매스웍스는 국내 대학생들이 인공지능(AI) 기술 활용 능력을 개발하고, 전문 분야별 경쟁력을 강화할 수 있도록 ‘제4회 매트랩(MATLAB) 대학생 AI 경진대회’를 개최한다고 밝혔다. 대회 참가자들에게는 글로벌 기업의 엔지니어 및 과학자가 AI 기반 시스템 조성에 활용하는 자사의 대표 제품인 ‘매트랩’ 라이선스가 참가기간 동안 무료로 제공된다. 매스웍스는 지난 2021년부터 올해까지 4년째 본 대회를 통해 대학생들이 보다 쉽게 인공지능 기술을 활용해 문제를 해결할 수 있도록 소프트웨어를 지원해 왔다. 2023년에는 2022년 대비 약 2 배수의 학생들이 참가해 매트랩을 통해 AI 애플리케이션 및 모델을 구현했다. 국내 대학교에 재학 중인 학생이라면 전공에 상관없이 누구나 개인 또는 팀으로 대회에 참가할 수 있다. 대회 참가를 희망하는 학생들은 실제 산업 현장에서 발생하는 문제나 기존의 관행적 프로세스를 선정해 이를 해결 혹은 개선할 AI 애플리케이션 및 모델을 설계할 수 있어야 한다. 올해 매스웍스는 보다 많은 참가자들의 참여를 독려하고 뛰어난 연구 결과를 도출해 내기 위해 상금 규모를 2배 늘렸다. 최종 결선에 진출한 세 팀 중 1등에게는 200만원, 2등 100만원, 3등 50만원의 우승 상금이 지급된다. 대회 심사위원들은 이번 대회에서 매트랩 및 매스웍스의 툴 활용 숙련도를 평가하고 AI의 메인 툴로서 워크플로의 각 단계에서 매트랩의 어떤 기능을 사용했는지 확인할 계획이다. 또한, 올바른 사용과 연산의 타당성 평가를 통해 참가자의 기술 역량 수준을 보다 상세히 심사할 예정이다. 매스웍스코리아의 김경록 교육 기관 세일즈 매니저는 “최근 의료 산업 및 안전이 중요한 산업 분야에서 인공지능 모델이 확대 적용되면서, 매트랩도 이를 지원하는 딥러닝과 데이터의 효과적 처리에 활용되고 있다”면서, “이번 경진대회를 통해 학생들이 인공지능이 적용되는 전문 분야의 당면 과제를 파악해 보고, 직접 솔루션을 만들어 실행하고 검증하는 기회를 통해 성취감을 느껴 보길 바란다”고 말했다.  

매스웍스는 협동로봇 전문기업인 유니버설 로봇이 파트너십 강화를 위해 ‘매스웍스 커넥션즈 프로그램(MathWorks Connections Program)’에 합류했다고 발표했다. 매스웍스는 매스웍스 커넥션즈 프로그램을 통해 자사 주요 제품인 ‘매트랩(MATLAB)’과 ‘시뮬링크(Simulink)’를 기반으로 보완적이거나 상용화된 제품, 교육훈련 및 컨설팅을 개발하고 배포하는 조직을 지원한다. 매스웍스는 2023년에 유니버설 로봇 플랫폼용 제품을 개발하는 300개 이상의 승인된 개발 업체로 구성된 유니버설 로봇 에코시스템의 UR+ 파트너가 됐다. 이후 양사는 협업을 통해 로보틱스 시스템 툴박스(Robotics System Toolbox)를 위한 지원 패키지를 공동 개발해 출시했다. 이를 통해 엔지니어는 매스웍스의 매트랩 및 로보틱스 시스템 툴박스를 사용하여 매트랩 기반의 협동로봇 애플리케이션을 설계한 뒤, 시뮬레이션 및 테스트를 거쳐 유니버설 로봇의 협동로봇에 배포할 수 있다.     매스웍스의 짐 텅(Jim Tung) 펠로우는 “매스웍스의 UR+에 합류와 더불어 유니버설 로봇의 커넥션즈 프로그램 참여를 통해, 양사는 엔지니어의 고급 협동로봇 애플리케이션 개발을 지원하고 새로운 매스웍스 릴리스와의 높은 호환성을 지닐 수 있도록 더욱 노력하겠다”면서, “유니버설 로봇의 시장 리더십과 매트랩 및 시뮬링크의 높은 활용도는 시스템 통합업체 및 최종 사용자가 겪는 복잡한 자동화 워크플로 문제를 지속적으로 해결할 수 있도록 할 것”이라고 전했다. 유니버설 로봇의 예스퍼 킬데가르드 폴센(Jesper Kildegaard Poulsen) 디지털 에코시스템 선임 디렉터는 “자동화 대상과 방법의 범위를 지속적으로 확장하고 있는 유니버설 로봇은 매스웍스와 함께 로보틱스 엔지니어의 고급 협동로봇 애플리케이션 배포 과정을 간소화할 수 있도록 노력하겠다”고 말했다.

매스웍스는 매트랩(MATLAB) 및 시뮬링크(Simulink) 제품군의 릴리스 2024a(Release 2024a, 이하 R2024a)를 발표했다. 이번 R2024a는 AI 및 무선 통신 시스템을 다루는 엔지니어와 연구원의 워크플로를 간소화하는 새로운 기능을 포함한다. 현재 약 6000개의 저궤도 위성(LEO)가 궤도를 돌고 있으며 수십억 달러의 민간 부문 자금이 우주 관련 기업으로 유입되면서, 위성 통신에 대한 관심이 높아졌다. 위성 통신 엔지니어는 매트랩/시뮬링크 R2024a의 위성 통신 툴박스(Satellite Communications Toolbox) 업데이트를 통해 시나리오를 모델링할 수 있다. 또한 R2024a는 위성 통신 시스템과 링크를 설계 및 시뮬레이션하고 검증할 수 있는 표준 기반 툴을 제공한다. 이 툴박스는 RF 성분 및 지상국 수신기와 함께 물리 계층 알고리즘 설계와 테스트 파형을 생성할 수 있으며, 골든 레퍼런스 설계 검증을 수행할 수 있도록 지원한다.     이번 업데이트는 매트랩 및 시뮬링크에서 주로 사용되는 ▲컴퓨터 비전 툴박스(Computer Vision Toolbox) ▲딥러닝 툴박스(Deep Learning Toolbox) ▲계측기 제어 툴박스(Instrument Control Toolbox)에 대한 주요 업데이트도 포함한다. 컴퓨터 비전 툴박스는 컴퓨터 비전, 3차원 비전, 비디오 처리 시스템을 설계와 테스트를 위한 알고리즘, 함수 및 앱을 제공한다. 이 제품에는 2차원/3차원 비전 작업을 위한 알고리즘 설계, 데이터 레이블 지정, 코드 생성 기능이 포함되어 있다. 딥러닝 툴박스는 알고리즘, 사전 훈련된 모델 및 앱을 사용하여 심층 신경망을 설계하고 구현할 수 있는 프레임워크를 제공한다. 이 툴박스는 트랜스포머와 같은 아키텍처를 지원하고, 파이토치(PyTorch) 및 텐서플로우(TensorFlow) 모델과 연동 시뮬레이션을 수행할 수 있다. 계측기 제어 툴박스는 오실로스코프, 함수 발생기, 신호 분석기, 전력 공급장치, 분석 계측기와 같은 기기에 매트랩을 곧바로 연결할 수 있다. 계측기 탐색기(Instrument Explorer) 앱을 사용할 경우, 코드를 작성하지 않고 IVI 및 VXI 플러그 앤 플레이(Plug&Play) 드라이버 지원 기기를 관리할 수 있다. 매스웍스의 도미닉 비엔스(Dominic Viens) 기술 제품 마케팅 부문 이사는 “엔지니어들이 무선 시스템의 빠른 진화에 대처하기 위해 디자인, 시뮬레이션 및 검증을 위한 활용성이 높은 통신 툴을 사용하는 것이 필수적”이라면서, “R2024a 업데이트는 차세대 통신 시스템 구현과 지원을 한층 수월하게 할 것”이라고 말했다.

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 

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.

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 

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 

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.

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.