통합검색 > 통합검색 : 캐드앤그래픽스 - 엔지니어링IT 미디어

1D 시뮬레이션을 위한 카티아 다이몰라

산업 디지털 전환을 위한 버추얼 트윈 (1) 이번 호부터 산업 분야에서 버추얼 트윈(virtual twin)을 구축하고 활용하기 위한 다쏘시스템의 솔루션을 살펴본다. 첫 번째로 소개하는 다이몰라(CATIA Dymola)는 모델 기반 시스템 설계와 시뮬레이션을 위한 툴이다. 다이몰라는 다양한 산업 분야에서 사용되며, 기계, 전기, 열, 유체, 제어 시스템 등 다양한 시스템의 거동(behavior)을 모델링 및 시뮬레이션할 수 있다. 다이몰라를 알기 위해서는 우선 모델리카(Modelica)에 대해 알아야 한다. ■ 안치우 다쏘시스템코리아의 카티아 인더스트리 프로세스 컨설턴트로 CATIA Dymola를 활용한 1D 시뮬레이션을 담당하고 있다. 관심 분야는 Modelica, FMI, 1D~3D 코시뮬레이션, SysML 기반의 Modelica 모델 개발이며 LG전자, 삼성전자, SK하이닉스 등 다수의 프로젝트 및 제안을 수행하고 있다. 홈페이지 | www.3ds.com/ko 1D 시뮬레이션이란 시간의 흐름에 따라 지배 방정식을 1차원으로 한정지어 계산하는 방법을 의미한다. 예를 들어, 스프링-댐퍼 시스템에서 길이 방향인 하나의 차원에서 수학적 모델링을 통해 빠른 시간 내에 결과를 도출해 검토할 수 있다. 장점으로는 모델 구성 및 검토의 시간이 빠르고, 표현의 제약이 적으며, 시스템간 상호 작용을 효율적으로 검토 가능하다. 단점으로는 시스템의 기능을 수식화하기 위해 도메인(domain)에 대한 높은 이해도가 필요하고, 인풋(input) 정보의 품질에 따라 아웃풋(output)이 민감하게 반응한다. 모델리카는 시스템 모델링을 위한 언어이다. 모델리카(Modelica)는 1996년 모델리카 어소시에이션(Modelica Association)에 의해 개발된 시스템 모델링을 위한 언어이다. 무료로 사용할 수 있고, 여러 개발자 및 전문가에 의해 개발되고 있다. 모델리카는 시스템 모델링을 지원하며, 다쏘시스템에서는 시스템 모델링의 원활한 시뮬레이션을 위한 솔버 알고리즘을 개발하고 있다. 다이몰라에는 모델 시뮬레이션을 위한 다양한 솔버가 내장되어 있다. 사용자는 문제 해결을 위한 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현함으로써 시뮬레이션을 위한 모델링은 끝났다고 볼 수 있으며, 이러한 이유 때문에 모델리카는 C, C++, 포트란(Fortran) 등 타 언어에 비해 코드량이 적다는 것을 알 수 있다. 모델리카의 모델링 방법에는 텍스트 타입으로 방정식을 정의할 수 있고, 또한 유저에게 친근한 GUI(그래픽 사용자 인터페이스)를 활용한 객체 모델링 기반으로 모델을 구성할 수 있다. 모델리카는 비인과적/인과적 해석을 모두 지원한다. 인과적(causal) 모델링과 비인과적(acausal) 모델링은 둘 다 시스템이나 현상을 설명하고 예측하기 위한 방법론이다. 그림 1 비인과적 모델링은 원인과 결과 간의 인과 관계를 명확히 구분하지 않고 시스템의 구성요소 간의 관계를 모델링하는 방법이다. 이 방법은 일반적으로 동적 시스템의 거동을 설명하거나 예측할 때 사용하며, 시스템의 구성 요소와 그들 간의 관계를 수학적 방정식으로 표현하여 시스템의 동작을 설명한다. 각 요소가 다른 요소에 의해 어떻게 영향을 받는지를 보다 전체적으로 이해하는 데에 도움이 된다. 인과적 모델링은 원인과 결과 간의 인과관계를 중심으로 모델을 구성한다. 이 모델링 기법은 일반적으로 인과관계를 고려하여 시스템의 동작을 설명하고 예측한다. 예를 들면 A가 B에 어떻게 영향을 주는지, 또는 어떤 요인이 결과에 어떻게 기여하는지를 분석한다. 주로 원인과 결과 간의 관계를 나타내는 도표나 그래프를 사용해 시각화하며, 시간의 흐름을 고려하여 이전 사건이 이후 사건에 어떻게 영향을 미치는지를 이해한다. 비인과적 모델링은 물리적 시스템의 동작을 설명하는데 유용하다. 예를 들어, 열 전달, 유체 흐름, 전기 회로 등과 같은 시스템에서 원인과 결과 간의 명확한 인과 관계를 파악하기 어려운 경우가 있다. 이러한 시스템은 에너지, 질량 또는 정보의 흐름을 모델링하여 설명할 수 있다. 모델리카는 해석 솔버에 대한 개발이 필요 없다. 실제 모델링 후 유저는 소스코드를 볼 수 있고, 해석 결과를 확인 할 수 있다. 그렇지만 솔버에 대한 구현 방식은 확인할 수 없다. 다이몰라에 솔버가 내장되어 있어 유저는 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현하면, 유저가 모델링한 시스템에 대한 해석 결과를 확인할 수 있다. 이러한 이유로 인해 모델리카의 코드량은 타 언어에 비해 적다. 솔버가 해석 결과를 보여주기 위해 <그림 2>를 참조하면, 모델리카 file(*.mo)를 C 언어로 변환하고 참조할 라이브러리와 함께 컴파일을 수행하기 때문에 유저는 이 과정을 인식하지 못하는 경우가 많다. 그림 2 ■ 자세한 기사 내용은 PDF로 제공됩니다.

작성일 : 2024-05-02

멀티피직스 해석 소프트웨어, Simulation X

멀티피직스 해석 소프트웨어, Simulation X 주요 CAE 소프트웨어 소개 ■ 개발 : ESI, www.esi-group.com ■ 자료 제공 : 한국이에스아이, 02-3660-4500, www.esi-group.com ESI의 Simulation X(시뮬레이션 엑스)는 복잡한 동적 시스템의 모델링, 시뮬레이션 및 분석을 위한 Multi physics 시뮬레이션 분야에서 잘 알려진 소프트웨어이며, Modelica 언어를 기반으로 한 상용 솔루션으로 다양한 분야에서 활용되고 있다. 개발자는 Modelica 라이브러리부터 상용 라이브러리까지 방대한 라이브러리를 사용하여 개발 모델을 쉽게 구성할 수 있다. 또한 막강한 사용자 에디터 툴(Type designer)을 제공하여 사용자가 기존의 라이브러리를 확장하거나 새로운 라이브러리를 쉽게 제작 및 배포할 수 있다. FMU(Functional Mock-up Unit)/FMI(Functional Mock-up Interface)를 지원하고 다른 프로그램과 연동하여 계산을 수행할 수 있으며, Multiphysics에 최적화되어 있어 Multi-body system과 Fluid dynamics, Control logic 등 서로 다른 물리 모델을 하나의 모델로 구현할 수 있다. 실제 물리 기반의 통합 라이브러리는 점점 더 복잡해지고 있는 산업 분야에서 확실한 기준으로 Simulation X를 확립하는 데 도움이 되었다. 현재까지 약 27개국 700명 이상의 고객들이 다양한 산업 분야에서 Simulation X를 사용하고 있다. 1. 제품의 주요 기능 및 특징 (1) Easy modeling and Fast calculation 형상 모델링이 필요 없고, 물리 기반 모델링으로 모델 구성이 쉬우며, 시스템 기반의 수학 모델 사용으로 계산 시간이 빠르다. (2) Modular system setup 방대한 시스템 라이브러리를 제공하고, 사용자 라이브러리 툴(Type designer)을 지원한다. (3) Easy coupling FEM, MATLAB, Simulink와 연계 시뮬레이션이 가능하며, FMU/FMI를 지원한다. (4) Model library Modelica 기반의 다양한 라이브러리를 제공하여 모델을 쉽고 빠르게 구성할 수 있다. (5) Optimization 주요 인자의 기여도 분석을 통한 제품 성능 개선을 개발 초기 단계부터 빠르게 검토할 수 있다. (6) Real-time simulation 실시간 해석으로 MiL(Model-in-the-Loop)/SiL(Software-in-the-Loop)/HiL(Hardware-in-the-Loop) 구현이 가능하다. 좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기

작성일 : 2024-01-06

1D CFD 해석 소프트웨어, Simcenter Flomaster

작성일 : 2024-01-01

멀티피직스 해석, 시스템 시뮬레이션, Simcenter Amesim

작성일 : 2024-01-01

연동 해석 소프트웨어, MSC CoSim

연동 해석 소프트웨어, MSC CoSim 주요 CAE 소프트웨어 소개 ■ 개발 : MSC Software, www.mscsoftware.com/kr ■ 자료 제공 : 한국엠에스씨소프트웨어, 031-719-4466, www.mscsoftware.com/kr Co-Simulation은 여러 시뮬레이션 영역을 결합함으로써 엔지니어에게 보다 완벽하면서도 전반적인 성능에 대한 통찰력을 제공한다. 소음해석에서부터 다물체 동역학(MBD), CFD, 구조 해석 및 Explicit 충돌 해석에 이르기까지 모든 것을 MSC에서 함께 연결할 수 있다. 해석 유형에 따라 엔지니어는 Co-Simulation(모델에 여러 물리적 특성을 동시에 적용) 또는 Chained Simulation(한 해석에서 다음 해석으로 해석 케이스 결과를 전달) 두 가지 방법에 대한 MSC 솔루션을 사용할 수 있다. 1. MSC CoSim 엔진 MSC CoSim 엔진은 다양한 솔버 및 해석 영역을 다중 물리 프레임워크와 직접 결합하기 위한 Co-Simulation 인터페이스를 제공하기 위해 개발되었다. 현재 바로 사용 가능한 이 첫 번째 버전을 통해 엔지니어는 Adams, Marc 및 scFLOW 간의 Co-Simulation 모델을 생성할 수 있다. 2. 기타 오픈 Co-Simulation 솔루션 CoSim 엔진 외에도 MSC는 FMI(Functional Mock-up Interface), ACSI(Adams Marc Co-Simulation Interface) 등 다른 Co-Simulation 방법론도 지원한다. 3. Chained Simulation Chained Simulation을 사용하면 여러 부서의 CAE 엔지니어가 여러 분야를 순차적으로 통합하여 전체 시뮬레이션 정확도를 향상시킬 수 있다. 예를 들어, Adams Full Vehicle 모델을 통해 생성된 도로의 하중이 MSC Nastran 모델로 전달됨으로써 응력 및 내구 해석을 수행할 수 있게 된다.

작성일 : 2023-12-25

[무료다운로드] 딥러닝을 사용한 해석 데이터 기반 메타모델 살펴보기

앤시스 워크벤치를 활용한 해석 성공 사례 최근, 다양한 실험 및 해석에서 축적된 데이터와 인공지능 기술의 발전으로 데이터 기반 설계(Data-Driven Design)가 활성화되고 있다. 특히 해석 데이터를 기반으로 한 메타모델은 빠른 예측 속도의 장점을 이용해 반복적인 예측이 요구되는 최적 설계와 실시간 예측이 필요한 디지털 트윈 분야에서 주로 사용되며, 부품과 시스템의 통합 최적설계나 생산 품질 관리와 같은 다양한 분야로 활용 범위가 확장되고 있다. 이번 호에서는 간단한 사례를 통해 데이터 기반 설계에서 활용되는 딥러닝 기술과 해석 데이터를 이용한 메타모델을 소개한다. 그리고 딥러닝 프로그래밍 작업 없이 해석 데이터 기반 메타모델을 쉽게 생성할 수 있는 다양한 환경과 제작 방법부터, 생성된 메타모델을 다양한 환경에서 효율적으로 사용하기 위해 FMI(Functional Mock-up Interface) 기술로 제작하는 FMU(Functional Mock-up Unit)의 생성 및 사용법까지 다루도록 하겠다. ■ 권기태 태성에스엔이의 EBU_LF팀 수석매니저로 해석자동화 업무 및 기술지원을 담당하고 있다. 이메일 | gtkweon@tsne.co.kr 홈페이지 | www.tsne.co.kr 메타모델이란 우선, 메타모델의 정의와 활용에 대해 짚고 넘어가보자. 메타모델(metamodel)은 ‘모델의 모델’이라는 의미로, 복잡한 모델을 간소화하여 설명하거나 정의하는데 사용된다. 근사방법(approximation method)을 사용해 원래의 모델을 재모델링함으로써 만들어지는 간결한 형태의 모델을 의미한다. 이러한 메타모델의 정의나 활용은 적용되는 분야에 따라 다르게 사용된다. 우선 기계학습의 메타모델은 다른 기계학습 모델을 이해, 분석, 또는 간략하게 표현하기 위한 목적으로 사용되며, 소프트웨어 엔지니어링 분야에서는 UML을 통해 시스템의 구조와 속성을 추상화하고 표준화하는데 사용된다. 시뮬레이션 및 최적화 분야의 메타모델은 복잡한 시뮬레이션 모델이나 실제 세계의 시스템을 간단한 수학적 모델로 대체하며, 이를 통해 저렴한 비용과 짧은 시간 안에 다양한 시나리오 탐색이나 최적의 해를 찾는 데 활용된다. 시뮬레이션 및 최적화 분야에서도 메타모델은 목적이나 관점에 따라 여러 용어로 불린다. 가장 먼저, 복잡하거나 계산에 많은 비용이 소요되는 모델, 또는 실제 실험을 단순하고 효율적인 형태로 근사화한 모델이란 의미의 대리자 모델(surrogate model)이 있다. 더불어 고차원이나 복잡한 시스템의 동적 거동을 낮은 차원이나 작은 수의 변수를 사용하여 효과적으로 근사화하는 방식의 ROM(Reduced-Order Modeling)이 있다. 또한 데이터를 사용하여 복잡한 시스템의 응답을 모델링하고 최적화하기 위한 통계적 방법이란 의미의 RSM(Response Surface Model)과 최적화 프로그램 안에서 시간이 많이 소요되는 CAE 시뮬레이션을 대신하여 사용되는 대리자 모델인 MOP(Meta-Model of Optimal Prognosis)란 용어도 사용되고 있다. 해석 데이터 기반 메타모델 컴퓨터 하드웨어의 발전과 함께 공학 설계 기술은 실험 중심의 설계에서 시뮬레이션 기반의 설계로 급속도로 전환되었다. 더욱이, 최근에는 실험과 해석에서 축적된 데이터와 인공지능 기술의 발전으로 데이터 기반 설계가 활성화되는 만큼, 데이터 기반 설계에서 사용되는 데이터 기반 메타모델의 중요성도 같이 증가하고 있다. 메타모델은 복잡한 시스템이나 모델을 간단히 표현하기 위해 확보된 데이터를 수학적 기법이나 인공지능 기술로 처리하여 제작한다. 특히, 인공지능과 시뮬레이션 기술의 발전으로 해석 데이터를 활용한 딥러닝 기반의 메타모델이 주목을 받고 있다. 해석 데이터는 측정 데이터와 비교해 입력과 출력 데이터의 노이즈가 적고, 스크립트 자동화를 이용해 원하는 조건으로 데이터를 쉽게 확보할 수 있다는 장점이 있다. 딥러닝 기술을 이용한 메타모델은 복잡한 수학적 지식 없이 구현이 가능하며, 파이썬(Python) 환경에서 작업하기 때문에 파이썬의 강력한 기능을 효과적으로 활용할 수 있다. 메타모델의 활용 해석 데이터를 활용한 메타모델은 빠른 예측 속도의 장점을 활용하여 반복적이거나 실시간 예측이 필요한 분야에서 주로 사용된다. 그러나 해당 메타모델은 해석 데이터를 생성할 때 사용된 변수로만 입력 값이 제한되기 때문에, 설계인자가 고정된 상황에서만 적합하다는 단점이 있다. 이러한 메타모델의 장단점을 고려하여 활용 가능한 분야를 도출하면 <그림 1>과 같다. 설계 최적화 및 민감도 분석 : 반복적으로 사용되는 빠른 예측 복잡한 시스템의 최적설계 : 요소부품과 시스템의 통합적 최적설계에서 부품 메타모델 생산 품질 관리 : 설계가 확정된 후 생산 과정의 변동 관리 디지털 트윈 : 설비의 운용 효율을 최적화하기 위해 실시간 예측 그림 1. 디지털 엔지니어링의 구성 요소 ■ 자세한 기사 내용은 PDF로 제공됩니다.

작성일 : 2023-11-02

동역학 해석 소프트웨어, Easy5

주요 CAE 소프트웨어 소개 ■ 개발 : eXstream Engineering, www.e-xstream.com ■ 자료 제공 : 헥사곤 매뉴팩처링 인텔리전스, 1899-2920, https://blog.naver.com/hexagonmi 항공기, 자동차, 기계류 등 복합적인 시스템은 부품, 서브 시스템뿐만 아니라 전체 시스템 레벨에서도 시스템 엔지니어링적 접근을 통해 성능을 검증해야 한다. 엔지니어들은 보다 혁신적인 제품을 보다 적은 비용과 시간을 투자해 출시해야 한다는 요구와 직면해 있지만 시간과 비용이 많이 소요되는 전통적인 제작 및 시험 방법으로는 이를 만족시키기 어렵다. Easy5는 동적 시스템에 대한 정확하고 신뢰성 있는 다중 도메인 모델링 및 해석 기능을 제공한다. 세계적인 선도기업들은 Easy5를 이용해 시스템 레벨의 성능을 검증하고 시제품 제작의 축소, 비용 절감 및 제품 개발 프로세스의 가속화를 이루어내고 있다. 시간에 따라 거동이 달라지는 동적 시스템은 일반적으로 1차 미분 방정식으로 정의된다. Easy5는 사전에 부품 단위로 정의된 광범위한 응용 대상별 라이브러리 기능을 제공하는 그래픽, 도식화된 애플리케이션 기능을 이용해 시스템의 구성을 간이화하고 해석할 수 있게 해 준다. 시스템 설계자는 도식화된 익숙한 그래픽 환경에서 부품 간의 연결을 추가하거나 정의할 수 있고, 또한 다층 구조의 시스템 모델링을 손쉽게 실행할 수 있다. Easy5는 제어 시스템, 열을 고려한 유압, 공압, 가스 유동, 열, 전기, 기계, 냉동, 공조, 윤활, 연료 시스템 및 불연속 시간에 따른 거동 등 다양한 분야에 적용될 수 있다. Easy5는 그림과 같이 다섯 가지 응용 라이브러리로 구성되어 있다. 1. 주요 기능 ■ 사전 준비되어 있는 수백 개의 시스템 부품을 이용해 시스템 모델을 쉽게 구성 ■ 도식화 기능을 이용하여 1D 시스템 모델링 및 해석, 분석 용이 ■ Easy5와 다른 MSC 제품과의 연동으로 완전한 가상 시제품 완성 ■ Windows 및 Linux OS 환경에서 64비트 해석 지원 ■ SimManager와의 연동으로 모델과 결과의 편리한 공유 사용 ■ 부품 라이브러리의 커스터마이징 가능 ■ Windows 스타일 기능들로 구성된 편리한 GUI 환경 제공 ■ Adams, MSC Nastran, Simulink 등 다양한 CAE 솔버와 연동 ■ FMI(Functional Mockup Interface) 지원으로 편리한 Co-Simulation 가능 2. 적용 효과 ■ 복잡한 다층 시스템에 대한 빠르고 정확한 진단 ■ 설계 프로세스 초기 단계에서 제품 개선 ■ 문제점 파악 및 효과적인 설계 개선안 도출 ■ 공유 가능한 라이브러리 사용으로 CAE 비용 감소 ■ 다른 툴과의 통합으로 CAE 효과 향상 좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기

작성일 : 2023-06-24

[피플&컴퍼니] 모라이 정지원 대표

자율주행 개발 위한 시뮬레이션의 가능성에 주목 모라이는 자율주행 시스템을 위한 시뮬레이션 기술을 개발하는 기업이다. 자율주행 시스템의 개발에 필요한 테스트를 AI가 접목된 시뮬레이션으로 대체해 시간과 비용을 줄일 수 있다는 것이 모라이의 비전이다. 모라이는 자율주행 자동차를 중심으로 연구 개발한 시뮬레이션 기술을 UAM, 국방 등 다양한 분야로 확장할 계획도 갖고 있다. ■ 정수진 편집장 모라이가 가진 핵심 기술에 대해 소개한다면 모라이는 자율주행을 연구하는 사람들이 모여 지난 2018년에 설립했다. 모라이(MORAI)라는 이름은 ‘모빌리티 + 리서치 + AI’ 그리고 ‘more AI’에서 따왔는데, 시뮬레이터 기반으로 정적/동적인 환경을 디지털 트윈으로 만들고 그 디지털 트윈 환경에서 대규모의 테스트를 진행해서, 차량이나 무인 이동체의 안정성을 확보하고 신뢰성을 확보할 수 있도록 하는 도구를 개발하자는 것이 창업 당시의 비전이었다. 현재는 현대자동차, 네이버 등 고객사뿐 아니라 국내 주요 대학교 및 연구소들과 교류를 진행하고 있다. 60여 개 대학교에 솔루션을 공급하고 연구 개발 목적이나 정규 교육과정에 적용을 하면서 인력을 양성하는 사업도 진행 중이다. 2022년에는 시리즈 B 투자를 유치했다. 모라이가 내세우는 모토는 “미래를 미리 경험하자”는 것이다. 실제 도로에서 달리는 자동차는 수많은 문제에 직면할 수 있는데, 이를 도로 주행 시험에서 모두 구현할 수 없기 때문에 시뮬레이션으로 한계를 극복하겠다는 것이 첫 번째 미션이다. 그리고 자동차의 기능이나 성능을 결정짓는 핵심요소가 하드웨어의 양산성이 아니라 소프트웨어로 옮겨가는 상황에서 최근의 화두인 소프트웨어 정의 차량(SDV)을 위한 검증 도구를 제공하고자 한다. 세 번째 미션은 실제 도로에서 확보하기 어려운 데이터들을 가상 환경에서 무수히 생성해서, 대량의 데이터를 신차 개발이나 기존 시스템의 검증·평가에 활용할 수 있는 도구를 제공하는 것이다. 이런 맥락에서 모라이가 갖는 차별점은 ▲공간 데이터를 활용해 디지털 트윈을 자동 생성하고, 대규모 도심 테스트를 가능하게 하는 것 ▲동적 객체를 AI 기반으로 모델링하는 것 ▲가상 데이터를 실제 환경에 적용할 수 있게 하는 것으로 정리할 수 있겠다. 또한, 이런 기술을 자동차뿐 아니라 UAM(무인 항공 모빌리티), 로보틱스, 해상 관제, 국방 등 다양한 분야로 넓히는 방법도 모색하고 있다. 자율주행 기술의 개발에서 시뮬레이션의 중요성은 어떤 것인지 차량이 스스로 인지, 판단, 제어하는 것을 자율주행이라고 할 때, 현재 상용화된 ADAS(첨단 운전자 보조 시스템)는 자율주행의 일부로 볼 수 있다. 모라이는 미국 자동차공학회(SAE)가 정의한 자율주행 단계의 레벨 3 이후를 타깃으로 한다. 레벨 3는 특정 조건에서 자율주행이 이뤄지면서, 위험이 생길 때 운전자가 개입하게 된다. 레벨 3 이후부터는 자동차 시스템의 품질 검증에 더 많은 시간이 걸리는 등의 이슈가 있어서, 기존의 개발 체계에서 시스템을 검증, 양산하기가 어려워질 것으로 보인다. 이를 해결하기 위해 가상 환경을 구축해 자동차를 평가하는 방법론이 등장하고 있는데, 모라이는 시뮬레이션 기반의 형식 승인 검증이나 평가를 위한 연구개발을 진행하고 있다. 또한, 관련 표준 및 법제도에 관한 연구도 활발한데, 이와 관련한 국내 활동에도 참여하고 있다. 실제 주행시험은 비용, 시간, 인력 등의 한계에 부딪치게 마련이다. 모든 환경에서 테스트를 한다는 것은 물리적으로도 어렵고, 양산 이후 자동차를 판매한 다음에 테스트를 할 수도 없다. 그래서 출시 전에 충분한 테스트를 원활하게 진행하는 것이 중요한데, 여기에 시뮬레이션의 역할이 있다. 또한, 생산 이후 사고나 리콜 사유가 발생했을 때 이에 대응하려면 많은 시간과 비용이 든다. 이런 관점에서 기술뿐 아니라 법적/제도적인 측면에서도 시뮬레이션이 유용하다고 본다. 실제로 자동차 제조업체뿐 아니라 보험회사에서도 사고 조사나 보험 상품의 설계에 시뮬레이션을 활용하려는 움직임을 보이고 있다. 글로벌 자율주행 시장의 동향에 대해서는 어떻게 보는지 자율주행 기술이 자동차뿐 아니라 무인이동체 전반으로 확장을 추구하면서, 올해 초 모라이가 참가한 CES 2023에서도 다양한 산업에서 자율주행 또는 자율운영을 접목하는 추세를 볼 수 있었다. 실제로 항공, 농기계, 로봇 등에서 가상 환경 기반 테스트에 대한 수요가 증가하고 있으며, 기계 시스템이 아닌 소프트웨어의 업데이트로 자동차의 기능이 발전하는 패러다임 변화도 일어나고 있다. 예를 들어, 기존에 자동차의 성능 향상은 엔진의 마력, 연비, 서스펜션, 조향 성능 등을 중심으로 이뤄졌다. 반면, 전동화와 자율화가 대세가 되면서부터는 전자전기 시스템이 핵심이 되고, 고정된 하드웨어에서도 OTA(over-the-air) 기반으로 소프트웨어를 업데이트하면서 마치 스마트폰이나 노트북에 새로운 앱을 설치하는 것처럼 기능을 향상시킬 수 있게 되었다. 소프트웨어 기반 검증 기술을 개발하는 입장에서는 소프트웨어 시장이 더욱 커질 것으로 기대되는 측면이 있다. 실제로 CES 2023에서도 소프트웨어 업체의 참가가 늘어난 모습을 볼 수 있었다. 앞으로 소프트웨어 기반 및 가상 환경에서의 자율주행 테스트가 더욱 중요해질 것으로 보이는데, 특히 자율주행 자동차 못지 않게 정해진 경로를 따라가면서 임무를 수행하거나 위험한 환경에서 임무를 수행하는 등의 분야에서 빠르게 상용화될 것으로 전망된다. 자율주행 시뮬레이션 분야에서 모라이가 가진 강점은 무엇인지 크게 세 가지로 정리할 수 있다. 첫 번째는 실제 도로 환경을 모사하는 자동화 기술이다. 이 모사 과정은 95% 이상 자동화가 가능하다는 점을 내세우고 있다. 수작업으로 실제 환경을 모사하는 과정은 비용과 시간이 많이 들고, 불가피하게 에러가 생길 수 있다. 반면, 모라이는 사용자가 원하는 지역을 선택하면 동일한 가상 환경을 구축하는 기술을 개발해, 현실과 동일한 가상 환경을 빠르게 구현하도록 돕는다. 두 번째는 AI로 실제 도로 상황을 모사하고, 이를 기반으로 실제와 같은 데이터를 수집, 분석 기술이다. 기존에는 사람이 상상하는 시나리오를 직접 그리는 방법밖에 없었다. 하지만 모라이는 관제 사업을 통해 자율주행차, 커넥티드 카, 일반 자동차가 다니는 도로의 빅데이터를 계속 수집하고 있으며, 이 빅데이터를 분석해 자율주행차의 실증이 필요한 지역의 교통 상황이나 돌발 상황을 그대로 모사할 수 있다. 세 번째는 AI에 활용할 수 있는 대량의 데이터를 확보할 수 있다는 점이다. 풍부한 정답 데이터를 제공하기 때문에, 다양한 상황에 대한 데이터를 생성하고, 이를 AI에 적용해 더 효율적으로 개발할 수 있는 체계를 갖추고 있다. 한편으로, 모라이는 설립 초기부터 자동차 산업에서 많이 쓰이는 해석 소프트웨어와의 연동성을 중시해 왔다. 앤시스, 디스페이스 등 해석 소프트웨어 기업과 협력을 통해 현업에서 투자한 시스템을 그대로 유지하면서 신기술 도입의 장벽을 낮추고자 노력하고 있다. 시뮬레이션 분야에서는 다양한 시뮬레이션을 연계/연동하는 코시뮬레이션(co-simulation)이 확대되고 있으며, 툴 간의 인터페이스를 위한 표준도 다수 등장하고 있다. 모라이는 FMI, FMU, 오픈 시뮬레이션 인터페이스 등을 기반으로 여러 시뮬레이션 툴과 연결성을 제공한다. 또한, 국내서 진행 중인 표준화 작업에도 참여하고 있다. 향후 모라이의 기술 개발 및 비즈니스 계획에 대해 소개한다면 모라이는 현재 100여 명의 인력이 있고, 그 중 80%가 개발 인력이다. 작년에는 60억 원의 매출을 거두었으며, 올해는 120억 원을 목표로 삼고 있다. 시뮬레이션에 대한 기대가 꾸준히 커지고 있으며 이에 대한 기업들의 투자도 적극적인 것으로 보여, 경기 하강에 대한 체감은 상대적으로 크지 않은 편이다. 자동차 분야에서는 자율주행 자동차의 형식 승인을 시뮬레이션 기반의 가상 환경에서 할 수 있는 수준으로 신뢰성을 확보하는 것이 목표이다. 이를 앞당기기 위한 표준화 활동에도 꾸준히 참여할 계획이며, 생산 전주기에서 활용 가능한 시뮬레이터로 자리매김하고자 한다. 또한 이런 자율주행 시뮬레이션 기술을 여러 분야로 확장할 계획도 가지고 있다. 가장 주목하는 분야 중 하나는 UAM 및 항공 분야이다. 이들 산업에서는 기체를 실제로 만들어서 시험하는 것이 자동차보다 더 어렵고, 가상 검증의 중요성이 큰 분야로 보고 있다. 향후 10년 내 완전 무인화가 가능할 전망이지만, 현재 실증이 가능한 환경은 전무한 상황이다. 특히 UAM은 새롭게 떠오르는 시장이어서, 향후 가능성에 기대를 걸고 있다. 한편, 국방 분야에서는 전장이라는 위험한 환경에 대비해 무기 체계의 무인화가 꾸준히 진행되고 있는 상황이다. 이에 대응해 무인 무기체계와 검증 도구를 함께 공급하는 것도 가능하다고 보고 있다. ■ 기사 내용은 PDF로도 제공됩니다.

작성일 : 2023-05-02

[핫윈도] DX 실현을 위한 제어 시스템 디지털 목업 기술 개발

작성일 : 2022-12-29

인텔, 누크 익스트림 13 신제품 출시 통해 크리에이터 시장 공략

인텔코리아가 12월 16일 인텔 누크(NUC) 기반 솔루션 발표 기자 간담회를 개최하고, 인텔 누크 신제품 국내 출시를 밝혔다. 인텔코리아는 이 행사에서 인텔 누크 13 익스트림 (코드명 랩터 캐년) 제품을 소개하고, 국내 AI 기반 영상처리 스타트업인 딥핑소스의 솔루션을 소개하는 자리를 마련했다. 인텔 누크는 출시 10주년을 맞이한 제품으로, 현재까지 1천만대의 누크가 판매됐다. 이날 인텔 이주석 부사장은 인텔 NUC 제품에 대한 개괄적인 소개를 진행하고, 차세대 컴퓨팅 장치(Next Unit of Computing, NUC)는 소형 폼팩터의 PC와 컴퓨트 엘리먼트를 포함하는 인텔의 제품군으로, 완벽한 데스크탑 PC 경험, 게이밍 경험, 엣지 기기 경험을 제공한다고 밝혔다. 이와함께 인텔 NUC가 제공하는 혜택으로 모듈화, 개방적이고 광범위한 NUC 생태계, 지속가능성이라고 강조했다. 인텔코리아 최원혁 상무는 최근 출시 제품인 인텔 누크 13 익스트림 제품의 세부 기술 정보를 공유했다. 인텔 누크 13 익스트림은 게이머와 콘텐트 크리에이터가 요구하는 기능과 성능을 제공하는 고성능 소형 폼팩터 PC이다. 최원혁 상무는 인텔 누크 13 익스트림 제품의 주요 특징으로 최신 13세대 인텔 코어 프로세서 및 최대 313mm 5세대 트리플슬롯 외장그래픽을 지원해 최고의 성능을 제공한다고 강조했다. 더불어 인텔 Wi-Fi 6E(Gig+) 및 썬더볼트 4 포트를 바탕으로 최고의 연결성을 제공한다고 밝혔다. 이어서 진행된 NUC 기반 솔루션 소개 세션에서는 이현규 딥핑소스 비즈니스 부문 상무가 딥핑소스 ‘익명화 영상 분석 솔루션’을 소개하고 데모를 시연했다. 해당 솔루션은 CCTV로 확보한 영상 자료 중 개인정보는 제외한 나머지 데이터를 AI기술을 사용해 분석한다. 총 4개 채널의 CCTV 정보를 하나의 NUC로 수집해 분석이 가능하며, 영상 데이터 수집을 위해 기존에 설치되어 있는 CCTV에 NUC를 연결, 인프라 교체에 따른 투자비용이 최소화된다는 장점을 자랑한다. 이현규 상무는 인텔 제온 프로세서 탑재 서버 또는 인텔 NUC를 하드웨어로 사용하며 인텔 오픈비노(OpenVINO)로 AI 모델을 최적화했다고 밝혔다. 이현규 상무는 “현재 국내 CCTV 보급률은 매우 높으나, CCTV를 통해 확보한 영상 데이터를 활용하는 비율은 현저히 낮다”고 말하며, 현재 세종 특별자치시 스마트 쉘터 디지털 사이니지와 코엑스 몰에 해당 솔루션을 적용했다고 소개했다. NUC 플랫폼 기반 익명화 영상 분석을 통해 버스를 기다리는 승객의 성별, 연령을 예측하고 맞춤형 광고를 표출했다. 이현규 상무는 오픈비노 플랫폼을 바탕으로 파이토치(PyTorch) FP32 대비 최대 28.3배 빠른 속도로 성별과 연령을 예측했으며, 오픈비노 플랫폼에 최적화된 모델은 기본 파이토치 모델 대비 최대 50개 많은 채널을 지원한다고 밝혔다. 마찬가지로 해당 솔루션을 도입한 코엑스는 딥핑소스의 “개인정보 침해 없는 AI 영상분석 솔루션, PLUSINSIGHT”를 도입해 코엑스의 유동인구 흐름을 시각화하고, 날씨 및 미세먼지, 전시회가 유동인구에 미치는 영향 파악에 도움을 받고 있다고 말했다.

작성일 : 2022-12-18