제품 개발에 데이터 분석을 접목하면 어떤 시너지가 나는지 궁금하신가요?

그래서 준비한 한국알테어 DA for Manufacturing 과제 대회!


머신러닝을 적용하면 더 효율적인 제품 개발이 가능하다는 것은 많이 들어봤지만
실제로 어떻게 적용할 수 있을지, 데이터 분석에 대한 경험이 없어도 할 수 있을지
한국알테어 엔지니어들이 ‘직접’ 해보았습니다!

첫번째 과제: “머신러닝을 이용한 충돌 해석 모델 최적화”

충돌 최적화 해석 시 변형 형상을 고려하기 어려운 이유는 다음과 같습니다.
– 변형의 구간을 예측하여 상 하한 값을 지정해 주어야 함
– 형상의 구속을 위해 수십 ~ 수천개의 위치 정보를 정의해야 함
– 구속조건이 늘어나면서 해의 수렴이 어려워 짐

이 때 머신러닝 이용했을 때 장점을 활용할 수 있습니다.
– 하나의 구속조건으로 정의할 수 있어 최적의 해를 구하는데 빠른 수렴이 가능하게 됨
– 원하는 형상으로 최적해를 선택할 수 있음

이번 과제에서는 충돌 최적화 해석을 위한 Clustering 과정을 Knowledge studio를 이용하여 아래의 순서로 구현했습니다.

1. 데이터 차원축소
2. 군집화 (Clustering)
3. DL 메타모델 생성
ML-crash_optimization_1

메타모델을 이용한 최적화 해석을 수행했을 때
실제 해석을 이용한 최적화 모델과 유사한 경향을 보였고, 실제 해석 모델과의 시간 효율성은 150배 이상으로 효율적이다 라는 결론이 나왔습니다.

두번째 과제: “머신러닝을 활용한 EV 모터의 열관리 시스템”
ML-EV_thermal_topic

과제는 다음과 같은 프로세스로 진행하였습니다.
FluxFluxMotor로 모터 데이터를 수집하고, 데이터를 가공하고 ML모델을 적용해 시스템을 구성했습니다.
ML-EV_thermal_process

Knowledge Studio의 머신러닝 모델을 적용해 시스템 모델을 구성해서 열관리 제어 시스템이 정상 작동하는 것을 확인할 수 있었습니다.
ML-EV_thermal_system_model

Monarch를 직접 사용해보니 데이터 가공에 유용하고 과정이 비교적 간단하여 적용 편리했고,

여러가지 시스템 구현 가능, 데이터 활용폭 증가, 사고 차량의 데이터들을 통해 판단 기준 및 제어 로직 강화 가능
머신러닝 모델이 시스템 해석에 적합하다는 기대효과를 도출할 수 있었습니다.


열심히 준비한 과제를 발표 중인 엔지니어 분들의 모습을 살짝 공개합니다!

IMG_9007-1

IMG_9045-1

IMG_9083-1

IMG_9109-1

IMG_9026-1

IMG_9060-1

IMG_9121-1

모든 솔루션 팀들이 모여 다양한 관점에서 피드백을 주고 받으며 알찬 이야기가 오고 갔습니다.


이제 데이터 분석은 효율적인 제품 개발을 위한 선택이 아닌 필수로 자리잡고 있습니다.
알테어는 엔지니어링 시뮬레이션에 대한 전문성과 글로벌 유수 기업들과 함께한 경험을 바탕으로
머신러닝과 AI 등 데이터 전문 기술을 접목한 독보적인 솔루션을 제공하고 있습니다.

앞으로도 CAE에 데이터 분석 기술을 접목시킨 강화된 모습을 보여드릴 예정이니 많은 관심 부탁드립니다! :)

제품 관련 문의 및 상담은 [여기]를 클릭하시어 연락주시기 바랍니다.

감사합니다.
한국알테어