성공적인 유동 해석을 위한 케이던스의 CFD 기술   해운 산업의 탈탄소화가 가속화되는 가운데, 블루핀(Bluefins)은 고래 지느러미에서 영감을 받은 파력 변환 추진 시스템인 웨이브드라이브(WaveDrive)를 통해 연료비와 온실가스 배출을 20% 절감하는 설루션을 개발했다. 이 시스템은 케이던스의 피델리티 CFD(Fidelity CFD) 소프트웨어를 활용해 실제 해상 조건에서의 운동을 정밀하게 모델링하고 최적화 성능을 검증했다. 특히 오버셋 메시 기법과 피델리티 파인 마린(Fidelity Fine Marine)의 고급 기능을 통해 복잡한 유동 해석과 시스템 동역학 분석을 성공적으로 수행하며, 지속 가능한 해운 기술의 가능성을 제시하고 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   해운 산업의 탈탄소화 해운 산업은 전 세계 무역의 약 90%를 운송할 만큼 글로벌 경제에서 필수적인 역할을 한다. 대형 선박은 하루에 20~70톤의 연료를 소비하며, 이는 연간 약 1500만 유로의 연료 비용으로 이어진다. 이러한 연료 소비는 선박 한 척당 연간 최대 75,000톤의 이산화탄소 환산량(CO₂)을 배출하는 결과를 초래한다. 또한 전 세계 해운 산업은 질소산화물(NOx)과 황산화물(SOx)을 포함해 전체 온실가스(GHG) 배출량의 약 3%를 차지하고 있다. 따라서 해운을 탈탄소화하고 운송을 더욱 지속 가능하게 만들기 위해서는 관련 시스템과 기술을 도입하는 것이 매우 중요하다. 블루핀은 고래의 지느러미에서 영감을 받은 파력(파도 에너지) 변환 기술을 개발하여 온실가스 배출과 연료 운영 비용을 20% 절감하는 것을 목표로 하고 있다.   블루핀과 고래 지느러미에서 영감을 받은 추진 시스템   그림 1   블루핀은 선박의 구조, 안전성 및 기타 특정 요구사항이나 제약 조건을 고려하여 각 선박 유형에 맞춤형 무배출 보조 추진 설루션을 개발한다. 이러한 추진 시스템은 프랑스의 대표적인 해양 연구기관인 Ifremer(프랑스해양개발연구소)와의 협력을 통해 개발되고 있다. 고래에서 영감을 받은 추진 시스템인 웨이브드라이브는 선미에 장착되는 하이드로포일(hydrofoil)로 구성되며, 선박의 종동요(pitching) 운동을 추력으로 변환한다. 이 기술은 신조 선박뿐만 아니라 기존 선박의 개조(refit) 작업 시에도 통합 적용이 가능하다.   피델리티 CFD를 활용한 블루핀 추진 시스템 모델링 블루핀은 피델리티 CFD 소프트웨어를 활용하여 다양한 운항 조건 및 실제 해상 파랑 조건에서 웨이브드라이브 추진 시스템을 설계하고 최적화한다. 이 소프트웨어의 고급 기능을 통해 플랩(flap)의 세부 분석, 시스템 동역학 분석, 그리고 하이드로포일 하중 예측이 가능하며, 이를 통해 추진 성능을 최적화한다. 이러한 시뮬레이션은 다양한 해상 조건에서 시스템의 운동을 센서 기반으로 제어하기 위한 첫 단계에 해당한다. 다음은 사용된 방법론 및 설정 개요이다.   메시 설정 기계 시스템은 다섯 개의 개별 구성 요소로 분해되었으며, 각 구성 요소의 반쪽(body half)은 피델리티 CFD 2025.1 버전에서 개별적으로 메시(mesh) 처리되었다. 선체(hull)는 피델리티 CFD의 C-Wizard 기능을 통해 자동으로 메시가 생성되었으며, 그 결과 880만 개의 셀(cell)을 갖는 고해상도 메시가 구축되었다. 부가 구조물(appendages)은 각각 개별적으로 메시 처리되어 오버셋 메시(overset mesh)로 활용되었다.   그림 2   피델리티는 오버셋 메시(overset mesh) 기법을 활용하여 겹쳐진 격자(overlapping grids)를 사용하고, 격자 간 데이터 보간(interpolation)을 수행함으로써 복잡한 유동을 정밀하게 시뮬레이션하고 각 구성 요소의 큰 운동을 정확하게 제어한다. 오버셋 메시의 초기 셀 크기(initial cell size : ICS)는 배경 격자의 초기 셀 크기 대비 여섯 번째 세분화(refinement) 레벨로 설정되었다. 한편, 배경 박스(background box) 세분화는 초기 셀 크기보다 한 단계 더 거칠게(coarser) 적용되었다. 이 설정에서는 오버셋 인터페이스(overset interfaces) 구간에 3~4개의 초기 셀 크기를 배치하여 정확한 보간과 서로 다른 메시 구성 요소 간의 원활한 통합을 보장했다. 전체적으로 선체(hull)의 총 메시 크기는 약 1060만 개의 셀로 구성되었다.   그림 3   피델리티 파인 마린 설정 CFD 시뮬레이션은 피델리티 파인 마린에서 수행되었으며, 정상 상태(steady-state) 초기화로 시작한 후 벽 함수(wall functions)를 적용한 k-ω SST 난류 모델을 사용했다. 경계 조건과 수치 설정은 모범 사례(best practices)에 맞게 일관되게 적용되었다. 고체 영역의 경계 조건은 ‘wall-function’으로 설정되었으며, 갑판(deck)에는 ‘slip’ 조건이 적용되었다. 덕트 프로펠러(ducted propeller)는 액추에이터 디스크(actuator disk) 모델을 사용하여 구현되었다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 지난 3월 11일 ‘Virtual Engineering 기반 스마트 건설 장비 개발 프로세스’를 주제로 케이던스 디자인 시스템즈의 전문가들이 참여하여 스마트 건설 장비 개발을 위한 최신 트렌드와 이를 뒷받침하는 통합 엔지니어링 설루션을 심도 있게 다루었다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 케이던스 디자인 시스템즈 정승원 팀장, 김진식 팀장, 이재욱 매니저, 임태균 팀장   건설 장비 산업의 변화와 도전 과제 이번 웨비나의 사회를 맡은 정승원 팀장은 최근 MSC 소프트웨어와 케이던스 디자인 시스템즈의 합병을 언급하며, 반도체(electronic)와 기계(mechanical) 시스템 설계의 통합 시너지를 강조했다. 최근 건설 장비 산업은 전동화(electrification)와 자율주행, 그리고 디지털 전환이라는 거대한 변화의 물결 속에 있다. 설계 단계부터 가상 환경을 활용하여 시행착오를 줄이고 성능을 극대화하는 ‘가상 엔지니어링(virtual engineering)’은 이제 선택이 아닌 핵심 경쟁력이다. 특히 반도체 설계(EDA)와 기계 시스템 해석(CAE) 기술의 통합은 모든 제품이 전자제품화되는 현 상황에서 복합 시스템의 최적화를 가능하게 한다. 정승원 팀장은 “반도체로 대표되는 전자 설계와 기계 시스템 설계의 통합 시너지를 통해, 전기·전자와 기계 시스템을 아우르는 완성도 높은 설루션을 제공할 수 있게 되었다. 건설 장비가 AI와 전동화가 결합된 복합 시스템으로 진화함에 따라, 신뢰성 있는 데이터를 확보하고 가상 개발 기술을 적용하는 것이 무엇보다 중요하다”고 강조했다.   ▲ ‘건설 장비 산업 트렌드 및 도전과제’에 대해 발표한 정승원 팀장   다물체 동역학 기반의 장비 성능 및 안정성 검증 건설 장비는 험지 작업이 많아 하중 변화가 극심하며 전복 등 안전사고 위험이 상존한다. 이를 극복하기 위해 ‘아담스(Adams)’를 활용한 다물체 동역학(MBD) 해석이 중추적인 역할을 수행한다. 가상 환경에서 장비의 작업 시나리오를 구현하고 각 부품에 걸리는 동적 하중을 정확히 산출함으로써, 실제 환경에서 테스트하기 위험하거나 비용이 많이 드는 극한 상황을 사전에 검증할 수 있다. 이러한 데이터는 구조 해석과 피로 해석의 신뢰도를 결정짓는 기초가 되며, 장비의 안정성과 신뢰성을 확보하는 데 기여한다.   ▲ ‘건설기계 및 중장비 분야에서의 다물체 동역학 사례’를 주제로 발표한 김진식 팀장   김진식 팀장은 “가상 시뮬레이션을 통해 실제 환경에서 테스트하기 위험하거나 비용이 많이 드는 극한 상황을 사전에 검증하여 안전하고 신뢰성 높은 장비를 개발할 수 있다. 아담스 리얼타임 기술을 활용하면 가상 모델을 하드웨어와 직접 연동하여 제어 로직 검증 및 고장 진단까지 물리적 시제품 없이 완벽하게 수행할 수 있다”고 말했다.   전동화 구동계의 효율과 내구성 최적화 이재욱 매니저는 전동화 건설 장비의 핵심인 구동계 설계 설루션 ‘로맥스(Romax)’를 소개했다. 엔진 소음이 사라지면서 기어와 베어링에서 발생하는 고주파 소음(NVH)이 새로운 문제로 떠오름에 따라, 시스템 전체의 거동을 고려하면서도 개별 부품의 미세한 마찰까지 예측할 수 있는 하이브리드 모델링 방식이 강조된다. 이를 통해 에너지 손실을 최소화하고 장비 수명을 연장할 수 있다. 특히 개념 설계 단계부터 상세 설계까지 하나의 설루션으로 제공되어 개발 기간 단축과 비용 절감을 동시에 실현한다. 이재욱 매니저는 “기어와 베어링의 미세한 정렬 불량까지 정밀하게 시뮬레이션하여 에너지 손실을 최소화하고 장비의 수명을 획기적으로 늘리는 것이 구동계 설계의 핵심이다. 로맥스의 하이브리드 모델링은 전체 시스템의 거동을 신속하고 정확하게 예측하여 구성 요소 간의 상호작용을 명확히 이해하게 돕는다”고 전했다.   ▲ ‘로맥스 소프트웨어 설루션’을 주제로 소개한 이재욱 매니저   배터리 수명과 안전을 위한 열 관리 설루션 마지막 세션에서는 전동화 장비의 동력원인 배터리의 효율과 안전을 위해 ‘크래들 CFD(Cradle CFD)’를 활용한 열 관리 전략이 필수라는 설명이 이어졌다. 배터리는 온도에 매우 민감하여 가혹한 건설 현장에서 큰 힘을 쓸 때 발생하는 열 부하를 제어하는 것이 성공의 열쇠다. 고도화된 CFD 기술은 복잡한 장비 내부의 격자 생성 시간을 획기적으로 단축하며, 열 이동 경로를 직관적으로 파악하여 최적의 냉각 성능을 확보한다. 이는 최근 이슈가 되는 배터리 열 폭주 현상을 예측하고 방지하는 데 결정적인 역할을 한다. 임태균 팀장은 “건설 장비는 가혹한 환경에서 큰 힘을 써야 하기에 배터리 열 부하가 매우 크며, 고도화된 CFD 기술로 최적의 냉각 성능을 확보하는 것이 전동화 성공의 열쇠다. 열 관리에 있어 열 이동 경로를 직관적으로 파악하는 것은 병목 현상을 해결하고 시스템의 안정성을 확보하는 가장 기본적인 기능이다”라고 이야기했다.   ▲ ‘고신뢰성 확보를 위한 열 관리’를 주제로 발표한 임태균 팀장   통합 설루션이 이끄는 스마트 건설의 미래 이번 웨비나는 전동화와 AI라는 거대한 흐름 속에서 건설 장비 개발이 더 이상 기계 설계에만 머무를 수 없음을 명확히 보여주었다. 설계 초기 단계부터 시스템 전체를 아우르는 통합 시뮬레이션 환경을 구축하는 것은 시행착오를 줄이고 성능을 극대화하는 핵심 경쟁력이다. 각 분야 전문가들이 강조한 ‘심리스(seamless) 워크플로’는 제품의 품질 향상은 물론, 숙련된 기술자의 노하우를 디지털 자산화하여 미래 기술로 계승하는 데 결정적인 역할을 할 것으로 기대된다.     ■ 기사 내용은 PDF로도 제공됩니다.

케이던스 디자인 시스템즈(Cadence Design Systems)의 일원이 된 MSC Software(구 Hexagon D&E)의 시뮬레이션 기술을 기반으로, 스마트 건설장비의 가상 개발(Virtual Development) 및 설계 검증 사례를 공유하는 자리가 마련된다. 최근 건설장비 산업은 탄소 저감, 소음 규제 등 강화되는 환경 규제와 AI·IoT 기술 발전에 따라 전동화 및 친환경 기술 도입이 가속화되고 있다. 특히 작업 현장의 안전과 생산성을 높이기 위한 자율주행 및 지능화 기술에 대한 요구가 커지면서, 설계 초기 단계부터 실제 작업 조건을 반영해 시스템 거동과 성능을 예측하는 CAE(Computer-Aided Engineering) 기반 검증 환경이 핵심 경쟁력으로 부상하고 있다. 3월 11일(수) 오후 2시 ~ 3시 30분까지 진행되는 이번 웨비나에서는 시뮬레이션 환경을 활용한 가상 개발 전략을 중심으로 ▲건설장비 시스템 동역학 ▲자율주행 기술 ▲전동화 구동계 설계 검증 ▲CFD 기반 열관리 해석 등 CAE 통합 적용 전략과 구체적인 설계 검증 사례를 상세히 소개할 예정이다. 온라인으로 진행되는 웨비나는 사전등록 후 무료 시청할 수 있다.

오픈소스 CFD 컨설팅 전문 그룹 넥스트폼은 최근 인스타그램에 공개한 FAMUS(Fully Automated Multi-physics Simulator) 기반 비행체 무장분리 시뮬레이션 영상이 50만 조회수를 돌파했다고 전했다. 이 영상은 무장 분리 순간의 충격파, 와류, 압축성 유동, 무장 궤적 안정성 등을 사실적인 수준으로 재현했다는 것이 넥스트폼의 설명이다.  이번 영상은 단순한 시각적 효과를 넘어 초고속 압축성 유동과 다물체 운동(6DoF), 구조물 분리 거동을 동시에 계산하는 고난도 해석 결과다. 특히 무장 분리 구간은 비행 안정성과 직결되는 위험하고 복잡한 영역으로, 실험적 검증이 제한적인 분야다. 넥스트폼은 “이 구간을 고정밀로 재현했다는 점에서 FAMUS의 기술적 완성도를 보여준다”고 전했다.     FAMUS는 무격자 계산 기법을 적용한 압축성 CFD 해석 프로그램이다. 기존 CFD 방식과 달리 공간 격자(메시)의 생성이 필요 없으며, 공간상에 분포된 질점(point cloud)만을 활용해 유한체적법(FVM)과 유사한 방식으로 고정밀 계산을 수행한다. 이 기술은 국방과학연구소(ADD)의 압축성 무격자 원천 기술을 기반으로, 넥스트폼과 서울대학교 극초음속연구실이 공동 개발한 차세대 다물리 시뮬레이션 플랫폼이다. 기존 무격자 기법의 구조적 한계로 지적되던 ‘비보존성 문제’는 GC-LSM(Geometric Conservation-based Least Square Method) 기법을 통해 근본적으로 해결하며, 고정밀 보존 해석을 구현했다. 또한 AUSMPW+ 플럭스 기법과 MLP3 고차 정확도 스킴을 적용해 초음속 및 극초음속 충격파 영역에서도 높은 수치적 안정성과 해석 정확성을 확보했다. FAMUS의 가장 큰 차별점은 ‘격자가 필요 없는 해석 구조’다. 이로 인해 전처리 시간이 단축되며, 형상 변화, 다물체 분리, 6자유도(6DoF) 운동이 포함되는 고난도 해석에서도 격자 재생성  없이 연속 해석이 가능하다. 이는 곧 비행체 무장 분리, 다물체 충돌 및 간섭 유동과 같은 국방·우주 분야 핵심 해석을 더욱 빠르고 안정적으로 수행할 수 있음을 의미한다. FAMUS는 압축성 유동 해석뿐만 아니라 평형·비평형 플라즈마 유동 해석까지 지원한다. NASA Glenn Research Center의 CEA(Chemical Equilibrium with Applications) 기반 2000종 이상의 기체 데이터를 활용할 수 있어, 극초음속 비행체 재진입 공력 가열, 플라즈마 발생, 고온 화학 반응까지 정밀하게 모사가 가능하다. 이는 FAMUS가 전투기·미사일을 넘어 극초음속 비행체, 우주 발사체, 재진입체, 차세대 우주 수송 시스템까지 적용 가능한 다물리 시뮬레이터임을 의미한다는 것이 넥스트폼의 설명이다. FAMUS의 산업 적용과 기술 고도화를 담당하고 있는 넥스트폼은, 국방·항공우주 분야 고급 해석 기술과 더불어 오픈소스 CFD 솔버 ‘바람(Baram)’도 함께 개발·운영하고 있다. 바람은 매회 지속적인 업그레이드를 통해 전 세계 100여 개국에서 다운로드되며 긍정적인 사용자 평가를 받고 있는 글로벌 오픈소스 CFD 플랫폼이다. 넥스트폼의 김병윤 대표는 “한국 기술이 해외에서 먼저 주목받고 다시 국내로 거꾸로 들어오는 구조는 솔직히 씁쓸한 부분이 있다. 국내 산업 현장에서는 여전히 외산 CFD 소프트웨어에 대한 의존도가 매우 높은 것이 현실”이라면서, “FAMUS는 국가 핵심 영역의 고급 해석 기술을 국산으로 구현한 상징적인 사례이고, 바람은 누구나 자유롭게 접근할 수 있는 CFD 생태계를 만들기 위한 또 하나의 도전이다. 앞으로는 특정 기업의 독점이 아닌, 오픈소스를 통한 기술의 대중화가 한국 CFD 산업 경쟁력을 키우는 핵심이 될 것”이라고 전했다.

주요 디지털 트윈 소프트웨어   디지털 트윈 솔루션, One Total Twin 개발 및 자료 제공 : 알테어, 070-4050-9200, www.altair.co.kr/one-total-twin   알테어(Altair)는 40년간 축적된 시뮬레이션 및 최적화 경험을 바탕으로 디지털 트윈 개발 분야에서 독보적인 전문성을 제공한다. 제조, 자동차, 항공우주, 에너지, 헬스케어, 건축 등 다양한 산업에서 활용되며, 설계 최적화, 유지보수, 운영 효율성 증대 등 다양한 문제를 해결한다. 이를 통해 조직은 경쟁력을 강화하고 디지털 전환을 가속화할 수 있다. 알테어의 디지털 트윈 솔루션인 One Total Twin은 제품, 시스템, 프로세스의 전체 수명 주기에 걸쳐 모델링, 시뮬레이션, 최적화를 지원하는 통합 솔루션이다. 이 솔루션은 시뮬레이션, 고성능 컴퓨팅(HPC), 인공지능(AI), 데이터 분석, 사물인터넷(IoT) 기술을 결합한 하나의 플랫폼 형태로 제공한다. 이를 통해 사용자는 설계 초기 단계부터 운영 및 유지보수 단계까지 디지털 트윈 기술을 모든 라이프사이클에서 효과적으로 활용할 수 있다. 1. 주요 특징   알테어의 One Total Twin은 Altair One이라는 통합 디지털 트윈 게이트웨이를 통해 물리 기반 시뮬레이션, 데이터 기반 분석, 머신러닝, 실시간 IoT 기술을 결합하여 정밀한 디지털 트윈을 제공한다.  알테어가 제공하는 디지털 트윈 솔루션은 Altair HyperWorks, Altair RapidMiner, Altair HPCWorks 세 가지 제품군을 모두 포함한다. 이는 디지털 트윈 구축과 운영이 단일 기술이나 도구로 완성되지 않으며, 시뮬레이션, 데이터 분석, 고성능 컴퓨팅(HPC) 등 여러 기술이 결합되어야 효과적으로 구현되기 때문이다. ■ Altair HyperWorks : 디지털 트윈 모델 개발과 시뮬레이션을 위한 통합 소프트웨어다.  초기 설계부터 최적화까지의 과정을 디지털 트윈 기반으로 지원하여 제품의 성능을 예측하고 설계를 검증하는 데 적합하다. ■ Altair RapidMiner : 데이터 분석 및 머신러닝 플랫폼으로, 디지털 트윈 구축을 위한 데이터 기반 분석과 인공지능(AI) 모델 개발을 지원한다. 실시간 데이터 분석, 예측 유지보수, 시스템 성능 최적화와 같은 디지털 트윈 운영 단계에 최적화되어 있다. ■ Altair HPCWorks : 고성능 컴퓨팅(HPC) 플랫폼으로, 디지털 트윈의 대규모 시뮬레이션과 복잡한 계산 작업을 효율적으로 지원한다. 디지털 트윈의 정확한 분석과 모델 실행을 위해 필요한 컴퓨팅 리소스를 최적화한다. 3. 주요 기능   ■ Altair HyperWorks : 구조, 유체, 열, 전자기학 등 다양한 물리적 현상을 정밀하게 해석할 수 있는 엔지니어링 소프트웨어 제품군이다. 설계 초기 단계부터 물리 기반 접근법과 데이터 기반 모델링을 결합하여 최적화를 가능하게 하며, "What-if" 시나리오 분석을 통해 다양한 조건을 시뮬레이션한다. 다중 물리 시뮬레이션으로 복잡한 거동을 예측하고, 다물체 동역학 해석을 통해 시스템 안정성과 성능을 검증한다. 구조 최적화 및 경량화 도구와 전자기 및 열 해석 기능을 통합해 포괄적인 시스템 분석을 수행한다. ■ Altair RapidMiner : 실시간 데이터 분석과 예측 유지보수 기능을 지원하며, IoT 센서 데이터를 포함한 다양한 데이터 소스를 실시간으로 연결하고 분석한다. 자동화된 머신러닝(AutoML) 기능으로 복잡한 AI 모델을 자동으로 생성, 학습, 최적화하며, 노코드/로우코드 환경을 통해 데이터 분석 경험이 적은 사용자도 디지털 트윈 모델을 쉽게 개발하고 실행할 수 있다. ■ Altair HPCWorks :  고성능 컴퓨팅 환경을 통해 대규모 시뮬레이션과 데이터 집약적인 분석을 효율적으로 처리한다. 클라우드 기반 확장성과 온프레미스 서버 통합을 통해 컴퓨팅 리소스를 유동적으로 사용할 수 있으며, 자동화된 워크플로우 관리 기능으로 대규모 작업을 간소화하고 데이터 분석, 시각화, 모델 실행 과정을 통합적으로 관리한다. 4. 도입 효과 알테어의 디지털 트윈 기술은 시뮬레이션, 고성능 컴퓨팅(HPC), 인공지능(AI), 데이터 분석, 사물인터넷(IoT) 기술을 결합해 Altair One에서 하나의 플랫폼 형태로 제공한다. 이를 통해 디지털 트윈 구축과 운영의 모든 단계를 하나의 플랫폼에서 효율적으로 수행할 수 있도록 지원한다. ■ Altair HyperWorks : 설계 초기 단계에서 시뮬레이션과 최적화를 통해 제품의 성능과 신뢰성을 사전에 검증하여 설계 결함을 줄이고 개발 주기를 단축한다. 이를 통해 물리적 프로토타입 제작 및 테스트 비용을 절감하고, 고급 시뮬레이션으로 시스템 위험 요소를 사전에 분석해 더 나은 설계를 도출할 수 있다.  ■ Altair RapidMiner : 실시간 데이터 분석과 예측 유지보수를 통해 장비 고장을 예방하고 유지보수 비용을 절감하며, 실시간 모니터링과 분석으로 시스템 성능을 지속적으로 최적화한다. 또한 잔여 수명(RUL)을 연장해 자산 운영 효율성을 극대화하고 데이터 기반 인사이트로 더 나은 의사결정을 지원한다.  ■ Altair HPCWorks : 대규모 시뮬레이션 작업을 신속히 처리해 시간과 비용을 절감하며, 복잡한 시스템을 빠르고 정확하게 분석해 설계와 최적화 작업의 효율성을 높인다. 클라우드 기반 확장성과 자동화된 워크플로우를 통해 작업 대기 시간을 줄이고 팀 간 협업을 강화하며, 디지털 트윈 모델의 실행 속도와 정밀도를 높인다. ■ Altair One : 이러한 솔루션들을 단일 플랫폼으로 통합하여 설계부터 운영, 유지보수까지 디지털 트윈의 전체 수명 주기를 최적화한다. 물리 기반 시뮬레이션과 데이터 기반 분석을 결합한 신뢰도 높은 결과를 도출하며, 팀 협업 촉진과 리소스 관리 간소화를 통해 조직의 효율적인 디지털 전환을 실현할 수 있도록 돕는다. 5. 주요 고객 사이트 알테어 디지털 트윈 솔루션은 Ford, Tech Mahindra, Philips, Leonardo S.p.A., Assystem, Net One System, CNH Industrial, Fraunhofer IWU, Switch Mobility, Gruppo Cimbali 등 자동차, 항공우주, 제조, 중공업, 헬스케어, 에너지, 소비재 등 다양한 산업에서 도입되고 있으며, 각 산업의 특수한 요구에 맞춰 제품 설계, 운영 효율성, 유지보수, 성능 최적화 등을 지원한다. 이러한 솔루션은 기업의 디지털 전환과 지속 가능성 목표 달성에 기여하고 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

지멘스의 일원인 알테어가 차세대 설계 및 시뮬레이션 플랫폼 ‘알테어 하이퍼웍스 2026(Altair HyperWorks 2026)’을 발표했다. 이번 새 버전은 AI 기반 실시간 피드백, 강화된 멀티피직스 통합 기술을 핵심으로 대규모 제품 개발 과정에서 더욱 정교한 디지털 엔지니어링 환경을 지원한다.     하이퍼웍스 2026은 차세대 AI 기술을 적용해 적은 계산량으로도 고충실도 시뮬레이션 결과를 빠르게 확보할 수 있도록 했다. “특히 GPU 기반 차수 축소 모델링(ROM) 기술은 기존 해석 대비 최대 1000배 빠른 결과를 제공하며, 브라우저 기반 보안 환경에서 물리 기반 AI 모델을 실행할 수 있어 다양한 산업군에서 설계 초기 단계의 의사결정을 가속화한다”는 것이 알테어의 설명이다. 유체, 충돌, 복합 물리 문제에 대한 시뮬레이션 범위도 넓어졌다.   멀티피직스 해석 성능도 향상돼 열–유체, 전자기–구조 등 복합 거동을 단일 워크플로에서 해석할 수 있다. 배터리 안전성 평가, 고온 환경 분석, e-모터 최적화 등 차세대 산업 수요를 반영한 신규 기능이 추가됐으며, 전자기 해석 속도는 최대 40%, 전파 모델링 속도는 최대 20배 향상돼 자율주행, 항공, 국방 등 첨단 분야에서도 높은 성능을 발휘한다.   시각화 및 결과 분석 도구도 개선돼, 엔지니어가 설계 변경의 영향을 직관적으로 파악하고 팀 간 인사이트를 신속하게 공유할 수 있다. 입자, 유체, 재료 거동을 더욱 현실적으로 구현하는 신규 모델링 접근법이 적용됐으며, 동역학 기반 설계 탐색 환경이 개선돼 실시간 지오메트리 수정과 멀티윈도우 비교 기능을 통해 설계자 중심의 직관적 의사결정을 지원한다.   한편 하이퍼웍스는 항공, 자동차, 전자 등 다양한 산업에서 활용되고 있다. 항공 분야에서는 미국 항공기 스타트업 젯제로(JetZero)가 지멘스와의 협력 프로젝트에서 하이퍼웍스 제품군을 활용해 고효율 항공기 개발에 필요한 공력 성능을 빠르게 평가하며 핵심 의사결정을 이전보다 짧은 시간 안에 수행하고 있다. 알테어의 샘 마할링엄(Sam Mahalingam) 최고기술책임자(CTO) 겸 지멘스 디지털 인더스트리 소프트웨어 총괄부사장은 “하이퍼웍스 2026은 AI, 자동화, 멀티피직스를 하나의 통합 플랫폼으로 연결해 설계·해석 프로세스를 본질적으로 혁신하는 제품”이라면서, “지멘스와의 기술 결합을 통해 세계적 수준의 AI 기반 시뮬레이션 포트폴리오를 완성하고, 고객이 보다 빠르고 정확한 제품 개발을 수행할 수 있도록 적극 지원할 것”이라고 밝혔다.

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.

설계, 데이터로 다시 쓰다 (3)   데이터 보기를 황금처럼 봐야 할 시대가 왔다. 데이터를 활용해서 상상으로만 그리던 일이 현실이 되어가기에 너도나도 데이터를 모으기 시작했다. 이토록 소중한 데이터이기에 허투루 만들 수 없다. 좀 더 영리하고 전략적으로 접근할 필요가 있다. 이번 호에서는 데이터 생성을 위해 어떤 전략이 필요하고, 전략적으로 생성된 데이터가 어떤 활용 가치가 있는 지 설명하고자 한다.   ■ 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. 홈페이지 | www.pidotech.com   어떻게 확보할 것인가? 데이터는 돈이다 CFD(Computer Fluid Dynamics : 전산유체역학)가 무엇의 약자일까? 한번은 유동 분야의 저명하신 교수님께서 하신 농담이 기억이 난다. ‘Colorful Fluid Dynamics’라고 말이다. 유동 시뮬레이션 결과가 시각적으로 화려하다는 의미로 하신 농담이었지만 곰곰히 생각해 보면 시뮬레이션의 효과를 누리지 않는다면 단지 보고서 한 켠을 채우는 컬러풀한 그림이 될 수도 있겠다는 생각이 든다. VP(Virtual Prototyping : 가상 프로토타이핑)를 위해 구조, 열유체, 동역학, 제어 등의 다양한 분야의 CAE 소프트웨어를 도입하고 있다. CAE 소프트웨어를 통해 하나의 데이터를 생성해 내기 위해서는 해석 모델링부터 솔빙(solving), 결과 분석에 이르기까지 소프트웨어와 하드웨어 리소스를 활용해야 함은 물론 해석 전문가의 공수(M/H)도 투입되어야 하기에 상당한 비용이 든다고 볼 수 있다. 학회를 다녀보면 최적설계라는 타이틀의 논문 발표가 종종 있다. 실제로 최적화 알고리즘을 적용해서 최적해 탐색까지 도달하는 사례도 있는 반면, 1개 내지 2개의 설계변수 값을 바꿔가며 성능의 경향을 보고 성능이 가장 좋아지는 설계변수 값을 택하면서 최적설계를 했다고 하는 경우도 있다.(학문적으로는 1D 파라메트릭 스터디라고 부른다.) 하지만, 최적설계를 제대로 했든 안 했든 시뮬레이션으로부터 얻은 데이터로 설계 개선이라는 목적에 맞게 데이터를 활용했다는 점은 가치를 인정받을 만하다. 성능 평가를 위해 필요한 데이터는 한 개(시뮬레이션 1회)이다. 설계변수의 효과를 파악하기 위한 최소의 데이터 개수는 설계변수 개수에 1개의 데이터가 필요하다. 특정 설계변수의 경향을 파악하고 싶다면, 해당 설계변수의 범위를 구간으로 나누어 데이터를 뽑아 볼 수 있다. 현실적으로 설계변수는 여러 개가 존재하고 설계변수의 조합으로 성능이 개선되는 경우가 대부분이라서, 개별 설계변수의 효과를 보는 방식보다 설계변수들의 효과를 동시에 고려할 수 있는 데이터 샘플링 방법이 필요하다.   실험계획법이란 여러 개의 설계변수 효과를 동시에 고려하기 위해 활용되는 것이 실험계획법(DOE : Design of Experiments)이다. 실험계획법은 농업과 통계학의 만남으로 1920년대부터 사용되었다. 영국의 통계학자이나 생물학자인 로널드 A. 피셔가 창시자로 알려져 있다. 작물 수확량을 높이기 위한 실험을 진행하면서 단순한 반복보다 많은 정보를 획득할 수 있게 실험을 설계할 필요가 있었다. 실험계획법에 대한 피셔의 재미있는 일화가 있다. 그 당시 영국 사람들은 밀크티에 차와 우유를 따르는 순서로 맛의 차이가 있다 없다의 논쟁을 펼쳤다. 이에 논쟁의 결론을 내리기 위해 피셔는 다음과 같은 실험을 계획하였다.   그림 1. 실험계획법의 일화 – 차를 맛보는 여인(출처 : ChatGPT)   실험은 이렇다. 피셔는 8잔의 밀크티를 준비하였고 4잔은 차를 먼저, 나머지 4잔은 우유를 먼저 따랐다. 나머지 실험조건은 동일하게 하기 위해 같은 찻잔을 사용했고, 랜덤으로 여인에게 차를 맛보게 했다. 밀크티를 모두 마신 뒤 차를 먼저 따랐다고 판단되는 찻잔 4개를 선택하게 하였다. 이 실험 결과를 토대로 피셔는 차를 먼저 따른 밀크티의 개수(0~4) 별로 확률을 계산해 낼 수 있었다. 참고로, 이 실험의 결과 여인이 정확하게 4잔(차를 먼저 따른 밀크티)을 모두 골라냈다고 한다. 2차 세계대전 이후 품질 관리를 위해 실험계획법이 미국 제조업에 도입되었고, 1950년대 이후부터 다구치 겐이치가 강건설계의 개념과 함께 일본 제조업에 널리 적용하였다. 실험계획법은 경제성의 원칙과 궤를 함께 한다. 최소한의 데이터로 최대 효과를 얻겠다는 것이다. 실험계획법에는 다양한 기법이 존재하며, 대표적으로 FFD(Full Factorial Design : 완전조합법)와 LHD(Latin Hypercube Design)를 예로 들 수 있다. FFD는 주로 실제 실험에 많이 활용되었고, LHD는 시뮬레이션 기술이 발달함에 따라 전산 실험에 널리 활용되었다.   (a) FFD   (b) LHD 그림 2. 실험계획법의 종류   어떻게 활용할 것인가? 옥석 가리기 많은 최적설계 관련 연구나 논문을 검토하면서 공통적으로 파악되는 프로세스가 있다. 데이터도 돈이지만 설계 프로세스가 더 많은 데이터를 필요로 하는 이유는 설계변수 때문이다. 즉, 설계변수도 돈이다. 설계변수는 내가 개선하고자 하는 성능지수를 컨트롤할 수 있는 수단이기 때문에 많으면 많을수록 유리하겠지만, 현실적으로 가성비를 따져보지 않을 수 없다. 결론은 많은 설계변수 중 옥석을 가려내야만 한다. 적으면 적을수록 적은 데이터가 필요하므로 가성비가 올라가기 때문이다. 설계변수의 옥석을 가리기 위해 주로 사용되는 것이 민감도(sensitivity)이다. 민감도는 설계변수 변화에 따른 성능지수(목적함수나 구속조건)의 변화를 나타내는 기울기로 표현된다. 그 기울기가 크면 클수록 설계변수의 민감도가 커진다. 즉 설계변수를 조금만 변경해도 성능지수 값을 많이 변경시킬 수 있다는 의미이다. 민감도를 계산할 수 있는 다양한 방법이 존재한다. 다양한 방법이 존재한다는 의미는 각기 장단점을 가진다는 것이다. 크게는 국부 민감도(local sensitivity)와 전역 민감도(global sensitivity)로 나눌 수 있다. 현재 설계점에서 국한해서 설계변수의 민감도를 보는 것이 국부 민감도이고, 전체 설계 영역에서 성능지수에 미치는 영향을 통계적으로 분석하는 것이 전역 민감도이다. 당연히 전역 민감도가 많은 데이터를 필요로 한다. 통상적으로 어느정도 데이터를 확보할 수 있는 경우라면, 실험계획법으로 확보된 데이터로 전역 민감도 분석을 통해 설계변수의 옥석을 가리는 경우가 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

펑션베이가 지난 10월 13일 ‘2025 리커다인 유저 콘퍼런스’를 진행했다. 이번 콘퍼런스에서는 모델링 속도 개선, 해석 정확도 및 활용성 강화, 결과 분석 용이성 등을 중점으로 다물체 동역학 해석 설루션 리커다인 2026(RecurDyn 2026) 버전의 신기능을 소개했다. 또한 입자법 기반 CFD(전산 유체 역학) 소프트웨어인 파티클웍스 8.2(Particleworks 8.2) 버전의 기능 개선과 함께 사용자 서브루틴의 활용법, 모터 모델링 및 제어 기법, 하모닉 드라이브의 MFBD(유연 다물체 동역학) 해석 기법 등의 기술 발표가 이뤄지는 등 엔지니어링 시뮬레이션 기술의 최신 동향과 적용 사례를 전했다. ■ 정수진 편집장     해석의 신뢰도와 사용자 편의성 강화한 리커다인 2026 펑션베이 기술사업팀의 김진수 수석은 펑션베이가 자체 개발하고 있는 리커다인 2026의 핵심 기능을 소개했다. 사용자 모델링 효율과 해석 정확도를 강화한 이번 버전은 접촉(contact), 조인트(joint), 요소(element) 등 물리 현상 재현 능력을 고도화하고, 최신 AI 기술을 도입해 사용자 편의성을 높인 것이 특징이다. 우선, 해석의 신뢰도를 좌우하는 접촉 기능이 향상됐다. 패치 사이즈의 하한 제한을 없애 미세한 설정이 가능해졌으며, 이를 통해 더욱 정교한 지오메트리 조정이 가능하다. 특히 지오 콘택트(geo contact)에는 ‘단위 면적당 강성’과 ‘압력 스플라인’ 입력 방식이 추가되어, 브레이크 패드와 같이 면적에 따라 압력이 변하거나 비선형적 압력 관계를 가진 모델의 해석 정확도가 높아졌다. 조인트 영역에서는 스크류 조인트에 프리로드 기능을 추가해 오일 피스톤 등의 마찰 거동을 현실적으로 구현하며, 유연체(FFlex) 해석 시 더미 보디의 질량을 자동 보정해 물리적 간섭을 최소화했다. 주목할 점은 생성형 AI 기술의 도입이다. 리커다인 2026은 LLM(대규모 언어 모델) 기반의 ‘리커다인 어시스턴트’ 베타 버전을 탑재했다. 김진수 수석은 “복잡한 표현식(expression) 예제 생성이나 사용법 안내를 AI가 지원함으로써 모델링의 진입 장벽을 낮췄다”고 설명했다. 후처리(포스트 프로세싱)의 효율도 개선됐다. 애니메이션 일시 정지 상태에서 즉각적인 파라미터 확인과 노드 데이터 추적이 가능해졌고, 최대 5개 주파수의 진동 모드를 동시에 비교 재생하거나 셸(shell) 요소의 두께 위치별 응력을 확인하는 기능이 추가됐다. 이 외에도 내구 해석 결과 통합, 2배 빨라진 기어 해석용 패치 구속 모델링 등을 통해 엔지니어의 업무 생산성을 높이는 데 주력했다.   ▲ 리커다인 2026에서 베타로 탑재된 LLM 기반의 AI 어시스턴트   입자 해석의 정밀도·효율 높인 파티클웍스 8.2 펑션베이가 국내 공급하는 입자법 기반 CFD 소프트웨어인 파티클웍스는 지난 10월 8.2 버전을 선보였다. 펑션베이 기술사업팀의 김태영 책임은 “이번 업데이트는 기체와 액체의 상호작용을 다루는 LBM(Lattice Boltzmann Method) 기능의 고도화와 대규모 해석을 위한 전용 모델 도입, 열 해석 영역 확장을 통해 정확도와 효율을 강화했다”고 밝혔다. 가장 큰 변화는 기체와 액체 간의 양방향(2-way) 커플링 지원이다. 뭉쳐진 유체인 액적과 LBM 격자 간의 상호작용을 직접 계산하여, 액적과 기류가 서로 주고받는 영향을 반영할 수 있다. 이를 통해 빗방울이나 소방수 살포 같은 복잡한 유동을 더욱 현실적으로 모사할 수 있게 됐다. 눈이나 먼지가 쌓이는 현상을 다루는 ‘부착/적층 모델’도 추가됐다. 파티클웍스 8.2에서는 해석 효율이 더욱 개선됐다. FVM(유한체적법) 연동 시 MPS는 싱글, FVM은 더블 프리시즌으로 계산하는 하이브리드 방식을 도입해 속도와 안정성을 확보했다. 김태영 책임은 “불필요한 격자 생성을 줄이고 결과 파일 크기를 최대 85% 축소해 대용량 해석의 부담을 덜었다”고 설명했다. 또한 억 단위 입자를 처리하는 토목·해일 해석용 ‘EIMPS’ 모델을 도입해 메모리 효율과 속도를 높였다. 열 해석 분야에서는 고체-액체-기체 간 상호 열전달을 단일 솔버로 통합 지원하며, 방향별 열 전도도 입력 기능을 더해 복합적인 열전달 현상을 정밀하게 해석할 수 있게 됐다.   동역학 해석의 한계 극복 위한 기술과 사례 소개 이번 콘퍼런스에서는 리커다인의 기술적 깊이와 확장성을 선보이는 발표와 함께 자동차, 로보틱스, 전력 설비, 인공위성 등 다양한 산업 분야의 활용 사례가 소개됐다. 펑션베이 기술사업팀의 이정한 수석은 ‘리커다인 유저 서브루틴(user subroutine) 사용법’을 주제로, 파도의 힘과 같은 특수 물리 현상을 사용자가 직접 구현하거나 복잡한 모델을 수식화하여 해석 속도를 단축하는 노하우를 공유했다. 장성일 책임은 ‘코링크(CoLink) 모터 드라이버를 연동한 모터 모델링’ 기법을 소개하면서, 기계와 제어 시스템이 결합된 메카트로닉스 분야로의 기술 확장을 강조했다. 전용우 팀장은 로봇 구동계의 핵심인 ‘하모닉 드라이브(harmonic drive)의 모델링 및 정밀 해석 기법’을 발표하면서, 해석 시간 단축과 정확도 확보를 동시에 달성하는 해법을 제시했다. 펑션베이는 이들 발표를 통해 리커다인이 다룰 수 있는 CAE 기술의 스펙트럼과 해결 능력을 포괄적으로 제시했다. 또한, 동역학 해석을 넘어 복합 물리 현상과 정밀 제어 시스템까지 아우르는 통합 설루션으로 나아가고자 하는 리커다인의 미래 방향성을 제시했다.     ■ 기사 내용은 PDF로도 제공됩니다.

최적화 문제를 통찰하기 위한 심센터 히즈 (9)   이번 호에서는 자동차의 승차감과 연료 소모량 최소화를 위한 시스템 최적화를 위해 심센터 아메심(Simcenter Amesim)을 사용하여 차량의 다양한 시스템에 대한 변수를 제어하여 최적화의 목적을 달성하는 과정을 소개한다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   이번에 사용할 심센터 아메심은 오늘날의 복잡한 엔지니어링 환경을 위한 종합 시뮬레이션 플랫폼이다. 수 많은 설계자가 직면하고 있는 제품 설계의 성공 여부는 혁신적인 아키텍처를 통합하지 않으면 성능, 안전 및 효율에 대한 증가하는 요구 사항을 충족할 수 없다. 심센터 아메심은 광범위하고 강력한 모델링 기능을 통해 메카트로닉스 시스템(Thermal & Fluid, Mechanical, Electrification, Battery, Vehicle, Aerospace & Marine, Renewable Energies Control 등)을 분석할 수 있으며, 가상 테스트 환경을 통해 실제 프로토타입을 제작하기 전에 최적의 설루션을 발견할 수 있다. 심센터 아메심에서 제공하는 다중 물리 시스템 시뮬레이션 접근 방식은 단일 플랫폼에서 다양한 아키텍처와 기술을 사용하여 시스템 간 영향에 대한 완전한 분석을 수행하여 다양한 지표에 대한 시스템의 영향을 설계하고 평가할 수 있다. <그림 1>은 자동차 파워트레인 전동화를 위해 엔진, 변속기 및 열 통합과 관련된 모든 중요한 전기 서브시스템을 시뮬레이션하는 데 필요한 모델링을 나타낸다. 배터리 사이징, 전기 기계 설계, 아키텍처 생성부터 상세 설계를 포함한 통합까지 엔지니어링 작업을 지원하는 효율적인 모델링 워크플로를 구성할 수 있다.   그림 1   설계자는 심센터 아메심에서 제공하는 기능을 활용하여 기본 물리 현상을 심층적으로 이해할 수 있는 등 강력한 분석 도구를 통해 시뮬레이션에서 얻은 지식을 강화할 수 있다. 또한 앱을 사용하면 애플리케이션에 맞게 맞춤 제작된 사용자 인터페이스와 프로세싱의 유연성을 활용하여 시스템 분석을 강화할 수 있다. 또한 모든 기능을 갖춘 API(애플리케이션 프로그래밍 인터페이스) 세트를 통해 스케치 생성을 자동화하고 시뮬레이션의 다양성을 추가할 수 있다. 시뮬레이션 자동화에는 파이썬(Python), 매트랩(MATLAB), 싸이랩(Scilab) 및 Visual Basic for Applications(VBA)와 같은 언어로 애플리케이션 프로그래밍을 지원하는 스크립트 세트를 제공한다. 이를 통해 배치 실행 설정, 복잡한 전처리 및 후처리 수행, 매개변수 연구 수행, 외부 애플리케이션 내 심센터(Simcenter) 모델 통합 등 모델과의 상호 작용을 자동화할 수 있다. 설계 또는 검증에서는 전체 동작에 직접적인 영향을 미치는 전역 파라미터에 액세스하여 설계 탐색, 최적화 및 견고성 분석을 위한 기능을 사용할 수 있고, 더 나아가서 고급 분석과 더 나은 자동화 프로세스 통합을 위해 HEEDS(히즈)를 활용하여 모델을 처리할 수 있다. 심센터 아메심은 시스템 라이프사이클 전반에 걸쳐 다양한 시뮬레이션 툴을 통합하여 디지털 연속성과 워크플로 효율을 향상시킨다. PLM 시스템 연결, 모델 기반 제어 개발 및 기능적 목업 인터페이스(FMI)를 사용한 상호 작용을 지원하며 머신 러닝, 선형 대수학 및 통계 기법으로 ROM(차수 축소 모델) 생성을 지원하여 실행 가능한 디지털 트윈으로 실시간 운영이 가능하므로 의사 결정 및 운영 효율이 향상된다. 임베디드 3D CFD는 열유체 시스템 모델에 대해서 연결된 커플링 시뮬레이션을 통해 3D와 1D 간에 상호 작용이 전달되어 시스템의 중요한 부분을 더욱 상세하게 해석할 수 있으므로 정확도, 설루션 안정성 및 결과에 대한 신뢰도를 높일 수 있다.  Simulation Based Characterization(SBC)을 사용하면 3D CFD를 사용하여 압력 강하 및 열 거동과 관련하여 구성 요소를 특성화하고 시스템 환경에 원활하게 통합되어, 전체 시스템 동작을 정확하게 분석할 수 있다. 차량 동역학 및 파워트레인 물리 거동을 포함하는 모델은 심센터 프리스캔(Simcenter PreScan)과 함께 사용하면 환경 및 센서 정보를 기반으로 첨단 운전자 보조 시스템(ADAS) 및 자율 주행 시스템을 보완하고 대규모 시뮬레이션의 효율을 높여 안전, 승차감, 연료 및 전기 에너지 소비, 오염 물질 배출 평가를 수행할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.