앤시스코리아는 다국어 AI 가상 어시스턴트인 ‘앤시스GPT(AnsysGPT)’를 출시했다고 밝혔다. 챗GPT(ChatGPT) 기반으로 구축된 앤시스GPT는 앤시스 엔지니어의 전문 지식 및 AI를 융합해 연중무휴로 신속하게 고객을 지원하는 범용 도구다. 이 가상 어시스턴트는 앤시스 데이터를 기반으로 훈련되어 고객의 가장 시급한 엔지니어링 관련 질문에 유용한 답변을 즉각적으로 제공할 전망이다. 앤시스GPT는 고객이 앤시스 제품, 관련 물리학 및 기타 복잡한 엔지니어링 질문을 할 수 있도록 연중무휴로 가상 어시스턴트에 대한 접근성을 제공한다. 안전하고 사용하기 쉬운 인터페이스를 통해 설계자와 엔지니어가 다양한 공통 언어로 실시간 응답을 받아 시뮬레이션 설정을 간소화하고 관련 학습 기회를 탐색할 수 있도록 지원한다. 최신 버전의 앤시스GPT는 응답 정확성, 성능 및 데이터 규정 준수에 대한 테스트를 거쳐 개발됐다. 앤시스GPT는 제품 설명서, 제품 및 엔지니어링 관련 교육 자료, 자주 묻는 질문(FAQ), 기술 마케팅 자료, 앤시스 학습 포럼 등을 포함한 새로운 퍼블릭 소스로부터 지식을 습득한다. 앤시스는 강화된 인프라를 통해 수천 명의 사용자를 수용할 수 있도록 향상된 보안과 확장성을 제공할 계획이다.     콘티넨탈 오토모티브 루마니아의 유겐 딘카(Eugen Dinca) 열 시뮬레이션 수석 엔지니어는 “복잡한 시뮬레이션은 초보자와 숙련된 엔지니어 모두에게 설정하기 어려울 수 있기에 앤시스GPT의 유용성은 더욱 빛을 발할 것”이라며, “앤시스GPT는 사용하기 쉽고 신뢰할 수 있으며 관련성이 높고 정확한 정보가 빠르게 표시된다는 장점이 있다. 예를 들어, 내가 질문하면 필요한 모든 정보와 관련 문서로의 링크가 포함된 답변을 받게 되는 것”이라고 전했다. 앤시스의 앤소니 더슨(Anthony Dawson) 고객 우수성 부문 부사장은 “앤시스GPT의 출시는 앤시스 고객을 위한 혁신적인 AI 기반 기술 지원 수단의 가용성을 나타낼 것”이라며, “앤시스GPT는 고객이 복잡한 질문에 대한 답변을 스스로 찾을 수 있도록 돕는 보조 도구다. 이번에 출시된 버전은 사용자를 위한 응답 정확도, 성능, 데이터 보안 및 준수성이 향상되어 사용자의 가장 중요한 엔지니어링 질문에 정확하고 신속한 답변을 제공한다”고 밝혔다.

앤시스코리아가 켄텍(한국에너지공과대학교)에 교육 발전 및 인재 양성을 위해 캠퍼스 솔루션 소프트웨어를 기탁했다고 밝혔다. 앤시스코리아가 기탁한 '앤시스 멀티피직스 캠퍼스 솔루션(Ansys Multiphysics Campus Solution)'은 공학계열 학과에서 수업과 연구 용도로 활용이 가능한 시뮬레이션 소프트웨어다. 현재 국내외 대학교에서 학생들의 엔지니어링 실무 능력 향상을 위해 활용되고 있다. 앤시스코리아 박주일 대표는 “켄텍의 교육 발전과 인재 양성에 도움이 되어 영광으로 생각하며, 앞으로도 대한민국 에너지산업의 미래를 이끌어나갈 인재 양성을 위해 최선을 다할 것”이라고 기탁의 뜻을 밝혔다 켄텍의 박진호 총장직무대행은 “대학의 인재양성 및 연구력 증대를 위해 소프트웨어를 기탁한 앤시스코리아에 감사의 인사를 전하며, 켄텍 교원과 학생이 캠퍼스 솔루션 소프트웨어를 잘 활용해 우수한 연구를 선도하겠다”라고 전했다.  

앤시스 워크벤치를 활용한 해석 성공사례   최근 전기자동차의 수요가 증가함에 따라 전기자동차의 성능을 보다 향상시키기 위한 연구가 활발히 진행되고 있다. 특히 모터 분야에서 헤어핀(hairpin) 코일의 적용으로 성능이 향상됨을 확인하였으며, 이미 여러 양산형 모델에도 적용되어 실사용 중에 있다. 그러나 헤어핀 코일은 복잡한 제조 공정 및 제작 기술이 필요하다는 단점이 있다. 이렇게 기존 생산 공정에서 발생할 수 있는 문제점을 해결하고 추가적인 성능 향상을 도출하기 위해 금속 3D 프린팅 기술을 적용하여 모터 코일을 제조하는 방법이 연구되고 있다.  이번 호에서는 앤시스에서 제공되는 맥스웰(Maxwell)과 앤시스 애디티브(Ansys Additive)를 활용한 시뮬레이션을 기반으로 헤어핀 코일의 DfAM(Design for Additive Manufacturing) 및 적층공정 해석을 수행하며 전체 제작 프로세스를 제시하고자 한다.    ■ 김선명 원에이엠 DfAM팀의 연구원으로, 적층제조 특화 설계를 담당하고 있다. 이메일 | smkim@oneam.co.kr 홈페이지 | www.oneam.co.kr   전기자동차용 헤어핀 모터 코일 헤어핀 코일이란 <그림 1>과 같이 헤어핀의 형상처럼 직사각형 단면의 도선을 구부려서 제작되는 모터 코일이다. 기존의 원형 도선의 권선 형태로부터 성능 개선을 위해 개발되었으며, 성능 향상이 입증되어 이미 상용 전기차량에 적용되어 실사용 중에 있다. 이러한 직사각형 단면의 헤어핀 코일을 사용하는 이유는 기존 원형 코일 대비 높은 점적률(fill-factor)을 갖기 때문이다. 점적률이란 <식 1>과 같이 모터고정자의 슬롯 면적 대비 구리 도선이 차지하는 면적의 비로 계산이 된다. 점적률이 높아지면 <그림 2>와 같이 도선 간 빈 공간 영역이 작아진다. 따라서 상대적으로 권선 저항이 낮아지게 되고 도선간 접촉 면적이 증가함에 따라 열전달 계수가 높아져, 방열 효과도 증가하는 효과가 있다. 이러한 헤어핀 코일의 적용으로 원형도선 대비 모터의 성능을 향상시킬 수 있다.   식 1   그림 1. 헤어핀 코일   그림 2. 원형 도선과 헤어핀 코일의 비교(출처 : MG Motor article : Why 1% efficiency improvement means so much, Hairpin Technology : Hubiz)   헤어핀 코일은 <그림 3>과 같은 공정을 통해 조립된다. 제일 먼저, 원재료인 사각형 단면의 코일을 헤어핀 형태로 성형한 후 모터 고정자의 슬롯에 조립한다. 그 다음 같은 상끼리 연결될 수 있도록 트위스팅(twisting) 공정을 거친 후, 서로 접촉하는 도선끼리 용접하는 과정을 거쳐 완성된다. 추가로 도선에 용접될 부분의 절연재를 제거하는 등의 공정이 필요하다. 이처럼 헤어핀 코일 모터는 복잡한 제작 절차와 제작 공정이 필요하며, 특히 고난도의 용접 기술이 요구된다. 무엇보다 제조 공정 중 제품에 문제가 발생한다면 문제가 되는 부분만 처리가 불가능하기 때문에, 제작 공정이 처음부터 수행되어야 한다.   그림 3. 헤어핀 코일의 조립 공정(출처 : Maximising E-Machine Efficiency with Hairpin Windings, by Shaoshen Xue-Motor Design Limited)   이러한 문제를 해결하기 위해 최근에는 금속 3D 프린터를 사용한 모터 코일의 금속 적층제조에 대한 연구가 진행되고 있다. 금속 적층제조는 다음과 같은 장점이 있다. 제작 공정 간소화 : 헤어핀 코일의 3D 프린팅 공정 적용 시 3D 프린팅 장비만 있다면 기존의 복잡한 제작 공정이 필요 없으므로, 제작 공정을 보다 간소화시킬 수 있다. 일체화 : 개별 파트로 나누어진 헤어핀 코일을 일체화하여 하나의 부품으로 제작이 가능하기 때문에, 용접을 최소화한 공정이 가능하여 제작 중 파트 불량률을 최소화할 수 있다.  설계 자유도 향상 : 헤어핀 코일 형상의 제약이 없으므로 형상 구현의 자유도가 높기 때문에, 성능 향상을 위한 설계가 용이하다.  금속 적층제조를 고려한 헤어핀 코일의 설계를 위해서 시뮬레이션을 기반으로 전자기 성능 분석, 열 특성 분석, 적층 공정 해석의 전체 설계 및 제작 프로세스를 진행한다. 이 글에서는 앤시스 맥스웰과 앤시스 애디티브를 활용한 시뮬레이션을 기반으로 헤어핀 코일의 DfAM 및 적층공정 해석을 수행하며, 전체 제작 프로세스를 제시하고자 한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  17　THEME. 플랜트·조선 산업 혁신을 위한 디지털화 전략   Part 1. 디지털 기술로 플랜트·조선 산업을 혁신하다 데이터 기반의 업무 혁신, 건설산업의 새로운 시작 클라우드 서비스를 통한 대내외 보안 환경 조성 경쟁력 있는 플랜트를 위한 설비 관리 전략 스마트 디지털 리얼리티와 스마트 야드형 공사 정보 디지털 백본 구축 해양의 미래 : 자율운항 선박의 혁신과 시뮬레이션의 중요성 디지털 전환 여정을 위한 3D CAD 기반 디지털 트윈 구축의 4단계   Part 2. 디지털 트윈의 구축과 활용을 위한 기술 디지털 트윈 가속화를 위한 3D 엔지니어링 데이터 경량 시각화 솔루션 3D 스캔 데이터를 효과적으로 분석하고 활용하는 방법 플랜트 BIM 배관 공사의 필수 아이템 Ez-ISO Strand7 R3 : 범용 유한요소 해석 프로그램   Infoworld   Column 55　책에서 얻은 것 No. 19 / 류용효　커넥팅 80　디지털 지식전문가 조형식의 지식마당 / 조형식　제조업 디지털 전환과 디지털 엔지니어링, 디지털 PLM   Case Study 58　해외 소장 문화재의 ‘디지털 귀향’ 프로젝트　언리얼 엔진과 에픽 에코시스템으로 이뤄낸 문화유산 디지털 경험 62　최신 렌더링 기능의 사용 돕는 URP 3D 샘플　고품질 그래픽스의 효율적인 제작 및 스케일링 방법 제시   Focus 64　지멘스 DISW, “솔리드 엣지로 지능형 제품 설계를 실현한다” 66　모두솔루션, 지스타캐드 시장 확대 및 파트너십 강화 전략 소개 68　슈나이더 일렉트릭, 데이터 플랫폼으로 EV 배터리 시장 공략 70　한국산업지능화협회, “산업 디지털 전환을 주도하기 위해 다방면의 활동 강화” 72　레노버, “클라우드부터 에지까지 폭넓은 AI 포트폴리오 제공” 74　생성형 AI와 협업 툴의 만남, ‘플로우 3.0’ AI Now   New Products 76　이달의 신제품   On Air 78　캐드앤그래픽스 CNG TV 지식방송 지상중계　SIMTOS 2024와 디지털 제조 혁신 트렌드   82　New Books 84　News   Directory 131　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 87　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　로컬 호스트 LLM 오픈소스 기반 BIM 전문가 챗봇 서비스 만들어보기 94　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (12) / 천벼리　아레스 커맨더의 사용자 인터페이스 108　새로워진 캐디안 2024 살펴보기 (4) / 최영석　구성선 및 자유선 기능 128　복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (1) / 이소연　직스캐드 2024의 최신 기능 업데이트   Reverse Engineering 100　문화유산 분야의 이미지 데이터베이스와 활용 사례 (4) / 유우식　한지 데이터베이스   Mechanical 111　제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (11) / 김주현　매스캐드 프라임 9.0 사용하기 Ⅰ   Analysis 97　시뮤텐스 소프트웨어를 활용한 복합소재 해석 (1) / 씨투이에스코리아　복합소재 공정 전반의 가상 프로세스 체인 118　앤시스 워크벤치를 활용한 해석 성공사례 / 김선명　전기자동차용 헤어핀 모터 코일의 DfAM 및 금속 적층제조 프로세스 124　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (8) / 나인플러스IT　CFD 시스템 설계 및 분석 가속화를 위한 밀레니엄 M1     캐드앤그래픽스 2024년 4월호 목차 from 캐드앤그래픽스  

앤시스코리아는 가속 컴퓨팅 및 생성형 AI 기반의 차세대 시뮬레이션 솔루션 개발을 위해 엔비디아와 협력을 확대한다고 밝혔다. 양사간 협력 확대를 통해 앤시스는 최첨단 기술을 융합해 6G 통신 기술을 고도화하고 엔비디아 그래픽처리장치(GPU)를 통해 자사의 솔버를 강화할 전망이다. 또한, 앤시스의 소프트웨어에 엔비디아 AI를 통합하고 물리 기반 디지털 트윈을 개발하며, 엔비디아 AI 파운드리 서비스로 개발된 맞춤형 대규모 언어 모델(LLM)을 사용할 예정이다. 앤시스는 최근 포트폴리오 전반에 걸쳐 데이터 상호운용성을 강화하고 향상된 그래픽과 비주얼 렌더링을 제공하기 위해 오픈USD 얼라이언스(AOUSD)에 가입했다. 앤시스는 이미 엔비디아 옴니버스(NVIDIA Omniverse) 플랫폼에 기반한 엔비디아 드라이브 심(NVIDIA DRIVE Sim)에 앤시스 AV엑셀러레이트 오토노미(Ansys AVxcelerate Autonomy)를 연동했으며 앤시스 STK(Ansys STK), 앤시스 LS-DYNA(Ansys LS-DYNA), 앤시스 플루언트(Ansys Fluent) 및 앤시스 퍼시브 EM(Ansys Perceive EM) 등의 추가 연동을 검토하고 있다. 이를 통해 강화된 상호운용성을 바탕으로 사용자는 광범위한 수준에 걸친 다양한 시뮬레이션 과제를 해결할 수 있다. 앤시스는 엔비디아와 협력을 통해 고성능 컴퓨팅(HPC) 분야의 수치 연구를 발전시켜 사용자가 업계 전반에 걸쳐 설계 주기를 단축하고, 보다 복잡화된 제품을 제공할 수 있도록 지원할 계획이다. 앤시스는 다중 시뮬레이션 솔루션 강화를 위해 엔비디아 H100 텐서 코어(NVIDIA H100 Tensor Core) GPU를 활용하며 엔비디아 블랙웰(Blackwell) 기반 프로세서와 엔비디아 그레이스 호퍼 슈퍼칩(Grace Hopper Superchips)을 앤시스 포트폴리오 전반에 우선 도입한다. 여기에는 플루언트, LS-DYNA, 앤시스 전자 제품 및 반도체 제품이 포함된다. 동시에 엔비디아는 반도체 툴을 포함한 앤시스 기술을 활용해 가상 모델과 데이터 센터 설계를 강화, 궁극적으로 앤시스 솔버 성능을 가속화할 예정이다.     앤시스는 엔비디아 6G 리서치 클라우드 (NVIDIA 6G Research Cloud) 플랫폼을 최초로 채택한 기업 중 하나로, 연구자이 무선 액세스 네트워크(RAN) 기술용 AI를 발전시킬 수 있도록 포괄적인 제품군을 제공한다. 앤시스 HFSS로 구동되는 새로운 솔버 ‘앤시스 퍼시브 EM 솔버(Ansys Perceive EM solver)’는 6G 기술 개발 속도를 높이도록 설계된 엔비디아 6G 리서치 클라우드를 기반으로 한다.  앤시스는 최신 AI 기술로 소프트웨어 제품을 강화하기 위해 물리 기반의 머신러닝(ML)을 위한 엔비디아 모듈러스(NVIDIA Modulus) 프레임워크를 연구 중이다. 이 작업은 앤시스 AI+ 제품군 내에서 효율 최적화, 민감도 분석, 견고한 설계 등 향상된 기능을 제공하는 것을 목표로 한다. 또한, 앤시스는 LLM 개발을 발전시키고 설정 및 사용을 단순화하여 시뮬레이션의 대중화를 촉진하기 위해 엔비디아 AI 파운드리(NVIDIA AI foundry) 채택을 검토 중이다. 앤시스 솔루션에 맞춤화된 미래 LLM은 전문적인 가상 지원을 제공하여 새로운 고객의 시뮬레이션 사용 사례를 창출할 잠재력을 제공한다. 앤시스는 생성형 AI를 보다 쉽고 비용 효율적이며 신속하게 개발할 수 있는 도구를 제공하는 엔비디아 네모(NVIDIA NeMo) 플랫폼을 활용할 계획이다. 앤시스의 아제이 고팔(Ajei Gopal) CEO는 “엔비디아와의 협력 확대를 통해 가속 컴퓨팅과 생성형 AI의 새로운 지평을 열 수 있게 되었다”며, “엔비디아 옴니버스의 역동적인 영역 내에서 우리의 고객들이 가상과 현실을 연결함으로써 미래 기술 개발을 비롯한 혁신을 현실화해 우리 시대의 가장 시급한 엔지니어링 과제를 해결할 수 있을 것이라 믿어 의심치 않는다”고 밝혔다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “앞으로 제조되는 모든 제품에는 디지털 트윈이 적용될 것이다. 중공업 업계 내 전세계의 설계자와 엔지니어는 현재 시뮬레이션 엔진으로 앤시스를 사용하고 있다”며, “우리는 앤시스와 협력하여 이러한 대규모 작업에 가속 컴퓨팅 및 생성형 AI를 제공하고, 엔비디아 옴니버스 디지털화 기술로 앤시스의 선도적인 물리 기반 시뮬레이션 도구를 확장할 수 있도록 협력을 이어갈 것”이라고 말했다.

엔비디아가 엔비디아 옴니버스 클라우드(NVIDIA Omniverse Cloud)를 API로 제공한다고 발표했다. 엔비디아는 이를 통해 소프트웨어 제조업체의 전체 에코시스템에 걸쳐 산업용 디지털 트윈 애플리케이션과 워크플로 제작을 위한 플랫폼의 범위를 확장한다. 개별적으로 또는 함께 사용할 수 있는 새로운 옴니버스 클라우드 API는 5개로 ▲오픈USD(OpenUSD) 데이터의 레이 트레이싱 RTX 렌더링을 생성하는 USD 렌더(Render) ▲사용자가 오픈USD 데이터를 수정하고 상호 작용할 수 있는 USD 라이트(Write) ▲장면 쿼리와 인터랙티브 시나리오를 활성화하는 USD 쿼리(Query) ▲USD 변경 사항을 추적하고 업데이트를 제공하는 USD 노티파이(Notify) ▲사용자, 도구, 세상을 연결해 여러 장면에서 협업할 수 있도록 지원하는 옴니버스 채널 등이다. 개발자는 다섯 개의 새로운 옴니버스 클라우드 API를 사용해 핵심 옴니버스 기술을 직접 쉽게 통합할 수 있다. 여기에는 디지털 트윈을 위한 기존 설계와 자동화 소프트웨어 애플리케이션, 로봇이나 자율 주행 차량과 같은 자율 머신의 테스트와 검증을 위한 시뮬레이션 워크플로 등이 있다. 로봇, 자율 주행 차량, AI 기반 모니터링 시스템에 대한 수요가 증가함에 따라 개발자들은 엔드투엔드 워크플로를 가속화하고자 노력하고 있다. 센서 데이터는 인식부터 계획과 제어에 이르기까지 전체 스택의 자율성을 훈련하고 테스트와 검증을 하는 데 매우 중요한 부분이다. 옴니버스 클라우드 API는 포어텔릭스(Foretellix)의 포어티파이(Foretify) 플랫폼, 칼라(CARLA), 매스웍스(MathWorks) 등 시뮬레이션 툴과 애플리케이션으로 이루어진 개발자 에코시스템과, 포비아 헬라(FORVIA HELLA), 루미나(Luminar), 씨크(SICK AG), 소니 세미컨덕터 솔루션즈(Sony Semiconductor Solutions)와 같은 센서 솔루션 제공업체를 연결한다. 이를 통해 고충실도의 물리 기반 센서 시뮬레이션으로 풀 스택을 훈련과 테스트를 실현한다.     엔비디아는 글로벌 산업용 소프트웨어 업체 중 일부가 자사의 소프트웨어 포트폴리오에 옴니버스 클라우드 API를 도입하고 있다고 소개했다. 그 중에는 앤시스, 케이던스, 다쏘시스템의 3D익사이트(3DEXCITE), 헥사곤, 마이크로소프트, 로크웰 오토메이션, 지멘스, 트림블 등이 있다. 지멘스는 클라우드 기반 제품 수명주기 관리(PLM) 소프트웨어인 팀센터 X(Teamcenter X)와 지멘스 엑셀러레이터(Xcelerator) 플랫폼에 옴니버스 클라우드 API를 채택하고 있다. 엔비디아는 이 소프트웨어가 설계 데이터를 엔비디아 생성형 AI API에 연결한 다음, 옴니버스 RTX 렌더링을 애플리케이션 내에서 직접 사용할 수 있다고 설명했다. 앤시스도 옴니버스 클라우드 API를 채택했다. 자율 주행 차량용 앤시스 AV엑셀러레이트(Avxcelerate), 6G 시뮬레이션용 앤시스 퍼시브 EM(Perceive EM), 앤시스 플루언트(Fluent) 등의 엔비디아 가속 솔버에서 데이터 상호운용성과 RTX 시각화를 지원한다. 케이던스는 기업이 데이터 센터를 물리적으로 구축하기 전에 디지털 트윈에서 먼저 설계, 시뮬레이션, 최적화할 수 있도록 자사의 케이던스 리얼리티(Reality) 디지털 트윈 플랫폼에 옴니버스 클라우드 API를 도입하고 있다. 다쏘시스템은 콘텐츠 제작용 3D익사이트 애플리케이션에서 스토리텔링 제작을 강화하기 위해 옴니버스 클라우드 API와 셔터스톡(Shutterstock) 3D AI 서비스를 채택하고 있다. 트림블은 이 API를 활용해 트림블 모델 데이터와 함께 인터랙티브 엔비디아 옴니버스 RTX 뷰어를 사용할 계획이다. 헥사곤은 USD 상호운용성을 통해 자사의 현실 캡처 센서와 디지털 현실 플랫폼을 엔비디아 옴니버스 클라우드 API와 통합할 예정이다. 로크웰 오토메이션은 옴니버스 클라우드 API를 사용해 RTX 지원 시각화를 강화할 계획이다. 옴니버스 클라우드 API는 올해 말 마이크로소프트 애저(Microsoft Azure)에서 엔비디아 A10 GPU의 자체 호스팅 API 또는 엔비디아 OVX에 배포된 관리형 서비스로 제공될 예정이다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “제조되는 모든 제품에는 디지털 트윈이 적용될 것이다. 옴니버스는 물리적으로 사실적인 디지털 트윈을 구축하고 운영하기 위한 운영체제이다. 옴니버스 와 생성형 AI는 50조 달러 규모의 중공업 시장을 디지털화하기 위한 기반 기술”이라고 전했다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (10)   이번 호에서는 최신 앤시스(Ansys) 기술이 적용된 크레오 파라메트릭 10.0(Creo Parametric 10.0)의 시뮬레이션 기반 설계에 대하여 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 이메일 | sckim@digiteki.com 홈페이지 | www.digiteki.com   크레오 파라메트릭 10.0은 설계 엔지니어가 좀 더 편리하게 활용할 수 있는 PTC와 앤시스의 최신 표준 시뮬레이션 기능이 포함되어 있다. 설계자는 시뮬레이션에 대한 전문가 수준의 지식이 없어도 친숙한 크레오 사용자 환경에서 실시간 시뮬레이션(CSL) 기능을 사용하여 제품 설계 초기에 시뮬레이션 기반 설계로 다양한 설계안을 빠르게 검토할 수 있다. 이후에는 세부 설계에서 앤시스 시뮬레이션(CAS)으로 좀 더 정확도 높은 시뮬레이션을 수행하여 설계의 문제 영역을 빠르게 분석하고 파악할 수 있다.   크레오 시뮬레이션 기능으로 제품 개발 초기에 시뮬레이션 기반 설계 크레오 파라메트릭 10.0에서 전기 모터 모델을 예로 초기 개념 설계 단계에서 실시간 시뮬레이션을 수행하여 다양한 설계를 빠르게 분석하고 최적의 설계안을 검토해 보자.     전기 모터의 하우징 모델에서 방열 조건을 개선하기 위해 몇 가지 유형의 아이디어가 모델에 적용되었다. 어떤 유형의 코일 설계가 가장 최적인지 실시간 시뮬레이션을 이용하여 빠르게 분석해 보자.   크레오 시뮬레이션 라이브(CSL)로 유체 시뮬레이션 검토 분석 모델을 열고 메뉴의 ‘라이브 시뮬레이션(Live Simulation)’에서 ‘유체 시뮬레이션 검토(Fluid Simulation Study)’를 선택한다.     유체 시뮬레이션을 위해 ‘유체 도메인(Fluid Domain)’에서 다양한 방법으로 내부/외부 유체 도메인을 빠르게 생성하거나 추출할 수 있다. ‘내부 볼륨(Internal Volume)’을 선택하여 하우징 내부의 코일 삽입 공간을 빠르게 추출한다.     유로의 입구와 배출구의 경계 서피스를 선택하면 닫힌 볼륨 영역을 자동 인식하여 빠르게 내부 볼륨을 추출하고 유체 도메인을 생성할 수 있다.     시뮬레이션 트리에서 생성된 유체 도메인을 확인하고 ‘재료 편집(Edit Materials)’에서 재료를 ‘WATER’로 지정한다.     ‘경계 조건(Boundary Conditions)’에서 ‘배출구 압력(Outlet Pressure)’을 선택하고, 추출된 유체 도메인에서 서피스를 지정한 후 배출구 압력 강도와 단위를 지정해 준다.     ■ 상세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공사례   앤시스 차지 플러스(Ansys Charge Plus)는 재료의 충전과 방전 현상을 분석하기 위한 시뮬레이션 프로그램으로, 2021년에 국내에 처음 도입되었다. 앤시스 차지 플러스를 이용하면 그동안 해석하기 어려웠던 Air ESD(비접촉 정전기 방전)를 쉽고 간단하게 해석할 수 있다. 이번 호에서는 Air ESD의 영향을 평가하고 방전을 방지하거나 줄이기 위한 앤시스 차지 플러스의 사용법에 대해 간단하게 소개하고자 한다.   ■ 김대현 태성에스엔이 EBU HF팀 매니저로 RF/Antenna 해석 및 Ansys EMC & Charge Plus에 대한 기술지원을 담당하고 있다. 이메일 | dhkim22@tsne.co.kr 홈페이지 | www.tsne.co.kr   앤시스 차지 플러스는 EMA3D Charge의 후속 버전으로, 2021년 9월에 출시되었다. 앤시스 차지 플러스는 앤시스의 다른 전자기장, 유동 제품군과 연동이 용이하고, 앤시스 디스커버리(Ansys Discovery) GUI를 사용하여 프로그램 접근성이 뛰어나다. 앤시스 차지 플러스는 항공우주, 전기전자, 자동차 산업과 같은 다양한 분야에서 대전, 입자 이동, 아크(arc) 등의 문제를 예방하거나 해결할 수 있다. 또한, 멀티피직스 시뮬레이션을 통해 플라스마 및 ESD와 관련된 다양한 현상을 정확하고 빠르게 해석할 수 있고, Air ESD 문제를 효과적으로 해결할 수 있다.   앤시스 차지 플러스 소개 앤시스 차지 플러스는 과거 ‘EMA3D Charge’라고 불리던 시뮬레이션 툴이 리뉴얼되어 ‘차지 플러스’로 이름이 바뀌었다. 간략하게 소개를 하자면 ‘앤시스 EMC 플러스(Ansys EMC Plus)’와 ‘앤시스 차지 플러스(Ansys Charge Plus)’로 구분된다. EMC 플러스의 경우 플랫폼 단위에서 Electromagnetic Cable을 모델링 혹은 EMC 해석을 진행할 때 유용한 시뮬레이션 소프트웨어이고, 차지 플러스는 다수의 솔버를 이용한 멀티피직스 해석이 가능한 시뮬레이션 솔루션이다. 앤시스 차지 플러스는 시간 도메인(time domain) 솔버를 사용하여 공기, 재료의 표면 및 내부 아크를 분석하고, FEM Electromagnetics, Fluid, Particle 솔버를 통해 플라스마 환경을 해석한다. 차지 플러스는 디스커버리 GUI를 사용하여 기존의 사용자들이 쉽고 빠르게 CAD 모델을 단순화하고, 시뮬레이션 환경의 정의 및 해석을 진행할 수 있다. <그림 1>은 앤시스 차지 플러스의 GUI를 나타낸 그림이다. 앤시스 차지 플러스의 GUI는 앤시스 디스커버리와 동일하게 구성되어 있고, 사용자의 편의를 위해 <그림 2>와 같이 어두운 테마(Dark Theme)와 밝은 테마(Light Theme)를 제공하여 사용자는 취향과 환경에 맞게 테마를 선택할 수 있다.   그림 1. 앤시스 차지 플러스 GUI   그림 2. 앤시스 차지 플러스 테마   ESD란 ESD(Electrostatic Discharge)는 정전기 방전이라고 하며 양극과 음극으로 대전된 물체가 접촉하여 일시적으로 전하의 이동이 발생하는 현상을 의미한다. 주로 건조한 환경에서 발생하며, 두 물체 사이의 전압 차이가 크면 공기 또는 다른 매질을 통해 전하가 이동하여 방전 현상이 생길 수 있다. 이 방전은 짧은 시간 동안 매우 높은 전류를 생성할 수 있어 전자 부품이나 회로에 손상을 입히고, 특히 반도체나 집적 회로와 같이 민감한 전자제품에 심각한 손상을 가할 수 있다. ESD는 접촉 방식과 비접촉 방식이 있다. 비접촉 방식 ESD는 물체에 직접적으로 접촉하지 않아도 정전기 방전이 발생할 수 있는 경우를 말하며, 주로 물체가 전하로 충전된 상태로 서로에게 근접할 때 발생한다. 예를 들어, 사람의 손이 전자 부품 근처에 오는 것만으로도 전자 부품 주변의 공기가 충분히 전하를 이동시키고 공기를 통해 정전기 방전이 발생할 수 있다. 비접촉식 ESD는 주로 공기나 다른 매질을 통해 전하가 이동하고 이로 인해 방전이 발생한다. 접촉식의 경우 앤시스 HFSS를 통한 해석이 가능하나, 비접촉식 즉 Air ESD의 경우는 HFSS를 통한 해석이 쉽지 않았다. 그러나 앤시스 차지 플러스가 출시되면서 <그림 3>과 같은 ESD 웨이브폼(Waveform)을 사용하여 Air ESD를 간단한 설정을 통해 해석이 가능하게 되었다.   그림 3. ESD 웨이브폼   ■ 상세한 기사 내용은 PDF로 제공됩니다.