로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4)

지난 호에서는 로코드 분석 설루션인 나임(KNIME)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 완성해 보았다. 나임을 활용해 코딩에 크게 의존하지 않으면서 비교적 쉽고 간단하게 데이터 분석을 수행할 수 있다는 것을 확인해 볼 수 있었다. 이번 호에서는 전형적인 데이터 분석 유형과는 좀 다른 과제에 도전해 보고자 한다.

■ 연재순서
제1회 데이터 분석에 로코드 설루션이 필요한 이유
제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ
제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ
제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자
제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자

■ 윤경렬
현대자동차 연구개발본부 책임연구원

■ 김도희
잘레시아 DX 프로

대부분의 데이터 분석 과제는 데이터를 수집하고 정리하고 가공하는 과정이 복잡하고 어려운 경우가 많다. 특히 데이터에 대한 구조와 규칙을 이해하고 이를 정제하는 과정은 중요하지만 업무 성과로서 크게 돋보이지도 않는 경우도 종종 있다. 하지만 일단 제대로 정리해놓고 나면(전처리) 데이터를 활용하여 중요한 정보를 얻을 수도 있고 핵심적인 인사이트를 찾는 것도 용이할 수 있다.

어떤 면에서 진정한 데이터 분석 워크플로의 핵심 노하우는 머신러닝 분석 기술을 사용했는지가 아니라 데이터 전처리를 어떻게 수행해 왔는지에 달라질 수 있다고도 볼 수 있다. 그래서 이번 호에서는 다소 복잡해 보일수도 있지만 차량 부품(프런트 범퍼 빔) 파트에 대한 시뮬레이션 데이터 정리를 나임을 통해 정리해 나가는 방법을 보여주고자 한다.

분석 영역 : 차량 범퍼 빔(bumper beam) 파트
분석 데이터 : 시뮬레이션(CAE) 모델
데이터 유형 : NASTRAN(진동소음해석 분석을 위해 사용하는 솔버 포맷)
데이터 분석 목표 : 면적(area) + 체적(volume) 구하기

그림 1

시뮬레이션(CAE) 모델 및 나스트란(NASTRAN)에 대한 자세한 설명은 이번 호 내용의 범위를 벗어나기 때문에 넘어가도록 하겠다. <그림 1>의 차량 범퍼 빔 파트 모델은 삼각형 요소(tria element)와 사각형 요소(quad element)로 구성되어 있는데 상대적으로 삼각형 요소가 적으므로(26개) 삼각형 요소에 대한 면적을 구하는 과정을 진행해 보도록 하겠다.

그림 2

차량 범퍼 빔 파트 모델을 나스트란 포맷으로 익스포트(export)해 보면 <그림 3>과 같은 텍스트 형식으로 출력이 된다는 것을 알 수 있다. 노트패드++(Notepad++)같은 텍스트 에디터 소프트웨어를 통해 파일을 오픈할 수 있다. 설명을 용이하게 하기 위해 실제 데이터에서 일부만 샘플로 추출한 내용으로 설명하도록 하겠다. 참고를 위해 나스트란 데이터에 대한 설명을 간결하게 진행해 보자.

GRID는 3차원 공간상의 점(point/node)을 나타내는 것으로 ID/좌표 X/좌표 Y/좌표 Z로 구성되어 있다.
CTRIA3는 공간상의 삼각형 요소를 나타내는 것으로 ID/PSHELL ID/GRID ID1/GRID ID2/GRID ID3로 구성되어 있다.
CQUAD4는 공간상의 사각형 요소를 나타내는 것으로 ID/PSHELL ID/ GRID ID1/GRID ID2/GRID ID3/GRID ID4로 구성되어 있다.
PSHELL은 요소들(elements)이 속한 그룹에 대한 정보로 ID/ MAT1 ID/두께 등의 정보로 구성되어 있다.
MAT1은 PSHELL이 속한 재질(material)에 대한 정보를 담고 있는 것으로 ID/탄성계수(elastricity)/포아송비(poisson ratio)/밀도(density)로 구성되어 있다.

나임을 실행하고 나서 처음으로 해야 할 일은 데이터를 불러오는 것이다. 지난 연재에서 설명한 것과 같이 CSV Reader 노드를 사용하면 편리하다.

그림 3