SPK Junghoon Lee Manager.
This article originally appeared on CAD & Graphics April 'HPC Technology and Trend for Product Development'.
How did Space X become a strong player in the Aerospace industry?
On March 6, Ilon Musk's Space X succeeded in launching the 50th satellite. It launched the Falcon 9 rocket for the first time in June 2010, and it shot 50 times in about eight years. The satellite at Falcon 9 is about 6 tons in weight. Musk said on Twitter, "We are the largest satellite we have ever launched into geostationary orbit." A commercial company accomplishes something that the US government can not easily accomplish with NASA.
One of the main reasons Space X developed rapidly is its aggressive acceptance of cloud IT technology. According to the industry, Space X is the largest unit in the aerospace and satellite industry and performs HPC interpretation work, which is based on the Public Cloud, not the HPC infrastructure used by existing companies. If Space X did not take advantage of Public Cloud technology, it would take at least six months to order and install the equipment to build the HPC infrastructure within the company. Start-ups can now benefit from large enterprise-level HPC infrastructures by leveraging the cloud environment.
It is not easy to introduce tens or thousands of core HPC infrastructures in individual enterprise units if it is not a major 10 or 5 company such as Samsung, LG, Hyundai in Korean enterprise environment. Most CAE engineers perform analysis tasks on a common workstation (less than ~ 30 Core) owned by an individual department. Naturally, work takes more than three to four days. The problem is that it does not perform Full Scale unit analysis which is essential for production of the actual product due to system constraints, and it stops at the partial model analysis. This will lead to a decline in the quality of actual production products.
The use of the cloud for this constraint is very effective. First, since there are no system limitations, more than 200 cores can be analyzed rather than the existing dozens of cores. This makes the time required for the analysis work to be half a day instead of a few days. Instead of waiting a couple of days as usual after the work is done, you can immediately check the results on the day and immediately modify it as soon as it is completed in business hours. It is also possible to perform parallel operations. In a conventional environment, when a task such as DOE (Design Of Experiment) is required, another operation (in serial) is possible after one operation is completed. However, in a cloud environment, it is possible to perform several tasks at the same time (in parallel), which can drastically reduce the time required for the task.
In addition, the main constraint is cost. Even the best system is difficult to use if it is expensive. However, recent cloud environments provide a policy of 'pay-as-you-go'. So you do not have to invest a lot of money at the beginning.
In particular, existing investment schemes initially make investments based on inaccurate system usage. Considering the recent rapid changes in the investment environment, it is highly probable that it will inevitably be inaccurate to anticipate and invest in the business environment for the next three to five years. If you invest a lot of system in the early stage, you can work smoothly without waiting for work queue when performing work, but there is a high possibility that it is not cost effective. Conversely, a small initial investment would be cost effective but would take a long time to wait.
Recent major CAE software tools (ANSYS, Star-CCM +, AVL, etc.) also support policies that cost the same amount of time as HW policies, not the existing Perpetual Model. These licenses are also free of existing concurrent users, core usage, and distance. Considering the characteristics of interpretation work where work is concentrated in a specific project period, it is very useful.
Personally, the biggest efficiency of cloud use is speed. Suppose the analytical engineers will work on interpreting large models that require tens of millions or more of the grid sizes that existing resources can not solve. It may take more than a few weeks to estimate the analytical software and hardware. In particular, how difficult is it to make internal claims regarding costs? It will take at least two to three months for the other tasks. Fortunately, the whole process is smooth over the next few months and the system is being rebuilt. However, the process of communicating with the systems engineer responsible for the hardware system still requires many other time and effort. Every release of a new software version requires new requests, and all setup tasks, such as system hardware performance, network, and security, are never easy.
The hardware and software licenses of the size desired by the analysis engineers are always ready for use by all engineers within 10 minutes, and can be easily used by anyone with an Internet connection without a separate setting. Of course, the cost of all this work is a reasonable cost structure that is only charged for use.
It's a cliche, but Korea is a manufacturing hub. In particular, small businesses are important. However, CAE, an important component of small business productivity, has infrastructure-related constraints. However, global startups such as SpaceSX, which we have to compete with, have already adopted new IT technologies such as cloud, and have no more efficient HPC infrastructure than traditional enterprises. We hope that many companies actively accept the changes.
SPK 마케팅팀 이정훈 차장
캐드앤그래픽스 4월호 '제품개발을 위한 HPC 기술 및 트렌드' 기고
스페이스X는 어떻게 로켓 산업의 강자가 되었는가?
지난 3월 6일 일론 머스크의 스페이스X가 50번째 위성 발사에 성공하였다. 2010년 6월
처음으로 팰컨9 로켓 발사를 하였으니, 약
8년만에 50회 발사를 기록한 것이다. 이날 팰컨9에 실린 위성은 무게 6톤에 버스 만한 크기다. 머스크는
트위터를 통해 “우리가 지금까지 정지궤도에 발사한 인공위성 중 가장 큰 크기”라고
밝혔다. 미국 정부 NASA 에서도 쉽게 달성하지 못하는 업적을 작은
회사가 이룩한 것이다.
스페이스
X가 빠르게 기술 발전한 주요한 이유 중 하나는 클라우드 IT 기술을
적극적으로 수용한 것이다. 업계에 따르면 스페이스X는 항공 및 위성
산업 분야에서 가장 큰 단위로 HPC 해석 업무를 수행하고 있고, 그
업무는 기존 업체들이 사용하는 회사 내 HPC 인프라가 아닌 Public Cloud 기반이다. 만약
스페이스X가 Public Cloud 기술을 활용하지 않으면 회사 내 HPC 인프라를 갖추기 위해서 장비 발주와 설치에만 최소 6개월 이상의 시간을
소요 했을 것이다. 이제 스타트업도 클라우드 환경을 잘 활용하면 대기업 수준의
HPC 인프라가 사용 가능하다.
글로벌
환경도 마찬가지 이지만 한국 기업 환경에서 삼성, LG, 현대 등 주요 10대
아니 5대 기업이 아니라고 하면 개별 기업 단위에서 수만, 수천 코어의
HPC 인프라를 도입하기는 쉽지 않다. 대부분의 CAE 엔지니어들은 개별 부서에서 소유한 일반 워크스테이션(~ 30 Core 미만)에서 해석 작업을 수행한다. 당연히, 3~4일
이상 소요되는 작업이 빈번하다. 문제는 그 뿐 아니라 시스템 제약으로 실제 제품 생산에 필수적인 Full Scale 단위 해석을 수행하지 못하고 일부 부분 단위의 모델 해석에서 그친다는 것이다. 이는 고스란히 실제 생산 제품의 품질 하락을 가져올 것이다.
이러한
제약에 클라우드 사용은 굉장히 효과적이다. 먼저, 시스템 제약이 없으므로
기존 수십코어가 아닌 200 코어 이상의 해석 작업이 가능하다. 이는
해석 업무에 소요되는 시간을 기존 수일이 아닌 반나절에 가능하게 만든다. 작업 수행하고 나면 기존처럼 며칠씩
기다리는 것이 아니라 업무 시간 안에 바로 해석을 완료되어 당일 바로 결과를 확인하고 바로 수정이 가능한 것이다. 또한, 병렬 업무 수행 또한 가능하다. 기존 환경에서
DOE(Design Of Experiment)등의 작업이 필요한 경우, 하나의 작업이 완료된
후에 다른 작업이(직렬 방식)이 가능하다.
하지만 클라우드 환경에서는 동시에 여러 작업(병렬 방식) 수행이
가능하여 작업에 소요되는 시간을 획기적으로 낮출 수 있다.
또한, 기존 주요한 제약은 비용이다. 아무리 뛰어난 시스템이라고 하여도 비용이 높다고
하면 사용하기 어렵다. 하지만 최근의 클라우드 환경은 ‘사용하는 시간만큼
비용을 부과 (pay-as-you-go)’ 하는 정책을 제공한다. 따라서
초기에 많은 비용을 투자할 필요가 없다.
특히 기존의
투자 방식은 초기에 정확하지 않은 시스템 사용량에 근거하여 투자를 한다. 최근의 급변하는 투자 환경을 고려하면
앞으로 3~5년 경영 환경을 미리 예측하여 투자한다는 것은 필연적으로 정확하지 않을 확률이 매우 높다. 초기에 시스템을 많이 투자하면 작업 수행 시 작업 큐 대기 없이 작업은 원활하게 수행되나 비용 효과적이지 못할 가능성이
많다. 반대로 초기에 작게 투자한다면
비용은 효과적이나 작업 대기 시간은 오래 걸릴 것이다.
또한 최근의
주요 CAE Software 툴(ANSYS, Star-CCM+, AVL 등) 들은 기존 영구적 라이선스 모델(Perpetual Model)이 아닌 HW 정책과 동일하게 사용하는 시간만큼 비용을 부과하는 정책을 지원한다. 또한
이러한 라이선스는 기존의 동시 사용자, 사용 코어, 거리 등의 제약이
없다. 특정 프로젝트 시기에 업무가 집중되는 해석 업무의 특성을 고려한다면 활용성이 매우 뛰어나다.
개인적으로
클라우드 사용의 가장 큰 효율을 꼽는다면 신속성이다. 해석 엔지니어들이 기존 자원으로 해결이 불가능한 격자
수가 몇 천 만개 이상 소요되는 큰 모델의 해석 업무를 하게 된다고 가정해 보자. 아마, 해석 소프트웨어 및 하드웨어 견적 작업만 몇 주 이상 소요될 것 이다. 특히
비용 관련 내부 품의는 얼마나 까다로운가? 해석 본연의 업무 이 외 다른 업무로 적어도 2~3달 이상 소요될 것이다. 다행히, 이
모든 과정이 몇달에 걸쳐서 순조로워 시스템을 새롭게 구축한다고 하자. 하지만, 여전히
하드웨어 시스템 담당 시스템 엔지니어와 커뮤니케이션 과정은 또다른 많은 시간과 노력을 필요로 한다. 신규
소프트웨어 버전 출시 때마다 새로운 요청이 필요하고, 시스템 하드웨어 성능/네트웍/보안 등의 모든 설정 작업들은 결코 쉽지 않다.
해석 엔지니어들이
원하는 규모의 하드웨어와 소프트웨어 라이선스가 항상 준비되어 10분 이내 모든 엔지니어 들이 쉽게 사용이
가능하고, 별도의 세팅 없이 인터넷만 연결된 환경이면 누구나 쉽게 사용이 가능하다면 해석 엔지니어들의 생산성은
급격하게 향상 될 것 이다. 물론, 이 모든 작업에 대한 비용은 사용한
만큼만 부과되는 합리적인 비용 구조이다.
진부한
이야기이지만 한국은 제조업이 중심인 국가이다. 특히, 중소기업이 중요하다. 하지만, 중소 기업 생산성의 중요한 요소인 CAE
업무에는 인프라 관련 제약이 있다. 그러나, 앞서 언급한
우리가 경쟁해야 하는 스페이스X와 같은 글로벌 스타트업들은 이미 클라우드 등의
IT 신기술을 적극적으로 받아들여 기존의 대기업들만 가능한 HPC 인프라를 아무런 제한없이 혹은
더욱 효율적으로 사용하고 있다. 한국도 적극적으로 변화를 받아들이는 기업이 많이 나타나길 바란다.
