AI가 이끄는 기계 부품 설계 혁신

히어로 모터코프, Altair PhysicsAI로 설계 속도 99% 향상

고객 소개

히어로 모터코프(Hero MotoCorp Ltd., 이하 히어로)는 인도 델리에 본사를 둔 다국적 오토바이 및 스쿠터 제조업체로, 전 세계 45개국 이상에서 수백만 명의 고객에게 서비스를 제공하고 있습니다. 세계 최대 규모의 이륜차 제조업체중 하나인 히어로는 인도 이륜차 시장의 약 31%를 점유하고 있으며, 제로 모터사이클 및 상징적인 브랜드 할리-데이비슨과도 글로벌 파트너십을 체결한 바 있습니다.히어로는 최고의 기술과 최신 시뮬레이션 기법, 인공지능(AI), 머신러닝을 활용하여 제품 개발의 최적화를 추구하고 있습니다.

 

고객 과제

히어로는 오랜 기간 유한요소해석(FEA)을 활용해 구조 강도, 진동, 응력 등 다양한 조건을 검토하며 제품 설계를 수행해왔습니다. 그러나 복잡한 부품에 대한 반복 해석과 느린 의사결정은 개발 과정에서 병목 요인으로 작용해 왔습니다.

이를 해결하고자 히어로는 인공지능(AI)과 머신러닝을 도입하기로 했으며, 특히 CAE 엔지니어들이 일상적인 설계 워크플로우 속에서 손쉽게 활용할 수 있는 강력하면서도 직관적인 도구가 필요했습니다. 첫 적용 대상은 다양한 물리적 요건을 충족해야 하는 핸들바였으며, 이 부품은 인체공학적 요소는 물론 진동, 강성, 피로 수명 측면에서 자동차의 차체, 서스펜션, 스티어링 부품과 유사한 해석 요구를 지니고 있습니다.

본 사례는 오토바이 부품 설계에 AI 기반 기술을 성공적으로 적용한 예로, 복잡한 기계 부품 설계 전반에도 동일한 방식으로 확장 적용할 수 있습니다.

 

알테어의 솔루션

히어로는 기존 유한요소해석(FEA)보다 훨씬 빠르게 물리적 거동을 예측할 수 있는 강력한 지오메트리 기반 딥러닝 기술인 Altair PhysicsAI를 도입했습니다. PhysicsAI는 과거 시뮬레이션 데이터를 학습하여 AI 모델을 훈련시키고, 이를 통해 빠르고 정확한 물리적 거동 예측을 가능하게 합니다. 이 워크플로우는 알테어의 시뮬레이션 및 설계 플랫폼인 Altair HyperWorks에 통합되어 있어, 숙련도와 관계없이 히어로의 엔지니어들이 기존 프로세스에 자연스럽게 적용할 수 있었습니다.

PhysicsAI를 효과적으로 활용하기 위해, 히어로는 기존 데이터를 학습용(training set)과 테스트용(testing set)으로 분리했습니다. 학습용 데이터는 과거 시뮬레이션을 기반으로 머신러닝 모델을 훈련시키는 데 사용되었고 도로 분리된 테스트용 데이터를 통해 AI 모델의 예측 정확도를 검증했습니다. 스포츠 바이크, 어드벤처 바이크, 커뮤터 바이크, 크루저 등 다양한 제품군을 보유한 히어로는 다양한 핸들바 데이터셋을 이용하여 AI 모델의 예측 정확도를 높였습니다.

핸들바는 구조, 재질, 하중 조건이 다양하게 변화하는 부품으로, 이처럼 복잡한 설계 변수와 물리 조건을 AI가 효과적으로 학습했다는 점은 자동차 및 중공업 분야의 복잡한 기계 부품 설계에도 PhysicsAI가 충분히 적용 가능함을 보여주는 사례입니다.

데이터 분리와 모델 학습은 AI 기반 엔지니어링 프로세스의 핵심 단계입니다. 히어로는 일반적인 방식에 따라 전체 데이터의 80%를 학습용, 20%를 검증용으로 나누었는데 총 30개의 데이터 중 24개의 데이터셋을 학습용으로 사용했습니다. 이후 남은 6개의 데이터셋을 통해 AI 모델의 예측 결과를 테스트한 결과, 전통적인 FEA 결과와 비교했을 때 오차는 3% 이내에 불과했습니다. 이는 PhysicsAI가 FEA 대비 훨씬 짧은 시간 내에 높은 정확도를 제공함을 입증한 것입니다.

또한 팀은 학습 및 테스트에 사용되지 않은 새로운 핸들바 설계 데이터를 활용해 추가 시뮬레이션을 수행했습니다. PhysicsAI로 단 한 번의 클릭만으로 응력 예측 결과를 도출했으며, 이를 기존 FEA 결과와 비교한 결과에서도 3% 이하의 오차율을 보였습니다. 이처럼 높은 일치도는 AI 기반 결과에 대한 신뢰도를 높이며, 실제 설계 의사결정에도 활용 가능함을 보여주었습니다.

 

결과

히어로는 PhysicsAI 도입을 통해 설계 효율성과 정확도 면에서 눈에 띄는 개선 성과를 거두었습니다. 특히 해석 시간 단축 효과가 두드러졌는데, 기존에는 1시간 이상 소요되던 시뮬레이션이 단 몇 분 만에 완료되었고, 예측 정확도 또한 기존의 유한요소해석(FEA) 결과와 비교해 3% 이내의 오차로 매우 높은 수준을 유지했습니다. AI 기반 엔지니어링 프로세스를 적용함으로써 히어로는 제품 개발 시간을 크게 단축하고, 설계 탐색 속도를 높였으며, 팀의 분석 역량 또한 강화할 수 있었습니다.

히어로는 이러한 성공을 바탕으로 향후 더욱 복잡한 부품 설계에도 PhysicsAI 적용을 확대할 계획이며, 이번 사례에서 입증된 AI 기반 예측 기술은 이륜차를 넘어 자동차, 중장비, 산업기계 등 다양한 분야의 복잡한 기계 부품 설계에도 효과적으로 확장 가능함을 보여줍니다.

 
“PhysicsAI 덕분에 개발 시간을 크게 단축할 수 있었습니다. 이제 매우 빠르게 신뢰할 수 있는 결과를 도출할 수 있어, 더 빠르고 정확한 의사결정을 내릴 수 있게 되었습니다. 기존 유한요소해석(FEA) 방식은 결과 도출에 1시간이 걸렸지만, PhysicsAI는 유사한 예측을 단 3분 만에 제공했으며, 결과 오차는 3% 이내에 불과했습니다.””
– Jeevesh Prasoon, 수석 엔지니어, Hero MotoCorp Ltd.