CFD(전산유체역학)는 컴퓨터를 활용하여 유체의 흐름과 열전달 등 다양한 열유동 현상을 수치적으로 해석하고 예측하는 방법입니다. Ansys는 Fluent, CFX, Rocky, Thermal Desktop 등 다양한 해석 솔루션을 제공하고 있으며, 이를 활용하여 복잡한 산업 현상의 열유동 문제를 효과적으로 분석할 수 있습니다.

Ansys의 다양한 CFD 솔루션을 활용하여 반도체, 자동차, 항공, 에너지, 제철 등 주요 산업 분야에서 어떤 해석이 가능한지 실제 적용 사례를 중심으로 소개합니다.

CFD 해석을 수행하기 위해서는 해석에 적합하도록 형상을 수정하고 격자를 생성하는 전처리 과정이 필요합니다. 하지만 복잡한 CAD 모델에서는 작은 면과 Edge, 불필요한 형상 및 형상 오류 등을 직접 확인하고 수정해야 하는 번거로움이 있습니다.

Ansys Discovery의 다양한 기능을 활용하여 해석에 불필요하거나 문제가 될 수 있는 형상을 보다 쉽게 탐색하고 정리할 수 있으며, 형상 수정에 필요한 수작업 부담을 줄일 수 있습니다. 수정된 형상은 Fluent Meshing의 Watertight Geometry Workflow로 연결하여 Surface Mesh부터 Volume Mesh까지 효율적으로 생성할 수 있습니다.

Ansys Discovery와 Fluent Meshing을 활용하여 형상 정리부터 격자 생성까지 CFD 전처리 과정을 보다 쉽고 효율적으로 수행하는 방법을 소개합니다.

CFD 해석을 진행하면서 하염없이 기다려본 경험, 엔지니어라면 누구나 있으실 겁니다. 복잡하고 정밀한 모델일수록 기하급수적으로 늘어나는 계산 시간은 답답함을 넘어 전체 프로젝트의 발목을 잡기도 합니다. 만약 기존 CPU 클러스터와 비슷한 수준의 시스템 구성 비용만으로 해석 시간을 획기적으로 단축할 수 있다면 어떨까요? 이번 세션에서는 해석 시간을 단축해 줄 Fluent GPU Solver의 향상된 성능과 주요 특징을 소개합니다.

CFD 해석을 수행하다 보면 다음과 같은 의문이 생길 때가 있습니다.

“계산 도메인은 동일하고 해석 조건만 달라지는 경우, 더 빠르게 결과를 얻을 수는 없을까?”

“해석 조건이 조금만 달라져도 매번 처음부터 다시 계산해야 할까?”

일반적인 CFD 해석에서는 경계조건이나 물성, 운전조건 등이 변경되면 새로운 조건에 맞는 해를 다시 계산해야 합니다. 기존 해석 결과를 초기값으로 활용하여 수렴 시간을 단축할 수는 있지만, 결국 새로운 조건에 대한 반복 계산 과정이 필요합니다.

그렇다면 관심 있는 해석 조건의 변화에 대해 사전에 여러 CFD 결과를 확보하고, 이를 기반으로 대리모델(Surrogate Model)을 구축한다면 어떨까요?

대리모델이 구축되면 새로운 조건이 입력되었을 때 CFD 해석을 매번 다시 수행하지 않고도 결과를 매우 빠르게 예측할 수 있습니다.

이번 발표에서는 일반적으로 최적화 및 설계 탐색 도구로 많이 활용되는 Ansys optiSLang을 이용하여 CFD 해석 데이터를 기반으로 대리모델을 구축하고, 변화하는 해석 조건에 대한 결과를 빠르게 예측하는 방법을 소개하고자 합니다.

복잡한 시스템의 열특성을 3차원 CFD 해석으로 상세하게 모델링할 경우, 정교한 격자 생성 과정과 막대한 계산량으로 인해 해석 모델 구성과 결과 도출에 많은 시간과 노력이 필요합니다. 특히 설계 변경이나 다양한 운전 조건 검토가 빈번한 초기 단계에서는 고사양 컴퓨팅 자원을 활용한 반복 계산에 상당한 부담이 따릅니다.

Ansys Thermal Desktop은 시스템을 열 네트워크(Lumped Parameter) 모델로 단순화하여 적은 제원만으로도 단시간 내에 시스템 수준의 열적 거동을 효과적으로 예측합니다. 이번 세미나에서는 인공위성 궤도·복사 열해석, 탱크 충전, 유체 네트워크 해석 등 다양한 적용 예제의 주요 파라미터 변수 세팅 화면을 소개하며, 복잡한 열·유체 해석 조건들을 얼마나 쉽고 유연하게 구성할 수 있는지 보여드립니다.

3차원 상세 해석에 소요되는 시간과 노력을 줄이면서도 높은 효율을 도출하는 Thermal Desktop의 장점을 다루며, 해석을 실제로 수행하기 위해 필요한 핵심 입력 정보를 간단히 정리하여 실무에 바로 활용할 수 있는 접근 프로세스를 전달합니다.

Ansys Fluent를 활용한 자유표면 다상유동 해석은 정교한 격자(Mesh) 생성으로 인한 막대한 전처리 시간과 긴 시간이 요구되는 비정상 해석(Transient) 해석, 구동(Moving) 조건 설정의 한계가 존재합니다.

이를 극복하기 위해 무격자(Meshless) 기반의 Ansys FreeFlow와 Rocky를 도입하면 해석 속도 향상을 시킬 수 있을 뿐만 아니라 격자 의존성을 탈피해 비정상 해석에 소요되는 막대한 시간을 단축하고 편리한 구동 조건 설정으로 직관적인 동적 거동을 구현함으로써 해석 영역을 확장할 수 있습니다.

또한 다양한 모양을 가진 고체 입자와 유체 간 정밀한 연성 해석(Coupling)을 구현하여 기존 DPM, DDPM, Granular 모델에 의존했던 입자-유체 상호작용 해석의 한계를 극복할 수 있습니다.

본 발표에서는 AI 에이전트가 Ansys의 오픈소스 도구인 PyFluent MCP를 활용해 Fluent 솔버를 직접 제어하고, 형상 정리부터 격자 생성, 조건 설정, 해석 실행, 결과 후처리까지 유동해석 전 과정을 자동화하는 Agentic AI 워크플로우를 소개합니다. 또한 자동차·전자·에너지·항공우주 등 다양한 산업 분야에서 해석 생산성을 높이는 방법을 살펴보며, CFD 입문자에게는 손쉬운 해석 진입점을, 기존 CFD 사용자에게는 AI 기반 자동화를 통한 새로운 해석 생산성 향상 방안을 제시합니다.

설계가 바뀔 때마다 반복되는 CFD 해석은 엔지니어의 시간을 가장 많이 가져갑니다.

본 세션에서는 미리 계산해둔 CFD 결과를 학습시켜, 새로운 설계의 3D 유동장을 즉시 예측하는 AI Surrogate Model 구축 사례를 소개합니다.

사이클론 집진기를 대상으로 설계 변수 3개, 설계점 34건을 Stochos Flow의 AI(DIM-GP) 알고리즘으로 학습시켰습니다. 그 결과 압력장과 속도장 전체를 필드 R² 0.992, 압력강하 평균 오차 2.5%로 예측했습니다.

DIM-GP는 예측값과 함께 신뢰구간을 제공합니다. 어떤 설계에서 예측이 불확실한지 사전에 확인할 수 있어, 추가 해석이 필요한 설계를 스스로 골라낼 수 있습니다.

학습된 모델은 웹앱으로 배포해, 해석 전문가가 아니어도 브라우저에서 치수만 입력하면 유동장과 예측 결과를 확인할 수 있습니다.