Advances in Magnetohydrodynamic Liquid Metal Jet Printing

Scott Vader¹, Zachary Vader¹, Ioannis H. Karampelas² and Edward P. Furlani^{2, 3}
¹Vader Systems, Buffalo, NY
²Dept. of Chemical and Biological Engineering,³Dept. of Electrical Engineering,
University at Buffalo SUNY, NY 14260, Office: (716) 645-1194, Fax: (716) 645-3822, efurlani@buffalo.edu

ABSTRACT

자기유체역학적 액체 금속 제트 프린팅

우리는 용해된 금속 방울을 3D 물체로 만드는 새로운 주문형 DOD(Drop-on-Demand) 인쇄 방법을 제안합니다. 이 접근 방식에서는 단단한 금속 와이어가 인쇄 헤드 내에서 용해된 다음 펄스 자기장에 노출됩니다.

적용된 필드가 챔버에 침투하여 액상 금속 내에 자기 유압(MHD) 기반 압력 펄스를 유도하여 금속 일부가 노즐 챔버를 통해 이동된 후 배출됩니다. 표면 장력은 분출된 금속 위에 작용하여 가해진 압력에 따라 초 당 수 미터 범위의 속도로 구형 방울을 형성합니다.

잠시 비행한 후 방울이 기질에 충돌하여 냉각되어 고체 덩어리를 형성합니다. 따라서 패턴이 있는 증착 및 드롭 방식의 고형화를 통해 3D 솔리드 구조를 인쇄할 수 있습니다.

현재 연구에서는 샘플 프린팅 구조와 함께 시제품 MHD 프린팅 시스템 개발에 대한 발전된 점을 제시합니다. 또한 드롭 생성을 관리하는 기본 물리학에 대해 논의하고 장치 성능을 예측하기 위한 새로운 컴퓨팅 모델을 소개합니다.

Computational model of magnetohydrodynamic-based drop generation (printhead reservoir and ejection chamber
not shown): (a) the magnetic field generated by a pulsed coil is shown

INTRODUCTION

주문형 드롭온 잉크젯 프린팅은 상업 및 소비자 이미지 재현을 위한 잘 확립된 방법입니다. 이 기술을 추진하는 원리와 동일한 원리가 기능 인쇄 및 적층 제조 분야에도 적용될 수 있습니다.

Early stage prototype of a single nozzle printhead

기존의 잉크젯 기술은 폴리머에서 살아있는 세포에 이르는 다양한 재료를 증착하고 패터링하여 다양한 기능성 매체, 조직 및 장치를 프린팅하는 데 사용되어 왔습니다. 현재 진행 중인 작업을 통해 잉크젯 인쇄를 3D 금속 부품으로 확장하려고 시도하고 있습니다.

현재, 대부분의 3D 금속 인쇄 애플리케이션은 고체 물체를 형성하기 위해 레이저(예: 선택적 레이저 소거 [1] 및 직접 금속 소거[2]) 또는 전자 빔(예: 전자 빔 용해 [3])과 같은 외부 유도 에너지원에 의해 소거 또는 녹는 퇴적 금속 분말을 포함합니다.

그러나 이러한 방법은 비용과 복잡성, 즉 3D 프린팅 공정에 앞서 금속을 분쇄해야 한다는 점에서 일정한 단점이 있을 수 있습니다.

이 프레젠테이션에서는 자기 유압 역학 원리를 기반으로 하는 금속 적층 제조의 근본적으로 다른 접근 방식을 제안합니다. 이 방법은 스풀링된 고체 금속 와이어를 인쇄 헤드에 공급하고 노즐에서 업스트림을 예열하여 노즐 챔버에 공급되는 액체 금속 저장소를 형성하는 것입니다. 챔버가 채워지면 액체 금속 내에서 과도 전류를 유도하는 펄스 자기장이 인가됩니다. 유도 전류가 인가된 필드에 결합되어 로렌츠 힘 밀도를 생성하여, 인가된 압력에 따라 속도가 달라지는 용융 금속 방울을 배출하는 작용을 하는 챔버 내의 유사 압력을 제공합니다.

방울은 냉각된 기질에 투영되어 고체 덩어리를 형성합니다. 3D 솔리드 구조를 패터닝으로 인쇄할 수 있습니다. 방울의 침적과 방울의 현명한 응고입니다. 이 유망한 신기술은 낮은 재료 비용, 높은 제조율 및 매력적인 재료 특성 때문에 적층 제조 애플리케이션에 광범위한 영향을 미칠 수 있습니다.

현재 작업에서는 새로운 3D 인쇄 시스템을 도입하고 기기 개발의 진보를 설명하고 샘플 인쇄 구조를 시연합니다. 또한 드롭 생성-배출 메커니즘에 대해 설명하고 인쇄 성능을 예측하기 위한 일련의 새로운 컴퓨팅 모델을 제시합니다.

자세한 내용은 본문을 참고하시기 바랍니다.

접촉선의 고정(Contact Line Pinning)

증발하는 빗방울에서 남은 잔류의 물은 새로 씻은 자동차에서 좋지 못할 수 있습니다. 그러나, 동일한 증발 공정은, 예를 들어, 드롭 잔류 물이 인쇄 된 이미지 또는 텍스트의 일부가되는 잉크젯 인쇄에서 유리할 수있다. 그러나 동일한 증발 과정이 어떤 경우엔 도움이 될 수 있습니다 예를 들면, 잉크 찌꺼기가 인쇄 된 이미지나 텍스트의 일부가 되는 잉크젯 인쇄가 그렇습니다.

액체 방울의 증발로 인한 잔류의 물이 예상치 못한 방식으로 나타날 수 있습니다. 커피 링 얼룩이 잘 알려진 예이며, 커피의 잔류의 물이 물방울의 바깥 쪽 가장자리에 모여 얇은 원형 링 얼룩이 남습니다. 이 현상은 흥미로운 유체역학적인 과정의 결과입니다. 커피 링 얼룩이 형성 되려면 액체가 증착 된 고체 표면에 고정 된 접촉선이 있어야합니다. 고정 된 접촉선은 액체 방울이 고체 기판과 교차하는 액체 방울의 외부의 가장자리가 방울이 증발함에 따라 정지 상태를 유지함을 의미합니다. 증발은 기판의 열에 의해 발생하며 방울의 얇은 외부의 가장자리에서 가장 크게 생깁니다. 표면 장력은 액체가 증발하면서 손실 된 액체를 대체하기 위해 가장자리를 향해 발생하게 됩니다. 이는 결국 더 많은 용질을 가장자리로 운반하며 모든 액체가 증발 한 후, 결과적으로 커피 링 얼룩을 형성하게하는 더 높은 농도의 용질 잔류 물을 생성합니다.

모델링 접근법

FLOW-3D v12.0의 최신 업데이트로 인해 ‘접촉선의 고정’ 모델이 개발되었으며, 소프트웨어의 기능이 표면 장력 중심의 애플리케이션으로도 광범위하게 확장되었습니다. 표면 접촉의 고정 및 비고정 특성은 잉크젯 인쇄, 코팅 및 스프레이 냉각에서 중요한 역할을 합니다. 습윤 특성에 대한 표면 공법은 미세 유체 장치에서 액체 샘플의 이동을 제어하는 데 사용될 수 있습니다. 모델의 주요 특징은 방울의 가장자리를 고정 위치에 고정하는 수단을 제공하는 것입니다. 형상 구성 요소 및 하위 구성 요소중에 표면에 ‘고정’ 속성을 지정할 수 있습니다. 유체의 접촉선은 처음 표면과 접촉하는 곳에 고정됩니다. 전방 속도를 0으로 유지하면 고정이 적용됩니다. 유체는 접촉선과 표면을 따라 이동하는 것이 아니라 롤오버하여 접촉점을 지나야만 이동할 수 있습니다.

커피 링 얼룩 검증

그림 1은 평평한 수평 표면에 놓인 원형 물방울의 결과를 보여줍니다. 표면은 30 ℃의 일정한 온도로 유지됩니다. 초기 유체 온도는 20 ℃이고 주변 공극의 온도는 일정한 20 ℃입니다. 유체는 밀도 0.967 g/cm³, 점도 0.02022 poise, 비열 1.645e+07 cm²/s/K, 열전도도 1.2964e+4 g*cm/s³/K, 표면 장력 계수 33.15 g/cm²의 일반적인 잉크를 나타냅니다.

*그림 1. 고정 된 접촉선을 사용하여 건조 공정 중의 물방울 모양의 변화.*

액적 표면의 초기 곡률 반경은 7.5e-03 cm이고, 차지하는 공간은 반경 4.5e-03 cm의 원이며, 겉보기의 초기 접촉각은 37.87 도입니다. 그림 1-a를 참조하시기 바랍니다. 지정된 정적 접촉각은 0 도입니다.

정압에 의한 상변화 모델이 활성화됩니다. 공극 내의 증기 분압은 0이고 상변화 수용 계수는 R_size = 0.01 입니다.

잉크가 건조될 때 기판 상에 고체가 잔류하는 물이 형성되는 것을 포착하기 위해 잔류 물 모델도 켜집니다. 유체에 용해 된 안료의 농도는 초기 농도 0.01 g/cm³ 이고 최대 농도 r_max = 1.1625 g/cm³ 에서 운반이 가능한 스칼라로 표시됩니다. 용해 된 안료는 질량 평균을 기준으로 안료의 단위질량당 0.05 poise의 속도로 유체의 순 점도를 향상시킵니다.

이 공정은 3.0 도의 방위 방향으로 하나의 셀에 걸쳐있는 축 대칭 원통형 메쉬로 모델링됩니다. (x 간격 = 6e-05 cm, z 간격 = 4e-05 cm.)

그림 1은 유체가 증발함에 따라 접촉선이 고정 된 상태를 유지하고 있음을 보여줍니다. 0 도의 정적 접촉각 조건은 액적의 중심을 향한 압력 구배를 가져오고, 이는 접촉선 방향으로의 유동을 생성합니다. 용해 된 안료의 농도는 증발로 인해 자유 표면 근처에서 증가하며, 흐름을 따라 농도는 접촉선을 향해 더욱 재분배합니다. (그림 2). 액체가 계속 증발함에 따라, 남아있는 액체의 안료 농도는 증가합니다. 농도가 최대 r_max에 도달하면, 과잉된 안료는 고체가 잔류하는 물로 전환됩니다.

*그림2. g / cm3 단위의 안료 농도 및 t = 2.0ms에서의 흐름 패턴. 흐름은 고정 된 접촉선을 향하여 안료 농도가 증가합니다.*

접촉선 근처의 유체가 먼저 건조되어 고체가 잔류하는 물이 남습니다. 해당 영역의 유체에 안료 농도가 높기 때문에 고체가 잔류하는 물의 특징인 ‘커피 링’ 패턴이 기판 표면에 생성됩니다. (그림 3 및 4). 안료의 총 질량(용해 + 건조 잔류 물)은 초기 질량의 0.025 % 이내로 보존됩니다.

그림 3. 모든 유체가 증발 된 후 기판 표면에 건조된 잔류 물의 분포 (단위 : g / cm3) .
가장 높은 농도는 고정 된 접촉선의 위치에 있으며, 이는 ‘커피 링’ 효과를 만들어냅니다.

*그림 4. 유체가 완전히 증발 한 후 초기 액적의 반경을 따라 건조된 잔류 물의 예상 분포.*

물방울 벽의 검증

그림5. 수직 벽에 고정 된 물방울의 변형 : t = 0 ms (파란색), t = 4e-02 ms (연한 파랑) t = 0.2 ms (빨간색).
해당 이미지는 “Effects of microscale topography”, Y.V.Kalinin, V.Berejnov and R. E. Thorne, Langmuir 25, 5391-5397. (2009). 에서의 이미지입니다.

접촉선 고정 응용의 두 번째 예는 수직의 벽에 고정 된 한 방울의 액체 알루미늄의 거동입니다. 유체 밀도는 2.7 g / cm³, 표면 장력 계수 200 g / cm² 및 점도 0.27 poise입니다. 정적 접촉각은 0 도입니다.

초기의 겉보기의 접촉각이 90도가 되도록 반경 0.5cm의 물방울을 수직 벽에 놓습니다 (그림 5). 7e+06 cm/s²의 중력 크기는 표면 장력의 복원 작용을 없애고 액적이 눈에 띄도록 변형시키기 위하여 인위적으로 향상되었습니다. 결과들은 비슷한 크기의 물방울에 대한 실험 결과와의 질적 비교를 포함하여 그림 5에서 보여줍니다.

요약

FLOW-3D의 접촉선 고정 모델은 표면 장력 및 벽의 접착 기능을 확장하여 표면 공법에서 복잡한 상호 작용을 모델링합니다. 접촉선 고정이 실제로 응용되는 분야에 관하여 더 많은 예시와 추가적인 참조를 찾으신다면 여기에서 찾을 수 있습니다.

Cell Behavior

정밀하고 신중하게 제어되는 화학 반응성 구배를 생성 할 수있는 능력은 미세 유체학을 운동성, 화학성 및 소수의 미생물 집단에서 항생제에 대한 내성을 단기간에 진화시키고 개발하는 능력을 연구하는 이상적인 도구가 됩니다. FLOW-3D는 연구자들이 아래 예제에 표시된 것처럼 새롭고 더 나은 gradient generators를 고안하는 데 도움이 될 수 있습니다.

1-D Gradient generator with de-coupled convection and diffusion

FLOW-3D를 사용한 이 1-D 미세유체 팔레트 시뮬레이션에서는 표시된 흐름선을 통해 주 중앙 마이크로 채널에서 대류 셀의 깨끗한 디커플링을 확인할 수 있습니다. 이 흐름은 모두 대류 단위로만 제한되며 마이크로 채널로 유출되는 단 한 개의 흐름도 없어 대류 및 확산의 디커플링이 우수합니다. 소스 농도의 진화는 그림에서 볼 수 있으며, 애니메이션이 끝날 때쯤이면 눈에 띄게 일정해집니다.

This FLOW-3D simulation of a 2-D microfluidic palette demonstrates a spatio-temporal control on the generated gradients. The source and sink are rotated at an angular velocity. Also, after every t seconds, the active access port is deactivated and the next port is turned on. To see the live status of the diffusion inside the chamber, three line probes are placed in the simulation (marked in red, blue and black, respectively, in the bottom right window of the simulation).2-D 마이크로 유체 팔레트의 이 FLOW-3D 시뮬레이션은 생성된 그라데이션에 대한 spatio-temporal 제어를 보여줍니다. 소스 및 sink는 각 속도로 회전합니다. 또한 t초마다 활성 액세스 포트가 비활성화되고 다음 포트가 켜집니다. 챔버 내부의 확산 상태를 확인하기 위해 시뮬레이션에 세 개의 라인 프로브가 배치됩니다(시뮬레이션의 오른쪽 하단 창에 각각 빨간색, 파란색 및 검은색 표시).

Read the Microfluidic Palette – A Gradient Generator blog.

FLOW-3D 튜토리얼 V12

빠른 시작

이 튜토리얼 매뉴얼은 FLOW-3D 를 처음 사용하는 사용자에게 그래픽 사용자 인터페이스(GUI)의 주요 구성 요소를 쉽게 익히도록 하고, 다양한 시뮬레이션의 설정 및 실행 방법을 안내하기 위한 것입니다.

이 매뉴얼에 있는 실습과정은 FLOW-3D의 기본 사항을 다루기 위한 것입니다. 이 매뉴얼에서 제시하는 문제는 다양한 주제를 설명하고, 발생할 수 있는 많은 질문을 해결하기 위해 선정되었습니다. 이 매뉴얼의 실습과정은 FLOW-3D를 실행하는 컴퓨터에 앉아 사용하는 것이 가장 좋습니다.

CFD 사용 철학에 대한 간단한 섹션 다음에는 중요 파일과 시뮬레이션 파일을 실행하는 방법이 소개되어 있습니다. 이 소개 섹션 다음에는 모델 설정, 시뮬레이션 실행 및 포스트 프로세스, Simulation Manager 탐색 방법에 대한 설명이 있습니다. 이러한 각 단계에 대한 자세한 내용은 모델 설정, 컴퓨팅 결과 및 후처리 장에서 확인할 수 있습니다.

1.CFD 사용에 대한 철학

CFD (Computational Fluid Dynamics)는 유체 흐름(질량, 운동량 및 에너지 보존)에 대한 지배 방정식의 컴퓨터 솔루션입니다. 지정된 지배방정식은 이론 장에 설명된 Numerical방법을 사용하여 이산화되고 계산됩니다.

CFD 소프트웨어를 사용하는 것은 여러 면에서 실험을 설정하는 것과 유사합니다. 실제 상황을 시뮬레이션하기 위해 실험을 올바르게 설정하지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 같은 방법으로 수치 모델이 실제 상황을 정확하게 나타내지 않으면, 그 결과는 실제 상황을 반영하지 않습니다. 사용자는 어떤 것이 중요한지, 어떻게 표현해야 하는지를 결정해야 합니다. 시작하기 전에 다음과 같은 질문을 하는 것이 중요합니다.

CFD 계산에서 무엇을 알고 싶습니까?
중요한 현상을 포착하기 위해 규모와 Mesh는 어떻게 설계되어야 하는가?
실제 물리적 상황을 가장 잘 나타내는 경계 조건은 무엇입니까?
어떤 종류의 유체를 사용해야합니까?
이 문제에 어떤 유체 특성이 중요합니까?
다른 어떤 물리적 현상이 중요합니까?
초기 유체 상태는 어떻게 됩니까?
어떤 단위 시스템을 사용해야합니까?

모델링 되는 문제가 실제 상황을 가능한 한 유사하게 나타내는지 확인하는 것이 중요합니다. 사용자는 복잡한 시뮬레이션 작업을 해결 가능한 부분으로 나누는 것이 좋습니다.

복잡한 물리 효과를 추가하기 전에, 간단하고 쉽게 이해할 수 있는 근사값으로 점차적으로 시작하여 프로세스 진행하십시오. 간단한 손 계산(베르누이 방정식, 에너지 균형, 파동
전파, 경계층 성장 등)은 물리 및 매개 변수를 선택하는데 도움이 되고, 결과와 비교할 수 있는 점검항목을 제공합니다.

CFD의 장단점을 이해하면 분석을 진행하는데 도움이 될 수 있습니다. CFD는 다음과 같은 경우 탁월한 분석 옵션입니다.

기하 구조, 물리학 또는 필요한 상세 수준으로 인해 표준 엔지니어링 계산이 유용하지 않은 경우가 많습니다.
실제 실험은 비용이 많이 소요됩니다.
실험에서 수집할 수 있는 것보다 유체흐름에 대한 자세한 정보가 필요한 경우 유용합니다.
위험하거나 적대적인 조건, 확장이 잘되지 않는 프로세스 등으로 인해 정확한 실험 측정을 하기가 어려운 경우
복잡한 흐름 정보에 대한 커뮤니케이션

CFD는 다음과 같은 경우에 덜 효과적입니다.

솔루션이 계산 리소스가 매우 많이 소요되거나, 도메인 크기를 줄이기 위한 가정 또는 해결되지 않은 물리적 현상을 설명하기 위한 반 임계 모델이 필요한 경우
CFD 시뮬레이션에 대한 입력이 되는 중요한 물리적 현상이 알려지지 않은 경우
물리적 현상이 잘 이해되지 않거나 매우 복잡한 경우

CFD를 사용할 때 명심해야 할 몇 가지 중요한 참고 사항이 있습니다.

CFD는 규정된 초기 및 경계 조건에 따라 지정된 지배 방정식의 수치해석 솔루션입니다. 따라서 모델 설정, 즉 어떤 방정식을 풀어야 하는지, 재료 특성, 초기 조건 및 경계 조건이, 가능한 한 물리적 상황과 최대한 일치해야 합니다.
방정식의 수치 해는 일반적으로 어떤 종류의 근사치를 필요로 합니다. 물리적 모델에 대한 가정과 해결방법을 검토한 후 사용하는 것이 좋습니다.
디지털 컴퓨터는 숫자가 유한 정밀도로 이진수로 표시되는 방식으로 인해 반올림 오류가 발생합니다. 이는 문제를 악화시키기 때문에 매우 근소한 숫자의 차이를 계산해야 하는 상황을 피하십시오. 이러한 상황의 예는 시뮬레이션 도메인이 원점에서 멀리 떨어져 있을 때입니다.

2.중요한 파일

FLOW-3D 시뮬레이션과 관련된 많은 파일이 있습니다. 가장 중요한 것들이 아래에 설명되어 있습니다. 모든 prepin.* 파일의 명칭에서 prepin는 파일 형식을 의미하며, 별표시* 위치는 시뮬레이션 이름을 의미합니다. (예 : prepin.example_simulation.)

·prepin.*: 시뮬레이션용 입력 파일입니다. 시뮬레이션 설정을 설명하는 모든 입력 변수가 포함되어 있습니다.
·prpgrf.*: 이것은 전 처리기 출력 파일입니다. 여기에는 계산된 초기 조건이 포함되며 시뮬레이션을 실행하기 전에 설정을 확인하는 데 사용될 수 있습니다.
·flsgrf.*: 솔버 출력 파일입니다. 시뮬레이션의 최종 결과가 포함됩니다.
·prperr.*, report.*, prpout.*: 이 파일들은 Preprocessor Diagnostic Files.
·hd3err.*, hd3msg.*, hd3out.*: 이 파일들은 Solver Diagnostic Files.

모든 시뮬레이션 파일은 단일 폴더에 함께 유지하므로, 설명이 될 수 있는 시뮬레이션 이름을 사용하는 것이 좋습니다. 그러나 매우 긴 파일 이름은 운영 체제에 따라 문제가 될 수 있습니다.

노트

시뮬레이션 이름이 inp(즉, 입력 파일이 있다면 prepin.inp) 출력 및 진단 파일은 모두 .dat이름을 갖습니다. 예: flsgrf.dat.
모든 입력 파일은 네트워크 위치의 컴퓨터 대신 로컬 디렉토리에 저장하는 것이 좋습니다. 이것은 솔버가 더 빠르게 실행되고 GUI의 응답 속도가 빨라지며 실행중인 시뮬레이션을 방해하는 네트워크 문제 가능성을 제거합니다.

3.시뮬레이션 관리자

FLOW-3D 시뮬레이션 관리자의 탭은 주로 시뮬레이션을 실행할 수 있도록 시뮬레이션 환경을 구성하고 실행 시뮬레이션에 대한 상태 정보를 표시하는데 사용됩니다.

작업 공간 (Workspaces)

작업 공간(Workspaces)은 Simulation Manager의 필수 부분이며 파일을 FLOW-3D에서 처리하는 방식입니다. 기본적으로 시뮬레이션을 포함하고 구성하는 폴더입니다. 몇 가지 예를 들면 시뮬레이션과 또 다른 작업 공간인 검증 사례를 포함하도록 할 수 있습니다:

새로운 작업 공간 만들기

이 튜토리얼에서는 작성하려는 시뮬레이션을 포함할 작업 공간(Workspaces)을 작성하십시오.

1.File -> New workspace로 이동

2.작업 공간 이름으로 Tutorial를 입력하십시오.

3.기본 위치는 현재 사용자의 홈 디렉토리에 있습니다. 다른 곳에서 찾을 수 있지만 기본 위치가 우리의 목적에 적합합니다.

4.하위 디렉토리를 사용하여 작업 공간 이름 만들기 확인란을 선택합니다. 이렇게 하면 파일 시스템에서 작업 공간에 대한 새로운 하위 디렉토리가 만들어져 시뮬레이션 파일을 훨씬 쉽게 구성할 수 있습니다.

5.확인을 눌러 새 작업 공간을 작성하십시오. 이제 포트폴리오에 표시됩니다.

작업 공간 닫기

포트폴리오를 정리하고 탐색하기 쉽도록 필요 없는 작업공간을 닫는 것이 편리합니다. 작업 공간을 닫으면 포트폴리오에서 해당 작업 공간만 제거됩니다. 그러나, 컴퓨터에서 작업 공간을 삭제하지는 않습니다.

작업 공간을 닫으려면

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 작업 Close Workspace를 선택하십시오. 또는 포트폴리오에서 작업 공간을 선택 (왼쪽 클릭) 하고 Delete 키를 누를 수 있습니다.

2.작업 공간을 닫을 것인지 묻는 메세지가 표시됩니다. 예를 선택하십시오.

3.포트폴리오는 더 이상 닫힌 작업 공간을 포함하지 않습니다.

기존 작업 공간 열기

오래된 작업 공간을 열어야 할 때가 있을 것입니다. 예를 들어, 새 프로젝트에 유사한 시뮬레이션을 작성하기 전에 기존 시뮬레이션의 설정을 검토할 수 있습니다. 기존 작업 공간을 열려면

1.File -> Open Workspace…를 선택하십시오

2.작업 공간 파일이 있는 디렉토리를 찾으십시오. Tutorial.FLOW-3D_Workspace.

3.작업 공간을 로드 하려면 OK을 누르십시오.

작업 공간에서 시뮬레이션 작업

작업 공간을 사용하는 방법을 알았으니, 여기에 시뮬레이션을 추가해 봅시다.

Example를 추가하십시오

작업 공간에 작업 시뮬레이션을 추가하는 가장 간단한 방법은 포함된 예제 시뮬레이션 중 하나를 추가하는 것입니다. FLOW-3D의 다양한 기능을 사용하는
방법을 보여주기 위해 설계된 간단하고 빠른 시뮬레이션입니다. 기존 작업 공간에 예제를 추가하려면 다음을 수행하십시오.

1.포트폴리오에서 원하는 작업 공간을 강조 표시하십시오

2.File -> Add example…을 선택하십시오. 또는 작업공간을 마우스 오른쪽 버튼으로 클릭하고 예제 추가…를 선택할 수 있습니다.

3.예제 대화 상자에서 예제를 선택하고 열기를 누르십시오. 자연 대류(Natural Convection) 예제를 선택했습니다.

4.새 시뮬레이션 대화 상자가 열립니다.

5.디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋으므로 기본 시뮬레이션 이름과 위치를 잘 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 쉽게 만들어 줍니다.

6.시뮬레이션을 위한 단위 시스템을 선택하십시오. 표준 단위 시스템이 권장되지만 각 단위를 독립적으로 선택하기 위해 사용자 지정 단위 시스템을 선택할 수 있습니다.

7.확인을 눌러 새 시뮬레이션을 작업 공간에 추가하십시오.

작업 공간에서 시뮬레이션 제거

작업 공간에서 시뮬레이션을 제거해야 하는 경우가 있습니다 (이는 작업 공간에서 시뮬레이션을 제거만 하며, 컴퓨터에서 시뮬레이션을 삭제하지는 않습니다). 작업 공간에서 시뮬레이션을 제거하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 시뮬레이션 제거를 선택하십시오. 또는 작업 공간에서 시뮬레이션을 선택 (왼쪽 클릭)하고 Delete 키를 누를 수 있습니다.

2.작업 공간에는 더 이상 시뮬레이션이 포함되지 않습니다.

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에서 시뮬레이션을 제거하는 것 외에도 디스크에서 모든 시뮬레이션 파일을 삭제해야 할 수도 있습니다. 작업 공간에서 시뮬레이션을 제거하고 디스크에서 시뮬레이션
파일을 삭제하려면 다음을 수행하십시오.

1.작업 공간에서 기존 시뮬레이션을 마우스 오른쪽 단추로 클릭하고 (이 경우 이전 섹션에서 추가 한 예제 사용) 모든 작업 공간 및 디스크에서 시뮬레이션
삭제를 선택하십시오.

2.시뮬레이션 디렉토리에서 삭제할 파일을 선택할 수 있는 창이 나타납니다. 삭제할 파일을 선택한 다음 확인을 눌러 해당 파일을 삭제하거나 취소를 눌러 작업을 중단하십시오.

3.OK를 선택한 경우 선택한 작업 공간은 더 이상 시뮬레이션을 포함하지 않습니다. 선택한 작업 공간의 모든 시뮬레이션 파일은 디렉토리에서 삭제됩니다.

경고

이 작업은 취소할 수 없으므로 계속하기 확인 후 파일을 삭제해야 합니다.

작업 공간에 기존 시뮬레이션 추가

기존 시뮬레이션을 작업 공간에 추가하려면 다음을 수행하십시오.

1.열린 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 기존 시뮬레이션 추가…를 선택합니다. 작업 공간을 선택한 다음 File->Add Existing Simulation… 을 선택할 수도 있습니다.

2.prepin.*파일 위치로 이동하여 열기를 선택하십시오.

3.시뮬레이션이 이제 작업 공간에 나타납니다.

작업 공간에 새로운 시뮬레이션 추가

대부분의 경우 기존 시뮬레이션을 사용하는 대신 새 시뮬레이션을 작성하게 됩니다. 작업 공간에 새로운 시뮬레이션을 추가하려면:

1.기존 작업 공간을 마우스 오른쪽 버튼으로 클릭하고 새 시뮬레이션 추가…를 선택하십시오.

2.시뮬레이션 이름을 입력하라는 message가 표시됩니다. 이 예제에서는 heat transfer example 불러오십시오.

3.그런 다음 드롭다운 목록을 사용하여 시뮬레이션을 위한 단위 시스템을 결정합니다. 사용 가능한 옵션은 질량, 길이, 시간, 전기요금
각각 g, cm, s, coul기준의 Kg, m, s, CGS입니다. 또한 엔지니어링 단위도 사용할 수 있으며, slug, ft, s의 기초 단위가 있지만, 전기
충전을 위한 단위는 없습니다. 이러한 옵션 중 어느 것도 해당되지 않는 경우, 질량, 길이, 시간 및 전기요금에 대한 기준 등을 사용자 정의하여 사용자 지정 단위 시스템을 사용할 수 있습니다.

4.온도 단위는 드롭다운 목록을 사용하여 지정해야 합니다. 사용 가능한 옵션은 SI 및 CGS 단위의 경우 Celsius 및
Kelvin, 엔지니어링 단위의 경우 Fahrenheit 및 Rankine입니다. Custom units(사용자 정의 단위) 옵션을 선택한 경우, 사용 가능한 온도 단위는 질량
및 길이에 대해 선택한 기본 단위에 따라 변경됩니다.

노트

새 시뮬레이션의 시뮬레이션 단위는 신중하게 선택하십시오. 일단 설정하면 단위를 변경할 수 없습니다.

5.이 시뮬레이션에 사용된 템플릿이 기본 템플릿이 됩니다. 템플릿은 포함된 설정을 새 시뮬레이션에 적용하는 저장된 값 세트입니다. 다른 템플릿을 사용해야하는 경우
찾아보기 아이콘 ( )을 클릭하여 사용 가능한 템플릿 목록에서 선택하십시오.

6.기본 시뮬레이션 이름과 위치는 디렉토리가 작업 공간 위치에 있는지 확인하는 것이 좋습니다. FLOW-3D는 모든 시뮬레이션 파일을 이 작업 공간 디렉토리의 별도 하위 디렉토리에 배치하여 파일 구성을 훨씬 쉽게 만듭니다. 시뮬레이션을 다른 위치에 저장하려면 찾아보기 아이콘 ( )을 사용하여 원하는 위치로 이동하십시오.

7.확인을 클릭하여 작업 공간에 새 시뮬레이션을 추가하십시오.

heat transfer example

다른 옵션

우리는 지금 이러한 옵션을 사용하지 않는 동안, 이 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하여 추가 옵션에 대한 액세스를 제공합니다.

일반적으로 사용되는 Add Simulation Copy… 그리고 Add Restart Simulation…을 추가합니다. 첫 번째 옵션은 기존 시뮬레이션의 사본을
작성하고, 두 번째 옵션은 기존 시뮬레이션을 복사하고 원래 시뮬레이션의 결과를 다시 시작 시뮬레이션의 초기 조건으로 사용하도록 다시 시작 옵션을 구성합니다.

추가 정보

재시작 시뮬레이션에 대한 자세한 내용은 도움말에서 모델 설정 장의 재시작 섹션을 참조하십시오.

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

시뮬레이션 전처리는 초기 조건을 계산하고 입력 파일에서 일부 진단 테스트를 실행합니다. 문제가 올바르게 구성되었는지 확인하거나 전 처리기의 진단 정보가 필요한 경우에
유용합니다. 시뮬레이션을 실행하기 전에 전처리할 필요가 없습니다. 시뮬레이션을 전처리 하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Preprocess Simulation->Local을 선택합니다. 이 경우 입력 파일 heat transfer example이 아직 완전히 정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.전처리 프로세스가 시작되고 Simulation Manager 하단의 텍스트 창에 일부 정보가 인쇄된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의 아이콘도 시뮬레이션이 성공적으로 처리되었음을 나타내도록 변경됩니다.

추가 정보

자세한 내용은 도움말의 컴퓨팅 결과 장의 전처리 섹션을 참조하십시오.

시뮬레이션 실행

시뮬레이션을 실행하면 입력 파일에 정의된 문제에 대한 지배 방정식(물리적 모델, 형상, 초기 조건, 경계 조건 등)이 해석됩니다. 시뮬레이션을 실행하려면

1.작업 공간에서 시뮬레이션을 마우스 오른쪽 버튼으로 클릭하고 Run Simulation->Local을 선택하십시오. 이 경우 입력 파일 heat transfer example이 아직 완전히
정의되지 않았으므로 작업 공간에서 예제 문제를 선택하십시오.

2.솔버가 시작되고 시뮬레이션 관리자 하단의 텍스트 창에 일부 정보가 인쇄되고 플롯이 업데이트 된 후 성공적으로 완료됩니다. 포트폴리오에서 시뮬레이션 이름 옆의
아이콘도 시뮬레이션이 성공적으로 실행되었음을 나타내도록 변경됩니다. 또한 솔버가 실행되는 동안 큐에 시뮬레이션이 나타나는 것을 볼 수 있으며, 완료되면 사라집니다.

추가 정보

시뮬레이션 실행 및 진단 읽기에 대한 자세한 내용은 도움말의 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

작업 공간에서 모든 시뮬레이션 실행

작업 공간을 마우스 오른쪽 버튼으로 클릭하고 Simulate Workspace->Local을 선택하여 작업 공간에서 모든 시뮬레이션을 실행할 수도 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장에서 솔버 실행 섹션을 참조하십시오.

대기열

사전 처리 또는 실행에 작업이 제출되면 큐의 맨 아래에 시뮬레이션이 자동으로 추가됩니다. 그런 다음 솔버에 사용 가능한 라이센스 및 계산 리소스가 있으면 시뮬레이션이 사전 처리되거나 실행됩니다. 대기열에 있지만 아직 전처리 또는 실행되지 않은 시뮬레이션은 대기열 맨 아래의 컨트롤을 사용하여 대기열에서 다시 정렬하거나 대기열에서 제거할 수 있습니다.

추가 정보

자세한 내용은 컴퓨팅 결과 장을 참조하십시오.

파일 시스템에서 파일 찾기

어떤 이유로 구조물 파일에 액세스해야 하는 경우 (아마 *.STL 폴더에 파일을 배치해야 함) 표시된 파일 경로를 시뮬레이션 입력 파일로 클릭하여 파일 시스템의 해당 위치로 이동할 수 있습니다.

4.모델 설정

Model Setup(모델 설정) 탭은 시뮬레이션 관리자에서 현재 선택한 시뮬레이션에 대한 입력 매개 변수를 정의하는 곳입니다. 여기에는 전역설정, 물리학 모델, 유체,
기하학, 메싱, 구성요소 특성, 초기 조건, 경계 조건, 출력 옵션 및 숫자가 포함된다.

이 섹션은 물에 잠긴 모래(위; 파랑)의 바닥에서 가열된 구리 블록(위; 빨간색)에 의해 발생하는 열 기둥(아래)을 보여주는 간단한 시뮬레이션 설정 방법을 안내합니다.

이 튜토리얼은 방법이나 모델이 어떻게 작동하는지, 옵션을 선택한 이유 등에 대한 포괄적인 논의를 의도한 것이 아니며, 이 특정 시뮬레이션을 설정하기 위해 수행해야 할 사항에
대한 간략한 개요일 뿐입니다. 여기서 행해지는 것에 대한 방법/모델과 추론의 세부사항은 사용 설명서의 다른 장에서 확인할 수 있습니다.

시작하려면 새 작업 공간을 작성하고 새 시뮬레이션을 추가하십시오. 이를 수행하는 방법에 대한 지침은 새 작업 공간 작성 및 작업 공간에 새 시뮬레이션 추가를 참조하십시오.

탐색

모델 설정은 주로 빨간색으로 표시된 처음 9 개의 아이콘의 탐색을 통해 수행됩니다. 각 아이콘은 시뮬레이션의 특정 측면을 구성하기 위한 위젯을 엽니다. Global에서 시작하여 Numerics로 끝나는 다음 섹션은 각 위젯의 목적을 보여줍니다.

통제 수단

다음은 FLOW-3D 사용자 인터페이스의 그래픽 디스플레이 영역에서 사용되는 마우스 컨트롤입니다.

행동	버튼/키	동작	기술
회전	왼쪽	길게 클릭	마우스 왼쪽 버튼을 클릭 한 채로 Meshing & Geometry 창에서 마우스를 움직입니다. 그에 따라 모델이 회전합니다.
줌	중간 버튼/스크롤 휠	스크롤/클릭 한 상태	마우스를 앞뒤로 움직여 확대/축소하려면 가운데 휠을 굴리거나 마우스 가운데 버튼을 클릭 한 상태로 유지하십시오.
팬	우측	길게 클릭	마우스 오른쪽 버튼을 클릭 한 채로 창에서 마우스를 움직입니다. 모델이 마우스와 함께 움직입니다.
객체에 초점 설정	해당 없음	객체 위에 커서를 놓기	커서를 개체 위로 가져 가면 마우스 오른쪽 버튼 클릭 메뉴를 통해 추가 조작을 위해 개체가 활성화됩니다. 개체가 활성화되면 강조 표시됩니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 활성화된 경우에만 수행됩니다.
선택	왼쪽	더블 클릭	객체를 두 번 클릭하면 마우스 오른쪽 버튼 메뉴를 통해 추가 조작을 위해 객체를 선택하고 활성화합니다. Meshing & Geometry 탭에서 Tools->Mouse Hover Selection 환경 설정 이 비활성화 된 경우에만 활성화됩니다.
액세스 객체 속성	우측	딸깍 하는 소리	강조 표시된 객체를 마우스 오른쪽 버튼으로 클릭하면 객체 식별, 표시/숨기기, 활성화/비활성화, 투명도 조정 등의 옵션 목록이 표시됩니다.
커서 좌표 반환 (프로브)	왼쪽	Shift + 클릭	Shift 키를 누르면 커서가 대상으로 바뀝니다. Shift 키를 누른 상태에서 클릭하면 화면의 왼쪽 하단에 표시된 표면의 좌표가 표시됩니다.
피벗 점 배치	왼쪽	cntrl + 클릭	Ctrl 키를 누르고 있으면 커서가 피벗 아이콘으로 바뀝니다. Ctrl 키를 누른 상태에서 클릭하여 피벗 점을 설정하십시오. 뷰가 피벗 점을 중심으로 회전합니다. 토글 사용자 정의 피벗 피벗 점을 끕니다. 보기 창 위의 버튼을 누릅니다.

도움이
되는 툴바 옵션도 있습니다. 옵션의 목적을 찾으려면 아이콘 위로 마우스를 가져갑니다.

글로벌

이 매뉴얼에 대한 시뮬레이션을 만들려면 원하는 작업 공간을 마우스 오른쪽 단추로 클릭하고 새 시뮬레이션 추가…를 선택하십시오. 매뉴얼 섹션의 새 시뮬레이션 추가 작업 공간에 설명된 대로 이름을 ‘heat transfer example’로 지정하고 작업 공간에 추가하십시오. SI와 Kelvin을 각각 단위 시스템과 온도로 선택합니다. 일단 설정되면
시뮬레이션을 위한 단위는 변경할 수 없다는 점을 기억하십시오.

글로벌 아이콘 f3d_global_icon 을 클릭하여 글로벌 위젯을 여십시오. 여기에서 정의된 단위가 표시되고 시뮬레이션 완료 시간이 설정됩니다. 이 시뮬레이션의 경우 완료 시간을 200 초로 설정하십시오. 시뮬레이션에 대한 중요한 세부 정보는 여기 노트 필드에도 추가할 수 있습니다.

추가 정보

자세한 내용은 모델 설정 장의 전역 섹션을 참조하십시오.

물리

물리 f3d_models_icon 아이콘을 클릭하여 물리 위젯을 엽니다.

이 문제의 경우, 하나의 유체, 자유 표면, 경계 및 비압축/제한 압축의 기본 설정이 모두 정확합니다.

관련 물리 메커니즘(즉, 추가 지배 방정식 또는 지배 방정식 용어)은 물리 위젯에서 정의됩니다. 모델을 활성화하려면 해당 모델의 아이콘을 마우스 왼쪽 버튼으로 클릭하고 ‘활성화‘를 선택하십시오. 이 시뮬레이션을 위해서는 다음 모델을 활성화해야 합니다.

·Density evaluation(밀도 평가): 이 모델은 열 기둥을 생성하는 밀도 변화를 설명합니다. 다른 양(예: 온도 또는 스칼라)의 함수로 평가된 밀도를 선택하고 Include volumetric thermal expansion 상자를 선택하십시오.

·Gravity and non-inertial reference frame(중력 및 비 관성 기준 프레임): 중력을 나타내는 힘이 추가되므로 Z 중력 성분에 -9.81을 입력하십시오.

·
Heat transfer(열 전달): 이 모델은 유체와 고체 물체 사이의 열 전달을 설명합니다. 이 시뮬레이션의 경우 First order for the Fluid internal Energy advection를 선택하고 Fluid to solid heat transfer를 활성화하려면 확인란을 선택하십시오. 나머지 옵션은 기본값으로 두어야합니다.

·
Viscosity and turbulence(점성 및 난류): 이 모델은 유체의 점성 응력을 설명합니다. Viscous flow 옵션을 선택하고 나머지 옵션은 기본값으로 두십시오.

추가 정보

자세한 내용은 모델 설정 장의 물리 섹션을 참조하십시오.

유체

유체의 속성은 모델 설정 탭의 유체 위젯에 정의되어 있습니다. 유체 위젯은 수직 도구 모음에서 Fluids f3d_fluids_icon 아이콘을 클릭하여 액세스할 수 있습니다. 먼저 유체 옵션 1 이 속성 옵션으로 선택되어 있는지 확인하십시오. 유체 1의 속성은 수동으로 입력할 수 있지만 일반적인 유체의 속성을 설정하는 빠른 방법은 재료 속성로드 버튼을 클릭하여 재료 데이터베이스에서 유체를 로드하는 것입니다. 다음으로, 원하는 재료를 탐색하십시오. 이 경우 Fluids->Liquids->Water_at_20_C를 선택하고 Load를 클릭하십시오.

이 시뮬레이션에는 데이터베이스에 없는 특성인 체적 열 팽창 계수가 필요합니다. 밀도 하위 탭에서 을 입력하십시오. 최종 속성 세트는 다음과 같아야 합니다.

추가 정보

자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

Geometry(기하)

기하형상 아이콘을 클릭하여 물리 위젯을 엽니다.

이 시뮬레이션을 위해 생성해야 하는 두 가지 형상은 구리 블록과 모래층이 있습니다. 둘 다 프리미티브를 사용하여 작성합니다. 보다 현실적인 시뮬레이션은 Primitives, Stereolithography(STL) Geometry File (s)/또는 Raster File (s)을 사용하여 지오메트리를 정의할 수 있습니다.

구리 블록을 만들려면 먼저 지정된 형상 아이콘을 클릭하여 작성합니다. 구리 블록을 x 및 y 방향 원점에서 +/- 2cm 연장하고 z 방향으로 0-4cm 연장합니다. 나머지 옵션은 그대로 두고 블럭을 솔리드로 만들고 새 구성 요소에 추가합니다.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 자동으로 열린 구성요소 추가 대화상자에서 Type as General(솔리드)을 그대로 두고 Name(이름) 필드에 Copper block을 입력한 다음 OK(확인)를 선택하여 구성요소 정의를 완료하십시오.

아이콘을 다시 클릭하여 베드 하위 구성 요소를 작성하십시오. 아래 표시된 범위를 사용하고 컴포넌트에 추가 선택 사항을 새 컴포넌트(2)로 설정하십시오.

하위 구성 요소 정의를 마치고 구성 요소 정의로 이동하려면 확인을 선택하십시오. 대화 형으로 이름 필드에서Bed를 입력한 후 구성요소 정의를 마칩니다. 최종 형상은 다음과 같이 표시됩니다.

새 구성 요소를 추가하면 가로 및 세로 방향으로 그래픽 표시 창에 길이 스케일이 자동으로 생성됩니다. 이 눈금자 도구를 사용하여 생성된 기하학적 객체의 범위를 빠르게 측정할 수 있습니다.

노트

표시 영역에는 지오메트리 모양 정의만 표시되므로 객체가 솔리드인지 구멍인지에 대한 정보는 표시되지 않습니다. 옵션을 사용하여 Mesh 후에 나중에 수행할 수 있습니다.

추가 정보

자세한 내용은 도움말 모델 설정 장의 형상 섹션을 참조하십시오.

구성 요소 속성

열전달 모델은 고체 구성 요소의 전도 방정식을 해결하기 위해 재료 특성이 필요합니다. 이러한 속성은 이 아이콘을 클릭하여 구성 요소 속성 위젯에서 설정합니다.

각 구성 요소에는 솔리드 특성 및 표면 특성이 정의 되어 있어야합니다. 구리 블록에 대해 이를 설정하려면 먼저 형상 위젯에서 구성 요소 1: copper block 요소를 선택하십시오. 그런 다음 컴포넌트 특성 위젯에서 솔리드 특성을 선택하고 다음과 같이 특성을 정의하십시오.

여기에서 두 번째 구성 요소(베드)에 대해 설명된 구성 요소 특성 정의를 위한 대체 방법을 사용할 수 있습니다. 이 방법에서는 구성 요소 2: 베드 구성 요소를 클릭하고 재료 필드 옆에 있는 재료 특성로드 아이콘을 선택하여 시작합니다. 다음으로 재료를 탐색합니다. 이 경우 Solids->Sands->Sand_Quartz 를 선택하고 Load를 선택하십시오.

추가 정보

l 자세한 내용은 모델 설정 장의 유체 섹션을 참조하십시오.

l 주어진 물리적 모델에 필요한 속성에 대한 자세한 내용은 모델 참조 장을 참조하십시오.

Meshing(메싱)

Mesh는 Mesh 위젯에서 생성 및 정의되며, 위젯을 통해 액세스 할 수 있습니다. 이 아이콘을 눌러 새 Mesh를 추가합니다. Mesh의 범위를 형상에 빠르게 적용하려면 형상에 맞추기 라디오 버튼을 선택하고 오프셋 라디오 버튼을 백분율로 유지합니다. 블록 속성에서 셀 크기를 0.004로 설정하십시오.

Mesh 상단은 z 방향으로 위쪽으로 확장해야 합니다. Z-Direciton 탭을 선택하고 Mesh Plane 2에 0.2를 입력합니다.

이 시뮬레이션은 2D가 될 것입니다. 동일한 프로세스에 따라 Y 방향 범위를 -0.005 및 0.005 로 설정하십시오. 그리고 합계 셀을 1로 설정하십시오.

최종 Mesh는 그래픽 디스플레이 창 바로 위의 Mesh->Flow Mesh->View 모드 드롭 다운 메뉴에서 옵션을 변경하여 다른 방식으로 볼 수 있습니다. 그리드 라인 마다 그리드 선을 표시합니다 옵션은 Mesh Plane의 옵션만 표시됩니다 Plane Mesh 및 개요 옵션은 Mesh의 범위를 보여줍니다.

또한 솔버가 Mesh의 최종 지오메트리를 인식하는 방법은 FAVOR TM 알고리즘을 사용하여 형상 정의를 면적 분수 및 부피 분수로 변환합니다. 이렇게 하려면 아이콘을 클릭한 다음 생성을 선택하십시오.

잠시 후 회색 영역이 고체 물질을 나타내는 아래와 같은 형상을 표시해야 합니다.

추가 정보

l Mesh에 대한 자세한 내용은 모델 설정 장의 Mesh 섹션을 참조하십시오.

l FAVOR^TM 및 FAVORize
옵션에 대한 자세한 내용은 모델 설정 장의 Reviewing the FAVORized Geometry and Mesh 섹션을 참조하십시오.

경계 조건

FLOW-3D는 구성 요소 유형 및 활성 물리적 모델에 기초한 구성 요소에 적절한 경계 조건을 자동으로 적용합니다. 그러나 경계 조건 위젯에서 Mesh 블록면의 경계 조건은 각 Mesh 블록에 대해 수동으로 설정해야 합니다( ).

이 매뉴얼의 경우 경계 조건 중 3 가지가 경계조건( X Min , X Max, Z Max 경계)을 기본 대칭 조건조건부터 변경해야 합니다.

·X Min :

o경계 조건 위젯의 경계 섹션 아래에 있는 X Min 목록을 클릭하십시오. Type에서 경계 유형을 Velocity로 설정하고 X 속도에 대해 0.001을 입력하십시오.

·다음으로, 유체 분율 사용에서 유체 표고 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

·마지막으로 온도를 298K로 설정하십시오.

·
X Max :

o경계 조건 위젯의 경계 섹션 아래에 있는 X 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로, 유체 분율 사용에서 유체 높이 사용으로 드롭다운 상자를 변경하고 유체 높이를 0.15로 설정하십시오.

o마지막으로 온도를 298K로 맞춥니다.

o XMAX 경계 조건

·
Z 최대 :

o경계 조건 위젯의 경계 섹션 아래에 있는 Z 최대 목록을 클릭하십시오. 경계 유형을 압력으로 설정하고 압력에 대해 0을 입력하십시오.

o다음으로 유체 분율을 0.0으로 설정하십시오.

o마지막으로 온도를 298K로 맞춘다.

추가 정보

자세한 내용은 모델 설정 장의 Mesh 경계 조건 섹션을 참조하십시오.

초기 조건

도메인 내부의 솔리드 객체(구성 요소)와 유체 모두에 대해 초기 조건을 설정해야 합니다.

·
구성 요소 :이 시뮬레이션에서 솔리드 객체에 필요한 유일한 초기 조건은 초기 온도입니다. 이것은 각 구성 요소에 대한 위젯에 설정되어 있는 구성 요소 속성에 대해 수행한 것과 유사한 방식으로 구성 요소를 등록합니다. 구성 요소 속성을 설정할 때 이전과 동일한 방법으로 구성 요소 1의 초기 온도를 350K로 설정하고 구성 요소 2의 초기 온도를 298K로 설정하십시오.

유체: 유체의 초기 조건을 설정하기 위해 조금 더 설정해야 합니다. 이 경우 유체 구성, 온도, 속도 및 압력 분포를 모두 설정해야 합니다. 유체 초기 조건은 초기 위젯을 설정하고 초기 f3d_initial_icon를 클릭하면 열립니다.

아이콘을 선택한 후 유체 목록에서 압력을 선택하고 온도를 298K로 설정합니다. x, y, z 속도를 0.0으로 설정하십시오.

다음으로, 높이/볼륨 목록과 유체 높이 사용 드롭다운 버튼을 선택합니다. 유체 높이를 0.15로 설정하십시오.

추가 정보

자세한 내용은 모델 설정 장의 초기 조건 섹션을 참조하십시오.

출력

FLOW-3D 옵션에는 결과 파일에 기록될 데이터와 출력 위젯에서 발견된 빈도를 제어하는 7가지 데이터 유형이 있습니다. 출력 아이콘을 클릭합니다.

다른 데이터 유형은 다음과 같습니다.

·Restart: 모든 흐름 변수. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Selected: 사용자가 선택한 흐름 변수 만. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·History: 하나의 변수와 시간의 변화를 보여주는 데이터. 예는 시간 단계 크기, 평균 운동 에너지, 배플에서의 유속 등을 포함합니다. 기본 출력 주기 = 시뮬레이션 시간의 1/100.

·Short print: hd3msg.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/100입니다.

·Long print : hd3out.*파일에 텍스트 진단 데이터가 기록 됩니다. 기본 출력 주기는 시뮬레이션 시간의 1/10입니다.

·Solidification: 응고 모델이 활성화 된 경우에만 사용 가능합니다.

·FSI TSE: 변형 가능한 솔리드에 대한 추가 출력 옵션.

일반적으로 이 시뮬레이션에는 기본 출력 속도가 적합합니다. 그러나 Selected Data의 일부 추가 구성은 유용합니다. Selected data interval을 0.5로 설정한 다음 Fluid 온도, Fluid velocity, Macroscopic density 및 Wall 온도 옆에 있는 상자를 선택합니다. 그러면 이러한 값이 0.5초마다 출력됩니다.

추가 정보

자세한 내용은 모델 설정 장의 출력 섹션을 참조하십시오.

Numerics

기본 Numerics 옵션은 대부분의 시뮬레이션에서 잘 작동하므로 기본 옵션에서 벗어나야 하는 충분한 이유가 없는 경우에는 현재 그대로 두는 것이 가장 좋습니다.

이것으로 모델 설정 섹션에서 시작된 예제 문제의 설정을 마칩니다. 이제 실행할 준비가 되었으므로 전처리 및 시뮬레이션 실행의 단계에 따라 시뮬레이션을 실행하십시오.

추가 정보

자세한 내용은 모델 설정 장의 Numerics 옵션 섹션을 참조하십시오.

일반 시뮬레이션 설정 점검 목록

시뮬레이션을 설정하는 데 필요한 단계에 대한 개략적인 개요가 아래에 나와 있습니다. 이 목록은 포괄적인 목록이 아닙니다. 일반적인 단계, 고려해야 할 몇 가지 중요한 사항 및 권장되는 설정 순서를 간단히 설명하는 안내서일 뿐입니다.

시작하기 전에

1.물리적 문제의 다이어그램을 그리기 및 주석 달기 : 이 다이어그램에는 기하학적 치수, 유체의 위치, 관련 힘, 움직이는 물체의 속도, 관련 열 전달 메커니즘 등이 포함되어야 합니다. 완성된 다이어그램은 문제에 대한 모든 관련 엔지니어링 정보로 인한 물리적 문제에 대한 이미지여야 합니다.

2.모델링 접근법 결정: 주석이 달린 다이어그램을 가이드로 사용하여 문제점에 접근하는 방법을 결정 : 문제가 되는 유체의 수, 혼화 가능한 경우, 하나 이상의 유체에서 방정식을 풀어야하는 경우 및 압축성이 중요한지 파악하여 시작하십시오. 그런 다음 어떤 물리적 메커니즘이 중요한지 결정하십시오. 이러한 각 옵션 (예: 유체 유형, 열 전달 메커니즘 등)에 대한 관련 엔지니어링 정보를 다이어그램에 추가하십시오. 물리적 메커니즘이 포함되거나 무시된 이유를 정당화하려고 합니다. 이를 통해 시뮬레이션 프로세스 초기에 오류를 수정하는 데 시간이 거의 걸리지 않는 초기에 실수를 잡을 수 있습니다.

3.다이어그램에 계산 영역을 그리고, 계산 영역의 가장자리에 있는 물리적 상황 설명 : 경계의 물리적 상황을 가장 잘 나타내는 경계 조건 유형을 기록합니다. 사용 가능한 경계 조건 유형이 경계의 물리적 상황에 대한 합리적인 근사치가 아닌 경우 이 경계를 다른 곳으로 이동해야 합니다.

모델 설정 : 일반

1.문제, 시뮬레이션의 목적, 사례 번호 등을 설명하는 메모를 추가하십시오. 메모는 향후 사용자 또는 나중에 참조할 수 있도록 설정을 설명하고 정당화하는 데 도움이 됩니다. 시뮬레이션의 목적, 분석 방법 등을 논의해야합니다.

2.사용할 솔버와 프로세서 수를 선택하십시오.

3.단위 시스템 선택: 소규모 문제를 모델링 할 때는 작은 단위 (예 : mm-gm-msec)를 사용하고 규모가 큰 문제는 큰 단위 (예 : SI)를 사용하십시오. 이를 통해 기계 정밀도로 인한 반올림 오류를 방지할 수 있습니다.

4.유체 수, 인터페이스 추적 옵션 및 유량 모드를 선택하십시오. 주석이 달린 다이어그램을 이 단계의 지침으로 사용하십시오. 유체의 수는 질량, 운동량 및 에너지 보존을 관장하는 방정식이 유체 분율 f> 0″ width=”44″ height=”17″ border=”0″></span>(</span>유체<span lang= 1을 나타내는) 또는 유체 분획 $f \ geq 0$ (유체 1 및 유체 2)이 있는 영역에서 해결되는지 여부를 나타냅니다. 인터페이스
추적 옵션은 유체 분율의 변화가 급격한지 또는 확산되어야 하는지 여부를 정의하는 반면, 흐름 모드는 두 유체 문제에서 처리되는 영역을 정의합니다.

5.마감 조건 정의: 시뮬레이션 종료 시점을 선택합니다. 시간, 채우기 비율 또는 기타 정상 상태 측정을 기반으로 할 수 있습니다.

6.기존 결과에서 시뮬레이션을 다시 시작하는 방법 정의 (선택 사항): 기존 결과 파일에서 시뮬레이션을 다시 시작할 때 다시 시작 옵션이 적용됩니다. 재시작 옵션은 재시작 소스 파일에서 가져온 정보와 시뮬레이션의 초기 조건을 사용하여 재설정되는 정보를 정의합니다.

모델 설정 : 물리

1.주석이 달린 다이어그램을 기반으로 관련 실제 모델 활성화

모델 설정 : 유체

1.유체의 속성 정의 1: 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 대한 적절한 물리적 속성을 정의하십시오.

2.유체 2의 속성 정의 (사용하는 경우): 주석이 달린 다이어그램을 가이드로 사용하여 활성 물리적 모델에 적절한 물리적 속성을 정의하십시오.

3.인터페이스의 속성 정의: f = 1과 f = 0의 영역 사이의 인터페이스 속성을 정의하십시오. 여기에는 표면 장력, 상 변화 및 확산에 대한 특성이 포함됩니다.

모델 설정 : Mesh 및 형상

1.모든 STL 파일의 오류 점검: ADmesh, netfabb Studio 또는 유사한 프로그램을 사용하여 모든 STL 파일의 오류를 점검하십시오. 이는 모델 설정에 시간을 소비하기 전에 형상
정의와 관련된 문제를 파악하는 데 도움이 됩니다.

2.모든 하위 구성 요소 및 구성 요소 가져 오기 및 정의 : 주석이 달린 다이어그램에 설명 된 대로 실제 사례와 일치하도록 3D 솔리드 형상을 정의합니다. 최종 결과는 물리적 형상의 정확한 복제본이어야 합니다. 각 부분에 설명적인 이름을 사용하고 대량 소스가 될 구성 요소를 포함하십시오.

3.모든 구성 요소의 속성 정의: 주석이 달린 다이어그램에 그려진 내용을 기반으로 각 구성 요소의 모든 재료 속성, 표면 속성, 모션 속성 등을 정의합니다. 경계 조건이 정의될 때까지 질량 소스 특성을 정의하기를 기다리십시오.

4.스프링과 로프 및 각각에 대한 관련 속성을 정의합니다.

5.주석이 달린 다이어그램에 설명된 시뮬레이션 도메인과 일치하도록 Mesh를 정의하십시오. 도메인의 모서리가 다이어그램에서 식별된 위치에 있는지 확인하십시오. 또한 인터페이스 (셀이 있는 셀과 셀이 다른 셀 이 있는 셀)를 식별하려면 세 개의 셀이 필요합니다. ). 최소 5 개의 셀이 예상되는 가장 얇은 연속 영역에 맞도록 충분히 작은 셀을 사용하십시오. 과 .

6.지오메트리를 정의하는 모든 배플 정의

7.경계 조건, 질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 정의: 경계 조건 (질량 소스, 질량 모멘텀 소스, 밸브 및 벤트 포함)은 모든 방정식을 풀기 위해 주어진 위치에서 솔루션을 규정합니다. 주석이 달린 다이어그램을 사용하여 각 경계 (또는 소스 등)에 지정된 내용이 유동 솔루션, 열 전달 솔루션, 전위 등에 대한 현실과 일치하는지 확인하십시오.

8.유체 및 구성 요소의 초기 조건을 정의합니다. 초기 조건은 모든 방정식 (유량 솔루션, 열 전달 솔루션, 전위 등)에 대해 모든 영역에서 솔루션을 규정합니다. .주석이
달린 다이어그램을 사용하여 초기 조건에 지정된 내용이 현재 현실에 대한 근사치인지 확인하십시오. 유체 영역뿐만 아니라 구성 요소의 초기 조건을 설정해야 합니다.

9.모든 측정 장치 정의 (샘플링 볼륨, 플럭스 표면 및 히스토리 프로브)

모델 설정 : 출력

1.출력 기준 (시간, 채우기 비율 또는 응고된 비율)을 선택하십시오.

2.재시작 데이터에 추가할 출력을 선택하십시오.

3.선택한 데이터에 기록할 정보를 선택하십시오.

4.재시작, 선택, 히스토리, 짧은 인쇄 및 긴 인쇄 데이터의 출력 속도 정의 : 기본 속도는 재시작 및 긴 인쇄 데이터의 경우 (10개 출력)/(시뮬레이션 종료 시간) 및 선택한 기록, 짧은 인쇄 데이터의 경우 (100개 출력)/(시뮬레이션 종료 시간)입니다.

모델 설정 : 숫자

1.기본값이 아닌 필수 숫자 옵션을 선택 FLOW-3D의 숫자 옵션은 고급 사용자를 대상으로 하며, 지배 방정식을 해결하는 데 사용되는 숫자 근사치 및 방법을 상당히 제어할 수 있습니다. 이러한 옵션 중 일부를 잘못 사용하면 솔루션에 문제가 발생할 수 있으므로 일반적으로 이 옵션의 기능을 먼저 이해하고 조정의 정당성을 갖추지 않고는 이러한 설정을 조정하지 않습니다.

5.FLOW-3D에서 후 처리

이 섹션에서는 FLOW-3D에 통합된 포스트 프로세서를 사용하는 방법에 대해 설명합니다. 보다 강력한 외부 포스트프로세서 FlowSight에 대한 튜토리얼은 FlowSight 설명서를 참조하십시오. 또한 이 섹션에서는 Flow Over A Weir 예제 문제를 실행하여 생성된 결과 파일을 사용합니다. 이 예제 문제를 실행하는 방법에 대한 지침은 예제 추가 및 시뮬레이션 사전 처리 및 실행을 참조합니다.

FlowSight 사용에 대한 기본 참조는 FlowSight의 Help->helpLocal Help 메뉴에서 액세스하는 FlowSight 사용자 설명서입니다.

추가 정보

기존 플롯

기존 플롯은 솔버가 자동으로 생성하는 사전 정의된 플롯입니다. 사용자 정의 플롯은 아래의 사용자 정의 플롯 섹션에 설명되어 있습니다.

1.분석 탭을 클릭하십시오. FLOW-3D 결과 대화 상자가 표시됩니다; 메세지가 나타나지 않으면 (분석 탭이 열림) 결과 파일 열기를 선택하여 동일한 대화 상자를 엽니다.

2.기존 라디오 버튼을 선택하십시오. 데이터 파일 경로 상자에 두 가지 유형의 파일이 표시됩니다 (있는 경우). 이름이 prpplt.*있는 파일 에는 전처리 flsplt.*기에 의해 자동으로 작성된 플롯이 포함되고 이름이 있는 파일에는 입력 파일에 사전 지정된 플롯 뿐만 아니라 후 처리기에 의해 자동으로 작성된 플롯이 포함됩니다.

3. 확인을 선택 flsplt.Flow_Over_A_Weir하고 클릭하십시오. 그러면 디스플레이 탭이 자동으로 열립니다.

4.사용 가능한 플롯 목록이 오른쪽에 나타납니다. 목록에서 해당 플롯의 이름을 클릭하면 특정 플롯을 볼 수 있습니다. 플롯 26 이 아래에 나와 있습니다.

커스텀 플롯

1.분석 탭으로 돌아갑니다. 대화 상자를 열려면 결과 파일 열기를 선택하십시오.

2.전체 출력 파일을 보려면 사용자 정의 단일 선택 단추를 선택하십시오. 전체 출력 파일에는 prpgrf.*파일과 파일이 포함됩니다 flsgrf.*. 시뮬레이션이 실행되었으므로 전 처리기 출력 파일이 삭제되어 flsgrf파일에 통합되었습니다.

3.flsgrf.Flow_Over_A_Weir대화 상자 에서 파일을 선택하고 확인을 클릭하십시오.

이제 분석 탭이 표시됩니다. 시뮬레이션 결과를 시각화 하는 방법에는 여러 가지가 있습니다. 사용 가능한 플롯 유형은 다음과 같습니다.

·Custom : 이 매뉴얼 의 FLSINP 파일을 사용하여 플롯합니다. 사용자 정의 섹션의 출력 코드를 사용하여 출력 플롯을 수동으로 수정하는 데 사용할 수 있습니다. 이것은 고급 옵션입니다.

·프로브 : 개별 셀, 경계, 구성 요소 및 도메인 전체(전역) 변수 대 시간에 대한 그래픽 및 텍스트 출력을 표시합니다. 자세한 내용은 프로브 플롯 및 프로브 : 특정 시점의 데이터와 시간 을 참조하십시오.

·1-D : 셀 데이터는 X, Y 또는 Z 방향의 셀 라인을 따라 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 1-D 플롯 및 1-D : 라인을 따른 데이터 대 시간 을 참조하십시오.

·2-D : 셀 데이터는 XY, YZ 또는 XZ 평면에서 볼 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 속도 벡터 및 입자를 추가할 수 있습니다. 자세한 내용은 2 차원 플롯 및 2 차원 : 평면의 데이터와 시간의 데이터 를 참조하십시오.

·3-D : 유체와 고체의 표면 플롯을 생성하고 셀 데이터로 채색 할 수 있습니다. 속도 벡터, 입자 (있는 경우) 및 유선과 같은 추가 정보를 추가할 수 있습니다. 플롯 제한은 공간 및 시간에 모두 적용할 수 있습니다. 자세한 내용은 3D 플롯 및 3D : 표면의 데이터 대 시간 을 참조하십시오.

·텍스트 출력 : cell-by-cell 재시작, 선택 및 응고 데이터를 텍스트 파일에 쓸 수 있습니다. 자세한 내용은 텍스트 출력 및 텍스트 : ASCII 형식의 공간 데이터 출력 대 시간 을 참조하십시오.

·중립 파일 : 재시작 및 선택된 데이터는 별도의 텍스트 파일에 정의 된 지정된 지점(보간 또는 셀 중심)에서 출력 될 수 있습니다. 자세한 내용은 중립 파일 : 사용자 정의 좌표에서의 공간 데이터 출력 대 시간 을 참조하십시오.

·FSI TSE : 유한 요소 유체 / 고체 상호 작용 및 열 응력 진화 물리학 패키지에서 출력됩니다. 자세한 내용은 FSI / TSE : 표면의 구조 데이터와 시간 을 참조하십시오.

3 차원 도표

1.Analyze -> 3-D 탭을 선택하십시오.

2.Iso-surface = Fraction of fluid를 선택하십시오. 이것은 표면을 그리는 데 사용되는 변수입니다. 선택한 등면 변수에 대한 등고선 값 기준을 충족하는 모든 셀을 통해 표면이 그려집니다. 유체의 분율이 기본값이며 유체 표면이 표시됩니다.

3.색상 변수 = 압력을 선택하십시오. 이 선택은 등위면의 색을 지정하는 데 사용되는 변수를 결정합니다 (이 경우 유체 표면은 압력에 의해 색이 그려집니다).

4.Component iso-surface overlay = Solid volume을 선택하십시오. 솔리드 볼륨 은 유체와 함께 솔리드 구성 요소를 표시합니다. 이전 단계에서는 체적 분수의 보완을 등위면으로 선택하여 이 작업을 수행했지만 이 옵션을 사용하면 유체와 고체 표면을 동시에 플롯 할 수 있습니다.

5.이동 시간 프레임의 최소 및 최대 위치들 (0 내지 1.25 초)에 슬라이더 위치.

6.렌더 버튼을 클릭하여 디스플레이 탭으로 전환하고 t = 0.0에서 1.25 초 사이에 일련의 11 플롯을 생성하여 압력에 의해 채색된 유체 표면과 위어 구조를 보여줍니다. 데이터 다시 시작 이 선택되었으므로 11 개의 플롯이 있습니다.

7.사용 가능한 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 다음을 클릭하여 시간 프레임 사이를 이동하거나 시간 프레임을 두 번 클릭하여 표시하십시오. 첫 번째 및 마지막 시간 프레임은 다음과 같아야 합니다.

8.Analyze -> 3-D 탭으로 돌아가서 Data Source 그룹에서 Selected data 라디오 버튼을 선택하십시오.

9.시간 프레임 선택기의 두 슬라이더가 모두 오른쪽에 있으므로 마지막 시간 프레임 만 생성됩니다. 사용 가능한 시간 프레임이 많고 렌더링하는데 시간이 오래 걸리므로 선택한 데이터를 선택하면 인터페이스에서 자동으로 수행됩니다. 사용 가능한 모든 시간 프레임을 렌더링 하려면 왼쪽 슬라이더를 Time Frame Min = 0 으로 이동하십시오.

10. 렌더링 버튼을 클릭하십시오. 몇 초 안에 뷰가 디스플레이 창으로 전환되고 101 개의 플롯이 사용 가능한 시간 프레임 목록에 나열됩니다. 시간 프레임 사이를 이동하려면 다음을 반복해서 클릭하십시오.

대칭 흐름 표시

위어 중심 아래로 대칭 평면을 사용하여 시뮬레이션을 설정했으므로 위어 구조의 절반만 시뮬레이션되고 표시됩니다. 프리젠테이션 목적으로 대칭 모델의 두 반쪽을 모두 표시할
수 있습니다.

1.아래와 같이 Analyze -> 3-D 탭으로 돌아가서 Open Symmetry Boundaries 확인란을 선택하십시오.

2.렌더링을 클릭하십시오. 유체 표면이 디스플레이 탭의 대칭 경계에서 열린 상태로 나타납니다.

3.화면 위의 도구 모음 메뉴에서 도구 -> 대칭을 선택하십시오.

4.대화 상자에서 Y 방향 확인란을 선택하여 Y = 0 평면에서 결과를 미러링합니다.

5.적용 및 닫기를 선택하십시오.

6.마지막 시간 프레임을 두 번 클릭하십시오. 디스플레이는 아래와 같이 전체 위어 구조를 보여줍니다.

3 차원 애니메이션 만들기

다음 단계는 3 차원 유체 표면의 애니메이션을 만드는 것입니다. 애니메이션은 사용 가능한 시간 프레임 목록의 프레임에서 만든 동영상입니다. 애니메이션의 시각적 효과를 향상시키려면 모든 프레임에 공통 색상 스케일을 적용하는 것이 좋습니다.

1.분석 -> 3-D 탭으로 돌아갑니다.

2.윤곽 제한 그룹 상자에서 전역 라디오 버튼을 모두 선택하십시오.

3.렌더 를 클릭 하여 다시 그리고 디스플레이 탭으로 돌아갑니다.

4.도구 -> 대칭 -> Y 방향 -> 적용 선택을 반복하여 Y = 0 평면에서 결과를 반영합니다.

5.선택 도구 -> 애니메이션 -> 러버 밴드 캡처를 다음과 같이 선택 확인 Mesh지가 나타납니다 그것을 읽은 후.

6.마우스 왼쪽 버튼을 클릭 한 상태에서 드래그하여 애니메이션을 적용할 화면 부분을 선택하십시오. 선택한 영역 주위에 선택 상자가 나타납니다.

7.디스플레이 창 위에서 빨간색 캡처 버튼을 선택하십시오. 애니메이션을 시작하는 대화 상자가 나타납니다.

8.애니메이션의 기본 이름은 out.avi입니다. 아래에 표시된 것처럼 보다 구체적인 이름이 권장됩니다.

9.기본 프레임 속도는 초당 10 프레임입니다. 이 시뮬레이션의 마감 시간은 1.25 초이고, 일정한 시간 간격으로 100 개의 플롯이 있으므로 ‘실제‘속도는 초당 80 프레임입니다. 너무 빠를 수 있으므로 대신 5 를 입력 하고 확인을 누르십시오.

10. 각 시간 프레임이 표시 창에 렌더링 되고 비트 맵 파일이 시뮬레이션 디렉토리에 작성됩니다. 이 프로세스가 완료되면 다음 대화 상자가 나타납니다.

프로세스의 다음 단계를 시작하려면 확인 버튼을 클릭하십시오. 새로운 프로세스 (BMP2VAI.exe)가 시작되고 압축 방법을 선택할 수 있는 새로운 비디오 압축 창이 나타납니다. 다른 창 뒤에 숨겨져 있으면 앞으로 가져옵니다.
애니메이션의 기본 압축은 압축되지 않습니다. 파일 크기가 너무 커서 뷰어에 로드 할 수 없으므로 대부분의 애니메이션에는 권장되지 않습니다. Windows를 사용하는 경우 Microsoft Video 1을, Linux를 사용하는 경우 Cinepak을 선택하십시오. 여기에서 선택하는 것은 컴퓨터에서 사용할 수 있는 비디오 코덱과 비디오를 표시하는 데 사용하는 기계에서 사용할 수 있는 것입니다.
애니메이션 속도가 데이터 속도에 의해 제한되지 않도록 데이터 속도 확인란을 선택 취소하십시오.

압축 프로세스를 시작하려면 확인을 클릭하십시오. 압축이 완료되면 다음 대화 상자가 나타납니다.

확인을 클릭하십시오. 애니메이션 프로세스가 완료되었습니다.
Windows 탐색기에서 .avi 파일을 찾는 가장 빠른 방법 은 시뮬레이션 관리자 탭으로 이동하여 시뮬레이션 입력 파일 링크를 클릭하는 것 입니다.
.avi파일 을 두 번 클릭하여 애니메이션을 재생 하십시오. 이전에 선택한 압축 형식을 읽을 수 있는 올바른 코덱이 설치되어 있지 않으면 오픈 소스 다중 코덱 비디오 플레이어 설치를 고려하십시오.

2 차원 도표

1.Analyze -> 2-D 탭을 선택하십시오. 이 시뮬레이션의 결과를 보는 데 가장 유용한 평면은 평면 Y = 0.0에있는 위어 중심선의 XZ 평면입니다.

2.XZ 평면 라디오 버튼을 선택하십시오.

3.Y 제한 슬라이더를 모두 Y = 0.25 (Y = 0.0에 가장 가까운 셀 중심 y 좌표)로 드래그 합니다. 또한 동일한 위치가 J = 2 로 식별되어 해당 셀이 도메인에서 두 번째임을 나타냅니다. 첫 번째 셀 (J = 1) 은 Mesh 외부에 있으며 경계
조건 속성을 계산하는 데 사용됩니다. 기본 윤곽 변수는 압력이며 기본 속도 벡터는 기본적으로 선택됩니다. 솔리드 형상은 모든 2D 플롯과 함께 자동으로 표시되므로 3D 플롯과 같이 활성화 할 필요가 없습니다.

4.벡터 옵션을 클릭하고 X = 2 및 Z = 2를 입력하십시오. 벡터는 이제 다른 모든 셀에 플롯 됩니다. 벡터 옵션을 적용하려면 확인을 선택하십시오.

5.Y = 0 평면에서 2 차원 압력 플롯의 시간 시퀀스를 생성하려면 렌더링을 클릭하십시오. T = 0.0 초 (왼쪽) 인 다음과 유사한 그래픽이 나타납니다. T = 0.125 초 (중간); 그리고 T = 1.25 초 (오른쪽).

6.디스플레이 화면의 오른쪽 상단에 있는 형식 버튼을 선택하십시오.

7.선 색상, 벡터 길이 및 화살촉 크기 변경과 같은 다양한 옵션을 시험해보십시오. 변경 사항을 보려면 적용을 선택하십시오. 완료되면 재설정 및 확인을 선택하여
기본 설정으로 돌아가서 대화 상자를 닫습니다. 모든 플롯에 대해 선호하는 옵션 세트가 있는 경우 저장 버튼을 선택하여 저장할 수 있습니다.

1 차원 도표

분석 -> 1-D 탭을 선택하십시오. 이 탭에서는 하나 이상의 플롯 시간에서 셀 행을 따라 압력, 유체 깊이, 유체 상승 및 속도와 같은 셀별 출력 변수의 꺾은 선형
차트 플롯을 사용할 수 있습니다.
데이터 소스 로 선택을 선택합니다. 사용 가능한 변수는 이제 더 빈번한 플로팅을 위해 선택된 변수 만 표시합니다.
자유 변수 표고를 데이터 변수 로 선택하십시오. 유압 데이터는 출력 탭에서 선택되었으므로 사용할 수 있습니다.

이 시뮬레이션의 흐름 방향은 주로 x 축과 평행하므로 X 방향을 선택하십시오.
Y 방향 슬라이더를 0.25(J = 2)로 이동하여 Y 방향에서 흐름 중심선에 가장 가까운 셀이 표시됩니다.
기본적으로 전체 X 범위가 표시됩니다. 플롯의 범위를 제한하려는 경우 X 방향 슬라이더를 이동할 수 있습니다. Z 방향 슬라이더의 위치는 주어진 x, y 위치에서 z 셀의 각 열에 대해 하나의 자유 표면 높이만 기록되므로 중요하지 않습니다. 시간 프레임 슬라이더는 0초와 1.25초여야 합니다.

렌더링을 클릭하십시오. t = 0.0에서 t = 1.25s까지의 시리즈 플롯이 디스플레이 탭의 플롯 목록에 나열됩니다. 이러한 플롯을 볼 수 있는 여러 가지 모드가
있습니다. 기본 모드는 단일 모드이며 형식 버튼 아래의 드롭 다운 상자에 표시됩니다.

다양한 시간에 유체 표면 높이의 플롯을 비교하려면 드롭 다운 상자에서 오버레이 모드를 선택하십시오.
오른쪽 창에서 플롯 1, 13 및 101 을 선택하려면 클릭하십시오. 플롯 이름에는 또한 기록된 시간이 표시됩니다 (t = 0.0, 0.15s 및 1.25 초). 출력은 아래와 같이 나타납니다.

이 플롯을 비트 맵 또는 포스트 스크립트 파일에 저장하려면 출력 버튼을 선택하십시오.
확인 화면에 플롯 오버레이 플롯을 캡처하는 확인란을 (그리고 단 하나의 출력 파일을).
쓰기 버튼을 선택하여 이미지 파일을 만듭니다.
결과 이미지 파일은 시뮬레이션 디렉토리에 있으며 (시뮬레이션 관리자 탭 에서이 파일을 찾는 방법을 기억하십시오) 이름이 지정한 plots_on_screen.bmp됩니다.

프로브 플롯

1.
분석 -> 프로브 탭을 선택하십시오. 시간 기록 플롯은이 탭에서 변수 대 시간의 라인 그래프 또는 텍스트 출력으로 생성됩니다. FLOW-3D 에는 데이터 소스 그룹에서 선택되는 세 가지 유형의 시간 종속 데이터가 있습니다.

·공간 데이터 : 재시작 및 선택된 데이터 소스. 단일 x, y, z 셀 중심 좌표의 시간 종속 값이 표시됩니다. 값은 시간과 관련하여 통합되거나 시간과 관련하여 차별화되거나 이동 평균 (시간)으로 통합될 수 있습니다.

·일반 history 데이터 :. 글로벌 수량은 시간에 따라 다릅니다. 일반적인 양은 평균 운동 에너지, 시간 단계 및 대류 볼륨 오류입니다. 또한 이 데이터 유형에는 모델 설정 -> 메싱 및 지오메트리 탭에서 이러한 옵션을 선택한 경우 지정된 측정 위치(배플, 샘플링 볼륨, 히스토리 프로브)의 모든 데이터와 이동 또는 정지 상태의 솔리드 및 스프링/로프를
위한 통합 출력이 포함됩니다.

·Mesh-dependent data : 메쉬 경계에서 시간에 따른 수량(계산 또는 사용자 지정)입니다. 일반적인 수량은 경계에서의 유량 및 경계에서의 지정된 유체 높이입니다.

2.데이터 원본에서 일반 기록 라디오 버튼을 선택합니다. X, Y 및 Z 데이터 점 슬라이더가 회색으로 바뀝니다. 이는 일반 기록 데이터가 특정 셀과 연결되어 있지 않기 때문입니다.

3.목록에서 질량 평균 유체 평균 운동 에너지를 선택하십시오.

4. 단위를 선택하여 플로팅 단위 대화 상자를 엽니다.

5. 플롯에 단위 표시를 선택하십시오.

6. SI, CGS, slugs/feet/seconds 또는 pounds/inches/seconds를 선택하여 원하는 단위 시스템으로 결과를 변환하고 출력합니다. 장치를 표시하고 변환하려면 모델 설정 -> 일반 탭에서 장치 시스템을 선택해야 합니다. 이전 단계에서 이 항목을 확인했으며, 지오메트리 및 유체 특성은 centimeters/grams/seconds 시스템에서 지정되었습니다.

7.Plotting Units 대화 상자를 닫으려면 OK를 선택하십시오.

8.데이터의 그래픽 출력을 생성하려면 렌더를 선택하십시오. 출력은 시간에 따른 영역의 모든 유체에 대한 질량 평균 평균 운동 에너지를 보여줍니다. 이전 단계에서 선택한 사항에 따라 단위 레이블과 함께 그림이 나타납니다. 플롯은 총 운동 에너지가 일부 평균값 주위에서 진동하고 있음을 나타냅니다. 진동이 작아짐에 따라 시뮬레이션은 정상 상태 흐름에 접근합니다.

9.분석 -> 프로브 탭으로 돌아갑니다.

10. 출력 양식 그룹에서 텍스트를 선택하여 그래프를 텍스트 데이터로 출력한 다음 렌더링을 다시 선택하십시오.

11. 나타나는 텍스트 대화 상자에서 다른 이름으로 저장 버튼을 선택하여 출력을 텍스트 파일로 저장할 수 있습니다.

12. 출력 창을 닫으려면 계속을 선택하십시오.

텍스트 출력

1.Analyze -> Text Output 탭을 선택하십시오.

2.텍스트 출력 은 셀별 데이터 ( 다시 시작 또는 선택됨 ) 만 출력 할 수 있고 (구성 요소, 측정 스테이션 또는 글로벌 데이터 없음) 둘 이상의 셀을 선택할 수 있다는 점을 제외하고 프로브 탭 과 동일한 방식으로 작동합니다. 각 플롯 시간에 대한 출력 데이터. 셀은 슬라이더를 사용하여 3D 블록에서 선택됩니다. 기본 공간 범위는 전체 도메인으로 설정됩니다.

3.직접 텍스트 데이터를 출력해보십시오.

FLOW-3D 및TruVOF는 미국 및 기타 국가에서 등록 상표입니다.

SPATTER IN LASER SPIRAL WELDING OF ZINC-COATED STEELS (아연 코팅 강철에서의 나선형 레이저 용접으로 인한 튐 현상)

튀는 문제에 대한 설명

간격 없이 아연 코팅 강재에 레이저 용접을 하는동안 아연 코팅이 기화되는 표면 사이에선 기화와 축적이 됨
배출시킬 경로가 없으면 아연 증기는 계속해서 녹은 강철 풀에 유입되어 튀는 현상이 발생할 수 있음
게다가 아연 증기는 키홀의 움직임과 공정의 안정성에 영향을 미침
순간적인 아연 증기압을 추정하고 키홀의 움직임을 분석하기 위해 FLOW-3D WELD에서 개발 된 시뮬레이션 모델
– 튀는 현상이 발생한 부분에서 아연 증기압을 줄이고 적절한 키홀 개방을 유지하기 위해 용접 일정을 재설계

FLOW-3D WELD의 수치 모델

실험 및 모델 설정
(a) 레이저 스티칭 설정
(b) FLOW-3D WELD 모델 설정
(c) 레이저 나선형 용접 설정 및
(d) 레이저 나선형 스캐닝 경로
아연도 금강의 레이저 용접에서 발생하는 물리적 현상의 개략도

모델 검증

공정 동특성

용융 및 키홀이 접합면을 교차할 때, 축적 된 고압의 아연 증기가 용융 표면 틈에 작용하여 벽의 키홀 압력을 넘어서 튀는 결과로 발생함

용접 계획 개선

제안 된 계획
(a) 시간에 따른 제안 된 라인 에너지
(b) 임계 라인 에너지의 개략도
원래 계획과 제안 된 계획의 용접부 비교
– (a), (b), (c) 및 (d)는 표면 형태, 용접 표면의 용융 영역, 단면 및 원래 계획에서 시뮬레이션 된 단면이며 (e), (f), (g) 및 (h)는 제안 된 계획에 맞게 함.

결론

접합면에서의 순간적인 높은 아연 압력은 용융의 변동을 낮추고 튀는 현상을 야기시킴
접합면에서 계산 된 아연 증기압은 튀는 현상의 형성에 지표가 될 수 있으며 용접 계획 설계를 제안 할 수 있음
나선형 용접의 초기 에너지는 레이저가 접합면을 관통 할 때 심각하게 튀는 현상을 초래하기에 아연 증기압의 증가를 피하기 위해 제한됨

Coating field – Coating with Non-Newtonian fluids (비뉴턴 유체를 이용한 코팅)

Coating with Non-Newtonian fluids (비뉴튼 유체를 이용한 코팅)

비뉴턴 유체는 뉴턴의 점성 법칙, 응력과 무관하여 일정한 점도를 가지지 않는 유체를 나타냄
FLOW-3D의 점성 모델
– Carreau function
– Power-law (멱법칙)
– Herschel-Bulkley
– 변형률에 의존
– 온도에 의존

Carreau Function ?

FLOW-3D를 이용한 비뉴턴 유체의 코팅 해석

Particle sorting 1 (입자 분류)

응용
– 진단
– 화학 및 생물학적 분석
– 화학적 과정
– 환경 평가
능동적 분류에는 외부 전기장 또는 자기장이 필요함
수동적 분류는 순수하게 유체역학, 입자 상호 작용 및 마이크로 채널 구조를 기반으로 함

유체역학을 기반으로 한 입자 분류

FLOW-3D 질량 입자 모델
– 확산 계수, 항력 계수, 난류 슈미트 수 및 복원 계수와 같은 특성을 역학을 제어할 수 있음
– 활성 입자 분류를 위해 열적, 자기적 및 전기적 특성으로 지정할 수 있음

일정 질량 vs 일정 크기

일정 질량(다른 크기)
– 직경이 큰 입자는 더 높은 항력을 받음
– 유동으로 쉽게 합류
일정 크기(다른 질량)
– 강한 관성으로 인해 무거운 입자는 감속하기 어려움
– 무거운 입자는 코스를 유지함

A vertical jet flowing into a moving cross stream

공기 유입 / Air Entrainment

Air Entrainment / 공기 유입

FLOW-3D 의 공기 혼입 모델(air entrainment model)은 자유 표면에서 용해되지 않은 공기 혼입을 시뮬레이션하는 강력한 도구입니다. 제트 및 방수로 충돌시 관찰되는 국부적이고 난류가없는 자유 표면 혼입 기능이 있습니다. 이러한 기능은 엔지니어가 설계시 공기 유입을 예측하고, 공기유입이 안전하게 작동하도록 적절한 수정을 할 수 있게 합니다.

Spillway hydraulics / 여수로 수리장치

여수로 구조는 다양한 작동 조건을 처리 할 수 있도록 설계되어야 합니다. 유동 조건이 설계 범위의 상단에 도달하면 여수로 표면의 불규칙성으로 인해 유동이 분리 될 수 있습니다. 이는 여수로 표면의 압력이 캐비테이션을 일으킬 정도로 낮아지게 합니다. 캐비테이션은 구조물의 강도에 매우 해로우며 치명적인 손상을 초래할 수 있습니다.

공기 유입은 캐비테이션의 가능성을 줄이는 수단입니다. 물이 공기에 존재하면 캐비테이션 영역의 붕괴하는 기포에 감쇠 효과를 추가하여 캐비테이션 손상을 줄입니다. 여수로의 속도가 충분히 높으면 공기를 동반시키고 캐비테이션을 줄이기 위해 폭기 장치를 추가해야합니다.

폭기 흐름의 시뮬레이션과 폭기 장치에서 포획된 공기의 예측.

왼쪽 이미지는 거시적 인 밀도에 의해 착색됩니다. 오른쪽 그래프는 폭기 장치에 유입 된 수분의 일정한 부피와 폭기 장치 이후의 수분 및 공기의 양을 비교 한 것입니다.

아래 동영상은 FLOW-3D에서 공기 유입 과정을 시뮬레이션하는 방법을 보여줍니다. 여기에는 공기혼입 및 드리프트 플럭스 모델의 이론에 대한 세부 정보와 FLOW-3D에서 기본 공기혼입 시뮬레이션을 설정하는 방법에 대한 데모가 포함되어 있습니다.

Fish passage design / 물고기 개체수 유지를 위한 어도 설계

공기가 물로 혼입되면 미생물의 성장을 유지하고 건강한 어류 개체군의 생존을 보장 할 수 있습니다. 그러나 과포화 상태의 용존 기체는 수생 생물에 부정적인 영향을 미치는 수질 문제가 됩니다. 공기 동반 모델의 또 다른 용도는 강의 하류로 방출되는 배수로에서 동반되는 공기의 농도를 결정하기 위해 해양 생물학에서 사용됩니다.
이 모델에 대한 더 자세한 정보는 Air Entrainment 의 Flow Science Report를 다운로드하십시오.

폐수 처리에서 생물막에 대한 표면 왜곡 효과

Surface Skew Effects on Biofilms in Wastewater Treatment

이 연구는 뉴 멕시코 대학교와 플로우 사이언스의 협력입니다. Flow Science는 연구 지원 프로그램의 일환으로 무료 CFD 소프트웨어 및 CFD 전문 지식을 제공했습니다 .

물리적, 화학적 및 환경 적 장애에 대한 박테리아의 민감성은 폐수 처리장에서 미생물 질화를 유지하는 데 어려움을줍니다. 뉴 멕시코 대학교의 연구원들은 고리 형 질화 생물막 반응기에 대한 표면 거칠기의 영향을 이해하기 위해 일련의 실험을 수행했습니다 (Roveto et al., 2019). 그들의 팀은 FLOW-3D 를 사용 하여 실험 관찰에 대한 가능한 설명을 찾았습니다.

Nitrifying Biofilms

생물막은 세포가 서로 그리고 표면에 달라 붙는 박테리아 세포의 공동체입니다. 생물막은 만성 감염 및 질병을 유발할 수 있으며 근절이 어렵고 농업과 의학에서 문제가됩니다. 그러나 폐수 처리 산업에서는 생물막을 활용하여 하수에서 유기 화합물을 추출하고 소화 할 수 있습니다.

최근, 암모니아 산화 박테리아를 포함하는 특정 유형의 생물막이 폐수 시스템에서 확인되었습니다. 이러한 질화 생물막은 폐수 처리 시스템에서 질화 공정의 효율성을 개선하는 데 사용됩니다. 그들은 또한 살수 필터 (van den Akker et al., 2011) 및 이동 층 생물막 반응기 (MBBRs, Song et al., 2019)에도 사용됩니다.

Annular Biofilm Reactors with Skewness

환형 생물막 반응기는 표준 Taylor-Couette 흐름 설정 (그림 1, 왼쪽 하단) 인 수중 회전 내부 실린더가있는 원통형 반응기로 구성됩니다. 이 반응기는 식수 시스템에서 미생물 군집 역학을 연구하고 회전 속도 증가에 대한 성장률을 결정하는 데 사용되었습니다 (Gomez-Alvarez et al., 2014). 이 연구로 인해 고리 형 생물막 반응기는 반응기의 내부 실린더에 추가 된 스큐와 함께 사용됩니다.

‘Skewness’는 표면 특징 분포의 비대칭 성을 설명하는 거칠기 매개 변수이며 생물막 형성에 영향을 미치는 것으로 생각됩니다. 왜도의 영향을 정량화하기 위해 잘 정의 된 양수 및 음수 왜곡 표면 (그림 1, 오른쪽 하단)을 평평한 (비뚤어지지 않은) 표면에서의 생물막 성장과 비교했습니다.

^{Figure 1. Annular reactors (top), plan view of annular bioreactor scheme (bottom left) and detail of rotating attachment surface, and outer stationary cylinder illustrating cylindrical Couette flow (bottom right).}

CFD 모델링

FLOW-3D 는 포지티브 및 네거티브 스큐 표면의 전단력 분포를 계산하는 데 사용되었습니다. 기울어 진 표면의 누적 전단 응력을 평평한 제어 표면과 서로 비교하기 위해 각 기울어 진 표면의 대표적인 300 마이크로 미터 단면을 길이에 따른 벽 전단 응력에 대해 평가했습니다 (그림 2). 실험적으로 관찰 된 0.35 Pa의 일정한 평면 값 이상의 값은 “고 전단”으로 분류되고 아래 값은 “저 전단”으로 지정되었습니다.

그림 2. 정상 상태 흐름에서 (a) 포지티브 및 (b) 네거티브 스큐 표면을 따라 CFD 생성 2D 전단 응력 프로파일 및 (c) 포지티브 및 (d) 네거티브 스큐 표면에 대한 표면에서 예측 된 로그 전단 응력 값 대표 피처 길이 (300 m).
수평 빨간색 선은 평평한 표면의 전단 응력 (0.35 Pa)을 나타냅니다.
노란색 및 빨간색 음영 섹션은 각각 평평한 표면 전단보다 작거나 큰 전단 값을 나타냅니다.

낮은 전단 응력 값은 대부분의 포지티브 스큐 표면을 따라 예측되었으며 대표 섹션의 86 %는 0.35 Pa 미만의 값과 높은 전단 범위에서 14 %를 나타냅니다 (그림 2c). 네거티브 스큐 표면의 경우 62 %가 평평한 표면보다 낮은 전단 값을 가졌고 38 %는 고전 단으로 분류되었습니다 (그림 2d). 음의 스큐 표면은 양의 스큐 표면에 걸쳐 높은 전단 범위에서 예측 된 전단 벽 응력 값으로 2.5 배 더 많은 면적을 가졌습니다.

결론

실험적으로 음의 비대칭 표면은 생물막 성장 중에 가장 높은 완전 질화 속도를 나타냅니다. FLOW-3D의 CFD 시뮬레이션은 이 현상에 대한 가능한 설명을 제공합니다. 그들은 음의 기울기 표면이 양의 기울기 표면보다 전단력이 큰 영역이 더 크다는 것을 보여줍니다. 이러한 고전 단 영역은 부착 속도와 질량 전달 속도를 증가시켜 생물막의 질화 속도를 증가시킵니다.

이 연구는 폐수 처리장에서 생물막의 질화 효율을 높이는 방법을 제안합니다.

이 연구의 계산 모델링 측면에 대해 자세히 알아 보거나 현재 프로젝트에 FLOW-3D 를 통합하는 방법에 대해 논의하려면 adwaith@flow3d.com 으로 저에게 연락하십시오 .

참조

Roveto, P.M., Gupta, A., Schuler, A.J., 2019. Effects of Attachment Surface Skew on Growth and Community Dynamics of Nitrifying Biofilms. Water Research (in review)

Van den Akker, B., Holmes, M., Pearce, P., Cromar, N.J., Fallowfield, H.J., 2011. Structure of nitrifying biofilms in a high-rate trickling filter designed for potable water pre-treatment. Water Res. 45, 3489–3498. https://doi.org/10.1016/j.watres.2011.04.017

Song, Z., Zhang, X., Ngo, H.H., Guo, W., Song, P., Zhang, Y., Wen, H., Guo, J., 2019. Zeolite powder based polyurethane sponges as biocarriers in moving bed biofilm reactor for improving nitrogen removal of municipal wastewater. Sci. Total Environ. 651, 1078–1086. https://doi.org/10.1016/j.scitotenv.2018.09.173

Gomez-Alvarez, V., Schrantz, K.A., Pressman, J.G., Wahman, D.G., 2014. Biofilm Community Dynamics in Bench-Scale Annular Reactors Simulating Arrestment of Chloraminated Drinking Water Nitrification. Environ. Sci. Technol. 48, 5448–5457. https://doi.org/10.1021/es5005208

Spatter in laser spiral welding of zinc-coated steels/아연 코팅된 강철의 레이저 스파이럴 용접 패턴

Problem description

간격이없는 Zn 코팅 강재의 레이저 용접 동안 Zn 코팅은 기화 표면 사이에서 기화 및 축적
배출 채널이 없으면 Zn 증기가 계속해서 녹은 강철 풀(Pool)에 유입되어 스패터(Spatter)가 발생
Zn 증기는 또한 키홀(Keyhole) 역학 및 공정 안정성에 영향을 미침
순간 Zn 증기압을 추정하고 키홀(Keyhole) 역학을 분석하기 위해 FLOW-3D WELD에서 개발된 시뮬레이션 모델
스패터(Spatter)가 발생한 지역에서 Zn 증기압을 줄이고 적절한 키홀(Keyhole) 개방을 유지하기 위해 용접 일정을 재설계

FLOW-3D WELD 수치적 모델

모델 검증

프로세스 역학(Process dynamics)

용접 일정(Welding schedule)의 향상

결론

Paying 인터페이스에서의 높은 순간 Zn압력은 풀(Pool) 변동 및 스패터(Spatter) 형성으로 이어짐
Paying 인터페이스에서 계산된 Zn증기압은 스패터(Spatter) 형성의 지표가 될 수 있으며 용접 일정(Welding schedule) 설계를 안내 할 수 있음
나선형 용접의 초기 라인 에너지는 레이저가 Paying 인터페이스를 관통할 때, 심각한 스패터(Spatter)를 초래하는 Zn증기압의 증가를 피하기 위해 제한

What’s happening at the melt pool?/레이저 가공

Laser keyhole welding

레이저 키홀(Keyhole) 가공(No oscillations/진동 고려하지 않을 경우)

높은 속도에서 다공성을 감소시키는 경우(Reduced porosity at high speed-mechanism)

고속 레이저 가공(진동 고려하지 않음)해석 시 고려사항

틈새 조건에 대한 허용 오차가 낮아지는 좁은 조인트(Joint) 너비
레이저가 꺼질 때 큰 끝 분화구(Large end crater)
속도가 높을 때 불충분한 침투(Penetration)
제한된 사용가능한 레이저 출력 : 6kW

진동을 고려한 레이저 랩(Lap) 용접

키홀(Keyhole) 붕괴를 방지하는 고속 스캐닝 가능
– 다공성(Porosity) 최소화
인터페이스 간극(Interface gaps)에서 브리지 간격(Bridge gaps)을 조정하여 조인트(Joint) 폭을 조정할 수 있는 유연성 제공

진동을 고려한 레이저 용접 : 실험 결과와 비교

모델 검증

사이클(One cycle) 내에서 키홀(Keyhole) 역학

진동을 고려하지 않을 경우 : 일관된 전도 또는 키홀 용접
진동을 고려할 경우 : 경로와 일정에 따라 한 번의 주기내에서 전도 용접, 얕은 키홀(Keyhole)과 깊은 키홀(Keyhole) 용접 간 전환 가능

진동을 고려한 레이저 가공의 이점

진동을 통한 최초 품질 향상
키홀(Keyhole)로 인한 다공성(Porosity)을 피하면서 높은 용접 속도 가능
전력 변조가 사용되지 않는 경우, 각 주기내에서 키홀(Keyhole) 및 전도 모델간 전환
진동 매개 변수 변경을 통해 중요 용접 너겟(Nugget) 치수 및 강도 조정 가능
시트 간 틈 브리징(Gap gridging) 개선

Indianapolis Storm-Water System

Indianapolis Storm-Water System

하수도 시스템은 액션영화의 도피 루트로 사용되지 않는 한 흥미롭지 않을 것입니다. 폭우로 인해 이산화탄소 수치가 올라갈 때까지 여러분은 그것에 대해 생각조차 하지 않을 것입니다. 불행하게도, 770개 이상의 오래 된 미국 도시들 아래에 있는 하수구 시스템은 심한 폭풍으로 오염 문제를 일으킵니다. 이러한 구형 설계는 하수 및 폭풍 유실을 위한 비용 효율적인 단일 스타일 파이프를 사용했으며 연결된 파이프로 강 및 호수에 하수를 내보냅니다(CSO).

1994년 미국 환경보호청(EPA)은 주로 북동부 및 그레이트 레이크 지역의 관련 지방 자치 단체들에게 CSO관련 문제를 줄이거나 제거하도록 하는 정책을 발표했습니다. (2000년 “Clean Water Act”의 일부로 법률화된 정책). 인디애나 폴리스(Indianapolis)는 가벼운 비 폭풍으로 인해 하수 오물의 백업 및 범람이 발생할 수 있는 도시 중 하나였으므로, 주요 건설 조건에서 2025년까지 문제를 해결하는 것이 필요하였습니다.

인디애나 폴리스는 국제 디자인 회사인 AECOM에 Citizens Energy Group이 건설하고 있는 3개의 깊은 암석 저장 터널 중 첫 번째를 설계할 것을 요청했습니다. 총 25마일인 이 시스템은 대규모 지하 펌프장과 기존의 하수구에서 CSO를 수직으로 떨어뜨리는 연결 구조물을 포함합니다. 첫 번째 터널의 경우, 강우가 가라 앉은 후에 3 개의 커다란 강하 구조물이 CSO를 저장 터널로 전환하여 후속 처리를 수행했습니다.

프로젝트를 해결하기 위해 AECOM은 여러 가능한 낙하 구조물 설계의 동작을 시뮬레이션하기 위해 FLOW-3D를 선택하여, 구축 및 평가 예산이 책정 된 물리적 모델에 대한 재 작업의 필요성을 최소화했습니다. 테스트 결과는 예측 값과 일치하였으므로 재설계가 필요하지 않았습니다. 또한, 이제 AECOM은 유압 설계작업의 첫 번째 단계를 일반적으로 CFD시뮬레이션을 사용합니다.

Large Scale Project on a Tight Delivery Schedule

촉박한 납품 일정에 따른 대규모 프로젝트

20세기에 건설된 하수 처리장은 주거용, 상업용, 환경유출물의 유출로 무엇을 해야 할 것인지에 대한 새로운 인식을 가져다 주었습니다. CSO 방전은 정상적으로 운영되는 동안 처리시설로 직접 이동되며 모든 과정이 양호하게 운영됩니다. 불행하게도, 대규모 폭풍이 발생하는 동안, 발전소들의 초과 용량문제를 피하기 위해 인근 수역으로 과도한 유량을 방출합니다. 이들 배출은 기름과 살충제, 야생동물 배설물에 이르기까지 다양한 오염 물질을 포함합니다.
고무적인 성공의 신호로, 1990 년대에 착공된 새로운 CSO 분리, 저장 및 처리 시설로 오염의 영향에 대해 67 %의 개선을 이루었지만, 여전히 많은 연구가 이루어져야 합니다. 인디애나 폴리스의 경우, 인디애나 폴리스시 공공사업부가 CSO 장기 통제계획을 준비한 2008년에 그러한 노력이 시작되었습니다. 정상적인 처리 공장에서 처리 할 수 있을 때까지 오버플로우가 발생하는 “저장 및 운송”접근법의 핵심은 인디애나 폴리스 터널 저장 시스템 또는 인디애나라고 합니다.

이 시스템의 첫번째 단계는 딥 록 터널 커넥터(DRTC)라고 불리는 1억 8천만달러 가치의 프로젝트입니다. DRTC는 길이 7마일의 18피트 직경의 지하 터널로, 기존의 인디애나 폴리스의 3개의 서버 대 계층 유출 연결의 흐름 경로를 다시 만들 것입니다(그림 1). 목표는 과잉 강우 유출을 기존 하수구와 새 터널 사이의 낙하 구조를 통해 이들 대피소에서 거대한 터널로 안전하게 재배치하고, 폭풍 후 처리를 위해 처리장으로 펌핑 될 수있을 때까지 유지합니다.

Fig. 1. City of Indianapolis Deep Rock Tunnel Connector (DRTC), a “storage and transport” concept being built to handle combined sewage overflow (CSO) during heavy storms. Three vertical drop structures will capture this flow and divert it downwards to 18-foot-diameter storage tunnels running more than 250 feet underground; the tunnels store the CSO until sewage treatment plant capacity becomes available. (Image courtesy Citizens Energy Group)

평균적으로 지표면 아래 250피트 깊이에서, DRTC는 건설과 궁극적인 운영 동안 위의 주변 지역에 대한 혼란을 최소화하도록 설계되었습니다. 그러나 이 프로젝트의 규모와 복잡성은 AECOM의 과제에 긴급성을 더했습니다. 세 장소 각각에 대한 가능한 낙하 구조 설계와 평가, 구조물 설계의 60%를 7개월 이내에 마무리 지었습니다.

이러한 구조물의 목적은 표준 도시 하수 시스템에서 깊은 저장 터널로 하수 흐름을 전달하는 동시에, 효율적 손실( 느린 속도 또는 백업)과 장기적인 도심을 방지하는 것입니다. 각 섹션의 크기와 모양이 유입 흐름의 볼륨 및 속도와 세심하게 일치하지 않을 경우 발생할 수 있는 구조적 손상입니다.
AECOM의 수석 기술 전문가인 라이언 에디슨 컨설턴트는 계약의 스케줄링 요구 사항이 유효성 검사를 위해서는, 단 하나의 모델에만 물리적 건물과 테스트 활동을 제한할 것이라는 것을 알게되었습니다. 다른 주요 건설 프로젝트에 15년간 FLOW-3D 시뮬레이션 소프트웨어를 사용해 왔기 때문에, 난류, 과전압 및 에너지 낭비를 예측하는 능력은 충분하지 않고 디자인 프로젝트에 적합하다고 자신했습니다. 또한 여러 검증(what-if) 시나리오를 실행하기 위한 소프트웨어 옵션을 통해 설계 세부 사항을 다시 실행해야 하는 위험을 최소화할 수 있었습니다. 변경 사항이 적용될 경우 상당한 이점은 여러개의 병렬 시공 트랙이 있는 프로젝트에 있습니다.
시간 제약에도 불구하고, 에디슨은 특히 이 도전에 만족했습니다. 왜냐하면 “CFD로 드롭 구조 설계를 만들고 물리학에서 이것들은 너무 큰 구조이기 때문입니다.”라고 그는 말합니다. 그것들은 CFD는 실제로 사용되지 않는데 보통 물리적 모델이나 손으로 계산하는 것으로 이루어집니다.

DRTC 프로젝트를 위해서, 그는 먼저 시뮬레이션된 작동 조건에 대해서 컴퓨터 설계를 테스트할 것입니다. 에디슨은 3차원의 일시적이고 격동적인 흐름 조건을 모델링 할 수 있는 소프트웨어 패키지인 FLOW-3D를 사용했습니다. 각 설계에 대한 계산 메쉬를 변경하지 않고도 여러 설계 지오 메트리를 모델링 할 수 있는 기능이였습니다.
시뮬레이션 데이터로 무장한 에디슨은 그 결과를 아이오와 대학교 II. 시설에서 시험한 1:10 크기의 물리적 모델의 작동 데이터와 비교하였습니다. (후자는 원래 아이오와 유압 연구소라고 불렸지만, 지금은 그룹의 다양한 범위를 반영하여 IIHR-Hydroscience & Engineering으로 알려져 있습니다.)

Zeroing in on the Drop-Structure Challenge

드롭 구조 과제에서 영점 조정

가장 제한적인 DRTC 사이트의 지오 메트리는 CSO 008로 지정된 레귤레이터에서 발생합니다. 기존 CSO 레귤레이터(기울기 약 75피트 아래)를 새 18피트 직경의 수집 터널과 연결하려면, 이 위치에서 150피트 이상의 수직 방향 주행이 필요합니다. 각 낙하 구조에 7백만달러 이상이 소요되는 경우, 프로젝트 관리자들은 물리적 모델이 구축된 후 비용과 시간이 많이 소요되는 재설계가 필요한 가능성을 낮추려고 애썼습니다.

역사적으로 낙하 구조는 이전 프로젝트를 적용하여 설계된 후 축소 모델로 구축되었으며, 테스트만으로도 6개월 이상이 소요될 수 있습니다. 가속화된 이 프로젝트에서, 2009년 가을에 시작한 AECOM의 초기 과제는 두가지 표준 개념 중에서 하나를 선택하는 것이었습니다. 포장-파운드 스타일과 접선 vortex버전, 둘 다 시속 35마일의 폭풍이 몰아치는 물 속에서 속도를 늦추고 통제하기 위해서 직접 계산 및 FLOW-3D에서 결정한 일반 구조 직경 및 구성 요소 크기를 사용한 초기 CFD분석으로, AECOM은 시공 가능성 및 비용 고려 사항을 평가하는 데 사용했습니다.
CSO 008의 현장 요구 사항과 비용 효율성을 고려할 때, 시 당국과 AECOM은 접선 소용돌이 낙하 구조를 선택했습니다. 이 설계의 핵심 요소는 흐름을 먼저 환상적인 제트로 유도한 다음, vortex 유도 나선형 흐름을 생성하는 테이퍼(확대) 접근 채널에 의해 공급되는 수직 튜브(드롭 샤프트)입니다. 이 통제 된 하강은 속도가 느려지고 하루 3 억 갤런 (mgd) 이상에 이르는 흐름을 안전하게 처리합니다. 스토리지 터널의 파괴적인 난류를 방지하는 것이 핵심 목표이므로 드롭 샤프트 흐름의 사전 차단이 설계의 핵심입니다.

구조 자체는 6 개의 주요 부분으로 구성됩니다. 1) 접근 채널 (기존의 하수 터널에서 나온 것), 2) 수평 흐름을 넓히고 수직 드롭 샤프트로 수평 흐름을 전달하는 직사각형 전이 테이퍼 채널, 3) 드롭 샤프트 자체 4) 탈 기실 (유량을 수평 방향으로 방향을 바꾸고 공기 유입을 감소시키는), 5) 수직 공기 배출구를 통해 낙하에서 유입 된 공기를 제거하고 적하 유체의 공기 코어가 열려 있고 6) 탈기 챔버와 저장 터널 챔버를 연결하는 파이프 (adit) (그림 2).

Fig. 2. CAD diagram of proposed Indianapolis DRTC combined sewage overflow (CSO) vertical drop structure, showing approach channel, taper channel and vortex dropshaft. Using FLOW-3D CFD analysis software, AECOM simulated the flow behavior, gaining confidence in the system performance prior to physical model testing. (Image courtesy AECOM)

Design and CFD Analysis

설계 및 CFD분석

일반적인 소용돌이 설계는 널리 받아들여지고 있지만, 각 낙하 구조는 최적의 접선 흐름 특성을 보장하기 위해 인디애나 폴리스의 위상에 맞는 적절한 크기를 가져야 했습니다. 특히, 가능한 설계에 대한 AECOM의 계획은 세가지 목표를 가지고 있었습니다. 결합된 접근법과 테이퍼 채널을 짧은 길이로 제한하는 현장, 고유의 제약이 있었는지를 결정합니다. 허용 가능하지만 접근 방식에서 과도한 난류 조건이 발생하지 않았습니다. 테이퍼 채널에 안정적인 흐름 조건이 존재하는지 확인하고 다양한 흐름 조건에서 흐름 안정성을 평가했고, 논리적 기준점은 밀워키 인라인 스토리지 프로젝트라고 불리는 잘 알려지고 문서화된 시스템이었습니다.

Edison은 DRTC 프로젝트 규모에 맞춰 H-4로 지정된 Milwaukee 드롭 구조 설계를 기반으로 초기 설계를 기반으로했습니다.
166 피트의 기본 낙하 길이를 포함하고 체적 유량, 벽, 대칭 및 기타 초기 매개 변수를 지정하는 FLOW-3D 분석을 설정합니다.
그는 우리가 CFD를 통해 발견한 것은 밀워키에서 이 디자인을 사용하면 우리의 어플리케이션에 잘 맞지 않는다는 것이라고 말합니다. FLOW-3D는 이것을 보여 주고 있었기 때문에 CFD를 사용하여 변형을 시도하고 우리의 수정된 디자인을 고안했습니다.
더 넓은 접근 경로, 더 넓은 테이퍼 및/또는 더 깊은 테이퍼 깊이를 사용한 수정은 에디슨은 FLOW-3D에서 각 변동 사항을 설정하는 것이 매우 빠르다고 말합니다. (그림 3,4,5). 개선의 진전은 고무적이었습니다. 시뮬레이션 결과의 높은 수준은 심지어 절삭(침식)을 개선하기 위해 드롭 축의 바닥에 의문스러운 플레이트가 수직 흐름이 수평으로 전환되는 난류 분리 및 감소가되도록 기능을 추가하도록 설득했습니다.

Figs. 3, 4 and 5. Tangential drop structure flow simulated with FLOW-3D. Structure dimensions were optimized through multiple design iterations. (Image courtesy AECOM)

9번째 설계 변동에 대한 FLOW-3D 출력 동작인 V9는 접근 섹션을 확장했으며, 모든 흐름 볼륨 레벨에서 300mg/d까지 양호한 흐름 안정성을 보였으며 유압식 점프는 없었습니다. 그리고 양호한 Froude numners(유체 움직임에 미치는 중력의 영향을 나타내기 위해 사용되는 치수 없는 수량), 2010년 2월부터 AECOM이 물리적 시험과 검증을 위해 선택하였습니다(그림 6). 그 계획은 아이오와 연구소의 시험 결과에 기초하여 CFD와 최적화를 추가하는 것이였습니다.

Fig. 6. Scale model (1:10) of vertical drop structure, tested at University of Iowa IIHR Hydroscience & Engineering facility. (Image courtesy AECOM)

에디슨은 V9에서 결정된 치수 매개 변수에 대해 그 디자인을 아이오와 주에 가져가서 CFD를 이용해 만들었는데 완벽하게 작동했습니다. (II.)직원들은 실제로 무언가를 설치한 것은 이번이 처음이며, 변경하라고 말할 만한 것이 아무것도 없다고 말했습니다. 측정된 데이터는 드롭 샤프트 연결 구조 내의 수면 높이, Adit내 공기 침투의 정량, 벤트 샤프트 위로 공기 흐름을 포함했습니다. 흐름이 증가함에 따라 와류량이 증가함에 따라 축 벽에 부착되어 탈산소까지 원활하게 회전하는 모습이 포착되었습니다(그림 7).

에디슨은 후속 실험을 위해 여러번 시험장을 돌아다녔습니다. 물리적 모델이 처음부터 올바르게 작동했기 때문에 시험 프로그램을 확장할 시간이 있었습니다. “재미 있는 것은 환기구를 움직이는 것과 같이 우리가 궁금했던 것들을 탐구해서 지적으로 그것을 가지고 놀 시간이 있었다는 것입니다.” 에디슨은 예정보다 앞서 있었기 때문에 잔여 프로젝트 시간을 이용해 탈염소와 adit 내의 유압 장치를 조사할 수 있었습니다.

Fig. 7. Operation of scale-model vertical drop structure, showing test run of 300 million gallons per day (mgd). Flow vortex development shows good rotation and attachment to the shaft wall all the way down to the de-aeration chamber. No design modifications were necessary to the simulated design. (Image courtesy AECOM)

Final Results

AECOM은 2010년 7월 DRTC에 대한 전반적인 작업을 마쳤습니다. 2013년 3월부터 18구경 터널을 굴착하기 시작했고, CSO드롭 구조 3개(CFD로 설계된 나머지 2개의 구조물만 있음)는 모두 현재 공사 중입니다.

에디슨의 의견으로는, 토목 공학은 전체적으로 CFD를 채택하는 데 느린 편이었습니다. 이를 입증하기 위해 그는 인천 국제 공항을 처음 방문한 당시 접선 소용돌이 모형의 소위 “묘지”에서 본것을 기술했습니다. 그러나 그는 이들을 다시 처리해야 했다고 말했습니다. 그는 유압 설계를 위한 시뮬레이션 사용으로 판매되는 것을 권장하고 있습니다.

에디슨은 DRTC노력을 요약하면서 “정말 재미 있었습니다. 물리적 모델링이 필요한 위치에 대해 더 자세히 알아보았고, 그렇다면 어떤 경우에는 순수한 RAID기반 설계를 수행할 수 있습니다. 많은 DRTC작업들이 그것의 증거입니다. 물리적 모델은 실제로 필요하지 않았지만 검증을 통해 위험을 줄일 수 있었습니다. 프로젝트에서 이 두가지를 모두 수행할 수 있었다는 것은 믿을 수 없는 일입니다.”라고 말했습니다.

This article first appeared in WaterWorld Magazine.

2019년 소개된 강력한 PC 하드웨어 소개

고성능 컴퓨팅(HPC)

고성능 컴퓨팅(HPC)은 과학, 공학 또는 거대한 비지니스 요구 사항들을 해결하기 위해, 우리가 흔히 사용하는 일반적인 데스크탑 컴퓨터나 워크스테이션보다 훨씬 더 높은 성능을 발휘하도록 컴퓨팅 파워를 결합하여 고성능을 발휘하도록 하는 것을 의미합니다.
시뮬레이션이나 분석과 같은 HPC 워크로드는 계산 속도, 메모리 사용 및 데이터 관리가 매우 중요합니다.
클러스터나 슈퍼컴퓨터라고도 불리는 일반적인 HPC 시스템은 고속의 네트워크에 연결된 다수의 서버를 이용한 확장을 통해, 여러 애플리케이션들을 병렬 실행하도록 설계됩니다.
HPC 시스템에는 관련 소프트웨어, 도구, 구성요소, 스토리지 및 서비스가 포함된 경우가 많습니다.

고성능 컴퓨팅은 일반적으로

100Gbps의 초고속 네트워킹
확장 가능한 고성능 스토리지
고성능 컴퓨팅 소프트웨어 스텍 (최근에는 거의 Linux가 대세로 자리 잡음)
에너지 효율성
GPU 가속지원

등이 핵심 성능지표로 고려되어 개발됩니다.
이러한 컴퓨터는 매우 고가이고 특별한 관리환경과 전문가들이 필요하여, 일반인들은 쉽게 접하기가 어렵습니다.
그러나 최근에는 시스템 구성은 전문가들이 하고, 시스템 사용은 일반 엔지니어들이 사용할 수 있도록 UI나 시스템 사용환경이 많이 편리해져서 대기업이나 국책 연구기관의 연구원들이 쉽게 사용할 수 있는 기반이 많이 갖추어져 있습니다.

이러한 HPC와는 스케일 규모면에서는 차이가 많지만, 최근에는 단일 컴퓨터에서도 많은 core로 구성된, 수퍼컴에 가까운 단일 컴퓨팅 고성능 PC가 판매되고 있습니다.
따라서 본 기사에서는 고성능 PC 하드웨어를 통해 수치해석을 수행할 수 있는 전세계의 최신 컴퓨터 기술을 소개하는 PC 기반 하드웨어 기사를 소개합니다.
본 기사는 itworld 에서 작성된 자료입니다.

AMD 라이젠 3000 리뷰 | 인텔의 시대를 끝내러 왔다

퍼스널 컴퓨팅 PCWorld

2019.07.09

업데이트 기사에서는 성능 테스트 결과 중 3D 뷰포트와 시너지 시네스코어(Cinescore) 성능 결과를 더했다. 또한, 게임 외적인 이유로 데이터에 나타나지 않았던 파 크라이(Far Cry) 5와 데우스 엑스: 맨카인드 유나이티드(Deus Ex: Mankind United)에서의 구형 라이젠 칩 게이밍 벤치마크 차트도 추가했다.

AMD의 12코어 라이젠 9 3900X CPU 리뷰를 한마디로 요약한 문장은 이렇지 않을까?“와, 이 CPU 진짜 빠르다.”

그러나 결론만 보기는 아쉽다. 라이젠 9 3900X는 1GHz를 처음으로 넘어섰던 AMD의 오리지널 K7 애슬론 시리즈 CPU, 데스크톱 PC의 64비트 시대를 열었던 애슬론 64 CPU만큼이나 중요한, 시장을 바꾸는 CPU가 될 물건이기 때문이다.

라이젠 9 3900X가 앞으로 저런 제품이 세운 위대함을 달성하기 어려울 것이라고 생각할지 모른다. 이전 세대의 무시무시한 게이밍 성능 지표를 모두 넘어서는 정도는 아니다. 그러나 발매 직후의 혼란이 가라앉으면 AMD 라이젠 3000 시리즈는 단숨에 가장 인기 있는 CPU가 될 것이다.

라이젠 3000 시리즈는 어찌됐든 7나노 공정으로 생산된 최초의 사용자 x86 칩이다. 인텔의 현재 데스크톱 칩은 모두 아직도 14나노 공정으로 제작된다. 올해 말쯤 되어야 10나노 공정으로의 이전이 시작될 것이다. AMD가 7나노 공정에 먼저 도달한 것을 부러워하면서 말이다.

기술적인 우위를 바탕으로 AMD는 라이젠 3000을 위해 재설계된 2세대 젠 코어를 발표했다. 이전 라이젠 2000 시리즈에 비해 부동 소수점 성능이 2배 증가했고, 클럭당 명령어 처리 횟수가 15% 향상되었다.

AMD는 명령 프리-패치를 개선했고, 명령 캐시를 한층 강화했고, 마이크로-op 캐시를 2배로 늘렸다고 말했다. AMD는 부동 소수점 성능을 2배로 늘린 것에 더해 이제 AVX-256까지 도입했다(256비트 고급 벡터 확장). 인텔 코어는 AVX-512이다. 오늘날 AVX는 주로 동영상 인코딩 분야에 영향을 주지만, 다른 분야에서도 진가를 발휘한다.

AMD는 기본적으로 라이젠 3000 칩에서 L3 캐시를 2배 늘리고, 이것을 게임 캐시라고 부르면서 애플과 비슷한 마케팅을 펼치고 있다. 라이젠 9 3900X에서 70MB를 차지하는 이 캐시는 라이젠 3000 시리즈의 메모리 지연성을 크게 줄인다. 또 CPU의 게이밍 성능을 극적으로 향상한다. 그래서 게임 캐시라고 부르면서 일반 사용자의 이해를 돕고 있다. 게임 캐시는 애플리케이션 성능 개선에도 유용하지만, 앱 캐시라고 불렀을 때 기뻐할 사람은 아무도 없을 테니까.

라이젠 3000 시리즈에는 7나노 CCD가 2개 들어간다. ⓒAMD

코어와 함께 칩셋 설계도 크게 손을 보았다. 처음의 젠 기반 라이젠은 메모리 및 PCIe 컨트롤러가 인피니티 패브릭으로 결합된 2개의 14 나노 CCD를 특징으로 했다. 젠 2에 기반한 라이젠 3000은 메모리 컨트롤러와 PCIe 4.0 컨트롤러를 별개의 IO 다이로 분리한다. 7나노 연산 코어와 달리 IO 다이는 12나노 공정으로 제작된다. 이는 CPU의 전체 원가 절감에 기여한다. 7나노 공정 웨이퍼가 훨씬 가치 있는데, AMD의 팹 협력사인 TSMC가 IO 다를 제작에 사용하지 않아도 되기 때문이다.

여기서 중요한 질문은 GPU가 제한 요소가 아닌 상황에서, 오랫동안 라이젠 성능의 발목을 잡았던 게이밍 문제가 마침내 해소되었느냐는 것이다. 차이는 이제 매우 근소해졌다. 심지어 엔비디아의 무자비하게 빠른 RTX 2080 Ti를 구동하더라도 거의 99% 문제가 없을 것이다.

PCIe4.0?!

그렇다. PCIe4.0이다. PCIe의 차세대 버전 PCIe4.0은 기본적으로 클럭 속도와 스루풋을 PCIe3.0보다 2배로 늘린다. AMD가 PCIe4.0으로 이동한 것도 또 한가지 유리한 점이다. 인텔은 CPU에서 PCIe3.0 속도로 정체되어 있고, 마찬가지로 엔비디아도 PCIe3.0 기반 GPU만을 보유한 상황이다.

현재 PCIe 4.0 실제 성능은 SSD를 제외하고 손쉽게 구현하기 어려울 것이다. 그러나 새 표준은 PC에서 더 많은 경로와 더 많은 포트를 지원한다. PCIe4.0 SSD의 혜택을 원한다면 AMD의 라이젠 3000과 새 X570 칩셋이 유일한 수단이다.

PCIe의 설명 자료는 여기서 소개한다(all about PCIe 4.0). 개발 초기 단계인 PCIe5.0과 PCIe6.0이 동시에 존재해 혼란을 준다면, 초기 사양이 실제 하드웨어로 구현되기까지는 시간이 걸린다는 점을 기억하기 바란다. 기본적으로 PCIe 4.0가 현재의 유일한 해법이고, AMD는 이 성과를 자랑할만하다.

가격

아직 가격이 남았다. 인텔의 플래그십 제품인 8코어의 코어 i9-9900K는 488달러인 반면, 더 빠르지는 않더라도 최소한 같다고 주장하는 AMD의 12코어는 499달러에 RGB 쿨러를 더했다.

AMD 라이젠 3000 제품군은 가격으로 인텔 제품을 압박한다. ⓒAMD

쓰레드당 가격은 AMD가 인텔보다 우세하다. 각종 CPU의 쓰레드당 가격 차트를 보면 라이젠 9 3900X는 쓰레드당 21달러이고, 코어 i9-9900K는 31달러로 게임이 되지 않는 지경이다.

ⓒAMD

그러나 쓰레드당 가격, 환상적인 7나노 공정도 성능이 뒷받침되지 않는다면 가치가 없다. 그럼 이제부터 라이젠 9 3900X가 얼마나 빠른지 살펴보자.

테스트 방법

이번 리뷰에는 대표적 CPU 3개를 선택했다. AMD의 2세대 라이젠 7 2700X가 테스트의 기준으로 활용된다. 두 번째는 최고의 경쟁자인 488달러의 인텔의 코어 i9-9900K이다. 마지막은 AMD의 499달러짜리 라이젠 9 3900K이다.

CPU는 나란히 테스트되었다. 라이젠 7 2700X는 MSI X470 게이밍 M7 AC에, 코어 i9-9900K는 아수스 막스무스 XI 히어로에, 라이젠 9 3900X는 MSI X5700 가드라이크에 각각 탑재했다.

그래픽의 경우 초반 CPU와 게임 테스트는 파운더스 에디션 지포스 GTX 1080를 사용하였다. 추가적 게임 테스트에서는 파운더스 에디션 지포스 RTX2080 Ti 카드를 이용하였다.

세 PC 모두 최신 UEFI/BIOS와 드라이버를 이용하고, 윈도우 10 프로페셔널 1903을 새로 설치하였다. 윈도우 버전은 특히 중요하다. AMD가 이제 버전 1903에 스케줄 최적화가 포함되어 라이젠 3000에서 더 효율적으로 쓰레드를 전송할 수 있다고 말했기 때문이다.

기억할 점은 AMD의 CPU는 CPU 코어의 작은 집단과 빠른 속도를 갖도록 구축되지만 CPU 코어 집단 사이의 액세스 속도는 더 느리다는 것이다. 구 버전 윈도우에서 스케줄러는 클러스터 내의 한 집단으로 한 쓰레드를 전송한다. 윈도우는 멀티 다이 설계를 감안하여 설계되지 않았기 때문에 두 번째 쓰레드를 다른 CPU 코어 클러스터로 전송할 것이고 이는 성능을 낮추는 원인이 된다.

단순히 두 쓰레드를 같은 CPU 코어 클러스터로 전송하는 경우가 아니면, 두 코어 클러스터 사이의 교차를 처리해야 하기 때문에 속도가 느려지는 것이다. 이제 이 문제가 해소되었다. 윈도우 1903은 가능한 경우 동일한 CPU 코어 클러스터로 쓰레드를 전송할 것이다. AMD의 주장에 따르면 윈도우의 변화를 통해 최대 15%의 성능 향상을 가져올 수 있다. 다만, 모든 애플리케이션에서 적용되는 것은 아니므로 애플리케이션마다 차이가 있을 것이라고 전했다.

ⓒAMD

세 빌드에서 모두 듀얼 채널 모드의 DDR4를 동일하게 이용했지만, 한 가지 차이를 두었다. 코어i9-9900K와 라이젠 7 2700X는 16GB DDR4/3200 CL 14를 이용했고, 라이젠 9 3900K는 16GB DDR4/3600 CL 15를 이용했다. 라이젠 9를 최적의 메모리 클럭인 3,600MHz로 테스트하고 싶었기 때문이다. 3,200 MHz에서도 역시 테스트할 예정이다. 시간적 제약으로 인해 먼저 DDR4/3600 성능만 제시하고, 시간이 허락하면 DDR4/3200 테스트 결과를 추가로 업데이트할 예정이다. 그러나 AMD가 PCWorld에 밝힌 바에 따르면 DDR4/3200CL14는 DDR4/3600CL15에 비해 성능에서 큰 차이가 없다고 한다.

여기서 다른 변수는 저장 공간이다. 라이젠 7과 코어 i9은 초고속 MLC 기반의 삼성 960 프로 512GB SSD을 사용해 PCIe3의 3세대 속도로 테스트되었다. 라이젠 9 3900X는 PCIe4.0을 지원하는 최초의 CPU이자 플랫폼이다. PCIe4.0은 새 플랫폼의 핵심 기능이므로 CPU의 PCI 레인으로 직접 연결된 2TB의 커세어 MP600 PCIe 4.0 SSD를 이용하였다. 이번에 PCWorld가 실행한 테스트에서 스토리지는 CPU 성능에 영향을 주지 않을 것이다.

커세어 MP600 ⓒAMD

MCE인가, 아닌가?

코어 i9-9900K 리뷰와 마찬가지로 이번에도 ‘다중 코어 강화(Multi-Core Enhancement, MCE)’ 기능을 이용할 것인지를 놓고 의견이 엇갈렸다. MCE는 메인보드 지원 기능으로, 인텔 ‘K’ CPU를 더 높은 클럭 속도로 실행한다. 하지만, 전력 소비도 더 크고 열도 더 많이 발생한다. MCE는 기술적으로 인텔의 표준 규격을 넘긴 ‘오버클럭’으로 간주된다.

그렇다면 이 기능을 끄면 되지 않느냐고 생각할 수 있을 것이다. 그런데 문제는 거의 모든 중급 이상의 인텔 메인보드는 즉시 사용할 수 있도록 MCE가 자동으로 설정되어 있다는 점이다. 이 기능을 끈 상태로 새 CPU를 테스트한 결과는 대부분의 사용자가 경험하게 될 코어 i9-9900K의 진정한 속도와는 거리가 멀 것이다.

켠 상태로 두는 것은 더 난감하다. 왜냐하면 메인보드 업체마다 이 설정을 조금씩 다르게 구현하기 때문이다. MCE가 켜진 상태에서 성능을 정확히 측정할 수 있는 쉬운 방법은 없다.

결국 인텔 CPU에 대해 MCE를 끈 채로 테스트를 했고, AMD의 유사한 정밀 부스트 오버드라이브(Precision Boost Overdrive) 역시 끈 상태로 테스트했다. 다른 기사에서 이 부분을 한층 깊이 있게 다룰 것이다. 그러나 현재까지는 MCE를 끈 채 인텔 CPU를 실행하는 것은 PBO를 끈 채 AMD CPU를 실행하는 것보다 인텔 CPU에 훨씬 불리하다는 점은 유의해야 한다.

그렇다면 이제부터 차트의 세계로 나가도록 하자.

라이젠 9 3900x 3D 모델링 성능

12코어 CPU가 8코어를 쉽게 압도할 것이라는 점은 그다지 놀랍지 않다. ⓒIDG

라이젠 9 3900X의 싱글 쓰레드 성능이 인상적이다. ⓒIDG

시네벤치 R20으로 옮겨가면 라이젠 9 3900X의 싱글 쓰레드 성능이 더 돋보인다. ⓒIDG

라이젠 9 3900X가 인텔 코어 i9를 멀티 쓰레드 성능에서 압도하는 것은 어쩌면 당연하다. ⓒIDG

코로나 모델러 테스트 결과도 8코어보다 12코어 성능이 더 높게 나왔다. ⓒIDG

비슷한 결과다. V레이 넥스트 테스트에서도 다른 모델링 앱과 별반 다르지 않은 결과를 냈다. ⓒIDG

ⓒIDG

놀랍지도 않다. 라이젠 9가 코어 i9을 가지고 노는 수준이다. ⓒIDG

5GHz 클럭이라는 강점을 지닌 코어 i9가 라이젠 9를 싱글 쓰레드로 설정된 POV레이 테스트에서 근소하게 앞섰다. ⓒIDG

H.265 코덱을 활용한 4K 인코딩 작업에서도 라이젠 9 3900X가 월등했다. ⓒ

라이젠 9 3900X 인코딩 성능

라이젠 9 3900X는 H.265 코덱을 사용한 4K 인코딩에서 코어i9를 간단히 앞질렀다. ⓒIDG

시너지 시네스코어 10.4 테스트에서도 라이젠 9의 성능이 코어 i9 칩을 상당히 앞섰다. ⓒIDG

프리미어 CC 2019 작업에서는 코어 i9가 더 우세하다. ⓒIDG

프리미어 HEVC 인코더 프로젝트에서도 코어 i9가 우세했지만 차이는 조금 줄어들었다. ⓒIDG

포토샵 성능 테스트

포토샵 성능에서는 라이젠 9 2900X가 근소하게 앞섰다. ⓒIDG

압축 테스트

압축 테스트 결과. 라이젠 9 3900X와 라이젠 7 2700X의 성능 차가 크다. ⓒIDG

WinRAR결과는 좋게도 나쁘게도 해석할 수 있다. 라이젠 7 2700X 결과에서 보듯, WinRAR는 전통적으로 인텔 CPU와 상성이 좋았는데, 라이젠 9 3900X가 코어 i9와 크게 차이나지 않는 수준의 결과를 냈다. ⓒIDG

7ZIP 압축 테스트에서의 싱글 쓰레드 성능은 코어 i9가 조금 더 앞섰다. ⓒIDG

멀티쓰레드 성능은 라이젠 9가 압도적이었다. ⓒIDG

압축 풀기 테스트는 전통적으로 성능 확인의 정수이자 CPU가 브랜치 오예측을 얼마나 잘 감당하는지와 관련이 있었다. ⓒIDG

7Zip 압축 풀기 테스트에서는 3개 제품이 모두 엇비슷한 성능을 나타냈다. 가장 우수한 것은 코어 i9였다. ⓒIDG

라이젠 9 3900X의 게이밍 성능 테스트

섀도우 오브 툼 레이더는 1,920×1,080 해상도에서 플레이했는데도 GPU에 의한 병목 현상이 나타났다. ⓒIDG

최신 게임을 플레이할 때는 두 제품 모두 빠른 GPU가 필요하다. ⓒIDG

조금 더 오래된 라이즈 오브 더 툼레이더로 옮겨 가면 역시 구형인 지포스 GTX 1080 FE가 병목 현상임을 알 수 있다. ⓒIDG

라이젠 9 3900X가 코어 i9를 앞서지는 못했지만, 차이는 아주 근소하다. ⓒIDG

ⓒIDG

파 크라이 5는 코어 i9가 라이젠 시리즈를 앞선 성능을 보인 게임 중 하나다. ⓒIDG

데우스 엑스 맨카인드 디바이디드 결과. 라이젠 7과 라이젠 9의 차이에서 게임 성능 개선 폭을 짐작할 수 있다. ⓒIDG

레인보우 식스 시지 결과 ⓒIDG

CPU 포커스드 테스트 결과는 전적으로 CPU 테스트나 다름 없다. 지포스 GTX 1080과 RTX 2080Ti에서의 프레임 차이가 거의 없었기 때문이다. ⓒIDG

결론

1쓰레드에서 24 쓰레드까지의 시네벤치 테스트로 리뷰를 마치고 싶다. 시네벤치 R20은 3D 모델링 벤치마크로서 게이밍 성능이나 여타 애플리케이션 성능을 예측하지 않는다. 그러나 수많은 게임과 애플리케이션이 현대 CPU의 쓰레드를 모두 활용하는 혜택을 누릴 수는 없다. 그런 면에서 시네벤치 R20이 가치가 있다. CPU를 1개 쓰레드에서 시작해 끝까지 로딩 했을 때의 성능을 살펴볼 수 있기 때문이다.

아래의 차트에서 AMD는 통상적으로 차트 우측에서 두드러진다. 거의 언제나 인텔 칩에 비해 코어 수에서 우세하기 때문이다.

반면 인텔은 통상적으로 우측에서는 패배하지만, 좌측에서는 승리한다. 인텔 칩은 AMD 칩에 비해 클럭 속도와 IPC가 우세하기 때문이다. 인텔의 코어 칩이 강점을 지닌 부분은 기본적으로 여기뿐이다. 대다수 애플리케이션과 게임은 차트의 좌측에 있는 성능에 의존한다. 라이젠 9 3900K와 코어 i9-9900K 사이의 차트를 보면 그 강점은 이제 사라졌다.

시네벤치 r20을 1쓰레드에서 24쓰레드까지 돌리자, 전 구간에서 라이젠 9 3900x의 진정한 강점이 드러났다. ⓒIDG

동일 데이터를 다른 관점으로 보기 위해 성능 우세 정도를 비율로 보여주는 차트를 만들었다. 차트에서 알 수 있듯이 12코어는 8코어를 간단히 압도한다.

이번에도 인텔의 코어 i9에 있어 가장 나쁜 소식은 차트의 좌측에 있다. 여기서도 인텔의 우위가 사라졌다. 두 CPU는 6쓰레드까지 거의 대등하고 이후부터 라이젠 9가 앞서기 시작한다.

라이젠 9는 8쓰레드 이후부터 코어 수로 인텔 코어 i9를 제압했다. ⓒIDG

쓰레드 수가 적은 경우를 봐도 라이젠 9 3900K는 언제나 코어 i9 9900K만큼이나 빠르다. 이는 기본적으로 이제 코어 i9을 사야 할 이유가 거의 없음을 의미한다. 남은 이유도 분명 존재하지만, 고급 CPU를 구입하려는 사용자 10명 중 9명은 라이젠 9 3900X를 선택할 것이 틀림없다. editor@itworld.co.kr

컴퓨텍스 2018에서 소개된 강력한 PC 하드웨어 소개

본 기사는 PCWorld 및 itworld에서 부분 발췌된 내용입니다.

컴퓨텍스 2018에서는 게이밍이 뜨겁다.
PC의 핵심 칩들이 크게 발전하면서 성능을 크게 높였다.

스레드리퍼(Threadripper) 2 인텔의 발표 직후, AMD는 32코어 64스레드 플래그십인 스레드리퍼 2를 소개하면서 코어 전쟁에 불을 붙였다. 새 24코어 CPU도 출시되며 새 칩들은 2세대 라이젠(Ryzen)과 같은 기본 기술에 기초하여 개발되었다. 또한 AMD는 쿨러 마스터와 협력하여 32코어의 온도를 관리할 수 있는 거대한 공냉식 쿨러인 레이스 리퍼(Wraith Ripper)를 제작했다.

AMD를 전격 채용한 에이서 헬리오스(Acer Helios) 500 컴퓨텍스에서 AMD의 기술이 예상치 못한 곳에서 공개되었다. AMD를 전격 채용한 이 모델에는 6코어 12스레드 라이젠 7 2700 데스크톱 프로세서뿐만이 아니라 라데온 베가(Radeon Vega) 56 그래픽이 탑재되어 있으며, 외장 베가 GPU가 탑재된 노트북은 이번이 처음이다. 에이서는 이 노트북에 144Hz 프리싱크 디스플레이를 매치하여 베가의 성능을 최대한 발휘할 수 있도록 했다.

MSI 노트북(치터(Cheater) 모드 적용) MSI는 컴퓨텍스에서 모든 가격 대의 노트북을 선보였다. MSI가 엔비디아 GTX 1050 그래픽을 내장한 프레스티지(Prestige) PS42가 있다. 매우 인상적일 것이며 기록을 달성할 수 있을지 기대된다. 보급형의 경우 MSI GF63은 999달러란 저렴한 가격에 6코어 8세대 인텔 코어 CPU와 GTX 1050이 내장되어 있다.

독특한 에이수스 노트북 에이수스는 컴퓨텍스에서 프로젝트 프리코그 외에도 혁신적인 하드웨어를 선보였다. 또한 기본적으로 트랙패드(Trackpad)를 상황에 따라 PC용 보조 화면으로 변신시키는 “스크린패드(ScreenPad)” 기술이 포함된 젠북 프로(ZenBook Pro) 15의 새로운 버전을 공개했다.

2017년 수치해석 분야에 기대되는 최신 컴퓨터 소식

수치해석을 하는 많은 분들은 대부분 시간과의 전쟁을 치루고 있습니다.
좀 더 빨리, 좀 더 상세한 결과를 얻어야 하기 때문에, 많은 분들이 예산이 허락하는 한 성능 좋은 컴퓨터를 확보하는 것이 최대의 목표가 되고 있습니다.

한 동안 AMD가 인텔의 경쟁자로 존재하면서 두 회사는 선의의 성능 경쟁을 치열하게 전개해 왔는데, AMD가 서서히 경쟁력을 잃고 있다가 최근에 젠 CPU를 통해 다시 경쟁에 불을 지피고 있습니다.
여기에 두 회사의 최신 주력 CPU 의 내용을 기사에서 인용하여 소개합니다.

인텔, 18코어 36스레드 갖춘 코어 i9 칩 발표 “AMD 쓰레드리퍼와 전면전” (기사 출처 : itworld)

퍼스널 컴퓨팅

PCWorld

인텔이 코어 i9을 무기로 본격적인 AMD와의 전쟁에 돌입했다. 인텔은 30일 대만 컴퓨텍스에서 하이엔드 PC시장에서 AMD의 16코어 32스레드 스레드리퍼(Threadripper)와 경쟁할 18코어 36스레드의 ‘몬스터 마이크로프로세서’를 발표했다.

이 프로세서에는 코어 i9 익스트림 에디션 i9-7980XE라는 이름이 붙었다. 첫 번째 테라플롭(Teraflop) 데스크톱 PC프로세스로 아주 고가이다. 올해 말 출하되는 프로세서의 가격은 1,999달러이다. 한 단계 낮은 코어 i9 제품군 제품들은 가격이 조금 더 저렴하다. 10코어, 12코어, 14코어, 16코어로 구성된 코어 i9 X 시리즈 가격은 999~1,699달러 사이다. 모두 스카이레이크 기반 프로세스이며, 기존 브로드웰-E보다 높은 성능을 제공한다. 인텔에 따르면, 싱글스레드 앱은 15%, 멀티스레드는 10% 빠르다.

인텔은 ‘베이진 폴스(Basin Falls)”라는 코드 네임을 가진 코어 i9 X 시리즈가 너무 비싼 사람들을 위해 3종의 새로운 코어 i7 X 시리즈 칩(339~599달러)과 1종의 쿼드 코어 코어 i5(242달러)도 공개했다. 인텔은 몇 주 이내에 신제품 칩을 출하할 예정이라고 설명했다.

대부분의 코어 i9칩에 터보 부스트 맥스 기술 업데이트(Updated Turbo Boost Max Technology) 3.0이 탑재될 예정이다. 터보 부스트 맥스는 칩이 최고의 코어 2개를 파악하고, 필요할 때 가변적으로 속도를 높여 오버클러킹을 하는 기능이다. 옵테인 메모리도 지원한다. 인텔은 130개 이상의 옵테인 지원 메인보드가 출시될 예정이라고 설명했다.

신제품 165W, 140W, 112W 칩은 역시 새로운 소켓인 R4에 맞춰 설계되어 있다. 2,066핀 LGA 소켓과 호환되는 인텔 칩셋은 X299가 유일하다.

다시 한번, 인텔과 AMD가 제대로 한 판 붙을 전망이다. 둘 중 누가 승리할지 지켜보는 사용자들의 관심도 뜨겁다. 인텔은 코어 i9을 발표하면서 하이엔드 시장에 공격적으로 접근했다. AMD도 스레드리퍼의 10코어, 12코어, 14코어 버전과 가격을 공개할 수밖에 없는 실정이다. 인텔이 먼저 패를 공개했다. 게임은 이제부터가 시작이다.

인텔의 새 코어 i9 칩은 모든 PC관련 제품이 전시되는 종합 전시회로 발전한 컴퓨텍스에서 가장 중요한 발표 중 하나로 꼽혔다. 기대되는 소식은 아직 많이 남아있다. 홍보 담당자에 따르면, 인텔 경영진이 차세대 10nm 칩인 캐논 레이크에 대해 발표할 예정이라고 한다. 기존 케이비 레이크 칩보다 30% 높은 성능을 자랑하는 제품이다.

또, HTC 바이브 VR 헤드셋을 WiGig 기술을 이용해 무선 연결하는 기술에 대해 더 자세한 정보가 발표될 계획이다. 인텔과 HTC는 지난 1월 CES에서 파트너십 체결을 발표했다. 인텔은 또 8월부터 컴퓨트 카드(Compute Card)를 출시한다고 발표할 계획이다.

코어 i9의 속도와 피드
클록 속도가 4GHz를 넘으면서, 제조업체들이 직면한 도전 과제는 추가된 코어를 모두 사용하는 방법을 찾는 것이었다. 앞서 링크된 기사에서 설명했듯, 하나의 프로세스 코어만 집중적으로 사용하는 게임들이 여전히 많다. 인텔은 게임 플레이는 물론, 게임에 이용하지 않는 다른 코어로 트위치나 유튜브 스트리밍을 인코딩하고, 더 나아가 백그라운드에서 음악도 재생할 수 있는 새로운 세대의 ‘스트리머(Streamer)’로 눈길을 돌렸다. 인텔은 이런 동시다발 작업에 ‘메가태스킹’이라는 명칭을 붙였다. 이 회사는 이를 갈수록 증가하는 코어 수에 맞게 ‘수요’를 유지하는 아주 좋은 방법으로 판단하고 있다.

이와 관련, X시리즈 마케팅 매니저인 토니 베라는 “게이머가 콘텐츠 창작자로 변모하는 추세”라고 강조했다.

제품 가격은 자연스럽게 최고 2,000달러로 아주 비싸고, 경제력이 있거나 기업의 후원을 받는 사용자만 최신 코어 i9 제품들을 구입할 수 있을 전망이다. 다음은 제품 별 가격과 코어, 스레드 수를 정리한 내용이다.

Core i9-7980XE: 18코어/ 36스레드, 1,999달러
Core i9-7960X: 16코어/ 32스레드, 1,699달러
Core i9-7940X: 14코어/ 28스레드, 1,399달러
Core i9-7920X: 12코어/ 24스레드, 1,199달러
Core i9-7900X (3.3GHz): 10코어/ 20스레드, 999달러

인텔은 또 한정된 예산에 제약 받는 사용자를 대상으로 3종의 새로운 코어 i7 X 시리즈 칩을 판매할 계획이다.

Core i7 7820X (3.6GHZ), 8코어/ 16스레드, 599달러
Core i7-7800X (3.5GHz), 6코어/ 12스레드, 389달러
Core i7-7740X (4.3GHz), 4코어/ 8스레드, 339달러
케이비 레이크 코어에 맞춰 설계된 i7-7740X를 제외한 모든 칩이 인텔의 ‘스카이레이크-X’에 기반을 두고 있다.

새 칩에서 가장 큰 관심을 끄는 기능은 터보 부스트 맥스 기술 업데이트 3.0이다. 고든 마 웅이 인텔 브로드웰-E 리뷰에서 설명한 것처럼, 터보 부스트 맥스 기술 3.0은 (칩에 따라 차이가 있지만) 최고의 코어를 식별한다. 그리고 CPU 집약적 싱글 스레드 애플리케이션을 이 코어로 연결해 전체 성능을 향상한다.
또, 최고의 코어 2개를 식별하고, 가장 CPU 집약적인 스레드에 할당한다. 더 많은 코어를 더 효과적으로 활용하는 게임과 애플리케이션에 도움을 주는 기능이다. 그러나 이 새로운 기능을 탑재하지 않은 칩도 있다. 새 6코어, 2종의 4코어 X시리즈 칩이 여기에 포함된다.

다음은 속도와 피드를 요약 설명한 표다.

오버클럭이 포인트
인텔은 새 X시리즈에 공냉 쿨러를 추천하지 않는다. 인텔은 165W와 140W의 새 칩이 방출할 열을 효과적으로 냉각시킬 수 있는 TS13X 쿨러를 판매할 예정이다.

TS13X는 PG(Propylene Glycol)을 이용, 열을 73.84-CFM 팬으로 보낸다. 이 팬의 소음은 21~35dBA이고, 회전 속도는 800~2,200rpm이다. 별도 판매될 TS13X의 가격은 85~100달러 사이이다.

인텔은 또 XTU(Extreme Tuning Utility)를 이용, 코어 당 오버클러킹과 전압 조절을 계속 지원할 계획이다. AVX 512 비율 오프셋, 메모리 전압 조절, PEG/DMI 오버클러킹 등 새 기능이 포함되어 있다.
또 ‘성능 튜닝 보증 서비스(Performance tuning protection plan)’를 제공할 계획이다. 이는 오버클로킹 사용자를 위한 일종의 ‘보험’이다. 칩이 고장 날 경우, 1회 교체를 해주는 보증 서비스이며, 두 번째부터는 유료로 진행된다.

데이터 전송 성능을 향상한 새 X299 칩셋
테라플롭급 연산력을 갖춘 PC의 경우, 다른 부품과의 데이터 전송 성능이 아주 중요하다. x299 칩셋은 최신 DMI 3.0을 도입해 SATA 3.0포트와 USB 포트 연결 대역폭을 2배로 증가시킨다. X299 칩셋에는 최대 8개의 SATA 3.0포트, 10개의 USB 3.0 포트가 장착되어 있다. 기존 X99 칩셋의 USB 3.0포트 수는 최대 6개였다.

브로드웰-E X99 칩셋은 8개의 PCIe 레인을 지원했었다. 그러나 X299은 최대 24개의 PCIe 3.0 레인을 지원한다. 고속 PCIe NVM3 드라이브 등 추가 PCIe를 CPU와 연결된 PCI3에 직접 연결할 수 있다. 코어가 10개 이상인 CPU의 경우, 최대 44개의 PCIe 3.0 레인을 이용할 수 있다.

X299는 속도가 빨라진 DDR4-2066을 지원한다. 그러나 어느 정도 RAM 용량을 지원하는지 확실하지 않다. 인텔은 캐시 계층(Cache Hierarchy)을 조정했다. 이를 통해 개별 프로세서 근처에 더 많은 캐시를 배치하는 방법보다 캐시 크기를 더 많이 줄일 수 있다. 인텔은 새로운 캐시의 ‘히트(Hit)’ 레이트가 더 높다고 설명한다. 칩 크기를 줄였지만 캐시 성능을 유지할 수 있었다는 의미이다.

이번 신제품 소식은 코어 i9, 코어 i7 X 시리즈 사용자 모두 크게 기뻐할 기능 및 성능 향상이다. 메인보드와 PC 제조사도 하이엔드 시장에서 수익을 증대하기 위해 코어 i9 제품들을 출시할 것으로 예상된다. 이번 주 컴퓨텍스에서 전해질 더 많은 소식에 사용자들의 관심이 쏠리고 있다. editor@itworld.co.kr

2018년 인텔 6코어 코어 i9 CPU 발표

본 기사는 itworld.co.kr 기사를 인용하였습니다.

아래 기사를 보면 이젠 해석용 컴퓨터도 고성능 노트북으로 가능하게 되어 가는 것 같습니다. ItWorld의 기사를 게재합니다.

인텔의 새로운 6코어 모바일 코어 i9 칩은 가장 빠른 노트북 CPU로, 새로운 코어 i9-8950HK의 기본 클럭 속도는 2.9GHz이며 여기에 “열 속도 가속(Thermal Velocity Boost)”이라는 신기술을 사용해 최대 4.8GHz까지 올라간다. 새로운 언락 8세대 코어 i9를 최상위 제품으로, 그 아래에 5개의 신형 코어 i5와 코어 i7 고성능 모바일 H 시리즈 칩, 그리고 저전력 시스템을 위한 4개의 U 시리즈 코어 칩이 포진한다. 모두 14나노 커피레이크 칩이다. 인텔은 새로운 데스크톱 코어 프로세서 제품군과 노트북 PC 내의 하드 드라이브 성능을 강화하는 옵테인 메모리 내장을 나타내기 위한 브랜드 로고(코어 i7+)도 새로 발표했다.

인텔에 따르면 코어 i9는 7세대 코어 프로세서에 비해 게임 프레임 재생률 기준 최대 41% 더 우수하며, 게임 플레이 스트리밍 및 녹화 성능은 32% 더 빠르다. 인텔은 새로운 코어 i9는 언락 상태로 제공되므로 게임 PC 제조 업계에서 5GHz 시스템도 출시하게 될 것이라고 밝혔다. 옵테인 메모리가 포함되면 성능 향상 폭은 더욱 커진다. 다만 인텔이 성능 비교에 사용한 7세대 시스템에는 SSD가 아닌 느린 기계식 하드 드라이브가 탑재돼 있어 SSD에서의 성능 향상이 어느 정도인지는 정확히 알 수 없다.

인텔 프리미엄 및 게이밍 노트북 부문 총괄 책임자인 프레드릭 햄버거는 “코어 i9는 인텔이 지금까지 발표한 가장 빠른 게이밍 프로세서”라며, “데스크톱에 거의 근접한 성능을 노트북에서 얻을 수 있다”고 강조했다.

새로운 모바일 코어 칩은 인텔이 스펙터 및 멜트다운 취약점을 수정하기 위해 패치한 소프트웨어 완화책을 지원한다(이후 나올 하드웨어 재설계는 적용되지 않는다). 인텔 측은 제시된 성능 수치가 이러한 완화책으로 인한 성능 감소를 반영한 것이라고 밝혔다.

인텔이 출시하는 모든 모바일 프로세스가 그렇듯이, 중요한 점은 가격이다. 인텔은 보통 모바일 칩 가격을 공개하지 않으며, 이번에도 마찬가지다. 다만 새로운 제품군 중에서 코어 i9 칩의 경우 게임 노트북 중에서도 상위 기종에만 들어갈 것으로 보인다. 그 외의 다른 칩은 훨씬 더 폭넓게 보급될 전망이다.

인텔 코어 H 시리즈 CPU

인텔은 현재 폭발적으로 성장 중인 PC 게임 시장을 노골적으로 정조준하고 있다. 햄버거는 인텔 코어 칩을 내장한 일반 판매용 게임 노트북이 전년 대비 45% 성장했다고 말했다.

인텔의 새로운 45W H 시리즈에는 각각 2종의 새로운 코어 i7과 코어 i5 칩 및 신형 제온이 포함된다. 사실 모바일 코어 i9 칩은 제온 E-2186과 상당히 흡사해 보인다. 클럭 속도, 코어 수, 열 설계 전력 등이 동일하다. 그러나 코어 i9의 클럭 속도는 완전히 언락된 상태로 제공된다. 코어 i9의 가격이 너무 부담스럽다면, 동일한 6개의 코어와 12개 쓰레드를 탑재한 새로운 코어 i7-8850H이 있다.

새로 출시되는 칩은 모두 인텔이 노트북을 대상으로 밀고 있는 옵테인 메모리를 지원하며, 기업용 시스템을 위한 vPro 기술이 옵션으로 제공된다.
인텔의 라데온 RX 베가(“케이비레이크-G”) 칩은 울트라북 수준에서 1080p 성능을 제공하도록 설계됐지만, 신형 8세대 코어 i9 칩은 햄버거의 표현대로라면 “머슬북(Musclebook)”에 맞게 설계돼 노트북에서 얻을 수 있는 절대적인 최고의 성능을 제공한다. 햄버거는 “이 칩으로 만족할 수 없다면 어떤 칩으로도 만족하지 못할 것”이라고 덧붙였다.

Intel

인텔은 이번에 처음으로 이른바 “열 속도 가속” 기능을 포함했다. 이 기능은 클럭 속도를 정상보다 더 높여준다. 평상시 코어 i9-8950HK에서 터보 부스트가 활성화된 후 최대 클럭 속도는 4.6GHz다. 그러나 햄버거는 칩의 온도가 충분히 낮은 상태에서 최대 속도로 작동 중이라면, 클럭 속도가 한층 더 올라간다면서 단일 코어를 200MHz 더 높여 4.8GHz로 작동하거나 모든 코어를 약 100MHz 높여 작동하게 된다고 설명했다.

다만 햄버거는 열 속도 가속 기술이 “자동적인 기능이 아닌 기회에 따라 작동하는 기능”이며, 인텔은 시스템 온도 섭씨 50도 이하에서 이 기능이 작동하도록 설계했다고 거듭 강조했다. 햄버거는 “OEM 파트너와 함께 전력 성능을 최적화하고 열 특성을 조정해 성능을 더 끌어올리기 위해 많은 시간을 투자했다”면서 “지금의 추세는 가장 얇게 만들기 위해 성능을 희생하는 게 아니라, 더 오래 지속되는 더 얇은 규격에 더 효율적인 성능을 집어넣는 것”이라고 말했다.

인텔 코어 U 시리즈 CPU

성능은 좀 낮아도 배터리가 오래 가는 제품을 찾는 사용자를 위해 인텔은 새로운 U 시리즈 칩 4종도 함께 출시했다. 28W TDP 저전력 8세대 코어 칩은 모두 4코어 8스레드 구성이 적용되며 모바일 구성의 옵테인 메모리 기술을 지원한다.

Intel

모든 칩은 인텔이 선보인 새로운 300 시리즈 칩셋인 H370, H310, Q370, B360에 연결된다. 또한 인텔 대변인에 따르면 모든 칩은 향상된 오디오 및 I/O, 기가비트 처리량을 갖춘 통합 인텔 802.11ac 와이파이, 10Gbit/s 통합 2세대 USB 3.1 I/O 등 플랫폼 수준에서 더 많은 기능을 제공한다.

게이밍 노트북 판매가 “폭증”하고 시장 성장에 보조를 맞춰 유통업체들도 매장 진열대에서 이런 제품의 비중을 계속 늘리고 있다. 인텔도 투자를 지속할 계획이다. 게이밍 노트북에서 코어 수를 늘리고 5GHz 벽을 돌파하게 되면 인텔은 성능의 한계를 확실히 더 높이게 될 것이다. editor@itworld.co.kr

원문보기:
http://www.itworld.co.kr/news/108803#csidx218d62dae70faefa8f8cdc4efd8ea92

AMD 마이크로아키텍처 (기사 출처 : itworld)

AMD 라이젠 3월 2일 출시…코어 i7보다 가격도 성능도 “우세”

Mark Hachman | PCWorld

“40% 성능 향상”이라는 말은 보수적인 자체 평가였다. AMD는 첫 번째 라이젠 프로세서 3가지를 오는 3월 2일 출시할 계획이라고 밝혔다. 인텔 코어 제품군을 능가하는 성능으로 기대를 받고 있는 라이젠 프로세서는 가격도 절반 가까이 저렴하다.

22일 열린 라이젠 출시 행사에서 발표에 나선 AMD 임원들은 인텔 코어 i7을 공략하기 위한 세 가지 데스크톱용 CPU를 공개했다. 신형 라이젠 CPU는 여러 곳의 주요 메인보드 업체와 전문가용 맞춤형 PC 업체가 지원한다. 특히 AMD는 신형 라이젠 프로세서가 더 적은 비용으로 더 높은 성능을 제공한다는 점을 강조했다. 최고 성능 제품인 라이젠 7 1800X는 인텔의 1,000달러짜리 코어 i7-6900K의 절반에도 못 미치는 가격이지만, 성능은 더 뛰어나다.

인텔과 마찬가지로 AMD의 라이젠 프로세서 역시 역시 3가지 제품군으로 구성되어 있는데, 고급형 라이젠 7, 중급형 라이젠 5, 가장 저렴한 보급형 라이젠 3이 그것이다. AMD는 고성능 라이젠 7부터 먼저 출시하는데, 1800X(499달러), 1700X(399달러), 1700(329달러)의 세 가지 모델이다. 라이젠 5와 라이젠 3은 올해 하반기에 출시할 예정인데, 구체적인 출시 일정은 밝히지 않았다.

이번 행사 직전까지 공개되지 않은 라이젠 관련 정보는 가격과 정확한 출시일이었다. 애널리스트들은 AMD가 그간의 실책을 모두 개선한 것 같다고 평가했으며, 인텔은 자칫 기반이 되는 PC용 마이크로프로세서 시장의 점유율을 잃을 수 있는 위험에 처했다. 물론 인텔도 대응책은 있다. 가격 인하도 그중 하나일 가능성이 있고, 더 많은 코어를 가진 신제품이나 옵테인 기술을 적극 내세우는 것도 방법이 될 수 있다.

인텔이 지난 1월 케이비 레이크 칩 40가지를 대대적으로 출시한 것과는 달리 AMD는 서두르지 않고 있다. 이번에 출시된 라이젠 7 칩의 세부 사양을 살펴보자.

Mark Hachman

라이젠 7 1800X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.6GHz, 부스트 모드에서는 4GHz로 동작한다. 499달러 1800X의 대응 제품은 8코어 인텔 코어 i7-6900K로 무려 1,089달러짜리이다. AMD에 따르면, 1800X는 시네벤치 상에서 단일 쓰레드 점수가 162로 동점을 기록했다. 하지만 코어를 모두 구동하자 1,601점으로 6900K보다 9% 높은 점수를 기록했다.

라이젠 7 1700X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.4GHz, 부스트 모드에서는 3.8GHz로 동작한다. AMD에 따르면, 399달러 1700X는 시네벤치 멀티코어 벤치마크 테스트에서 1,537점을 기록해 6900K보다 4% 높은 성능을 보였다.

라이젠 7 1700. 655와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3GHz, 부스트 모드에서는 3.7GHz로 동작한다. AMD에 따르면, 1700은 시네벤치 멀티코어 테스트에서 1,410점으로 339달러짜리 코어 i7 7700K보다 46% 더 높은 성능을 기록했다. 핸드브레이크 비디오 인코딩 테스트에서는 1700은 61.8초를, 7700K는 71.8초를 기록했다.

Mark Hachman

AMD에 따르면 라이젠 7 1700은 신형 레이스 스파이어(Wraith Spire) 쿨러를 기본 쿨러로 제공해 소음이 32데시벨에 불과하다.

라이젠의 눈에 띄는 성능 향상에는 설계팀의 역할이 컸다. AMD는 자사의 목표 중 하나가 젠 아키텍처의 클럭당 명령어 처리수(IPC, instructions per clock)를 40% 늘리는 것이라고 밝힌 바 있다. 그리고 실제로 AMD는 IPC를 52% 향상했다. CEO 리사 수는 “단지 목표를 맞춘 것이 아니라 크게 초과 달성했다”라고 강조했다. editor@itworld.co.kr

원문보기:
http://www.itworld.co.kr/news/103594#csidx36e903474b838daa0638fbf87957a25

CFD 업무에 종사하는 사람들은 빠른 컴퓨터는 갖고 싶은 품목1위가 아닐까 싶습니다.

최근에는 소위 슈퍼컴퓨터라 불릴만한 성능을 가진 데스크탑 CPU 의 발전이 놀라운데, 이번에 AMD에서 발표한 CPU도 놀라울 정도의 가벽 대비 성능을 자랑하는 CPU를 발표하였습니다.

저렴한 비용으로 책상위의 슈퍼컴을 장만할 수 있는 기회가 오고 있는 것 같습니다.

아래 ITWOLD에서 2018.08.07에 게재한 기사를 인용 소개합니다.

AMD 32코어 쓰레드리퍼, 코어수와 가격으로 인텔에 정면 승부

Gordon Mah Ung | PCWorld

자료출처 : 본 기사는 ITWORLD의 기사를 인용게재한 내용입니다. (원문보기)

AMD가 2세대 라이젠 쓰레드리퍼(Ryzen Threadrippers, 또는 쓰레드리퍼 2)를 공식 발표했다. 코어수도 놀랍지만 가격이 인텔을 정조준하고 있다.

2세대 라이젠 쓰레드리퍼 2990WX는 32코어 64쓰레드로, 권장 가격은 1,799달러(뉴에그나 아마존 예약 주문 가격)이다. 물론 엄청난 가격이지만, 인텔의 최상위 제품과 비교하면 상당히 저렴하다. 지난 해 출시된 인텔의 코어 i9-7980XE는 18코어 제품이지만 가격은 2,000달러이다.

쓰레드당 가격으로 따지면, 인텔의 코어 i9-7980XE는 약 55달러인데 반해 쓰레드리퍼 2는 약 28달러에 불과하다.

IDG

마치 대형 할인판매점과 같다. 쓰레드가 많을수록, 쓰레드당 가격은 떨어진다.

32코어 2990WX는 주력 제품이며, AMD는 다음과 같은 다양한 쓰레드리퍼 제품을 발표했다.

– 2세대 라이젠 쓰레드리퍼 2920X, 12코어 24쓰레드, 기본 클럭속도 3.5GHz, 부스트 클럭속도 4.3GHz, 가격 649달러.
– 2세대 라이젠 쓰레드리퍼 2950X, 16코어 32쓰레드, 기본 클럭속도 3.5GHz, 부스트 클럭속도 4.4GHz, 가격 899달러.
– 2세대 라이젠 쓰레드리퍼 2970WX, 24코어 48쓰레드, 기본 클럭속도 3.0GHz, 부스트 클럭속도 4.2GHz, 가격 1,299달러.
– 2세대 라이젠 쓰레드리퍼 2990WX, 32코어 64쓰레드, 기본 클럭속도 3.0GHz, 부스트 클럭속도 4.2GHz, 가격 1,799달러.

32코어 쓰레드리퍼 2990WX는 현재 예약 주문이 가능하며, 정식 출하일은 8월 13일로 예상된다. 16코어 2950X의 출시일은 8월 31일이며, 나머지 24코어, 12코어 제품은 10월에 출시된다.

2세대 쓰레드리퍼는 모두 AMD가 올해 초 2세대 라이젠 칩과 함께 내놓은 향상된 12나노 젠+ 아키텍처를 기반으로 한다. 또한 모든 CPU는 기존 X399 메인보드와 호환되며, 구형 CPU 없이도 BIOS 업데이트를 지원한다.

신형 CPU는 1세대 제품과 비교해 확연한 성능 향상을 제공하며, 동급 인텔 제품과의 비교를 불허한다. AMD는 32코어 쓰레드리퍼 2990WX가 시네벤치 R15를 기준으로 인텔의 18코어 코어 i9-7980XE보다 50% 더 빠르다고 밝혔다. POV-Ray 같은 다른 멀티쓰레드 기반 테스트에서도 47% 앞섰다.

모델명에 추가된 W
사실 AMD가 일부 2세대 쓰레드리퍼의 모델명에 W를 추가한 것도 이 때문이다. AMD는 많은 애플리케이션과 게임이 쓰레드나 코어수보다는 더 높은 클럭속도를 선호한다며, W가 없는 두 모델은 바로 이런 사용자를 위한 것이라고 설명했다.

24코어와 32코어 제품의 모델명에 WX를 붙인 것은 이들 CPU가 창작자나 혁신가를 정조준하고 있음을 나타내기 위한 것이다. 즉 W가 추가된 모델은 픽셀이나 프레임, 그리고 광선을 극한까지 추구하는 사람들을 위한 것으로, 이들은 가능한 많은 코어와 쓰레드를 필요로 한다.

주요 이정표
일반 소비자용 CPU에 32코어를 도입하면서 CPU 전쟁은 새로운 전기를 맞이한다. 불과 2년 전, 인텔은 10코어 코어 i7-6950X를 무려 1,723달러에 출시했는데, 지금은 32코어 CPU가 1,799달러에 나왔다.

IDG

날로 치열해지는 코어 전쟁

조만간 나올 인텔의 대응 기대
물론 인텔이 한가로이 앉아 레모네이드나 홀짝거리는 것은 아니지만, 경쟁은 치열하다. AMD가 지난 컴퓨텍스에서 32코어 괴물을 공개하기 하루 전날, 인텔은 28코어에 클럭속도 5GHz짜리 괴물을 소개했다. 이 제품은 올해말 출시될 것으로 예상된다.

인텔의 문제는 이 CPU의 시연을 솔직하게 보여주지 않은 것이다. 인텔 임원은 28코어 CPU가 5GHz로 동작한다고 밝혔지만, 이를 위해 산업용 수랭 시스템을 사용했는지를 밝히지 않았다. 나중에 인텔은 시연이란 것이 언제나 그렇듯이 오버클러킹 시연처럼 가능성을 확인하기 위한 것이라고 설명했다.

이런 논란과 관계없이 AMD 쓰레드리퍼 2990WX는 몇 개월 먼저 출시된 상태이다. 더구나 인텔이 28코어 CPU를 어떤가격에 판매해야 AMD의 신작과 경쟁할 수 있을지도 의문이다. 기업 사용자와의 형평성이 걸림돌이 되는데, 현재 28코어 제온 플래티넘 8176의 가격은 8,719달러이다.

기존 워크스테이션 고객을 걱정할 필요가 없는 AMD는 다시 한 번 가격 파괴 전략을 펼치고있다. 이런 식으로 AMD는 인텔과 코어와 가격으로 정면 대결하기를 원하지만, 인텔은 이런 직접 대결을 최대한 피하고자 한다. editor@itworld.co.kr

금속 3D 프린팅 파우더 베드 해석(PBF해석)

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

레이저 파우더 베드 퓨전 (L-PBF) 첨가제 제조에는 복잡한 물리적 공정이 필요합니다. 특히, 흡수 된 레이저 빔 에너지는 입자를 녹여 강한 유체 흐름이 표면 장력 기울기 (또는 Marangoni 전단 응력)에 의해 주로 발생하는 용융 풀을 형성합니다. 열 전달 및 유체 유동은 분말 베드 내의 분말 입자의 국부적 배열에 의해 영향을 받으며, 이는 위치에 따라 다를 수 있습니다. 매우 일시적인 유체 흐름으로 인해 용융 된 풀 표면 (자유 표면)의 형상이 끊임없이 진화하여 최종 표면 품질에 영향을 미칩니다.

Numerical modeling approach

본 연구에서는 분말 포장 특성, 공정 변수 및 용융 풀 역학이 표면 품질에 미치는 영향을 정량적으로 이해하기 위해 두 가지 모델을 순서대로 사용합니다. 첫 번째 모델은 오픈 소스 이산 요소 방법 (DEM) 코드 인 Yade를 기반으로 개발 된 분말 입자 포장 모델입니다. 입자 적층 정보 (예를 들어, 개별 입자의 위치 및 반경)를 제공한다. 이러한 정보는 FLOW-3D를 기반으로 한 3D 과도 용융 풀 모델 인 두 번째 모델에 입력됩니다. 두 모델의 세부 사항은 문헌 [1]에 나와있다. FLOW-3D를 기반으로 한 용융 풀 모델의 특징을 요약하면 다음과 같습니다.

과도 유체 흐름 시뮬레이션은 그림 1에서와 같이 1000 μm (길이), 270 μm (너비) 및 190 μm (높이) 치수의 3D 계산 영역에서 수행됩니다. 도메인은 50 μm 두께의 층 의 분말 입자를 90㎛ 두께의 기판 위에 놓았다. 도메인의 미리 알림은 처음에는 무효로 채워집니다. 분말 층 형상은 DEM 시뮬레이션의 결과를 사용하여 초기화됩니다. 총 셀 수를 줄이면서 공간 분해능을 극대화하기 위해 메쉬 크기가 기판 / 파우더 레이어 인터페이스를 향하여 기판에서 9 μm에서 3 μm까지 연속적으로 감소하는 편향 메쉬가 사용됩니다. 메쉬 크기는 파우더 레이어와 그 위의 빈 공간에서 3 μm로 일정하게 유지됩니다. 총 셀 수는 143 만입니다.

경계 조건의 경우, 가우시안 분포에 기초한 소정의 열유속이 분말 층의 상부 표면에 부과되어 X 방향을 따라 이동하는 레이저로부터의 열 입력을 나타낸다. 온도에 따른 표면 장력은 FLOW-3D에서 사용 가능한 개선 된 표면 장력 모델을 사용하여 포함됩니다. 다른 열 – 물리적 특성의 경우, FLOW-3D 데이터베이스에서 사용 가능한 IN718 합금에 대한 데이터가 사용됩니다.

Result and discussion

그림 2는 시간 = 55 μs에서 용융 풀 내의 온도 등면 및 속도 벡터의 종단면도 (즉, 레이저 이동 방향에 평행 한 단면)를 도시한다. 용융 된 풀 경계는 1608.15 K에서 등온선으로 표시되며, IN718의 액상 선 온도입니다. 이 그림의 오른쪽에 표시된 것처럼 입자는 부분적으로 용융 풀로 용융됩니다. 용융 된 풀 표면 근처에서, 용융 금속은 레이저 빔 바로 밑의 중심 위치에서 풀의 후단으로 당겨진다. 풀 표면 근처의 용융 금속의 이와 같은 역류는 풀의 후단을 향해 고비를 형성하는 동안 레이저 빔 아래에서 움푹 들어간 표면 프로파일을 생성한다. 다음에서 논의되는 바와 같이, 혹 모양은 볼 결함의 형성을 초래할 수 있습니다.

볼링(balling)은 그림 3에서와 같이 용융 풀이 불연속으로 분리되어 분리 된 섬으로 갈라질 때 발생할 수있는 결함입니다.이 그림에서 알 수 있듯이 레이저 빔 바로 아래의 용융 풀은 안정적이지 않으며 후단이 빠르게 분리됩니다 정면에서 분리 된 섬을 형성합니다. 분리는 그림 3 (c)와 같이 용융 풀의 중간에있는 보이드에서 시작된다. 이 공극은 레이저가 앞으로 계속 이동하면서 팽창하여 결국 용융 된 풀을 두 부분으로 나눕니다. 도 3 (e) 및 (f). 공극의 형성과 그 팽창은 표면 장력 구배 (Marangoni 효과)에 의해 강한 후진 유동에 의해 유발됩니다.

Summary

L-PBF에서의 열 전달 및 유체 흐름의 3D 과도 시뮬레이션은 볼 결함의 형성을 정량적으로 이해하기 위해 수행됩니다. 단순한 선형 트랙 만 시뮬레이션되었지만, 본 모델은 최종 빌드 품질의 중요한 속성 인 용융 풀 표면 프로파일 및 볼링 결함 형성을 연구 할 때 분말 레벨 시뮬레이션의 중요성을 보여줍니다.

뿐만 아니라 위의 금속 분말 소결 시뮬레이션은 금속 3D 프린팅(Metal 3D Printing) 산업의 핵심 기술이며 차후 많은 연구와 응용이 기대되는 분야가 될 것입니다.

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

[1] Y.S. Lee and W. Zhang, Mesoscopic Simulation of Heat Transfer and Fluid Flow in Laser Powder Bed Additive Manufacturing, In: 2015 Annual International Solid Freeform Fabrication Symposium, Austin, TX, pp. 1154-1165, August 2015.

FLOW-3D 레이저분야 활용

FLOW-3D 레이저 용접분야 활용

FLOW-3D는 유체의 유동 및 열전달 수치 해석 소프트웨어이며, 자유표면(자유수면)을 가진 유체의 흐름을 정확하게 예측한다. FLOW-3D는 수 많은 물리적 유동 현상에 대한 시뮬레이션 모델을 제공하여, 설계 및 운영 단계에서 엔지니어가 쉽고 정확하게 판단할 수 있도록 해주기 때문에 수리, 주조, 기계, 항공, 용접, 적층 공정, 금속 3D 프린팅 등 여러 분야에서 사용되는 소프트웨어이다. 이번 호에서는 FLOW-3D의 다양한 활용 분야 중에서 레이저 용접 분야(Weld 모듈이 연계된 FLOW-3D Weld를 사용)에 대해 자세히 알아보고자 한다.

레이저 용접은 레이저 광선의 출력을 응용한 용접 방법을 말한다. 레이저 용접의 장점은 용접 강도가 좋고, 열 영향 부위가 작으며, 정밀도가 높고 변형이 적으며 강철, 알루미늄, 티타늄 및 이종 금속을 포함한 광범위한 금속 및 합금을 용접할 수 있다는 것이다.
FLOW-3D Weld는 이러한 레이저 용접 공정에 대해 정확한 결과를 얻게 해 주며, 엔지니어가 레이저 프로세스를 최적화하는데 도움을 준다. FLOW-3D Weld는 레이저 소스에 의해 생성된 Heat flux, 용융 금속에 대한 증발 압력, shield gas 효과, 다중 레이저 반사 등과 같은 물리적 모델을 적용하여 Conduction 용접, Keyhole 용접, Porosity, 용융풀 거동 등을 분석할 수 있다.
이번 호에서는 레이저 용접 프로세스 및 결과물을 최적화하기 위해 필요한 물리적 설정과 대표적인 레이저 용접 해석 예제를 설명하고자 한다.

레이저 광원

1. 레이저 광원
레이저 용접을 하는데 있어 레이저 광원의 설정이 필요하다. FLOW-3D Weld에서 사용되는 레이저 광원은 원통형과 원추형으로 설정할 수 있으며, <그림 1>과 같이 Heat flux를 일정한 상태 또는 가우시안 분포(Gaussian distribution) 형태로 나타낼 수 있다.

레이저 광원의 형태를 원추형으로, 가우시안 분포를 가지도록 Heat flux를 설정하면 <그림 2>와 같이 광원이 원추형으로 나타나며, 반경 거리에 따른 Heat flux의 에너지 밀도 차이도 확인할 수 있다.

그리고, <그림 3>과 같이 레이저 광원의 위치 좌표와 속도 벡터를 설정하면, 레이저의 위치에 대한 광원의 움직임 설정이 가능하다.

기사 상세 내용은 PDF로 제공됩니다.

다운로드[2M] : [201906_FLOW3D_레이저용접]

작성자 | 양정호_에스티아이C&D 솔루션사업부 대리, 조애령_에스티아이C&D 솔루션 사업부 차장
이메일 | flow3d@stikorea.co.k r
홈페이지 | www.flow3d.co.kr

출처 : CAD&Graphics 2019년 06월호

FLOW-3D 교육 안내 및 신청

HIGH-END TOP CLASS
FLOW-3D CFD EDUCATION

(주)에스티아이씨앤디에서는 FLOW-3D 제품군의 사용자 교육을 지원하고 있습니다. 홈페이지에 안내되어 있는 교육 일정과 교육신청 절차를 참고하시어 교육을 받으실 수 있습니다.

FLOW-3D 분야별 교육 과정 안내

교육 과정명 : 수리 분야

댐, 하천의 여수로, 수문 등 구조물 설계 및 방류, 월류 등 흐름 검토를 하기 위한 유동 해석 방법을 소개하는 교육 과정입니다. 유입 조건(수위, 유량 등)과 유출 조건에 따른 방류량 및 유속, 압력 분포 등 유체의 흐름을 검토를 할 수 있도록 관련 예제를 통해 적절한 기능을 습득하실 수 있습니다.

교육 과정명 : 해양 분야

해안, 항만, 해양 구조물에 대한 파랑의 영향 및 유체의 수위, 유속, 압력의 영향을 예측할 수 있는 해석 방법을 소개하는 과정입니다. 항주파, 슬로싱, 계류 등 해안, 해양, 에너지, 플랜트 분야 구조물 설계 및 검토에 필요한 유동해석을 하실 수 있는 방법을 알려드립니다. 각 현상에 대한 적절한 예제를 통해 기능을 습득하실 수 있습니다.

교육 과정명 : 주조 분야

주조 분야 사용자들이 쉽게 접근할 수 있도록 각 공정별로 해석 절차 및 해석 방법을 소개하는 교육 과정입니다. 고압다이캐스팅, 저압다이캐스팅, 경동주조, 중력주조, 원심주조, 정밀주조 등 주조 공법 별 관련 예제를 통해 적절한 기능들을 습득할 수 있도록 도와 드립니다.

교육 과정명 : 레이저 용접 분야

레이저 용접 해석을 하기 위한 물리 모델과 용접 조건들을 설정하는 방법에 대해 소개하는 교육 과정입니다. 해석을 통해 용접 공정을 최적화할 수 있도록 관련 예제와 함께 적절한 기능들을 습득할 수 있도록 도와 드립니다.

교육 과정명 : 3D프린팅 분야 과정

Powder Bed Fusion(PBF)와 Directed Energy Deposition(DED) 공정에 대한 해석 방법을 소개하는 교육 과정입니다. 파우더 적층 및 레이저 빔을 조사하면서 동시에 금속 파우더 용융지가 적층되는 공정을 해석하는 방법을 관련 예제와 함께 습득하실 수 있습니다.

고객 맞춤형 과정

상기 과정 이외의 경우 고객의 사업 업무 환경에 적합한 사례를 중심으로 맞춤형 교육을 실시합니다. 필요하신 부분이 있으시면 언제든지 교육 담당자에게 연락하여 협의해 주시기 바랍니다.

고객센터 및 교육 담당자

전화 : 02)2026-0450, 02)2026-0455
이메일 : flow3d@stikorea.co.kr

교육 일정 안내

교육은 매월 정해진 일정에 시행되는 정기 교육과 고객의 요청에 의해 시행되는 비정기 교육이 있습니다. 비정기 교육은 별도문의 바랍니다.

1. 연간교육 일정

FLOW-3D 연간 교육일정표 다운로드 (Excel File)

2. 교육 내용 : FLOW-3D Basic

FLOW-3D 소개 및 이론
- FLOW-3D 소개 – 연혁, 특징 등
- FLOW-3D 기본 개념
  - VOF
  - FAVOR
- 해석사례 리뷰
GUI 소개 및 사용법
- 해석 모델 작성법 – 물리 모델 설정
  - 모델 형상 정의
  - 격자 분할
  - 초기 유체 지정
  - 경계 조건 설정
- 해석 결과 분석 방법 – 해석 모델 설명
해석 모델 작성 실습
- 해석 모델 작성 실습 – 격자 분할
  - 물리 모델 설정
  - 모델 형상 및 초기 조건 정의
  - 경계 조건 설정
  - 해석 과정 모니터링
  - 해석 결과 분석
- 질의 응답 및 토의

3. 교육 과정 : FLOW-3D Advanced

Physics Ⅰ
- Density evaluation
- Drift flux
- Scalars
- Sediment scour
- Shallow water
Physics Ⅱ
- Gravity and non-inertial reference frame
- Heat transfer
- Moving objects
- Solidification
FLOW-3D POST (Post-processor)
- FLOW-3D POST 소개
- Interface Basics
- 예제 실습

FLOW-3D 교육 신청 방법 안내

교육 신청은 홈페이지의 교육 신청 창에서 최소 3일 전에 신청합니다.
모든 교육과정은 신청 인원이 2인 이상일때 개설되며, 선착순 마감입니다.
교육 신청을 완료하시면, 신청시 입력하신 메일주소로 교육 담당자가 확인 메일을 보내드립니다.
교육 시간은 Basic : 오전10시~오후5시, Advanced : 오후1시30분~오후5시30분까지입니다.
교육비 안내
- FLOW-3D, FLOW-3D CAST, FLOW-3D HYDRO Basic (2일) : 기업 66만원, 학생 55만원
- FLOW-3D WELD/AM Basic 레이저용접, 3D 프린팅(2일) : 기업 88만원, 학생 66만원
- FLOW-3D Advanced (1일) : 기업 33만원, 학생 25만원
- 상기 가격은 부가세 포함 가격입니다.
교육비는 현금(계좌이체)로 납부 가능하며, 교재 및 중식이 제공됩니다.
세금계산서 발급을 위해 사업자등록증 또는 신분증 사본을 함께 첨부하여 신청해 주시기 바랍니다.
교육 종료 후 이메일로 수료증이 발급됩니다.

FLOW-3D 교육 신청 바로가기(Google Form)

고객센터 및 교육 담당자

전화 : 02)2026-0450, 02)2026-0455
이메일 : flow3d@stikorea.co.kr

교육 장소 안내

지하철 1호선/가산디지털단지역 (8번출구), 지하철 7호선/가산디지털단지역 (5번출구)
우림라이온스밸리 B동 302호 또는 교육장
당사 건물에 주차할 경우 무료 주차 1시간만 지원되오니, 가능하면 대중교통을 이용해 주시기 바랍니다.

오시는 길

Prediction of Shrinkage Defects During Investment Casting Process

Indianapolis Storm-Water System

Large Scale Project on a Tight Delivery Schedule

촉박한 납품 일정에 따른 대규모 프로젝트

Zeroing in on the Drop-Structure Challenge

드롭 구조 과제에서 영점 조정

This article was contributed by Dr. S. Savithri, Senior Principal Scientist at CSIR-NIIST

인베스트먼트 주조공정은 가장 오래된 주조 공정 중 하나로 기원전 4000년 이후에 보편화되었습니다. 이 과정은 용해된 금속을 소모품패턴으로 생성된 세라믹 쉘에 주입하는 과정을 수반합니다. 일찍이 그것은 금, 은, 구리와 청동 합금으로 장신구와 우상을 만드는데 사용되었습니다.

인베스트먼트 주조공정은 1897년 아이오와 주, 위원회 블러프스의 Barabas Frederick Philbrook이 묘사한 대로 치과의사들이 왕관과 인레이를 만들기 위해 그것을 사용하기 시작한 19세기 말 현대 산업공정으로 사용되기 시작했다. 1940년대에는 제2차 세계대전 당시 기존 방법으로는 형성될 수 없거나 지나치게 많은 가공이 필요한 특수 합금의 정밀 순모형 제조 기술에 대한 수요로 인해 투자 주조 공정이 증가하였다.

오늘날 투자 주조 공정은 표면 마감 및 치수 정확도가 우수하여 거의 순 형태에 가까운 철, 비철 및 초합금의 소형 산업용 부품을 생산하는데 주로 사용됩니다.

인베스트먼트 주조 공정은 다음 네 가지 주요 단계로 구성됩니다.

왁스 패턴 생성 후, 패턴 클러스터를 만들기 위해 게이트 시스템으로 청소 및 조립합니다.
나무는 세라믹 쉘을 얻기 위해 미세 모래와 Course한 모래 입자의 슬러리로 번갈아 코팅됩니다.
용기는 건조되고, 왁스를 녹이기 위해 가열되며, 강도를 높이고 주입 준비합니다.
마침내 주조 합금이 용해되어 예열된 쉘에 주입됩니다. 응고 후에 쉘이 파손되어 주조 부품을 얻습니다.

Figure 1. Solid model of the casting geometry

인베스트먼트 주조 공정에서 얻은 부품은 많은 중요한 용도에 사용되므로 내부적인 결함이 없어야 합니다. 투자 주조 공정에서 발생하는 주요 결함은 세라믹 포함, 균열, 변형, 플래시, 주탕불량, 수축, 슬래그 포함, 탕경계등입니다. 얻은 주조물의 품질을 예측하려면 금속-몰드 열 전달계수, 주입 온도 등 다양한 주조 공정 매개 변수의 영향을 연구해야 합니다. 즉, 쉘 두께 및 쉘 열 전달계수가 그것입니다. 현대 컴퓨터 시스템 및 시뮬레이션 소프트웨어의 출현과 함께 금형 충진 및 응고 시뮬레이션은 주조공장에서 결함을 예측하고 설계를 최적화하는데 점점 더 많이 사용되고 있습니다.

이 연구의 주요 목적은 투자 주조 공정에서 주요 요소인 복사 열 전달과 인베스트먼트 주조공정에 고유한 쉘 금형이 FLOW-3D에서 효과적으로 구현될 수 있는지를 조사하는 것입니다. FLOW-3D를 사용하여 간단한 형상을 위한 인베스트먼트 주조공정의 주입 및 응고 시뮬레이션을 수행함으로써 두 구성요소의 서로 다른 효과를 조사합니다. 다양한 위치에서 얻은 온도의 수치는 문헌 [1]에보고 된 실험 결과로 검증됩니다. 복사 열 전달계수, 쉘 몰드 두께, 탕구 및 게이트의 위치에 대한 영향도 조사했습니다.

Figure 2. Shell mold

Methodology

현재 연구에서 사용된 계산 형상은 그림 1에 나와 있습니다. 쉘 몰드는 다음 단계를 사용하여 작성되었습니다.

구성 요소 1로 형상을 FLOW-3D로 가져오고 지정된 셀 크기로 가져온 형상을 중심으로 메쉬 블록을 작성합니다.
“보완”유형의 component1의 첫 번째 하위 구성 요소를 만들어 하위 구성 요소 외부의 모든 항목을 메쉬의 범위까지 확고하게 만듭니다.
솔리드 데이터베이스에서 이 솔리드 블록의 금형 재질 특성을 정의하십시오.
솔리드 특성 GUI의 구성 요소 특성에서 “열 침투 깊이”를 정의하는 옵션이 있습니다. 여기서 쉘 두께 값을 정의 할 수 있습니다.
이제 전처리기를 실행하십시오.
분석 탭> 3D 탭으로 이동 한 다음 이전 단계에서 생성 한 prpgrf 파일을 엽니다. ‘Iso-surface’와 ‘color variable’에서 “열 활성화 구성 요소 볼륨”을 선택하고 “렌더링”을 선택하십시오.
Display에 이제 형상의 셸 부분 만 표시됩니다.
개체 목록 (창의 왼쪽 하단)에서 “구성 요소 1″을 선택하고 “구성 요소 1″을 마우스 오른쪽 단추로 클릭 한 다음 “stl로 내보내기”를 선택하여 이 곡면을 STL 파일로 저장하십시오.

Figure 3. The view of the two mesh blocks for the creation of a void with discretization

쉘 몰드 용 STL 파일을 만든 후 파일을 구성 요소 1로 새 시뮬레이션으로 가져오고 이전에 작성한 주조 형상을 하위 구성 요소로 가져오고 유형을 ‘hole’으로 선택합니다. 쉘 몰드와 함께 주조 형상이 그림 2에 나와 있습니다. 이것은 우리의 계산 영역으로 사용됩니다. 다음은 계산 영역을 cubical/rectangular셀로 분할하기 위한 메쉬를 만드는 것입니다. 메쉬 블록을 작성하여 FLOW-3D에서 메쉬를 생성합니다. 현재의 작업을 위해 우리는 2.5mm의 고정된 셀 크기가 선택된 그림 3에 표시된 균일한 메쉬 옵션을 선택했습니다. 입력 위치 주변에 메시 블록 2가 사용되는 현재 시뮬레이션을 위해 메시 블록 2개가 생성되었습니다. 쉘과 주변 공기 사이의 30°C에서의 열 전달을 고려하여 쉘 주위에 보이드 영역이 정의됩니다. 이 영역은 ‘열 전달 유형 1’이 있는 보이드 영역으로 선택되며 셸과 주변 공기 사이에 열 전달 계수 값이 지정됩니다. 열 전달 유형 1은 방사선을 포함한 종합 열 전달 계수가 됩니다.

쉘 주형에 선택된 재료는 zircon이며 열 특성은 Sabau and Vishwanathan에 의해 수행된 실험에서 얻을 수 있습니다[2]. 표 1은 연구에 사용된 재료에 대해 지정된 값을 보여 줍니다.

MATERIAL	PROPERTY	VALUE	UNIT
Fluid –AluminiumA356 alloy	Density	2437	kg/m³
	Thermal conductivity	116.8	W/(mK)
	Specific heat	1074	J/(kgK)
	Latent heat	433.22	kJ/m³
	Liquidus temperature	608	°C
	Solidus temperature	552.4	°C
Zircon Mold	Thermal conductivity	1.09	W/(mK)
	Specific heat* Density	1.63E+06	J/( m³K)

Initial and boundary conditions used are show in Table 2.

Mold temperature	430°C
Melt pouring temperature	680°C
Filling time	7 s
Interface heat transfer coefficient	850 W/m²K
Heat transfer coefficient between ambient and mold (radiation effect)	30 -100 W/m²K

Table 2. Initial and boundary conditions used for the simulation

탕구저에 들어가는 용융물의 초기 속도와 온도는 메시 블록 2의 상단 경계에서 속도 경계 조건으로 주어집니다. 기본적으로 다른 모든 경계는 대칭 유형으로 설정됩니다.

Results & Discussion

Validation with reported experimental results

충전 및 응고 동안 냉각 곡선을 얻기 위한 실험에서 Sabuet.al[1]에 의해 선택된 네 개의 위치가 검증 목적으로 사용되었습니다. 그들은 C1, C2, S11, S12및 S21로 언급됩니다. C1과 C2지점은 주물의 플레이트의 중심에 있으며 S11, S12및 S21은 모두 쉘에 위치합니다. 이러한 위치에서의 온도 변화는 그림 4와 같습니다.

온도 프로파일의 수치 및 실험결과의 차이가 허용한계 안에 있음을 알 수 있습니다. 프로브 포인트 C1과 C2의 경우, 수치와 실험 결과 사이의 차이는 응고 중에 5%, 응고 후 냉각 시 12% 이내입니다. 쉘의 점에 대한 수치 결과는 실험 결과보다 약 5% 높습니다. 이는 쉘 재료에 열 물리학적 특성을 할당할 때 발생하는 가정과 쉘 열 전달 계수의 값 때문일 수 있습니다.

Fill sequence & solidification pattern for two different sprue locations

두 가지 다른 스프 루 위치의 채우기 순서 및 응고 패턴

2 개의 상이한 탕구 위치에 주물충전 순서는5a 및5b에 나와 있습니다. 최종 탕구가 더 많은 스플라인을 생성하므로 결함으로 이어질 수 있습니다. 탕구가 중간에 놓여지면 흐름은 보다 균일 해지고 두 주조 단면에서 비슷한 온도 분포를 보입니다. 50 % 응고 후의 온도 프로파일의 2D 도면은 두 경우 모두 그림 5c 및 5d에 나와 있습니다. 수축 위치에서 볼 때 두 탕구 위치가 결함을 일으키는 것은 분명합니다.

Figure 5a. Fill sequence at different time intervals when the sprue is located at one end

Figure 5b. Fill sequence at different time intervals when the sprue is located in the middle

Figure 5c. 2D temperature profile after 50% solidification when the sprue is located at one end

Figure 5d. 2D temperature profile after 50% solidification when the sprue is located in the middle

Effect of shell thickness

인베스트먼트 주조에 대한 쉘 두께의 효과를 연구하기 위해 두께가 7.2, 10, 15 및 20 mm인 주물을 선정하였습니다. 그림 6a 및 6b는 주조품의 특정 위치에서 냉각 곡선을 나타내며, 이는 C1으로 나타내고 쉘 몰드 내의 특정 위치에 있으며, 응고 중에 S11로 나타납니다. 세라믹 쉘의 두께가 7.2 mm에서 15 mm로 증가하면 냉각 속도가 감소하여 응고 시간이 길어지는 것을 볼 수 있습니다.

Effect of shell heat transfer coefficient

셸 열 전달 계수는 열이 셸 금형의 외부 벽에서 방사선을 통해 주변 공기로 열을 방출하는 속도를 나타냅니다. 이 효과를 조사하기 위해 열 전달 계수의 값을 20에서 80W/m²K까지 다양하게 했습니다. 7a 및 7b로부터, h의 변화는 주조 재료 및 쉘의 냉각 속도에 중요한 영향을 미친다는 것을 알 수 있습니다. 열 전달 계수가 20에서 80W/m²K로 증가하면 C1에서의 응고 시간이 812 초에서 334 초 (약 44 %)로 감소되었음을 알 수 있습니다. 따라서, h의 값을 변화시키는 것은 주물의 미세 구조에 영향을 미칩니다.

Figure 6a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various shell thickness values

Figure 6b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various shell thickness values

Figure 7a. Temperature profile at location C1 (casting) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient

Figure 7b. Temperature profile at location S11 (shell) for the casting geometry where the sprue is located at one end for various heat transfer coefficient values between the shell mold & ambient

Conclusions

인베스트먼트 주조 공정의 몰드 충진 및 응고 시뮬레이션은 FLOW-3D를 사용하여 수행되었습니다. 주조 공정에 대한 주조 매개변수의 영향을 연구하기 위해 파라메트릭 연구가 수행되었습니다. 본 연구에서 다음과 같은 결론을 도출 할 수 있습니다.

FLOW-3D는 멀티 캐비티 몰드의 주입 및 응고 모델링이 가능합니다. 프로브 위치의 예측 온도 프로파일은 실험 데이터의 허용오차 이내였다.
쉘 두께의 경우, 두 경우 모두 셸의 임계 두께가 있으며, 그 이상으로 열 전달 특성이 역행하는 것으로 확인되었습니다. 셸 두께가 증가함에 따라 응고 시간이 임계 두께까지 증가하여 감소하기 시작했습니다. 원래 형상의 경우 임계 두께는 15~20mm인 반면 수정된 형상의 경우 10mm와 15mm 사이에 있다.
쉘과 대기 사이의 열 전달 계수 h는 열 전달 특성에 가장 큰 영향을 미치는 것으로 나타났습니다. h가 20에서 80W/m²K로 4 배 증가할 때 탕구의 중심에서 응고 시간이 40 % 이상 감소했습니다.

References

Sabau, A.S., Numerical Simulation of the Investment Casting Process, Transactions of the American Foundry Society, vol. 113, Paper No. 05-160, 2005.

Sabau, A.S., and Viswanathan, S., Thermophysical Properties of Zircon and Fused Silica-based Shells used in the Investment Casting Process, Transactions of the American Foundry Society, vol. 112, Paper No. 04-081, 2004.

Design and CFD Analysis

설계 및 CFD분석

Figs. 3, 4 and 5. Tangential drop structure flow simulated with FLOW-3D. Structure dimensions were optimized through multiple design iterations. (Image courtesy AECOM)

Fig. 6. Scale model (1:10) of vertical drop structure, tested at University of Iowa IIHR Hydroscience & Engineering facility. (Image courtesy AECOM)

Final Results

This article first appeared in WaterWorld Magazine.

Detecting Porosity with the Core Gas Model

Detecting Porosity with the Core Gas Model

Producing High Quality Castings

Results options such as core gas flux, binder weight fraction and out-gassing rate can be analyzed using the core gas model

주조공장의 첫 번째 시험에서 주조 품질을 보장하기 위해 많은 선행 엔지니어링을 수행해야 합니다. 최근에는 금속 흐름, 응고, 미세 구조 진화 및 잔류 응력을 모델링하기 위한 수치 도구가 보편화되었습니다. 그러나 아직 완전히 다루어지지 않은 주조 결함 중 하나는 일반적인 코어 가스 불량 결함입니다. 이 문제의 물리학은 금속, 코어 및 바인더 사이의 복잡한 상호 작용을 포함합니다. 이를 해결하지 않으면 고철 수준이 높아질 수 있습니다. 대부분의 문제는 고온의 주입 온도를 사용하고 영향을 받는 영역에 벽체를 추가하여 문제를 관리하지만 완전히 해결할 수는 없습니다.

Designing the Optimum Break-Down

과거에는 재료 및 주조 엔지니어가 코어 가스 버블로 인해 다공성 결함 문제를 발견했을 경우 바인더 함량을 줄이거나 코어 환기량을 늘리거나 코어 환기 시간을 늘리거나 코어를 미리 굽거나 하는 등 일련의 표준 문제를 해결할 수 있었습니다. 가스가 따라가는 경로를 보는 것은 불가능했기 때문에 이것은 한 부분을 완성하는 데 수주가 걸리는 긴 인출 과정이었습니다. 그리고 다른 부분에 문제가 있을 때마다 반복해야 했습니다.

이 가공 일정을 단축해야 하는 시장 중심의 필요성 때문에 주조 시뮬레이션 소프트웨어가 개발되었습니다. 설계 및 제조에 모두 유용한 컴퓨터 기반 모델링을 통해 엔지니어는 실제 비용을 낭비 없이 다양한 접근 방식을 테스트 할 수 있습니다. 주조 공장이 환기 설계에 시뮬레이션을 적용 할 수 있도록 Flow Science는 주조 해석 기능에 핵심 가스 모델을 추가했습니다.

GM engine block water jacket, showing binder weight fraction

Applying CFD Methods to Core Gas Flow

수지 기반 바인더의 화학적 복잡성으로 인해 샌드 코어 열 차단 후 가스가 어디서 어떻게 흐르는 지 이해하는 것은 복잡합니다. 그러나 Flow Science는 여러 그룹과 협력하여 실험 데이터를 얻고 이를 수치 모델의 결과와 비교합니다. 이 회사는 General Motors, Graham-White Manufacturing 및 AlchemCast의 핵심 가스 유량 정보를 수집하여 알루미늄, 철 및 강철과 함께 사용되는 모래 수지 코어에 대한 실제 데이터를 얻었습니다.

GM Powertrain의 캐스팅 분석 엔지니어 인 David Goettsch 박사는 금속 주조물의 충진 및 응고 분석을 위해 15 년 동안 FLOW-3D를 사용했습니다. 새로운 코어 가스 모델은 설계 단계에서 자켓 코어 배출을 최적화하는 데 매우 유용합니다. 모든 요구 사항이 핵심 인화물에 있는 코어 박스에 vent tracks를 구현하기는 매우 어렵습니다. “핵심 가스 배출에 대한 선행 분석 작업을 통해 시동 시 높은 스크랩률로 부터 벗어날 수 있습니다.”라고 그는 설명합니다. “아마도 프로세스 변경으로 문제가 해결 될 수 있습니다. 그러나 그 시점에 도달하려면 오랜 테스트 기간이 필요할 수 있습니다. “

현재 FLOW-3D에서 사용할 수 있는 코어 가스 모델을 통해 Goettsch는 다양한 삽입 및 배출 위치를 시도하고 글로벌 진단을 받을 수 있습니다. 가스가 얼마나 많이 발생하는지, 어디로 가는지, 금속 프런트가 따라 잡기 전에 얼마만큼 빠져 나오는지 확인하십시오.

Multi-Core Challenges

Core prints for casting with internal geometries

GM Powertrain jacket slab assembly

또 다른 노련한 주조공장 엔지니어인 Graham-White Manufacturing Co.의 Elizabeth Ryder는 가스 다공성은 항상 조사하기가 어려웠다고 주장했다. 그녀는 “특히 다중 코어의 경우, 어떤 코어가 문제의 원인인지 정확하게 찾아 내기가 어려웠으며 전체적인 시스템을 처리 하려고 했습니다. “

1700개의 부품으로 구성된 지속적인 생산으로, 그 중 일부는 연간 10,000개의 부품으로 구성되었으며, Graham-White는 시뮬레이션을 통해 제조 공정을 개선하는 데 매우 익숙했습니다.

Graham-White는 레이저 스캐닝으로 제작한 회주철 부품(약 3 x 4in)의 3D 모델로 작업하면서 평가를 위해 현재 vent 디자인을 제공했습니다. 이 탕구 디자인은 수평으로 분할된 금형에서 패턴 플레이트당 4개의 인상이 포함되었으며, 각 인상은 각 코어에 대한 vent가 있습니다. 중앙 sprue는 2 초 이내에 각각의 몰드를 충진할 수 있게 해주었습니다.

FLOW-3D를 이용한 시뮬레이션은 주입률을 확인시켜 주었지만, 또한 한 코어의 배출량이 충분하지 않다는 것을 보여주었다. Graham-White는 기존 분출구를 통해 가스를 더 많이 공급할 수 있도록 코어에 깊은 구멍을 뚫기 시작했습니다. 새로운 vent 디자인으로 전환한 이후, 회사는 코어 블로우 스크랩을 약 30% 감소 시켰습니다.

Ryder는 FLOW-3D 결과가 디자인 초점을 결정하는데 도움을 주었고, 어떤 코어 (멀티 코어 디자인)가 문제였는지, 코어의 어느 부분이 문제의 근원인지에 대해 파악할 수 있었습니다.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>

2018 Korea Users Conference

• 일시 : 2018년 10월 23일(화) 13:00~17:40
• 장소 : 여의도 전경련타워 컨퍼런스센터 루비홀

2018 FLOW-3D Korea User Conference는여의도 전경련타워 컨퍼런스센터에서 2018년 10월 23일(화)에 개최되었습니다.
본 컨퍼런스에서는 FLOW-3D를 이용한 새로운 모델링 접근법과 최신 개발 기능 및 글로벌 선진업체의 적용사례 등을 소개하였습니다.

2018 FLOW-3D Korea User Conference를 통해 급변하는 시장에서 어떻게 수주 경쟁력을 올리고 수익성을 개선할 수 있는지 살펴 볼 수 있는 좋은 시간이 될 것입니다.
바쁜 일정 임에도 불구하고 꼭 참석하시어 빠른 변화 속에서 글로벌 경쟁력 구축 및 비즈니스 성장 동력을 찾을 수 있는 귀중한 시간이 되기를 기원합니다.
여러분의 많은 관심과 참여 부탁 드립니다.

온라인 사전등록하러 가기(무료)

(사전등록 사이트 접속이 안되시는 분들은 페이지 하단의 이메일로 신청해주십시요.)

<행사안내>

• 본 행사는 사전 등록 하신 분에 한하여 참석이 가능하며, 선착순 사전 등록으로 조기 마감될 수 있습니다.
• 본 행사는 무료 행사로 좌석이 한정되어 있습니다.
• 원활한 행사 진행을 위해 행사 당일 가급적 일찍 도착하셔서 등록을 확인해주시기 바랍니다.
• 주차장이 협소하오니, 가급적 대중교통을 이용해주시기 바랍니다.
• 참석하신 모든 분들께 소정의 기념품을 드립니다.

고속무선충전기

<행사 일정표>

<교통안내>

전경련회의장 찾아오시는 길

<주차안내>

운영시간	24시간 운영
일반주차	15분당 1,000원 / 일 최대요금 50,000원
유의사항	– 상가 영수증(B2F 정산소) 제시 시 주차할인(각 점포문의) 적용됩니다. (무인정산기에서 할인불가, 반드시 정산소 정산) – 결제 취소(현금 및 카드 결제)는 당일만 가능 – 정산후 15분 이내 미출차 시 추가요금 발생

<행사문의>

• 담당자 : 조애령 차장
• Tel : 02-2026-0455
• E-mail : flow3d@stikorea.co.kr

금속 3D 프린팅 파우더 베드 수치해석

Laser Powder Bed Additive Manufacturing

Heat transfer and fluid flow modeling

Numerical modeling approach

약 600 마이크로 초 길이의 L-PBF의 과도 시뮬레이션은 약 40 시간의 클럭 시간이 소요되었으며 인텔 ® 제온 ® 프로세서 E5335 및 4GB RAM의 중간 정도급의 워크 스테이션에서 수행되었습니다.

Result and discussion

Summary

Acknowledgements

이 자료는 수상 번호 N00014-14-1-0688하에 미해군 연구소(ONR)가 지원하는 연구과제에 기초로 작성되었습니다.

References

Home

What's New in FLOW-3D 2025R1

New discrete element method (DEM) model

What's New in FLOW-3D POST 2025R1

Pathtracing improvements, History data calculator, EXODUS file format improvements

What's New in FLOW-3D CAST 2025R1

better quality, efficiency and precision in complex non-ferrous castings, Improved valve model

What's New in FLOW-3D HYDRO 2025R1

New discrete element method (DEM) model

FLOW-3D AM

Improved reflection model, Improved heat source integration, Particle-particle interactions...

FLOW-3D WELD

New unified user interface, New process templates, Improved Reflection model,...

FLOW-3D 는 세계에서 가장 어려운 CFD문제를 해결하는 소프트웨어로, 3차원 자유표면 해석 분야에서 널리 사용되는 최적의 수치해석 소프트웨어 입니다. 특히 자유표면(자유수면)을 가진 유동흐름을 정확하게 예측하는 분야에서는 타의 추종을 불허하는 정확성을 자랑합니다.

FLOW-3D 는 핵폭탄 개발 프로젝트로 유명한 미국 국립 연구소 LANL(LosAlamos National Laboratory)의 허트(C. W. Hirt) 박사가 새로운 자유표면 추적기법(free surface tracking method)인 VOF(Volume ofFluid) 방법을 연구 개발한 후, 수 많은 유동현상에 대한 물리 모델을 추가하고 성능을 개선하여, 설계 및 운영단계에서 사용되면서 엔지니어에게 귀중한 통찰력을 제공하는 세계적인 CFD 소프트웨어 입니다.

FLOW-3D 는 정확한 자유표면 추적, 압축성/비압축성 유동, 층류/난류, 열전달(전도, 대류, 복사), 점성발열, 상변화(응고,증발)/공동현상, 표면장력, 다상유동, 물질확산, 자연대류/밀도류, 뉴턴/비뉴턴유체, 틱소트로피, 다공성매질, 가속도계/관성계, 입자추적, 전기섭동/전기삼투압/주울발열, 열모세관현상 등 수많은 물리 모델을 제공합니다.

수치해석과 관련하여 궁금하신 사항은 언제든지 부담없이 문의 해주십시오.
감사합니다.

신규소식 및 기술자료

FLOW-3D HYDRO Workshops
Register for a FLOW-3D HYDRO workshop

Civil & Environmental Consultants, Inc.

Knoxville, TN

Host a FLOW-3D HYDRO Local Workshop

FLOW-3D Technical Note

CUSTOMER 추천 평가

FLOW-3D는 오늘날 복잡한 자유 표면 및 제한된 흐름 문제를 분석하는 데 사용할 수 있는 가장 강력한 도구 중 하나입니다. 사용하기 쉬운 모델링 인터페이스를 제공하며 지난 15년 이상 제가 작업한 수력 발전, 환경, 수자원 및 처리 관련 프로젝트의 설계에 필수적인 도구였습니다. Flow Science의 기술 지원 팀과 개발자는 함께 작업하기 쉽고, 조언을 제공하고, 코드의 잠재적 개선 사항에 대한 사용자의 의견을 듣고, 발생하는 문제를 신속하게 해결하고자 합니다. Flow Science의 전체 팀은 함께 일하기에 훌륭했고 모든 엔지니어에게 훌륭한 자원입니다.

FLOW-3D is one of the most powerful tools available to analyze complex free surface and confined flow problems out there today. It provides an easy-to-use modeling interface and has been an integral tool in the design of hydroelectric, environmental, water resource and treatment related projects I’ve worked on over the last 15+ years. Flow Science’s technical support team and developers are easy to work with and are eager to provide advice, hear input from its users on potential enhancements to the code as well as quickly resolving issues that arise. The entire team at Flow Science have been great to work with and are a great resource to all engineers.

FLOW-3D CAST는 우리의 품질 프로그램에 엄청난 자산이었습니다. 6가지 주조 시뮬레이션 소프트웨어를 평가한 후 Howell Foundry는 FLOW-3D CAST를 구매하기로 결정했습니다. 이 결정의 일부 요인에는 설정 다양성, 비용 및 가장 중요한 시뮬레이션의 현실 정확도가 포함됩니다. 업데이트된 결과 뷰어와 결합된 FLOW-3D CAST 의 강력한 시뮬레이션 기능은 가장 복잡한 작업에서 특히 첫 번째 타설에서 고품질 주조를 보장하는 데 도움이 되었습니다.

FLOW-3D CAST has been a tremendous asset to our quality program. After having evaluated six different casting simulation software, Howell Foundry made the decision to purchase FLOW-3D CAST. Some of the factors in this decision include its setup versatility, cost, and most importantly its accuracy of the simulation to reality. FLOW-3D CAST’s powerful simulation ability coupled with its updated results viewer has been especially helpful on our most complex jobs to make sure we have a quality casting on the first pour.

우리는 FLOW-3D를 사용하여 지난 20년 동안 많은 소모성 발사체 시스템에 대한 추진제 슬로시 및 풀스루 시뮬레이션을 개발했습니다. 보다 최근에는 Flow Science 지원 직원이 차량 기동으로 인한 ullage collapse effects를 포착하기 위해 극저온 추진제 탱크 시뮬레이션에 열 전달을 추가하는 데 중요한 역할을 했습니다.

We have used FLOW-3D to develop propellant slosh and pull-through simulations for a number of expendable launch vehicle systems over the last 20 years. More recently, the Flow Science support staff has been instrumental in helping us add heat transfer to cryogenic propellant tank simulations in order to capture ullage collapse effects due to vehicle maneuvers.

저는 연구 및 산업 응용 분야에서 유체 흐름 문제를 해결하는 데 15년 이상 FLOW-3D를 사용해 왔습니다 . 우리는 강 및 해안 구조물, 수처리 장치, 댐, 여수로, 깊은 터널 및 CSO 전환 구조물의 설계에 이 소프트웨어를 광범위하게 사용합니다. FLOW-3D는 수치 솔버 기술, 클라우드 컴퓨팅, 전처리 및 후처리 도구의 최신 기술을 통합하여 고객에게 상당한 시간과 비용을 절감합니다. FLOW-3D 영업 및 기술 지원 팀은 훌륭합니다!

I have used FLOW-3D for over 15 years solving fluid flow problems in research and industrial applications. We use the software extensively in the design of river and coastal structures, water treatment units, dams, spillways, deep tunnels, and CSO diversion structures. FLOW-3D integrates state of the art in numerical solver techniques, cloud computing, pre- and post-processing tools resulting in substantial time and cost savings to our clients. FLOW-3D sales and technical support teams are excellent!

FLOW-3D 는 다른 소프트웨어로 시각화하거나 정량화하기 어려운 복잡한 유압 문제에 대한 통찰력을 제공하는 정교한 도구입니다. 정교함에도 불구하고 소프트웨어는 매우 사용자 친화적이며 Flow Science는 훌륭한 문서와 기술 지원을 제공합니다. FLOW-3D 모델 에서 얻은 결과는고객과 사내 비모델러 모두에게 깊은 인상을 남겼습니다.

FLOW-3D is a sophisticated tool that provides insight into complex hydraulic problems that would be difficult to visualize or quantify with other software. Despite the sophistication, the software is very user friendly, and Flow Science provide great documentation and technical support. The results we have obtained from our FLOW-3D models have impressed both our clients and non-modelers in-house.

4C-Technologies에서 우리는 거의 35년 동안 다양한 소프트웨어 흐름 시뮬레이션 솔루션을 사용하는 선구자였습니다. 다양한 금속 합금으로 주조된 HPDC 부품에서 부품 설계 및 도구/러너 설계를 최적화합니다. 2008년부터 우리는 FLOW-3D를 사용하여 지금까지 최고의 정확도를 제공하는 것으로 나타났습니다. 또한 FLOW-3D 팀 의 지원은 탁월합니다.

At 4C-Technologies we have been pioneers in using various software flow simulation solutions for nearly 35 years. We optimize part designs and tool/runner designs on casted HPDC parts in various metal alloys. Since 2008 we have solely been using FLOW-3D as it turned out to give by far the best accuracy. Furthermore, the support from the FLOW-3D team is outstanding.

20년 이상 FLOW-3D 와 함께 CFD 분석을 사용하면서 우리의 신뢰 수준은 이제 일반 연구 목적 및 최종 설계 응용 프로그램에 CFD 모델링을 사용하는 데 확신을 가질 정도로 높아졌습니다. 이 소프트웨어는 개념적 세부 사항과 구성을 신속하게 변경할 수 있는 유연성을 제공하여 설계를 단계적으로 진행할 수 있도록 합니다.

From using CFD analysis with FLOW-3D for over twenty years, our level of trust has increased to the point that we are now confident in using CFD modeling for general study purposes and final design applications. The software gives us flexibility to quickly change conceptual details and configurations allowing the design to advance in stages.

우리는 FLOW-3D AM을 사용하여 기초 과학의 경계를 발전시켜 왔습니다 . FLOW-3D AM은 다중 합금 3D 프린팅 중 복잡한 현상을 지배하는 물리학에 대한 우리의 가설을 테스트하는 훌륭한 도구였습니다. FLOW-3D AM은 우리가 열 프로필의 진화와 관련된 물질 전달 및 복잡한 적층 구조에서 열 응력의 발달을 이해하는 데 도움이 되었습니다.

We have been using FLOW-3D AM to advance the boundaries of fundamental science. FLOW-3D AM has been a great tool to test our hypotheses about the physics governing complex phenomena during multi-alloy 3D printing. FLOW-3D AM has helped us understand the evolution of thermal profiles and the associated mass transport and development of thermal stresses in complicated additively-built structures.

FLOW-3D 는 많은 응용 프로그램이 있는 강력한 도구입니다. 우리는 FLOW-3D를 사용하여 물 전환 구조의 흐름과 수력을 효과적으로 해결했습니다. 우리는 또한 제안된 물고기 통로를 통한 물 흐름을 모델링했습니다. 우리는 정확성, 계산 속도, 특히 사용자 친화적인 GUI에 깊은 인상을 받았습니다. 그리고 우리 고객들은 모델 출력과 포스트 프로세서에 의해 생성된 애니메이션에 깊은 인상을 받았습니다. 우리는 또한 매우 반응이 좋은 지원 직원에게 감사합니다.

FLOW-3D is a powerful tool with many applications. We used FLOW-3D to effectively resolve flow through and hydraulic forces on a water diversion structure. We also modeled water flow through a proposed fish passage. We have been impressed with the accuracy, computational speed, and especially the user friendly GUI. And, our clients have been impressed with the model output, as well as, animations created by the post-processer. We are also appreciative of the highly responsive support staff.

수년에 걸쳐 FLOW-3D는 기존의 유압 모델링 도구로는 해결하기 매우 어려웠을 복잡한 유압 문제를 해결하는 데 도움을 주었습니다. 우리는 FLOW-3D 팀에게 매우 감사합니다 . 그들은 수년에 걸쳐 지속적으로 소프트웨어를 개선해 왔으며 우리의 요구에 매우 신속하게 대응해 왔습니다.

Over the years, FLOW-3D has helped us solve complex hydraulic problems that would have otherwise been very difficult to solve with conventional hydraulic modeling tools. We are very thankful to the team at FLOW-3D. They have constantly been making the software better over the years, and have been very responsive to our needs.

FLOW-3D 는 당사의 우주 공학 연구 및 개발 프로세스에서 필수적인 도구입니다. FLOW-3D는 극저온 연료 역학의 프로세스를 더 잘 이해하여 질량을 줄이고 발사기 성능을 향상시키는데 도움이 됩니다.

FLOW-3D is an essential tool in our space engineering research & development process. FLOW-3D helps us better understand processes in cryogenic fuel dynamics, leading to savings in mass and improved launcher performance.

FLOW-3D CAST는 CASTMAN, Inc의 제품 개발 및 품질 확보에 매우 큰 도움을 주었습니다. FLOW-3D를 한국에 독점 공급하는 (주)에스티아이씨앤디의 수치해석 컨설팅팀과 협업을 통해 제품 개발 시 FLOW-3D 주조 시뮬레이션을 통해 기술적인 여러 어려움이 있는 제품 개발에 모두 성공하였습니다. 이는 개발 비용, 기술적인 어려움, 개발 기간 및 가장 중요한 시뮬레이션의 정확도가 포함됩니다. FLOW-3D CAST 의 강력한 시뮬레이션 기능은 가장 복잡한 작업에서 고품질 주조를 보장하는 데 도움이 되었습니다.

김동균 Director of Operations, CASTMAN, Inc

News

FLOW-3D 2026 European User Conference

FLOW-3D 2026 European User Conference 6월 16일부터 17일까지 뒤셀도르프의 Steigenberger Icon Parkhotel에서 열리는 FLOW-3D 2026 European User Conference에 고객 여러분을 초대합니다. 주요 기업 및 기관의 동료 엔지니어, 연구원, 과학자들과 연결하여 ...
자세한 내용 보기

2026-01-12 / AMD, cast, FLOW-3D, user conference, 공지사항, 이벤트

FLOW-3D WELD/AM 웨비나 안내

용접 및 3D프린팅에 특화된 수치해석 프로그램인 FLOW-3D WELD/AM의 새로운 기능을 소개해 드릴 웨비나를 개최합니다. 이번 웨비나에서는 익숙하지만 놓치고 있었던 FLOW-3D WELD/AM의 핵심 기능과 더욱 강력해진 최신 업데이트 내용을 집중적으로 다룹니다 ...
자세한 내용 보기

2025-09-23 / 3D프린팅, FLOW-3D, weld, 공지사항, 수치해석, 용접

기술자료

전지 가압력 및 용접 전류 제어를 통한 차세대 저항 점 용접(RSW) 공정 개발

전지 가압력 및 용접 전류 제어를 통한 차세대 저항 점 용접(RSW) 공정 개발 Development of Advanced Resistance Spot Welding Process ...
더 보기

2026-06-14 / RSW, wedling, 알루미늄, 용접, 용접 논문

소실 모형 주조법(EPC)에서 알루미늄 합금 주물의 치수 정밀도에 미치는 도포액(Coat) 강도의 영향 연구

소실 모형 주조법(EPC)에서 알루미늄 합금 주물의 치수 정밀도에 미치는 도포액(Coat) 강도의 영향 연구 Effect of Coat Strength on Dimensional Change ...
더 보기

2026-06-13 / Casting, 소실모형주조, 알루미늄, 주조, 주조 논문

원형 관 내 사탕수수 즙의 열전달을 위한 CFD 기반 관 길이 최적화 연구

원형 관 내 사탕수수 즙의 열전달을 위한 CFD 기반 관 길이 최적화 연구 Optimization of tube length by CFD analysis ...
더 보기

2026-06-12 / CFD, FLOW-3D, Fluid, 수자원/수처리 논문, 유체

CFD 3D 시뮬레이션을 이용한 열전달률 및 지중 열교환기 깊이에 관한 수치적 연구

CFD 3D 시뮬레이션을 이용한 열전달률 및 지중 열교환기 깊이에 관한 수치적 연구 Heat Transfer Rate and Borehole Heat Exchanger Depth: ...
더 보기

2026-06-11 / CFD, fluidics, 열전달, 유체, 유체 논문

교량 세굴 예측 정확도 향상: 실제 현장 측정을 실험실 축소 모델로 재현하는 방법

이 기술 요약은 Seung Oh Lee와 Seung Ho Hong이 2018년 Advances in Civil Engineering에 발표한 논문 "Reproducing Field Measurements Using ...
더 보기

2026-06-10 / CFD, Water, 세굴, 수자원, 수자원/수처리 논문

CFD 해석을 통한 러너 및 벤트 시스템 최적화: 고압 다이캐스팅 기공 결함 감소의 새로운 해법

이 기술 요약은 M.D Ibrahim 외 저자가 2023년 INTERNATIONAL JOURNAL OF INTEGRATED ENGINEERING에 게재한 "Parametric Study for Runner Modifications of ...
더 보기

2026-06-09 / Casting, CFD, 벤트, 주조, 주조 논문

순수 알루미늄 다이캐스팅의 통념을 깨다: 얇고 높은 핀 히트싱크 제작을 위한 최적 공정 조건 발견

이 기술 요약은 Hiroshi Fuse와 Toshio Haga가 Metals (2025)에 발표한 논문 "Die-Casting Conditions for Pure Aluminum Heat Sink with Thin ...
더 보기

2026-06-08 / Casting, 다이캐스팅, 알루미늄, 주조, 주조 논문

고엔트로피 합금의 비밀: 나노인덴테이션으로 밝혀낸 적층결함의 역할과 기계적 물성 강화

이 기술 요약은 F. J. Domínguez-Gutiérrez 외 저자가 2024년 발표한 학술 논문 "Atomistic-Level Analysis of Nanoindentation-Induced Plasticity in Arc-Melted NiFeCrCo ...
더 보기

2026-06-07 / Welding, 아크용접, 용접, 용접 논문, 합금

쌍롤 주조(Twin-Roll Casting) WZ73 마그네슘 합금의 미세구조 제어: 고강도, 고연성 부품 생산의 새로운 가능성

이 기술 요약은 Kristina Kittner 외 저자가 Crystals (2020)에 발표한 논문 "Microstructure and Texture Evolution during Twin-Roll Casting and Annealing ...
더 보기

2026-06-06 / Casting, 마그네슘, 쌍롤주조, 주조, 주조 논문

스퀴즈 캐스팅 압력 최적화: Al-Si-Cu 합금의 미세경도 및 품질 향상 비결

이 기술 요약은 Ronaldo Oliveira 외 저자가 Materials Research (2019)에 발표한 논문 "Effect of Squeeze Casting on Microhardness and Microstructure ...
더 보기

2026-06-05 / Casting, 스퀴즈캐스팅, 알루미늄, 주조, 주조 논문

다이캐스팅 수율 극대화: SPH 시뮬레이션으로 최적의 가변 주탕 속도 찾기

이 기술 요약은 F. Itakura 외 저자들이 PARTICLES 2023(VIII International Conference on Particle-Based Methods)에 발표한 논문 "EXAMINATION OF VARIABLE TILTINNG ...
더 보기

2026-06-04 / Casting, 시뮬레이션, 주조, 주조 논문, 틸팅

결함 없는 다이캐스팅: 반용융 공정 최적화로 다공성을 줄이는 방법

이 기술 요약은 Yekta Berk SUSLU 외 저자가 METAL 2019에 발표한 논문 "SEMI-SOLID ALUMINUM DIE CASTING PROCESS DESIGN FOR PREVENTING ...
더 보기

2026-06-03 / Casting, 세미솔리드, 알루미늄, 주조, 주조 논문

주조 NiTi 형상기억합금의 열간 변형 거동 최적화: 고품질 부품 생산을 위한 핵심 공정 변수 규명

이 기술 요약은 Chengchuang Tao 외 저자가 Materials (2021)에 발표한 논문 "Research on the Hot Deformation Behavior of the Casting ...
더 보기

2026-06-02 / Casting, 니켈, 시뮬레이션, 주조, 주조 논문

AZ91 마그네슘 합금 단조 최적화: 평면 앤빌 vs. 형상 앤빌, 시뮬레이션으로 밝혀낸 공정 혁신

이 기술 요약은 Grzegorz Banaszek 외 저자가 Materials (2020)에 발표한 논문 "[Analysis of the Open Die Forging Process of the ...
더 보기

2026-06-01 / Casting, CFD, 단조, 주조, 주조 논문

$Figure 1: The increase in the fraction of peer-reviewed journal articles related to SRO effects in HEAs from 2019-2023 (in blue). The number of HEA articles published per year (in red). Data is obtained from the Web of Science with the values for 2023 annualized based on a search performed in September 2023.$
차세대 성능의 실현: 고엔트로피 합금의 단거리 정렬이 재료 강도와 내구성을 재정의하는 방법

이 기술 요약은 Novin Rasooli, Wei Chen, Matthew Daly가 저술하고 2023년 발표한 학술 논문 "Deformation Mechanisms in High Entropy Alloys: ...
더 보기

2026-05-31 / Casting, 미세구조, 주조, 주조 논문, 합금

나노스케일 원자 배열(CSRO)이 Fe-Ni-Cr 합금의 방사선 손상에 미치는 영향 분석: 더 안전한 원자력 재료를 향한 분자동역학 시뮬레이션

이 기술 요약은 Hamdy Arkoub와 Miaomiao Jin이 발표한 "Impact of chemical short-range order on radiation damage in Fe-Ni-Cr alloys" 논문을 ...
더 보기

2026-05-30 / Casting, CFD, 주조, 주조 논문, 편석

차세대 핵융합로의 핵심, 방사선 손상을 극복한 텅스텐 고엔트로피 합금의 등장

이 기술 요약은 O. El-Atwani 외 저자의 논문 "Outstanding Radiation Resistance of Tungsten-based High Entropy Alloys"를 기반으로 하며, STI C&D의 ...
더 보기

2026-05-29 / Casting, 고엔트로피합금, 주조, 주조 논문, 텅스텐

스칸듐(Sc) 첨가 필러 재료를 활용한 마그네슘 합금 용접: 항공우주 부품의 신뢰성 및 수명 연장

이 기술 요약은 Vadym Shalomeev 외 저자가 Materials (2022)에 발표한 논문 "[Casting Welding from Magnesium Alloy Using Filler Materials That ...
더 보기

2026-05-28 / Welding, 마그네슘, 스칸듐, 용접, 용접 논문

주조 시뮬레이션으로 굴삭기 부품의 수축 결함 잡기: BS100 Grade A6 합금 해석 사례

이 기술 요약은 Pham Quang이 SCIREA Journal of Materials (2025)에 발표한 논문 "Numerical modeling and simulation of mold filling and ...
더 보기

2026-05-27 / Casting, CFD, 주조, 주조 논문, 충진해석

다이캐스팅 금형 계면의 열 균형 최적화: 품질 및 생산성 향상을 위한 핵심 통찰

이 기술 요약은 [Jan Majernik, Stefan Gaspar, Martin Podaril, Tomas Coranic]이 [MM SCIENCE JOURNAL]에 발표한 "[EVALUATION OF THERMAL CONDITIONS AT ...
더 보기

2026-05-26 / Casting, CFD, 금형, 주조, 주조 논문

트윈 롤 캐스팅(Twin Roll Casting) 기술로 구현한 차세대 생체 이식용 비정질 Mg-RE 합금의 우수한 내부식성 및 생체 적합성

이 기술 요약은 Haijian Wang 외 저자가 2019년 Metals에 게재한 논문 "Preparation and Characterization of Mg-RE Alloy Sheets and Formation ...
더 보기

2026-05-25 / Casting, 박판, 연속주조, 주조, 주조 논문

이트륨(Y) 첨가로 V-Ti 합금 초전도체의 임계 전류 밀도 7.5배 향상: 고성능 초전도 자석 개발의 새로운 가능성

이 기술 요약은 SK. Ramjan 외 저자들이 arXiv에 발표한 논문 "Enhancement of functional properties of V0.6Ti0.4 alloy superconductor by the ...
더 보기

2026-05-24 / Casting, 이트륨, 주조, 주조 논문, 티타늄

주조 크레인의 피로 수명 예측: 트랙 결함이 구조적 안전성에 미치는 영향 분석

이 기술 요약은 Qing DONG 외 저자가 2018년 Journal of Advanced Mechanical Design, Systems, and Manufacturing에 발표한 논문 "Fatigue residual ...
더 보기

2026-05-23 / steel, 강재, 구조해석, 기타 논문, 피로모델

아연(Zn) 중간층의 마법: 화합물 주조(Compound Casting) 공법으로 마그네슘-알루미늄 접합 강도 4배 향상

이 기술 요약은 Renata Mola 외 저자가 2019년 JOM에 발표한 논문 "The Effect of a Zinc Interlayer on the Microstructure ...
더 보기

2026-05-22 / Welding, 아연, 알루미늄, 용접 논문, 접합

HPDC 1단계 피스톤 속도 최적화: 충전 챔버 파형 제어를 통한 가스 혼입 결함 감소 전략

이 기술 요약은 Jan Majernik, Martin Podaril이 작성하여 Manufacturing Technology (2023)에 게재한 논문 "The Piston Velocity Impact on the Filling ...
더 보기

2026-05-21 / Casting, HPDC, 주조, 주조 논문, 플런저

기계적 진동으로 Al-Cu-Mn-Ti 합금의 수축 결함 제거: 저압주조 공정의 혁신

이 기술 요약은 Wei Chen, Shiping Wu, Rujia Wang이 저술하여 Materials (2022)에 발표한 논문 "Effect of Mechanical Vibration on the ...
더 보기

2026-05-20 / Casting, 사형주조, 저압주조, 주조, 주조 논문

교각 형상 최적화를 통한 교량 붕괴 방지: 국부 세굴 55% 저감 기술

이 기술 요약은 Siva K. Reddy 외 저자가 2024년 Civil Engineering Journal에 발표한 논문 "Local Scour around Different-Shaped Bridge Piers"를 ...
더 보기

2026-05-19 / scouring, Water, 세굴, 수자원, 수자원/수처리 논문

마그네슘 합금의 미세구조 제어: 탄소 나노입자 접종을 통한 주조 품질 혁신

이 기술 요약은 Spartak MAKOVSKYI 외 저자가 2023년 [Технології виробництва об'єктів авіаційно-космічної техніки]에 발표한 논문 "[INFLUENCE OF CARBON NANOPARTICLE INOCULATION ...
더 보기

2026-05-18 / Casting, 마그네슘, 주조, 주조 논문, 탄소

교각-교대 근접 상호작용이 교량 세굴에 미치는 영향: 최대 세굴 깊이 171% 증가의 비밀

이 기술 요약은 Mohammad Saeed Fakhimjoo 외 저자가 2023년 발표한 학술 논문 "Experimental investigation and flow analysis of clear-water scour ...
더 보기

2026-05-17 / scouring, Water, 세굴, 수자원, 수자원/수처리 논문

나노스케일 결함 정량화: 방사선 조사 금속의 수명과 성능을 예측하는 새로운 방법

이 기술 요약은 Charles A. Hirst와 Cody A. Dennett이 작성하여 2022년 arXiv에 제출한 "[Towards quantitative inference of nanoscale defects in ...
더 보기

2026-05-16 / CFD, 결함분석, 기타 논문, 니켈, 분자역학

적층 제조 냉각 인서트의 성능 극대화: 다이캐스팅 금형의 열 접촉 저항(TCR) 정복하기

이 기술 요약은 P. Capela 외 저자가 [Journal of Materials Engineering and Performance]에 발표한 "[Experimental Analysis of Heat Transfer at ...
더 보기

2026-05-15 / Casting, 다이캐스팅, 인서트, 주조, 주조 논문

고압 다이캐스팅 기공 결함 감소 및 강도 향상: 공정 최적화를 통한 16kN 파단 하중 증대 달성

이 기술 요약은 Vinod Kumar Verrma 외 저자가 2023년 International Journal of Engineering and Computer Science에 발표한 논문 "Reduction Of ...
더 보기

2026-05-14 / Casting, 강도실험, 알루미늄, 주조, 주조 논문

4043 Al 합금 열주기 성능 분석: 연속 주조 직접 압연(CCDR) 공법의 고온 안정성 및 파괴 메커니즘 규명

이 기술 요약은 Bo-Chin Huang과 Fei-Yi Hung이 저술하여 Materials (2023)에 게재한 논문 "Effect of High Temperature and Thermal Cycle of ...
더 보기

2026-05-13 / Casting, 알루미늄, 연속주조, 주조, 주조 논문

$Fig. 1. Viscous fracture facets of metal of welds No. 1 (a) and No. 2 (b). Arrows indicate the second phase particles (b)$
탄소 첨가제가 저탄소 합금강의 용접 품질을 혁신하는 방법

이 기술 요약은 N. A. Kozyrev 외 저자가 CIS Iron and Steel Review (2022)에 발표한 논문 "[Structure, defect substructure and ...
더 보기

2026-05-12 / Welding, 미세구조, 용접, 용접 논문, 저탄소강

다이캐스팅 불확실성 정량화: 가상 인증 프레임워크로 제품 품질 예측 정확도 높이기

이 기술 요약은 Shantanu Shahane 외 저자가 2018년 ASME(미국기계학회)에 발표한 논문 "VIRTUALLY-GUIDED CERTIFICATION WITH UNCERTAINTY QUANTIFICATION APPLIED TO DIE CASTING"을 ...
더 보기

2026-05-11 / Casting, CFD, 알루미늄, 주조, 주조 논문

교량 붕괴의 숨은 주범, 부유물 유발 세굴: 새로운 CFD 기반 평가 기법으로 안전성 확보

이 기술 요약은 University of Exeter와 Devon County Council의 협력으로 Diego Panici, Prakash Kripakaran, Kevin Dentith가 작성한 기술 보고서 "EMBEDDING ...
더 보기

2026-05-10 / scouring, 교량, 세굴, 수자원, 수자원/수처리 논문

EV 배터리 버스바 설계 최적화: 초음파 용접 접합부의 기계적, 전기적, 열적 특성 비교 분석

이 기술 요약은 Abhishek Das 외 저자가 2019년 World Electric Vehicle Journal에 발표한 논문 "Comparison of Tab-To-Busbar Ultrasonic Joints for ...
더 보기

2026-05-09 / busbar, Welding, 버스바, 용접, 용접 논문

고압 다이캐스팅 기공 불량률 35%에서 1% 미만으로: 체계적 분석을 통한 수율 혁신

이 기술 요약은 Bharat Sharma가 2020년 International Journal of Engineering Applied Sciences and Technology에 발표한 논문 "BLOW HOLE CONTROL IN ...
더 보기

2026-05-08 / Casting, 기공, 알루미늄, 주조, 주조 논문

CFD 시뮬레이션으로 구리 연속 주조 속도 한계 돌파: 고품질 생산성을 위한 응고 해석

이 기술 요약은 [Jones, Thomas D. A. 외]가 저술하여 [Engineering Science and Technology, an International Journal]에 발표한 논문 "Computational fluid ...
더 보기

2026-05-07 / Casting, CFD, 연속주조, 주조, 주조 논문

고압 다이캐스팅 가스 결함 66%의 원인과 해결책: 공정 최적화를 통한 품질 혁신

이 기술 요약은 V.I. Chechukha와 M.A. Sadokha가 Foundry Production and Metallurgy (2023)에 발표한 논문 "[Defects in High-Pressure Die Casting and ...
더 보기

2026-05-06 / Casting, 다이캐스팅, 주조, 주조 결함, 주조 논문

6xxx 알루미늄 레이저 용접 균열 완벽 제어: 자동차 배터리 트레이 생산성 향상을 위한 핵심 전략

이 기술 요약은 T. Sun 외 저자가 Procedia CIRP (2020)에 발표한 논문 "[Challenges and opportunities in laser welding of 6xxx ...
더 보기

2026-05-05 / Welding, 알루미늄, 용접, 용접 논문, 최적화

마찰이 답이다: 알루미늄 고압 다이캐스팅의 점착 및 솔더링 문제에 대한 새로운 열역학적 접근법

이 기술 요약은 Alex Monroe가 Michigan Technological University에서 2021년에 발표한 박사학위 논문 "THERMOMECHANICAL MECHANISMS THAT CAUSE ADHESION OF ALUMINUM HIGH ...
더 보기

2026-05-04 / csting, 금형결함, 주조, 주조 논문, 철강

Fe-Cr 합금 상분리의 미스터리: 점결함이 재료 강도를 결정하는 방법

이 기술 요약은 Sudip Kumar Sarkar 외 저자가 발표한 학술 논문 "Co-evolution of point defects and Cr-rich nano-phase in binary ...
더 보기

2026-05-03 / Casting, 상분리, 주조, 주조 논문, 철강

혁신적인 겔캐스팅-마이크로파 소결 공법으로 다공성 NiTi 합금의 기계적 특성 최적화: 의료용 임플란트의 미래

이 기술 요약은 Zhiqiang He 외 저자들이 Materials에 2022년 발표한 논문 "Microstructure and Mechanical Properties of Porous NiTi Alloy Prepared ...
더 보기

2026-05-02 / Casting, 니켈, 소결, 주조, 주조 논문

흡입 주조(Suction Casting)를 통한 Alloy 625+TiB2 복합재의 미세구조 및 경도 향상: 항공우주 부품의 미래

이 기술 요약은 Łukasz Rakoczy 외 저자가 Materials Science Forum (2025)에 게재한 논문 "Alloy 625+TiB2 Composites Fabricated via Suction Casting ...
더 보기

2026-05-01 / Casting, 미세구조, 주조, 주조 논문, 흡입주조

AC4CH 알루미늄 주조 합금 연성 향상의 비밀: 공정 Si 입자 분포 정량화의 중요성

이 기술 요약은 Naohiro Saruwatari와 Yoshihiro Nakayama가 저술하여 2018년 Japan Foundry Engineering Society에서 발행한 "[Quantitative Evaluation of Eutectic Si Phase ...
더 보기

2026-04-30 / Casting, 알루미늄, 어닐링, 주조, 주조 논문

차세대 의료용 임플란트: 2차 수술이 필요 없는 생분해성 마그네슘 합금 개발

이 기술 요약은 V. Shalomeev 외 저자가 2019년 Eastern-European Journal of Enterprise Technologies에 발표한 논문 "DESIGN AND EXAMINATION OF THE ...
더 보기

2026-04-29 / Casting, 마그네슘, 주조, 주조 논문, 합금개발

초정밀 주조의 혁신: 초음파 진동 교반 압착 주조(UVSS)를 통한 고강도 H-Al-Si 합금의 기계적 특성 향상

이 기술 요약은 Meghavath Peeru Naik와 Korabu Tulasi Balaram Padal이 2023년 Nano World Journal에 발표한 논문 "Microstructure and Mechanical Characterization ...
더 보기

2026-04-28 / Casting, 알루미늄, 정밀주조, 주조, 주조 논문

미세튜브 다이캐스팅 금형: 적층제조 기술로 불량률 줄이고 생산성 높이는 새로운 해법

이 기술 요약은 [堀裕生 외]가 저술하여 [精密工学会誌] ([2023])에 게재한 논문 "[微小管付与による離型剤浸透金型の製作とダイカスト鋳造特性]"을 기반으로 하며, STI C&D의 기술 전문가에 의해 분석 ...
더 보기

2026-04-27 / Casting, 다이캐스팅, 마이크로튜브, 주조, 주조 논문

하모니 탐색 최적화: 복합 교량 교각의 국부 세굴 깊이 예측 정확도를 16% 향상시키는 방법

이 기술 요약은 H. Ghodsi, M. J. Khanjani, A. A. Beheshti가 [Civil Engineering Journal]에 발표한 2018년 논문 "[Evaluation of Harmony ...
더 보기

2026-04-26 / scouring, Water, 세굴, 수리, 수자원/수처리 논문

‹

1

2

3

4

…

30

›

전체 기술자료로 바로가기

Aluminum Integral Foam Molding Process

Aluminum Integral Foam Molding Process

This application note was contributed by Johannes Hartmann and Vera Jüchter, Department of Materials Science, Chair of Metals Science and Technology, University of Erlangen-Nuremberg

알루미늄 폼은 우수한 댐핑 및 높은 에너지 흡수율 및 굴곡 강성과 같은 예외적인 특성을 보여줍니다[1]. 강성은 특히 하중 지지 및 경량 구조에 사용하기에 특히 매력적입니다. 중량별 강성을 높이고 보다 우수한 하중 전달을 위해 알 Aluminum Foam Sandwiches (AFS)와 같은 컴팩트한 특성이 필요합니다 [2].

Erlangen-Nuremberg 대학의 금속 공학과 기술 위원장은 알루미늄 발포 특성을 점차적으로 생산하기 위해 다이캐스팅 공정인 Integral Foam Molding 개발하였습니다(그림 1 참조). 이 공정은 폴리머의 사출 성형으로 개발되었으며 따라서 컴팩트한 층을 가진 복잡한 폼을 비용 효율적으로 대량 생산에 적합합니다. 이 노트에 설명 된 시뮬레이션 기법은 프로세스 매개 변수를 선택하는데 도움을 주기 위한 모델링프로세스를 확인할 수 있습니다.

Figure 1. Cross section of an aluminum integral foam with a compact skin, a transition region with decreasing relative density and smaller pores, as well as a foamed core.

Aluminum Integral Foam Molding Technology

일정량의 발포제 (수소화 마그네슘, MgH2)가 러너 시스템에 배치되고 샷 챔버는 알루미늄 용융물로 채워진다 (공정은 그림 2에 묘사되어 있으며, 공정은 [3]에 자세히 설명되어있다). 피스톤이 진행됨에 따라, 분말은 난류 방식으로 주형에 이송된다. 기술 변형 “고압 일체형 폼 몰딩 (HP-IFM)”의 경우 표준 다이캐스팅 공정에서 알 수 있듯이 이 부품은 주변의 높은 압력에서 완전히 채워져 우수한 표면 품질을 보장합니다. 템퍼링된 금형 표면에서 시작하여 용융물은 일체형으로 고형화되기 시작합니다. 몇 밀리 초가 지나면 금형은 코어 풀러 시스템 위에 열리고 부피는 국부적으로 증가하고 압력은 감소하여 열분해 및 수소화 마그네슘 입자의 수소 방출로 인해 여전히 반고체 내부 영역에서 기공 성장을 시작합니다. 모든 발포제 입자는 이웃하는 공극의 역압에 의해 멈추어 질 때까지 공극의 성장을 지속합니다. 발포된 입자의 벽은 알루미늄 합금의 응고된 입자에 의해 안정화가 되며 이를 endogenous stabilization이라고 합니다[4].

Figure 2. Schematic process cycle of “High Pressure Integral Foam Molding (HP-IFM)” of aluminum.

주조 부품의 전체 부피에서 균일한 형태에 대한 전제조건은 분해 순간의 양호한 입자분포입니다. 또한, 발포제 유입시의 용융물의 온도는 수소화 마그네슘의 분해를 결정하며 (그림 3 참조), 게다가 발포시 solid phase의 양을 결정한다. 그러나 고상의 양이 너무 많으면 기공의 강성이 증가하고 현상 기공의 구형화를 방해하여 구조가 파괴된다 [2].

Microcellular Aluminum Integral Foams – Approaching the Process Limits

일체형 발포 성형 공정시뮬레이션은 새로운 부품 설계의 몰드 충진 특성을 조사하는 데 도움이 될 뿐만 아니라 입자 침투도 예측하고 비용을 절약할 수 있게 발포 공정 조건을 결정할 수 있는 강력한 도구입니다. 현재 연구의 목표는 다공성 수준을 일정하게 유지하면서 기공 크기를 줄이는 것입니다. 전산 유체 역학 (CFD) 시뮬레이션은 가능한 한 현재의 프로세스 한계에 가깝게 접근할 수 있습니다. 발포 형태의 개선은 기계적 물성에서 균질 한 구조를 유도 할뿐만 아니라 기계적 성질에 의해 더 얇은 부품의 생산이 가능할 것입니다. 이 목적은 용융물 내에서의 높은 입자 분포 밀도와 동시에 응집 현상의 감소와 함께 완전히 안정된 기공 성장에 의해서만 달성 될 수 있다.

Figure 3. Schematic curves of decomposition of magnesium hydride as a function of the melt temperature, calculated by the Johnson-Mehl-Avrami approach [2]

Figure 4. Adjustment of heat transfer by comparisons of a real solidification curve (black) to the growth rate of the solidified skin in simulation (red).

Adapting the Simulation Parameters to Practical Integral Foam Molding Experiments

입자 거동이나 온도장에 대한 신뢰성 있는 예측을 위한 CFD 시뮬레이션을 사용할 수 있으려면 실제 실험과 일치하도록 매개 변수를 결정해야 합니다. 이를 위해, 30-130 ms의 지연 시간을 갖는 일체형 발포 부품을 제작하였으며 성형 팽창 및 기공 성장 개시 순간에 고상분율 때문에 발포 형성이 불가능한 다른 밀도의 형상을 만들었습니다. 열 전달 계수 (완전한 액체 용융물과 완전 응고된 용융물)를 변화시켜 합금 AlSi9Cu3 (Fe)의 주조 사이클을 시뮬레이션하면 응고 곡선을 적용할 수 있습니다. 이러한 목표를 달성하기 위해 시뮬레이션을 피스톤 이동이 시작되기 전에 실제 온도분포를 묘사해야 합니다. 온도는 배치된 열에 의해 숏 챔버에서 국부적으로 측정되었으며 시뮬레이션 내 실제 데이터와 잘 일치하여 성공적으로 묘사 될 수 있었습니다. 금형 충진 중에 금형 표면에서 온도 측정을 참조 할 수도 있습니다. 시간 경과에 따른 그 변화는 시뮬레이션 결과와 잘 일치합니다.

표면장력이나 응고 항력계수와 같은 용융의 유동을 정의하는 추가 매개 변수 단계에서는 다른 설정과 시뮬레이션을 비교하여 조정됩니다. 시뮬레이션 내에서 용융물의 흐름이 실제 시험과 일치하는 즉시 매개 변수가 설정됩니다

Figure 5. Adjustment of melt flow defining parameters such as the surface tension by comparisons of real experiments (left) to simulations (right)

냉각 및 용해 흐름 특성을 정의한 후 입자의 유입을 시뮬레이션 합니다. 입자 / 유체 의 상호 작용에 대한 시뮬레이션을 조정하기 위해 매개 변수계수의 X 선 샘플과 비교가 되며 구리선 입자에서는 수산화 마그네슘보다 높은 함량 입자가 적용됩니다. (그림 6 참조). 시뮬레이션 결과는 실험과 매우 잘 어울리므로 프로세스 매개 변수의 함수로서 입자 분포의 신뢰할 수 있습니다.

Figure 6. Adjustment of parameters influencing particle/melt-interactions by comparisons of x-rayed samples left); produced by the entrainment of copper particles) to simulations (right)

Conclusion

전체적으로 FLOW-3D는 실제 생산 전에 새로운 부품 제조의 잠재적 결함을 조사하는 중요한 수단이 될 수 있다는 것을 증명할 수 있었습니다. 이러한 방식으로, 차가운 흐름 또는 데드 존이 없는 성공적인 충전 및 발포제 분포가 보장 될 수 있다. 또한, 예상되는 온도 필드의 정확한 묘사로, 수소화 마그네슘의 분해 특성 및 기공형성을 예측할 수 있습니다. 이는 일체형 폼 구조와 관련하여 고객의 요구를 충족시키기 위한 공정 변수를 정의 할 수 있는 가능성을 제공합니다

¹ Criterion is the solid phase fraction where the shear strength and therefore the resistance to pore evolution increases drastically.

References

[1] C. Körner, R. F. Singer, Adv. Eng. Mater. 2000, 2 (4), pp. 159-165.
[2] C. Körner, in Integral Foam Molding of Light Metals – Technology, Foam Physics and Foam Simulation, Springer, Berlin, Heidelberg, Germany 2008.
[3] H. Wiehler, C. Körner, R. F. Singer, Adv. Eng. Mater. 2008, 10 (3), pp. 171-178.
[4] J. Hartmann, A. Trepper, C. Körner, Adv. Eng. Mater. 2011, 13 (11), pp. 1050-1055.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast>

Improving High Pressure Die Casting Designs

Improving High Pressure Die Casting Designs

The content for this article was contributed by Mark Littler of Littler Diecast Corporation.

고압 다이캐스팅 생산 업체인 Littler Diecast Corporation은 최근 우주 항공분야에서 전기 스위치 프레임을 재설계하고 다이캐스팅할 수 있었습니다. 이전에는 다른 제조업체에서 생산했기 때문에 많은 수의 주조에 결함 문제가 있었고 스크랩 비율을 낮추기 위해서는 새로운 디자인이 필요했습니다. Littler Diecast는 문제에 대한 사전 지식없이 시뮬레이션을 통해 결함을 찾아낼 수 있음을 입증할 수 있었습니다. 이것은 고객들이 그들에게 일을 맡길 수 있을 만큼 충분한 감명을 주었습니다.

Identifying the Problem

스위치는 A380 알루미늄으로 만들어졌으며 크기는 약 1¼ x 1x 1/2 입니다. Littler Diecast는 다공성 문제가 판과 굴뚝의 두 부분에서 문제가 되고 있음을 발견했습니다. 이는 고객이 확인한 것입니다. 각 부분이 채워지는 길 때문에 구멍이 각 위치에 형성되었습니다. 이 흐름은 그림 1과 같이 하나의 게이트를 통해 들어 와서 플레이트의 먼 쪽으로 분사한 다음 다시 채워지며 조기 응고로 인해 항상 닫히지 않는 현상으로 나타납니다. 굴뚝에서도 같은 문제가 발견되었습니다. 유체가 가장 먼 곳으로 분사되고 다시 채워지면 분리선을 통해 배출될 수 없는 갇힌 공기가 생성됩니다.

X-ray of original part, showing porosity problems

Figure 1: Original design with a single gate. Plot colored by velocity magnitude..

Figure 2: Final design with three gates. Plot colored by velocity magnitude.

The Original Part Design

기존의 부품 설계에는 다른 문제가 있었습니다. lock washer와 플레이트 밑면의 밀봉된 표면주위에 많은 다이의 침식이 있었습니다. 부품 모서리에 있는 overflow는 결함이 흘러 나오기에 충분하지 않았습니다.

FLOW-3D를 사용하여 Littler Diecast는 유동의 거동을 분석하고 현상을 시각적으로 확인할 수 있었습니다. 이러한 분석으로 인해 조기 응고는 얇은 부분의 급속 냉각으로 인해 문제가 되었습니다. 만약 부품과 후면을 가로질러 유동이 흐른다면, 액체는 냉각되고 갇힌 공기를 만들어 낼 시간이 많이 필요합니다. 마지막으로 뜨거운 액체가 들어오는 것이 가장 좋습니다. 이를 염두에 두고 Littler Diecast는 여러 가지 아이디어를 테스트하고 문제의 가능성을 최소화하고 프로세스 창을 극대화 한 디자인을 달성했습니다.

The Final Part Design

세 가지 주요 설계 변경 후 부품 품질이 크게 향상되었습니다. 첫째, 게이트와 러너를 세 개의 게이트를 통해 들어갈 수 있도록 재설계하였습니다. 이것은 큰 오버플로를 생성하는 두 번째 설계 변경과 함께, 온도가 가장 높은 유체가 마지막으로 들어갈 수 있으며 플레이트에 역류가 훨씬 적다는 것을 의미했습니다. 셋째, 진입 각도와 게이트 위치가 변경되어 역류를 방지하는데 도움이 되었습니다.

또한, 이 새로운 디자인은 공구에서 다이의 침식될 수 있는 가능성을 줄였습니다. 대신 유체는 굴뚝의 중심구멍에 사용된 코어 핀 위로 분사됩니다. 코어 핀은 금형 강철을 수리하는 것보다 훨씬 쉽고 빠르게 교체할 수 있습니다. 이러한 금형 설계 변경은 새로운 금형을 절단하기 전에 이루어졌으며 금형 제작이 완료된 후에 문제가 발견되면 비용이 많이 드는 프로세스를 제거하였습니다.

Physical Verification

생산 도구의 시운전 후 Littler Diecast는 short shots, x-rays 및 파괴 테스트를 통해 설계 변경 사항을 확인할 수 있었습니다. short shot은 균형 잡힌 러너를 보여 주었으며 엑스레이에는 다공성이 보이지 않았습니다. 파단 테스트는 공극이 없는 일정한 결정립 조직을 보여 주었고, 파손은 재료의 강도 때문이 아니라 주조 결함 때문인 것으로 나타났습니다.

X-rays at different angles of a sample final part that was picked up from the shop floor.

Learn more about the versatility and power of modeling metal casting processes with FLOW-3D Cast >

Investigation of Mould Leakages in a Gravity Casting

Investigation of Mould Leakages in a Gravity Casting

This article was contributed by Gabriele Taricco of CM Taricco and Stefano Mascetti of XC Engineering.

Metal leakages in the original gravity casting mould

몰드 설계는 유체 역학과 금속 응고 패턴뿐만 아니라 주형 자체에서 발생할 수 있는 문제와 응력에 대한 반응을 고려해야 하는 매우 복잡한 작업입니다. 이탈리아에 본사를 둔 주형 제작 업체인 CMTaricco 사는 최근에 새로운 주형 중 하나의 하부에서 금속 누출 문제에 직면했습니다. 주형 누출의 원인은 처음에는 분명하지 않았으며 몇 번의 공정 주기 후에만 나타났습니다. 제작 일정에 차질이 생기고 부품 주조 비용이 급격히 증가하기 때문에 문제가 중요한 것은 분명했습니다.

Investigation of an idea

공정 자체는 주입과 오버플로우 설계인 중력 주조 방식이었기 때문에 유체 역학 부분에서는 문제가 발생할 수 없었습니다. GabrieleTaricco (CMTaricco의 소유주)의 가설은 금속 누출이 주형의 열 손실의 설계 불량에서 기인하여 균일하지 않은 분포를 초래한다는 것이었습니다. 변형률과 그에 따라 주형 바닥에서 크고 원하지 않는 변형이 순환하면서 금속이 유출될 수 있는 중요한 영역의 개방까지 주기적으로 시행되었습니다. 이를 확인하고 문제에 대한 신속한 해결책을 찾기 위해 FLOW-3D시뮬레이션을 실행하여 주형이 가열될 때 발생하는 현상을 정확하게 파악했습니다.

Schematic of a critical area where metal was flowing out of the mould

A careful setup, to achieve a fast resolution of the issue

문제의 원인은 신속하게 파악할 수 있어야 했기 때문에 최신 Flow-3D기능을 모두 활용하여 정확한 설정이 필요했습니다. 특히, 채택된 meshing기법은 전통적인 설정과 거의 동일한 정확도를 유지하면서 전산 셀의 수를 크게 줄이는데 매우 도움이 되었습니다. 빠른 시뮬레이션으로 주형 세척에 사용된 첫 번째 방법은 주형 내부의 얇은 캐비티를 직교 축과 정렬하기 위해 주형을 수직 축 주위로 회전시키는 것이었습니다.

Rotating the mould around the vertical axis in order to align the inner thin cavity of the mould

두 번째 트릭은 내부 공동 (얇은 벽)에 new conformal mesh기능을 사용하는 한편 전체 도메인에 대해 기존의 더 큰 메쉬 블록을 유지하는 것 이었습니다. The conformal mesh는 open volume과 일치하고, 작은 간극을 갖는 cavity로 제한됩니다.

A global view of the mould with cores and its alignment with the mesh blocks

마지막으로, 외부 공간을 주형에 제한하기 위해(현재 구두 상자 모양이 되고, 20도 회전하며, 모델 축과 정렬상태) 일부’ 도메인제거’ 요소가 사용되었습니다.즉, FLOW-3D의 내부 솔리드 모델을 통해 직접 연결됩니다

Domain removing components (yellow) were used to limit the space externally to the mould.

나머지 설정은 소프트웨어의 권장 기본값 대부분을 이용하여 기존 체계를 따랐습니다. 이러한 기능과 FLOW-3D의 새로운 하위 도메인 분해 기능 덕분에 설계된 9 000 000 셀을 유체 하위 도메인의 경우에만 1 840 000 셀로, 고체 서브 도메인의 경우 2 430 000 셀로 줄이는 것이 가능했습니다.

The analysis

주입 시뮬레이션 후, 양호한 주입 패턴을 보장하기 위해 시뮬레이션의 초점이 열 다이 사이클링 분석으로 리디렉션 되었습니다. 이 경우 설정은 일반 데스크 톱 컴퓨터에서 10개의 생산 사이클을 재현하는 데 1시간이면 간단하고 빠릅니다(i7930 K, 상업적 가치 1500달러). 그 결과 CM의 초기 가설이 확인되었습니다. FlowSight를 사용하여 단일 이미지에서 여러 시점과 횡단면에서 온도 필드를 관찰한 결과 온도가 d라는 것이 분명했습니다. 주형의 침입은 예상되는 변형과 금속 누출을 쉽게 유발할 수 있습니다.

Simulation of the mould’s temperature during the die cyclings

Further analysis with the Fluid-Structure Interaction module

일단 문제가 확인되고 기술 요원이 향상된 금형 설계를 시작하면 CM Taricco는 다이 상의 응력 및 변형에 대한 FEM 해석을 실행하는 최종 확인을 원했습니다. 이 분석을 수행하기 위해 XC Engineering Srl은 CM이 계산을 설정하고 수행하는 것을 도왔습니다. 분석의 결과는 정확히 CM이 생각하고 있는 것을 보여주었습니다. FLOW-3D는 붓기가 거의 걸리지 않은 금형에서 발견 된 실제 변형과 동일한 위치와 크기를 극도의 정확도로 재현 할 수 있었습니다. 이것은 CM에 대한 좋은 소식이었으며, 실제 주조 조건을 기반으로 실제 금형 변형을 예측하기 위해 설계 단계에서 FSI 모듈을 사용하는 추가 권장 사항을 시행했습니다.

Deformation of the mould during the die cyclings, simulated using the Fluid Structure Interaction model. Deformations are amplified x20.

Conclusion

해석결과, CM직원은 CFD솔루션의 온도영역에 대한 모든정보를 사용하여 최적화된 새로운 주형을 설계할 수 있었습니다. 새로운 주형은 열 에너지를 보다 효율적인 방법으로 방출할 수 있었으며 주조물은 수 십번의 공정 주기 후에도 금속 누출의 영향을 받지 않았습니다.

The cast part after mould optimization. No critical leak defects are present.

CFD + Physical Modeling Results

CFD + Physical Modeling Results

This material was provided by Kevin Sydor, M.Sc., P.Eng., Section Head, Hydrotechnical and Oceanographic Studies, Water Resources Engineering; Manitoba Hydro; Joe Groeneveld, Western Canada Discipline Practice Lead – Hydrotechnical, Hatch Ltd.; Graham Holder, Consultant, LaSalle; D.G. Murray, P.Eng., M.Sc., Discipline Practice Lead – Hydrotechnical, Hatch Ltd.

10년이 넘는 기간 동안 Manitoba Hydro는 Flow-3D의 힘으로 수력 발전소 설계의 복잡성을 해결해 왔습니다. 최근 Manitoba Hydro는 급류, 다중 채널, 그리고 natural contours을 포함한 복잡한 장소에서 제안된 Keeyask생성에 대한 사전연구에 집중해 왔습니다. FLOW-3D사용 이전에는 초기 설계를 토대로 시뮬레이션과 물리적 모델링의 결합 결과가 서로의 성능을 검증하고 향상시키는 통합 연구를 수행했습니다.

Water velocities (m/s) as determined in CFD simulation at left, compared with photo of physical model in operation at right, for Stage 1 Cofferdam operation at a construction length of 450m.

실제 발전소와 제철소를 건설하기 위해서는 두 단계의 강 유역이 필요했습니다. Manitoba Hydro는 임시 코퍼 댐 건설 중 물리적 조건이 변화함에 따라 다양한 지역에서의 수위와 속도가 어떻게 변할 것인지를 추정하는 시뮬레이션을 수행했습니다. 그런 다음, 그들은 연안 공사, 우회 구조, 하천 폐쇄 및 배수로의 1/120 축척모델에서 측정된 결과와, 배수로 구역의 1/50 축척모델에서 측정된 결과를 비교했습니다. 1/120 축척모델의 연산에서 관찰된 수치는 수정되었고, CFD시뮬레이션 내 경계 조건을 나타내는 STL모델의 변경 사항으로 세부 사항이 피드백 되었습니다. 여러 가지의 상세한 공정은 물리적 축척 모형의 거동을 약 5%이내에서 예측했을 뿐만 아니라 공사비를 절감할 수 있는 설계 변경 사항도 찾아냈습니다.

Setting up and Calibrating the CFD Model

Simulation of final Keeyask spillway structure, verifying water velocities (m/s) to compare with physical scale model operation.

CFD모델은 약 3km x 2km의 영역을 커버하였으며, 탐지 속도 경계로 설정된 경계 조건을 통해 상류 쪽으로의 흐름을 제어하고 하류 쪽 끝의 지속적인 유출 경계를 설정하였습니다. 설계자들은 교각, 교대, 여수로 구조 및 코퍼댐과 같은 기하학적 객체의 STL AutoCAD파일을 가져와 물리적 경계를 나타낸 다음 매개 변수를 정의 했습니다.

강 급류의 특성과 레일 통로의 평행 부분을 통해 생성되는 예상 유량 범위를 모두 수용하기 위해 CFD모델이 다시 정규화되도록 설정되었습니다. 일반화된 최소 잔류 방법에 기초한 회전 난류 모드 및 implicit의 압력-속도 솔버를 설정했습니다. 메쉬는 데카르트 좌표로 설정되었고 보다 정밀한 메쉬 처리가 필요한 영역에서 grid를 다듬기 위해 중첩된 메쉬 블록을 사용했습니다. 배수로 구조 주위 영역의 격자 간격은 1m x 1m x 1m로 설정되었습니다. 즉, 배수로 및 배수로 용마루의 형상을 포함하는 데 필요했던 것입니다.

시뮬레이션의 목적은 건설 일정상 다양한 지점에서의 방전 용량, 수위, 속도 및 흐름 패턴, 다양한 위치, 경로 게이트(부분에서 완전히 열림)등을 추정하는 것이었습니다. 이 계산된 값들은 코페르담 건축에서 암석 덩어리에 필요한 돌의 크기를 결정하는데 중요합니다. 건축의 모든 단계에서 그들을 제자리와 하류로 이동시키는 항력에 저항할 만큼 암석들은 충분히 커야 합니다.

Excellent agreement in flow-rate prediction of spillway behavior between numeric and measured physical model values.

Physical Modeling

수력 발전소 설계로 인해 처음에는 제대로 하지 못하는 일이 너무 많습니다. 중요한 지형에서의 용량, 압력, 속도 및 배수로 게이트 동작(완전 개방)을 검증하기 위해서는 중요한 흐름 영역의 규모 물리적 모델을 구축해야 합니다. Manitoba Hydro는 LaSalle Consulting Group에 1/120 스케일의 하나의 포괄적 인 레이아웃과 1/50 스케일의 2 개의 전체구역과 2 개의 절반 구역을 가진 방수 모델을 구축할 것을 요청했습니다.

Integrated Modeling Results

실제 모델의 크기에 대한 힘의 이동 관계를 살펴보면, 바위 크기 예측에 대한 시뮬레이션은 약간 보존적입니다. 그러나 초기 수위 데이터 곡선은 시뮬레이션과 물리적 모델 행동 사이에 일치를 보여주었고 추가 시험을 위한 단계를 설정했습니다. 모델에서 코퍼댐이 서서히 생성됨에 따라 후속 수위 CFD시뮬레이션 결과를 정확하게 예측했음을 보여주었습니다.

완성된 코퍼댐의 테스트에 따르면 제어 구조가 아닌 채널 입구에서 흐름이 제어되고 있는 것으로 나타났습니다. 이것은 원하는 것보다 높은 상류수위가 나타났습니다. 접근 채널의 입구를 낮추도록 물리적 모델을 재구성하여 CFD에 사용된 고도를 반영했습니다. 출입구가 더 낮게 발굴되어, 수로의 왼쪽 둑을 따라 굴착하는 것은 입구 근처의 작은 지역에서만 필요했습니다.

Conclusion

Manitoba Hydro는 CFD모델링이 미래의 수력 발전소뿐만 아니라 Keeyask 발전소의 건설과 운영을 계획하는 데에도 여러 가지 이점을 제공한다는 사실을 발견했습니다 두 가지 접근법의 결과간에 매우 잘 일치했을 뿐만 아니라 FLOW-3D 시뮬레이션과 스케일 모델 테스트를 결합하면 두 가지 설계 옵션의 유효성을 개선하는 반복적 인 방법이 제공되었습니다. 또한 시뮬레이션을 통해 사용자는 실제 사용할 수 있는 값의 수가 제한되어 있지 않고 CFD모델 도메인 내의 어디서나 속도, 수위 및 유량을 쉽고 빠르게 추출할 수 있습니다.

Continuous Casting

Continuous Casting

연속 주조는 용강이 반제품 빌렛, 블룸 또는 슬래브로 응고되어 후속 압연기에서 압연하는 공정입니다. 연속 주조시, 용강은 레들에서 주조기로 이송됩니다. 주조 작업이 시작되면 레들의 바닥에 있는 슬라이딩 셔터가 열리고 철강은 제어된 속도로 턴디쉬 안으로 그리고 턴디쉬에서 하나 이상의 주형으로 흐릅니다.

1950 년대에 연속 주조가 도입되기 전에 철강은 고정 금형에 붓고 잉곳을 성형했습니다. 그 이후로 지속적인 주조는 수율, 품질, 생산성 및 비용 효율성을 향상시키기 위해 발전해 왔습니다. 주조 회사는 공정 개선을 위해 항상 노력하고 있으며, FLOW-3D CAST를 사용한 시뮬레이션은 물리적 시행 착오없이 비용을 절감할 수 있는 기회를 제공합니다.

Semi-Continuous Casting of a 600 mm Slab with Stress Calculation

이 시뮬레이션에서는 600mm직경 슬래브의 반 연속 주조의 공정이 모델링 됩니다. 액체 금속, A7050 합금은 세라믹 노즐을 통해 상단에서 들어가 흑연 주형을 통과하고, 표면 열전달계수와 지정된 온도로 모델링 된 물 분무에 의해 냉각됩니다. 하단의 강철 캡은 금속의 이동을 시작하여 액체 금속이 유출되는 것을 방지합니다. 캡은 0.3mm/sec의 일정한 속도로 아래쪽으로 이동하는 General Moving Object 물리 모델로 모델링 됩니다. 열응력 해석 모델은 균일하지 않은 냉각 및 수축으로 인해 고상 금속에서 발생하는 응력 및 변형을 예측하는 데 사용됩니다. 이 애니메이션은 Von Mises stress 결과를 보여 주는데, 400배로 확대된 결과입니다.

Continuous Casting Simulations

Rotational channel continuous casting example.

Solid fraction contours of the continuous casting process of a cylindrical steed rod using the general moving object and solidification models.

A 2D axisymmetric slice showing transient solidification contours through the transition region during continuous casting of a cylindrical steel rod.

High Pressure Die Casting

High Pressure Die Casting

HPDC(High Pressure Die Casting)는 주조 시뮬레이션 소프트웨어의 가장 큰 당면 과제 중 일부입니다. FLOW-3D CAST는 사용자가 매우 정확한 TruVOF를 포함하여, 채우기 프로세스를 비판적으로 분석할 수 있도록 금형 채우기 시뮬레이션의 정확성을 크게 향상시키는 몇 가지 기능을 가지고 있습니다. 움직이는 금속 전면을 추적하기 위한 알고리즘과, 일반적으로 고압 다이캐스팅과 관련된 복잡한 형상을 정확하게 나타내는 FAVOR™ 또한 FLOW-3D CAST는 공기 침입, 미세 기공, 접힘 및 개재물 등의 결함을 탐지하기위한 수많은 모델을 보유하고 있습니다.

Thermal Die Cycling

수천개의 주물을 생산하기 위해 동일한 금형을 반복적으로 사용하기 때문에, 고압 다이캐스팅에는 열 다이 사이클 시뮬레이션이 필수적입니다. 금형의 뒤틀림으로 인해 금형 온도가 일정하게 유지되어 치수 불안정을 초래합니다. FLOW-3D CAST를 사용하면 다이 가열, 분사 및 공기 블로우-오프 효과와 냉각 채널 및 삽입물의 위치를 적절하게 예상해서 온도 분포 결과가 정확하고 효과적일 수 있습니다

Shot Sleeve Optimization

고압 다이캐스팅 시, 샷 실린더는 용탕을 신속하게 금형 안으로 밀어 넣습니다. 수평 방향으로 향하여, 용탕은 상단의 주입구를 통해 그 안으로 주입되고 피스톤은 용탕을 실린더 아래로 밀어낸다. 올바르게 설계된 샷 슬리브 프로파일의 목적은 용탕을 금형에 최대한 빨리 밀어 넣어, 불완전하거나 결함 있는 주입을 유발하는 조기 응고를 방지하는 것입니다. 그러나 피스톤이 너무 빠르게 움직이면 용탕이 접혀 최종 주조 부품에 내부 결함으로 나타날 수 있는 공기가 갇힙니다.

FLOW-3D CAST를 사용하여 몇 분 내에 여러 샷 프로파일을 계산할 수 있습니다. 여기에 표시된 것은 두가지 샷 프로파일의 시뮬레이션입니다. 일정한 속도의 2단계 프로세스와 FLOW-3D CAST내에서 상당한 차이를 보이는 점진적 가속 데이터로 계산된 또 다른 것입니다.

Filling Simulations

가장 복잡한 고압 다이캐스팅 문제는 용탕이 고압에서 고속으로 금형 내부로 들어갈 때 용탕을 정확하게 추적하는 것입니다. 이로 인해 용탕이 공동 현상에 튀는 것은 소프트웨어의 결함 예측에 상당한 어려움을 겪게 됩니다. TruVOF 방법을 사용하면 게이트의 위치를 파악하여 최적의 흐름 패턴, 오버 플로우의 위치 및 초기 응고 현상과 결함 여부를 확인할 수 있습니다.

Modeling Solidification

FLOW-3D CAST는 엔지니어가 최종 부품의 품질에 영향을 미칠 수 있는 내부 다공성의 형성을 조사하는 데 도움이 됩니다. 또한 FLOW-3D CAST를 사용하면 이종 합금의 편석에 대한 조사가 가능합니다. 마지막으로, 온도 이력에 대한 자세한 설명을 통해 냉각 라인을 추가해야 하는지 또는 추가해야 하는지 여부와 초기 금속 온도를 변경해야 하는지 여부를 판단할 수 있습니다. FLOW-3D CAST를 통해 엔지니어는 내부 기공, 열응력 및 이종 합금 편석의 형성 여부를 조사할 수 있습니다.

High Pressure Die Casting Simulations

FLOW-3D 해석용 컴퓨터 안내 – 2018년 2분기 업데이트

FLOW-3D 수치해석용 컴퓨터 선택 가이드

수치해석을 하는 엔지니어들은 사용하는 컴퓨터의 성능에 무척 민감합니다. 그 이유는 수치해석을 하기 위해 여러 준비단계와 분석 시간들이 필요하지만 당연히 압도적으로 시간을 소모하는 것이 계산 시간이기 때문일 것입니다.

따라서 수치해석용 컴퓨터의 선정을 위해서 단위 시간당 시스템이 처리하는 작업의 수나 처리량, 응답시간, 평균 대기 시간 등의 요소를 복합적으로 검토하여 결정하게 됩니다.

또한 수치해석에 적합한 성능을 가진 컴퓨터를 선별하는 방법으로 CPU 계산 처리속도인 Flops/sec 성능도 중요하지만 수치해석을 수행할 때 방대한 계산 결과를 디스크에 저장하고, 해석결과를 분석할 때는 그래픽 성능도 크게 좌우하기 때문에 SSD 디스크와 그래픽카드에도 관심을 가져야 합니다.

현재 고성능컴퓨터는 장기적인 전망으로 보는 Quantum Computing, DNA-based Computing, Optical Computing 등의 미래의 컴퓨팅 기술과 단기적인 고성능 컴퓨터 기술인  Symmetric -Multi Processing 기술과 MPP(Massively Pallel Processing)기술이 일반화되고 있습니다. (아래 그림 참조)

일반적으로 슈퍼컴퓨터로 불리는 고성능 HPC는 규모가 큰 운영관리시설과 전문인력이 필요하고 매우 고가이기 때문에, 실제 업무를 수행하는 대부분의 기업이나 기관에서는 단일 SMP 컴퓨터를 많이 사용하고 있습니다.

FLOW-3D에 적합한 일반적인 최소 권장사양은 아래 사양을 참고하시면 됩니다.

다만, 가능하면 최신 CPU의 고성능, 저전력 등 최신기술이 반영된 제품을 선택하는 것은 언제나 투자비와 연관되어 있기 때문에 항상 고민의 대상인 것은 틀림없는것 같습니다.

1) Processors

– FLOW-3D는 x86-64 (Intel/AMD) 프로세스를 지원합니다.

CPU는 전반적인 성능에 큰 영향을 미치며, 대부분의 경우 컴퓨터의 가장 중요한 구성 요소입니다. 그러나 데스크탑 프로세서를 구입할 때가되면 인텔과 AMD의 모델 번호와 사양이 어려워 보일 것입니다.
그리고, CPU 성능을 평가하는 방법에 의해 가장 좋은 CPU를 고른다고 해도 보드와, 메모리, 주변 Chip 등 여러가지 조건에 의해 성능이 달라질 수 있기 때문에 성능평가 결과를 기준으로 시스템을 구입할 경우, 단일 CPU나 부품으로 순위가 정해진 자료보다는 시스템 전체를 대상으로 평가한 순위표를 보고 선정하는 지혜가 필요합니다.

부동소숫점 계산을 하는 수치해석과 밀접한 Computer의 연산 성능 벤치마크 방법은 대표적으로 널리 사용되는 아래와 같은 방법이 있습니다.

SPECfp 벤치 마크
https://en.wikipedia.org/wiki/SPECfp참고로 “SPEC CPU2017” 성능평가 기준으로 평가된 2018년 2분기 성능평가 목록은 아래 사이트에서 확인할 수 있습니다.
https://www.spec.org/cpu2017/results/res2018q2/

LINPACK 벤치 마크
https://en.wikipedia.org/wiki/LINPACK_benchmarks

2) Operating Systems

64-bit Windows 7, Windows 8, Windows 8.1, Windows 10, Windows Server 2008, and Windows Server 2012

64-bit Red Hat Enterprise Linux 6, Red Hat Enterprise Linux 7 and SUSE 11*

Windows 및 Linux에 대한 시뮬레이션 시간은 대등합니다. 사용자가 사용하기 편리한 운영 체제를 선택하면 됩니다.

3) Graphics Support

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 필요합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. FlowSight는 DirectX 11 이상을 지원하는 그래픽 카드에서 가장 잘 작동합니다. 권장 옵션은 엔비디아의 쿼드로 K 시리즈와 AMD의 파이어 프로 W 시리즈입니다. 엔비디아의 GTX 게이밍 하드웨어는 볼륨 렌더링의 속도가 느리거나 오동작 등 몇 가지 제한 사항이 있습니다. 일반적으로 노트북에 내장된 통합 그래픽 카드보다는 개별 그래픽 카드를 강력하게 추천합니다. 최소한 그래픽 메모리는 512MB 이상을 권장합니다.

4) Memory and Processor Speed

프로세서 코어 당 최소 2GB의 RAM을 권장합니다. 예를 들어, 두 개의 6 코어 CPU가 있을 경우 워크스테이션의 메모리는 최소 24 GB가 있어야합니다. 필요한 RAM의 양은 해석 대상 문제에 매우 의존적입니다. 큰 도메인 또는 복잡한 형상에서 좋은 해상도를 원하는 시뮬레이션은 필요한 최소한 RAM보다 훨씬 더 많은 RAM이 필요합니다. 메모리 속도는 시뮬레이션 시간에 영향을 적게 받지만 통상적으로 1333MHz 또는 1600 MHz이면 충분합니다.

5) HDD

수치해석은 해석결과 데이터 양이 매우 크기 때문에 읽고 쓰는데 속도면에서 매우 빠른 SSD를 적용하면 성능면에서 큰 도움이 됩니다. 다만 SSD 가격이 비싸서 가성비 측면을 고려하여 적정수준에서 결정이 필요합니다.
그리고 SSD를 선택할 경우에도 SSD 종류 중에서 PCI Express 타입은 매우 빠르지만 가격 또한 매우 고가이므로 예산 범위내에서 선택을 고민해야 합니다.

기존의 물리적인 하드 디스크의 경우, 디스크에 기록된 데이터를 읽기 위해서는 데이터를 읽어내는 헤드(바늘)가 물리적으로 데이터가 기록된 위치까지 이동해야 하므로 이동에 일정한 시간이 소요됩니다. (이러한 시간을 지연시간, 혹은 레이턴시 등으로 부름) 따라서 하드 디스크의 경우 데이터를 읽기 위한 요청이 주어진 뒤에 데이터를 실제로 읽기 까지 일정한 시간이 소요되는데, 이 시간을 일정한 한계(약 10ms)이하로 줄이는 것이 불가능에 가까우며, 데이터가 플래터에 실제 기록된 위치에 따라서 이러한 데이터에의 접근시간 역시 차이가 나게 됩니다.

하지만 HDD의 최대 강점은 가격대비 용량입니다. 현재 상용화되어 판매하는 대용량 HDD는 12TB ~ 15TB가 공급되고 있으며, 이는 데이터 저장이나 백업용으로 가장 좋은 선택이 됩니다.
결론적으로 데이터를 직접 읽고 쓰는 드라이브는 SSD를 사용하고 보관하는 용도의 드라이브는 기존의 HDD를 사용하는 방법이 효과적인 선택이 될 수 있습니다.

컴퓨텍스 2018에서 소개된 강력한 PC 하드웨어 소개

고성능 컴퓨팅(HPC)

고성능 컴퓨팅(HPC)는 과학, 공학 또는 거대한 비지니스 요구 사항들을 해결하기 위해 일반적인 데스크탑 컴퓨터나 워크스테이션보다 훨씬 더 높은 성능을 발휘하도록 컴퓨팅 파워를 결합하는 것을 의미합니다.
시뮬레이션이나 분석과 같은 HPC 워크로드는 계산, 메모리 사용 및 데이터 관리가 매우 중요합니다.
클러스터나 슈퍼컴퓨터라고도 불리는 일반적인 HPC 시스템은 고속의 네트워크에 연결된 다수의 서버를 이용한 확장을 통해 여러 애플리케이션들을 병렬 실행하도록 설계됩니다.
HPC 시스템에는 관련 소프트웨어, 도구, 구성요소, 스토리지 및 서비스가 포함된 경우가 많습니다.

고성능 컴퓨팅은 일반적으로

– 100Gbps의 초고속 네트워킹
– 확장 가능한 고성능 스토리지
– 고성능 컴퓨팅 소프트웨어 스텍 (최근에는 거의 Linux가 대세로 자리 잡음)
– 에너지 효율성
– GPU 가속지원

등이 핵심 성능지표로 개발됩니다.

HPC와는 스케일 규모면에서는 차이가 많지만 단일 컴퓨팅 기반에서 뛰어난 성능을 발휘하는 고성능 PC 하드웨어를 중심으로 전세계의 최신 컴퓨터 기술을 소개하는 컴퓨덱스에서 발표된 2018년 PC 기반 하드웨어 소개의 일부 기사를 소개합니다.

컴퓨텍스 2018에서 소개된 강력한 PC 하드웨어 소개

본 기사는 PCWorld 및 itworld에서 부분 발췌된 내용입니다.

컴퓨텍스 2018에서는 게이밍이 뜨겁다.
PC의 핵심 칩들이 크게 발전하면서 성능을 크게 높였다.

스레드리퍼(Threadripper) 2 인텔의 발표 직후, AMD는 32코어 64스레드 플래그십인 스레드리퍼 2를 소개하면서 코어 전쟁에 불을 붙였다. 새 24코어 CPU도 출시되며 새 칩들은 2세대 라이젠(Ryzen)과 같은 기본 기술에 기초하여 개발되었다. 또한 AMD는 쿨러 마스터와 협력하여 32코어의 온도를 관리할 수 있는 거대한 공냉식 쿨러인 레이스 리퍼(Wraith Ripper)를 제작했다.

AMD를 전격 채용한 에이서 헬리오스(Acer Helios) 500 컴퓨텍스에서 AMD의 기술이 예상치 못한 곳에서 공개되었다. AMD를 전격 채용한 이 모델에는 6코어 12스레드 라이젠 7 2700 데스크톱 프로세서뿐만이 아니라 라데온 베가(Radeon Vega) 56 그래픽이 탑재되어 있으며, 외장 베가 GPU가 탑재된 노트북은 이번이 처음이다. 에이서는 이 노트북에 144Hz 프리싱크 디스플레이를 매치하여 베가의 성능을 최대한 발휘할 수 있도록 했다.

MSI 노트북(치터(Cheater) 모드 적용) MSI는 컴퓨텍스에서 모든 가격 대의 노트북을 선보였다. MSI가 엔비디아 GTX 1050 그래픽을 내장한 프레스티지(Prestige) PS42가 있다. 매우 인상적일 것이며 기록을 달성할 수 있을지 기대된다. 보급형의 경우 MSI GF63은 999달러란 저렴한 가격에 6코어 8세대 인텔 코어 CPU와 GTX 1050이 내장되어 있다.

독특한 에이수스 노트북 에이수스는 컴퓨텍스에서 프로젝트 프리코그 외에도 혁신적인 하드웨어를 선보였다. 또한 기본적으로 트랙패드(Trackpad)를 상황에 따라 PC용 보조 화면으로 변신시키는 “스크린패드(ScreenPad)” 기술이 포함된 젠북 프로(ZenBook Pro) 15의 새로운 버전을 공개했다.

2017년 수치해석 분야에 기대되는 최신 컴퓨터 소식

수치해석을 하는 많은 분들은 대부분 시간과의 전쟁을 치루고 있습니다.
좀 더 빨리, 좀 더 상세한 결과를 얻어야 하기 때문에, 많은 분들이 예산이 허락하는 한 성능 좋은 컴퓨터를 확보하는 것이 최대의 목표가 되고 있습니다.

한 동안 AMD가 인텔의 경쟁자로 존재하면서 두 회사는 선의의 성능 경쟁을 치열하게 전개해 왔는데, AMD가 서서히 경쟁력을 잃고 있다가 최근에 젠 CPU를 통해 다시 경쟁에 불을 지피고 있습니다.
여기에 두 회사의 최신 주력 CPU 의 내용을 기사에서 인용하여 소개합니다.

인텔, 18코어 36스레드 갖춘 코어 i9 칩 발표 “AMD 쓰레드리퍼와 전면전” (기사 출처 : itworld)

인텔이 코어 i9을 무기로 본격적인 AMD와의 전쟁에 돌입했다. 인텔은 30일 대만 컴퓨텍스에서 하이엔드 PC시장에서 AMD의 16코어 32스레드 스레드리퍼(Threadripper)와 경쟁할 18코어 36스레드의 ‘몬스터 마이크로프로세서’를 발표했다.

이 프로세서에는 코어 i9 익스트림 에디션 i9-7980XE라는 이름이 붙었다. 첫 번째 테라플롭(Teraflop) 데스크톱 PC프로세스로 아주 고가이다. 올해 말 출하되는 프로세서의 가격은 1,999달러이다. 한 단계 낮은 코어 i9 제품군 제품들은 가격이 조금 더 저렴하다. 10코어, 12코어, 14코어, 16코어로 구성된 코어 i9 X 시리즈 가격은 999~1,699달러 사이다. 모두 스카이레이크 기반 프로세스이며, 기존 브로드웰-E보다 높은 성능을 제공한다. 인텔에 따르면, 싱글스레드 앱은 15%, 멀티스레드는 10% 빠르다.

인텔은 ‘베이진 폴스(Basin Falls)”라는 코드 네임을 가진 코어 i9 X 시리즈가 너무 비싼 사람들을 위해 3종의 새로운 코어 i7 X 시리즈 칩(339~599달러)과 1종의 쿼드 코어 코어 i5(242달러)도 공개했다. 인텔은 몇 주 이내에 신제품 칩을 출하할 예정이라고 설명했다.

대부분의 코어 i9칩에 터보 부스트 맥스 기술 업데이트(Updated Turbo Boost Max Technology) 3.0이 탑재될 예정이다. 터보 부스트 맥스는 칩이 최고의 코어 2개를 파악하고, 필요할 때 가변적으로 속도를 높여 오버클러킹을 하는 기능이다. 옵테인 메모리도 지원한다. 인텔은 130개 이상의 옵테인 지원 메인보드가 출시될 예정이라고 설명했다.

신제품 165W, 140W, 112W 칩은 역시 새로운 소켓인 R4에 맞춰 설계되어 있다. 2,066핀 LGA 소켓과 호환되는 인텔 칩셋은 X299가 유일하다.

다시 한번, 인텔과 AMD가 제대로 한 판 붙을 전망이다. 둘 중 누가 승리할지 지켜보는 사용자들의 관심도 뜨겁다. 인텔은 코어 i9을 발표하면서 하이엔드 시장에 공격적으로 접근했다. AMD도 스레드리퍼의 10코어, 12코어, 14코어 버전과 가격을 공개할 수밖에 없는 실정이다. 인텔이 먼저 패를 공개했다. 게임은 이제부터가 시작이다.

인텔의 새 코어 i9 칩은 모든 PC관련 제품이 전시되는 종합 전시회로 발전한 컴퓨텍스에서 가장 중요한 발표 중 하나로 꼽혔다. 기대되는 소식은 아직 많이 남아있다. 홍보 담당자에 따르면, 인텔 경영진이 차세대 10nm 칩인 캐논 레이크에 대해 발표할 예정이라고 한다. 기존 케이비 레이크 칩보다 30% 높은 성능을 자랑하는 제품이다.

또, HTC 바이브 VR 헤드셋을 WiGig 기술을 이용해 무선 연결하는 기술에 대해 더 자세한 정보가 발표될 계획이다. 인텔과 HTC는 지난 1월 CES에서 파트너십 체결을 발표했다. 인텔은 또 8월부터 컴퓨트 카드(Compute Card)를 출시한다고 발표할 계획이다.

코어 i9의 속도와 피드
클록 속도가 4GHz를 넘으면서, 제조업체들이 직면한 도전 과제는 추가된 코어를 모두 사용하는 방법을 찾는 것이었다. 앞서 링크된 기사에서 설명했듯, 하나의 프로세스 코어만 집중적으로 사용하는 게임들이 여전히 많다. 인텔은 게임 플레이는 물론, 게임에 이용하지 않는 다른 코어로 트위치나 유튜브 스트리밍을 인코딩하고, 더 나아가 백그라운드에서 음악도 재생할 수 있는 새로운 세대의 ‘스트리머(Streamer)’로 눈길을 돌렸다. 인텔은 이런 동시다발 작업에 ‘메가태스킹’이라는 명칭을 붙였다. 이 회사는 이를 갈수록 증가하는 코어 수에 맞게 ‘수요’를 유지하는 아주 좋은 방법으로 판단하고 있다.

이와 관련, X시리즈 마케팅 매니저인 토니 베라는 “게이머가 콘텐츠 창작자로 변모하는 추세”라고 강조했다.

제품 가격은 자연스럽게 최고 2,000달러로 아주 비싸고, 경제력이 있거나 기업의 후원을 받는 사용자만 최신 코어 i9 제품들을 구입할 수 있을 전망이다. 다음은 제품 별 가격과 코어, 스레드 수를 정리한 내용이다.

Core i9-7980XE: 18코어/ 36스레드, 1,999달러
Core i9-7960X: 16코어/ 32스레드, 1,699달러
Core i9-7940X: 14코어/ 28스레드, 1,399달러
Core i9-7920X: 12코어/ 24스레드, 1,199달러
Core i9-7900X (3.3GHz): 10코어/ 20스레드, 999달러

인텔은 또 한정된 예산에 제약 받는 사용자를 대상으로 3종의 새로운 코어 i7 X 시리즈 칩을 판매할 계획이다.

Core i7 7820X (3.6GHZ), 8코어/ 16스레드, 599달러
Core i7-7800X (3.5GHz), 6코어/ 12스레드, 389달러
Core i7-7740X (4.3GHz), 4코어/ 8스레드, 339달러
케이비 레이크 코어에 맞춰 설계된 i7-7740X를 제외한 모든 칩이 인텔의 ‘스카이레이크-X’에 기반을 두고 있다.

새 칩에서 가장 큰 관심을 끄는 기능은 터보 부스트 맥스 기술 업데이트 3.0이다. 고든 마 웅이 인텔 브로드웰-E 리뷰에서 설명한 것처럼, 터보 부스트 맥스 기술 3.0은 (칩에 따라 차이가 있지만) 최고의 코어를 식별한다. 그리고 CPU 집약적 싱글 스레드 애플리케이션을 이 코어로 연결해 전체 성능을 향상한다.
또, 최고의 코어 2개를 식별하고, 가장 CPU 집약적인 스레드에 할당한다. 더 많은 코어를 더 효과적으로 활용하는 게임과 애플리케이션에 도움을 주는 기능이다. 그러나 이 새로운 기능을 탑재하지 않은 칩도 있다. 새 6코어, 2종의 4코어 X시리즈 칩이 여기에 포함된다.

다음은 속도와 피드를 요약 설명한 표다.

오버클럭이 포인트
인텔은 새 X시리즈에 공냉 쿨러를 추천하지 않는다. 인텔은 165W와 140W의 새 칩이 방출할 열을 효과적으로 냉각시킬 수 있는 TS13X 쿨러를 판매할 예정이다.

TS13X는 PG(Propylene Glycol)을 이용, 열을 73.84-CFM 팬으로 보낸다. 이 팬의 소음은 21~35dBA이고, 회전 속도는 800~2,200rpm이다. 별도 판매될 TS13X의 가격은 85~100달러 사이이다.

인텔은 또 XTU(Extreme Tuning Utility)를 이용, 코어 당 오버클러킹과 전압 조절을 계속 지원할 계획이다. AVX 512 비율 오프셋, 메모리 전압 조절, PEG/DMI 오버클러킹 등 새 기능이 포함되어 있다.
또 ‘성능 튜닝 보증 서비스(Performance tuning protection plan)’를 제공할 계획이다. 이는 오버클로킹 사용자를 위한 일종의 ‘보험’이다. 칩이 고장 날 경우, 1회 교체를 해주는 보증 서비스이며, 두 번째부터는 유료로 진행된다.

데이터 전송 성능을 향상한 새 X299 칩셋
테라플롭급 연산력을 갖춘 PC의 경우, 다른 부품과의 데이터 전송 성능이 아주 중요하다. x299 칩셋은 최신 DMI 3.0을 도입해 SATA 3.0포트와 USB 포트 연결 대역폭을 2배로 증가시킨다. X299 칩셋에는 최대 8개의 SATA 3.0포트, 10개의 USB 3.0 포트가 장착되어 있다. 기존 X99 칩셋의 USB 3.0포트 수는 최대 6개였다.

브로드웰-E X99 칩셋은 8개의 PCIe 레인을 지원했었다. 그러나 X299은 최대 24개의 PCIe 3.0 레인을 지원한다. 고속 PCIe NVM3 드라이브 등 추가 PCIe를 CPU와 연결된 PCI3에 직접 연결할 수 있다. 코어가 10개 이상인 CPU의 경우, 최대 44개의 PCIe 3.0 레인을 이용할 수 있다.

X299는 속도가 빨라진 DDR4-2066을 지원한다. 그러나 어느 정도 RAM 용량을 지원하는지 확실하지 않다. 인텔은 캐시 계층(Cache Hierarchy)을 조정했다. 이를 통해 개별 프로세서 근처에 더 많은 캐시를 배치하는 방법보다 캐시 크기를 더 많이 줄일 수 있다. 인텔은 새로운 캐시의 ‘히트(Hit)’ 레이트가 더 높다고 설명한다. 칩 크기를 줄였지만 캐시 성능을 유지할 수 있었다는 의미이다.

이번 신제품 소식은 코어 i9, 코어 i7 X 시리즈 사용자 모두 크게 기뻐할 기능 및 성능 향상이다. 메인보드와 PC 제조사도 하이엔드 시장에서 수익을 증대하기 위해 코어 i9 제품들을 출시할 것으로 예상된다. 이번 주 컴퓨텍스에서 전해질 더 많은 소식에 사용자들의 관심이 쏠리고 있다. editor@itworld.co.kr

AMD 마이크로아키텍처 (기사 출처 : itworld)

AMD 라이젠 3월 2일 출시…코어 i7보다 가격도 성능도 “우세”

Mark Hachman | PCWorld

“40% 성능 향상”이라는 말은 보수적인 자체 평가였다. AMD는 첫 번째 라이젠 프로세서 3가지를 오는 3월 2일 출시할 계획이라고 밝혔다. 인텔 코어 제품군을 능가하는 성능으로 기대를 받고 있는 라이젠 프로세서는 가격도 절반 가까이 저렴하다.

22일 열린 라이젠 출시 행사에서 발표에 나선 AMD 임원들은 인텔 코어 i7을 공략하기 위한 세 가지 데스크톱용 CPU를 공개했다. 신형 라이젠 CPU는 여러 곳의 주요 메인보드 업체와 전문가용 맞춤형 PC 업체가 지원한다. 특히 AMD는 신형 라이젠 프로세서가 더 적은 비용으로 더 높은 성능을 제공한다는 점을 강조했다. 최고 성능 제품인 라이젠 7 1800X는 인텔의 1,000달러짜리 코어 i7-6900K의 절반에도 못 미치는 가격이지만, 성능은 더 뛰어나다.

인텔과 마찬가지로 AMD의 라이젠 프로세서 역시 역시 3가지 제품군으로 구성되어 있는데, 고급형 라이젠 7, 중급형 라이젠 5, 가장 저렴한 보급형 라이젠 3이 그것이다. AMD는 고성능 라이젠 7부터 먼저 출시하는데, 1800X(499달러), 1700X(399달러), 1700(329달러)의 세 가지 모델이다. 라이젠 5와 라이젠 3은 올해 하반기에 출시할 예정인데, 구체적인 출시 일정은 밝히지 않았다.

이번 행사 직전까지 공개되지 않은 라이젠 관련 정보는 가격과 정확한 출시일이었다. 애널리스트들은 AMD가 그간의 실책을 모두 개선한 것 같다고 평가했으며, 인텔은 자칫 기반이 되는 PC용 마이크로프로세서 시장의 점유율을 잃을 수 있는 위험에 처했다. 물론 인텔도 대응책은 있다. 가격 인하도 그중 하나일 가능성이 있고, 더 많은 코어를 가진 신제품이나 옵테인 기술을 적극 내세우는 것도 방법이 될 수 있다.

인텔이 지난 1월 케이비 레이크 칩 40가지를 대대적으로 출시한 것과는 달리 AMD는 서두르지 않고 있다. 이번에 출시된 라이젠 7 칩의 세부 사양을 살펴보자.

Mark Hachman

라이젠 7 1800X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.6GHz, 부스트 모드에서는 4GHz로 동작한다. 499달러 1800X의 대응 제품은 8코어 인텔 코어 i7-6900K로 무려 1,089달러짜리이다. AMD에 따르면, 1800X는 시네벤치 상에서 단일 쓰레드 점수가 162로 동점을 기록했다. 하지만 코어를 모두 구동하자 1,601점으로 6900K보다 9% 높은 점수를 기록했다.

라이젠 7 1700X. 95와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3.4GHz, 부스트 모드에서는 3.8GHz로 동작한다. AMD에 따르면, 399달러 1700X는 시네벤치 멀티코어 벤치마크 테스트에서 1,537점을 기록해 6900K보다 4% 높은 성능을 보였다.

라이젠 7 1700. 655와트 8코어 16쓰레드 프로세서로, 기본 클럭 속도는 3GHz, 부스트 모드에서는 3.7GHz로 동작한다. AMD에 따르면, 1700은 시네벤치 멀티코어 테스트에서 1,410점으로 339달러짜리 코어 i7 7700K보다 46% 더 높은 성능을 기록했다. 핸드브레이크 비디오 인코딩 테스트에서는 1700은 61.8초를, 7700K는 71.8초를 기록했다.

Mark Hachman

AMD에 따르면 라이젠 7 1700은 신형 레이스 스파이어(Wraith Spire) 쿨러를 기본 쿨러로 제공해 소음이 32데시벨에 불과하다.

라이젠의 눈에 띄는 성능 향상에는 설계팀의 역할이 컸다. AMD는 자사의 목표 중 하나가 젠 아키텍처의 클럭당 명령어 처리수(IPC, instructions per clock)를 40% 늘리는 것이라고 밝힌 바 있다. 그리고 실제로 AMD는 IPC를 52% 향상했다. CEO 리사 수는 “단지 목표를 맞춘 것이 아니라 크게 초과 달성했다”라고 강조했다. editor@itworld.co.kr

[공지]온라인 서버 교체 및 점검 안내

안녕하세요. ㈜에스티아이C&D입니다.

FLOW-3D 온라인 버전을 보다 안정적인 서비스를 제공하기 위해서 서버 장비 교체 및 점검을 할 예정입니다.

자세한 일정은 아래를 참조하여 주시기 바랍니다.

점검시간 : 1월26일(금) 오전10시~오후2시 (약 4시간 소요예정)

점검내용 : 서버 장비 교체 및 점검

점검 시간 동안에는 FLOW-3D 사용이 불가합니다.

사용자 분들의 양해를 부탁드립니다.

최대한 신속하게 장비 교체 및 점검을 완료할 수 있도록 노력하겠습니다.

감사합니다.

In order to provide more stable service, the server equipment will be replaced and checked.

Please see the schedule below for details.

– Inspection time: January 26 (Fri.) 10:00 am to 2:00 pm (It will take about 4 hours)

– What to check: Server equipment replacement and inspection

FLOW-3D can not be used during the inspection time. Thank you for your understanding.

We will endeavor to complete the inspection as soon as possible.

FLOW-3D CAST 사양

FLOW-3D CAST Feature

Active Simulation Control

실행중인 해석의 제어 파라미터는 History probes에서 사용자가 정의한 조건에 따라, 런타임 동안에 자동으로 변경 될 수 있습니다. History probes에 의해 기록된 시뮬레이션 변수는 경계 조건, mass source 및 General Moving Object 기능을 이용하여, 시간에 따른 개체의 동작을 제어하기 위해 사용될 수있습니다. 예를 들어, 고압다이캐스팅 해석에서 게이트에 설정한 History probes에 유체가 도달하면, 그 정보를 캡처하는 데이터 출력 주파수를 증가시켜 플런저의 속도를 고속으로 자동 전환 될 수있습니다. 고압다이캐스팅 해석은 유체가 게이트에 도달 할 때 자동으로 고속 전환됩니다. 이 프로세스는 새로운 실행 시뮬레이션 제어 기능을 통해 자동으로 진행됩니다. 저속 구간에서 플런저의 움직임은 trigger 슬리브의 용융물에 혼입되는 공기의 양을 최소화하기 위해 Barkhudarov 방법 1을 사용하여 계산됩니다. 이 결과는 훨씬 더 높은 품질의 주조품이 나올수 있도록 설계하는데 도움이 될 수 있습니다. Read the development note > Read the blog post >

Batch Postprocessing & Report Generation

Batch 후처리 및 보고서 생성은 해석 결과 분석시 사용자의 해석 처리 시간을 절약하기 위해 개발되었습니다. Batch 후처리는, 해석이 완료된 후, 사용자가 애니메이션, 시나리오, 그래프, 텍스트 데이터 시리즈를 정의하여 자동으로 생성되도록 할 수 있습니다. 그래픽 요청은 백그라운드에서 FlowSight를 실행하여 처리되도록 FLOW-3D Cast에 정의되어 있습니다. 원하는 해석 결과를 생성할 수 있는 컨텍스트 파일을 사용하면 Batch 후처리 기능을 사용할 수 있습니다. Batch 후처리가 완료되면, 사용자는 쉽게 자신의 관리자, 동료, 또는 클라이언트에 보낼 수있는 HTML5 형식의 완벽한 기능을 갖춘 보고서를 만들 수 있습니다. 이미지 및 동영상도 보고서에 포함 할 수 있고, 사용자는 텍스트, 캡션, 참고 문헌의 형식을 완벽하게 제어 하고 유지할 수 있습니다. Read the blog post >

Batch Postprocessing

Automatic Report Generation

Embed Videos in Your Reports

Metal Casting Models

Squeeze Pin Model

스퀴즈 핀은 주조시 주입 공급이 어려운 영역에서, 응고하는 동안 금속 수축을 보상하기 위해 사용되는 실제의 다이 캐스팅 머신의 동작을 모델링하는 해석을 할 수 있습니다. 스퀴즈 핀은 선택된 표면에 cylinderical squeeze pin을 추가하여, STL 파일 또는 대화식으로 생성 될 수 있습니다. Read the development note >

Intensification Pressure Model

새로운 플런저 타입 형상이 추가 되었습니다. 강화된 압력 조건으로 macro-shrinkage 와 micro-porosity 제거를 지정할 수 있습니다.

Thermal Die Cycling model

다이싸이클링 (Thermal die cycling, TDC) 모델에 새로운 두 가지의 단계가 추가되었습니다. 금형이 열린 상태에서 제품이 여전히 금형 내부에 있는 ejection 단계와, 금형이 닫혔지만 사출 바로전의 preparation 단계가 추가되었습니다. 또한, 마지막 싸이클만이 아닌 모든 금형 싸이클 모두 수렴된 결과를 전달하기 위해 TDC 솔버가 성능 손실 없이 최적화 되었습니다. Read the blog post >

Valves and Vents

밸브와 밴트의 외부 압력과 온도는 이제 사용자가 다이 캐스팅 공정에서 충진중에 보다 실제적인 동작을 정의 할 수 있도록, 시간의 표 함수로서 정의 할 수있습니다. 밸브 및 벤트의 압력 및 온도는 프로세스 설계 단계에서 유용한 제품 내부에 설정된 프로브에 의해 제어 될 수 있습니다.

PQ² Diagram

PQ2다이어그램의 사용은 사용자가 더 나은 슬리브의 플런저 실제 움직임과 유사하게 적용 할 수 있습니다. 새로운 기능은 실제 공정 변수가 아직 알려져 있지 않았을 때 다이캐스팅 설계 단계 중에 특히 유용합니다. Read the blog post >

Cooling Channels

냉각 채널은 금형 각각의 냉각 유로에 의해 제거되거나 추가된 열의 총량에 의해 제어 될 수 있습니다. Read the development note >

Air Entrainment Model

Air entrainment 모델에 compressibility를 입력하는 새로운 옵션이 추가되었습니다. 고압 다이캐스팅의 충진 공정과 같은 경우, 공기 압축성은 유체 압력의 변화로 인한 유체의 흐름에 중요한 인자가 됩니다.

Cavitation Model

캐비테이션 모델은 유동 조건의 더 넓은 범위에 걸쳐 유체의 캐비테이션 거동을 나타내도록 개선되었습니다. 캐비테이션 생성에 대한 새로운 옵션은 경험적 관계를 기반으로, 기존의 일정한 속도로 생성되는 방식에서 보완되었습니다. 새로운 passive gas model 옵션은 open bubbles이 아닌 유체내에 cavitationg gas를 추적하여, 계산에 필요한 격자와 계산시간을 줄일 수 있습니다. Read the development note >

Two-fluid Phase Change Model

Two-fluid phase change model 은 과냉각을 포함하도록 확장되었습니다. 일정한 과냉각 온도를 정의하고 가스 온도가 응축이 일어나기 전에 포화점 이하로 내려갈 수 있게 함으로써 구현됩니다.

Simulation Results and Analysis

Simulation Results File Editor

사용자가 FLOW-3D Cast v4.1 결과 파일들을 병합 및 제거 할 수 있는 편집 유틸리티

Linking flsgrf.* files

Restart 해석 결과 파일들(flsgrf.*)은 FlowSight 에서 하나의 연속적인 애니메이션 결과를 표시하기 위해 restart source 결과로 링크될 수 있습니다.

Fluid/wall Contact Time

A new spatial quantity has been added to the solution output that stores the time that metal spent in contact with each geometric component, as well as the time spent by each component with metal.

용탕이 각 geometry 컴포넌트를 접촉한 시간과 각 컴포넌트가 용탕과의 접촉 시간을 나타내는 새로운 공간적 양이 해석 아웃풋에 추가 되었습니다.

Performance and Usability

Calculators

열전달 계수, 열 침투 깊이, 밸브 손실 계수, 슬리브에 용탕량(깊이), 플런저의 속도를 계산할 수 있는 Calculators 기능이 Model Setup 창에서 바로 가능해졌습니다. 또한 유틸리티 메뉴에서도 가능합니다.

HTC Calculator for Cooling Channels

Thermal Penetration Depth Calculator

Fluid Height Calculator

Slow Shot Plunger Speed Calculator

Valve Loss Coefficient Calculator

Thermal Die Cycling

열전달 계수 데이터베이스와 각 싸이클 단계들이 입력되어있어 간편하게 다이싸이클링 해석을 하실 수 있습니다.

GMRES Pressure Solver

GMRES pressure solver의 속도가 솔버 데이터 구조의 최적화로 인해 2배까지 향상되었습니다. 이로 인해 메모리 사용량이 20% 미만으로 증가할 수 있습니다. Read the blog post >

Sampling Volumes

Sampling volume 기능은 STL로 정의할 수 있습니다. 각 sampling volume에 의해 계산된 양들의 목록은 유체의 부피, 최대/최소 온도, 파티클의 갯수와 같은 전체 해석 영역에 대해 모두 같은 양이 되도록 확장되었습니다.

FSI/TSE Model

구조분석 모델의 성능이 부분적인 coupling으로 해석 솔버의 병렬화와 최적화를 통해 향상되었습니다.

Workspaces

Workspaces 를 이전에 설치된 FLOW-3D에서 가져올 수 있습니다. Workspaces 와 사용자가 선택한 시뮬레이션들을 복사할 수 있습니다.

Expanded Simulation Pre-check

Simulation pre-check 기능은 preprocessor checks를 포함하고, 문제가 발생하는 경우 링크됩니다.

Improved Transparency

Depth-peeling 옵션은 transparent geometries 를 좀 더 잘 표현하고, v4.0보다 10배 빨라졌습니다.

Interactive Tools

Baffles, history probes, void/fluid pointers, valves, mass-momentum sources, squeeze pins에 대한 새로운 대화형 생성 기능이 추가되었습니다. 또한 probing과 clipping 도구들이 대화형으로 개선되었습니다.

General Enable/Disable

모든 objects (e.g., mesh blocks)은 활성화/비활성화 할 수 있습니다.

Estimated Remaining Simulation Time

솔버 메세지 파일에 short-print로 추정된 잔여 해석 시간이 추가 되었습니다.

Tabular Data

테이블 형식의 데이터에서 선택된 데이터를 마우스 오른쪽 버튼을 클릭하여 csv파일 또는 외부 파일에 복사, 저장할 수 있습니다.

¹ 23-10 Michael R. Barkhudarov, Minimizing Air Entrainment, The Canadian Die Caster, June 2010

[FLOW-3D 물리모델] Solidification 응고

응고 모델은 열전달이 활성화되고(Physics → Heat Transfer → Fluid internal energy advection) 유체비열(Fluids → Fluid 1 → Thermal Properties → Specific heat)과 전도도(Fluids → Fluid 1 → Thermal Properties → Thermal Conductivity) 이 지정될 때 사용될 수 있다. 단지 유체 1만 상 변화를 겪을 수 있다.

응고모델을 활성화하기 위해 Fluids → Fluid 1 → Solidification Model 을 체크하고 물성 Fluids → Fluid 1 → Solidification Model 가지에서 Liquidus temperature, Solidus temperature, 그리고 Latent heat of fusion 를 지정한다. 가장 간단한 모델(Latent Heat Release Definition 에 펼쳐지는 메뉴에서 Linearly with constant 를 선택)에서, 잠열은 물체가 Liquidus 에서 Solidus 온도로 냉각될 때 선형적으로 방출된다. 고상에서의 상변화열을 포함하는, 잠열 방출의 더 자세한 모델을 위해 온도의 함수로 잠열방출을 정의하기 위해 Specific energy vs. temperature 또는 Solid fraction vs. temperature 선택을 사용한다. 이 지정에 대한 더 자세한 내용은 이론 매뉴얼의 Heat of Transformation 를 참조한다.

응고는 유체의 강직성 및 유동저항을 뜻한다. 이 강직성은 두 가지로 모델링 된다. 낮은 고상율에 대해 즉 Fluids → Fluid 1 → Solidification Model → Solidified Fluid 1 Properties → Coherent Solid Fraction 의 coherency 점 밑에서는 점도는 고상율의 함수이다. 간섭 고상율보다 큰 고상율에 대해서는 고상율의 함수에 비례하는 항력계수를 갖는 Darcy 형태의 항력이 이용된다. 이 항력은 모멘텀 방정식에 (b_x,b_y,b_z) 로써 추가된다- Momentum Equations 를 보라. 이 항력의 계산은 Solidification Drag Model 에서 기술된다. 항력계수는 사용자가 유동저항에 양을 조절할 수 있는 Coefficient of Solidification Drag 인자를 포함한다. 항력계수는 FLOW-3D 출력에서 기록된 속도에 상응하는 지역 상 평균 속도에 의해 곱해진다.

Fluid 1 Properties)을 지나면 항력은 무한대가 되고 계산격자 관련하여 유동이 있을 수 없다(단 예외로 Moving Solid Phase를 참조).

Note

모든 유체가 완전히 응고하면 모사를 정지시키기 위해 General → Finish condition → Solidified fluid fraction 를 이용한다. General → Finish condition → Finish fraction 은 모사를 중지하기 위한 고상율 값을 정한다.

See also

Macro-Segregation during Alloy Solidification and Solidification Drag Model.

Drag in the Mushy Zone, Mushy영역 내 항력

주조 시 mushy zone 은 액상과 고상이 혼합물로 존재하는 지역이다. 이 지역 혼합점도는 동축의 수지상 조직(과냉각된 액체 안에서 방사상으로 자라는 결정으로 된 구조) 이 액체 안에서 자유롭게 부유할 때 영향을 미친다.

일단 수지상 조직의 간섭성이 발생하여 고정된 고상 망이 형성되면 액상이 고정된 다공 수지상 구조를 통과해야 하므로 추가의 유동손실이 발생한다. 다른 방법으로는 간섭점을 지난 액/고상 혼합물은 다공물질을 통한 유동 대신에 고점도의 유체로 간주될 수 있다. 점성유체로 간주하는 접근은 예를 들면 연속 이중 롤 주조 과정같이 고상이 계속 이동 및 변형할 때 유용하다.

Solidification Drag Models in FLOW-3D, FLOW-3D 내 응고 항력모델

응고에 의한 항력계수를 정의하기 위해 사용자는 우선 열전달 및 응고모델을 활성화 해야 한다. 이들은 Model Setup → Physics 탭 에서 활성화될 수 있다. 수축모델 또한 응고모델 창에서 활성화될 수 있다.

일단 Solidification 모델이 활성화되면 항력의 공식이 지정될 필요가 있다. Solidification대화의 밑 좌측 모퉁이에서 Porous media drag-based 와 Viscosity-based 의 항력공식 중의 선택을 한다.

Viscosity-based 공식은 점성 유체로 취급하며 Viscosity 영역 내Flow model for solidified metal 입력 밑에서 지정되는 순수 고상 점성을 갖는 고상화된 유체로 간주된다. 이 접근법은 경직성의 항력모델(즉, 응고 금속이 롤러 사이로 압착될 때)을 사용할 수 없는 경우의 모사에 이용된다. 이 점성은 고상율에 따라 선형으로 변한다.고상율이0일 때 점도는 유체1의 점도이다.고상율이1이면 점도는 Solidification 패널에서 지정된 값과 같다.

Porous media drag-based 공식은 응고상태를 결정하기 위해 고상율을 사용한다. 고상율이 Critical Solid Fraction 이거나 초과하면 이때 항력은 무한대가 된다-즉, 액상/고상 혼합물은 고체같이 거동한다. 고상율이 Coherent Solid Fraction 보다 작으면 항력은 0이다. 이 두 값 사이에서 유동은 mushy 지역에 있고 이를 통한 유동은 마치 다공질 내에서의 유동같이 처리된다. 또한 모델은 고상율이 Coherent Solid Fraction 보다 작을 때 자동적으로 용융 금속의 점도를 조절한다. 이 상태에서 고상결정은 점도를 올리지만 결합하지는 않는다(즉, 간섭 없음). 일단 유체가 Coherent Solid Fraction 에 도달하면 항력방정식이 고려되고 점도는 간섭성에 도달하기 전의 값으로 일정하게 된다. 임계 및 간섭 고상율은 사용자가 정의하며 논문이나 책 등에서 찾을 수 있다. 이 식에서는 Coefficient of Solidification Drag 가 정의되어야 한다. 이는 Solidification 창 또는 Fluid 1 → Solidification Model→Solidified Fluid 1 Properties tree → Other 트리를열어 Model Setup →Fluids 탭에서 될 수 있다.

How to Calculate Permeability 투과성 계산법

밑에 주어진 Darcy법칙은 수지상 구조를 위한 다공매질내의 수학적 유동기술이다.[Poi87].

(19) $\mathbf{u} = - \frac{K}{\mu} \nabla P$

여기서 u 는 수지상 구조 내 유동의 속도이고 ∇P 는 지역 압력구배, 그리고 K 는 mushy 구역의 특정 투수성이다. 이 방정식은 단지 유동이 거의 정상 상태이고, 관성효과가 없으며 유체의 체적율이 일정하고 균일하며 액체-액체의 상호작용 힘이 없을 때 유효하다. 투수성을 정의하는데 이용될 수 있는 대 여섯 개의 모델이 있으나 FLOW-3D 는 밑에 보여주는 Blake-Kozeny 을 이용한다. 다른 모델들은 코드와 함께 제공되는 소스코드를 사용자 사양에 맞게 수정하여 추가할 수 있다.

(20) $\mathbf{u} = -C_2 \left( \frac{\lambda_1^2 (1-f_s)^3}{\mu f_s^2} \right) \left( \nabla P - \rho \mathbf{g} \right)$

여기서

C₂는 전형적으로 와 같은 비틀림

f_s는 고상율이고

λ₁는 유동을 위한 특정 치수

이 응용에서 수지상 가지 간격(DAS)이 이용된다.

식 (11.19) 을 식(11.20) 에 적용하면 투수성을 위한 다음 식을 얻는다.

(21) $K = \lambda_1^2 \frac{(1-f_s)^3}{180f_s^2}$

수지상 가지 간격(DAS)에 대한 일반적인 값들은 밑에 주어져 있다.

Range of Cooling Rates in Solidification Processes¶

COOLING RATE, K/s PRODUCTION PROCESSES DENDRITE ARM SPACING, $\mu m$

$10^{-4}$ to $10^{-2}$ large castings 5000 to 200

$10^{-2}$ to $10^3$ small castings, continuous castings, die castings, strip castings, coarse powder atomization 200 to 5

$10^3$ to $10^9$ fine powder atomization, melt spinning, spray deposition, electron beam or laser surface melting 5 to 0.05

Range of cooling rates in solidification processes [CF85]

How FLOW-3D Defines the Coefficient of Solidification Drag FLOW-3D 가 응고 항력계수를 결정하는법

FLOW-3D 는 액고상 변화를 모델링하기 위해 다공매질항력을 이용한다. 항력은 고상율의 함수이다. 사용자에게 두 수축모델이 이용 가능하다; 급속 수축 모델 과 완전 유동모델. 급속 수축 모델은 상변화와 연관된 체적변화를 고려하지 않으며 유체는 정지해 있다고 가정한다. 완전 유동모델은 상변화가 관련된 체적변화를 고려한다. 항력은 투수성에 역으로 비례하므로 다음과 같이 표현될 수 있다.

(22) $K = \frac{\mu}{\rho F_d}$

여기서, F_d는 FLOW-3D 에서 사용된 항력계수이다. 이 항력계수는 지역 속도에 의해 곱해지고 모멘텀 방정식의 오른쪽에서 차감된다 (Momentum Equations 참조). 식 (11.22) 를 재정리하고 식 (11.21) 로부터의 투수성에 치환하면 다음을 얻는다.

The Coefficient of Solidification Drag: $\text{TSDRG}=\frac{180 \mu}{\lambda_1^2\rho }$ ,

The drag force: $F_d = \mbox{TSDRG} \frac{ f_s^2}{(1-f_s)^3}$ .

See also

Model Reference -> Solidification

Macro-Segregation during Alloy Solidification 합금응고시 거시적 편절

편절 모델은 대류와 확산에 의한 용질 이동에 따른 이원합금 요소에서의 변화를 모델링 하도록 되어 있다. 이 모델링은 Physics → Solidification 로 부터 될 수 있다.

Activate binary alloy segregation model 을 체크하고 편절 모델을 활성화한다.

여러 온도에서 평형에 있는2원합금 요소농도를 정의하는 상태도는 직선의 고상선 및 액상선을 가진다고 가정된다. 상태도는 입력데이터에 의해 구성되고 전처리 그림파일 prpplt 에 포함된다. Analyze → Existing 에서 이용 가능하다

Macro-Segregation Model (under Fluids → Fluid 1 → Solidification Model)에 관련된 일부 유체물성 트리가 밑에 보여진다. 상태도는 Reference Solute Concentration 에서의 the Solidus 와 Liquidus Temperatures 값들에 의해 정의된다. 추가로 Concentration Variables 밑의 Partition coefficient 도 정의되어야 한다. 그렇지 않으면 Pure Solvent Melting Temperature 가 정의될 수 있다. Partition coefficient 와 Pure Solvent Melting Temperature 둘 다가 지정되면 용매 용융 온도는 상태도로부터 재 정의된다.

Eutectic Temperature 또는 Eutectic Concentration 는 융해작용을 정의하기 위해 지정될 수 있다. 또 이 두 변수가 다 지정되면 Eutectic Concentration 은 상태도에서 재 정의된다.

Diffusion Coefficients 는 고상과 액상 사이의 용질의 확산계수 비율을 정의한다. 액체 내의 용질의 분자 확산계수는 Physics → Solidification 에서 specifying Solute diffusion coefficient 를 지정함으로써 정해진다. RMSEG 는 용질의 난류 확산계수 승수를 정의한다; 이는 입력파일에서 직접 지정된다.

용질 재 분배에 의한 농도변화가 중요하면 Physics → Density evaluation → Density evaluated as a function of other quantities를 정하고 용질농도의 선형함수로써 금속농도를 정의하기 위해 Fluids → Segregation model 밑의 Solutal Expansion Coefficient 를 용질 확장계수로 지정한다. 이 경우 Reference Solute Concentration 이 기준농도로 사용될 것이다. 추가로 Fluids → Fluid 1 → Density Properties → Volumetric Thermal Expansion 은 액체 내 열부력 효과를 참작하기 위해 지정될 수 있다(또한 Buoyant Flow참조).

초기 용질농도는 Meshing & Geometry → Initial → Global → Uniform alloy solute concentration 에서 지정될 수 있다. 불 균일한 초기 분포는 Alloy solute concentration 밑의 초기유체 구역 안에서 정의될 수 있다. 추가로 농도는 Initial Conditions: Region Values 에서 기술된 바와 같이 2차함수를 사용하는 부분을 편집하여 공간상의2차함수로 변화할 수 있다. 압력과속도 경계에서 용질 경계조건을 정하기 위해 Boundaries → Boundary face → Solute concentration 를 이용한다.

액상 및 고상 구성은 후처리에서 데이터 변환을 이용하여 그려질 수 있다. 용융 응고금속은 금속 내 용융의 질량 분율을 저장하는 SLDEUT 를 그림으로써 가시화될 수 있다.

액상 내 열구배가 크면 Physics → Heat Transfer → Second order monotonicity preserving 를 지정함으로써 더 나은 정확성을 위해 고차원 이류법을 사용한다.

mushy 지역에서의 유동손실은 수지상 가지 간격(DAS)의 함수인 Fluids → Fluid 1 → Solidification Model → Solidified Fluid 1 Properties → Coefficient of Solidification Drag 에 의해 조절된다. 후자는 이 모델에 의해 계산되지 않으므로 사용자는 Coefficient of Solidification Drag 를 지정해야 한다

Note

표준 응고모델 과는 달리 상태도상의 용융점을 지나 고상선을 외삽하여 정의되므로 여기서 응고선의 값은 음수일 수 있다.

Microporosity Formation 미세다공형성

미세다공모델은 단지 응고(Solidification참조)를 모델링할 때 사용될 수 있고 Physics → Solidification → Activate micro-porosity model 에서 활성화된다. 필요한 입력은 Fluids → Densities → Fluid 1 and Fluids → Solidification Properties → Solidified Fluid 1 Properties → Density 에서 정의되는 액체와 고상 유체밀도이며 고상유체밀도는 액체밀도보다 크다. 또한 Fluids → Fluid 1 → Solidification Model → Solidified Fluid 1 Properties 안에 있는 Critical Solid Fraction 은 1.0보다작게 설정되어야 한다.

Square of the speed of sound at critical solid fraction 값이 정의될 수 있다. 이는 수축에 의해 mushy 지역에서 전개되는 커다란 음압에서의 응고유체의 압축성을 기술한다. Critical pressure at which gas pores can form 값은 모델이 Initial tab 탭에서 또는 재 시작 데이터에서 정의되는 유체내의 초기 압력과 결합되도록 한다.

Intensification pressure 또한 다공 생성을 지연시키기 위해 응고 시 shot sleeve plunger 에 의해 형성되는 추가압력을 고려하기 위한 고압 주조모사를 위해 정의될 수 있다. Intensification pressure 가 클수록 더 적은 양의 다공이 주조 시 응고 과정에서 발생할 것이다.

미세 다공 모델은 응고 모델의 활성화 이외의 어떤 다른 설정을 필요로 하지 않는다. 이는 완전 유동방정식이나 속도장이 0인 경우, 즉 순수한 열 문제에서도 함께 사용될 수 있다.

이 모델은 후처리 과정의 공간 및 이력에서 사용 가능한 Percent micro-porosity 라고 불리는 추가 출력 양을 생성한다.

Note

A Flow Science technical note on modeling micro-porosity (TN66) can be found at http://users.flow3d.com/technical-notes/.

Moving Solid Phase 이동고상

MAIN VARIABLES: OBS: IFOB, UTOBS, VTOBS, WTOBS

이동고상 선택은 연속주조 모델링을 가능하게 한다. Continuous Casting Phantom 요소는 응고된 이동 유체가 있는 지역에서 정의된다. 이는 지정된 영역을 차지하지만 정의에만 존재하므로 환영요소라고 한다. 이는 실제로 면적이나 체적을 차지하지 않으므로 체적이 없고 결과에서도 고체요소로 보이지 않는다. 이는 Meshing & Geometry → Geometry → Component → Component Type 옆 펼쳐지는 메뉴에서 정의된다.

다른 방법으로는 입력파일(prepin.*)에서 IFOB(N) 변수가 4로 지정되고 N 은 요소 번호이다. 이 파일은 File → Edit Simulation…. 을 선택하여 이용될 수 있다. 또한 입력파일에서 시간의 함수(TOBS(t) 에 의해 지정되는)일 수 있는 가상 요소의 속도성분 UTOBS(t,N), VTOBS(t,N) 그리고 WTOBS(t,N) 이 지정된다.

Fluids → Fluid 1 → Solidification Properties → Solidified Fluid 1 Properties → Coherent Solid Fraction 에 의해 정의된 간섭 고상율 보다 큰 고상율에 대해서는 Darcy 형태의 항력 이 유체를 가상 요소의 속도로 움직이게 하는데 사용된다. 고상율이 Fluids → Fluid 1 → Solidification Properties → Solidified Fluid 1 Properties → Critical Solid Fraction 에서 지정된 경직점을 능가하게 되면 가상 요소의 속도를 따라 움직일 것이다.

Note

가상 요소는 요소 그림에 안 나타나나 Component number 를 그릴 때는 보여진다.가상 요소는 균일속도가 요소의 전체에 적용되므로 평평해야 한다.

Solidification Shrinkage 응고수축

체적 수축은 소재가 응고하고 응고소재의 밀도가 액체소재의 밀도보다 클 때 나타난다(즉, Fluids → Fluid 1 → Solidification Model → Solidified Fluid 1 Properties → Density > Fluids → Fluid 1 → Density Properties → Density). 수축모델은 그러므로 Solidification 모델이 활성화되어야 하고 고상/액상의 두 밀도가 정의되어야 한다. 수축은 단지 1유체의 뚜렷한 경계면 문제에서만 모델링 될 수 있다.

두 가지 수축모델이 있다. Shrinkage model with flow effects 를 선택하면 완전 열 유체방정식을 해석한다(이론 매뉴얼의Solidification Shrinkage and Porosity Models 참조). 그러나 이 모델은 특히 장시간의 응고가 고려되면 컴퓨터 계산시간이 많이 소요된다. 다른 방법으로 사용자 Interface 에 Shrinkage model 이라고 불리는 단순모델이 있다.

이 모델은 단지 열전달 방정식의 해석에 의존하며 특히 내재적 열전달 모델 (Numerics → Explicit/implicit options → Heat transfer → Implicit –Thermal solution 참조)과 사용시에 빨리 해석할 수 있다. 액체 체적 내로의 유동 통로가 없을 때 내부공동이 발생한다.

이 두 모델에서 유입은 mushy 지역 유동에 대한 항력계수를 계산함으로써 정의된다. 격자 내 모든 점에서의 항력함수는 상수승수 Fluids → Solidification properties → Other → Coefficient of Solidification Drag (Solidification Drag Model 참조)를 가지는 지역 고상율의 함수로 계산된다. 항력함수의 역의 값은 공간 그림에서 가시화 될 수 있다: 이 그림을 위한 변수이름은 ‘drag coefficient’ 이다.

Mushy 지역에서의 커다란 유동 손실에 따른 부분적 유입이 Shrinkage model with flow effects 에서 발생할 수 있지만 단순화된 Shrinkage model 은 완전 유입이 아니면 유입이 없게 된다. 후자는 유입 통로를 따라 지역 고상율이 Fluids → Fluid 1 → Solidification Model → Solidified Fluid 1 Properties → Critical Solid Fraction (디폴트는1.0)에서 정의된 임계값보다 커질 때 발생한다. 추가로 고립된 액체 내의 금속의 고상율이 Coherent Solid Fraction 에 도달할 때까지 단순모델에서의 유입은 고립부 상부로부터 발생한다. 그 후로는 유입이 고립부의 가장 뜨거운 부분에서부터 발생한다.

모든 유체가 완전히 응고되면 모사가 정지하도록 General → Additional finish condition → Solidified fluid fraction 를 사용한다. 변수 Finish fraction 는 유체가 지정된 고상율에 도달할 때 모사가 정지하도록 하는데 사용될 수 있다.

$Solid fraction finish condition$

Note

이송 방향을 결정하기 위해 단순 수축 모델에서 중력이 필요하며 좌표축 중 하나를 따라야합니다. 둘 이상의 중력 구성 요소가 0이 아닌 경우, 가장 큰 중력 구성 요소가 공급 방향을 결정하는 데 사용됩니다.

See also

Solidification and Solidification Drag Model.

My Calendar

[my_calendar id=”my-calendar”]

다이 스프레이 냉각 / Die Spray Cooling

열 다이 사이클링 시뮬레이션에서 다이의 온도 분포를 정확하게 예측하려면 스프레이 냉각의 공간 변화를 모델링해야 합니다. 새로운 다이 스프레이 냉각 모델은 이러한 목적으로 개발되었으며 현재 FLOW-3D의 최신 버전에서 사용할 수 있습니다. 이 모델은 전체 다이 캐비티에 걸쳐 일정한 열 전달 계수를 가정하는 대신 각 스프레이의 냉각을 명시적으로 계산합니다. 다이 표면의 스프레이 영역은 스프레이 노즐의 움직임으로 인해 지속적으로 계산되고 업데이트됩니다. 또한 모델은 분무되는 유체의 차단을 고려하여 살수 각도와 다이 표면의 형태로 인해 냉각에 미치는 영향을 고려한다. 새로운 모델은 안정적이고 현실적인 입력 매개 변수를 사용하여 다이 표면에 정확한 온도 분포를 제공하여 엔지니어가 냉각 프로세스를 보다 효율적으로 설계하고 최적화하여 핫 스팟을 제거할 수 있도록 도와 줍니다.

스프레이 구역 계산 / Spray Area Computation

새 모델에서는 다이 표면의 형상과 분무 노즐 위치가 살수 냉각에 미치는 영향을 고려합니다. 아래 그림과 같이 다이 표면에 분사되는 일부 영역은 막히고 일부 영역은 2개 이상의 스프레이로 덮여 있습니다. 이러한 영역은 다양한 스프레이 냉각 효과를 구별하기 위해 광선 추적 알고리즘을 사용하여 계산하고 식별합니다. 스프레이 영역은 FlowSight^TM에서 시각화할 수 있으며, 스프레이 냉각을 통해 유닛 영역별로 제거된 총 분사 시간 및 총 열 등의 다른 특성도 확인할 수 있습니다.

열 전달 계수 결정 / Heat Transfer Coefficient Determination

스프레이 냉각 메커니즘은 복잡하며 스프레이 냉각 열전달 계수 (HTC)는 스프레이 모양, 냉각수 유량, 스프레이 압력, 금형 온도, 스프레이 각도 및 스프레이 거리와 같은 다양한 변수에 따라 달라집니다. 스프레이 냉각 HTC 계산을 단순화하기 위해, 모든 스프레이 표면 요소에 대해 HTC는 기본 요소 HTC에 종속 요소 (예 : 원추형 스프레이)를 곱하여 계산됩니다.

스프레이 냉각 메커니즘은 복잡하며, 스프레이 냉각 열 전달 계수(HTC)는 스프레이 형태, 냉각수 유량, 스프레이 압력, 금형 온도, 스프레이 각도, 스프레이 거리 등 다양한 변수에 따라 달라집니다. 스프레이 냉각 HTC의 계산을 단순화하기 위해 모든 스프레이 표면 요소에 대해 HTC는 기본 HTC에 원뿔형 스프레이의 경우와 같은 의존성 요인을 곱한 후 계산됩니다.

$\displaystyle HTC=HT{{C}_{0}}(T)\cdot {{f}_{d}}(d)\cdot {{f}_{b}}(\beta )\cdot {{f}_{e}}(\varepsilon )$

여기에서

₀HTCHTC는 노즐이 지정된 거리에서 몰드에 분사할 때 기본 스프레이 열 전달 계수입니다. 기준 열 전달 계수는 분무 콘의 특성, 살수 매체 및 살수 압력 등에 따라 달라지며, 주형 표면 온도의 함수입니다.

_dff는 거리 d종속 인자 함수이다.

_bff는 살수 각도β의존적 인자 함수이다.

_eff는(표면 법선과 살수 방향 사이의)살수 각도이며, Eu의존적 인자 함수이다.

스프레이 거리 d와 스프레이 각도 β 및 ε의 의미는 아래 그림과 같습니다

기본 열 전달 계수 및 의존 계수 함수는 이론 또는 경험으로부터 유도 된 실험 측정으로부터 곡선 맞춤을 할 수 있습니다. 스프레이가 원추형이 아닌 경우 종속 요소가 다를 수 있습니다.

스프레이 노즐 정의 / Spray Nozzles Definition

분무 노즐은 뱅크로 분류된다. 동일한 뱅크의 노즐은 스프레이 콘 각도와 같은 특성을 가지고 있다. 또한, 동일한 살수 매체 온도와 동일한 그룹의 다이 구성 요소에 분사하고, 동일한 상태 제어 표를 공유하며, 동일한 열 전달 계수 기능을 가진다.

모든 스프레이 노즐 뱅크는 사실상 동일한 로봇 암에 장착됩니다. 로봇 암의 변환 및 회전 이동은 FLOW–3D 에서 지정할 수 있습니다. 모션 데이터가 외부 파일에 저장된 경우 외부 파일에서 가져오거나 연결할 수 있습니다. 스프레이 기계에 프로그래밍된 제어 데이터를 모델에 직접 사용할 수 있기 때문에 외부 파일을 가져오거나 연결할 수 있으면 입력이 상당히 간단해 집니다.

노즐 속성은 노즐 데이터베이스에서 직접 읽을 수 있습니다. 열 전달 계수 기능은 스프레이 콘 각도를 포함한 스프레이 콘 특성에 따라 달라지기 때문에 노즐 데이터베이스에 포함된 모든 노즐 특성의 일부입니다. 데이터베이스에 노즐이 정의되어 있지 않으면 그 속성을 직접 입력할 수 있습니다. 열 전달 계수 기능은 상수이거나 표로 정의할 수 있습니다. 다른 테이블 입력과 마찬가지로 데이터를 외부 파일에 연결할 수 있습니다. 동일한 노즐을 자주 사용하는 경우 재료 데이터베이스에 새 재료를 추가하는 것과 유사하게 해당 특성을 노즐 데이터베이스에 쉽게 추가할 수 있습니다.

각 노즐에 대해 스프레이 출처 및 엔드 좌표 또는 스프레이 방향을 정의해야 합니다. 노즐 위치가 미리 설계되어 있고 데이터를 사용할 수 있거나 노즐 수가 상대적으로 많을 경우 외부 파일에서 이 위치를 읽을 수 있습니다. 노즐 수가 적으면 위치를 대화식으로 선택하고 표 형식으로 입력할 수 있습니다.

Sample Results

새로운 모델의 성능과 다이 스프레이 프로세스를 명시적으로 시뮬레이션하는 것의 중요성을 입증하기 위해 사례 연구가 수행되었습니다. 이는 큰 치수와 얇은 벽 두께를 가진 차량 구조 부품의 생산에 기초한다. 이젝터 다이의 다이 표면 안에 세개의 열전대가 배치됩니다. 위치는 다음 그림에 나와 있습니다. 첫번째 열전대는 주조 영역의 다이 표면에 배치됩니다. 두번째 열전대는 캐비티 밖에서 정의됩니다. 따라서 용해된 부분은 접촉하지 않지만 분사 과정 중에는 냉각되는 부분이 있습니다. 세번째 열전대는 비스킷에 있는데, 이것은 다이 내부의 핫 스폿입니다.

시뮬레이션은 5개의 사이클을 기반으로 하며, 각 사이클은 응고, 방출, 스프레이 냉각 및 주거라는 4개의 세그먼트로 정의됩니다. 전체 다이 캐비티에 걸쳐 일정한 열 전달 계수를 가정하는 암시적 다이 스프레이 냉각 시뮬레이션에서는 실제 공정 값을 사용할 수 없으므로 항상 스프레이의 평균 시간을 추정하기가 어렵습니다. 이 사례 연구에서는 열전대 1의 온도가 측정과 일치하도록 평균 시간을 추정하고 조정합니다. 반대로 각 스프레이 노즐의 냉각을 명시적으로 시뮬레이션하는 새로운 스프레이 냉각 모델의 경우, 실제 분사 프로세스에는 모든 시간 값이 포함되어 있어 시뮬레이션에 직접 전달될 수 있습니다. 이는 새로운 다이 스프레이 냉각 모델의 장점 중 하나입니다.

아래의 첫번째 애니메이션은 스프레이 냉각 중 다이 표면의 스프레이 영역을 보여 줍니다. 두번째 애니메이션은 다섯번째 주기에서 스프레이 냉각 중의 다이 표면 온도를 보여 줍니다. 글로벌 스프레이 및 핫 스팟 스프레이의 효과를 명확하게 확인할 수 있습니다.

Spray area during spray cooling. Simulation courtesy of Audi AG.

Die surface temperature at the fifth cycle of spray cooling. Simulation courtesy of Audi AG.

다섯번째 사이클 동안 세개의 열전대 온도가 다음 그림에 표시되어 있습니다. 실선은 암시적 모델의 결과를 나타내고 점선은 새로운 다이 스프레이 냉각 모델의 결과를 나타냅니다. 사이클이 끝날 때 세개의 열전대의 온도 차이도 표시됩니다. 암시적 모델에서 열전대 1의 온도를 일치시키기 위해 비스킷 영역이 지나치게 냉각되어 열전대 3에서 다이 온도의 90°C차이가 발생한다는 것을 알 수 있습니다. 이는 극적인 차이입니다. 다이 캐스터의 경우 비스킷의 온도는 다이 캐스팅 프로세스에서 매우 민감한 온도입니다. 사이클이 끝날 때 캐비티(열전대 2)외부의 온도 차이는 20°C입니다. 이러한 값은 실제 공정에서 우수한 품질의 주물이 생산되거나 사출 중에 다이에 응고되는지 여부를 결정합니다. 다이 스프레이 냉각 프로세스의 명확한 시뮬레이션은 정확한 다이 온도 분포를 예측하는 데 매우 중요합니다.

Conclusions

새로운 다이 스프레이 냉각 모델은 몰드 표면 형태의 영향과 스프레이 노즐의 위치 및 움직임을 고려하여 FLOW-3D 사용자에게 다이 준비의 모든 측면을 모델링 할 수 있는 능력을 제공합니다. 또한 열 다이 사이클 시뮬레이션을 위한 신뢰할 수 있고 사실적인 입력 파라미터를 사용하여 다이 표면의 정확한 온도 분포를 정확하게 예측할 수 있습니다. 이를 통해 금속 주물 엔지니어는 다이의 내부 냉각 구조와 스프레이 냉각 매개 변수를 보다 효율적으로 설계하고 평가할 수 있습니다.

References

Müller, et al., A die spray cooling model for thermal die cycling simulations, Transactions of NADCA 2015 Die Casting Congress & Exposition, Indianapolis, T15-101, 2015

Microfluidic palette – A gradient generator / 미소유동 팔레트 – 그라디언트 생성기

Microfluidic 팔레트 – 그라디언트 생성기

Microfluidics 모델링 , 그래디언트 생성 장치 시뮬레이션 및 검증 작업을 계속하는 것은 Flow Science의 최신 연구분야입니다. 확산 기반 그라디언트는 많은 복잡한 생물학적 과정에서 없어서는 안될 부분입니다. 한 예로 세포가 화학적 구배를 따라 이동하는 화학 주성 (chemotaxis )으로 인한 상처의 치료 방법입니다. 지난 몇 년 동안 확산 구배를 설정하고 연구하기 위한 다양한 접근법이 등장했지만 모두 문제 해결에 어려움을 겪고 있습니다.

Atencia 등은 이전 접근법의 알려진 문제점을 극복하기 위해 혁신적인 미세 유체 구배 생성기 (마이크로 유체 팔레트)를 제안했습니다.

이전 접근법 및 관련 문제

확산 그라디언트를 설정하는 세 가지 주요 접근법으로 층류, 멤브레인 및 하이드로 겔 및 자유 확산 방법이 있으며 각각의 특징이 았습니다. 그러나, 언급한 것처럼 문제를 해결하는데 동반되는 어려움이 있습니다.
microfluidic 장치에서 그라디언트를 연구하고 확립하기 위한 표준 접근법은 층류의 사용을 포함합니다. 이 접근법은 매우 간단하지만 대류로 인해 전단 응력이 발생합니다. 전단 응력은 세포 반응을 변화시킬 수 있습니다. 예를 들어, 바이어스 된 세포 이동 및 비대칭 대량 수송이 발생할 수있습니다.

보다 최근의 개발은 강성 멤브레인 및 하이드로 겔을 사용하는 것을 포함하여 확산 구배를 설정하여 대류 흐름을 피하는 것입니다. 그러나 막과 겔은 확산 속도를 감소시켜 그라데이션의 일시적인 현상에 영향을줍니다.

마지막으로, 2 개의 유체 플러그를 접촉시켜 자유로운 확산을 가능하게 하는 접근법이 개발되었습니다. 그러나 이 접근 방식은 1-D 흐름에만 국한됩니다. 또한, 일단 그래디언트가 설정되면, 확산류 구배를 수정하기 위해 대류 흐름을 사용해야 하며, 이는 층류 유동에서 전단 응력 발생의 초기 문제로 되돌아갑니다.

여기에서는 Atencia 등이 제안한 확산성 구배 생성에 대한 새로운 접근법의 원리에 대해 논의하고 FLOW-3D 시뮬레이션 결과를 제시합니다.

Microfluidic 팔레트

미세 유체 팔레트 뒤에있는 원리는 멤브레인이나 젤을 사용하지 않고 확산으로부터 대류 흐름을 분리하여 다음과 같은 이점을 제공합니다.

전단 응력없이 재료 (셀 또는 용해성 물질)의 전달

서로 다른 공간 위치를 갖는 중첩 그라데이션 생성

그라데이션에 대한 동적 제어

Atencia 등이 제안한 미세 유체 팔레트의 디자인은 위에 나와 있습니다. 1-D의 경우, 대류 장치 1의 질량 균형은 입구 1과 출구 1의 유속을 일치 시키면 확산을 통해 전달을 허용하면서 주 마이크로 채널을 통한 흐름을 방지합니다. 대류 장치 1은 완벽한 소스 역할을 합니다. 2 차원의 경우는 2 차원 이상의 대류 단위가있는 1 차원의 경우를 단순히 확장한 것입니다.

FLOW-3D 시뮬레이션

아래의 1 차원 마이크로 유체 팔레트 애니메이션에서 주 중앙 마이크로 채널로부터의 대류 세포의 깨끗한 분리는 플롯 된 유선을 통해 볼 수 있습니다. 유선형은 모두 대류 단위에만 제한되며 단일 채널도 마이크로 채널로 누출되지 않아 대류와 확산의 탁월한 분리를 나타냅니다. 소스 농도의 진화는 플롯에서 볼 수 있습니다. 플롯은 애니메이션이 끝날 때까지 일정하게 보입니다.

1 차원 마이크로 유체 팔레트의 FLOW-3D 시뮬레이션 결과

2D 마이크로 유체 팔레트는 생성 된 그라데이션에 대한 시공간 제어를 보여줍니다. 소스와 싱크는 각속도로 회전합니다. 또한 매 초마다 활성 액세스 포트가 비활성화되고 다음 포트가 켜집니다. 챔버 내부의 확산 상태를 확인하기 위해 3 개의 라인 프로브가 시뮬레이션에 배치됩니다 (아래 시뮬레이션의 오른쪽 하단 창에서 각각 빨간색, 파란색 및 검은 색으로 표시됨).

2D 3D 마이크로 유체 팔레트의 FLOW-3D 시뮬레이션 결과.

실험 결과와의 비교

FLOW-3D 결과는 챔버 내부의 농도 변화 측면에서 실험 결과와 잘 일치합니다. 아래 이미지는 실험 결과와 시뮬레이션 결과 모두에 대한 시간 스냅 샷을 보여줍니다. 실험 결과가 정규화되었습니다. 또한 실험은 형광 강도를 사용하여 소스의 농도를 나타냅니다. 시뮬레이션에서 FlowSight 의 라인 프로브는 3 개의 액세스 포트 사이의 농도를 연구하는 데 사용됩니다.

실험 (위) 및 FLOW-3D 결과 (아래)의 비교. x 축은 거리입니다 (실험 사례에 대해 정규화 됨). y 축은 소스 농도 (실험 사례의 경우 형광 강도)입니다.

References

Atencia J, Morrow J, Locascio L.E., The microfluidic palette: A diffusive gradient generator with spatio-temporal control, The Royal Society of Chemistry 2009

난류 / Turbulence

난류 / Turbulence

FLOW-3D 는 완전 3 차원 유동, 2 차원 깊이 평균 (천수(shallow water)) 흐름 및 3 차원/2 차원 깊이 혼합 평균 흐름을 위한 포괄적인 난류 모델링 제품군을 제공합니다.

그림1. 부두 하류에서의 와류 검출을위한 Q- 기준의 3D지도

FLOW-3D 에는 8 가지 난기류 옵션이 있습니다.

Prandtl 혼합 길이 모델은 3 차원 난류 효과를 설명하기 위한 가장 초기의 시도 중 하나입니다. 가장 복잡한 모델이 아니며 더 이상 널리 사용되지 않습니다. FLOW-3D 는 주로 학술 연구에서의 유용성을 포함합니다.

소위 1 방정식 모델은 난기류를 나타내는 초기 노력이기도 합니다. 시간 평균 난류 운동 에너지 k를 계산하고 모든 위치에서 알려진 난류 혼합 길이 L_T 가 필요합니다. L_T 는 일반적으로 미리 알려지지 않기 때문에, one-equation 모델은 복잡한 유량을 모델링하는 데 적합하지 않습니다.

표준 k-ε 모델 (Harlow & Nakayama 1967)은 난류 운동 에너지 k와 소산 속도 ε를 계산하고 난류 혼합 길이 L_T를 동적으로 찾는 2 방정식 모델입니다. 이것은 업계 표준이며 광범위한 흐름을 표현하는데 유용하다는 것이 발견되었습니다 (Rodi 1980).

재 정규화 그룹 (RNG) k-ε 모델 (Yakhot & Orszag 1986, Yakhot & Smith 1992)은 2 방정식 k-ε 모델의 보다 견고한 버전이며, 대부분의 산업에서의 문제에 권장됩니다. 표준 k-ε 모델의 기능을 확장하여 과도기 난류, 곡선 흐름, 벽 열 전달 및 물질 전달의 더 나은 적용 범위를 제공합니다.

k-ω 2 방정식 모델 (Wilcox 1988, 1998, 2008)은 두 번째 변수를 난류 소산 ε이 아니라 ω ≡ ε / k로 정의한다 (Kolmogorov 1942). Wilcox는 1988 년부터 k-ω 2 방정식 모델을 개선했으며 1998 년에는 자유 전단 유동에 대한 모델의 정확성을 크게 개선 한 새로운 계수를 도입했습니다. FLOW-3D 의 k-ω 2 방정식 모델은 제트, 후류 및 플럼을 퍼 뜨리는 것과 같은 유선형 압력 구배를 갖는 자유 전단 흐름을 모델링하는 데 적합합니다.
LES 모델은 평균 난류 운동 에너지를 나타내기 위해 스칼라를 사용하지 않고 대부분의 난류 변동을 직접 해결합니다. 그것은 2 방정식 모델보다 훨씬 더 미세한 메쉬 해상도를 필요로하며 난기류에 대한 보다 광범위한 통계를 제공합니다.

2-D 심도 평균 얕은물 난류 모델은 대수적인 완전 난류 속도를 가정합니다. 첫 번째 옵션은 일정한 항력 계수 CD를 가정하며, 이는 공간적으로 변화 할 수 있습니다.

두 번째 2-D 심도 평균 천수(shallow water) 난류 모델은 항력 계수 CD 를 유체 깊이와 공간적으로 가변되는 표면 거칠기의 동적 함수로 만듭니다.

완전한 3-D 테스트를 통해 LES 모델 출력을 시간 평균화하면 2 방정식 Reynolds REN (Reynolds Averaged Navier-Stokes) 모델 (표준 k-ε, RNG k-ε 및 k- ω).

아래의 물고기 통로 비디오에 나와 있습니다.

난류 시뮬레이션 – 모델 비교 / Turbulence Simulations – A Model Comparison

첫 번째 비디오에서는 FLOW-3D 의 LES (Large-Eddy Simulation) 난류 모델을 사용하여 어류 통과를 시뮬레이션하여 속도 변동의 크기를 분석합니다. 두 번째 비디오는 동일한 시뮬레이션의 시간 평균 결과를 보여줍니다. 여기에서 간단한 사용자 정의는 시간 평균 LES가 레이놀즈 평균 Navier-Stokes (RANS) 난류 모델 결과와 매우 유사하다는 것을 보여줍니다. 세 번째 비디오는 RNG (Renormalized Group) k-ε 난류 모델을 사용하여 시연하기 위해 동일한 시뮬레이션을 사용합니다. RNG k-ε 모델은 대부분의 레이놀즈 평균 Navier-Stokes (RANS) 난류 모델과 마찬가지로 속도 변동을 등방성 스칼라 값으로 처리하여 시간에 따른 속도 변동을 감쇠시킵니다. 결과는 두 번째 비디오에서 볼 수 있듯이 직접 LES 결과를 시간 평균하여 찾은 결과와 유사합니다.

참고 문헌

Driver, DM and Seegmiller, HL, 1985, AIAA Journal (23), 163-171의 다양한 채널 유동에서 재 부착하는 난류 전단 층의 특징 .

Harlow, FH and Nakayama, PI, 1967, 난류 수송 방정식 , 유체 역학 (10), 2323-2332.

Harlow, FH 및 Nakayama, PI, 1968, 난기류 에너지 감쇠율의 전송 , Los Alamos Scienti fi c 실험실 보고서 LA-3854.

Kolmogorov, AN, 1942, 비압축성 유체에서의 난류 운동 방정식 , Izvestia Academy of Sciences, 소련; Physics (6), 56-58.

Pope, S. B, 2000, Turbulent Flows , Cambridge University Press.

Rodi, W., 1980, 난류 모델과 유압 장치의 적용 : 최첨단 검토 , 국제 유압 연구 협회 (IAHR), 델프트, 네덜란드.

Saffman, PG, 1970, Inhomogeneous Turbulent Flow의 모델 , Royal Society London A (317), 417-433의 절차.

Speziale, CG, Abid, R., and Anderson, EC, 1992, AIAA 저널 (30), 324-331, 벽 근처 난류에 대한 2 방정식 모델의 중요성 평가.

Wilcox, DC, 1988, AIAA Journal (26), 1299-1310의 진보 된 난류 모델에 대한 스케일 결정 방정식의 재평가.

Wilcox, DC, 1998, CFD의 난류 모델링 , DCW Industries, Inc., 제 2 판.

Wilcox, DC, 2008, k-omega 난류 모델의 공식화 , AIAA Journal (46), 2823-2838.

Yakhot, V. and Orszag, SA, 1986, 난류의 재 정규화 그룹 분석 I. 기본 이론 , Journal of Scientific Computing (1), 3-51.

Yakhot, V. 및 Smith, LM, 1992, 재 정규화 그룹, 난류 모델의 전자 확장 및 유도 , Journal of Scientific Computing (7), 35-61.

VOF (Volume of Fluid) 란 무엇인가?

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

VOF – What’s in a Name?

A free surface is an interface between a liquid and a gas in which the gas can only apply a pressure on the liquid. Free surfaces are generally excellent approximations when the ratio of liquid to gas densities is large, e.g., for water to air the ratio is 1000.

자유 표면은 액체와 기체 사이의 계면이며, 기체에서만 액체에 대해 압력을 가할 수 있습니다. 자유 표면은 일반적으로 액체 대 기체의 밀도의 비율이 큰 경우 우수한 근사를 합니다. 예를 들어, 물 대 공기의 비율은 1,000입니다.

VOF Method Components

In FLOW-3D free surfaces are modeled with the Volume of Fluid (VOF) technique, which was first reported in Nichols and Hirt (1975), and more completely in Hirt and Nichols (1981). The VOF method consists of three ingredients: a scheme to locate the surface, an algorithm to track the surface as a sharp interface moving through a computational grid, and a means of applying boundary conditions at the surface.

FLOW-3D 의 자유 표면은 VOF (Volume of Fluid) 법을 사용하여 모델링됩니다. 이 기술은 Nichols 와 Hirt 에 의해 1975 년에 처음 보고된 Hirt 와 Nichols에 의해 1981년에 더 완전한 형태로 보고되었습니다. VOF 법은 표면의 위치를 특정하는 방식, 계산 격자 내를 이동하는 명확한 계면으로 표면을 추적하는 알고리즘, 표면에서 경계 조건을 적용하는 방법 3가지 성분으로 구성되어 있습니다.

Pseudo VOF

In the past, a number of commercial CFD programs have claimed a VOF capability, when in reality they are only implementing one or two of the three VOF ingredients. Users of these programs should be aware that these pseudo-VOF schemes sometimes give incorrect results.

과거에도 많은 상용 CFD 프로그램이 VOF 기능을 주장했지만, 실제로는 세 가지 VOF 요소 중 하나 또는 두 개만 구현했습니다. 이들 프로그램 사용자는 이러한 pseudo VOF 체계는 때때로 잘못된 결과를 제공할 수 있다는 점에 유의해야 합니다.

Most pseudo-VOF methods use a fluid volume fraction to locate surfaces, but they then attempt to compute flow in both the liquid and gas regions instead of accounting for the gas by a boundary condition. This practice produces an incorrect motion of the surface since it is assumed to move with the average velocity of gas and liquid. In reality, the two fluids generally move independently of one another except for a thin viscous boundary layer.

많은 pseudo VOF 법은 유체의 체적 점유율을 사용하여, 표면의 위치를 파악하고 있으며, 경계 조건에 따라 기체를 처리하는 것이 아니라, 액체와 기체의 두 영역에서 흐름을 계산하려고합니다 . 이 방법에서는 표면은 기체와 액체의 평균 속도로 이동한다고 가정되기 때문에 표면의 움직임이 잘못 표시됩니다. 사실, 경계층이 가늘고 점성이있는 경우를 제외하고, 이 2 개의 유체는 일반적으로 서로 독립적으로 이동합니다.

Left: Correct jet shape predicted by TruVOF technique used in FLOW-3D.
Right: Incorrect jet shape predicted by pseudo-VOF technique used by other CFD codes.

그림 1 🙁 왼쪽) FLOW-3D 에 사용되는 TruVOF 법에 의해 예측되는 올바른 분류 모양
그림 2 🙁 우) 기타 CFD 코드에서 사용되는 의사 VOF 법에 의해 예측되는 잘못된 분류 형상

Left: FLOW-3D‘s TruVOF technique predicts jet impingement on wall and some outflow.
Right: Pseudo-VOF methods don’t predict realistic jetting of fluid on side walls.

그림 3 🙁 왼쪽) FLOW-3D TruVOF 법으로 분류 벽에 충돌과 유출을 예측
도표 4 🙁 우) 의사 VOF 법은 밀도가 높은 유체가 챔버에서 나가는 모습을 잘못 예측

VOF vs. Pseudo VOF Example

The consequences of trying to compute both gas and liquid flow can be illustrated with a simple example. All the computed results shown here were produced with FLOW-3D, which has a two-fluid option that can be run in a pseudo-VOF mode. Imagine a jet of water issuing at constant velocity from a long slit into air. If we neglect gravity and keep the velocity of the jet low (say 10.0 cm/s), we expect the jet to move more or less unimpeded by the air (see the FLOW-3D results in Fig. 1), obtained with its VOF free-surface model).

기체와 액체의 두 흐름을 계산하려고 한 결과는 간단한 예로 설명 할 수 있습니다. 여기에 표시된 계산 결과는 모든 FLOW-3D를 사용하여 요구한 것입니다. FLOW-3D는 pseudo VOF 모드에서 실행할 수있는 2 유체 옵션이 있습니다. 물 분사를 일정한 속도로 가늘고 긴 슬릿에서 공기 중에 방출하는 경우를 상상해보십시오. 중력을 무시하고 분류 속도를 저속 (예 : 1.0cm / sec)으로 유지하면 기류는 공기에 전혀 구애받지 않고 자유롭게 이동할 것으로 예상됩니다 (그림 1, FLOW-3D의 VOF 자유 표면 모델에서 얻어진 결과 참조).

Pseudo-VOF methods produce a growth at the tip of the jet (Fig. 2). This growth is numerical, not physical, because it is independent of the density of air (e.g., the growth remains largely unchanged for air densities 100, 1000 and 10,000 times smaller than the liquid density).
At later times the FLOW-3D jet (Fig. 3) strikes the right-hand wall and a small portion of the flow has entered a slot in the wall.

Pseudo-VOF 방법은 제트의 끝에서 확산됩니다(그림 2). 이 확산은 공기 밀도와 무관하기 때문에 물리적인 현상이 아니라 수치적입니다 (예 : 액체 밀도보다 100, 1000 및 10,000 배 더 작은 공기 밀도의 경우 확산은 크게 변하지 않습니다).
그 후, FLOW-3D의 기류 (그림 3)는 오른쪽 벽에 충돌하고 흐름의 일부가 벽의 틈새에 들어갑니다.

In contrast, the lower density air flow in the pseudo-VOF method is pulling liquid into the slot just before the jet strikes the wall (Fig. 4). Also, because of the incompressibility of the air remaining in the chamber, the amount of liquid flowing out the slot in the pseudo-VOF method must be equal to the amount injected, which is more than would be expected under most physical conditions.

대조적으로, pseudo-VOF 방법의 저밀도 기류는 제트가 벽에 부딪히기 직전에 액체를 슬롯으로 끌어 당깁니다 (그림 4). 또한 챔버에 남아있는 공기의 비압축성으로 인해 pseudo-VOF 방법에서 슬롯 밖으로 흘러 나오는 액체의 양은 주입되는 양과 같아야 하며, 이는 대부분의 물리적 조건에서 전혀 예상할 수 없슨 것입니다.

Another pseudo-VOF practice is to use some type of higher-order advection scheme to track interfaces. The interface is represented as a rapid change in density. Such schemes result in smoothed transition regions between gas and liquid that cover several control volumes rather than sharp interfaces localized in one control volume as in the original VOF method. The reason that most people don’t implement free-surface boundary conditions is that it requires major changes to the structure of existing programs, and it must be done carefully to avoid numerical instabilities.

pseudo VOF 또 하나의 관례는 어떤 유형의 고차 이류(advection) 구성표를 사용하여 계면을 추적하는 것입니다. 계면 밀도의 급격한 변화로 표현됩니다. 이러한 방식은 기체와 액체 사이의 매끄러운 전환 영역이 복수의 컨트롤 볼륨에 펼쳐지는 결과가되어, 원형의 VOF 법처럼 하나의 컨트롤 볼륨에 명확한 계면이 국소화되는 것은 아닙니다 . 대부분의 사람들이 자유 표면 경계 조건을 구현하지 않는 이유는 기존의 프로그램의 구조를 크게 변경해야 하므로, 수치적 불안정을 피하기 위해 매우 신중하게 이루어져야 하기 때문입니다.

FLOW-3D has all the ingredients recommended for the successful treatment of free surfaces. Moreover, it incorporates major improvements beyond the original VOF method in each of its three major ingredients.

FLOW-3D는 자유 표면을 제대로 처리하기 위해 권장되는 모든 성분이 포함되어 있습니다. 또한 원형의 VOF 법의 3 가지 주성분에 대해 상당한 개선처리를 진행하였습니다.

References

Nichols, B.D. and Hirt, C.W., “Methods for Calculating Multi-Dimensional, Transient Free Surface Flows Past Bodies,” Proc. First Intern. Conf. Num. Ship Hydrodynamics, Gaithersburg, ML, Oct. 20-23, 1975

Hirt, C.W. and Nichols, B.D., “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” Journal of Computational Physics 39, 201, 1981.

수치 불안정성

Numerical Instability / 수치 불안정성

Many numerical approximations to partial differential equations are unusable because they produce unstable computational results. Computational stability issues have been discussed in two previous articles in the CFD-101 series: Computational Stability and Heuristic Analysis. In this article, a simple mechanical model is described that leads to an understanding of common numerical instabilities associated with approximations of the Navier-Stokes equations. In particular, the simple model applies to instabilities arising from fluid dynamic forces such as viscous stress, surface tension, elasticity and more. The stability conditions obtained with the simple model do not depend on any particular numerical approximations, but instead involve only generic considerations of mass and forces.

편미분 방정식의 많은 수치 근사는 불안정한 계산 결과가 발생하므로 불안정합니다. 계산 안정성의 문제는 “전산 유체 역학 모델의 기초”시리즈의 마지막 2 항, 즉 계산 안정성과 휴리스틱분석 에서 논의되고 있습니다. 이 절에서는 나비에-스토크스 방정식과 관련된 일반적인 수치 불안정성의 이해로 이어질 간단한 기계적 모델에 대해 설명합니다. 이 간단한 모델은 특히 점성 응력, 표면 장력, 탄성 등의 유체 역학적인 힘에서 발생하는 불안정성에 적용됩니다. 간단한 모델에 의해 얻어지는 안정성 조건은 특정 수치 근사에 의존하지 않지만 대신 질량과 힘에 대한 일반적인 고려 사항만을 포함합니다.

The Model System

Figure 1. Model System

Imagine a mass M located between two rigid walls and connected to the walls by springs, as shown in Fig. 1. Assuming that the springs satisfy Hook’s law in which a spring force on the block is proportional to the change in length of the spring, an equation of motion for the block, which moves in only the horizontal direction is,

그림 1과 같이 두 강체 벽 사이에 위치하고 그 벽에 스프링으로 연결된 질량 M을 가정합니다. 블록에 작용하는 스프링 힘이 스프링의 길이의 변화에 비례하는 훅의 법칙을이 스프링이 채운다고 가정했을 경우, 수평 방향으로만 이동하는 블록의 운동 방정식은 다음과 같이됩니다.

(1)     $\displaystyle M\frac{\partial U}{\partial t}=-2k\left( X-{{X}^{0}} \right)$

Symbol X⁰ indicates the initial x position of the block and M is the block mass. Initially X=X⁰ and the block is at rest, U=0. Now imagine a perturbation given to the block by assigning a velocity of U⁰ at time t=0. After a small time interval δt the block moves to position X¹=X⁰+U⁰δt and a simple discretization of Eq. 1 gives the velocity at the end of the time interval as,

기호 X⁰는 블록의 초기 x 위치를 나타내는 기호 M은 블록의 질량을 나타냅니다. 초기 상태에서는 X = X⁰이며, 블록은 정지하고, U = 0입니다. 여기서, 시간 t=0에서 속도 U=0을 지정하여 블록에 섭동을 준다고 가정합니다. 작은 시간 간격 δt 후 블록은 위치 X ¹ = X ⁰ + U ⁰ δt로 이동하여 식 1의 간단한 이산화에 의해 시간 간격의 마지막의 속도는 아래 식과 같이 표현됩니다.

(2)     $\displaystyle M\left( \frac{{{U}^{1}}-{{U}^{0}}}{\delta t} \right)=-2k\left( {{X}^{1}}-{{X}^{0}} \right)$

Replacing X¹ by its value X⁰+U⁰ δt and rearranging gives an equation for the new velocity U¹,

X¹을 값 X⁰ + U⁰ δt로 치환하여 정리하면 새로운 속도 U¹의 식을 얻을 수 있습니다.

(3)     $\displaystyle {{U}^{1}}={{U}^{0}}\left( 1-2\frac{k\delta {{t}^{2}}}{M} \right)$

This is a recursion in which for each successive time-step the velocity at the end of the time step is equal to the previous value of the velocity times the bracketed quantity in Eq. 3, so that after n time steps,

이것은 재귀 식이고, 연속하는 각 시간 단계에 대해 그 시간 단계의 마지막에 속도가 이전 시간 단계의 속도 값으로 식 3의 괄호 안의 금액을 곱한 값과 같아, n 시간 단계 후에는 아래와 같이됩니다.

(4)     $\displaystyle {{U}^{n}}={{U}^{n-1}}\left( 1-2\frac{k\delta {{t}^{2}}}{M} \right)={{U}^{0}}{{\left( 1-2\frac{k\delta {{t}^{2}}}{M} \right)}^{n}}$

Note that the superscript n on the bracketed quantity in Eq. 4 is an exponent, not a time level index, although its value in this case is the same as the time level index. From Eq. 4 we see that if the quantity in the bracket has an absolute magnitude larger than 1.0 the velocity Uⁿ will increase exponentially with increasing n. Thus, to prevent the exponential growth of the velocity in this model system, the time-step size must be limited to satisfy the following inequality,

식 4의 괄호 안의 금액의 위 첨자가 시간 수준 지표가 아닌 지수인 것에주의하십시오. 그러나 이 경우 지수 값과 시간 수준 지표는 동일합니다. 식 4에서 괄호 안의 금액이 1.0보다 큰 절대 값을 가지는 경우, 속도 Uⁿ은 n의 증가와 함께 지수 적으로 증가하는 것을 알 수 있습니다. 따라서 이 모델 시스템에서 속도의 기하 급수적 증가를 막기 위해서는 다음의 부등식을 만족하도록 시간 단계 크기를 제한하는 것이 필요합니다.

(5)     $\displaystyle \frac{k\delta {{t}^{2}}}{M}\le 1$

When the left hand side of Eq. 5 is greater than one, the velocity Uⁿ will oscillate between positive and negative values on consecutive time steps while exponentially increasing in magnitude.

식 5의 왼쪽이 1보다 큰 경우 속도 Uⁿ은 크기가 기하 급수적으로 증가하면서, 연속 시간 단계에서 양수와 음수 사이를 진동하게됩니다.

This behavior is characteristic of a classical numerical instability. In this case, Eq. 5 shows that the instability can be prevented by keeping δt small enough to satisfy the inequality. As a general rule when a numerical instability occurs and exhibits the character of increasing plus and minus values on successive time steps it can be cured by reducing the time-step size.

이 동작은 고전적인 수치 불안정성의 특징입니다. 이 예에서는 불평등을 충족 δt를 충분히 작게 유지하여 불안정성을 막는 것이 가능하다고 식 5로 표시되어 있습니다. 일반적으로 수치 불안정성이 발생하여 연속 시간 단계에서 증가하는 긍정적이고 부정적인 값의 특징이 나타난 경우는 시간 단계 크기를 작게함으로써 해결할 수 있습니다.

Exploring this simple mechanical model further we can see from Eq. 4 that the instability results from an overreaction to an initial action. That is, when the time-step size large, Eq. 4 predicts a new velocity in the opposite direction and with a larger magnitude. This excessive velocity then becomes the starting condition for the subsequent time step, leading to an exponential increase in the velocity magnitude.

이 간단한 기계적 모델을 더 고려하면 불안정성이 초기 작용에 대한 과민 반응에 기인하는 것으로 식 4에서 알 수 있습니다. 즉, 시간 단계 크기가 큰 경우, 식 4는 반대 방향의 크기가 커진 새로운 속도가 예상됩니다. 이 과잉 속도가 이번에는 다음 시간 단계의 시작 조건이 속도의 크기의 지수적인 증가로 이어집니다.

The stability condition in Eq. 5 is based on an explicit formulation, meaning that the current response of the mass is expressed in terms of the previous displacement. An implicit formulation,where the current response of the mass is based on the subsequent position of the mass (i.e., using X² in Eq. 2 instead of X¹) would likely be unconditionally stable, but it requires a knowledge of the unknown final position X². For most equations implicit methods require an iterative solution, and the additional computational effort required for such solutions is the price that must be paid to eliminate the stability condition.

식 5의 안정성 조건은 explicit 배합에 따라 있습니다. 이것은 질량의 현재 응답이 이전의 변위에 의해 표현되는 것을 의미합니다. 질량의 현재 응답이 후속 위치에 따른 implicit 공식화 (즉, 식2의 X¹ 대신 X²를 사용)는 무조건 안정이라고 생각됩니다 만, 미지의 최종 위치 X ² 이어야 합니다. 대부분의 방정식의 경우, implicit 해법은 반복 분석이 필요하기 때문에 반복 분석에 필요한 추가의 계산량은 안정성 조건을 없애기 위해 지불해야하는 대가입니다.

Application to the Navier-Stokes Equation

To use the above mechanical model of a numerical instability to understand instabilities that may occur in the Navier-Stokes equation imagine two elements of an Eulerian computational grid in which a perturbation is made to a velocity on the boundary separating two elements, as shown in Fig. 2.

위의 기계적 모델의 수치 불안정성을 이용하여 나비에-스토크스 방정식에서 발생할 수 있는 불안정성을 이해하기 위해 그림 2와 같이 두 개의 요소를 나눌 경계의 속도에 섭동이 된 오일러 계산 격자에 의한 2 개의 요소를 가정합니다.

Figure 2. Grid Model

For simplicity, think of the elements outlined by solid lines as cubes of equal size, and that the vector represents a velocity in the x direction. The dashed lines in the centers of the elements (i.e., y-z planes) define the extent of the partial volumes of the elements assigned to the u velocity. The total mass of fluid in the partial volumes correlates to the mass M in the mechanical model. When the velocity U moves fluid between elements the elements respond by generating forces that act to counter the velocity, much like the springs in the mechanical model. These forces may arise because of compression or expansion of the fluid, viscous stresses, surface tension (if there is a fluid interface within the fluid mass M) or other forces. By identifying the appropriate stiffness coefficient k in each case we can use Eq. 5 to arrive at a stability criterion for that physical process when using an explicit numerical approximation in a grid like that shown in Fig. 2.

간단히, 실선에 의해 윤곽이 그려져 있는 요소가 동일 크기의 입방체라고하고 벡터 x 방향의 속도를 나타내는 것으로 생각합니다. 두 요소의 중앙 (즉 yx 평면)의 점선에 의해 속도 U에 할당 된 요소의 부분 체적의 범위가 정의됩니다. 부분 체적 내에 유량의 전체 질량은 기계적 모델의 질량 M과 상관 관계가 있습니다. 속도 U는 응답 요소 사이의 유체가 이동 된 경우 기계적 모델 스프링과 마찬가지로 속도에 대항하여 작용하는 힘을 발생하여 요소는 응답합니다. 이러한 힘은 유체 점성 응력, 표면 장력 (유체와 질량 M의 범위 내에 유체 계면가있는 경우) 또는 기타의 힘에 의한 압축 또는 인장으로 인해 발생 될 수 있습니다. 각 예에서 적절한 강성 계수 k를 특정하여 그림 2와 같은 격자에서 양으로 수치 근사를 사용하는 경우, 식 5를 사용하여이 물리적 과정에 대한 안정성 기준에 도달 가능합니다.

Several examples of how this analogy can be applied are given in the following sections. In each case the mass M of the fluid in the partial volumes is given by,

이 유사성을 어떻게 적용 할 수 있는지에 대한 예는 다음 절에서 설명합니다. 각 예에서 부분 부피의 유체의 질량 M은 아래 식에 의해 주어집니다.

(6)     $\displaystyle M=\rho \delta x\delta y\delta z,$

where ρ is the density of the fluid and elements have dimensions δx, δy and δz.

여기서, ρ는 유체의 밀도이며, 요소의 치수는 δx, δy와 δz입니다.

Compressible Fluids

To find the stiffness coefficient, k, recall that k is a measure of the force generated to resist an applied perturbation. For a compressible fluid this force is related to the change in fluid pressure because of a change in fluid density according to the thermodynamic relation dp=c²dρ, where c is the speed of sound in the fluid. The fluid mass moved across the boundary between the elements is ρUδt*δyδz and the change in density in the element receiving the mass is this mass change divided by the volume of the element, dρ=ρUδt/(δx). The corresponding change in element pressure is then given by

강성 계수 k를 요구하려면, k가 더해진 섭동에 저항하기 위해 만들어지는 힘의 척도임을 기억하십시오. 압축성 유체의 경우,이 힘은 유체 압력의 변화와 관련이 있습니다. 이것은 열역학적 관계 dp = c 2 dρ 의한 유체 밀도의 변화에 의한 것입니다. 여기서 c는 유체의 음속입니다. 요소 사이의 경계를 넘어 이동 한 유체의 질량은 ρUδt * δyδz이며, 질량을받는 요소에서의 밀도 변화는이 질량을 요소의 부피로 나눈 dρ = ρUδt / (δx)입니다. 그 결과, 요소 압력의 대응하는 변화는 아래에 제공됩니다.

(7)     $\displaystyle dp={{c}^{2}}d\rho =\frac{\rho {{c}^{2}}U\delta t}{\delta x}.$

The force responding to the U velocity perturbation in each element is the product of the pressure change from Eq. 7 and the cross sectional area of the element δyδz. The effective stiffness of an element k, is therefore the force divided by the initial displacement Uδt,

각 요소의 속도 U의 섭동에 응답하는 힘은 식 7에 의한 압력 변화와 요소 단면적 δyδz의 곱입니다. 따라서 요소의 유효 강성 k는 힘을 초기 변위 Uδt로 나눈 것입니다.

(8)     $\displaystyle k=\frac{\rho {{c}^{2}}U\delta t\delta y\delta z}{\delta xU\delta t}=\frac{\rho {{c}^{2}}\delta y\delta z}{\delta x}$

Substituting this value for k and the definition for M, from Eq. 6, into the stability condition Eq. 5 results in the stability condition for compressible fluids,

이 k의 값과 식 6에 따르면 M의 정의를 안정성 조건 식 5에 대입하여 압축성 유체의 안정성 조건을 얻을 수 있습니다.

(9)    $\displaystyle \frac{k\delta {{t}^{2}}}{M}={{\left( \frac{c\delta t}{\delta x} \right)}^{2}}\le 1.$

This is the well-known Courant condition than restricts the distance a sound wave travels in one time step to be less than the width of a computational element. An analogy with the simple mechanical model has provided this result without the need to write out an equation for pressure waves in a compressible fluid and then perform a stability analysis on that equation.

이것은 하나의 시간 스텝 중에 음파가 진행하는 거리를 계산 요소의 폭보다 짧게 제한하는 잘 알려진 쿨랑 조건입니다. 간단한 기계적 모델과의 유사성에 따라 압축성 유체 음파 방정식을 기술하고, 그 방정식에 의한 안정성 분석을 수행 할 필요없이이 결과를 얻을 수 있었습니다.

Viscous Stresses / 점성 응력

The viscous forces that are generated in response to a perturbed velocity U in a fluid of viscosity μ consist of shears in the x, y and z directions. For example, the shear stress on the lower surface of the element for the velocity U is μU/δz, assuming that the velocity in neighboring cells is zero. There is a corresponding stress at the upper surface of the element. Each of these stresses act on a surface of area δxδy (in the current example) to produce a viscous force. Similarly, there are stresses in the x and y direction acting on their corresponding areas. In each direction there are force pairs (similar to the two springs) but because of Eq. 5 it is necessary to use the effective k for a single spring. This is half of the total of all the the viscous forces divided by the initial displacement Uδt,

점도 μ의 유체의 섭동 속도 U에 대해 생성되는 점성 힘은 x, y 및 z 방향의 전단력으로 구성됩니다. 예를 들어, 인접 셀의 속도가 0이라고 가정하면 속도 U에 요소의 아랫면에 작용하는 전단 응력은 μU / δz입니다. 요소의 표면에는 압축 응력이 발생합니다. 이러한 응력의 각각은 표면적 δxδy (본 예의 경우)에 작용하고 점성 힘을 발생합니다. 마찬가지로 해당 면적에 작용하는 x 및 y 방향의 응력도 존재합니다. 각 방향에서 (2 개의 봄처럼) 세트 힘이 존재하지만, 식 5를 위해 1 개의 봄의 유효 강성 k를 사용하는 것이 필요합니다. 이것은 모든 점성 힘의 합계를 초기 변위 Uδt로 나눈 것의 절반입니다.

(10)     $\displaystyle k=\mu \left( \frac{U\delta y\delta z}{\delta x}+\frac{U\delta x\delta z}{\delta y}+\frac{U\delta x\delta y}{\delta z} \right)\frac{1}{U\delta t}.$

Inserting this value for k and using Eq. 6 for M into the stability condition for the mechanical model given in Eq. 5 yields

식 5에 의해 주어진 기계적 모델의 안정 조건에 k의 값을 넣고 M 식 6을 사용하면 아래 식을 얻을 수 있습니다.

(11)     $\displaystyle \frac{k\delta {{t}^{2}}}{M}=\frac{\mu }{\rho }\left( \frac{1}{\delta {{x}^{2}}}+\frac{1}{\delta {{y}^{2}}}+\frac{1}{\delta {{z}^{2}}} \right)\delta t\le 1.$

Equation 11 is the stability condition for explicit viscous stresses approximated in an Eulerian grid.

식 11은 오일러 격자에 근접한 explicit 점성 응력의 안정성 조건입니다.

Surface Tension

Figure 2A. With deformed interface.

Imagine a fluid interface located between the two elements that is deformed by a U velocity perturbation, as shown in Fig. 2A. In this case the reaction is a surface tension force on each of the segments of the surface illustrated in Fig. 2A. For simplicity, assume a two-dimensional surface (e.g., no variation in the z direction) and a constant surface tension coefficient σ.

그림 2A와 같이 속도 섭동 U에 의해 변형된 2 개의 요소 사이에 위치하는 유체 계면을 상정합니다. 이 예에서, 반응은 그림 2A에 표시된 표면의 각 구분에 작용하는 표면 장력에 의한 힘입니다. 간단히 2 차원 표면 (예 : z 방향의 변화없이)과 일정한 표면 장력 계수를 가정합니다.

Surface tension in each segment acts tangentially along the surface so the force responding to the U velocity is the x component of that force, i.e., the surface tension coefficient times the sine of the angle of the surface segment with respect to the vertical. For a small initial displacement, the x-force from each surface segment can be approximated by σUδtδz/δy giving the resulting stiffness coefficient,

각 구분의 표면 장력은 표면에 따라서 접선 방향으로 작용하기 때문에 속도 U에 대응하는 힘은 표면 장력의 x 성분입니다. 즉, 수직의 표면 구분 각도의 사인을 표면 장력에 곱한 것입니다. 작은 초기 변위의 경우 각 표면 세그먼트에서 x 방향의 힘은 σUδtδz / δy 의해 근사 할 수 있으며, 그 결과로 다음의 강성 계수를 얻을 수 있습니다.

(12)    $\displaystyle k=\left( \frac{\sigma U\delta t\delta z}{\delta y} \right)\frac{1}{U\delta t}$

Substituting this k and M into Eq. 5 gives the stability condition for surface tension,

이 k와 M을 식 5에 대입하면 표면 장력에 대한 안정성 조건을 얻을 수 있습니다.

(13)     $\displaystyle \frac{k\delta {{t}^{2}}}{M}=\frac{\sigma }{\rho }\frac{\delta {{t}^{2}}}{\delta x\delta {{y}^{2}}}\le 1.$

This result appears somewhat odd because of the different exponents of the δx and δy factors, but for cubic or square elements this makes no difference. For non-uniform elements, however, we should perform a similar evaluation in the y and z directions and then use the most restrictive of the results. In any case, this is a reasonable and useful result from a very simple model based on action and reaction principles.

이 결과는 δx과 δy 지수가 다르기 때문에 다소 이상하게 보이지만, 입방체 또는 사각형 요소의 경우 그 영향은 없습니다. 하지만 For non-uniform 요소의 경우 y 및 z 방향에서 비슷한 평가를 실시하여 가장 제한적인 결과를 사용할 수 있어야합니다. 어쨌든, 이것은 작용과 반작용의 원리에 근거한 매우 간단한 모델에 의한 합리적이고 유익한 결과입니다.

Bulk Elasticity / 체적 탄성

For a fluid with elastic properties the U velocity perturbation is resisted by an elastic stress in a way that closely resembles a spring. If ε is the bulk modulus of the fluid then the stress associated with extension or compression in an element is εUδt/δx. This stress acts over the surface area δyδz, and the stiffness k is this force divided by the displacement Uδt. Substituting this into Eq. 5 provides the stability condition,

탄성 특성을 가진 유체의 경우 속도 U의 섭동은 스프링과 잘 닮은 형식의 탄성 응력에 의해 제한됩니다. 유체의 체적 탄성률이 ε의 경우 요소의 인장 또는 압축에 관련하는 응력은 εUδt / δx입니다. 이 응력은 표면적 δyδz 작용하고 강성 k는이 힘을 변위 Uδt로 나눈 것입니다. 이것을 식 5에 대입하면 아래의 안정성 조건을 얻을 수 있습니다.

(14)     $\displaystyle \frac{k\delta {{t}^{2}}}{M}=\frac{\varepsilon }{\rho }\frac{\delta {{t}^{2}}}{\delta {{x}^{2}}}\le 1.$

Similar results exist for the y and z directions.

비슷한 결과가 y 및 z 방향으로도 존재합니다.

Concluding Remarks

A simple mechanical model has been used to illustrate a common type of numerical instability, that arises from an action-reaction process. Using this simple model it is possible to quickly derive a variety of stability conditions for fluid dynamic forces modeled by explicit finite difference approximations in an Eulerian grid. The stability conditions are derived by using mass and force concepts in fluids that are analogous to the mass and forces in the model mechanical system. Significantly, the stability conditions arrived at are generic and do not depend on specific finite-difference approximations. Additionally, these derivations provide a simple way to understand the mechanisms driving the unstable behavior.

간단한 기계적 모델을 사용하여 작용과 반응 과정에서 발생하는 일반적인 유형의 수치 불안정성에 대해 설명했습니다. 이 간단한 모델을 사용하여 오일러 격자의 양으로 유한 차분 근사에 의해 모델링 된 유체 역학적인 힘에 대한 다양한 안정성 조건을 신속하게 도출 할 수 있습니다. 이러한 안정성 조건은 기계적 모델 시스템의 질량과 힘 유사한 유체의 질량과 힘의 개념을 이용하여 도출됩니다. 중요한 점은 도달한 안정성 조건이 일반적이며 특정 유한 차분 근사에 의존하지 않는 것입니다. 또한이 도출에 의해 불안정한 거동을 야기 메커니즘을 이해하는 간단한 방법도 제공됩니다.

The approach taken here could be extended to other types of physical forces (e.g., electrical, non-inertial, etc.) and even advective processes could be included by using the analogy that a change in momentum resulting from advection could be thought of as the result of an equivalent force.

여기서 사용한 방법은 다른 유형의 물리적 힘 (예 : 전기적 힘 비 관성력 등)로 확장 할 수 있으며, 이류(advective )에 의해 생기는 운동량의 변화를 등가 힘의 결과로 생각되면 유사성을 이용함으로써 이류 과정조차 포함 할 수 있습니다.

Furthermore, more refined estimates of the stiffness coefficient, for instance, by including more dimensional effects, could be added to enhance the stability conditions. In any case, the object here is to show that numerical instabilities can often be understood from a simple analysis. It is hoped that the insight this provides might guide the development of more robust and accurate numerical approximations.

또한, 예를 들어 더 많은 차원 효과를 포함하여 강성 계수보다 정밀한 추정을 추가하고 안정성 조건을 강화 할 수 있습니다. 어쨌든 여기에서의 목표는 대부분의 경우 수치 불안정성을 간단한 분석에서 이해하고 보여주는 것입니다. 여기에 제공된 통찰력이 더 강력하고 정확한 수치 근사치의 개발로 이어질 것으로 기대됩니다.

난류 모델링

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

Turbulence Modeling

The majority of flows in nature are turbulent. This raises the question, is it necessary to represent turbulence in computational models of flow processes? Unfortunately, there is no simple answer to this question, and the modeler must exercise some engineering judgment. The following remarks cover some things to consider when faced with this question.

난류 모델링

자연에서의 흐름은 대부분은 난류입니다. 이것은 유동의 수치해석 모델에서 난류를 표현할 필요가 있는가? 에 대한 의문이 생깁니다. 불행히도이 질문에 대한 답은 모델링을 할 경우 엔지니어가 공학적인 판단을 내려야합니다. 다음에 이 질문에 직면했을 때 고려해야 할 몇 가지를 설명합니다.

Definitions and Orders of Magnitude

The possibility that turbulence may occur is generally measured by the flow Reynolds number:

난류가 발생할 가능성은 일반적으로 흐름의 레이놀즈 수에 의해 측정됩니다.

where ρ is fluid density and μ is the dynamic viscosity of the fluid. The parameters L and U are a characteristic length and speed for the flow. Obviously, the choice of L and U are somewhat arbitrary, and there may not be single values that characterize all the important features of an entire flow field. The important point to remember is that Re is meant to measure the relative importance of fluid inertia to viscous forces. When viscous forces are negligible the Reynolds number is large.

여기서 ρ는 유체 밀도이고 μ는 유체의 동적 점도입니다. 매개 변수 L과 U는 흐름의 특성 길이와 속도입니다. 분명히 L과 U의 선택은 다소 임의적이며, 전체 유동장의 모든 중요한 특징을 특징 짓는 단일 값이 없을 수도 있습니다. 기억해야 할 중요한 점은 Re가 점성력에 대한 유체 관성의 상대적 중요성을 측정한다는 것입니다. 점성력을 무시할 수있는 경우 레이놀즈 수가 큽니다.

A good choice for L and U is usually one that characterizes the region showing the strongest shear flow, that is, where viscous forces would be expected to have the most influence.

L과 U에 대한 좋은 선택은 일반적으로 가장 강한 전단 흐름을 나타내는 영역, 즉 점성 힘이 가장 큰 영향을 미칠 것으로 예상되는 영역을 특징 짓는 것입니다.

Roughly speaking, a Reynolds number well above 1000 is probably turbulent, while a Reynolds number below 100 is not. The actual value of a critical Reynolds number that separates laminar and turbulent flow can vary widely depending on the nature of the surfaces bounding the flow and the magnitude of perturbations in the flow.

대략적으로 말하면, 1000을 훨씬 넘는 레이놀즈 수는 아마도 난류 일 수 있지만 100 미만의 레이놀즈 수는 그렇지 않습니다. 층류와 난류를 분리하는 임계 레이놀즈 수의 실제 값은 유동을 경계하는 표면의 특성과 유동의 섭동의 크기에 따라 크게 달라질 수 있습니다.

In a fully turbulent flow a range of scales exist for fluctuating velocities that are often characterized as collections of different eddy structures. If L is a characteristic macroscopic length scale and l is the diameter of the smallest turbulent eddies, defined as the scale on which viscous effects are dominant, then the ratio of these scales can be shown to be of order L/l≈Re^3/4. This relation follows from the assumption that, in steady-state, the smallest eddies must dissipate turbulent energy by converting it into heat.

완전 난류 흐름에서는 다양한 와류 구조의 집합으로 특징 지어지는 변동 속도에 대해 다양한 스케일이 존재합니다. L이 거시적 길이 특성 척도이고, l을 점성 효과가 우세한 척도로 정의되는 가장 작은 난류 소용돌이의 직경인 경우, 이러한 척도의 비율은L/l≈Re^3/4 정도인 것으로 표시 될 수 있습니다. 이 관계는 정상 상태에서 가장 작은 소용돌이가 난류 에너지를 열로 변환하여 발산해야한다는 가정에서 비롯됩니다.

Turbulence Models

From the above relation for the range of scales it is easy to see that even for a modest Reynolds number, say Re=10⁴, the range spans three orders of magnitude, L/l=10³. In this case, the number of control volumes needed to resolve all the eddies in a three-dimensional computation would be greater than 10⁹. Numbers of this size are well beyond current computational capabilities. For this reason, considerable effort has been devoted to the construction of approximate models for turbulence.

난류 모델

스케일의 범위에 대한 위의 관계를 보면 적당한 레이놀즈 수 (예 : Re = 10⁴ )에서도 범위가 세 자릿수인 L/l=10³에 걸쳐 있음을 쉽게 알 수 있습니다. 이 경우 3 차원 계산에서 모든 소용돌이를 해결하는데 필요한 제어 볼륨의 수는 10⁹보다 커집니다.이 크기의 수는 현재 계산 능력을 훨씬 뛰어 넘습니다. 이러한 이유로 난류에 대한 대략적인 모델을 구성하는 데 상당한 노력을 기울였습니다.

We cannot describe turbulence modeling in any detail in this short article. Instead, we will simply make some basic observations about the types of models available. Be forewarned, however, that no models exist for general use. Every model must be employed with discretion and its results cautiously treated.

이 짧은 기사에서는 난류 모델링에 대해 구체적으로 설명 할 수 없습니다. 대신 사용 가능한 모델의 유형에 대한 몇 가지 기본적인 설명만 합니다. 그러므로 일반 모델은 존재하지 않는 것을 미리 양해 바랍니다. 어떤 모델도 신중하게 선택하고 결과를 주의 깊게 처리해야 합니다.

The original turbulence modeler was Osborne Reynolds. Anyone interested in this subject should read his groundbreaking work (Phil. Trans. Royal Soc. London, Series A, Vol.186, p.123, 1895). Reynolds’s insights and approach were both fundamental and practical.

난류를 처음으로 모델링 한 인물은 Osborne Reynolds 입니다. 이 건에 관심이있는 분은 Reynolds 의 획기적인 저서 (Phil. Trans. Royal Soc. London, Series A, Vol.186, p.123,1895)를 참조하십시오. Reynolds 의 통찰력과 접근 방식은 기본이며 동시에 실용적인 것입니다.

The Pseudo-Fluid Approximation

In a fully turbulent flow it is sometimes possible to define an effective turbulent viscosity, μ_eff, that roughly approximates the turbulent mixing processes contributing to a diffusion of momentum (and other properties). Thinking of a turbulent flow as a pseudo-fluid having increased viscosity leads to the observation that the effective Reynolds number for a turbulent flow is generally less than 100:

의사 유체 근사

완전 난류 흐름에서는 운동량 (및 기타 특성)의 확산에 기여하는 난류 혼합 공정에 대략적으로 근접하는 효과적인 난류 점도 μ_eff를 정의 할 수 있습니다. 난류 흐름을 점도가 증가 된 유사 유체로 생각하면 난류 흐름에 대한 유효 레이놀즈 수가 일반적으로 100 미만이라는 관찰이 가능합니다.

This observation is particularly useful because it suggests a simple way to approximate some turbulent flows. In particular, when the details of the turbulence are not important, but the general mixing behavior associated with the turbulence is, it is often possible to use an effective turbulent (eddy) viscosity in place of the molecular viscosity. The effective viscosity can often be expressed as

이 관찰 결과는 몇 가지 난류를 근사하는 간단한 방법을 제시하고 있기 때문에 특히 유용합니다. 특히 난류 대한 자세한 내용은 중요하지 난류와 관련된 일반적인 혼합 거동이 중요한 경우에는 분자 점성 대신 사용 난류 (소용돌이) 점성을 사용할 수있는 경우가 있습니다. 유효 점성은 다음의 식으로 나타낼 수 있습니다.

where α is a number between 0.02 and 0.04. This expression works well for the turbulence associated with plane and cylindrical jets entering a stagnant fluid. The effective Reynolds number associated with this model is Re=1/α, a number between 25 and 50.

α는 0.02에서 0.04 사이의 숫자입니다. 이 수식은 정체 유체에 들어가는 평면 제트 및 원통형 분류 관련 난류에 대하여 효과가 있습니다. 이 모델에 대한 사용 레이놀즈 수는 Re = 1 / α 25에서 50 사이의 숫자입니다.

While this model is often adequate for predicting the gross features of a turbulent flow, it may not be suitable for predicting local details. For example, it would predict a parabolic flow (i.e., laminar) profile in a pipe instead of the measured logarithmic profile.

이 모델은 종종 난류의 전반적인 특징을 예측하는데는 적합하지만, 로컬 세부 사항을 예측하는 데는 적합하지 않을 수 있습니다. 예를 들어, 측정된 대수 프로필 대신 파이프의 포물선 흐름 (층류 등)의 프로파일을 예측합니다.

Local Viscosity Model

The next level of complexity beyond a constant eddy viscosity is to compute an effective viscosity that is a function of local conditions. This is the basis of Prandtl’s mixing-length hypothesis where it is assumed that the viscosity is proportional to the local rate of shear. The proportionality constant has the dimensions of a length squared. The square root of this constant is referred to as the “mixing length.”

This model offers an improvement over a simple constant viscosity. For example, it predicts the logarithmic velocity profile in a pipe. However, it is not used much because it doesn’t account for important transport effects.

국소 점성 모델

일정한 소용돌이 점성보다 복잡한 것은 국소적 조건의 함수인 유효 점성을 계산하는 것입니다. 이것은 점성이 국소적 전단 속도에 비례한다고 가정된다는 프란틀 혼합 길이 가설(Prandtl’s mixing-length hypothesis )의 기초가됩니다. 비례 상수의 차원은 길이의 제곱입니다. 이 상수의 제곱근은 “혼합 장”이라고합니다.

이 모델은 간단한 일정한 점성 개선을 제공합니다. 예를 들어, 파이프의 대수 속도 프로파일을 예측할 수 있습니다. 그러나 중요한 수송 효과를 지원하지 않기 때문에 그다지 많이 사용되지 않습니다.

Turbulence Transport Models

For practical engineering purposes the most successful computational models have two or more transport equations. A minimum of two equations is desirable because it takes two quantities to characterize the length and time scales of turbulent processes. The use of transport equations to describe these variables allows turbulence creation and destruction processes to have localized rates. For instance, a region of strong shear at the corners of a building may generate strong eddies, while little turbulence is generated in the building’s wake region. The strong mixing observed in the wakes of buildings (or automobiles and airplanes) is caused by the advection of upstream generated eddies into the wake. Without transport mechanisms, turbulence would have to instantly adjust to local conditions, implying unrealistically large creation and destruction rates.

난류 수송 모델

실용 공학의 목적인 가장 뛰어난 수치 모델에는 2 개 이상의 수송 방정식이 있습니다. 난류 과정의 길이와 시간의 스케일을 특징으로는 2 개 분량이 필요하므로 최소한 2 개의 방정식이있는 것이 바람직 할 것입니다. 수송 방정식을 사용하여 이러한 변수를 표현하면 난류의 생성 속도와 파괴율을 국소적으로 할 수 있습니다. 예를 들어, 건물의 모서리의 전단력이 강한 영역에서 강력한 소용돌이가 생성 된 건축물의 후류 영역에서 난류는 거의 생성되지 않습니다. 건축물 (또는 자동차 나 비행기)의 후류에서 관찰되는 강력한 혼합은 상류에서 생성된 소용돌이 후류의 이류에 의해 발생합니다. 수송 메커니즘이 없는 경우, 난류는 국소적 조건에 즉시 적응해야하므로 생성 속도와 파괴율이 비현실적인 크기입니다.

Nearly all transport models invoke one or more gradient assumptions in which a correlation between two fluctuating quantities is approximated by an expression proportional to the gradient of one of the terms. This captures the diffusion-like character of turbulent mixing associated with many small eddy structures, but such approximations can lead to errors when there is significant transport by large eddy structures.

거의 모든 수송 모델에서 하나 이상의 경사 가정을 이루어 두 변동하는 양의 상관 관계가 하나의 항 기울기에 비례하는 식으로 근사됩니다. 이를 통해 다수의 작은 소용돌이 구조와 관련된 난류 혼합 확산적인 특징을 파악할 수 있지만, 큰 소용돌이 구조에 의해 상당한 전송이 존재하는 경우, 이러한 근사 오류가 발생할 수 있습니다.

Large Eddy Simulation

Most models of turbulence are designed to approximate a smoothed out or time-averaged effect of turbulence. An exception is the Large Eddy Simulation model (or Subgrid Scale model). The idea behind this model is that computations should be directly capable of modeling all the fluctuating details of a turbulent flow except for those too small to be resolved by the grid. The unresolved eddies are then treated by approximating their effect using a local eddy viscosity. Generally, this eddy viscosity is made proportional to the local grid size and some measure of the local flow velocity, such as the magnitude of the rate of strain.

Large Eddy 시뮬레이션

난류의 대부분의 모델은 매끄럽게 또는 시간 평균된 난류의 효과를 근사하도록 설계되어 있습니다. 예외는 큰 에디 시뮬레이션 모델 (또는 서브 그리드 스케일 모델)입니다. 이 모델의 배경에는 너무 작은 격자에 의해 해결할 수 없는 것을 제외하고는 난류의 모든 변동 내용은 계산에 의해 직접 모델링 할 수 있어야 한다는 생각이 있습니다. 미해결 소용돌이는 로컬 점성을 사용하여 효과를 근사하여 처리됩니다. 일반적으로이 소용돌이 점성은 국소적인 격자 크기 및 어떤 국소적인 흐름의 속도 측정 (변형 속도의 크기 등)에 비례합니다.

대부분의 난류 모델은 난류의 평활화 또는 시간 평균 효과에 근접하도록 설계되었습니다. 예외는 Large Eddy Simulation 모델 (또는 Subgrid Scale 모델)입니다. 이 모델의 이면에있는 아이디어는 계산이 격자에 의해 해결 되기에는 너무 작은 것을 제외하고, 난류 흐름의 모든 변동 세부 사항을 직접 모델링 할 수 있어야 한다는 것입니다. 해결되지 않은 소용돌이는 로컬 소용돌이 점도를 사용하여 효과를 근사화하여 처리됩니다. 일반적으로, 이 와류 점도는 로컬 격자 크기와 변형률의 크기와 같은 로컬 유속 측정치에 비례하여 만들어집니다.

Such an approach might be expected to give good results if the unresolved scales are small enough, for example, in the viscous sub-range. Unfortunately, this is still an uncomfortably small size. When these models are used with a minimum scale size that is above the viscous sub-range, they are then referred to as Coherent Structure Capturing models.

이러한 접근 방식은 미해결 스케일이 충분히 작은 경우, 예를 들어 점성이 작은 영역에 있는 경우에 좋은 결과를 얻을 수 있을 것으로 기대됩니다. 불행히도 아직은 여전히 불편한 작은 크기 입니다. 이러한 모델을 점성 작은 영역보다 높은 최소 스케일 사이즈로 사용하는 경우는 CSC (Coherent Structure Capturing) 모델이라고합니다.

The advantage of these more realistic models is that they provide information not only about the average effects of turbulence but also about the magnitude of fluctuations. But, this advantage is also a disadvantage, because averages must actually be computed over many fluctuations, and some means must be provided to introduce meaningful fluctuations at the start of a computation and at boundaries where flow enters the computational region.

이보다 현실적인 모델의 장점은 난류의 평균 효과에 대한 정보뿐만 아니라 변동의 크기에 대한 정보도 제공 될 것입니다. 그러나 이와같은 장점은 단점도 있습니다. 평균적으로 실제로 다수의 변동에 대해 계산해야 하며, 계산의 시작 및 흐름이 계산 영역에 들어가는 경계에서 상당한 변화를 도입하기위한 수단을 제공 할 필요가 있기 때문입니다.

Turbulence from an Engineering Perspective

We have seen that it is probably not reasonable to attempt to compute all the details of a turbulent flow. Furthermore, from the perspective of most applications, it’s not likely that we would be interested in the local details of individual fluctuations. The question then is how should we deal with turbulence, when should we employ a turbulence model, and how complex should that model be?

공학적 관점에서의 난류

지금까지 난류의 모든 세부 사항을 계산하려고하는 것은 아마도 합리적이지 않다는 것을 확인했습니다. 또한 많은 적용례의 관점에서 개별 변동의 국소적인 세부 사항이 관심의 대상이 될 수는 없을 것입니다. 거기서 생기는 의문은 난류를 어떻게 처리해야 할지 난류 모델을 언제 선택할지 그 모델이 얼마나 복잡할지에 있다는 것입니다.

Experimental observations suggest that many flows become independent of Reynolds number once a certain minimum value is exceeded. If this were not so, wind tunnels, wave tanks, and other experimental tools would not be as useful as they are. One of the principal effects of a Reynolds number change is to relocate flow separation points. In laboratory experiments this fact sometimes requires the use of trip wires or other devices to induce separation at desired locations. A similar treatment may be used in a numerical simulation.

실험적 관찰에 따르면 특정 최소값이 초과되면 많은 흐름이 레이놀즈 수와 무관하게됩니다. 그렇지 않다면 풍동, 파도 탱크 및 기타 실험 도구는 그다지 유용하지 않을 것입니다. 레이놀즈 수 변경의 주요 효과 중 하나는 흐름 분리 지점을 재배치하는 것입니다. 실험실 실험에서이 사실은 때때로 원하는 위치에서 분리를 유도하기 위해 트립 와이어 또는 기타 장치를 사용해야합니다. 유사한 처리가 수치 시뮬레이션에서 사용될 수 있습니다.

Most often a simulation is done to determine the dominant flow patterns that develop in some specified situation. These patterns consist of the mean flow and the largest eddy structures containing the majority of the kinetic energy of the flow. The details of how this energy is removed from the larger eddies and dissipated into heat by the smallest eddies may not be important. In such cases the dissipation mechanisms inherent in numerical methods may alone be sufficient to produce reasonable results. In other cases it is possible to supply additional dissipation with a simple turbulence model such as a constant eddy viscosity or a mixing length assumption.

대부분의 경우 특정 상황에서 발생하는 지배적 인 흐름 패턴을 결정하기 위해 시뮬레이션이 수행됩니다. 이러한 패턴은 평균 흐름과 흐름의 대부분의 운동 에너지를 포함하는 가장 큰 소용돌이 구조로 구성됩니다. 이 에너지가 더 큰 소용돌이에서 제거되고 가장 작은 소용돌이에 의해 열로 소산되는 방법에 대한 세부 사항은 중요하지 않을 수 있습니다. 그러한 경우 수치 적 방법에 내재 된 소산 메커니즘만으로도 합리적인 결과를 얻을 수 있습니다. 다른 경우에는 일정한 소용돌이 점도 또는 혼합 길이 가정과 같은 간단한 난류 모델을 사용하여 추가 소산을 제공 할 수 있습니다.

Turbulence transport equations require more CPU resources and should only be used when there are strong, localized sources of turbulence and when that turbulence is likely to be advected into other important regions of the flow. When there is reason to seriously question the results of a computation, it is always desirable to seek experimental confirmation.

An excellent introduction to fluid turbulence can be found in the book Elementary Mechanics of Fluids by Hunter Rouse, Dover Publications, Inc., New York (1978).

난류 전송 방정식은 더 많은 CPU 리소스를 필요로하며 강력하고 국부 화 된 난기류 소스가 있고 그 난류가 흐름의 다른 중요한 영역으로 전파 될 가능성이있는 경우에만 사용해야합니다. 계산 결과에 매우 의문이 생길 경우는 실험에 의해 확인하는 것이 좋습니다.

유체 난류에 대한 훌륭한 소개는 Hunter Rouse, Dover Publications, Inc., New York (1978)의 책 Elementary Mechanics of Fluids에서 찾을 수 있습니다.

격자 시스템

Grid Systems

People who are new to computational modeling may be a little bewildered—even intimidated—by the process known as grid generation. This note describes the most common types of three-dimensional grids with comments on their advantages and disadvantages.

격자 시스템

수치해석 모델링에 익숙하지 않은 사람들은 격자를 생성하는 작업은 조금 당황스럽거나 혼란스러워 할지도 모릅니다. 여기에서는 가장 일반적인 유형의 3차원 격자에 대하여 각각의 장점과 단점을 포함하여 설명합니다.

Fixed, Orthogonal and Fixed, Non-Orthogonal

Gridding is the process of subdividing a region to be modeled into a set of small control volumes. Associated with each control volume are one or more values of the dependent flow variables (e.g., velocity, pressure, temperature, etc.) Usually these represent some type of locally averaged values. Numerical algorithms representing approximations to the conservation laws of mass, momentum, and energy are then used to compute these variables in each control volume.

고정 직교 격자와 고정 비 직교 격자
격자 생성은 모델링 대상 영역을 일련의 작은 컨트롤 볼륨으로 세분화하는 과정입니다. 각각의 컨트롤 볼륨은 하나 이상의 종속 흐름 변수 (속도, 압력, 온도 등)의 값이 연결됩니다. 일반적으로 이들은 어떤 유형의 국소적인 평균값을 나타냅니다.  질량, 운동량, 에너지 보존 법칙에 근사치를 나타내는 수치 알고리즘을 사용하여 컨트롤 볼륨마다 이 변수가 계산됩니다.

Control Volume Choices

Uniform Rectangular

Some computational schemes use grids that deform to follow the motion of a fluid (Lagrangian grids) while others use fixed grids (Eulerian grids). Sometimes a combination is used so that moving grids don’t become too distorted (Arbitrary-Lagrangian-Eulerian grids). In this note we will only address issues associated with the subdivision of space into a set of control volumes and leave the question of moving versus stationary grids for another note.

컨트롤 볼륨의 선택

계산법에 의해 유체의 움직임에 따라 변형 격자 (라그랑주 격자)를 사용하는 경우와 고정 격자 (오일러 격자)를 사용하는 경우가 있습니다. 경우에 따라서는 가동 격자가 변형을 초과하지 않도록 두 종류의 격자를 함께 사용합니다(ALE (Arbitrary-Lagrangian-Eulerian : 모든 – 라그랑주 – 오일러) 격자). 여기에서는 공간을 일련의 컨트롤 볼륨으로 세분화하는 것과 관련된 문제만을 취급하며 움직이는 격자와 고정 격자의 문제에 대해서는 다른 기사에서 설명합니다.

Variable Rectangular

Grids may be structured or unstructured. A structured grid means that the volume elements are well ordered, and a simple scheme (e.g., I,J,K indices) can be used to label elements and identify neighbors. In unstructured grids, volume elements can be joined in any manner, and special lists must be kept to identify neighboring elements.

격자는 구조 격자와 비 구조 격자가 있습니다. 구조 격자는 체적 요소가 정연하게 배열되어 있고, 간단한 구조 (I, J, K 인덱스 등)를 사용하여 요소에 레이블을 지정하거나 인접 요소를 식별 할 수있는 것을 의미합니다 . 비 구조 격자는 체적 요소는 어떤 방법으로도 결합 할 수 있도록 인접한 요소를 식별하는 데 필요한 특별한 목록을 유지해야합니다.

Structured Meshing of Control Volumes

Structured grids come in several varieties, depending on the shape of their elements. The simplest grid is generated from a rectangular box by subdividing it into a set of rectangular elements whose faces are parallel to the faces of the box. Most often the elements are ordered by counting in the x then y and finally the z-direction, so that grid element (I,J,K) would be the i^th element in the x-direction, etc.

컨트롤 볼륨의 구조 메쉬

구조 격자 요소의 형상에 따라 다양한 종류가 있습니다. 가장 간단한 격자는 사각형의 상자를 상자의 측면과 병행면을 가지는 일련의 직사각형 요소로 세분화하여 생성됩니다. 종종 요소의 순서는 x 방향, y 방향 및 z 방향의 순서로 계산 격자 요소 (I, J, K)가 x 방향의 i 번째 요소가 되도록 하는 등 정해져 있습니다.

Grids composed of regular brick elements have the simplest structure since it is only necessary to define three one-dimensional arrays for the x, y, and z values of the surfaces defining the element surfaces. If I,J, and K are the maximum indices in the x, y, and z directions, then the total number of values needed to define the grid is I+J+K. Rectangular grids with slowly varying element sizes also exhibit a regularity that helps to maintain numerical accuracy.

일정한 블록 요소로 구성되어있는 격자는 가장 간단한 구조입니다. 이것은 요소의 표면을 정의하는 표면의 x, y, z 값에 대한 1 차원 배열을 3 개 정의하는 것만으로 좋기 때문입니다. I, J, K는 x, y, z 방향의 최대의 인덱스 인 경우, 격자를 정의하는 데 필요한 값의 합계는 I + J + K입니다. 요소의 크기가 천천히 변화하는 사각형 격자도 규칙 성을 나타내고 숫자의 정밀도를 유지할 수 있습니다.

One limitation of rectangular elements is that geometric surfaces are usually approximated by blocking out entire elements, which leads to boundaries having discrete steps. These steps introduce flow losses and produce other undesirable effects (No Loss With FAVOR™).

사각형 요소의 제한의 하나는 기하 형상의 표면이 일반적으로 요소 전체를 블록으로 분할하여 근사 될 것입니다. 그러면 경계가 불연속 계단입니다. 이러한 계단 부분에 따라 유동 손실이 생겨 바람직하지 않은 다른 효과도 발생합니다 ( “FAVOR TM를 사용하여 손실 제로”참조).

There are two ways to get better geometric representations of curved obstacle surfaces. One is to deform the grid elements to conform with specified geometric shapes. The resulting elements then have general hexahedral shapes, and the grid is often referred to as a body-fitted grid. Another technique is to keep the rectangular elements but supplement them with some means of defining obstacles cutting through their interiors. A technique of this type, called FAVOR™, is used in the FLOW-3D program. The FAVOR™ method is described in more detail below.

장애물이있는 곡면을 더 정확하게 기하학적 형상으로 표현하는 두 가지 방법이 있습니다. 하나는 지정된 기하 형상에 맞게 격자 요소를 변형하는 것입니다. 이 경우 요소는 일반적인 육면체의 형상이 많은 경우 격자는 물체 적합 격자( body-fitted grid)라고합니다. 또 다른 기법은 사각형 요소를 유지하면서 내부를 잘라 장애물을 정의하는 방법을 보충하는 것입니다. 이 유형의 기술은 FAVOR™이라고, FLOW-3D 프로그램에서 사용되고 있습니다. FAVOR™법에 대해서는 다음에 자세히 설명합니다.

Rectangular and Deformed Mesh Comparisons

1. Requires 4 3D Arrays (FAVOR™) 2. Easy Mesh Generation 3. Simple Numerical Algorithm

Hexahedral elements require three coordinates to locate each corner point, or 3*(I+1)*(J+1)*(K+1) values for the entire grid, which is much larger than the I+J+K values needed for rectangular grids. In addition, other three-dimensional arrays are usually kept, such as their face areas and volumes, so these quantities don’t have to be constantly recomputed.

This uses a large amount of stored memory and increases memory retrieval times. Although memory is becoming inexpensive, the amount of memory to be retrieved is becoming an important consideration in parallel computing.

사각형 메쉬 변형 메쉬의 비교

육각형 요소는 각 정점의 위치를 결정하는데 3 개의 좌표가 필요합니다. 격자 전체에서는 3 * (I + 1) * (J + 1) * (K + 1) 개의 값이 필요 직사각형 격자에 필요한 I + J + K 개의 값보다 훨씬 많아집니다. 또한 표면적과 체적 등 기타 3 차원 배열은 일반적으로 유지되기 때문에이 금액은 수시로 재 계산할 필요는 없습니다.

이를 통해 대량의 저장 메모리가 사용 된 메모리의 검색 시간이 길어집니다. 메모리의 비용은 내려오고 있지만 검색 할 메모리의 양은 병렬 컴퓨팅을위한 중요한 문제가되어 가고 있습니다.

1. Requires 10 or more 3D Arrays 2. Complex Mesh Generation 3. Algorithms More Complex

The distortion of elements away from a purely rectangular shape has several consequences. For one thing, distortion may reduce numerical accuracy because numerical approximations are no longer centered (or symmetric) about the centroid of the volume element. This drawback, however, may be balanced by the increase in local grid resolution afforded by the distortion.

순수한 직사각형 모양에서 요소를 왜곡하면 다양한 효과가 있습니다. 그 중 하나는 왜곡하여 수치 근사가 체적 요소의 중심이 없게되면 (또는 대칭) 수치적 정확도가 저하 될 수 있습니다. 그러나 이 문제는 왜곡으로 인한 국소적인 격자 해상도의 증가에 의해 상쇄될 수 있습니다.

Another consequence of distortion is that numerical approximations become more complex. Not only must forces and fluxes be converted to normal and tangential components at element faces, but it is generally necessary to include data from all surrounding elements (i.e., the 26 face, edge, and corner neighbors of a hexahedral) in the approximations for a given element. In purely rectangular grids, only the six neighbors having a common face with a given element must be directly coupled.

왜곡에 의한 또 다른 영향은 수치 근사가 더 복잡해질 것입니다. 요소의 각면에서 힘과 플럭스를 법선 성분과 접선 성분으로 변환해야 할 뿐만 아니라 일반적으로 주어진 요소의 근사치에 주위의 모든 요소 (육면체의 26 개면, 모서리, 정점의 인접 요소)에서 데이터를 포함 할 필요가 있습니다. 순수한 사각형 격자에서 직접 결합할 필요가있는 것은 주어진 요소와 일치하는 면을 가진 6 개의 인접 요소뿐입니다.

Finally, it should be noted that it is not always possible to deform a structured rectangular grid into any shape. For example, attempts to deform a straight section into an L-shape results in collapsed or inverted elements in the inside corner. Solutions to this limitation consist of either coupling together more than one structured grid block for a simple kind of unstructuring or resorting to fully unstructured grids.

마지막으로, 구조화된 사각형 격자를 어떤 모양으로 변형 할 수 없는 경우도 있다는 점에 유의하십시오. 예를 들어, 직선 부분을 L 자형으로 변형하려고하면 몸쪽으로 요소가 손상되거나 반전합니다. 이 제한을 해결하려면 여러 구조 격자 블록을 결합하여 간단한 비정형으로 하거나 완전한 비 구조 격자를 사용합니다.

Unstructured Meshing of Control Volumes

Polyhedral Elements

Unstructured grids have the advantage of generality in that they can be made to conform to nearly any desired geometry. This generality, however, comes with a price. The grid generation process is not completely automatic and may require considerable user interaction to produce grids with acceptable degrees of local resolution while at the same time having a minimum of element distortion. Unstructured grids require more information to be stored and recovered than structured grids (e.g., the neighbor connectivity list), and changing element types and sizes can increase numerical approximation errors.

비 구조 격자는 일반적인 장점이 있어 필요한 거의 모든 기하학적 모양에 맞게 만들 수 있습니다. 그러나 이 일반성에는 대가가 따릅니다. 격자 생성 절차는 완전 자동이 아닌 요소의 왜곡을 최소화 경우에도 허용 수준의 국소 해상도를 가지는 격자를 생성하려면 사용자 개입이 상당히 필요할 수 있습니다. 비 구조 격자는 구조 격자보다 많은 정보를 저장하고 복구해야합니다 (인접 결합 목록 등). 또한 요소의 종류와 크기를 변경하면 숫자 근사 오류가 증가할 가능성이 있습니다.

A popular type of unstructured grid consists of tetrahedral elements. These grids tend to be easier to generate than those composed of hexahedral elements, but they generally have poorer numerical accuracy. For example, it is difficult to construct approximations that maintain an accurate propagation of one-dimensional flow disturbances because tetrahedral grid elements have no parallel faces.

일반적인 유형의 비 구조 격자는 사면체 요소로 구성되어 있습니다. 이러한 격자는 육면체 요소로 구성되어있는 것보다 쉽게 생성 할 수있는 경향이 있지만, 수치적 정확도는 일반적으로 낮습니다. 예를 들어 사면체 격자 요소에 평행하는면이 없기 때문에 1 차원 흐름의 교란의 정확한 전달을 유지하는 근사치를 구축하는 것은 어렵습니다.

In summary, the best choice for a grid system depends on several factors: convenience in generation, memory requirements, numerical accuracy, flexibility to conform to complex geometries, and flexibility for localized regions of high or low resolution.

즉, 격자 시스템으로 무엇이 최선의 선택 인지 결정은 생산의 용이성, 메모리 요구 사항, 수치적 정확성, 복잡한 기하학적 형상에 대응하는 유연성, 국소적인 해상도의 높낮이에 대응하는 유연성 등 다양한 요인이 있습니다.

Mesh Subdivision and/or Multiblock

In FLOW-3D a compromise is employed, which is called Free Gridding. The program uses a simple grid of rectangular elements, so it has the advantages of ease of generation, regularity for improved numerical accuracy, and requires very little memory storage.

FLOW-3D 프로그램은 Free Gridding 으로 불리는 타협안이 선택되고 있습니다. 이 프로그램은 사각형 요소로 구성된 간단한 격자를 사용하고 있기 때문에 생성이 간단하고 규칙적으로 수치적 정확도가 향상된다는 장점이 있으며, 매우 적은 메모리 저장소를 요구합니다.

Geometry is then defined within the grid by computing the fractional face areas and fractional volumes of each element that are blocked by obstacles. This Fractional Area Volume Obstacle Representation (FAVOR™) method requires that we store three area fractions and one volume fraction for each element, which is relatively little information compared with body-fitted grids.

기하형상은 장애물에 의해 차단된 각 요소의 표면적 점유율 및 볼륨 점유율을 계산하여 격자에서 정의됩니다. 이 FAVOR™(Fractional Area Volume Obstacle Representation) 법 에서는 요소마다 3개의 면적 점유율과 1개의 부피 점유율을 저장해야합니다. 이것은 body-fitted 격자에 비하면 상대적으로 적은 정보입니다.

The philosophy behind FAVOR™ is that the numerical algorithms are based on information consisting of only one pressure, one velocity, one temperature, etc. for each control volume, so it is inconsistent to use an excessive amount of information to define geometry. Thus, the FAVOR™ technique retains the simplicity of rectangular elements while representing complex geometric shapes at a level consistent with the use of averaged flow quantities within each volume element.

FAVOR™법의 배경에 있는 원리는 각 컨트롤 볼륨에 대해 수치 알고리즘은 하나의 압력 단일 속도, 1 개의 온도 등으로 구성된 정보에 근거하는 것입니다. 따라서 지오메트리를 정의하기 위해 과도한 정보를 사용한다는 것은 모순입니다. 따라서 FAVOR™법은 사각형 요소를 단순 유지하면서 각 체적 요소에서 평균된 유량을 사용하는 것과 모순되지 않는 수준에서 복잡한 기하학적 형상을 표현합니다.

Grids and geometry are free to be defined independently of one another with the FAVOR™ method. We refer to this as Free Gridding. The advantages of Free Gridding are that grids and geometries can be generated and modified with very little time or effort on the part of a user. It is the computer that does all the work of computing the intersections between a grid and an obstacle description, which is what automated computing is all about.

FAVOR™법을 사용하면 격자 와 기하학적 형상을 서로 독립적으로 자유롭게 정의 할 수 있습니다. 여기에서는 이것을 Free Gridding이라고 합니다. Free Gridding의 장점은 사용자 측이 격자와 기하학적 형상을 매우 쉽고 빠르게 생성하고 수정할 수 있다는 것입니다. 격자와 obstacle description이 만나는 부분의 계산 작업은 모든 컴퓨터가 합니다. 이것이 자동 컴퓨팅이라는 것입니다.

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

사각형 격자

Rectangular Grids

전산 유체 역학 기법의 대부분은 공간을 세분화하여 흐름 변수의 평균 값을 정의 할 수 있는 이산화된 체적 요소의 격자 수에 의존하고 있습니다. 가장 간단한 격자는 각 좌표축 (x, y, z)에 수직인 일련의 평면에 의해 정의되는 사각형 요소로 구성되어 있는 것입니다. 평행하는 평면 사이의 간격은 일정한 경우와 가변의 경우가 있습니다. 많은 경우, 전자를 “균일”사각형 격자라고 부르며, 후자를 “불균일”사각형 격자라고 합니다.

Most techniques for doing computational fluid dynamics rely on the subdivision of space into a grid of discrete volume elements in which average values of flow variables can be defined. The simplest kind of grid is one composed of rectangular elements defined by a set of planes perpendicular to each of the coordinate axes (x,y,z). The spacing between parallel planes may be constant or variable. The former is often referred to as a “uniform” rectangular grid, while the latter is a “non-uniform” rectangular grid.
$\displaystyle \frac{\delta uu}{\delta x}\approx \frac{1}{2}\left( \frac{3\delta {x}_{1}+\delta {x}{i+1}}{\delta {x}_{1}+\delta {x}{i+1}} \right)\frac{\partial uu}{\partial x}+O\left( \delta x \right).$
Why are Rectangular Grids Simple?

직사각형 그리드는 생성하기가 매우 쉽기 때문에 간단합니다. 각 좌표 방향과 모델링 할 공간을 세분화하는 평면 사이의 간격에서 그리드의 시작 및 끝 좌표를 정의하기만 하면 됩니다.

Rectangular grids are simple because they are very easy to generate. It is only necessary to define the beginning and ending coordinate of the grid in each coordinate direction, and in the spacing between the planes subdividing the space to be modeled.

Pros and Cons of Rectangular Grids

어떤 격자 생성 시스템에서도 마찬가지이지만 경쟁이 되는 장단점이 있습니다 ( ” Free Gridding Saves Time “참조). 사각형 격자의 장점 중 하나는 격자를 설명하기 위해 저장되는 정보량을 최소화 할 수 있다는 것입니다. 단점은 모델링 대상의 영역이 사각형 영역에 들어 가지 않는 경우가 있는 것입니다. 예를 들어, 구불구불한 강 형상에 대해 생각해보면, 직사각형 영역으로 설정한 경우, 직사각형의 아주 작은 부분이 형상을 차지하게 되는 경우가 있습니다. 이러한 경우에는 격자의 대부분의 요소가 강 바깥에 존재하고 이는 계산에서 부담으로 작용합니다.

As with any gridding system, there are pros and cons to contend with (see, for example, Free Gridding Saves Time). One pro for rectangular grids is that the amount of information to be stored for describing the grid is minimal. A con is that a region to be modeled may not fit into a rectangular region. For example, think of a bird’s eye view of a winding river, which when set in a rectangular region, may only occupy a small portion of the area of the rectangle. In such a case, most of the grid elements lie outside the river and would be a computational burden.

Difference Equations are Simpler

직사각형 그리드의 또 다른 장점은 차분 방정식이 일반적으로 직사각형이 아닌 그리드보다 간단하다는 것입니다. 예를 들어, 3 차원에서 요소의 속도에 대한 Navier-Stokes 방정식의 근사치는 6 개의 인접한 요소, 즉 3 개의 좌표 방향 각각에 있는 2 개의 인접 요소 만 포함하면 됩니다. 대조적으로, 직사각형이 아닌 그리드는 일반적으로 중앙 요소를 둘러싸는 3x3x3 = 27 배열의 모든 주변 요소에 대한 결합이 필요합니다.

Another pro for a rectangular grid is that difference equations are generally simpler than they are in a non-rectangular grid. For instance, in three dimensions an approximation to the Navier-Stokes equation for the velocity in an element need only involve the six adjacent elements, that is, two neighbors in each of three coordinate directions. In contrast, a non-rectangular grid typically requires a coupling to all the surrounding elements in a 3x3x3=27 array surrounding the central element.

Numerical Accuracy is Best When Grid Elements are Uniform

일반적으로 유한 차분 방정식과 관련된 수치 정확도는 그리드 요소가 균일 할 때 가장 좋습니다. 이는 정의에 따라 편미분 방정식에 대한 수치적 근사치가 물리량의 공간적 및 시간적 값의 변화율을 포함하기 때문입니다. 요소의 양쪽에서 수량 값 간의 변화를 평가하는 것은 요소가 균일할 때 가장 정확합니다. 왜냐하면 고차 항은 일반적으로 대칭에 의해 취소되기 때문입니다. 균일하지 않은 그리드 요소를 사용하는 경우 정확도를 유지하기 위해 일반적으로 더 복잡한 수치 근사치가 필요합니다 (  예 는 부록 참조  ).

As a general rule, numerical accuracy associated with finite difference equations is best when grid elements are uniform. This is because numerical approximations to partial differential equations, by definition, involve the rate of change of spatial and temporal values of physical quantities. Evaluating the change between values of quantities on either side of an element is most accurate when the elements are uniform because higher order terms will then, as a rule, cancel by symmetry. When non-uniform grid elements are used, more complicated numerical approximations are usually needed to preserve accuracy (see the Appendix for an example).

Weighing the Pros and Cons of Rectangular Grids

장단점을 비교해 보면 단순한 직사각형 격자가 많은 좋은 속성을 가지고 있음을 알 수 있지만 복잡한 기하학적 모양을 수용하기 위한 한계가 유용성을 제한 할 수 있습니다. 이 기사의 나머지 부분에서는 좋은 속성을 희생하지 않고 직사각형 격자의 유용성을 크게 확장하는 몇 가지 개념적으로 간단한 기술에 대해 설명합니다. 표현의 단순화를 위해 2 차원 상황만 설명하지만 3 차원으로의 확장은 완전히 간단합니다.

By weighing the pros and cons it can be seen that simple rectangular grids have many good properties, but the limitations they have for accommodating complex geometric shapes can limit their usefulness. In the remainder of this article, several conceptually simple techniques are described that greatly extend the usefulness of rectangular grids without sacrificing their good properties. For simplicity of presentation only two-dimensional situations will be described, however, the extension to three-dimensions is completely straightforward.

Notation for Rectangular Grids

계산 시간을 절약하려면 다중 인덱스 수량을 단일 인덱스 배열로 대체하는 것이 유용합니다. 여러 배열 위치는 계산 문자열의 시작 부분에서 한 번만 계산됩니다.

예를 들어 ipj = i + 1, j 또는 ijm = i, j-1 표기법은 짧고 간단하며 읽기 쉬운 단일 인덱스입니다. ip는 i 더하기 1을 의미하고 jm은 j 빼기 1을 의미한다는 것을 기억하면 쉽게 읽을 수 있습니다.

따라서 이중 인덱스 수량 P (i + 1, j-1)는 단일 인덱스 수량 P ()로 대체됩니다. ipjm) 등이 있습니다. 이 표기법은 사용하기 쉽고 계산 시간을 절약 할뿐만 아니라 다른 매우 유용한 속성이 있음을 아래에서 확인할 수 있습니다.

In a rectangular (2D) grid, the elements are typically labeled by integers i and j in the x and y coordinate directions, respectively. An element (i,j) has principal neighbors (i-1,j), (i+1,j), (i,j-1) and (i,j+1). Physical properties in a cell are stored as values of two-dimensional arrays such as p(i,j) for the pressure of element (i,j). When programming difference equations, the use of repeated indexed arrays requires the compiler to perform the index shifts, e.g., i+1 or j-1, as arithmetic operations in order to evaluate the memory locations of these quantities.

직사각형 (2D) 그리드에서 요소는 일반적으로 각각 x 및 y 좌표 방향에서 정수 i 및 j로 레이블이 지정됩니다. 요소 (i, j)에는 주 이웃 (i-1, j), (i + 1, j), (i, j-1) 및 (i, j + 1)이 있습니다. 셀의 물리적 특성은 요소 (i, j)의 압력에 대한 p (i, j)와 같은 2 차원 배열의 값으로 저장됩니다.

차분 방정식을 프로그래밍 할 때 반복 인덱스 배열을 사용하려면 컴파일러가 이러한 양의 메모리 위치를 평가하기 위해 산술 연산으로 인덱스 이동 (예 : i + 1 또는 j-1)을 수행해야합니다.

To save computational time it is useful to replace multiple-indexed quantities by single-indexed arrays. Multiple array locations are computed only once at the beginning of a string of computations, for instance, the notation ipj=i+1,j or ijm=i,j-1 are short, simple and easy to read single indices. They are easy to read by remembering that ip means i plus 1 and jm means j minus 1, etc. Thus, a double-indexed quantity P(i+1,j-1) would be replaced by the single-indexed quantity P(ipjm), and so forth. Not only is this notation easy to use and saves computational time, it will be seen below that it has another very useful property.

Multiple Grid Blocks

직사각형 그리드의 유용성을 확장하는 좋은 방법은 경계에서 결합 된 여러 직사각형 그리드를 사용하는 것입니다. 그림 1A와 그림 1B에 예시 된 것처럼 두 가지 간단한 가능성이 있습니다. 연결된 블록은 블록이 서로 인접한 경계 조건으로 연결됩니다. 중첩 된 블록은 서로 중첩되며 경계 조건을 사용하여 중첩 된 블록을 포함하는 블록에 연결합니다.

A good way to extend the usefulness of rectangular grids is to employ multiple rectangular grids that are coupled at their boundaries. There are two simple possibilities as illustrated in Fig. 1A and Fig. 1B. The linked blocks are connected by boundary conditions where the blocks are adjacent to one another. The nested blocks are superimposed on one another and use boundary conditions to couple the nested block to the containing block.

이 다중 블록 기능은 연결된 블록 기능을 사용하여 더 적은 격자 요소로 더 확장 된 기하학적 영역을 모델링 할 수 있으므로 직사각형 격자의 유용성을 크게 확장합니다. 중첩 된 블록 기능은 전체 영역에서 더 미세한 해상도를 시뮬레이션하는 비용을 견디지 않고도 로컬에서 시뮬레이션의 해상도를 높이는 데 매우 유용합니다.

This multi-block capability greatly extends the usefulness of rectangular grids, as the linked-block feature allows for more extended geometric regions to be modeled with fewer grid elements. The nested-block feature is very useful for locally increasing the resolution of a simulation without having to endure the cost of simulating the finer resolution throughout the full region.

Distributed Memory Parallelization

다중 블록 기능은 또한 분산 메모리 병렬화를위한 자연스러운 도메인 분해 방법을 제공합니다. 블록 간 경계에서 솔루션 데이터를 업데이트하려면 상호 연결을 사용하여 클러스터의 컴퓨팅 노드간에 해당 데이터를 교환해야합니다.

The multi-block feature also offers a natural way of domain decomposition for distributed memory parallelization. Updating of solution data at inter-block boundaries then requires an exchange of that data between compute nodes of the cluster using an interconnect.

Unstructured Grid Blocks

A further generalization can be made that allows considerably more efficiency in the gridding of complex geometric regions. If the simple, rectangular ordering of elements is replaced by lists that define which elements are adjacent to one another, then all unneeded elements can be eliminated from the grid. This frees up memory and forces solver routines to simply run through a list of active grid elements, further saving computational time. A simple illustration of such an “unstructured” grid is illustrated in Fig. 2.

Figure 2. Unstructured rectangular grid example.

복잡한 기하학적 영역의 격자 화에서 훨씬 더 많은 효율성을 허용하는 추가 일반화를 만들 수 있습니다. 요소의 단순한 직사각형 순서가 서로 인접한 요소를 정의하는 목록으로 대체되면 불필요한 모든 요소를 그리드에서 제거 할 수 있습니다. 이렇게하면 메모리가 확보되고 솔버 루틴이 활성 그리드 요소 목록을 간단히 실행하여 계산 시간을 더욱 절약 할 수 있습니다. 이러한 “구조화되지 않은”그리드의 간단한 그림이 그림 2에 나와 있습니다.

인접 요소가 계산하기 쉬운 메모리 위치를 갖는 구조화 된 직사각형 그리드에서 구조화되지 않은 요소 세트로 변경하는 것은 처음에는 어려운 작업으로 보일 수 있습니다. 그러나 예를 들어 위치 (i, j + 1)가 ijp로 대체되는 앞에서 설명한 단일 인덱스 표기법을 사용하면 이러한 전환이 매우 쉽습니다. 필요한 것은 인접 요소 목록을 사용하여 단일 인덱스 값을 재정의하는 것뿐입니다. 그러면 모든 솔버 알고리즘과 루틴을 추가 변경없이 사용할 수 있습니다.

비정형 그리드와 마찬가지로 인접 셀 인덱스 및 기타 메시 관련 수량을 신속하게 찾을 수 있으려면 추가 스토리지가 필요합니다. 구조화 된 그리드와 구조화되지 않은 그리드를 서로에 대한 양방향 매핑은 상당한 메모리 리소스를 사용하지 않고 구조화되지 않은 그리드를 탐색하는 효율적인 방법을 제공합니다.

이 아이디어의 다른 변형은 상상하기 쉽습니다. 예를 들어, 특정 요소에 두 개 이상의 물리적 특성 세트가 필요한 경우 (예 : 유체 및 고체) 재료의 일부 혼합물이 포함되어 있기 때문에 추가 요소를 요소 목록에 추가 할 수 있습니다. 같은 위치. 일치하는 요소는 혼합 요소를 처리하기위한 특수 목록에서 식별됩니다.

Changing from a structured, rectangular grid, where neighboring elements have memory locations that are easy to compute, to an unstructured set of elements may seem at first sight to be a daunting task. However, using the single index notation described earlier where, for example, location (i, j+1) is replace by ijp, makes this transition quite easy. All that is necessary is to redefine the single-indexed values using the list of neighboring elements and then all solver algorithms and routines can be used without further changes.

As with any unstructured grid, additional storage is required to be able to quickly find neighbor cell indices and other mesh-related quantities. A two-way mapping of the structured and unstructured grids onto each other provides an efficient way to navigate the unstructured grid without using significant memory resources.

Other variations of this idea are easy to imagine. For instance, if more than one set of physical properties are required in a given element, because it contains some mixture of materials (e.g., both fluid and solid), then an additional element could be added to the element list that is defined at the same location. The coincident elements would be identified in a special list intended for processing mixed elements.

Summary of the Simplest Gridding System

가장 단순한 그리드 시스템 인 직사각형 그리드의 진화적인 발전으로 볼 수 있는 것에 대해 짧은 논의가 있었습니다. 비교적 쉬운 적응의 여러 단계는 원래 단순 그리드 시스템의 많은 장점을 유지하면서 보다 정교한 시뮬레이션에 대한 요구 사항을 해결하는 수단으로 설명됩니다.

A short discussion has been given of what might be viewed as an evolutionary development of the simplest gridding system, a rectangular grid. Several stages of relatively easy adaptations are outlined as a means of addressing the demands for more sophisticated simulations while maintaining the many advantages of the original simple grid system.

Appendix: Illustration of Accuracy Considerations for Non-Uniform Grids

다음 설명은 CW Hirt 및 BD Nichols, J. Comp.의 “자유 경계 역학을위한 VOF (Volume of Fluid) 방법”논문에서 채택되었습니다. Phys. 39 , 201 (1981).

불균일 그리드에서 발생할 수있는 어려움에 대한 간단한 설명은 비압축성 유체의 운동량 이류 항을 수치 적으로 근사화하여 제공되며, 발산 형태는 ∇•uu 입니다. 유체의 일정한 밀도는 이 표현에서 분리되었습니다. 한 차원에서이 용어는$\displaystyle \frac{\partial \left( uu \right)}{\partial x}.$ 입니다.

여기서 u는 x 방향의 유체 속도입니다. 발산 형태는 운동량 보존을 보장하는 간단한 방법이기 때문에 일반적으로 바람직합니다. 이는 그림 A1에서 점선으로 표시된 두 그리드 요소 사이의 경계에 위치한 u의 이산 값에 사용되는 제어 볼륨을 고려하여 볼 수 있습니다. 두 요소 사이의 경계에 속도를 배치하는 것을 비압축성 흐름 모델링에 자주 사용되는 엇갈린 격자 배열이라고합니다.

Figure A1. Control volume (dashed rectangle) used for constructing a difference approximation for the u velocity at the boundary of an element.

The following account has been adapted from the paper “Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries,” by C.W. Hirt and B.D. Nichols, J. Comp. Phys. 39, 201 (1981).

A simple illustration of the difficulties that can occur in non-uniform grids is given by numerically approximating the term for advection of momentum of an incompressible fluid, which in divergence form is ∇•uu. The constant density of the fluid has been divided out from this expression.In one dimension this term is ∂(uu)∂x.

Here u is the fluid velocity in the x-direction. The divergence form is usually desirable because it is a simple way to insure a conservation of momentum. This may be seen by considering the control volume used for the discrete value of u located at the boundary between two grid elements as shown in Fig. A1 by the dashed lines. Placing the velocity at the boundary between two elements is referred to as the staggered grid arrangement often used for incompressible flow modeling.

In the divergence form, Gauss’ theorem may be used to convert the integrated values of the advective flux over the control volume to boundary fluxes at its sides. Then, the flux leaving one control volume will automatically be gained by the adjacent one and conservation during advection is guaranteed.

발산 형태에서 가우스 정리를 사용하여 제어 체적에 대한 능동 플럭스의 통합 값을 측면의 경계 플럭스로 변환 할 수 있습니다. 그런 다음 하나의 제어 볼륨을 떠나는 플럭스는 인접한 볼륨에 의해 자동으로 얻어지고 이류 중 보존이 보장됩니다.

그러나 균일하지 않은 그리드의 보존이 자동으로 정확도를 의미하지는 않습니다. 이를 확인하기 위해 조건부로 안정적인 알고리즘을 제공하는 것으로 알려진 상향 플럭스 (모든 u 값이 단순성을 위해 양수라고 가정)를 근사하기 위해 업스트림 또는 기증자 차이 근사를 사용한다고 가정합니다.

$\displaystyle \frac{\partial uu}{\partial x}\approx \frac{{u_{i+1/2}}\left( {u_{i+3/2}}+{u_{i+1/2}} \right)/2-{u_{i-1/2}}\left( {u_{i+1/2}}+{u_{i-1/2}} \right)/2}{\left( \delta {x_{i}}+\delta {x_{i+1}} \right)/2}$

표기법 u _i +1/2 는 i 번째 요소의 오른쪽 가장자리에 할당 된 속도를 나타냅니다.

이 근사가 원래 편미분 방정식과 “일치”하는지 확인하기  위해 u 방정식이 평가되는 위치 x = x _i +1/2 에 대한 Taylor 시리즈의 차이 방정식의 모든 항을 확장합니다( 휴리스틱 분석 참조 ).

$\displaystyle \frac{\delta uu}{\delta x}\approx \frac{1}{2}\left( \frac{3\delta {x_{1}}+\delta {x_{i+1}}}{\delta {x_{1}}+\delta {x_{i+1}}} \right)\frac{\partial uu}{\partial x}+O\left( \delta x \right).$

However, conservation in a non-uniform grid, does not automatically imply accuracy. To see this, suppose an upstream or donor difference approximation is used to approximate the advective flux (assuming all u values are positive for simplicity), which is known to provide a conditionally stable algorithm,

$\displaystyle \frac{\partial uu}{\partial x}\approx \frac{{u_{i+1/2}}\left( {u_{i+3/2}}+{u_{i+1/2}} \right)/2-{u_{i-1/2}}\left( {u_{i+1/2}}+{u_{i-1/2}} \right)/2}{\left( \delta {x_{i}}+\delta {x_{i+1}} \right)/2}$

The notation u_i+1/2 stands for the velocity assigned to the right edge of the ith element.

To check that this approximation is “consistent” with the original partial differential equation we expand all terms in the difference equation in a Taylor series about the location x=x_i+1/2  where the u equation is evaluated (see Heuristic Analysis),

$\displaystyle \frac{\delta uu}{\delta x}\approx \frac{1}{2}\left( \frac{3\delta {x_{1}}+\delta {x_{i+1}}}{\delta {x_{1}}+\delta {x_{i+1}}} \right)\frac{\partial uu}{\partial x}+O\left( \delta x \right).$

분명히 오른쪽은 요소 크기가 같지 않을 때 δx를 주문하는 왼쪽과 일치하지 않습니다. 즉, 차이 근사는 0 차에서 원래의 미분 표현과 일치하지 않기 때문에 “일관되지 않습니다”. 상류 또는 기증자 근사 대신에 유속에 대한 중심 값이 사용 된 경우 근사치는 2 차가 아닌 불균일 그리드에서 1 차 정확할 것입니다. 균일 한 그리드에서. 다시 말해서, 간단한 근사처럼 보이는 것은 균일하지 않은 그리드보다 균일하지 않은 그리드에서 1 차 덜 정확합니다.

유동 변수가 가장 빠르게 변할 것으로 예상되는 지역화 된 지역에서 더 미세한 구역화를 허용 할 수 있기 때문에 불균일 그리드가 항상 덜 정확하다는 것을 반드시 따르는 것은 아닙니다. 그럼에도 불구하고 균일하지 않은 그리드는주의해서 사용해야합니다. 예를 들어 근사 순서의 감소를 최소화하기 위해 요소 크기의 점진적인 변화를 허용하는 것이 가장 좋습니다. 균일하지 않은 그리드에서 정확도를 잃지 않는 다른 근사치를 찾는 것도 가치가 있습니다. 이와 관련하여, 이류 항의 보존 형태가 덜 정확한 이유는 제어 볼륨이 u 변수가 위치한 위치를 중심으로하지 않기 때문입니다. 하나의 근사값을 잃지 않으려면

Clearly, the right side does not agree with the left side to order δx when the element sizes are not equal. In other words, the difference approximation is not “consistent” since it does not agree with the original differential expression at zeroth order. It may be noted that, if instead of the upstream or donor approximation, a centered value for the fluxed velocity had been used, then the approximation would be first-order accurate in a non-uniform grid, instead of second-order as it is in a uniform grid. In other words, what seems like a straightforward approximation is one order less accurate in a non-uniform grid than in one that is uniform.

It does not necessarily follow that non-uniform grids are always less accurate because they may allow for finer zoning in localized regions where flow variables are expected to vary most rapidly. Nevertheless, non-uniform grids must be used with care. It is best, for example, to allow for gradual variations in element sizes to minimize the reduction in approximation order. It is also worthwhile to look for other approximations that do not lose their accuracy in a non-uniform grid. In this regard, it should be observed that the reason the conservation form of the advection term is less accurate is because the control volume is not centered about the position where the u variable is located. To avoid losing one order of approximation, the numerical approximation should have been corrected to account for the difference in locations of the variable being updated and the centroid of its control volume.

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

Free Surface Fluid Flow | 자유 표면 유체 흐름

Free Surface Fluid Flow

유체 흐름 문제는 복잡한 기하학적 구조의 자유 표면과 관련되는 경우가 많으며 대부분 매우 일시적입니다. 수력학의 예로는 배수로, 강, 교각 주변, 홍수 범람, 수문, 잠금 장치 및 다수의 기타 구조물의 흐름이 있습니다. 이러한 유형의 흐름을 계산적으로 모델링 하는 능력은 이러한 계산이 정확하고 합리적인 계산 자원으로 수행될 수 있다면 매력적입니다. 유용하게 사용하려면 시뮬레이션은 물리적 모델을 사용하는 것보다 훨씬 빠르고 저렴해야 합니다.

Fluid flow problems often involve free surfaces in complex geometry and in many cases are highly transient. Examples in hydraulics are flows over spillways, in rivers, around bridge pilings, flood overflows, flows in sluices, locks, and a host of other structures. A capability to computationally model these types of flows is attractive if such computations can be done accurately and with reasonable computational resources. To be useful, simulations should be much faster and less expensive than using physical models.

많은 컴퓨터 프로그램은 유체의 역학을 설명하는 편미분 방정식을 풀 수 있습니다. 시뮬레이션에 자유 표면을 포함 할 수있는 프로그램은 많지 않습니다. 그 이유는 Free Surface 경계 문제로 잘 알려진 수학적인 문제입니다. 자유 경계 문제는 다루기 어려운 표면이 이동함에 따라 계산 영역이 변화하는 한편, 그 표면 이동 자체가 계산에 의해 결정된다는 점에 있습니다. 계산 영역의 변화는 그 크기와 모양의 변화뿐만 아니라, 경우에 따라서는 영역의 결합과 분리(즉, 자유 표면의 발생과 소멸)을 포함합니다.

Many computer programs can solve the partial differential equations describing the dynamics of fluids. Not many programs are capable of including free surfaces in their simulations. The difficulty is a classical mathematical one often referred to as the free-boundary problem. A free boundary poses the difficulty that on the one hand the solution region changes when its surface moves, and on the other hand, the motion of the surface is in turn determined by the solution. Changes in the solution region include not only changes in size and shape, but in some cases, may also include the coalescence and break up of regions (i.e., the loss and gain of free surfaces).

이 책에서는 모든 자유 표면을 고려한 유체흐름 현상을 수치 해석용으로 모델링하는 방법에 대해 설명합니다. 이 기술은 VOF (Volume-of-Fluid) 법에 근거한 것으로, 특히 자유 표면 흐름에 적합한 다양한 기능을 제공합니다. 이 책에서는 VOF 법이 자유 표면과 그 발생과 소멸을 해석하는데 가장 자연스럽고 매우 효율적인 방법을 제시합니다.

In this note a computational modeling technique for fluid flows with arbitrary free surfaces is discussed. The technique is based on the Volume-of-Fluid (VOF) technique. This technique has many unique properties that make it especially applicable to flows having free surfaces. The goal of this discussion is to show why the VOF approach offers a natural way to capture free surfaces and their evolution with great efficiency.

VOF 법의 특징을 잘 보여주기 위해 간단하지만 매우 중요한 유동 현상에 관한 문제를 다룹니다. 여기에서는 계단 낙차형상의 낙하류를 예로 들어 있습니다. 개념적으로 간단한 흐름인 동시에 결과의 타당성을 확인하기위한 좋은 실험 데이터도 제공되어 있습니다 (N. Rajaratnam and MR Chamani “Energy Loss at Drops”J. Hydraulic Res. Vol. 33 p.373,1995 참조).

A good recommendation for the VOF method is to demonstrate its capabilities on a simple hydraulic flow problem, one that is far from trivial. The example selected is of flow over a step. This flow has conceptual simplicity and good experimental data available for validation (see N. Rajaratnam and M.R. Chamani, “Energy Loss at Drops,” J. Hydraulic Res. Vol. 33, p.373, 1995).

Prototype Hydraulic Flow with Free Surfaces

그림 1a는 정상 상태에 도달 한 후 흐름의 문제를 보여줍니다. 계단 낙차형상 상부로부터의 월류(액체 또는 스냅 시트)에는 상하 모두의 자유 표면이 있습니다. 월류의 아래쪽에는 월류와 계단 가공면 사이에 웅덩이가 형성되어 있으며, 하류에서는 액체는 평평한 정상 표면에서 오른쪽으로 흐르고 있습니다. 엄밀히 말하면, 웅덩이 영역의 흐름 상태는 정상입니다. 이것은 충돌하는 액체에 의해 풀에 난류 혼합이 발생하고 있기 때문입니다. 그러나 평균적인 구성이 존재하고 그것은 실험에서도 보고됩니다.

Figure 1a shows the flow problem after it has reached a steady-state condition. The overflow (sheet of liquid or nappe) leaving the top of the step has both an upper and lower free surface. At the bottom of the overflow a pool has formed between the overflow and the face of the step, while downstream, liquid is flowing to the right with a flat, steady surface. Strictly speaking, the flow conditions in the pool region are not steady because turbulent mixing is generated in the pool by the impinging fluid. There is, however, an average configuration and that is what is reported in the experiments.

실용적인 목적 유동 흐름은 항상 2 차원입니다. 즉, 그림 1a에서 수직 방향에서는 큰 변화는 없습니다. 현실에서는 웅덩이 위쪽으로 공간을 만들기 위해서는 대기에 여유공간이 필요하고, 그게 없으면 닫힐 것입니다.

For all practical purposes the flow is two-dimensional, that is, it does not have any significant variation in the direction normal to the illustration in Fig. 1a. In actuality, to have an air space above the pool there must be some opening to the atmosphere otherwise it would close up.

계단 낙차형상 상단의 유속은 중요합니다. 즉, 이것은 표면파와 같거나 그 이상의 속도이기 때문에 하류에서의 교란이 영역을 관통하고 상류 흐름 (계단 낙차형상의 왼쪽)에 영향을 줄 수 없습니다. 따라서 이 영역에서의 흐름은 예외적으로 원활하고 정상입니다.

The flow speed at the top of the step is critical, that is, it has a speed equal to or greater than the speed of surface waves, so that no disturbances from downstream can penetrate through this region to affect flow upstream (to the left of the step), which is why the flow is exceptionally smooth and steady in that region.

이 문제는 수치 시뮬레이션과 비교할 수 있는 기하 형상 기능이 많이 있습니다. 예를 들어, 계단 낙차형상의 전후 흐름의 높이, 월류가 바닥에 충돌 할 때의 각도, 월류 아래에 형성되는 웅덩이의 깊이 등입니다. 또한 실용화를 위한 중요한 비교 항목으로는, 계단 낙차형상을 통해 떨어지는 낙하 류에 의해 손실되는 에너지의 양 (운동 에너지와 위치 에너지의 합)가 있습니다.

There are many geometric features in this problem that can be compared with a numerical simulation; such as flow heights before and after the step, the angle of the overflow stream when it strikes the bottom and the depth of the pool formed under the overflow. Additionally, an important comparison for practical applications is the amount of energy (i.e., kinetic plus potential) lost by the flow in passing over the step.

Simulation of Prototype Problem

그림 1a는 시뮬레이션의 결과입니다. 이 예에서는 실험에 사용된 모든 기하 형상 및 물질의 특성이 시뮬레이션에 사용되었습니다. 실험실 테스트에서 사용한 계단 낙차형상의 높이가 62cm에서 액체는 보통의 물 (밀도 = 1.0gm / cc 어떻게 점성 = 0.01dynes / cm)입니다. 계산 영역에 들어가는 물의 깊이는 15.5cm에서 속도가 임계에 가까운 123.0cm/s 였습니다. 물론, 중력은 수직 방향으로 크기는 g = -980cm / s^2입니다.

Figure 1a is from a simulation. For this example all of the geometric and material properties used in the experiments were used in the simulation. The height of the step used in the laboratory test is 62cm and the fluid is ordinary water (density=1.0 gm/cc and dynamic viscosity=0.01dynes/cm). The depth of water entering the computational region was 15.5cm and was given a near critical velocity of 123.0cm/s. Of course, gravity was in the vertical direction with magnitude g=-980cm/s^2.

Figure 1a. Simulation of flow over a step. Figure 1b. Grid used in simulation.

월류 왼쪽에 있는 웅덩이에 난류가 발생 할 것으로 예상 되었기 때문에, 시뮬레이션에서는 난류 모델 (the Renormalization Group, 즉 RNG 모델)을 사용했습니다. 그 후, 난류 모델을 사용하지 않고 한 시뮬레이션에서도 비슷한 결과를 얻을 수 있었지만, 이것은 그다지 놀라운 일이 아닙니다. 흐름의 중요한 요소의 대부분은 매끄러운 (즉 난류가 아닌) 유입, 유출, 월류 때문입니다.

Because some turbulence was expected to develop in the pool to the left of the overflow, a turbulence model (the Renormalization Group or RNG model) was used in the simulation. Subsequent simulations without a turbulence model produced very similar results, which is not too surprising since most of the important elements of the flow are smooth (i.e., non-turbulent) inflow, overflow and outflow streams.

그림 1b 시뮬레이션 영역은 폭 170cm, 높이 100cm에 가로 80 개, 세로 60 개, 총 4800 개의 셀로 구성되는 같은 크기의 사각형 셀의 격자로 세분화되어 있습니다. 이 격자는 유체 역학의 지배 미분 방정식 (나비에 – 스토크스 방정식)의 유한 차분 근사의 기초로 사용됩니다. 격자 셀의 수와 크기는 흐름 속에서 예측되는 최소의 특성을 파악하는 목적으로 선택되었습니다. 결과를보고 어떤 조정이 필요하다고 생각되는 경우는 숫자를 쉽게 늘리거나 줄일 수 있습니다. 사실, 해상도를 바꾸어 시뮬레이션을 반복하여 계산이 그러한 변화에 영향을 많이 들어 있지 않은지 확인하는 것이 좋습니다.

The simulation region shown in Fig. 1b is 170cm wide and 100cm high and has been subdivided into a grid of equal sized rectangular cells consisting of 80 cells in the horizontal direction and 60 cells in the vertical direction, for a total of 4800 cells. This grid is used as the basis for finite-difference approximations of the governing differential equations of fluid dynamics (the Navier-Stokes equations). The number and size of the grid cells was chosen with the goal of capturing the smallest expected features of the flow. The number can be easily increased or decreased if the results seem to warrant some adjustment. In fact, it is often a good idea to repeat a simulation with a change of resolution to make sure that the solution is not too sensitive to such changes.

왼쪽의 경계는 지정된 속도 경계입니다 (유체의 높이도 지정). 오른쪽의 경계는 유출 경계에서 모든 유량이 경계에 수직 제로 기울기이며, 균일 한 유출이 촉진됩니다. 상하 경계는 단단한 벽으로 세 번째 방향의 경계는 대칭면 (점성 저항 제로의 벽)으로 처리되었습니다. 계단 낙차형상의 표면도 자유-미끄럼(free slip) 경계로 처리되었습니다.

The left boundary was a specified velocity boundary (also with a specified fluid height). The right boundary was an outflow boundary where all flow quantities have a zero gradient normal to the boundary to encourage a uniform outflow. The top and bottom boundaries are rigid walls, while in the third direction the boundaries were treated as planes of symmetry (i.e., walls with zero viscous drag). The surface of the step was also treated as a free-slip boundary.

초기 조건은 예측되는 흐름의 배열을 대략적으로 근사하도록 설정할 수 있었지만, 흐름의 구성은 계산하고 싶은 것 중 하나이기 때문에 유체가 어떻게 분포되는지를 모르는 경우에는 간단한 방법이 필요합니다. 이 예제에서는 비정상 흐름 시뮬레이터를 사용했기 때문에 그림 1a의 계단 낙차형상에 유체의 블록만 있고 왼쪽 경계의 같은 수평 속도와 높이가 할당된 간단한 초기 조건을 정의할 수 있습니다. 시뮬레이션은 이후 정상 흐름으로 발전하고 있지만, 이것은 약 8.0 초 후에 발생합니다. 시뮬레이션은 정상 상태에 도달 한 것을 보장하기 위해, 10.0 초의 시간까지 실행되었습니다. 그림 2는 중간 시간을 두 보여줍니다. 도 2b는 0.2 초, 그림 2c는 0.5 초 시점에서 그림 2d는 마지막 10.0 초 시점을 보여줍니다.

Initial conditions could have been set to roughly approximate the expected flow arrangement, but since the flow configuration is one of the things that one would like to compute, especially for situations where one doesn’t know what the distribution of fluid is likely to be, a simpler approach is needed. Because a transient flow simulator was used for this example a simple initial condition could be defined that consisted of just a block of fluid on top of the step, Fig. 1a with the same horizontal velocity and height assigned to the left boundary. The simulation then followed the development of the steady flow, which occurs after about 8.0s. The simulation was run out to a time of 10.0s to assure that steady conditions had been reached. Figure 2 shows two intermediate times; 2.b at 0.2s and 2.c at 0.5s plus the final time in 2.d at 10.0s.

Figures 2a-2d. Simulation times of 0.0, 0.2, 0.5 and 10.0s.

처음에는 단일 결합하고 있는 자유 표면이었던 것이 액체가 바닥에 충돌한 후 2 개의 독립적인 자유 표면 (상하 스냅 표면)으로 변화하는 것에 주목하십시오. 아래 경계의 충격점의 좌우로 흐름이 분리되도 문제는 없습니다. 이에 대해서는 다음 섹션에서 자세히 설명합니다.

It should be noted that what starts as a single, connected free surface changes to two independent free surfaces (upper and lower nappe surfaces) after the fluid strikes the bottom. No difficulties are experienced with this separation of the flow into portions flowing to the left and right of the impact point on the bottom boundary. This will be discussed at further length in the next section.

실험과 시뮬레이션의 비교는 다음 표와 같으며 매우 잘 일치하고 있습니다.

Comparisons between experiment and simulation are given in the following table and are in excellent agreement.

Comparison Table Experimental Results Simulation Results
Outflow Height/Step Height 0.094 0.094
Pool Height/Step Height 0.41 0.41
Angle of Nappe at Bottom 57° 59°
Energy Loss/Initial Energy 0.29 0.296

이러한 결과를 고려하면이 같은 정밀도를 달성하려면 상당한 계산시간이 필요할 것으로 생각될지도 모릅니다. 그러나 실제로는 Pentium 4, 3.20GHz의 데스크톱 컴퓨터의 총 CPU 시간은 단 88 초였습니다. 계산시간이 너무 짧은 것은 설명이 필요하며, 이것은 다음 섹션의 목적입니다.

In view of these results it might be expected that a considerable amount of computational time would be required to achieve such accuracy. In fact, the total cpu time on a desktop Pentium 4, 3.20GHz computer was only 88s. Such a short computational time requires explanation and that is the purpose of the following sections.

Figures 2a-2d. Simulation times of 0.0, 0.2, 0.5 and 10.0s.

Why the VOF Technique Works Well / VOF 법이 적합한 이유

VOF 법의 구조와 그것이 매우 효율적인 방법인 이유를 이해하기 위해 다양한 계산법 중에서도 특히 VOF 법에 대한 몇 가지 기본 개념을 나타냅니다.

There are a few general concepts about computational methods and the VOF technique in particular that can be used to gain an understanding of how and why VOF works so efficiently.

Basic Theory

모든 수치해석 방법에서 흐름의 문제를 단순하게 산술 계산하도록 유한의 수치 세트로 단순화해야합니다. 연속 유체를 이산화된 수치 세트에 근사하기 위해서 일반적으로 사용되는 것이 유체가 차지하는 공간을 격자로 분할하는 방법입니다. 이 격자는 일반적으로 다수의 작은 직사각형의 블록(요소)로 구성됩니다. 이러한 각 요소에 대해 평균화 처리를 실시함으로써 그 요소의 유체의 압력, 밀도, 속도 및 온도의 대표 값을 얻을 수 있습니다.

All numerical methods must use some simplification to reduce a fluid flow problem to a finite set of numerical values that can then be manipulated using elementary arithmetical operations. A typical procedure for approximating a continuous fluid by a discrete set of numerical values is to subdivide the space occupied by the fluid into a grid consisting of a set of small, often rectangular “bricks.” Within each element an averaging process is applied to obtain representative element values for the fluid’s pressure, density, velocity and temperature.

간단한 수식을 사용해, 어느 시간에 걸친 각 요소 값과 인접한 요소의 상호 작용을 근사할 수 있습니다. 예를 들어, 요소의 밀도는 그 요소와 인접 요소 사이에서 (질량 보존에 의한) 질량 유량이 교환된 경우에만 변경됩니다. 요소 사이에서 질량이 교환되는 물질의 속도는 운동량 보존 법칙에 의해 계산되며 일반적으로 나비에-스토크스 방정식으로 표현됩니다. 나비에-스토크스 방정식은 인접한 요소 사이에 작용하는 압력과 점성 응력을 이용하여 요소에서 변화하는 유체 속도를 근사합니다.

Simple equations can be devised to approximate how each element’s values interact with neighboring elements over time. For instance, the density of an element can only change when there is a net flow of mass exchanged between an element and its neighbors (i.e., conservation of mass). The material velocity that carries mass between elements is computed from the conservation of momentum principal, usually expressed in the form of the Navier-Stokes equations, which uses the pressures and viscous stresses acting between neighboring elements to approximate the changing fluid velocities in the elements.

이러한 요소와 인접 요소 사이의 상호 작용에 따른 아이디어는 편미분 방정식 근방의 양의 변화에 의해 생기는 작은 변화의 효과를 평가하는 것과 본질적으로 동일합니다. 공학계의 교과서에서 파생된 작은 컨트롤 볼륨을 사용하여 그 크기를 무한대까지 작게 한 근사치의 극한으로 편미분 방정식이 유도됩니다. 수치 시뮬레이션에서도 같은 방식을 취하고 있지만, 요소 수가 너무 많으면 추적이 어렵게 되어 컨트롤 볼륨의 크기를 최대한 작게 만들 수 없습니다. 실제 시뮬레이션 현상을 해결하는데 충분하고 계산 시간을 최소한으로 억제 할 수 있는 요소수를 설정하는 것이 목표입니다.

This idea of an element interacting with its neighbors is essentially what is meant by a partial differential equation; that is, evaluating the effects of small changes caused by the variation in quantities nearby. Partial differential equations are typically derived in engineering text books as the limit of approximations made with small control volumes whose sizes are then reduced to infinitesimal values. In a numerical simulation the same thing is done except that the control volume sizes cannot be taken to the limit because that would require too many elements to keep track of. In practice, the goal is to use enough elements to resolve the phenomena of interest, and no more, so that computing times are kept to a minimum.

요소에 사용되는 연산은 기본적으로 더하기, 빼기, 곱하기 및 나누기만 포함된 간단한 것입니다. 예를 들어, 요소의 질량의 변화는 일정한 시간 간격에 걸쳐 요소의 측면에서 유입 및 유출된 질량의 가산 및 감산에서 구할 수 있습니다. 그러나 시뮬레이션에서는 이러한 연산을 수천, 때로는 수백만 요소에 대해 매우 짧은 시간 간격에 대해 반복 계산해야합니다. 따라서 이러한 반복 계산의 고속 처리는 컴퓨터가 적합합니다.

Arithmetical operations associated with an element generally involve only simple addition, subtraction, multiplication and division. For instance, the change of mass in an element involves the addition and subtraction of mass entering and leaving through the faces of the element over a fixed interval of time. A simulation requires that these operations be done for thousands or even millions of elements as well as repeated for many small time intervals. Computers are ideal for performing these types of repetitive operations very rapidly.

자유 표면을 수반하는 유체 운동의 시뮬레이션에서는 형상이 변화하는 계산 영역을 다루어야합니다. 이 복잡성에 대응할 수있는 분석 방법이 아래에서 설명하는 VOF 법입니다.

Simulating fluid motion with free surfaces introduces the complexity of having to deal with solution regions whose shapes are changing. A convenient way to deal with this is to use the Volume of Fluid (VOF) technique described next.

The VOF Concept

VOF 법은 각 격자 셀의 체적 중 액체가 차지하는 비율, 즉 체적 점유율을 기록한다는 생각에 근거합니다. 일반적으로 부피 점유율은 F로 표시됩니다. F는 부피 점유율이기 때문에 값이 취할 수있는 범위는 0.0 ~ 1.0입니다.

The VOF technique is based on the idea of recording in each grid cell the fractional portion of the cell volume that is occupied by liquid. Typically the fractional volume is represented by the quantity F. Because it is a fractional volume, F must have a value between 0.0 and 1.0.

액체 내부의 영역에서는 F 값은 1.0이 액체의 외부, 즉 (공기 등) 기체 영역에서 F 값은 0입니다. F 값이 0.0과 1.0 사이에서 변화하는 장소가 자유 표면이 존재하는 위치입니다. 즉 0.0보다 크고 1.0보다 작은 F 값을 가지는 요소는 반드시 표면을 가지고 있습니다.

In interior regions of liquid the value of F would be 1.0, while outside of the liquid, in regions of gas (air for example), the value of F is zero. The location of a free surface is where F changes from 0.0 to 1.0. Thus, any element having an F value lying between 0.0 and 1.0 must contain a surface.

여기서 유의해야 할 것은 VOF 법에서 자유 표면을 직접적으로 정의하는 것이 아니라 벌크 유체의 위치를 정의한다는 점입니다. 이렇게하면 계산상의 어려움을 초래하지 않고 유체 영역을 결합 또는 분할 할 수 있습니다. 자유 표면은 단순히 유체의 체적 점유율이 1.0과 0.0 사이에서 변화하는 장소로 정의됩니다. 이것은 자유 표면을 수반하는 거의 모든 문제에 적용 할 수 VOF 법의 뛰어난 특징이기도합니다.

It is important to emphasize that the VOF technique does not directly define a free surface, but rather defines the location of bulk fluid. It is for this reason that fluid regions can coalesce or break up without causing computational difficulties. Free surfaces are simply a consequence of where the fluid volume fraction passes from 1.0 to 0.0. This is a very desirable feature that makes the VOF technique applicable to just about any kind of free surface problem.

또한 격자의 각 요소에 단일 수치 (F)를 할당하여 유체의 위치를 기록 할 수 있는 점도 VOF 법의 중요한 특징입니다. 이것은 평균값을 기준으로 압력과 속도 등 다른 모든 유체 물성의 기록과 완전히 일치합니다.

Another important feature of the VOF technique is that it records the location of fluid by assigning a single numerical value (F) to each grid element. This is completely consistent with the recording of all other fluid properties in an element such as pressure and velocity components by their average values.

Some Details of the VOF Technique

Figure 3. Surface in 1D column of elements.

정확도를 위해 요소 내에 자유 표면을 배치하는 방법을 갖는 것이 바람직합니다. 인접 요소의 F 값을 고려하면 이를 쉽게 할 수 있습니다. 예를 들어, 열의 일부에 액체가 충전되어있는 1 차원 요소를 상상하십시오 (그림 3). 액체의 표면은 열 중앙 영역의 요소에 있습니다. 이것을 표면 요소라고합니다. 여기에서는 표면 요소를 제외하고 F 값은 0.0 또는 1.0이어야한다고 가정하고 있기 때문에 이를 사용하여 표면의 정확한 위치를 파악할 수 있습니다. 우선, 표면이 표면 또는 바닥을 확인하는 테스트를 실시합니다. 표면요소에 대해 액체가 없을 경우에는 표면으로 간주합니다. 위의 요소에 액체가 들어있는 경우는 물론, 그 표면은 바닥입니다. 윗면에 관해서는 정확한 위치는 표면 요소의 아래쪽에서 위쪽으로 요소의 세로 크기를 F 배 한 거리에있는로 계산합니다. 바닥도 마찬가지로 표면 요소의 상단에서 아래로, 요소의 세로 크기를 F 배 한 거리에 있습니다. 이 방법에 의한 요소의 표면 위치의 특정은 요소 내의 액체의 부피 점유율로 F를 정의한 후에 합니다.

For accuracy purposes it is desirable to have a way to locate a free surface within an element. Considering the F values in neighboring elements can easily do this. For example, imagine a one-dimensional column of elements in which a portion of the column is filled with liquid, Fig. 3. The liquid surface is in an element in the central region of the column, which will be referred to as the surface element. Because we assume the values of F must be either 0.0 or 1.0, except in the surface element, we can use this to locate the exact position of the surface. First a test is made to see if the surface is a top or bottom surface. If the element above the surface element is empty of liquid, the surface must be a top surface. It the element above is full of liquid then, of course, the surface is a bottom surface. For a top surface we compute its exact location as lying above the bottom edge of the surface element by a distance equal to F times the vertical size of the element. A bottom surface is similarly located a distance equal to F times the vertical size of the element below the top edge of the surface element. Locating the surface within an element in this way follows from the definition of F as a fractional volume of liquid in the element.

1 차원 열의 표면 위치 계산은 간단하고 정확하며 계산이 거의 필요없습니다. 그러나 2 차원 및 3 차원의 경우 하나의 표면 셀에 연속적인 표면 방향이 존재할 가능성이 있기 때문에 위치 계산은 조금 복잡해집니다. 그럼에도 불구하고 이를 취급하는 것은 어렵지 않습니다. 그림 4의 이차원의 예는 표면의 위치를 계산할 뿐만 아니라 경사와 곡률도 이해할 수 있는 쉬운 방법을 보여줍니다.

Calculating surface locations in one-dimensional columns is simple, accurate and requires very little arithmetic. In two and three dimensional situations, however, computing a location is a little more complicated because there is a continuous range of surface orientations possible within a surface cell. Nevertheless, dealing with this is not difficult. A two-dimensional example, Fig. 4, will illustrate a simple way to not only compute the location of the surface, but also to get a good idea of its slope and curvature.

Figure 4. Surface in 2D grid of elements.

1 차원의 경우처럼 먼저 인근 요소를 테스트하여 표면의 대략적인 방향을 찾아야합니다. 그림 4는 바깥 쪽의 법선이 상승 방향에 가장 가깝게 됩니다. 이것은 그 방향 밖의 값의 차이가 다른 방향보다 크기 때문입니다. 그럼 거의 수직으로 있는 요소 열에서 표면의 국소적인 높이가 계산됩니다. 그림 4의 2 차원의 경우에는 이러한 높이가 화살표로 표시되어 있습니다. 마지막으로, 표면 요소를 포함하는 컬럼의 높이에 따라 그 요소의 표면의 위치를 확인합니다. 다른 2 개의 높이를 사용하면 국소적인 표면 경사와 표면 곡률을 계산할 수 있습니다.

As in the one-dimensional case, it is first necessary to find the approximate orientation of the surface by testing the neighboring elements. In Fig. 4 the outward normal would be closest to the upward direction because the difference in neighboring values in that direction is larger than in any other direction. Next, local heights of the surface are computed in element columns that lie in the approximate normal direction. For the two-dimensional case in Fig. 4 these heights are indicated by arrows. Finally, the height in the column containing the surface element gives the location of the surface in that element, while the other two heights can be used to compute the local surface slope and surface curvature.

3 차원에서도 동일한 절차를 사용하지만, 표면 요소의 주위에 있는 9개의 열에 대해 열 높이를 요구해야합니다. 필요한 계산은 조금 더 걸리지만, 주된 내용은 열의 간단한 덧셈과 경사와 곡률을 추구하는 열의 높이의 합과 차이가 있습니다. 이 토론을 토대로, 이제 자유 표면을 정의하는 데 필요한 모든 정보를 빠르고 쉽게 평가하기 위해 부분 유체 체적을 사용하는 방법을 알아야합니다.

In three-dimensions the same procedure is used although column heights must be evaluated for nine columns around the surface element. Although a little more computation is needed, it consists primarily of simple summations in the columns and then sums and differences of column heights for evaluating the slope and curvature. Based on this discussion, the reader should now see how the fractional fluid volume can be used to quickly and easily evaluate all the information needed to define free surfaces.

다루어야 할 문제가 앞으로 2 개 남아 있습니다. 하나는 그림 1 및 2와 같은 시뮬레이션은 유체가 존재하는 영역에는 유체 역학만으로 해결합니다. 이것은 VOF 법의 계산 효율이 높은 또 하나의 이유입니다. 계단 형상의 낙하류의 문제로 유체가 차지하는 영역은 계산 격자의 오픈 공간의 절반 이하입니다. 액체를 둘러싼 기체의 흐름을 계산할 필요가 있다면 필요한 계산 시간이 크게 늘어납니다. 그러나 액체만으로 계산을 할 경우 자유 표면 경계 조건을 지정해야합니다. 이 조건은 접선 응력의 소실과 기체의 압력에 동일한 표준 압력을 표면에 추가하는 것입니다.

There are two remaining issues to deal with. One issue is that a simulation like that in Figs. 1 and 2 is only solving for the fluid dynamics in regions where there is fluid. This is another reason for the computational efficiency of the VOF method. The region occupied by fluid in the flow over a step problem is much less than half of the open region in the computational grid. If it were necessary to also solve for the flow of gas surrounding the liquid, then considerably more computational time would be required. In order to perform solutions only in the liquid, however, it is necessary to specify boundary conditions at free surfaces. These conditions are the vanishing of the tangential stress and application of a normal pressure at the surface that equals the pressure of the gas.

두 번째 문제는 자유 표면이 유체와 함께 움직일 때의 움직임과 변형을 유체 점유율 변수 F를 구함으로써 계산해야 한다는 것입니다. 변수 F는 불연속 (주로 0.0 또는 1.0)이기 때문에 계산 격자를 이동할 때 이 불연속성이 유지되도록주의해야합니다. VOF 법은이 목적으로 특수 이류(advection) 알고리즘이 사용되고 있습니다.

A second issue is that movement and deformation of a free surface must be computed by solving for the fraction of fluid variable, F, as it moves with the fluid. Because the variable F is discontinuous (i.e., primarily 0.0 or 1.0) some care must be taken to maintain this discontinuity as it moves through a computational grid. In the VOF method, special advection algorithms are used for this purpose.

Illustration of Free-Surface Tracking by VOF Technique

그림 6a는 이것의 적합 여부를 보여줍니다. 유체의 체적 점유율은 격자 요소마다 균일하게 분류되고 그 요소의 값을 나타냅니다. 자유 표면은 거의 모든 곳에서 선명하게 정의되어 있습니다. 스냅의 가장 낮은 가장 좁은 부분에만 선명한 유체 분포의 손실을 확인할 수 있습니다 (그림 5b). 이것은 예상대로입니다. 이 영역에서는 스냅의 두께는 3 가지 요소보다 작고, 따라서 부분 충전된 표면 요소에 연결된 작은 F 값이 어떤 중심 요소 (값 1.0)에 혼입하기 때문입니다. 계산 목적으로 이 것은 별로 문제가 되지 않습니다. 이 시뮬레이션 방법은 액체 내부의 요소는 순수한 액체 성분과 같은 방식으로 처리되기 때문입니다.

Figure 6a is an illustration of how well this works; the fluid volume fraction is colored uniformly in each grid element to represent its value in that element. The free surface is sharply defined nearly everywhere. Only in the lowest and narrowest part of the nappe is there any noticeable loss of a sharp fluid fraction distribution, Fig. 5b. This was expected because in this region the nappe is less than three elements in thickness and this allows some of the smaller F values associated with partially filled surface elements to mix in with the central element, which should have a value of 1.0. For computational purposes this doesn’t really matter because the simulation method treats elements interior to the liquid as though they are pure liquid elements.

그림 5b에 나타내는 영역에서는 실제 실험에서 난류 및 공기 혼입이 관찰된 것도 지적해 두지 않으면 안됩니다. 따라서 유체 점유율의 값을 1보다 조금 작게 보이는 것이 다소 현실적입니다. 이것은 전혀 의외라는 것은 없습니다. 난류와 공기 유입을 담당하는 풀의 액체 제트의 교점은 난류와 공기 유입의 원인이 되지만, 유체 점유율 값(fluid fraction values )은 액체 내부에 “유입” 원인이 되기 때문에 실수가 아닙니다.

It should also be pointed out that in the region shown in Fig. 5b turbulence and air entrainment are observed in actual experiments. Thus, the appearance of fluid fraction values a little less than unity is somewhat realistic. This is not entirely accidental because the intersection of jet of liquid with a pool, which is responsible for turbulence and air entrainment, is also responsible for the “entrainment” of fluid fraction values into the interior of the liquid.

Figure 5a (left): Fluid fraction values in elements, showing sharpness of surface definition. Figure 5b (right): Close up of fluid fraction values where the overflow hits bottom.

Summary

처음에는 컴퓨터가 단순히 반복적인 산술 연산을 수행하고, 복잡하고 시간에 의존적인 유체 역학 문제에 대해, 현실적인 시뮬레이션을 할 수 있다는 것이 다소 마술처럼 보일 수 있습니다. 이 논의의 목적은 비교적 기본적인 절차로 이를 수행하는 접근법을 설명하는 것입니다.

간단하지만 사소한 유압 흐름 예제를 사용하여 계산된 시뮬레이션이 물리적인 측정 결과와 매우 일치하는 세부 결과를 생성 할 수 있음이 입증되었습니다. VOF (Volume of Fluid) 기술을 기반으로 한 시뮬레이션은 정확하고, 매우 효율적인 것이 추가로 입증되었습니다.

분명하게, 수력 발전소에서 사용되는 것과 같은 복잡한 유압 구조와 관련된 실제 예는 유용한 결과를 얻기 위해서는 이 예에서 사용되는 몇 초 이상의 많은 계산 시간을 소비해야합니다. 그럼에도 불구하고 이러한 결과는 합리적인 시간 (사람과 컴퓨터 모두)에서 수행 될 수 있으며, 실제 실험에서는 거의 불가능한 세부 사항들을 포함합니다. 또한, 지오메트리, 유동 조건 또는 유체 특성의 거의 모든 종류의 변화의 영향을 쉽게 테스트 할 수있는 능력은 시뮬레이션을 사용하는 또 다른 강력한 이유입니다. 기술의 발전에 따라 hydraulic flow 시뮬레이션을 위한 현재 소프트웨어 및 하드웨어는 기존의 물리적 모델링에 비해 상당한 비용 이점을 제공합니다.

At first it may seem somewhat magical that a computer can simply perform repeated arithmetic operations on arrays of numbers and produce a realistic simulation of a complex, time-dependent, fluid dynamics problem. It was the purpose of this discussion to explain an approach that does this with relatively elementary procedures.

Using a simple, but non-trivial, hydraulic flow example it has been demonstrated that computational simulations can produce detailed results in excellent agreement with physical measurements. It has been further demonstrated that the simulation, which was based on the Volume of Fluid (VOF) technique, uses simple approximation methods that are both accurate and efficient.

Clearly, real world examples involving complex hydraulic structures such as those used in hydroelectric power stations, must consume more than the few seconds of computational time used in our example to obtain useful results. Nevertheless, those results can be generated in reasonable times (both man and computer) and contain a richness of detail rarely possible in physical experiments. For examples visit our water and environmental application pages. In addition, the ability to easily test the influence of just about any kind of change in geometry, flow condition or fluid property is another powerful reason to employ simulations. Current software and hardware for hydraulic flow simulations offer a significant cost advantage over traditional physical modeling.

Postscript

The first detailed description of the VOF method was in 1981 by C.W. Hirt and B.D. Nichols, J. Comp. Phys., 39, p.201. All simulations appearing in this article were performed with the commercial software package FLOW-3D developed by Flow Science, Inc. This program uses an enhanced variant of the VOF concept called TruVOF.

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

이전 페이지

다음 페이지

Fuel Tanks

Fuel Tanks

차량의 연료 탱크는 안전하게 연료를 저장하기 위한 필수적인 장치입니다. 또한 운행 중 차량에 들어오는 다양한 형태의 외력에 대해 일정하고도 적당한 연료 공급을 보장해 주는 장치입니다. 연료탱크는 차량 섀시 디자인과 바디 패널과 소형화의 목적을 위해 모양이 복잡 할 수 있습니다. 차량이 가속 할 때, 연료는 연료 레벨 게이지, 압력 및 전달 시스템에 문제를 유발할 수 있는 탱크 내에서 슬러싱하게 됩니다. 연료 충전은 특히 펌프류에서 중요한 부분인데, 탱크 안에서 증기 압축성은 충전 노즐의 초기 닫힘(Shutoff)을 일으키는 원인이 됩니다. 또한, 정전기는 연료 시스템 내에서 전위의 상승에 기인하여 연료 탱크 내로 이송 될 수 있습니다. FLOW-3D는 연료 시스템 설계 및 개선을 돕기 위해 이러한 복잡한 다상(multi-phase), 다물리(multi-physical), 과도(transient) 해석을 할 수 있는 도구 입니다.

Simulation of gas filling of a tank, modeling air entrainment.

Other analysis capabilities:

An electrostatic model that can capture a charge distribution with time

Fuel level indication using the Moving Objects model with 6 degrees of freedom to capture float variations

Fuel line pressurization

Optimal location of vents

Slide Coating

Slide Coating

모든 코팅 공정은 코팅 물질이 정상 상태에 도달하기 전에 큰 변형을 겪게 되는 초기 전개 시기(startup period)를 가집니다. 초기 전개 시기의 좋은 특성들은 유체의 낭비를 감소시키고 공정을 기술자가 원하는 범위 내에서 작동시키게 합니다.

다층 커튼 코팅 공정의 경우, 아래 시뮬레이션에서 볼 수 있듯이 유체가 슬롯 다이에서 배출된 다음 물질이 중력에 노출 될 수 있습니다.

유체층은 일반적으로 서로 다른 특성을 갖지만 자주 혼합되기 때문에 층 사이의 계면 장력이 작습니다. 특히 중요한 것은 다이면에서 정적 접촉 라인의 위치와 안정성, 그리고 유체가 이동 표면과 처음 만나는 동적 접촉 라인입니다. 이 위치는 유체 흐름 속도, 움직이는 기판의 속도 및 동적 접촉 상류의 공기 공간의 진공 양에 의해 영향을받습니다. 또한 중요한 것은 각 유체 사이에 날카로운 중간층을 유지하는 것입니다. FLOW-3D는 완전히 일시적인 3 차원 흐름 모델이므로 시작하는 동안 프로세스의 일시적인 동작을 시뮬레이션 할 수 있습니다.

Startup of a multi-layer slide coating

모든 코팅 공정에는 일정한 조건을 달성하기 전에 코팅 재료가 큰 변형을 겪는 일종의 시작 기간이 포함됩니다. 시작 프로세스의 우수한 특성화는 낭비를 줄이고 프로세스가 원하는 한계 내에서 작동하는지 확인하는 데 중요합니다. 다양한 섭동에 대한 코팅 흐름의 일시적인 반응에 대한 유사한 이해가 또한 바람직하여 코팅 비드의 파손 및 코팅의 불균일성을 방지 할 수 있습니다.

Roll Coating

Roll Coating

롤 코팅 공정은 직물, 접착제 및 실란트를 다루는 산업을 포함한 다양한 산업에서 일반적으로 많이 사용하는 공정입니다. FLOW-3D는 공정 엔지니어와 과학자에게 다양한 재료 특성과 코팅 방식을 평가하여 결함의 원인을 식별하고 롤 코팅 공정 매개 변수를 최적화 할 수있는 기능을 제공합니다.

1-D Gradient generator with de-coupled convection and diffusion

이러한 예에서 속도 유선은 롤 코팅 공정에서 흔히 볼 수있는 전방 (상단), 후방 (중간) 및 고갈 (하단) 작동 방식에 대해 플롯됩니다. FLOW-3D는 연구자들에게 롤 속도 및 재료 특성과 같은 요소와 동적 접촉 라인의 안정성에 미치는 영향뿐만 아니라 공기 혼입, 리브 및 비 균일 에지 프로파일과 같은 결함에 대한 기여도를 분석 할 수있는 기능을 제공합니다.

인쇄 공정 중 산업에서는 종종 인쇄면에 잉크를 전달하고 적용하는 롤 코팅(roll coating) 이라고 불리는 기술을 사용합니다. 이 공정에서 통상적으로 잉크 유액은 두 개의 회전하는 실린더 사이의 좁은 갭(gap)으로 흘러 들어갑니다.

FLOW-3D를 사용하는 이 1D microfluidic palette 시뮬레이션에서 주 중앙 마이크로 채널에서 대류 Cells의 clean decoupling을 플롯된 유선을 통해 확인할 수 있습니다. 이 흐름은 모두 대류 장치에만 제한되며 단일 장치조차도 마이크로 채널로 누출되지 않아 대류 및 확산의 탁월한 분리를 나타냅니다. 소스 농도의 변화는 플롯에서 볼 수 있으며 애니메이션이 끝날 때까지 시각적으로 일정해집니다.

Ribbing Instabilities

아래에 표시된 전 방향 롤 코팅 시뮬레이션에서 FLOW-3D는 Lee, et al [1]에 설명 된대로 증가 된 롤 속도와 관련된 리브 불안정성의 시작을 정확하게 포착합니다. 이 모델은 단일 유체 VOF, 표면 장력 및 점도를 구현하여 생산에서 볼 수있는 이러한 불안정성의 복잡한 특성을 포착합니다.

Cascade Defects

아래 시뮬레이션에서 FLOW-3D는 포워드 롤 코팅 공정에서 cascade defect을 포착합니다. 상단 웹 롤러의 증가된 롤 속도로 인해, 동적 접촉 라인이 불안정해져 공기가 코팅액에 유입 될 수 있습니다.

Reference

[1] Lee, J. H., Han, S. K., Lee, J. S., Jung, H. W., & Hyun, J. C. (2010). Ribbing instability in rigid and deformable forward roll coating flows. Korea Australia Rheology Journal, 22(1), 75-80.

Curtain Coating

Curtain Coating

커튼 코팅에서 액체는 슬롯이나 슬라이드 다이에서 흘러 나와 중력을 받아 수평으로 움직이는 기판에 떨어집니다. 커튼 코팅은 단일 층의 유체 또는 다중 유체 층을 포함 할 수 있으며 사진 필름, 특수 용지 및 포장의 생산에 사용됩니다.

슬롯에서 나오는 유속과 관련된 액체의 물리적 특성과 기질 속도에 따라 액체가 먼저 기질에 접촉하는 접촉선의 안정성은 물론 코팅 두께를 결정합니다.
접촉 라인이 불안정하면 코팅 아래에 웅덩이나 공기 유입이 발생하여 균일하지 않은 코팅 두께 및 기타 결함을 발생시킬 수 있습니다.
FLOW-3D는 유량, 유량, 기질 속도 등 다양한 공정 파라미터로 공정을 시뮬레이션하고 점성, 표면 장력, 접착력 등 액체의 물리적 성질을 변화시켜 커튼 코팅의 안정성을 조사하는 데 사용할 수 있습니다.

FlowSight

FlowSight

FlowSight는 FLOW-3D및 FLOW-3D CAST결과의 정교한 시각화를 제공하도록 설계된 고급 후 처리 도구입니다. FlowSight는 직관적인 후처리 인터페이스 내에서 우수한 결과 분석 기능을 갖춘 모델을 제공합니다. 스플 라인 경로를 따라 임의의 2D클립, 3D클립 및 투명도, 볼륨 렌더링, 고급 데이터 타임 시리즈 플로팅, 간소화 및 벡터 플롯은 사용 가능한 놀라운 도구의 일부에 불과합니다. FlowSight를 사용하면 여러 뷰 포트와 동적 객체 시각화 도구로 구성된 풍부한 기능 세트와 결합되어 있으므로 엔지니어는 분석 및 프레젠테이션 요구 사항에 맞게 CFD결과를 최대한 활용할 수 있습니다.

FlowSight는 모든 FLOW-3D및 FLOW-3D CAST라이센스에 포함되어 추가비용 없이 사용할 수 있습니다.

새로운–스플 라인 클립!

FlowSight의 스플라인 클립 기능을 사용하면 복잡한 곡면을 따라 클립을 생성할 수 있습니다. ogee weir 위로 물이 흐르는 시뮬레이션에서, 스플 라인은 ogee weir의 표면을 따라 형성됩니다. 그런 다음 스플 라인이 돌출되어 웨어 표면을 따라 물의 자유 표면 높이에 의해 색상이 지정된 클립을 생성합니다.

키 프레임 기능

https://youtu.be/Hvg_ApXSu5g

크고 복잡한 시뮬레이션을 분석 할 때 매우 일반적인 문제는 관심 영역이 형상에 의해 가려지거나 시뮬레이션이 시간이 지남에 따라 변경됨에 따라 관심 영역이 변경 될 수 있다는 것입니다. 키 프레임은 분석 중에 형상을 “분리되도록”허용하고 시점이 시간과 공간을 통해 이동할 수 있도록 하여 이 문제를 해결합니다.

이 애니메이션은 FlowSight의 키 프레임 기능을 사용하여 충전하는 동안 다이 반쪽을 “시각적으로”열고 다이를 채우는 금속을 표시하면서 다이 표면에 고체 온도를 표시하는 방법을 보여줍니다.

Particle Visualization

FlowSight는 파티클(입자) 시각화 기능을 완벽하게 갖추고 있습니다. 입자는 입자 직경, 입자 밀도, 입자 수명, 속도 및 관련성이 있는 기타 변수에 의해 색상이 지정될 수 있습니다. 이 경우, 입자는 각각의 직경의 크기에 의해 착색됩니다.

속도 벡터 필드

FlowSight는 사용자에게 평면 또는 도메인 전체에 걸친 전체 볼륨 속도 및 방향 분석에 속도 벡터 필드를 시각화하는 옵션을 제공합니다. 사용자 지정 가능한 벡터 필드를 사용하면 다양한 색상 지정 및 밀도 조정이 가능하여 선명도를 높일 수 있습니다.

Streamlines & Pathlines

FlowSight의 유선(Streamlines) 기능은 복잡한 동적 패턴을 완전한 충실도로 시각화하여 유동장 속도 방향에 대해 실시간 스냅 샷을 제공합니다. 경로 선(Pathlines)은 시간을 따른 유체 입자의 궤적을 시뮬레이션하는 동안, 히스토리 라인은 유동장에서 유체 입자를 애니메이션 합니다.

Iso-surfaces

Iso-surfaces 은 유체 및 고체 표면을 시각화하는 강력하고 빠른 방법으로, 일정한 난류 에너지 영역을 표시하는 데 적합합니다.

Volume Render

iso-surface에서만 변수를 표시하는 대신 사용자 지정 가능한 볼륨 맵을 사용하여 볼륨 전체에 걸쳐 변수를 표시합니다. 그림에 표시된 바와 같이 각 기포와 주변 액체의 변형률 크기는 볼륨 렌더링과 함께 표시됩니다.

Case Linking

동일한 뷰포트에서 별도의 사례를 링크 /보기.

Multiple Data Views

숫자 및 다양한 그래프 등의 시각적 형식으로 분석하기

Visualizing Non-inertial Reference Frame Motion

Non-inertial reference frame visualization는 편리한 시뮬레이션 설정을 제공하고 계산 시간을 단축하며 사용자가 사실적인 방식으로 모델을 시각화 할 수 있게합니다.

https://youtu.be/DvKxNa1gOVs

2D Clips

2D 클립은 모든 단면 평면에서 유체 매개 변수를 시각화하는 데 사용됩니다.

3D Clipping

3D 클리핑 도구를 사용하면 사용자가 6 개 방향 모두에서 등면을 동시에 슬라이스 할 수 있으며, 높은 결함 영역을 감지하고 유체 및 고체 영역 내부의 온도, 압력, 속도 프로파일을 시각화하는 데 유용합니다.

특정 방향의 범위 사이에 애니메이션 제공
한 번에 한 방향으로 스왑
양방향 애니메이션 : 앞으로 및 뒤로

Arbitrary Clips

평면, 원통형, 상자, 원뿔형, 구형 및 간소화된 표면에 대한 시각화를 포함하여 광범위한 유연성으로 표면 뷰를 분석할 수 있습니다. 유체 흐름이 평면이 아닌 표면에 대한 시각화가 필요한 경우 유용합니다. 임의 클립을 사용하면 연속적으로 여러 클립을 만들 수도 있습니다.

Probe Data

포인트 프로브는 시간에 따른 변수의 진화를 보여주고, 라인 프로브는 거리에 따른 변수 값의 변화를 반환합니다. 오른쪽, 프로브는 유체의 응고 비율을 보여줍니다.

Vortex Cores

와류 코어 식별에 사용할 수있는 두 가지 옵션인 와류 및 고유 분석을 통해 코어 강도에 따라 필터링 가능한 결과 생성이 가능합니다.

엔지니어들은 연구를 위해 다양한 시각화 방법을 사용합니다. 유체 흐름에서 와류 코어의 분석은 중요한 문제로, 와류 코어는 속도 필드 내에 와류 구조 (중앙 트레이스)를 나타내는 선 입니다. 기술적으로, FlowSight는 와류 방법 및 고유치 분석에서 속도 벡터와 소용돌이 벡터의 속도장에서의 식별위치는 평행합니다. FlowSight는 사용자에게 와류 코어 식별을 위한 두 가지 옵션을 제공합니다. 코어는 특정 강도 이상 또는 이하로 FlowSight에서 필터링 될 수 있습니다. 코어는 일반적으로 코어 주위에 회전 또는 단순히 순환 강도의 비율에 의해 채색됩니다. 아래의 예에서는, 와류 코어 고유치 값 분석을 이용하여 생성됩니다. 강한 코어는 소용돌이의 중심에 형성되어있는 것을 알 수 있습니다. 이를 통해 사용자는 펌프로 공기 흡입의 가능성을 연구 할 수 있습니다. 코어가 너무 강한 경우, 공기는 강한 와류로 인해 야기되는 열린 통로로부터 흡입될 수 있습니다.

History Data

그래프 도구는 일반적인 히스토리, 진단 및 메시 종속 데이터에 강력한 수준의 분석을 제공하여 서로 다른 시뮬레이션 데이터를 상대적으로 보여줍니다.

Posts pagination

Previous 1 2

Tag: 일정

Advances in Magnetohydrodynamic Liquid Metal Jet Printing

ABSTRACT

INTRODUCTION

접촉선의 고정(Contact Line Pinning)

Cell Behavior

1-D Gradient generator with de-coupled convection and diffusion

FLOW-3D 튜토리얼 V12

빠른 시작

1.CFD 사용에 대한 철학

2.중요한 파일

3.시뮬레이션 관리자

작업 공간 (Workspaces)

새로운 작업 공간 만들기

작업 공간 닫기

작업 공간에서 시뮬레이션 작업

Example를 추가하십시오

모든 작업 공간 및 디스크에서 시뮬레이션 삭제

작업 공간에 기존 시뮬레이션 추가

작업 공간에 새로운 시뮬레이션 추가

다른 옵션

전처리 및 시뮬레이션 실행

시뮬레이션 전처리

작업 공간에서 모든 시뮬레이션 실행

대기열

파일 시스템에서 파일 찾기

4.모델 설정

탐색

통제 수단

물리

유체

Geometry(기하)

경계 조건

초기 조건

출력

Numerics

일반 시뮬레이션 설정 점검 목록

시작하기 전에

모델 설정 : 일반

모델 설정 : 물리

모델 설정 : 유체

모델 설정 : Mesh 및 형상

모델 설정 : 출력

모델 설정 : 숫자

기존 플롯

커스텀 플롯

3 차원 도표

대칭 흐름 표시

3 차원 애니메이션 만들기

2 차원 도표

1 차원 도표

텍스트 출력

튀는 문제에 대한 설명

FLOW-3D WELD의 수치 모델

모델 검증

공정 동특성

용접 계획 개선

결론

Coating with Non-Newtonian fluids (비뉴튼 유체를 이용한 코팅)

Carreau Function ?

FLOW-3D를 이용한 비뉴턴 유체의 코팅 해석

유체역학을 기반으로 한 입자 분류

일정 질량 vs 일정 크기

Air Entrainment / 공기 유입

Spillway hydraulics / 여수로 수리장치

Fish passage design / 물고기 개체수 유지를 위한 어도 설계

Surface Skew Effects on Biofilms in Wastewater Treatment

Problem description

FLOW-3D WELD 수치적 모델

모델 검증

프로세스 역학(Process dynamics)

용접 일정(Welding schedule)의 향상

결론

Laser keyhole welding

레이저 키홀(Keyhole) 가공(No oscillations/진동 고려하지 않을 경우)

높은 속도에서 다공성을 감소시키는 경우(Reduced porosity at high speed-mechanism)

고속 레이저 가공(진동 고려하지 않음)해석 시 고려사항

진동을 고려한 레이저 랩(Lap) 용접

진동을 고려한 레이저 용접 : 실험 결과와 비교

모델 검증

HIGH-END TOP CLASS
FLOW-3D CFD EDUCATION