시뮬레이션: 재사용 디지털 자산에 의한 가치 창출

적합한 시뮬레이션 도구의 조합을 사용하여 고객의 요구와 희망에 맞게 설계를 조정하는 것은 중요합니다. 시뮬레이션은 비용과 시간 소요가 많은 물리적 실험을 대체하고 있습니다.

시뮬레이션은 설계 콘셉트의 가상 검증 및 인증에 대한 신뢰도를 높이는 데 도움이 됩니다. 디지털 트윈의 핵심인 시뮬레이션 모델은 설계 주기 시간을 단축하는 데 결정적인 역할을 합니다. 디지털 트윈의 맥락에서 시뮬레이션은 현실 세계와 가상 세계 동작 간의 조율 링크로 작용합니다.

시뮬레이션의 또 다른 차원은 예측 유지보수와 신뢰성 평가입니다. 시뮬레이션 활동을 통해 6 Sigma 방법론 개념을 적용하여 운영/서비스 중 발생하는 결함을 감소시킬 수 있습니다.

부품 수준 시뮬레이션 및 디지털 트윈:

부품 수준에서의 시뮬레이션은 주로 설계의 기하학적 특성과 재료의 적합성을 검증하고 최적화하기 위해 수행되며, 기계, 구조, 열, 전기 및 전자기학과 같은 다양한 물리학 분야를 다룹니다. 예를 들어, 전기 커넥터 또는 E-모빌리티 충전 총 개발의 경우, 전기 커넥터와 함께 다른 구성 요소들을 고려하는 것이 중요합니다.

그림 01에 나타난 바와 같이 다양한 구성 요소의 기하학적 형상과 재료 파라미터를 변화시켜 제품 개발 각 단계에서 비용, 무게, 강도, 수명 및 성능을 최적화합니다.

그림 01 - 케이블 어셈블리 절연 최적화를 위한 전기유도 컨투어 |D| [C/m2]
그림 02 - 접촉 핀 변형의 이해를 위한 정적 시뮬레이션 컨투어

구성 요소 시뮬레이션은 그림 02에서 보여지는 것처럼 정적 유한 요소 분석을 사용하는 응력이나 변위 검증을 위해 수행될 수 있습니다.

전기 전도는 구성 요소 내부에서 열을 발생시킵니다. 대류 열전달 또는 열방산을 위한 설계를 하려면 열 또는 열 구조 결합 시뮬레이션을 수행해야 합니다. 고급 애플리케이션에서는 두 맞물린 표면 사이의 마모를 최소화하기 위해 전기 접점 위에 사용되는 특수 코팅을 시뮬레이션할 수 있습니다. 열생성 및 열방산이 관련된 시뮬레이션은 전류 전도 커넥터의 감산 매개변수(derating parameter)를 도출하는 데 사용됩니다.

경쟁이 치열한 우리 시대에 안정성은 제품 품질과 함께 신뢰성이 또 다른 중요한 측면을 차지합니다. 내구성 및 체결 주기 시뮬레이션은 서로 다른 분야의 확립된 경헙적 모델을 기반으로 한 수치 시뮬레이션의 후처리를 통해 이루어질 수 있습니다. 예를 들어, 유한 요소 결과로부터 접촉 응력을 사용하여 기계적 고장 및 마모를 추정할 수 있습니다. 전기 접점의 전기 저항 손실은 전기 접촉의 1D 모델링을 통해 계산됩니다. 이는 수명주기 모델을 구축하고 특정 접촉과 관련하여 신뢰성을 평가하는 데 도움이 됩니다. 이 디지털 모델은 작동 데이터 (하중 조건, 환경 조건, 작동 시간 등)와 결합하여 커넥터의 남은 가용 수명을 추정하는 데에 디지털 트윈으로 사용될 수 있습니다. 이 특별하고 신속한 디지털 서비스는 높은 성능을 보장하기 위해 고객이 많이 찾는 기능입니다.

그림 03에는 크라운 스프링 유한 요소 메쉬의 예가 나와 있으며, 이는 접촉 핀을 설계하기 전에 메쉬 요소의 임계 위치와 허용 변형을 결정하는 데 사용됩니다.

그림 03 - 전기차 충전기에 사용되는 크라운 스프링의 유한 요소 메쉬

종래의 시뮬레이션의 사용과 별개로, 표준 자산 관리 셸 (AAS) 프레임워크에서 이동 가능한 디지털 자산이 인기를 얻고 있습니다. 고객들은 기하학적, 기능적 및 행위적인 측면에서 실제 자산과 동일하게 복제된 동등한 디지털 트윈 모델을 요구하고 있습니다.

 

맺음말

고도로 정확한 시뮬레이션 모델은 디지털 트윈의 핵심입니다. 확장 가능한 모듈식 디지털 트윈은 모든 이해 관계자들이 제품 수명주기 전반에 걸쳐 업무를 수행하는 데 도움을 줍니다. 시뮬레이션 및 디지털 트윈은 설계, 개발, 제조 및 운영의 최전선으로 나아가고 있습니다. 곧 실제 제품을 체험하기 전에 디지털 트윈을 토대로 호환성 및 구매/미구매 결정이 이루어질 것입니다. 

Get in touch
Suhas Suresh
Senior Key Expert, IIoT and Data Science, HARTING Technologiegruppe