최적화 문제를 통찰하기 위한 심센터 히즈 (3)

이번 호에서는 심센터 히즈(Simcenter HEEDS)를 사용하여 수집된 외부 데이터를 시각화하고 분석하는 데 초점을 맞추고, 데이터 시각화의 중요성과 분석 기법의 활용 방안을 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

데이터 분석의 중요성

오늘날 데이터는 우리의 일상과 비즈니스 운영에서 점점 더 중요한 역할을 하고 있다. 수집되고 측정된 데이터의 양이 증가하면서 이를 효과적으로 처리하고 분석하는 방법은 더욱 필요해지고 있다. 이러한 변화 속에서, 지멘스의 심센터 히즈는 강력한 데이터 분석 및 시각화 기능을 제공하여 다양한 산업 분야에서 최적의 해결책을 찾는 데 기여하고 있다.

이번 호에서는 히즈의 기능을 효과적으로 활용하여 어떻게 복잡한 데이터를 이해하고 의미 있는 인사이트를 얻을 수 있는지 살펴볼 것이다.

히즈의 데이터 분석 기능

히즈의 Discover(디스커버) 탭은 사용자가 데이터 사이의 관계 및 최적화 가능성을 탐구할 수 있도록 다양한 도구를 제공한다. Discover 기능은 주요한 데이터 분석 및 이해를 도와주는 여러 방법을 포함하고 있다. 

그림 1

다음은 각각의 기능에 대한 설명이다. 

• Closest : 특정 데이터 포인트에 가장 가까운 변화를 식별한다. 이를 통해 최적화 과정에서의 데이터 민감성을 이해하고 결정에 도움을 줄 수 있다. 
• Similar : 사용자가 선택한 기준에 따라 유사한 데이터 집합을 찾는 기능이다. 이는 집합의 규칙 또는 모델을 파악하는 데 유용하다.
• Clusters : 데이터 세트를 서로 연관된 그룹으로 분류한다. 군집화 기법을 통해 데이터의 패턴을 식별하고 알고리즘에 의한 데이터 이해를 개선할 수 있다. 
• Trade-offs : 다수의 설계 목표 간의 상충 관계를 분석한다. 이를 통해 각각의 설계 대안이 어떻게 특정 목표를 달성하는지에 대해 명확하게 이해할 수 있다. 
• Patterns : 데이터 내의 반복되는 경향이나 구조를 발견하여 예측 및 모델링에 도움을 주는 기능이다. 패턴 인식은 정보의 신뢰도를 높이는 데 중요하다. 
• Preview History : 사용자가 수행한 변경이나 실행의 기록을 미리 보면서 데이터 분석의 이력을 관리할 수 있다. 
• Design Set : 여러 디자인 시나리오를 만들고 비교하여 최적의 설계를 도출하는 데 도움을 준다. 
• Performance & Plot : 데이터의 성능을 평가하고 시각적으로 플롯하여 분석 결과를 명확하게 표현한다. 

Discover 탭의 이러한 기능은 히즈 사용자가 데이터를 깊이 이해하고 시뮬레이션 최적화 과정에서 효과적인 의사 결정을 내리도록 돕는다. 이를 바탕으로 보다 정확하고 신뢰성 있는 설계와 분석 결과를 도출할 수 있다.

데이터 분석을 위한 예제

그림 2 

• 목적함수
  • 외팔보 H빔의 체적을 최소화
• 제약 조건
  • 최대 굽힘 응력(σ) ≤ 200 MPa 
  • 최대 끝단 처짐(δ) ≤ 2 mm 
• 설계 변수
  • Length : 5,000 mm 
  • Load P : 6,500 N 
  • E : 200 MPa 
  • H : 50 mm ≤ H ≤ 100 mm 
  • h1 : 5 mm ≤ h1 ≤ 30 mm 
  • b1 : 50 mm ≤ b1 ≤ 100 mm 
  • b2 : 5 mm ≤ b2 ≤ 50 mm

히즈의 Discovery Method를 사용하여 분석할 데이터는 우리가 지금까지 계속 예제로 사용한 외팔보의 처짐 문제를 기반으로 Adaptive Sampling Study(어댑티브 샘플링 스터디)에서 500개의 데이터를 생성하여 사용할 것이다. 아니면 독자들이 가지고 있는 데이터를 사용해도 괜찮다.

그림 3

■ 자세한 기사 내용은 PDF로 제공됩니다.