• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "MATLAB"에 대한 통합 검색 내용이 215개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
진동∙소음 해석 소프트웨어, VA One
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 
작성일 : 2024-02-12
MBD의 성공 비결 및 향후 전망
MBD의 이해와 기업 가치 향상을 위한 전략 (2)   자동차, 항공, 가전 등 산업에서 기업들이 진행해 온 모델 기반 개발(Model Based Development : MBD)이 최근 주목받고 있다. 이번 호에서는 최근 들어 MBD가 주목받는 배경과 성공적인 MBD 활용을 위한 전략을 짚고, 향후 발전 전망에 대해서도 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   MBD가 지금 주목받고 있는 이유 MBD가 최근 다시 주목을 받는 이유에 대해서 알아보고자 한다. 개개인 단위에서는 지금까지도 개발 부담의 증가를 해결하기 위해 보다 효과적인 디지털 기술의 도입을 모색해 왔다. 한편, 엔지니어링 체인 전체에서 각사가 지견을 공유하고 디지털 개발에 임할 수 있다면 고효율화를 도모할 수 있고, 여기에서 태어난 여유로부터 각사의 개성이나 경쟁력을 발휘하는 것도 가능하다고 할 수 있다. 한편 MBD 방법은 복잡한 요구에 대응하기 때문에 최첨단 개발의 장에서 기술적으로 계속 발전해 온 결과 개발 중의 어느 단계에서도 디지털 모델을 사용하는 것을 가능하게 한다. 이 협조 개발의 기운이 높아지는 것과 기술적으로 성숙하고 있는 모델 베이스 개발 수법의 특성이 매치한 것으로, 자동차 업계 전체가 MBD의 실현을 향해 크게 움직이기 시작했다.   기업이 MBD의 도입 시 현상 과제 - 경영 시스템의 진화 업계 연계를 포함한 각 기업의 노력에 의해 서서히 모델링 데이터의 통일이 진행되어 앞에서 설명한 바와 같이 산.관.학이 연계하는 네트워크가 구축되어 갈 것으로 기대할 수 있다. 각 기업에 있어서는 이것들을 베이스로 하면서 MBD의 실행력을 쌓아 가기 위해서, 다음 세 개의 관점을 가진 구체적인 대처(그림 1)가 필요하다. 자사의 기술력을 답습하여 가상 변환을 진행하는 것 인재를 육성하고 사내의 정착 계몽을 도모하는 것 연계 추진에 필요한 데이터 플랫폼의 구축을 진행하는 것   그림 1. MBD 도입 시 고려해야 할 세 개의 관점   이러한 세 가지 관점을 개별적으로 해결할 뿐만 아니라 밸런스 좋게 추진할 수 있는 매니지먼트 시스템에 각사를 진화시켜 나가는 것이 업계 변혁의 파도에 뒤처지지 않고, 보다 기업 가치를 높이기 위한 열쇠가 된다.(그림 2) 다음에는이 세 개의 관점을 설명한다.   그림 2. MBD 실행력의 획득   기술력의 가상 변환 - 각사 기술의 강점의 파악과 모델화 모델화에 있어서는 자사에서 지금까지 길러 온 기술의 분해(가시화)가 필요불가결하다. 자사 기술의 강점이나 해명할 수 없는 특성을 명확히 하는 것으로 모델이라고 하는 가상으로 변환하기 위한 베이스가 구축된다.(그림 3) 이를 근거로 체인지 매니지먼트의 의사 입력을 실시함으로써, 현장에서의 1D-CAE/3D-CAE의 지식과 실천, 매트랩(MATLAB)/시뮬링크(Simulink) 등 툴 조작 스킬의 습득, MILS/SILS/HILS의 모델 환경 도입이 진행되어 자사 기술의 강점의 파악과 모델화를 통한 자사 기술을 유지한 고정밀 모델의 구현화에 연결된다.   그림 3. 기술력의 가상 변환   인재육성과 정착 계몽 - 모델 개발 스킬 DX 인재의 활약에 의해 MBD는 조직에 정착시킬 수 있다. 이것에는 디지털 인재의 육성뿐만 아니라 변환(transformation) 인재를 육성하는 양쪽이 중요하다.(그림 4) 모델링 기술을 가진 인재가 활약하는 것만으로는 특정 개발에 일시적으로 적용된 대처로 MBD가 끝날 수도 있다. 균형 잡힌 쌍방을 육성하고 조직으로서 지속적으로 평가함으로써, MBD의 효과와 혜택이 올바르게 조직 내로 침투하여 실행력이 정착하게 된다. 효율적인 설계자 육성을 위해서 먼저 부딪히는 도전은 설계자의 교육이다. 현재 설계에 종사하는 모든 멤버를 육성하는 데에는 시간과 비용이 든다. 우선 몇 명에 대해서만 육성을 하면 장애물은 그다지 높지 않다. 매트랩/시뮬링크의 세미나를 정기적으로 개최하고 기초 부분은 조기에 시작할 수 있다. 또 엔지니어링 회사에 설계 모델의 개발을 위탁해 함께 개발을 진행하는 것으로 노하우를 획득하면서 설계자를 육성하는 것도 하나의 방법이다.   그림 4. 인재육성과 정착계몽   데이터 플랫폼 구축 - 사내외의 모델 관리·공유를 신속하게 실시 MBD의 프로세스는 내부 구성 관리 시스템과 외부와의 협력 환경에서 수행된다. 사내외 데이터의 이력 추적을 하면서, 자주 실행되는 시뮬레이션 결과를 온타임으로 저장하는 데이터 플랫폼의 구축도 빠뜨릴 수 없다.   ■ 상세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-02-02
멀티피직스 해석, Strand7
멀티피직스 해석, Strand7   주요 CAE 소프트웨어 소개   ■ 개발 정보 : Strand7 Pty Ltd, www.strand7.com  ■ 자료 제공 : 씨앤지소프텍, 02-529-0841, www.cngst.com Strand7(스트랜드7)은 복잡한 모델을 정확하게 분석하기 위한 고도의 자동화된 모델링 기능을 이용하여 구조, 열, 전자기 및 유체, 동역학 등을 포함하는 멀티피직스 문제를 간편하게 분석할 수 있는 유한요소 모델링 기능과 강력한 해석 솔버를 제공하고 있는 범용 유한요소 해석 소프트웨어이다. 2. 주요 특징 (1) 파라메트릭 및 기하 모델링 직관적이고 쉬운 그래픽 사용자 인터페이스는 전체 모델링 프로세스를 처음부터 끝까지 작업이 가능하다. 번거로운 Geometry 수정 작업을 거치지 않고 바로 모델링 작업을 수행할 수 있으며, 국부적인 영역에 대한 메시 사양을 정의와 CAD와의 커플링을 통해 CAD에서 정의한 영역 및 파라미터 정보를 가져올 수 있다.  (2) General Equation Input 수학 방정식을 사용하여 다양한 수식 데이터를 입력할 수 있다. (3) 모델 호환 DXF, IGES, STEP, Stereo-Lithography file Import / Export MSC/NASTRAN, ANSYS, STAAD-Pro, SAP2000 file Import / Export. (4) 요소 및 재료 Strand7은 1D Beam, 2D Plate & Shell, 3D Brick, Con-tact, Cable, Damper 등의 다양한 요소 및 전 세계 다양한 규격의 Beam Library를 제공한다. Strand7은 Isotropic, Orthotropic, Anisotropic, Lami-nate, Rubber, Carbon Fiber, Glass, Timber, Fluid, Soil 및 사용자정의 재료 물성을 지원한다.   (5) Automatic Mesh Generation Strand7에는 매우 직관적이고 간편한 강력한 자동 Mesh Generation 기능이 포함되어 있다. 이 기능은 자동 Mesh Generation 기능을 이용하여, 2D Plate/Shell 모델링이나 3D Brick 모델링을 매우 빠르고 간편하게 생성할 수 있다. (6) Verification Tools 복잡한 매시와 수치 입력 데이터의 검증을 그래픽을 통하여 체크할 수 있는 툴로, 구조물에 입력 오류나 입력 위치 등을 그래픽 Contour를 사용하여 사용자가 쉽게 검증하고 찾을 수 있도록 제공한다. (7) API 함수 기능 Strand7 API (응용 프로그래밍 인터페이스)를 사용하면 외부 컴퓨터 프로그램을 통해 Strand7과 상호 작용할 수 있다. Strand7 API에서 지원되는 언어는 C, C ++, C #, Pascal, Delphi, Visual Basic, FORTRAN, MATLAB, Python 등 Win-dows DLL 파일을 동적으로 구성할 수 있는 모든 프로그램 언어이다. (8) 해석 기능 Strand7은 정적해석, 동적해석, 재료비선형해석, 열전달과 열응력해석까지 매우 다양한 해석을 수 행할 수 있다. Strand7의 Solver 기능은 다음과 같다. - Linear & Nonlinear Static - Natural Frequency - Response Spectra and Harmonic Dynamic - Linear and Nonlinear Transient Dynamic - Linear and Nonlinear Buckling - Heat Transfer & 콘크리트 수화열 - Collapse, 피로도 & Creep  - 대변형 해석 (현수교, 사장교, Cable Structure) - Laminated 복합소재 해석 - 막구조(Membrane) 해석 - 이동하중 해석 (영향선 및 영향면) - 시공단계별 해석 - 지반 해석 (9) Post Processing Strand7은 해석된 결과를 응력도, 변위, Cutting Plane, 그래프, 레포트 등의 다양한 플롯 기능과 3차원 애니메이션 기능을 통해 명확하고 정확한 분석이 가능하다.   3. 적용 분야 Strand7은 건축/토목 강구조, 콘크리트 구조, 지반구조물 등에 활용 가능하고, 중공업 분야와 기계 분야, 항공기/선박디자인, 의용공학, 전자기, 복합소재 등 다양하고 광범위한 분야의 설계 분야에서 활용이 기능하다. 4. 지원 전략 Strand7 지속적인 연구, 개발과 벤치마크 테스트를 통한 검증결과를 및 검증 문서와 예제 파일 사용자에게 제공하고 어떠한 에러 발생시, 사용자에게 문제 해결을 위한 즉각적인 기술 지원을 한다. Strand7은 프로그램에서 사용된 각종 유한요소이론에 대한 설명과 정보들을 자세하게 기술한 Theoretical 매뉴얼을 제공하여 사용자로 하여금 해석 결과에 대한 신뢰도를 더욱 높일 수 있게 한다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 
작성일 : 2024-01-06
멀티피직스 해석 소프트웨어, Simulation X
멀티피직스 해석 소프트웨어, Simulation X   주요 CAE 소프트웨어 소개   ■ 개발 : ESI, www.esi-group.com ■ 자료 제공 : 한국이에스아이, 02-3660-4500, www.esi-group.com ESI의 Simulation X(시뮬레이션 엑스)는 복잡한 동적 시스템의 모델링, 시뮬레이션 및 분석을 위한 Multi physics 시뮬레이션 분야에서 잘 알려진 소프트웨어이며, Modelica 언어를 기반으로 한 상용 솔루션으로 다양한 분야에서 활용되고 있다.  개발자는 Modelica 라이브러리부터 상용 라이브러리까지 방대한 라이브러리를 사용하여 개발 모델을 쉽게 구성할 수 있다. 또한 막강한 사용자 에디터 툴(Type designer)을 제공하여 사용자가 기존의 라이브러리를 확장하거나 새로운 라이브러리를 쉽게 제작 및 배포할 수 있다.  FMU(Functional Mock-up Unit)/FMI(Functional Mock-up Interface)를 지원하고 다른 프로그램과 연동하여 계산을 수행할 수 있으며, Multiphysics에 최적화되어 있어 Multi-body system과 Fluid dynamics, Control logic 등 서로 다른 물리 모델을 하나의 모델로 구현할 수 있다.  실제 물리 기반의 통합 라이브러리는 점점 더 복잡해지고 있는 산업 분야에서 확실한 기준으로 Simulation X를 확립하는 데 도움이 되었다. 현재까지 약 27개국 700명 이상의 고객들이 다양한 산업 분야에서 Simulation X를 사용하고 있다. 1. 제품의 주요 기능 및 특징 (1) Easy modeling and Fast calculation 형상 모델링이 필요 없고, 물리 기반 모델링으로 모델 구성이 쉬우며, 시스템 기반의 수학 모델 사용으로 계산 시간이 빠르다. (2) Modular system setup 방대한 시스템 라이브러리를 제공하고, 사용자 라이브러리 툴(Type designer)을 지원한다. (3) Easy coupling FEM, MATLAB, Simulink와 연계 시뮬레이션이 가능하며, FMU/FMI를 지원한다. (4) Model library Modelica 기반의 다양한 라이브러리를 제공하여 모델을 쉽고 빠르게 구성할 수 있다. (5) Optimization 주요 인자의 기여도 분석을 통한 제품 성능 개선을 개발 초기 단계부터 빠르게 검토할 수 있다. (6) Real-time simulation 실시간 해석으로 MiL(Model-in-the-Loop)/SiL(Software-in-the-Loop)/HiL(Hardware-in-the-Loop) 구현이 가능하다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 
작성일 : 2024-01-06
[무료다운로드] MBD의 발전 배경과 정의
MBD의 이해와 기업 가치 향상을 위한 전략 (1)   자동차, 항공, 가전 등 산업에서 기업들이 진행해 온 모델 기반 개발(Model Based Development : MBD)이 최근 주목받고 있다. 이번 호부터 2회에 걸쳐 R&D 영역에 있어서 향후 피할 수 없는 디지털 전환(DX)의 하나인 MBD에 대한 이해를 정리하고, 기업 조직이 어떻게 임해야 할 것인지에 대해 짚어보고자 한다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문 이메일 | ilove.ohkr@gmail.com   MBD 발전의 배경 모델 기반 개발(MBD)이 주목받는 배경에는 자동차 시장의 요구가 CASE(Connected, Automated/Autonomous, Shared & Service, Electric)나 MaaS(Mobility-as-a-Service), 환경 대응으로 전환하고 한 기업이 단독으로 커버할 수 없는 보다 복잡하고 고기능이면서 고품질의 성능이 요구되는 시대에 들어간 것으로, MBD에 대해 새로운 요구가 더해진 것을 들 수 있다. 설계 개발 프로세스 측면에서는 시스템 컴포넌트의 최적화라고 하는 모델 기반 개발을 통해 디지털 기술을 적극적으로 사용하는 것에 의해 우선은 기능적 효율성을 실행하고, 이 과정에서 얻은 지식을 축적하고 업무 효율의 개선에 의해 획득한 자원을 활용함으로써 향후 설계 변경에 유연하고 신속하게 대응할 수 있도록 데이터를 활용한다. 고객 요구와의 일치를 연마하는 것이 모델 기반 개발에 요구되는 모습이라고 생각한다.   그림 1. MBD의 발전사   MBD를 살펴보기 전에 MBD 발전의 역사를 살펴보고자 한다.(그림 1) 1990년대를 전후해 CAD/CAM을 중심으로 한 형상의 디지털화가 추진되었다. 1990년대에는 CAD/CAM/CAE를 기반으로 시뮬레이션의 중요성을 인지하기 시작하였다. 특히 엔진 및 차체 골격 분야의 부분적 모델링에 집중되었다. 한편, 2000년대에 비로소 CAE/MBD 시뮬레이션을 고도화하고 프로토타입 없이 제품을 개발하려는 시도와 더불어 조립이 가속화되었으며, 전체 실차의 모델링과 CAE가 활발하게 추진되었다. 2010년대에 들어서는 MBD와 MBSE(Model Based Systems Engineering : 모델 기반 시스템 엔지니어링)에 대한 가상 엔지니어링과 시뮬레이션이 복합되어 생산 설비의 DX화 및 동시공학 개발이 도입되기 시작했다. 특히 2010년 이후의 MBD 적용은 C 코드를 사용해 제어 개발을 실시하고 있었지만, 디버그에 많은 공수를 필요로 하고 또한 하드웨어측(플랜트)의 반응은 직접 하드웨어를 연결할 때까지 파악할 수 없었다. 이후에 MBD의 첫 번째 개념이 등장한다. C코드 대신 매트랩(MATLAB)/시뮬링크(Simulink)의 ‘모델’을 사용하고 제어 로직은 C 소스가 아닌 매트랩/시뮬링크로 표현함으로써, 하드웨어 측은 시뮬링크에서 작성된 미분 방정식을 기반으로 한 ‘모델’로 과도 상태 등을 간단하게 표현한다. 이를 통해 실제 기기의 테스트 횟수를 줄여 제어 로직을 개발할 수 있어, 개발의 효율화와 함께 조기에 문제를 발견하고 그에 대한 대책이 해결되었다. 2020년대 현재는 MBD 및 MBSE가 기법 개발과 인지 확대를 통해 활발하게 추진되고 있으며, 향후 2030년대에는 MBD/MBSE의 엔지니어링 체인 전체로 고효율의 개발이 추진될 것으로 기대한다. 최근 빠르게 발전하는 전기자동차의 CAE에 의한 성능 예측이 용이해져 디지털 개발이 가속화될 것으로 기대한다. 특히 기업 간의 시뮬레이션 모델을 활용할 수 있는 환경이 조성되어 활발한 개발 경쟁이 가속화되고, 설계기간 단축 및 비용의 절감에서 획기적인 전환이 이뤄질 것으로 확신한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2024-01-04
매스웍스, 세종대학교 ‘2023 세종 AI 챌린지’ 공식 후원
매스웍스는 세종대학교가 주최한 인공지능(AI) 분야 문제 해결 능력 경진대회 ‘2023 세종 AI 챌린지’를 후원했다고 발표했다. 이번 대회에는 총 196명의 학생들이 참가하여 매트랩(MATLAB) AI 툴을 활용한 아이디어를 구현했고, 최우수상을 비롯해 20명의 학생에 대해 시상이 이뤄졌다. 매스웍스코리아는 2022년부터 세종대학교 ‘세종 AI 챌린지’의 공식 후원사로 참여해 학생들에게 자사의 소프트웨어를 경험할 수 있는 환경을 제공했다. 또한 세종대학교의 ICT혁신인재4.0사업에 참여해 무인이동체 인재 양성을 위한 교육과정 발전에도 기여하고 있다. 올해 대회는 매트랩 트랙과 기타 트랙으로 구분된 해커톤으로 진행됐다. 매트랩은 기업, 대학, 정부기관에서부터 스타트업에 이르는 10만 개 이상의 다양한 규모의 기업에서 사용되고 400만 건 이상의 연구에 인용된 솔루션으로, 학생들은 이번 대회를 통해 매트랩을 사용한 실무 역량을 쌓을 수 있는 기회를 가질 수 있었다. 이번 ‘2023 세종 AI 챌린지’에서는 매트랩 온라인 서버에서 GPU를 사용해 IMU(Inertial Measurement Unit)를 몸에 장착한 환자의 활동 상태를 예측하는 문제가 출제됐다. 학생들은 클라우드 환경에서 매트랩 온라인에 접속하여 머신러닝과 이미지 처리 등에서 빠른 속도로 계산을 실행 및 확장했으며, 매트랩의 GPU 지원 기능을 통해 프로그래밍에 대한 깊은 지식 없이도 GPU 상에서 계산을 수행할 수 있었다. 이번 대회에서 최우수상을 수상한 세종대학교 지능기전공학부의 심재훈 학생은 매트랩의 심층신경망 디자이너 앱을 사용해 센서값의 데이터를 선별한 후, 컨벌루션 신경망(Convolutional Neural Network : CNN) 구조로 레이어를 구성해 문제를 해결했다. 심재훈 학생은 “이번 대회에서 스스로 문제를 분석하고, 데이터 전처리와 튜닝을 거치며 최적화된 모델을 개발하는 전체적인 과정을 깊게 고민해볼 수 있었다”고 말했다.     이번 경진대회는 세종대학교 소프트웨어융합대학 지능기전공학과 김성한 및 최유경 교수가 운영하였으며, 이현석, 김형석, 김세원(지능기전공학과), 전창재(인공지능학과) 교수가 심사했다. 김성한 교수는 “이번 대회에서 학생들은 매트랩 언어를 활용해 자동차, 로봇 등 여러 산업 분야에서 볼 수 있는 실무적인 프로젝트에 적용해 볼 수 있었다”면서, “매트랩의 높은 편의성은 학생들이 한층 고도화된 데이터 분석과 검증을 통해 좋은 결과물을 만드는 데 큰 도움이 됐다”고 말했다. 또한 김성한 교수는 “이번 2023세종AI챌린지에는 6개의 데이터를 이용하여 환자의 상태를 예측하는 문제를 출제했다”며, “일반적으로 전이학습을 통한 컨벌루션 신경망을 활용하기 위해서 3개의 데이터를 선별하는데, 최우수상을 수상한 심재훈 학생은 새로운 신경망을 구성하여 기존 6개의 데이터를 예측모델에 적용해 높은 정확도의 우수한 결과를 선보였다”고 말했다. 매스웍스코리아의 김경록 교육 기관 세일즈 매니저는 “매스웍스는 대학생들이 자사의 소프트웨어를 쉽게 활용할 수 있도록 예제와 교육영상과 같은 다양한 학습 자료를 제공하고 있다”면서, “학생들이 강의뿐 아니라 경진대회와 같은 다양한 기회에서 매스웍스의 소프트웨어를 통해 실무에 필요한 역량을 쌓을 수 있길 바란다”고 말했다.
작성일 : 2024-01-04
멀티피직스 해석, samadii/dem
멀티피직스 해석, samadii/dem   주요 CAE 소프트웨어 소개   ■ 개발 : 메타리버테크놀러지, www.metariver.kr  ■ 자료 제공 : 메타리버테크놀러지, 070-7523-1685, www.metariver.kr 메타리버테크놀러지에서는 Discrete Element Method를 사용한 고체입자해석 제품인 samadii(사마디)/dem, 고진공유동 및 증착해석 제품인 samadii/sciv 를 2011년 출시한 이후 기계, 전자, 화공, 디스플레이, 반도체, 건설 등 다양한 산업 분야에 입자 기반의 멀티피직스 솔루션을 제공해 오고 있다.  1. 적용 분야 ■ 건설, 농업,광업분야의 토양해석 등 고체입자의 거동해석 ■ 철광 제철프로세스 해석 ■ 집진설비, 필터링 등 유동장과 입자의 복합거동해석 ■ 화공, 제약공정에서의 혼합,분리, 반응해석 2. 주요 특징  ■ 대량(수십만 ~ 수백만개 이상)의 고체입자를 수반하는 시스템의 거동해석 ■ 고체입자간 다양한 접촉모델을 기반으로 각 입자의 6자유도 거동을 고려한 상호작용을 계산 ■ 운동학(Kinematics)을 기반으로 운동하는 기구 구조물 파트의 운동을 계산, 처리 ■ Conveying body를 사용하여 벨트나 반복적으로 부탁된 버킷 등 입자이송 메커니즘을 간편히 구현 가능 ■ 기구 구조물의 동력학적 특성을 계산하기 위해서, 범용 다물체동력학 해석솔루션과의 연계해석 인터페이스 지원 ■ 자성입자, 입자간의 습윤 및 점성효과를 비롯한 입자간의 반응관계 적용가능 ■ 외부 범용 프로그램에서 계산한 유동장 또는 전자기장 해석결과를 import하여 연계해석 가능 ■ 거동중 기구 구조물과 입자들에 작용하는 접촉력 및 누적충격량, 개별 입자들의 시간에 따른 경로, 입자의 벡터필드 등 다양한 후처리 기능 제공 3. 주요 기능 ■ Pre/Post Processor : 전후처리기 ■ DEM Kernel : 입자의 6자유도를 고려한 거동해석 핵심 솔버 ■ MBM (Multi-body motion) Kernel : 기구구조물의 운동을 표현하기 위한 Kinematic kernel ■ Conveying body toolkit : 벨트 또는 체인 등에 반복 장착된 버킷등을 구현하기 위한 툴킷 ■ Multi-physics particle toolkit : 전자기입자 적용, 외부 프로그램에서 계산된 유동장 또는 전자기장 결과를 import하여 연계해석하기 위한 툴킷 ■ VPS(Virtual Particle system) toolkit : 가상입자시스템, 매우 작은 입자와 매우 큰 입자의 혼합 거동시 발생하는 초 거대문제를 해석하기 위한 가상입자 처리 모듈 ■ MATLAB/Simulink co-simulation interface (SAMADII/cube)     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 
작성일 : 2023-12-31
클라우드 플랫폼, ScaleX
클라우드 플랫폼, ScaleX   주요 CAE 소프트웨어 소개   ■ 개발 및 자료 제공 : Rescale, 070-4735-8118, www.rescale.com/kr 1. Rescale 플랫폼 Rescale(리스케일)의 ScaleX(스케일엑스) 플랫폼은 Public 클라우드를 기반으로 CAE를 위하여 필요한 다양한 소프트웨어 및 하드웨어, 관리 시스템을 포함하는 플랫폼이다. 사용자들은 Rescale 플랫폼에서 AWS, Azure, GCP 등 다양한 클라우드 업체의 연산 자원들을 활용하여 각 워크로드별로 최적의 하드웨어 유형을 선택할 수 있어 시뮬레이션 소요 시간을 단축하고, 기존 On-premise에서 연산 자원의 한계로 수행하기 어려웠던 대규모 시뮬레이션을 진행할 수 있다. 아울러 Rescale ScaleX 플랫폼은 HPC 운용에 필요한 모든 항목들을 단일 플랫폼에서 제공하므로 이를 통하여 IT 자원 관리의 효율성을 향상할 수 있으며, HPC 클라우드 환경을 제공하는 것뿐만 아니라 On-premise와의 하이브리드 구성 등 기업이 보유하고 있는 기존 자원을 최대로 활용하면서 HPC 클라우드의 장점을 최대로 누릴 수 있도록 지원하고 있다. Rescale 플랫폼의 특징을 요약하면 다음과 같다. (1) 600개 이상의 어플리케이션(소프트웨어) 분류 주요 소프트웨어 Commercial Fluent, CFX, STAR-CCM+, ABAQUS, LS-DYNA, HyperWorks, MATLAB, Nastran, HFSS, CST, PowerFlow, MoldFlow, etc. Open-Source OpenFOAM, SU2, GROMACS, LAMMPS, CalculiX, Code_Aster, etc. Container Singularity Bring Your Own In-House code using MPICH, Intel MPI, Open MPI, Platform MPI Others FireFox, VS Code, PyCharm, Anaconda, BeeGFS, Intel Parallel Studio (2) 100개 이상의 코어타입(하드웨어 유형) 분류 설명 및 주요 용도 General Purpose 일반적인 사양의 유형으로 다양한 작업에 대응 가능 High Interconnect 노드간 데이터 전송속도가 빠른 유형(500코어 이상 필요한 작업) High Memory 대용량 메모리로 구성된 유형(코어당 16GB, 노드당 256GB 이상) High Clock-speed CPU 주파수가 높은 유형(적은 수라도 빠른 CPU가 필요한 작업) High Disk 대용량 스토리지로 구성된 유형(결과의 크기가 수 TB 이상인 작업) GPU GPU로 구성된 유형(머신러닝/딥러닝, GPGPU 활용 작업) (3) 관리자 포털 ■ 효율적인 플랫폼 사용을 위한 성능, 비용, 보안 대시보드 제공 ■ 팀, 프로젝트별 예산, 사용 가능 어플리케이션 및 코어타입 설정 등 개별적으로 플랫폼 최적화를 위한 설정 기능 제공 2. Rescale 플랫폼에서의 시뮬레이션 앞서 소개한 내용과 같이 Rescale 플랫폼은 HPC에서 필요한 모든 항목들이 단일 플랫폼에 구축되어 있으며 사용자의 업무 환경, 특성에 맞추어 최적화할 수 있도록 다양한 작업 유형 및 관련 기능들을 제공하며 이를 요약하면 다음과 같다. 사용자가 작업을 실행할 수 있는 방법은 총 3가지이며 각각의 특징은 다음과 같다. ■ Rescale WebUI : 가장 일반적으로 사용하는 방법으로 웹 페이지에 접속하여 입력 파일을 업로드하고, 사용할 소프트웨어 및 하드웨어 설정을 완료한 후 작업 실행 ■ Rescale CLI : 작업 실행에 필요한 항목들을 Rescale에서 프로그램으로 제작한 것으로 사용자는 이를 활용하여 WebUI에 접속하지 않고 간단한 명령어를 통하여 작업 실행 ■ Rescale API : CLI에서 수행하기 어려운 복잡한 절차의 시뮬레이션의 경우 사용자가 Python 혹은 CURL을 활용하여 스크립트로 구성하여 WebUI에 접속하지 않고 작업 실행 Rescale 플랫폼에서 제공하는 작업 유형은 총 4가지이며 각각의 특징은 다음과 같다. ■ Basic : Rescale 플랫폼에서 가장 많이 사용되는 유형으로 일반적으로 말하는 Batch 작업과 동일하게 하나의 작업을 생성해서 한 개의 시뮬레이션만 수행하거나, 순차적으로 여러 개의 시뮬레이션을 수행 가능 ■ End-To-End Desktop : 리눅스 기반의 GUI 환경을 제공하는 유형으로 시뮬레이션 진행 도중 수렴 데이터를 확인하며 필요시 진행 중인 작업을 중지하고 해석 파라미터를 변경하여 재시작하는 등 Interactive하게 시뮬레이션을 수행 가능 ■ Optimization : 파라미터 최적화 시 사용되는 유형으로 Isight, LS-OPT, 그리고 자체 개발한 Python 최적화 코드를 활용할 수 있으며, Basic 유형에서 사용 가능한 모든 시뮬레이션 소프트웨어를 Optimization 유형에서도 사용 가능 ■ DOE : 시뮬레이션을 활용한 실험계획법 수행 시 사용되는 유형으로 변수를 생성하는 방법과 그에 따른 변화를 반영하는 결과 값을 지정하고 각 케이스를 동시에 여러 개의 클러스터로 계산하여 각 인자의 영향도를 분석 가능 ■ Optimization vs DOE - Optimization은 목적 함수를 만족할 때까지 지정한 파라미터를 조정하면서 반복적으로 하나의 클러스터를 활용하여 계산을 수행 - DOE는 지정한 총 케이스들을 계산을 완료할 때까지 각 변수의 조합들을 여러 개의 클러스터를 활용하여 동시에 계산을 수행 - 예를 들어, Optimization에서 Emerald 코어 타입을 3 노드로 지정하여 클러스터를 생성하면 1개의 시뮬레이션 케이스가 108개의 코어로 계산되며, DOE에서 Emerald 코어 타입을 3 슬롯, 1 노드로 지정하여 클러스터를 생성하면 동시에 3개의 시뮬레이션 케이스가 각각 36코어로 계산됨 Rescale 플랫폼에서는 계산을 위한 작업 유형 외에도 시뮬레이션 모델의 전처리 및 후처리를 수행할 수 있는 Virtual Desktop 또한 제공하며 그 특징은 다음과 같다. ■ OS 유형은 윈도우 및 리눅스 모두를 지원하며, GPU 및 대용량 메모리로 구성된 코어 타입들을 기반으로 활용 가능 ■ 기존에 완료된 시뮬레이션 결과를 가져오거나, 가상 데스크탑 내에서 작업한 내용을 이후 계산 작업에서 사용할 수 있도록 내보내기 가능 ■ 특히, 연구소 내 인터넷 회선의 속도가 느리거나 계산된 시뮬레이션 결과 파일의 크기가 매우 클 경우(1TB 이상) Virtual Desktop 활용을 추천 ■ Virtual Desktop vs End-To-End Desktop - Virtual Desktop의 경우 시뮬레이션 데이터의 전처리 및 후처리가 주요 목적이므로 정해진 설정 값 외에 코어 수를 변경하거나 여러 개의 노드를 사용하는 것은 불가능 - End-To-End Desktop의 경우 계산이 주요 목적이며 필요 시 사용자가 interactive하게 작업을 할 수 있도록 GUI를 추가로 제공해주는 것이므로 사용자가 자유롭게 코어 수 혹은 노드 수를 조정하는 것이 가능 - 다만 시뮬레이션 모델의 검증 및 계산 부하가 적은 시뮬레이션의 경우 Virtual Desktop에서 모델 구성 후 이어서 시뮬레이션까지 진행하는 것이 효율적임 3. Rescale 플랫폼을 활용 Tip(Basic 작업 유형) ■ 기본적으로 사용 가능한 애플리케이션 실행 명령어 외에도 필요한 명령어를 추가하거나, 시뮬레이션에 사용하는 코어 수를 직접 지정하는 것이 가능하다. - 자동으로 생성되는 환경 변수로 계산에 사용할 코어 수를 지정하거나, 해당 파라미터에 직접 숫자를 입력 가능(-np 이후 항목 참조) - 애플리케이션 실행 명령어를 여러 줄로 입력하여 하나의 입력 파일에 대하여 코어 수에 따른 성능 평가를 수행하거나, 여러 개의 입력 파일을 업로드한 후 순차적으로 시뮬레이션 수행 가능 ■ ANSYS HPC Pack과 같이 코어 수에 따라서 Pack 사용량이 달라지는 경우 라이선스의 효율적인 사용을 위하여 생성한 클러스터의 모든 코어를 활용하는 것이 아닌 라이선스의 제약에 맞추도록 설정하는 것이 가능하다. 예를 들어, HPC Pack을 4개 가지고 있는 경우 Emerald 3 노드(144 코어)로 클러스터를 생성하여 시뮬레이션을 실행할 경우 12코어를 더 쓰기 위해서 Pack 1개가 추가로 사용되나, Pack이 1개 증가 시 활용 가능한 코어 수가 4배가 되는 것을 고려하면 불필요한 낭비가 되므로 하드웨어 자원을 일부 활용하지 않더라도 코어 수를 작게 지정하는 것이 필요하다. - $RESCALE_CORES_PER_SLOT을 사용하면 자동으로 활용 가능한 모든 코어 수를 시스템 변수에서 확인 후 시뮬레이션 시 사용 - 숫자를 지정하여 입력하면 해당 코어 수만큼만 시뮬레이션 시 사용 ■ Live Tailing은 시뮬레이션 진행 상황을 실시간으로 확인할 수 있는 탭으로 다음과 같은 기능이 있다. - 시뮬레이션 결과로 생성되는 텍스트 파일들(log, message, out 등)의 실시간 모니터링 - 시뮬레이션 결과로 생성되는 그림 파일들(jpg, png 등)의 확인 - 시뮬레이션 진행 도중 좌측의 Snapshot 버튼을 활용하여 현재까지 생성된 결과를 압축하여 저장한 후 Files 페이지에서 해당 파일을 다운로드 가능 ■ In-Browser terminal은 시뮬레이션이 시작되면 Live Tailing과 함께 자동으로 활성화되는 기능으로 계산이 진행 중인 노드에 원격으로 접속하여 특정 파일의 모니터링, 중간 결과의 압축 등의 작업을 수행 가능하다. - 2개 이상의 소프트웨어를 활용하여 Coupling 시뮬레이션 수행이 필요할 경우 소프트웨어 선택 창에서 필요한 소프트웨어들을 모두 선택하면 클러스터 생성 시 모두 로드되어 동시에 사용 가능 4. Rescale 플랫폼 활용 Tip(코어타입 설정) 앞서 플랫폼 소개의 내용과 같이 Rescale 플랫폼에서는 워크로드 특성에 맞추어 필요한 연산 성능을 제공할 수 있도록 다양한 코어타입들이 있으므로 사용자는 어플리케이션 및 시뮬레이션 모델의 크기에 따라 적절한 코어타입을 선택하는 것이 필요하다. STAR-CCM+의 공식 Benchmark 모델인 LeMans 104M Cells 모델로 테스트한 결과를 예시로 코어타입 설정에 대하여 설명하면 다음과 같다. 일반적으로 모델의 크기가 커질수록 계산 시 더 많은 코어 수의 활용이 불가피한데, 코어 수(노드 수)가 증가함에 따라 계산 노드간 데이터 전송이 많아져 전체 시뮬레이션 성능이 저하될 수 있어 이에 따른 영향도를 최소화하기 위하여 노드간 네트워크 속도가 빠른(100 Gbps 이상) 코어타입의 선택이 필요하다. 위 그림에서의 결과와 같이 Interconnect가 10 Gbps인 Ferrite와 Onyx같은 경우 약 400 코어 부근부터 코어 수 증가 대비 시뮬레이션 속도 향상의 폭이 크게 저하되는 것에 비하여 상대적으로 Interconnect가 빠른 Emerald, Luna(25 Gbps) 그리고 Carbon(100 Gbps)의 경우 더 많은 코어 수에서도 코어 수가 증가함에 따라 시뮬레이션 속도 또한 거의 일정한 비율로 증가하게 된다. Ferrite와 Carbon의 CPU는 Intel Xeon Platinum 8268(Skylake)2.7GHz CPU로 동일하나 Interconnect의 차이로 전체적인 계산 성능에서 차이가 나타난다. 위의 경우와 같이 Rescale의 코어타입들은 같은 CPU를 사용하는 경우에도 가상머신의 구성에 따라 노드당 코어 수, 메모리 용량, 저장장치 용량, 노드간 네트워크 속도 등이 다르므로 실제 시뮬레이션 업무에서 사용하는 모델을 활용하여 코어타입별로 성능 평가가 또한 필요한데 소프트웨어, 시뮬레이션 워크로드마다 병렬 처리 효율이 달라지기 때문이다. 추가적으로 시뮬레이션에 사용할 코어 수를 설정할 때 병렬 처리 효율과 클라우드의 과금 체계를 동시에 고려하는 것이 필요한데 가상의 시나리오를 예시로 설명하면 다음과 같다. ■ 코어 수의 증가에 따른 시뮬레이션 계산 속도 향상의 폭이 1:1에 가까울 경우 2배의 코어 수로 계산하면 시뮬레이션은 2배 빠르게 완료되나 비용을 차이가 없음 ■ 실제로는 Interconnect 속도가 200 Gbps 정도로 높더라도 코어 수(노드 수) 증가 시 1:1로 계산 속도가 향상되지 않으므로 비용 대비 성능이 가장 잘 나오는 값을 찾는 것이 필요 Rescale에서는 사용자들이 On-premise 환경에서 HPC 클라우드 환경으로 변화 시 Soft landing을 위하여 성능 평가 결과에 기반한 코어타입 추천, 시뮬레이션 워크플로우 효율성 향상을 위한 API 자동화, 기존 On-premise와의 하이브리드 구축 등 다양한 방법에 대한 가이드를 드리고 있으므로 도움이 필요하시면 info.korea@rescale.com으로 문의하기 바란다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 
작성일 : 2023-12-31
 ‘매트랩 대학생 AI 경진대회’에서 서울과학기술대학교 팀이 우승
매스웍스가 국내 대학생들을 대상으로 매트랩(MATLAB)을 활용해 실제 문제에 대한 인공지능(AI) 애플리케이션을 설계하도록 하는 '매트랩 대학생 AI 경진대회'의 수상작을 발표했다.  2021년에 시작해 올해로 3회차를 맞이한 매트랩 대학생 AI 경진대회는 대학생들이 매트랩을 활용하여 모델 개발 및 배포 등 범용 인공지능 모델 개발에 대한 실질적인 경험을 쌓고, 매트랩과 호환이 가능한 텐서플로우, 파이토치 등의 프레임워크 모델을 사용해 다양한 프로그래밍 언어로 모델을 구현하여 경쟁력 있는 프로젝트를 완성해 나가는 대회이다. 지난 6월 20일부터 7월 31일까지 진행된 이번 대회에는 작년 대비 약 2배 이상의 팀이 참여해 인공지능 기술을 실생활에 새롭게 적용하고, 산업에서 기존의 프로세스를 개선할 수 있는 아이디어를 제출했다. 그 결과 최우수상은 서울과학기술대학교 응용확률팀이 수상했으며, 준우승은 인제대학교 헬스케어 IT공학과에 재학 중인 윤태영 학생이 차지했다. 올해 참가팀들은 영상, 신호, 라이다 등 다양한 적용 분야의 프로젝트들을 출품했다. 매스웍스의 김경록 교육 세일즈 매니저는 “단순한 인공지능 모델 개발이 아닌 실제 산업 현장에서 적용 가능한 높은 수준의 프로젝트가 접수됐다”며, “다양한 실험을 통해 최적의 모델을 얻기 위한 노력의 과정이 인상적이었다”고 강조했다. 1등을 수상한 서울과학기술대학교 응용확률팀은 앙상블을 활용한 전기자동차 배터리 충전상태(State of Charge, SoC) 예측 모델 개발 프로젝트를 통해 정확한 초기 값의 큰 의존성, 오차의 누적 등 기존 모델의 한계를 인공지능을 도입해 극복했다. 프로젝트는 순환신경망 구조인 LSTM을 활용하여 SoC 예측 모델을 생성하고 이동 평균(Moving average) 후처리를 통해 결과값을 안정화했다. 또한 가중치 오류(Weighted Error)를 기반으로 한 앙상블 모델을 통해 전통적인 방법의 한계점을 개선하고, 배터리 셀의 전압, 전류 및 온도의 시계열 데이터를 사용하여 배터리의 SoC를 추정하기 위한 머신러닝 모델을 구축했다. 2등상을 수상한 인제대학교 헬스케어 IT공학과 윤태영 학생은 매트랩에서 제공하는 YoLo_v4를 사용하여 이미지에서 알약을 검출할 수 있는 객체 검출 방법을 통해 객체 검출, 분류 및 알약과 관련한 정보를 제공하는 애플리케이션을 개발했다. 매스웍스코리아의 이종민 대표는 “국내 STEM 분야 육성 및 교육에 주력해 온 매스웍스는 매트랩 대학생 AI 경진대회를 통해 국내 인공지능 산업의 미래를 이끌어 나갈 인재를 발굴해왔다”면서 “앞으로도 다양한 활동 및 프로젝트를 통해 이론 및 구현 방식을 이해하고, 이를 실생활에 적용함으로써 국내 학생들의 창의적인 프로젝트 기획에 기여하고 싶다”고 밝혔다.
작성일 : 2023-11-08
매트랩 R2023b, 시뮬링크 R2023b : 결함방지 테스트 및 요구사항 추적 기능 등 추가
개발 및 공급 : 매스웍스코리아 주요 특징 : 항공우주/자동차/무선 통신 업계의 엔지니어 및 연구원을 위한 모델 기반 설계 단순화, 시뮬링크 폴트 애널라이저 및 폴리스페이스 테스트로 체계적인 시뮬레이션 수행 지원 등   매스웍스가 매트랩(MATLAB) 및 시뮬링크(Simulink) 제품군의 릴리스 2023b(이하 R2023b)를 발표했다. 매트랩은 엔지니어 및 과학자를 위한 언어이자 알고리즘 개발, 데이터 분석, 시각화 및 수치 계산을 위한 프로그래밍 환경이다. 시뮬링크는 멀티도메인 및 임베디드 엔지니어링 시스템의 시뮬레이션 및 모델 기반 설계를 위한 블록 다이어그램 환경을 제공한다. 매스웍스는 “전 세계 자동차, 항공우주, 통신, 전자, 산업 자동화 등 다양한 산업의 엔지니어와 과학자가 이러한 제품군을 사용하여 기술 및 과학적 발견, 연구, 개발의 속도를 높이고 있다. 또한 매트랩 및 시뮬링크는 전 세계 여러 대학 및 교육 기관에서 기본 교육 및 연구 도구로 사용되고 있다”고 소개했다. 매트랩과 시뮬링크의 R2023b는 엔지니어와 연구원의 워크플로를 간소화하는 신기능을 탑재한 신제품과 여러 주요 업데이트를 통해 안정적이고 체계적 설계 및 요구사항 테스트를 지원한다.   ▲ 시뮬링크 폴트 애널라이저 R2023b   R2023b에서 새로 발표된 신제품인 시뮬링크 폴트 애널라이저(Simulink Fault Analyzer)는 시뮬레이션을 통한 체계적인 결함 영향 및 안전성 분석으로 엔지니어링 설계 수정 없이 결함 주입 시뮬레이션을 수행한다. 엔지니어는 특정 시스템 조건에 따른 결함 트리거 및 발생 시간을 측정해 고장 모드, 영향 분석(FMEA : Failure Mode and Effects Analysis)과 같은 안전성 분석을 수행할 수 있다. 이 제품을 요구사항 툴박스(Requirements Toolbox)와 함께 사용할 경우 엔지니어는 결함, 위험, 결함 검출 및 완화 논리, 기타 아티팩트 간의 정형적 연결을 생성하고 문서화할 수 있다. 또한 폴리스페이스 테스트(Polyspace Test)는 엔지니어가 임베디드 시스템에서 C 및 C++ 코드를 개발/관리/실행할 수 있도록 지원한다. 사용자는 폴리스페이스 xUnit API(Polyspace xUnit API)와 그래픽 테스트 작성 편집기로 테스트 중인 구성요소의 격리 및 검증을 위한 스텁과 모의 객체를 제작할 수 있다. 또한, 엔지니어는 폴리스페이스 테스트를 통해 호스트 컴퓨터 또는 임베디드 타겟에서 테스트를 실행 및 자동화하고, 테스트를 요구사항에 연결해 추적할 수 있다.   ▲ 폴리스페이스 테스트 R2023b   이번 R2023b는 매트랩과 시뮬링크 툴에 대한 다음과 같은 주요 업데이트를 포함한다. 항공우주 툴박스(Aerospace Toolbox) : 위성군 궤도 전파 및 시각화, 가시선(LOS) 및 위성식 분석을 수행한다. 데이터피드 툴박스(Datafeed Toolbox) : Bloomberg Hypermedia API를 사용해 과거 및 시장 데이터를 수신한다. DO 인증 키트(DO Qualification Kit) : DO-178C 및 DO-330 표준에 따라 폴리스페이스 테스트를 검증한다. 예측 정비 툴박스(Predictive Maintenance Toolbox) : 모터와 회전 기계에서 물리 기반 특징을 추출한다. 신호 무결성 툴박스(Signal Integrity Toolbox) : 매트랩 명령줄에서 시뮬레이션을 자동화하고 데이터를 분석하고 시각화한다. 시뮬링크 데스크톱 리얼타임(Simulink Desktop Real-Time) : 리눅스(Linux) 데스크톱 컴퓨터에서 실시간 테스트를 실행한다. 웨이블릿 툴박스(Wavelet Toolbox) : 앱을 통한 웨이블릿 및 시간-주파수 분석을 적용해 AI 워크플로에 대해 자동으로 특징을 추출한다. 무선 HDL 툴박스(Wireless HDL Toolbox) : 5G, 위성, WLAN 및 FPGA, ASIC, SoC에 대한 사용자 지정 OFDM 기반 통신 서브시스템을 설계, 구현한다. 매스웍스의 도미닉 비엔스(Dominic Viens) 기술 제품 마케팅 부문 이사는 “설계 모델이 점점 복잡해지면서 시뮬레이션은 필수적인 엔지니어링 툴이 되었다”면서, “매트랩과 시뮬링크 R2023b의 신제품 및 업데이트는 모델 기반 설계를 간소화하고 엔지니어와 연구원이 최고의 성과를 달성할 수 있도록 지원하기 위해 제작되었다”고 밝혔다.   ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2023-11-02