가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (7)   최근의 MBSE(모델 기반 시스템 엔지니어링) 환경은 개별 도구를 연계하던 전통적 방식에서 벗어나, 요구사항부터 시뮬레이션, 형상 관리까지 전 과정을 하나의 플랫폼에서 관리하는 ‘디지털 스레드’ 기반의 통합 환경으로 진화하고 있다. 이번 호에서는 모델링 도구인 ‘랩소디(Rhapsody)’와 ‘카메오 시스템 모델러(Cameo Systems Modeler)’의 특징을 살펴보고, 효율적인 설계 환경 구축 전략을 짚어본다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   모델링 도구 여기에서는 모델링 도구로서 랩소디(Rhapsody)의 특징과 기능을 간단하게 소개하고 있으며, 특히 시스템 아키텍처 설계와 모델 일관성 유지에 있어 랩소디가 어떤 역할을 수행하는지를 설명한다. IBM의 랩소디는 UML 및 SysML 기반의 시스템 모델링 도구로, 아키텍처 모델을 통해 시스템 설계 정보를 저장할 수 있는 동적인 데이터베이스 구조를 제공한다. 사용자가 정의한 각 모델 객체(예 : 블록, 컴포넌트 등)는 한 번 정의되면 그것이 표현되는 모든 다이어그램 상에서 동일한 특성과 속성을 유지한다. 이를 통해 전체 모델의 일관성과 추적성이 자연스럽게 보장된다. 또한 랩소디는 요구사항과 직접 연계된 설계 모델을 지원함으로써, 요구사항-설계 간의 정합성 확보를 용이하게 한다. 이를 통해 설계 변경이 요구사항과의 연동 하에 즉시 반영될 수 있어, 시스템 개발 전 과정에서 신뢰성 있는 모델 기반 설계를 실현할 수 있다. 결과적으로, 랩소디는 다양한 UML/SysML 도구 중 하나로, 특히 복잡한 시스템의 모델링, 시뮬레이션, 코드 생성까지 연결 가능한 통합 모델링 환경을 제공한다.   랩소디 보기   그림 1. 랩소디 도구의 대표적인 사용자 인터페이스 구성 요소   <그림 1>은 랩소디 도구 환경을 보여주며, 시스템 모델링 또는 소프트웨어 모델링을 수행할 때 사용되는 대표적인 사용자 인터페이스 구성 요소를 설명하고 있다. 랩소디 보기는 사용자가 랩소디에서 모델을 어떻게 시각적으로 확인하고 조작하는지를 이해하는 데 중점을 둔다. 전체 인터페이스 구성은 랩소디가 모델 기반 시스템 및 소프트웨어 설계를 위한 도구로, 브라우저 영역과 그리기 영역 등의 주요 영역으로 구성되어 있다. <그림 1>의 화면 왼쪽에는 브라우저 영역(Browser View)이 위치해 있다. 이 영역은 프로젝트 내에 정의된 모든 요소를 계층적 트리 구조로 정리하여 보여주며, 클래스, 패키지, 상태도, 시퀀스 다이어그램 등 다양한 모델링 요소를 탐색하고 선택할 수 있다. 사용자는 이 영역에서 모델 구조를 확인하고, 필요한 항목을 선택하여 편집 창으로 열 수 있다. 주로 사용하는 항목은 모델 구성요소(예 : 클래스, 컴포넌트, 상태 등)이다. 설계 계층 구조는 각 요소의 속성 및 동작이 연결되어 있다. <그림 1>의 화면 오른쪽에는 그리기 창(Drawing Window)이 위치하며, 사용자가 실제로 다이어그램을 작성하고 편집하는 작업 공간이다. 이 영역은 선택된 모델 요소의 시각적 표현을 위한 공간으로, 예를 들어 상태 다이어그램, 블록 다이어그램, 시퀀스 다이어그램 등을 작성하고 구성 요소 간의 연결 관계를 설정할 수 있다. 사용자의 활동 예는 상태 전이 정의, 신호 흐름 연결, 동작 논리 시각화, 모델 요소 간 연결 구성이 있다. 랩소디는 모델 탐색과 시각적 설계를 동시에 지원하기 위해 좌측 브라우저 영역과 오른쪽 그리기 창을 중심으로 UI(사용자 인터페이스)를 구성하고 있으며, 이를 통해 사용자는 설계 구조와 논리를 직관적으로 접근하고 조작할 수 있다. 이와 같은 인터페이스는 SysML, UML, 자동차 및 항공 우주 분야의 MBD 등 다양한 모델링 작업을 효율적으로 수행할 수 있도록 지원한다.   랩소디 vs. 카메오 시스템 모델러 비교 IBM 랩소디와 카메오 시스템 모델러(Cameo Systems Modeler)는 모두 SysML 기반의 시스템 모델링 도구로 널리 사용되고 있다. 그러나 이 두 도구는 설계 접근 방식, 사용자 인터페이스, 시뮬레이션 및 협업 방식에서 차별점이 존재한다. 도구의 철학과 접근 방식 : 랩소디는 임베디드 시스템 및 소프트웨어 개발에 특화된 도구로, 주로 상태 기반(state-based) 모델링과 코드 생성(code generation) 기능이 강력하다. UML 기반의 객체지향 소프트웨어 개발, 상태 머신 구현 등에 많이 활용되며, 특히 자동차, 항공, 방위 산업 등에서 많이 사용된다. 반면에 카메오 시스템 모델러(MagicDraw 기반)는 시스템 아키텍처 및 요구사항 중심 설계에 중점을 둔 MBSE 도구이다. RFLP(Requirement, Functional, Logical, Physical) 구조와 트레이스 기능이 강력하며, PLM·SPDM 시스템과의 통합이 잘 되어 있어 디지털 스레드 구축에 적합하다. 대부분의 대기업 MBSE 전환 프로젝트에서 선택되고 있다. 사용자 인터페이스 및 작업 구조 : 랩소디는 전통적인 IDE 스타일의 인터페이스(<그림 1>처럼 왼쪽 탐색기 + 오른쪽 다이어그램 편집기)를 가지고 있으며, 실시간 코드 시뮬레이션 및 상태 전이 구현에 용이하다. 카메오 시스템 모델러는 모델 요소 중심 탐색 트리, 다중 다이어그램 탭, 자동 연결 도우미, 속성 창 기반 작업이 잘 정비되어 있으며, 직관적인 GUI로 인해 다양한 다이어그램 작성이 빠르고 정확하게 이루어진다. 사용자 친화성이 높은 편이다. 시뮬레이션 및 해석 기능 : 랩소디에는 UML/SysML 상태 머신을 기반으로 한 Statechart Simulation이 내장되어 있어, 논리적 동작 검증이나 이벤트 시퀀스 분석에 유리하다. C/C++ 코드 생성 및 디버깅 기능도 내장되어 있어, 소프트웨어 통합 단계까지 연결하기 좋다. 카메오 시스템 모델러는 카메오 시뮬레이션 툴킷(Cameo Simulation Toolkit :CST)을 통해 SysML 모델의 시뮬레이션이 가능하며, 파라메트릭 다이어그램(Parametric Diagram) + 수식 기반 계산 + 외부 FMU 연동을 지원한다. 특히 시뮬링크(Simulink), 모델리카(Modelica) 등과의 코시뮬레이션(co-simulation) 및 FMI 기반 연동이 강력하다. 협업 및 형상 관리 연동 : 랩소디는 RTC, ClearCase, GIT 등과 연계가 가능하지만, 협업 기능이 독립적으로 강력하지는 않다. 기업 내부 커스터마이징이 필요한 경우가 많다. 카메오 시스템 모델러는 팀워크 클라우드(Teamwork Cloud : TWC)라는 중앙 저장소 기반 협업 서버를 통해 모델 단위 버전 관리, 권한 제어, 변경 추적, 분기 관리(branching) 기능을 지원하며, 팀 단위 협업 및 모델 기반 리뷰에 적합하다. PLM, SPDM 및 외부 툴 연동 : 랩소디는 외부 연동이 상대적으로 제한적이며, 별도 게이트웨이 또는 커스터마이징이 필요하다. 카메오 시스템 모델러는 3D익스피리언스(다쏘시스템), 윈칠(PTC), 팀센터(지멘스) 등의 PLM 시스템과 연계가 용이하며, MBSE–PLM–SPDM 간의 디지털 연계(traceability)가 수월하게 이루어진다. 정리하면 랩소디는 코드 생성, 상태 머신 중심이고 카메오 시스템 모델러는 요구사항–기능–물리 구조 연계 중심이다. 사용 분야는 랩소디가 임베디드 소프트웨어, 제어 시스템에 사용되며 카메오 시스템 모델러는 시스템 아키텍처, MBSE를 총괄하는데 사용된다. 시뮬레이션에는 랩소디가 상태 기반 시뮬레이션에 사용되며, 카메오 시스템 모델러는 파라메트릭, 시퀀스, 코시뮬레이션이 가능하다. 협업 관점에서 랩소디는 RTC/파일 기반으로 이용되며, 카메오 시스템 모델러는 팀워크 클라우드 기반 모델 협업에 활용된다. 외부 툴과 연동은 랩소디는 제한적이며 커스터마이징이 필요하다. 반면에 카메오 시스템 모델러는 FMI, PLM, 시뮬링크 등과 강력하게 연동된다.    ■ 자세한 기사 내용은 PDF로 제공됩니다.

가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (6)   복잡한 시스템 설계를 최적화하기 위해 시스템 모델링 언어인 SysML의 역할이 커지고 있다. 이번 호에서는 블록 정의 및 내부 블록 다이어그램을 통한 설계 애셋의 재사용성과 파라메트릭 모델을 활용한 검증 방법을 살펴본다. 또한 객체지향 시스템 엔지니어링 방법론인 OOSEM의 주요 개발 활동과 모델 요소 간의 연결 구조를 분석한다. 이를 통해 복잡한 요구사항을 체계적으로 관리하고 설계 일관성을 확보하는 통합적인 시스템 엔지니어링 접근법을 제시한다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   블록 정의 및 사용   그림 1. BDD와 IBD에 의한 자동차의 ABS 시스템 예시(제동 시스템)   <그림 1>은 블록 정의 다이어그램(Block Definition Diagram : BDD)과 내부 블록 다이어그램(Internal Block Diagram : IBD)의 관계를 SysML 모델링에서의 블록 정의와 사용(Definition and Usage) 개념을 설명하는 것이다. 특히 시스템 모델에서 정의(definition)와 사용(usage)의 구분이 어떻게 나타나는지를 자동차의 ABS 시스템(제동 시스템) 예시를 통해 직관적으로 설명하고 있다. BDD는 시스템 구성 요소를 정의(definition 또는 type)하는 다이어그램이다. 여기서 블록은 하나의 설계 단위 또는 유형으로 간주되며, 그 자체로는 구현이 아닌 속성, 인터페이스, 동작 등을 기술한다. 예를 들어 Anti-Lock Controller는 하나의 중심 블록으로 정의되어 있고, Traction Detector(d1), Brake Modulator(m1), Sensor(s1)와 같은 하위 블록과 구조적 관계를 가진다. 이들 블록은 각각 독립적으로 정의된 타입이며, 다른 시스템에서도 재사용이 가능하다. Definition에서 Block은 하나의 유형(type)이며 속성, 동작, 포트 등을 정의하여 여러 콘텍스트에서 재사용된다. 연결 방식은 관계 선(연결 구조) 위주로 나타낸다. IBD는 정의된 블록을 특정 콘텍스트에서 사용하는 방식을 나타낸 다이어그램으로 정의된 블록의 실제 사용/구현 구조 표현이다. 여기서는 AntiLock Controller 블록의 내부를 구성하는 part(사용 인스턴스)들이 나타난다. Part(인스턴스 또는 역할)로 모델 내부 특정 위치에 배치된다. 연결방식은 포트와 커넥터로 물리적/논리적 인터페이스로 구성한다. 예를 들어 s1:Sensor, d1:Traction Detector, 102 · m1:Brake Modulator는 모두 정의된 블록을 특정 역할(역할/파트)로 사용하는 형태이다. 각 파트는 인터페이스 포트(c1, c2)를 통해 상호 연결되며, 모델 내 실제 연결 구조를 명시한다. Usage에서 Part는 정의된 블록의 사용 인스턴스이며 특정 콘텍스트에서 기능 역할로 배치되며 블록에 의해 타입(Type)이 지정되며 역할(role) 또는 구성요소(instance)로도 불린다. 또한 <그림 1>은 모델 기반 시스템 설계에서 중요한 개념인 정의와 사용의 분리(separation of definition and usage)를 설명하고 있다. 정의된 블록은 단일 설계 요소로서 명세되고, 이를 다양한 콘텍스트에서 조합하여 모듈화, 재사용성, 유연한 시스템 확장이 가능해진다. SysML에서 BDD와 IBD는 각각 설계와 구성, 추상화와 구현을 잇는 핵심적인 다이어그램으로 활용된다.   매개변수 - 구속조건 정의 및 사용   그림 2. 매개변수 간의 수학적 관계와 제약 조건의 정의 및 실제 시스템 모델에 적용 방법   <그림 2>는 SysML 파라메트릭 다이어그램(Parametric Diagram)을 활용하여 매개변수(변수) 간의 수학적 관계와 제약 조건(구속조건)을 정의하고, 이를 실제 시스템 모델에 적용(usage)하는 방법을 보여준다. 실제로 매개변수와 구속조건 정의 및 사용으로 시스템의 무게 조건을 예로 들어 설명하고 있다. 구속조건 정의(Constraint Definition)의 BDD 부분은 모델링된 제약 조건을 정의한 것이다. 이 영역에서는 다음 두 개의 제약 블록(constraint block)이 정의되어 있다. Total Weight는 수식 wt = Σw로 정의되어 각 구성 요소의 무게를 모두 더하여 총 무게를 계산하는 수식이다. 입력 매개변수는 wi(각 구성 요소의 무게들)과 결과로 wt(총 무게)를 나타낸다. Max Weight는 수식 result = (wt<2000 Ton)이며 총 무게가 2000톤 미만인지 여부를 판단한다. 결과는 불린(boolean) 타입으로 반환(true 또는 false)된다. 이 두 제약 블록은 상위 분석 블록인 Ship Weight Analysis에 속하며, 전체 시스템에서 무게 제한 분석을 수행하기 위한 논리적 조건으로 사용된다. 파라메트릭 다이어그램(Parametric Diagram)은 앞에서 정의한 제약 조건들을 Ship Weight Analysis 블록에 실제 적용한 예시이다. 이 다이어그램에서는 다음과 같은 구성으로 모델이 연결되어 있다. wt는 Total Weight 제약 블록이며 입력 값으로 w1, w2, w3가 연결되며 각각 ship.weight, cargo.weight, ammo.weight와 연결되어 전체 무게를 계산한다. Mw는 Max Weight 제약 블록이며 앞에서 계산된 총 무게 wt를 입력으로 받아 그것이 2000톤 미만인지 여부를 결과로 피드백한다. 이 다이어그램에서 사용된 두 제약 블록은 «usage» 관계로 상단의 BDD에서 정의된 constraint block을 참조하고 있으며, 결과적으로 시스템 설계 모델에 제약을 수학적으로 통합하는 구조이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

가상 제품 개발을 위한 MBSE 및 SysML의이해와 핵심 전략 (5)   이번 호에서는 모델 기반 시스템 엔지니어링(MBSE)의 핵심 언어인 SysML의 정의와 역할을 설명한다. SysML은 기존 문서 중심 방식의 한계를 극복하기 위해 복잡한 시스템을 시각화하고 설계 일관성을 유지하며, 모델리카(Modelica)와의 연동을 통해 수치 해석 및 검증 능력까지 제공한다. 결과적으로 SysML은 요구사항 정의부터 물리적 검증까지 전체 과정을 유기적으로 통합하여 가상 제품 개발의 생산성을 높이는 데에 기여한다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   SysML이란 SysML(Systems Modeling Language)은 시스템을 대상으로 한 그래픽 모델링 언어로, UML(Unified Modeling Language)을 기반으로 확장하여 개발된 것이다. SysML은 OMG(Object Management Group), INCOSE(International Council on Systems Engineering), 그리고 ISO STEP AP233(시스템 엔지니어링 데이터 교환 표준)의 요구사항을 반영한 엔지니어링 RFP(Request for Proposal)에 따라 만들어졌으며, UML 2.0의 하위 집합을 기반으로 하되, 시스템 모델링에 특화된 확장 기능을 포함하고 있다. 즉, UML의 한 프로파일(profile)이면서도 시스템 중심 기능이 강화된 언어이다. SysML은 하드웨어, 소프트웨어, 데이터, 입력/출력, 절차 및 설비 등 복합적인 요소를 포함하는 시스템을 요구, 분석, 설계, 검증, 검증 및 검토(V&V) 등 전 과정에 걸쳐 모델링할 수 있도록 지원한다. 이를 통해 복잡한 시스템을 시각적으로 표현하고, 다양한 구성요소 간의 관계를 추적할 수 있다. 또한, SysML은 XML 기반 메타데이터 교환(XMI)을 통해 다른 모델 및 데이터 시스템과의 연동을 지원하며, 국제 표준인 AP233의 진화 과정과도 연계되어 있다. 이러한 상호운용성과 표준성은 SysML이 시스템 모델 중심 개발(model-driven SE)을 위한 핵심 언어로 자리매김하게 된 중요한 배경이다. 결론적으로, SysML은 전통적인 문서 중심 시스템 개발 방식에서 벗어나, 시각적 모델 중심으로 시스템을 통합적으로 정의하고 분석하며 검증할 수 있도록 해주는 핵심 도구라 할 수 있다. 이는 특히 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE)을 실현하기 위한 기반 언어로 널리 사용된다.   왜 SysML 모델링 언어와 MBSE가 연계되는가 지금까지 기본 시스템 엔지니어링의 시스템 설계 활동에 대해 설명해 왔지만 이들의 활동의 주요 목적은 MBSE에서도 마찬가지이다. 그러나 지금까지의 시스템 엔지니어링은 두 가지 ‘불편’이 있었다. 하나는 자연 언어 그 자체의 기술력으로 인한 불편이다. 예를 들어, 자연 언어로 시스템 엔지니어링 영역에서 널리 사용되는 계층 구조와 병렬 동작을 동시에 설명하는 것은 어렵다. 또한, 입력한 정보의 조감과 여러 원인과 결과를 가진 인과 관계를 설명하기도 어렵다. SysML은 시스템 엔지니어링을 위해 개발된 준 형식적 도식 언어이며 이러한 불편을 해소하기 쉽다. 또 다른 불편은 설명 내용의 일관성 유지라는 문제이다. 자연 언어로 작성된 문서 간에 걸친 정보의 완전성 및 일관성을 유지하는 것은 어렵고 문서에 설명된 정보가 변경될 때 시스템의 수명주기에 미치는 영향을 예측하기가 어렵다. 이들에 대해서도 모델링 툴을 병용하면서 SysML을 사용하면 이러한 불편을 없앨 수 있다. 한편 ‘개발 현장용’ 모델 언어의 의미와 메타 모델로서 추적성을 완비해야 한다. 아직 설계서로부터의 자동 코드 생성은 주류가 아니고, 사람의 손으로 프로그래밍에 의존하는 실태를 감안하면 다양한 능력의 사람이 이해하고 사용할 수 있는 설계 모델 언어여야 한다. 즉, 엄밀하지만 그것을 읽어내는데 수학적인 기능이 필수인 형식 언어나 SysML을 자유롭게 구사해 표현한 모델에서는 많은 리뷰어가 이해하는 데 고생하고, 종합적으로는 생산성을 떨어뜨릴 수 있다. 따라서 모델 간 추적성 정의만 엄격하게 한 모델 표현(언어)을 정의했다. 또한 설계 프로세스로 알려진 크게 복잡하고 세밀한 개발 단계를 결정하는 것만으로 그치지 않고 상품 디자인에 집중할 수 있도록, 모델 레벨에서 설계 순서 및 모델 간의 추적성을 나타내고 있다. SysML은 구조, 동작, 속성 및 요구 사항 측면에서 복잡한 시스템 설명을 캡처하기 위한 표준화된 범용 그래픽 모델링 언어이다. 모델리카(Modelica)는 미분 대수 방정식의 관점에서 복잡한 시스템의 연속 및 이산 시간 역학을 분석하기 위한 표준화된 범용 시스템 모델링 언어이다. SysML 모델의 설명력과 모델리카 모델의 분석 및 계산 능력을 통합하면 SysML 또는 모델리카가 개별적으로 제공하는 것보다 훨씬 더 뛰어난 기능을 제공할 수 있다. 모호함 없이 SysML과 모델리카 모델 간에 모델링 정보를 효율적이고 자동으로 전송하기 위한 구현을 지원하는 두 모델링 언어 간의 표준화된 양방향 변환이 개발되고 있다. 이러한 양방향 변환 접근 방식에 대한 개요 외에도, 이번 호에서는 변환 원리를 명확히 하고 이 두 언어 간의 통합으로 인해 발생하는 중요한 시너지 효과를 설명하는 간단한 예를 제공한다. SysML은 기본 의미론을 갖춘 잘 정의된 그래픽 구성을 사용하여 시스템 모델을 생성하고 관리하는 데 사용할 수 있는 범용 시스템 모델링 언어이다.(Object Management Group, 2008) SysML은 UML 2(Object Management Group, 2009)의 하위 집합을 재사용하고 새로운 모델링 요소와 두 가지 새로운 다이어그램 유형을 추가하여 이를 확장한다. 이러한 SysML 다이어그램은 <그림 1>에 나와있다.   그림 1. SysML 다이어그램 개요 및 UML 다이어그램과의 관계   요구 사항 다이어그램 및 매개변수 다이어그램과 결합된 일련의 동작 및 구조 다이어그램은 시스템의 통합 보기를 제공한다. 그러나 SysML은 단순한 다이어그램 세트 그 이상을 나타낸다. 다이어그램의 기본에는 모든 모델링 구성을 공식적으로 나타내는 추상 구문 모델 저장소가 있다. 그만큼 위에 표시된 대로 SysML의 시스템 동작은 활동 다이어그램, 상태 머신 다이어그램 및/또는 시퀀스 다이어그램과 관련 의미론의 조합을 통해 캡처된다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

주요 디지털 트윈 소프트웨어 플랜트 운영 및 엔지니어링을 위한 디지털 트윈, Universal Plant Viewer (UPV) 개발 : CAXperts GmbH, www.caxperts.com 자료 제공 : 플랜트에셋, 02-854-0846, www.plantasset.com   플랜트에셋은 육상 플랜트, 조선해양, 건설산업의 엔지니어링 단계부터 O&M 단계까지 설비 수명 주기 관리에 필요한 고도화된 IT솔루션과 전문 서비스를 제공할 목적으로 설립되었다. 당사는 무결성 설계와 데이터 우선 프로세스를 지원하는 엄격한 설계 품질 검사, 마스터 데이터 구축 및 프로젝트 협업을 전문으로 하는 최신 소프트웨어 솔루션과 전문 서비스를 제공한다. 기술 혁신에 대한 통찰력과 열정을 가진 구성원들의 꿈과 노력으로 성장하는 플랜트에셋은 EPC, O&M 솔루션 분야에서 세계적인 기술력을 보유한 글로벌 선도기업으로 성장하기 위해 계속 노력하고 있다. 당사는 2012년부터 독일 디지털 트윈 선두 주자인 CAXperts GmbH의 파트너로서 한국의 고객에게 CAXperts 소프트웨어를 제공하고 있다.  1. 유니버설 플랜트 뷰어: 디지털 트윈 허브의 진화 산업 기술의 빠르게 변화하는 환경 속에서 CAXperts의 유니버설 플랜트 뷰어(UPV)는 혁신적인 기술로 자리잡고 있다. 원래 플랜트 데이터를 시각화하는 도구로 시작된 UPV는 이제 완전히 통합된 디지털 트윈 허브로 발전하여, 플랜트 생애 주기 전반에 걸쳐 협업과 최적화를 강화하는 역할을 하고 있다. 2. 통합된 디지털 모델의 힘 UPV는 다양한 플랜트 데이터를 하나의 포괄적인 디지털 모델로 통합한다. 이 모델에는 다음과 같은 데이터가 포함된다. ■ 3D 모델 ■ 배관 및 계기 다이어그램(P&ID) ■ 레이저 스캔 ■ 도면 및 문서 ■ 다양한 출처의 데이터 UPV의 차별화된 점은 이러한 자원들이 무선 통합되어 언제 어디서나, 어떤 기기에서든 접근할 수 있다는 점이다. 윈도 PC, iOS, 안드로이드 또는 웹브라우저를 통해 UPV는 항상 적절한 정보를 제공한다. 3. 기능이 풍부한 에코시스템   UPV의 최신 버전은 기존 데이터를 최대한 활용할 수 있도록 하는 최첨단 기능을 제공한다. 1D, 2D, 3D, 심지어 4D의 애니메이션 및 시간 기반 분석을 포함한 다양한 차원에서 기능을 확장하고 있습니다. 주요 기능은 다음과 같다: (1) 지원되는 플랫폼 UPV는 여러 플랫폼에서 호환되어, 지리적으로 분산된 팀들이 협업할 수 있도록 합니다. (2) 3D 및 2D 소스 Smart 3D, PDS, PDMS, E3D, Navisworks와 같은 다양한 형식을 지원함으로써 UPV는 3D 모델의 시각화와 상호작용을 강화한다. 또한, 2D 측면에서는 지능형 P&ID 와 기타 도면을 통합하여 완전한 데이터 정합성을 보장한다. (3) 레이저 스캔 및 개념 설계 정밀한 3D 환경을 제공하는 지능형 레이저 스캔 통합은 물리적인 플랜트와 디지털 트윈 간의 격차를 좁히고, 개념 설계 도구는 빠른 프로토타입 제작과 반복적인 개발을 가능하게 한다. (4) 데이터 처리, 연결 및 보고 UPV의 고급 데이터 관리 기능은 모든 정보가 동기화되고 실행 가능한 상태로 유지되도록 한다. 플랫폼의 연결 기능은 다양한 데이터 포인트를 연결하여 정보에 기반한 의사 결정을 용이하게 한다. 맞춤형 보고 도구는 복잡한 데이터셋에서 유용한 인사이트를 도출할 수 있도록 지원한다. (5) 앱 컨트롤 및 고급 통합 UPV의 가장 큰 발전 중 하나는 '앱 컨트롤' 기능입니다. 이는 외부 시스템과의 통합을 통해 특정 워크플로우 요구 사항에 맞게 사용자 정의할 수 있어, UPV를 진정한 디지털 트윈 플랫폼으로 만든다.  (6) 4D 애니메이션 4D 기능의 도입은 시간적 차원을 추가하여, 사용자들이 프로세스, 건설 일정 및 운영 시나리오를 시뮬레이션할 수 있게 한다. 이 몰입감 있는 경험은 보다 나은 계획과 시각화를 돕는다. (7) 협업 및 효율성 향상 UPV의 사용자 친화적인 인터페이스와 종합적인 기능은 플랜트 생애 주기 동안 모든 이해관계자에게 없어서는 안 될 도구입니다. 모든 플랜트 데이터를 중앙 집중화된 허브에서 제공함으로써, 정보의 장벽을 줄이고, 커뮤니케이션을 강화하며, 운영 효율성을 촉진한다. 4. 결론   유니버설 플랜트 뷰어는 더 이상 단순한 시각화 도구가 아니다. 그것은 디지털 트윈 혁명의 핵심적인 축이 되었다. UPV의 강력한 기능 세트, 광범위한 호환성, 사용 용이성에 대한 지속적인 노력은 그것이 현대 산업 운영에서 중요한 자산으로 남게 만든다. UPV를 통해 CAXperts는 더 스마트하고, 더 연결된 플랜트를 위한 길을 열고 있으며, 조직들이 데이터의 전체 잠재력을 발휘할 수 있도록 돕고 있다.

PTC는 아레나(Arena) 제품 수명주기 관리(PLM) 및 품질 관리 시스템(QMS) AI 엔진 출시를 발표했다. 아마존 베드록(Amazon Bedrock)으로 구동되는 아레나 AI 엔진 기능은 문서 검토 및 비교를 자동화한다. 이를 통해 팀은 오류를 줄이고 규정 준수를 강화하며 파일 변경 작업을 더 빠르게 처리할 수 있다. 아레나 AI 인프라를 기반으로 구축된 아레나 AI 엔진은 AI 파일 요약(AI File Summary)과 AI 파일 비교(AI File Comparison) 등의 기능을 제공한다. AI 파일 요약은 긴 보고서를 명확하고 실행 가능한 통찰력으로 요약한다. 이를 통해 팀이 간결한 업데이트를 공유하고 승인을 신속하게 진행하도록 돕는다. AI 파일 비교는 사양서, 설계도, 다이어그램 및 기타 파일 전반의 변경 사항을 자동으로 강조 표시한다. 수동 확인 및 규정 준수 위험을 줄여 교육 및 변경 관리 버전 제어를 가속화한다. 아레나 AI 엔진은 AI 기반 인텔리전스를 일상적인 PLM 및 QMS 워크플로에 직접 도입하여 PTC의 ‘인텔리전트 제품 라이프사이클(Intelligent Product Lifecycle)’ 비전을 확장한다. 이를 통해 팀은 제품 수명주기 전반에 걸쳐 더 적절한 결정을 빠르게 내릴 수 있다.     이번 릴리스는 아레나 AI 엔진 출시 외에도 새로운 ‘아레나 AI 어시스턴트(Arena AI Assistant)’ 및 ‘아레나 공급망 인텔리전스(Arena SCI)’ 기능을 통해 공급망의 탄력성을 강화한다. 개선된 아레나 AI 어시스턴트는 더 많은 도움말 항목을 지원하고 완전한 다국어 가용성을 제공한다. 또한 대화형 인터페이스를 더욱 강화하여 온보딩 시간을 줄이고 생산성을 높인다. 아레나 SCI는 전자 부품에 대한 주간 업데이트 확인을 통해 글로벌 규정 준수를 강화하도록 개선됐다. 그리고 제품 개발 워크플로에 직접 통합된 통찰력을 바탕으로 실시간 AI 기반 부품 모니터링 및 위험 완화를 지원한다. PTC의 데이비드 캐츠먼(David Katzman) 온쉐이프 및 아레나 총괄 부사장은 “고객들은 작업을 지연시키고 위험을 증가시킬 수 있는 복잡한 문서와 지속적인 수정 사항을 관리하고 있다”면서, “아레나 AI 엔진의 출시는 이러한 프로세스를 더 직관적으로 만들고, 팀이 제품 정보에 대해 더 명확하게 파악하고 통제할 수 있도록 하는 장기적인 투자의 다음 단계”라고 전했다.

가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (2)   오늘날 제품 개발은 점차 복잡해지고 있으며, 다양한 기능·구조·성능 요구를 동시에 만족시켜야 한다. 이에 따라 전통적인 문서 중심의 시스템 엔지니어링 방식은 한계에 직면하고 있다. 문서 기반 방식은 사양, 인터페이스, 설계, 분석, 테스트 계획 등이 개별적으로 관리되어 추적성과 일관성이 부족하고, 변경 시 수작업이 많아 오류 가능성이 크다. 이러한 문제를 해결하기 위해 ‘모델 기반 시스템 엔지니어링(MBSE)’이 대두되었다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 연구소장   MBSE(Model-Based Systems Engineering)는 요구사항, 기능, 구조, 성능, 안전성, 비용 등 다양한 측면을 통합 시스템 모델로 표현하고 분석하여 개발 전 과정을 지원한다. SysML과 같은 표준 언어와 랩소디(Rhapsody), 카메오(Cameo), 카티아 매직(CATIA Magic) 등의 도구를 통해 모델은 단순한 도식이 아닌 설계·검증·분석의 핵심 매개체로 활용된다. MBSE는 첫째, 시스템 및 소프트웨어 개선을 지원한다. 요구사항을 명확히 시각화하여 이해도를 높이고, 아키텍처를 구조화해 통합을 용이하게 하며, 시뮬레이션 기반 사전 검증으로 설계 오류를 줄인다. 둘째, 협업과 커뮤니케이션 향상에 기여한다. 이해관계자 간 지식 격차를 줄이고, 교육 및 의사결정 도구로 활용되며, 프로젝트 참여도를 높인다. 또한, 고객·개발자·통합자·공급업체·규제기관 등 다양한 이해관계자가 참여하는 시스템 획득 과정에서 MBSE는 공통 언어로서 상호작용을 원활히 하고 요구사항 관리·검증·규제 대응까지 일관성을 제공한다. 특히 문서 기반과 MBSE 기반 방식을 비교하면, MBSE는 정보 표현의 일관성, 다중 뷰 제공, 자동화된 변경 영향도 분석, 품질 및 무결성 평가의 체계화를 가능하게 한다. 이는 복잡한 시스템의 개발 리스크를 줄이고, 비용 절감과 개발 기간 단축 그리고 신뢰성 확보에 직결된다. 결국 MBSE는 단순한 도구가 아니라, 가상 제품 개발(VPD)의 핵심 엔진으로서 차세대 제품 개발 패러다임을 뒷받침하는 전략적 전환임을 보여준다.   시스템 설명을 위한 SE 사례 과거의 시스템 엔지니어링(SE) 방식은 문서 중심(documents–centric)이었다. 이 방식에서는 시스템 사양(specifications), 인터페이스 요구사항(interface requirements), 시스템 설계(system design), 분석 및 트레이드오프(analysis & trade–off), 테스트 계획(test plans) 등의 주요 활동이 대부분 문서 형태로 작성되고 관리되었다. 이러한 문서들은 서로 연결성이 부족하고 변경 관리를 수동으로 수행해야 하는 한계가 있었다. 문서 간의 일관성을 유지하기 어려우며, 추적성(traceability)도 제한적이었다.   그림 1. 시스템 엔지니어링에서의 변화 모습   미래의 시스템 엔지니어링 방향은 모델 중심(model–centric)으로 전환되고 있다. 이 방식에서는 시스템 설명과 분석, 검증 활동이 모두 모델을 중심으로 수행된다. 모델은 다이어그램 형태로 시스템의 기능, 구조, 행동 등을 시각적으로 표현하며, 분석 도구 및 시뮬레이션 환경과 직접 연계할 수 있어 변경의 영향 분석이나 테스트 계획 수립 등도 자동화할 수 있다. 변화의 핵심은 방법론(methodology), 언어(language), 도구(tool)이며 이 변화의 중심에는 MBSE를 실현하기 위한 다음의 구성요소가 있다. 방법론은 예를 들어 OOSEM(Open-Source Systems Engineering Methodology)과 같은 절차적 방법론, 언어는 SysML(Systems Modeling Language)과 같은 표준화된 모델링 언어, 도구는 IBM 랩소디, 카메오 시스템즈 모델러(Cameo Systems Modeler), 카티아 매직 등의 모델링 도구가 있다. 이러한 구성 요소들이 유기적으로 연결되어 문서 대신 모델을 기반으로 시스템 설계를 설명하고 검증할 수 있도록 한다. 현재 시스템 엔지니어링은 문서 중심에서 모델 중심으로의 전환이 일어나고 있다. 이 변화는 단순히 표현 수단의 변화가 아니라, 시스템 개발의 추적성, 일관성, 자동화, 협업, 재사용성을 획기적으로 향상시키는 전략적 전환이며, 복잡한 시스템 개발을 보다 정밀하고 효율적으로 수행할 수 있게 한다. 따라서 기존의 문서 기반 설명을 넘어서 모델 기반 설명이 필수인 시대에 들어섰음을 강조하고 있으며, SE 전환 전략의 방향성을 명확히 보여주는 대표 사례로 볼 수 있다.   시스템 모델링 시스템 모델링은 하나의 통합된 시스템 모델을 통해 제품 또는 시스템의 다양한 측면(기능, 구조, 성능, 요구사항 등)을 동시에 표현하고 분석할 수 있는 접근 방식이다. 이러한 통합 시스템 모델은 다음과 같은 여러 하위 모델로 구성된다. 요구사항 모델(requirement model)은 시스템이 충족해야 하는 기능적/비기능적 요구사항을 표현한다. 이는 모델링의 출발점이 되며, 모든 다른 모델은 이 요구사항을 만족시키기 위해 만들어진다. 기능/행동 모델(functional/behavioral model)은 시스템이 수행해야 하는 주요 동작을 시퀀스 형태로 정의한다. 예를 들어 Start → Shift → Accelerate → Brake와 같은 모델은 사용자 또는 시스템의 동작 흐름을 추상화한 것이며, 상태 전이 또는 유스케이스 기반 모델링에 해당한다. 성능 모델(performance model)은 시스템의 성능을 정량적으로 평가할 수 있는 수식 기반의 모델이다. 예시로, 동력 방정식(power equations)과 차량 동역학(vehicle dynamics) 모델을 통해 제어 입력이 차량의 물리적 반응에 어떤 영향을 주는지 계산할 수 있다. 구조/컴포넌트 모델(structural/component model)은 시스템을 구성하는 하드웨어 또는 서브시스템 구조를 나타낸다. 예를 들어 Engine → Transmission → Transaxle(변속기 → 트랜스 액슬) 모델은 실제 구현 또는 설계를 위한 기반 구조를 제공한다. 기타 공학 해석 모델(other engineering analysis models)에는 상세 기술 모델들이 포함된다.   그림 2. 시스템 모델링의 핵심 개념과 구성 요소   이 외에도 질량 중심, 관성 모멘트 등 물리적 특성을 나타내는 Mass Property Model, 구조 강도 해석 등 Structural Model, 시스템 안전성 분석에 대한 Safety Model, 비용 예측 및 분석 모델인 Cost Model이 있다. 이러한 모델은 제품 개발의 신뢰성과 경제성을 확보하기 위해 중요한 도구이다. 따라서 통합 시스템 모델은 시스템의 여러 측면을 다루어야 한다. 즉, 단일한 관점(예 : 기능적 요구사항이나 하드웨어 구조)만 고려해서는 복잡한 시스템을 정확하게 설계하거나 검증할 수 없으며, 기능, 구조, 성능, 안전성, 비용 등 다양한 분석 도메인을 통합적으로 연결한 모델링이 필요하다는 것을 강조한다. 이는 MBSE의 핵심 원리를 반영한 구조이며, 다양한 관점에서 시스템을 이해하고 최적화하기 위해 어떻게 통합 모델이 구성되는지를 시각적으로 잘 보여준다. 이러한 접근은 복잡한 시스템 설계 시 설계 리스크를 줄이고, 변경의 영향도를 분석하며, 개발 비용과 시간을 절감하는 데 필수이다. 모델링에도 도움이 된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (27)   현재 시장에서는 정확성(Accuracy), 자동화(Automation), 속도(Acceleration), 인공지능(AI)과의 통합을 제공하는 CFD(전산 유체 역학) 설루션이 필요하며, 이러한 원리는 케이던스 피델리티 CFD(Cadence Fidelity CFD)의 근간을 이루는 원칙이다. 이번 호에서는 케이던스가 ‘CadenceLIVE 실리콘밸리 2024’ 이벤트에서 발표한 내용을 중심으로, ‘4A’로 통칭되는 이 네 가지 요소가 어떻게 차세대 멀티피직스 CFD 설루션으로서 케이던스 피델리티 CFD 소프트웨어의 입지를 다지는지에 대해 설명한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   오늘날 교통, 환경, 건강, 방위, 우주 시스템 등 산업 전반에 걸쳐 직면한 많은 혁신적 과제는 유체 역학에 대한 깊은 이해와 불가분의 관계에 있다. 예를 들어, 자동차 백미러 주변에서 발생하는 음향 소음은 측면 유리창의 재순환 유체 유도 압력 진동으로 인해 실내 소음 수준에 상당한 영향을 미칠 수 있다. CFD 코드를 사용하면 실험적 접근 방식에 비해 훨씬 적은 리소스를 필요로 하면서도 미러의 복잡한 디자인과 공기 흐름 거동을 고려하여 이러한 현상을 정확하게 예측하고 분석할 수 있다. 케이던스 피델리티 CFD는 단순한 솔버 제품군이 아니라 지난 5년 동안 전략적 인수와 유기적인 개발을 통해 발전해 온 광범위한 에코시스템이다. 이 에코시스템은 CFD 및 다중물리 CFD 영역 내에서 모델 구축, 해석 및 학습을 위해 설계된 포괄적인 범위의 도구와 기술을 포함한다. 정확성, 자동화, 가속, AI는 피델리티 CFD의 모든 제품의 원동력이며, 다음에서 몇 가지 예를 들어 간략히 설명한다.   그림 1. 피델리티 CFD의 상품   정확성 엔지니어가 직면하는 고질적인 문제 중 하나는, CFD를 사용하여 설계한 제품을 검증하고 인증하기 위해 물리적 테스트에 의존하는 것이다. 시뮬레이션 기술의 발전에도 불구하고, 최종 제품 검증에 필요한 탁월한 정확도를 달성하기 위해서는 물리적 테스트가 여전히 필수이다. 예를 들어 항공기 설계는 엄격한 안전 및 성능 표준을 충족하기 위해 엄격한 물리적 테스트를 거쳐야 한다. 하지만 대규모 와류 시뮬레이션(LES)과 같은 새로운 고급 방법론이 유망한 대안을 제시하고 있다. 계산이 까다롭기는 하지만 LES는 유체 흐름 현상을 포괄적이고 상세하게 표현한다. 이 방법은 실험에 가까운 수준의 정확도를 제공함으로써 시뮬레이션과 물리적 테스트 간의 격차를 해소하여 광범위한 물리적 테스트에 대한 의존도를 낮추고, 설계 및 인증 프로세스를 가속화할 수 있다.   그림 2. 접근 조건에서 저소음 OGV를 사용하는 SDT 팬의 실험(검은색 기호)과 LES(빨간색 선)의 소음 수준(PWL) 비교(Brès et al. 2023)   자동화 자동화는 CFD에서 없어서는 안 될 필수 요소이며, 특히 케이던스 피델리티 제품군에서 중요한 역할을 한다. 자동화는 파이썬(Python) 기반 스크립팅을 사용하여 CFD 워크플로 전반에 걸쳐 이루어지며, 최소한의 수동 개입으로 시뮬레이션에 대한 일관성과 제어를 보장한다. 이는 특히 반복적인 작업에서 상당한 효율 향상으로 이어진다. 자동차 전처리를 예로 들어보겠다. 자동차 설계에는 CAD 시스템에서 수십만 개의 부품이 포함된 매우 복잡한 지오메트리가 포함되며, 종종 누락된 요소가 있다. 피델리티 제품은 광범위한 자동화를 통해 이러한 워크플로를 간소화한다. CAD 임포트 프로세스는 내부 캐빈 요소를 효율적으로 필터링하고, 자동으로 중복을 감지하며, 중복 개체를 선택 및 삭제하고, 젖은 표면을 식별하고, 실링 표면을 생성한다. 예를 들어 자동 실링 기능을 사용하면 ‘습식 : Wet’(외부) 및 ‘건식 : Dry’(내부) 지점을 지정하여 틈새 및 조인트 충진 프로세스를 자동화함으로써 CFD 시뮬레이션을 신속하게 진행할 수 있다.   그림 3. 기술은 ‘습식’ 및 ‘건식’ 지점을 감지하고 표면과의 간격을 몇 분 안에 자동으로 밀봉한다.   보로노이 기반 그리드 생성은 높은 수준의 자동화를 활용하는 피델리티 CFD의 또 다른 뛰어난 기능이다. 이 기술은 복잡한 지오메트리 주위에 높은 수준의 메시를 생성하여 균일성을 보장하고 시뮬레이션 정확도와 수렴 속도를 높인다. 기존의 메시 생성 방식은 표면 근처에서 고품질 메시를 생성하지만, 레이어가 상호 작용할 때 품질이 낮은 메시를 생성하여 시뮬레이션 수렴 속도와 정확도에 영향을 미친다. 보로노이 기반 그리드 생성은 보다 일관되고 효과적인 설루션을 제공하여 전반적인 시뮬레이션 프로세스를 향상시킨다.   그림 4. 자전거 라이더 모델에 대한 보로노이 다이어그램 메시와 일반적인 RANS 메시의 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (26)   이번 호에서는 고속 제트 유동 시뮬레이션에서 마주하게 되는 주요 도전 과제를 설명한다. 또한 피델리티 LES 솔버(Fidelity LES Solver)의 기능을 소개하고, 이를 활용한 사례 연구를 통해 그 잠재력을 강조하고자 한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   초고속 제트 유동을 시뮬레이션하는 것은 기술적으로 매우 도전적인 과제이자 유체역학 분야의 흥미로운 최전선이다. 특히 초음속 및 극초음속 비행 기술이 발전함에 따라, 이러한 극한 속도에서의 복잡한 유동 거동을 이해하는 것은 점점 더 중요해지고 있다. 마하 1 이상의 속도에서는 공기역학적 힘의 성질이 크게 변하며, 충격파가 발생한다. 이 충격파는 특정한 유동 패턴을 만들어내며, 이는 항공기의 성능, 안정성 및 기동성에 큰 영향을 미칠 수 있다. 비행 속도가 마하 3을 넘어 특히 스크램제트 엔진이 작동하는 구간에 이르면, 마찰 및 압축으로 인해 발생하는 온도 변화가 섭씨 1500도 이상에 달할 수 있다. 이러한 극한의 열 환경은 설계 시 제대로 고려되지 않으면 재료 피로와 파손을 초래할 수 있다. 하지만 피델리티 LES 솔버(구 Cascade CharLES)와 같은 전산 유체역학(CFD) 도구의 발전으로, 연구자는 이제 고속 비행의 물리 현상을 과거에는 불가능했던 수준의 정밀도로 탐구할 수 있게 되었다. 그러나 이러한 극한 조건을 정확히 시뮬레이션하려면 무엇이 필요할까? 수많은 시뮬레이션 과제를 어떻게 해결할 수 있을까?     고속 제트 유동 시뮬레이션의 도전 과제 고속 제트 유동을 시뮬레이션하는 것은 온도, 압력, 난류 간의 복잡한 상호작용으로 인해 상당한 어려움을 동반한다. 높은 레이놀즈 수에서는 난류가 매우 불규칙하게 변하기 때문에, 정확한 결과를 얻기 위해서는 강력한 알고리즘과 고성능 컴퓨팅 자원이 필수이다. 가장 큰 과제 중 하나는 압축성 효과를 포착하는 것이다. 고속 유동에서는 밀도 변화 및 충격파와의 상호작용이 유동의 거동을 극적으로 변화시키므로, 이를 정확히 모델링하는 것이 매우 중요하다. 또한 고속 제트 내부의 복잡한 유동 구조를 고려할 때 효과적인 난류 모델링이 필수이며, 정확성과 계산 효율 간의 균형을 찾는 것은 여전히 큰 도전 과제이다. 또 다른 핵심 요소는 열 전달과 수치적 안정성이다. 급격한 온도 구배(gradient)는 경계 조건의 정교한 정의를 요구하며, 그렇지 않으면 시뮬레이션 내에서 반사 오류(artifact)가 발생할 수 있다. 고해상도 수치 기법은 이러한 구배를 포착하는 데 필수이지만, 그만큼 계산 비용도 증가한다. 소음 예측 역시 중요한 과제이다. 제트 소음을 정확하게 예측하려면 유동 시뮬레이션과 함께 공력음향 모델을 통합하여, 다양한 환경에서의 음파 전파를 효과적으로 재현해야 한다. 여기에 연료 분사를 포함하면 혼합(mixing) 모델링이 추가로 필요하며, 이는 전체 제트 성능에 영향을 주는 핵심 요소로 작용한다. 또한, 실험 데이터와의 검증 문제도 간과할 수 없다. 실험적 기준이 제한적인 경우가 많기 때문에 시뮬레이션은 불완전한 데이터와 상이한 가정을 기반으로 진행되어야 하며, 이는 결과 검증을 어렵게 만든다. 이러한 모든 문제는 정교한 전산 도구와 안정적인 고성능 컴퓨팅 인프라가 필수임을 보여준다. 이를 통해 고속 제트 유동 시뮬레이션의 정확도와 효율을 동시에 향상시킬 수 있다.   해결책 : 피델리티 LES 솔버 피델리티 LES 솔버는 극초음속 및 초음속 유동 시뮬레이션을 위해 개발된 고충실도 전산 유체 역학(CFD) 분석 도구이다. 이 도구는 Large Eddy Simulation(LES)을 고속 항공우주 분야에 확장하여, 극한 유동 환경에서의 고유한 과제를 해결하도록 설계되었다. 고급 수치 기법, 고품질 격자 생성, 뛰어난 병렬 확장성을 결합하여 복잡한 유동을 정밀하게 예측할 수 있다. 다면체 격자 생성(polyhedral mesh generation) : 고급 클리핑 보로노이 다이어그램(clipped Voronoi diagrams)을 활용하여 복잡한 형상에서도 강력하고 효율적인 격자 생성을 지원한다. 이를 통해 정밀하고 확장 가능한 시뮬레이션이 가능하다. 확장성(scalability) : CPU 및 GPU 기반 고성능 컴퓨팅 환경 모두에서 원활하게 작동하도록 설계되어, 고해상도 결과를 빠르고 효율적으로 제공한다. 예측 중심 고충실도 시뮬레이션 : 최신 알고리즘을 통해 충격파 상호작용부터 음향파 전파에 이르기까지 고속 제트 유동의 복잡한 물리 현상을 정밀하게 재현할 수 있다.   사례 연구 : 비선형 음향파형 분석 피델리티 LES 솔버의 성능을 입증하기 위해, 고속 제트 유동을 시뮬레이션하고 그 음향 특성을 분석하는 사례 연구가 수행되었다. 이 연구의 주요 목적은 출구 마하수 3(Mach 3)의 제트 노즐에서 방출된 비선형 음향파형의 전파 현상을 분석하고, 그 결과를 실험 데이터와 비교·검증하는 데 있었다.   ▲ 고속 제트 유동에서의 누적 비선형 음향파형 왜곡 분석     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (25)   이번 호에서는 사용자가 피델리티 포인트와이즈(Fidelity Pointwise)와 피델리티 LES 솔버(Fidelity LES Solver, 이전 명칭 CharLES)를 사용하여 LES 워크플로의 이점을 누릴 수 있는 방법에 대해 설명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   대규모 와류 시뮬레이션(LES)은 최근 전산 유체 역학(CFD)에서 그 중요성이 커지고 있다. 이러한 급증은 주로 제한된 설계 공간, 긴 실행 시간, 물리학 감소 등 기존의 레이놀즈 평균 나비에 스토크(RANS) 기반 CFD에 내재된 트레이드오프 때문이다. 코드 설계 및 컴퓨팅 아키텍처의 발전으로 경계층 분리, 항공 음향, 연소 등 복잡한 산업 문제에 대해 LES(Large-Eddy Simulation, 대형 와류 시뮬레이션)와 같은 고충실도 시뮬레이션을 구현할 수 있게 되었다. 이러한 발전은 시뮬레이션 결과에 대한 신뢰도를 높여줄 뿐만 아니라, GPU 컴퓨팅 아키텍처의 활용을 통해 LES 솔버의 성능을 크게 향상시켰다. 이러한 개선으로 이제 LES 워크플로를 실제 엔지니어링 작업에 적용하여 10시간 미만의 처리 시간을 달성할 수 있게 되었으며, 이를 통해 LES는 생산 수준의 CFD 환경에서 실용적인 선택이 될 수 있게 되었다.   ▲ CFD Prediction for High-Lift Aerodynamics(Slotnick, 2019)   피델리티 LES 솔버 피델리티 LES 솔버가 고충실도 LES 시뮬레이션에서 갖는 장점은 다음과 같이 네 가지로 볼 수 있다. 보로노이 다이어그램 기반 대규모 병렬 메시 환경 강력하고 비선형적으로 안정적인 수치 체계 및 고급 물리 모델 대규모 데이터 세트를 위한 신속한 시각화 및 심문 확장 가능한 GPU 상주 다중 물리 유동 솔버     전처리는 전체 정확도에 큰 영향을 미치고 일반적으로 전체 워크플로 시간의 약 75~80%를 차지하기 때문에 CFD 워크플로에서 매우 중요한 단계이다. 이 단계에서 CFD 사용자를 지원하기 위해 피델리티 LES는 피델리티 스티치(Fidelity Stitch)라는 고급 메시 툴을 개발했다. 이 툴은 정확도를 개선하고 메시 품질 지표를 향상하는 데 필요한 시간을 단축하여 전처리 워크플로를 훨씬 더 효율적으로 만들 수 있도록 설계되었다. 피델리티 스티치는 LES를 위한 보로노이 다이어그램 기반 볼륨 메시 툴이다. 보로노이 다이어그램은 유클리드 거리를 기반으로 한 고유한 파티션이다. 이 메시 프로세스에는 두 가지 입력이 있다. 첫 번째 입력은 피델리티 스티치가 다이어그램을 클립하는 데 사용할 수밀하고 매니폴드한 표면 메시를 가져오는 것이다. 두 번째 입력은 사이트 생성이다. 토폴로지는 사이트 배치와 해당 사이트 스텐실과 서피스 메시의 교차점을 생성한 결과물이다. 그러면 스티치가 임의의 다면체 셀을 직접 생성한다.     로이드 알고리즘은 반복적으로 메시를 평활화하는 데 사용된다. 이 스무딩 절차는 벽에 가까운 정렬을 유리하게 만들고 고해상도가 필수적인 인터페이스에서 셀 볼륨을 보다 균일하게 분배한다.     ■ 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.