➍ 딥제너레이티브 디자인으로 심미성과 선호도를 반영한 설계 자동화
◯ (딥러닝의 생성 모델) 설계 탐색 방법으로의 활용 가능성이 가장 높은 딥러닝 기술
- 생성 모델은 실제 데이터의 확률분포를 학습한 후에 학습된 확률 분포에서 새로운 데이터를 추출해 생성- 대표적인 모델들로는 VAE(Variational Autoencoder)와 GAN(Generative Adversarial Network)이 있으며, 특히 GAN은 성능이 매우 우수
- GAN은 생성기(Generator)와 판별기(Discriminator)의 적대적인 네트워크로 구성되며, 판별기가 더 이상 진짜와 가짜를 구분할 수 없을 만큼 생성기가 학습을 하게 되면, 생성기를 통해 기존 데이터에 없었던 새로운 이미지들을 무한으로 생성
BEGAN(Boundary Equilibrium GAN)을 이용한 휠 설계안 생성 모델
※ 출처 : Oh et al., 2019
◯ (딥제너레이티브 디자인(Deep Generative Design)) 역학 기반의 제너레이티브 디자인과 데이터 기반의 딥러닝을 결합
- Stage 1 설계안 생성 : 과거 설계 레퍼런스를 바탕으로 제너레이티브 디자인과 생성모델의 사용을 의미 있는 새로운 설계안이 생성되지 않을 때까지 반복
- Stage 2 설계안 평가 : 최종 생성된 설계안들의 성능, 비용, 차별성 등을 평가하여 비교. 이때 딥러닝의 이상치 탐지 기술을 통해 새로운 설계안의 차별성 측정
- Stage 3 설계안 추천 : 평가된 설계안들에 대한 정성적인 선호도를 학습하여 선호도가 높은 순서로 설계안을 추천하고, 머신러닝 기반 선호도 예측 모델 구축
◯ 에어버스, 오토데스크의 인공지능(AI) 기반 설계 기술인 제너레이티브 디자인을 활용해 차세대 항공기 파티션 ‘바이오닉 파티션 2.0(Bionic Partition 2.0)’ 제작
- 오토데스크 제너레이티브 디자인은 무게, 소재, 가공방법 등 사용자가 원하는 조건에 따라 수백, 수천 가지의 다양한 설계 옵션을 제공하는 솔루션
- 제너레이티브 디자인과 3D프린터를 활용해 기존의 파티션과 동일한 안정성과 성능을 제공하면서 무게와 제작비용은 절감
- 에어버스의 공장 설계와 레이아웃 작업 등에 제너레이티브 디자인을 적용할 계획
- 앞서 에어버스는 공장의 건물 설계, 레이아웃 및 워크플로우에 제너레이티브 디자인을 적용한 바 있음. A350 날개 조립 라인에서 최적 툴 위치, 이동 경로, 정체 및 병목 현상 최소화를 비롯한 날개 다양화 작업을 단일 공장 구역에 시범적으로 구성
- 향후 생산 격납고에도 오토데스크 제너레이티브 디자인 활용 가능한 개념을 검토
- 제너레이티브 디자인과 3D프린터를 활용해 기존의 파티션과 동일한 안정성과 성능을 제공하면서 무게와 제작비용은 절감
- 에어버스의 공장 설계와 레이아웃 작업 등에 제너레이티브 디자인을 적용할 계획
- 앞서 에어버스는 공장의 건물 설계, 레이아웃 및 워크플로우에 제너레이티브 디자인을 적용한 바 있음. A350 날개 조립 라인에서 최적 툴 위치, 이동 경로, 정체 및 병목 현상 최소화를 비롯한 날개 다양화 작업을 단일 공장 구역에 시범적으로 구성
- 향후 생산 격납고에도 오토데스크 제너레이티브 디자인 활용 가능한 개념을 검토
◯ 제너럴모터스, 여러 개로 나뉘어 결합하여 사용하던 자동차 부품들을 하나로 통합하거나 새로운 형태의 부품 디자인을 완성하는 데 제너레이티브 디자인 활용
- AI가 각종 알고리즘을 적용해 도출해 낸 디자인 중에 엔지니어가 판단했을 때 가장 효율적이며 최적화된 디자인 선정
- 일반적인 사출 성형 방식으로는 매우 제작하기 곤란하지만, 3D 프린팅과 인공지능 기술을 활용하여 완성도 높게 제작
※ 기존 공법으로 8가지 부품을 조립해야만 제작할 수 있었던 부품을 단일 제품화하여 40% 가볍고, 20% 튼튼한 강도의 개선 효과
- 일반적인 사출 성형 방식으로는 매우 제작하기 곤란하지만, 3D 프린팅과 인공지능 기술을 활용하여 완성도 높게 제작
※ 기존 공법으로 8가지 부품을 조립해야만 제작할 수 있었던 부품을 단일 제품화하여 40% 가볍고, 20% 튼튼한 강도의 개선 효과
제너레이티브 디자인을 사용하여 부품 설계 혁신을 시도하는 GE의 사례
※ 출처 : 3ders.org
(시사점)
설계 자동화는 단순히 가볍고 튼튼한 구조를 찾는 수준을 넘어, 성능·비용·차별성·사용자 선호까지 반영하는 지능형 설계로 진화하고 있다. 딥제너레이티브 디자인은 기존 설계 데이터를 학습해 새로운 설계안을 만들고, 생성된 안을 평가·추천하는 방식으로 엔지니어의 탐색 범위를 크게 넓힌다. 특히 GAN, VAE 같은 생성모델은 과거 데이터에 없던 형태를 제안할 수 있어 제품 차별화와 개발 기간 단축에 유리하다. 에어버스와 GM 사례처럼 제너레이티브 디자인은 3D프린팅과 결합될 때 부품 경량화, 강도 향상, 제조비 절감 효과를 낼 수 있다. 따라서 제조기업은 설계를 사람의 경험에만 의존하기보다 AI 기반 후보 생성, 시뮬레이션 평가, 선호도 추천을 결합한 디지털 설계 프로세스로 전환해야 한다.
댓글 쓰기