지난 글들에서 Valentis의 Analysis Intelligence 모듈을 하나씩 살펴봤다.
시나리오, 데이터 변환, 민감도 분석, 디자인 탐색, 메타모델, 신뢰성 해석, 파레토 최적화까지. 각각은 독립적으로도 충분히 쓸모 있는 도구다.
하지만 이 모듈들의 진짜 가치는 따로 떨어져 있을 때보다, 하나의 흐름으로 연결될 때 더 분명해진다.
이번 글에서는 개별 기능을 다시 설명하기보다, 이들이 어떻게 하나의 설계 의사결정 흐름으로 이어지는지 살펴본다.
해석을 100번 돌리는 엔지니어의 워크플로우
설계 최적화를 제대로 수행하려면 보통 다음과 같은 과정을 거친다.
설계 변수를 정하고 → 여러 조건으로 해석을 수행하고 → 결과를 정리하고 → 어떤 변수가 중요한지 분석하고 → 좋은 후보를 추리고 → 예측 모델을 만들고 → 신뢰성과 트레이드오프를 검토한다.
문제는 이 과정이 대부분 서로 다른 도구에 흩어져 있다는 점이다.
DOE는 엑셀 매크로로 만들고, 결과 정리는 별도 시트에서 처리한다. 민감도 분석은 통계 도구로 넘기고, 시각화는 또 다른 프로그램에서 수행한다. 단계가 바뀔 때마다 데이터를 다시 정리하고, 포맷을 맞추고, 파일을 옮겨야 한다.
해석보다 데이터 정리에 더 많은 시간이 들어가는 이유가 여기에 있다.
Valentis는 이 전체 과정을 하나의 플랫폼 안에서, 같은 데이터 구조를 기반으로 이어지도록 구성했다.
그 청사진이 Analysis Intelligence — Process Flow 화면이다.
8단계 분석 흐름
Valentis가 제시하는 설계 분석 흐름은 다음과 같다.
1. Scenario (DOE)
설계 변수의 범위와 수준을 정의하고, 실험계획법으로 해석 케이스를 배치한다.
LHS, Monte Carlo, Full Factorial, Taguchi, CCD를 지원하며, 결과는 설계 조합 테이블로 정리된다.
이 단계의 목적은 단순히 케이스를 많이 만드는 것이 아니다. 설계 공간을 대표할 수 있는 해석 케이스를 체계적으로 만드는 것이다.
2. Simulation / Test (외부 단계)
각 설계 조합에 대해 CAE 해석을 수행하거나 실측 데이터를 수집한다.
SOLIDWORKS Simulation, SOLIDWORKS Flow Simulation, ANSYS, Abaqus 등 어떤 도구를 사용해도 된다. Valentis는 이 단계를 특정 솔버에 종속시키지 않는다.
이미 보유한 해석 결과나 시험 데이터를 그대로 활용할 수 있다는 점도 중요하다.
3. Data Transposition
흩어진 결과 파일을 입력과 출력이 짝지어진 하나의 테이블로 통합한다.
시나리오에서 정의한 설계 변수는 입력이 되고, 해석 결과인 응력, 변위, 온도, 유량, 질량 등은 출력이 된다.
이 통합 테이블은 이후 모든 분석 모듈의 공통 데이터 소스가 된다.
4. Sensitivity Analysis
어떤 입력 변수가 결과를 지배하는지 정량화한다.
기본적으로 Pearson, Spearman 상관계수를 통해 입력과 출력 사이의 관계를 빠르게 파악한다. p-value를 함께 확인해 통계적 유의성도 검토할 수 있다.
이 단계의 목적은 최적화에 들어가기 전에 중요한 변수와 영향이 작은 변수를 구분하는 것이다.
메타모델이 학습된 이후에는 Sobol 지수를 통해 분산 기반 민감도와 변수 간 상호작용까지 확장해 볼 수 있다.
5. Design Explorer
제약조건으로 실현 가능 설계를 걸러내고, 목적함수의 가중합으로 후보 설계의 우선순위를 정한다.
평행좌표 차트를 통해 입력과 출력을 한 화면에서 동시에 비교할 수 있으며, 축 범위를 조정하면서 설계 공간을 인터랙티브하게 탐색할 수 있다.
이 단계는 최적화 알고리즘을 돌리기 전에, 이미 확보한 해석 결과만으로도 의사결정 가능한 후보를 찾는 과정이다.
6. Meta Model
소수의 해석 결과를 기반으로 전체 설계 공간을 예측하는 대리모델을 만든다.
Kriging, Polynomial Regression, Random Forest, Gradient Boosting, Neural Network 등 여러 모델을 비교할 수 있으며, 교차검증으로 예측 정확도를 확인한다.
메타모델은 이후 신뢰성 해석과 파레토 검토의 기반이 된다. 또한 적응형 샘플링을 통해 정확도가 부족한 영역에 해석 케이스를 보강할 수 있다.
7. Reliability Analysis
입력 변수의 불확실성을 반영해 설계가 목표를 만족하지 못할 확률을 계산한다.
Monte Carlo 기반으로 파손확률(Pf)과 신뢰성 지수(β)를 산출하며, 메타모델을 활용해 수만 번의 가상 평가를 짧은 시간 안에 수행한다.
이 단계에서는 단순히 “통과/실패”가 아니라, 목표를 만족할 확률이 얼마인가를 수치로 확인한다.
8. Pareto Optimizer
서로 충돌하는 두 목표의 트레이드오프 최전선을 찾는다.
Design Explorer가 가중합으로 후보의 순위를 매긴다면, Pareto Optimizer는 지배 관계를 기준으로 비지배 해를 추출한다. 가중치를 미리 정하지 않고도, 고려할 가치가 있는 후보군과 그 사이의 트레이드오프를 확인할 수 있다.
무게와 강성, 온도와 유량, 응력과 질량처럼 서로 충돌하는 목표를 함께 검토할 때 유용하다.
모듈을 잇는 세 가지 연결 고리
이 8단계가 하나의 흐름으로 이어지는 이유는 세 가지 연결 장치에 있다.
1. 공통 데이터 소스 — Data Transposition
한 번 통합한 입력–출력 테이블은 모든 모듈이 공유한다.
민감도 분석, 디자인 탐색, 메타모델, 신뢰성 해석, 파레토 최적화 어느 탭에서든 Use Data Transposition 버튼으로 같은 데이터를 불러올 수 있다.
단계마다 CSV를 다시 만들거나, 열 이름을 다시 맞추거나, 입력과 출력을 다시 매핑할 필요가 없다.
2. 모듈 간 조건 전달 — Import DE
Design Explorer에서 정의한 제약조건은 신뢰성 해석과 파레토 최적화에서 Import DE 버튼으로 그대로 가져올 수 있다.
예를 들어 “응력 250 MPa 이하”, “변위 1.5 mm 이하”라는 조건을 한 번 정의하면, 같은 조건을 여러 분석 모듈에서 재사용할 수 있다.
조건을 다시 입력하면서 생기는 실수와 반복 작업을 줄일 수 있다.
3. 통합 세션 — 한 번에 저장하고 복원한다
Save Session 기능은 시나리오부터 파레토까지 모든 모듈의 상태를 하나의 JSON 파일로 저장한다.
다시 불러오면 입력 데이터, 제약조건, 분석 설정, 결과 상태가 함께 복원된다.
작업을 중단했다가 이어가거나, 동료에게 분석 전체를 그대로 전달할 때 유용하다.
순서대로만 갈 필요는 없다
이 분석 흐름은 권장 순서이지, 반드시 지켜야 하는 고정 절차는 아니다.
이미 해석 데이터가 정리되어 있다면 Scenario 단계를 건너뛰고, 곧바로 Data Transposition이나 Sensitivity Analysis부터 시작할 수 있다.
신뢰성 해석만 필요하다면 Reliability 모듈만 사용할 수도 있고, 이미 충분한 해석 결과가 있다면 Design Explorer에서 바로 후보 설계를 추릴 수도 있다.
중요한 것은 모든 모듈이 같은 입력–출력 데이터 구조를 공유한다는 점이다.
그래서 필요한 단계만 골라 쓰거나, 앞뒤로 오가며 반복하는 것이 자연스럽다.
예를 들어 민감도 분석으로 변수를 줄인 뒤 디자인 탐색으로 돌아갈 수 있다. 메타모델 정확도가 부족하면 적응형 샘플링으로 시나리오를 보강하고 다시 해석할 수 있다. 파레토 결과를 본 뒤 특정 후보군만 다시 Design Explorer에서 자세히 비교할 수도 있다.
분석은 일직선이 아니라 반복이다. Valentis는 그 반복이 끊기지 않도록 데이터를 연결한다.
마무리
개별 모듈은 각자의 질문에 답한다.
- 어떤 변수가 중요한가 — 민감도 분석
- 어떤 설계가 조건을 만족하는가 — 디자인 탐색
- 결과를 어떻게 빠르게 예측할 것인가 — 메타모델
- 목표를 만족할 확률은 얼마인가 — 신뢰성 해석
- 무엇을 양보해야 하는가 — 파레토 최적화
Valentis가 한 일은 이 질문들을 같은 데이터 위에서, 끊김 없이 이어 붙인 것이다.
해석은 결과를 만든다. 분석 흐름은 그 결과를 의사결정으로 바꾼다.
시나리오에서 시작해 파레토까지 이어지는 이 흐름은, 흩어진 도구와 반복되는 데이터 정리에 묶여 있던 설계 최적화를 하나의 연속된 과정으로 바꾼다.
그것이 Valentis Analysis Intelligence가 지향하는 해석 자동화의 모습이다.
키워드: Valentis AI, 설계 최적화 플랫폼, 해석 자동화, Analysis Intelligence, CAE 워크플로우, DOE 최적화, 메타모델, 신뢰성 해석, 파레토 최적화, 데이터 기반 설계, 통합 분석 파이프라인