산업 디지털 전환을 가속화하는 버추얼 트윈 (4)   MRO(Maintenance, Repair, Overhaul or Operation)는 운영 중인 장비의 엔진, 장비, 부품 등에 대한 정비, 수리, 개조, 재생정비 등의 작업을 통해 안전성과 정시성, 신뢰성을 확보하기 위한 활동 및 산업을 통칭한다. 이번 호에서는 다쏘시스템의 3D익스피리언스 플랫폼(3DEXPERIENCE Platform)을 활용하여 스마트 유지보수를 구현하는 가상 모델 기반의 엔드 투 엔드 유지보수 설루션을 소개한다.   ■ 최형완 다쏘시스템코리아 IC본부에서 A&D (Aerospace & Defense)부문 Technical Executive를 맡고 있다. 홈페이지 | www.3ds.com/ko   MRO 산업은 크게 민간 정비 사업과 군용 MRO 사업으로 나뉘며, 민간 정비 사업은 주로 항공 정비와 선박 정비로 구분한다. 민간 정비 사업 중 항공 부문의 2025년 전 세계 MRO 시장은 1230억 달러로 예상되며, 2034년에는 1640억 달러로 연 평균 3.2%의 성장률을 예상하고 있다. 우리 정부는 국내 항공 부문의 MRO 산업을 2030년까지 38억 달러(약 5조 원), 2만 3000명의 일자리를 창출하는 시장으로 키우겠다는 계획을 발표했다. 우리 나라 방산업계는 지난 2년 동안 우수한 기술력과 생산력을 바탕으로 303억 달러 규모의 무기 수출 계약을 체결하여 2년 연속 글로벌 방산 수출 상위 10위권 내로 진입하였다. 이에 따라 국내 방산업체들은 높아진 위상을 바탕으로 더 높은 수익을 장기적, 안정적으로 낼 수 있는 사업에 집중하고 있는데, 바로 MRO 산업이다. 보통 무기체계는 가격이 비싸고 한 번 도입하면 10년에서 30년 동안 사용하는 것이 일반적이다. 따라서 판매 후에도 지속적인 사후 관리 서비스를 요구하는 경우가 대부분이다. 현재 글로벌 방산 MRO 사업은 전체 무기체계 시장에서 60% 이상의 비중을 차지하는 것으로 알려져 있다. 이 시장을 위해서 국내 대형 방산업체인 KAI, 한화오션, 한화시스템, LIG넥스원도 MRO 전담 조직을 설립하여 적극 투자 중이다. 항공/방위 산업을 영위하는 90% 이상의 고객사는 다쏘시스템의 설루션을 사용하고 있으며, 다쏘시스템은 고객사의 엔드 투 엔드 프로세스를 지원하는 11개 산업 특화 설루션을 보유하고 지속적으로 발전시키고 있다. 이 중에서 운영/유지보수(Keep Them Operating) 특화 설루션은 장비의 가용성을 높이고 유지보수 비용을 줄이면서도 장비의 안정성을 높이는데 중점을 두고 있는 프로세스이다.   그림 1. 모델 기반의 스마트 유지보수   이러한 흐름 속에서 요즘은 장비 생애주기 중 유지보수(sustainment)가 핵심 프로세스로 자리잡고 있다. 운영자(항공사나 사용군), 서비스 제공자, OEM들은 장비의 유지보수 가용성을 보장하기 위해서 전통적인 정비 방식에서 모델 기반 정비(modelbased maintenance)로의 프로세스 전환에 대해 피할 수 없는 변화로 여기고 있다. 다쏘시스템은 전통적인 고립된 MRO 서비스 방식과는 다른, 스마트 유지보수(smart sustainment)로 프로세스를 변화시키고 향상시키는 포괄적인 엔드 투 엔드 모델 기반 유지보수 설루션을 제공한다. 다쏘시스템의 엔드 투 엔드 모델 기반 유지보수 설루션은 3D익스피리언스 플랫폼(3DEXPERIENCE Platform)을 활용하여 MRO 프로세스를 가상(virtual) 환경에 투영할 수 있으며, 다음의 여섯 단계를 통하여 스마트 유지보수를 구현한다. 이러한 과정을 통해 우리는 더 나은 의사결정 지원을 받아 장비 가용성 증대와 유지보수 비용 절감이라는 목표를 달성할 수 있다.   엔드 투 엔드 디지털 연속성 첫 번째 단계는 장비의 지속적인 운영을 위한 엔드 투 엔드 디지털 연속성이다. 설계 데이터가 MBOM(제조 BOM)과 SBOM(서비스 BOM)까지 연결되어 있으며, 설계 및 엔지니어링 활동에서 서비스 엔지니어링 활동까지 완전한 디지털 연속성이 확보되고, 이러한 모든 활동은 3D익스피리언스 플랫폼 내에서 수행된다. 전용 애플리케이션을 통해 전용 EBOM(엔지니어링 BOM)에서 파생된 모델 기반 SBOM 구조를 생성할 수 있으며, 여기에 정비 작업, 서비스 키트, 예비 부품, 정비 지침 및 제조사 정비 공지문(service bulletin) 등 주요 서비스 기술 데이터를 포함시킬 수 있다. 또한, 레거시(기존) 장비의 유지보수 데이터도 플랫폼에 가져올 수 있다는 점도 중요하다. 이렇게 하면 유지보수 데이터 모델에 통합할 수 있으며, 플랫폼에서 설계된 장비뿐만 아니라 레거시 장비 전체도 플랫폼의 이점을 누릴 수 있다.   그림 2. 엔드 투 엔드 디지털 연속성     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (5)   지난 호에서는 BPMN(Business Process Modeling Notation)을 활용한 프로세스를 보다 폭 넓게 이해하기 위해 간략한 부품 개발 절차에 대한 프로세스를 작성해 보았다. 이번 호에서는 연재의 마지막 시간으로, 그동안 다루었던 개인 사용자 환경(클라이언트)에서 벗어나 서버 환경 특히 클라우드에서 BPMN을 활용하는 방법에 대해 알아보도록 하겠다.   ■ 연재순서 제1회 비즈니스 프로세스 모델링이 필요한 이유 제2회 BPMN은 무엇일까? 제3회 비즈니스 프로세스 모델링을 배워보자 제4회 간단한 제품 개발 프로세스를 디자인해보기 제5회 클라우드 서버 환경에서 BPMN을 연결하는 설루션 탐구   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 가브리엘 데그라시 이탈리아 Esteco사의 프로젝트 매니저   지난 호에서 작성한 리프 스프링(leaf spring) 개발 프로세스는 이해관계자(참여자)를 3개 영역(Business layer – Business manager, Engineering layer – Engineering designer, Simulation layer – Simulation engineer)으로 구분하고 업무와 역할을 정의하였으며, 각각의 레이어에는 현재 해야 할 태스크를 확인하고, 다음 레이어에는 어느 시점에 업무 흐름이 전개되는지 그리고 어떤 역할을 수행해야 해야 하는지 쉽게 파악할 수 있도록 하였다. BPMN을 이용하면서 업무의 흐름을 명확하고 자세하게 파악할 수 있고 서로 어떻게 연결되어 있는지도 이해할 수 있었을 것으로 생각된다.   그림 1. 리프 스프링 개발 프로세스   클라우드 서버 환경이 필요한 이유 이번 호에서는 서버 환경 특히 클라우드에서 BPMN을 활용하는 방법에 대해 알아보도록 하겠다. 우선 서버 환경이 왜 필요한지에 대해서 알아보면, 사실 서버 환경이 왜 필요한지에 대한 이유는 BPMN에만 국한된 문제는 아니다. 대부분의 도메인 영역에서 비슷한 이유가 있다고 볼 수 있는데, 우리는 BPMN에 대한 이야기를 다루고 있으니까 이와 관련된 예제를 가지고 생각해 보도록 하자.   철수는 리프 스프링 개발 프로세스에 참여하고 있는 프로젝트 매니저로, Camunada와 같은 클라이언트 툴을 사용하여 BPMN으로 프로세스를 작성하고 개인 PC에 저장하였다. 그리고 다른 참여자인 영희와 민수에게 해당 파일(LeafSprinngprocess.bpmn)을 이메일을 통해 전달하고 내용 확인을 요청하였다. 영희는 리프 스프링 개발 프로세스에 참여하고 있는 엔지니어링 디자이너이다. 영희는 철수에게 받은 LeafSpringprocess.bpmn 파일을 다운로드하고 오픈하여 프로세스를 검토하던 중에 특정 부분이 잘못 표시된 점을 발견하였다. 이를 수정하여 이메일 회신을 통해 전송하였는데, 저장을 할 때 변경 정보를 반영하기 위해 LeafSpringprocess_1. bpmn으로 파일 이름을 수정하였다. 다만 실수로 이전 버전인 LeafSpringprocess.bpmn을 메일에 첨부하였다. 그리고 바로 해외 출장 때문에 몇 주간 사무실에서 자리를 비우게 되었다. 민수는 리프 스프링 개발 프로세스에 참여하고 있는 시뮬레이션 엔지니어이다. 민수는 철수와 영희가 주고 받는 메일을 보면서 영희가 마지막으로 수정한 LeafSpringprocess.bpmn이 최종 버전이라 판단하고, 해당 파일을 다운로드하여 BPMN 프로세스를 확인하였다. 큰 문제는 없어 보였기에 프로세스 버전을 기준으로 업무를 수행하기 시작했다. 일주일 후에 철수는 리프 스프링 개발 프로세스에 변경 사항을 반영하기 위해 BPMN에 해당 내용을 반영하여 LeafSpringprocess_1. bpmn으로 저장하여 이메일로 전송하였다. 영희는 해외 출장 중이라 메일을 받기는 했는데, 시간 여유도 없고 사무실에 있는 개인 PC에 접속하기도 어려워서 상세 검토는 복귀 이후에 진행하기로 했다. 나중에 영희는 본인이 수정한 내용이 실수로 반영되지 않았다는 것을 알게 되었고, 전체 프로세스 업데이트에 대한 롤백이 필요하다는 것을 확인하였다. 민수는 LeafSpringprocess.bpmn에 따라 업무를 빠르게 수행하고 있었는데, 새로운 LeafSpringprocess_1.bpmn을 오픈하면서 그 동안 수행한 업무 일부는 새로 작업해야 한다는 것과 영희가 실수한 업데이트 버전이 본인의 작업을 전체적으로 재검토해야 한다는 것을 알게 되었다. 그러면서 공유가 좀 더 빠르게 실시간으로 진행되었다면 하는 아쉬움이 생겼다. 가상의 예제이긴 하지만 BPMN에 국한된 문제이기보다는 그동안 여러 참여자가 실시간 협업을 하면서 종종 마주하게 되는 것과 비슷하다고 볼 수 있다. 여기서 문제의 시작은 참여자들이 개별 PC에서 클라이언트 툴을 이용하여 작업하고 저장하고 관리하고 있다는 점이다. 서로의 소통은 이메일 또는 메신저를 활용하고 있으므로, 업무의 협업 관점에서 보면 부족한 측면이 많을 수 밖에 없는 것이 사실이다. 이러한 문제를 근본적으로 해결하기 위해 서버 환경이 구축되었고, 기술 발전을 거듭하여 이제는 클라우드 서버 환경으로 자리잡게 되었다. 이런 관점에서 보았을 때 우리가 지금까지 살펴 본 클라이언트 툴(Camunda 등)을 활용한 BPMN 프로세스 작성 및 관리는 개인 측면에서 부족함이 없을 수 있지만, 다른 참여자와의 공유 및 협업 측면에서는 아쉬운 부분이 존재한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제조산업의 경쟁력 강화를 위한 디지털화 전략   경제 불확실성이 커지는 가운데, 국내 제조업계는 디지털 전환과 AI 도입을 통해 위기를 극복해야 할 필요성에 직면했다. 디지털 트윈과 디지털 스레드 같은 신기술은 제품 개발부터 생산까지 전 과정의 효율을 높이고 비용을 절감하여 경쟁력을 강화하는 핵심 역량으로 주목을 받고 있다.   ■ 오병준 지멘스 디지털 인더스트리 소프트웨어 코리아의 한국지사장이다. 30여년 이상 여러 글로벌 IT 기업을 거치며 비즈니스 및 기술 전문성을 구축해 왔다.SAS 코리아 대표이사를 지냈으며, 오라클 코리아, 테라데이터 코리아, IBM 코리아 임원으로 재직한 바 있다. 홈페이지 | www.sw.siemens.com/ko-KR   한국은 세계 12위 규모의 경제 대국으로 자동차, 전자, 철강, 미용, 퍼스널 케어 제품 등 주요 산업을 중심으로 대외무역부(Foreign Trade Department : FTD)에서 가장 빠르게 성장하고 있는 국가 중 하나다. 또한 한국은 미국의 여섯 번째로 큰 무역 파트너로, 수출 품목의 대다수가 가공된 공산품이다. 그러나 최근 미국의 자동차와 철강에 대한 25% 관세 부과로 인해 한국의 수출이 5.2% 감소했다.¹) 대한상공회의소의 최근 조사에 따르면, 국내 제조업체 2107개 중 60.3%가 미국발 관세 정책으로 영향을 받고 있다고 응답했다. 뿐만 아니라 반도체, 의료 장비, 전기 장비, 기계, 통신, 전자 산업을 영위하는 기업의 65% 이상도 영향을 받을 것으로 예상하고 있다.²) 이러한 경제적 불확실성 속에서 한국의 제조업체들은 어떻게 관세의 영향을 최소화할 수 있을까? AI(인공지능), 디지털 트윈 등 신기술을 도입하는 디지털 전환이 그 해답이 될 수 있다. 제조업체들은 품질 보증, 비용 절감, 낭비 최소화와 같은 목표를 설정하고, 이를 달성하기 위한 현대적인 접근 방식으로 디지털화를 지목하고 있다. 스마트 공장 구축을 위해 시뮬레이션 소프트웨어를 적용하는 것이 가장 대표적이며, 많은 제조업체가 IoT(사물인터넷), 첨단 로보틱스와 같은 기술을 쉽게 수용하고 있다. 나아가, 제조업체들은 포괄적인 디지털 트윈을 활용해 업계의 도전 과제를 관리하면서 경쟁력을 유지해야 할 것이다.   그림 1. 소프트웨어와 자동화를 포함한 제품, 생산의 원활한 통합을 통해 제조업체는 포괄적인 디지털 트윈으로 제품을 설계, 시뮬레이션, 테스트, 검증할 수 있다. 동시에 설계 주기를 단축하며 제품과 프로세스 품질을 최적화할 수 있다.(이미지 출처 : 지멘스)   포괄적인 디지털 트윈의 가치 디지털 트윈은 제품 최적화와 생산 시스템 증강을 모두 향상시킬 수 있는 혁신 기술이다. 확장 가능한 포괄적인 디지털 트윈을 통해 제품과 생산 수명 주기를 원활하게 통합할 수 있으며, 여기에는 소프트웨어와 자동화가 포함된다. 물리 기반 디지털 트윈이 ‘포괄적’이려면 기계, 전자, 전기 시스템, 소프트웨어 등 모든 제품 도메인을 통합하고 제조와 연결해 오늘날 스마트 제품과 프로세스를 완벽하게 파악할 수 있어야 한다. 포괄적인 디지털 트윈은 일관된 디지털 모델 세트로 구성되며, 이 디지털 모델 세트는 전체 제품, 생산 수명 주기 전반에 걸쳐 사용할 수 있는 다양한 측면을 나타낸다. 디지털 트윈은 실물 제품과 함께 업데이트된다. 덕분에 제조업체는 생산 라인과 공급망 등의 활성 요소에 대응할 수 있다. 제조업체는 디지털 트윈을 통해 제품, 생산, 프로세스를 설계, 시뮬레이션, 테스트, 개선, 검증할 수 있다. 따라서 물리적 프로토타입에 소요되는 시간과 비용을 절감해 귀중한 자원을 절약할 수 있다. 실시간 시뮬레이션은 개선이 가능한 프로세스를 식별하고, 잠재적인 변경 사항을 테스트하며, 전체 시스템을 모니터링하는 데 도움을 준다. 포괄적인 디지털 트윈은 제품 수명 주기 전반에 걸쳐 일관성을 보장하고 이를 생성, 유지하는 데 드는 노력을 최소화한다. 제조업체는 디지털 트윈을 도입해 신제품, 제조 시스템, 서비스 제공 또는 프로세스의 개발 수명 주기 초기에서부터 주요 활동을 전환할 수 있다. 이를 ‘시프트 레프트(shift-left)’ 방법론이라고 한다. 엔지니어링, 설계, 원가 계산, 기타 분석 활동에 시프트 레프트를 도입하면 수명 주기 초기에 귀중한 정보와 인사이트가 생성된다. 제조업체는 이를 이용해 즉시 품질을 개선할 수 있다. 즉, 포괄적인 디지털 트윈은 운영 비용을 절감하고, 예지보전을 촉진해 생산 중단 시간을 최소화하며, 처리량을 최적화한다. 동시에 제품과 성능의 전반적인 품질과 문제 해결을 개선할 수 있다. 이러한 시간, 비용 절감으로 제조업체는 시장 출시에 필요한 시간을 단축시킬 수 있다. 또한 포괄적인 디지털 트윈을 사용해 가상으로 새로운 제품 설계 구성을 탐색할 수 있어 경쟁 우위 달성이 가능하다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

최적화 문제를 통찰하기 위한 심센터 히즈 (5)   심센터 히즈(Simcenter HEEDS)는 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 데에 도움을 준다. 이번 호에서는 심센터 히즈에서 해석 모델의 정확도를 높이기 위한 캘리브레이션(calibration) 분석에 대해 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 – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 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   지난 호까지 연재 내용에서는 스칼라 값을 최대화하거나 최소화하는 데에 최적화의 중점을 두었다. 그러나 목표 성능 곡선을 시뮬레이션 데이터와 실험 데이터의 일치 또는 규정된 제품 사양의 일치와 같이 목표 성능 곡선을 일치시키는 것이 목표인 경우가 많다. 그리고 제품 설계에서 시뮬레이션은 시간과 비용을 절약하며 성능 예측을 가능하게 하지만 시뮬레이션 결과는 종종 실험 측정 데이터와의 오차를 보인다.  이러한 오차는 여러 가지 원인에 기인한다. 첫째, 모델링 과정에서의 가정 및 이상화로 인해 실제 물리적 현상을 완벽하게 반영하지 못할 수 있다. 둘째, 재료 물성치나 경계 조건과 같은 입력 데이터의 불확실성 또는 부정확성이 결과에 영향을 미친다. 마지막으로, 해석 소프트웨어의 수치 해석 한계로 인해 미세한 차이가 발생할 수 있다. 이러한 오차를 줄이지 않고서는 시뮬레이션 결과에 대한 신뢰성을 확보하기 어렵다. <그림 1>에서는 변형 속도에 민감한 폴리머 거동을 시뮬레이션으로 구현하기 위해 four-term Prony series의 Neo-Hookean 재료 모델에서 사용되는 5개의 재료 상수를 최적화하여, 재료의 실제 거동과 가장 잘 일치하는 계수를 식별하는 사례를 나타낸다.   그림 1   이러한 오차를 줄이기 위해 캘리브레이션(calibration) 분석이 필요하며, 이를 통해 모델의 정확도를 향상시킬 수 있다. 심센터 히즈의 ‘Curve Fit’ 기능을 활용하면 효율적인 최적화를 통해 캘리브레이션 과정을 자동화할 수 있다. 이번 호에서는 1차원 스프링-댐퍼 모델의 진폭 감쇄 곡선을 참조 곡선과 일치시키기 위해 심센터 히즈를 사용한 최적화 방법을 소개한다.   예제 - 1차원 스프링-댐퍼 모델 <그림 2>는 예제로 사용된 1차원 스프링-댐퍼 모델을 나타낸다.   그림 2   예제는 다음과 같은 변수를 가진다. 여기서 스프링 상수 k와 감쇠 계수 c는 시스템의 동적 특성을 결정하는 중요한 변수로 작용한다.  m = 1.0 # mass(kg)  k = 10.0 # spring constant(N/m)  c = 0.5 # damping coefficient(Ns/m)  F = 10.0 # external force(N) 파이썬(Python)을 사용하여 변위(x), 속도(v)를 (dx/dt = v), (dv/dt = (-c v - k x + F)/m) 관계로 10초 시간에 대해 진폭을 계산하며 결과를 <그림 3>과 같이 확인할 수 있다.   그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (14)   이번 호에서는 크레오 11.0 버전의 CSL(Creo Simulation Live, 크레오 시뮬레이션 라이브)에서 향상된 기능에 대해 알아보자.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술 지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   CSL은 설계 엔지니어가 설계를 진행할 때 전문가의 수준의 지식 없이도 친숙하게 실시간 시뮬레이션을 할 수 있는 프로그램이다. 결과의 값을 실시간으로 제공받아 설계 단계에서 필요한 부분을 빠르게 적용하고, 설계의 신뢰도를 높일 수 있다. 크레오 11.0의 CSL에서는 솔리드 지오메트리와 유체 간의 열 전달 기능을 확인하고, 동일한 시뮬레이션 내에서 공기와 물 같은 여러 유체 재료를 사용할 수 있다. 이번 호에서는 공기를 재료로 사용해보자. 예제에서는 공기가 지나가는 공간을 그림과 같이 정의하여 부품 조립까지 완료한 상태이다.     전체 부품을 확인한 후 ‘라이브 시뮬레이션’을 클릭한다. ‘시뮬레이션 추가’에서 ‘유체 시뮬레이션 검토’ 메뉴를 클릭한다.     그러면 그림과 같이 아이콘이 변경된다. ‘검토’ 탭에서 ‘복합 열 전달’도 클릭한 후 확인한다.     먼저 유체 도메인을 설정한다. 유체 도메인 아이콘을 클릭하고 ‘유체 도메인’ 항목을 선택한 후 미리 어셈블리한 ‘AIR_ MODEL.PRT’를 선택한다.     다음으로 유속 조건을 준다. 그 전에 안쪽의 단면을 확인한 후 서피스 면을 선택한다. 가운데 단면을 생성하여 보면 해칭 면이 있는 곳이 공기가 흐르는 공간이다.     모델을 통해 공기의 흐름 및 각 부품의 온도를 시뮬레이션한다. 유속 아이콘을 클릭한 후 서피스 및 값을 정의한다.     방향 및 강도의 값을 입력한 후 확인한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (23)   이번 호에서는 항공 음향 시뮬레이션의 다각적인 과제를 살펴보고, 이러한 복잡한 문제를 해결하는 데 케이던스의 피델리티 LES(Fidelity LES)가 도움을 주는 사례 연구를 소개한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1   항공 음향 시뮬레이션은 유체 역학의 복잡성과 음향 현상의 뉘앙스를 혼합하는 지루한 작업이다. 이 이중 영역의 과제는 광범위한 스케일부터 난류 속에서 음향 신호의 미묘한 구분까지 수많은 기술적 장애물로 가득 차 있다. 이러한 기술적 어려움을 극복하고 항공 음향 거동에 대한 이해를 높이려면 엔지니어와 연구자는 피델리티 LES와 같은 정교한 도구를 사용해야 한다.   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션에는 상당한 어려움이 있다. 다음은 이러한 단점 중 일부이다. 광범위한 스케일 : 항공 음향 현상은 광범위한 공간적, 시간적 스케일을 포괄한다. 모든 스케일을 캡처하려면 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. 음향파 진폭 : 항공 음향 신호는 난류 압력 변동보다 미묘한 경우가 많기 때문에 지배적인 흐름 구조와 구별하기가 어렵다. 원거리 전파 : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있으므로 전체 도메인 시뮬레이션은 계산이 불가능할 정도로 복잡하다. 복잡한 지오메트리 : 실제 문제에는 항공기 엔진이나 차량 외관과 같은 복잡한 지오메트리가 포함되어 있어 유체 흐름과 사운드 전파 모델링이 복잡해지는 경우가 많다. 경계 조건 : 허위 반사나 비물리적 동작을 방지하려면 적절한 경계 조건을 선택하고 구현하는 것이 중요하다. 일시적인 특성 : 많은 문제가 불안정하고 과도 시뮬레이션이 필요하므로 계산 노력이 증가하고 통계 분석이 복잡해진다. 비선형 상호작용 : 높은 소음 수준은 비선형 공기역학적 및 음향학적 상호작용을 수반할 수 있어 추가적인 계산 리소스가 필요하다. 다중 물리 상호작용 : 일부 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과를 고려해야 하므로 설정이 복잡해진다. 수치적 소산 : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠하거나 억제할 수 있다.   그림 2. 음속(마하 1)보다 빠르게 이동하는 초음속 제트기 시뮬레이션   더 빠르고 정확한 항공 음향 시뮬레이션을 위한 소프트웨어 올바른 시뮬레이션 소프트웨어를 선택하는 것은 실제 엔지니어링 과제와 항공 음향 분야의 기초 연구를 해결하는 데 있어 중요하다. 피델리티 LES는 항공 음향을 포함한 고충실도 유동 해석을 위한 최고의 툴이다. 이 소프트웨어는 고급 수치 기법과 모델을 통합하여 대형 와류 시뮬레이션(LES)을 활용하여 소산과 분산이 감소된 불안정한 흐름을 시뮬레이션한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하는 피델리티 LES는 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 효과적으로 포착한다. 피델리티 LES는 고급 서브 그리드 및 벽 모델링을 통해 다양한 그리드 해상도에서 높은 성능을 제공한다. 거친 그리드에서도 흐름 현상을 정확하게 포착하여 CPU와 GPU 모두에서 효율과 확장성을 보여준다. 특히, V100 GPU 한 대가 약 400개의 인텔 스카이레이크(Skylake) 2018 CPU 처리 성능과 맞먹는 저 마하(low-Mach) 솔버를 구현한다. 엔지니어는 지오메트리 준비부터 결과 분석까지 모든 작업을 지원하는 사용자 친화적 애플리케이션인 피델리티 LES를 통해 전체 시뮬레이션 워크플로를 원활하게 관리할 수 있다.   그림 3. 인텔 스카이레이크 2018 CPU 코어 당 엔비디아 A100 및 V100 GPU와 같은 동등한 성능으로 다양한 흐름(flow) 시나리오에서 피델리티 LES를 사용할 수 있다.   피델리티 LES는 시뮬레이션 설정의 실시간 조정을 포함하여 복잡한 엔지니어링 모델에 대한 상세한 3D 뷰를 제공한다. 또한 사용자는 자동 제안이 포함된 명령어 용어집과 주요 지표를 추적하는 그래프를 활용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

파이썬 활용 강화 및 p-h 선도 업그레이드   최근 차량 전문 1D 열 관리(thermal management) 소프트웨어인 KULI(쿨리)의 기능이 업데이트되었다. 더 범용적으로 활용 가능하도록 파이썬(Python)을 활용할 수 있는 파이썬 컨트롤러(Python controller)가 추가되었으며, A/C 시스템의 해석 결과를 볼 수 있는 p-h 선도 또한 시인성 및 그래픽 기능이 향상되었다. 이번 호에서는 KULI의 신규 기능에 대해 알아보도록 하겠다.   ■ 이대형 태성에스엔이 FBU-F2팀의 매니저로, 1D CFD인 KULI와 3D CFD인 앤시스 플루언트 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr    신규 기능 - 파이썬 컨트롤러 현재 가장 대중적이고 범용으로 사용되는 프로그램 언어는 파이썬일 것이다. 파이썬은 간결하고 읽기 쉬운 문법이 특징으로 데이터 분석, 웹 개발, AI등 다양한 분야에서 활용되고 있으며, 많은 오픈 소스 라이브러리 및 깃허브(GitHub)와 같은 다양한 커뮤니티를 가지고 있는 프로그램 언어다. 이러한 파이썬을 활용할 수 있는 파이썬 컨트롤러 기능은 KULI 17.1 버전에서 처음 도입되었다.(최신 버전 19.1, 2025 5월 릴리스) 기존에 KULI에서 지원하고 있는 COM object, Calculation controller 등 다양한 컨트롤러 컴포넌트의 조합으로 시스템 제어 로직을 작성하거나 써멀 매니지먼트(Thermal management) 최적화를 사용할 수 있었으나, 이번에 도입된 파이썬 컨트롤러를 이용하면 좀 더 적은 노력으로 더욱 확장된 기능을 이용할 수 있다.(그림 1)   그림 1. 파이썬 컨트롤러 사용 예시   파이썬 컨트롤러를 사용하기 위해서는 KULI advanced 모듈이 필요하며, 미리 구성되어 있는 ‘*.py’ 스크립트가 필요하다. 정상적인 구동을 위해서는 파이썬 설치가 되어 있어야 하며 KULI 버전에 따른 지원 가능한 파이썬 버전이 다르므로, 메뉴에서 Help → about KULI를 이용하여 지원되는 파이썬을 사용자가 직접 설치하여야 한다.(그림 2)   그림 2. KULI에서 지원하는 파이썬 버전 확인   사용하는 환경 상 여러 버전의 파이썬을 사용할 경우, KULI에서는 PATH 환경 변수에서 발견되는 첫 번째 파이썬을 기준으로 구동된다. 따라서 원활한 사용을 위해서는 PATH 환경 변수에서 다른 모든 버전을 제거하거나, KULI가 지원하는 파이썬 버전을 PATH의 첫 번째 위치에 두어야 한다. 파이썬 컨트롤러는 KULI thermal system circuit 상의 Signal path의 일부이므로 기존에 지원하고 있던 Calculation controller, PID controller, Characteristic curve 등과 동일한 방식으로 사용이 가능하다. 최소 1개 이상의 Input을 취하며 다양한 Output을 제공하게 된다. 파이썬 컨트롤러는 KULI의 해석 Iteration마다 반복적으로 스크립트(Script)를 호출하므로 Time step과 Iteration을 구분해야 하는 경우에는 스크립트 자체에서 정의해야 한다.(그림 3)   그림 3. 파이썬 스크립트 작동 순서   파이썬 컨트롤러를 사용하기 위해서는 파이썬 스크립트(Python script)가 반드시 필요하며, 이 스크립트는 KULI가 확인 가능한 경로에 존재해야 한다. 일반적으로는 현재 사용 중인 프로젝트 디렉토리 내에 있는 ‘PythonScripts’ 폴더에 저장하게 된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (22)   터보 기계 시뮬레이션에 적합한 비용 효율적이고 충실도가 높은 LES 툴에 대한 수요가 크게 증가하고 있다. 이러한 상황에서 이전에 ‘캐스케이드 찰스(Cascade CharLES)’로 알려졌던 ‘케이던스 피델리티 LES(Cadence Fidelity LES) 솔버가 혁신적인 설루션으로 부상했다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   터보 기계 설계의 전산 유체 역학(CFD) 시뮬레이션에 가장 널리 사용되는 수치 도구는 레이놀즈 평균 나비에-스토크스(RANS) 방정식에 기반한 계산 효율성이 낮은 방법이다. 직접 수치 시뮬레이션(DNS) 및 대규모 와류 시뮬레이션(LES) 과 같은 충실도가 높은 방법은 더 정확한 결과를 제공하지만, 높은 계산 요구 사항과 리소스 집약도로 인해 사용에 제약이 있는 경우가 많다. 그럼에도 불구하고 터보 기계 애플리케이션에서 불안정 시뮬레이션에 대한 필요성은 점점 더 커지고 있다. 주기적 도메인은 터보 기계 구성 요소 간의 상호 작용과 상대적인 움직임을 충분히 나타내지 못하기 때문에 3차원 불안정 유동 특성을 효과적으로 포착하는 것이 중요하다.   터보 기계 시뮬레이션을 위한 피델리티 LES 피델리티 LES 솔버는 다양한 엔지니어링 분야에 걸쳐 LES의 실제 적용 범위를 넓히는 고충실도 CFD 기능을 제공한다. 유체 역학의 까다로운 과제를 해결하고 항공 음향, 공기 역학, 연소, 열 전달 및 다상 흐름과 같은 분야의 복잡한 CFD 문제에 대한 정밀한 설루션을 제공한다.   그림 1   충실도 높은 터보 기계 시뮬레이션을 가능하게 하는 세 가지 수치 및 계산 개발은 다음과 같다. 벽 모델링 LES(WMLES) 기술의 발전 보로노이 다이어그램을 기반으로 하는 고효율 무빙 메시 솔버 GPU를 사용한 높은 처리량 컴퓨팅   보로노이 다이어그램 기반 무빙 메시 솔버   그림 2   터보 기계 시뮬레이션의 경우 고정 부품과 회전 부품에 대한 메시가 별도로 생성되며 계산 중에 변경되지 않는다. 부품 인터페이스 처리를 위한 혁신적인 기술이 개발되었다. 이 방법은 모든 시간 단계에서 2D 보로노이 다이어그램을 기반으로 인터페이스 면을 절단하고, 수치 플럭스를 통해 고정 부품과 회전 부품 간의 정보 교환을 허용한다. 이 접근 방식은 보로노이 다이어그램의 볼륨 기반 재절단 및 GPU에서의 트리 기반 검색을 피하므로 계산 효율이 크게 향상된다. 이 접근 방식을 기반으로 하는 이동 솔버의 수치 체계는 보수적이고 컴팩트하며 계산 속도가 빨라 기존 접근 방식에 비해 상당한 성능 및 정확도 이점을 제공한다. 이 기법은 계산 도메인을 유연하게 분할할 수 있으며, 다음에서 팁 갭을 통과하는 회전 표면을 사용하는 첫 번째 사례와 허브와 슈라우드 모두를 통과하는 평면 인터페이스를 사용하는 두 번째 사례를 통해 이를 확인할 수 있다. 평면 인터페이스를 채택하면 팁 갭과 관련된 문제를 극복하여 메시 또는 시간 단계 크기에 대한 제한 없이 거친 메시에서 시뮬레이션을 시작할 수 있다.   그림 3. 터보 기계 유동 시뮬레이션을 위한 두 가지 유형의 고정 이동 부품 인터페이스.(노란색 점선으로 표시) (a) 팁 간극을 통과하는 회전 표면, (b) 슈라우드 절단면(Wang, Bose, & Ivey, 2024)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (4)   지난 호에서는 BPMN(Business Process Modeling Notation)을 작성하기 위한 모델링 툴(소프트웨어)을 살펴보고, 이를 활용하여 비교적 간단한 비즈니스 프로세스 모델을 작성하는 방법을 배워보았다. OMG 그룹에서 운영하고 있는 BPMN 웹사이트를 찾아가 보았고, Camunda 웹사이트를 통해 Camunda Molder를 다운로드하고 본격적으로 Camunda Modeler를 이용하여 BPMN 모델링을 작성해 보았다. 예제로서 엔지니어링 프로세스의 모델링을 따라해 보면서 BPMN 모델링의 기본 개념을 이해할 수 있었으리라 생각한다. 이번 호에서는 지난 호에서 작성한 엔지니어링 프로세스 예제보다 훨씬 복잡한 BPMN 프로세스를 작성하는 방법을 살펴본다.   ■ 연재순서 제1회 비즈니스 프로세스 모델링이 필요한 이유 제2회 BPMN은 무엇일까? 제3회 비즈니스 프로세스 모델링을 배워보자 제4회 간단한 제품 개발 프로세스를 디자인해보기 제5회 클라우드 서버 환경에서 BPMN을 연결하는 설루션 탐구   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 가브리엘 데그라시 이탈리아 Esteco사의 프로젝트 매니저   그림 1. 엔지니어링 프로세스   리프 스프링 개발을 위한 BPMN 프로세스 작성 실제 제품 개발 프로세스 관점에서 볼 때 지난 호의 예제가 보여주는 가장 큰 단점은 참여자의 역할 분담이 보이지 않고 있다는 점이다. 한 명이 시작 이벤트부터 종료 이벤트까지 모든 아이템을 수행하고 있는 것인지, 다른 많은 인원이 추가로 참여하고 있으나 표시되지 않은 것인지 파악하기가 어렵다. BPMN을 활용하여 프로세스를 표현하고자 하는 장점이 사실상 거의 잘 안보이는 셈이다. 그래서 이번 호에서는 좀 더 복잡한 예제인 리프 스프링(leaf spring) 개발에 대한 BPMN 프로세스를 작성하면서 이러한 한계를 극복해 보도록 하겠다. 이전의 엔지니어링 프로세스와 비교해 보면 이해관계자(참여자)가 3개 영역으로 구분되었고, 개발에 참여한 이해관계자들이 어떻게 협업을 해야 하는지 명확하게 파악할 수도 있다.(Business layer - Business manager, Engineering layer - Engineering designer, Simulation layer - Simulation engineer) 각각의 레이어(BPMN에서는 레인이라고 한다.) 구분을 통해 현재 해야 할 태스크를 확인할 수 있고, 다음 레이어에는 어느 시점에 플로(flow)가 전달되는지, 어떤 태스크를 수행해야 해야 하는지, 그리고 업무가 어떻게 이어지는지 등을 어렵지 않게 이해할 수 있다.   그림 2. 리프 스프링 개발 프로세스   지난 호에서 살펴 본 것과 비슷하게 Camunda Modeler를 실행하는 것부터 시작해 보겠다.    그림 3. Camunda Desktop Modeler의 시작 화면   리프 스프링 개발 프로세스의 가장 큰 차이점은 참여자(participant)를 구분하기 위한 틀(frame)이 존재한다는 것인데, BPMN에서는 이를 풀(pool)과 레인(lane)으로 정의할 수 있다. 수영장(pool)에서 선수들이 경기를 펼치는 레인(lane)을 생각해 보면 좀 더 이해가 쉬울 수 있다. Camunda Modeler에서도 <그림 4>와 같이 풀과 레인을 생성하는 메뉴를 제공하고 있다.   그림 4. 풀과 레인을 생성하는 메뉴   우선 풀을 생성해야 한다. 그 다음은 풀을 레인으로 분리해야 하는데, BPMN에서는 여러 가지 옵션(Add lane above, Add lane below, Divide into two lanes, Divide into three lanes)을 제공하고 있다. 옵션의 기능은 모두 비슷하므로 여기서는 ‘Add lane below’를 선택하여 작성해 보도록 하겠다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (13)   이번 호에서는 크레오 파라메트릭의 클리어런스 및 크리피지 분석 기능으로 전기적 제품의 고장을 사전에 예방하고 전기적 안전성을 향상시킬 수 있도록 설계를 최적화하는 방법을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   클리어런스와 크리피지 분석의 중요성 전기 및 전자 제품의 설계에서 절연 거리 확보는 전기적 제품의 안정을 위해 중요한 설계 고려 사항이다. 제품에 안전한 절연 거리가 확보되지 않으면 누전, 감전과 화재가 발생할 수 있으며 이는 제품의 고장이나 안전 사고로 이어질 수 있다. 이에 따라 국제 표준에서는 전기 제품 설계 시 필수로 확보해야 하는 최소 클리어런스와 크리피지 거리를 규정하고 있으며, 설계자는 이를 준수하여 전기적 안전을 고려한 설계를 진행해야 한다. 크레오 파라메트릭은 이러한 분석을 설계 단계에서 자동화하여 신속하고 정확하게 검증하고, 제품의 전기적 안전을 최적화한 설계를 가능하게 한다.   클리어런스와 크리피지 정의 클리어런스(Clearance)는 공기 중을 통한 두 도전성 부품 간의 최단 거리이다. 고전압 환경에서는 절연 파괴를 방지하기 위해 충분한 거리를 확보해야 한다. 크리피지(Creepage)는 절연 표면을 따라 두 도전성 부품 간의 최단 거리이다. 먼지, 습기 등으로 인해 누설 전류가 발생할 수 있으므로 전기적 제품은 안전한 크리피지 거리를 확보하는 것이 중요하다.     국제 표준인 IEC 60601, IEC 60950 등은 사용 환경, 오염 등급, 재료 그룹 및 전압 수준 등에 따라 다양한 절연 거리 기준을 규정하고 있다.   크레오 파라메트릭의 클리어런스 및 크리피지 분석 절차 크레오 파라메트릭에서 3D 모델에 전기적 절연 특성을 정의하고 전도성 부품 간의 절연 거리를 자동으로 계산한다. 사용자가 설정한 기준에 따라 분석 결과를 시각적으로 표시하고 문제 영역을 검토하여 허용 여부를 더 빠르게 판단할 수 있다.     크레오 파라메트릭에서는 클리어런스 및 크리피지 분석을 다음과 같은 절차로 진행할 수 있다.  모델 설정(메타데이터 정의)  분석 정의(전기 네트 및 분석 설정)  결과 및 리포팅(결과 검토)   모델 설정 분석 대상 모델에 대해 전기적 컴포넌트, 도전체 및 절연체를 정의하고 필요한 속성을 지정한다. 크레오 파라메트릭에서 분석(Analysis) → 클리어런스 및 크리피지(Clearance and Creepage) 분석을 실행한다.     클리어런스 및 크리피지 분석 대화상자에서 ‘메타데이터(Meta Data)’ 탭의 부품 목록을 확인하고, CTI 열에 각 컴포넌트의 비교 추적 치수(CTI) 값을 정의한다.     ■ 참고 비교 추적 지수(Comparative Tracking Index : CTI)는 전기 절연체의 내전력성을 측정하는 데 사용되는 지표이며, 전기 절연체의 표면에 발생하는 누설 전류를 측정하여 전기적으로 견딜 수 있는 능력을 평가한다. CTI 등급은 IEC 60112 규격에 따라 분류되며 IEC 60112는 전기 기기의 절연체에 대한 추적성 시험 방법을 제공하는 국제 표준이다.   CTI 값은 정수로 정의하며 정의되지 않은 부품(-1, 기본값), 전도성 부품(0)과 부품의 절연성에 따라 0보다 큰 값을 정의한다. 부품의 절연성이 높을 수록 높은 CTI 값을 가진다. 개별 컴포넌트의 매개변수(Parameters)에 COMPARATIVE_ TRACKING_INDEX 값을 직접 입력하여 CTI 값을 지정할 수도 있다.      또한, 피처 매개변수(Feature Parameters)를 활용하여 부품 내 각 피처별로 서로 다른 CTI 값을 지정할 수 있다. 이를 통해 재질 특성이 서로 다른 비균일 구성 요소를 보다 정밀하게 정의하고 더욱 현실적인 전기적 안전 분석을 수행할 수 있다.        ■ 자세한 기사 내용은 PDF로 제공됩니다.