앤시스 워크벤치를 활용한 해석 성공사례   파이앤시스(PyAnsys)는 파이썬(Python)을 활용하여 앤시스(Ansys) 제품을 사용할 수 있는 라이브러리를 뜻한다. 파이앤시스는 구조해석과 관련한 PyMAPDL, PyMechanical과 전처리 및 후처리에 대한 PyDPF가 있다. 이와 같은 라이브러리를 이용하면 파이썬 내에 있는 패키지와 함께 다양한 작업이 가능해진다. 이번 호에서는 파이앤시스 중에서도 PyMAPDL에 대한 사용 방법과 활용 예시를 소개하고자 한다.   ■ 노은솔 태성에스엔이 구조 3팀 매니저로 구조해석 및 자동화 프로그램에 대한 기술 지원을 담당하고 있다. 이메일 | esnoh@tsne.co.kr 홈페이지 | www.tsne.co.kr   앤시스에서 구조, 열, 음향 등 다양한 해석에 사용되는 유한요소 솔버 중 하나인 Mechanical APDL은 명령어를 기반으로 구동된다. 복잡한 연산이나 매개변수 설정 및 자동화 기능이 가능하기 때문에 여전히 많이 사용되고 있다. 하지만 앤시스 워크벤치(Ansys Workbench)의 제한적인 기능을 활용할 경우, 추가적으로 APDL 명령어를 사용해야 한다. 말하자면 APDL 명령어로 여러 기능을 구현할 수 있지만, 넓은 범위에서 적용하기에는 한계가 있는 것이다. 예로 머신러닝이나 딥러닝과 관련한 라이브러리인 텐서플로(TensorFlow)나 케라스(Keras) 등은 APDL 명령어 내에서는 사용할 수 없으며, 파이썬과 APDL 연동에도 한계가 있다.  이 때 PyMAPDL 라이브러리를 사용하면 파이썬 내에서 APDL을 사용하기 때문에 활용도가 넓어진다. 이번 호에서는 PyMAPDL의 사용 방법과 활용 예시를 다뤄보고자 한다.    PyMAPDL 사용 방법 PyMAPDL은 파이썬에서 사용될 때 gRPC(Google Remote Procedure Call)를 기반으로 파이썬 명령어를 APDL 명령어로 변환하여 MAPDL 인스턴스(Instance)에 전송하고, 결과를 파이썬으로 다시 반환한다. 이러한 작업 과정 때문에 파이썬과 MAPDL 간 원활한 데이터 통신이 가능해지며, 다수의 MAPDL 인스턴스를 생성하여 다른 명령으로 동시 작업 또한 가능하다.   그림 1. PyMAPDL gRPC   먼저 PyMAPDL을 사용하기 위해서 앤시스 메커니컬(Ansys Mechanical)이 설치되어 있어야 하며, 관련 라이선스를 보유하고 있어야 한다. 현재 파이앤시스 홈페이지에 따르면 파이썬 3.8 이상 버전을 지원하고 있으며, gRPC 기반으로 사용하기 위해서 앤시스 2021 R1 이상을 권장한다. 파이썬과 앤시스 모두 설치되어 있는 환경이라면 추가적으로 PyMAPDL 라이브러리를 설치해야 한다. 터미널 창에 ‘pip install ansys-mapdl-core’ 한 줄의 입력으로 쉽게 설치되며, 버전을 따로 지정하지 않을 경우 최신 버전으로 설치된다. PyMAPDL은 <그림 2>와 같이 ‘launch_mapdl’ 함수를 호출하여 사용한다. 이는 Mechanical APDL Product Launcher를 실행하는 것과 유사하다. 해당 함수를 활용할 때 입력 가능한 주요 인자들을 입력하여 작업 폴더 위치나 파일 이름, 계산 방식 및 라이선스 등을 지정할 수 있다.    그림 2. PyMAPDL 실행 명령어   기존에 APDL에서 육면체 형상을 모델링하여 요소를 생성하는 과정은 <그림 3>과 같이 작성되고, 동일한 작업을 PyMAPDL로는 <그림 4>와 같이 구성할 수 있다. 작성된 APDL과 PyMAPDL 명령어를 비교하면 형태가 매우 유사한 것을 볼 수 있다. 이 때 PyMAPDL은 파이썬에서 두 가지 방식으로 사용된다. 첫 번째는 ‘run’ 명령어를 활용하여 APDL 명령어를 스트링(string)으로 입력해 직접 실행하는 방법이며, 두 번째는 파이썬 명령어로 변환해서 처리하는 방법이다.   그림 3. MAPDL 모델링 및 요소 생성 예시   그림 4. PyMAPDL 모델링 및 요소 생성 예시     ■ 자세한 기사 내용은 PDF로 제공됩니다.

마이다스아이티가 지난 4월 16일 CAE 기술 콘퍼런스인 ‘MTS SQUARE 24’를 개최했다. ‘사람을 위한 기술, 새로운 세상과 연결’을 테마로 한 이번 이벤트에서 마이다스아이티는 자사의 CAE 기술 로드맵을 소개하는 한편, CAE 기술 연구와 활용 사례 및 첨단 기술의 미래에 대한 인사이트 등을 소개했다. ■ 정수진 편집장     CAE의 진입장벽 낮추는 기술 개발 이번 행사에서 마이다스아이티 김종성 프로는 “시뮬레이션의 목적은 설계 단계에서 많은 문제점을 컴퓨터 소프트웨어를 통해 발견하고 해결하는 것”이라면서, 설계자가 손쉽게 활용할 수 있는 CAE 솔루션과 기술 개발 방향에 대해 소개했다. 디지털 전환, ESG(환경·사회적 책임·거버넌스) 등 시대 변화에 따라 시뮬레이션의 필요성이 늘고, 설계자의 시뮬레이션 활용도 확대되고 있다. 김종성 프로는 “한편으로 CAE가 발전하면서 CAE 소프트웨어가 공부해야 하는 학습의 대상이 되었다”고 짚었다. CAE를 효과적으로 수행하고 결과를 이해하기 위해서는 공학 지식을 바탕으로 해석을 위한 수치해석 모델을 만들어야 한다. 또한, 원활한 해석을 할 수 있도록 해석 대상을 작게 나누는 메시(mesh)를 만들어야 한다는 점도 CAE의 접근성을 떨어뜨리는 한계로 지적되어 왔다. 김종성 프로는 “이를 해소하기 위해 마이다스아이티는 메시프리(meshfree) 기술을 적용한 ‘마이다스 메시프리’를 개발했다”고 소개했다. 마이다스 메시프리는 형상을 불러오고 해석 조건을 설정한 후 해석을 진행해 결과를 분석하는 3단계 프로세스를 제공한다. 또한 설계 변경 내용을 빠르게 반영하는 오토 업데이트를 제공하면서 전반적인 해석 퍼포먼스를 높이는 데에 주력했다. 마이다스아이티는 향후 마이다스 메시프리에서 스폿 용접, 라인 용접, 볼트 정의 등을 자동 연결할 수 있는 연결성을 강화할 계획이다.     기업의 시뮬레이션 문화 정착에 기여할 것 또한, 마이다스아이티는 최적설계를 위한 다분야 통합 솔루션인 ‘마이다스 NFX’를 제공한다. 지난 2008년 공급을 시작한 마이다스 NFX는 유동해석 . 구조해석 . 위상최적화를 연계할 수 있고, 실무에서 많이 쓰이는 핵심 기능의 편의성을 높이는 방향으로 개발되고 있다. 김종성 프로가 소개한 마이다스 NFX의 개발 방향은 편의성, 연결성  기술지원 강화 등이다. 마이다스  NFX는 UI(사용자 인터페이스)와 워크플로를 더욱 직관적이면서 간결하게 만들 예정이다. 파트간 연결 기능이나 열유동 . 열응력 해석 연계 등 해석 분야간 연결성을 높이는 한편, 나스트란, 아바쿠스, 앤시스 등의 CAE 솔루션과의 호환성도 강화할 계획이다. 김종성 프로는 “마이다스 NFX는 지금까지 1000여 라이선스를 공급하면서, 연구자가 아닌 엔지니어 중심의 개발로 블루오션 시장을 공략하고 있다. 마이다스 NFX를 통해 기업의 시뮬레이션 문화 정착과 제품 개발 실무자의 역량 강화에 기여하고자 한다”고 전했다.   신규 패키지 및 AI 가술 지원 등 로드맵 소개 마이다스아이티는 기술지원을 강화할 계획인데, 여기에는 기술지원에 AI(인공지능)를 활용하는 것도 포함된다. 마이다스아이티가 축적한 기술자료와 다양한 분야의 해석 보고서, 기술지원 문건 등을 AI가 학습해 효과적인 고객 지원이 가능할 것이라는 설명이다. 김종성 프로는 “테스트 결과 사용자의 요구에 맞춰 기술문서, 보고서, 동영상 등 다양한 자료를 제공할 수 있어 AI의 가능성을 확인했다”면서, “향후 기존 소프트웨어에 AI 기술지원 기능을 결합할 계획도 있다”고 소개했다. 이외에, 김종성 프로는 마이다스 NFX와 마이다스 메시프리 및 기술 지원을 결합한 ‘마이다스 MTS’ 패키지도 소개했다. 마이다스 MTS는 실무에서 많이 쓰이는 해석 작업을 하나의 라이선스로 활용할 수 있다는 점을 내세운다.     사람을 위한 기술과 함께 살아가는 방법 고민 이번 MTS SQUARE 24 행사에서는 ‘사람과 AI’, ‘사람과 시뮬레이션’, ‘사람을 위한 기술’ 등의 주제로 국내 연구자들의 CAE 기술 개발 내용이 소개되었으며, 발전하는 기술을 어떻게 이해하고 활용해야 할 지에 대한 인사이트를 얻을 수 있는 기회가 마련됐다. 아주대학교의 이진우 교수는 생성적 설계(제너레이티브 디자인) 기법을 활용해 새로운 음향 특성을 가진 메타구조체를 개발한 내용을 소개했고, 영남대학교의 유기수 교수는 전기자동차 배터리의 열거동과 열폭주 현상을 CAE로 예측하기 위한 방법론을 소개했다. 건국대학교의 김창완 교수는 꾸준히 확대되고 있는 다중물리해석(멀티피직스 해석)이 발전하고 있는 방향에 대해 짚었다. 자동차부품산업진흥재단의 김명섭 전문위원은 국내 제조산업의 지속 성장을 위한 디지털 전환의 필요성과 추진 전략을 설명했다. 경희대학교의 김상욱 교수는 더 이상 피할 수 없는 AI와 사람의 ‘공존’을 위해 어떤 가치를 추구해야 할 지 짚고, UCLA의 데니스 홍 교수는 로봇 기술의 본질은 결국 사람을 위한 것이라고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Focus 17　디지털 제조 & 뿌리산업 컨퍼런스, 디지털 기술 기반의 제조산업 혁신 및 성장 전략 소개 22　빌드스마트포럼 2024, Al와 메타버스의 시너지로 변화하는 AEC 탐구 24　마이다스아이티, 제조산업을 위한 CAE 기술과 솔루션 로드맵 제시 26　로크웰 오토메이션, AI·클라우드 접목한 디지털 제조 기술 소개 28　한국산업지능화협회, ‘2024 스마트공장엑스포와 산업지능화 콘퍼런스’ 개최 51　오라클, 모던 데이터 플랫폼 및 데이터베이스 혁신 전략 발표 54　델 테크놀로지스, AI 시대 겨냥한 기업용 PC 제품군 소개 56　레노버, “더 많은 CPU 코어로 워크스테이션 성능 높인다”   People&Company 30　한국알테어 이승훈 기술 총괄 본부장　더욱 빠르고 효율적인 제품 개발을 위한 AI 기술 본격화 추진 33　데이터킷 필리프 블라슈 CEO　CAD 데이터 변환과 상호운영성 기술로 한국 시장 공략 강화   Case Study 36　책임감 있는 AI 활용 및 향상된 모델 훈련　유니티 뮤즈의 텍스처/스프라이트 생성 및 파운데이션 모델 New Products 40　리브랜딩과 함께 건축 설계의 생산성 강화　캐드마스터 2025 44　AI로 생산성 높이는 기업용 PC 프로세서　라이젠 프로 8040/8000 시리즈 46　AI 기반 워크플로 강화하는 전문가용 GPU　RTX A400/A1000 48　콘텐츠 생성의 퍼포먼스와 효율 강화　언리얼 엔진 5.4 프리뷰 58　이달의 신제품   Column 62　디지털 지식전문가 조형식의 지식마당 / 조형식　디지털 엔지니어링의 프레임워크와 네 가지 스피어 64　책에서 얻은 것 No. 19 / 류용효　기업 성장 맵 – 엔비디아 편   On Air 73　캐드앤그래픽스 CNG TV 지식방송 지상중계　배터리 산업 동향과 배터리 최적화를 위한 설계/시뮬레이션 기술 60　New Books 68　News   Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 74　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈AI CLIP 모델의 이해/코드 분석/개발/사용 82　복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (2) / 이소연　포인트 클라우드 기능 85　새로워진 캐디안 2024 살펴보기 (5) / 최영석　캐디안 2024의 스크립트 기능 88　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (1) / 천벼리　아레스 캐드 2025의 새로운 기능   Reverse Engineering 94　문화유산 분야의 이미지 데이터베이스와 활용 사례 (5) / 유우식　고지도 데이터베이스   Analysis 103　시뮤텐스 소프트웨어를 활용한 복합소재 해석 (2) / 씨투이에스코리아　시뮤필의 복합재 수지 해석 기능 소개 106　앤시스 워크벤치를 활용한 해석 성공사례 / 노은솔　PyMAPDL의 기초부터 활용까지 110　산업 디지털 전환을 위한 버추얼 트윈 (1) / 안치우　1D 시뮬레이션을 위한 카티아 다이몰라 120　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9) / 나인플러스IT　미래 자동차 설계를 위한 DNS, LES, RANS 시뮬레이션   Mechanical 114　제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (12) / 김주현　사용자 정의 피처의 생성 및 활용   캐드앤그래픽스 2024년 5월호 목차 from 캐드앤그래픽스  

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.