알테어가 항공우주 분야에 특화된 전산유체역학(CFD) 소프트웨어 제조사인 리서치인플라이트(Research in Flight)를 인수했다고 밝혔다. 이번 인수로 알테어는 항공우주 및 방위 산업에서의 입지를 더욱 강화할 수 있을 것으로 보고 있다. &nbsP; 리서치인플라이트의 대표 제품인 ‘플라이트스트림(FlightStream)’은 높은 정확도와 사용 편의성을 내세운 전산유체역학 소프트웨어로 미 공군, 미 육군, 나사(NASA) 에임스 연구센터에서 사용 중이다. 주로 항공기 설계 및 해석에 활용되며 초음속 비행체 개발에도 쓰인다. &nbsP; 알테어는 플라이트스트림의 빠른 계산 속도와 낮은 하드웨어 사양에 주목했다고 밝혔다. 이를 통해 많은 엔지니어와 설계자가 개발 초기에 수많은 설계안의 공기 역학적 특성을 심층적으로 분석할 수 있다는 것이다. 알테어는 플라이트스트림의 기술이 고비용의 실물 테스트 횟수를 줄일 수 있어 항공기 개발 비용과 시간을 절감할 수 있을 것으로 기대하고 있다. &nbsP; 플라이트스트림의 또 다른 장점은 복잡한 공기역학 현상 해석 능력이다. 플라이트스트림은 아음속부터 초음속에 이르기까지 광범위한 비행 조건에서의 공기 흐름을 정밀하게 예측할 수 있어 최근 개발이 한창인 도심항공교통(UAM)이나 전기 수직이착륙기(eVTOL) 설계에 용이할 것으로 보인다. 또한 경계층에서의 유동 박리현상, 점성 효과 등 공기역학적 현상을 세부적으로 분석해 항공기의 안정성과 성능 확보를 지원한다. &nbsP; &nbsP; 리서치인플라이트의 플라이트스트림은 알테어의 설계 및 시뮬레이션 플랫폼인 하이퍼웍스에 추가될 예정이다. 알테어 유닛 라이선스 시스템을 통해 플라이트스트림을 제공함으로써, 사용자는 개별 제품을 구매하지 않고 여러 제품을 경제적으로 사용할 수 있게 된다. 리서치인플라이트의 비벡 아후자 공동창립자는 “이번 인수를 통해 리서치인플라이트의 CFD 솔루션이 알테어의 기술 포트폴리오에 추가됨으로써 더 많은 사용자들이 사용하고, 이를 통해 항공우주 분야에서 입지를 넓힐 수 있길 바란다”고 전했다. &nbsP; 알테어의 짐 스카파 CEO는 “리서치인플라이트 인수를 통해 항공우주 및 방위 분야 기술력을 더욱 강화하게 되었다. 특히 항공기의 다양한 운용 상태에 대한 공기 역학적 특성을 신속하게 평가하고 최적화할 수 있어 UAM, eVTOL 등 새로운 항공 기술 개발에 큰 도움이 될 것으로 기대된다”고 밝혔다.

AI 영상 분석 전문기업인 씨이랩은 5월 1일~3일 서울 코엑스에서 열리는 ‘2024 국제인공지능대전(AI EXPO KOREA 2024)’을 통해 영상분야에 특화된 AI 제품을 선보였다고 전했다. 씨이랩은 이번 전시회에서 ▲AI 영상 분석 서비스 ‘비디고(VidiGo)’ ▲합성 데이터 생성 솔루션 ‘엑스젠(X-GEN)’ ▲쿠버네티스 기반 AI 플랫폼 ‘아스트라고(astrago)’ 등 자사의 비전 AI 기술이 적용된 주요 제품을 출품했다. 특히 씨이랩은 클라우드 기반 AI 영상분석 서비스 비디고의 신규 버전인 ‘비디고 서치엔진(VidiGo Search Engine)’을 공개했다. 비디고 서치엔진은 영상을 시청하지 않고도 검색을 통해 특정 객체나 장면을 AI가 빠르게 찾아낸다. 영상을 요약하거나 숏폼을 제작하는 ‘비디고 하이라이트(VidiGo Highlight)’의 후속 제품이다. 씨이랩의 최원준 리더는 “비디고 하이라이트는 누구나 쉽게 AI 영상 분석을 진행할 수 있도록 카카오톡 채널을 통해 출시한 반면, 비디고 서치엔진은 대규모의 영상을 보유한 기업을 타기팅하고 있다. 이번 행사에서 비디고의 주요 타깃인 미디어 산업 분야의 참관객들에게 높은 관심을 받았다”고 말했다. &nbsP; &nbsP; 한편, 씨이랩은 AI 엑스포의 부대행사로 ‘비전 AI의 현재와 미래’라는 주제의 세미나를 진행했다. 세미나에서 씨이랩의 채정환 부사장은 “현재의 AI 시장은 초거대 언어 모델(LLM) 중심으로 발전해왔고, 머지않아 초거대 비전 모델(LVM : Large Vision Model) 중심으로 확대될 것으로 전망한다”고 밝히며, 엔비디아 옴니버스 플랫폼과의 협력을 통한 LVM 구성 전략을 제시했다.

아비바가 산업 인텔리전스 플랫폼인 ‘커넥트(CONNECT)’를 공개했다. 기존에 ‘아비바 커넥트’에서 ‘커넥트’로 변경된 이 플랫폼은 슈나이더 일렉트릭, RIB, ETAP 및 광범위한 파트너 공급업체의 애플리케이션의 연동을 지원하여 고객이 운영하고 있는 산업 생태계 전반의 인사이트를 통합하고, 지능형 디지털 트윈을 구축할 수 있도록 돕는다. 이를 통해 고객은 각 분야의 의사결정권자가 신뢰할 수 있고 실행 가능한 인사이트를 기반으로 성과를 높이고 효율성을 최적화하는 동시에 지속가능성을 극대화하여 ROI를 높일 수 있다. 새롭게 출시된 커넥트는 전체 산업 라이프사이클을 실시간으로 아우르는 개방적이고 중립적인 디지털 플랫폼으로, 기본 데이터 서비스, 시각화 서비스, 모델링 및 분석 기능, 애플리케이션 개발 서비스와 더불어 서비스 및 사용 관리 기능을 제공한다. 데이터, 디지털 트윈, 산업 인공지능, 심층적인 도메인 전문 지식을 단일 환경 내에 통합하며, 마이크로소프트 애저(Microsoft Azure) 클라우드 기반으로 고객이 역량을 손쉽게 확장하고 향상된의 지속가능성을 경험할 수 있도록 지원한다. 커넥트는 원격 자산, 아비바의 애플리케이션, 타사 데이터 소스를 하나의 안전한 단일 플랫폼으로 결합하여 산업 기업이 클라우드에 대한 기술 투자를 최대한 활용할 수 있도록 지원함으로써 고유한 산업 생태계를 구축할 수 있도록 한다. 아비바에 따르면 현재 전 세계에서 수만 명의 월간 액티브 유저가 커넥트를 사용하고 있다. 커넥트에서 지원되는 주요 제품으로는 아비바 파이(AVEVA PI) 시스템, AVEVA OPerations Control(운영 제어), AVEVA Unified Engineering(통합 엔지니어링), AVEVA Advanced Analytics(고급 분석), AVEVA Asset Information Managament(자산 정보 관리), RIB CostX 등이 있다. &nbsP; &nbsP; 한편, 아비바는 새로운 산업 애플리케이션 시장의 기반을 형성하기 위해 커넥트 중심의 다양한 파트너십을 확대하고 있다고 전했다. 예를 들어, 아비바와 마이크로소프트는 아비바의 산업 인텔리전스 플랫폼인 커넥트와 마이크로소프트의 제조업 클라우드(Microsoft Cloud for Manufacturing)를 사용하여 생산 실행 데이터와 공급망 생산 계획 데이터를 마이크로소프트 패브릭(Microsoft Fabric)에서 통합하고 컨텍스트화한다. 아비바의 캐스퍼 허즈버그(CasPar Herzberg) CEO는 “연결된 산업 경제 전략은 생태계 전반에서 글로벌 협업의 이점을 실현한다. 업계를 선도하는 산업 인텔리전스 플랫폼인 커넥트를 통해 산업 조직에서는 가치 사슬에 대한 총체적인 이해를 바탕으로 모든 단계에서 실시간 혁신을 촉진할 수 있다. 분석과 AI로 강화된 고유의 강력한 데이터 에코시스템은 마찰이 발생하지 않는 단일 환경에서 탁월한 효율성을 제공하여, 더 스마트하게 엔지니어링하고, 더 효율적으로 운영하며, 수익성을 높일 수 있도록 지원한다”고 말했다. 또한 “커넥트는 산업 디지털 트랜스포메이션의 다음 물결(Industrial DX 2.0)을 가속한다. 클라우드에서 서비스되는 AI 기반 플랫폼이 산업 정보를 공유하고 통합하여 기업, 파트너 및 고객의 효율성, 생산성 및 지속 가능성을 향상시킨다. 워크플로 간소화부터 실시간 모니터링 및 제어, 원격 협업 개선, 산업 자산의 엔드 투 엔드 수명 주기 성능 극대화에 이르기까지 업계의 디지털 트랜스포메이션 요구 사항을 해결한다”고 덧붙였다.

어도비가 어도비 익스프레스(Adobe ExPress) 모바일 애플리케이션을 공식 출시했다.&nbsP; 어도비 익스프레스는 쉽고 빠르게 소셜 미디어 콘텐츠, 동영상, 전단지, 로고 등을 구상 및 디자인하며 공유할 수 있는 올인원 AI 콘텐츠 제작 앱이다. 어도비는 “어도비 익스프레스로 제작된 콘텐츠 수가 지난해에만 두 배 이상 증가하는 등 전 세계 수백만 명의 사용자가 콘텐츠 제작을 위해 어도비 익스프레스를 사용하고 있다”고 설명했다.&nbsP; 새로운 어도비 익스프레스 모바일 앱은 무료로 사용 가능하며 다양한 언어와 대부분의 안드로이드 및 iOS 기기를 지원한다. 사진, 디자인, 동영상 및 생성형 AI 역량 등을 올인원 콘텐츠 편집기에 통합해 마케터, 중소기업, 학생, 크리에이터 전문가 등 누구나 웹과 모바일에서 고품질의 콘텐츠를 제작할 수 있도록 돕는 것이 특징이다. 또한, 어도비 익스프레스는 모든 스킬 수준의 사용자가 어도비 파이어플라이 생성형 AI 구동 기능을 통해 빠르고 간편하게 복잡한 작업을 해결할 수 있도록 지원한다. 크리에이터는 텍스트를 이미지로(Text to Image), 텍스트 효과(Text Effects), 생성형 채우기(Generative Fill), 텍스트를 템플릿으로(Text to TemPlate) 등의 기능을 사용해 간단한 텍스트 프롬프트로 뛰어난 이미지와 디자인을 즉시 생성하고, 인물이나 개체를 삽입, 제거 및 교체하며 시선을 사로잡는 헤드라인을 만들 수 있다. 또한 오디오에서 애니메이션(Animate from Audio)과 비디오 자막(CaPtion Videos) 등 AI 기능을 통해 복잡한 작업을 클릭 한 번으로 자동화할 수 있다. &nbsP; &nbsP; 새로운 어도비 익스프레스 모바일 앱은 어디서나 쉽고 빠르게 아이디어를 구상하고, 콘텐츠를 생성 및 게시할 수 있도록 다양한 기능을 제공한다. 템플릿에 동영상 클립과 이미지, 음악을 결합할 수 있으며, 애니메이션을 추가하고 정확한 맞춤형 자막을 100개 이상의 언어로 실시간 생성 및 편집할 수 있다. 동영상 타임라인, 레이어 타이밍 및 4K 동영상 기능도 지원한다. 클릭 한 번으로 이미지 및 동영상 배경을 편집, 제거하거나 크기를 조정하고, QR 코드를 생성하거나 동영상을 자를 수 있다. 텍스트를 이미지로 생성할 수 있고, 간단한 텍스트 프롬프트로 인물, 개체 등을 삽입, 제거 및 교체할 수도 있다. 생성형 AI를 활용해 헤드라인, 카피 및 메세지를 만들거나 소셜 미디어 콘텐츠, 전단지, 포스터용 템플릿을 제작할 수도 있다. 사용자는 수천 개의 동영상 및 템플릿과 2만 8000개 이상의 어도비 글꼴, 수십만 개의 어도비 스톡 동영상, 음악 및 디자인 애셋을 이용할 수 있다.

ingectar-e 저자(글) / 구수영 번역 / 20,000원 / 제이펍 '갖고 싶다'라는 생각이 들게 하는 좋아 보이는 디자인에서 더 좋아 보이는 디자인은 어떻게 만드는 것일까? 갈수록 디자인 경쟁이 치열해지면서 실시간 온라인 검색을 통해 더 예쁘고 독특하고 눈에 잘 띄는 디자인 제품을 찾는 시대에 살고 있다. 소비자의 지갑을 열 수 있는 무한 경쟁의 시대에 상품을 선택하는 기준의 큰 차이가 디자인도 한몫을 담당하고 있다. <퀴즈로 배우는 디자인>은 어떤 게 더 좋아 보이냐고 질문을 던지고, 선택한 디자인이 맞는지 틀리는지 정답을 알려주면서 왜 그 디자인이 좀 더 눈길을 끄는지 소상하게 알려준다. 총 47개의 퀴즈를 풀면서 디자인 감각을 키울 수 있도록 구성된 이 책은 누구나 쉽게 디자인의 매력에 빠질 수 있도록 안내하고 있다. 하지만 퀴즈 문제의 정답만을 찾는 것이 능사는 아니다. 이 책에서는 A와 B 타입의 조금씩 다른 디자인을 사진을 보여주면서 어떤 게 더 좋은 디자인이지 알려준다. 이렇게 하나씩 퀴즈를 풀다 보면 디자인 기초를 닦는 것은 물론, 전달 능력이 향상된다거나 머릿속 이미지를 구체화하는 등 디자인 속에 담긴 비밀의 열쇠를 하나씩 돌려 열 수 있게 될 것이다. 특히 레이아웃부터 컬러, 디자인 마케팅까지 평생 써먹을 수 있는 디자인의 숨겨진 비밀이 무엇인지 궁금하다면 이 책을 꼭 살펴보시기 바란다. 이 책은 더 좋아 보이는 디자인을 고르는 방법을 퀴즈 형식으로 구성해 다양한 디자인 감각을 좀 더 쉽게 배울 수 있도록 구성되어 있다. 총 47종류의 디자인 페이지를 보다 보면 어느 것이 더 좋아 보이는지 보는 눈의 감각을 키울 수 있다. 또한, 2가지 중에서 선택한 디자인이 더 좋아 보이는 이유와 관련 디자인 지식까지 체계적으로 배울 수 있다. 지금부터라도 디자인 감각을 한층 더 끌어올리고 싶은 크리에이터나 예비 디자이너에게 추천한다.

문화유산 분야의 이미지 데이터베이스와 활용 사례 (5) &nbsP; 지난 호에서는 우리의 소중한 문화유산인 전통 한지에 관한 데이터베이스 구축의 중요성과 문화유산 분야에서의 활용 사례에 관하여 살펴보았다. 데이터베이스에 어떠한 정보가 유용한 정보인지를 판단하기 위하여 종이의 역사와 동아시아 전통 종이의 차이를 정리하였다. 한지 제지 공정, 한지의 다양한 명칭, 한지의 특징, 한지의 원료, 한지의 색상 및 빛의 투과 특성, 전통한지의 우수성과 전통 계승 및 보존의 중요성에 관해서 살펴보았다.&nbsP; 이번 호에서는 국내외의 고지도를 소개하고 고지도에서 얻을 수 있는 다양한 지리 및 역사 정보에 관하여 살펴본다. 근대의 측량 기술이 도입되기 전에 제작된 고지도의 한계와 수록된 정보의 해석에 있어서의 주의점에 관해서도 생각해 보고자 한다. 고지도 데이터베이스의 중요성과 문화유산, 역사, 인문학 분야에서의 해석 및 활용 사례에 관하여 살펴보도록 한다. &nbsP; ■ 연재순서 제1회 이미지 데이터와 데이터베이스의 중요성 제2회 서화, 낙관, 탁본 데이터베이스 제3회 옛 사진 데이터베이스 제4회 한지 데이터베이스 제5회 고지도 데이터베이스&nbsP; 제6회 고서 자형 데이터베이스 제7회 필사본 고서 데이터베이스&nbsP; 제8회 목판본 고서 데이터베이스&nbsP; 제9회 금속활자본 고서 데이터베이스&nbsP; 제10회 근대 서지 데이터베이스&nbsP; 제11회 도자기 데이터베이스 제12회 안료 데이터베이스 &nbsP; ■ 유우식 웨이퍼마스터스의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 상임연구위원, 문화유산회복재단 학술위원이다. 이메일 | woosik.yoo@wafermasters.com&nbsP; 홈페이지 | www.wafermasters.com &nbsP; 그림 1. 대동여지도와 대한민국전도의 유사도와 축척 비교(10리를 4km로 계산하면 대동여지도는 실제의 크기보다 약 25% 크게 그려져 있다.) &nbsP; 우리나라의 지도 국어사전에서는 지도(地圖)를 &nbsP;‘지구 표면의 상태를 일정한 비율로 줄여, 이를 약속된 기호로 평면에 나타낸 그림’으로 설명하고 있다. 근대 이후에 제작된 지도를 바탕으로 한 설명이라고 볼 수 있다. 현대에는 수치 정보를 바탕으로 한 지리 정보 시스템(GIS : GeograPhic Information System)과 GPS(Global Positioning System)를 사용하여 항공기, 선박, 자동차 및 보행자의 위치를 무선으로 안내하는 시스템이 사용되고 있다. 지도의 수치 정보와 자신의 위치 정보는 컴퓨터에서 처리되며 화면에 표시된다. 물론 전통적인 방법으로 종이에 인쇄하여 사용하는 것도 가능하다. 우리나라 지도 제작의 역사는 삼국시대 이전으로 거슬러 올라갈 것으로 추정된다. 삼국시대 이전에도 외부와 교류가 활발했고 기록 활동도 있었으므로, 어떠한 형태로든 지도가 만들어졌을 것으로 보인다. 필사에 의한 간단한 약도부터 초기 형태의 지도가 만들어져 활용되었을 것이다. 그러나 현재는 조선 시대 이후의 것들만 전해지고 있다. 현존하는 고지도 가운데 가장 오래된 지도는 조선 초기인 1402년(태종 2년)에 제작된 ‘혼일강리역대국도지도’이다. 이 지도는 당시 제작된 세계 지도로는 세계적으로도 가장 뛰어난 지도 중의 하나로 인정되고 있으나 원본은 전하지 않는다. 필사본은 일본 류코쿠대학이 소장하고 있다. 일본 텐리대학과 서울대학교 규장각에는 필사 모사본이 있다.&nbsP; 조선 전기에는 국토의 측량을 기초로 우리나라 영토의 부분부분을 그린 지도가 활발하게 만들어졌다. 조선 전기의 대표적인 전도(全圖)로는 1530년(중종 25년)에 간행된 ‘신증동국여지승람’에 수록된 ‘팔도총도’를 들 수 있다. 이 전도는 특정 지역의 지역적 성격을 종합적으로 지도와 함께 기록한 지지(地誌)를 보완하는 형태로 부도(附圖)의 형식을 영토의 전체적인 모양을 두 면에 수록하였으며 대표적인 산, 강, 고을의 이름이 간략하게 적혀 있다.&nbsP; &nbsP; 대동여지도 개항 이전인 1876년(고종 13년), 근대적 측량이 이루어지기 전에 제작된 한반도의 지도 중 가장 정확한 지도로 꼽히는 것이 ‘대동여지도’이다. 김정호가 1861년(철종 12년)에 지도첩의 형태로 제작한 한반도의 지도이다. 접었을 때의 책의 크기는 가로 20cm, 세로 30cm로 보관과 운반이 용이하게 만들어졌다. 지도는 가로 19판, 세로 22층(또는 22첩)으로 이루어졌다. 지도의 축척을 나타내는 방안(方眼)에 의하면 지도의 한 면은 가로 80리, 세로 120리에 해당하며 지도의 두 면이 한 장의 목판으로 인쇄되었다. 지도를 펼치면 가로 약 3.8m, 세로 약 6.7m에 이른다. 현재 세 건이 대한민국의 보물로 지정되어 있으며, 대동여지도의 인쇄에 사용된 목판이 2008년에 대한민국 보물로 지정되었다. <그림 1>에서 보는 바와 같이 현재의 한반도 지도의 윤곽과 비교해도 손색이 없다. 1834년(순조 34년)에 제작하고 1840년대까지 3차례에 걸쳐 개정한 ‘청구도’와 1530년에 편찬한 ‘신증동국여지승람’ 등을 참고하여 만들어진 것으로 여겨지고 있다.&nbsP; 대동여지도의 백두산 부분을 살펴보면 단순한 지리 정보 뿐만 아니라 청나라와의 국경을 정한 내용, 청나라와 조선의 담당자, 비석을 세운 날짜 등을 기록하여 세운 비석인 &nbsP;정계비(定界碑)의 위치까지 표시되어 있다.(그림 2) 정계비를 세운 날짜는 강희 51년 5월 15일로 1712년(숙종 38년)의 일이다. ‘강희임진정계(康熙壬辰定界)’라고 적혀 있어 청나라 강희제의 임진년인 1712년에 청나라와 조선의 경계를 정해서 비석을 세운 것임도 기록해 두었다. 대동여지도가 1861년에 만들어진 것이므로 149년 전의 역사적 사실을 기록한 셈이다. 이처럼 고지도에는 단순한 지리 정보뿐만 아니라 역사 정보도 기록되어 있는 경우가 많아, 귀중한 역사 연구자료로서의 가치도 매우 높다.&nbsP; &nbsP; 그림 2. 대동여지도에 그려진 백두산 부분.조선과 청나라의 국경을 표시하기 위하여 1712년 5월 15일에 세워진 백두산정계비의 위치가 표시되어 있다.&nbsP; &nbsP; 대동여지도는 100리(里)를 1척(尺)으로, 10리를 1촌(寸)으로 한 백리척(百里尺) 축척의 지도이나 당시의 10리를 현재의 길이 단위로 정확히는 알 수 없다. 조선 시대의 10리를 오늘날과 마찬가지인 4km로 계산하면 축척은 1 : 16만으로 계산된다. ‘대동지지’와 ‘속대전’의 기록인 “주척(周尺)을 쓰되 6척은 1보(步)이고 360보는 1리(里)이며 3600보는 10리로 된다”라는 내용을 기준으로 축척을 추정하면 1 : 21만 6000이다. 그러나 필자가 현대에 만들어진 지도와 크기가 유사하게 조정하여 대동여지도의 축척을 계산하면 약 1 : 12만 8000이었다. 문헌상의 기록을 바탕으로 추정한 축척과는 25% 또는 69%의 차이가 발생한다. 대동여지도에서는 실제 거리로 약 1280m(=1.28km)에 해당하는 직선 거리가 1cm로 표시된 셈이다. &nbsP; &nbsP; ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (12) &nbsP; 이번 호에서는 자주 사용되는 형상을 사용자 정의 피처(UDF)로 생성하고 손쉽게 재사용하는 방법에 대해 알아보자. UDF는 중복되는 형상을 매번 모델링하지 않고 라이브러리의 형태로 생성하여, 설계 시간을 단축하고 편의성을 향상시키기 위해 사용된다. &nbsP; ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 이메일 | smPark@digiteki.com 홈페이지 | www.digiteki.com &nbsP; &nbsP; UDF로 사용할 모델 생성하기 UDF로 만들기 위한 새 부품을 생성한다. &nbsP; &nbsP; ‘밀어내기’를 이용하여 UDF 형상의 참조로 사용할 아래 부분의 형상을 생성한다. &nbsP; &nbsP; 다음으로는 UDF를 사용자가 원하는 위치에 쉽게 배치하기 위해 좌표계를 기반으로 모델을 생성한다. 먼저 좌표계를 생성한다. &nbsP; &nbsP; 좌표계 생성 시 사전에 생성한 형상의 위 서피스를 선택하고, 거리를 이용하여 배치 조건을 선정한다. 이때 생성하는 좌표계의 참조 조건이 UDF를 생성한 이후 배치할 때 참조하게 되는 조건이 된다. &nbsP; &nbsP; 새롭게 생성한 좌표계를 기준으로 X, Y, Z 방향의 데이텀 평면을 새롭게 생성한다. &nbsP; &nbsP; 모델 트리에 새롭게 좌표계와 데이텀 평면이 생성된 것을 확인한다. &nbsP; &nbsP; 새로 생성한 좌표계와 데이텀 평면을 참조하여 UDF로 생성하고 싶은 형태를 모델링한다. 이때 기본 참조면(SIDE, TOP, FRONT)과 밀어내기1을 참조하지 않아야 한다. &nbsP; &nbsP; ■ 자세한 기사 내용은 PDF로 제공됩니다.

시뮤텐스 소프트웨어를 활용한 복합소재 해석 (2) &nbsP; 시뮤텐스(SIMUTENCE)의 시뮤필(SimuFill)은 성형 프로세스 모델링을 위한 기존 소프트웨어 아키텍처(아바쿠스 및 몰드플로우 플러그인)를 개선하여 고급 압축 및 사출 성형 분석이 가능하다. 시트 몰딩 컴파운드(SMC), 장섬유 강화 열가소성 수지(LFT) 및 유리 매트 열가소성 수지(GMT)의 압축 성형은 단섬유 섬유 복합재에 가장 많이 적용되는 제조 공정 중 하나이다. 그러나 이러한 재료를 성형하면 부분적으로 채워진 캐비티(미충진 영역)가 수반될 수 있어, 섬유 배향의 변화와 같은 흐름에 따른 효과 분석이 필요하다. ■ 자료 제공 : 씨투이에스코리아, www.c2eskorea.com &nbsP; 시뮤필(SimuFill) 제품을 통해 제공되는 몰드플로우 애드온(Moldflow Add-on)은 PVT 거동을 경화도의 함수로 모델링할 수 있으며, 각각 열가소성 수지와 열경화성 수지의 결정화 및 경화 동역학을 예측하는 것이 포함된다. &nbsP; LFT 스트랜드에 대한 섬유 배향 초기화 유동 길이가 충분히 짧은 경우 초기 섬유 배향은 최종 섬유 배향에 큰 영향을 미친다. LFT 스트랜드(strands)에서 국부적인 섬유 배향은 불균일하며 압출 공정을 통해 결정된다. 시뮤필을 사용하면 분석 방정식을 사용하여 LFT 스트랜드의 로컬 섬유 배향을 초기화할 수 있다. &nbsP; &nbsP; 결정화 및 경화 동역학 시뮤필을 사용하면 열가소성 재료(LFT, GMT)의 결정화 역학과 열경화성 재료(SMC)의 경화 역학을 예측할 수 있다. 이는 결정화/경화도를 초기 조건으로 고려하여 금형 충진 및 부품 변형/스프링을 정확하게 예측할 수 있다. 시뮤필은 아바쿠스(Abaqus)의 후 변형 분석용 추가 기능인 시뮤워프(SimuWarP)에서도 사용되는 몰드플로우용 Nakamura-Ziabicki 모델(결정화 모델)을 제공한다. &nbsP; &nbsP; PVT 모델링 PVT 거동의 정확한 모델링은 열 신장 및 수축으로 인한 잔류 변형률을 정확하게 예측하는 데에 중요하다. 잔류 변형은 잔류 응력과 변형을 유발한다. 시뮤필은 열가소성 수지와 열경화성 수지 모두에 대한 경화도의 함수로서 PVT 거동을 예측하기 위한 정교한 모델을 제공한다. &nbsP; &nbsP; 프레스 톤수 최적화 프레스 톤수는 제조에 매우 중요하고 자본 투자에 있어 비용을 유발하는 요소이다. 복잡한 재료 거동, 설계 반복 및 처리 전략은 필요한 공정 톤수에 큰 영향을 미친다. 시뮤필을 사용한 성형 시뮬레이션은 공정력을 신뢰할 수 있는 추정을 가능하게 하므로 자본 투자를 줄이는 데에 핵심 역할을 한다. &nbsP; &nbsP; 초기 Charge 성형 대부분의 시뮬레이션 접근 방식은 재료 흐름이 시작되기 전에 복잡한 초기 Charge 구성의 성형을 포착하지 못한다. 시뮤필을 사용하면 복잡한 초기 Charge 구성을 설명하기 위해 재료 성형 및 재료 흐름을 예측하는 순차적 접근 방식이 가능하다. 초기 Charge 구성을 고려하고 최적화하면 완전한 금형 충진과 공정 시간 단축이 보장된다. &nbsP; &nbsP; &nbsP; ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공사례 &nbsP; 파이앤시스(PyAnsys)는 파이썬(Python)을 활용하여 앤시스(Ansys) 제품을 사용할 수 있는 라이브러리를 뜻한다. 파이앤시스는 구조해석과 관련한 PyMAPDL, PyMechanical과 전처리 및 후처리에 대한 PyDPF가 있다. 이와 같은 라이브러리를 이용하면 파이썬 내에 있는 패키지와 함께 다양한 작업이 가능해진다. 이번 호에서는 파이앤시스 중에서도 PyMAPDL에 대한 사용 방법과 활용 예시를 소개하고자 한다. &nbsP; ■ 노은솔 태성에스엔이 구조 3팀 매니저로 구조해석 및 자동화 프로그램에 대한 기술 지원을 담당하고 있다. 이메일 | esnoh@tsne.co.kr 홈페이지 | www.tsne.co.kr &nbsP; 앤시스에서 구조, 열, 음향 등 다양한 해석에 사용되는 유한요소 솔버 중 하나인 Mechanical APDL은 명령어를 기반으로 구동된다. 복잡한 연산이나 매개변수 설정 및 자동화 기능이 가능하기 때문에 여전히 많이 사용되고 있다. 하지만 앤시스 워크벤치(Ansys Workbench)의 제한적인 기능을 활용할 경우, 추가적으로 APDL 명령어를 사용해야 한다. 말하자면 APDL 명령어로 여러 기능을 구현할 수 있지만, 넓은 범위에서 적용하기에는 한계가 있는 것이다. 예로 머신러닝이나 딥러닝과 관련한 라이브러리인 텐서플로(TensorFlow)나 케라스(Keras) 등은 APDL 명령어 내에서는 사용할 수 없으며, 파이썬과 APDL 연동에도 한계가 있다.&nbsP; 이 때 PyMAPDL 라이브러리를 사용하면 파이썬 내에서 APDL을 사용하기 때문에 활용도가 넓어진다. 이번 호에서는 PyMAPDL의 사용 방법과 활용 예시를 다뤄보고자 한다.&nbsP; &nbsP; PyMAPDL 사용 방법 PyMAPDL은 파이썬에서 사용될 때 gRPC(Google Remote Procedure Call)를 기반으로 파이썬 명령어를 APDL 명령어로 변환하여 MAPDL 인스턴스(Instance)에 전송하고, 결과를 파이썬으로 다시 반환한다. 이러한 작업 과정 때문에 파이썬과 MAPDL 간 원활한 데이터 통신이 가능해지며, 다수의 MAPDL 인스턴스를 생성하여 다른 명령으로 동시 작업 또한 가능하다. &nbsP; 그림 1. PyMAPDL gRPC &nbsP; 먼저 PyMAPDL을 사용하기 위해서 앤시스 메커니컬(Ansys Mechanical)이 설치되어 있어야 하며, 관련 라이선스를 보유하고 있어야 한다. 현재 파이앤시스 홈페이지에 따르면 파이썬 3.8 이상 버전을 지원하고 있으며, gRPC 기반으로 사용하기 위해서 앤시스 2021 R1 이상을 권장한다. 파이썬과 앤시스 모두 설치되어 있는 환경이라면 추가적으로 PyMAPDL 라이브러리를 설치해야 한다. 터미널 창에 ‘PiP install ansys-maPdl-core’ 한 줄의 입력으로 쉽게 설치되며, 버전을 따로 지정하지 않을 경우 최신 버전으로 설치된다. PyMAPDL은 <그림 2>와 같이 ‘launch_maPdl’ 함수를 호출하여 사용한다. 이는 Mechanical APDL Product Launcher를 실행하는 것과 유사하다. 해당 함수를 활용할 때 입력 가능한 주요 인자들을 입력하여 작업 폴더 위치나 파일 이름, 계산 방식 및 라이선스 등을 지정할 수 있다.&nbsP; &nbsP; 그림 2. PyMAPDL 실행 명령어 &nbsP; 기존에 APDL에서 육면체 형상을 모델링하여 요소를 생성하는 과정은 <그림 3>과 같이 작성되고, 동일한 작업을 PyMAPDL로는 <그림 4>와 같이 구성할 수 있다. 작성된 APDL과 PyMAPDL 명령어를 비교하면 형태가 매우 유사한 것을 볼 수 있다. 이 때 PyMAPDL은 파이썬에서 두 가지 방식으로 사용된다. 첫 번째는 ‘run’ 명령어를 활용하여 APDL 명령어를 스트링(string)으로 입력해 직접 실행하는 방법이며, 두 번째는 파이썬 명령어로 변환해서 처리하는 방법이다. &nbsP; 그림 3. MAPDL 모델링 및 요소 생성 예시 &nbsP; 그림 4. PyMAPDL 모델링 및 요소 생성 예시 &nbsP; &nbsP; ■ 자세한 기사 내용은 PDF로 제공됩니다.