AI를 활용하여 서브시스템 파라미터 최적화를 1주에서 15분으로 단축

AI 기반 시프트 레프트

차량 개발 과정에서는 V-사이클에서 가능한 한 앞 단계로 시프트 레프트하는 것이 기업에 유리합니다. 설계의 후반 단계에서 변경을 피함으로써 엔지니어링 팀은 상당한 시간과 비용을 절감하고 제품을 더 빠르게 시장에 출시할 수 있습니다.

인공지능(AI)은 엔지니어링 팀이 시프트 레프트를 수행할 수 있도록 지원하는 점점 더 중요한 도구입니다. 예를 들어 엔지니어는 신경망을 훈련시켜 방대한 양의 시뮬레이션 모델 및 데이터를 검색하고 이상적인 차량 또는 컴포넌트 구성을 식별하는 데 도움을 줄 수 있습니다.

전 세계가 전기화를 통해 보다 지속 가능한 미래로 전환함에 따라 AI를 기반으로 한 시프트 레프트 노력은 그 어느 때보다 시급합니다. 많은 OEM(주문자 상표 부착 방식 제조업체)이 내연기관(ICE) 차량 생산에서 배터리 전기차로의 전환을 진행하고 있습니다. 각 차량에는 수년간의 개발 데이터와 시뮬레이션 모델이 있으며 이제는 전기화에 맞게 조정해야 합니다.

차량 목표 설정을 위한 신경망

현대자동차그룹(HMG)은 전기화 여정을 시작하면서 전기차 개발 프로세스의 원활한 전환을 위해 AI를 구현해야 할 필요성을 인식했습니다. 2023년에 현대자동차그룹은 Simcenter™ Engineering and Consulting Services(Simcenter Engineering Services)와 파트너십을 맺어, 차량 개발의 개념 단계에서 아키텍처 기반 요구 사항을 정의할 수 있는 신경망을 구축했습니다.

설계 초기 단계(V-사이클의 좌측)에서 엔지니어링 팀은 질량, 크기, 서스펜션 기술 등 차세대 차량에 기대하는 주요 요소들에 대한 초기 추정치를 갖게 됩니다. 이러한 초기 아이디어는 이상적인 설계와 구성을 정의하기 위해 가능한 가장 효율적인 방식으로 탐색하고 분석해야 합니다. 최적 질량, 운동학, 주행성, 승차감 및 핸들링과 같은 속성에 대한 목표 설정은 엔지니어링
팀이 충족해야 하는 주관적 핵심 성과 지표(KPI)를 제공합니다. 이러한 목표를 일찍 달성할수록 기업은 더 많은 시간과 비용을 절약할 수 있습니다.

정일수 컴포트 엔지니어는 현대자동차그룹 주행 편의성 가상 개발팀의 일원입니다. 그의 팀은 차세대 전기차(EV)로 출시될 Genesis GV 80의 섀시 개발을 위한 목표 설정을 담당했습니다.

“우리의 목표는 최상의 편안함과 핸들링 성능을 달성하는 것이었기 때문에 질량 분배, 서스펜션 운동학, 마운팅 시스템 등 수백 가지 섀시 매개변수를 고려해야 했습니다.”라고 정 씨는 말합니다. “또한 ICE가 배터리로 교체될 것이라는 점을 고려하여 이러한 설계와 구성을 어떻게 변경해야 하는지도 고려해야 했습니다.

“또한 민감도 분석을 수행하여 한 컴포넌트의 설계 변경이 다른 컴포넌트의 성능에 어떤 영향을 미칠 수 있는지 빠르게 이해할 수 있는 기능을 원했습니다. AI를 활용하면 이를 빠르고 효율적으로 달성할 수 있다는 것을 깨달았습니다. 우리는 이러한 신경망을 구축하기 위해 Simcenter Engineering and Consulting Services와 협력했습니다.
이들은 우리가 선호하는 도구인 Simcenter Amesim에 대한 전문 지식이 가장 풍부했고, 차량 개발 프로세스 전반에 대한 방대한 전문성을 보유하고 있었기 때문입니다."

EV 아키텍처 최적화

Simcenter Engineering Services 팀은 별도의 프로젝트에서 HMG 엔지니어들과 협력하여 다양한 차량 기동을 평가하고 자동 후처리를 제공하는 데 사용할 수 있는 Simcenter Amesim™ 소프트웨어 아키텍처를 개발했습니다. Simcenter와 Simcenter Engineering Services는 소프트웨어, 하드웨어 및 서비스로 구성된
Siemens Xcelerator 비즈니스 플랫폼의 일부입니다.

이 아키텍처를 사용하면 각 요구 사항에 대한 52개의 개별 KPI를 포함하여 기준을 개별적으로 평가하여 전체 점수를 달성할 수 있었고 350개 이상의 매개변수 입력을 처리할 수 있었습니다.

Simcenter Engineering Services는 이 프로젝트에서 해당 작업을 확장하여 섀시에 적용했습니다. Simcenter 엔지니어들은 HMG가 제공한 목표를 사용하여 Simcenter Amesim에서 20만 개 이상의 시뮬레이션 모델을 생성하고 실제 차량과 비교하여 검증했습니다. 그들은 시뮬레이션 결과를 고성능 컴퓨팅(HPC) 환경에 저장하여 향후 더 빠르게 실행할 수 있도록 했습니다.

“Simcenter Amesim은 이 프로젝트에서 Siemens Digital Industries Software를 선택하게 된 핵심 요인이었습니다.”라고 정 씨는 설명합니다. “Simcenter Amesim만이 필요한 수의 시뮬레이션을 수행할 수 있을 뿐만 아니라 NVH 주파수와 같은 속성에 대한 유연성도 갖추고 있었습니다. Simcenter Amesim은 사전 패키징된 템플릿이 아닌 자체 템플릿으로 작업할 수 있다는 장점도 있었습니다. 유연성과 시뮬레이션 시간 측면에서 Simcenter Amesim은 최선의 선택이었습니다.”

Simcenter Engineering Services는 Simcenter Reduced Order Modeling 소프트웨어를 사용하여 프로세스 후반부에 모델을 직접 최적화할 수 있는 시뮬레이션 결과를 제공하는 신경망을 구축하고 학습시켰습니다. 이 신경망은 Simcenter HEEDS™ 소프트웨어와 통합되어 HMG 엔지니어가 이상적인 차량 구성을 식별할 수 있도록 지원합니다.

“목표나 매개변수가 변경되면 더 이상 전체 프로세스를 처음부터 시작할 필요가 없습니다.”라고 정 씨는 말합니다. “이제 Simcenter Engineering Services에서 구축한 신경망을 검색하여 최적의 파라미터 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 있다는 것을 의미합니다. 개발 후반에는 신경망에서 추출한 벤치마킹 데이터를 활용해
차량의 주행 성능을 목표와 효율적으로 비교할 수 있게 될 것입니다.”

AI 기반 시간 절약

Simcenter Engineering Services와의 협업과 Simcenter 소프트웨어 사용은 정 씨의 팀에게 상당한 엔지니어링 프로세스 상의 이점을 가져다주었습니다.

“이 프로젝트 이전에는 시뮬레이션에서 한 번의 요구 사항 평가를 실행하는 데 2분이 걸렸습니다.”라고 정 씨는 말합니다. “Simcenter Engineering Services에서 개발한 신경망을 사용하여 이 작업을 10분의 1초로 단축했습니다. 마찬가지로, 예전에는 서브시스템 파라미터 최적화 프로세스에도 일주일이 걸렸습니다. Simcenter Engineering Services의 도움으로 이 시간이 15분으로 단축되었습니다.”

정 씨와 Simcenter Engineering Services 팀은 함께 이 신경망으로부터 더 많은 효율성 이점을 얻기 위해 노력하고 있습니다. 이들은 곧 Teamcenter® 소프트웨어를 신경망과 통합하여 파라미터와 요구 사항을 완전히 연결하고 추적성을 제공할 것입니다(Simcenter HEEDS 및 Teamcenter도 Siemens Xcelerator의 일부입니다). 이를 통해 시뮬레이션에 대한 지식이 없는 프로그램 관리자는 요구 사항을 직접 입력하고 이전 프로젝트의 파라미터를 사용하여 웹에서 직접 시뮬레이션을 실행할 수 있습니다. 그런 다음 시스템 성능을 예측하거나 서브시스템 파라미터 세트를 최적화하여 비전문가도 시스템 시뮬레이션의 기능을 활용할 수 있도록 합니다.

정 씨는 “Siemens의 Simcenter 포트폴리오와 Simcenter Engineering Services는 앞으로도 HMG의 특별한 개발 파트너로 계속 함께할 것입니다.”라고 말했습니다. “우리 회사는 긴밀한 관계를 유지하고 있으며 향후 프로젝트에서 협력할 수 있기를 기대합니다.”