AX Implementation

Configurable Product Platform: Siemens가 디지털 트윈·협업으로 9개월 만에 제품 변형 750→2만 5천 개

Siemens 영국 Congleton 공장은 디지털 트윈·시뮬레이션·연결된 기업 시스템으로 구성형 제품 플랫폼의 변형을 9개월 만에 약 750개에서 2만 5천 개 이상으로 늘렸습니다. 조달 책임자 Christina Wolger는 이를 가능하게 한 것이 엔지니어링·IT·제조의 협업이었다고 말합니다. 옵션 단위 데이터 모델, 가상 검증, 12주 시범 계획을 붙였습니다.

출처
The Manufacturer · Joe Bush
원문 제목
Manufacturing Leaders' Summit 2026 – Day 2 key takeaways
유형
아티클
읽은 날
2026.11.14
원문 발행
2026.11.11

Siemens Congleton은 디지털 트윈과 시뮬레이션, 서로 연결된 기업 시스템으로 제품 변형을 9개월 만에 30배 넘게 늘렸습니다. 발표자가 앞에 둔 것은 도구가 아니라 엔지니어링·IT·제조가 함께 일한 방식이었습니다. 따라 하려면 변형을 옵션과 규칙으로 정의하고, 실물 대신 가상으로 검증하고, 변형 정보가 시스템 사이를 다시 입력 없이 흐르게 하는 일을 한 팀이 맡아야 합니다.

요약

The Manufacturer의 Joe Bush가 Manufacturing Leaders’ Summit 2026 둘째 날 발표를 정리한 기사입니다. 이 노트는 그중 마지막 키노트, Siemens Congleton 공장의 조달 책임자(Head of Procurement) Christina Wolger의 발표를 다룹니다. 주제는 불확실한 환경에서 회복력 있는 운영을 만드는 법이었습니다. Wolger는 영국 제조업이 받는 압력으로 경제 불확실성, 지정학 불안, 공급망 차질, 숙련 인력 부족, 에너지 비용 상승, 빠르게 등장한 AI를 꼽고 자기 공장의 경험을 사례로 들었습니다. 첫 사례는 새 구성형 제품 플랫폼(configurable product platform, 정해진 옵션을 조합해 주문마다 다른 제품을 만드는 구조)입니다. 이 플랫폼의 변형(variant) 수는 9개월 만에 약 750개에서 2만 5천 개 이상이 됐습니다. 두 번째 사례는 팬데믹 뒤 공급망 변동성에 대응한 조직 변화입니다.

구성형 제품 플랫폼의 변형 수 (0 기준, 실제 비율)시작플랫폼 출범 시점7509개월 뒤디지털 트윈·시뮬레이션·연결 시스템25,000+025,000약 750 → 25,000+ : 30배 넘게 늘어남
원문 수치를 0 기준 실제 비율로 다시 그림. 750개 막대는 2만 5천 개의 3% 길이

Wolger가 꼽은 수단은 디지털 트윈(digital twin, 실물 제품·공정을 가상으로 옮긴 모델), 시뮬레이션, 서로 연결된 기업 시스템(connected enterprise systems)입니다. 그러나 그는 이 변화를 가능하게 한 것이 엔지니어링·IT·제조 팀의 협업이었다고 강조했습니다. 공급망 사례에서도 조직을 다시 짜고 책임을 분명히 하고 직원을 참여시킨 결과, 회사가 더 민첩해졌고 인력의 25% 넘게 개선 프로젝트에 직접 참여했습니다. 앞으로는 AI, 고급 분석, 디지털 트윈이 예측·가시성·의사결정을 개선할 것으로 봤고, 이를 위해 역량에 투자하고 직원에게 권한을 주고 협력사와 관계를 단단히 해야 한다고 말했습니다. 같은 날 생산성 패널(Westley Engineering, Eurocell, JLR)도 기술이나 AI에 투자하기 전에 공정 개선이 먼저라고 정리했습니다. 아래에서는 변형 확대를 떠받친 구조를 풀고, 실제로 돌릴 때 필요한 데이터 모델과 일정을 덧붙입니다.

사례 1 · 플랫폼변형 약 750 → 2만 5천+9개월엔지니어링·IT·제조 협업사례 2 · 공급망팬데믹 뒤 변동성조직 재편, 책임 명확화인력 25% 넘게 개선 참여다음 단계AI·고급 분석·디지털 트윈예측·가시성·의사결정역량 투자, 협력사 관계
발표 흐름을 세 칸으로 정리

핵심 메커니즘

Configurable product platform: 옵션과 규칙으로 변형을 만드는 구조

구성형 제품 플랫폼은 완제품 목록을 미리 만들어 두지 않습니다. 옵션(등급, 통신 방식, 외함 같은 선택 항목)과 조합 규칙을 정의해 두고 주문이 들어올 때 변형을 만듭니다. 옵션 하나를 더하면 가능한 조합은 곱셈으로 늘어나므로, 변형 수가 몇 달 사이 30배 넘게 늘어나는 일은 옵션 체계가 갖춰진 뒤에야 가능합니다. 반대로 규칙이 허술하면 만들 수 없는 조합이 주문에 섞입니다. 원문은 Congleton 플랫폼의 제품과 옵션 구성을 밝히지 않았습니다. Congleton은 Sinamics 가변속 드라이브를 만드는 공장이므로(같은 매체 9월 기사), 아래 그림은 드라이브류를 가정한 가상 예시입니다.

옵션 정의전압·출력 등급통신 방식외함·인증규칙허용 조합금지 조합공통 부품조합주문마다 변형 생성도면·BOM 자동 파생출하변형 하나 = 주문 하나재고 대신 구성
가상 예시: 드라이브류 제품을 가정한 옵션 체계. 옵션 이름은 설명용

Digital twin과 simulation: 실물 없이 변형을 검증한다

변형이 2만 5천 개를 넘으면 하나씩 시제품을 만들어 볼 수 없습니다. 디지털 트윈은 제품과 생산 공정을 가상 모델로 옮겨, 새 조합이 조립되는지, 성능 조건을 맞추는지, 라인 작업 시간에 어떤 영향을 주는지를 실물 없이 확인하게 해 줍니다. 시뮬레이션은 그 모델 위에서 여러 조합과 생산 순서를 돌려 보는 작업입니다. Wolger는 두 가지를 변형 확대를 가능하게 한 수단으로 꼽았습니다. 검증에 실패한 조합은 금지 규칙으로 돌아가 플랫폼을 다듬는 데 쓰입니다.

입력새 옵션 조합부품·공정 데이터가상 검증디지털 트윈에서 조립·성능시뮬레이션으로 라인 영향판정통과: 출시 목록실패: 규칙에 금지 추가
변형이 늘어도 시제품 수가 함께 늘지 않게 하는 구조(일반 설명)

Connected enterprise systems: 변형 정보가 다시 입력 없이 흐른다

변형 하나가 생기면 설계 정보, 품목과 가격, 구매 부품 목록, 작업 지시가 함께 생겨야 합니다. 이 정보가 PLM(제품 수명주기 관리), ERP(전사 자원 관리), MES(제조 실행 시스템) 사이를 사람이 옮겨 적는 방식이면 변형 수가 곧 수작업 양이 됩니다. Wolger가 말한 연결된 기업 시스템은 이 경로를 잇는 일입니다. 원문은 어떤 시스템을 어떻게 연결했는지 밝히지 않았으므로, 그림은 제조업에서 흔한 구조로 그렸습니다.

PLM변형 정의설계 BOMERP품목·가격구매 BOMMES작업 지시공정 순서현장조립·시험실적 회신
connected enterprise systems의 일반 구조. 시스템 이름은 설명용

Cross-functional collaboration: 엔지니어링·IT·제조가 한 팀으로

발표의 중심은 이 부분입니다. 옵션과 규칙은 엔지니어링이, 시스템 연결과 데이터 표준은 IT가, 라인 영향과 작업 표준은 제조가 압니다. 셋 중 하나라도 따로 움직이면 변형은 설계상 가능해도 시스템에 없거나, 시스템에 있어도 라인에서 만들 수 없습니다. Wolger는 9개월 만의 확대를 이끈 힘을 기술보다 이 협업에서 찾았습니다. 같은 날 생산성 패널이 사일로를 허무는 기능 간 협업과, 바꾼 것을 현장에 뿌리내리게 하는 일을 강조한 것과도 맞닿습니다.

정의연결책임엔지니어링옵션·규칙 정의트윈 모델 유지변형 승인IT시스템 연결변형 키 표준데이터 품질제조라인 영향 검토작업 표준현장 피드백조달공통 부품 확대협력사 공유리드타임 관리
기능별 역할 매트릭스. 원문은 엔지니어링·IT·제조 협업을 언급했고 조달 칸은 새로 덧붙임

Workforce participation: 구조를 바꾸고 사람을 개선에 넣는다

두 번째 사례는 팬데믹 뒤 공급망 변동성입니다. Congleton은 조직을 다시 짜고, 누가 무엇을 책임지는지 분명히 하고, 직원을 개선 활동에 끌어들였습니다. 그 결과 인력의 25% 넘게 개선 프로젝트에 직접 기여했고 회사는 변동에 더 빨리 대응하게 됐다고 Wolger는 말했습니다. Wolger의 맺음말도 같은 방향입니다. “Technology should never be something that just happens to people.” 기술은 사람에게 그냥 떨어지는 것이어서는 안 된다는 뜻입니다.

구조조직 재편책임자 명확화참여인력 25% 넘게개선 프로젝트 직접 참여결과더 민첩하게변동에 빠르게 대응
원문 사례 2를 구조→참여→결과로 정리

통념과 다른 주장

흔히 이렇게 봅니다디지털 트윈이나 AI 같은 기술에 투자하면 공급망과 운영의 회복력이 따라온다고 봅니다.

Wolger는 이렇게 봅니다기술만으로는 회복력이 생기지 않습니다. 오래 가는 성과의 바탕은 사람, 문화, 리더십입니다.

근거변형을 30배 넘게 늘린 사례에서 디지털 트윈과 시뮬레이션을 썼지만, 그것을 가능하게 한 것은 엔지니어링·IT·제조의 협업이었습니다. 공급망 사례에서는 조직 재편과 인력 25% 넘는 개선 참여가 민첩성을 만들었습니다.

흔히 이렇게 봅니다Wolger는 이렇게 봅니다· 디지털 트윈·AI를 들이면· 회복력이 따라온다· 도구 선정이 먼저· 기술만으로는 회복력이 안 생긴다· 바탕은 사람·문화·리더십· 기술은 사람과 함께 움직여야
Siemens Congleton 조달 책임자 발표의 핵심 대비

흔히 이렇게 봅니다생산성을 올리려면 AI와 자동화부터 들여야 한다고 봅니다.

같은 날 생산성 패널은 이렇게 봅니다기술이나 AI에 투자하기 전에 공정 개선이 먼저입니다. 바꾼 것을 현장에 뿌리내리게 하고 기능 사이 벽을 허물어야 합니다.

근거Westley Engineering, Eurocell, JLR 패널이 생산성 정체의 원인을 이렇게 정리했습니다. Siemens 사례의 협업 강조와 같은 방향입니다.

저자가 든 사례

Siemens Congleton: 구성형 제품 플랫폼의 변형 확대

구분내용
상황새 구성형 제품 플랫폼 출범, 변형 약 750개
한 일디지털 트윈, 시뮬레이션, 연결된 기업 시스템 활용. 엔지니어링·IT·제조 팀 협업
결과9개월 만에 변형 2만 5천 개 이상. 제품명, 비용, 시스템 이름은 원문에서 밝히지 않음
연결Configurable product platform, Digital twin과 simulation, Connected enterprise systems, Cross-functional collaboration

Siemens Congleton: 팬데믹 뒤 공급망 변동성 대응

구분내용
상황팬데믹 이후 공급망 변동성
한 일조직 재편, 책임 명확화, 직원 참여
결과더 민첩하고 빠르게 대응하는 조직. 인력 25% 넘게 개선 프로젝트에 직접 기여. 기간과 프로젝트 수는 원문에서 밝히지 않음
연결Workforce participation

기술 디테일: 변형 2만 5천 개를 데이터로 다루려면

아래는 원문에 없는 내용으로, 같은 구조를 실제로 돌릴 때 필요한 것을 정리한 것입니다.

변형을 옵션 조합으로 저장해야 합니다(Configurable product platform). 변형마다 완제품 품목을 따로 만들면 2만 5천 개 품목을 관리하게 됩니다. 변형은 옵션 값의 조합과 그 조합을 통과시킨 규칙 버전으로 저장하고, 품목 번호와 BOM은 조합에서 파생합니다. 최소 필드는 다음과 같습니다.

{
  "variant_key": "PLAT-A|P07|COM-ETH|IP55|CE-UL",
  "platform_id": "PLAT-A",
  "options": {"power": "P07", "comms": "COM-ETH", "enclosure": "IP55", "cert": "CE-UL"},
  "rule_version": "2026.11.03",
  "validation": {"twin_check": "pass", "line_sim": "pass", "checked_at": "2026-11-05"},
  "bom_ref": "derived",
  "common_part_ratio": 0.82,
  "status": "released"
}

variant_key는 옵션 코드를 정해진 순서로 이은 값으로, PLM·ERP·MES가 같은 키를 씁니다. rule_version이 있어야 나중에 규칙이 바뀌었을 때 어떤 변형을 다시 검증할지 찾을 수 있습니다. 필드 이름과 값은 설명용 가상 예시입니다.

모든 조합을 다 시뮬레이션하지 않습니다(Digital twin과 simulation). 2만 5천 개를 하나씩 돌리면 계산 시간이 감당이 안 됩니다. 옵션 쌍(pairwise) 단위로 서로 영향을 주는 조합만 골라 검증하고, 열·공간·전기처럼 물리적으로 부딪히는 옵션 쌍을 먼저 봅니다. 실패한 쌍은 금지 규칙으로 등록하고 rule_version을 올립니다. 판정은 통과·조건부 통과·실패 셋으로 나누고, 조건부 통과는 엔지니어가 확인한 뒤에만 출시 목록에 올립니다.

시스템 연결은 키 하나와 이벤트로 시작합니다(Connected enterprise systems). PLM에서 변형이 released가 되면 이벤트를 내보내고, ERP가 품목과 구매 BOM을, MES가 작업 지시 템플릿을 만듭니다. 이때 자주 깨지는 지점은 세 곳입니다. 옵션 코드 표기가 시스템마다 다른 경우, 규칙 변경이 ERP에 늦게 반영되는 경우, 현장 변경이 PLM으로 돌아오지 않는 경우입니다. 매일 세 시스템의 variant_key 목록을 대조해 불일치 건수를 보고하면 첫 달 안에 대부분 드러납니다.

AI 예측은 변형이 아니라 옵션 단위로 합니다(Wolger가 말한 다음 단계). Wolger는 AI와 고급 분석이 예측과 가시성을 개선할 것으로 봤습니다. 변형이 2만 5천 개면 변형 하나당 판매 이력이 짧고 드문드문해 변형별 예측은 오차가 큽니다. 플랫폼 전체 수요와 옵션별 채택률(전체 주문 중 그 옵션을 고른 비율)을 따로 예측하고, 둘을 곱해 부품 소요를 계산하는 편이 안정적입니다. 모델은 단순 지수평활 같은 기준 모델로 시작하고, 계절성과 수주 잔량을 넣은 gradient boosting(LightGBM 등)이 기준 모델보다 오차(MAPE)를 줄일 때만 바꿉니다. 공통 부품은 플랫폼 총수요만으로 계획할 수 있어 협력사에 먼저 공유하기 좋습니다. 예측 모델은 매주 다시 돌리고, 옵션 채택률이 4주 연속 신뢰구간을 벗어나면 담당자에게 알립니다.

변형 단위 예측2만 5천 개 각각이력 짧고 희소오차 큼옵션 단위 예측옵션별 채택률플랫폼 총수요데이터 충분부품 소요채택률 × 총수요공통 부품 먼저협력사에 공유
가상 예시: 변형별 예측 대신 옵션 채택률로 부품 소요를 계산

LLM을 붙인다면 규칙 설명과 질의에 씁니다. 영업이나 고객이 “이 통신 방식에 이 외함이 되나”를 물을 때, 규칙 엔진의 판정 결과를 근거로 답하게 하고 판정 자체는 규칙 엔진에 맡깁니다. 답변에는 근거 규칙 ID와 rule_version을 함께 내도록 구조화 출력을 정합니다. 규칙에 없는 조합을 물으면 “규칙 없음, 엔지니어링 확인 필요”로 답하게 해 지어낸 허용을 막습니다.

현업 실행 디테일: 누가, 언제, 무엇을

역할. Wolger가 협업 주체로 든 엔지니어링·IT·제조에, 공급망 쪽 조달을 더했습니다(가상 예시).

역할하는 일산출물
플랫폼 오너(엔지니어링)옵션·규칙 정의, 변형 승인옵션 사전, 규칙 버전 기록
디지털 트윈 담당(엔지니어링)트윈 모델 유지, 쌍 단위 검증검증 결과표
IT 아키텍트variant_key 표준, PLM·ERP·MES 연결인터페이스 명세, 일일 불일치 리포트
생산기술(제조)라인 영향 검토, 작업 표준공정 순서 템플릿
조달공통 부품 확대, 옵션 단위 소요를 협력사와 공유부품 소요 계획, 협력사 공유본
개선 리더현장 직원의 개선 참여 운영참여율, 개선 과제 목록

준비물. 제품군 하나의 최근 12개월 주문 데이터, 현재 품목·BOM 목록, 설계 규칙 문서(엑셀이어도 됨), 라인별 작업 시간 데이터, 세 시스템의 품목 코드 대응표.

정리모델검증연결예측판정1~2주데이터 정리3~4주옵션·규칙5~7주트윈 검증8~9주시스템 연결10~11주옵션 예측12주판정
가상 예시: 제품군 하나를 대상으로 한 12주 시범 계획
기간할 일산출물
1~2주기존 품목을 옵션 조합으로 분해옵션 사전 초안, 분해 안 되는 품목 목록
3~4주허용·금지 규칙 정리규칙 v1, 가능한 조합 수
5~7주위험 옵션 쌍 20~30개를 트윈으로 검증검증 결과표, 규칙 v2
8~9주variant_key로 PLM→ERP→MES 연결일일 불일치 리포트
10~11주옵션 채택률 기반 부품 소요 계산옵션 단위 예측, 협력사 공유본
12주진행 여부 판정판정 보고서

확인 질문.

  • 지금 새 변형 하나를 출시하는 데 며칠이 걸리고, 그중 다시 입력하는 단계는 몇 개입니까?
  • 주문 가운데 만들 수 없는 조합이 들어와 되돌린 건이 한 달에 몇 건입니까?
  • 옵션 코드를 시스템마다 다르게 쓰는 곳이 있습니까?
  • 현장 직원이 변형 관련 개선을 제안할 통로가 있고, 지난 분기 몇 명이 썼습니까?

진행 판정 기준(예시). 일일 불일치가 시범 시작 대비 80% 넘게 줄었는지, 새 변형 출시 리드타임이 절반 이하로 줄었는지, 만들 수 없는 조합의 주문 유입이 0건인지, 제품군 담당 인력의 20% 이상이 개선 과제에 참여했는지를 봅니다. 넷 중 셋을 넘으면 다음 제품군으로 넓힙니다.

AX 적용 제언. 이 사례를 고객사에 옮길 때 첫 질문은 “디지털 트윈을 살까”가 아니라 “변형 하나가 설계에서 현장까지 몇 번 다시 입력되나”입니다. 다품종 조립 제조(전기·전자 부품, 산업 장비, 공조)에서 영업이 요구하는 조합이 늘어나 수작업이 막혀 있는 곳이 1순위입니다. 순서는 옵션 사전과 규칙 정리, 시스템 키 통일, 가상 검증, 옵션 단위 예측입니다. 스폰서는 제품 기획이나 생산 총괄 한 사람으로 두고, 엔지니어링·IT·제조·조달 담당을 한 팀으로 묶어 같은 지표(출시 리드타임, 불일치 건수, 참여율)로 평가합니다. Wolger가 말한 대로 기술은 마지막에 얹고, 사람이 그 흐름을 먼저 맡게 합니다.

원문 사례

항목내용
원문The Manufacturer, Joe Bush, 2026년 11월 11일. Manufacturing Leaders’ Summit 2026 둘째 날 정리
발표Christina Wolger(Siemens Congleton 조달 책임자), 회복력 있는 운영 만들기
압력 요인경제 불확실성, 지정학 불안, 공급망 차질, 숙련 인력 부족, 에너지 비용 상승, AI의 빠른 등장
사례 1구성형 제품 플랫폼 변형 약 750개 → 9개월 만에 2만 5천 개 이상. 디지털 트윈·시뮬레이션·연결된 기업 시스템, 엔지니어링·IT·제조 협업
사례 2팬데믹 뒤 공급망 변동성. 조직 재편·책임 명확화·직원 참여, 인력 25% 넘게 개선 프로젝트 기여
다음 단계AI·고급 분석·디지털 트윈으로 예측·가시성·의사결정 개선. 역량 투자, 직원 권한 부여, 협력사 관계 강화
같은 날 패널Westley Engineering, Eurocell, JLR: 기술·AI 투자 전에 공정 개선, 정착과 기능 간 협업
공장 정보(보조)Sinamics 가변속 드라이브 생산, 약 500명(The Manufacturer, 2026년 9월 15일 기사)

핵심 개념

Variant
같은 플랫폼에서 옵션 조합만 달리해 만든 제품 하나입니다.
PLM
Product Lifecycle Management. 제품의 설계 정보와 변경 이력을 관리하는 시스템입니다.
MES
Manufacturing Execution System. 작업 지시와 생산 실적을 현장에서 관리하는 시스템입니다.
BOM
Bill of Materials. 제품 하나를 만드는 데 드는 부품과 수량 목록입니다.
Pairwise testing
모든 조합 대신 옵션 두 개씩의 조합을 빠짐없이 덮도록 검증 대상을 고르는 방법입니다.
Attach rate
전체 주문 가운데 특정 옵션을 고른 주문의 비율입니다. 옵션 단위 예측의 기본값입니다.
Resilience
충격을 받은 뒤 빠르게 회복하고 변화를 기회로 바꾸는 운영 능력입니다.

내 메모

TODO: 내 생각 추가

원문은 The Manufacturer 「Manufacturing Leaders’ Summit 2026 - Day 2 key takeaways」(Joe Bush, 2026.11.11)입니다. 이 노트는 그중 Siemens Congleton Christina Wolger의 키노트를 중심으로, 같은 날 생산성 패널을 보조로 정리했습니다. 요약, 핵심 메커니즘의 원문 내용, 통념과 다른 주장, 저자가 든 사례는 원문이 언급한 내용을 AX Partners가 다시 정리했습니다. Congleton의 생산 제품과 인원은 같은 매체의 「Siemens’ Congleton factory celebrates 10 million milestone」(2026.9.15)에서 가져왔습니다. 구성형 플랫폼·디지털 트윈·시스템 연결의 작동 설명, 기술 디테일의 스키마·설정값, 현업 실행 디테일의 역할·일정·판정 기준, 적용 제언, 인포그래픽과 표는 실제로 돌릴 때 필요한 것을 새로 작성했습니다. 원문 전체는 링크에서 볼 수 있습니다.

Related

함께 읽으면 좋은 노트

AX Implementation아티클

Make Yourself Redundant: Stellantis 엔지니어링이 AI로 개발을 줄이면서 설계는 사람이 쥐는 방식

Fortune · Nick Lichtenberg

Stellantis 엔지니어링 조직은 AI 도구로 핸즈프리 주행 시스템을 6주 만에 만들었습니다. 1년~18개월 걸리던 일입니다. 결함 수정은 2~3주에서 2~3일로, 항력 추정은 14~24시간에서 약 3분으로 줄었습니다. 그래도 안전 핵심 시스템의 아키텍처는 사람이 짜고 엔지니어 채용은 수백 명 늘립니다. 따라 할 때의 파이프라인과 8주 시범안을 붙였습니다.

CIO·CTO현업 리더CHRO
#사례#제품 개발 2026.11.05 ↗
AX Implementation포스트

Computational Screening: 로레알, 원료 조합 탐색을 수개월 실험에서 수시간 계산 선별로

NVIDIA Blog · Mavi Nafria

로레알은 UV 필터를 잘 녹이는 원료 조합을 실험실에 가기 전에 분자 시뮬레이션(OrbMol-v2, NVIDIA ALCHEMI)으로 먼저 걸러, 수개월 걸리던 탐색을 수시간 계산 선별로 바꿨다고 NVIDIA가 소개했습니다. 후보 정의, 실험 데이터로 순위 맞추기, 8주 파일럿을 붙였습니다.

CIO·CTO현업 리더AX 추진
#사례#제품 개발 2026.10.28 ↗
AX Implementation아티클

Surrogate Model: 혼다·요코하마고무가 CAE 해석 결과로 AI를 학습시켜 설계안을 빠르게 거른다

MONOist · PR(DEP Japan 제공)

혼다 4륜개발센터는 S자 프레임 충돌 해석 30건으로 AI surrogate model을 학습시켜 처음 보는 형상 10건의 변형과 배리어 반력 파형을 예측했습니다(R² 0.9987). 요코하마고무는 FEM 약 100건으로 타이어 단면을 최적화했습니다. 두 회사 모두 최종 판단은 CAE에 맡기고, 해석이 크고 평가할 안이 많을수록 효과가 크다고 정리했습니다.

CIO·CTO현업 리더AX 추진
#사례#시뮬레이션 2026.11.14 ↗