제조업에서의 인공지능: 빠르게 혁신하는 방법

제조업에서의 인공지능: 빠르게 혁신하는 방법

오늘날 제조업체들이 직면하고 있는 과제 중 하나는 제품 수명 주기 전반에 걸쳐 정확성과 효율성을 유지하면서 설계 및 엔지니어링 프로세스를 가속화하는 것입니다. 항공우주 및 국방부터 식음료 생산까지, 제조업체들은 높은 생산 목표와 촉박한 일정에 직면하는 경우가 많습니다. 그러나 이러한 문제를 해결하기 위한 솔루션은 종종 너무 많은 비용이 들며, 예산 문제를 해결하면서 다른 필요 사항, 예를 들어 기술 향상에 집중하는 것이 어려울 수 있습니다. 그렇다면 기업들은 어떻게 출력 최적화와 도전 목표 달성을 동시에 이룰 수 있을까요? 이를 위해서는 머신 러닝 및 인공지능(AI)을 제조업에 도입하여 제품 수명 주기 초기 단계에서 프로세스를 개선해야 합니다.

제조 시뮬레이션에서 AI를 사용하는 이유는 무엇일까요?

최근 AI와 머신 러닝의 발전은 보조적인 수치 물리 기반 시뮬레이션과 결합되어 제품 설계의 새로운 시대를 열 수 있습니다.

전 세계의 조직들은 다운타임을 줄이고 정확성, 생산 공정, 의사 결정을 최적화하는 등의 과제를 해결하기 위해 머신 러닝 및 AI를 제조업에 통합하고 있습니다. 이를 통해 제조업체들은 다양한 전략을 가상으로 테스트하여 물리적 프로토타입의 필요성을 줄이고, 시도와 오류에 소요되는 비용과 시간을 최소화할 수 있습니다. AI 기반 시뮬레이션은 실시간으로 조정을 가능하게 하여 설계를 변화하는 요구에 더욱 민감하게 만들고, 이러한 결과를 통해 최종 설계를 검증할 수 있도록 합니다.

예를 들어, Altair® physicsAI™는 제조업체들이 물리적 예측을 더 빠르게 할 수 있도록 도와줍니다. 이 도구는 제조 제품 수명 주기의 초기 단계에서 여러 설계가 고려될 때 새로운, 시간 소모적인 시뮬레이션을 다시 실행할 필요가 없는 중요한 격차를 해결합니다. physicsAI는 제조업체들이 생성하는 방대한 양의 합성 데이터를 활용하여 CAD 설계를 입력하고 새로운 시뮬레이션을 수행할 필요 없이 정확한 예측을 효율적으로 얻을 수 있습니다. 과거 시뮬레이션 데이터를 기반으로 훈련된 AI 모델을 사용하여 일반적인 제조 공정에 대한 정확한 예측을 얻을 수 있습니다.

Altair는 또한 Altair® Inspire™와 같은 다양한 애플리케이션을 보유하고 있으며, 이는 제품 개발 수명 주기 전반에 걸쳐 시뮬레이션 중심 설계를 가속화하고 AI를 제조업에 더욱 통합하는 직관적이고 강력한 솔루션입니다. 이러한 제조 도구가 physicsAI와 같은 AI 기반 솔루션과 결합될 때, 전체 워크플로우를 간소화하고 업그레이드합니다.

진입장벽 극복

AI 및 머신 러닝 기반 시뮬레이션의 보다 넓은 채택을 방해하는 주요 장애물 중 하나는 전통적인 시뮬레이션에 비해 제공하는 이점을 충분히 이해하지 못하는 것입니다. AI 및 머신 러닝 기반 시뮬레이션은 전통적인 시뮬레이션을 대체하는 것이 아니라, 조직이 이미 보유하고 있는 데이터를 활용하여 시뮬레이션 프로세스를 보완합니다. 다행히도, 이러한 장애물은 제조 리더들이 머신 러닝 및 AI를 제조업에 도입하면서 사라지고 있습니다.

AI 및 머신 러닝 기반 시뮬레이션의 이점은 영향력이 크고 광범위합니다. 우선, 이는 조직에 더 많은 유연성을 제공합니다. 이는 사출 성형, 폴리우레탄 발포, 금속 스탬핑, 주조와 같은 다양한 제조 공정 시뮬레이션에 사용할 수 있습니다.

또한, 제조업에서 AI는 생각보다 더 흔해지고 있습니다. 예를 들어, 현대적인 기하학적 딥 러닝 기능을 갖춘 physicsAI는 어떤 물리학이든 형태와 성능 간의 관계를 식별합니다. 일단 훈련되면, physicsAI 모델은 전통적인 솔버 시뮬레이션보다 최대 1,000배 빠르게 예측을 제공하여 팀이 더 많은 개념을 평가하고 더 나은 설계 결정을 내릴 수 있도록 합니다. 간단한 워크플로우를 통해 사용자는 훈련된 모델을 선택하고 예측을 생성하며 다양한 제조 공정에 대한 품질을 평가할 수 있습니다.

AI 적용사례
AI가 초기 설계 프로세스를 개선하는 예는 고압 다이 캐스팅 공정을 사용하여 산업용 액추에이터 하우징의 기공도를 분석하는 사용 사례에서 입증됩니다. 캐스팅 부품의 기능에 영향을 미치는 가장 일반적인 문제 중 하나는 기공도입니다. 다이 캐스팅 공정에서 기공도를 완전히 없애는 것은 불가능하지만, 잘 계획된 금형 설계와 공정 제어를 통해 이를 최소화할 수 있습니다. 이 사용 사례에서는 Altair® Inspire Cast™와 physicsAI를 함께 사용하여 액추에이터 하우징 유닛의 품질과 무결성을 유지하면서 훨씬 짧은 시간 내에 제품 설계를 개선했습니다.

제조업에서 AI의 중요성

제조업에서 AI는 특히 설계 초기 단계에서 효율성과 정밀성을 최적화하는 데 중요합니다. 많은 제조 공정의 경우, 초기에는 수치 시뮬레이션을 사용하여 데이터셋을 생성하는 것으로 시작합니다. AI를 도입하면 이러한 데이터셋이 결정된 후, 사용자는 솔버를 훈련하고 검증하며, 훈련된 physicsAI 모델을 사용하여 제조 결함을 예측하고 설계 오류를 줄이며 결과를 개선합니다. 이 구조화된 워크플로우는 Inspire와 physicsAI를 통합하는 방법론을 확립하는 데 기초가 됩니다.

또 다른 AI 기반 워크플로우의 이점을 보여주는 사용 사례는 Altair® Inspire™ Mold를 사용하여 리브를 사용하는 구조 부품의 휨을 조사한 것입니다. 리브는 휨을 방지하기 위해 플라스틱 부품의 주벽에 추가되는 구조적 지원 기능입니다. 이 경우, 더 높은 정확도를 달성하기 위해 더 높은 머신 러닝 매개변수를 사용하여 physicsAI로 더 많은 설계 모델을 실행할 필요가 있었습니다.

physicsAI는 사용자의 CAE 데이터를 활용하여 기하학적 형태와 전체 윤곽 결과 간의 관계를 학습하여 더 빠른 설계 반복을 가능하게 하고 초기 단계에서 더 나은 설계를 생성합니다. 기존의 머신 러닝과 달리, physicsAI는 매개변수화를 필요로 하지 않고 기하학에서 직접 학습합니다. 이는 사용자가 실험 설계를 필요로 하지 않고도 이전 시뮬레이션에서 배울 수 있음을 의미합니다.

더 빠른 혁신

제조업체들은 제품 수명 주기 전반에 걸쳐 방대한 양의 데이터를 생성, 수집 및 보유하고 있습니다. 이 데이터를 전략적으로 사용하면 제조업체들은 혁신을 촉진하고 효율성을 개선하며 경쟁 우위를 유지할 수 있습니다.
데이터 중심의 세계에서 이 정보를 활용하는 것이 중요하며, physicsAI는 이를 어떤 도구보다도 더 잘 수행하도록 도와줍니다. 이 도구는 과거 시뮬레이션 데이터에서 학습하여 빠른 물리 예측을 제공합니다. 제조 공정이 제품에 따라 약간 다를 수 있지만, physicsAI 시뮬레이션을 실행하는 논리와 워크플로우는 동일합니다.

AI 적용사례
AI와 머신 러닝이 혁신을 가속화하는 또 다른 사례는 금속 성형 공정에서 찾을 수 있습니다. 예를 들어, Altair® Inspire™ Form은 설계를 최적화하고 견고한 제조를 시뮬레이션하며 재료 비용을 줄이는 완전한 스탬핑 시뮬레이션 환경입니다. 아래 예는 일반적인 판금 성형 공정을 위한 블랭크 크기와 모양을 조사한 것입니다. 블랭크의 크기와 모양은 도구와의 접촉 표면과 마찰에 영향을 미치기 때문에 부품의 성형성을 결정하는 데 중요합니다. 테스트 데이터가 더 정확할수록 새로운 설계 예측을 빠르게 할 수 있습니다.

마찬가지로, Altair® Inspire™ PolyFoam은 제품 수명 주기 초기 단계에서 경질 및 연질 폼 제품 설계의 제조 문제를 예측하고 수정합니다. physicsAI와 PolyFoam의 효율성을 보여주는 또 다른 사용 사례에서 Altair 엔지니어들은 냉장고 문 설계의 다양한 변형을 탐구하여 밀도 분포와 잔류 응력을 예측했습니다. 결과는 AI 및 머신 러닝 기반 접근 방식의 신뢰성과 중요성을 확인했습니다.

이는 AI와 머신 러닝 기반 시뮬레이션 솔루션을 통해 제조업체가 어떻게 제품 설계에 대한 더 나은 결정을 일찍 내리고 궁극적으로 예산과 시간 내에 생산 가능한 도구를 제공할 수 있는지 보여주는 또 다른 예입니다.

기업들은 어떻게 AI를 제조 공정에 도입해야 할까요?

제조업체들은 AI와 머신 러닝 을 사용할 때 FEA 모델을 만들 필요가 없습니다. 어떤 응용 프로그램이든 엔지니어링 팀은 모델을 훈련시키고 몇 초 만에 특정 부품의 새로운 설계 및 모양 렌더링을 얻어 원하는 결과를 달성할 수 있습니다.

오늘날, 전 세계의 업계 리더들은 AI가 제조 설계 프로세스에 미치는 긍정적인 영향을 목격하고 있습니다. 예를 들어, 인도 델리에 있는 오토바이 및 스쿠터 제조업체인 Hero MotoCorp Limited(세계에서 가장 큰 이륜차 제조업체 중 하나)는 AI 도입의 혜택을 누리고 있습니다. 이 회사의 디지털 엔지니어링 및 테스트 선임 엔지니어인 Jeevesh Prasoon은 physicsAI를 활용하여 CAE 엔지니어들이 어떻게 도움을 받고 있는지 설명합니다. 그는 ” physicsAI는 기존 FEA 방식과 달리 출력 예측을 신속하게 처리하는 데 도움이 됩니다. 약 90% 신뢰도 행렬과 99% 이상의 시간 단축으로 출력을 제공하여 설계 탐색을 더 빠르게 할 수 있습니다.”라고 말했습니다. 그리고 Hero MotoCorp Limited는 AI를 제조업에 도입하여 앞으로 나아가고 있는 많은 조직 중 하나에 불과합니다.

조직은 제조업에서 AI 옵션을 탐색할 때 위축감을 느낄 필요가 없습니다. AI와 머신 러닝이 제조 공정에 가져다주는 효율성과 정밀성은 매우 가치가 있습니다. 도입 비용보다 얻는 이점이 훨씬 크며, 제품 개발 워크플로우를 최적화합니다.

Altair의 시뮬레이션 중심 설계 도구는 설계자와 엔지니어를 모두 염두에 두고 개발되어 사용 편의성을 보장합니다. 또한 Altair의 특허 받은 Altair Units 라이선스 시스템을 통해 사용자는 Altair One® Marketplace에서 필요할 때 원하는 대로 소프트웨어 도구에 전체 액세스 접근 권한을 얻을 수 있습니다. 짧은 시간 내에 더 많은 설계를 탐색함으로써 기업은 개발 주기 초기에 설계를 개선하는 방법을 발견하여 경쟁사보다 더 빠르게 혁신을 시장에 출시할 수 있습니다. 초기에 설계를 개선하는 방법을 발견하여 경쟁사보다 더 빠르게 혁신을 시장에 출시할 수 있습니다. 초기에 설계를 개선하는 방법을 발견하여 경쟁사보다 더 빠르게 혁신을 시장에 출시할 수 있습니다.

* 아래 제품명을 클릭하시어 Inspire와 physicsAI에 대해 자세히 알아보시길 바랍니다.
· Altair® Inspire™
· Altair® Inspire™ Applications
· Altair® Inspire Cast™
· Altair® Inspire™ Mold
· Altair® Inspire™ Form
· Altair® Inspire™ PolyFoam
· Altair® physicsAI™