CAE 기술은 제조 공정의 정확도와 안전성을 높여 산업 전반의 혁신을 이끌고 있다. 이와 관련해, 지난 2025년 11월 진행된 ‘CAE 콘퍼런스 2025’에서는 복잡한 물리 현상을 극복하고 설계의 신뢰성을 극대화하기 위한 최신 기술적 성과가 공유되었다. 이번 호에서는 ‘CAE 콘퍼런스 2025’에서 발표된 내용을 중심으로, 인공지능(AI)을 활용해 불확실성을 정량적으로 관리하고 무결점 설계를 지향하는 신뢰성 기반 최적설계 및 GPU 컴퓨팅을 기반으로 한 입자 유동 해석 기술의 진화에 대해 소개한다.   (아래 기사 제목을 클릭하면 해당 기사의 내용을 확인할 수 있습니다.)   RBDO, 데이터 시대에 무결점 설계를 향해 / 최병열 입자 기반 다중물리 해석 설루션의 개발과 진화 / 서인수

‘뽑기 운’은 이제 그만! 리콜 비용의 늪 대당 500~2000 달러의 리콜 비용   그림 1. 뽑기 운(제미나이로 생성한 이미지)   자동차를 구매할 때 ‘뽑기 운’이라는 말을 들어 보았는지? 이는 곧 제품의 불확실성을 의미하며, 설계 단계에서 예측하지 못한 잠재적인 결함은 막대한 리콜 비용으로 돌아온다. 2020년 이후 현재까지 평균 자동차 리콜 비용은 대당 500~2000 달러 정도 든다고 한다. 2025년 F사는 1.5L 연료 분사기 균열로 70만대에 대해 대당 800달러 규모로 총 5억 7000만 달러(한화 약 7600억원)의 리콜을 진행했다. 2023년 한 해 동안 미국 3대 자동차 기업이 리콜 보증 비용으로 지출한 금액은 총 100억 달러이다. 리콜은 이제 일회성 이벤트가 아니라 기업의 재무 건전성과 브랜드 가치를 지속적으로 위협하는 상시적인 리스크로 대두되었다.   측정해야 관리하고, 관리해야 개선한다 지각하는 이유? – 나는 행운의 사나이   그림 2. 지각하는 이유(제미나이로 생성한 이미지)   즐겨 듣는 경제 라디오 프로그램의 한 진행자는 뛰어난 통찰력과 비유의 고수로 어려운 경제 이슈를 쉽게 설명하는 데 일가견이 있었다. 하지만 이분에게도 단점이란 것이 있으니 바로 지각이었다. 생방송으로 진행되는 라디오 방송에서 숨을 헐떡이며 오프닝 멘트를 읽거나, 다른 대체 진행자가 긴장하며 오프닝 멘트를 읽는 등 담당 피디나 작가가 곤란에 처하는 일이 가끔 발생했다. 본인에게 들은 지각하는 이유는 시간을 굉장히 효율적으로 사용해서 1분 1초를 허투루 쓰지 않아, 출근 시간에 발생할 수 있는 모든 상황을 최단 시간에 맞춰두고 계산을 한다는 것이다. 그러다 보니 간혹 중간에 발생할 수 있는 예외 상황이 그를 지각으로 이끄는 것이다. 이러한 예외 상황을 공학적인 용어로는 불확실성(uncertainty)이라고 한다. 온도나 습도와 같은 환경 요인, 고무와 같이 온도나 시간에 영향을 받는 재료 물성 값, 제작 공법에 따라 비틀림, 굽힘, 수축, 팽창 현상으로 발생한 제작 공차 등은 설계자가 도저히 미리 예상할 수 없는 불확실성이다.   불확실성을 고려한 설계 1 – FOS   그림 3. 불확실성을 고려한 설계 – FOS(제미나이로 생성한 이미지)   FOS(Factor of Safety : 안전계수)는 구조물이 최대 하중을 견딜 수 있는 기준으로, 경험에 기반해 강성을 필요 이상으로 높이는 방식이다. 안전을 중시하는 선박, 발전, 토목 구조 등에서는 이러한 안전계수의 개념을 많이 활용하고 있다. 안전계수가 중요한 지표이며 앞으로도 그러한 역할을 해낼 테지만, 그저 ‘경험에 따라 이 정도 했을 때 괜찮았어’가 지금까지 이어져오고 있는 것이다. 당연한 얘기지만, 안전계수가 올라갈수록 비용은 증가하여 제품의 가격 경쟁력은 떨어진다. 안전계수가 유용한 기법이긴 하나 데이터로 좀 더 정교하게 필요한 만큼만 안전한 설계를 찾기 위한 다른 대안은 없을까?   불확실성을 고려한 설계 2 – 다구치 강건설계   그림 4. 불확실성을 고려한 설계 – 다구치 강건설계   6시그마 디자인(DFSS : Design for Six Sigma)이 유행이던 시절이 있었다. 1920년대 이후 전파된 다구치 강건설계는 품질 향상을 위해 S/N 비(Signal to Noise Ratio)를 활용하여 노이즈(불확실성)에 둔감한 설계를 탐색하는 기법으로 다구치 박사가 개발하였다. 목적함수의 강건성 확보에는 유용하나, 현재의 설계가 얼마나 강건한지 객관적인 지표로 정량화하여 제시하진 않는다. 다구치 강건설계를 통해 나온 설루션이 6시그마(100만 개 중 3~4개의 불량)를 만족하는지 확신할 수 있을까?   불확실성을 고려한 설계 3 – 신뢰성 기반 최적설계 신뢰성 기반 최적설계(RBDO : Reliability-Based Design Optimization)는 최적설계와 신뢰성 해석이 결합된 형태이다. 신뢰성 해석(reliability analysis)은 시스템 입력(노이즈 인자)의 불확실성으로 인해 출력의 불확실성, 특히 신뢰성을 예측하는 기법이다. 신뢰성이란 성능지수가 요구조건을 만족할 확률을 의미하며, 반대 개념은 불량률이다.   그림 5. DO와 RBDO   불확실성을 고려하지 않는 전통적인 최적설계를 RBDO와 구분하기 위해 결정론적 최적설계(DO : Deterministic Optimization)이라고 부른다. <그림 5>는 개념적으로 DO와 RBDO의 차이를 보여준다. 방 구석에 구슬을 굴리면 구슬이 벽에 붙은 상태로 멈추는데, 구슬의 중심이 설계변수 값이고 구슬이 접한 벽을 구속조건 경계라고 볼 수 있다. DO는 구슬이 거의 점과 같아 구슬의 중심이 벽에 거의 붙은 상태이나, RBDO는 구슬의 크기가 커서 구슬의 중심이 벽과는 여유를 두고 떨어져 있게 된다. 벽에 닿는 것이 위험하다면 DO보다 RBDO가 더 안전한 상태가 되는 것이다. RBDO는 구슬의 크기를 감이나 경험이 아닌 데이터로 결정하자는 개념이다.   데이터로 불확실성을 극복하자 예측 모델 기반의 RBDO 프레임워크, AIRBOOM RBDO는 무엇이고 왜 필요할까? RBDO는 목적함수를 좀 양보하더라도 안전한 설루션을 탐색하는 것이 목표이다. 신뢰성이라는 개념을 최적설계에 접목하여 안전한 설계를 정량적으로 확보할 수 있는 길을 열었다. 하지만 현업에 적용하기 위해서 두 가지 큰 걸림돌이 있는데, 하나는 시스템의 불확실성을 정의할 만큼 충분한 데이터가 부족하다는 것이고, 또 하나는 RBDO 수행에 필요한 시뮬레이션 데이터가 너무 많이 필요하다는 것이다. 앞서 언급한 바와 같이 AX(인공지능 전환) 시대로 접어들면서 소프트웨어와 하드웨어 기술의 성장으로 시뮬레이션은 가속화되고 있고, 데이터의 가치가 올라감에 따라 불확실성을 정의할만한 데이터도 늘어나면서 서서히 RBDO의 시대가 도래하고 있다.   그림 6. AIRBOOM의 개념도(제미나이로 생성한 이미지)   실용적인 RBDO 프로세스를 좀 더 쉽게 사용할 수 있는 AIRBOOM (AI-powered Reliability-Based Optimization Operating Manager) 모듈을 소개한다. AIRBOOM은 피도텍에서 개발한 RBDO 대중화를 위한 모듈로, 다음과 같은 네 가지 특징을 갖는다. 자율 학습된 예측 모델 기반의 RBDO 프로세스 AIRBOOM에서는 최소한의 데이터로 정교한 메타모델을 구축하는 가성비 높은 방식을 찾는 피도텍의 자율 메타모델링(Autonomous Metamodeling) 모듈을 활용한다. 이 모듈은 조금씩 데이터를 추가하면서 메타모델을 학습하기 때문에, 성능지수의 비선형성을 표현할 만큼의 데이터만을 필요로 한다. 또한 피도텍의 예측 모델링 AI인 BruceMentor의 도움을 받아, 확보된 데이터에 가장 적합한 메타모델의 기법을 채택한다. 이러한 기법으로 예측 모델은 자율적인 학습으로 정교하게 진화한다.   신뢰성 해석 정보를 활용한 멀티 스테이지 최적화 RBDO 설루션을 탐색할 때 빈번하게 발생하는 문제는, 구속조건의 만족 범위가 너무 좁아 설루션이 목표 신뢰성을 만족하지 못하는 경우이다. 마치 코끼리를 냉장고에 넣는 것과 같다. AIRBOOM에서는 목표 신뢰성을 만족할 수 없는 상태라면 차선책을 제시한다. AIRBOOM에서는 RBDO 과정을 내부적으로 몇 개의 스테이지(stage)로 나누어 처리하는데, 각 스테이지에서 신뢰성 해석 결과의 이력에 따라 최적설계 문제를 조정하면서 최선의 설루션을 탐색한다.   멀티 피델리티 개념의 효율 개선 엔지니어는 즉각적인 반응을 원한다. 아무리 메타모델을 사용하더라도 설계변수나 성능지수의 개수가 많아지면 계산 시간은 기하급수적으로 커지기 때문에, 근본적으로 RBDO에서 필요로 하는 전체 데이터 개수를 줄여야 한다. AIRBOOM은 설루션과는 다소 거리가 있으나 설루션에 도달했을 경우를 파악하여, 효율성과 정확성의 관점에서 적절한 알고리즘을 멀티 피델리티(multifidelity) 개념처럼 채택할 수 있다.   인사이트 제공 엔지니어는 보수적이라서 달랑 설루션만 제공해 주는 툴은 신뢰하지 않는데, 그 이유는 크게 두 가지가 있다. 첫째, 제공된 설루션의 근거를 신뢰한다. 엔지니어들이 생성형 AI가 제공하는 근거 없는 수치는 환각(hallucination) 때문에 믿지 않는 것과 같은 이치다. 둘째, 하나의 설루션이 아닌 선택 가능한 다양한 후보군을 함께 원한다. 설루션을 기본으로 다양한 변종(variation)을 만들 수 있는 힌트를 주어야 한다. AIRBOOM은 데이터 스토리텔링(data storytelling) 방식의 보고서를 제공한다. 데이터 스토리텔링이란 데이터로 상대방을 설득하기 위해 고안된 의사 전달 수단으로, 데이터의 가치를 극대화하기 위해 메시지가 포함된 시각화(visuals) 정보와 이를 논리적으로 설명하는 내러티브(narratives)의 조합으로 구성된다. 그리고 인사이트를 담은 보고서(RBDO 결과의 직관적인 요약, 설루션의 도출 근거, 더 안전한 설계를 위한 정보 등)를 제공할 수 있다.   RBOD 프로세스 사례 자동차 현가 장치 사례로 AIRBOOM을 활용한 RBDO 프로세스를 설명한다. 타이어나 부시(bush)같은 고무 재료의 산포로 핸들링 관련 성능지수가 갖는 산포를 예측하고, 성능지수의 신뢰성을 높일 수 있도록 부시 강성을 최적화는 문제이다.(‘재료 물성의 불확실성을 고려한 현가장치 시스템의 신뢰성 기반 최적설계(한국자동차공학회 2025 추계 학술대회)’ 참고) 목적함수는 핸들링 특성 중 Yaw Rate Overshoot를 최소화하는 것이고, 구속조건은 핸들링 특성에 해당되는 성능지수 7개를 선정하였다. 설계변수는 18개 부시 강성이고, 랜덤 파라미터는 설계변수인 부시 강성 전체와 타이어 파라미터 4개 파라미터를 선정하였다.   그림 7. 초기 설계에서의 RA 결과 요약 보고서   <그림 7>은 RBDO를 수행하기 전의 RA 결과 요약을 보여 준다. ‘산포’ 열에서 성능지수의 산포와 확률 정보를 보여주고, 차별화된 요소로 ‘Key 파라미터’ 열에서 성능지수 산포의 주요 원인이 어떤 랜덤 파라미터인지 파악할 수 있다. 첫 번째 행의 FRT_LateralForceSteer의 산포에는 FRT_Abush_Y가 가장 중요한 역할을 담당한 것으로 분석되었다. 마지막 열은 현재 설계의 신뢰성 결과를 보여주며, RBDO 수행 전 FRT_LateralForceSteer의 신뢰성은 요구 조건(0.3)보다 작을 확률이 80.0%에 불과했다.   그림 8. RBDO 결과 요약   <그림 8>은 RBDO 결과를 보여준다. 목적함수의 경우 INIT(초기값) 대비해서 DO(불확실성을 고려하지 않은 최적설계)가 67%로 가장 많이 개선되었고, RBDO는 구속조건의 요구 조건 만족 확률을 높이기 위해 26% 개선되는데 그쳤다. 파이 차트에서는 구속조건의 개선 여부를 확인할 수 있고, 불만족한 구속조건과 목적함수 간에 상충 관계가 존재할 수 있음이 예상된다. 설계변수의 경우, 대부분의 설계변수는 DO와 RBDO에서 유사하나 일부 설계변수(LCA outer X, Toe link X)가 DO에서는 설계변수의 하한값 경계로 변경된 반면 RBDO에서는 INIT에서 별다른 변화를 보이지 않았다.   그림 9. 신뢰성 개선 이유   <그림 9>는 6번 구속조건의 신뢰성 개선 이유를 설명한다. 신뢰성이 67%에서 91%로 개선된 이유는 산포의 평균이 약 0.057(평균값이 0.678 > 0.621로 감소) 이동하였기 때문이고, 가장 기여한 설계변수는 RR_Trailing_arm_Y이다. 이 사례로 RBDO 인사이트를 좀더 쉽게 이해할 수 있다. 성능지수 신뢰성을 개선하는 부시 강성의 변경 방향을 알 수 있었고, 불확실성 고려 여부에 따른 최적해 차이를 파악할 수 있었다. RBDO에서 목표 신뢰성을 만족시키기 위해 어떤 설계변수가 기여하였는지 및 추가 개선 가이드와 그에 따른 부작용을 예측할 수 있었다. RBDO는 단순히 ‘최적’의 설계를 찾는 것을 넘어, 불확실한 현실에서도 ‘무결점’에 가까운 안전하고 신뢰할 수 있는 설계를 데이터 기반으로 가능하게 하는 미래 설계의 핵심 기술이다.   ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 최병열 피도텍에서 AI 기반 Data-driven Design SW 개발 총괄을 맡고 있다. 한양대에서 공학박사 학위를 받았고, 20여 년간 100여건의 최적 설계 프로젝트를 주도하며 컨설팅 경험을 쌓았다.     ■ 기사 내용은 PDF로도 제공됩니다.

입자 유동해석 기술과 GPU 컴퓨팅의 도입 필자는 2000년대 초반 전산유체역학(CFD)에 관심이 있어 대학원을 진학하고 관련 연구실에 들어가게 되었다. 연구실에서는 기존에 많이 알려진 해석 기법과는 다르게 입자를 이용한 유동해석에 대해 연구를 하고 있었다. 유체를 격자가 아닌 입자를 활용하여 모델링하는 것은 비정상 상태의 유동해석이나 복잡한 유동을 해석하는데 적합한 방법으로, 해석 결과가 직관적이고 여러 가지 모델을 적용하는데 용이한 방법이다. 다만 각각의 입자에 대해 계산이 이루어지다 보니 연산량이 너무 커서 해석이 불가능한 경우가 많았다. 필자가 속한 연구실에서는 이러한 문제를 해결하기 위해 MPI(Message Passing Interface)를 공부하고 리눅스 클러스터(Linux cluster) 환경에서의 해석에 대해 연구하였다. 2대로 시작한 것이 어느덧 64대의 리눅스 클러스터를 직접 꾸며 사용하였으며, 이후 학교에 470여 노드의 슈퍼컴퓨터가 생기게 되어 이 장비까지 활용하면서 여러 가지 해석을 시도하였다. 하지만 아무리 많은 컴퓨터를 묶어 해석을 하더라도 데이터 통신 시간이 있기 때문에, 일반적인 큰 유동 문제를 풀기에는 부족한 점이 많았다. 그래서 하드웨어와 병행하여 소프트웨어 성능을 올리기 위해서 Domain Decomposition 이나 Fast Algorithm같은 여러 가지 모델에 대해 연구하였으며, 그 때부터는 유동해석보다 HPC(고성능 컴퓨팅)에서의 해석 성능 최적화와 같은 연구를 더 많이 했던 것 같다. 그러던 중 2008년 연세대학교 백주년기념관에서 엔비디아 데이비드 커크(David Kirk) 박사의 강연이 있었다. GPU를 활용하여 연산 처리를 할 수 있는 플랫폼인 CUDA(쿠다)의 개발 책임자인 커크 박사는 기존의 CPU 연산에 비해 백 배~수백 배의 가속이 가능하다는 내용의 세미나를 개최하였다. 이 당시 우연히 천체물리학에서 주로 N-body 문제를 계산하는 분들과도 알게 되었고, 이미 GPGPU 라는 개념으로 GPU를 활용하여 연산 처리를 하고 있었다는 사실을 알게 되었다. 또한 CUDA라는 플랫폼이 개발되면서 C 언어에서 GPU 활용이 보다 용이해져, 다른 분야의 계산에서도 쉽게 접근할 수 있을 것 같다는 판단을 하게 되었다. 우리는 CUDA를 적용하기 위해 용산전자상가에서 20여만 원하는 그래픽 카드를 구매해서 CUDA를 설치하고 개발된 코드를 적용해 보았다. 다행이 병렬 프로그램을 하던 경험이 많아 CUDA 적용에 크게 어려운 점은 없었지만, 초기에는 여러 번 실패를 하였다. 몇 번의 시도 끝에 연산을 실행할 수 있었으며, 기존의 HPC보다 훨씬 좋은 성능을 체감하게 되었다. 이후 2009년 CUDA와 HPC 기술과 뉴턴 물리학을 기반으로 다양한 물리 지배방정식의 수학적 공식화에 대한 연구에 대한 전문성을 바탕으로 메타리버테크놀러지를 설립해 지금까지 이어오고 있다. 이러한 기술적 전문성을 바탕으로 입자 기반 다중물리 해석 소프트웨어를 개발하고, 관련 기술 서비스를 제공하고 있다. 회사 설립 이후 지속적인 연구개발을 통해 입자 기반 설계 및 시뮬레이션 소프트웨어인 samadii 시리즈를 개발 공급하고 있다.     입자 기반 다중물리 해석 설루션 samadii 메타리버테크놀러지가 개발한 samadii 시리즈는 해석하는 분야에 따라 일반적인 환경의 물리 현상을 해석하기 위한 소프트웨어와 디스플레이/반도체 공정과 같이 고진공 환경에서 이루어지는 공정을 해석하기 위한 소프트웨어로 구분할 수 있다. 첫 번째로 고체 입자의 거동을 해석하는 samadii/dem, 유체 거동을 해석하는 samadii/fluid, 고체에 작용하는 응력 및 변형을 해석하는 samadii/solid, 3D 프린터의 적층 공정을 해석하는 vAMpire가 있다. 다른 한 가지는 고진공 환경에서의 유동해석을 위한 samadii/sciv, 복사 및 전도열전달을 해석하는 samadii/ ray, 전자기장 해석을 위한 samadii/em, 플라스마 생성 및 거동을 해석하는 samadii/plasma가 있다.   samadii/dem samadii/dem은 6자유도계 운동방정식을 사용하여 입자의 움직임을 결정하고, 개별 입자의 모든 힘을 고려하는 라그랑주(Lagrangian) 방법에 기반한다. 이산요소법(Discrete Element Method)은 구분요소법(Distinct Element Method)으로도 불린다. 많은 입자의 운동과 효과를 계산하기 위한 수치해석 방법이다. 이 방법의 기본적인 가정은 물질이 별개의 분리된 입자들로 구성된다는 것이다. 이들 입자는 서로 다른 모양과 특징을 가질 수 있으며, 설탕이나 단백질 결정, 곡물과 같은 저장 사일로(silo)의 대량 재료, 모래와 같은 입상물질, 토너와 같은 분말 재료, 덩어리진 암석 등과 같이 세분화된 불연속 물질의 혼합, 분쇄 등의 입자 거동 문제를 해결하는 효과적인 방법이다. 그리고 브라운 운동을 고려해야 할 정도의 작은 입자부터 광석과 같은 큰 입자에 이르기까지, 해석에 고려해야 할 대부분의 물리적 현상을 반영하도록 설계되었다. 기본적인 접촉력과 중력을 비롯하여 마찰력, 전자기력, 쿨롱력, 점착력, 부력과 항력, Van der Waals력 그리고 브라운 운동과 열영동 효과까지 고려할 수 있다. samadii/dem은 작은 시간 스텝(time step)을 사용하며 매우 많은 입자를 고려해야 한다. 일반적으로 충분히 많은 메모리와 고도의 연산 성능을 필요로 하기 때문에 GPU와 HPC 기술을 기반으로 해석을 수행하도록 제작되었다. 이를 바탕으로 다양한 대규모 입자계 문제를 고속으로 해석함으로써 신뢰성 높은 해석 결과를 제공한다. 또한 다물체동역학, 구조 변형, 전자기장, 유체유동장 해석을 위한 외부 프로그램과의 일방향 및 동시 연성해석이 가능하다.     samadii/fluid samadii/fluid는 입자 기반의 유체유동해석 소프트웨어이다. 특히, 자유표면이 존재하거나 기체–유체 등의 상호작용이 필요한 유동 현상 또는 다양한 물리 현상을 해석하는 등 외부 해석 프로그램과의 연성 해석이 필요한 문제에 대해 장점을 가진다. samadii/fluid는 일반적인 입자 기반의 유체유동 수치해석방법인 SPH(Smooth Particle Hydrodynamics)의 문제점으로 알려져 있는 수치해의 불안정성과 벽면 처리에서의 해의 부정확성 등 필연적인 수학적 문제점을 극복하기 위하여, SPH의 explicit 기법에 압력장 계산에서 implicit 기법을 적용하여 해의 불안정성 개선하고, 수치해 오류를 증폭시키는 벽면 처리 문제의 개선을 위해 폴리곤 경계처리법 등을 적용하여 기존의 제품에 비해 해의 안정성과 정확도를 개선하였다. 유체의 유동 문제가 다양하게 발생하는 일반 기계 분야는 물론 세탁기, 식기세척기, 공조기기 등 가전 분야의 설계와 제조 공정 분야 그리고 전기자동차를 시작으로 최근 수요가 늘고 있는 재생 에너지 산업, 원자력 재해 안전 분야 그리고 해양, 토목 분야의 거대 유동 문제 및 화학, 석유, 가스산업 분야는 물론 최근 반도체 및 디스플레이 후공정 분야에도 응용 수요가 발생하고 있다.     samadii/sciv samadii/sciv는 DSMC(Direct Simulation Monte Carlo)법을 활용하여 고진공 환경에서의 유동해석을 위한 소프트웨어이다. DSMC는 고진공 유동장의 유체 유동을 해석하기 위해 개발된 확률론적 수치 해석 방법이다. 일반적인 유체 유동 해석은 나비에–스토크스(Navier-Stokes) 방정식을 해석하지만, 희박기체 영역에서는 일반 유체 해석에 사용된 연속체 가정을 적용하지 않는다. 이것은 연속체 유체 역학에서 액체 및 기체 상태는 연속 유체를 가정하는 연속 방정식으로 정의되기 때문이다. 일반적으로 연속체 가정을 만족하는 유체 조건은 분자의 평균 자유 경로가 매우 짧다. 따라서 분자간 충돌로 인한 운동량의 교환을 점성계수로 나타낼 수 있다. 반면에 진공도가 높아지면 기체의 밀도가 낮아지고, 유체 분자의 평균 자유 경로가 길어지기 때문에 연속체 특성이 사라진다. 그러므로 이러한 조건의 흐름은 나비에–스토크스 방정식에 의한 것이 아니라 DSMC에 의해 해석하여야 한다. 정밀 산업 분야의 고 진공 조건(10-⁴~10-⁶ [Pa])이라고 하더라도, 이를 분자의 개수로 나타내면 매우 많은 수가 존재한다. 예를 들어 1㎥ 공간에 온도가 300[K]이고, 이때 압력이 10-⁴[Pa]이라고 한다면 분자의 개수는 약 2.5E+16[EA] 개가 존재하게 된다. 게다가 고진공 조건이라 할지라도 국부적으로 압력이 높아질 수 있고, 분자의 개수 또한 엄청나게 증가하게 된다. DSMC는 이렇듯 많은 입자를 해석하기 위해 대표 입자(representative particle) 방법을 사용하게 된다. 공간 내의 수많은 분자를 하나의 입자로 모델링하고, 확률분포함수를 사용하여 입자간의 충돌과 이동을 계산하고, 이를 통계 처리하여 공간 내의 압력, 유량, 수밀도 등의 다양한 물리 특성을 파악하게 된다.     samadii/ray 외부의 간섭을 최소화하여 높은 수준의 정확성을 이루기 위해 진공 상태에서의 가공 기술이 증가하고 있다. 예를 들어, 디스플레이 OLED 공정은 진공 환경에서 재료를 증발시키고 증착하는 공정을 반복 진행하며, 재료에 가해지는 열은 매질을 필요로 하지 않는 복사 열 전달의 형태로 재료뿐 아니라 모든 장비에 영향을 미친다. 이는 재료의 증발뿐 아니라 완성된 OLED 성능에 영향을 미칠 수 있어서, 정확한 열 관리는 OLED에 중요하다. samadii/ray는 이처럼 복잡한 형상에서 정확한 복사 열 전달을 해석 가능한 제품으로 우주항공, 반도체, 전자 등 다양한 영역에서 최적화된 장비 개발에 활용할 수 있다. samadii/ray는 GPU 컴퓨팅을 기반으로 전도, 대류, 복사 열 전달을 분석한다. 특히, 엔비디아 옵틱스(OptiX)를 활용해 물체의 표면에서 방사되고 흡수되는 복사 열 전달을 모델링한다. 각각의 표면에서 방출되는 복사 열 에너지는 FEM(Finite Element Method)에 반영되어 내부 열전도를 계산하여 온도 분포를 구하고, 계산된 표면 온도는 복사 열 에너지 계산에 사용하며, 이를 반복하는 방식으로 열 전달 해석이 진행된다.     samadii/plasma 반도체 및 디스플레이 PCB 제조 산업에서의 플라스마(plasma)는 고진공 챔버 내부에 발생된 이온과 라디칼을 이용하여 표면 처리를 하는 공정에 응용된다. 플라스마 상태에서 발생된 이온들은 각각의 가스 종류와 반응식에 따라서 표면을 깎기도 하며, 다른 물질과 반응하여 적층시키기도 하고, 불순물을 주입하기도 한다. 이러한 다양한 공정은 마이크로, 나노 스케일의 고집적 회로를 만드는데 있어서 핵심 기술 중 하나이다. 플라스마는 전자와 이온의 거동에 의해 전자기장이 변화하고 다시 그 효과로 입자의 거동에 영향을 미치는 복잡한 현상이다. 중성, 이온, 전자의 밀도와 온도 그리고 운동성 차이가 매우 큰 상태로 각각의 입자가 충돌하여 끊임 없이 반응하는 상태를 플라스마라고 정의한다. 이러한 반응은 이온화, 여기 등의 반응과 각종 화학 반응을 수반한다. 입자법에 기반하는 플라스마의 직접 해석에는 천문학적인 연산량이 요구되기 때문에, 이온과 전자의 성질을 표현하도록 모델링된 두 개 이상의 유체로 간주하여 이들이 혼재된 격자 기반 플라스마 유동해석이 사용되어 왔다. 하지만 플라스마를 이루고 있는 기본 요소는 입자이며, 이들 입자간 충돌에 의한 플라스마 반응을 정확하게 해석하기 위해서는 입자법에 기반하는 해석이 필수이다. samadii/plasma는 GPU에 기반하는 samadii/em의 고속 전자기장 해석 모듈과 입자 기반 희박기체 해석 제품인 samadii/sciv의 연성 해석을 통하여 플라스마 공정을 시뮬레이션할 수 있는 공학용 프로그램이다. samadii/plasma는 플라스마를 활용한 반도체 및 디스플레이 공정 과정을 해석하기 위해 특화된 프로그램 이다. 플라스마 공정 과정의 시각화를 위해 이온과 전자의 입자 거동을 확인할 수 있을 뿐 아니라 공정 결과물의 균일도, 공정 챔버 내부의 플라스마 밀도, 온도, 유량 등을 제공하여 플라스마 공정 설계에 도움을 준다.     ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 서인수 메타리버테크놀러지의 이사로 입자 기반 CAE 설루션을 개발하고 있다. HPC나 GPU를 활용한 해석 기술을 바탕으로 희박기체 영역에서의 유동에 대한 연구를 하였다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계    지더블유캐드코리아는 11월 27일 CNG TV 방송에서 ‘설계자는 해석을 못한다? 실무자들이 가장 많이 틀리는 해석 관점 바로잡기’를 주제로, 3D 설계 실무자가 구조 해석(CAE)을 어렵게 느끼는 이유를 짚어보고, 해석에 대한 오해를 풀며 쉽게 접근할 수 있는 노하우를 실제 사례와 함께 설명했다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 지더블유캐드코리아 최예찬 파트장과 선우윤 대리   해석에 대한 오해와 진실 최근 제조 산업 전반에서 제품의 신뢰성 확보와 규제 준수를 위해 설계 단계에서의 구조 해석(CAE) 중요성이 강조되고 있다. 그러나 많은 실무자가 ‘해석은 전문 엔지니어의 영역’이라는 편견이나 복잡한 모델링 수정의 어려움 때문에 도입을 주저하는 것이 현실이다. 이날 방송은 지더블유캐드코리아 최예찬 파트장이 발표를 맡아, 해석에 대해 잘 모르는 사람들이 궁금해 할 만한 질문을 선우윤 대리가 대신 질문하고 댓글로 올라온 궁금한 사항들을 전달하는 형식으로 진행됐다. 최예찬 파트장은 발표 서두에서 “해석 결과가 곧 100% 정답이라는 강박을 버려야 한다”고 강조했다. 해석은 현실 세계의 물리 현상을 수학적으로 근사화(approximation)하는 과정으로, 통상적으로 이론값과 97% 정도의 일치율을 보이면 신뢰할 수 있다는 설명이다. 그는 해석을 어렵게 만드는 ‘얽힌 문제’를 컴퓨터가 계산하기 쉬운 ‘단순한 문제’로 치환하는 과정, 즉 ‘단순화(simplification)’가 해석의 핵심 기술이라고 역설했다. 구체적인 단순화 방법으로는 ▲해석 결과에 영향을 미치지 않는 미세한 필렛이나 리브를 제거하는 형상의 단순화 ▲전체 하중의 10% 미만인 부가 하중을 과감히 생략하는 조건의 단순화 ▲완전 접촉 조건의 부품을 하나의 보디로 통합하는 접촉의 단순화 등이 제시됐다. 최 파트장은 “해석은 정답을 알려주는 마법상자가 아니라, 목적지까지 가장 빠르고 정확하게 갈 수 있는 길을 알려주는 내비게이션과 같은 도구”라며, “설계자가 능동적인 관점에서 모델을 단순화하고 불필요한 변수를 제거할 때 비로소 해석의 효율과 수렴성이 극대화된다”고 조언했다.   올인원 툴로 해석 장벽을 허물다 이날 방송에서는 ‘ZW3D Structural’을 활용한 실제 산업군별 해석 시연이 이루어졌다. 페이스 커터(face cutter), 픽업트럭 프레임, 대형 굴삭기 등 복잡한 모델에서 해석 목적과 무관한 부품을 제거하거나 단순화하여 해석 시간을 획기적으로 단축하는 과정이 상세하게 소개됐다. 특히 설계와 해석이 분리된 기존 프로세스와 달리, 단일 플랫폼에서 모델 수정과 해석이 동시에 이루어지는 ‘올인원(all-inone)’ 환경의 강점이 부각됐다. 형상 변경 시 데이터를 변환하고 다시 불러오는 번거로움 없이, 설계 변경 사항이 해석 조건에 즉각 반영되는 워크플로가 시연되었다. 최 파트장은 “과거에는 경험에 의존한 이른바 ‘통밥 설계’가 용인되었지만, 이제는 제품 안전성 증명과 각종 규제 대응을 위해 데이터에 기반한 설계가 필수인 시대”라면서, “설계자와 해석자의 경계가 허물어지고 있는 만큼, 설계자들이 직접 해석 도구를 활용해 제품의 신뢰성을 높이는 것이 경쟁력이 될 것”이라고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

[CAE 컨퍼런스 2025] 발표자료 다운로드 안내입니다. CAE 컨퍼런스 2025이 지난 11월 7일 수원컨벤션센터에서 ‘시뮬레이션의 미래 : AI와 디지털 트윈이 주도하는 제조 혁신’을 주제로 성황리에 개최됐습니다. CAE 컨퍼런스 2025에서는 AI(인공지능)와 디지털 트윈(Digital Twin)의 융합을 통한 엔지니어링 혁신 및 가속화의 흐름을 짚었고, CAE 수요-공급업계 관계자를 위한 정보 교류의 장으로, ‘제7회 스마트 공장 구축 및 생산자동화전(SMATEC 2025)’과 동시 개최되었습니다. CAE 컨퍼런스 준비위원회 위원장인 연세대학교 기계공학과 이종수 교수는 개회사에서 과거에는 설계, 해석, 생산 등 공학 영역 사이의 장벽이 허물어지고 기술 융합과 협업이 가속화되고 있다고 짚었다. 한편, AI는 엔지니어링 의사 결정 과정에서 가속화를 돕는 역할을 한다. 특히 물리적 현상을 파악하는 기술인 CAE는 데이터 부족이나 불확실성, 그리고 경험하지 않은 영역의 문제를 해결해야 할 때 AI와 상호보완적인 관계를 갖게 된다는 것이 이종수 교수의 분석이다. 그는 “AI와 CAE는 서로 부족한 부분을 채워주는 친구처럼 협력하고 있다. 이번 CAE 컨퍼런스의 주제인 AI와 디지털 트윈을 통해 이러한 융합이 더욱 촉진되기를 기대한다”고 전했다. [관련 기사]  [포커스] CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 [아젠다] CAE 컨퍼런스 2025 발표자료는 정보 제공에 동의한 자료만 제공됩니다. 아래 아젠다에 PDF 마크가 표시되어 있는 발표자료가 공개된 내용입니다.    [CAE 컨퍼런스 2025] 유료결제 완료 후, 발표자료 요청 이번 컨퍼런스에 참여하지 않았던 분들은 유료 결제 후에 발표자료를 다운로드 받으시기 바랍니다. 다만 홈페이지 다운로드 용량 제한으로 인하여 전체 자료를 다운로드 할 수 있게 하는데 제약이 있어 첨부한 파일에는 CAE 컨퍼런스 2025 가이드 파일만 올려 두었습니다. 결제완료 후 메일(cae@cadgraphics.co.kr)로 연락주시면 대용량 추가 자료를 별도로 보내드립니다. 홈페이지에서 직접 결제하는데 문제가 있다면 당사로 연락주시기 바랍니다.   메일 제목 :  [CAE 컨퍼런스 2025] 유료결제완료 발표자료 요청 내용 : 결제시 회원명 / 전화 / 이메일 메일 보낼 곳 : CAE@cadgraphics.co.kr 문의 : CAE컨퍼런스사무국 (02-333-6900) [CAE 컨퍼런스 2025] 발표 제목 및 발표자 소개 00. [기조연설] 디지털 제조 혁신을 위한 Ansys End-to-End 솔루션 / 앤시스코리아 강태신 전무 01. [기조연설] 자율지능 에이전트를 위한 물리모델기반 시스템엔지니어링 & 생성적 산업인공지능 / 연세대학교 이종수 교수 02. 생성형 AI에서 Agentic AI까지: 자율설계의 미래 / 나니아랩스 강남우 대표 03. RBDO, 데이터 시대에 무결점설계를 향해… / 피도텍 최병열 연구위원 04. 시뮬레이션 기반 파우치형 배터리 동향과 실링 공정 최적화를 통한 신뢰성·안전성 강화 사례 / LG전자 문강석 책임 05. 클라우드 기반 CAE 혁신: AI로 가속화하는 차세대 엔지니어링 시뮬레이션 / AWS 전병승 Solutions Architect 06. CAE 최신 동향과 AI 기반 디지털 트윈 가속화 / 한국알테어 이승훈 기술총괄 본부장 07. 입자기반 Multi-physics CAE 기술 : 유체유동 및 플라즈마 응용사례 / 메타리버테크놀러지 서인수 이사 08. TV제품의 CAE 자동화 및 AI활용 사례 / LG전자 장일주 책임 09. 고객 중심의 디지털 트윈 기술 – 승객 모니터링과 인체모델의 융합 / 현대자동차 한만용 책임연구원 >> CAE 컨퍼런스 2025 영상보기

  INFOWORLD   Editorial 17　2026년, AI는 ‘증명’의 심판대에 오른다   Case Study 18　인프라 프로젝트에 실시간 시각화 기술 활용한 에이프리　대규모 데이터를 효과적으로 시각화해 커뮤니케이션 개선 20　세이코 엡손의 로봇 시뮬레이션 소프트웨어 업그레이드　첨단 3D 엔진으로 시뮬레이터 개발의 효율 향상   Hot Window 23　RBDO, 데이터 시대에 무결점 설계를 향해 / 최병열 28　입자 기반 다중물리 해석 설루션의 개발과 진화 / 서인수   Focus 32　PTC, “제조 산업의 라이프사이클을 AI로 혁신한다” 34　AI 시대의 경쟁력을 위한 열쇠는 데이터 전략에 있다   People&Company 37　지멘스 디지털 인더스트리 소프트웨어 존 폭스 마케팅 부사장　디자인센터 솔리드 엣지, 브랜드 통합과 AI로 제품 설계 효율 높인다 40　OSC모듈러산업협회 김인한 회장　현장 노동에서 공장 제조로… 건설 산업의 패러다임 혁신 이끌 것 42　콘택트 소프트웨어 칼 하인츠 자크리스 CEO　제조 경쟁력을 위한 PLM 플랫폼 및 한국 맞춤형 성공 모델 구축 추진   On Air 44　캐드앤그래픽스 CNG TV 지식방송 지상중계　“설계자는 해석을 못한다?”… 단순화 노하우로 해석 진입장벽 낮춰 45　캐드앤그래픽스 CNG TV 지식방송 지상중계　설계 가능한 인과 기반 AI : 지식조립공장의 시대가 온다 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　생성형 AI 영상 제작 기술의 변화와 제작 노하우… 낙서가 영화가 되는 시대   Column 47　디지털 지식전문가 조형식의 지식마당 / 조형식　AI 시대의 인류 생존 전략과 새로운 불의 발견 50　현장에서 얻은 것 No. 25 / 류용효　나의 비서 – AI 활용 점수는?   52　이달의 신제품   Directory 115　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 54　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (10) / 최하얀　설계 협업의 패러다임을 바꾸는 트리니티 58　새로워진 캐디안 2026 살펴보기 (2) / 최영석　스마트 치수 63　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　코딩 없는 LLM 기반 에이전트 개발 도구, 디파이   Mechanical 66　전기 설계에서 AI 활용의 의미 그리고 위기와 기회 / 구형서　AI 시대의 새로운 제사장, 정보 권력의 재구성 71　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (6) / 김주현　서피스 모델 생성하기   Manufacturing 80　산업 디지털 전환을 가속화하는 버추얼 트윈 (10) / 김수훈　디지털 연속성의 시대, 기준 정보가 이끄는 AR 현장의 진화   Analysis 83　심센터 HEEDS 더 깊게 살펴 보기 (1) / 이종학　심센터 HEEDS 커넥트와 MBSE 방법론 90　앤시스 워크벤치를 활용한 해석 성공 사례 / 이광희　10분만에 이해하는 열전달 메커니즘 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스IT　산업 전반에 걸친 고충실도 CFD 시뮬레이션의 잠재력 98　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (5) / 윤경렬, 윤민영　데이터 분석 로코드 설루션을 클라우드로 확장해 보자 102　설계, 데이터로 다시 쓰다 (4) / 최병열　Hello World 110　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (3) / 오재응　다양한 도메인에 통합 적용되는 MBSE         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

[코리아 그래픽스 2025] 이 내용이 보이지 않으면 <여기>를 클릭하시기 바랍니다. 안녕하세요? 코리아 그래픽스 사무국입니다. 캐드앤그래픽스에서 주최한 ‘코리아 그래픽스 2025’에 참여해 주신 모든 분들께 감사드립니다. 많은 관심과 성원 덕분에 행사가 성공적으로 마무리되었습니다. [코리아 그래픽스 2025] 발표자료 다운로드 안내 - PDF로 표시된 발표자료만 공개됩니다. - CAE 컨퍼런스 2025 프리뷰 웨비나 영상 포함 - 자료 다운로드는 12월 31일까지 무료 제공 문의 • 코리아 그래픽스 사무국 / 02-333-6900 / cadgraphpr@gmail.com

  [공지] 스마트 건설 DX 가이드 기고 및 무료 홍보 참여 안내 - BIM/CAD/AI/디지털 트윈을 중심으로 빌딩스마트협회와 캐드앤그래픽스에서는  '스마트 건설 DX 가이드’ 책자 발간을 준비 중에 있습니다. 스마트 건설 DX  분야의 변화하고 있는 트렌드를 담을 수 있도록 다양한 내용으로 구성할 예정입니다.  분야 : 건축, 건설, 토목, 엔지니어링 등 기술:  BIM/CAD/해석(CAE)/AI/디지털 트윈/시각화(XR 외)/OSC/PLM 등 참여 신청 마감 : 12월 30일까지 https://www.cadgraphics.co.kr/newsview.php?pages=bbs&sub=bbs01&catecode=29&num=77686   아래 내용이 보이지 않으면 여기 를 클릭하세요!