Simcenter Amesim의 파라미터 최적화 프로세스로 1 Week에서 15분으로 해석 시간 단축 (현대차 그룹 사례)

1) AI 기반 Left shift (V Cycle)

 차량 개발 과정에서는 V사이클에서 최대한 왼쪽(초기설계 및 아키텍쳐 구성)에 집중하는 것이 기업에 유리합니다. Simcenter Engineering 팀은 최종 단계의 설계 변경을 방지함으로써 상당한 시간과 비용을 절약하고 제품 출시를 앞당길 수 있습니다.

 인공 지능(AI)은 엔지니어링 팀이 초기설계 단계로 전환할 수 있게 해주는 도구로 점점 더 인기를 얻고 있습니다. 예를 들어, 엔지니어는 신경망을 훈련시켜 엄청난 양의 시뮬레이션 모델과 데이터를 검색하고 이상적인 차량이나 부품 구성을 식별하는 데 도움을 줄 수 있습니다.

 세계가 전기화를 통해 보다 지속 가능한 미래로 전환함에 따라 AI를 기반으로 초기 아키텍쳐 및 설계에 집중하는 노력이 그 어느 때보다 시급합니다. 많은 OEM(Original Equipment Manufacturer)은 내연기관(ICE) 생산에서 배터리 구동 차량 생산으로 전환하는 과정에 있습니다. 이러한 각 차량에는 이제 전기화에 맞게 조정해야 하는 수년간의 개발 데이터와 시뮬레이션 모델이 있습니다. 

2) 차량 목표 설정을 위한 신경망

 Simcenter Engineering Services와 현대자동차그룹은 AI를 사용하여 Genesis GV 80의 매개변수 최적화 프로세스를 줄이기 위해 파트너십을 맺었습니다.

 현대자동차그룹(HMG)은 전동화 여정을 시작하면서 전기차 개발 과정에서 원활한 전환을 위해서는 AI 구현의 필요성을 인식했습니다. 2023년에 그들은 Simcenter Engineering and Consulting 서비스와 협력하여 차량 개발의 개념 단계에서 아키텍처 중심 요구 사항을 정의할 수 있는 신경망을 구축했습니다.

 설계 프로세스 초기(V 사이클의 왼쪽)에서 엔지니어링 팀은 일반적으로 질량, 크기, 서스펜션 기술 등을 포함하여 차세대 차량에서 보고 싶은 것에 대한 추정치를 갖습니다. 이러한 초기 아이디어에는 이상적인 디자인과 구성을 정의하기 위해 가능한 가장 효율적인 방법으로 탐색하고 분석합니다. 최적의 질량, 운동학, 운전 가능성, 승차감 및 핸들링과 같은 속성에 대한 목표 설정은 엔지니어링 팀이 충족해야 할 주관적인 핵심 성과 지표(KPI)를 제공합니다. 이러한 목표를 조기에 달성할수록 기업은 더 많은 시간과 비용을 절감할 수 있습니다.

 현대차 Virtual Comport개발팀은 차세대 전기차(EV)로 출시될 제네시스 GV 80의 샤시 개발 목표 설정을 맡았습니다. 

 "우리의 목표는 최고의 편안함과 핸들링 성능을 달성하는 것이었기 때문에 질량 분포, 서스펜션 운동학, 마운팅 시스템과 같은 수백 가지 샤시 매개변수를 고려해야 했습니다."라고 팀 책임자는 말합니다. “또한 ICE가 배터리로 교체될 것이라는 점을 고려하여 이러한 설계와 구성을 어떻게 변경해야 하는지 고려해야 했습니다.

 “또한 우리는 한 구성 요소의 설계 변경이 다른 구성 요소의 성능에 어떤 영향을 미칠 수 있는지 신속하게 이해하기 위해 민감도 분석을 수행할 수 있는 기능을 원했습니다. 우리는 AI를 활용하면 이를 빠르고 효율적으로 달성하는 데 도움이 될 수 있다는 것을 깨달았습니다. 우리는 Simcenter Engineering and Consulting Services와 파트너십을 맺고 이러한 신경망을 구축했습니다. 왜냐하면 그들이 우리가 선호하는 도구인 Simcenter Amesim에 대해 가장 전문적인 지식을 갖고 있고 차량 개발 프로세스에 대한 광범위한 전문 지식을 갖추고 있기 때문입니다.”

3) EV 아키텍처 최적화

 별도의 프로젝트에서 Simcenter 엔지니어링 서비스 팀은 HMG 엔지니어와 협력하여 다양한 차량 기동을 평가하고 자동 후처리를 제공하는 데 사용할 수 있는 Simcenter Amesim 소프트웨어의 아키텍처를 개발했습니다.

 이 아키텍처를 통해 각 요구 사항에 대한 52개의 개별 KPI를 포함하여 기준의 가중치를 개별적으로 평가하여 전체 점수를 얻을 수 있었고 350개 이상의 매개변수를 입력으로 처리할 수 있었습니다.

 이 프로젝트에서 Simcenter Engineering Services는 이 작업을 확장하여 샤시에 적용했습니다. Simcenter 엔지니어는 HMG가 제공한 타겟을 사용하여 Simcenter Amesim에서 200,000개 이상의 시뮬레이션 모델을 생성하고 실제 차량과 비교하여 검증했습니다. 그들은 시뮬레이션 결과를 고성능 컴퓨팅(HPC)에 저장하여 향후 더 빠르게 실행할 수 있도록 했습니다.

 “Simcenter Amesim만이 우리가 필요로 하는 수의 시뮬레이션을 수행할 수 있을 뿐만 아니라 NVH 주파수와 같은 속성에 대한 유연성도 갖추고 있었습니다. Simcenter Amesim은 사전 패키지된 템플릿이 아닌 자체 템플릿으로 작업할 수 있다는 점에서도 이점이 있었습니다. 유연성과 시뮬레이션 시간 측면에서 Simcenter Amesim이 최고의 선택이었습니다.”

 Simcenter Reduced Order Modeling 소프트웨어를 사용하여 Simcenter Engineering Services는 신경망을 생성하고 교육하여 프로세스 후반에 모델을 직접 최적화할 수 있는 시뮬레이션 결과를 제공했습니다. 이 신경망은 HEEDS 소프트웨어와 통합되어 HMG 엔지니어가 이상적인 차량 구성을 식별하는 데 도움을 줍니다.

 “목표나 매개변수가 변경되면 더 이상 전체 프로세스를 처음부터 시작할 필요가 없습니다.” 라고 현대차그룹 엔지니어는 말합니다. “이제 Simcenter Engineering Services에서 구축한 신경망을 검색하여 최적의 매개변수 세트를 매우 빠르게 찾을 수 있습니다. 이러한 시뮬레이션 결과를 쉽게 검색할 수 있다는 것은 이상적인 구성에 대해 각 하위 시스템 팀에 매우 빠른 피드백을 제공할 수 있음을 의미합니다. 향후 개발 과정에서는 신경망에서 검색된 벤치마킹 데이터를 사용하여 차량의 주행 성능을 목표와 효율적으로 비교할 수도 있을 것입니다.”

4) AI를 통한 시간 절약

 이 프로젝트 전에는 하위시스템 매개변수 최적화 프로세스에도 일주일이 걸렸습니다. 그러나  Simcenter Engineering Services에서 개발한 신경망을 사용하면 이 시간이 10분의 1초(약 15분)로 단축되었습니다.

 

 곧 이 팀은Teamcenter 소프트웨어와 통합되어 매개변수 및 요구 사항에 대한 추적성을 완벽하게 연결하고 제공할 예정입니다. 이를 통해 시뮬레이션에 대한 지식이 없는 프로그램 관리자가 요구 사항을 직접 입력하고 이전 프로젝트의 매개변수를 사용하여 웹에서 직접 시뮬레이션을 실행할 수 있습니다. 그런 다음 시스템 성능을 예측하거나 하위 시스템에 대한 매개변수 세트를 최적화하여 비 전문가에게도 시스템 시뮬레이션의 강력한 기능을 제공할 수 있습니다.