자율주행 시뮬레이션 전문기업 모라이는 4월 22일~25일 미국 샌디에이고에서 개최되는 상용 무인항공기 전시회인 ‘Xponential 2024’에 참가한다고 밝혔다. Xponential 2024는 국제무인운송시스템협회(AUVSI)가 주최하는 행사로, 드론과 무인기, 군용 무인 이동체 등을 포함한 무인 이동체의 최신 기술과 시장 동향을 공유하는 국제 행사다. 모라이는 Xponential 2024에서 미래 항공 모빌리티 및 국방 산업에 특화된 최신 시뮬레이션 기술을 글로벌 시장에 소개한다. 부스 외에도 세션 발표자로도 참여한다. 모라이는 ‘시뮬레이션을 활용한 안전하고 효율적인 미래 도심 항공 모빌리티’라는 주제 발표를 통해 미래 항공 산업에서 자율주행 시뮬레이션이 제공하는 가치를 알린다는 계획이다.     모라이의 자율주행 시뮬레이션 플랫폼인 모라이 심(MORAI SIM)은 사실적인 시뮬레이션 및 디지털 트윈 환경을 제공해 UAM(도심항공교통), 군용 다목적 무인 차량 등 차세대 모빌리티 시스템 전반의 시스템 안전성을 테스트할 수 있는 것이 특징이다. 미래 항공 모빌리티의 분야의 경우 UAM 운영 시 도심에서 발생할 수 있는 다양한 비행 환경을 시뮬레이션으로 재현해, 기체의 안전성을 검증함으로써 위험 상황을 사전에 방지하도록 한다. 또한 UAM 운영의 주요 인프라인 버티포트에 대한 입지 분석, UAM 관제 및 운영 시스템에 적용할 수 있는 시뮬레이션 기능을 제공한다. 국내에서 2025년 UAM 상용화를 위해 실증 사업이 추진될 예정인데, 모라이는 사자의 솔루션이 제공하는 버티포트의 최적 입지 선정을 위한 시뮬레이션 기능이 도심 환경에서 UAM 서비스의 접근성과 효율성 확보를 위해 활용될 수 있을 것으로 보고 있다. 또한, UAM 관제 및 운영 기능이 안전한 기체 운항, 효율적인 항로 설계, 트래픽 관리를 가능하게 하여 UAM 서비스의 실현을 앞당길 것으로 기대하고 있다. 한편, 국방 분야에서는 자율주행 무기 시스템의 검증과 복잡한 시나리오 개발에 활용이 가능하다. 이 플랫폼은 다목적 무인 군용 차량의 운영 시나리오를 광범위하게 시험하고, 전략적 능력을 향상시키는 데 적합하다. 모라이는 자사의 플랫폼이 다양한 오프로드 환경에서 군용 무인 차량이 성능을 시험할 수 있도록 지원하는 동시에, 다양한 지형을 정밀하게 모델링하면서 UGV(무인 지상 차량)가 직면할 수 있는 극한의 조건 하에서 성능 최적화를 이루도록 지원한다고 소개했다. 모라이의 정지원 대표는 “시뮬레이션은 UAM과 같은 차세대 모빌리티를 빠르게 상용화할 수 있도록 돕는 최적의 솔루션이다. 모라이는 UAM, 드론, 국방 분야의 기업들이 안전하고 효율적으로 무인이동 시스템을 테스트하고, 서비스 운영을 준비하도록 돕는다”면서, “이번 행사를 통해 자율주행 자동차 산업에서의 역량을 기반으로 UAM, 드론, 국방 관련 산업의 기업에게 자사의 시뮬레이션 기술 역량을 널리 알리고 협업 기회를 마련할 수 있을 것으로 기대한다”고 전했다.

케이던스 디자인 시스템즈는 지속 가능한 데이터센터 설계와 최신화를 촉진하는 종합 AI 기반 디지털 트윈 솔루션을 출시하면서, 데이터센터 에너지 효율과 운영 용량 최적화를 지원한다고 밝혔다. 국제에너지기구(IEA)에 따르면 미국 내 데이터센터가 전기 사용 총량에서 차지하는 비중이 2023년 기준으로 4%를 넘어섰으며, 향후 수십 년간 기하급수적으로 증가할 전망이다. 케이던스의 리얼리티 디지털 트윈 플랫폼은 데이터센터 설계자 및 운영자가 데이터센터의 복잡한 시스템을 탐색하고 데이터센터 컴퓨팅 및 냉각 리소스의 비효율적인 사용에 따른 용량 부족 문제를 해결함으로써, 전력 부족 시대에 AI 기반 워크로드 최적화로 환경에 미치는 영향을 완화하는데 도움을 줄 수 있다.  케이던스의 리얼리티 디지털 트윈 플랫폼(Cadence Reality Digital Twin Platform)은 전체 데이터센터를 가상화하고 AI, 고성능 컴퓨팅(HPC) 및 물리 기반 시뮬레이션을 사용하여 데이터센터의 에너지 효율을 개선해준다. 물리적 데이터센터의 포괄적인 디지털 트윈을 생성함으로써, 진화하는 비즈니스 및 환경 관련 요구사항에 발맞춰 정밀한 인프라 계획, 분석 및 관리 능력을 제공하는 것이다.      케이던스 리얼리티 디지털 트윈 플랫폼은 모델 생성 및 시뮬레이션에 AI를 사용하여 공기 흐름, 풍속, 공기 흡입을 막는 장애물, 내/외부 온도 변화 등 데이터센터 운영에 영향을 미치는 물리적인 외부 요인을 예측한다. 고급 모델링 기능을 통해 광범위한 설계 시나리오 및 운영 전략을 시뮬레이션하고, 각 데이터센터별로 에너지 효율이 가장 큰 솔루션을 찾아낸다. 그리고, 설계 프로세스에 외부 환경 요인을 통합하여 탄력적인 개발뿐 아니라 지속 가능한 데이터센터 운영을 가능하게 한다. 이 플랫폼은 각 프로젝트의 세부 요건에 맞는 자동화된 상세 리포트를 제공하여, 잠재적인 에너지 절감 및 효율성 향상에 대한 심층적인 이해를 지원한다. 또한, 여러 냉각 시스템이 에너지 소비에 미치는 영향을 평가하여 가장 효과적인 냉각 솔루션에 대한 통찰력을 제공한다. 이외에도 케이던스의 멀티피직스(multi-physics) 솔버에 통합되어 칩렛(chiplet)에서 기후에 이르기까지 동일한 정확성을 갖는 고용량 멀티 도메인 엔진을 구현할 수 있는 것이 특징이다. 케이던스는 이 플랫폼을 통해 모든 산업서 차세대 데이터센터 및 AI 공장의 개발을 가속화할 수 있으며, 엔비디아 옴니버스(NVIDIA Omniverse) 개발 플랫폼과 통합되어 최대 30배 더 빠른 설계 및 시뮬레이션 워크플로를 구현할 수 있다고 설명했다. 케이던스의 톰 베클리(Tom Beckley) 커스텀 IC &PCB 그룹 수석 부사장 겸 총괄은 “데이터센터가 AI의 급속한 성장에 직면하여 지속가능성과 에너지 효율에 우선순위를 두어야 한다는 압박을 받고 있는 상황”이라면서, “리얼리티 디지털 트윈 플랫폼이 데이터센터 설계 및 운영의 모든 측면을 최적화하여 에너지 효율을 개선하고, 보다 더 효율적이고 탄력적이며 환경 친화적인 길을 열어줄 것”이라고 설명했다.

자율이동로봇(AMR) 제조업체인 미르(MiR)는 새로운 자율이동로봇인 ‘MiR1200 팔레트 잭(Pallet Jack)’을 출시한다고 밝혔다. 엔비디아 젯슨 AGX 오린(NVIDIA Jetson AGX Orin)으로 구동되는 첨단 AI 기반 팔레트 감지 기능이 적용된 MiR1200 팔레트 잭은 3D 비전을 이용해 팔레트를 식별하고, 높은 정밀도로 팔레트를 픽업 및 운송할 수 있다. MiR1200 팔레트 잭은 기존의 미르 AMR과 원활하게 통합이 가능하고, 미르의 데크 적재화물(Deck Load) AMR과 상호 운용되도록 설계됐다. 이를 통해 일반적으로 여러 현장에서 더 많은 로봇으로 복잡한 작업 흐름을 처리해야 하는 대규모 기업 고객에게 적합하다는 것이 미르의 설명이다.     MiR1200 팔레트 잭은 120만개 이상의 실제 및 합성 이미지를 학습한 솔루션으로 빠르고 정확한 팔레트 감지 기능을 지원한다. 높은 배터리 용량과 고속 충전 기능으로 연중무휴 작업 흐름에 적합하며, ISO 3691-4를 포함해 최신 제품 표준을 준수하도록 설계되어 다양한 환경에서 안전하게 사용할 수 있다.  라이다 및 3D 비전이 결합된 장애물 감지용 3D 센서는 바닥, 머리 위 및 주변의 장애물을 정밀하게 감지하여 정확하고 안전한 팔레트 배치를 지원하며, IP 52 등급과 견고한 바퀴로 까다로운 표면에서도 이동성을 제공하는 것도 특징이다. MiR1200 팔레트 잭의 3D 비전 기능은 특히 자동화가 어려운 복잡한 환경과 증가하는 노동력 부족으로 인해 자동화가 필요한 현장에서 기업이 자원 집약적인 자재관리 문제를 효과적으로 해결할 수 있도록 지원한다. MiR1200 팔레트 잭은 바닥에 떨어져 있는 물체나 머리 위의 장애물을 피하기 위해 경로를 동적으로 수정할 수 있다. 엔비디어 젯슨 AGX 오린 모듈에 내장된 GPU 및 여러 다른 프로세서의 전체 스택을 가속화하여 수많은 카메라와 라이다(LiDAR) 데이터를 실시간으로 처리할 수 있다. 좁은 공간에서도 쉽게 탐색이 가능한 이러한 능력은 기존 인프라 변경을 최소화하면서도 물류 효율성을 최적화하고, 적시에 팔레트를 운송하는데 적합하다. 미르의 장-피에르 하스우트(Jean-Pierre Hathout) 사장은 “미르의 광범위한 AMR에 최근 추가된 MiR1200 팔레트 잭은 기존 운송 솔루션의 크기와 무게는 물론, 운송 시나리오 범위를 대폭 개선함으로써 보다 다양한 적용 분야를 지원할 수 있게 되었다”면서, “또한 업계 선도적인 로봇 관리 툴인 미르 플릿(MiR Fleet)을 통해 모든 로봇을 원활하게 관리 및 통합하고, 미르 인사이트(MiR Insights)를 이용해 모니터링 및 최적화를 실현할 수 있다”고 전했다.

한국에이브이엘은 지난 2월 22일 ‘미래 모빌리티를 위한 AVL의 최신 시뮬레이션 트렌드 및 개발 방법론’을 주제로 버추얼 콘퍼런스를 개최했다고 밝혔다. 비대면으로 진행된 한국에이브이엘 2024 버추얼 콘퍼런스에는 다양한 산업 분야 관계자 약350여 명이 참여했다. 특히, 배터리, 전동화 구동 시스템, 배출가스 규제 대응, 자율 주행 등에 관련된 다양한 미래 모빌리티 개발 도전과제를 위한 AVL의 최신 시뮬레이션 및 소프트웨어 활용 방안과 더불어 모빌리티 개발의 패러다임을 변화시킬 수 있는 방법인 SDV(Software Defined Vehicle)를 위한 데브옵스(DevOps) 솔루션을 소개하고자 마련됐다. 이번 한국에이브이엘의 온라인 콘퍼런스는 총 8개의 기조연설 및 기술 세션으로 구성되었으며, 끊임없이 빠르게 변화하는 모빌리티 패러다임 속 자율주행·커넥티비티·전동화·공유화를 위한 소프트웨어 역량 확보의 중요성이 어느 때보다 커지고 있는 만큼 고객이 보다 실질적이고 구체적인 방안을 마련할 수 있도록 독려하는데 목적을 뒀다.     이번 AVL의 최신 시뮬레이션 트렌드 및 개발 방법론 콘퍼런스는 한국에이브이엘 시뮬레이션 및 ADAS/AD 사업부 심재영 상무의 ‘버추얼 트윈(Virtual Twin) : 지속가능한 모빌리티의 시작’을 주제로 한 기조연설이 진행됐다. 이어 한국에이브이엘의 분야별 전문가들이 배터리, 인공지능 기반의 EDU 개발 최적화, E-Motor 열관리 시뮬레이션 방법론, 변속기 오일 분포 및 손실 예측 방안, ADAS/AD를 위한 가상 시나리오 기반 안전성 평가, 소프트웨어 정의 자동차(SDV) 등 최신 모빌리티 트렌드와 미래 청사진을 공유했다. 이번 콘퍼런스의 진행을 맡은 한국에이브이엘 시뮬레이션 및 ADAS/AD 사업부 심재영 상무는 “AVL은 지난 70여년 동안 엔진을 비롯한 파워트레인의 개발과 관련 솔루션을 제공해왔을 뿐 아니라, 지금은 전세계적으로 1500여명의 엔지니어 인력을 통해 자율주행, 첨단 운전자 보조 시스템(ADAS), 커넥티비티, SDV, 사이버보안 등 모빌리티 전방위 영역에서의 소프트웨어 및 솔루션 개발을 및 개발 프로세스에 대한 도움을 주고 있다”면서, “특히 이번 콘퍼런스를 통해 ‘소프트웨어로 정의하는 자동차로의 전환’ 과제에 당면한 엔지니어의 부담을 덜기 위한 국제 표준 준수 기반의 AVL 소프트웨어 및 시뮬레이션에 대한 발표가 도움이 되었기를 바란다”고 전했다.

자율주행 시뮬레이션, Virtual Test Drive(VTD)   주요 CAE 소프트웨어 소개   ■ 개발 : Forming Technologies, www.forming.com ■ 자료 제공 : 한국엠에스씨소프트웨어/031-719-4466/www.mscsoftware.com/kr 1. VTD : 가상환경 시뮬레이션을 위한 Complete Tool-chain  VTD(Virtual Test Drive)는 ADAS 및 자율 주행 차량의 개발 및 검증을 위한 가상 환경 시뮬레이션 플랫폼으로 도로 네트워크, 시나리오, 차량 동역학, 교통 및 음향 시뮬레이션, 센서 시뮬레이션 등을 위한 모듈화된 시스템으로 실제 환경과 동일한 가상환경을 생성한다. 이런 가상환경에서 생성된 자율주행차량의 데이터는 MiL, SiL, HiL, DiL, ViL 애플리케이션에서 사용할 수 있다. VTD는 20년 동안, 광업, 농업 및 운송 애플리케이션을 통해 전 세계 자동차, 항공우주 및 철도 산업의 수많은 설비에서 서비스되고 있다. 최근 VTD는 MS Azure, AWS와 같은 클라우드 시스템에서 수백만개의 시나리오를 생성하고 Edge Case 시나리오를 검증할 수 있는 서비스를 시작했다. 수백만 개의 시나리오를 분석하여 수십억 개의 가상 테스트가 실시간 시뮬레이션보다 훨씬 더 빠르게 수행되도록 병렬 프로세스를 지원하여 ADAS 및 AV 시스템에 대한 연산 속도를 높인다. VTD는 OpenDRIVE, OpenCRG 및 OpenSCENARIO의 Global Standards를 준수한다.  OpenDRIVE는 도로네트워크, 도로시설물, 노면, 표지판등 가상환경 도로 구성을 위한 Global stand-ards이다.  OpenCRG는 도로 표면의 굴곡, 거칠기등 상세한 표현을 위한 규격으로, 도로 표면의 생성, 관리, 평가를 위한 기준 및 툴이다. OpenSCENARIO는 시뮬레이션 도로 네트워크상에서 움직이는 모든 동적 요인을 정의하고 구성하기 위한 Global Standards이다.  VTD의 ROD(Road Designer)는 가상의 도로 네트워크를 생성하기 위한 3D 편집 도구로 OpenDRIVE, OpenCRG 등의 편집이 가능한 도구이다. 사용자의 편의성을 위해 다양한 국가의 3D Modeling 및 도로 형태의 데이터를 라이브러리로 구성, 데이터베이스화 하여 제공한다.   2. 주요 기능 (1) Sensors ■ Simplified perfect sensors는 감지된 오브젝트 정보 및 포인트 클라우드(Point Clouds) 같은 센서의 원시데이터를 고속(Real-time)으로 출력 ■ 노면상 Road Mark를 검지할 수 있는 수준의 고해상도 감지 기능 ■ Sensor Model 커스터마이징을 위한 SDK 제공 (2) Traffic & Pedestrian ■ 사전 정의된 이벤트 혹은 시나리오 경로를 따라 자동차 및 보행자의 행동범위 정의 ■ 다가오는 차량을 주시하는 등의 차량-보행자 상호작용 가능 ■ 도로네트워크 상 수많은 자동차 및 보행자의 개별 움직임 기반 시나리오 구성  ■ 중장비, 보행자, 자전거, 세그웨이, 동물 등 다양한 객체 생성 지원 ■ SCP 명령을 통한 실시간 객체 위치, 행동, 제스처 변경   (3) Scenarios ■ 시나리오 내 200대 이상의 차량, 보행자 생성 및 동시 주행 가능 ■ 실제 차량 및 보행자 궤적을 적용한 시나리오 구성, 혹은 사용자 연구목적에 따른 이상적인 이동 궤적 생성 및 적용   (4) Vehicle Model ■ 고정밀도 기반의 차량 모델 생성(스쿠터, 자전거, 세그웨이, 기차, UAM등 적용) ■ 실사정보를 기반으로 측정 및 모델 메시 정보를 적용한 차량 모델 제작   (5) Weather ■ 다양한 기상현상 표현 및 감지(time-of-day, clouds, visibility, Rain, Snow)   (6) Massive Scaling ■ Edge Case Scenario를 효율적으로 추출하기 위한 수천개의 시나리오 병렬 Computing 기능 지원  ■ PROSTEP OpenPDM 기술을 활용한 PDM 통합 ■ 모든 트랜잭션 데이터 자동 저장 지원 ■ 웹브라우저 기반의 빠른 개발 및 배포 기능 지원  ■ 다중 접속 기술지원 및 실험 환경 구성 가능   3. 적용 효과 ■ Native support for OpenDRIVE, OpenCRG, OpenSCENARIO ■ 영상, 다이나믹, 센서 등 모듈화된 운영 방식(내부 네트워크망을 통한 통합) ■ MiL, SiL, DiL, ViL, HiL 등 다양한 실험구성과 연동 및 통합 가능 ■ 고정밀 센서 모델 제공(object-list 기반 센서 및 physics-based 기반 센서); 사용자화 가능한 SDK 제공 ■ 물질 및 물리현상이 적용된 고해상도 이미지 생성(PBR 기술적용) : 사용자화 가능한 SDK 제공 ■ 다양한 3D Model 라이브러리 및 국가별 표지판, 신호등 데이터 베이스 제공 ■ 매우 복잡한 교통상환 시나리오 구성 가능(3rd party Traffic Simulation Tool 통합 가능 : Vissim, SUMO) ■ 손쉬운 데이터 모니터링 기능 지원, 실시간 SCP 명령을 통한 시뮬레이션 조건 변경 기능 지원 ■ 단일 Workstation에서 풀 스케일 HPC 환경까지 운영 가능(사용자 목적에 따라 변경 가능) ■ 정확한 차량 동역학 기반의 센서모델링을 위해 Adams Real-Time과 같은 Hexagon AB solutions 내 솔루션도구와 통합 ■ Hexagon’s LeicaGeosystems의 솔루션을 통한 정밀지리정보 취득 및 VTD 적용(OpenDRIVE format)      좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

제너레이티브 설계 솔루션, MSC Apex   주요 CAE 소프트웨어 소개    ■ 개발 : MSC Software, www.mscsoftware.com/kr ■ 자료 제공 : 한국엠에스씨소프트웨어, 031-719-4466, www.mscsoftware.com/kr 1. MSC Apex Generative Design - 자동화된 경량 설계 최적화 MSC Apex(에이펙스) Generative Design은 직관적인 CAE 환경, MSC Apex를 기반으로 제작된 완전 자동화된 제너레이티브 설계 솔루션이다. 이 제품은 기본적으로 혁신적인 제너레이티브 설계 엔진을 사용하고 있으며, 또한 MSC Apex의 사용하기 쉽고 배우기 쉬운 기능을 활용한다. 따라서 설계 최적화 워크플로에 필요한 노력과 비용을 크게 줄일 수 있다. MSC Apex Generative Design은 적층 공정으로만 제조할 수 있는 세밀하고 매우 복잡한 구조를 생성하도록 특별히 개발되었다. 혁신적인 응력 기반 알고리즘은 무게를 최소화하고 기존의 사고방식으로는 상상할 수 없는 독특한 형상을 안정적으로 이끌어낼 수 있다. ■ 편리하고 쉬운 사용법 : 사용자 중심 소프트웨어 디자인을 통해 별도의 전문 지식 없이도 최적화를 쉽게 수행할 수 있다. ■ 자동화된 디자인 : 무게는 최소화하면서 디자인 기준을 모두 만족하는 여러 개의 디자인 후보를 자동으로 생성할 수 있다 ■ 가져오기 및 검증 : 단일 CAE 환경에서 기존 형상 또는 메시를 가져와서 최적화된 디자인 후보를 찾고, 디자인 검증을 수행할 수 있다. ■ 직접 출력 : 수동 재작업 없이 직접 제조하여 즉시 사용할 수 있는 형상을 내보낼 수 있다. ■ 단일 프로세스 : Simufact Additive 또는 Digimat AM으로 결과 형상을 가져와서 모든 부품에 대해 비용 효율적이며 최초의 적정한 결과를 얻을 수 있다. (1) 주요 기능  ■ CAD 파일 불러오기  ■ 다양한 설계 형상 제공  ■ 선형 해석의 하중 케이스를 이용한 자동화된 최적화 프로세스  ■ 정확하고 부드러운 표면으로의 효율적 전환 & 스트럿 및 쉘 구조 요소 사이에 완벽한 전환  ■ 응력 기반 알고리즘을 통한 많은 무게 감소  ■ 짧은 시간 안에 다양한 설계 형상을 제공하는 제너레이티브 디자인 연구  ■ CPU, Nvidia GPU를 이용한 해석 기능과 Windows & Linux 환경에서의 원격 작업  ■ 로컬 좌표계, 압력, 중력 고려  (2) 적용 효과  ■ 수동 작업이 필요하지 않은 새롭고 혁신적인 설계 구조  ■ 별도의 사용법을 배우지 않아도 사용하기 쉬운 소프트웨어  ■ 효율적이고 혁신적인 제품 설계를 통한 비용 절감  ■ 최적화 설정을 토대로 여러 개의 설계 후보 생성  ■ 실현 가능한 부품 설계 생성  ■ 적층 제조 생산에 적합  ■ 기계적 무결성 및 제조 능력 검증을 위한 상호 호환성  ■ 유기 형태의 설계를 통한 경량화 및 생산 및 운영 비용 절감 2. MSC Apex | Modeler - 직접 모델링, CAD&메시 솔루션 MSC Apex Modeler는 CAD 형상 정리, 메시 생성, 물성 및 하중 부여 작업의 워크플로를 간소화고 CAE에 특화된 직접 모델링이 가능한 CAD와 메시가 상호 작용하는 솔루션이다 ■ 스마트 도구 : MSC Apex는 매우 빠르고 효율적인 방식으로 CAD 형상 정리를 수행할 수 있는 직접 모델링 도구를 제공한다. 형상 수정이 필요한 대상을 선택하고 마우스를 이용해서 밀거나 당기거나 드래그하여 수정할 수 있다. 이러한 도구를 통해 사용자는 CAD를 정리할 수 있으며, 작업량을 10분의 1까지 줄일 수 있다. ■ 제품 워크플로 : MSC Apex는 스마트한 FEA/CAE 워크플로를 목표로 설계되었다. 대표적인 예로 3D 모델을 2D 모델로 빠르게 만들어주는 미드 서피스 추출 기능이 있다. 사용자는 MSC Apex에서 제공하는 워크플로를 통해 일반적인 CAD에서 해석이 가능한 FEA 모델까지 10배 이상의 생산성을 높일 수 있다. ■ 기반 기술 : MSC Apex는 제너레이티브 프레임워크를 통해서 CAD와 해석 데이터 간의 완전한 연관성을 가능하게 한다. 어셈블리 모델의 경우 일부 파트 변경이나, CAE 모델을 수정할 경우에 유용하다. 상위 모델이 수정되면 메시, 물성, 하중 등을 포함하여 수정된 사항이 하위 모델에 자동으로 동기화된다. 이러한 직접 모델링은 사용자에게 많은 이점을 제공한다. ■ 사용하기 쉽고 배우기 쉬움 : MSC Apex는 다양한 목적의 도구를 쉽게 사용할 수 있도록 설계되었다. 설치 시 내장된 튜토리얼, 비디오 기반 문서, 마우스 커서에 자동으로 나타나는 사용 방법과 같은 다양한 학습 도구를 제공한다 (1) 주요 기능 1) 스케치 ■ 선, 사각형, 원, 타원, Fillet, Chamfer 그리고 복잡한 형상을 스케치 평면 위에 직접 스케치 ■ 기존 스케치의 형상을 Project, split, 수정 가능 2) CAD 수정 ■ 점이나 선을 마우스 드래그를 이용해서 서피스 수정(Vertex/Edge drag) ■ 서피스를 마우스 드래그를 이용해서 솔리드 형상의 수정(Push/Pull) ■ 서피스의 자르기(Split), 채우기(Fill) ■ 메시에 영향을 주는 점을 추가/삭제, 선(curve)을 억제/억제 해제 ■ 어셈블리에서 특정 파트만 교체 가능(Part Replace) 2) 미드 서피스 생성 및 수정 ■ 오프셋 옵션(자동, 일정한 두께, 사용자 입력 등)에 따라 미드 서피스 추출 ■ 평면 또는 곡면 솔리드의 균일 또는 불균일한 두께의 중간면을 점진적으로 생성(Incremental mid-surface) ■ FEA 모델로부터 CAD 생성 ■ FEA 모델로부터 Facet 형상과 Nurbs 형상 생성, 수정, remesh ■ 일부 FEA만 Facet 형상 생성 후에 메시 수정하면 기존 FEA의 물성, 두께, connector 등도 자동 업데이트 ■ 2D, 3D FEA 모델로부터 2D, 3D CAD 생성 ■ 생성된 CAD 내보내기 가능 3) 메시 및 메시 수정 ■ curve, surface, solid에 메시 ■ Beam, Quad, Tria, Tet, Hex 메시 ■ CAD가 수정될 때 자동으로 메시 재 생성  ■ Feature Base Meshing, mesh Seeding, mesh control curve를 통한 메시 개선 ■ 부품 연결을 용이하게 하는 Hard Point ■ 다양한 map mesh 옵션 ■ 시각적인 element quality 확인 및 편리한 수정 4) 모델 특성 ■ 물성 생성 및 할당 ■ 자동 두께 할당(균일하지 않은 단면 및 오프셋 특성 고려 가능) ■ 부품 연결 : 접촉(Mesh Independent Die), RBE2/RBE3 요소(Discrete Tie)  ■ 중력, 하중, 강제 변위, 구속, 압력 하중  5) MSC Nastran과 상호 운용성 ■ MSC Nastran 데이터(bdf,op2,h5) 지원, 가져오기 및 내보내기  ■ Adams/Car 모델 및 결과 데이터 확인 가능  ■ 단일 환경에서 Adams/Car 결과 데이터를 구조 FEA 모델에 연결 및 하중 매핑 가능 6) 후처리  ■ 이미지 캡처/동영상 녹화 기능 포함 ■ 멀티뷰를 통한 결과 탐색 환경 지원 7) Python 기반의 API를 통한 자동화 ■ 반복적인 작업을 자동화하고 사내 워크플로를 개발할 수 있는 사용자 정의 도구 ■ 완벽한 통합 개발 환경(IDE) 지원 ■ 코딩 없이 Micro Record/Play로 간편한 사용 3. MSC Apex | Structures - Computational parts 기반의 구조 해석 MSC Apex Structures는 유한 요소 해석 솔버가 통합된 모듈로 사용자에게 선형(비선형 기능 지원 예정) 구조 해석에 대한 접근을 제공한다. 현재 MSC Apex는 선형 정적, 선형 좌굴, 노말 모드 및 주파수 응답 해석을 포함한 4가지 유형의 선형 해석을 지원한다. MSC Apex Structures는 시나리오 정의, 해석 준비 상태 확인 및 통합 솔버를 위한 직관적인 사용자 인터페이스가 포함된 패키지이다. 사용자 인터페이스와 솔버의 통합은 사용자에게 FEA 모델을 대화식으로 그리고 점진적으로 검증하고 해결할 수 있는 고유한 기능을 제공한다. 이 점진적인 검증 및 해석은 전처리/후처리 프로세스와 솔버가 분리되어 매우 시간이 많이 소요되는 기존 FEA 워크플로에 대한 창의적이고 지능적인 방식의 변화이다. MSC Apex - MSC Nastran - MSC Apex의 워크플로를 지속적으로 확장하여 사용자는 다양한 설계 단계 및 작업에 따라 최상의 시나리오를 선택할 수 있다. ■ 시나리오 1 - MSC Nastran 솔버 사용 : 기존의 MSC Nastran 솔버 사용자는 MSC Nastran 솔버를 사용한다. ■ 시나리오 2 - MSC Nastran 솔버를 지원하는 내장된 MSC Apex Structures : 통합된 솔버는 해석 사전 검증 기능을 이용해서 FEA 모델을 생성한다. 생성된 FEA 모델을 MSC Nastran으로 외부에서 해석할 수 있으며 MSC Apex를 통해서 후처리 작업이 가능하다. ■ 시나리오 3 - 내장된 MSC Apex Structures 솔버 사용 : 내장된 MSC Apex 솔버의 모든 기능을 할 수 있다.

주요 CAE 소프트웨어 소개   ■ 개발 : AVL, www.avl.com ■ 자료 제공 : 한국AVL, 02-580-5800, www.avl.com Model.CONNECT는 Model Integration 및 Co-simulation이 가능한 오픈 통합 시뮬레이션 플랫폼이다. 1. 주요 특징 Model.CONNECT는 모델 통합 및 이종 툴 간의 연동 해석을 지원한다. 2. 주요 기능 ■ ADAS 기능에 대한 시나리오 기반 최적화 ■ RDE와 주행성능에 대한 ECU 캘리브레이션 ■ 전기차와 하이브리드 차의 열관리 검증   3. 도입 효과 ■ 다분야 및 다른 환경(가상-실제)의 툴 들의 통합 해석 ■ 모델 기반 개발 접근법을 통해 전체 개발 프로세스 상의 비용 절감과 개발 효율 증대 ■ 광범위한 파워트레인/차량 애플리케이션에 적용 가능   4. 주요 고객 사이트 현대자동차 등에서 Model.CONNECT를 사용하고 있다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

2024 AI 시장 전망, 출처: 빙크리에이터(AI로 만든 이미지)   인공지능(AI) 및 분석 선두 기업 SAS가 2024년 AI 시장 전망을 발표했다. 이번 발표는 AI의 주요 트렌드, 비즈니스 및 기술 발전을 예측하고, 각 산업에서 AI의 활용과 사회적, 경제적 영향에 대한 깊이 있는 인사이트가 제공되었다.   SAS가 제시하는 2024년 기업이 주목해야 할 12가지 AI 시장 및 기술 전망은 무엇일까?   1.    생성형 AI, 산업별 AI 전략 강화 2024년에 기업들은 생성형 AI를 산업별 AI 전략을 보완 및 강화하는 요소로 활용하게 될 것이다. 예를 들어, 금융권에서는 스트레스 테스트 및 시나리오 분석에 사용되는 시뮬레이션 데이터를 통해 위험을 예측하고 손실을 예방하며, 의료 서비스 산업에서는 개인 맞춤형 치료 계획을 세울 수 있을 것이다. 또 제조업의 경우, 생성형 AI를 활용해 생산 과정을 시뮬레이션 할 수 있어 품질, 안정성, 유지보수, 에너지 효율성 및 수율에 대한 개선 사항을 파악할 수 있다. 2.    AI 활용 새로운 일자리 창출 2023년에는 AI로 인해 사라질 일자리를 걱정했다면, 2024년에는 AI가 창출할 일자리에 관심이 높아질 것이다. 대표적으로 모델의 잠재력을 실제 적용과 연결시키는 프롬프트 엔지니어링(Prompt Engineering)을 예로 들 수 있다. AI는 기술 수준과 직무에 관계없이 모든 실무자의 업무 효과와 효율성을 높이는데 도움을 준다. 2024년 이후 몇 년 동안은 새로운 AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 많은 신규 일자리와 직무를 창출할 것이다. 3.    책임감 있는 AI 마케팅 강화 마케팅 담당자는 AI의 오류를 인식하고 편견이 개입할 수 있는 가능성을 경계하는 등 의식적으로 책임감 있는 마케팅을 실천해야 한다. AI는 마케팅과 광고 프로그램을 개선할 수 있는 가능성을 제시하지만, 편향된 데이터와 모델은 편향된 결과를 가져올 수 있기 때문이다. SAS 마케팅 부서는 마치 식품 성분표와 같은 AI를 위한 모델 카드를 사용하고 있다. AI를 생성하거나 적용하는 사람은 그 영향력에 대한 책임이 있기 때문에 모든 마케팅 담당자는 기술적 노하우에 관계없이 모델 카드를 검토하고, 알고리즘의 효과 및 공정성을 검증하며 필요에 따라 이를 조정할 수 있어야 한다. 4.    금융권, AI로 증가하는 사기 범죄 대응 소비자들이 금융 사기에 대한 경각심을 높이고 있지만, 사기꾼들은 생성형 AI와 딥페이크 기술을 활용해 수십조 원 규모에 달하는 사기 실력을 키우고 있다. 피싱 메시지는 더 정교해지고, 가짜 웹사이트는 진짜처럼 보이며, 사기꾼은 몇 초 만에 음성을 복제할 수 있다. 금융기관이 급증하는 피싱 및 다양한 사기에 대해 더 큰 책임을 지도록 하는 규제 변화로 인해 그간 AI 도입에 미온적이었던 은행 및 소규모 금융 기관들이 AI를 적극적으로 도입하게 될 것이다. 5.    CIO, 쉐도우 AI(Shadow AI) 문제 직면  과거에 ‘쉐도우 IT’로 어려움을 겪었던 CIO들은 이제 IT 부서의 공식 승인이나 모니터링 없이 조직에서 사용하거나 개발한 솔루션인 이른 바 ‘쉐도우 AI’에 직면하게 될 것이다. 직원들은 생산성 향상을 위해 좋은 의도로 생성형 AI 도구를 지속적으로 사용할 것이며, CIO는 이를 어느 정도까지 수용해야 하는지, 관련 위험으로부터 조직을 보호하기 위한 안전장치 마련에 고민하게 될 것이다. 6.    새로운 첨단 기술로 멀티모달 AI(Multimodal AI)와 AI 시뮬레이션이 부상할 것 생성형 AI의 차세대 목표는 텍스트, 이미지 및 오디오를 단일 모델로 통합하는 멀티모달 AI(Multimodal AI) 구현이다. 멀티모달 AI는 다양한 범위의 입력을 동시에 처리할 수 있어 더 많은 상황 인식 애플리케이션으로 효과적인 의사 결정을 가능하게 한다. 일례로 3D 객체, 환경 및 공간 데이터의 생성이 가능하며 증강현실(AR), 가상현실(VR), 디지털 트윈과 같은 복잡한 물리적 시스템의 시뮬레이션 등에 적용될 수 있다. 7.    디지털 트윈 도입 가속화 AI와 사물인터넷(IoT) 분석과 같은 기술은 제조, 에너지, 정부 등 경제의 중요한 산업 부문에 활력을 불어넣고 있다. 공장 근로자나 기업 경영진은 이러한 기술을 이용해 대용량 데이터를 기반으로 더 나은 의사결정을 신속하게 내릴 수 있다. 2024년에는 실시간 센서와 운영 데이터를 분석하고 공장, 스마트 도시, 에너지 그리드와 같은 복잡한 시스템의 복제본을 생성하는 디지털 트윈 기술이 확산되면서 AI와 IoT 분석의 도입이 가속화될 것이다.  8.    보험업계, AI로 기후 위기 대처 기후 변화는 이제 막연한 추측을 넘어 실질적인 위협이 되었다. 자연재해로 인한 전 세계 보험 손실액은 2022년에 1,300억 달러를 넘어섰고, 전 세계 보험사들은 경제적 압박을 느끼고 있다. 이러한 위기에서 살아남기 위해 보험사들은 자사가 보유한 방대한 데이터 저장소의 잠재력을 활용해 유동성을 강화하고 경쟁력을 갖추기 위해 AI를 도입할 것이다. AI는 보험사가 동적인 보험료 책정 및 위험 평가에서 이익을 실현하는 것 외에도 보험 청구 처리, 사기 탐지, 고객 서비스의 자동화와 품질 개선에 도움을 줄 것이다. 9.    정부 내 AI 중요성 확대  AI가 인력 수급에 미치는 영향은 정부에서도 예외가 아니다. 전문가들의 높은 급여 요구에 따라 정부는 AI 인재를 영입하고 유지하는데 어려움을 겪고 있지만, 규제 정책을 지원하기 위해 전문성을 갖춘 인재를 적극적으로 채용할 것이다. 기업과 마찬가지로 정부도 생산성 증가, 단순 업무 자동화 및 인력 부족 문제를 해소하기 위해 AI와 분석에 점점 더 의존하게 될 것으로 전망된다. 10.    생성형 AI로 환자 치료 개선 건강을 증진하고 환자 및 보험 가입자 경험을 개선하기 위해 의료기관 및 보험사는 2024년 임상 실험에 사용할 환자별 아바타 생성, 개인화된 치료 계획 생성 등 맞춤형 의료를 위한 생성형 AI 기반 도구 개발에 적극적으로 나설 것이다. 또한 임상 의사결정 지원을 위한 생성형 AI 기반 시스템이 등장해 보험자, 의료 서비스 제공자 및 제약사에 실시간으로 지침을 제공하게 될 것이다. 11.    신중한 AI 적용이 보험사의 성패를 좌우할 것 현재 보험사들은 각자의 비즈니스 모델에 맞추지 않은 자율 시스템을 빠른 속도로 도입하고 있다. 이들은 AI를 이용해 보험 청구를 신속히 처리함으로써 지난 몇 년간의 실적 부진을 상쇄할 것으로 기대하고 있지만 구조조정 후 남은 인력에 업무가 집중돼 AI를 적정 규모에 윤리적으로 배포하기 위한 관리 업무에 어려움을 겪을 것이다. AI에 대한 절대적 믿음을 갖게 될 경우 잘못된 사업 판단을 발생시켜 기업의 붕괴를 초래할 수 있다.  12.    공중 보건 부문에서 학계의 AI 활용 폭 증가 공중 보건은 전례 없는 속도로 기술 현대화를 실현하고 있다. 약물 과다 복용이나 독감 경계 등 공중 보건의 개입이 필요한 요소를 예측하는데 데이터를 사용하는 것은 필수적이다. 예측과 모델링은 빠르게 공중 보건 업무의 기반이 되고 있지만 정부는 여전히 학계의 도움을 필요로 하고 있다. 글로벌 팬데믹 이후 국민 보호를 위해 뛰어난 기술과 협업이 필요하다는 인식이 확고해졌기 때문에 정부를 대신해 AI 기반 모델링과 예측을 수행하는 학계 연구원들이 점차 늘어날 것이다. 주재영 SAS코리아 대표이사는 “AI의 잠재력은 무한하며, 그 활용 범위가 점점 확대되고 있는 만큼 2024년에는 기업이 더 현명한 의사결정을 내리고, 산업별 문제를 해결하며, 개인 맞춤형 서비스를 제공하는 데 AI 기술이 많은 도움을 줄 것”이라며, “SAS는 AI 및 분석 선두 기업으로서 AI 트렌드를 선도하고 고객들이 신뢰할 수 있는 AI를 구축, 활용할 수 있도록 적극 지원할 계획”이라고 말했다.   

오토데스크는 공장 및 물류 센터 운영자가 프로세스를 최적화할 수 있도록 지원하는 시뮬레이션 기술 제공업체인 플렉스심(FlexSim)을 인수하기 위한 최종 계약을 맺었다고 밝혔다. 플렉스심은 이산 이벤트 시뮬레이션(DES)을 통해 공장 또는 물류 센터의 설계를 현실화하는 기술을 통해 공장이나 물류 센터의 설계를 개선한다. 또한, 생산 흐름 분석을 통해 시간과 비용 목표를 달성하는 데 도움이 되는 비즈니스 인사이트를 얻을 수 있다. 플렉스심의 공장 시뮬레이션 기술은 오토데스크의 기존 공장 설계 솔루션을 보완한다. 이 기술은 오토데스크 인벤터, 레빗, 오토데스크 컨스트럭션 클라우드, 오토캐드, 오토데스크 제품 디자인 및 제조 컬렉션(PDMC) 사용자에게 심층적인 모델 분석, 레이아웃 시나리오, 프로세스 시뮬레이션 등의 기능을 제공한다. 플렉스심은 오토데스크의 디자인 앤 메이크 플랫폼과 함께 제공되며, CAD, PCB 설계, CAM, CAE, PLM, MES 소프트웨어를 단일 클라우드 기반 솔루션으로 통합하는 오토데스크 퓨전과도 긴밀하게 연계될 예정이다.     공장의 디지털 트윈은 운영을 계획, 시뮬레이션 및 제어해 성능을 정확하게 예측하는 한편 에너지 소비 및 배출의 예측, 안전 분석, 장비 활용도의 측정 등을 위한 환경을 제공한다. 플렉스심은 이를 위한 기능을 제공하여 정보에 입각한 의사결정을 더 빨리 내리고, 생산 목표를 정확하게 달성하며, 시장 출시 시간과 재고 비용을 절감할 수 있도록 지원한다. 오토데스크는 공장 시뮬레이션을 쉽게 생성하고 공장 설계 데이터와 운영 데이터 간의 핵심 연결고리를 제공하는 플렉스심의 기술이 자산의 디지털 트윈을 구추 및 운영하는 데에 도움이 될 것으로 기대하고 있다. 공장 및 물류 센터 계획자는 플렉스심의 기능을 통해 생산 시설의 변경으로 인한 다운스트림 효과와 의도하지 않은 결과를 더 잘 이해하고, 운영 성과를 더 정확하게 예측할 수 있다. 이는 비용이 많이 드는 장기적인 자본 자산 결정을 내리기 전에 이루어질 수 있다. 이는 수익에 도움이 되며, 불확실성이 높아지는 상황에서 기업이 효율적으로 확장할 수 있도록 지원한다. 중앙 집중화되고 연결된 데이터는 사일로(silo)를 극복할 수 있다. 연결된 환경에서는 데이터 손실이나 잘못된 커뮤니케이션이 발생하지 않으며, 시뮬레이션을 기반으로 내린 모든 결정은 단일 디지털 스레드에서 유지되고 모든 이해관계자와 공유된다. 이를 통해 모든 사람이 각 주기, 프로세스 및 제품에서 학습하여 반복 결과를 개선할 수 있다. 플렉스심은 기존 시설 레이아웃 및 계획 데이터 위에 시뮬레이션 인사이트를 구축한다. 이러한 인사이트는 공장 설계 유틸리티를 보완하고 클라우드 우선 소프트웨어의 가치를 제공하기 위한 오토데스크의 전략을 보여준다.

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.