 3D프린팅, AI, 디지털 트윈 등과 결합하여 이마고웍스, 메디컬아이피 등 국내 업체들도 성장을 지속하고 있다.    고성능 CAD/CAM 시스템의 높은 가격은 여전히 시장 확산의 걸림돌이 되고 있다. 또한 많은 국가에서 치과 치료에 대한 보험 적용 범위가 제한적이기 때문에 소비자의 직접 비용 지출이 필요하다. 이에 따라 주요 기업들은 가격 경쟁력을 갖춘 보급형 제품 개발과 함께 신흥국 진출 전략을 강화하고 있다. 향후 치과용 CAD/CAM 시장은 단순한 장비 판매를 넘어, 구강 스캐너-디자인 소프트웨어-밀링 장비-보철물 제작- 3D프린팅까지 하나의 디지털 생태계로 통합하는 전략이 핵심이 될 것으로 보인다. 여기에 인공지능 기반 자동 설계, 클라우드 협업 플랫폼, 원격 진단 기술 등 신기술 접목이 가속화되면서 더욱 성장할 것으로 기대되고 있다.

다쏘시스템은 개별 환자 또는 환자 집단에 고도로 맞춤화할 수 있는 차세대 ‘리빙 하트(Living Heart)’ 모델을 평가하기 위한 베타 테스트가 진행 중이라고 발표했다. 이번 테스트는 의료 기기 연구 개발을 간소화하고, 새로운 치료법의 테스트 및 규제 승인을 가속화할 수 있도록 높은 수준의 구성 및 자동화를 제공하는 것을 목표로 한다. 다쏘시스템은 그간 쌓아 온 산업 애플리케이션 분야의 전문성을 바탕으로 의료용 버추얼 트윈 기술 분야까지 진출했으며, 이를 바탕으로 주류 의학, 임상시험 및 환자 치료 분야로 그 영역을 확장하고 있다. 리빙 하트 프로젝트는 인공지능(AI)과 3D 시뮬레이션 기술을 활용하여 인간 심장의 디지털 트윈을 개발하는 연구 프로젝트로 출발했다.     리빙 하트 프로젝트의 구성원들은 버튼 하나로 조직 특성, 구조적 변화 및 기타 측면을 조정할 수 있는 고도로 맞춤화된 모델 생성 테스트를 진행하고 있다. 이번 차세대 모델은 실제 환자에 대한 다년간의 프로젝트 경험을 바탕으로 구축되었기 때문에, 인체 생리학에 대한 심층적인 통찰력을 제공하여 수천 명의 버추얼 페이션트 트윈(Virtual Patient Twin)을 생성해 생성형 AI의 학습 데이터 세트로 활용될 수 있다. 이를 통해 연구원과 임상의들은 사람이나 동물을 사용하지 않고, 개인정보 보호나 프로파일 제한 없이 질병과 환자 집단이 특정 치료에 어떻게 반응하는지 이해할 수 있다. 차세대 리빙 하트 모델의 베타 테스트는 미국 식품의약국과 5년간의 협업을 완료한 후 발간된 버추얼 트윈을 사용하여 임상시험을 가속화하는 방법을 설명하는 의료기기 업계용 가이드인 ‘강화된 플레이북(ENRICHMENT Playbook)’의 발표에 이은 것이다. 다쏘시스템은 “버추얼 트윈의 신뢰성과 효율성은 바이오 제약, 병원, 의료 기기, 웨어러블 및 공중보건 분야 전반에서 비용 절감, 규제 승인 가속화, 환자 치료 성과 개선 등에서 이점을 제공한다”고 설명했다.  다쏘시스템의 클레어 비옷(Claire Biot) 생명과학 산업 부문 부사장은 “10년 전 리빙 하트 프로젝트는 세계 최초로 인간 심장의 버추얼 트윈을 선보이며 새로운 역사를 만들었다. 다쏘시스템은 이번에 완전한 매개변수화와 맞춤 설정이 가능한 차세대 전체 심장 시뮬레이션을 선보여, 의료 기기 회사가 혁신을 더 빠르고 자신있게 설계하고 테스트 및 검증할 수 있도록 돕는 또 한 번의 혁신적인 도약을 이뤘다”면서, “다쏘시스템의 3D익스피리언스 플랫폼을 기반으로 한 이 획기적인 기술은 고객이 개발 비용을 절감하고, 규제 승인 속도를 높이며, 실제 환자 해부학과의 통합을 예측하는 능력을 획기적으로 향상시켜 대규모 정밀 의료를 강화하는데 도움이 될 것”이라고 말했다.

최적화 문제를 통찰하기 위한 심센터 히즈 (1)   이번 호부터 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 과정에 심센터 히즈(Simcenter HEEDS)를 활용하는 방법을 살펴보고자 한다. AI 모델을 학습시키기 위해서는 AI 모델이 정확한 패턴을 학습할 수 있도록 고품질의 데이터를 사용해야 한다. 이번 호에서는 심센터 히즈의 어댑티브 샘플링(Adaptive Sampling)과 SHERPA를 활용하여 양질의 데이터를 효율적으로 생성하는 과정을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ 제7회 프로세스 자동화 Ⅱ 제8회 프로세스 자동화 Ⅲ 제9회 프로세스 자동화 Ⅳ 제10회 프로세스 자동화 Ⅴ   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   설계 업무에서 AI를 활용하는 이유 AI는 다양한 영역에서 업무를 보조할 수 있다. 이번 연재에서는 많은 양의 데이터를 분석하여 설계 변수와 제품 성능 간의 관계에서 패턴과 트렌드를 식별하고, 데이터 기반 의사 결정을 지원하는 AI 모델을 학습시키는 것과 관련되어 있다. 잘 학습된 AI는 설계의 품질과 성능을 높이는 데 기여한다. 문제에 따라서는 기존 설계 패러다임에 도전하는 비정형적인 설계 설루션을 발견할 수 있다. 전반적으로는 설계 업무의 디지털 전환을 촉진하고, 전통적인 설계 방법의 한계를 극복하는 데 기여한다. 이는 설계의 효율성을 높이고, 혁신적인 설루션을 개발하는 데 도움을 준다.   AI 모델의 학습을 위한 데이터 AI 학습을 위해 필요한 데이터의 품질은 AI 모델의 성능과 정확성에 직접 영향을 미친다. 고품질의 데이터는 AI 모델이 정확한 패턴을 학습하고 신뢰할 수 있는 결정을 내릴 수 있도록 돕는다. 반대로, 저품질의 데이터는 모델의 성능을 떨어뜨리고 편향된 결과를 초래할 수 있다. 고품질의 데이터는 이러한 편향성을 줄이고 공정한 결과를 도출하는 데 기여한다. 데이터의 품질이 높을 수록 모델의 훈련 효율이 높아진다. 데이터가 일관성 있고 정확하면 모델이 더 빠르게 학습할 수 있다. 따라서 정확하고 일관성 있는 데이터는 모델이 올바른 결정을 내리는 데 필수이다.   시뮬레이션 데이터 생성의 자동화   그림 1   히즈는 제품 개발 프로세스에서 사용되는 다양한 설루션의 연결과 데이터 처리를 쉽게 진행할 수 있도록 자동화된 워크플로 구성환경을 제공한다. 상용 CAD 및 CAE 도구에 대한 광범위한 인터페이스를 사용하므로, 스크립트 개발이나 수동 조작 없이 많은 기술을 빠르고 쉽게 통합한다. 자동화된 워크플로에서는 서로 다른 모델링 및 시뮬레이션 간에 데이터를 자동으로 공유할 수 있다. 사용자는 프로세스의 자동화를 통해서 설계 공간 탐색을 보다 쉽고 효율적으로 수행할 수 있다. 사용자는 반복적인 업무를 벗어나 설계를 더 깊이 이해하고 성능 개선과 생산 품질 향상에 가장 적합한 조건을 선택하는 더 중요한 업무에 더욱 집중할 수 있다.    AI 학습 데이터 생성을 위한 예제 외팔보의 처짐 문제를 사용하여 데이터를 생성하고 AI 모델을 학습시키는 예제를 통해 기능을 비교해 보겠다. 외팔보의 체적을 최소화하는 최적화 문제를 다음과 같이 정의하였다. 빠른 계산을 위해 파이썬(Python)으로 계산한다.   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa • 최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5000 mm  Load P : 6500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm  외팔보의 체적, 응력, 처짐량은 다음의 관계식으로 계산한다.  Volume = [2*h1*b1 + (H – 2*h1)*b2]*L  Stress = P*L*H/(2*I)  Deflection = P*L3/(3*E*I)  where : I = 1/12*b2*(H-2*h1)^3 + 2*[1/12*b1*h13 + b1*h1*(H-h1) 2/4]   히즈 기본 설정 파이썬 포털(Python portal)을 사용하여 예제의 입력(input)/출력(output) 파일을 등록하였다.    그림 4   전통적인 실험계획법에 의한 데이터 생성 방법 <그림 6>과 같이 4개의 설계변수를 기반으로 전통적인 실험계획법으로 데이터를 생성해보겠다. 여기서는 3 Level의 Full factorial을 사용하여 81개의 데이터가 생성된다.   그림 6   ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (19)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다. 이번 호에서는 터보 기계의 시뮬레이션을 위한 솔버의 선택과 설정, 후처리 및 분석, 최적화 등의 과정을 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   로터-스테이터 인터페이스 성능을 결정하고 잠재적인 문제를 식별하는 데 필수인 터보 기계의 회전 및 고정 구성 요소 간의 상호 작용을 모델링하는 방법에는 여러 가지가 있다. 다음에 설명된 방법은 동적 영역과 정적 영역 간의 정확한 흐름 전달을 보장하기 위해 로터-회전자 인터페이스를 올바르게 모델링하는 데에 사용된다.  혼합 평면 접근법 : 이 방법은 인터페이스 전반의 유동 특성을 평균화하여 회전 영역과 고정 영역 사이의 인터페이스를 모델링하는 데 사용되는 계산적으로 효율적인 정상 상태 근사치이다. 이 방법은 이들 영역 사이의 흐름을 효과적으로 ‘혼합’하여 안정된 인터페이스 조건을 제공하므로, 로터 블레이드가 고정자 베인을 통과할 때 발생하는 실제 불안정한 현상을 해결하지 않아 시뮬레이션을 단순화한다. 도메인 스케일링 방법 : 이 불안정 기법은 도메인의 물리적 치수를 스케일링하여 로터와 고정자 사이의 상대적인 움직임을 시뮬레이션하는 것이다. 다양한 회전 속도의 효과를 모델링하거나 전체 지오메트리를 명시적으로 모델링하지 않고 정수가 아닌 블레이드 수 비율을 맞추기 위해 자주 사용된다. 이 방법은 로터/스테이터 인터페이스 전체에 동일한 메시 주기성을 적용하여 양쪽에서 일관된 흐름 특성을 보장한다. 위상 지연 방법 : 이 방법은 주기성을 가정하고 도메인의 여러 세그먼트 간에 위상 변이를 적용하여 불안정한 회전자-회전자 상호 작용을 시뮬레이션할 수 있다. 이 방법을 사용하면 전체 도메인의 불안정한 동작을 표현하면서 지오메트리의 일부를 시뮬레이션할 수 있으므로 계산 비용을 줄일 수 있다. 위상 지연 방식은 반복 패턴이나 주기적 대칭이 있는 경우에 특히 유용하다. 회전 기준 프레임(RRF) : RRF 방법은 로터와 함께 회전하는 기준 프레임에서 유동 방정식을 푸는 방식이다. 이 방법은 로터 동작의 물리적 시뮬레이션 없이도 구성 요소 회전으로 인한 흐름 효과를 시뮬레이션한다. 이 방법은 정상 및 비정상 시뮬레이션 모두에 사용할 수 있다. 정상 시뮬레이션에 사용할 경우 회전하는 부품과 정지된 부품 간의 통신을 위한 인터페이스 처리가 필요한 경우가 많으며, 이때 혼합 평면 접근법을 적용할 수 있다. 슬라이딩 메시 방법 : 이 기법은 과도 시뮬레이션에 사용되며 로터와 고정자 사이의 시간에 따라 변화하는 상호작용을 캡처할 수 있다. 로터 도메인의 메시가 고정자 도메인의 고정 메시와 관련하여 움직이거나 미끄러지므로 실제 회전 및 관련 불안정 유동 현상을 시뮬레이션할 수 있다. 다중 참조 프레임(MRF) : MRF는 회전하는 영역의 흐름을 평균화하는 정상 상태 접근 방식이다. 그러나 이 방법을 사용하면 시뮬레이션 도메인의 여러 영역이 서로 다른 기준 프레임에 있을 수 있다. 따라서 회전자 도메인은 회전하는 기준 프레임에 설정하고 고정자 도메인은 고정된 상태로 유지할 수 있다. 고정 회전자 접근법 : 로터와 스테이터 위치가 서로에 대해 고정되어 있는 정상 상태 근사치로, 시간의 스냅샷을 시뮬레이션한다. 슬라이딩 메시 방식보다 계산 비용이 저렴하지만 실제 과도 효과를 포착할 수 없다.   그림 1. 특정 경우와 일반적인 경우의 로터-스테이터 처리 순서도   <그림 1>의 순서도는 특정 유동 특성에 따라 정상 상태 계산에서 로터-스테이터 인터페이스 처리를 선택하기 위한 의사 결정 프로세스를 제공한다. 시뮬레이션에 회전하는 임펠러와 고정된 볼류트 케이스 사이의 상호작용이 포함된 경우, 상세한 국소 유동 변화를 포착하고 계면 전체의 질량, 운동량 및 에너지 보존을 국소적으로 보장하기 위해 국소 보수적 결합을 권장한다. 다음으로, 계면 근처에 충격파가 존재하여 유동장에 강한 영향을 미칠 수 있는 고구배 유동 특성인 경우 1D 또는 2D 비반사 경계 조건이 제안된다. 이러한 조건은 시뮬레이션 결과를 손상시킬 수 있는 경계에서 충격파의 인위적인 반사를 최소화하도록 설계되었다. 마지막으로, 인터페이스 근처에 충격파가 없는 경우 전체 비일치 혼합 평면 또는 보수적 결합 방법을 사용하는 것이 좋다. 완전 비일치 혼합면 방법은 계면 전체의 유동 특성을 평균화하므로 회전자-회전자 상호 작용의 상세한 시간 정확도 캡처가 중요하지 않은 경우에 적합하다. 보수적 결합 접근법은 메시 적합성 없이 인터페이스 전체에서 질량, 운동량 및 에너지를 보존해야 하는 시나리오에 이상적이며, 따라서 회전자 메시와 고정자 메시 간의 어느 정도의 정렬 불일치 또는 비적합성을 수용할 수 있다. <표 1>에는 안정된 시뮬레이션에 사용할 수 있는 다양한 로터-스테이터 인터페이스 처리 방법이 요약되어 있다.   표 1. 회전자-고정자 인터페이스 처리 방법     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 BIM(건설 정보 모델링) 포맷 중 하나인 IFC(Industry Foundation Classes) 파일을 세슘(Cesium) 플랫폼에 3D 타일(tiles)로 가시화하는 방법을 간략히 설명한다. 세슘은 디지털 트윈 산업 표준 플랫폼으로 많이 알려져 있다. 이번 호에서는 BIM 가시화 방법을 설명하고, 마지막 부분에 3D 타일 개념과 구조를 간략히 소개한다. 참고로, 세슘에서 개발된 3D 타일은 3D 고속 렌더링을 위한 모델 구조와 렌더링 메커니즘을 제공한다. 이 기술은 현재 공간정보 산업 표준을 담당하는 OGC(Open Geospatial Consortium)와 유기적 협력을 통해 발전하고 있다.   그림 1. 세슘의 3D 타일 가시화 모습 예시   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   세슘은 구글 어스와 유사한 지구 스케일의 디지털 트윈 플랫폼이다. 이를 이용하면 도시 차원에서 분석하거나 실내 건물을 탐색하는 등의 유스케이스를 개발할 수 있다. 국내 대부분의 3차원 도시 플랫폼 기반 서비스에서 세슘이 사용되고 있다. 세슘은 디지털 트윈 모델을 다루기 위한 저작도구도 함께 제공한다. 개발자는 서비스에 필요한 메뉴 기능, 대시보드에 표출한 데이터 처리에만 신경을 쓰면 된다.   그림 2. 세슘 저작도구 예시   공간정보 기술을 연구하다 보면, 가끔 BIM 파일 포맷 중 하나 인 IFC를 세슘 위에 가시화해야 하는 경우가 종종 발생한다. 하지만 세슘은 IFC를 직접적으로 지원하지 않는다.   그림 3. IFC 추가 에러 발생 모습   세슘은 IFC를 포함한 모든 3D 모델 파일을 3D 타일로 변환해 업로드하도록 하고 있다. 이는 무거운 3D 모델의 가시화 성능을 고려한 것이다. 3D 타일은 웹에서 가시화하기에 무거운 3D 파일을 공간 인덱싱 기법을 이용해 Octree 형식으로 표현하고, 각 노트에 분할된 3D 모델의 부분을 담아둔다. 메시 간략화 기법을 이용해, 카메라가 모델을 비추는 거리에 따라 적절한 LoD(Level of Detail)의 메시를 보여준다. 이는 게임에서 FPS 성능을 올리기 위해 개발된 기법과 매우 유사하다. glTF(https://github.com/ KhronosGroup/glTF)는 3D 타일의 기본 형식이다. 세슘은 다양한 샘플 코드를 샌드캐슬(sandcastle)이란 플랫폼으로 제공하여 편리한 개발을 지원하고 있다.   그림 4. glTF 2.0 기능(3차원 점군, 텍스쳐, 모델 지원 예시)    그림 5. 세슘의 코드 예제   3D 타일 모델 변환 및 업로드 먼저, 다음 링크를 방문해 세슘 아이온(Cesium ion)에 가입한다. Cesium ion – Cesium(https://cesium.com/platform/ cesium-ion) 이후, 세슘의 API, 애셋(asset)을 관리하는 클라우드, 자바스크립트 기반 예제 등을 무료로 사용할 수 있다. 여기서 애셋이란 플랫폼에서 사용하는 GIS, BIM 등 모든 파일 및 데이터셋을 의미한다. 가입 후, <그림 6>의 화면에서 ‘New story’를 클릭해 애셋을 추가해 보자.   그림 6. 세슘 아이온 메뉴 화면   세슘은 3D 모델을 3차원 타일 형식으로 내부 표현한다. 이 형식을 지원하는 파일 포맷은 <그림 7>과 같다.    그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.