시뮬레이션·디지털 트윈·AI 결합해제품 개발의 미래 제시   헥사곤 매뉴팩처링 인텔리전스에서 시뮬레이션 및 디지털 엔지니어링을 담당하는 헥사곤 디자인&엔지니어링(D&E) 사업부가 9월 18일 유저 콘퍼런스인 ‘헥사곤 디자인&엔지니어링 유저 콘퍼런스 코리아 2025’를 진행한다. 이 행사는 D&E 사업부의 기술과 전략을 집중 소개하고, 고객과의 협력을 강화하는 것을 주된 목적으로 한다. 헥사곤 매뉴팩처링 인텔리전스 D&E 사업부의 성 브라이언 사장은 이번 행사를 통해 AI 기반 시뮬레이션, 디지털 트윈, SPDM(시뮬레이션 프로세스 및 데이터 관리) 등 자사의 핵심 기술 역량을 공유하고, 디자인&엔지니어링의 미래 방향과 산업별 적용 사례를 폭넓게 전달할 것이라고 소개했다. 또한, 디자인&엔지니어링 분야에서 국내 시장 공략을 더욱 강화할 예정이라고 밝혔다. ■ 정수진 편집장     헥사곤 및 D&E 사업부에 대해 소개한다면 헥사곤은 센서, 소프트웨어, 자율화 설루션 분야의 글로벌 기업으로, 데이터를 활용해 산업, 제조, 인프라, 안전, 모빌리티 전반에서 효율과 품질을 높이고 있다. 전 세계 50개국에 약 2만 4500명의 임직원이 근무하며, 매출은 약 54억 유로에 이른다. 그중 헥사곤 매뉴팩처링 인텔리전스는 디자인 및 엔지니어링, 생산, 측정 전 과정에서 데이터를 기반으로 스마트 제조 환경을 지원한다. 헥사곤 디자인&엔지니어링(D&E) 사업부는 헥사곤 매뉴팩처링 인텔리전스 내에서 시뮬레이션 및 디지털 엔지니어링을 담당하고 있다. 헥사곤 D&E 사업부는 예측 시뮬레이션 소프트웨어를 통해 엔지니어들이 가상 프로토타입으로 제품 및 프로세스를 검증·최적화할 수 있도록 지원하며, 물리적 프로토타입의 ‘구축 및 테스트’를 대체하여 제품 개발 효율을 높이고 있다.   헥사곤 D&E 사업부가 보유한 대표 설루션과 핵심 기술은 무엇인지 헥사곤 D&E 사업부는 다양한 산업군에서 신뢰받는 CAE 시뮬레이션 및 디지털 엔지니어링 설루션을 제공한다. 주요 기술에는 선형·비선형 유한요소해석(FEA), 음향 해석, 유체-구조 연성해석(FSI), 다물체 동역학, 열 유동 해석, 최적화, 피로·내구성 해석, 전기기계식 드라이브라인 및 제어 시스템 시뮬레이션 등이 포함된다. 또한, ADAS(첨단 운전자 보조 시스템) 및 자율주행 분석, 시뮬레이션 프로세스 및 데이터 관리(SPDM), 디지털 트윈 구축, AI 기반 최적화 등 최신 기술을 꾸준히 개발하고 있다. 이러한 설루션을 통해 고객은 제품 설계를 최적화하고, 기존 물리적 프로토타입의 ‘빌드&테스트(build&test)’ 단계를 줄이며 개발 효율을 높일 수 있다.   헥사곤의 디자인&엔지니어링 설루션이 가진 차별점과 경쟁력을 소개한다면 가장 큰 강점은 디자인&엔지니어링 사업부와 헥사곤의 다른 계열사 사이의 긴밀한 협업이다. 이를 통해 헥사곤은 산업 전반을 아우르는 폭넓은 기술 포트폴리오와 글로벌 네트워크를 갖추고 있다. CAE 소프트웨어를 기반으로 센서, 측정 장비, 데이터 관리 플랫폼을 통합 제공함으로써 설계부터 생산, 검증까지 전 과정을 연결할 수 있는 엔드 투 엔드(end-to-end) 설루션을 제공한다. 또한, 각 산업 분야의 특화된 요구를 반영한 맞춤형 시뮬레이션 환경과, 전 세계 고객 사례를 기반으로 한 풍부한 기술 지원 역량은 헥사곤만의 독보적인 경쟁력이다. 이를 통해 고객은 단순한 툴 제공을 넘어 혁신적인 제품 개발 프로세스와 지속 가능한 제조 경쟁력을 확보할 수 있다.   ▲ 헥사곤의 디자인&엔지니어링 설루션   디지털 트윈과 시뮬레이션 기술을 중심으로 한 최신 디지털 엔지니어링 트렌드와 향후 시장 전망에 대해 소개한다면 최근 디지털 엔지니어링은 정밀도·속도·지속 가능성이라는 세 가지 축을 중심으로 진화하고 있다. 디지털 트윈은 단순한 가상 모델을 넘어, 실시간 센서 데이터와 AI 분석을 결합하여 예측, 최적화까지 가능한 지능형 운영 플랫폼으로 발전하고 있다. 특히, 클라우드 기반 협업 환경과 AI 자동화 기술이 결합되면서, 개발 속도 단축과 비용 절감 효과가 더욱 가속화되고 있다. 향후 시장은 지속 가능한 설계와 제조, 에너지 효율 향상, 규제 대응 등과 맞물려, 산업 전반에서 디지털 트윈과 고급 시뮬레이션의 도입이 필수화될 것으로 전망된다.   ‘헥사곤 디자인&엔지니어링 컨퍼런스 코리아 2025’에서는 어떤 내용이 소개되는지 9월 18일 개최되는 헥사곤의 D&E 유저 콘퍼런스는 자동차, 항공, 방산, 조선, 전기·전자 등 주요 산업군의 엔지니어와 전문가들이 모여 글로벌 CAE 기술의 최신 트렌드와 산업별 실무 경험을 나누는 자리이다. 헥사곤의 글로벌 및 국내 임직원, 주요 파트너와 고객사가 발표자로 참여하여, 각자 현장에서 축적한 경험과 성과를 직접 공유한다. 이를 통해 AI 기반 시뮬레이션, SPDM 등 디지털 엔지니어링을 가속화하는 혁신 기술과 산업별 최전선에서의 적용 사례를 심도 있게 다룰 예정이다. 기조연설과 산업별 세션, 전시 부스를 통해 참석자는 최신 기술을 직접 체험하고, 업계 전문가들과 교류하며, CAE 기술의 미래 비전과 제조업 R&D의 혁신 방향을 함께 모색할 수 있다. 또한, 각 산업별로 실제 기술 과제와 시뮬레이션 적용 사례를 통해 헥사곤 디자인&엔지니어링 사업부의 최신 기술 전략이 현장 중심의 문제 해결과 개발 효율성 향상에 어떻게 기여하는지 구체적으로 소개된다. 항공 및 방위 산업 분야에서는 MSC 에이펙스(MSC Apex), 나스트란(Nastran), CAE퍼티그(CAEFatigue), 시뮤팩트 애디티브(Simufact Additive), 제너레이티브 디자인(Generative Design) 등을 활용한 항공기 피로해석, 발사체 구조 해석과 복합재 적용 사례가 소개된다. 자동차 산업 분야에서는 아담스(Adams), 로맥스(Romax), 디지매트(Digimat), VTD 등을 기반으로 NVH 해석, 자율주행 시뮬레이션, 전기차 제어 시스템 연계 구조 모델 개발 등 차량 성능 최적화를 위한 다양한 해석과 검증 사례가 발표된다. 전기·전자 산업 분야에서는 크래들 CFD(Cradle CFD), 액트란(Actran) 등을 이용한 전자기기 냉각 해석, 충돌 기반 진동·소음 해석, 고열 환경 신뢰성 확보 사례가 다뤄지며, 정밀하고 안정적인 제품 설계를 위한 시뮬레이션 기술이 강조된다. 조선 산업 분야에서는 해양 구조물과 배관 시스템 해석을 중심으로 배관 단납부의 기계적 물성 해석, 강관-구조 연계 설계 등 실무에 적용 가능한 구조 해석 사례가 발표된다.   이번 행사를 통해 헥사곤 D&E 사업부가 전달하고자 하는 핵심 메시지는 무엇인지 헥사곤 D&E 사업부는 ‘데이터 기반의 연결과 자율화를 통한 지속 가능한 제조 혁신’을 핵심 철학으로 삼고 있다. 이번 유저 콘퍼런스에서는 단순한 기술 소개를 넘어, 고객·파트너·업계 전문가가 한자리에 모여 산업별 과제를 함께 논의하고 실질적인 해결 방안을 모색하는 협력의 장을 만들고자 한다. 또한 AI(인공지능), 디지털 트윈, 시뮬레이션 프로세스 혁신 등 최신 기술이 어떻게 제품 개발 주기를 줄이고 설계 최적화와 예측 정확도를 높이며, 지속 가능한 산업 생태계 구축에 기여하는지에 대한 내용도 공유할 예정이다.   향후 헥사곤 D&E 사업부의 중장기 사업 전략 및 기술 로드맵을 소개한다면 헥사곤 D&E 사업부는 2025년 하반기 및 그 이후에도 디지털 트윈과 AI 기반 시뮬레이션 고도화를 핵심 전략으로 삼고 있다. 이를 위해 ▲산업별 특화 디지털 트윈 플랫폼 개발 및 적용 확대 ▲클라우드 기반 시뮬레이션 및 협업 환경 강화 ▲AI·머신러닝을 활용한 자동화 설계 최적화 기능 확장 ▲지속 가능성(sustainability) 중심의 경량화·에너지 효율 설계 지원 ▲SPDM(시뮬레이션 프로세스 및 데이터 관리)의 산업 전반 확산 등을 추진하고자 한다. 또한, 기존 제조업뿐만 아니라 반도체·에너지·스마트시티 등 신산업 분야로 설루션 적용 범위를 확대해, 고객이 제품 개발 주기와 비용을 혁신적으로 절감할 수 있도록 지원할 계획이다.   마지막으로 전하고 싶은 메시지가 있다면 헥사곤 D&E 사업부는 단순한 소프트웨어 공급사가 아니라, 산업 전반의 디지털 혁신을 함께 설계하고 구현하는 파트너이다. 고객·파트너·학계와 지속적인 협력과 지식 공유를 통해 설계와 제조의 효율과 품질을 극대화하고, 지속 가능한 미래 산업 생태계를 구축하는 데 기여하고자 한다. 이번 유저 콘퍼런스를 비롯해 다양한 교류의 장을 마련해 헥사곤의 글로벌 역량과 현장 경험을 적극적으로 공유하며, 한국 제조업의 경쟁력 강화와 차세대 엔지니어링 패러다임 전환을 함께 이끌어 나가고자 한다.     ■ 기사 내용은 PDF로도 제공됩니다.

금속 3D 프린팅으로 경기용 요트의 부품 제작   루제로 티타(Ruggero Tita)와 카테리나 마리아나 반티(Caterina Marianna Banti)는 2024 파리 하계 올림픽의 나크라 17 혼합 멀티헐 요트 경주에서 금메달을 획득했다. 그들의 승리는 기술, 결단력, 그리고 트렌티노 스빌루포(Trentino Sviluppo)라는 트렌토 기반 혁신 기업의 최첨단 기술로 이루어졌다. 이 듀오는 트렌티노 스빌루포와 협력하여 그들의 카타마란(catamaran)을 위해 40개의 맞춤형 3D 프린팅 파트를 설계했으며, 특히 경량 풀리 시스템이 경쟁에서 우위를 점하게 했다. ■ 자료 제공 : 머티리얼라이즈   ▲ 풀리 부품을 금속 3D 프린팅한 빌드 플레이트   도전 과제 : 짧은 올림픽 일정 내 경량 풀리 시스템 재설계 2024 파리 올림픽을 준비할 시간이 1년도 채 남지 않은 상황에서, 티타와 반티는 새로운 설계 클래스 규정에 따라 두 개의 선체(hull)를 가진 요트인 카타마란의 핵심 풀리 시스템을 재설계해야 하는 도전에 직면했다. 이 풀리는 돛의 조정과 보트의 기동성을 위해 필수이며, 바닷물 환경에 내식성을 갖추면서 유지보수가 쉬워야 했다. 기존의 시스템은 10개의 상업용 파트로 구성되어 무겁고 부피가 커 성능을 제한했다. 목표는 컴팩트하고 통합된 맞춤형 파트를 만들어 무게 분산을 최적화하고, 공기역학을 개선하며, 동적 포일링 카타마란의 안정성을 유지하는 것이었다. 또한 이 모든 것을 촉박한 일정 내에 완수해야 했다.   ▲ 티타늄 소재를 사용해 풀리 시스템을 3D 프린팅으로 제작했다.   해결책 : 티타늄 3D 프린팅과 e-Stage for Metal+ 소프트웨어 트렌티노 스빌루포의 적층 제조 R&D 전문가인 치로 말라카르네(Ciro Malacarne)는 공학 학위를 가진 티타와 긴밀히 협력하여 해결책을 개발했다. 가르다 호수에서 센서를 사용하여 하중, 항력, 풍력 데이터를 수집하고, 엔톱(nTop)과 앤시스(Ansys) 소프트웨어를 통해 전산유체역학(CFD) 및 유한요소해석(FEA) 모델로 분석했다. 최적화된 풀리 시스템을 포함한 카타마란의 3D 모델은 CAD 소프트웨어로 제작되었고, 내식성과 프린팅 용이성을 고려해 23등급 티타늄을 선택했다. 결정적인 전환점은 이스테이지 포 메탈+(e-Stage for Metal+) 소프트웨어로, 자동화된 서포트 구조 생성을 통해 후처리 시간을 줄이고 복잡한 설계를 가능하게 했다. 이를 통해 풀리의 부피를 60%, 무게를 50% 줄였으며, 2024년 6월까지 프로토타입을 완성했다.   ▲ 3D 프린팅된 티타늄 풀리 시스템   결과 : 올림픽 금메달과 산업적 영향 재설계된 풀리 시스템은 카타마란의 안정성과 기동성을 향상시켜, 티타와 반티가 2020 도쿄 올림픽에 이어 연속 금메달을 획득하게 했다. 풀리와 트라피즈 클리트(trapeze cleat)를 포함한 혁신적인 파트는 경쟁자들의 주목을 받았으며, 상업용 풀리 시스템 제조업체들로 하여금 설계를 재검토하게 했다. 반티가 전설로 은퇴한 가운데, 티타는 아메리카스컵, 세일GP, 그리고 2028 로스앤젤레스 올림픽에서 계속 경쟁할 계획이며, 이스테이지 포 메탈+로 지원받는 트렌티노 스빌루포의 3D 프린팅 전문 기술이 그의 미래를 뒷받침할 것이다. 이 승리는 적층 제조가 경쟁 요트 경기에 속도, 정밀도, 그리고 우위를 제공하며 혁신을 이루고 있음을 보여준다.     ▲ 최종 완성된 풀리 시스템     ■ 기사 내용은 PDF로도 제공됩니다.

AI 네이티브 엔지니어링 시뮬레이션용 클라우드 플랫폼인 심스케일(SimScale)은 자사의 플랫폼에 헥사곤의 마크(Marc) 비선형 유한요소해석(FEA) 솔버 기술을 정식 출시한다고 발표했다. 심스케일은 “마크의 클라우드 네이티브 통합은 변형, 복잡한 접촉 또는 고도의 비선형 재료 거동에 노출되는 부품을 설계하는 R&D 팀에게 혁신적인 도약을 제공한다. 이제 사용자는 대변형, 임의 접촉, 자가 접촉은 물론 소성 및 초탄성을 포함해 복잡한 FEA 시뮬레이션을 설계 과정 초기에 온프레미스 소프트웨어나 인프라 없이 웹 브라우저에서 수행할 수 있다”고 설명했다. 심스케일 플랫폼에 마크가 추가됨으로써 사용자는 까다로운 엔지니어링 문제에 대해 빠르고 견고한 비선형 해석을 높은 속도와 안정성으로 사용할 수 있다. 심스케일의 클라우드 플랫폼을 통해 사용자는 어디서나 마크의 기능에 접근하고, 시뮬레이션 데이터를 손쉽게 관리 및 공유하며, 실시간으로 협업하는 것이 가능해진다. 또한, 심스케일의 통합 AI를 활용하여 간소화된 설정, 즉각적인 결과 예측, 에이전트 기반 워크플로 자동화의 이점을 누릴 수 있고, 고성능 컴퓨팅(HPC) 프로비저닝으로 까다로운 경우에도 대규모 확장성과 빠른 시뮬레이션 처리 시간을 지원한다. 마크를 포함해 구조, 열, 전기, 자기장 등 폭넓은 다중 물리 해석을 심스케일의 통합 플랫폼에서 수행할 수 있게 된다.     심스케일의 리처드 쇠케-슐러(Richard Szöke-Schuller) 제품 관리자는 “헥사곤의 마크 기술을 심스케일의 클라우드 네이티브 환경과 통합한 것은 고급 시뮬레이션을 위한 게임 체인저다. 이제 모든 엔지니어는 온디맨드 방식으로 동급 최고의 비선형 FEA에 접근할 수 있게 되어 기존의 기술 장벽을 제거하고 혁신을 가속할 수 있다”고 밝혔다. 헥사곤 매뉴팩처링 인텔리전스 사업부의 위그 장콜라(Hugues Jeancolas) 설계 및 엔지니어링 제품 담당 부사장은 “이번 파트너십은 단순히 마크를 클라우드로 가져오는 것을 넘어 엔지니어가 시뮬레이션 도구를 다루는 방식을 바꾸는 것이다. 심스케일의 직관적인 인터페이스와 에이전트 기반 AI를 통해 시뮬레이션을 처음 접하는 사용자도 도구 작동법을 배우는 대신 엔지니어링 문제를 해결하는 데 집중할 수 있다. 이는 대중화, 민첩성, 생산성 측면에서 큰 도약”이라고 전했다.

헥사곤 애셋 라이프사이클 인텔리전스 사업부(헥사곤 ALI)는 차세대 산업용 데이터 플랫폼인 HxGN SDx2를 공식 발표했다. HxGN SDx2는 클라우드 네이티브, 멀티 테넌트 SaaS(서비스형 소프트웨어) 기반으로 설계된 설루션으로, 산업 시설 전반에 데이터의 연결성을 구축하고 인사이트를 제공하는 디지털 백본을 제공한다. 데이터, 워크 프로세스, 정보 시스템을 통합해 자산 생애주기 전반에 걸쳐 상황 인지와 역할에 최적화된 인사이트를 제공하며, 산업 프로젝트와 자산 운영의 회복탄력성과 효율성, 안전성을 향상시킨다. 에너지, 제약, 반도체, 건설, 석유화학 공정 제조 등 복잡한 물리적 자산을 보유한 산업 기업들은 노후화된 인프라, 레거시 시스템, 숙련 인력의 감소, 운영 비용 증가 등 다양한 과제에 직면하고 있다. 이에 따라 디지털 전환과 ESG 요건 충족을 위한 복잡성도 증가하고 있으며, 이를 해결할 수 있는 혁신적 디지털 플랫폼의 필요성이 더욱 커지고 있다. HxGN SDx2는 산업 기업이 디지털 전환을 통해 복잡한 환경을 극복하고, 최적의 운영 효율과 지속 가능성을 달성할 수 있도록 지원한다. 이 플랫폼은 프로젝트부터 운영, 유지보수까지 전 생애주기 데이터를 통합해 신뢰성 높은 디지털 트윈을 구현하며, 기존 시스템 및 워크플로와의 유연한 연계를 통해 고객의 기술 투자 가치를 극대화한다.     HxGN SDx2는 ▲리스크 예측 모니터링 ▲연계 정보 ▲지능형 시각화 ▲AI/ML 기반 자동화 등의 기능을 제공한다. 리스크 예측 모니터링(Predictive Risk Monitoring)은 실시간 인사이트 제공으로 예기치 못한 다운타임을 최소화하고 유지보수 비용을 절감한다. 또한 통합 시각화 도구를 통해 이해관계자 간 원활한 협업과 조정을 지원한다. 연계 정보(Information Map) 기능은 자산 관련 정보를 유기적으로 연결하고 시각화해 운영의 접근성과 효율성을 높이고, 정보 탐색 시간을 단축한다. 지능형 시각화(Visual Intelligence)기능은 기존 문서 중심의 정보 제공 방식을 탈피해 2D 및 3D 설계 데이터를 기반으로 시각적 정보를 제공함으로써 이해도와 전달력을 높인다. AI/ML 기반 자동화 기능(AI/ML-Based Automation FEAtures)은 프로세스 자동화와 수작업 의존도 감소를 통해 데이터 품질을 개선하고 생산성을 높인다. HxGN SDx2는 산업 시설의 성능과 수익성을 높이면서, 자산의 상태와 프로젝트 실행 정보를 종합적으로 관리할 수 있는 플랫폼이다. 디지털 스레드를 통해 전사의 정보 흐름을 연결하며, 산업 기업이 미래의 운영 모델을 보다 민첩하게 구축할 수 있도록 지원한다. 헥사곤 ALI의 마티아스 스텐버그(Mattias Stenberg) 글로벌 대표는 “오늘날 산업 기업들은 복잡한 글로벌 운영 환경 속에서 디지털 전환을 통해 지능형 운영 역량, 효율성, 그리고 회복탄력성을 확보해야 한다”면서, “HxGN SDx2는 헥사곤의 스마트 디지털 리얼리티 비전을 구현하는 핵심 플랫폼으로서, 고객이 데이터 무결성을 유지하는 동시에 효율적인 프로젝트 수행과 지속 가능한 운영을 가능하게 하는 혁신적인 도구를 제공한다”고 강조했다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (13)   이번 호에서는 크레오 파라메트릭의 클리어런스 및 크리피지 분석 기능으로 전기적 제품의 고장을 사전에 예방하고 전기적 안전성을 향상시킬 수 있도록 설계를 최적화하는 방법을 알아보자.   ■ 김성철 디지테크 기술지원팀의 이사로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   클리어런스와 크리피지 분석의 중요성 전기 및 전자 제품의 설계에서 절연 거리 확보는 전기적 제품의 안정을 위해 중요한 설계 고려 사항이다. 제품에 안전한 절연 거리가 확보되지 않으면 누전, 감전과 화재가 발생할 수 있으며 이는 제품의 고장이나 안전 사고로 이어질 수 있다. 이에 따라 국제 표준에서는 전기 제품 설계 시 필수로 확보해야 하는 최소 클리어런스와 크리피지 거리를 규정하고 있으며, 설계자는 이를 준수하여 전기적 안전을 고려한 설계를 진행해야 한다. 크레오 파라메트릭은 이러한 분석을 설계 단계에서 자동화하여 신속하고 정확하게 검증하고, 제품의 전기적 안전을 최적화한 설계를 가능하게 한다.   클리어런스와 크리피지 정의 클리어런스(Clearance)는 공기 중을 통한 두 도전성 부품 간의 최단 거리이다. 고전압 환경에서는 절연 파괴를 방지하기 위해 충분한 거리를 확보해야 한다. 크리피지(Creepage)는 절연 표면을 따라 두 도전성 부품 간의 최단 거리이다. 먼지, 습기 등으로 인해 누설 전류가 발생할 수 있으므로 전기적 제품은 안전한 크리피지 거리를 확보하는 것이 중요하다.     국제 표준인 IEC 60601, IEC 60950 등은 사용 환경, 오염 등급, 재료 그룹 및 전압 수준 등에 따라 다양한 절연 거리 기준을 규정하고 있다.   크레오 파라메트릭의 클리어런스 및 크리피지 분석 절차 크레오 파라메트릭에서 3D 모델에 전기적 절연 특성을 정의하고 전도성 부품 간의 절연 거리를 자동으로 계산한다. 사용자가 설정한 기준에 따라 분석 결과를 시각적으로 표시하고 문제 영역을 검토하여 허용 여부를 더 빠르게 판단할 수 있다.     크레오 파라메트릭에서는 클리어런스 및 크리피지 분석을 다음과 같은 절차로 진행할 수 있다.  모델 설정(메타데이터 정의)  분석 정의(전기 네트 및 분석 설정)  결과 및 리포팅(결과 검토)   모델 설정 분석 대상 모델에 대해 전기적 컴포넌트, 도전체 및 절연체를 정의하고 필요한 속성을 지정한다. 크레오 파라메트릭에서 분석(Analysis) → 클리어런스 및 크리피지(Clearance and Creepage) 분석을 실행한다.     클리어런스 및 크리피지 분석 대화상자에서 ‘메타데이터(Meta Data)’ 탭의 부품 목록을 확인하고, CTI 열에 각 컴포넌트의 비교 추적 치수(CTI) 값을 정의한다.     ■ 참고 비교 추적 지수(Comparative Tracking Index : CTI)는 전기 절연체의 내전력성을 측정하는 데 사용되는 지표이며, 전기 절연체의 표면에 발생하는 누설 전류를 측정하여 전기적으로 견딜 수 있는 능력을 평가한다. CTI 등급은 IEC 60112 규격에 따라 분류되며 IEC 60112는 전기 기기의 절연체에 대한 추적성 시험 방법을 제공하는 국제 표준이다.   CTI 값은 정수로 정의하며 정의되지 않은 부품(-1, 기본값), 전도성 부품(0)과 부품의 절연성에 따라 0보다 큰 값을 정의한다. 부품의 절연성이 높을 수록 높은 CTI 값을 가진다. 개별 컴포넌트의 매개변수(Parameters)에 COMPARATIVE_ TRACKING_INDEX 값을 직접 입력하여 CTI 값을 지정할 수도 있다.      또한, 피처 매개변수(FEAture Parameters)를 활용하여 부품 내 각 피처별로 서로 다른 CTI 값을 지정할 수 있다. 이를 통해 재질 특성이 서로 다른 비균일 구성 요소를 보다 정밀하게 정의하고 더욱 현실적인 전기적 안전 분석을 수행할 수 있다.        ■ 자세한 기사 내용은 PDF로 제공됩니다.

최적화 문제를 통찰하기 위한 심센터 히즈 (4)   심센터 히즈(Simcenter HEEDS)는 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 데에 도움을 준다. 이번 호에서는 심센터 히즈에서 산포 특성을 반영한 신뢰성 분석 방법에 대해 살펴본다.   ■ 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 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 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   설계 최적화에서 산포의 의미 오늘날의 제품 개발 과정은 단순한 성능 극대화에서 벗어나, 변동성(variability)을 고려한 신뢰성 있는 설계(reliable design)로 진화하고 있다. 즉, 하나의 최적점(optimum)을 찾는 것만으로는 실제 양산 및 사용 환경에서의 품질을 보장하기 어렵다. 이는 부품 공차, 조립 오차, 환경 조건의 변화, 사용자 행동 등 다양한 요인이 제품 성능에 미치는 영향을 무시할 수 없기 때문이다.   그림 1   <그림 1>은 다양한 설계 및 제조 요인의 ‘산포(scattering)’가 시스템의 성능 분포에 어떻게 영향을 미치는지를 직관적으로 보여준다. 시스템 입력에는 ▲운용 조건(operating conditions) ▲형상 특성(geometric properties) ▲재료 물성(material properties) ▲제조 공차(manufacturing tolerances) 등이 포함되며, 이들은 실제 제품 사용 환경이나 제조 공정에서 일정한 값을 가지지 않고 확률적 분포를 따른다. 중앙에 위치한 시스템(system)은 이러한 입력 변수를 바탕으로 동작하며, 그 결과로 출력 성능 역시 하나의 고정된 값이 아닌 분포(distribution)로 표현된다. 이는 동일한 설계를 반복 생산하거나 다양한 조건에서 사용할 경우 성능 편차가 존재할 수 있음을 의미한다. <그림 1>의 오른쪽 그래프에서 보듯이, 출력 성능은 평균값(original performance)을 중심으로 정규 분포 형태를 가지며, 특정 기준(criteria)을 만족하지 못하는 영역은 고장 확률(probability of failure)로 해석된다. 이 고장 확률이 낮을 수록 설계가 더 신뢰할 수 있고 안정적이라는 것을 뜻한다. 따라서 단순한 평균 성능만을 추구하는 것이 아니라, 산포를 고려하여 설계의 신뢰성과 강건성을 동시에 확보하는 것이 현대 설계 최적화의 중요한 방향으로 자리 잡고 있다. 이러한 맥락에서 산포란 설계 변수 또는 외란 변수의 불확실성이 시스템 응답에 미치는 영향을 계량적으로 분석하고 이해하는 과정의 핵심 개념이다. 예를 들어, 동일한 설계 조건에서 반복 실험 또는 시뮬레이션을 수행했을 때 결과가 고르게 나오지 않고 분산이 크다면, 이는 해당 시스템이 외부 요인에 민감함을 의미한다.   그림 2   <그림 2>는 설계 변수 공간(x1, x2)에서 목표함수 f(x)를 최소화하는 과정에서 산포 특성이 설계 해에 미치는 영향을 시각화한 것이다. 이는 실무에서 흔히 발생하는 ‘좋은 성능을 갖지만 제조나 환경 요인으로 인해 성능이 불안정해지는 경우’를 잘 설명해준다. 결정론적 최적점(Deterministic Optimum) : 주황색 점은 일반적인 최적화에서 도출된 해로, 주어진 조건 하에서 목표함수 f(x)를 가장 작게 만드는 설계점이다. 그러나 이는 모든 입력값이 고정되어 있다고 가정한 이상적인 결과이며, 실제 제품에서 변수의 산포가 존재할 경우, 해당 해는 제한 조건(g(x)=0)을 위반할 수 있다. 이를 둘러싼 붉은 등고선은 입력값의 분산이 시스템 응답을 어떻게 퍼지게 하는지를 의미하며, 일부 샘플은 비실현 가능 영역(inFEAsible region)으로 넘어갈 위험이 있다. 강건 최적점(Robust Optimum) : 파란색 점은 변수의 변동성까지 고려한 최적 설계 해다. 목표함수는 결정론적 해보다 약간 더 높을 수 있으나, 산포된 샘플 대부분이 제한 조건을 위반하지 않도록 위치시킨 것이다. 즉, 신뢰성과 강건성(reliability & robustness)을 우선시한 설계 접근법이다. 하단의 분포 곡선은 x1축을 따라 설계 해의 산포를 묘사하며, 결정론적 해와 강건 해 각각에 대한 확률적 분포 중심이 어떻게 달라지는지를 보여준다. 강건 해는 더 많은 샘플이 안전 영역에 포함되도록 분포 중심이 조정된 반면, 결정론적 해는 평균적으로 좋은 성능을 가지지만 일부 샘플이 위험 영역에 위치하게 된다. 결국, 산포는 더 이상 ‘불확실성’이라는 불편한 요소가 아니라, 제품의 강건성을 확보하기 위한 핵심 데이터로 활용되어야 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

헥사곤 매뉴팩처링 인텔리전스(Hexagon Manufacturing Intelligence)가 혼합 생산, 대형 구조물 생산 환경을 위한 차세대 레이저 트래커인 라이카 앱솔루트 트래커 ATS800(Leica Absolute Tracker ATS800)을 출시했다. 이 신제품은 항공우주 및 풍력 에너지와 같은 대규모 제조 분야에서 완전히 새로운 품질 검사 솔루션을 제공하며, 특히 항공우주 제조업체들이 인력 부족 및 비용 상승 문제에 대응해 생산량 제고를 위해 경쟁하는 가운데 리플렉터 기반 측정 시스템에 필적하는 스캐닝 정확도를 제공하면서 경량화된 설계로 뛰어난 휴대성을 갖춘 것이 특징이다. ATS800은 디지털 및 로봇 자동화 워크플로우와 원활하게 통합되어 검사 시간을 획기적으로 단축하는 동시에 실시간 측정 및 프로세스 정렬을 가능하게 한다. 핵심 혁신 기술인 피처디텍트(FEAtureDetect)는 수동 프로그래밍 없이 주요 파트 형상을 자동으로 인식하는 기능을 제공한다. 피처디텍트는 작업자의 작업량을 줄임으로써 자동화 및 수동 검사 프로세스에서 생산성을 향상시킨다. 피처디텍트는 CAD 데이터를 통해 작동하거나 ATS800에 내장된 고해상도 파노라마 카메라를 사용하여 독립적으로 작동한다. 이 광각 라이브 이미지 피드를 통해 시스템은 실제 파트에서 직접 피쳐를 인식하여 설정 속도를 높이고 검사를 간소화할 수 있다.  ATS800은 고정밀 다이렉트 스캐닝과 리플렉터 트래킹을 하나의 소형 시스템에 결합한 제품으로, 수동으로 검사할 때 병목 현상이 종종 발생하는 복잡한 대형 구조물을 다루는 안전 필수 산업을 위해 설계되었다. 설정 시간이 몇 시간에서 몇 분으로 단축되어 동체 정렬부터 복합재 레이업까지 정확성이나 추적성을 손상시키지 않고 무인 또는 공정 내 검사를 지원한다. 로드리고 알파이아(Rodrigo Alfaia) 헥사곤 레이저 트래커 제품 디렉터는 “오늘날의 제조업체는 최고의 품질 기준을 유지하면서 생산량을 늘려야 한다는 엄청난 압박을 받고 있으며 기존의 노동 집약적인 공정으로는 이를 따라갈 수 없다”며, “ATS800은 정밀도 저하 없이 설정 및 현장 측정 작업을 수 시간 단축했다. 복잡한 작업자 교육 없이도 동체 전체를 밤새 스캔하거나 중요한 조립 공정을 실시간으로 안내하는 등 데이터 기반 프로세스를 운영 수준으로 끌어올려 대형물 검사를 물리적 및 디지털 방식으로 자동화하고 있다”고 말했다.

BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (2)   지난 호에서 비즈니스 프로세스 모델링(Business Process Modeling)이 필요한 이유에 대해 살펴보았다. 이는 최근의 제품 개발이 복잡한 절차와 다양한 참여자, 그리고 광범위한 자원의 투입으로 시장의 변화에 빠르고 능동적으로 대응해야 하는 상황이기 때문이다. 이는 결국 주요 참여자들이 정보를 빠르게 추적하고 효율적인 의사결정을 수행하는 환경을 요구하고 있는데, 그동안 익숙하고 편하게 사용해온 오피스(문서) 기반, 특히 엑셀을 활용한 WBS 관리 및 간트(Gantt) 차트 작성으로는 이러한 대응에 한계가 있다는 점을 정리해 보았다. 이번 호부터는 BPMN(Business Process Modeling Notation)에 대해 알아보고, 어떠한 특징과 장점이 있는지 파악해 보고자 한다. 이를 통해 우리에게 요구되는 최근의 제품 개발 환경에 어떻게 적용해 나갈 수 있는지 차근차근 파악해 보도록 하자.   ■ 연재순서 제1회 비즈니스 프로세스 모델링이 필요한 이유 제2회 BPMN은 무엇일까? 제3회 비즈니스 프로세스 모델링을 배워보자 제4회 간단한 제품 개발 프로세스를 디자인해보기 제5회 클라우드 서버 환경에서 BPMN을 연결하는 설루션 탐구   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 가브리엘 데그라시 이탈리아 Esteco사의 프로젝트 매니저   BPMN은 비영리 컴퓨터 산업 표준을 연구하고 제정하는 OMG(Obejct Management Group)에서 개발하여 오픈소스로 배포하는 개방형 정보 표준 체계이다. BPMN 1.0은 2006년에 릴리스되었으며 지속적인 업그레이드를 통해 2011년에는 BPMN 2.0이 발표되었다. 현재 활용되고 있는 중요한 기능들의 모습이 이때부터 갖추어지게 되었는데, ISO(International Standard Organization) 및 IEC(International Electotechnical Commisson)는 BPMN 2.0을 2013년 ISO/IEC 19510:2013로 명시하여 국제 표준으로 지정하게 되었다. 이제부터는 BPMN이 무엇인지 하나씩 살펴보도록 하자.    BPMN의 구성 요소   그림 1. BPMN의 기본 구성 요소 1   그림 2. BPMN의 기본 구성 요소 2   우선 BPMN의 구성 요소를 살펴보면 participants(참여자 또는 행위대상의 구별), sub-process(하부 프로세스), task(수행업무), gateways(논리적 선택), data(데이터 객체 및 스토리지), events(이벤트) 등 종류도 많고 다양한데 활용하는 방법 또한 무궁무진하다.  우리는 BPMN의 구성 요소를 하나하나 상세하게 분석하는 것이 목표가 아니므로, BPMN의 간단한 작성 예제를 통해 주요 기능과 특징을 개괄적으로 파악해 보고자 한다.   엔지니어링 프로세스의 BPMN 모델링 간단한 엔지니어링 프로세스(요구사항 – CAD 입수 – 해석 모델링 – 베이스 해석 – 민감도 해석 – 최적화 해석)에 대한 BPMN 모델링을 <그림 3~4>와 같이 구성하였다.    그림 3. 엔지니어링 프로세스의 모델링 1   그림 4. 엔지니어링 프로세스의 모델링 2   이 프로세스는 사용자가 요구사항 태스크(enter requirement)를 처리한 이후 도면 준비 태스크(prepare CAD design)를 수행하고, 해석 모델링 태스크(prepare FEA design)와 비용 계산 모델 태스크(prepare cost model)를 병행 게이트웨이(parallel gateway)로 처리한다. 다음에는 베이스 해석 태스크(run baseline design)를 수행하게 되는데, 이는 시스템 또는 자동화가 수행할 수 있는 서비스 태스크로 정의할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.