OpenUSD, ETAP 및 CFD를 활용한 AI 팩토리 디지털 트윈 시뮬레이션

AI 지원 디지털 트윈을 활용하면 팀은 구축이 시작되기 전 초기 단계에서 전기 용량, 열 동작, 공기 흐름, 제어 전략을 평가할 수 있습니다. 가상 시나리오를 실행함으로써 조직은 인프라 안전성을 검증하고, 용량 산정을 최적화하며, 이해관계자와 경영진의 승인을 위한 데이터 기반 근거를 마련할 수 있습니다.

AI 팩토리 설계를 시뮬레이션하면 아키텍처가 이미 확정된 뒤 문제를 수정하는 것보다 훨씬 효과적입니다. 잠재적인 지연을 최소화하고 보완 또는 개선에 드는 비용을 줄일 수 있기 때문입니다.

이 접근 방식은 AVEVA의 디지털 트윈 및 정보 관리 기능을 시스템 수준의 통합 계층으로 결합 하고, OpenUSD 를 활용하여 설계, 엔지니어링, 운영 전반에서 여러 영역 간 상호 운용성을 지원합니다. 이 환경 안에서 ETAP 전기 디지털 트윈 은 그리드에서 랙까지의 전력 동작과 장애 시나리오를 모델링하고, NVIDIA Omniverse 는 실시간 시각화와 협업 시뮬레이션을 지원하며, EcoStruxure ™ IT Design CFD 는 정밀한 공기 흐름 및 열 분석을 제공합니다.

수명 주기 AI 팩토리 디지털 트윈

OpenUSD 데이터 센터 시뮬레이션을 통해 기계, 전기 및 IT 제어를 일관되게 정렬할 수 있는 신뢰할 수 있는 단일 정보원을 제공합니다.

정확한 전력 시스템 시뮬레이션

ETAP 전기 디지털 트윈은 팀이 보호 협조를 분석하고, 고장 및 아크 플래시 리스크를 평가하며, 개폐 시나리오를 테스트할 수 있도록 지원합니다.

거의 실시간으로 수행되는 CFD 반복 분석

EcoStruxure IT Design CFD는 클라우드 GPU를 사용해 공기 흐름과 온도를 시각화하고 레이아웃을 빠르게 반복 검토하여, 랙 밀도와 배치에 관한 설계 결정을 더 현실적으로 내릴 수 있도록 지원합니다.

전원 안정성 및 안전성

AI 클러스터는 전력 사용량 변동이 매우 크기 때문에 불안정해질 수 있습니다. ETAP 및 Omniverse 시뮬레이션을 통해 팀은 구축 전에 고장, 보호, 개폐 시나리오를 안전하게 테스트하여 리스크를 줄일 수 있습니다.

고밀도 랙 냉각

공기 냉각과 액체 냉각을 함께 사용하는 고출력 랙에는 기존 냉각 기준만으로는 충분하지 않습니다. 이를 해결하기 위해 빠른 CFD 시뮬레이션으로 공기 흐름, 온도 변화, 핫스팟을 확인할 수 있습니다.

단절된 운영 팀

기계, 전기 및 제어 팀은 서로 맞지 않는 모델을 사용하며 각자 분리된 방식으로 일하는 경우가 많습니다. 이를 해결하기 위해 작업자는 OpenUSD 기반 디지털 트윈을 사용하여 하나의 프레임워크 안에서 팀을 통합할 수 있습니다.

적시 승인 및 비용이 많이 드는 변경

뒤늦은 설계 변경에는 많은 비용이 들고, 데이터 기반 근거가 없으면 승인에도 더 오랜 시간이 걸립니다. 디지털 트윈은 명확한 한계값, 경보, 점검 지점을 설정하여 검토 속도를 높이고 시운전 리스크를 줄입니다.

시뮬레이션은 구축이 시작되기 전에 운영 시나리오를 검토할 수 있게 해, 설계와 운영 사이의 간극을 줄여 줍니다. 유용한 AI 팩토리 모델은 단순히 3D 공간을 보여 주는 데 그치지 않습니다. 형상, 엔지니어링 속성, 실시간 또는 과거 운영 데이터를 연결함으로써, 실제 변경에 큰 비용이 들기 전에 배치, 전력 동작, 공기 흐름, 냉각 용량, 구조적 제약, 워크로드의 영향을 미리 검토할 수 있도록 지원합니다.

이는 AI 팩토리가 인프라 한계에 가까운 수준에서 운영되기 때문에 중요합니다. 작은 설계 가정 하나만 달라져도 실제로 사용할 수 있는 토큰 출력량이 줄어들거나, 전력 또는 냉각 용량을 충분히 활용하지 못하거나, 운영 여유분을 보수적으로 잡아야 할 수 있습니다. 실용적인 가치는 설계 단계에서 '실제 운영에 가까운' 상황을 미리 테스트할 수 있다는 데 있습니다. 예를 들어 랙을 옮기는 경우, 차세대 가속기로 교체하는 경우, 전력 밀도를 높이는 경우, 다른 CDU를 선택하는 경우, 1차 루프를 변경하는 경우, 단열 냉각탑 관련 가정을 조정하는 경우, AI 워크로드 프로파일이 달라지는 경우 등을 검토할 수 있습니다.

개별 도구는 특정 항목을 분석할 때는 유용합니다. 하지만 여러 담당자가 동일한 시설, 자산, 운영 상태를 함께 확인해야 하는 경우에는 한계가 드러납니다. AI 팩토리 설계에서는 CFD, 전력 시뮬레이션, 엔지니어링 문서, 자산 모델, IT 원격 측정 신호, OT 원격 측정 신호, 운영 이력이 모두 동일한 물리적 장비를 기준으로 연결되어야 합니다.

공통 통합 계층이 없으면 각 도구가 서로 다른 화면, 명명 규칙, 데이터 모델을 만들게 되고, 결국 팀은 자산 정보를 수작업으로 맞춰야 합니다. OpenUSD 는 3D 형상을 여러 데이터 소스 및 해석 도구와 연결하기 위한 표준화 계층을 제공합니다. Schneider Electric, AVEVA, ETAP는 소프트웨어 상호 운용성, 산업 시뮬레이션, 협업 설계, AI 인프라 시스템을 지원하기 위해 Alliance for OpenUSD 에 참여했습니다.

토큰 출력량은 컴퓨팅 스택 내부에서 일어나는 상황에 따라 달라지므로, 모델은 랙보다 더 세부적인 수준까지 파악할 수 있어야 합니다. CPU 사용률, 메모리 사용률, GPU 사용률, 네트워크 동작, 디스크 활동, 워크로드 상태를 확인하면 IT 동작이 전력 사용량, 열 방출, 유량 요구 사항, 열 리스크와 같은 OT 측 영향으로 어떻게 이어지는지 파악할 수 있습니다.

랙 수준으로만 추상화하면 특정 워크로드, 노드 또는 구성 요소의 동작이 인프라 상태에 어떤 영향을 주는지 파악하기 어렵습니다. 따라서 AI 팩토리 시뮬레이션은 IT 데이터와 OT 데이터를 함께 활용해야 합니다. 시설의 가치는 단순히 공간을 차갑게 유지하는 데 있는 것이 아니라, 고가의 컴퓨팅 랙이 안전한 범위 안에서 최대한 높은 사용률로 운영되도록 지원하는 데 있기 때문입니다. Schneider Electric과 NVIDIA의 참조 설계 작업은 AI 팩토리 설계를 MaxP, MaxQ와 같은 운영 지점과 명확히 연결합니다. 특히 MaxQ는 전력 제약으로 컴퓨팅 성능 최적화가 필요할 때 와트당 더 많은 토큰을 생성할 수 있도록 지원합니다.

CFD 시뮬레이션은 기본 시나리오와 가상 시나리오를 기준으로 공기 흐름, 온도, 속도, 압력, 냉각 동작을 테스트할 수 있습니다. 실제 활용 방식은 간단합니다. 먼저 기본 공간 조건을 설정한 뒤, 더 무거운 AI 워크로드를 적용하거나 열 부하를 한 랙 위치에서 다른 위치로 옮겨 봅니다. 그런 다음 냉기 흐름, 냉각 용량, 격리 전략이 여전히 해당 부하를 감당할 수 있는지 시각적으로 확인할 수 있습니다. 공기 냉각 또는 하이브리드 환경에서는 가상 배치 변경을 검토할 때 항상 케이블 이나 배관을 모두 다시 설치할 필요는 없습니다 . 모델에서 킬로와트 단위의 방열 분포를 옮겨 보고, 그에 따른 열 동작을 테스트할 수 있습니다.

전력 시뮬레이션은 장애 또는 유지보수 조건이 사용 가능한 IT 용량에 어떤 영향을 미치는지 정량적으로 보여 줄 수 있습니다. 예를 들어 원격 전원 패널에 장애가 발생하고, 동시에 두 번째 구성 요소가 유지보수 모드에 들어가는 상황을 가정할 수 있습니다. 이 시뮬레이션을 통해 해당 시설이 여전히 요구되는 다중화 수준을 유지하고 있는지, 그리고 N+1 구성을 유지하기 위해 IT 전력을 얼마나 제한해야 하는지 확인할 수 있습니다.

이러한 출력은 운영이 시작되기 전에 워크로드 스케줄링 규칙, 전력 상한 또는 주파수 저감에 반영될 수 있습니다. ETAP의 전기 디지털 트윈 기능은 고급 전기 시스템 설계와 시뮬레이션, 동적 가상 시나리오 분석, 전기 인프라 성능의 실시간 추적, 에너지 효율 최적화, 예측 유지보수, 전력 사용량 기반 인프라 계획을 지원합니다.

시뮬레이션을 활용하면 전력, 냉각, 구조 측면에서 어떤 변화가 생기는지 미리 테스트하여 GPU를 차세대 제품으로 교체했을 때의 영향을 조달이나 구축 전에 검토할 수 있습니다. 예를 들어 모델에서 특정 랙을 선택한 뒤, 향후 더 높은 밀도와 무게를 가진 플랫폼으로 바꿔 보는 방식으로 바닥, 배관 크기, 냉각 루프, 전기 인프라가 이러한 변화를 지원할 수 있는지 확인할 수 있습니다.

이는 AI 팩토리가 기존 시설보다 더 빠르게 갱신되기 때문에 중요합니다. 차세대 랙 플랫폼은 무게, 열 방출, 배관 크기, 유량 요구 사항, 전력 밀도를 바꿀 수 있습니다.

보수적인 가정이나 설계 오류로 인한 비용이 매우 크기 때문에, 시뮬레이션은 AI 팩토리에서 실질적인 요구 사항이 되고 있습니다. 냉각, 전력 또는 다중화 여유분에 대한 확신이 부족해 시설관리 팀이 고가의 랙을 90% 수준으로만 운영해야 한다면, 운영사는 건물 내 가장 중요한 자산에서 얻을 수 있는 토큰 처리 용량을 그만큼 잃게 됩니다.

AI 팩토리는 시설 설계, 워크로드 동작, 사용률의 경제성이 서로 긴밀하게 연결되어 있기 때문에 시뮬레이션이 필요합니다. ETAP 전력 시뮬레이션, CFD, 실시간 원격 측정 신호, 시각적 가상 시나리오는 운영사가 AI 팩토리를 한계에 가까운 수준에서도 안전하게 운영할 수 있는 조건을 테스트하는 데 도움이 됩니다. OpenUSD 기반 디지털 트윈은 설계, 건설, 운영 전반에서 시스템 수준의 판단을 가능하게 하여, 데이터와 도구가 분리되어 생기는 문제를 해결하는 데도 기여합니다.

OpenUSD를 활용한 AI 기반 디지털 트윈 확장

이 백서는 Schneider Electric이 데이터 센터 수명 주기 전반의 AI 지원 디지털 트윈을 위해 OpenUSD와 NVIDIA Omniverse를 지원하는 이유를 설명합니다.

ETAP과 Schneider Electric, AI 전력 디지털 트윈 출시

이 보도자료는 ETAP과 Schneider Electric이 전력 요구 사항을 시뮬레이션하고 효율성을 높이기 위해 AI 팩토리 디지털 트윈을 공개한 파트너십을 소개합니다.

EcoStruxure™ IT Design CFD

이 개요에서는 레이아웃, 공기 흐름, 냉각 효율 및 에너지 소비를 최적화하는 데 사용되는 CFD 기반 데이터 센터 설계 소프트웨어를 소개합니다.

지속가능한 영향을 위한 데이터 센터와 AI 재구상

이 보고서는 생성형 AI가 더 효율적인 시스템 구현을 지원할 수 있지만, 데이터 센터 에너지 사용량의 급증을 이끌고 있다는 점도 보여 줍니다.

도움이 필요하신가요?

제품 선택기

애플리케이션에 적합한 제품과 액세서리를 빠르고 쉽게 찾을 수 있습니다.

견적 받기

영업 관련하여 온라인으로 문의하시면 전문가가 연락드립니다.

구매처

해당 지역의 가장 가까운 슈나이더 일렉트릭 대리점을 쉽게 찾을 수 있습니다.

지원 센터

한 곳에서 모든 요구 사항에 대한 지원 리소스를 찾아보십시오.