알테어(Altair) 라비 쿤주: 3D 프린팅을 위한 첨단 시뮬레이션 소프트웨어

더 단순하고 빠른 설계 준비 워크플로 달성은 3D 프린팅 업계의 지속적인 과제였습니다. 적층 제조를 위한 설계(Design for Additive Manufacturing)는 고유한 도전과 기회를 가진 복잡한 과정입니다.

‍

‍따라서 엔지니어가 AM의 설계 유연성을 충분히 활용할 수 있게 하는 적절한 도구가 필요합니다. 알테어(Altair)가 그런 솔루션을 개발하는 회사 중 하나입니다. 알테어는 제품 개발, 고성능 컴퓨팅, 데이터 분석 분야에서 소프트웨어와 클라우드 솔루션을 제공하는 글로벌 기술 기업입니다.

‍

이번 전문가 인터뷰에서는 알테어 시뮬레이션 주도 설계 부문 비즈니스 개발 및 전략 수석부사장 라비 쿤주(Ravi Kunju)와 최근 출시한 알테어 인스파이어 프린트3D(Altair Inspire Print3D) 소프트웨어 도구, 3D 프린팅 시뮬레이션 소프트웨어 현황, 알테어 솔루션으로 구현된 흥미로운 AM 응용을 살펴봅니다.

‍

알테어와 해결하려는 과제에 대해 소개해 주세요.

우리는 제품 설계, 제품 개발, 고성능 컴퓨팅, 데이터 분석 분야에서 소프트웨어와 클라우드 솔루션을 제공하는 글로벌 기술 기업입니다.

‍

30년 이상 사업을 해오며 우리의 비전이자 임무는 시뮬레이션 기술, 데이터 분석 솔루션, 업계 선도적 설계 최적화 솔루션을 통해 제품 및 비즈니스 의사결정을 혁신하는 것입니다.

‍

저는 알테어의 시뮬레이션 주도 설계 제품을 총괄합니다.

‍

최근 알테어 인스파이어 프린트3D 소프트웨어를 출시하셨는데, 제공하는 소프트웨어 솔루션을 설명해 주세요.

알테어 인스파이어 프린트3D는 우리가 제공하는 수많은 솔루션 중 하나입니다. 알테어는 수년간 최적화 분야 선도자였습니다. 고객들이 우리 최적화 기술로 판금 성형, 주조, 압출, 사출 성형 등 모든 제조 공정용 설계를 만듭니다. 또한 성능 요구사항을 더 잘 이해하고 특정 제조 공정에 맞춘 생성적 설계(generative design)를 만드는 데도 우리 기술을 씁니다. 이 맥락에서 스펙트럼의 두 끝을 이해하는 게 중요합니다. 하나는 설계를 이끄는 것, 다른 하나는 설계를 갖춘 후 제조 단계에서 무슨 일이 일어나는가입니다. 이 요소들이 우리 플랫폼에서 하나로 합쳐집니다. 인스파이어(Inspire) 플랫폼으로 시뮬레이션 주도 설계 프로세스를 전진 배치해 설계자가 제조 공정을 완전히 인지한 상태에서 설계를 이해하고 주도하기 쉽게 만들었습니다. 제조 공정을 설계 요구사항과 분리하는 건 현명하지 않으므로, 우리 플랫폼에서 이 모든 걸 단일 환경에 담았습니다.

‍

인스파이어 프린트3D는 두 가지에 초점 맞춥니다. 첫째, 인스파이어 플랫폼 아래서 사용자가 특정 AM 공정용 설계를 생성하게 하며, 제조 규칙(제약조건)을 사용해 설계가 제조 공정을 충족하도록 이끕니다. 둘째, 모든 성능 요구사항을 결합하고 고급 수치 해석을 사용해 선택적 레이저 용융(SLM), 용융 증착(FDM), 바인더 제팅(MJF), 와이어 아크 적층 제조(WAAM) 등 공정용 설계를 자동 생성합니다.

‍

프린트3D 모듈은 설계 생성뿐 아니라 새로 만든 설계의 성능을 가상으로 검증하는 것도 돕습니다.

‍

알테어 인스파이어 프린트3D 소프트웨어 시뮬레이션 [이미지 출처: Altair]

‍

프린트3D 첫 릴리스에선 선택적 레이저 용융 공정 시뮬레이션이 가능합니다. 고급 열역학-기계 시뮬레이션이 이 환경에 내장돼 3D 프린팅 중 발생할 수 있는 제조 이슈(변형, 높은 응력, 그에 따른 파열)를 평가합니다. 설계자가 설계를 생성하고 서포트 구조를 추가하며, 프린팅 전 단일 환경에서 모든 문제를 수정할 수 있습니다. 현재 고객들이 AM에서 하는 걸 보면, 최적 설계를 만드는 데 아최적(suboptimal) 접근을 쓰는 경우가 많습니다. 설계를 만들고 나면 서포트 구조를 넣어 프린팅 가능하게 하려 하고, 나중에 문제가 발견됩니다. 이 모든 단계에 별도 소프트웨어를 씁니다.

‍

알테어는 사용자가 단일 환경에서 부품을 설계하고 평가하게 함으로써 이걸 모두 없앱니다. 금속 AM 비용의 약 45%가 서포트 제거에 든다는 건 잘 알려진 사실입니다. 우리 설계 규칙(제약조건)을 효과적으로 쓰면 서포트가 최소화되거나 제로인 설계를 만들 수 있습니다. 사용자가 서포트 구조를 만들고, 열역학-기계 시뮬레이션으로 그 효과를 이해하며, 빌드·냉각·서포트 제거·이후 스프링백과 변형 예측, 다운스트림 실패 방지가 가능합니다. 이게 인스파이어 프린트3D가 하는 일: 아이데이션, 평가, 검증을 단일 환경에서. 알테어 인스파이어는 사용자가 경량 고성능 설계를 만들면서 동시에 생산성을 높이도록 돕습니다.

‍

AM을 위한 설계, 시뮬레이션, 위상 최적화 소프트웨어의 현재 상태를 어떻게 보시나요?

알테어는 위상 최적화와 생성적 설계 분야에서 수년간 선도자였습니다. 적층뿐 아니라 모든 제조 공정에 걸쳐 5,000명 이상 고객이 우리 제품을 매일 써서 최적 설계를 만듭니다. 하지만 모든 생성적 설계 도구가 똑같진 않습니다. 우리는 핵심 문제를 푸는 최상의 수치 해석을 가지며, 서로 다른 성능 기준과 하중 케이스를 제조 제약조건과 결합해 해당 공정에 매우 특화된 설계를 만드는 유일한 업체입니다. 설계를 주도하고 생성하려면 성능 요구사항과 제조 공정 두 가지를 잘 이해해야 합니다. 예컨대 금속 주조에서 코어를 없애고 싶거나, 다이 캐비티에서 패턴을 효율적으로 빼내려 언더컷 없는 형상을 원하면, 올바른 제조 제약조건을 성능 제조와 결합해 경량 설계를 생성해야 합니다. 유기적 형상을 생성하는 도구는 많고, 사람들이 그게 다라고 생각하지만, 사실 그게 시작일 뿐입니다. 제조 공정과 주어진 공정에 최적인 설계가 무엇인지 이해해야 합니다. 그냥 최적 형상 생성만으론 제조 요구사항을 모르면 부족합니다. 생성적 설계 공간엔 많은 수치적 접근이 있습니다. 설계 변수를 섭동(perturb)해 수천 개 설계를 생성하고 각각 평가해 최적을 찾는 식인데, 컴포넌트 레벨 최적화에선 비최적이고 시간·비용이 많이 들 수 있습니다. 좋은 해를 못 얻을 수도 있죠. 시뮬레이션 측면에서 오늘 AM은 주로 시제품에 국한돼 있었습니다. 하지만 알테어는 고객이 프로세스를 변혁해 원오프(one-off) 이상을 만들도록 돕는 퀘스트를 이어왔습니다. 바인더 제팅 같은 다른 방법론을 탐색할 수 있나? 하이브리드 주조(샌드 프린팅 후 샌드 몰드에 주조) 탐색할 수 있나? 이런 옵션들을 탐색해 역량을 케파(capacity)로 전환할 수 있나? 그게 우리가 고유한 제조 요구사항을 깊이 이해하려는 퀘스트였습니다. 오늘 우리는 고성능 경량 부품, 툴링, 어셈블리 생성에 최신 제조용 설계(Design for Manufacturing) 방법으로 선도합니다.

‍

‍

설계 소프트웨어 덕분에 달성된 응용 사례를 말씀해 주실 수 있나요?

초기 도입자는 위성과 항공우주 기업들이었습니다. 대량 물량은 없지만 고도로 최적화된 경량 설계가 필요했으니까요. EOS와 함께 EADS용 망원경 브라켓 등 복잡한 하중이 작용하는 브라켓들을 설계했습니다.

‍

BMW, 포드, GM 등 전 세계 자동차 기업들과도 협업 중입니다. 적층 제조를 시제품용 실행 가능 옵션으로 탐색하는 중입니다. 잘라보면 직접 3D 프린팅뿐 아니라 하이브리드 제조도 풍부합니다. 전통 제조와 적층을 결합한 거죠. 예컨대 주조용 코어와 몰드 샌드 3D 프린팅.

‍

두 번째는 플라스틱 사출 성형용 몰드입니다. 캐비티를 형성하는 몰드 어셈블리가 가압 사이클 중 분리돼 플래시(flash)가 생기지 않게 해야 합니다. 몰드 전체를 생성적 설계로 구조 최적화해 하중 하에서 무결성을 유지합니다. 구조 최적화 외에도 콘포멀 냉각 라인(conformal cooling lines)으로 열 추출 최적화가 가능합니다. 급속 냉각이 필요한 영역을 감싸는 유기적 구조가 3D 프린팅에 이상적입니다. 프로티크(PROTIQ)와 이런 사례에서 협업하는데, 사이클 타임을 9초에서 3초로 줄였습니다. 하루 100만 개 만들던 걸 300만 개로, 사출 성형 공정용 몰드 최적화로 생산성을 3배 높였습니다.

‍

로봇 산업과도 협업합니다. 설계 최적화와 3D 프린팅으로 로봇 엔드 이펙터(end-of-arm grippers)를 만듭니다. 그리퍼가 빨리 마모돼 조립 라인 중단을 막으려 즉각 교체해야 하니까요. 극대형 구조물로는 MX3D와 3D 프린팅 로봇 팔 협업을 최근 했습니다. MX3D는 독자 와이어 아크 기반 기술로 대형 금속 구조물을 만듭니다.

‍

알테어 소프트웨어로 최적화된 MX3D 로봇 팔 [이미지 출처: Altair]

‍

우리 소프트웨어로 MX3D가 로봇 팔 설계를 최적화해 프린팅 제약조건 고려하며 원래 무게의 절반 이상을 줄였습니다. 이 프로젝트에서 우리 엔지니어들이 생성적 설계 커스터마이징으로 3D 프린팅 로봇 팔에 가장 효율적인 형상을 도출했습니다. 방위 응용도 많습니다. 전투 차량 부품이 고장 나면 교체 부품을 현지에서 즉시 프린팅해 도착을 기다릴 필요 없게 합니다. 도면이 없는 레거시 부품에 특히 그렇습니다. 의료 3D 프린팅 분야에서도 우리 솔루션이 쓰입니다. 안디아모(Andiamo)라는 보조기 회사가 3D 프린팅으로 더 잘 맞는 보조기기를 만듭니다. 전통 방식은 석고로 사지나 몸통을 감싸 떼어내 수작업 제작하는데, 안디아모는 디지털 3D 스캔으로 시작해 정확한 모델을 만들고, 수많은 시뮬레이션으로 아이에게 완벽한 핏을 보장합니다. 바인더 제팅 같은 3D 프린팅 공정에 관심도 늘고 있습니다. 데스크톱 메탈(Desktop Metal), 엑스원(ExOne) 같은 파트너들과 이 공간에서 협업합니다. 폼넥스트(Formnext)에서 FDM, SLM, 하이브리드 주조, 바인더 제팅 공정으로 자전거 브라켓 만드는 전체 공정을 시연했습니다.

‍

업계를 더 넓게 볼 때, 2020년 주요 발전상으로 보시는 건?

업계가 매우 빠르게 움직입니다. AM 행사 갈 때마다 프린터 제조사와 소재 공급사가 거의 매년 배로 늘어나는 게 보입니다. 경쟁 심화로 비용이 내려갈 거라 매우 긍정적입니다. 비용은 현재 적층 제조 측의 큰 진입 장벽이니까요. 플레이어 증가가 최종 소비자에게 도움이 될 겁니다.

‍

치과 산업을 보세요. 가장 성숙한 분야 중 하나입니다. 소비자가 새 크라운 원하면 치과에서 치아 스캔 떠서 2~3일 만에 프린팅됩니다. 이 사이클을 다른 산업에서도 달성해야 하고, 모두가 2020년에도 계속 추구할 겁니다.

‍

3D 프린팅 도입 가속을 위해 여전히 극복해야 할 과제는?

서로 얽힌 여러 과제가 있습니다. 첫째 비용. 비용은 부품 크기와 생산량에 따라 어떤 제조 방식을 쓸지 결정하는 것과 직결됩니다. 적층 내에서도 선택적 레이저 용융이냐 금속 바인더 제팅이냐 선택해야 합니다. 둘째 인증. 부하를 받는 부품이냐 안전 크리티컬 부품이냐에 따라 어떻게 인증하나? 반복성 수준은? 오늘 한 프린터로 프린팅한 부품이 다른 프린터, 다른 장소에서 같은 스펙으로 나올 수 있나? 부품이 정확히 똑같이 거동할 확률은? 이건 미시 물리학을 정확히 모델링할 수 있느냐의 문제로 이어집니다. 사용자가 최종 부품을 서로 다른 플랫폼과 위치에서 일관되게 프린팅할 수 있다고 확신할 수 있느냐의 문제입니다. 업계 전반 표준과 소재 자격 확립에 할 일이 엄청납니다. 소재 공급사, 프린터 제조사, 소프트웨어 제공사 모두 모여 허용 공차(경부하, 중부하 안전 크리티컬), 내부 기공도/외부 표면 품질 등 수용 기준 표준을 만들어야 합니다. 역사를 보면 주조, 단조, 판금 등 모두 미국주조학회(American Foundry Society) 같은 협회가 있었습니다. 모두를 모아 표준을 만드는 전담 조직이 많습니다. 오늘 AM 시장이 모든 영역에서 폭발 중이지만, 결국 모두 모여 집단적으로 표준을 만들고 모든 업계 플레이어가 같은 페이지에 서게 해야 합니다.

‍

마지막으로, 알테어의 내년 계획은?

사용자들을 위한 더 많은 시뮬레이션 솔루션 개발을 계속할 겁니다. 적층 제조 공정 측면에서 기술 사용자들이 공정을 검증하고 그에 따른 불확실성을 이해하도록 돕는 솔루션 개발을 지속합니다. 궁극적으로 세 가지 주요 축에 집중합니다: 성능 이해, 두 가지를 결합한 설계 생성(성능, 그리고 제조 공정 자체). 이 둘은 손잡고 가야 하고, 우리는 고객이 성능과 제조 공정을 최대한 정확히 검증해 설계를 주도하도록 돕는 임무를 계속합니다. 물리학과 고성능 컴퓨팅, 데이터를 계속 결합할 겁니다. 물리 이해로 풀리는 문제도 있고, 머신러닝으로 풀어야 할 문제도 있습니다. 우리가 개발하는 모든 기술을 결합해 고객에게 더 효율적이고 수익성 있게, 더 나은 의사결정과 더 나은 성능 제품을 만들도록 돕겠습니다.