챕터 1
시뮬레이션 및 모델 기반 설계에 왜 AI를 사용할까요?
개발 공정 전반에 Simulink® 모델을 사용하는 모델 기반 설계라고 불리는 이 접근법은 효율성과 낮은 위험으로 복잡한 시스템을 개발하는 검증된 방식입니다. AI 전문가가 아니더라도 워크플로에 AI 기법을 추가하면 시간을 절약하고 설계를 개선할 수 있습니다.
시뮬레이션과 모델 기반 설계에 AI를 사용하는 주된 이유는 네 가지가 있습니다.
- 정확도 개선: 고품질 훈련 데이터로 AI 알고리즘을 구축하여 알고리즘 정확도를 개선할 수 있습니다.
- 복잡성 감소: 다른 방법으로는 계산이 복잡하거나 모델링이 불가능한 알고리즘을 AI로 대체할 수 있습니다.
- 시간 절약: 제1원리에서 도출하는 고충실도 모델이 구축하고 시뮬레이션하기에 너무 많은 시간이 걸리는 경우 AI를 사용하여 시스템의 차수 축소 모델을 생성할 수 있습니다.
- 협업: Simulink를 사용하여 오픈 소스 프레임워크나 MATLAB에서 개발한 AI 모델을 시스템 수준 설계에 통합할 수 있습니다.
- 최종적으로 임베디드 시스템에 배포하게 될 알고리즘의 AI 모델을 개발합니다. 예제를 심층적으로 살펴보려면 챕터 2를 참조하십시오.
- 데이터 주도 플랜트 또는 환경 모델링에 AI를 활용합니다. AI 모델을 훈련시키는 데 사용되는 데이터는 하드웨어 또는 고충실도 시뮬레이션 모델에서 올 수 있는데, 이 모델은 시스템 수준 시뮬레이션을 하기에는 너무 계산 집약적입니다. AI를 사용하여 고충실도 구성요소의 차수 축소 모델을 만드는 방법에 대해 심층적으로 살펴보려면 챕터 3을 참조하십시오.
임베디드 알고리즘 개발: 이 활용 사례에는 최종적으로 임베디드 시스템에 배포될 AI 기반 제어기, 센서, 센서 융합, 이미지 프로세서, 객체 검출기가 포함되어 있습니다.
차수 축소 모델: AI를 사용하여 복잡한 시스템의 차수 축소 모델을 만들어서 많은 엔지니어들이 시스템 구성요소를 정교화하고 검증할 수 있도록 할 수 있습니다.
많은 경우에 하나의 AI 모델은 두 활용 사례에 모두 활용될 수 있습니다. 또 다른 옵션은 Simulink를 ML(머신러닝)의 한 분야인 강화 학습을 위한 역동적인 환경으로 활용하는 것입니다.
임베디드 알고리즘 개발을 위한 모델 기반 설계에 AI를 통합하면 다음과 같은 작업을 할 수 있습니다.
- 하나의 알고리즘에 대해 여러 AI 모델로 실험 및 정확도와 기기에서의 성능 사이의 절충점을 빠르게 비교.
- 알고리즘의 AI 모델을 배포하기 전에 시스템 요구사항에 부합하는지 평가.
- 시뮬레이션된 환경에서 다른 모델들과 함께 AI 모델을 실행하여 시스템 통합 문제 발견.
- 하드웨어나 물리적 환경에서 실행하기가 어렵거나 비용이 많이 들거나 위험한 시나리오 테스트.
데이터 주도 차수 축소 모델링에 AI를 사용하면 다음과 같은 작업이 가능합니다.
- 느린 고충실도 모델 시뮬레이션의 속도 향상.
- 설계 공정 초기에 AI 기반 차수 축소 모델을 사용한 설계 가속화 및 설계 공정 후기에 고충실도 시뮬레이션 모델을 사용한 결과 검증.
- 완전한 시스템 하드웨어 없이 제어기 설계를 검증하여 HIL(Hardware-in-the-Loop) 테스트 수행.
- 경계 조건 탐색, 설계에 대한 반복, 대안 평가 등에 더 많은 시간 할애.
이 사례에서의 팀은 폐루프 파워트레인 제어의 AI 기반 제어기를 개발했습니다.
이 사례에서의 팀은 라이프사이클 비용을 절감하고 준비 정도를 개선하기 위해 전체 비행기의 Simulink 모델을 개발했습니다. 이 모델은 항공기 성능 및 정비 가동 중단 시간의 정확한 예측에 의존합니다. 이 팀은 항공기의 고충실도 Simulink 모델을 개발한 후 빠른 분석을 위해 Simulink 모델의 출력 데이터를 사용하여 다양한 시나리오에 걸쳐 AI 모델을 훈련시켰습니다.
![조종실이 열려 있고 조종사가 비행을 준비하는 전투기의 열.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/9513411f-c8f2-459c-b6cf-14e8e2042286/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296350674.jpg)
비행 준비 중인 비행기. (이미지 출처: Lockheed Martin)
이 사례에서의 팀은 동적 셰이커 장비를 만들어 레이싱카 팀이 경주 전, 트랙 특정 조절을 통해 경주 성능을 향상시킬 수 있도록 할 수 있었습니다. AI 모델은 셰이커 기기 성능을 시뮬레이션하기 위해 사용된 복잡한 가상 모델의 일부입니다.
![셰이커 장비 위의 레이싱카.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/49b677a4-9ed1-4a2e-ac41-cf74f4aff5ab/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296350784.jpg)
동적 셰이커 장비를 통해 팀은 경주 전 성능 조정을 할 수 있습니다. (이미지 출처: Penske Technology Group)
이 사례에서의 팀은 AI를 사용해 자동으로 간질 환자의 비디오 데이터에서 발작을 검출하는 알고리즘을 개발했습니다. 의사들은 통상적으로 뇌전도 및 시각적 단서를 사용하여 환자들을 모니터링하는데 이런 접근법은 노동 집약적이며 환자 입장에서는 불편합니다.
"우리는 직원을 늘리지 않고도 세 배 이상의 환자를 돌볼 수 있을 것으로 보고 있습니다. 이 새로운 기법이 홈 모니터링에 사용이 된다면 높은 병원 입원 및 임상적 관찰 비용이 줄어들어 비용을 더 절감할 수 있을 것입니다."
Dr. Stiliyan Kalitzin, Dutch Epilepsy Clinics Foundation
![병실의 이미지 및 데이터를 보여주는 일련의 컴퓨터 화면.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/bed891b3-8239-4c7f-b11b-b377e27742c8/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296350893.jpg)
비디오를 통한 간질발작 검출. (이미지 출처: Dutch Epilepsy Clinics Foundation)
로봇 용접 등 로보틱 시스템을 사용한 스마트 제조를 지원하기 위해 이 팀은 용접해야 할 부분의 위치 및 방향을 추정하는 AI 알고리즘을 개발했습니다. 이 알고리즘은 다른 알고리즘과 함께 시뮬레이션에서 사용되어 로보틱 시스템의 디지털 트윈을 생성하였습니다.
![실제 로봇 팔의 이미지 옆에 있는 로봇 팔의 디지털 렌더링.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/79027503-145f-4b72-87aa-90c2e68f9756/parsys/image.adapt.full.medium.jpg/1693296350996.jpg)
디지털 트윈은 로봇 용접 시스템의 설계, 구축 및 검증 작업을 돕습니다. (이미지 출처: Hong Kong Applied Science and Technology Research Institute)
"MBSE 디지털 트윈 접근법은 통합 시간을 40%, 개발 시간을 30% 감소시켰습니다.
Dr. T. John Koo, ASTRI
이 사례에서 AI 모델은 연료전지 시스템에 대한 전력 수요를 예측합니다. 이 팀은 이와 기타 알고리즘을 함께 사용해 차세대 연료 시스템의 시스템 수준 시뮬레이션을 구축했습니다.
"우리는 우리의 아이디어를 시뮬레이션하고 오류 또는 비효율성을 찾아 시스템에서 알고리즘을 테스트하기 전에 이를 수정할 수 있습니다. 다시 말하면 MathWorks의 툴로 인해 우리는 예방 조치를 취할 수 있게 되었습니다."
Rebecca Dinan, Plug Power
![두 대의 냉장고 크기의 회색 컨테이너에 금속 포일로 감싸여진 구성요소 및 기타 연료전지 시스템이 있습니다.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/931baf83-7872-41b4-b282-5c951452e232/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296351080.jpg)
연료전지 시스템. (이미지 출처: Plug Power)
이 사례에서의 팀은 스마트 전기 트랙터의 내비게이션 및 농장 관리 의사결정을 위해 온보드 카메라 및 센서 데이터를 분석하기 위해 AI를 사용하였습니다.
"우리는 모빌리티, 에너지, 유압, 기계 전력을 사용하는데 이런 매우 복잡한 시스템이 있는 경우 현장 내 테스트 또는 시뮬레이션 테스트만 수행하기란 힘듭니다. 우리는 이 모든 시스템이 동기화되기를 원했습니다."
Praveen Penmetsa, Monarch Tractor
![온보드 센서가 장착된 무인 전기 트랙터가 포도덩굴밭을 주행하고 있습니다.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/f15e28d4-264b-41d5-94e7-46df2896fea5/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296351206.jpg)
운전자 불필요 스마트 전기 트랙터. (이미지 출처: Monarch Tractor)
이 사례에서의 팀은 통신 시스템에서 디지털 전치왜곡을 구현하는 신경망을 생성하고 훈련시켰습니다. 그들은 배포 전에 전체적인 시스템 성능을 이해하기 위해 시스템의 아날로그 부분으로 알고리즘을 시뮬레이션했습니다.
![DPD 부재 신호, 신경망 DPD 신호 및 메모리 다항식 DPD 신호를 비교한 스펙트럼 분석기 그래프.](https://kr.mathworks.com/campaigns/offers/next/integrating-ai-into-system-level-design/_jcr_content/mainParsys/band_2102914970/mainParsys/lockedsubnav/mainParsys/accordion/accordion/df59fd9d-c18f-4c96-81c4-fff6d84f2354/parsys/columns_1688490288_c/7d6d54e4-9c54-4e64-a412-151160b7ad1b/image.adapt.full.medium.jpg/1693296351329.jpg)
신경망 기반 DPD(디지털 전치왜곡)를 적용하여 PA(전력 증폭기)에서 비선형성의 효과를 상쇄할 수 있습니다.
웹사이트 선택
번역된 콘텐츠를 보고 지역별 이벤트와 혜택을 살펴보려면 웹사이트를 선택하십시오. 현재 계신 지역에 따라 다음 웹사이트를 권장합니다:
또한 다음 목록에서 웹사이트를 선택하실 수도 있습니다.
사이트 성능 최적화 방법
최고의 사이트 성능을 위해 중국 사이트(중국어 또는 영어)를 선택하십시오. 현재 계신 지역에서는 다른 국가의 MathWorks 사이트 방문이 최적화되지 않았습니다.
미주
- América Latina (Español)
- Canada (English)
- United States (English)
유럽
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
아시아 태평양
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)