구조용 자동차 부품을 개발할 때 CAE를 적용하는 것은 일반적이다. 자동차 부품의 구조적 성능을 예측하기 위해서는 보다 정확한 시뮬레이션이 요구되며, 이는 수치 모델의 규모를 증가시킨다. 또한, 경량화와 성능 향상을 위해 최적화 기법이 적용된다. 최근에는 반응표면법(response surface method), 크리깅(kriging), 신경망(neural network)과 같은 메타모델을 활용한 최적화 방법이 널리 사용되고 있다. 본 연구에서는 자동차 부품의 구조적 성능을 예측하기 위해 크리깅을 채택하였다. 아울러 CAE를 통해 구조적 성능을 예측할 때 성능을 결정론적 값으로 제시하는 것은 종종 비합리적이다. 본 연구에서는 불확실성을 고려하는 강건 최적화(robust optimization) 방안을 도입하고 이를 자동차 부품 설계에 적용하였다. 본 연구에서는 제어암(control arm)과 볼 조인트(ball joint)에 대해 각각 강건 최적화를 수행하였다. 공차(tolerances) 및 재료 물성(material property)에 내재한 불확실성을 고려하였으며, 제어암은 경량 설계를 위한 목적으로 최적화하였다. 반면, 볼 조인트의 최적 설계는 인장풀아웃 강도(pull-out strength)를 고려하여 제안하였다. 그 결과, 각 최적 해는 결정론적 값이 아니라 분포(distribution) 형태로 제시되었다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.