Fig. 9 From: An Investigation on Hydraulic Aspects of Rectangular Labyrinth Pool and Weir Fishway Using FLOW-3D

An Investigation on Hydraulic Aspects of Rectangular Labyrinth Pool and Weir Fishway Using FLOW-3D

Abstract

웨어의 두 가지 서로 다른 배열(즉, 직선형 웨어와 직사각형 미로 웨어)을 사용하여 웨어 모양, 웨어 간격, 웨어의 오리피스 존재, 흐름 영역에 대한 바닥 경사와 같은 기하학적 매개변수의 영향을 평가했습니다.

유량과 수심의 관계, 수심 평균 속도의 변화와 분포, 난류 특성, 어도에서의 에너지 소산. 흐름 조건에 미치는 영향을 조사하기 위해 FLOW-3D® 소프트웨어를 사용하여 전산 유체 역학 시뮬레이션을 수행했습니다.

수치 모델은 계산된 표면 프로파일과 속도를 문헌의 실험적으로 측정된 값과 비교하여 검증되었습니다. 수치 모델과 실험 데이터의 결과, 급락유동의 표면 프로파일과 표준화된 속도 프로파일에 대한 평균 제곱근 오차와 평균 절대 백분율 오차가 각각 0.014m와 3.11%로 나타나 수치 모델의 능력을 확인했습니다.

수영장과 둑의 흐름 특성을 예측합니다. 각 모델에 대해 L/B = 1.83(L: 웨어 거리, B: 수로 폭) 값에서 급락 흐름이 발생할 수 있고 L/B = 0.61에서 스트리밍 흐름이 발생할 수 있습니다. 직사각형 미로보 모델은 기존 모델보다 무차원 방류량(Q+)이 더 큽니다.

수중 흐름의 기존 보와 직사각형 미로 보의 경우 Q는 각각 1.56과 1.47h에 비례합니다(h: 보 위 수심). 기존 웨어의 풀 내 평균 깊이 속도는 직사각형 미로 웨어의 평균 깊이 속도보다 높습니다.

그러나 주어진 방류량, 바닥 경사 및 웨어 간격에 대해 난류 운동 에너지(TKE) 및 난류 강도(TI) 값은 기존 웨어에 비해 직사각형 미로 웨어에서 더 높습니다. 기존의 웨어는 직사각형 미로 웨어보다 에너지 소산이 더 낮습니다.

더 낮은 TKE 및 TI 값은 미로 웨어 상단, 웨어 하류 벽 모서리, 웨어 측벽과 채널 벽 사이에서 관찰되었습니다. 보와 바닥 경사면 사이의 거리가 증가함에 따라 평균 깊이 속도, 난류 운동 에너지의 평균값 및 난류 강도가 증가하고 수영장의 체적 에너지 소산이 감소했습니다.

둑에 개구부가 있으면 평균 깊이 속도와 TI 값이 증가하고 풀 내에서 가장 높은 TKE 범위가 감소하여 두 모델 모두에서 물고기를 위한 휴식 공간이 더 넓어지고(TKE가 낮아짐) 에너지 소산율이 감소했습니다.

Two different arrangements of the weir (i.e., straight weir and rectangular labyrinth weir) were used to evaluate the effects of geometric parameters such as weir shape, weir spacing, presence of an orifice at the weir, and bed slope on the flow regime and the relationship between discharge and depth, variation and distribution of depth-averaged velocity, turbulence characteristics, and energy dissipation at the fishway. Computational fluid dynamics simulations were performed using FLOW-3D® software to examine the effects on flow conditions. The numerical model was validated by comparing the calculated surface profiles and velocities with experimentally measured values from the literature. The results of the numerical model and experimental data showed that the root-mean-square error and mean absolute percentage error for the surface profiles and normalized velocity profiles of plunging flows were 0.014 m and 3.11%, respectively, confirming the ability of the numerical model to predict the flow characteristics of the pool and weir. A plunging flow can occur at values of L/B = 1.83 (L: distance of the weir, B: width of the channel) and streaming flow at L/B = 0.61 for each model. The rectangular labyrinth weir model has larger dimensionless discharge values (Q+) than the conventional model. For the conventional weir and the rectangular labyrinth weir at submerged flow, Q is proportional to 1.56 and 1.47h, respectively (h: the water depth above the weir). The average depth velocity in the pool of a conventional weir is higher than that of a rectangular labyrinth weir. However, for a given discharge, bed slope, and weir spacing, the turbulent kinetic energy (TKE) and turbulence intensity (TI) values are higher for a rectangular labyrinth weir compared to conventional weir. The conventional weir has lower energy dissipation than the rectangular labyrinth weir. Lower TKE and TI values were observed at the top of the labyrinth weir, at the corner of the wall downstream of the weir, and between the side walls of the weir and the channel wall. As the distance between the weirs and the bottom slope increased, the average depth velocity, the average value of turbulent kinetic energy and the turbulence intensity increased, and the volumetric energy dissipation in the pool decreased. The presence of an opening in the weir increased the average depth velocity and TI values and decreased the range of highest TKE within the pool, resulted in larger resting areas for fish (lower TKE), and decreased the energy dissipation rates in both models.

1 Introduction

Artificial barriers such as detour dams, weirs, and culverts in lakes and rivers prevent fish from migrating and completing the upstream and downstream movement cycle. This chain is related to the life stage of the fish, its location, and the type of migration. Several riverine fish species instinctively migrate upstream for spawning and other needs. Conversely, downstream migration is a characteristic of early life stages [1]. A fish ladder is a waterway that allows one or more fish species to cross a specific obstacle. These structures are constructed near detour dams and other transverse structures that have prevented such migration by allowing fish to overcome obstacles [2]. The flow pattern in fish ladders influences safe and comfortable passage for ascending fish. The flow’s strong turbulence can reduce the fish’s speed, injure them, and delay or prevent them from exiting the fish ladder. In adult fish, spawning migrations are usually complex, and delays are critical to reproductive success [3].

Various fish ladders/fishways include vertical slots, denil, rock ramps, and pool weirs [1]. The choice of fish ladder usually depends on many factors, including water elevation, space available for construction, and fish species. Pool and weir structures are among the most important fish ladders that help fish overcome obstacles in streams or rivers and swim upstream [1]. Because they are easy to construct and maintain, this type of fish ladder has received considerable attention from researchers and practitioners. Such a fish ladder consists of a sloping-floor channel with series of pools directly separated by a series of weirs [4]. These fish ladders, with or without underwater openings, are generally well-suited for slopes of 10% or less [12]. Within these pools, flow velocities are low and provide resting areas for fish after they enter the fish ladder. After resting in the pools, fish overcome these weirs by blasting or jumping over them [2]. There may also be an opening in the flooded portion of the weir through which the fish can swim instead of jumping over the weir. Design parameters such as the length of the pool, the height of the weir, the slope of the bottom, and the water discharge are the most important factors in determining the hydraulic structure of this type of fish ladder [3]. The flow over the weir depends on the flow depth at a given slope S0 and the pool length, either “plunging” or “streaming.” In plunging flow, the water column h over each weir creates a water jet that releases energy through turbulent mixing and diffusion mechanisms [5]. The dimensionless discharges for plunging (Q+) and streaming (Q*) flows are shown in Fig. 1, where Q is the total discharge, B is the width of the channel, w is the weir height, S0 is the slope of the bottom, h is the water depth above the weir, d is the flow depth, and g is the acceleration due to gravity. The maximum velocity occurs near the top of the weir for plunging flow. At the water’s surface, it drops to about half [6].

figure 1
Fig. 1

Extensive experimental studies have been conducted to investigate flow patterns for various physical geometries (i.e., bed slope, pool length, and weir height) [2]. Guiny et al. [7] modified the standard design by adding vertical slots, orifices, and weirs in fishways. The efficiency of the orifices and vertical slots was related to the velocities at their entrances. In the laboratory experiments of Yagci [8], the three-dimensional (3D) mean flow and turbulence structure of a pool weir fishway combined with an orifice and a slot is investigated. It is shown that the energy dissipation per unit volume and the discharge have a linear relationship.

Considering the beneficial characteristics reported in the limited studies of researchers on the labyrinth weir in the pool-weir-type fishway, and knowing that the characteristics of flow in pool-weir-type fishways are highly dependent on the geometry of the weir, an alternative design of the rectangular labyrinth weir instead of the straight weirs in the pool-weir-type fishway is investigated in this study [79]. Kim [10] conducted experiments to compare the hydraulic characteristics of three different weir types in a pool-weir-type fishway. The results show that a straight, rectangular weir with a notch is preferable to a zigzag or trapezoidal weir. Studies on natural fish passes show that pass ability can be improved by lengthening the weir’s crest [7]. Zhong et al. [11] investigated the semi-rigid weir’s hydraulic performance in the fishway’s flow field with a pool weir. The results showed that this type of fishway performed better with a lower invert slope and a smaller radius ratio but with a larger pool spacing.

Considering that an alternative method to study the flow characteristics in a fishway with a pool weir is based on numerical methods and modeling from computational fluid dynamics (CFD), which can easily change the geometry of the fishway for different flow fields, this study uses the powerful package CFD and the software FLOW-3D to evaluate the proposed weir design and compare it with the conventional one to extend the application of the fishway. The main objective of this study was to evaluate the hydraulic performance of the rectangular labyrinth pool and the weir with submerged openings in different hydraulic configurations. The primary objective of creating a new weir configuration for suitable flow patterns is evaluated based on the swimming capabilities of different fish species. Specifically, the following questions will be answered: (a) How do the various hydraulic and geometric parameters relate to the effects of water velocity and turbulence, expressed as turbulent kinetic energy (TKE) and turbulence intensity (TI) within the fishway, i.e., are conventional weirs more affected by hydraulics than rectangular labyrinth weirs? (b) Which weir configurations have the greatest effect on fish performance in the fishway? (c) In the presence of an orifice plate, does the performance of each weir configuration differ with different weir spacing, bed gradients, and flow regimes from that without an orifice plate?

2 Materials and Methods

2.1 Physical Model Configuration

This paper focuses on Ead et al. [6]’s laboratory experiments as a reference, testing ten pool weirs (Fig. 2). The experimental flume was 6 m long, 0.56 m wide, and 0.6 m high, with a bottom slope of 10%. Field measurements were made at steady flow with a maximum flow rate of 0.165 m3/s. Discharge was measured with magnetic flow meters in the inlets and water level with point meters (see Ead et al. [6]. for more details). Table 1 summarizes the experimental conditions considered for model calibration in this study.

figure 2
Fig. 2

Table 1 Experimental conditions considered for calibration

Full size table

2.2 Numerical Models

Computational fluid dynamics (CFD) simulations were performed using FLOW-3D® v11.2 to validate a series of experimental liner pool weirs by Ead et al. [6] and to investigate the effects of the rectangular labyrinth pool weir with an orifice. The dimensions of the channel and data collection areas in the numerical models are the same as those of the laboratory model. Two types of pool weirs were considered: conventional and labyrinth. The proposed rectangular labyrinth pool weirs have a symmetrical cross section and are sized to fit within the experimental channel. The conventional pool weir model had a pool length of l = 0.685 and 0.342 m, a weir height of w = 0.141 m, a weir width of B = 0.56 m, and a channel slope of S0 = 5 and 10%. The rectangular labyrinth weirs have the same front width as the offset, i.e., a = b = c = 0.186 m. A square underwater opening with a width of 0.05 m and a depth of 0.05 m was created in the middle of the weir. The weir configuration considered in the present study is shown in Fig. 3.

figure 3
Fig. 3

2.3 Governing Equations

FLOW-3D® software solves the Navier–Stokes–Reynolds equations for three-dimensional analysis of incompressible flows using the fluid-volume method on a gridded domain. FLOW -3D® uses an advanced free surface flow tracking algorithm (TruVOF) developed by Hirt and Nichols [12], where fluid configurations are defined in terms of a VOF function F (xyzt). In this case, F (fluid fraction) represents the volume fraction occupied by the fluid: F = 1 in cells filled with fluid and F = 0 in cells without fluid (empty areas) [413]. The free surface area is at an intermediate value of F. (Typically, F = 0.5, but the user can specify a different intermediate value.) The equations in Cartesian coordinates (xyz) applicable to the model are as follows:

�f∂�∂�+∂(���x)∂�+∂(���y)∂�+∂(���z)∂�=�SOR

(1)

∂�∂�+1�f(��x∂�∂�+��y∂�∂�+��z∂�∂�)=−1�∂�∂�+�x+�x

(2)

∂�∂�+1�f(��x∂�∂�+��y∂�∂�+��z∂�∂�)=−1�∂�∂�+�y+�y

(3)

∂�∂�+1�f(��x∂�∂�+��y∂�∂�+��z∂�∂�)=−1�∂�∂�+�z+�z

(4)

where (uvw) are the velocity components, (AxAyAz) are the flow area components, (Gx, Gy, Gz) are the mass accelerations, and (fxfyfz) are the viscous accelerations in the directions (xyz), ρ is the fluid density, RSOR is the spring term, Vf is the volume fraction associated with the flow, and P is the pressure. The kε turbulence model (RNG) was used in this study to solve the turbulence of the flow field. This model is a modified version of the standard kε model that improves performance. The model is a two-equation model; the first equation (Eq. 5) expresses the turbulence’s energy, called turbulent kinetic energy (k) [14]. The second equation (Eq. 6) is the turbulent dissipation rate (ε), which determines the rate of dissipation of kinetic energy [15]. These equations are expressed as follows Dasineh et al. [4]:

∂(��)∂�+∂(����)∂��=∂∂��[������∂�∂��]+��−�ε

(5)

∂(�ε)∂�+∂(�ε��)∂��=∂∂��[�ε�eff∂ε∂��]+�1εε��k−�2ε�ε2�

(6)

In these equations, k is the turbulent kinetic energy, ε is the turbulent energy consumption rate, Gk is the generation of turbulent kinetic energy by the average velocity gradient, with empirical constants αε = αk = 1.39, C1ε = 1.42, and C2ε = 1.68, eff is the effective viscosity, μeff = μ + μt [15]. Here, μ is the hydrodynamic density coefficient, and μt is the turbulent density of the fluid.

2.4 Meshing and the Boundary Conditions in the Model Setup

The numerical area is divided into three mesh blocks in the X-direction. The meshes are divided into different sizes, a containing mesh block for the entire spatial domain and a nested block with refined cells for the domain of interest. Three different sizes were selected for each of the grid blocks. By comparing the accuracy of their results based on the experimental data, the reasonable mesh for the solution domain was finally selected. The convergence index method (GCI) evaluated the mesh sensitivity analysis. Based on this method, many researchers, such as Ahmadi et al. [16] and Ahmadi et al. [15], have studied the independence of numerical results from mesh size. Three different mesh sizes with a refinement ratio (r) of 1.33 were used to perform the convergence index method. The refinement ratio is the ratio between the larger and smaller mesh sizes (r = Gcoarse/Gfine). According to the recommendation of Celik et al. [17], the recommended number for the refinement ratio is 1.3, which gives acceptable results. Table 2 shows the characteristics of the three mesh sizes selected for mesh sensitivity analysis.Table 2 Characteristics of the meshes tested in the convergence analysis

Full size table

The results of u1 = umax (u1 = velocity component along the x1 axis and umax = maximum velocity of u1 in a section perpendicular to the invert of the fishway) at Q = 0.035 m3/s, × 1/l = 0.66, and Y1/b = 0 in the pool of conventional weir No. 4, obtained from the output results of the software, were used to evaluate the accuracy of the calculation range. As shown in Fig. 4x1 = the distance from a given weir in the x-direction, Y1 = the water depth measured in the y-direction, Y0 = the vertical distance in the Cartesian coordinate system, h = the water column at the crest, b = the distance between the two points of maximum velocity umax and zero velocity, and l = the pool length.

figure 4
Fig. 4

The apparent index of convergence (p) in the GCI method is calculated as follows:

�=ln⁡(�3−�2)(�2−�1)/ln⁡(�)

(7)

f1f2, and f3 are the hydraulic parameters obtained from the numerical simulation (f1 corresponds to the small mesh), and r is the refinement ratio. The following equation defines the convergence index of the fine mesh:

GCIfine=1.25|ε|��−1

(8)

Here, ε = (f2 − f1)/f1 is the relative error, and f2 and f3 are the values of hydraulic parameters considered for medium and small grids, respectively. GCI12 and GCI23 dimensionless indices can be calculated as:

GCI12=1.25|�2−�1�1|��−1

(9)

Then, the independence of the network is preserved. The convergence index of the network parameters obtained by Eqs. (7)–(9) for all three network variables is shown in Table 3. Since the GCI values for the smaller grid (GCI12) are lower compared to coarse grid (GCI23), it can be concluded that the independence of the grid is almost achieved. No further change in the grid size of the solution domain is required. The calculated values (GCI23/rpGCI12) are close to 1, which shows that the numerical results obtained are within the convergence range. As a result, the meshing of the solution domain consisting of a block mesh with a mesh size of 0.012 m and a block mesh within a larger block mesh with a mesh size of 0.009 m was selected as the optimal mesh (Fig. 5).Table 3 GCI calculation

Full size table

figure 5
Fig. 5

The boundary conditions applied to the area are shown in Fig. 6. The boundary condition of specific flow rate (volume flow rate-Q) was used for the inlet of the flow. For the downstream boundary, the flow output (outflow-O) condition did not affect the flow in the solution area. For the Zmax boundary, the specified pressure boundary condition was used along with the fluid fraction = 0 (P). This type of boundary condition considers free surface or atmospheric pressure conditions (Ghaderi et al. [19]). The wall boundary condition is defined for the bottom of the channel, which acts like a virtual wall without friction (W). The boundary between mesh blocks and walls were considered a symmetrical condition (S).

figure 6
Fig. 6

The convergence of the steady-state solutions was controlled during the simulations by monitoring the changes in discharge at the inlet boundary conditions. Figure 7 shows the time series plots of the discharge obtained from the Model A for the three main discharges from the numerical results. The 8 s to reach the flow equilibrium is suitable for the case of the fish ladder with pool and weir. Almost all discharge fluctuations in the models are insignificant in time, and the flow has reached relative stability. The computation time for the simulations was between 6 and 8 h using a personal computer with eight cores of a CPU (Intel Core i7-7700K @ 4.20 GHz and 16 GB RAM).

figure 7
Fig. 7

3 Results

3.1 Verification of Numerical Results

Quantitative outcomes, including free surface and normalized velocity profiles obtained using FLOW-3D software, were reviewed and compared with the results of Ead et al. [6]. The fourth pool was selected to present the results and compare the experiment and simulation. For each quantity, the percentage of mean absolute error (MAPE (%)) and root-mean-square error (RMSE) are calculated. Equations (10) and (11) show the method used to calculate the errors.

MAPE(%)100×1�∑1�|�exp−�num�exp|

(10)

RMSE(−)1�∑1�(�exp−�num)2

(11)

Here, Xexp is the value of the laboratory data, Xnum is the numerical data value, and n is the amount of data. As shown in Fig. 8, let x1 = distance from a given weir in the x-direction and Y1 = water depth in the y-direction from the bottom. The trend of the surface profiles for each of the numerical results is the same as that of the laboratory results. The surface profiles of the plunging flows drop after the flow enters and then rises to approach the next weir. The RMSE and MAPE error values for Model A are 0.014 m and 3.11%, respectively, indicating acceptable agreement between numerical and laboratory results. Figure 9 shows the velocity vectors and plunging flow from the numerical results, where x and y are horizontal and vertical to the flow direction, respectively. It can be seen that the jet in the fish ladder pool has a relatively high velocity. The two vortices, i.e., the enclosed vortex rotating clockwise behind the weir and the surface vortex rotating counterclockwise above the jet, are observed for the regime of incident flow. The point where the jet meets the fish passage bed is shown in the figure. The normalized velocity profiles upstream and downstream of the impact points are shown in Fig. 10. The figure shows that the numerical results agree well with the experimental data of Ead et al. [6].

figure 8
Fig. 8
figure 9
Fig. 9
figure 10
Fig. 10

3.2 Flow Regime and Discharge-Depth Relationship

Depending on the geometric shape of the fishway, including the distance of the weir, the slope of the bottom, the height of the weir, and the flow conditions, the flow regime in the fishway is divided into three categories: dipping, transitional, and flow regimes [4]. In the plunging flow regime, the flow enters the pool through the weir, impacts the bottom of the fishway, and forms a hydraulic jump causing two eddies [220]. In the streamwise flow regime, the surface of the flow passing over the weir is almost parallel to the bottom of the channel. The transitional regime has intermediate flow characteristics between the submerged and flow regimes. To predict the flow regime created in the fishway, Ead et al. [6] proposed two dimensionless parameters, Qt* and L/w, where Qt* is the dimensionless discharge, L is the distance between weirs, and w is the height of the weir:

��∗=���0���

(12)

Q is the total discharge, B is the width of the channel, S0 is the slope of the bed, and g is the gravity acceleration. Figure 11 shows different ranges for each flow regime based on the slope of the bed and the distance between the pools in this study. The results of Baki et al. [21], Ead et al. [6] and Dizabadi et al. [22] were used for this comparison. The distance between the pools affects the changes in the regime of the fish ladder. So, if you decrease the distance between weirs, the flow regime more likely becomes. This study determined all three flow regimes in a fish ladder. When the corresponding range of Qt* is less than 0.6, the flow regime can dip at values of L/B = 1.83. If the corresponding range of Qt* is greater than 0.5, transitional flow may occur at L/B = 1.22. On the other hand, when Qt* is greater than 1, streamwise flow can occur at values of L/B = 0.61. These observations agree well with the results of Baki et al. [21], Ead et al. [6] and Dizabadi et al. [22].

figure 11
Fig. 11

For plunging flows, another dimensionless discharge (Q+) versus h/w given by Ead et al. [6] was used for further evaluation:

�+=��ℎ�ℎ=23�d�

(13)

where h is the water depth above the weir, and Cd is the discharge coefficient. Figure 12a compares the numerical and experimental results of Ead et al. [6]. In this figure, Rehbock’s empirical equation is used to estimate the discharge coefficient of Ead et al. [6].

�d=0.57+0.075ℎ�

(14)

figure 12
Fig. 12

The numerical results for the conventional weir (Model A) and the rectangular labyrinth weir (Model B) of this study agree well with the laboratory results of Ead et al. [6]. When comparing models A and B, it is also found that a rectangular labyrinth weir has larger Q + values than the conventional weir as the length of the weir crest increases for a given channel width and fixed headwater elevation. In Fig. 12b, Models A and B’s flow depth plot shows the plunging flow regime. The power trend lines drawn through the data are the best-fit lines. The data shown in Fig. 12b are for different bed slopes and weir geometries. For the conventional weir and the rectangular labyrinth weir at submerged flow, Q can be assumed to be proportional to 1.56 and 1.47h, respectively. In the results of Ead et al. [6], Q is proportional to 1.5h. If we assume that the flow through the orifice is Qo and the total outflow is Q, the change in the ratio of Qo/Q to total outflow for models A and B can be shown in Fig. 13. For both models, the flow through the orifice decreases as the total flow increases. A logarithmic trend line was also found between the total outflow and the dimensionless ratio Qo/Q.

figure 13
Fig. 13

3.3 Depth-Averaged Velocity Distributions

To ensure that the target fish species can pass the fish ladder with maximum efficiency, the average velocity in the fish ladder should be low enough [4]. Therefore, the average velocity in depth should be as much as possible below the critical swimming velocities of the target fishes at a constant flow depth in the pool [20]. The contour plot of depth-averaged velocity was used instead of another direction, such as longitudinal velocity because fish are more sensitive to depth-averaged flow velocity than to its direction under different hydraulic conditions. Figure 14 shows the distribution of depth-averaged velocity in the pool for Models A and B in two cases with and without orifice plates. Model A’s velocity within the pool differs slightly in the spanwise direction. However, no significant variation in velocity was observed. The flow is gradually directed to the sides as it passes through the rectangular labyrinth weir. This increases the velocity at the sides of the channel. Therefore, the high-velocity zone is located at the sides. The low velocity is in the downstream apex of the weir. This area may be suitable for swimming target fish. The presence of an opening in the weir increases the flow velocity at the opening and in the pool’s center, especially in Model A. The flow velocity increase caused by the models’ opening varied from 7.7 to 12.48%. Figure 15 illustrates the effect of the inverted slope on the averaged depth velocity distribution in the pool at low and high discharge. At constant discharge, flow velocity increases with increasing bed slope. In general, high flow velocity was found in the weir toe sidewall and the weir and channel sidewalls.

figure 14
Fig. 14
figure 15
Fig. 15

On the other hand, for a constant bed slope, the high-velocity area of the pool increases due to the increase in runoff. For both bed slopes and different discharges, the most appropriate path for fish to travel from upstream to downstream is through the middle of the cross section and along the top of the rectangular labyrinth weirs. The maximum dominant velocities for Model B at S0 = 5% were 0.83 and 1.01 m/s; at S0 = 10%, they were 1.12 and 1.61 m/s at low and high flows, respectively. The low mean velocities for the same distance and S0 = 5 and 10% were 0.17 and 0.26 m/s, respectively.

Figure 16 shows the contour of the averaged depth velocity for various distances from the weir at low and high discharge. The contour plot shows a large variation in velocity within short distances from the weir. At L/B = 0.61, velocities are low upstream and downstream of the top of the weir. The high velocities occur in the side walls of the weir and the channel. At L/B = 1.22, the low-velocity zone displaces the higher velocity in most of the pool. Higher velocities were found only on the sides of the channel. As the discharge increases, the velocity zone in the pool becomes wider. At L/B = 1.83, there is an area of higher velocities only upstream of the crest and on the sides of the weir. At high discharge, the prevailing maximum velocities for L/B = 0.61, 1.22, and 1.83 were 1.46, 1.65, and 1.84 m/s, respectively. As the distance between weirs increases, the range of maximum velocity increases.

figure 16
Fig. 16

On the other hand, the low mean velocity for these distances was 0.27, 0.44, and 0.72 m/s, respectively. Thus, the low-velocity zone decreases with increasing distance between weirs. Figure 17 shows the pattern distribution of streamlines along with the velocity contour at various distances from the weir for Q = 0.05 m3/s. A stream-like flow is generally formed in the pool at a small distance between weirs (L/B = 0.61). The rotation cell under the jet forms clockwise between the two weirs. At the distances between the spillways (L/B = 1.22), the transition regime of the flow is formed. The transition regime occurs when or shortly after the weir is flooded. The rotation cell under the jet is clockwise smaller than the flow regime and larger than the submergence regime. At a distance L/B = 1.83, a plunging flow is formed so that the plunging jet dips into the pool and extends downstream to the center of the pool. The clockwise rotation of the cell is bounded by the dipping jet of the weir and is located between the bottom and the side walls of the weir and the channel.

figure 17
Fig. 17

Figure 18 shows the average depth velocity bar graph for each weir at different bed slopes and with and without orifice plates. As the distance between weirs increases, all models’ average depth velocity increases. As the slope of the bottom increases and an orifice plate is present, the average depth velocity in the pool increases. In addition, the average pool depth velocity increases as the discharge increases. Among the models, Model A’s average depth velocity is higher than Model B’s. The variation in velocity ranged from 8.11 to 12.24% for the models without an orifice plate and from 10.26 to 16.87% for the models with an orifice plate.

figure 18
Fig. 18

3.4 Turbulence Characteristics

The turbulent kinetic energy is one of the important parameters reflecting the turbulent properties of the flow field [23]. When the k value is high, more energy and a longer transit time are required to migrate the target species. The turbulent kinetic energy is defined as follows:

�=12(�x′2+�y′2+�z′2)

(15)

where uxuy, and uz are fluctuating velocities in the xy, and z directions, respectively. An illustration of the TKE and the effects of the geometric arrangement of the weir and the presence of an opening in the weir is shown in Fig. 19. For a given bed slope, in Model A, the highest TKE values are uniformly distributed in the weir’s upstream portion in the channel’s cross section. In contrast, for the rectangular labyrinth weir (Model B), the highest TKE values are concentrated on the sides of the pool between the crest of the weir and the channel wall. The highest TKE value in Models A and B is 0.224 and 0.278 J/kg, respectively, at the highest bottom slope (S0 = 10%). In the downstream portion of the conventional weir and within the crest of the weir and the walls of the rectangular labyrinth, there was a much lower TKE value that provided the best conditions for fish to recover in the pool between the weirs. The average of the lowest TKE for bottom slopes of 5 and 10% in Model A is 0.041 and 0.056 J/kg, and for Model B, is 0.047 and 0.064 J/kg. The presence of an opening in the weirs reduces the area of the highest TKE within the pool. It also increases the resting areas for fish (lower TKE). The highest TKE at the highest bottom slope in Models A and B with an orifice is 0.208 and 0.191 J/kg, respectively.

figure 19
Fig. 19

Figure 20 shows the effect of slope on the longitudinal distribution of TKE in the pools. TKE values significantly increase for a given discharge with an increasing bottom slope. Thus, for a low bed slope (S0 = 5%), a large pool area has expanded with average values of 0.131 and 0.168 J/kg for low and high discharge, respectively. For a bed slope of S0 = 10%, the average TKE values are 0.176 and 0.234 J/kg. Furthermore, as the discharge increases, the area with high TKE values within the pool increases. Lower TKE values are observed at the apex of the labyrinth weir, at the corner of the wall downstream of the weir, and between the side walls of the weir and the channel wall for both bottom slopes. The effect of distance between weirs on TKE is shown in Fig. 21. Low TKE values were observed at low discharge and short distances between weirs. Low TKE values are located at the top of the rectangular labyrinth weir and the downstream corner of the weir wall. There is a maximum value of TKE at the large distances between weirs, L/B = 1.83, along the center line of the pool, where the dip jet meets the bottom of the bed. At high discharge, the maximum TKE value for the distance L/B = 0.61, 1.22, and 1.83 was 0.246, 0.322, and 0.417 J/kg, respectively. In addition, the maximum TKE range increases with the distance between weirs.

figure 20
Fig. 20
figure 21
Fig. 21

For TKE size, the average value (TKEave) is plotted against q in Fig. 22. For all models, the TKE values increase with increasing q. For example, in models A and B with L/B = 0.61 and a slope of 10%, the TKE value increases by 41.66 and 86.95%, respectively, as q increases from 0.1 to 0.27 m2/s. The TKE values in Model B are higher than Model A for a given discharge, bed slope, and weir distance. The TKEave in Model B is higher compared to Model A, ranging from 31.46 to 57.94%. The presence of an orifice in the weir reduces the TKE values in both weirs. The intensity of the reduction is greater in Model B. For example, in Models A and B with L/B = 0.61 and q = 0.1 m2/s, an orifice reduces TKEave values by 60.35 and 19.04%, respectively. For each model, increasing the bed slope increases the TKEave values in the pool. For example, for Model B with q = 0.18 m2/s, increasing the bed slope from 5 to 10% increases the TKEave value by 14.34%. Increasing the distance between weirs increases the TKEave values in the pool. For example, in Model B with S0 = 10% and q = 0.3 m2/s, the TKEave in the pool increases by 34.22% if you increase the distance between weirs from L/B = 0.61 to L/B = 0.183.

figure 22
Fig. 22

Cotel et al. [24] suggested that turbulence intensity (TI) is a suitable parameter for studying fish swimming performance. Figure 23 shows the plot of TI and the effects of the geometric arrangement of the weir and the presence of an orifice. In Model A, the highest TI values are found upstream of the weirs and are evenly distributed across the cross section of the channel. The TI values increase as you move upstream to downstream in the pool. For the rectangular labyrinth weir, the highest TI values were concentrated on the sides of the pool, between the top of the weir and the side wall of the channel, and along the top of the weir. Downstream of the conventional weir, within the apex of the weir, and at the corners of the walls of the rectangular labyrinth weir, the percentage of TI was low. At the highest discharge, the average range of TI in Models A and B was 24–45% and 15–62%, respectively. The diversity of TI is greater in the rectangular labyrinth weir than the conventional weir. Fish swimming performance is reduced due to higher turbulence intensity. However, fish species may prefer different disturbance intensities depending on their swimming abilities; for example, Salmo trutta prefers a disturbance intensity of 18–53% [25]. Kupferschmidt and Zhu [26] found a higher range of TI for fishways, such as natural rock weirs, of 40–60%. The presence of an orifice in the weir increases TI values within the pool, especially along the middle portion of the cross section of the fishway. With an orifice in the weir, the average range of TI in Models A and B was 28–59% and 22–73%, respectively.

figure 23
Fig. 23

The effect of bed slope on TI variation is shown in Fig. 24. TI increases in different pool areas as the bed slope increases for a given discharge. For a low bed slope (S0 = 5%), a large pool area has increased from 38 to 63% and from 56 to 71% for low and high discharge, respectively. For a bed slope of S0 = 10%, the average values of TI are 45–67% and 61–73% for low and high discharge, respectively. Therefore, as runoff increases, the area with high TI values within the pool increases. A lower TI is observed for both bottom slopes in the corner of the wall, downstream of the crest walls, and between the side walls in the weir and channel. Figure 25 compares weir spacing with the distribution of TI values within the pool. The TI values are low at low flows and short distances between weirs. A maximum value of TI occurs at long spacing and where the plunging stream impinges on the bed and the area around the bed. TI ranges from 36 to 57%, 58–72%, and 47–76% for the highest flow in a wide pool area for L/B = 0.61, 1.22, and 1.83, respectively.

figure 24
Fig. 24
figure 25
Fig. 25

The average value of turbulence intensity (TIave) is plotted against q in Fig. 26. The increase in TI values with the increase in q values is seen in all models. For example, the average values of TI for Models A and B at L/B = 0.61 and slope of 10% increased from 23.9 to 33.5% and from 42 to 51.8%, respectively, with the increase in q from 0.1 to 0.27 m2/s. For a given discharge, a given gradient, and a given spacing of weirs, the TIave is higher in Model B than Model A. The presence of an orifice in the weirs increases the TI values in both types. For example, in Models A and B with L/B = 0.61 and q = 0.1 m2/s, the presence of an orifice increases TIave from 23.9 to 37.1% and from 42 to 48.8%, respectively. For each model, TIave in the pool increases with increasing bed slope. For Model B with q = 0.18 m2/s, TIave increases from 37.5 to 45.8% when you increase the invert slope from 5 to 10%. Increasing the distance between weirs increases the TIave in the pool. In Model B with S0 = 10% and q = 0.3 m2/s, the TIave in the pool increases from 51.8 to 63.7% as the distance between weirs increases from L/B = 0.61 to L/B = 0.183.

figure 26
Fig. 26

3.5 Energy Dissipation

To facilitate the passage of various target species through the pool of fishways, it is necessary to pay attention to the energy dissipation of the flow and to keep the flow velocity in the pool slow. The average volumetric energy dissipation (k) in the pool is calculated using the following basic formula:

�=����0��

(16)

where ρ is the water density, and H is the average water depth of the pool. The change in k versus Q for all models at two bottom slopes, S0 = 5%, and S0 = 10%, is shown in Fig. 27. Like the results of Yagci [8] and Kupferschmidt and Zhu [26], at a constant bottom slope, the energy dissipation in the pool increases with increasing discharge. The trend of change in k as a function of Q from the present study at a bottom gradient of S0 = 5% is also consistent with the results of Kupferschmidt and Zhu [26] for the fishway with rock weir. The only difference between the results is the geometry of the fishway and the combination of boulders instead of a solid wall. Comparison of the models shows that the conventional model has lower energy dissipation than the rectangular labyrinth for a given discharge. Also, increasing the distance between weirs decreases the volumetric energy dissipation for each model with the same bed slope. Increasing the slope of the bottom leads to an increase in volumetric energy dissipation, and an opening in the weir leads to a decrease in volumetric energy dissipation for both models. Therefore, as a guideline for volumetric energy dissipation, if the value within the pool is too high, the increased distance of the weir, the decreased slope of the bed, or the creation of an opening in the weir would decrease the volumetric dissipation rate.

figure 27
Fig. 27

To evaluate the energy dissipation inside the pool, the general method of energy difference in two sections can use:

ε=�1−�2�1

(17)

where ε is the energy dissipation rate, and E1 and E2 are the specific energies in Sects. 1 and 2, respectively. The distance between Sects. 1 and 2 is the same. (L is the distance between two upstream and downstream weirs.) Figure 28 shows the changes in ε relative to q (flow per unit width). The rectangular labyrinth weir (Model B) has a higher energy dissipation rate than the conventional weir (Model A) at a constant bottom gradient. For example, at S0 = 5%, L/B = 0.61, and q = 0.08 m3/s.m, the energy dissipation rate in Model A (conventional weir) was 0.261. In Model B (rectangular labyrinth weir), however, it was 0.338 (22.75% increase). For each model, the energy dissipation rate within the pool increases as the slope of the bottom increases. For Model B with L/B = 1.83 and q = 0.178 m3/s.m, the energy dissipation rate at S0 = 5% and 10% is 0.305 and 0.358, respectively (14.8% increase). Figure 29 shows an orifice’s effect on the pools’ energy dissipation rate. With an orifice in the weir, both models’ energy dissipation rates decreased. Thus, the reduction in energy dissipation rate varied from 7.32 to 9.48% for Model A and from 8.46 to 10.57 for Model B.

figure 28
Fig. 28
figure 29
Fig. 29

4 Discussion

This study consisted of entirely of numerical analysis. Although this study was limited to two weirs, the hydraulic performance and flow characteristics in a pooled fishway are highlighted by the rectangular labyrinth weir and its comparison with the conventional straight weir. The study compared the numerical simulations with laboratory experiments in terms of surface profiles, velocity vectors, and flow characteristics in a fish ladder pool. The results indicate agreement between the numerical and laboratory data, supporting the reliability of the numerical model in capturing the observed phenomena.

When the configuration of the weir changes to a rectangular labyrinth weir, the flow characteristics, the maximum and minimum area, and even the location of each hydraulic parameter change compared to a conventional weir. In the rectangular labyrinth weir, the flow is gradually directed to the sides as it passes the weir. This increases the velocity at the sides of the channel [21]. Therefore, the high-velocity area is located on the sides. In the downstream apex of the weir, the flow velocity is low, and this area may be suitable for swimming target fish. However, no significant change in velocity was observed at the conventional weir within the fish ladder. This resulted in an average increase in TKE of 32% and an average increase in TI of about 17% compared to conventional weirs.

In addition, there is a slight difference in the flow regime for both weir configurations. In addition, the rectangular labyrinth weir has a higher energy dissipation rate for a given discharge and constant bottom slope than the conventional weir. By reducing the distance between the weirs, this becomes even more intense. Finally, the presence of an orifice in both configurations of the weir increased the flow velocity at the orifice and in the middle of the pool, reducing the highest TKE value and increasing the values of TI within the pool of the fish ladder. This resulted in a reduction in volumetric energy dissipation for both weir configurations.

The results of this study will help the reader understand the direct effects of the governing geometric parameters on the hydraulic characteristics of a fishway with a pool and weir. However, due to the limited configurations of the study, further investigation is needed to evaluate the position of the weir’s crest on the flow direction and the difference in flow characteristics when combining boulders instead of a solid wall for this type of labyrinth weir [26]. In addition, hydraulic engineers and biologists must work together to design an effective fishway with rectangular labyrinth configurations. The migration habits of the target species should be considered when designing the most appropriate design [27]. Parametric studies and field observations are recommended to determine the perfect design criteria.

The current study focused on comparing a rectangular labyrinth weir with a conventional straight weir. Further research can explore other weir configurations, such as variations in crest position, different shapes of labyrinth weirs, or the use of boulders instead of solid walls. This would help understand the influence of different geometric parameters on hydraulic characteristics.

5 Conclusions

A new layout of the weir was evaluated, namely a rectangular labyrinth weir compared to a straight weir in a pool and weir system. The differences between the weirs were highlighted, particularly how variations in the geometry of the structures, such as the shape of the weir, the spacing of the weir, the presence of an opening at the weir, and the slope of the bottom, affect the hydraulics within the structures. The main findings of this study are as follows:

  • The calculated dimensionless discharge (Qt*) confirmed three different flow regimes: when the corresponding range of Qt* is smaller than 0.6, the regime of plunging flow occurs for values of L/B = 1.83. (L: distance of the weir; B: channel width). When the corresponding range of Qt* is greater than 0.5, transitional flow occurs at L/B = 1.22. On the other hand, if Qt* is greater than 1, the streaming flow is at values of L/B = 0.61.
  • For the conventional weir and the rectangular labyrinth weir with the plunging flow, it can be assumed that the discharge (Q) is proportional to 1.56 and 1.47h, respectively (h: water depth above the weir). This information is useful for estimating the discharge based on water depth in practical applications.
  • In the rectangular labyrinth weir, the high-velocity zone is located on the side walls between the top of the weir and the channel wall. A high-velocity variation within short distances of the weir. Low velocity occurs within the downstream apex of the weir. This area may be suitable for swimming target fish.
  • As the distance between weirs increased, the zone of maximum velocity increased. However, the zone of low speed decreased. The prevailing maximum velocity for a rectangular labyrinth weir at L/B = 0.61, 1.22, and 1.83 was 1.46, 1.65, and 1.84 m/s, respectively. The low mean velocities for these distances were 0.27, 0.44, and 0.72 m/s, respectively. This finding highlights the importance of weir spacing in determining the flow characteristics within the fishway.
  • The presence of an orifice in the weir increased the flow velocity at the orifice and in the middle of the pool, especially in a conventional weir. The increase ranged from 7.7 to 12.48%.
  • For a given bottom slope, in a conventional weir, the highest values of turbulent kinetic energy (TKE) are uniformly distributed in the upstream part of the weir in the cross section of the channel. In contrast, for the rectangular labyrinth weir, the highest TKE values were concentrated on the sides of the pool between the crest of the weir and the channel wall. The highest TKE value for the conventional and the rectangular labyrinth weir was 0.224 and 0.278 J/kg, respectively, at the highest bottom slope (S0 = 10%).
  • For a given discharge, bottom slope, and weir spacing, the average values of TI are higher for the rectangular labyrinth weir than for the conventional weir. At the highest discharge, the average range of turbulence intensity (TI) for the conventional and rectangular labyrinth weirs was between 24 and 45% and 15% and 62%, respectively. This reveals that the rectangular labyrinth weir may generate more turbulent flow conditions within the fishway.
  • For a given discharge and constant bottom slope, the rectangular labyrinth weir has a higher energy dissipation rate than the conventional weir (22.75 and 34.86%).
  • Increasing the distance between weirs decreased volumetric energy dissipation. However, increasing the gradient increased volumetric energy dissipation. The presence of an opening in the weir resulted in a decrease in volumetric energy dissipation for both model types.

Availability of data and materials

Data is contained within the article.

References

  1. Katopodis C (1992) Introduction to fishway design, working document. Freshwater Institute, Central Arctic Region
  2. Marriner, B.A.; Baki, A.B.M.; Zhu, D.Z.; Thiem, J.D.; Cooke, S.J.; Katopodis, C.: Field and numerical assessment of turning pool hydraulics in a vertical slot fishway. Ecol. Eng. 63, 88–101 (2014). https://doi.org/10.1016/j.ecoleng.2013.12.010Article Google Scholar 
  3. Dasineh, M.; Ghaderi, A.; Bagherzadeh, M.; Ahmadi, M.; Kuriqi, A.: Prediction of hydraulic jumps on a triangular bed roughness using numerical modeling and soft computing methods. Mathematics 9, 3135 (2021)Article Google Scholar 
  4. Silva, A.T.; Bermúdez, M.; Santos, J.M.; Rabuñal, J.R.; Puertas, J.: Pool-type fishway design for a potamodromous cyprinid in the Iberian Peninsula: the Iberian barbel—synthesis and future directions. Sustainability 12, 3387 (2020). https://doi.org/10.3390/su12083387Article Google Scholar 
  5. Santos, J.M.; Branco, P.; Katopodis, C.; Ferreira, T.; Pinheiro, A.: Retrofitting pool-and-weir fishways to improve passage performance of benthic fishes: effect of boulder density and fishway discharge. Ecol. Eng. 73, 335–344 (2014). https://doi.org/10.1016/j.ecoleng.2014.09.065Article Google Scholar 
  6. Ead, S.; Katopodis, C.; Sikora, G.; Rajaratnam, N.J.J.: Flow regimes and structure in pool and weir fishways. J. Environ. Eng. Sci. 3, 379–390 (2004)Article Google Scholar 
  7. Guiny, E.; Ervine, D.A.; Armstrong, J.D.: Hydraulic and biological aspects of fish passes for Atlantic salmon. J. Hydraul. Eng. 131, 542–553 (2005)Article Google Scholar 
  8. Yagci, O.: Hydraulic aspects of pool-weir fishways as ecologically friendly water structure. Ecol. Eng. 36, 36–46 (2010). https://doi.org/10.1016/j.ecoleng.2009.09.007Article Google Scholar 
  9. Dizabadi, S.; Hakim, S.S.; Azimi, A.H.: Discharge characteristics and structure of flow in labyrinth weirs with a downstream pool. Flow Meas. Instrum. 71, 101683 (2020). https://doi.org/10.1016/j.flowmeasinst.2019.101683Article Google Scholar 
  10. Kim, J.H.: Hydraulic characteristics by weir type in a pool-weir fishway. Ecol. Eng. 16, 425–433 (2001). https://doi.org/10.1016/S0925-8574(00)00125-7Article Google Scholar 
  11. Zhong, Z.; Ruan, T.; Hu, Y.; Liu, J.; Liu, B.; Xu, W.: Experimental and numerical assessment of hydraulic characteristic of a new semi-frustum weir in the pool-weir fishway. Ecol. Eng. 170, 106362 (2021). https://doi.org/10.1016/j.ecoleng.2021.106362Article Google Scholar 
  12. Hirt, C.W.; Nichols, B.D.: Volume of fluid (VOF) method for the dynamics of free boundaries. J. Comput. Phys. 39, 201–225 (1981). https://doi.org/10.1016/0021-9991(81)90145-5Article Google Scholar 
  13. Roache, P.J.: Perspective: a method for uniform reporting of grid refinement studies. J. Fluids Eng. 1994(116), 405–413 (1994)Article Google Scholar 
  14. Guo, S.; Chen, S.; Huang, X.; Zhang, Y.; Jin, S.: CFD and experimental investigations of drag force on spherical leak detector in pipe flows at high Reynolds number. Comput. Model. Eng. Sci. 101(1), 59–80 (2014)Google Scholar 
  15. Ahmadi, M.; Kuriqi, A.; Nezhad, H.M.; Ghaderi, A.; Mohammadi, M.: Innovative configuration of vertical slot fishway to enhance fish swimming conditions. J. Hydrodyn. 34, 917–933 (2022). https://doi.org/10.1007/s42241-022-0071-yArticle Google Scholar 
  16. Ahmadi, M.; Ghaderi, A.; MohammadNezhad, H.; Kuriqi, A.; Di Francesco, S.J.W.: Numerical investigation of hydraulics in a vertical slot fishway with upgraded configurations. Water 13, 2711 (2021)Article Google Scholar 
  17. Celik, I.B.; Ghia, U.; Roache, P.J.; Freitas, C.J.J.: Procedure for estimation and reporting of uncertainty due to discretization in CFD applications. J. Fluids Eng. Trans. ASME (2008). https://doi.org/10.1115/1.2960953Article Google Scholar 
  18. Li, S.; Yang, J.; Ansell, A.: Evaluation of pool-type fish passage with labyrinth weirs. Sustainability (2022). https://doi.org/10.3390/su14031098Article Google Scholar 
  19. Ghaderi, A.; Dasineh, M.; Aristodemo, F.; Aricò, C.: Numerical simulations of the flow field of a submerged hydraulic jump over triangular macroroughnesses. Water 13(5), 674 (2021)Article Google Scholar 
  20. Branco, P.; Santos, J.M.; Katopodis, C.; Pinheiro, A.; Ferreira, M.T.: Pool-type fishways: two different morpho-ecological cyprinid species facing plunging and streaming flows. PLoS ONE 8, e65089 (2013). https://doi.org/10.1371/journal.pone.0065089Article Google Scholar 
  21. Baki, A.B.M.; Zhu, D.Z.; Harwood, A.; Lewis, A.; Healey, K.: Rock-weir fishway I: flow regimes and hydraulic characteristics. J. Ecohydraulics 2, 122–141 (2017). https://doi.org/10.1080/24705357.2017.1369182Article Google Scholar 
  22. Dizabadi, S.; Azimi, A.H.: Hydraulic and turbulence structure of triangular labyrinth weir-pool fishways. River Res. Appl. 36, 280–295 (2020). https://doi.org/10.1002/rra.3581Article Google Scholar 
  23. Faizal, W.M.; Ghazali, N.N.N.; Khor, C.Y.; Zainon, M.Z.; Ibrahim, N.B.; Razif, R.M.: Turbulent kinetic energy of flow during inhale and exhale to characterize the severity of obstructive sleep apnea patient. Comput. Model. Eng. Sci. 136(1), 43–61 (2023)Google Scholar 
  24. Cotel, A.J.; Webb, P.W.; Tritico, H.: Do brown trout choose locations with reduced turbulence? Trans. Am. Fish. Soc. 135, 610–619 (2006). https://doi.org/10.1577/T04-196.1Article Google Scholar 
  25. Hargreaves, D.M.; Wright, N.G.: On the use of the k–ε model in commercial CFD software to model the neutral atmospheric boundary layer. J. Wind Eng. Ind. Aerodyn. 95, 355–369 (2007). https://doi.org/10.1016/j.jweia.2006.08.002Article Google Scholar 
  26. Kupferschmidt, C.; Zhu, D.Z.: Physical modelling of pool and weir fishways with rock weirs. River Res. Appl. 33, 1130–1142 (2017). https://doi.org/10.1002/rra.3157Article Google Scholar 
  27. Romão, F.; Quaresma, A.L.; Santos, J.M.; Amaral, S.D.; Branco, P.; Pinheiro, A.N.: Multislot fishway improves entrance performance and fish transit time over vertical slots. Water (2021). https://doi.org/10.3390/w13030275Article Google Scholar 

Download references

FLOW-3D 2022R2 의 새로운 기능

FLOW-3D 2023R2 의 새로운 기능

2023R2 FLOW-3D 릴리스

FLOW-3D 2023R2 의 새로운 기능

새로운 결과 파일 형식

FLOW-3D POST 2023R2 는 EXODUS II 형식을 기반으로 하는 완전히 새로운 결과 파일 형식을 도입하여 더 빠른 후처리를 가능하게 합니다. 이 새로운 파일 형식은 크고 복잡한 시뮬레이션의 후처리 작업에 소요되는 시간을 크게 줄이는 동시에(평균 최대 5배!) 다른 시각화 도구와의 연결성을 향상시킵니다.

FLOW-3D POST 2023R2 에서 사용자는 이제 selected data를 flsgrf , EXODUS II 둘중 하나 또는 flsgrf 와 EXODUS II 둘다 파일 형식으로 쓸 수 있습니다 . 새로운 EXODUS II 파일 형식은 각 객체에 대해 유한 요소 메쉬를 활용하므로 사용자는 다른 호환 가능한 포스트 프로세서 및 FEA 코드를 사용하여 FLOW-3D 결과를 열 수도 있습니다. 새로운 워크플로우를 통해 사용자는 크고 복잡한 사례를 신속하게 시각화하고 임의 위치에서의 슬라이싱, 볼륨 렌더링 및 통계를 사용하여 추가 정보를 추출할 수 있습니다. 

레이 트레이싱을 이용한 화장품 크림 충전
FLOW-3D POST 의 새로운 EXODUS II 파일 형식으로 채워진 화장품 크림 모델의 향상된 광선 추적 기능의 예

새로운 결과 파일 형식은 솔버 엔진의 성능을 저하시키지 않으면서 flsgrf 에 비해 시각화 작업 흐름에서 놀라운 속도 향상을 자랑합니다. 이 흥미로운 새로운 개발은 결과 분석의 속도와 유연성이 향상되어 원활한 시뮬레이션 경험을 제공합니다. 

FLOW-3D POST 의 새로운 시각화 기능 에 대해 자세히 알아보세요 .

난류 모델 개선

FLOW-3D 2023R2는 two-equation(RANS) 난류 모델에 대한 dynamic mixing length 계산을 크게 개선했습니다. 거의 층류 흐름 체계와 같은 특정 제한 사례에서는 이전 버전의 코드 계산 한계가 때때로 과도하게 예측되어 사용자가 특정 mixing length를 수동으로 입력해야 할 수 있습니다. 

새로운 dynamic mixing length 계산은 이러한 상황에서 난류 길이와 시간 척도를 더 잘 설명합니다. 이제 사용자는 고정된(물리 기반) mixing length를 설정하는 대신 더 넓은 범위의 흐름에 동적 모델을 적용할 수 있습니다.

접촉식 탱크 혼합 시뮬레이션
적절한 고정 mixing length와 비교하여 접촉 탱크의 혼합 시뮬레이션을 위한 기존 동적 mixing length 모델과 새로운 동적 mixing length 모델 간의 비교

정수압 초기화

사용자가 미리 정의된 유체 영역에서 정수압을 초기화해야 하는 경우가 많습니다. 이전에는 대규모의 복잡한 시뮬레이션에서 정수압 솔버의 수렴 속도가 느려지는 경우가 있었습니다. FLOW-3D 2023R2는 정수압 솔버의 성능을 크게 향상시켜 전처리 단계에서 최대 6배 빠르게 수렴할 수 있도록 해줍니다.

압축성 흐름 솔버 성능

FLOW-3D 2023R2는 최적화된 압력 솔버를 도입하여 압축성 흐름 문제에 대해 상당한 성능 향상을 제공합니다. 압축성 제트 흐름의 예에서 2023R2 솔버는 2023R1 버전보다 최대 4배 빠릅니다.

압축성 제트 시뮬레이션
FLOW-3D 의 압축성 제트 시뮬레이션의 예

FLOW-3D 2023R2 의 새로운 기능

FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R2에서 IT 관련 개선 사항을 받았습니다.  FLOW-3D 2023R2은 이제 Windows 11 및 RHEL 8을 지원합니다. Linux 설치 프로그램은 누락된 종속성을 보고하도록 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 그리고 워크플로우를 자동화한 분들을 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로우가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.

확장된 PQ 2 분석

제조에 사용되는 유압 시스템은 PQ 2 곡선을 사용하여 모델링할 수 있습니다. 장치의 세부 사항을 건너뛰고 흐름에 미치는 영향을 포함하기 위해 질량 운동량 소스 또는 속도 경계 조건을 사용하여 유압 시스템을 근사화하는 것이 편리하도록 단순화하는 경우가 많습니다. 우리는 기존 PQ 2 분석 모델을 확장하여 이러한 유형의 기하학적 단순화를 허용하면서도 현실적인 결과를 제공했습니다. 이로써 시뮬레이션 시간을 줄이고 모델 복잡성의 감소시킬 수 있습니다.

FLOW-3D 2022R2 의 새로운 기능

FLOW-3D 2022R2 제품군 출시로 Flow Science는 FLOW-3D 의 워크스테이션과 HPC 버전을 통합하여 노드 병렬 고성능 컴퓨팅 실행할 수 있도록 단일 노드 CPU 구성에서 다중 노드에 이르기까지 모든 유형의 하드웨어 아키텍처를 활용할 수 있는 단일 솔버 엔진을 제공합니다. 추가 개발에는 점탄성 흐름을 위한 새로운 로그 형태 텐서 방법, 지속적인 솔버 속도 성능 개선, 고급 냉각 채널 및 팬텀 구성요소 제어, entrained air 기능이 개선되었습니다.

통합 솔버

FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여 로컬 워크스테이션이나 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행할 수 있습니다.

많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만, 고성능 컴퓨팅 클러스터에서 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션의 Open MP/MPI 하이브리드 병렬화와 동일한 이점을 활용하여 워크스테이션과 노트북에서 실행할 수 있습니다.

성능 확장의 예
CPU 코어 수 증가에 따른 성능 확장의 예
메쉬 분해의 예
Open MP/MPI 하이브리드 병렬화를 위한 메시 분해의 예

솔버 성능 개선

멀티 소켓 워크스테이션

다중 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 사용하면 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있어 성능이 향상되는 것을 확인할 수 있습니다.

낮은 수준의 루틴으로 향상된 벡터화 및 메모리 액세스

대부분의 테스트 사례에서 10~20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 나타났습니다.

정제된 체적 대류 안정성 한계

Time step 안정성 한계는 모델 런타임의 주요 요인이며, 2022R2에서는 새로운 time step 안정성 한계인 3D 대류 안정성 한계를 Numerics 탭에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 일반적인 속도 향상을 30% 정도 보여줍니다.

압력 솔버 프리컨디셔너

경우에 따라 까다로운 유동 해석의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 이러한 어려운 경우 2022R2에서는 모델이 너무 많이 반복되면 FLOW-3D가 자동으로 새로운 프리컨디셔너 기능을 활성화하여 압력 수렴을 돕습니다. 런타임이 1.9~335배 더 빨라졌습니다!

점탄성 유체에 대한 로그 형태 텐서 방법

점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissenberg 수에 효과적입니다.

점탄성 흐름을 위한 개선된 솔루션
로그 구조 텐서 솔루션을 사용하여 점탄성 흐름에 대한 높은 Weissenberg 수의 개선된 솔루션의 예입니다. 제공: MF Tome 외, J. Non-Newton. Fluid. Mech. 175-176 (2012) 44–54

활성 시뮬레이션 제어 확장

Active simulation 제어 기능이 확장되어 연속 주조 및 적층 제조 응용 분야에 일반적으로 사용되는 팬텀 개체는 물론 주조 및 기타 여러 열 관리 응용 분야에 사용되는 냉각 채널에도 사용됩니다.

팬텀 물체 속도 제어의 예
연속 주조 응용 분야에 대한 가상 물체 속도 제어의 예
동적 열 제어의 예
융합 증착 모델링 애플리케이션을 위한 동적 열 제어의 예
동적 냉각 채널 제어의 예
산업용 탱크 적용을 위한 동적 냉각 채널 제어의 예

향상된 공기 동반 기능

디퓨저 및 이와 유사한 산업용 기포 흐름 응용 분야의 경우 이제 질량 공급원을 사용하여 물기둥에 공기를 유입할 수 있습니다. 또한, 동반된 공기 및 용존 산소의 난류 확산에 대한 기본값이 업데이트되었으며 매우 낮은 공기 농도에 대한 모델 정확도가 향상되었습니다.

디퓨저 모델의 예
디퓨저 모델의 예: 이제 질량 소스를 사용하여 물기둥에 공기를 유입할 수 있습니다.

FLOW-3D 아카이브 의 새로운 기능

FLOW-3D 2022R1 의 새로운 기능

FLOW-3D v12.0 의 새로운 기능

Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process

극저온 자체 가압 공정을 위한 인기 있는 액체-증기 상 변화 모델의 타당성 평가

액체-증기 상 변화 모델은 밀폐된 용기의 자체 가압 프로세스 시뮬레이션에 매우 큰 영향을 미칩니다. Hertz-Knudsen 관계, 에너지 점프 모델 및 그 파생물과 같은 널리 사용되는 액체-증기 상 변화 모델은 실온 유체를 기반으로 개발되었습니다. 액체-증기 전이를 통한 극저온 시뮬레이션에 널리 적용되었지만 각 모델의 성능은 극저온 조건에서 명시적으로 조사 및 비교되지 않았습니다. 본 연구에서는 171가지 일반적인 액체-증기 상 변화 모델을 통합한 통합 다상 솔버가 제안되었으며, 이를 통해 이러한 모델을 실험 데이터와 직접 비교할 수 있습니다. 증발 및 응축 모델의 예측 정확도와 계산 속도를 평가하기 위해 총 <>개의 자체 가압 시뮬레이션이 수행되었습니다. 압력 예측은 최적화 전략이 서로 다른 모델 계수에 크게 의존하는 것으로 나타났습니다. 에너지 점프 모델은 극저온 자체 가압 시뮬레이션에 적합하지 않은 것으로 나타났습니다. 평균 편차와 CPU 소비량에 따르면 Lee 모델과 Tanasawa 모델은 다른 모델보다 안정적이고 효율적인 것으로 입증되었습니다.

Elsevier

International Journal of Heat and Mass Transfer

Volume 181, December 2021, 121879

International Journal of Heat and Mass Transfer

Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process

Author links open overlay panelZhongqi Zuo, Jingyi Wu, Yonghua HuangShow moreAdd to MendeleyShareCite

https://doi.org/10.1016/j.ijheatmasstransfer.2021.121879Get rights and content

Abstract

Liquid-vapor phase change models vitally influence the simulation of self-pressurization processes in closed containers. Popular liquid-vapor phase change models, such as the Hertz-Knudsen relation, energy jump model, and their derivations were developed based on room-temperature fluids. Although they had widely been applied in cryogenic simulations with liquid-vapor transitions, the performance of each model was not explicitly investigated and compared yet under cryogenic conditions. A unified multi-phase solver incorporating four typical liquid-vapor phase change models has been proposed in the present study, which enables direct comparison among those models against experimental data. A total number of 171 self-pressurization simulations were conducted to evaluate the evaporation and condensation models’ prediction accuracy and calculation speed. It was found that the pressure prediction highly depended on the model coefficients, whose optimization strategies differed from each other. The energy jump model was found inadequate for cryogenic self-pressurization simulations. According to the average deviation and CPU consumption, the Lee model and the Tanasawa model were proven to be more stable and more efficient than the others.

Introduction

The liquid-vapor phase change of cryogenic fluids is widely involved in industrial applications, such as the hydrogen transport vehicles [1], shipborne liquid natural gas (LNG) containers [2] and on-orbit cryogenic propellant tanks [3]. These applications require cryogenic fluids to be stored for weeks to months. Although high-performance insulation measures are adopted, heat inevitably enters the tank via radiation and conduction. The self-pressurization in the tank induced by the heat leakage eventually causes the venting loss of the cryogenic fluids and threatens the safety of the craft in long-term missions. To reduce the boil-off loss and extend the cryogenic storage duration, a more comprehensive understanding of the self-pressurization mechanism is needed.

Due to the difficulties and limitations in implementing cryogenic experiments, numerical modeling is a convenient and powerful way to study the self-pressurization process of cryogenic fluids. However, how the phase change models influence the mass and heat transfer under cryogenic conditions is still unsettled [4]. As concluded by Persad and Ward [5], a seemingly slight variation in the liquid-vapor phase change models can lead to erroneous predictions.

Among the liquid-vapor phase change models, the kinetic theory gas (KTG) based models and the energy jump model are the most popular ones used in recent self-pressurization simulations [6]. The KTG based models, also known as the Hertz-Knudsen relation models, were developed on the concept of the Maxwell-Boltzmann distribution of the gas molecular [7]. The Hertz-Knudsen relation has evolved to several models, including the Schrage model [8], the Tanasawa model [9], the Lee model [10] and the statistical rate theory (SRT) [11], which will be described in Section 2.2. Since the Schrage model and the Lee model are embedded and configured as the default ones in the commercial CFD solvers Flow-3D® and Ansys Fluent® respectively, they have been widely used in self-pressurization simulations for liquid nitrogen [12], [13] and liquid hydrogen [14], [15]. The major drawback of the KTG models lies in the difficulty of selecting model coefficients, which were reported in a considerably wide range spanning three magnitudes even for the same working fluid [16], [17], [18], [19], [20], [21]. Studies showed that the liquid level, pressure and mass transfer rate are directly influenced by the model coefficients [16], [22], [23], [24], [25]. Wrong coefficients will lead to deviation or even divergence of the results. The energy jump model is also known as the thermal limitation model. It assumes that the evaporation and condensation at the liquid-vapor interface are induced only by heat conduction. The model is widely adopted in lumped node simulations due to its simplicity [6], [26], [27]. To improve the accuracy of mass flux prediction, the energy jump model was modified by including the convection heat transfer [28], [29]. However, the convection correlations are empirical and developed mainly for room-temperature fluids. Whether the correlation itself can be precisely applied in cryogenic simulations still needs further investigation.

Fig. 1 summarizes the cryogenic simulations involving the modeling of evaporation and condensation processes in recent years. The publication has been increasing rapidly. However, the characteristics of each evaporation and condensation model are not explicitly revealed when simulating self-pressurization. A comparative study of the phase change models is highly needed for cryogenic fluids for a better simulation of the self-pressurization processes.

In the present paper, a unified multi-phase solver incorporating four typical liquid-vapor phase change models, namely the Tanasawa model, the Lee model, the energy jump model, and the modified energy jump model has been proposed, which enables direct comparison among different models. The models are used to simulate the pressure and temperature evolutions in an experimental liquid nitrogen tank in normal gravity, which helps to evaluate themselves in the aspects of accuracy, calculation speed and robustness.

Section snippets

Governing equations for the self-pressurization tank

In the present study, both the fluid domain and the solid wall of the tank are modeled and discretized. The heat transportation at the solid boundaries is considered to be irrelevant with the nearby fluid velocity. Consequently, two sets of the solid and the fluid governing equations can be decoupled and solved separately. The pressures in the cryogenic container are usually from 100 kPa to 300 kPa. Under these conditions, the Knudsen number is far smaller than 0.01, and the fluids are

Self-pressurization results and phase change model comparison

This section compares the simulation results by different phase change models. Section 3.1 compares the pressure and temperature outputs from two KTG based models, namely the Lee model and the Tanasawa model. Section 3.2 presents the pressure predictions from the energy transport models, namely the energy jump model and the modified energy jump model, and compares pressure prediction performances between the KTG based models and the energy transport models. Section 3.3 evaluates the four models 

Conclusion

A unified vapor-liquid-solid multi-phase numerical solver has been accomplished for the self pressurization simulation in cryogenic containers. Compared to the early fluid-only solver, the temperature prediction in the vicinity of the tank wall improves significantly. Four liquid-vapor phase change models were integrated into the solver, which enables fair and effective comparison for performances between each other. The pressure and temperature prediction accuracies, and the calculation speed

CRediT authorship contribution statement

Zhongqi Zuo: Data curation, Formal analysis, Writing – original draft, Validation. Jingyi Wu: Conceptualization, Writing – review & editing, Validation. Yonghua Huang: Conceptualization, Formal analysis, Writing – review & editing, Validation.

Declaration of Competing Interest

Authors declare that they have no financial and personal relationships with other people or organizations that can inappropriately influence our work, there is no professional or other personal interest of any nature or kind in any product, service and/or company that could be construed as influencing the position presented in, or the review of, the manuscript entitled, “Validity evaluation of popular liquid-vapor phase change models for cryogenic self-pressurization process”.

Acknowledgement

This project is supported by the National Natural Science Foundation of China (No. 51936006).

References (40)

There are more references available in the full text version of this article.

Cited by (7)

Figure 11. Sketch of scour mechanism around USAF under random waves.

Scour Characteristics and Equilibrium Scour Depth Prediction around Umbrella Suction Anchor Foundation under Random Waves

by Ruigeng Hu 1,Hongjun Liu 2,Hao Leng 1,Peng Yu 3 andXiuhai Wang 1,2,*

1College of Environmental Science and Engineering, Ocean University of China, Qingdao 266000, China

2Key Lab of Marine Environment and Ecology (Ocean University of China), Ministry of Education, Qingdao 266000, China

3Qingdao Geo-Engineering Survering Institute, Qingdao 266100, China

*Author to whom correspondence should be addressed.

J. Mar. Sci. Eng. 20219(8), 886; https://doi.org/10.3390/jmse9080886

Received: 6 July 2021 / Revised: 8 August 2021 / Accepted: 13 August 2021 / Published: 17 August 2021

(This article belongs to the Section Ocean Engineering)

Download 

Abstract

A series of numerical simulation were conducted to study the local scour around umbrella suction anchor foundation (USAF) under random waves. In this study, the validation was carried out firstly to verify the accuracy of the present model. Furthermore, the scour evolution and scour mechanism were analyzed respectively. In addition, two revised models were proposed to predict the equilibrium scour depth Seq around USAF. At last, a parametric study was carried out to study the effects of the Froude number Fr and Euler number Eu for the Seq. The results indicate that the present numerical model is accurate and reasonable for depicting the scour morphology under random waves. The revised Raaijmakers’s model shows good agreement with the simulating results of the present study when KCs,p < 8. The predicting results of the revised stochastic model are the most favorable for n = 10 when KCrms,a < 4. The higher Fr and Eu both lead to the more intensive horseshoe vortex and larger Seq.

Keywords: 

scournumerical investigationrandom wavesequilibrium scour depthKC number

1. Introduction

The rapid expansion of cities tends to cause social and economic problems, such as environmental pollution and traffic jam. As a kind of clean energy, offshore wind power has developed rapidly in recent years. The foundation of offshore wind turbine (OWT) supports the upper tower, and suffers the cyclic loading induced by waves, tides and winds, which exerts a vital influence on the OWT system. The types of OWT foundation include the fixed and floating foundation, and the fixed foundation was used usually for nearshore wind turbine. After the construction of fixed foundation, the hydrodynamic field changes in the vicinity of the foundation, leading to the horseshoe vortex formation and streamline compression at the upside and sides of foundation respectively [1,2,3,4]. As a result, the neighboring soil would be carried away by the shear stress induced by vortex, and the scour hole would emerge in the vicinity of foundation. The scour holes increase the cantilever length, and weaken the lateral bearing capacity of foundation [5,6,7,8,9]. Moreover, the natural frequency of OWT system increases with the increase of cantilever length, causing the resonance occurs when the system natural frequency equals the wave or wind frequency [10,11,12]. Given that, an innovative foundation called umbrella suction anchor foundation (USAF) has been designed for nearshore wind power. The previous studies indicated the USAF was characterized by the favorable lateral bearing capacity with the low cost [6,13,14]. The close-up of USAF is shown in Figure 1, and it includes six parts: 1-interal buckets, 2-external skirt, 3-anchor ring, 4-anchor branch, 5-supporting rod, 6-telescopic hook. The detailed description and application method of USAF can be found in reference [13].

Jmse 09 00886 g001 550

Figure 1. The close-up of umbrella suction anchor foundation (USAF).

Numerical and experimental investigations of scour around OWT foundation under steady currents and waves have been extensively studied by many researchers [1,2,15,16,17,18,19,20,21,22,23,24]. The seabed scour can be classified as two types according to Shields parameter θ, i.e., clear bed scour (θ < θcr) or live bed scour (θ > θcr). Due to the set of foundation, the adverse hydraulic pressure gradient exists at upstream foundation edges, resulting in the streamline separation between boundary layer flow and seabed. The separating boundary layer ascended at upstream anchor edges and developed into the horseshoe vortex. Then, the horseshoe vortex moved downstream gradually along the periphery of the anchor, and the vortex shed off continually at the lee-side of the anchor, i.e., wake vortex. The core of wake vortex is a negative pressure center, liking a vacuum cleaner. Hence, the soil particles were swirled into the negative pressure core and carried away by wake vortexes. At the same time, the onset of scour at rear side occurred. Finally, the wake vortex became downflow when the turbulence energy could not support the survival of wake vortex. According to Tavouktsoglou et al. [25], the scale of pile wall boundary layer is proportional to 1/ln(Rd) (Rd is pile Reynolds), which means the turbulence intensity induced by the flow-structure interaction would decrease with Rd increases, but the effects of Rd can be neglected only if the flow around the foundation is fully turbulent [26]. According to previous studies [1,15,27,28,29,30,31,32], the scour development around pile foundation under waves was significantly influenced by Shields parameter θ and KC number simultaneously (calculated by Equation (1)). Sand ripples widely existed around pile under waves in the case of live bed scour, and the scour morphology is related with θ and KC. Compared with θKC has a greater influence on the scour morphology [21,27,28]. The influence mechanism of KC on the scour around the pile is reflected in two aspects: the horseshoe vortex at upstream and wake vortex shedding at downstream.

KC=UwmTD��=�wm��(1)

where, Uwm is the maximum velocity of the undisturbed wave-induced oscillatory flow at the sea bottom above the wave boundary layer, T is wave period, and D is pile diameter.

There are two prerequisites to satisfy the formation of horseshoe vortex at upstream pile edges: (1) the incoming flow boundary layer with sufficient thickness and (2) the magnitude of upstream adverse pressure gradient making the boundary layer separating [1,15,16,18,20]. The smaller KC results the lower adverse pressure gradient, and the boundary layer cannot separate, herein, there is almost no horseshoe vortex emerging at upside of pile. Sumer et al. [1,15] carried out several sets of wave flume experiments under regular and irregular waves respectively, and the experiment results show that there is no horseshoe vortex when KC is less than 6. While the scale and lifespan of horseshoe vortex increase evidently with the increase of KC when KC is larger than 6. Moreover, the wake vortex contributes to the scour at lee-side of pile. Similar with the case of horseshoe vortex, there is no wake vortex when KC is less than 6. The wake vortex is mainly responsible for scour around pile when KC is greater than 6 and less than O(100), while horseshoe vortex controls scour nearly when KC is greater than O(100).

Sumer et al. [1] found that the equilibrium scour depth was nil around pile when KC was less than 6 under regular waves for live bed scour, while the equilibrium scour depth increased with the increase of KC. Based on that, Sumer proposed an equilibrium scour depth predicting equation (Equation (2)). Carreiras et al. [33] revised Sumer’s equation with m = 0.06 for nonlinear waves. Different with the findings of Sumer et al. [1] and Carreiras et al. [33], Corvaro et al. [21] found the scour still occurred for KC ≈ 4, and proposed the revised equilibrium scour depth predicting equation (Equation (3)) for KC > 4.

Rudolph and Bos [2] conducted a series of wave flume experiments to investigate the scour depth around monopile under waves only, waves and currents combined respectively, indicting KC was one of key parameters in influencing equilibrium scour depth, and proposed the equilibrium scour depth predicting equation (Equation (4)) for low KC (1 < KC < 10). Through analyzing the extensive data from published literatures, Raaijmakers and Rudolph [34] developed the equilibrium scour depth predicting equation (Equation (5)) for low KC, which was suitable for waves only, waves and currents combined. Khalfin [35] carried out several sets of wave flume experiments to study scour development around monopile, and proposed the equilibrium scour depth predicting equation (Equation (6)) for low KC (0.1 < KC < 3.5). Different with above equations, the Khalfin’s equation considers the Shields parameter θ and KC number simultaneously in predicting equilibrium scour depth. The flow reversal occurred under through in one wave period, so sand particles would be carried away from lee-side of pile to upside, resulting in sand particles backfilled into the upstream scour hole [20,29]. Considering the backfilling effects, Zanke et al. [36] proposed the equilibrium scour depth predicting equation (Equation (7)) around pile by theoretical analysis, and the equation is suitable for the whole range of KC number under regular waves and currents combined.

S/D=1.3(1−exp([−m(KC−6)])�/�=1.3(1−exp(−�(��−6))(2)

where, m = 0.03 for linear waves.

S/D=1.3(1−exp([−0.02(KC−4)])�/�=1.3(1−exp(−0.02(��−4))(3)

S/D=1.3γKwaveKhw�/�=1.3��wave�ℎw(4)

where, γ is safety factor, depending on design process, typically γ = 1.5, Kwave is correction factor considering wave action, Khw is correction factor considering water depth.

S/D=1.5[tanh(hwD)]KwaveKhw�/�=1.5tanh(ℎw�)�wave�ℎw(5)

where, hw is water depth.

S/D=0.0753(θθcr−−−√−0.5)0.69KC0.68�/�=0.0753(��cr−0.5)0.69��0.68(6)

where, θ is shields parameter, θcr is critical shields parameter.

S/D=2.5(1−0.5u/uc)xrelxrel=xeff/(1+xeff)xeff=0.03(1−0.35ucr/u)(KC−6)⎫⎭⎬⎪⎪�/�=2.5(1−0.5�/��)��������=����/(1+����)����=0.03(1−0.35�cr/�)(��−6)(7)

where, u is near-bed orbital velocity amplitude, uc is critical velocity corresponding the onset of sediment motion.

S/D=1.3{1−exp[−0.03(KC2lnn+36)1/2−6]}�/�=1.31−exp−0.03(��2ln�+36)1/2−6(8)

where, n is the 1/n’th highest wave for random waves

For predicting equilibrium scour depth under irregular waves, i.e., random waves, Sumer and Fredsøe [16] found it’s suitable to take Equation (2) to predict equilibrium scour depth around pile under random waves with the root-mean-square (RMS) value of near-bed orbital velocity amplitude Um and peak wave period TP to calculate KC. Khalfin [35] recommended the RMS wave height Hrms and peak wave period TP were used to calculate KC for Equation (6). References [37,38,39,40] developed a series of stochastic theoretical models to predict equilibrium scour depth around pile under random waves, nonlinear random waves plus currents respectively. The stochastic approach thought the 1/n’th highest wave were responsible for scour in vicinity of pile under random waves, and the KC was calculated in Equation (8) with Um and mean zero-crossing wave period Tz. The results calculated by Equation (8) agree well with experimental values of Sumer and Fredsøe [16] if the 1/10′th highest wave was used. To author’s knowledge, the stochastic approach proposed by Myrhaug and Rue [37] is the only theoretical model to predict equilibrium scour depth around pile under random waves for the whole range of KC number in published documents. Other methods of predicting scour depth under random waves are mainly originated from the equation for regular waves-only, waves and currents combined, which are limited to the large KC number, such as KC > 6 for Equation (2) and KC > 4 for Equation (3) respectively. However, situations with relatively low KC number (KC < 4) often occur in reality, for example, monopile or suction anchor for OWT foundations in ocean environment. Moreover, local scour around OWT foundations under random waves has not yet been investigated fully. Therefore, further study are still needed in the aspect of scour around OWT foundations with low KC number under random waves. Given that, this study presents the scour sediment model around umbrella suction anchor foundation (USAF) under random waves. In this study, a comparison of equilibrium scour depth around USAF between this present numerical models and the previous theoretical models and experimental results was presented firstly. Then, this study gave a comprehensive analysis for the scour mechanisms around USAF. After that, two revised models were proposed according to the model of Raaijmakers and Rudolph [34] and the stochastic model developed by Myrhaug and Rue [37] respectively to predict the equilibrium scour depth. Finally, a parametric study was conducted to study the effects of the Froude number (Fr) and Euler number (Eu) to equilibrium scour depth respectively.

2. Numerical Method

2.1. Governing Equations of Flow

The following equations adopted in present model are already available in Flow 3D software. The authors used these theoretical equations to simulate scour in random waves without modification. The incompressible viscous fluid motion satisfies the Reynolds-averaged Navier-Stokes (RANS) equation, so the present numerical model solves RANS equations:

∂u∂t+1VF(uAx∂u∂x+vAy∂u∂y+wAz∂u∂z)=−1ρf∂p∂x+Gx+fx∂�∂�+1��(���∂�∂�+���∂�∂�+���∂�∂�)=−1�f∂�∂�+��+��(9)

∂v∂t+1VF(uAx∂v∂x+vAy∂v∂y+wAz∂v∂z)=−1ρf∂p∂y+Gy+fy∂�∂�+1��(���∂�∂�+���∂�∂�+���∂�∂�)=−1�f∂�∂�+��+��(10)

∂w∂t+1VF(uAx∂w∂x+vAy∂w∂y+wAz∂w∂z)=−1ρf∂p∂z+Gz+fz∂�∂�+1��(���∂�∂�+���∂�∂�+���∂�∂�)=−1�f∂�∂�+��+��(11)

where, VF is the volume fraction; uv, and w are the velocity components in xyz direction respectively with Cartesian coordinates; Ai is the area fraction; ρf is the fluid density, fi is the viscous fluid acceleration, Gi is the fluid body acceleration (i = xyz).

2.2. Turbulent Model

The turbulence closure is available by the turbulent model, such as one-equation, the one-equation k-ε model, the standard k-ε model, RNG k-ε turbulent model and large eddy simulation (LES) model. The LES model requires very fine mesh grid, so the computational time is large, which hinders the LES model application in engineering. The RNG k-ε model can reduce computational time greatly with high accuracy in the near-wall region. Furthermore, the RNG k-ε model computes the maximum turbulent mixing length dynamically in simulating sediment scour model. Therefore, the RNG k-ε model was adopted to study the scour around anchor under random waves [41,42].

∂kT∂T+1VF(uAx∂kT∂x+vAy∂kT∂y+wAz∂kT∂z)=PT+GT+DiffkT−εkT∂��∂�+1��(���∂��∂�+���∂��∂�+���∂��∂�)=��+��+������−���(12)

∂εT∂T+1VF(uAx∂εT∂x+vAy∂εT∂y+wAz∂εT∂z)=CDIS1εTkT(PT+CDIS3GT)+Diffε−CDIS2ε2TkT∂��∂�+1��(���∂��∂�+���∂��∂�+���∂��∂�)=����1����(��+����3��)+�����−����2��2��(13)

where, kT is specific kinetic energy involved with turbulent velocity, GT is the turbulent energy generated by buoyancy; εT is the turbulent energy dissipating rate, PT is the turbulent energy, Diffε and DiffkT are diffusion terms associated with VFAiCDIS1CDIS2 and CDIS3 are dimensionless parameters, and CDIS1CDIS3 have default values of 1.42, 0.2 respectively. CDIS2 can be obtained from PT and kT.

2.3. Sediment Scour Model

The sand particles may suffer four processes under waves, i.e., entrainment, bed load transport, suspended load transport, and deposition, so the sediment scour model should depict the above processes efficiently. In present numerical simulation, the sediment scour model includes the following aspects:

2.3.1. Entrainment and Deposition

The combination of entrainment and deposition determines the net scour rate of seabed in present sediment scour model. The entrainment lift velocity of sand particles was calculated as [43]:

ulift,i=αinsd0.3∗(θ−θcr)1.5∥g∥di(ρi−ρf)ρf−−−−−−−−−−−−√�lift,i=�����*0.3(�−�cr)1.5���(��−�f)�f(14)

where, αi is the entrainment parameter, ns is the outward point perpendicular to the seabed, d* is the dimensionless diameter of sand particles, which was calculated by Equation (15), θcr is the critical Shields parameter, g is the gravity acceleration, di is the diameter of sand particles, ρi is the density of seabed species.

d∗=di(∥g∥ρf(ρi−ρf)μ2f)1/3�*=��(��f(��−�f)�f2)1/3(15)

where μf is the fluid dynamic viscosity.

In Equation (14), the entrainment parameter αi confirms the rate at which sediment erodes when the given shear stress is larger than the critical shear stress, and the recommended value 0.018 was adopted according to the experimental data of Mastbergen and Von den Berg [43]. ns is the outward pointing normal to the seabed interface, and ns = (0,0,1) according to the Cartesian coordinates used in present numerical model.

The shields parameter was obtained from the following equation:

θ=U2f,m(ρi/ρf−1)gd50�=�f,m2(��/�f−1)��50(16)

where, Uf,m is the maximum value of the near-bed friction velocity; d50 is the median diameter of sand particles. The detailed calculation procedure of θ was available in Soulsby [44].

The critical shields parameter θcr was obtained from the Equation (17) [44]

θcr=0.31+1.2d∗+0.055[1−exp(−0.02d∗)]�cr=0.31+1.2�*+0.0551−exp(−0.02�*)(17)

The sand particles begin to deposit on seabed when the turbulence energy weaken and cann’t support the particles suspending. The setting velocity of the particles was calculated from the following equation [44]:

usettling,i=νfdi[(10.362+1.049d3∗)0.5−10.36]�settling,�=�f��(10.362+1.049�*3)0.5−10.36(18)

where νf is the fluid kinematic viscosity.

2.3.2. Bed Load Transport

This is called bed load transport when the sand particles roll or bounce over the seabed and always have contact with seabed. The bed load transport velocity was computed by [45]:

ubedload,i=qb,iδicb,ifb�bedload,�=�b,����b,��b(19)

where, qb,i is the bed load transport rate, which was obtained from Equation (20), δi is the bed load thickness, which was calculated by Equation (21), cb,i is the volume fraction of sand i in the multiple species, fb is the critical packing fraction of the seabed.

qb,i=8[∥g∥(ρi−ρfρf)d3i]1/2�b,�=8�(��−�f�f)��31/2(20)

δi=0.3d0.7∗(θθcr−1)0.5di��=0.3�*0.7(��cr−1)0.5��(21)

2.3.3. Suspended Load Transport

Through the following transport equation, the suspended sediment concentration could be acquired.

∂Cs,i∂t+∇(us,iCs,i)=∇∇(DfCs,i)∂�s,�∂�+∇(�s,��s,�)=∇∇(�f�s,�)(22)

where, Cs,i is the suspended sand particles mass concentration of sand i in the multiple species, us,i is the sand particles velocity of sand iDf is the diffusivity.

The velocity of sand i in the multiple species could be obtained from the following equation:

us,i=u¯¯+usettling,ics,i�s,�=�¯+�settling,��s,�(23)

where, u¯�¯ is the velocity of mixed fluid-particles, which can be calculated by the RANS equation with turbulence model, cs,i is the suspended sand particles volume concentration, which was computed from Equation (24).

cs,i=Cs,iρi�s,�=�s,���(24)

3. Model Setup

The seabed-USAF-wave three-dimensional scour numerical model was built using Flow-3D software. As shown in Figure 2, the model includes sandy seabed, USAF model, sea water, two baffles and porous media. The dimensions of USAF are shown in Table 1. The sandy bed (210 m in length, 30 m in width and 11 m in height) is made up of uniform fine sand with median diameter d50 = 0.041 cm. The USAF model includes upper steel tube with the length of 20 m, which was installed in the middle of seabed. The location of USAF is positioned at 140 m from the upstream inflow boundary and 70 m from the downstream outflow boundary. Two baffles were installed at two ends of seabed. In order to eliminate the wave reflection basically, the porous media was set at the outflow side on the seabed.

Jmse 09 00886 g002 550

Figure 2. (a) The sketch of seabed-USAF-wave three-dimensional model; (b) boundary condation:Wv-wave boundary, S-symmetric boundary, O-outflow boundary; (c) USAF model.

Table 1. Numerical simulating cases.

Table

3.1. Mesh Geometric Dimensions

In the simulation of the scour under the random waves, the model includes the umbrella suction anchor foundation, seabed and fluid. As shown in Figure 3, the model mesh includes global mesh grid and nested mesh grid, and the total number of grids is 1,812,000. The basic procedure for building mesh grid consists of two steps. Step 1: Divide the global mesh using regular hexahedron with size of 0.6 × 0.6. The global mesh area is cubic box, embracing the seabed and whole fluid volume, and the dimensions are 210 m in length, 30 m in width and 32 m in height. The details of determining the grid size can see the following mesh sensitivity section. Step 2: Set nested fine mesh grid in vicinity of the USAF with size of 0.3 × 0.3 so as to shorten the computation cost and improve the calculation accuracy. The encryption range is −15 m to 15 m in x direction, −15 m to 15 m in y direction and 0 m to 32 m in z direction, respectively. In order to accurately capture the free-surface dynamics, such as the fluid-air interface, the volume of fluid (VOF) method was adopted for tracking the free water surface. One specific algorithm called FAVORTM (Fractional Area/Volume Obstacle Representation) was used to define the fractional face areas and fractional volumes of the cells which are open to fluid flow.

Jmse 09 00886 g003 550

Figure 3. The sketch of mesh grid.

3.2. Boundary Conditions

As shown in Figure 2, the initial fluid length is 210 m as long as seabed. A wave boundary was specified at the upstream offshore end. The details of determining the random wave spectrum can see the following wave parameters section. The outflow boundary was set at the downstream onshore end. The symmetry boundary was used at the top and two sides of the model. The symmetric boundaries were the better strategy to improve the computation efficiency and save the calculation cost [46]. At the seabed bottom, the wall boundary was adopted, which means the u = v = w= 0. Besides, the upper steel tube of USAF was set as no-slip condition.

3.3. Wave Parameters

The random waves with JONSWAP wave spectrum were used for all simulations as realistic representation of offshore conditions. The unidirectional JONSWAP frequency spectrum was described as [47]:

S(ω)=αg2ω5exp[−54(ωpω)4]γexp[−(ω−ωp)22σ2ω2p]�(�)=��2�5exp−54(�p�)4�exp−(�−�p)22�2�p2(25)

where, α is wave energy scale parameter, which is calculated by Equation (26), ω is frequency, ωp is wave spectrum peak frequency, which can be obtained from Equation (27). γ is wave spectrum peak enhancement factor, in this study γ = 3.3. σ is spectral width factor, σ equals 0.07 for ω ≤ ωp and 0.09 for ω > ωp respectively.

α=0.0076(gXU2)−0.22�=0.0076(���2)−0.22(26)

ωp=22(gU)(gXU2)−0.33�p=22(��)(���2)−0.33(27)

where, X is fetch length, U is average wind velocity at 10 m height from mean sea level.

In present numerical model, the input key parameters include X and U for wave boundary with JONSWAP wave spectrum. The objective wave height and period are available by different combinations of X and U. In this study, we designed 9 cases with different wave heights, periods and water depths for simulating scour around USAF under random waves (see Table 2). For random waves, the wave steepness ε and Ursell number Ur were acquired form Equations (28) and (29) respectively

ε=2πgHsT2a�=2���s�a2(28)

Ur=Hsk2h3w�r=�s�2ℎw3(29)

where, Hs is significant wave height, Ta is average wave period, k is wave number, hw is water depth. The Shield parameter θ satisfies θ > θcr for all simulations in current study, indicating the live bed scour prevails.

Table 2. Numerical simulating cases.

Table

3.4. Mesh Sensitivity

In this section, a mesh sensitivity analysis was conducted to investigate the influence of mesh grid size to results and make sure the calculation is mesh size independent and converged. Three mesh grid size were chosen: Mesh 1—global mesh grid size of 0.75 × 0.75, nested fine mesh grid size of 0.4 × 0.4, and total number of grids 1,724,000, Mesh 2—global mesh grid size of 0.6 × 0.6, nested fine mesh grid size of 0.3 × 0.3, and total number of grids 1,812,000, Mesh 3—global mesh grid size of 0.4 × 0.4, nested fine mesh grid size of 0.2 × 0.2, and total number of grids 1,932,000. The near-bed shear velocity U* is an important factor for influencing scour process [1,15], so U* at the position of (4,0,11.12) was evaluated under three mesh sizes. As the Figure 4 shown, the maximum error of shear velocity ∆U*1,2 is about 39.8% between the mesh 1 and mesh 2, and 4.8% between the mesh 2 and mesh 3. According to the mesh sensitivity criterion adopted by Pang et al. [48], it’s reasonable to think the results are mesh size independent and converged with mesh 2. Additionally, the present model was built according to prototype size, and the mesh size used in present model is larger than the mesh size adopted by Higueira et al. [49] and Corvaro et al. [50]. If we choose the smallest cell size, it will take too much time. For example, the simulation with Mesh3 required about 260 h by using a computer with Intel Xeon Scalable Gold 4214 CPU @24 Cores, 2.2 GHz and 64.00 GB RAM. Therefore, in this case, considering calculation accuracy and computation efficiency, the mesh 2 was chosen for all the simulation in this study.

Jmse 09 00886 g004 550

Figure 4. Comparison of near-bed shear velocity U* with different mesh grid size.

The nested mesh block was adopted for seabed in vicinity of the USAF, which was overlapped with the global mesh block. When two mesh blocks overlap each other, the governing equations are by default solved on the mesh block with smaller average cell size (i.e., higher grid resolution). It is should be noted that the Flow 3D software used the moving mesh captures the scour evolution and automatically adjusts the time step size to be as large as possible without exceeding any of the stability limits, affecting accuracy, or unduly increasing the effort required to enforce the continuity condition [51].

3.5. Model Validation

In order to verify the reliability of the present model, the results of present study were compared with the experimental data of Khosronejad et al. [52]. The experiment was conducted in an open channel with a slender vertical pile under unidirectional currents. The comparison of scour development between the present results and the experimental results is shown in Figure 5. The Figure 5 reveals that the present results agree well with the experimental data of Khosronejad et al. [52]. In the first stage, the scour depth increases rapidly. After that, the scour depth achieves a maximum value gradually. The equilibrium scour depth calculated by the present model is basically corresponding with the experimental results of Khosronejad et al. [52], although scour depth in the present model is slightly larger than the experimental results at initial stage.

Jmse 09 00886 g005 550

Figure 5. Comparison of time evolution of scour between the present study and Khosronejad et al. [52], Petersen et al. [17].

Secondly, another comparison was further conducted between the results of present study and the experimental data of Petersen et al. [17]. The experiment was carried out in a flume with a circular vertical pile in combined waves and current. Figure 4 shows a comparison of time evolution of scour depth between the simulating and the experimental results. As Figure 5 indicates, the scour depth in this study has good overall agreement with the experimental results proposed in Petersen et al. [17]. The equilibrium scour depth calculated by the present model is 0.399 m, which equals to the experimental value basically. Overall, the above verifications prove the present model is accurate and capable in dealing with sediment scour under waves.

In addition, in order to calibrate and validate the present model for hydrodynamic parameters, the comparison of water surface elevation was carried out with laboratory experiments conducted by Stahlmann [53] for wave gauge No. 3. The Figure 6 depicts the surface wave profiles between experiments and numerical model results. The comparison indicates that there is a good agreement between the model results and experimental values, especially the locations of wave crest and trough. Comparison of the surface elevation instructs the present model has an acceptable relative error, and the model is a calibrated in terms of the hydrodynamic parameters.

Jmse 09 00886 g006 550

Figure 6. Comparison of surface elevation between the present study and Stahlmann [53].

Finally, another comparison was conducted for equilibrium scour depth or maximum scour depth under random waves with the experimental data of Sumer and Fredsøe [16] and Schendel et al. [22]. The Figure 7 shows the comparison between the numerical results and experimental data of Run01, Run05, Run21 and Run22 in Sumer and Fredsøe [16] and test A05 and A09 in Schendel et al. [22]. As shown in Figure 7, the equilibrium scour depth or maximum scour depth distributed within the ±30 error lines basically, meaning the reliability and accuracy of present model for predicting equilibrium scour depth around foundation in random waves. However, compared with the experimental values, the present model overestimated the equilibrium scour depth generally. Given that, a calibration for scour depth was carried out by multiplying the mean reduced coefficient 0.85 in following section.

Jmse 09 00886 g007 550

Figure 7. Comparison of equilibrium (or maximum) scour depth between the present study and Sumer and Fredsøe [16], Schendel et al. [22].

Through the various examination for hydrodynamic and morphology parameters, it can be concluded that the present model is a validated and calibrated model for scour under random waves. Thus, the present numerical model would be utilized for scour simulation around foundation under random waves.

4. Numerical Results and Discussions

4.1. Scour Evolution

Figure 8 displays the scour evolution for case 1–9. As shown in Figure 8a, the scour depth increased rapidly at the initial stage, and then slowed down at the transition stage, which attributes to the backfilling occurred in scour holes under live bed scour condition, resulting in the net scour decreasing. Finally, the scour reached the equilibrium state when the amount of sediment backfilling equaled to that of scouring in the scour holes, i.e., the net scour transport rate was nil. Sumer and Fredsøe [16] proposed the following formula for the scour development under waves

St=Seq(1−exp(−t/Tc))�t=�eq(1−exp(−�/�c))(30)

where Tc is time scale of scour process.

Jmse 09 00886 g008 550

Figure 8. Time evolution of scour for case 1–9: (a) Case 1–5; (b) Case 6–9.

The computing time is 3600 s and the scour development curves in Figure 8 kept fluctuating, meaning it’s still not in equilibrium scour stage in these cases. According to Sumer and Fredsøe [16], the equilibrium scour depth can be acquired by fitting the data with Equation (30). From Figure 8, it can be seen that the scour evolution obtained from Equation (30) is consistent with the present study basically at initial stage, but the scour depth predicted by Equation (30) developed slightly faster than the simulating results and the Equation (30) overestimated the scour depth to some extent. Overall, the whole tendency of the results calculated by Equation (30) agrees well with the simulating results of the present study, which means the Equation (30) is applicable to depict the scour evolution around USAF under random waves.

4.2. Scour Mechanism under Random Waves

The scour morphology and scour evolution around USAF are similar under random waves in case 1~9. Taking case 7 as an example, the scour morphology is shown in Figure 9.

Jmse 09 00886 g009 550

Figure 9. Scour morphology under different times for case 7.

From Figure 9, at the initial stage (t < 1200 s), the scour occurred at upstream foundation edges between neighboring anchor branches. The maximum scour depth appeared at the lee-side of the USAF. Correspondingly, the sediments deposited at the periphery of the USAF, and the location of the maximum accretion depth was positioned at an angle of about 45° symmetrically with respect to the wave propagating direction in the lee-side of the USAF. After that, when t > 2400 s, the location of the maximum scour depth shifted to the upside of the USAF at an angle of about 45° with respect to the wave propagating direction.

According to previous studies [1,15,16,19,30,31], the horseshoe vortex, streamline compression and wake vortex shedding were responsible for scour around foundation. The Figure 10 displays the distribution of flow velocity in vicinity of foundation, which reflects the evolving processes of horseshoe vertex.

Jmse 09 00886 g010a 550
Jmse 09 00886 g010b 550

Figure 10. Velocity profile around USAF: (a) Flow runup and down stream at upstream anchor edges; (b) Horseshoe vortex at upstream anchor edges; (c) Flow reversal during wave through stage at lee side.

As shown in Figure 10, the inflow tripped to the upstream edges of the USAF and it was blocked by the upper tube of USAF. Then, the downflow formed the horizontal axis clockwise vortex and rolled on the seabed bypassing the tube, that is, the horseshoe vortex (Figure 11). The Figure 12 displays the turbulence intensity around the tube on the seabed. From Figure 12, it can be seen that the turbulence intensity was high-intensity with respect to the region of horseshoe vortex. This phenomenon occurred because of drastic water flow momentum exchanging in the horseshoe vortex. As a result, it created the prominent shear stress on the seabed, causing the local scour at the upstream edges of USAF. Besides, the horseshoe vortex moved downstream gradually along the periphery of the tube and the wake vortex shed off continually at the lee-side of the USAF, i.e., wake vortex.

Jmse 09 00886 g011 550

Figure 11. Sketch of scour mechanism around USAF under random waves.

Jmse 09 00886 g012 550

Figure 12. Turbulence intensity: (a) Turbulence intensity of horseshoe vortex; (b) Turbulence intensity of wake vortex; (c) Turbulence intensity of accretion area.

The core of wake vortex is a negative pressure center, liking a vacuum cleaner [11,42]. Hence, the soil particles were swirled into the negative pressure core and carried away by wake vortex. At the same time, the onset of scour at rear side occurred. Finally, the wake vortex became downflow at the downside of USAF. As is shown in Figure 12, the turbulence intensity was low where the downflow occurred at lee-side, which means the turbulence energy may not be able to support the survival of wake vortex, leading to accretion happening. As mentioned in previous section, the formation of horseshoe vortex was dependent with adverse pressure gradient at upside of foundation. As shown in Figure 13, the evaluated range of pressure distribution is −15 m to 15 m in x direction. The t = 450 s and t = 1800 s indicate that the wave crest and trough arrived at the upside and lee-side of the foundation respectively, and the t = 350 s was neither the wave crest nor trough. The adverse gradient pressure reached the maximum value at t = 450 s corresponding to the wave crest phase. In this case, it’s helpful for the wave boundary separating fully from seabed, which leads to the formation of horseshoe vortex with high turbulence intensity. Therefore, the horseshoe vortex is responsible for the local scour between neighboring anchor branches at upside of USAF. What’s more, due to the combination of the horseshoe vortex and streamline compression, the maximum scour depth occurred at the upside of the USAF with an angle of about 45° corresponding to the wave propagating direction. This is consistent with the findings of Pang et al. [48] and Sumer et al. [1,15] in case of regular waves. At the wave trough phase (t = 1800 s), the pressure gradient became positive at upstream USAF edges, which hindered the separating of wave boundary from seabed. In the meantime, the flow reversal occurred (Figure 10) and the adverse gradient pressure appeared at downstream USAF edges, but the magnitude of adverse gradient pressure at lee-side was lower than the upstream gradient pressure under wave crest. In this way, the intensity of horseshoe vortex behind the USAF under wave trough was low, which explains the difference of scour depth at upstream and downstream, i.e., the scour asymmetry. In other words, the scour asymmetry at upside and downside of USAF was attributed to wave asymmetry for random waves, and the phenomenon became more evident for nonlinear waves [21]. Briefly speaking, the vortex system at wave crest phase was mainly related to the scour process around USAF under random waves.

Jmse 09 00886 g013 550

Figure 13. Pressure distribution around USAF.

4.3. Equilibrium Scour Depth

The KC number is a key parameter for horseshoe vortex emerging and evolving under waves. According to Equation (1), when pile diameter D is fixed, the KC depends on the maximum near-bed velocity Uwm and wave period T. For random waves, the Uwm can be denoted by the root-mean-square (RMS) value of near-bed velocity amplitude Uwm,rms or the significant value of near-bed velocity amplitude Uwm,s. The Uwm,rms and Uwm,s for all simulating cases of the present study are listed in Table 3 and Table 4. The T can be denoted by the mean up zero-crossing wave period Ta, peak wave period Tp, significant wave period Ts, the maximum wave period Tm, 1/10′th highest wave period Tn = 1/10 and 1/5′th highest wave period Tn = 1/5 for random waves, so the different combinations of Uwm and T will acquire different KC. The Table 3 and Table 4 list 12 types of KC, for example, the KCrms,s was calculated by Uwm,rms and Ts. Sumer and Fredsøe [16] conducted a series of wave flume experiments to investigate the scour depth around monopile under random waves, and found the equilibrium scour depth predicting equation (Equation (2)) for regular waves was applicable for random waves with KCrms,p. It should be noted that the Equation (2) is only suitable for KC > 6 under regular waves or KCrms,p > 6 under random waves.

Table 3. Uwm,rms and KC for case 1~9.

Table

Table 4. Uwm,s and KC for case 1~9.

Table

Raaijmakers and Rudolph [34] proposed the equilibrium scour depth predicting model (Equation (5)) around pile under waves, which is suitable for low KC. The format of Equation (5) is similar with the formula proposed by Breusers [54], which can predict the equilibrium scour depth around pile at different scour stages. In order to verify the applicability of Raaijmakers’s model for predicting the equilibrium scour depth around USAF under random waves, a validation of the equilibrium scour depth Seq between the present study and Raaijmakers’s equation was conducted. The position where the scour depth Seq was evaluated is the location of the maximum scour depth, and it was depicted in Figure 14. The Figure 15 displays the comparison of Seq with different KC between the present study and Raaijmakers’s model.

Jmse 09 00886 g014 550

Figure 14. Sketch of the position where the Seq was evaluated.

Jmse 09 00886 g015a 550
Jmse 09 00886 g015b 550

Figure 15. Comparison of the equilibrium scour depth between the present model and the model of Raaijmakers and Rudolph [34]: (aKCrms,sKCrms,a; (bKCrms,pKCrms,m; (cKCrms,n = 1/10KCrms,n = 1/5; (dKCs,sKCs,a; (eKCs,pKCs,m; (fKCs,n = 1/10KCs,n = 1/5.

As shown in Figure 15, there is an error in predicting Seq between the present study and Raaijmakers’s model, and Raaijmakers’s model underestimates the results generally. Although the error exists, the varying trend of Seq with KC obtained from Raaijmakers’s model is consistent with the present study basically. What’s more, the error is minimum and the Raaijmakers’s model is of relatively high accuracy for predicting scour around USAF under random waves by using KCs,p. Based on this, a further revision was made to eliminate the error as much as possible, i.e., add the deviation value ∆S/D in the Raaijmakers’s model. The revised equilibrium scour depth predicting equation based on Raaijmakers’s model can be written as

S′eq/D=1.95[tanh(hD)](1−exp(−0.012KCs,p))+ΔS/D�eq′/�=1.95tanh(ℎ�)(1−exp(−0.012��s,p))+∆�/�(31)

As the Figure 16 shown, through trial-calculation, when ∆S/D = 0.05, the results calculated by Equation (31) show good agreement with the simulating results of the present study. The maximum error is about 18.2% and the engineering requirements have been met basically. In order to further verify the accuracy of the revised model for large KC (KCs,p > 4) under random waves, a validation between the revised model and the previous experimental results [21]. The experiment was conducted in a flume (50 m in length, 1.0 m in width and 1.3 m in height) with a slender vertical pile (D = 0.1 m) under random waves. The seabed is composed of 0.13 m deep layer of sand with d50 = 0.6 mm and the water depth is 0.5 m for all tests. The significant wave height is 0.12~0.21 m and the KCs,p is 5.52~11.38. The comparison between the predicting results by Equation (31) and the experimental results of Corvaro et al. [21] is shown in Figure 17. From Figure 17, the experimental data evenly distributes around the predicted results and the prediction accuracy is favorable when KCs,p < 8. However, the gap between the predicting results and experimental data becomes large and the Equation (31) overestimates the equilibrium scour depth to some extent when KCs,p > 8.

Jmse 09 00886 g016 550

Figure 16. Comparison of Seq between the simulating results and the predicting values by Equation (31).

Jmse 09 00886 g017 550

Figure 17. Comparison of Seq/D between the Experimental results of Corvaro et al. [21] and the predicting values by Equation (31).

In ocean environment, the waves are composed of a train of sinusoidal waves with different frequencies and amplitudes. The energy of constituent waves with very large and very small frequencies is relatively low, and the energy of waves is mainly concentrated in a certain range of moderate frequencies. Myrhaug and Rue [37] thought the 1/n’th highest wave was responsible for scour and proposed the stochastic model to predict the equilibrium scour depth around pile under random waves for full range of KC. Noteworthy is that the KC was denoted by KCrms,a in the stochastic model. To verify the application of the stochastic model for predicting scour depth around USAF, a validation between the simulating results of present study and predicting results by the stochastic model with n = 2,3,5,10,20,500 was carried out respectively.

As shown in Figure 18, compared with the simulating results, the stochastic model underestimates the equilibrium scour depth around USAF generally. Although the error exists, the varying trend of Seq with KCrms,a obtained from the stochastic model is consistent with the present study basically. What’s more, the gap between the predicting values by stochastic model and the simulating results decreases with the increase of n, but for large n, for example n = 500, the varying trend diverges between the predicting values and simulating results, meaning it’s not feasible only by increasing n in stochastic model to predict the equilibrium scour depth around USAF.

Jmse 09 00886 g018 550

Figure 18. Comparison of Seq between the simulating results and the predicting values by Equation (8).

The Figure 19 lists the deviation value ∆Seq/D′ between the predicting values and simulating results with different KCrms,a and n. Then, fitted the relationship between the ∆S′and n under different KCrms,a, and the fitting curve can be written by Equation (32). The revised stochastic model (Equation (33)) can be acquired by adding ∆Seq/D′ to Equation (8).

ΔSeq/D=0.052*exp(−n/6.566)+0.068∆�eq/�=0.052*exp(−�/6.566)+0.068(32)

S′eq¯/D=S′eq/D+0.052*exp(−n/6.566)+0.068�eq′¯/�=�eq′/�+0.052*exp(−�/6.566)+0.068(33)

Jmse 09 00886 g019 550

Figure 19. The fitting line between ∆S′and n.

The comparison between the predicting results by Equation (33) and the simulating results of present study is shown in Figure 20. According to the Figure 20, the varying trend of Seq with KCrms,a obtained from the stochastic model is consistent with the present study basically. Compared with predicting results by the stochastic model, the results calculated by Equation (33) is favorable. Moreover, comparison with simulating results indicates that the predicting results are the most favorable for n = 10, which is consistent with the findings of Myrhaug and Rue [37] for equilibrium scour depth predicting around slender pile in case of random waves.

Jmse 09 00886 g020 550

Figure 20. Comparison of Seq between the simulating results and the predicting values by Equation (33).

In order to further verify the accuracy of the Equation (33) for large KC (KCrms,a > 4) under random waves, a validation was conducted between the Equation (33) and the previous experimental results of Sumer and Fredsøe [16] and Corvaro et al. [21]. The details of experiments conducted by Corvaro et al. [21] were described in above section. Sumer and Fredsøe [16] investigated the local scour around pile under random waves. The experiments were conducted in a wave basin with a slender vertical pile (D = 0.032, 0.055 m). The seabed is composed of 0.14 m deep layer of sand with d50 = 0.2 mm and the water depth was maintained at 0.5 m. The JONSWAP wave spectrum was used and the KCrms,a was 5.29~16.95. The comparison between the predicting results by Equation (33) and the experimental results of Sumer and Fredsøe [16] and Corvaro et al. [21] are shown in Figure 21. From Figure 21, contrary to the case of low KCrms,a (KCrms,a < 4), the error between the predicting values and experimental results increases with decreasing of n for KCrms,a > 4. Therefore, the predicting results are the most favorable for n = 2 when KCrms,a > 4.

Jmse 09 00886 g021 550

Figure 21. Comparison of Seq between the experimental results of Sumer and Fredsøe [16] and Corvaro et al. [21] and the predicting values by Equation (33).

Noteworthy is that the present model was built according to prototype size, so the errors between the numerical results and experimental data of References [16,21] may be attribute to the scale effects. In laboratory experiments on scouring process, it is typically impossible to ensure a rigorous similarity of all physical parameters between the model and prototype structure, leading to the scale effects in the laboratory experiments. To avoid a cohesive behaviour, the bed material was not scaled geometrically according to model scale. As a consequence, the relatively large-scaled sediments sizes may result in the overestimation of bed load transport and underestimation of suspended load transport compared with field conditions. What’s more, the disproportional scaled sediment presumably lead to the difference of bed roughness between the model and prototype, and thus large influences for wave boundary layer on the seabed and scour process. Besides, according to Corvaro et al. [21] and Schendel et al. [55], the pile Reynolds numbers and Froude numbers both affect the scour depth for the condition of non fully developed turbulent flow in laboratory experiments.

4.4. Parametric Study

4.4.1. Influence of Froude Number

As described above, the set of foundation leads to the adverse pressure gradient appearing at upstream, leading to the wave boundary layer separating from seabed, then horseshoe vortex formatting and the horseshoe vortex are mainly responsible for scour around foundation (see Figure 22). The Froude number Fr is the key parameter to influence the scale and intensity of horseshoe vortex. The Fr under waves can be calculated by the following formula [42]

Fr=UwgD−−−√�r=�w��(34)

where Uw is the mean water particle velocity during 1/4 cycle of wave oscillation, obtained from the following formula. Noteworthy is that the root-mean-square (RMS) value of near-bed velocity amplitude Uwm,rms is used for calculating Uwm.

Uw=1T/4∫0T/4Uwmsin(t/T)dt=2πUwm�w=1�/4∫0�/4�wmsin(�/�)��=2��wm(35)

Jmse 09 00886 g022 550

Figure 22. Sketch of flow field at upstream USAF edges.

Tavouktsoglou et al. [25] proposed the following formula between Fr and the vertical location of the stagnation y

yh∝Fer�ℎ∝�r�(36)

where e is constant.

The Figure 23 displays the relationship between Seq/D and Fr of the present study. In order to compare with the simulating results, the experimental data of Corvaro et al. [21] was also depicted in Figure 23. As shown in Figure 23, the equilibrium scour depth appears a logarithmic increase as Fr increases and approaches the mathematical asymptotic value, which is also consistent with the experimental results of Corvaro et al. [21]. According to Figure 24, the adverse pressure gradient pressure at upstream USAF edges increases with the increase of Fr, which is benefit for the wave boundary layer separating from seabed, resulting in the high-intensity horseshoe vortex, hence, causing intensive scour around USAF. Based on the previous study of Tavouktsoglou et al. [25] for scour around pile under currents, the high Fr leads to the stagnation point is closer to the mean sea level for shallow water, causing the stronger downflow kinetic energy. As mentioned in previous section, the energy of downflow at upstream makes up the energy of the subsequent horseshoe vortex, so the stronger downflow kinetic energy results in the more intensive horseshoe vortex. Therefore, the higher Fr leads to the more intensive horseshoe vortex by influencing the position of stagnation point y presumably. Qi and Gao [19] carried out a series of flume tests to investigate the scour around pile under regular waves, and proposed the fitting formula between Seq/D and Fr as following

lg(Seq/D)=Aexp(B/Fr)+Clg(�eq/�)=�exp(�/�r)+�(37)

where AB and C are constant.

Jmse 09 00886 g023 550

Figure 23. The fitting curve between Seq/D and Fr.

Jmse 09 00886 g024 550

Figure 24. Sketch of adverse pressure gradient at upstream USAF edges.

Took the Equation (37) to fit the simulating results with A = −0.002, B = 0.686 and C = −0.808, and the results are shown in Figure 23. From Figure 23, the simulating results evenly distribute around the Equation (37) and the varying trend of Seq/D and Fr in present study is consistent with Equation (37) basically, meaning the Equation (37) is applicable to express the relationship of Seq/D with Fr around USAF under random waves.

4.4.2. Influence of Euler Number

The Euler number Eu is the influencing factor for the hydrodynamic field around foundation. The Eu under waves can be calculated by the following formula. The Eu can be represented by the Equation (38) for uniform cylinders [25]. The root-mean-square (RMS) value of near-bed velocity amplitude Um,rms is used for calculating Um.

Eu=U2mgD�u=�m2��(38)

where Um is depth-averaged flow velocity.

The Figure 25 displays the relationship between Seq/D and Eu of the present study. In order to compare with the simulating results, the experimental data of Sumer and Fredsøe [16] and Corvaro et al. [21] were also plotted in Figure 25. As shown in Figure 25, similar with the varying trend of Seq/D and Fr, the equilibrium scour depth appears a logarithmic increase as Eu increases and approaches the mathematical asymptotic value, which is also consistent with the experimental results of Sumer and Fredsøe [16] and Corvaro et al. [21]. According to Figure 24, the adverse pressure gradient pressure at upstream USAF edges increases with the increasing of Eu, which is benefit for the wave boundary layer separating from seabed, inducing the high-intensity horseshoe vortex, hence, causing intensive scour around USAF.

Jmse 09 00886 g025 550

Figure 25. The fitting curve between Seq/D and Eu.

Therefore, the variation of Fr and Eu reflect the magnitude of adverse pressure gradient pressure at upstream. Given that, the Equation (37) also was used to fit the simulating results with A = 8.875, B = 0.078 and C = −9.601, and the results are shown in Figure 25. From Figure 25, the simulating results evenly distribute around the Equation (37) and the varying trend of Seq/D and Eu in present study is consistent with Equation (37) basically, meaning the Equation (37) is also applicable to express the relationship of Seq/D with Eu around USAF under random waves. Additionally, according to the above description of Fr, it can be inferred that the higher Fr and Eu both lead to the more intensive horseshoe vortex by influencing the position of stagnation point y presumably.

5. Conclusions

A series of numerical models were established to investigate the local scour around umbrella suction anchor foundation (USAF) under random waves. The numerical model was validated for hydrodynamic and morphology parameters by comparing with the experimental data of Khosronejad et al. [52], Petersen et al. [17], Sumer and Fredsøe [16] and Schendel et al. [22]. Based on the simulating results, the scour evolution and scour mechanisms around USAF under random waves were analyzed respectively. Two revised models were proposed according to the model of Raaijmakers and Rudolph [34] and the stochastic model developed by Myrhaug and Rue [37] to predict the equilibrium scour depth around USAF under random waves. Finally, a parametric study was carried out with the present model to study the effects of the Froude number Fr and Euler number Eu to the equilibrium scour depth around USAF under random waves. The main conclusions can be described as follows.(1)

The packed sediment scour model and the RNG k−ε turbulence model were used to simulate the sand particles transport processes and the flow field around UASF respectively. The scour evolution obtained by the present model agrees well with the experimental results of Khosronejad et al. [52], Petersen et al. [17], Sumer and Fredsøe [16] and Schendel et al. [22], which indicates that the present model is accurate and reasonable for depicting the scour morphology around UASF under random waves.(2)

The vortex system at wave crest phase is mainly related to the scour process around USAF under random waves. The maximum scour depth appeared at the lee-side of the USAF at the initial stage (t < 1200 s). Subsequently, when t > 2400 s, the location of the maximum scour depth shifted to the upside of the USAF at an angle of about 45° with respect to the wave propagating direction.(3)

The error is negligible and the Raaijmakers’s model is of relatively high accuracy for predicting scour around USAF under random waves when KC is calculated by KCs,p. Given that, a further revision model (Equation (31)) was proposed according to Raaijmakers’s model to predict the equilibrium scour depth around USAF under random waves and it shows good agreement with the simulating results of the present study when KCs,p < 8.(4)

Another further revision model (Equation (33)) was proposed according to the stochastic model established by Myrhaug and Rue [37] to predict the equilibrium scour depth around USAF under random waves, and the predicting results are the most favorable for n = 10 when KCrms,a < 4. However, contrary to the case of low KCrms,a, the predicting results are the most favorable for n = 2 when KCrms,a > 4 by the comparison with experimental results of Sumer and Fredsøe [16] and Corvaro et al. [21].(5)

The same formula (Equation (37)) is applicable to express the relationship of Seq/D with Eu or Fr, and it can be inferred that the higher Fr and Eu both lead to the more intensive horseshoe vortex and larger Seq.

Author Contributions

Conceptualization, H.L. (Hongjun Liu); Data curation, R.H. and P.Y.; Formal analysis, X.W. and H.L. (Hao Leng); Funding acquisition, X.W.; Writing—original draft, R.H. and P.Y.; Writing—review & editing, X.W. and H.L. (Hao Leng); The final manuscript has been approved by all the authors. All authors have read and agreed to the published version of the manuscript.

Funding

This research was funded by the Fundamental Research Funds for the Central Universities (grant number 202061027) and the National Natural Science Foundation of China (grant number 41572247).

Institutional Review Board Statement

Not applicable.

Informed Consent Statement

Not applicable.

Data Availability Statement

The data presented in this study are available on request from the corresponding author.

Conflicts of Interest

The authors declare no conflict of interest.

References

  1. Sumer, B.M.; Fredsøe, J.; Christiansen, N. Scour Around Vertical Pile in Waves. J. Waterw. Port. Coast. Ocean Eng. 1992118, 15–31. [Google Scholar] [CrossRef]
  2. Rudolph, D.; Bos, K. Scour around a monopile under combined wave-current conditions and low KC-numbers. In Proceedings of the 6th International Conference on Scour and Erosion, Amsterdam, The Netherlands, 1–3 November 2006; pp. 582–588. [Google Scholar]
  3. Nielsen, A.W.; Liu, X.; Sumer, B.M.; Fredsøe, J. Flow and bed shear stresses in scour protections around a pile in a current. Coast. Eng. 201372, 20–38. [Google Scholar] [CrossRef]
  4. Ahmad, N.; Bihs, H.; Myrhaug, D.; Kamath, A.; Arntsen, Ø.A. Three-dimensional numerical modelling of wave-induced scour around piles in a side-by-side arrangement. Coast. Eng. 2018138, 132–151. [Google Scholar] [CrossRef]
  5. Li, H.; Ong, M.C.; Leira, B.J.; Myrhaug, D. Effects of Soil Profile Variation and Scour on Structural Response of an Offshore Monopile Wind Turbine. J. Offshore Mech. Arct. Eng. 2018140, 042001. [Google Scholar] [CrossRef]
  6. Li, H.; Liu, H.; Liu, S. Dynamic analysis of umbrella suction anchor foundation embedded in seabed for offshore wind turbines. Géoméch. Energy Environ. 201710, 12–20. [Google Scholar] [CrossRef]
  7. Fazeres-Ferradosa, T.; Rosa-Santos, P.; Taveira-Pinto, F.; Vanem, E.; Carvalho, H.; Correia, J.A.F.D.O. Editorial: Advanced research on offshore structures and foundation design: Part 1. Proc. Inst. Civ. Eng. Marit. Eng. 2019172, 118–123. [Google Scholar] [CrossRef]
  8. Chavez, C.E.A.; Stratigaki, V.; Wu, M.; Troch, P.; Schendel, A.; Welzel, M.; Villanueva, R.; Schlurmann, T.; De Vos, L.; Kisacik, D.; et al. Large-Scale Experiments to Improve Monopile Scour Protection Design Adapted to Climate Change—The PROTEUS Project. Energies 201912, 1709. [Google Scholar] [CrossRef][Green Version]
  9. Wu, M.; De Vos, L.; Chavez, C.E.A.; Stratigaki, V.; Fazeres-Ferradosa, T.; Rosa-Santos, P.; Taveira-Pinto, F.; Troch, P. Large Scale Experimental Study of the Scour Protection Damage Around a Monopile Foundation Under Combined Wave and Current Conditions. J. Mar. Sci. Eng. 20208, 417. [Google Scholar] [CrossRef]
  10. Sørensen, S.P.H.; Ibsen, L.B. Assessment of foundation design for offshore monopiles unprotected against scour. Ocean Eng. 201363, 17–25. [Google Scholar] [CrossRef]
  11. Prendergast, L.; Gavin, K.; Doherty, P. An investigation into the effect of scour on the natural frequency of an offshore wind turbine. Ocean Eng. 2015101, 1–11. [Google Scholar] [CrossRef][Green Version]
  12. Fazeres-Ferradosa, T.; Chambel, J.; Taveira-Pinto, F.; Rosa-Santos, P.; Taveira-Pinto, F.; Giannini, G.; Haerens, P. Scour Protections for Offshore Foundations of Marine Energy Harvesting Technologies: A Review. J. Mar. Sci. Eng. 20219, 297. [Google Scholar] [CrossRef]
  13. Yang, Q.; Yu, P.; Liu, Y.; Liu, H.; Zhang, P.; Wang, Q. Scour characteristics of an offshore umbrella suction anchor foundation under the combined actions of waves and currents. Ocean Eng. 2020202, 106701. [Google Scholar] [CrossRef]
  14. Yu, P.; Hu, R.; Yang, J.; Liu, H. Numerical investigation of local scour around USAF with different hydraulic conditions under currents and waves. Ocean Eng. 2020213, 107696. [Google Scholar] [CrossRef]
  15. Sumer, B.M.; Christiansen, N.; Fredsøe, J. The horseshoe vortex and vortex shedding around a vertical wall-mounted cylinder exposed to waves. J. Fluid Mech. 1997332, 41–70. [Google Scholar] [CrossRef]
  16. Sumer, B.M.; Fredsøe, J. Scour around Pile in Combined Waves and Current. J. Hydraul. Eng. 2001127, 403–411. [Google Scholar] [CrossRef]
  17. Petersen, T.U.; Sumer, B.M.; Fredsøe, J. Time scale of scour around a pile in combined waves and current. In Proceedings of the 6th International Conference on Scour and Erosion, Paris, France, 27–31 August 2012. [Google Scholar]
  18. Petersen, T.U.; Sumer, B.M.; Fredsøe, J.; Raaijmakers, T.C.; Schouten, J.-J. Edge scour at scour protections around piles in the marine environment—Laboratory and field investigation. Coast. Eng. 2015106, 42–72. [Google Scholar] [CrossRef]
  19. Qi, W.; Gao, F. Equilibrium scour depth at offshore monopile foundation in combined waves and current. Sci. China Ser. E Technol. Sci. 201457, 1030–1039. [Google Scholar] [CrossRef][Green Version]
  20. Larsen, B.E.; Fuhrman, D.R.; Baykal, C.; Sumer, B.M. Tsunami-induced scour around monopile foundations. Coast. Eng. 2017129, 36–49. [Google Scholar] [CrossRef][Green Version]
  21. Corvaro, S.; Marini, F.; Mancinelli, A.; Lorenzoni, C.; Brocchini, M. Hydro- and Morpho-dynamics Induced by a Vertical Slender Pile under Regular and Random Waves. J. Waterw. Port. Coast. Ocean Eng. 2018144, 04018018. [Google Scholar] [CrossRef]
  22. Schendel, A.; Welzel, M.; Schlurmann, T.; Hsu, T.-W. Scour around a monopile induced by directionally spread irregular waves in combination with oblique currents. Coast. Eng. 2020161, 103751. [Google Scholar] [CrossRef]
  23. Fazeres-Ferradosa, T.; Taveira-Pinto, F.; Romão, X.; Reis, M.; das Neves, L. Reliability assessment of offshore dynamic scour protections using copulas. Wind. Eng. 201843, 506–538. [Google Scholar] [CrossRef]
  24. Fazeres-Ferradosa, T.; Welzel, M.; Schendel, A.; Baelus, L.; Santos, P.R.; Pinto, F.T. Extended characterization of damage in rubble mound scour protections. Coast. Eng. 2020158, 103671. [Google Scholar] [CrossRef]
  25. Tavouktsoglou, N.S.; Harris, J.M.; Simons, R.R.; Whitehouse, R.J.S. Equilibrium Scour-Depth Prediction around Cylindrical Structures. J. Waterw. Port. Coast. Ocean Eng. 2017143, 04017017. [Google Scholar] [CrossRef][Green Version]
  26. Ettema, R.; Melville, B.; Barkdoll, B. Scale Effect in Pier-Scour Experiments. J. Hydraul. Eng. 1998124, 639–642. [Google Scholar] [CrossRef]
  27. Umeda, S. Scour Regime and Scour Depth around a Pile in Waves. J. Coast. Res. Spec. Issue 201164, 845–849. [Google Scholar]
  28. Umeda, S. Scour process around monopiles during various phases of sea storms. J. Coast. Res. 2013165, 1599–1604. [Google Scholar] [CrossRef]
  29. Baykal, C.; Sumer, B.; Fuhrman, D.R.; Jacobsen, N.; Fredsøe, J. Numerical simulation of scour and backfilling processes around a circular pile in waves. Coast. Eng. 2017122, 87–107. [Google Scholar] [CrossRef][Green Version]
  30. Miles, J.; Martin, T.; Goddard, L. Current and wave effects around windfarm monopile foundations. Coast. Eng. 2017121, 167–178. [Google Scholar] [CrossRef][Green Version]
  31. Miozzi, M.; Corvaro, S.; Pereira, F.A.; Brocchini, M. Wave-induced morphodynamics and sediment transport around a slender vertical cylinder. Adv. Water Resour. 2019129, 263–280. [Google Scholar] [CrossRef]
  32. Yu, T.; Zhang, Y.; Zhang, S.; Shi, Z.; Chen, X.; Xu, Y.; Tang, Y. Experimental study on scour around a composite bucket foundation due to waves and current. Ocean Eng. 2019189, 106302. [Google Scholar] [CrossRef]
  33. Carreiras, J.; Larroudé, P.; Seabra-Santos, F.; Mory, M. Wave Scour Around Piles. In Proceedings of the Coastal Engineering 2000, American Society of Civil Engineers (ASCE), Sydney, Australia, 16–21 July 2000; pp. 1860–1870. [Google Scholar]
  34. Raaijmakers, T.; Rudolph, D. Time-dependent scour development under combined current and waves conditions—Laboratory experiments with online monitoring technique. In Proceedings of the 4th International Conference on Scour and Erosion, Tokyo, Japan, 5–7 November 2008; pp. 152–161. [Google Scholar]
  35. Khalfin, I.S. Modeling and calculation of bed score around large-diameter vertical cylinder under wave action. Water Resour. 200734, 357. [Google Scholar] [CrossRef][Green Version]
  36. Zanke, U.C.; Hsu, T.-W.; Roland, A.; Link, O.; Diab, R. Equilibrium scour depths around piles in noncohesive sediments under currents and waves. Coast. Eng. 201158, 986–991. [Google Scholar] [CrossRef]
  37. Myrhaug, D.; Rue, H. Scour below pipelines and around vertical piles in random waves. Coast. Eng. 200348, 227–242. [Google Scholar] [CrossRef]
  38. Myrhaug, D.; Ong, M.C.; Føien, H.; Gjengedal, C.; Leira, B.J. Scour below pipelines and around vertical piles due to second-order random waves plus a current. Ocean Eng. 200936, 605–616. [Google Scholar] [CrossRef]
  39. Myrhaug, D.; Ong, M.C. Random wave-induced onshore scour characteristics around submerged breakwaters using a stochastic method. Ocean Eng. 201037, 1233–1238. [Google Scholar] [CrossRef]
  40. Ong, M.C.; Myrhaug, D.; Hesten, P. Scour around vertical piles due to long-crested and short-crested nonlinear random waves plus a current. Coast. Eng. 201373, 106–114. [Google Scholar] [CrossRef]
  41. Yakhot, V.; Orszag, S.A. Renormalization group analysis of turbulence. I. Basic theory. J. Sci. Comput. 19861, 3–51. [Google Scholar] [CrossRef]
  42. Yakhot, V.; Smith, L.M. The renormalization group, the e-expansion and derivation of turbulence models. J. Sci. Comput. 19927, 35–61. [Google Scholar] [CrossRef]
  43. Mastbergen, D.R.; Berg, J.V.D. Breaching in fine sands and the generation of sustained turbidity currents in submarine canyons. Sedimentology 200350, 625–637. [Google Scholar] [CrossRef]
  44. Soulsby, R. Dynamics of Marine Sands; Thomas Telford Ltd.: London, UK, 1998. [Google Scholar] [CrossRef]
  45. Van Rijn, L.C. Sediment Transport, Part I: Bed Load Transport. J. Hydraul. Eng. 1984110, 1431–1456. [Google Scholar] [CrossRef][Green Version]
  46. Zhang, Q.; Zhou, X.-L.; Wang, J.-H. Numerical investigation of local scour around three adjacent piles with different arrangements under current. Ocean Eng. 2017142, 625–638. [Google Scholar] [CrossRef]
  47. Yu, Y.X.; Liu, S.X. Random Wave and Its Applications to Engineering, 4th ed.; Dalian University of Technology Press: Dalian, China, 2011. [Google Scholar]
  48. Pang, A.; Skote, M.; Lim, S.; Gullman-Strand, J.; Morgan, N. A numerical approach for determining equilibrium scour depth around a mono-pile due to steady currents. Appl. Ocean Res. 201657, 114–124. [Google Scholar] [CrossRef]
  49. Higuera, P.; Lara, J.L.; Losada, I.J. Three-dimensional interaction of waves and porous coastal structures using Open-FOAM®. Part I: Formulation and validation. Coast. Eng. 201483, 243–258. [Google Scholar] [CrossRef]
  50. Corvaro, S.; Crivellini, A.; Marini, F.; Cimarelli, A.; Capitanelli, L.; Mancinelli, A. Experimental and Numerical Analysis of the Hydrodynamics around a Vertical Cylinder in Waves. J. Mar. Sci. Eng. 20197, 453. [Google Scholar] [CrossRef][Green Version]
  51. Flow3D User Manual, version 11.0.3; Flow Science, Inc.: Santa Fe, NM, USA, 2013.
  52. Khosronejad, A.; Kang, S.; Sotiropoulos, F. Experimental and computational investigation of local scour around bridge piers. Adv. Water Resour. 201237, 73–85. [Google Scholar] [CrossRef]
  53. Stahlmann, A. Experimental and Numerical Modeling of Scour at Foundation Structures for Offshore Wind Turbines. Ph.D. Thesis, Franzius-Institute for Hydraulic, Estuarine and Coastal Engineering, Leibniz Universität Hannover, Hannover, Germany, 2013. [Google Scholar]
  54. Breusers, H.N.C.; Nicollet, G.; Shen, H. Local Scour Around Cylindrical Piers. J. Hydraul. Res. 197715, 211–252. [Google Scholar] [CrossRef]
  55. Schendel, A.; Hildebrandt, A.; Goseberg, N.; Schlurmann, T. Processes and evolution of scour around a monopile induced by tidal currents. Coast. Eng. 2018139, 65–84. [Google Scholar] [CrossRef]
Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations.

© 2021 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (https://creativecommons.org/licenses/by/4.0/).

Share and Cite

      

MDPI and ACS Style

Hu, R.; Liu, H.; Leng, H.; Yu, P.; Wang, X. Scour Characteristics and Equilibrium Scour Depth Prediction around Umbrella Suction Anchor Foundation under Random Waves. J. Mar. Sci. Eng. 20219, 886. https://doi.org/10.3390/jmse9080886

AMA Style

Hu R, Liu H, Leng H, Yu P, Wang X. Scour Characteristics and Equilibrium Scour Depth Prediction around Umbrella Suction Anchor Foundation under Random Waves. Journal of Marine Science and Engineering. 2021; 9(8):886. https://doi.org/10.3390/jmse9080886Chicago/Turabian Style

Hu, Ruigeng, Hongjun Liu, Hao Leng, Peng Yu, and Xiuhai Wang. 2021. “Scour Characteristics and Equilibrium Scour Depth Prediction around Umbrella Suction Anchor Foundation under Random Waves” Journal of Marine Science and Engineering 9, no. 8: 886. https://doi.org/10.3390/jmse9080886

Find Other Styles

Note that from the first issue of 2016, this journal uses article numbers instead of page numbers. See further details here.

For more information on the journal statistics, click here.

Multiple requests from the same IP address are counted as one view.

What’s New – FLOW-3D 2023R2

FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R1에서 IT 관련 개선 사항을 받았습니다. FLOW-3D 2023R1은 이제 Windows 11 및 RHEL 8을 지원합니다. 누락된 종속성을 보고하도록 Linux 설치 프로그램이 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 또한 워크플로를 자동화한 사용자를 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.

확장된 PQ 2 분석

제조에 사용되는 유압 시스템은 PQ 2 곡선을 사용하여 모델링할 수 있습니다. 장치의 세부 사항을 건너뛰고 흐름에 미치는 영향을 포함하기 위해 질량-운동량 소스 또는 속도 경계 조건을 사용하여 유압 시스템을 근사화하는 것이 편리한 단순화인 경우가 많습니다. 기존 PQ 2 분석 모델을 확장하여 이러한 유형의 기하학적 단순화를 허용하면서도 여전히 현실적인 결과를 제공합니다. 이것은 시뮬레이션 시간과 모델 복잡성의 감소로 해석됩니다.

FLOW-3D 2022R2 의 새로운 기능

FLOW-3D 2022R2 제품군 의 출시와 함께 Flow Science는 워크스테이션과 FLOW-3D 의 HPC 버전 을 통합하여 단일 노드 CPU 구성에서 다중 구성에 이르기까지 모든 유형의 하드웨어 아키텍처를 활용할 수 있는 단일 솔버 엔진을 제공합니다. 노드 병렬 고성능 컴퓨팅 실행. 추가 개발에는 점탄성 흐름을 위한 새로운 로그 구조 텐서 방법, 지속적인 솔버 속도 성능 개선, 고급 냉각 채널 및 팬텀 구성 요소 제어, 향상된 연행 공기 기능이 포함됩니다.

통합 솔버

FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여  로컬 워크스테이션 또는 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행했습니다.

많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만 고성능 컴퓨팅 클러스터에서 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션에서 OpenMP/MPI 하이브리드 병렬화의 동일한 이점을 활용하여 워크스테이션 및 노트북에서 실행할 수 있습니다.

성능 확장의 예
점점 더 많은 수의 CPU 코어를 사용하는 성능 확장의 예
메쉬 분해의 예
OpenMP/MPI 하이브리드 병렬화를 위한 메시 분해의 예

솔버 성능 개선

멀티 소켓 워크스테이션

멀티 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 통해 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있는 성능 이점을 볼 수 있습니다.

낮은 수준의 루틴으로 벡터화 및 메모리 액세스 개선

대부분의 테스트 사례에서 10%에서 20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 있었습니다.

정제된 체적 대류 안정성 한계

시간 단계 안정성 한계는 모델 런타임의 주요 동인입니다. 2022R2에서는 새로운 시간 단계 안정성 한계인 3D 대류 안정성 한계를 숫자 위젯에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 30% 정도의 일반적인 속도 향상을 보여주었습니다.

압력 솔버 프리 컨디셔너

경우에 따라 까다로운 흐름 구성의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 어려운 경우 2022R2에서는 모델이 너무 많이 반복될 때 FLOW-3D가 자동으로 새로운 프리 컨디셔너를 활성화하여 압력 수렴을 돕습니다. 테스트의 런타임이 1.9배에서 335배까지 빨라졌습니다!

점탄성 유체에 대한 로그 형태 텐서 방법

점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissenberg 수치에 효과적입니다.

점탄성 흐름을 위한 개선된 솔루션
로그 구조 텐서 솔루션을 사용하여 점탄성 흐름에 대한 높은 Weissenberg 수에서 개선된 솔루션의 예. Courtesy MF Tome, et al., J. Non-Newton. 체액. 기계 175-176 (2012) 44–54

활성 시뮬레이션 제어 확장

능동 시뮬레이션 제어 기능은 연속 주조 및 적층 제조 응용 프로그램과 주조 및 기타 여러 열 관리 응용 프로그램에 사용되는 냉각 채널에 일반적으로 사용되는 팬텀 개체를 포함하도록 확장되었습니다.

동적 열 제어의 예
융합 증착 모델링 애플리케이션을 위한 동적 열 제어의 예
가상 물체 속도 제어의 예
산업용 탱크 적용을 위한 동적 냉각 채널 제어의 예
동적 열 제어의 예
연속 주조 애플리케이션을 위한 팬텀 물체 속도 제어의 예

연행 공기 기능 개선

디퓨저 및 유사한 산업용 기포 흐름 응용 분야의 경우 이제 대량 공급원을 사용하여 물 기둥에 공기를 도입할 수 있습니다. 또한 혼입 공기 및 용존 산소의 난류 확산에 대한 기본값이 업데이트되었으며 매우 낮은 공기 농도에 대한 모델 정확도가 향상되었습니다.

디퓨저 모델의 예
디퓨저 모델의 예: 질량원을 사용하여 물기둥에 공기를 도입할 수 있습니다.
Figure 5 A schematic of the water model of reactor URO 200.

Physical and Numerical Modeling of the Impeller Construction Impact on the Aluminum Degassing Process

알루미늄 탈기 공정에 미치는 임펠러 구성의 물리적 및 수치적 모델링

Kamil Kuglin,1 Michał Szucki,2 Jacek Pieprzyca,3 Simon Genthe,2 Tomasz Merder,3 and Dorota Kalisz1,*

Mikael Ersson, Academic Editor

Author information Article notes Copyright and License information Disclaimer

Associated Data

Data Availability Statement

Go to:

Abstract

This paper presents the results of tests on the suitability of designed heads (impellers) for aluminum refining. The research was carried out on a physical model of the URO-200, followed by numerical simulations in the FLOW 3D program. Four design variants of impellers were used in the study. The degree of dispersion of the gas phase in the model liquid was used as a criterion for evaluating the performance of each solution using different process parameters, i.e., gas flow rate and impeller speed. Afterward, numerical simulations in Flow 3D software were conducted for the best solution. These simulations confirmed the results obtained with the water model and verified them.

Keywords: aluminum, impeller construction, degassing process, numerical modeling, physical modeling

Go to:

1. Introduction

Constantly increasing requirements concerning metallurgical purity in terms of hydrogen content and nonmetallic inclusions make casting manufacturers use effective refining techniques. The answer to this demand is the implementation of the aluminum refining technique making use of a rotor with an original design guaranteeing efficient refining [1,2,3,4]. The main task of the impeller (rotor) is to reduce the contamination of liquid metal (primary and recycled aluminum) with hydrogen and nonmetallic inclusions. An inert gas, mainly argon or a mixture of gases, is introduced through the rotor into the liquid metal to bring both hydrogen and nonmetallic inclusions to the metal surface through the flotation process. Appropriately and uniformly distributed gas bubbles in the liquid metal guarantee achieving the assumed level of contaminant removal economically. A very important factor in deciding about the obtained degassing effect is the optimal rotor design [5,6,7,8]. Thanks to the appropriate geometry of the rotor, gas bubbles introduced into the liquid metal are split into smaller ones, and the spinning movement of the rotor distributes them throughout the volume of the liquid metal bath. In this solution impurities in the liquid metal are removed both in the volume and from the upper surface of the metal. With a well-designed impeller, the costs of refining aluminum and its alloys can be lowered thanks to the reduced inert gas and energy consumption (optimal selection of rotor rotational speed). Shorter processing time and a high degree of dehydrogenation decrease the formation of dross on the metal surface (waste). A bigger produced dross leads to bigger process losses. Consequently, this means that the choice of rotor geometry has an indirect impact on the degree to which the generated waste is reduced [9,10].

Another equally important factor is the selection of process parameters such as gas flow rate and rotor speed [11,12]. A well-designed gas injection system for liquid metal meets two key requirements; it causes rapid mixing of the liquid metal to maintain a uniform temperature throughout the volume and during the entire process, to produce a chemically homogeneous metal composition. This solution ensures effective degassing of the metal bath. Therefore, the shape of the rotor, the arrangement of the nozzles, and their number are significant design parameters that guarantee the optimum course of the refining process. It is equally important to complete the mixing of the metal bath in a relatively short time, as this considerably shortens the refining process and, consequently, reduces the process costs. Another important criterion conditioning the implementation of the developed rotor is the generation of fine diffused gas bubbles which are distributed throughout the metal volume, and whose residence time will be sufficient for the bubbles to collide and adsorb the contaminants. The process of bubble formation by the spinning rotors differs from that in the nozzles or porous molders. In the case of a spinning rotor, the shear force generated by the rotor motion splits the bubbles into smaller ones. Here, the rotational speed, mixing force, surface tension, and fluid density have a key effect on the bubble size. The velocity of the bubbles, which depends mainly on their size and shape, determines their residence time in the reactor and is, therefore, very important for the refining process, especially since gas bubbles in liquid aluminum may remain steady only below a certain size [13,14,15].

The impeller designs presented in the article were developed to improve the efficiency of the process and reduce its costs. The impellers used so far have a complicated structure and are very pricey. The success of the conducted research will allow small companies to become independent of external supplies through the possibility of making simple and effective impellers on their own. The developed structures were tested on the water model. The results of this study can be considered as pilot.

Go to:

2. Materials and Methods

Rotors were realized with the SolidWorks computer design technique and a 3D printer. The developed designs were tested on a water model. Afterward, the solution with the most advantageous refining parameters was selected and subjected to calculations with the Flow3D package. As a result, an impeller was designed for aluminum refining. Its principal lies in an even distribution of gas bubbles in the entire volume of liquid metal, with the largest possible participation of the bubble surface, without disturbing the metal surface. This procedure guarantees the removal of gaseous, as well as metallic and nonmetallic, impurities.

2.1. Rotor Designs

The developed impeller constructions, shown in Figure 1Figure 2Figure 3 and Figure 4, were printed on a 3D printer using the PLA (polylactide) material. The impeller design models differ in their shape and the number of holes through which the inert gas flows. Figure 1Figure 2 and Figure 3 show the same impeller model but with a different number of gas outlets. The arrangement of four, eight, and 12 outlet holes was adopted in the developed design. A triangle-shaped structure equipped with three gas outlet holes is presented in Figure 4.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g001.jpg

Figure 1

A 3D model—impeller with four holes—variant B4.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g002.jpg

Figure 2

A 3D model—impeller with eight holes—variant B8.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g003.jpg

Figure 3

A 3D model—impeller with twelve holes—variant B12.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g004.jpg

Figure 4

A 3D model—‘red triangle’ impeller with three holes—variant RT3.

2.2. Physical Models

Investigations were carried out on a water model of the URO 200 reactor of the barbotage refining process (see Figure 5).

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g005.jpg

Figure 5

A schematic of the water model of reactor URO 200.

The URO 200 reactor can be classified as a cyclic reactor. The main element of the device is a rotor, which ends the impeller. The whole system is attached to a shaft via which the refining gas is supplied. Then, the shaft with the rotor is immersed in the liquid metal in the melting pot or the furnace chamber. In URO 200 reactors, the refining process lasts 600 s (10 min), the gas flow rate that can be obtained ranges from 5 to 20 dm3·min−1, and the speed at which the rotor can move is 0 to 400 rpm. The permissible quantity of liquid metal for barbotage refining is 300 kg or 700 kg [8,16,17]. The URO 200 has several design solutions which improve operation and can be adapted to the existing equipment in the foundry. These solutions include the following [8,16]:

  • URO-200XR—used for small crucible furnaces, the capacity of which does not exceed 250 kg, with no control system and no control of the refining process.
  • URO-200SA—used to service several crucible furnaces of capacity from 250 kg to 700 kg, fully automated and equipped with a mechanical rotor lift.
  • URO-200KA—used for refining processes in crucible furnaces and allows refining in a ladle. The process is fully automated, with a hydraulic rotor lift.
  • URO-200KX—a combination of the XR and KA models, designed for the ladle refining process. Additionally, refining in heated crucibles is possible. The unit is equipped with a manual hydraulic rotor lift.
  • URO-200PA—designed to cooperate with induction or crucible furnaces or intermediate chambers, the capacity of which does not exceed one ton. This unit is an integral part of the furnace. The rotor lift is equipped with a screw drive.

Studies making use of a physical model can be associated with the observation of the flow and circulation of gas bubbles. They require meeting several criteria regarding the similarity of the process and the object characteristics. The similarity conditions mainly include geometric, mechanical, chemical, thermal, and kinetic parameters. During simulation of aluminum refining with inert gas, it is necessary to maintain the geometric similarity between the model and the real object, as well as the similarity related to the flow of liquid metal and gas (hydrodynamic similarity). These quantities are characterized by the Reynolds, Weber, and Froude numbers. The Froude number is the most important parameter characterizing the process, its magnitude is the same for the physical model and the real object. Water was used as the medium in the physical modeling. The factors influencing the choice of water are its availability, relatively low cost, and kinematic viscosity at room temperature, which is very close to that of liquid aluminum.

The physical model studies focused on the flow of inert gas in the form of gas bubbles with varying degrees of dispersion, particularly with respect to some flow patterns such as flow in columns and geysers, as well as disturbance of the metal surface. The most important refining parameters are gas flow rate and rotor speed. The barbotage refining studies for the developed impeller (variants B4, B8, B12, and RT3) designs were conducted for the following process parameters:

  • Rotor speed: 200, 300, 400, and 500 rpm,
  • Ideal gas flow: 10, 20, and 30 dm3·min−1,
  • Temperature: 293 K (20 °C).

These studies were aimed at determining the most favorable variants of impellers, which were then verified using the numerical modeling methods in the Flow-3D program.

2.3. Numerical Simulations with Flow-3D Program

Testing different rotor impellers using a physical model allows for observing the phenomena taking place while refining. This is a very important step when testing new design solutions without using expensive industrial trials. Another solution is modeling by means of commercial simulation programs such as ANSYS Fluent or Flow-3D [18,19]. Unlike studies on a physical model, in a computer program, the parameters of the refining process and the object itself, including the impeller design, can be easily modified. The simulations were performed with the Flow-3D program version 12.03.02. A three-dimensional system with the same dimensions as in the physical modeling was used in the calculations. The isothermal flow of liquid–gas bubbles was analyzed. As in the physical model, three speeds were adopted in the numerical tests: 200, 300, and 500 rpm. During the initial phase of the simulations, the velocity field around the rotor generated an appropriate direction of motion for the newly produced bubbles. When the required speed was reached, the generation of randomly distributed bubbles around the rotor was started at a rate of 2000 per second. Table 1 lists the most important simulation parameters.

Table 1

Values of parameters used in the calculations.

ParameterValueUnit
Maximum number of gas particles1,000,000
Rate of particle generation20001·s−1
Specific gas constant287.058J·kg−1·K−1
Atmospheric pressure1.013 × 105Pa
Water density1000kg·m−3
Water viscosity0.001kg·m−1·s−1
Boundary condition on the wallsNo-slip
Size of computational cell0.0034m

Open in a separate window

In the case of the CFD analysis, the numerical solutions require great care when generating the computational mesh. Therefore, computational mesh tests were performed prior to the CFD calculations. The effect of mesh density was evaluated by taking into account the velocity of water in the tested object on the measurement line A (height of 0.065 m from the bottom) in a characteristic cross-section passing through the object axis (see Figure 6). The mesh contained 3,207,600, 6,311,981, 7,889,512, 11,569,230, and 14,115,049 cells.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g006.jpg

Figure 6

The velocity of the water depending on the size of the computational grid.

The quality of the generated computational meshes was checked using the criterion skewness angle QEAS [18]. This criterion is described by the following relationship:

QEAS=max{βmax−βeq180−βeq,βeq−βminβeq},

(1)

where βmaxβmin are the maximal and minimal angles (in degrees) between the edges of the cell, and βeq is the angle corresponding to an ideal cell, which for cubic cells is 90°.

Normalized in the interval [0;1], the value of QEAS should not exceed 0.75, which identifies the permissible skewness angle of the generated mesh. For the computed meshes, this value was equal to 0.55–0.65.

Moreover, when generating the computational grids in the studied facility, they were compacted in the areas of the highest gradients of the calculated values, where higher turbulence is to be expected (near the impeller). The obtained results of water velocity in the studied object at constant gas flow rate are shown in Figure 6.

The analysis of the obtained water velocity distributions (see Figure 6) along the line inside the object revealed that, with the density of the grid of nodal points, the velocity changed and its changes for the test cases of 7,889,512, 11,569,230, and 14,115,049 were insignificant. Therefore, it was assumed that a grid containing not less than 7,900,000 (7,889,512) cells would not affect the result of CFD calculations.

A single-block mesh of regular cells with a size of 0.0034 m was used in the numerical calculations. The total number of cells was approximately 7,900,000 (7,889,512). This grid resolution (see Figure 7) allowed the geometry of the system to be properly represented, maintaining acceptable computation time (about 3 days on a workstation with 2× CPU and 12 computing cores).

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g007.jpg

Figure 7

Structured equidistant mesh used in numerical calculations: (a) mesh with smoothed, surface cells (the so-called FAVOR method) used in Flow-3D; (b) visualization of the applied mesh resolution.

The calculations were conducted with an explicit scheme. The timestep was selected by the program automatically and controlled by stability and convergence. From the moment of the initial velocity field generation (start of particle generation), it was 0.0001 s.

When modeling the degassing process, three fluids are present in the system: water, gas supplied through the rotor head (impeller), and the surrounding air. Modeling such a multiphase flow is a numerically very complex issue. The necessity to overcome the liquid backpressure by the gas flowing out from the impeller leads to the formation of numerical instabilities in the volume of fluid (VOF)-based approach used by Flow-3D software. Therefore, a mixed description of the analyzed flow was used here. In this case, water was treated as a continuous medium, while, in the case of gas bubbles, the discrete phase model (DPM) model was applied. The way in which the air surrounding the system was taken into account is later described in detail.

The following additional assumptions were made in the modeling:

  • —The liquid phase was considered as an incompressible Newtonian fluid.
  • —The effect of chemical reactions during the refining process was neglected.
  • —The composition of each phase (gas and liquid) was considered homogeneous; therefore, the viscosity and surface tension were set as constants.
  • —Only full turbulence existed in the liquid, and the effect of molecular viscosity was neglected.
  • —The gas bubbles were shaped as perfect spheres.
  • —The mutual interaction between gas bubbles (particles) was neglected.

2.3.1. Modeling of Liquid Flow 

The motion of the real fluid (continuous medium) is described by the Navier–Stokes Equation [20].

dudt=−1ρ∇p+ν∇2u+13ν∇(∇⋅ u)+F,

(2)

where du/dt is the time derivative, u is the velocity vector, t is the time, and F is the term accounting for external forces including gravity (unit components denoted by XYZ).

In the simulations, the fluid flow was assumed to be incompressible, in which case the following equation is applicable:

∂u∂t+(u⋅∇)u=−1ρ∇p+ν∇2u+F.

(3)

Due to the large range of liquid velocities during flows, the turbulence formation process was included in the modeling. For this purpose, the k–ε model turbulence kinetic energy k and turbulence dissipation ε were the target parameters, as expressed by the following equations [21]:

∂(ρk)∂t+∂(ρkvi)∂xi=∂∂xj[(μ+μtσk)⋅∂k∂xi]+Gk+Gb−ρε−Ym+Sk,

(4)

∂(ρε)∂t+∂(ρεui)∂xi=∂∂xj[(μ+μtσε)⋅∂k∂xi]+C1εεk(Gk+G3εGb)+C2ερε2k+Sε,

(5)

where ρ is the gas density, σκ and σε are the Prandtl turbulence numbers, k and ε are constants of 1.0 and 1.3, and Gk and Gb are the kinetic energy of turbulence generated by the average velocity and buoyancy, respectively.

As mentioned earlier, there are two gas phases in the considered problem. In addition to the gas bubbles, which are treated here as particles, there is also air, which surrounds the system. The boundary of phase separation is in this case the free surface of the water. The shape of the free surface can change as a result of the forming velocity field in the liquid. Therefore, it is necessary to use an appropriate approach to free surface tracking. The most commonly used concept in liquid–gas flow modeling is the volume of fluid (VOF) method [22,23], and Flow-3D uses a modified version of this method called TrueVOF. It introduces the concept of the volume fraction of the liquid phase fl. This parameter can be used for classifying the cells of a discrete grid into areas filled with liquid phase (fl = 1), gaseous phase, or empty cells (fl = 0) and those through which the phase separation boundary (fl ∈ (0, 1)) passes (free surface). To determine the local variations of the liquid phase fraction, it is necessary to solve the following continuity equation:

dfldt=0.

(6)

Then, the fluid parameters in the region of coexistence of the two phases (the so-called interface) depend on the volume fraction of each phase.

ρ=flρl+(1−fl)ρg,

(7)

ν=flνl+(1−fl)νg,

(8)

where indices l and g refer to the liquid and gaseous phases, respectively.

The parameter of fluid velocity in cells containing both phases is also determined in the same way.

u=flul+(1−fl)ug.

(9)

Since the processes taking place in the surrounding air can be omitted, to speed up the calculations, a single-phase, free-surface model was used. This means that no calculations were performed in the gas cells (they were treated as empty cells). The liquid could fill them freely, and the air surrounding the system was considered by the atmospheric pressure exerted on the free surface. This approach is often used in modeling foundry and metallurgical processes [24].

2.3.2. Modeling of Gas Bubble Flow 

As stated, a particle model was used to model bubble flow. Spherical particles (gas bubbles) of a given size were randomly generated in the area marked with green in Figure 7b. In the simulations, the gas bubbles were assumed to have diameters of 0.016 and 0.02 m corresponding to the gas flow rates of 10 and 30 dm3·min−1, respectively.

Experimental studies have shown that, as a result of turbulent fluid motion, some of the bubbles may burst, leading to the formation of smaller bubbles, although merging of bubbles into larger groupings may also occur. Therefore, to be able to observe the behavior of bubbles of different sizes (diameter), the calculations generated two additional particle types with diameters twice smaller and twice larger, respectively. The proportion of each species in the system was set to 33.33% (Table 2).

Table 2

Data assumed for calculations.

NoRotor Speed (Rotational Speed)
rpm
Bubbles Diameter
m
Corresponding Gas Flow Rate
dm3·min−1
NoRotor Speed (Rotational Speed)
rpm
Bubbles Diameter
m
Corresponding Gas Flow Rate
dm3·min−1
A2000.01610D2000.0230
0.0080.01
0.0320.04
B3000.01610E3000.0230
0.0080.01
0.0320.04
C5000.01610F5000.0230
0.0080.01
0.0320.04

Open in a separate window

The velocity of the particle results from the generated velocity field (calculated from Equation (3) in the liquid ul around it and its velocity resulting from the buoyancy force ub. The effect of particle radius r on the terminal velocity associated with buoyancy force can be determined according to Stokes’ law.

ub=29 (ρg−ρl)μlgr2,

(10)

where g is the acceleration (9.81).

The DPM model was used for modeling the two-phase (water–air) flow. In this model, the fluid (water) is treated as a continuous phase and described by the Navier–Stokes equation, while gas bubbles are particles flowing in the model fluid (discrete phase). The trajectories of each bubble in the DPM system are calculated at each timestep taking into account the mass forces acting on it. Table 3 characterizes the DPM model used in our own research [18].

Table 3

Characteristic of the DPM model.

MethodEquations
Euler–LagrangeBalance equation:
dugdt=FD(u−ug)+g(ϱg−ϱ)ϱg+F.
FD (u − up) denotes the drag forces per mass unit of a bubble, and the expression for the drag coefficient FD is of the form
FD=18μCDReϱ⋅gd2g24.
The relative Reynolds number has the form
Re≡ρdg|ug−u|μ.
On the other hand, the force resulting from the additional acceleration of the model fluid has the form
F=12dρdtρg(u−ug),
where ug is the gas bubble velocity, u is the liquid velocity, dg is the bubble diameter, and CD is the drag coefficient.

Open in a separate window

Go to:

3. Results and Discussion

3.1. Calculations of Power and Mixing Time by the Flowing Gas Bubbles

One of the most important parameters of refining with a rotor is the mixing power induced by the spinning rotor and the outflowing gas bubbles (via impeller). The mixing power of liquid metal in a ladle of height (h) by gas injection can be determined from the following relation [15]:

pgVm=ρ⋅g⋅uB,

(11)

where pg is the mixing power, Vm is the volume of liquid metal in the reactor, ρ is the density of liquid aluminum, and uB is the average speed of bubbles, given below.

uB=n⋅R⋅TAc⋅Pm⋅t,

(12)

where n is the number of gas moles, R is the gas constant (8.314), Ac is the cross-sectional area of the reactor vessel, T is the temperature of liquid aluminum in the reactor, and Pm is the pressure at the middle tank level. The pressure at the middle level of the tank is calculated by a function of the mean logarithmic difference.

Pm=(Pa+ρ⋅g⋅h)−Paln(Pa+ρ⋅g⋅h)Pa,

(13)

where Pa is the atmospheric pressure, and h is the the height of metal in the reactor.

Themelis and Goyal [25] developed a model for calculating mixing power delivered by gas injection.

pg=2Q⋅R⋅T⋅ln(1+m⋅ρ⋅g⋅hP),

(14)

where Q is the gas flow, and m is the mass of liquid metal.

Zhang [26] proposed a model taking into account the temperature difference between gas and alloy (metal).

pg=QRTgVm[ln(1+ρ⋅g⋅hPa)+(1−TTg)],

(15)

where Tg is the gas temperature at the entry point.

Data for calculating the mixing power resulting from inert gas injection into liquid aluminum are given below in Table 4. The design parameters were adopted for the model, the parameters of which are shown in Figure 5.

Table 4

Data for calculating mixing power introduced by an inert gas.

ParameterValueUnit
Height of metal column0.7m
Density of aluminum2375kg·m−3
Process duration20s
Gas temperature at the injection site940K
Cross-sectional area of ladle0.448m2
Mass of liquid aluminum546.25kg
Volume of ladle0.23M3
Temperature of liquid aluminum941.15K

Open in a separate window

Table 5 presents the results of mixing power calculations according to the models of Themelis and Goyal and of Zhang for inert gas flows of 10, 20, and 30 dm3·min−1. The obtained calculation results significantly differed from each other. The difference was an order of magnitude, which indicates that the model is highly inaccurate without considering the temperature of the injected gas. Moreover, the calculations apply to the case when the mixing was performed only by the flowing gas bubbles, without using a rotor, which is a great simplification of the phenomenon.

Table 5

Mixing power calculated from mathematical models.

Mathematical ModelMixing Power (W·t−1)
for a Given Inert Gas Flow (dm3·min−1)
102030
Themelis and Goyal11.4923.3335.03
Zhang0.821.662.49

Open in a separate window

The mixing time is defined as the time required to achieve 95% complete mixing of liquid metal in the ladle [27,28,29,30]. Table 6 groups together equations for the mixing time according to the models.

Table 6

Models for calculating mixing time.

AuthorsModelRemarks
Szekely [31]τ=800ε−0.4ε—W·t−1
Chiti and Paglianti [27]τ=CVQlV—volume of reactor, m3
Ql—flow intensity, m3·s−1
Iguchi and Nakamura [32]τ=1200⋅Q−0.4D1.97h−1.0υ0.47υ—kinematic viscosity, m2·s−1
D—diameter of ladle, m
h—height of metal column, m
Q—liquid flow intensity, m3·s−1

Open in a separate window

Figure 8 and Figure 9 show the mixing time as a function of gas flow rate for various heights of the liquid column in the ladle and mixing power values.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g008.jpg

Figure 8

Mixing time as a function of gas flow rate for various heights of the metal column (Iguchi and Nakamura model).

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g009.jpg

Figure 9

Mixing time as a function of mixing power (Szekly model).

3.2. Determining the Bubble Size

The mechanisms controlling bubble size and mass transfer in an alloy undergoing refining are complex. Strong mixing conditions in the reactor promote impurity mass transfer. In the case of a spinning rotor, the shear force generated by the rotor motion separates the bubbles into smaller bubbles. Rotational speed, mixing force, surface tension, and liquid density have a strong influence on the bubble size. To characterize the kinetic state of the refining process, parameters k and A were introduced. Parameters kA, and uB can be calculated using the below equations [33].

k=2D⋅uBdB⋅π−−−−−−√,

(16)

A=6Q⋅hdB⋅uB,

(17)

uB=1.02g⋅dB,−−−−−√

(18)

where D is the diffusion coefficient, and dB is the bubble diameter.

After substituting appropriate values, we get

dB=3.03×104(πD)−2/5g−1/5h4/5Q0.344N−1.48.

(19)

According to the last equation, the size of the gas bubble decreases with the increasing rotational speed (see Figure 10).

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g010.jpg

Figure 10

Effect of rotational speed on the bubble diameter.

In a flow of given turbulence intensity, the diameter of the bubble does not exceed the maximum size dmax, which is inversely proportional to the rate of kinetic energy dissipation in a viscous flow ε. The size of the gas bubble diameter as a function of the mixing energy, also considering the Weber number and the mixing energy in the negative power, can be determined from the following equations [31,34]:

  • —Sevik and Park:

dBmax=We0.6kr⋅(σ⋅103ρ⋅10−3)0.6⋅(10⋅ε)−0.4⋅10−2.

(20)

  • —Evans:

dBmax=⎡⎣Wekr⋅σ⋅1032⋅(ρ⋅10−3)13⎤⎦35 ⋅(10⋅ε)−25⋅10−2.

(21)

The results of calculating the maximum diameter of the bubble dBmax determined from Equation (21) are given in Table 7.

Table 7

The results of calculating the maximum diameter of the bubble using Equation (21).

ModelMixing Energy
ĺ (m2·s−3)
Weber Number (Wekr)
0.591.01.2
Zhang and Taniguchi
dmax
0.10.01670.02300.026
0.50.00880.01210.013
1.00.00670.00910.010
1.50.00570.00780.009
Sevik and Park
dBmax
0.10.2650.360.41
0.50.1390.190.21
1.00.1060.140.16
1.50.0900.120.14
Evans
dBmax
0.10.2470.3400.38
0.50.1300.1780.20
1.00.0980.1350.15
1.50.0840.1150.13

Open in a separate window

3.3. Physical Modeling

The first stage of experiments (using the URO-200 water model) included conducting experiments with impellers equipped with four, eight, and 12 gas outlets (variants B4, B8, B12). The tests were carried out for different process parameters. Selected results for these experiments are presented in Figure 11Figure 12Figure 13 and Figure 14.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g011.jpg

Figure 11

Impeller variant B4—gas bubbles dispersion registered for a gas flow rate of 10 dm3·min−1 and rotor speed of (a) 200, (b) 300, (c) 400, and (d) 500 rpm.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g012.jpg

Figure 12

Impeller variant B8—gas bubbles dispersion registered for a gas flow rate of 10 dm3·min−1 and rotor speed of (a) 200, (b) 300, (c) 400, and (d) 500 rpm.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g013.jpg

Figure 13

Gas bubble dispersion registered for different processing parameters (impeller variant B12).

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g014.jpg

Figure 14

Gas bubble dispersion registered for different processing parameters (impeller variant RT3).

The analysis of the refining variants presented in Figure 11Figure 12Figure 13 and Figure 14 reveals that the proposed impellers design model is not useful for the aluminum refining process. The number of gas outlet orifices, rotational speed, and flow did not affect the refining efficiency. In all the variants shown in the figures, very poor dispersion of gas bubbles was observed in the object. The gas bubble flow had a columnar character, and so-called dead zones, i.e., areas where no inert gas bubbles are present, were visible in the analyzed object. Such dead zones were located in the bottom and side zones of the ladle, while the flow of bubbles occurred near the turning rotor. Another negative phenomenon observed was a significant agitation of the water surface due to excessive (rotational) rotor speed and gas flow (see Figure 13, cases 20; 400, 30; 300, 30; 400, and 30; 500).

Research results for a ‘red triangle’ impeller equipped with three gas supply orifices (variant RT3) are presented in Figure 14.

In this impeller design, a uniform degree of bubble dispersion in the entire volume of the modeling fluid was achieved for most cases presented (see Figure 14). In all tested variants, single bubbles were observed in the area of the water surface in the vessel. For variants 20; 200, 30; 200, and 20; 300 shown in Figure 14, the bubble dispersion results were the worst as the so-called dead zones were identified in the area near the bottom and sidewalls of the vessel, which disqualifies these work parameters for further applications. Interestingly, areas where swirls and gas bubble chains formed were identified only for the inert gas flows of 20 and 30 dm3·min−1 and 200 rpm in the analyzed model. This means that the presented model had the best performance in terms of dispersion of gas bubbles in the model liquid. Its design with sharp edges also differed from previously analyzed models, which is beneficial for gas bubble dispersion, but may interfere with its suitability in industrial conditions due to possible premature wear.

3.4. Qualitative Comparison of Research Results (CFD and Physical Model)

The analysis (physical modeling) revealed that the best mixing efficiency results were obtained with the RT3 impeller variant. Therefore, numerical calculations were carried out for the impeller model with three outlet orifices (variant RT3). The CFD results are presented in Figure 15 and Figure 16.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g015.jpg

Figure 15

Simulation results of the impeller RT3, for given flows and rotational speeds after a time of 1 s: simulation variants (a) A, (b) B, (c) C, (d) D, (e) E, and (f) F.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g016.jpg

Figure 16

Simulation results of the impeller RT3, for given flows and rotational speeds after a time of 5.4 s.: simulation variants (a) A, (b) B, (c) C, (d) D, (e) E, and (f) F.

CFD results are presented for all analyzed variants (impeller RT3) at two selected calculation timesteps of 1 and 5.40 s. They show the velocity field of the medium (water) and the dispersion of gas bubbles.

Figure 15 shows the initial refining phase after 1 s of the process. In this case, the gas bubble formation and flow were observed in an area close to contact with the rotor. Figure 16 shows the phase when the dispersion and flow of gas bubbles were advanced in the reactor area of the URO-200 model.

The quantitative evaluation of the obtained results of physical and numerical model tests was based on the comparison of the degree of gas dispersion in the model liquid. The degree of gas bubble dispersion in the volume of the model liquid and the areas of strong turbulent zones formation were evaluated during the analysis of the results of visualization and numerical simulations. These two effects sufficiently characterize the required course of the process from the physical point of view. The known scheme of the below description was adopted as a basic criterion for the evaluation of the degree of dispersion of gas bubbles in the model liquid.

  • Minimal dispersion—single bubbles ascending in the region of their formation along the ladle axis; lack of mixing in the whole bath volume.
  • Accurate dispersion—single and well-mixed bubbles ascending toward the bath mirror in the region of the ladle axis; no dispersion near the walls and in the lower part of the ladle.
  • Uniform dispersion—most desirable; very good mixing of fine bubbles with model liquid.
  • Excessive dispersion—bubbles join together to form chains; large turbulence zones; uneven flow of gas.

The numerical simulation results give a good agreement with the experiments performed with the physical model. For all studied variants (used process parameters), the single bubbles were observed in the area of water surface in the vessel. For variants presented in Figure 13 (200 rpm, gas flow 20 and dm3·min−1) and relevant examples in numerical simulation Figure 16, the worst bubble dispersion results were obtained because the dead zones were identified in the area near the bottom and sidewalls of the vessel, which disqualifies these work parameters for further use. The areas where swirls and gas bubble chains formed were identified only for the inert gas flows of 20 and 30 dm3·min−1 and 200 rpm in the analyzed model (physical model). This means that the presented impeller model had the best performance in terms of dispersion of gas bubbles in the model liquid. The worst bubble dispersion results were obtained because the dead zones were identified in the area near the bottom and side walls of the vessel, which disqualifies these work parameters for further use.

Figure 17 presents exemplary results of model tests (CFD and physical model) with marked gas bubble dispersion zones. All variants of tests were analogously compared, and this comparison allowed validating the numerical model.

An external file that holds a picture, illustration, etc.
Object name is materials-15-05273-g017.jpg

Figure 17

Compilations of model research results (CFD and physical): A—single gas bubbles formed on the surface of the modeling liquid, B—excessive formation of gas chains and swirls, C—uniform distribution of gas bubbles in the entire volume of the tank, and D—dead zones without gas bubbles, no dispersion. (a) Variant B; (b) variant F.

It should be mentioned here that, in numerical simulations, it is necessary to make certain assumptions and simplifications. The calculations assumed three particle size classes (Table 2), which represent the different gas bubbles that form due to different gas flow rates. The maximum number of particles/bubbles (Table 1) generated was assumed in advance and related to the computational capabilities of the computer. Too many particles can also make it difficult to visualize and analyze the results. The size of the particles, of course, affects their behavior during simulation, while, in the figures provided in the article, the bubbles are represented by spheres (visualization of the results) of the same size. Please note that, due to the adopted Lagrangian–Eulerian approach, the simulation did not take into account phenomena such as bubble collapse or fusion. However, the obtained results allow a comprehensive analysis of the behavior of gas bubbles in the system under consideration.

The comparative analysis of the visualization (quantitative) results obtained with the water model and CFD simulations (see Figure 17) generated a sufficient agreement from the point of view of the trends. A precise quantitative evaluation is difficult to perform because of the lack of a refraction compensating system in the water model. Furthermore, in numerical simulations, it is not possible to determine the geometry of the forming gas bubbles and their interaction with each other as opposed to the visualization in the water model. The use of both research methods is complementary. Thus, a direct comparison of images obtained by the two methods requires appropriate interpretation. However, such an assessment gives the possibility to qualitatively determine the types of the present gas bubble dispersion, thus ultimately validating the CFD results with the water model.

A summary of the visualization results for impellers RT3, i.e., analysis of the occurring gas bubble dispersion types, is presented in Table 8.

Table 8

Summary of visualization results (impeller RT3)—different types of gas bubble dispersion.

No Exp.ABCDEF
Gas flow rate, dm3·min−11030
Impeller speed, rpm200300500200300500
Type of dispersionAccurateUniformUniform/excessiveMinimalExcessiveExcessive

Open in a separate window

Tests carried out for impeller RT3 confirmed the high efficiency of gas bubble distribution in the volume of the tested object at a low inert gas flow rate of 10 dm3·min−1. The most optimal variant was variant B (300 rpm, 10 dm3·min−1). However, the other variants A and C (gas flow rate 10 dm3·min−1) seemed to be favorable for this type of impeller and are recommended for further testing. The above process parameters will be analyzed in detail in a quantitative analysis to be performed on the basis of the obtained efficiency curves of the degassing process (oxygen removal). This analysis will give an unambiguous answer as to which process parameters are the most optimal for this type of impeller; the results are planned for publication in the next article.

It should also be noted here that the high agreement between the results of numerical calculations and physical modelling prompts a conclusion that the proposed approach to the simulation of a degassing process which consists of a single-phase flow model with a free surface and a particle flow model is appropriate. The simulation results enable us to understand how the velocity field in the fluid is formed and to analyze the distribution of gas bubbles in the system. The simulations in Flow-3D software can, therefore, be useful for both the design of the impeller geometry and the selection of process parameters.

Go to:

4. Conclusions

The results of experiments carried out on the physical model of the device for the simulation of barbotage refining of aluminum revealed that the worst results in terms of distribution and dispersion of gas bubbles in the studied object were obtained for the black impellers variants B4, B8, and B12 (multi-orifice impellers—four, eight, and 12 outlet holes, respectively).

In this case, the control of flow, speed, and number of gas exit orifices did not improve the process efficiency, and the developed design did not meet the criteria for industrial tests. In the case of the ‘red triangle’ impeller (variant RT3), uniform gas bubble dispersion was achieved throughout the volume of the modeling fluid for most of the tested variants. The worst bubble dispersion results due to the occurrence of the so-called dead zones in the area near the bottom and sidewalls of the vessel were obtained for the flow variants of 20 dm3·min−1 and 200 rpm and 30 dm3·min−1 and 200 rpm. For the analyzed model, areas where swirls and gas bubble chains were formed were found only for the inert gas flow of 20 and 30 dm3·min−1 and 200 rpm. The model impeller (variant RT3) had the best performance compared to the previously presented impellers in terms of dispersion of gas bubbles in the model liquid. Moreover, its design differed from previously presented models because of its sharp edges. This can be advantageous for gas bubble dispersion, but may negatively affect its suitability in industrial conditions due to premature wearing.

The CFD simulation results confirmed the results obtained from the experiments performed on the physical model. The numerical simulation of the operation of the ‘red triangle’ impeller model (using Flow-3D software) gave good agreement with the experiments performed on the physical model. This means that the presented model impeller, as compared to other (analyzed) designs, had the best performance in terms of gas bubble dispersion in the model liquid.

In further work, the developed numerical model is planned to be used for CFD simulations of the gas bubble distribution process taking into account physicochemical parameters of liquid aluminum based on industrial tests. Consequently, the obtained results may be implemented in production practice.

Go to:

Funding Statement

This paper was created with the financial support grants from the AGH-UST, Faculty of Foundry Engineering, Poland (16.16.170.654 and 11/990/BK_22/0083) for the Faculty of Materials Engineering, Silesian University of Technology, Poland.

Go to:

Author Contributions

Conceptualization, K.K. and D.K.; methodology, J.P. and T.M.; validation, M.S. and S.G.; formal analysis, D.K. and T.M.; investigation, J.P., K.K. and S.G.; resources, M.S., J.P. and K.K.; writing—original draft preparation, D.K. and T.M.; writing—review and editing, D.K. and T.M.; visualization, J.P., K.K. and S.G.; supervision, D.K.; funding acquisition, D.K. and T.M. All authors have read and agreed to the published version of the manuscript.

Go to:

Institutional Review Board Statement

Not applicable.

Go to:

Informed Consent Statement

Not applicable.

Go to:

Data Availability Statement

Data are contained within the article.

Go to:

Conflicts of Interest

The authors declare no conflict of interest.

Go to:

Footnotes

Publisher’s Note: MDPI stays neutral with regard to jurisdictional claims in published maps and institutional affiliations.

Go to:

References

1. Zhang L., Xuewei L., Torgerson A.T., Long M. Removal of Impurity Elements from Molten Aluminium: A Review. Miner. Process. Extr. Metall. Rev. 2011;32:150–228. doi: 10.1080/08827508.2010.483396. [CrossRef] [Google Scholar]

2. Saternus M. Impurities of liquid aluminium-methods on their estimation and removal. Met. Form. 2015;23:115–132. [Google Scholar]

3. Żak P.L., Kalisz D., Lelito J., Gracz B., Szucki M., Suchy J.S. Modelling of non-metallic particle motion process in foundry alloys. Metalurgija. 2015;54:357–360. [Google Scholar]

4. Kalisz D., Kuglin K. Efficiency of aluminum oxide inclusions rmoval from liquid steel as a result of collisions and agglomeration on ceramic filters. Arch. Foundry Eng. 2020;20:43–48. [Google Scholar]

5. Kuglin K., Kalisz D. Evaluation of the usefulness of rotors for aluminium refining. IOP Conf. Ser. Mater. Sci. Eng. 2021;1178:012036. doi: 10.1088/1757-899X/1178/1/012036. [CrossRef] [Google Scholar]

6. Saternus M., Merder T. Physical modeling of the impeller construction impact o the aluminium refining process. Materials. 2022;15:575. doi: 10.3390/ma15020575. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

7. Saternus M., Merder T. Physical modelling of aluminum refining process conducted in batch reactor with rotary impeller. Metals. 2018;8:726. doi: 10.3390/met8090726. [CrossRef] [Google Scholar]

8. Saternus M., Merder T., Pieprzyca J. The influence of impeller geometry on the gas bubbles dispersion in uro-200 reactor—RTD curves. Arch. Metall. Mater. 2015;60:2887–2893. doi: 10.1515/amm-2015-0461. [CrossRef] [Google Scholar]

9. Hernández-Hernández M., Camacho-Martínez J., González-Rivera C., Ramírez-Argáez M.A. Impeller design assisted by physical modeling and pilot plant trials. J. Mater. Process. Technol. 2016;236:1–8. doi: 10.1016/j.jmatprotec.2016.04.031. [CrossRef] [Google Scholar]

10. Mancilla E., Cruz-Méndez W., Garduño I.E., González-Rivera C., Ramírez-Argáez M.A., Ascanio G. Comparison of the hydrodynamic performance of rotor-injector devices in a water physical model of an aluminum degassing ladle. Chem. Eng. Res. Des. 2017;118:158–169. doi: 10.1016/j.cherd.2016.11.031. [CrossRef] [Google Scholar]

11. Michalek K., Socha L., Gryc K., Tkadleckova M., Saternus M., Pieprzyca J., Merder T. Modelling of technological parameters of aluminium melt refining in the ladle by blowing of inert gas through the rotating impeller. Arch. Metall. Mater. 2018;63:987–992. [Google Scholar]

12. Walek J., Michalek K., Tkadlecková M., Saternus M. Modelling of Technological Parameters of Aluminium Melt Refining in the Ladle by Blowing of Inert Gas through the Rotating Impeller. Metals. 2021;11:284. doi: 10.3390/met11020284. [CrossRef] [Google Scholar]

13. Michalek K., Gryc K., Moravka J. Physical modelling of bath homogenization in argon stirred ladle. Metalurgija. 2009;48:215–218. [Google Scholar]

14. Michalek K. The Use of Physical Modeling and Numerical Optimization for Metallurgical Processes. VSB; Ostrawa, Czech Republic: 2001. [Google Scholar]

15. Chen J., Zhao J. Light Metals. TMS; Warrendale, PA, USA: 1995. Bubble distribution in a melt treatment water model; pp. 1227–1231. [Google Scholar]

16. Saternus M. Model Matematyczny do Sterowania Procesem Rafinacji Ciekłych Stopów Aluminium Przy Zastosowaniu URO-200. Katowice, Poland: 2004. Research Project Nr 7 T08B 019 21. [Google Scholar]

17. Pietrewicz L., Wężyk W. Urządzenia do rafinacji gazowej typu URO-200 sześć lat produkcji i doświadczeń; Proceedings of the Aluminum Conference; Zakopane, Poland. 12–16 October 1998. [Google Scholar]

18. Flow3d User’s Guide. Flow Science, Inc.; Santa Fe, NM, USA: 2020. [Google Scholar]

19. Sinelnikov V., Szucki M., Merder T., Pieprzyca J., Kalisz D. Physical and numerical modeling of the slag splashing process. Materials. 2021;14:2289. doi: 10.3390/ma14092289. [PMC free article] [PubMed] [CrossRef] [Google Scholar]

20. White F. Fluid Mechanics. McGraw-Hill; New York, NY, USA: 2010. (McGraw-Hill Series in Mechanical Engineering). [Google Scholar]

21. Yang Z., Yang L., Cheng T., Chen F., Zheng F., Wang S., Guo Y. Fluid Flow Characteristic of EAF Molten Steel with Different Bottom-Blowing Gas Flow Rate Distributions. ISIJ. 2020;60:1957–1967. doi: 10.2355/isijinternational.ISIJINT-2019-794. [CrossRef] [Google Scholar]

22. Nichols B.D., Hirt C.W. Methods for calculating multi-dimensional, transient free surface flows past bodies; Proceedings of the First International Conference on Numerical Ship Hydrodynamics; Gaithersburg, MD, USA. 20–22 October 1975. [Google Scholar]

23. Hirt C.W., Nichols B.D. Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries. J. Comput. Phys. 1981;39:201–255. doi: 10.1016/0021-9991(81)90145-5. [CrossRef] [Google Scholar]

24. Szucki M., Suchy J.S., Lelito J., Malinowski P., Sobczyk J. Application of the lattice Boltzmann method for simulation of the mold filling process in the casting industry. Heat Mass Transf. 2017;53:3421–3431. doi: 10.1007/s00231-017-2069-5. [CrossRef] [Google Scholar]

25. Themelis N.J., Goyal P. Gas injection in steelmaking. Candian Metall. Trans. 1983;22:313–320. [Google Scholar]

26. Zhang L., Jing X., Li Y., Xu Z., Cai K. Mathematical model of decarburization of ultralow carbon steel during RH treatment. J. Univ. Sci. Technol. Beijing. 1997;4:19–23. [Google Scholar]

27. Chiti F., Paglianti A., Bujalshi W. A mechanistic model to estimate powder consumption and mixing time in aluminium industries. Chem. Eng. Res. Des. 2004;82:1105–1111. doi: 10.1205/cerd.82.9.1105.44156. [CrossRef] [Google Scholar]

28. Bouaifi M., Roustan M. Power consumption, mixing time and homogenization energy in dual-impeller agitated gas-liquid reactors. Chem. Eng. Process. 2011;40:87–95. doi: 10.1016/S0255-2701(00)00128-8. [CrossRef] [Google Scholar]

29. Kang J., Lee C.H., Haam S., Koo K.K., Kim W.S. Studies on the overall oxygen transfer rate and mixing time in pilot-scale surface aeration vessel. Environ. Technol. 2001;22:1055–1068. doi: 10.1080/09593332208618215. [PubMed] [CrossRef] [Google Scholar]

30. Moucha T., Linek V., Prokopov E. Gas hold-up, mixing time and gas-liquid volumetric mass transfer coefficient of various multiple-impeller configurations: Rushton turbine, pitched blade and techmix impeller and their combinations. Chem. Eng. Sci. 2003;58:1839–1846. doi: 10.1016/S0009-2509(02)00682-6. [CrossRef] [Google Scholar]

31. Szekely J. Flow phenomena, mixing and mass transfer in argon-stirred ladles. Ironmak. Steelmak. 1979;6:285–293. [Google Scholar]

32. Iguchi M., Nakamura K., Tsujino R. Mixing time and fluid flow phenomena in liquids of varying kinematic viscosities agitated by bottom gas injection. Metall. Mat. Trans. 1998;29:569–575. doi: 10.1007/s11663-998-0091-1. [CrossRef] [Google Scholar]

33. Hjelle O., Engh T.A., Rasch B. Removal of Sodium from Aluminiummagnesium Alloys by Purging with Cl2. Aluminium-Verlag GmbH; Dusseldorf, Germany: 1985. pp. 343–360. [Google Scholar]

34. Zhang L., Taniguchi S. Fundamentals of inclusion removal from liquid steel by bubble flotation. Int. Mat. Rev. 2000;45:59–82. doi: 10.1179/095066000101528313. [CrossRef] [Google Scholar]

Best Ultrabooks and Premium Laptops 2021

FLOW-3D 해석용 노트북 선택 가이드

2023년 01월 11일

본 자료는 IT WORLD에서 인용한 자료입니다.

일반적으로 수치해석을 주 업무로 사용하는 경우 노트북을 사용하는 경우는 그리 많지 않습니다. 그 이유는 CPU 성능을 100%로 사용하는 해석 프로그램의 특성상 발열과 부품의 성능 측면에서 데스크탑이나 HPC의 성능을 따라 가기는 어렵기 때문입니다.

그럼에도 불구하고, 이동 편의성이나 발표,  Demo 등의 업무 필요성이 자주 있는 경우, 또는 계산 시간이 짧은 경량 해석을 주로 하는 경우, 노트북이 주는 이점이 크기 때문에 수치해석용 노트북을 고려하기도 합니다.

보통 수치해석용 컴퓨터를 검토하는 경우 CPU의 Core수나 클럭, 메모리, 그래픽카드 등을 신중하게 검토하게 되는데 모든 것이 예산과 직결되어 있기 때문입니다.  따라서 해석용 컴퓨터 구매 시 어떤 것을 선정 우선순위에 두는지에 따라 사양이 달라지게 됩니다.

해석용으로 노트북을 고려하는 경우, 보통 CPU의 클럭은 비교적 선택 기준이 명확합니다. 메모리 또한 용량에 따라 가격이 정해지기 때문에 이것도 비교적 명확합니다. 나머지 가격에 가장 큰 영향을 주는 것이 그래픽카드인데, 이는 그래픽 카드의 경우 일반적인 게임용이나 포토샵으로 일반적인 이미지 처리 작업을 수행하는 그래픽카드와 3차원 CAD/CAE에 사용되는 업무용 그래픽 카드는 명확하게 분리되어 있고, 이는 가격 측면에서 매우 차이가 많이 납니다.

통상 게임용 그래픽카드는 수치해석의 경우 POST 작업시 문제가 발생하는 경우가 종종 발생하기 때문에 일반적으로 선택 우선 순위에서 충분한 확인을 한 후 구입하는 것이 좋습니다.

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 적합합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. FlowSight는 DirectX 11 이상을 지원하는 그래픽 카드에서 가장 잘 작동합니다. 권장 옵션은 NVIDIA의 Quadro K 시리즈와 AMD의 Fire Pro W 시리즈입니다.

특히 엔비디아 쿼드로(NVIDIA Quadro)는 엔비디아가 개발한 전문가 용도(워크스테이션)의 그래픽 카드입니다. 일반적으로 지포스 그래픽 카드가 게이밍에 초점이 맞춰져 있지만, 쿼드로는 다양한 산업 분야의 전문가가 필요로 하는 영역에 광범위한 용도로 사용되고 있습니다. 주로 산업계의 그래픽 디자인 분야, 영상 콘텐츠 제작 분야, 엔지니어링 설계 분야, 과학 분야, 의료 분석 분야 등의 전문가 작업용으로 사용되고 있습니다. 따라서 일반적인 소비자를 대상으로 하는 지포스 그래픽 카드와는 다르계 산업계에 포커스 되어 있으며 가격이 매우 비싸서 도입시 예산을 고려해야 합니다.

MSI, CES 2023서 인텔 코어 i9-13980HX 탑재 노트북 벤치마크 공개

2023.01.11

Mark Hachman  | PCWorld

MSI가 새로운 노트북 CPU 벤치마크, 그리고 그 CPU가 내장돼 있는 신제품 노트북 제품군을 모두 CES 2023에서 공개했다. CES에서 인텔은 노트북용 13세대 코어 칩, 코드명 랩터 레이크와 핵심 제품인 코어 i9-13980HX를 발표했다.

ⓒ PCWorld

새로운 노트북용 13세대 코어 칩이 게임 플레이에서 12% 더 빠르다는 정도의 약간의 정보는 이미 알려져 있다. 사용자가 기다리는 것은 실제 CPU가 탑재된 노트북에서의 성능이지만 보통 벤치마크는 제품 출시가 임박해서야 공개되는 것이 보통이다. 올해는 다르다.

CES 2023에서 MSI는 인텔 최고급 제품군인 코어 i9-13980HX 프로세서가 탑재된 타이탄 GT77 HX과 레이더 GE78 HX를 공개했다. 이례적으로 여기에 더해 PCI 익스프레서 5 SSD의 실제 성능을 측정하는 크리스털디스크마크, 모바일 프로세서 실행 속도를 측정하는 시네벤치 벤치마크 점수도 함께 제공했다. 다음 영상의 결과부터 말하자면 인텔 최신 프로세서를 큰 폭으로 따돌릴 만한 수치다.

https://www.youtube.com/embed/3kvrOIEOUlw

ⓒ PCWorld

MSI는 레이더 GE78 HX 외에도 레이더 GE68 HX 그리고 게이밍 노트북 같지 않은 외관의 스텔스 16 스튜디오, 스텔스 14, 사이보그 14 등 2023년에 출시될 다른 노트북도 전시했다. 오래된 PC 애호가라면 MSI 노트북 전면을 장식한 화려한 복고풍의 라이트 브라이트(Lite Brite) LED를 반가워할지도 모른다. 바닥면 섀시가 투명한 플라스틱 소재로 MSI 로고가 새겨져 있는 제품도 있다. 상세한 가격, 출시일, 사양 등은 추후 공개 예정이다.
editor@itworld.co.kr 

원문보기:
https://www.itworld.co.kr/news/272199#csidx870364b15ea6aa28b53a990bc5c0697 

‘코어 i7 vs. 코어 i9’ 나에게 맞는 고성능 노트북 CP

2021.06.14

고성능 노트북을 구매할 때는 코어 i7과 코어 i9 사이에서 선택의 갈림길에 서게 된다. 코어 i7 CPU도 강력하지만 코어 i9는 최고의 성능을 위해 만들어진 CPU이며 보통 그에 상응하는 높은 가격대로 판매된다.

CPU에 초점을 둔다면 관건은 성능이다. 성능을 좌우하는 두 가지 주요소는 CPU의 동작 클록 속도(MHz), 그리고 탑재된 연산 코어의 수다. 그러나 노트북에서 한 가지 중요한 제약 요소는 냉각이다. 냉각이 제대로 되지 않으면 고성능도 쓸모가 없다. 가장 적합한 노트북 CPU를 결정하는 데 도움이 되도록 인텔의 지난 3개 세대 CPU의 코어 i7과 i9에 대한 정보를 모았다. 최신 세대부터 시작해 역순으로 살펴보자.

11세대: 코어 i9 vs. 코어 i7

인텔의 11세대 타이거 레이크(Tiger Lake) H는 한 가지 큰 이정표를 달성했다. 인텔이 2015년부터 H급 CPU에 사용해 온 14nm 공정을 마침내 최신 10nm 슈퍼핀(SuperFin) 공정으로 바꾼 것이다. 오랫동안 기다려온 변화다.

인텔이 자랑할 만한 10nm 고성능 칩을 내놓자 타이거 레이크 H를 장착한 노트북도 속속 발표됐다. 얇고 가볍고 예상외로 가격도 저렴한 에이서 프레데터 트라이톤(Acer Predator Triton) 300 SE를 포함해 일부는 벌써 매장에 출시됐다. 모든 타이거 레이크 H 칩이 8코어 CPU라는 점도 달라진 부분이다. 이전 세대의 경우 같은 제품군 내에서 코어 수에 차이를 둬 성능 기대치를 구분했다.

클록 차이도 크지 않다. 코어 i7-11800H의 최대 클록은 4.6GHz, 코어 i9-11980HK는 5GHz로, 클록 속도 증가폭은 약 8.6% 차이다. 나쁘지 않은 수치지만 둘 다 8코어 CPU임을 고려하면 대부분의 사용자에게 코어 i9는 큰 매력은 없다.

다만 코어 i9에 유리한 부분을 하나 더 꼽자면 코어 i9-11980HK가 65W의 열설계전력(TDP)을 옵션으로 제공한다는 점이다. 높은 TDP는 최상위 코어 i9에만 제공되는데, 이는 전력 및 냉각 요구사항을 충족하는 노트북에서는 코어 i7 버전보다 더 높은 지속 클록 속도를 제공할 수 있음을 의미한다.

대신 이런 노트북은 두껍고 크기도 클 가능성이 높다. 따라서 두 개의 얇은 랩톱 중에서(하나는 코어 i9, 하나는 코어 i7) 고민하는 사람에겐 열 및 전력 측면의 여유분은 두께와 크기를 희생할 만큼의 가치는 없을 것이다.

*11세대의 승자: 대부분의 사용자에게 코어 i7

10세대: 코어 i9 vs. 코어 i7

인텔은 10세대 코멧 레이크(Comet Lake) H 제품군에서 14nm를 고수했다. 그 대신 코어 i9 CPU 외에 코어 i7에도 8코어 CPU를 도입, 사용자가 비싼 최상위 CPU를 사지 않고도 더 뛰어난 성능을 누릴 수 있게 했다.

11세대 노트북이 나오기 시작했지만 10세대 CPU 제품 중에서도 아직 괜찮은 제품이 많다. 예를 들어 MSI GE76 게이밍 노트북은 빠른 CPU와 고성능 155W GPU를 탑재했고, 전면 모서리에는 RGB 라이트가 달려 있다.

11세대 칩과 마찬가지로 코어와 클록 속도의 차이가 크지 않으므로 대부분의 사용자에게 코어 i7과 코어 i9 간의 차이는 미미하다. 코어 i9-10980HK의 최대 부스트 클록은 5.3GHz, 코어 i7-10870H는 5GHz로, 두 칩의 차이는 약 6%다. PC를 최대 한계까지 사용해야 하는 경우가 아니라면 더 비싼 비용을 들여 10세대 코어 i9를 구매할 이유가 없다.

*10세대 승자: 대부분의 사용자에게 코어 i7

9세대: 코어 i9 대 코어 i7

인텔은 9세대 커피 레이크 리프레시(Coffee Lake Refresh) 노트북 H급 CPU에서 14nm 공정을 계속 유지했다. 코어 i9는 더 높은 클록 속도(최대 5GHz)를 제공하며 8개의 CPU 코어를 탑재했다. 물론 이 칩은 2년 전에 출시됐지만 인텔이 설계를 도운 XPG 제니아(Xenia) 15 등 아직 괜찮은 게이밍 노트북이 있다. 얇고 가볍고 빠르며 엔비디아 RTX GPU를 내장했다.

8코어 4.8GHz 코어 i9-9880HK와 4.6GHz 6코어 코어 i7-9850의 클록 속도 차이는 약 4%로, 실제 사용 시 유의미한 차이로 이어지는 경우는 극소수다. 두 CPU 모두 기업용 노트북에 많이 사용됐다. 대부분의 소비자용 노트북에는 8코어 5GHz 코어 i9-9880HK와 6코어 4.5GHz 코어 i7-9750H가 탑재됐다. 이 두 CPU의 클록 차이는 약 11%로, 이 정도면 유의미한 차이지만 마찬가지로 대부분의 경우 실제로 체감하기는 어렵다.

그러나 코어 수의 차이는 멀티 스레드 애플리케이션에서 큰 체감 효과로 이어지는 경우가 많다. 3D 모델링 테스트인 씨네벤치(Cinebench) R20에서 코어 i9-9980HK를 탑재한 구형 XPS 15의 점수는 코어 i7-9750H를 탑재한 게이밍 노트북보다 42% 더 높았다. 8코어 코어 i9의 발열을 심화하는 무거운 부하에서는 성능 차이가 약 7%로 줄어들었다. 여기에는 노트북의 설계가 큰 영향을 미칠 것이다. 어쨌든 일부 상황에서는 8코어가 6코어보다 유리하다.

또한 수치해석의 경우 결과를 분석하는 작업중의 많은 부분이 POST 작업으로 그래픽처리가 필요하다. 따라서 아래 영상편집을 위한 노트북에 대한 자료도 선택에 도움이 될것으로 보인다.

영상 편집을 위한 최고의 노트북 9선

Brad Chacos, Ashley Biancuzzo, Sam Singleton | PCWorld

2022.12.29

영상을 편집하다 보면 컴퓨터의 여러 리소스를 집약적으로 사용하기 마련이다. 그래서 영상 편집은 대부분 데스크톱 PC에서 하는 경우가 많지만, 노트북에서 영상을 편집하려 한다면 PC만큼 강력한 사양이 뒷받침되어야 한다. 

ⓒ Gordon Mah Ung / IDG

영상 편집용 노트북을 구매할 때 가장 비싼 제품을 선택할 필요는 없다. 사용 환경에 맞게 프로세서, 디스플레이의 품질, 포트 종류 등을 다양하게 고려해야 한다. 다음은 영상 편집에 최적화된 노트북 제품이다. 추천 제품을 확인한 후 영상 편집용 노트북을 테스트하는 팁도 참고하자. 

1. 영상 편집용 최고의 노트북, 델 XPS 17(2022)

ⓒ  IDG

장점
• 가격 대비 강력한 기능
• 밝고 풍부한 색채의 대형 디스플레이
• 썬더볼트 4 포트 4개 제공
• 긴 배터리 수명 
• 시중에서 가장 빠른 GPU인 RTX 3060

단점
• 무겁고 두꺼움
• 평범한 키보드
• USB-A, HDMI, 이더넷 미지원

델 XPS 17(2022)이야말로 콘텐츠 제작에 최적화된 노트북이다. 인텔 12세대 코어 i7-12700H 프로세서 및 엔비디아 지포스 RTX 3060는 편집을 위한 뛰어난 성능을 제공한다. 1TB SSD도 함께 지원되기에 데이터를 옮길 때도 편하다. 

XPS 17은 SD카드 리더, 여러 썬더볼트 4 포트, 3840×2400 해상도의 17인치 터치스크린 패널, 16:10 화면 비율과 같은 영상 편집자에게 필요한 기능을 포함한다. 무게도 2.5kg 대로 비교적 가볍다. 배터리 지속 시간은 한번 충전 시 11시간인데, 이전 XPS 17 버전보다 1시간 이상 늘어난 수치다. 

2. 영상 편집에 최적화된 스크린, 델 XPS 15 9520

ⓒ  IDG

장점
• 뛰어난 OLED 디스플레이
• 견고하고 멋진 섀시(Chassis)
• 강력한 오디오
• 넓은 키보드 및 터치패드

단점
• 다소 부족한 화면 크기
• 실망스러운 배터리 수명
• 시대에 뒤떨어진 웹캠
• 제한된 포트

델 XPS 15 9520은 놀라운 OLED 디스플레이를 갖추고 있으며, 최신 인텔 코어 i7-12700H CPU 및 지포스 RTX 3050 Ti 그래픽이 탑재되어 있다. 컨텐츠 제작 및 영상 편집용으로 가장 선호하는 제품이다. 시스템도 좋지만 투박하면서 금속 소재로 이루어진 외관이 특히 매력적이다. 

15인치 노트북이지만 매일 갖고 다니기에 다소 무거운 것은 단점이다. XPS 17 모델에서 제공되는 포트도 일부 없다. 그러나 멋진 OLED 디스플레이가 단연 돋보이며, 3456X2160 해상도, 16:10 화면 비율, 그리고 매우 선명하고 정확한 색상을 갖추고 있어 좋다. 

3. 최고의 듀얼 모니터 지원, 에이수스 젠북 프로 14 듀오 올레드

ⓒ IDG

장점
• 놀라운 기본 디스플레이와 보기 쉬운 보조 디스플레이 
• 탁월한 I/O 옵션 및 무선 연결
• 콘텐츠 제작에 알맞은 CPU 및 GPU 성능 

단점
• 생산성 노트북 치고는 부족한 배터리 수명
• 작고 어색하게 배치된 트랙패드
• 닿기 어려운 포트 위치

에이수스 젠북 프로 14 듀오(Asus Zenbook Pro 14 Duo OLED)는 일반적이지 않은 노트북이다. 일단 사양은 코어 i7 프로세서, 지포스 RTX 3050 그래픽, 16GB DDR5 메모리, 빠른 1TB NVMe SSD를 포함해 상당한 성능을 자랑한다. 또한 초광도의 547니트로 빛을 발하는 한편 DCI-P3 색영역의 100%를 커버하는 14.5인치 4K 터치 OLED 패널을 갖추고 있다. 사실상 콘텐츠 제작자를 위해 만들어진 제품이라 볼 수 있다.

가장 흥미로운 부분은 키보드 바로 위에 위치한 12.7인치 2880×864 스크린이다. 윈도우에서는 해당 모니터를 보조 모니터로 간주하며, 사용자는 번들로 제공된 에이수스 소프트웨어를 사용해 트랙패드로 사용하거나 어도비 앱을 위한 터치 제어 패널을 표시할 수 있다. 어떤 작업이든 유용하게 써먹을 수 있다.

젠북 프로 14 듀오 올레드는 기본적으로 휴대용이자 중간급 워크스테이션이다. 단, 배터리 수명은 평균 수준이기 때문에 중요한 작업 수행이 필요한 경우, 반드시 충전 케이블을 가지고 다녀야 한다. 그럼에도 불구하고 젠북 프로 14 듀오 올레드는 3D 렌더링 및 인코딩과 같은 작업에서 탁월한 성능을 보여 콘텐츠 제작자들에게 맞춤화 된 컴퓨터이다. 듀얼 스크린은 역대 최고의 기능이다.

4. 영상 편집하기 좋은 포터블 노트북, 레이저 블레이드 14(2021)

ⓒ IDG

장점
• AAA 게임에서 뛰어난 성능
• 훌륭한 QHD 패널
• 유난히 적은 소음 

단점
• 700g으로 무거운 AC 어댑터
• 비싼 가격
• 썬더볼트 4 미지원

휴대성이 핵심 고려 사항이라면, 레이저 블레이드 14(Razer Blade 14) (2021)를 선택해 보자. 노트북 두께는 1.5cm, 무게는 1.7kg에 불과해 비슷한 수준의 노트북보다 훨씬 가볍다. 사양은 AMD의 8-코어 라이젠 9 5900HX CPU, 엔비디아의 8GB 지포스 RTX 3080, 1TB NVMe SSD, 16GB 메모리를 탑재하고 있어 사양도 매우 좋다. 

그러나 휴대성을 대가로 몇 가지 이점을 포기해야 할 수 있다. 일단 14인치 IPS 등급 스크린은 공장에서 보정된 상태로 제공되지만, 최대 해상도는 2560×1440다. 또 풀 DCI-P3 색영역을 지원하지만 4K 영상 편집은 불가능하다. 거기에 레이저 블레이드 14는 SD 카드 슬롯도 없다. 다만 편집 및 렌더링을 위한 강력한 성능을 갖추고 있고 가방에 쉽게 넣을 수 있는 제품인 것은 분명하다. 

5. 배터리 수명이 긴 노트북, 델 인스피론 16

ⓒ Dell

장점
• 넉넉한 16인치 16:10 디스플레이
• 긴 배터리 수명
• 경쟁력 있는 애플리케이션 성능 
• 편안한 키보드 및 거대한 터치패드 
• 쿼드 스피커(Quad speakers)

단점
• GPU 업그레이드 어려움
• 512GB SSD 초과 불가
• 태블릿 모드에서는 어색하게 느껴질 수 있는 큰 스크린 

긴 배터리 수명을 가장 최우선으로 고려한다면, 델 인스피론 16(Dell Inspiron 16)을 살펴보자. 콘텐츠 제작 작업을 하며테스트해보니, 인스피론 16은 한 번 충전으로 16.5시간 동안 이용할 수 있다. 외부에서 작업을 마음껏 편집할 수 있는 시간이다. 그러나 무거운 배터리로 인해 무게가 2.1 kg에 달하므로 갖고 다니기에 적합한 제품은 아니다. 

가격은 저렴한 편이나 몇 가지 단점이 있다. 일단 인텔 코어 i7-1260P CPU, 인텔 아이리스 Xe 그래픽, 16GB 램, 512GB SSD 스토리지를 탑재하고 있다. 이 정도 사양으로 영상 편집 프로젝트 대부분을 작업할 수 있으나, 스토리지 용량이 부족하기 때문에 영상 파일을 저장할 경우 외장 드라이브가 필요하다. 그러나 델 인스피론 16이 진정으로 빛을 발하는 부분은 단연 배터리 수명이다. 또한 강력한 쿼드 스피커 시스템도 사용해 보면 만족할 것이다. 포트의 경우, USB 타입-C 2개, USB-A 3.2 Gen 1 1개, HDMI 1개, SD 카드 리더 1개, 3.5mm 오디오 잭 1개가 제공된다. 

6. 게이밍과 영상 편집 모두에 적합한 노트북, MSI GE76 레이더

ⓒ MSI

장점
• 뛰어난 성능을 발휘하는 12세대 코어 i9-12900HK
• 팬 소음을 크게 줄이는 AI 성능 모드
• 1080p 웹캠과 훌륭한 마이크 및 오디오로 우수한 화상 회의 경험 제공

단점
• 동일한 유형의 세 번째 버전
• 어수선한 UI
• 비싼 가격 

사양이 제일 좋은 제품을 찾고 있을 경우, 크고 무거운 게이밍 노트북을 선택해 보자. MSI GE76 레이더(Raider)는 강력한 14-코어 인텔 코어 i9-12900HK 칩, 175와트의 엔비디아 RTX 3080 Ti가 탑재됐고, 충분한 내부 냉각 성능 덕분에 UL의 프로시온(Procyon) 벤치마크의 어도비 프리미어 테스트에서 다른 노트북보다 훨씬 뛰어난 성능을 보였다. MSI GE76 레이더는 심지어 고속 카드 전송을 위해 PCle 버스에 연결된 SD 익스프레스(SD Express) 카드 리더도 갖추고 있다.

동일한 제품의 작년 모델은 게이머 중심의 360Hz 1080p 디스플레이를 지원한다. 영상 편집 과정에서는 그닥 이상적이지 않은 사양이다. 그러나 2022년의 12UHS 고급 버전은 4K, 120Hz 패널을 추가했는데, 이 패널은 콘텐츠 생성에 맞춰 튜닝 되지는 않았으나 17.3인치의 넓은 스크린 크기이기에 영상 편집자에게 꽤 유용하다. 

7. 가성비 좋은 노트북, HP 엔비 14t-eb000(2021) 

ⓒ IDG

장점
• 높은 가격 대비 우수한 성능
• 환상적인 배터리 수명
• 성능 조절이 감지되지 않을 정도의 저소음 팬 
• 썬더볼트 4 지원

단점
• 약간 특이한 키보드 레이아웃
• 비효율적인 웹캠의 시그니처 기능

가장 빠른 영상 편집 및 렌더링을 원할 경우 하드웨어에 더 많은 비용을 들여야 하지만, 예산이 넉넉하지 않을 때가 있다. 이때 HP 엔비(Envy) 14 14t-eb000) (2021)를 이용해보면 좋다. 가격은 상대적으로 저렴한 편이고 견고한 기본 컨텐츠 제작에 유용하다. 

엔트리 레벨의 지포스 GTX 1650 Ti GPU 및 코어 i5-1135G7 프로세서는 그 자체로 업계 최고 제품은 아니다. 하지만 일반적인 편집 작업을 충분히 수행할 수 있는 사양이다. 분명 가성비 좋은 제품이다. 14인치 1900×1200 디스플레이는 16:10 화면 비율로 생산성을 향상하고, 공장 색 보정과 DCI-P3는 지원하지 않지만 100% sRGB 지원을 제공한다. 그뿐만 아니라, HP 엔비 14의 경우 중요한 SD 카드 및 썬더볼트 포트가 포함되며, 놀라울 정도로 조용하게 실행된다. 

8. 컨텐츠 제작에 알맞은 또다른 게이밍 노트북, 에이수스 ROG 제피러스 S17

장점
• 뛰어난 CPU 및 GPU 성능
• 강력하고 혁신적인 디자인
• 편안한 맞춤형 키보드

단점
• 약간의 압력이 필요한 트랙패드
• 상당히 높은 가격

에이수스 ROG 제피러스(Zephyrus) S17은 영상 편집자의 궁극적인 꿈이다. 이 노트북은 초고속 GPU 및 CPU 성능과 함께 120Hz 화면 재생률을 갖춘 놀라운 17.3인치 4K 디스플레이를 탑재하고 있다. 견고한 전면 금속 섀시, 6개의 스피커 사운드 시스템 및 맞춤형 키보드는 프리미엄급 경험을 더욱 향상한다. 거기다 SD 카드 슬롯 및 풍부한 썬더볼트 포트가 포함되어 있어 더욱 좋다. 그러나 이를 위해 상당한 비용을 지불해야 한다. 예산이 넉넉하고 최상의 제품을 원한다면 제피루스 S17을 선택하면 된다. 

9. 강력한 휴대성을 가진 노트북, XPG 제니아 15 KC 

ⓒ XPG 

장점
• 가벼운 무게
• 조용함
• 상대적으로 빠른 속도

단점
• 중간 수준 이하의 RGB
• 평범한 오디오 성능
• 느린 SD 카드 리더 

사양이 좋은 노트북의 경우, 대부분 부피가 크고 무거워서 종종 2.2kg 또는 2.7kg를 넘기도 한다. XPG 제니아 15 KC(XPG Xenia 15 KC)만은 예외다. XPG 제니아 15 KC의 무게는 1.8kg가 조금 넘는 수준으로, 타제품에 비해 상당히 가볍다. 또한 소음도 별로 없다. 원래 게이밍 노트북 자체가 소음이 크기에 비교해보면 큰 장점이 될 수 있다. 1440p 디스플레이와 상대적으로 느린 SD 카드 리더 성능으로 인해 일부 콘텐츠 제작자들이 구매를 주저할 수 있으나, 조용하고 휴대하기 좋은 제품을 찾고 있다면 제니아 15 KC가 좋은 선택지다. 

영상 편집 노트북 구매 시 고려 사항

영상 편집 노트북 구매 시 고려해야 할 가장 중요한 사항은 CPU 및 GPU다. 하드웨어가 빨라질수록 편집 속도도 빨라진다. 필자는 UL 프로시온 영상 편집 테스트(UL Procyon Video Editing Test)를 통해 속도를 테스트해보았다. 이 벤치마크는 2개의 서로 다른 영상 프로젝트를 가져와 색상 그레이딩 및 전환과 같은 시각적 효과를 적용한 다음, 1080p와 4K 모두에서 H.264, H.265를 사용해 내보내는 작업을 어도비 프리미어가 수행하도록 한다. 

ⓒ Gordon Mah Ung / IDG

성능은 인텔의 11세대 프로세서를 실행하는 크고 무거운 노트북에서 가장 높았고, AMD의 비피 라이젠 9(beefy Ryzen 9) 프로세서를 탑재한 노트북이 바로 뒤를 이었다. 10세대 인텔 칩은 여전히 상당한 점수를 기록하고 있다. 위의 차트에는 없으나 새로운 인텔 12세대 노트북은 더 빨리 실행된다. 최고 성능의 노트북은 모두 최신 인텔 CPU 및 엔비디아의 RTX 30 시리즈 GPU를 결합했는데, 두 기업 모두 어도비 성능 최적화에 많은 시간 및 리소스를 투자했기 때문에 놀라운 일은 아니다. 

GPU는 어도비 프리미어 프로에서 CPU보다 더 중요하지만, 매우 빠르게 수확체감 지점에 다다른다. 최고급 RTX 3080 그래픽을 사용하는 노트북은 RTX 3060 그래픽을 사용하는 노트북보다 영상 편집 속도가 더 빠르나, 속도 차이가 크지는 않다. 델 XPS 17 9710의 점수를 살펴보면, 지포스 RTX 3060 노트북 GPU는 MSI GE76 레이더의 가장 빠른 RTX 3080보다 14% 더 느릴 수 있다. 특히 GE76 레이더가 델 노트북에 비해 얼마나 더 크고 두꺼운지를 고려할 때 수치가 크지는 않다.

일반적으로 그래픽과 영상 편집을 위해 적어도 RTX 3060을 갖추는 것을 권장한다. 그러나 영상 편집은 워크플로에 크게 의존한다. 특정 작업 및 도구는 CPU 집약적이거나 프리미어보다 GPU에 더 의존할 수 있다. 이 경우 원하는 요소의 우선순위를 조정하길 바란다. 앞서 언급한 목록은 기본적으로 여러 요소를 종합적으로 고려해서 만든 내용이다.

인텔 및 엔비디아는 각각 퀵 싱크(Quick Sync) 및 쿠다(CUDA)와 같은 도구를 구축하는 데 수년을 보냈고, 이로 인해 많은 영상 편집 앱의 속도는 크게 향상될 수 있다. AMD 하드웨어는 영상 편집에 적합하나 특히 워크플로가 공급업체별 소프트웨어 최적화에 의존하는 경우, 특별한 이유가 없는 한 인텔 및 엔비디아를 사용하는 것을 추천한다. 

영상 촬영 ⓒ Gordon Mah Ung/IDG

그러나 내부 기능만 신경 써서는 안된다. PC월드의 영상 디렉터인 아담 패트릭 머레이는 “영상 편집에 이상적인 노트북에는 카메라로 촬영 중 영상 파일을 저장하는 SD 카드 리더가 포함되어 있다”라고 강조한다. 또한 머레이는 영상 편집에 이상적인 게임용 노트북에서 흔히 볼 수 있는 초고속 1080p 패널보다 4k, 60Hz 패널을 갖춘 노트북을 선택할 것을 추천한다.

4K 영상을 잘 편집하려면 4K 패널이 필요하며, 초고속 화면 재생률은 게임에서처럼 영상 편집에는 아무런 의미가 없다. 예를 들어, 개인 유튜브 채널용으로 일상적인 영상만 만드는 경우 색상 정확도가 중요하지 않을 수 있다. 그러나 색상 정확도가 중요할 경우, 델타 E < 2 색상 정확도와 더불어 DCI-P3 색 영역 지원은 필수적이다. 

게임용 노트북은 사양이 좋지만 콘텐츠 제작용으로는 조금 부족해 보일 수 있다. 게임용과 콘텐츠 제작용으로 함께 쓰는 노트북을 원한다면, 게임용으로 노트북 한 대를 구매하고, 색상을 정확히 파악하기 위한 모니터를 추가로 구매하는 것도 방법이다. 
editor@itworld.co.kr

원문보기:
https://www.itworld.co.kr/topnews/269913#csidxa12f167cd9eef5abfb1b6d099fb54ea 

그래픽 카드

AMD FirePro Naver Shopping 검색 결과

2021-12-15 기준

현재 NVIDIA Quadro pro graphic card : 네이버 쇼핑 (naver.com)

코어가 많은 그래픽카드의 경우 가격이 상상 이상으로 높습니다. 빠르면 빠를수록 좋겠지만 어디까지나 예산에 맞춰 구매를 해야 하는 현실을 감안할 수 밖에 없는 것 같습니다.

한가지 유의할 점은 엔비디아의 GTX 게이밍 하드웨어는 모델에 따라 다르기는 하지만, 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 이상이어야 하고 1GB이상을 권장합니다.


2021-12-15 현재 그래픽카드의 성능 순위는 위와 다음과 같습니다.
출처: https://www.videocardbenchmark.net/high_end_gpus.html

주요 Notebook

출시된 모든 그래픽 카드가 노트북용으로 장착되어 출시되지는 않기 때문에, 현재 오픈마켓 검색서비스를 제공하는 네이버에서 Lenovo Quadro 그래픽카드를 사용하는 노트북을 검색하면 아래와 같습니다. 검색 시점에 따라 상위 그래픽카드를 장착한 노트북의 대략적인 가격을 볼 수 있을 것입니다.

<검색 방법>
네이버 쇼핑 검색 키워드 : 컴퓨터 제조사 + 그래픽카드 모델 + NoteBook 형태로 검색
Lenovo quadro notebook or HP quadro notebook 또는 Lenovo firepro notebook or HP firepro notebook


( 2021-12-15기준)

대부분 검색 시점에 따라 최신 CPU와 최신 그래픽카드를 선택하여 검색을 하면 예산에 적당한 노트북을 자신에게 맞는 최상의 노트북을 어렵지 않게 선택할 수 있습니다.

(주)에스티아이씨앤디 솔루션사업부

FLOW-3D 수치해석용 컴퓨터 선택 가이드 (update)

Hardware Selection for FLOW-3D Products – FLOW-3D

부분 업데이트 / ㈜에스티아이씨앤디 솔루션사업부

In this blog, Flow Science’s IT Manager Matthew Taylor breaks down the different hardware components and suggests some ideal configurations for getting the most out of your FLOW-3D products.

개요

본 자료는 Flow Science의 IT 매니저 Matthew Taylor가 작성한 자료를 기반으로 STI C&D에서 일부 자료를 보완한 자료입니다. 본 자료를 통해 FLOW-3D 사용자는 최상의 해석용 컴퓨터를 선택할 때 도움을 받을 수 있을 것으로 기대합니다.

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.

FLOW SCIENCE, INC. 에서는 일반적인 FLOW-3D를 지원하는 최소 컴퓨터 사양과 O/S 플랫폼 가이드를 제시하지만, 도입 담당자의 경우, 최상의 조건에서 해석 업무를 수행해야 하기 때문에 가능하면 최고의 성능을 제공하는 해석용 장비 도입이 필요합니다. 이 자료는 2022년 현재 FLOW-3D 제품을 효과적으로 사용하기 위한 하드웨어 선택에 대해 사전에 검토되어야 할 내용들에 대해 자세히 설명합니다. 그리고 실행 중인 시뮬레이션 유형에 따라 다양한 구성에 대한 몇 가지 아이디어를 제공합니다.

CPU 최신 뉴스

2024년 04월 01일 기준

CPU Benchmarks
이미지 출처 : https://www.cpubenchmark.net/high_end_cpus.html

CPU의 선택

CPU는 전반적인 성능에 큰 영향을 미치며, 대부분의 경우 컴퓨터의 가장 중요한 구성 요소입니다. 그러나 데스크탑 프로세서를 구입할 때가 되면 Intel 과 AMD의 모델 번호와 사양을 이해하는 것이 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.

PassMark - CPU Mark
High End CPUs
Updated 31st of March 2024
PassMark – CPU Mark High End CPUs Updated 31st of March 2024

<출처>https://www.cpubenchmark.net/high_end_cpus.html

수치해석을 수행하는 CPU의 경우 예산에 따라 Core가 많지 않은 CPU를 구매해야 하는 경우도 있을 수 있습니다. 보통 Core가 많다고 해석 속도가 선형으로 증가하지는 않으며, 해석 케이스에 따라 적정 Core수가 있습니다. 이 경우 예산에 맞는 성능 대비 최상의 코어 수가 있을 수 있기 때문에 Single thread Performance 도 매우 중요합니다. 아래 성능 도표를 참조하여 예산에 맞는 최적 CPU를 찾는데 도움을 받을 수 있습니다.

CPU 성능 분석 방법

부동소수점 계산을 하는 수치해석과 밀접한 Computer의 연산 성능 벤치마크 방법은 대표적으로 널리 사용되는 아래와 같은 방법이 있습니다.

FLOW-3D의 CFD 솔버 성능은 CPU의 부동 소수점 성능에 전적으로 좌우되기 때문에 계산 집약적인 프로그램입니다. 현재 출시된 사용 가능한 모든 CPU를 벤치마킹할 수는 없지만 상대적인 성능을 합리적으로 비교할 수는 있습니다.

특히, 수치해석 분야에서 주어진 CPU에 대해 FLOW-3D 성능을 추정하거나 여러 CPU 옵션 간의 성능을 비교하기 위한 최상의 옵션은 Standard Performance Evaluation Corporation의 SPEC CPU2017 벤치마크(현재까지 개발된 가장 최신 평가기준임)이며, 특히 SPECspeed 2017 Floating Point 결과가 CFD Solver 성능을 매우 잘 예측합니다.

이는 유료 벤치마크이므로 제공된 결과는 모든 CPU 테스트 결과를 제공하지 않습니다. 보통 제조사가 ASUS, Dell, Lenovo, HP, Huawei 정도의 제품에 대해 RAM이 많은 멀티 소켓 Intel Xeon 기계와 같은 값비싼 구성으로 된 장비 결과들을 제공합니다.

CPU 비교를 위한 또 다른 옵션은 Passmark Software의 CPU 벤치마크입니다. PerformanceTest 제품군은 유료 소프트웨어이지만 무료 평가판을 사용할 수 있습니다. 대부분의 CPU는 저렴한 옵션을 포함하여 나열됩니다. 부동 소수점 성능은 전체 벤치마크의 한 측면에 불과하지만 다양한 워크로드에서 전반적인 성능을 제대로 테스트합니다.

예산을 결정하고 해당 예산에 해당하는 CPU를 선택한 후에는 벤치마크를 사용하여 가격에 가장 적합한 성능을 결정할 수 있습니다.

<참고>

SPEC의 벤치 마크https://www.spec.org/benchmarks.html#cpu )

SPEC CPU 2017 (현재까지 가장 최근에 개발된 CPU 성능측정 기준)

다른 컴퓨터 시스템에서 컴퓨팅 계산에 대한 집약적인 워크로드를 비교하는데 사용할 수 있는 성능 측정을 제공하도록 설계된 SPEC CPU 2017에는 SPECspeed 2017 정수, SPECspeed 2017 부동 소수점, SPECrate 2017 정수 및 SPECrate 2017 부동 소수점의 4 가지 제품군으로 구성된 43 개의 벤치 마크가 포함되어 있습니다. SPEC CPU 2017에는 에너지 소비 측정을 위한 선택적 메트릭도 포함되어 있습니다.

<SPEC CPU 벤치마크 보고서>

벤치마크 결과보고서는 제조사별, 모델별로 테스트한 결과를 아래 사이트에 가면 볼 수 있습니다.

https://www.spec.org/cgi-bin/osgresults

<보고서 샘플>

  • SPEC CPU 2017

Designed to provide performance measurements that can be used to compare compute-intensive workloads on different computer systems, SPEC CPU 2017 contains 43 benchmarks organized into four suites: SPECspeed 2017 Integer, SPECspeed 2017 Floating Point, SPECrate 2017 Integer, and SPECrate 2017 Floating Point. SPEC CPU 2017 also includes an optional metric for measuring energy consumption.

클럭 대 코어

일반적으로 클럭 속도가 높은 칩은 CPU 코어를 더 적게 포함합니다. FLOW-3D는 병렬화가 잘되어 있지만, 디스크 쓰기와 같이 일부 작업은 기본적으로 단일 스레드 방식으로 수행됩니다. 따라서 데이터 출력이 빈번하거나 큰 시뮬레이션은 종종 더 많은 코어가 아닌, 더 높은 클럭 속도를 활용합니다. 마찬가지로 코어 및 소켓의 다중 스레딩은 오버헤드를 발생시키므로 작은 문제의 해석일 경우 사용되는 코어 수를 제한하면 성능이 향상될 수 있습니다.

CPU 아키텍처

CPU 아키텍처는 중요합니다. 최신 CPU는 일반적으로 사이클당 더 많은 기능을 제공합니다. 즉, 현재 세대의 CPU는 일반적으로 동일한 클럭 속도에서 이전 CPU보다 성능이 우수합니다. 또한 전력 효율이 높아져 와트당 성능이 향상될 수 있습니다. Flow Science에는 구형 멀티 소켓 12, 16, 24 코어 Xeon보다 성능이 뛰어난 최근 세대 10~12 Core i9 CPU 시스템을 보유하고 있습니다.

오버클럭

해석용 장비에서는 CPU를 오버클럭 하지 않는 것이 좋습니다. 하드웨어를 다년간의 투자라고 생각한다면, 오버클럭화는 발열을 증가시켜 수명을 단축시킵니다. CPU에 따라 안정성도 저하될 수 있습니다. CPU를 오버클럭 할 때는 세심한 열 관리가 권장됩니다.

하이퍼스레딩

<이미지출처:https://gameabout.com/krum3/4586040>

하이퍼스레딩은 물리적으로 1개의 CPU를 가상으로 2개의 CPU처럼 작동하게 하는 기술로 파이프라인의 단계수가 많고 각 단계의 길이가 짧을때 유리합니다. 다만 수치해석 처럼 모든 코어의 CPU를 100% 사용중인 장시간 수행 시뮬레이션은 일반적으로 Hyper Threading이 비활성화 된 상태에서 더 잘 수행됩니다. FLOW-3D는 100% CPU 사용률이 일반적이므로 새 하드웨어를 구성할 때 Hyper Threading을 비활성화하는 것이 좋습니다. 설정은 시스템의 BIOS 설정에서 수행합니다.

몇 가지 워크로드의 경우에는 Hyper Threading을 사용하여 약간 더 나은 성능을 보이는 경우가 있습니다. 따라서, 최상의 런타임을 위해서는 두 가지 구성중에서 어느 구성이 더 적합한지 시뮬레이션 유형을 테스트하는 것이 좋습니다.

스케일링

여러 코어를 사용할 때 성능은 선형적이지 않습니다. 예를 들어 12 코어 CPU에서 24 코어 CPU로 업그레이드해도 시뮬레이션 런타임이 절반으로 줄어들지 않습니다. 시뮬레이션 유형에 따라 16~32개 이상의 CPU 코어를 선택할 때는 FLOW-3D 및 FLOW-3D CAST의 HPC 버전을 사용하거나 FLOW-3D CLOUD로 이동하는 것을 고려하여야 합니다.

AMD Ryzen 또는 Epyc CPU

AMD는 일부 CPU로 벤치마크 차트를 석권하고 있으며 그 가격은 매우 경쟁력이 있습니다. FLOW SCIENCE, INC. 에서는 소수의 AMD CPU로 FLOW-3D를 테스트했습니다. 현재 Epyc CPU는 이상적이지 않고 Ryzen은 성능이 상당히 우수합니다. 발열은 여전히 신중하게 다뤄져야 할 문제입니다.

<관련 기사>

https://www.techspot.com/news/78122-report-software-fix-can-double-threadripper-2990wx-performance.html

Graphics 고려 사항

FLOW-3D는 OpenGL 드라이버가 만족스럽게 수행되는 최신 그래픽 카드가 필요합니다. 최소한 OpenGL 3.0을 지원하는 것이 좋습니다. 권장 옵션은 엔비디아의 쿼드로 K 시리즈와 AMD의 파이어 프로 W 시리즈입니다.

특히 엔비디아 쿼드로(NVIDIA Quadro)는 엔비디아가 개발한 전문가 용도(워크스테이션)의 그래픽 카드입니다. 일반적으로 지포스 그래픽 카드가 게이밍에 초점이 맞춰져 있지만, 쿼드로는 다양한 산업 분야의 전문가가 필요로 하는 영역에 광범위한 용도로 사용되고 있습니다. 주로 산업계의 그래픽 디자인 분야, 영상 콘텐츠 제작 분야, 엔지니어링 설계 분야, 과학 분야, 의료 분석 분야 등의 전문가 작업용으로 사용되고 있습니다. 따라서 일반적인 소비자를 대상으로 하는 지포스 그래픽 카드와는 다르계 산업계에 포커스 되어 있으며 가격이 매우 비싸서 도입시 예산을 고려해야 합니다.

유의할 점은 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.

PassMark - G3D Mark
High End Videocards
PassMark – G3D Mark High End Videocards

출처 : https://www.videocardbenchmark.net/high_end_gpus.html

원격데스크탑 사용시 고려 사항

Flow Science는 nVidia 드라이버 버전이 341.05 이상인 nVidia Quadro K, M 또는 P 시리즈 그래픽 하드웨어를 권장합니다. 이 카드와 드라이버 조합을 사용하면 원격 데스크톱 연결이 완전한 3D 가속 기능을 갖춘 기본 하드웨어에서 자동으로 실행됩니다.

원격 데스크톱 세션에 연결할 때 nVidia Quadro 그래픽 카드가 설치되어 있지 않으면 Windows는 소프트웨어 렌더링을 사용합니다. FLOW-3D 가 소프트웨어 렌더링을 사용하고 있는지 확인하려면 FLOW-3D 도움말 메뉴에서 정보를 선택하십시오. GDI Generic을 소프트웨어 렌더링으로 사용하는 경우 GL_RENDERER 항목에 표시됩니다.

하드웨어 렌더링을 활성화하는 몇 가지 옵션이 있습니다. 쉬운 방법 중 하나는 실제 콘솔에서 FLOW-3D를 시작한 다음 원격 데스크톱 세션을 연결하는 것입니다. Nice Software DCV 와 같은 일부 VNC 소프트웨어는 기본적으로 하드웨어 렌더링을 사용합니다.

RAM 고려 사항

프로세서 코어당 최소 4GB의 RAM은 FLOW-3D의 좋은 출발입니다. POST Processor를 사용하여 후처리 작업을 할 경우 충분한 양의 RAM을 사용하는 것이 좋습니다.

현재 주력제품인 DDR4보다 2배 빠른 DDR5가 곧 출시된다는 소식도 있습니다.

일반적으로 FLOW-3D를 이용하여 해석을 할 경우 격자(Mesh)수에 따라 소요되는 적정 메모리 크기는 아래와 같습니다.페이지 보기

  • 초대형 (2억개 이상의 셀) : 최소 128GB
  • 대형 (60 ~ 1억 5천만 셀) : 64 ~ 128GB
  • 중간 (30-60백만 셀) : 32-64GB
  • 작음 (3 천만 셀 이하) : 최소 32GB

HDD 고려 사항

수치해석은 해석결과 파일의 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.

CPU와 저장장치 간 데이터가 오고 가는 통로가 그림과 같이 3가지 방식이 있습니다. 이를 인터페이스라 부르며 SSD는 흔히 PCI-Express 와 SATA 통로를 이용합니다.

흔히 말하는 NVMe는 PCI-Express3.0 지원 SSD의 경우 SSD에 최적화된 NVMe (NonVolatile Memory Express) 전송 프로토콜을 사용합니다. 주의할 점은 MVMe중에서 SATA3 방식도 있기 때문에 잘 구별하여 구입하시기 바랍니다.

그리고 SSD를 선택할 경우에도 SSD 종류 중에서 PCI Express 타입은 매우 빠르고 가격이 고가였지만 최근에는 많이 저렴해졌습니다. 따라서 예산 범위내에서 NVMe SSD등 가장 효과적인 선택을 하는 것이 좋습니다.
( 참고 : 해석용 컴퓨터 SSD 고르기 참조 )

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 읽기까지 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.

PassMark – Disk Rating High End Drives

PassMark - Disk Rating
High End Drives
PassMark – Disk Rating High End Drives

출처 : https://www.harddrivebenchmark.net/high_end_drives.html

상기 벤치마크 테스트는 테스트 조건에 따라 그 성능 곡선이 달라질 수 있기 때문에 조건을 확인할 필요가 있습니다. 예를 들어 Windows7, windows8, windows10 , windows11 모두에서 테스트한 결과를 평균한 점수와 자신이 사용할 컴퓨터 O/S에서 테스트한 결과는 다를 수 있습니다. 상기 결과에 대한 테스트 환경에 대한 내용은 아래 사이트를 참고하시기 바랍니다.

참고 : 테스트 환경

페이지 보기

Fig. 2. Schematic indication of the separate parts comprising the rotary kiln model, together with the energy fluxes from Eq. (1).

화염 모델링, 열 전달 및 클링커 화학을 포함한 시멘트 가마에 대한 CFD 예측

E Mastorakos Massias 1C.D Tsakiroglou D.A Goussis V.N Burganos A.C Payatakes 2

Abstract

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 방사선에 대한 Monte Carlo 방법, 가마 벽의 에너지 방정식에 대한 유한 체적 코드 및 클링커에 대한 화학 반응을 포함한 에너지 보존 방정식 및 종에 대한 새로운 코드. 기상의 온도 장, 벽으로의 복사 열유속, 가마 및 클링커 온도에 대한 예측 간의 반복적인 절차는 내부 벽 온도의 분포를 명시적으로 예측하는 데 사용됩니다. 여기에는 열 흐름 계산이 포함됩니다. 수갑. 가스와 가마 벽 사이의 주요 열 전달 모드는 복사에 의한 것이며 내화물을 통해 환경으로 손실되는 열은 입력 열의 약 10%이고 추가로 40%는 장입 가열 및 클링커 형성. 예측은 실제 규모의 시멘트 가마에서 경험과 제한된 측정을 기반으로 한 경향과 일치합니다.

키워드

산업용 CFD, 로타리 가마, 클링커 형성, 복사 열전달, Industrial CFD, Rotary kilns, Clinker formation, Radiative heat transfer

1 . 소개

시멘트 산업은 에너지의 주요 소비자이며, 미국에서 산업 사용자의 총 화석 연료 소비량의 약 1.4%를 차지하며 [1] 일반적인 비에너지 사용량은 제조된 클링커 1kg당 약 3.2MJ [2] 입니다. CaCO 3  →  CaO  +  CO 2 반응이 일어나기 때문입니다., 클링커 형성의 첫 번째 단계는 높은 흡열성입니다. 시멘트 가마에서 에너지를 절약하기 위한 현재의 경향은 일반적으로 길이가 약 100m이고 직경이 약 5m인 회전 실린더인 가마를 떠나는 배기 가스로부터 에너지를 보다 효율적으로 회수하는 것과 저열량 연료의 사용에 중점을 둡니다. 값. 2-5초 정도의 화염 체류 시간을 허용하고 2200K의 높은 온도에 도달하는 회전 가마의 특성은 또한 시멘트 가마를 유기 폐기물 및 용제에 대한 상업용 소각로에 대한 경쟁력 있는 대안으로 만듭니다 [3]. 클링커의 형성이 이러한 2차 액체 연료의 사용으로 인한 화염의 변화로부터 어떤 식으로든 영향을 받지 않도록 하고, 대기 중으로 방출되는 오염 물질의 양에 대한 현재 및 미래 제한을 준수할 수 있도록, 화염 구조의 세부 사항과 화염에서 고체 충전물로의 열 전달을 더 잘 이해할 필요가 있습니다.

최근 시멘트 가마 4 , 5 , 6 , 7 에서 유동장 및 석탄 연소의 이론적 모델링복사 열 전달을 포함한 전산 유체 역학(CFD) 코드를 사용하여 달성되었습니다. 이러한 결과는 시멘트 가마에 대한 최초의 결과였으며 화염 길이, 산소 소비 등과 관련하여 실험적으로 관찰된 경향을 재현했기 때문에 그러한 코드가 수용 가능한 정확도로 대규모 산업용 용광로에 사용될 수 있음을 보여주었습니다. 킬른과 클링커는 포함하지 않았고, 벽온도의 경계조건은 가스온도와 용액영역의 열유속에 영향을 미치므로 계산에 필요한 경계조건은 예측하지 않고 실험적 측정에 기초하였다. 기상에 대한 CFD 솔루션은 앞으로의 주요 단계이지만 회전 가마를 포괄적으로 모델링하는 데만으로는 충분하지 않습니다.

내화물의 열 전달과 전하에 대한 세부 사항은 다양한 저자 8 , 9 , 10 , 11에 의해 조사되었습니다 . 충전물(보통 잘 혼합된 것으로 가정)은 노출된 표면에 직접 복사되는 열 외에도 전도에 의해 가마 벽에서 가열됩니다. 가장 완전한 이론적 노력에서, 가마 벽 (내화물)에 대한 3 차원 열전도 방정식을 해결하고, 두 개 또는 세 개의 인접하는 영역으로 한정 한 좌표 축 방향에서 어느 방사선 방사선 열전달 영역 모델과 결합 [ 10] 또는 자세히 해결 [11]. 그러나 클링커 형성 중에 일어나는 화학 반응은 고려되지 않았고 기체 상이 균일한 온도로 고정되어 필요한 수준의 정확도로 처리되지 않았습니다.

최종적으로 연소에 의해 방출되는 에너지(일부)를 받는 고체 전하가 화학 반응을 거쳐 최종 제품인 클링커를 형성합니다. 이것들은 [12]에 설명된 주요 특징에 대한 단순화된 모델과 함께 시멘트 화학 문헌에서 광범위한 조사의 주제였습니다 . 그 작업에서, 고체 온도 및 조성의 축 방향 전개를 설명하는 odes가 공식화되고 해결되었지만, 전하에 대한 열유속 및 따라서 클링커 형성 속도를 결정하는 가스 및 벽 온도는 1차원으로 근사되었습니다. 자세한 화염 계산이 없는 모델.

화염, 벽 및 장입물에 대한 위의 이론적 모델 중 어느 것도 회전식 가마 작동을 위한 진정한 예측 도구로 충분하지 않다는 것이 분명합니다. 국부 가스 온도(CFD 계산 결과 중 하나)는 벽 온도에 크게 의존합니다. 클링커 형성은 에너지를 흡수하므로 지역 가스 및 벽 온도에 따라 달라지며 둘 다 화염에 의존합니다. 벽은 화염에서 클링커로의 순 열 전달에서 “중개자” 역할을 하며, 내화재 두께에 따라 환경으로 피할 수 없는 열 손실이 발생합니다. 이러한 상호 의존성은 가마의 거동에 중요하며 개별 프로세스를 개별적으로 계산하는 데 중점을 두었기 때문에 문헌에서 발견된 수학적 모델로는 다루기 어렵습니다.

본 논문에서 우리는 위에 설명된 유형의 세 가지 개별 모델을 결합하여 수행되는 회전식 시멘트 가마에서 발생하는 대부분의 공정에 대한 포괄적인 모듈식 모델을 제시합니다. 우리 작업은 4 , 5 , 6 , 7 에서와 같이 석탄 연소를 위한 다차원 CFD 코드로 기체 상태를 처리합니다 . 10 , 11 에서와 같이 가마 벽의 3차원 열전도 방정식을 풉니다 . 9 , 12 와 유사한 모델로 잘 혼합된 전하 온도 및 조성을 해결합니다.. 3개의 모듈(화염, 벽, 전하)은 내화물에 입사하는 열유속의 축 분포에 대해 수렴이 달성될 때까지 반복적으로 계산됩니다. 충전 온도 및 구성. 따라서 이전 작업에 비해 현재의 주요 이점은 완전성에 있습니다. 이는 가스-킬른-클링커 시스템의 다양한 부분에서 에너지 흐름의 정량화를 통해 킬른 작동에 대한 더 나은 이해를 가능하게 하고 여기에서 사용된 방법을 건조 및 소각과 같은 다른 회전 킬른 응용 분야에 적용할 수 있게 합니다.

이 문서의 특정 목적은 회전식 시멘트 가마에 대한 포괄적인 모델을 제시하고 화염에서 클링커로의 에너지 플럭스와 가마에서 열 손실을 정량화하는 것입니다. 이 문서의 나머지 부분은 다음과 같이 구성됩니다. 2장 에서는 다양한 모델과 해법을 제시하고 3장 에서는 그 결과를 제시하고 논의한다 . 여기에는 본격적인 회전식 시멘트 가마의 제한된 측정값과의 비교가 포함됩니다. 이 논문은 가장 중요한 결론의 요약으로 끝납니다.

2 . 모델 공식화

2.1 . 개요

Fig. 1 은 시멘트 로터리 킬른의 단면을 보여준다. 가마의 회전은 전하의 움직임을 유도하여 후자를 대략적으로 잘 혼합되도록 합니다 [10] , 여기에서 채택할 가정입니다. 우리는 이 코팅을 클링커와 유사한 물리적 특성의 고체 재료로 모델링하여 가마 내화물에 부착된 클링커의 존재를 허용할 것입니다. 우리는 이 층의 두께가 가마를 따라 균일하다고 가정합니다. 이것은 아마도 지나치게 단순화한 것일 수 있지만 관련 데이터를 사용할 수 없습니다. 모델 설명을 진행하기 전에 그림 2 에 개략적으로 표시된 회전식 가마의 다양한 에너지 흐름을 이해하는 것이 중요합니다 .

석탄 연소에 의해 방출되는 에너지(단위 시간당)( 석탄 )는 배기 가스(Δ 가스 )와 함께 가마 밖으로 흘러 가마 벽에 직접 복사( rad ) 및 대류( conv )됩니다. 공급 및 배기 덕트( rad,1  + rad,2 ) 에 대한 축 방향의 복사에 의해 작은 부분이 손실됩니다 . 전하 가마 시스템은 복사( rad ) 및 대류( conv )에 의해 가스로부터 에너지(Δ cl )를 흡수 하고 주변으로 열을 잃습니다( Q 손실 ). 전체 에너지 균형에서 개별 항의 계산, 즉(1a)큐석탄=ΔH가스-Q라드-Q전환-Q일, 1-Q일, 2,(1b)큐라드+Q전환=ΔH클+Q손실여기에서 다음 섹션에 설명된 대로 가스, 가마 및 클링커에 대한 이산화 에너지를 국부적으로 해결함으로써 수행됩니다.

2.2 . CFD 코드

가스 운동량, 종 농도 및 에너지의 Favre 평균 방정식은 표준 k – ε 모델을 사용하여 방사 모듈(RAD-3D)과 함께 상업적으로 이용 가능한 축대칭 CFD 코드(FLOW-3D)에 의해 해결됩니다. [13] . 기하학이 실제로 3차원이고 벽 온도의 각도 분포가 존재하지만 합리적인 시간과 현재 워크스테이션에서 완전한 3으로 솔루션을 얻을 수 있도록 기체상을 축대칭으로 취급합니다. -D를 요구하는 해상도로 계산하려면 슈퍼컴퓨터에 의존해야 합니다. FLOW-3D에서 사용되는 다양한 하위 모델의 일부 기능과 벽 경계 조건에 대한 특수 처리는 다음과 같습니다.

2.2.1 . 석탄 연소

Rossin-Rammler 크기 분포(45μm 평균 직경, 1.3 지수 [6] )를 따르는 석탄 입자 는 CPU 시간을 줄이기 위해 솔루션 영역(즉, 확률적 구성 요소 없이)에서 결정론적으로 추적되었지만 분산을 과소 평가하는 단점이 있습니다 . 14] . 입자는 2-반응 모델에 따라 휘발되도록 허용되었고 휘발성 연소는 무한히 빠른 것으로 간주되었습니다. 석탄 연소에 대한 설명의 세부 사항은 FLOW-3D에서 석탄 휘발 및 열분해의 “표준” 상수 집합이 합리적인 결과를 제공하고 Ref. [5] .

2.2.2 . 복사와 대류

가스의 복사 강도는 RAD-3D 모듈을 사용하여 80,000개의 입자로 Monte-Carlo 방법으로 계산되었습니다. 가마는 반경 방향으로 7개, 축 방향으로 19개(크기가 0.1  ×  1.0 m와 0.2  ×  5.0 m 사이)로 불균일한 구역으로 나뉘었으며 각 구역 에서 방사선 강도가 균일하다고 가정했습니다. 방사선 모듈의 출력은 내부적으로 FLOW-3D에 대한 유체 계산에 인터페이스되고 외부적으로 벽 및 클링커에 대한 코드에 인터페이스되었습니다( 섹션 2.3 섹션 2.4 참조). 방사선 패키지의 이산화된 구역은 CFD 그리드의 셀보다 훨씬 커야 하므로 구역에 온도 평균이 형성될 수 있는 많은 셀이 포함될 수 있다는 점을 이해하는 것이 중요합니다. 상대적으로 조잡한 복사 구역의 분해능과 Monte-Carlo 방법의 통계적 특성은 구역의 복사 열유속이 더 미세한 구역화 및 더 많은 입자로 몇 번의 실행에 의해 결정된 바와 같이 최대 약 10%까지 부정확할 수 있음을 의미합니다. 또한 경계면에 입사하는 열유속은 영역 크기보다 미세한 분해능으로 결정할 수 없으므로 복사 열유속은 벽에 인접한 19개 영역 각각의 중심에서만 계산됩니다. 0.15m -1 의 흡수 계수는 Ref.[11] . 엄밀히 말하면, 흡수 계수는 국부적 가스 조성과 온도의 함수이므로 균일하지 않아야 합니다. 그러나 가스 조성은 가마의 일부만 차지하는 화염 내에서만 변 하므로( 3절 참조 ) 균일한 흡수 계수를 가정하는 것이 합리적입니다. 또한, 현재 버전의 소프트웨어는 FLOW-3D의 반복 프로세스 동안 이 요소의 자동 재조정을 허용하지 않습니다. 여기서 로컬 가스 특성이 계산되므로 일정하고 균일한 흡수 계수가 필요합니다.

최종적으로, 벽에서 대류 열전달이 플로우 3D 패키지에서 표준 출력 표준 “벽 기능”제형에 혼입 난류 경계층에 대한 식에 기초하고,의 속도 경계 조건과 유사한 K – ε 모델. FLOW-3D 및 RAD-3D에서 입력으로 사용하고 출력으로 계산된 다양한 양은 그림 3에 개략적으로 표시 됩니다.

2.2.3 . 그리드

반경 방향 47개, 축 방향 155개 노드를 갖는 불균일한 격자를 사용하였으며 격자 독립성 연구를 수행한 결과 충분하다고 판단하였다. 유사한 크기의 그리드도 Refs에서 적절한 것으로 밝혀졌습니다. 4 , 5 , 6 , 7 . 매우 높은 축 방향 및 소용돌이 속도로 인해 석탄 버너 유정에 가까운 지역을 해결하기 위해 특별한 주의를 기울였습니다. HP 715/100MHz 워크스테이션에서 이 그리드의 일반적인 CPU 시간은 10시간이었습니다.

2.2.4 . 경계 조건

벽 온도에 대한 경계 조건은 기체상 및 복사 솔버 모두에 필요하다는 것을 인식하는 것이 중요합니다. 아래에서는 4 , 5 , 6 , 7 을 규정하기 보다는 축대칭 그리드에 대한 이 온도 분포를 예측하는 대략적인 방법을 설명합니다 .

내벽 온도 w ( in , x , ϕ ) 의 각도 분포 가 알려져 있다고 가정합니다 . 그런 다음 전체 3차원 문제를 “동등한” 축대칭 문제로 줄이기 위해 가상의 내벽 온도 RAD ( x )는(2)2πε에티4라드(x) = ε클∫0ㄷ티4클(엑스)디ϕ + ε에∫ㄷ2π티4에(아르 자형~에, x, ϕ)디ϕ”효과적인” 경계 조건으로 사용할 수 있습니다. RAD ( x )는 방위각으로 평균화된 “복사 가중” 온도입니다. 필요한 경계 조건으로 이 온도를 사용하는 것은 복사가 열 전달을 지배한다는 기대에 의해 동기가 부여됩니다(후반부 확인, 섹션 3.4 ). 따라서 전체 3차원 문제와 이 “유효한” 축대칭 문제에서 가스에서 가마로의 전체 에너지 흐름은 거의 동일할 것으로 예상됩니다.  의 사용 (2) 축대칭 코드로 기체상 및 복사장을 계산할 수 있으므로 엔지니어링 워크스테이션을 사용하여 문제를 다루기 쉽습니다.

고려되는 가마의 규모와 온도에서 가스는 광학적으로 두꺼운 것으로 간주될 수 있습니다. 솔루션(나중에 제시됨)은 평균 경로 길이(즉, “광자”의 모든 에너지가 흡수되기 전의 평균 길이)가 약 3.2m임을 보여주며, 이는 가마 내경 4.1m보다 작습니다. 이것은 내벽에 입사하는 복사 플럭스가 국부적 벽과 가스 온도에 강하게 의존하고 더 먼 축 또는 방위각 위치에서 벽의 온도에 약하게만 의존함을 의미합니다. 이것은 기체상에 사용된 축대칭 근사에 대한 신뢰를 줍니다. 그것은 또한 Refs의 “구역 방법”을 의미합니다. 8 , 9 , 10표면에 입사하는 방사선이 1-2 구역 길이보다 더 먼 축 위치와 무관한 것으로 간주되는 경우에는 충분했을 것입니다.

2.3 . 가마 온도

내부 소성로 표면 온도 w ( in , x , ϕ )는 Eq. 에서 필요합니다 (2) 및 가마 벽 에너지 방정식의 솔루션 결과의 일부입니다. 각속도 ω로 회전하는 좌표계 에서 후자는 [10] 이 됩니다 .(3)ω∂(ϱ에씨피티에)∂ϕ=1아르 자형∂∂아르 자형에게에아르 자형∂티에∂아르 자형+1아르 자형2∂∂ϕ에게에∂티에∂ϕ+∂∂엑스에게에∂티에∂엑스경계 조건에 따라(3a)r=R~에,Θ<ϕ⩽2π:에게∂티에∂아르 자형=q라드(x)+q전환(엑스),(3b)r=R~에, 0 <ϕ⩽Θ:에게∂티에∂아르 자형=qw–cl(x, ϕ) = hw–cl티클(x)-T에(아르 자형~에, x, ϕ),(3c)r=R밖, 0 <ϕ⩽2π:.케이∂티에∂아르 자형=h쉿티쉿-T∞+ ε쉿티4쉿-T4∞.

전도도, 밀도 및 비열용량에 대한 값은 실제 가마에 사용되는 내화물 재료에 대한 제조업체 정보에서 가져옵니다 [15] . 외부 쉘 온도 sh = w ( out , x , ϕ )는 x 및 ϕ 에 따라 달라질 수 있습니다 .

위 방정식에 대한 몇 가지 의견이 있습니다. 에서는 식. (3a) 에서 열유속의 방위각 의존성이 제거되었습니다. 이전에 언급했듯이 흐름은 광학적으로 두꺼운 것으로 간주됩니다. 즉, 화염이 너무 방사되고 너무 넓기 때문에 벽면 요소가 화염을 가로질러 반대쪽 벽을 “보지” 않습니다. 따라서 rad ( x , ϕ ) 의 계산은 다른 각도 위치로부터의 복사를 포함할 필요 없이 가스 ( r , x ) 및 로컬 w ( in , x , ϕ )를 기반으로 할 수 있습니다. 여기부터 qrad ( x )는 Eq. 의 방위각 평균 온도를 기반으로 하는 축대칭 RAD-3D 솔루션에서 가져옵니다 (2) , 결과적인 rad ( x )는 어떤 의미에서 방위각으로 평균된 열유속입니다. 식 따라서 (3a) 는 우리가 이 열유속을 모든 ϕ 에 등분포한다는 것을 의미합니다 . Eq 에서 rad 의 각도 변화를 무시한다는 점에 유의하십시오 . (3a) 는 Refs. [10] 또는 [11] 이 우선되어야 합니다.

소성로와 장입물 사이의 열전달 계수 w-cl 은 소성로의 에너지 흐름과 온도를 정확하게 예측하는 데 중요하지만 잘 알려져 있지 않습니다. 500 W / m의 전형적인 값  K는 여기에 제시된 결과 사용되고있다 [8] . 계산된 w ( r , x , ϕ ) 및 RAD ( x) 이 계수의 선택에 따라 달라지지만 예측은 질적으로 변하지 않습니다. 껍질에서 대기로의 열 전달은 복사와 별도로 강제 및 자연 대류를 통해 발생합니다. 자연 대류에 대한 열전달 계수는 Ref. [11] , 현재 조건에서 약 5 W/m 2 K의 일반적인 값 을 사용합니다. 그러나 쉘에 불어오는 외부 팬은 과열을 피하기 위해 산업에서 종종 사용되며 이러한 효과는 총 sh =30 W/m 2 K 를 사용하여 여기에서 모델링 되었습니다. 방사율에는 다음 값이 사용되었습니다. ε w = ε cl = 0.9 및 ε sh = 0.8.

식 (3) 은 가마의 방사형 기울기가 훨씬 더 가파르기 때문에 방위각 및 축 전도를 무시한 후 명시적 유한 체적 방법으로 해결되었습니다. 방사형으로 50개 노드와 축 방향으로 19개 노드가 있는 균일하지 않은 그리드가 사용되었으며 회전으로 인한 화염에 주기적으로 노출되는 표면으로 인해 발생하는 빠른 온도 변화를 따르기 위해 내부 표면에서 적절한 방사형 분해능이 사용되었습니다. 동일한 이유로 사용 된 작은 단계(Δ ϕ = π /100)는 가마의 큰 열 관성과 함께 가마 벽 온도가 수렴되도록 하기 위해 2시간 정도의 CPU 시간이 필요했습니다.

2.4 . 수갑

가마에 대한 모델의 마지막 부분은 클링커 온도 및 조성 보존 방정식에 관한 것으로, 축 방향 기울기만 고려하고 전도는 무시합니다.(4)씨피V클디(ϱ클티클)디엑스=−엘wclㄷㅏ클∫0ㄷ큐w–cl(x, ϕ)디ϕ +엘gclㅏ클큐라드(x)+q전환(엑스)−∑나Nsp아르 자형나시간0, 나는에프+씨피티,(5)V클디(ϱ클와이나)디엑스=r나,(6)V클디ϱ클디엑스=−r무엇2,여기서 cl 은 속도 cl 로 흐르는 전하가 덮는 단면적 이며 둘 다 일정하다고 가정하고 gcl =2 in sin( Θ /2) 전하로 덮인 섹터의 현( 그림 1 ) , WCL = Θ 에서는 , SP 화학 종의 수와 r에 난을 (kg / m의 형성 속도 순 3 종의) I를 . 전하의 밀도는 Eq를 감소시킵니다 (6) CO 2 에 대한 질량 손실로 인한하소하는 동안 초기 값은 총 질량 유량이 ϱ cl cl cl 과 같도록 선택되었습니다 . 참고 ρ (CL)이 있다 하지 전하 느슨하게 포장 된 입자로 이루어지는 것으로 생각 될 수있는 바와 같이, 충전 재료 밀도하지만 벌크 밀도. 우리는 또한 전하의 실제 입상 흐름 패턴을 조사하는 것보다 적은 것은 모델의 신뢰성에 크게 추가되지 않는 임시 설명 [10] 이라고 믿기 때문에 전하의 전도를 무시 합니다. 전하는 CaCO 3 , CaO, SiO 2 , Al 2 O 3 , Fe 로 구성된 것으로 가정합니다.2 O 3 , C2S, C3S, C3A 및 C4AF로, 마지막 4종은 클링커화 중에 형성된 복합 염에 대해 시멘트 화학자가 사용하는 특수 표기법으로 표시됩니다. 다음과 같은 화학 반응을 가정합니다 [12] .

(나)CaCO3→높은+무엇2k = 108특급(−175728/RT)
(Ⅱ)높은+2SiO2→C2Sk = 107특급(−240000/RT)
(Ⅲ)높은+C2S→C3Sk = 109특급(−420000/RT)
(IV)3높은+로2그만큼3→C3Ak = 108특급(−310000/RT)
(V)4높은+로2그만큼3+철2그만큼3→Q4AFk = 108특급(−330000/RT)

상기 시행 착오에 의해 선택되는 아 레니 우스 식에 사용되는 사전 지수 인자 및 활성화 온도는 카코에 대한 활성화 에너지를 제외하고, 가마의 출구에서의 전하의 예상 조성물을 얻었다 (3) 에서 촬영 한 분해 참조 [16] . 우리는 이러한 반응이 임시 모델임을 강조합니다. 실제로 고체상의 화학반응은 다양한 종의 결정들 사이의 계면에서 일어나며 확산이 제한적 이지만 [17] , 클링커 화학에 대한 상세한 처리는 본 연구의 범위를 벗어난다.

클링커 형성의 마지막 단계로 간주되는 반응 (III)은 고온에서 액상이 존재할 때만 발생합니다. 클링커의 용융은 액체 분획 fus 에 대해서도 해결함으로써 모델링되었습니다 .(7)엘소란V클디(ϱ클와이소란)디엑스=RHS의식(4)만약 T의 CL이 융해 온도와 같거나보다 커진다 T의 FUS 와 T의 FUS 의 = 1560 K. 상한 Y의 FUS = 0.3 수행 하였다 [17] 상기 식을. (7) 무시되었다.

상미분 방정식, , Gear 방식과 통합되었습니다. 가마 온도에 대한 유한 체적 코드( 2.3절 )와 클링커에 대한 코드는 반복적으로 해결되었으며( 그림 4 ), 이는 벽 클링커 열유속 w–cl ( x , ϕ ).

2.5 . 최종 커플링

전체 문제(가스, 가마, 장입)는 반복 방식으로 해결되었습니다. RAD 의 균일한 분포에서 시작 하여 기체상은 rad ( x ) 및 conv ( x ) 의 축 분포를 제공하도록 해결되었습니다 . 이것들은 다음에서 사용되었습니다., 그 솔루션의 새로운 추정 결과 RAD ( X 통해) 식. (2) . 그런 다음 FLOW3D-RAD3D 실행이 6차 다항식 피팅의 계수 형태로 프로그램에 도입된 새로운 경계 조건으로 반복되었습니다. 의 연속 추정치 사이에 0.5 미만의 밑에 이완 인자 RAD ( X)는 벽 온도에 대한 복사 열유속의 민감도가 크기 때문에 필요한 것으로 밝혀졌습니다. 일반적으로 HP 715 워크스테이션에서 10일 정도의 총 CPU 시간에 해당하는 내벽 온도(연속 반복이 40K 이상 변하지 않을 때 정의됨)의 수렴을 달성하기 위해 이러한 단계 사이에 약 10번의 반복이 필요했습니다. . 그림 5 는 균일한 값(1600K)에서 시작하여 최종 프로파일까지 RAD ( x ) 의 수렴 이력을 보여줍니다 .

2.6 . 가마 조건

사용된 일부 매개변수에 대한 작동 조건 및 값은 표 1 표 2 표 3에 나와 있습니다. 이 값은 시멘트 회전 가마의 전형입니다.

표 1 . 공기 및 석탄 입자 입구 조건

수송소용돌이중고등 학년석탄
m (kg/s)2.2531.7592.91045.9304.0
 (m/s)77.136.576.112.7336.5
V (m/s)−20.7063.900
W (m/s)00112.800
 (케이)3183833181273383

표 2 . 클링커 조성(질량 분율)

밀가루가마 입구가마 출구
m (kg/s)50.37439.81532.775
 (케이)11001785
CACO 30.79470.402180
높은00.338010.0229
그런가 20.14340.181430
알 2 O 30.03490.04420
철 2 O 30.02700.034160
C2S000.1808
C3S000.5981
C3A000.0731
Q4AF000.1242
소성 인자00.61.0

소성 계수 카코의 비율을 3 의 CaO로 변환 된 FARINE있다.

표 3 . 재료 속성 및 기타 매개변수

ω (래드/초)0.5
V의 CL (m / s)0.035
 (K)300
sh (W/m 2 K)30
w–cl (W/m 2 K)500
ε w , ε cl0.9
ε 0.8
C의 P (클링커) (킬로 / kg K)1.5
ϱ cl (kg/m 3 )1200
fus (kJ/kg)418.4
p (벽) (kJ/kg K)1.5
ϱ w (kg/m 3 )1600–3000
k는 w (W / m K)0.6–3.0
석탄 열 방출(kJ/kg)25475

3 . 결과 및 토론

이 섹션에서는 먼저 화염 구조에 대한 정보와 함께 예측된 공기역학적 패턴의 세부사항을 제시합니다. 소성로 내화물의 온도 분포와 클링커 조성의 변화를 설명합니다. 이 섹션은 가마의 전체 에너지 균형과 가능한 모델 개선에 대한 논의로 끝납니다.

3.1 . 화염 구조

그림 6 은 명확성을 위해 방사상 좌표가 과장된 온도의 등고선 플롯을 보여줍니다. 석탄은 주입 지점에서 약 1m 지점에서 약간 축에서 벗어나 점화되며 최대 화염 온도(약 2400K)는 경험에 따라 약 40m 하류에서 도달합니다 [15] . 완전한 입자 소진에 대한 가장 긴 시간은 버너에서 45m에 해당하는 약 1.4초였습니다. 방사형 온도 프로파일( 그림 7 ) 은 온도의 상당한 불균일성이 있음을 보여주지만 출구 프로파일이 본질적으로 평평해짐에 따라 하류에서 감소합니다. 또한 벽에 인접한 가스가 더 차가운 열 경계층이 존재한다는 것이 분명합니다.석탄 노즐에서 최대 30m까지 벽보다 이것은 이 영역에서 대류에 의한 열 전달이 음(즉, 기체 쪽으로)임을 의미하며, 3.4절 에서 더 자세히 논의된 지점 입니다.

버너 출구 바로 하류에 길이가 약 1 버너 직경인 재순환 구역이 있는데( 그림 8 ), 여기에서 화염이 더 하류에서 발화하기 때문에 소용돌이 안정화 화염 [7] 에서와 같이 화염 안정화에 기여하지 않습니다 . 그러나 액체 연료를 사용할 때는 중요할 수 있으므로 버너에 가까운 그리드의 세부 사항을 강조해야 합니다. 버너에서 처음 몇 미터는 매우 높은 전단력과 높은 난류 에너지 생산을 포함하며 이것이 그리드 미세 조정을 강조하는 또 다른 이유입니다. 휘발성 물질 연소 영역( x =10m, r =1m) 에서 k 및 ε 의 일반적인 예측 값 은 24.3 및 142m 2 /s입니다.3 , 각각. 대규모 난류 시간은 171ms이고 Kolmogorov 시간 규모는 1.1ms입니다. 휘발성 물질의 연소는 0.1ms(일반적인 탄화수소 연료) 정도의 시간 규모에서 발생하며, 이는 가마의 소규모 난류 시간보다 10배 더 짧습니다. 따라서 이 흐름에서 연소에 대한 유한 속도 동역학을 포함할 필요는 없으며 “혼합 연소” 근사가 합리적입니다.

3.2 . 가마 온도 분포

중심선에서 계산된 가스 온도, 온도 RAD ( x ) 및 클링커 온도는 그림 9 에서 비교됩니다 . 최고 가스 온도는 25~40m 사이에 위치하며 내화 내부 표면 온도도 최고점입니다. 클링커는 놀랍게도 가마에서 나오기 전 마지막 몇 미터 동안 벽보다 뜨겁 습니다. 복사에 의해 내화물에 입사하는 열유속은 대류에 의한 것보다 1-2 배 더 높으며( 그림 10 ) 가마의 처음 10m에 대한 총 열 전달 은 가스를  합니다. 이 관찰의 중요성은 나중에 논의됩니다.

대류로 인한 에너지 플럭스는 화염에서 가마까지의 전체 에너지 플럭스의 매우 작은 부분인 것으로 밝혀졌습니다( 그림 10 ). 여기서 예측된 대류의 작은 기여는 Ref. [11] . 그 작업에서 대류 열 전달 계산에 사용된 가스 온도는 가마 단면의 평균이었고 따라서 축 근처에 있는 화염의 기여로 인해 벽 부근의 온도보다 훨씬 높았습니다. . 여기에서 우리는 온도와 가스 속도 및 난류 운동 에너지의 국부적 값을 기반으로 하는 보다 정확한 열전달 계수를 사용했기 때문에 보다 정확한 결과를 기대합니다.

예측된 벽 온도는 모든 방향에서 불균일합니다. Fig. 11 은 가마가 회전함에 따라 화염에 노출되었을 때 벽이 가스에 의해 연속적으로 가열되고 클링커에 열을 공급하여 냉각되는 것을 보여준다. 이것은 약 100K의 일반적인 각도 온도 변화를 갖는 대부분의 가마 길이에 해당됩니다. 대조적으로 버너에 가까우면 벽 은 (0 < ϕ < π /2) 동안 클링커에서 열을 얻고 다음으로 열을  습니다. 노출될 때의 가스( π /2 < ϕ < 2 π ). 벽과 클링커 온도가 같으면서 방위각 변화가 없는 경우가 발생할 수 있습니다( 그림 11 ,        x = 17.5m). 이 온도 변화가 작은 것으로 간주될 수 있지만 벽에서 클링커까지의 열유속을 계산하는 위치에 있으려면 전체 3차원 내벽 온도 분포를 계산해야 합니다(0  < ϕ 범위에서 발생 < π /2).   

그림 12 는 ϕ에 독립적인 외부(쉘) 온도와 함께 고체의 큰 비열로 인해 각도 방향의 변화 영역이 벽으로 약 1cm만 확장됨을 보여줍니다( 그림 12b) .. 벽 온도 방사 분포는 가스 온도, 입사 방사선 및 내화 재료의 특성이 변하기 때문에 축 방향 거리에 따라 달라집니다. 정확한 예측을 위해서는 내화물에 부착된 클링커 코팅의 두께에 대한 정확한 지식이 필요합니다. 여기에서 우리는 이 코팅을 클링커와 유사한 물성을 가진 균일한 두께의 재료로 취급했습니다. 그러나 이 코팅층의 실제 물리적 특성과 두께 분포에 관한 실험 데이터를 사용하여 예측의 신뢰성이 향상될 것입니다.

마지막으로, 그림 13 은 외부 쉘 온도가 화염 영역에서 최고조에 달하고 대략적으로 실험 경향을 따른다는 것을 보여줍니다 [15] . 외부 가마 외피는 다양한 강철 두께, 방사율(외피 착색으로 인한) 및 열 전달 계수(송풍기 간격으로 인한)를 갖고 가마는 가변 내화 두께(에 의한 침식으로 인해)를 갖기 때문에 정확한 비교는 의미가 없습니다. 클링커), 여기에 사용된 가정과 반대입니다. 전체 규모 가마는 또한 차등 코팅 및 내화 침식으로 인한 최대 ±100K의 쉘 온도 각도 변동을 보여줍니다 [15] . 따라서 우리는 그림 13 의 일치 가 실제 가마의 복잡성을 고려할 때 예상할 수 있는 만큼 우수 하다고 믿습니다 .

이 섹션에 제시된 예측은 가마 내부의 열 전달 경로에 대한 다음 그림을 뒷받침합니다. 대부분의 가마 길이에서 장입물은 화염으로부터의 복사와 벽으로부터의 열 전도에 의해 가열되고 있습니다. 장입물이 내화물보다 더 차갑기 때문입니다. 가마가 회전함에 따라 내화물은 화염에 노출될 때 열을 얻고 이를 클링커에 공급합니다( 그림 11 ). 벽의 이 “재생” 작용은 Refs. 9 , 10 및 현재 결과에서 재현되었습니다. 그러나 버너 근처에서 반대 에너지 흐름이 발생합니다( 그림 11 , 작은 x). 여기의 가스는 아직 충분히 뜨겁지 않아 내화물이나 장입물에 에너지를 공급하지 않습니다. 이 영역에서 벽은 다가오는 전하에 의해 열을 얻으므로 고체가 없을 때보다 더 뜨겁게 유지됩니다. 벽과 전하가 대류와 복사에 의해 가스에 열을 공급합니다. 우리는 이것을 “음의 재생” 작용으로 식별할 수 있으며 가마의 더 높은 온도 영역( x  >  15m) 에서 클링커에 의해 흡수된 에너지에 의해 유지됩니다 . 전반적으로 클링커는 x  >  15 m 에서 열을 흡수 하고 0  < x < 15 m 에서 일부를 가스로 되돌려 줍니다.   

이 상호 작용은 간단하지 않으며 쉽게 예상할 수 없습니다. 이는 예를 들어 고체를 액체 연료로 대체하여 화염을 수정하면 열유속 분포를 변경하여 최종 클링커 온도에 중대한 영향을 미칠 수 있음을 의미합니다. 현재의 포괄적인 모델이 제공하는 세부 사항은 가마에서 이러한 변화를 평가하는 데 도움이 될 것입니다.

3.3 . 클링커 온도 및 조성

클링커 온도( 그림 9 )는 가장 높은 화염 온도에 도달하는 축 방향 위치에서 거의 최고조에 달하며 클링커는 약 1780K에서 킬른에 존재하며 이는 시멘트 킬른에서 실험 측정값에 가까운 값입니다 [15] . 초기 및 최종 클링커 조성은 표 2 에 나와 있으며 실제 가마에서 작동 값에 가깝습니다 [15] . 다양한 클링커 성분의 축방향 분포( 그림 14 )는 완전한 하소를 위해 고체 유입구에서 약 25m, C2S, C3A 및 C4AF 생성을 위해 추가로 10m가 소요됨을 보여줍니다. 첫 번째 액체상은 x 에서 발견됩니다.=50m이고 액화는 경험과 일치하는 예측인 매우 직후에 완료됩니다 [17] . 클링커화 반응(R-III)은 모델에서 액체가 나타날 때 시작되는 것으로 가정되었으며, 그림 14 에서 클링커화에는 나머지 길이의 거의 전체가 완료되어야 한다는 것이 분명 합니다. 예측은 전체적으로 시멘트 가마 운영의 경험과 일치하며 여기에 사용된 화학적 및 물리적 매개변수가 현실적인 값을 가지고 있음을 의미합니다.

3.4 . 글로벌 에너지 균형

전지구적 에너지 균형은 기체상(FLOW-3D 및 RAD-3D에 의한)과 소성로 장입 시스템에 대한 솔루션에서 쉽게 계산할 수 있으며 표 4 에 나와 있습니다. CFD 코드는 방사 모듈과 함께 에너지를 약 2%까지 절약합니다. 작은 것으로 간주되는 이 오류는 주로 RAD-3D의 영역 이산화와 Monte-Carlo 계산의 유한한 입자 수로 인해 발생하는 오류에 기인하며 CPU 시간을 희생하여 개선할 수 있습니다. 소성로-클링커 계산의 정확도는 더 나쁩니다. 소성로-클링커 시스템에 입력되는 에너지의 약 10% 오류( rad  + conv )입니다. 이는 수렴된 솔루션이 식 (3) , 그리고 보다 정확한 암시적 솔버에 의해 개선될 수 있습니다.

표 4 . CFD 그리드 및 가마-클링커 조합에 대한 글로벌 에너지 균형

가스(MW)
라드 , 1−2.47
라드 , 2−2.72
큐 라드−57.12
전환0.04
석탄101.2
Δ 가스41.25
균형2.32
가마 클링커
큐 라드57.12
전환−0.04
손실−10.45
Δ H의 CL40.99
균형5.64

에너지 흐름의 정의는 그림 2 를 참조하십시오 .

시멘트 회전식 가마의 에너지 사용에 관한 몇 가지 흥미로운 결론은 표 4 의 결과를 통해 얻을 수 있습니다 . 연소에 의해 방출되는 에너지의 약 40%는 전하 가열 및 클링커 형성에 필요하고 약 10%는 내화물을 통해 대기로 손실됩니다. 나머지의 대부분은 본질적으로 배기 가스와 함께 소성로 밖으로 흐릅니다. 이 중 일부는 소성로 외부의 예비 하소기 및 사이클론에서 회수됩니다. 내부 가마 벽과 장입 온도를 자세히 다루는 여기에 제시된 포괄적인 모델에 의존하지 않고는 국지적 가스 온도를 정확하게 예측하고 이에 따라 향후 연구에서 오염 물질 형성을 예측하는 것이 불가능하다는 것이 분명합니다.

3.5 . 논의

여기에 제시된 회전식 시멘트 가마 작동에 대한 포괄적인 모델의 결과는 합리적이며 실험적으로 관찰된 경향을 재현합니다. 이전 모델링 작업에 비해 이 작업의 주요 이점은 가마에서 발생하는 대부분의 물리적 프로세스를 포함한다는 점입니다. 특히, 가스 온도와 클링커로의 열유속 및 이에 따른 클링커 형성을 결정하는 데 가장 중요한 양인 내벽 온도는 실험 데이터를 사용하여 규정된 것이 아니라 예측되었습니다. 이 특정 기능은 현재 모델을 진정한 예측형으로 만듭니다.

우리는 전체 3차원 문제를 공기역학에 대한 “동등한” 축대칭 문제로 줄이는 방법을 포함했습니다( 식 (2) ). 이를 통해 현재 워크스테이션에서 솔루션을 얻을 수 있습니다. 모델의 모듈식 특성, 즉 공기역학, 복사, 가마 및 장입에 대한 별도의 코드는 해당 모듈만 수정하면 다른 회전 가마 응용 프로그램(예: 소각 및 건조)에도 사용할 수 있음을 의미합니다. 예를 들어, 고형 폐기물의 소각은 현재 코드로 모델링할 수 있지만 적절한 화학.

실험 데이터와의 상세한 비교는 이용 가능한 측정이 거의 없고 현지 시멘트 회사에서 제공한 경험적 데이터로 제한되어 매우 어렵습니다 [15] . 비교는 앞서 지적한 바와 같이 출구 클링커 조성과 온도가 산업적 경험( 표 2 ) 이내 이고, 배기 가스 조성은 공장 굴뚝에서 측정된 값에 가깝고(“가짜 공기” 희석을 허용한 후), 가마 외피 온도는 측정 범위 내에 있습니다( 그림 13 ). 이 동의는 모델이 프로세스의 정확한 표현임을 시사합니다.

더 높은 정확도의 예측을 달성하려면 모델의 다양한 부분에서 개선이 필요합니다. 내화물의 정확한 두께(즉, 내화물과 부착된 클링커)를 설정해야 합니다. 이는 가마 벽을 통해 주변으로 열 손실이 발생하여 외부 쉘 온도에 영향을 미치기 때문입니다. 새 내화물이 있는 가마에서 쉘 온도 측정과 자세한 비교가 이루어져야 합니다(불균일한 코팅 두께가 방지되도록). 벽 재료의 물리적 특성(열용량, 밀도, 전도도)의 적절한 값을 사용해야 합니다. 가장 큰 불확실성은 클링커 코팅의 가정된 특성에 관한 것입니다. 내벽 표면의 방사율과 가스의 흡수 계수를 더 자세히 조사해야 합니다. 가마에 입사하는 복사 열유속에 영향을 미치므로 벽 온도에 영향을 줄 수 있습니다. 클링커의 온도는 사용된 비열 용량에 따라 달라지므로 정확한 평가에 각별한 주의가 필요합니다. 화염의 국지적 온도와 종 구성에 대한 지식은 CFD 코드를 검증하는 데 매우 유용할 것이지만 그러한 적대적인 환경에서 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다. 그러한 적대적인 환경에서의 측정은 분명히 달성하기 매우 어렵습니다. 마지막으로 클링커 화학 및 전하 이동은 개선할 수 있는 영역입니다.

이러한 모든 잠재적 개선과 모델과 관련된 불확실성에도 불구하고 가마의 모든 에너지 경로가 적절한 세부 사항으로 모델링되었기 때문에 전체 동작은 최소한 질적으로 정확합니다. 클링커 출구 구성, 쉘 온도 및 배기 가스 구성과 같은 중요한 양은 허용 가능한 정확도로 예측됩니다. 이 모델은 버너, 연료 유형, 품질 및 수량, 예비 하소 수준( 표 2 ) 또는 고형물 유량 등의 변경과 같은 많은 상황에서 산업계에 매우 유용할 것으로 예상됩니다 . 소성로 운영자는 최종 클링커 구성이 여전히 허용 가능하고 현재의 포괄적인 모델이 이 방향에 도움이 될 수 있는지 확인해야 합니다.

4 . 결론

실제 작동 조건에서 석탄 연소 회전 시멘트 가마의 클링커 형성은 석탄 화염과 가마 사이의 열 교환, 가마와 역류 고체 사이의 열 교환, 고형물을 최종 제품(클링커)으로 변환합니다. 방사선에 대한 Monte-Carlo 방법을 포함하는 축대칭 CFD 코드(상용 패키지 FLOW-3D)가 기상에 사용되었습니다. 가마 벽의 온도는 유한 체적 열전도 코드로 계산되었으며 클링커에 대한 종 및 에너지 보존 방정식도 공식화 및 해결되었습니다. 기체 온도 필드에 대한 예측 사이의 반복적인 절차, 벽에 대한 복사 열 유속, 가마 및 클링커 온도는 실험에서 이러한 정보를 사용한 이전 모델링 노력과 달리 내벽 온도 분포를 명시적으로 계산하는 데 사용되었습니다. 접선 좌표에 대한 통합은 CFD 코드에 필요한 경계 조건으로 사용되는 “유효” 내벽 온도의 축 분포를 초래했습니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다. CFD 코드에 필요한 경계 조건으로 사용됩니다. 이 절차를 통해 클링커로의 열 흐름 계산이 가능하고 축대칭 CFD 코드로 3차원 문제를 대략적으로 처리할 수 있습니다.

결과는 복사가 가스와 가마 벽 사이의 대부분의 열 전달을 설명하는 반면 내화물을 통한 환경으로의 열 손실은 입력 열의 약 10%를 설명한다는 것을 보여줍니다. 화학 반응과 충전물의 가열은 연소 에너지의 약 40%를 흡수합니다. 따라서 이러한 사항을 반드시 고려해야 합니다. 예측은 실제 규모의 시멘트 가마에서 얻은 경험과 측정값을 기반으로 한 경향과 일치합니다.

감사의 말

이 작업은 과학 및 기술을 위한 그리스 사무국 프로젝트 EPET-II/649의 자금 지원을 받았습니다. Mr.P에게 진심으로 감사드립니다. 시멘트 가마에 관한 지침 및 데이터는 그리스 TITAN SA의 Panagiotopoulos에게 문의하십시오.

References
1 S.R. Turns, An Introduction to Combustion, Concepts and Applications, McGraw-Hill, New York, 1996
Google Scholar
2 V. Johansen, T.V. Kouznetsova, Clinker formation and new processes, Presented at the Ninth International Congress on the Chemistry of Cement, India, 1992; also RAMBOLL Bulletin No. 42, 1993
Google Scholar
3 Basel Convention, UNEP Document No. 93-7758, 1993
Google Scholar
4 N.C Markatos
Mathematical modelling of single and two-phase flow problems in the process industries
Revue de l’Institut Français du Pétrole, 48 (1993), p. 631
View PDFCrossRefView Record in ScopusGoogle Scholar
5 T. Avgeropoulos, J.P. Glekas, C. Papadopoulos, Numerical simulation of the combustion aerodynamics inside a rotary cement kiln, in: Pilavachi (Ed.), Energy Efficiency in Process Technology, Elsevier, London, 1993, p. 767
Google Scholar
6 F.C. Lockwood, B. Shen, T. Lowes, Numerical study of petroleum coke fired cement kiln flames, Presented at the Third International Conference on Combustion Technologies for a Clean Environment, Lisbon, 1995
Google Scholar
7 F.C. Lockwood, B. Shen, Performance predictions of pulverised-coal flames of power station furnace and cement kiln types, Twenty-Fifth Symposium International on Combustion, The Combustion Institute, 1994 p. 503
Google Scholar
8 P.V Barr, J.K Brimacombe, A.P Watkinson
A heat-transfer model for the rotary kiln: Part II, development of the cross-section model
Metallurgical Transactions B, 20B (1989), p. 403
View Record in ScopusGoogle Scholar
9 V Frisch, R Jeschar
Possibilities for optimizing the burning process in rotary cement kilns
Zement-Kalk-Gips, 36 (1983), p. 549
View Record in ScopusGoogle Scholar
10 A.A Boateng, P.V Barr
A thermal model for the rotary kiln including heat transfer within the bed
Int. J. Heat Mass Transfer, 39 (1996), p. 2131
ArticleDownload PDFView Record in ScopusGoogle Scholar
11 M.G. Carvahlo, T. Farias, A. Martius, A three-dimensional modelling of the radiative heat transfer in a cement kiln, in: Carvahlo et al. (Eds.), Combustion Technologies for a Clean Environment, Gordon and Breach, London, 1995, p. 146
Google Scholar
12 H.A Spang
A dynamic model of a cement kiln
Automatica, 8 (1972), p. 309
ArticleDownload PDFView Record in ScopusGoogle Scholar
13 CFDS, FLOW-3D Users Manual, AEA Harwell, UK
Google Scholar
14 E Mastorakos, J.J McGuirk, A.M.K.P Taylor
The origin of turbulence acquired by heavy particles in a round, turbulent jet
Part. Part. Syst. Charact., 7 (1990), p. 203
View PDFCrossRefView Record in ScopusGoogle Scholar
15 P. Panagiotopoulos, TITAN S.A. Cement Company, Personal communication, 1996
Google Scholar
16 M.S Murthy, B.R Harish, K.S Rajanandam, K.Y Ajoy Pavan Kumar
Investigation on the kinetics of thermal decomposition of calcium carbonate
Chem. Eng. Sci., 49 (1996), p. 2198
Google Scholar
17 V. Johansen, Cement production and chemistry, Presented at the Symposium on Cement Manufacturing and Chemistry, Anaheim, November 1989; also RAMBOLL Bulletin No. 41, 1993
Google Scholar
1 Also at Department of Mechanical Engineering, University of Patras, Greece.

2 Also at Department of Chemical Engineering, University of Patras, Greece.

Intel CPU i9

해석용 컴퓨터 CPU에 대한 이해 및 선택 방법

last update : 2021-12-15

자료출처 : 본 기사는 PCWorld Australia의 내용과 www.itworld.co.kr의 기사를 기반으로 일부 가필하여 게재한 내용입니다.

해석용 컴퓨터를 선정하기 위해서는 가장 먼저 선택해야 하는 것이 있다. AMD인가, 인텔인가? 두 업체는 CPU 시장의 양대산맥과도 같다. 인텔이 새롭게 출시한 12세대 앨더 레이크 CPU 시리즈가 벤치마크 기록을 깼지만, 지난해 출시된 AMD의 라이젠 5000 아키텍처를 고수하거나, 다른 신제품을 기다릴만한 이유도 있다. 인텔과 AMD CPU를 자세히 살펴보자.

ⓒ Gordon Mah Ung


비교 대상 제품 

2021.11.09

PC 조립 부품을 예산 기준으로 결정하고, 반도체 수급난에서 CPU를 정가에 구매할 수 있다고 가정했을 때, 인텔과 AMD 제품 선택지를 몇 가지로 압축할 수 있다.

인텔성능/효율 코어쓰레드가격
Core i9 12900K/KF8/824590달러/570달러
Core i7 12700K/KF8/420410달러/390달러
Core i5 12600K/KF6/416290달러/270달러
AMD  성능 코어 쓰레드    가격   
Ryzen 9 5950X1632800달러
Ryzen 9 5900X1224550달러
Ryzen 7 5800X816450달러
Ryzen 5 5600X612300달러

비교적 저렴한 인텔 CPU인 F 시리즈는 통합 그래픽카드가 없어 별도의 GPU가 필요하다. 라이젠 프로세서는 외장 그래픽카드와 짝을 이루어야 한다. 인텔이 ‘한 방’을 노리고 있기 때문에 이 비교에서는 최상급인 16코어 라이젠 9 5950X도 함께 살펴볼 예정이다. 12900KF가 최대 8코어이기 때문에 라이젠 9 5950X와 직접적인 비교 대상은 아니지만, 인텔은 AMD와 꽤 대등하게 싸우고 있다. CPU에만 80만원을 지출할 계획이라면 더 큰 파워 서플라이가 필요하다.

인텔 코어 CPU 에 대한 이해

인텔 코어 CPU에 대한 자료를 찾아보면 쿼드(Quad) 코어, 하이퍼-스레딩(Hyper-Threading), 터보-부스팅(Turbo-Boosting), 캐시(Cache) 크기 같은 용어를 많이 볼 수 있다.
인텔 코어 i3, i5, i7, i9는 각각 어떻게 다를까?
칩셋에는 세대가 있는데, 세대의 의미와 차이는 무엇일까?
하이퍼-스레딩은 무엇이고 클럭 속도는 어느 정도가 적합할까?

새 프로세서를 구입하기 전에 먼저 현재 사용하고 있는 인텔 CPU를 이해해보자.
지금 내 PC 성능이 어느 정도인지 알기 위해서이다.
가장 빠른 방법은 제어판 > 시스템 및 보안 항목에서 시스템을 선택하는 것이다.

여기에서 현재 PC에 설치된 CPU, RAM, 운영체제 정보를 확인할 수 있다.
프로세서 아래에 현재 설치된 인텔 CPU가 무엇인지, 인텔 코어 i7-4790, 인텔 코어 i7-8500U 같은 모델명을 확인할 수 있을 것이다. 또 Ghz가 단위인 CPU 클럭 속도를 알 수 있다. 나중에 이와 관련해 더 자세히 설명을 하겠다.

일단 CPU부터 알아보자.
CPU 모델명에는 숫자가 많아 어려워 보이지만, 이 숫자가 무슨 의미인지 이해하는 것은 어려운 일이 아니다.

모델명의 앞 부분인 “인텔 코어”는 인텔이 만든 코어 시리즈 프로세스 중 하나라는 의미다. 코어는 인텔에서 가장 크고, 인기있는 제품군이다. 따라서 많은 인텔 제품 데스크톱과 노트북 컴퓨터에서 인텔 코어라는 표기를 발견할 수 있다.

참고 : 인텔은 셀룰론(Celeron), 펜티엄(Pentium), 제온(Xeon) 등 다양한 프로세스 제품군을 판매하고 있지만, 이 기사는 인텔 코어 프로세스에 초점을 맞춘다.

그 다음 “i7”은 CPU 내부 마이크로 아키텍처 디자인의 종류이다.
자동차가 클래스와 엔진 종류로 나눠지는 것과 비슷하다. 이들 ‘엔진’이 하는 일은 동일하다. 그러나 차량 브랜드에 따라 일을 하는 방법이 다르다.
인텔의 경우 코어 브랜드 CPU의 클래스인 i3, i5, i7이 각각 사양이 다르다. 여기서 사양이란 코어의 수, 클럭 속도, 캐시 크기, 터보 부스트 2.0과 하이퍼스레딩 같은 고급 기능 지원 여부를 말한다.
코어 i5와 i7 데스크톱 프로세서는 통상 쿼드 코어(코어가 4개)이고, 로우엔드(저가) 코어 i3 데스크톱 프로세스는 듀얼 코어(코어가 2개)다.

이제 SKU와 세대에 대해 알아보자. 앞서 예로 들은 “4790”으로 설명하겠다.
첫 번째 숫자인 “4”는 CPU의 세대이고, “790”는 일종의 일련번호, 또는 ID 번호이다. 즉 인텔 코어 i7이 4세대 CPU라는 이야기이다.

그런데 ‘접미사’가 붙는 경우가 있다. 위에서 예로 든 모델에는 접미사가 없지만 “Intel Core i7-8650U” 같이 끝에 접미사가 붙은 모델이 있다. 여기에서 “U”는 “Ultra Low Power(초저전력)”를 의미한다.
인텔은 모델명에 다양한 접미사를 사용하는데 세대에 따라 의미가 바뀌는 경우가 있다. 따라서 현재 사용하고 있는 CPU 모델을 정확히 해석하려면 링크된 인텔의 ‘접미사 목록’ 페이지를 참고하자.

CPU의 세대는 중요할까?

꽤 중요하다. 간단히 말해, 그리고 일반적으로 세대가 높을 수록, 즉 새로울 수록 더 좋다. 하지만 세대별로 개선된 정도는 각기 다르다.

인텔에 따르면, 최신 8세대 인텔 코어 프로세스는 7세대보다 최대 40%까지 성능이 향상됐다. 물론 비교 대상에 따라 성능 향상치가 크게 다르다. SKU가 세대별로 다를 수 있기 때문이다. 예를 들어, 인텔 코어 i7-8850U는 있지만 인텔 코어 i7-7850U는 없다.

세대가 높을 수록 최신 프로세서라는 것이 기본 원칙이다. 더 발전한 기술과 설계의 이점을 누릴 수 있다는 의미이며, PC 성능도 따라서 향상될 것이다.

코어가 많을 수록 좋을까?
간단히 대답하면, 일반적으로 코어 수가 적은 것보다 많은 것이 좋다. 코어가 1개인 프로세서는 한 번에 스레드 1개만 처리할 수 있다. 그리고 코어가 2개인 프로세서는 2개를, 코어가 4개인 쿼드 코어 프로세서는 4개를 처리할 수 있다.

그렇다면 스레드(Thread)는 무엇일까? 아주 간단히 설명하면, 스레드는 특정 프로그램에서 나와 프로세서를 통과하는 연속된 데이터 데이터 흐름을 말한다. PC의 모든 것은 프로세서를 통과하는 스레드로 귀결된다.

즉, 논리적으로 코어가 많을 수록 한 번에 처리할 수 있는 스레드가 많다. PC가 더 빠르고 효율적으로 데이터를 처리하고 명령을 실행할 수 있다는 이야기이다. 그러나 새 CPU를 조사하면서 코어 수에만 초점을 맞추면 자칫 코어 수만큼 중요한 수치인 클럭 속도를 무시할 위험이 있다.

CPU의 각 코어에는 Ghz가 단위인 클럭 속도가 있다. 클럭 속도는 CPU 실행 속도다. 클럭 속도가 빠를 수록, CPU가 한 번에 처리 및 실행할 수 있는 명령이 많다.

클럭 속도는 통상 높을 수록 더 좋다. 그러나 발열과 관련된 제약 때문에 프로세서의 코어 수가 많을 수록 클럭 속도가 낮은 경향이 있다. 이런 이유로 코어 수가 많은 PC가 최고의 성능을 발휘하지 못하는 경우도 있다.
그렇다면 가장 알맞은 클럭 속도는 어느 정도일까?


클럭 속도는 PC로 하려는 일에 따라 달라진다. 일부 애플리케이션은 싱글스레드로 실행된다. 반면, 여러 스레드를 활용하도록 만들어진 애플리케이션도 있다. 비디오 렌더링이나 일부 게임 환경이 여기에 해당된다. 이 경우, 코어 수가 많은 프로세서가 클럭 속도가 높지만 코어가 하나인 프로세스보다 성능이 훨씬 더 높다.
수치해석의 경우는 계산량이 많은 큰 해석의 경우 멀티코어가 훨씬 유리하다.

웹 브라우징 같은 일상적인 작업에서는 클럭 속도가 높은 i5 프로세서가 i7보다 가격 대비 성능이 훨씬 더 높다는 의미이다. 즉, 코어 수가 많은 프로세서보다 클럭 속도는 높고 코어 수가 적은 프로세서를 구입하는 것이 훨씬 경제적인 대안이 될 수도 있다.

하이퍼-스레딩이란?

앞서 언급했듯, 일반적으로 프로세서 코어 하나가 한 번에 하나의 스레드만 처리할 수 있다. 즉, CPU가 듀얼 코어라면 동시에 처리할 수 있는 스레드가 2개다. 그러나 인텔은 하이퍼-스레딩이라는 기술을 개발해 도입했다. 가상으로 운영체제가 인식하는 코어를 2배 증가시키는 방법으로 하나의 코어가 동시에 여러 스레드를 처리할 수 있는 기술이다.

즉 i5의 물리적 코어 수는 4개이지만, 여러 스레드를 지원하는 애플리케이션을 실행시키면 하이퍼-스레딩이 코어 수를 가상으로 2배 늘려서 성능을 크게 향상하는 방법이다.

터보 부스트(Turbo Boost)란?

인텔의 터보 부스트는 프로세서가 필요한 경우 동적으로 클럭 속도를 높이는 기능이다. 터부 부스트로 높을 수 있는 최대 클럭 속도는 활성 코어의 수, 추정되는 전류 및 전력 소모량, 프로세서 온도에 따라 달라진다.

알기 쉽게 설명하면, 인텔 터보 부스트 기술은 사용자의 프로세서 사용 현황을 모니터링, 프로세서가 ‘열 설계 전력’의 최대치에 얼마나 가까이 도달했는지 판단한 후 적절한 수준으로 클럭 속도를 높인다. 기본적으로 가장 적절하고 우수한 클럭 속도와 코어 수를 제공한다.

현재 터보 부스트 테크놀로지 2.0 버전이 사용되고 있으며, 여러 다양한 7세대 및 8세대 인텔 코어 i7과 i5 CPU에서 이를 지원한다.

i3, i5, i7, i9 프로세서 중 하나를 선택하기 전에 클럭 속도, 코어 수와 함께 기억해야 할 한 가지가 또 있다.

캐시 크기

CPU가 동일한 데이터를 계속 사용하는 경우, CPU는 이 데이터를 프로세서의 일부분인 캐시라는 곳에 저장된다. 캐시는 RAM과 비슷하다. 그러나 메인보드가 아닌 CPU에 구축되어 있어 훨씬 더 빠르다.
캐시 크기가 크면 더 빨리 더 많은 데이터에 액세스 할 수 있다. 클럭 속도 및 코어 수와 다르게, 캐시 크기는 무조건 클 수록 더 좋다. 메모리가 많을 수록 CPU 성능이 향상된다.

7세대 코어 i3 및 코어 i5 프로세서 U 및 Y 시리즈 캐시 크기는 3MB, 4MB이다. 코어 i7의 캐시 크기는 4MB이다. 현재 8세대 프로세서의 캐시 메모리는 6MB, 8MB, 9MB, 12MB이다.

코어 i3, i5, i7, i9의 차이점은 무엇일까?
일반적으로 코어 i7은 코어 i5, 코어 i5는 코어 i3보다 나은 프로세서이다. 코어 i7의 코어 수는 7개가 아니다. 코어 i3 역시 코어 수가 3개가 아니다. 코어 수나 클럭 속도가 아닌 상대적인 연산력의 차이를 알려주는 수치다.

2017년 출시된 코어 i9 시리즈는 고가의 고성능 프로세서이다. 최상급인 코어 i9-7980X의 코어 수와 클럭 속도는 18개와 2.6GHz, 한 번에 처리할 수 있는 스레드는 32개이다. 가장 저렴한 코어 i9-7900X의 경우 각각 10코어, 3.3GHz(기본 클럭 속도), 20 스레드이다.

수치해석 측면에서 구입해야 할 컴퓨터를 고려한다면 CPU 성능은 현재 최신코어인 i7과 i9을 구입하는 것이 원하는 성능을 정확히 제공하는 CPU를 선택하는 방법이지만 예산과 성능이라는 선택의 문제가 존재한다.

editor@itworld.co.kr


AMD CPU 에 대한 이해

썸네일
썸네일

AMD CPU 이름 규칙 및 코드명, 종류, 세대, 소켓 알아보기

AMD 1600, AMD 2400G, Athlon 240GE, AMD 3990X 등 AMD에 다양한 종류의, 다양한 모델명을 가진 cpu들이 있습니다. AMD cpu, apu의 종류와 세대, 소켓에 대해서 알아보도록 하며 이 글에서는 2017년 3월 3일 이후 나온 ‘라이젠’ 시리즈의 cpu, apu에 대해서만 다루도록 하겠습니다.

AMD 라이젠 시리즈는 현재 3세대까지 출시되었으며, 크게 일반 cpu, 하이엔드 cpu(스레드리퍼), 일반 APU, 모바일 APU으로 나뉩니다. 또한 소켓은 현재까지 나온 cpu 중 하이엔드 cpu를 제외한 cpu는 모두 am4소켓입니다.

AMD CPU 이름 규칙

이름 규칙

 

이름 규칙

AMD 라이젠 시리즈는 ‘AMD 라이젠 7 1700X’를 예로 들면, 앞의 ‘AMD’는 회사 이름을 나타내며

뒤에 ‘라이젠 7’은 성능을 나타냅니다.
‘라이젠 3’은 메인스트림,
‘라이젠 5’는 고성능,
‘라이젠 7’은 최고 성능입니다.

그리고 뒤에 ‘1’은 세대를 나타냅니다.
‘1700’은 Zen 1세대이며,
‘AMD 라이젠 5 2400G’와 같이 APU는 기존 세대에 비해 조금 개선되긴 했지만, 다음 세대 정도까지에 개선은 아니라서 세대는 같지만, ‘400G’앞에 붙는 숫자는 1이 더해져서 나옵니다.

그리고 두번째 자리 ‘7’은 성능을 나타냅니다.
‘2,3’은 메인스트림,
‘4,5,6’은 고성능,
‘7,8’은 최고 성능입니다.

그리고 세네번째 자리는 세세한 기능의, 세세한 성능의 변화 정도로 생각하시면 됩니다.

출처: https://minikupa.com/52 [미니쿠파]

 

인텔 코어 i9-12900K 리뷰 | 왕좌 탈환 노리는 ‘인텔의 귀환’

2021.11.09

Gordon Mah Ung | PCWorld구원 서사를 좋아하지 않는 사람은 없다. 인텔 12세대 코어 i9-12900K는 오랫동안 회자될 귀환 이야기의 주인공이다. 한때 강력하고 득의양양했던 챔피언은 수 년 전 부활한 AMD 라이젠 프로세서의 손에 굴욕적인 패배를 겪었고 어떻게 해서든 다시 한번 싸울 방법을 찾아 마침내 승리를 외치려고 한다. 이제 카메라가 페이드아웃 되면서 엔딩 크레딧으로 넘어간 셈이다.

인생이나 기술은 그런 헐리우드식 결말을 맺기 어렵지만, 인텔 코어 i9-12900K는 그런 드라마의 주인공 역할을 상당히 잘 해낸 것 같다. 지난 몇 년 동안 AMD 프로세서에 두들겨 맞은 후 태어난 12900K는 경쟁 제품인 라이젠 9 5950X보다 훨씬 더 나은 CPU로 더 많은 사용자에게 활용 가능성을 안겼다. 화끈한 KO 승리를 거둔 것은 전혀 아니지만, 인텔 12세대 앨더 레이크 프로세서의 뛰어난 장점과 기능을 고려할 때 바로 오늘 구입할 수 있는 하이엔드 데스크톱 프로세서다. 

ⓒ Gordon Mah Ung


12세대 앨더 레이크는 어떤 CPU?

인텔 12세대 앨더 레이크는 근본적으로 인텔 7 공정을 기반으로 만들어진 하이브리드 CPU 설계다. 사실 이것만으로도 엄청난 일이다. 14나노 트랜지스터 기술에 5년 이상을 허비한 끝에, 앨더 레이크는 마침내 하나의 노드를 뛰어넘었다. (기존 10나노 공정이 리브랜드된 후 인텔 7이라는 이름으로 불린다.)

새롭게 설계된 고성능 CPU 코어와 더 작아진 효율 코어를 혼합하여 성능 대 전력 비율의 균형을 최적화했다. 완전히 재설계된 큰 코어를 가진 인텔의 첫 번째 인텔 7 프로세스 데스크톱 CPU라고 이해하는 것이 가장 쉽다. 그리고 여기에 더해 여러 개의 나머지 효율성 코어 성능이 이전 10세대 코어만큼 우수하다. 또한, 12세대 앨더 레이크는 PCIe 5.0, DDR5 메모리, LGA1700 소켓을 비롯해 새로운 표준을 다수 지원한다.

ⓒ Intel

CPU 렌더링 성능

인텔의 전통점 강점이 아니었던 3D 렌더링과 모델링부터 시작하자. 지금까지는 PC에서 3D 모델링 애플리케이션 실사용자가 많지 않아서, 이들 전문 애플리케이션의 실행 성능에 큰 의미를 두지 않았다는 것이 인텔의 주장이었다. 라이젠 CPU의 눈부신 성능에 뒤지는 경우에만 렌더링 성능에서 피벗을 뺐다는 점에 주목하는 사람도 많다.

맥슨 시네벤치 R23부터 시작한다. 맥슨 시네마4D 애플리케이션에 사용되는 렌더링 엔진 테스트이며, 같은 렌더링 엔진이 일부 어도비 애플리케이션에도 내장되어 있다.

최신 버전은 10분 쓰로틀링 테스트를 기본값으로 제안한다. 인텔 10세대, 11세대 칩과 윈도우 11 환경을 테스트한 결과는 없지만, 윈도우 10과 10코어 코어 i9-10900K가 1만 4,336점을 받았고 8코어 코어 i9-11900K는 1만 6,264점을 받았다. 사실 둘 다 2만 2,168점을 받은 AMD 12코어 라이젠 9 5900X과는 상대가 되지 않는다. 그래서 굳이 16코어 라이젠 9 5950X와 비교할 필요가 없었다.

눈길을 끄는 것은 코어 i9-12900K의 긴 파란 막대다. 인텔이 앨더 레이크에서 추구한 하이브리드 설계를 추구하는 것에 여러 가지 말이 많았지만, 12900K는 오랫동안 라이젠의 홈그라운드였던 렌더링 벤치마크에서 AMD의 1, 2위 CPU를 아주 약간이나마 능가해 호사가의 입을 단속한다.

ⓒ IDG

하지만 인텔이 옳다. 모든 CPU 코어와 쓰레드를 다 쓰는 애플리케이션을 사용하는 사람은 그다지 많지 않다. 따라서 시네벤치로 단일 쓰레드 성능을 살펴보는 것도 중요하다. 시네벤치 멀티코어 성능은 라이트룸 클래식 올코어 영상 인코딩이나 사진 내보내기 성능을 알려주고, 시네벤치 R23 단일 쓰레드 성능은 그보다는 오피스나 포토샵 실행에 조금 더 가깝다. 다시 한번 강조하지만, 코어 i9-10900K와 윈도우 11 결과는 없지만, 10세대 제품의 기존 점수는 1,325점, 11세대 제품은 1,640점을 기록한 AMD 라이젠과 비슷한 수준이다.

그러나 인텔 최신 성능 코어는 라이젠 9 5950X보다 성능이 19% 높고, 구형 10세대 칩보다 31%나 나아져 당혹스러울 정도였다. 맥북 프로 M1 맥스와 앨더 레이크를 비교하면 어떨지를 궁금해 하는 이에게 알려주자면, 앨더 레이크가 우세하다. 모바일 칩과 데스크톱 칩을 비교하는 단일 쓰레드 성능 테스트에서 12세대 앨더 레이크 CPU는 애플 최신 M1 칩보다 약 20%나 더 빨랐다. 물론 인텔 제품은 노트북용 칩이 아니었지만, 인텔 12세대 CPU를 탑재한 노트북이 출시되면 충분히 맥북 프로의 경쟁자가 될 것이다.

ⓒ IDG
ⓒ IDG
ⓒ IDG
ⓒ IDG
ⓒ IDG
ⓒ IDG

압축 성능

CPU의 압축 성능은 인기있고 무료인 7-Zip 내부 벤치마크로 측정했다. 벤치마크는 CPU 쓰레드 수를 살펴보고 테스트하면서 자체적으로 여러 번 스풀링을 반복한다. 압축 테스트에서는 코어를 전부 사용하는 경우 압축 성능에서 24%, 압축 해제 성능에서 35% 더 높은 수치를 보여준 라이젠이 가장 큰 승자다.

7-cpu.com에 따르면, 압축 측면에서는 메모리 지연 시간, 데이터 캐시의 크기 및 TLB(translation look ahead buffer)가 중요한 반면, 압축을 풀 때는 정수 및 분기 예측 실패 패널티(branch misprediction penalties)가 중요하다. 결국, 실제 애플리케이션으로 파일 압축하거나 압축을 푸는 것은 보통 단일 쓰레드에 의존하기 때문에 멀티 쓰레드 성능과의 상관 관계는 이론에 그친다고 할 수 있다.

12세대 코어 i9의 문제는 심지어 압축 성능도 화려하지 않다는 것이다. 실제로 11세대 코어 i9은 윈도우 10 단일 쓰레드 성능에서 7,916으로 약간 더 빠르다. 간단히 요약하면 라이젠 9이 7-zip 테스트에서 압축 성능 우위를 유지했다. 이견은 있을 수 없다. 일부는 초기 DDR5 메모리의 지연 시간과 7-Zip이 특별한 명령을 사용하지 않는 이유도 있겠지만, 어쨌든 압축 테스트에서는 라이젠이 승리했다.

ⓒ IDG

인코딩 성능

CPU 인코딩 테스트는 무료이자 오픈소스인 핸드브레이크 트랜스코더/인코더를 사용하여 무료이자 오픈소스인 4K 티어스 오브 스틸(Tears of Steel) 영상을 H.265 코덱과 1080p 해상도로 변환하는 작업을 수행한다. 라이젠 9은 인코딩을 약 6% 더 빨리 끝내면서 다시 1위를 차지했다. 압도적인 승리는 아니지만 어쨌거나 1등이다. 

ⓒ IDG

합성 테스트

이제 긱벤치 5로 옮겨간다. 이 테스트는 21개의 작은 개별 루프로 구성된 합성 벤치마크인데, 개발자인 프라이메이트 랩스(Primate Labs)는 텍스트 렌더링에서 HDR, 기계 언어 및 암호화 성능에 이르기까지 모든 분야에서 인기있는 애플리케이션을 모델링했다고 한다. 긱벤치는 과거 논란의 중심에 있었지만, 여전히 인기가 높은 벤치마크다. 3D 렌더링과 압축, 인코딩 등에서 순위가 오르내렸던 코어 i9-12900K는 라이젠 9 5950X보다 8%가량 

긱벤치 벤치마크는 과거에 논란의 대상이 되었지만, 오늘날에는 비난받지 않고서 어떤 테스트를 유지하는 것이 어렵다. 하지만 이 제품은 어리석게도 인기가 있고, 당신이 긱벤치 5에 대해 어떻게 생각하든 간에, 사람들은 CPU가 거기에서 어떻게 작동하는지 보고 싶어한다. 3D 렌더링, 압축 및 인코딩을 어느 정도 반복한 결과, 인텔 코어 i9-12900K가 라이젠 9 5950X보다 약 8% 앞서는 것으로 나타났다.

ⓒ IDG
ⓒ IDG

콘텐츠 제작 성능 

전체 점수는 코어 i9-12900K가 라이젠 9 59050X에 비해 4% 더 앞선다. 프로시언 2.0은 이미지 보정(retouch)와 일괄 내보내기라는 2가지 방식으로 결과를 나눈다. 프로시언에 따르면, 이미지 보정에서는 기본적으로 12세대 코어 i9과 라이젠 9이 동점이었다. 주로 라이트룸 클래식 사진 내보내기 성능을 시험한 일괄 처리에서는 코어 i9가 최대 5%까지 앞섰다. 라이트룸 사진 내보내기가 멀티코어 성능에 의존하는 경향이 크기 때문에 마지막 결과에 놀랐다. 라이젠 9의 승리를 예상했기 때문이다. 결과는 그렇지 않았다. 

ⓒ IDG
ⓒ IDG
ⓒ IDG
ⓒ IDG
ⓒ IDG

AI 성능

ⓒ IDG
ⓒ IDG

실생활 성능

비싼 컴퓨터로 인디 영화를 위한 특수 효과를 만들거나 이국적인 여행에서 찍은 사진을 편집하는 것을 상상하기 쉽지만, 세상 일의 대다수는 청구서를 지불하는 지루한 작업과 더 연관이 깊다. 따라서 마이크로소프트 오피스 성능을 UL의 프로시언 2.0 오피스 생산성 테스트를로 측정했다. 어도비와 마찬가지로, 다루는 마이크로소프트 워드, 엑셀, 파워포인트 및 아웃룩에서 고품질 미디어를 많이 다루는 작업을 대상으로 한다. 현실이 지루한 것처럼, 이런 작업이 가장 현실적이라고 할 수 있을 것이다.

오피스나 사무적이고 딱딱한 아웃룩 성능에 열광하는 사람에게는 라이젠보다 16% 빠른 코어 i9-12900K가 유리한 것으로 나타났다. 개별 애플리케이션을 결과에 따르면 12세대 코어 i9는 워드에서 14%, 엑셀에서 19%, 파워포인트에서 10%, 아웃룩에서 19% 더 빠르다. 

ⓒ IDG
ⓒ IDG

게이밍 성능

첫 번째 차트의 수직 축 눈금은 60와트에서 340와트까지를 표시하며, 0은 시간 수평 축을 의미한다. 먼저 모든 코어를 사용하여 시네벤치 R20을 실행했는데, 12900K(빨간색) 막대가 320와트의 총소비량까지 올라간 것을 볼 수 있다. 이것은 거의 라이젠 9 5950X(보라색)의 최대치보다 거의 100와트 더 많다. 약 45% 더 많은 양이다. 일단 모든 코어에 대해 두 칩 모두 시네벤치를 완료하면, 단일 코어나 쓰레드를 사용하여 칩을 실행한다. 이제 115와트 범위의 12세대 코어 i9의 총 시스템 전력을 볼 수 있는데, 라이젠 9가 약 10와트를 더 소비한다. 코어 i9가 테스트를 더 빨리 끝내고 라이젠 9 시스템보다 더 적은 전력을 사용한 것도 확인할 수 있다. 

ⓒ IDG

전력 소비

ⓒ IDG
ⓒ IDG

쓰레드 스케일링

인텔의 11세대부터 12세대까지의 세대별 성능 변화는 경이롭다. 단일 쓰레드를 사용함으로써 코어 i9-12900K는 이전 제품보다 42% 더 빠르며 그 속도에서 조금 올라간다. 8개 쓰레드에서 최신 세대의 코어 i9 최대치를 기록할 때 12세대 코어 i9은 놀랍게도 82% 더 빠르다. 지난 3월 출시된 11세대 칩과 비교하면 완전히 놀라운 변화다. 직접 전력 양을 추적해보지는 않았지만, 이전 11세대 코어 i9-11900K는 시네벤치 R20 실행에 거의 380와트 가까이를 사용한 반면, 12세대 코어 i9는 약 320와트를 사용했다. 따라서, 12세대 코어는 훨씬 적은 전력을 사용하면서도 훨씬 더 빠르다.

ⓒ IDG
ⓒ IDG

인텔 코어 i9-12900K, 결론

조금 의외일지도 모르겠다. 최고의 CPU라는 것은 존재하지 않는다는 것이 결론이다.

그보다는 특정 요구에 가장 적합한 CPU가 곧 최고의 CPU다. 이 긴 벤치마크는 각 요구사항을 6개 부문으로 나눠 각 분야에서 어떤 칩이 승리했는지를 확인했다. 인텔에 좋은 소식은 거의 모든 부문에서 좋은 위치를 차지하고 있다는 것이다.

렌더링 / 하이쓰레드 카운트 
하이 쓰레드 카운트 애플리케이션 및 렌더링에서 코어 i9-12900K는 시네벤치 R23 테스트에서 가까스로 승리라는 결과를 냈지만, 다른 CPU 렌더링 테스트에서는 훨씬 미묘한 결과가 나왔다. 솔직히 90% 렌더링 PC용 칩을 선택한다면, 라이젠 9 5950X가 아마 더 나은 선택일 것이다. 
승리 : 라이젠 9 5950X.

콘텐츠 제작
앞서 살펴본 바와 같이, 콘텐츠 제작은 단순히 쓰레드가 제일 많기만 하면 되는 작업이 아니고, 12세대 코어 i9은 라이젠 9 5950X보다 더 많은 역량을 증명했다. 포토샵, 라이트룸 클래식, 프리미어 프로를 주로 다룬다면 인텔이 더 나은 선택이 될 것이다. 
승리 : 코어 i9-12900K.

실생활
오피스 생산성과 크롬의 벤치마크를 통해 반응성이 더 높은 것이 인텔 CPU라는 점을 확인했다. 물론 결과에 동의하지만 동시에 라이젠 9 5950X도 두 사용례를 모두 잘 처리할 수 있다고도 믿는다. 아웃룩, 워드 실행이나 인터넷 검색이 주 작업인 하이엔드 데스크톱을 조립할 경우 약간 등급을 낮춰도 될 것 같다.
승리: 코어 i9-12900K.

게이밍
실제 게임 플레이에서 차이를 보려면 CPU보다 GPU에 더 집중해야 한다. 그렇지만 게임 테스트에서 인텔 12세대 코어 i9은 분명히 라이젠보다 점수가 높거나 거의 동점이었다. 의심의 여지없이 최고의 게임용 CPU다. 하지만 어느 쪽을 택해도 좋은 선택이다.
승리 : 코어 i9-12900K.

기능
인텔 12세대 플랫폼은 PCIe 5.0 및 DDR5 메모리라는 새로운 세계를 열었다. 또한, 필요한 경우 썬더볼트를 사용할 수 있고 와이파이 6E까지도 통합되어 있다. 물론, DDR5의 가치가 없다고 말하는 이들도 있고 그런 주장에도 이유가 있겠지만, 인텔로서는 충분히 새로운 점이 있다. 
승리 : 코어 i9-12900K.

가치
아직도 AMD 라이젠 9 5950X가 그리 대단한 가치가 없다고 생각하는 사람도 있고, 그 전 해에 2,000달러나 했던 CPU와 성능이 동등한데도 가격이 750달러에 불과한 것을 칭찬하는 사람도 있다. 만약 라이젠 9의 가격이 터무니없이 저렴하다고 생각하는 쪽이라면, 589달러라는 코어 i9-12900K의 공격적인 가격표를 보고 당장 구매하겠다고 소리칠 것이다. 하지만 이 가격은 대량 구매시 적용되는 값이다. 그렇지만 전통적으로 대량구매 가격은 초기 수요가 확정되면 시중가와 몇 달러 차이 나지 않는다. 그렇다. 여기서 가격 대비 가치가 높은 제품은 인텔이다. 그야말로 해가 서쪽에서 뜰 기세다.
승리 : 코어 i9-12900K.

코어 i9-12900K는 위대한 과거 명성을 회복하고 다시 왕좌를 탈환하려고 나섰다. 앨더 레이크는 기다릴 가치가 충분했다. 인텔에게 박수를 보낸다, 브라보. editor@itworld.co.kr 

Wave Loads Assessment on Coastal Structures at Inundation Risk Using CFD Modelling

CFD 모델링을 사용하여 침수 위험이 있는 해안 구조물에 대한 파랑 하중 평가

Wave Loads Assessment on Coastal Structures at Inundation Risk Using CFD Modellin

Ana GomesJosé Pinho

Conference paperFirst Online: 19 November 2021

지난 수십 년 동안 극한 현상은 심각성과 주민, 기반 시설 및 인류 활동에 대한 위험 증가로 인해 우려를 불러일으켰습니다. 오늘날 해안 구조물이 범람하고 해변 침식 및 기반 시설 파괴가 전 세계 해안에서 흔히 발생합니다. 

완화에 효율적으로 기여하고 효율적인 방어 조치를 채택하려면 이러한 영향을 예상하는 것이 매우 중요합니다. 대규모 물리적 모델을 기반으로 하는 이전 실험 작업에서 목조 교각 상단의 고가 해안 구조물의 공극과 그에 따른 수평 및 수직 파도력 사이의 관계가 다양한 파도 하중 조건에 대해 연구되었습니다. 

이러한 실험 결과는 CFD 도구를 사용하여 유체/구조 상호 작용을 시뮬레이션하기 위한 수치 모델에 대한 보정 데이터 역할을 합니다. 주어진 파도 조건에 대해 물과 구조물 베이스 레벨 사이의 공극 높이를 다르게 하여 세 가지 시나리오를 시뮬레이션했습니다. 

수치 결과를 물리적 모델 결과와 비교하면 수치적으로 구한 수평력과 수직력의 최대값은 각각 평균 ​​14.4%와 25.4%의 상대차로 만족할 만합니다. 또한 구조물을 지지하는 교각에 작용하는 압력과 전단응력을 시뮬레이션하기 위해 실제 수치모델을 적용하였으며, 서로 다른 공극의 높이를 고려하고 각각의 CPU 시뮬레이션 시간을 평가하였습니다. 

이러한 방식으로 CFD 모델의 운영 모델링 기능을 평가하여 조기 경보 시스템 내에서 최종 사용에 대한 예측 선행 시간 제한을 결정했습니다.

키워드

Coastal risk, Elevated coastal structure, Numerical simulation, Flow-3D® , 해안 위험, 높은 해안 구조, 수치 시뮬레이션

References

  1. 1.Neumann B, Vafeidis AT, Zimmermann J, Nicholls RJ (2015) Future coastal population growth and exposure to sea-level rise and coastal flooding-a global assessment. PloS one, n. 10(3), p. X-XGoogle Scholar
  2. 2.Jones B, O’Neill BC (2016) Spatially explicit global population scenarios consistent with the Shared Socioeconomic Pathways. Environmental Research Letters, N. 11(8):1–10Google Scholar
  3. 3.Talbot J (2005) Repairing Florida’s Escambia Bay Bridge. Associated Construction Publications, available online at http://www.acppubs.com/article/CA511040
  4. 4.Kennedy A, Rogers S, Sallenger A, Gravois U, Zachry B, Dosa M, Zarama F (2011a) Building destruction from wave and surge on the bolivar peninsula during hurricane Ike. J. Waterw. Port, Coast. Ocean Eng. 137 (3), 132–141Google Scholar
  5. 5.Tomiczek T, Kennedy A, Rogers S (2014) Collapse limit state fragilities of woodframed residences from storm surge and waves during hurricane Ike. J. Waterw. Port, Coast. Ocean Eng. 140 (1), 43–55Google Scholar
  6. 6.Dentale F, Donnarumma G, Pugliese Carratelli E (2014a) Simulation of flow within armour blocks in a breakwater. J Coast Res 30(3):528–536CrossRefGoogle Scholar
  7. 7.Peregrine DH (2003) Water wave impact on walls. Annu Rev Fluid Mech 35:23–43CrossRefGoogle Scholar
  8. 8.Cuomo G, Piscopia R, Allsop W (2011) Evaluation of wave impact loads on caisson breakwaters based on joint probability of impact maxima and rise times. Coast Eng 58(1):9–27CrossRefGoogle Scholar
  9. 9.Faltinsen OM, Landrini M, Greco M (2004) Slamming in marine applications. J Eng Math 48(3–4):187–217CrossRefGoogle Scholar
  10. 10.Peregrine DH. et al (2005) Violent water wave impact on a wall. In: Proceedings of 14th Aha Huliko Winter Workshop, Honolulu, HawaiiGoogle Scholar
  11. 11.Cuomo G, Tirindelli M, Allsop W (2007) Wave in deck loads on exposed jetties. Coast Eng 54(9):657–679CrossRefGoogle Scholar
  12. 12.Azadbakht M, Yim SC (2015) Simulation and estimation of tsunami loads on bridge superstructures. J Waterw Port Coast Ocean Eng 141(2):20CrossRefGoogle Scholar
  13. 13.Wiebe DM, Park H, Cox DT (2014) Application of the Goda pressure formulae for horizontal wave loads on elevated structures. KSCE J. Civ. EngGoogle Scholar
  14. 14.Hayatdavoodi M, Seiffert B, Ertekin RC (2015) Experiments and calculations of cnoidal wave loads on a flat plate in shallow-water. J. Ocean Eng. Mar. Energy 1(1):77–99CrossRefGoogle Scholar
  15. 15.Wei Z, Dalrymple RA (2016) Numerical study on mitigating tsunami force on bridges by an SPH model. J. Ocean. Eng. Mar. Energy 2(365):365–380CrossRefGoogle Scholar
  16. 16.Bradner, C., Schumacher, T., Cox, D., Higgins, C.: Experimental Setup for a largescale bridge superstructure model subjected to waves. J. Waterw. Port, Coast. Ocean Eng. 137 (1), 3–11 (2011)Google Scholar
  17. 17.Xiao H, Huang W (2008) Numerical modeling of wave runup and forces on an idealized beachfront house. Ocean Eng 35(1):106–116CrossRefGoogle Scholar
  18. 18.Do T, van de Lindt JW, Cox D (2016) Performance-based design methodology for inundated elevated coastal structures subjected to wave load. Eng Struct 117:250–262CrossRefGoogle Scholar
  19. 19.Lara JL, Garcia N, Losada IJ (2006) RANS modeling applied to random wave interaction with submerged permeable structures. Coastal Eng 53(5–6):395–417CrossRefGoogle Scholar
  20. 20.Meringolo DD, Aristodemo F, Veltri P (2015) SPH numerical modeling of wave–perforated breakwater interaction. Coast Eng 101:48–68CrossRefGoogle Scholar
  21. 21.Al-Banaa K, Liu PLF (2007) Numerical study on the hydraulic performance of submerged porous breakwater under solitary wave attack. J Coast Res 50:201–205Google Scholar
  22. 22.Gomes, A., Pinho, J.L.S., Valente, T., Antunes do Carmo, J.S., V. Hegde, A.: Performance Assessment of a Semi-Circular Breakwater through CFD Modelling. J. Mar. Sci. Eng. 2020, 8, 226 (2020).Google Scholar
  23. 23.Flow Sciences Inc. Flow-3D User Manual, release 9.4, Santa Fe, NM, USA (2009).Google Scholar
  24. 24.Smith, H., Foster., D.L.: Modeling of flow around a cylinder over a scoured bed. J. Waterw., Port, Coastal, Ocean Eng.131(1),14–24 (2005).Google Scholar
  25. 25.Richardson JE, Panchang VG (1998) Three-dimensional simulation of scour-inducing flow at bridge piers. J Hydraul Eng 124(5):530–540CrossRefGoogle Scholar
  26. 26.Jin J, Meng B (2011) Computation of wave loads on the superstructures of coastal highway bridges. Ocean Eng 38(17–18):2185–2200CrossRefGoogle Scholar
  27. 27.Dentale F, Donnarumma G, Pugliese Carratelli E (2014b) Numerical wave interaction with tetrapods breakwater. Int. J. Nav. Arch. Ocean 6:13Google Scholar
  28. 28.Carratelli EP, Viccione G, Bovolin V (2016) Free surface flow impact on a vertical wall: a numerical assessment. Theor. Comput. Fluid Mech. 30(5):403–414CrossRefGoogle Scholar
  29. 29.Cavallaro, L., Dentale, F., Donnarumma, G., Foti, E., Musumeci, R.E., Pugliese Carratelli, E.: Rubble mound breakwater overtopping: estimation of the reliability of a 3D numerical simulation, In: ICCE 2012, Interntional Conference on Coastal Engineering, Santander, Spain (2012).Google Scholar
  30. 30.Vanneste, D., Suzuki, T., Altomare, C.: Comparison of numerical models for wave overtoping and impact on storm return walls. In: ICCE 2014, International Conference on Coastal Engineering, Seoul, Korea (2014).Google Scholar
  31. 31.Park H, Tomiczek T, Cox DT, van de Lindt JW, Lomonaco P (2017) Experimental modeling of horizontal and vertical wave forces on an elevated coastal structure. Coast Eng 128:58–74CrossRefGoogle Scholar
  32. 32.Isfahani AHG, Brethour JM (2009) On the Implementation of Two-Equation Turbulence Models in FLOW-3D; FSI-09-TN86; Flow Science: Santa Fe. NM, USAGoogle Scholar
  33. 33.Novais-Barbosa J (1985) Mecânica dos Fluidos e Hidráulica Geral Vol 1 e II Porto Editora, PortoGoogle Scholar
  34. 34.Le Méhauté B (1976) An Introduction to Hydrodynamics and Water Waves. Springer, Berlin/Heidelberg, GermanyCrossRefGoogle Scholar
Figure 4.9 Flow analysis results using FLOW3D of the metal flow and solidification in the main cavity. (The velocity is in m/s.)

Numerical Analysis of Die-Casting Process in Thin Cavities Using Lubrication Approximation

Alexandre Reikher
A Dissertation Submitted in
Partial Fulfillment of the
Requirements for the Degree of
Doctor of Philosophy
In Engineering
at
The University of Wisconsin Milwaukee
December 2012

ABSTRACT

얇은 벽 부품의 주조는 오늘날 다이 캐스트 산업의 현실이 되었습니다. 전산 유체 역학 분석은 생산 개발 프로세스의 필수적인 부분입니다. 일반적으로 에너지 방정식과 결합 된 3 차원 Navier-Stokes 방정식은 유동 및 응고 패턴, 유동 선단의 위치, 함수로서 고체-액체 인터페이스의 위치를 ​​이해하기 위해 해결되어야 합니다.

캐비티 충전 및 응고 과정에서 시간. 얇은 벽 주조에 대한 지배 방정식의 일반적인 솔루션에는 많은 수의 계산 셀이 필요하므로 솔루션을 생성하는 데 비현실적으로 오랜 시간이 걸립니다.

Hele Shaw 유동 모델링 접근법을 사용하면 평면 외 유동을 무시함으로써 얇은 캐비티의 유동 문제 해결을 단순화 할 수 있습니다. 추가적인 이점으로, 문제는 3 차원 문제에서 2 차원 문제로 축소됩니다. 그러나 Hele-Shaw 근사는 흐름의 점성력이 관성력보다 훨씬 더 높아야하며,이 경우 Navier-Stokes 방정식은 Reynolds의 윤활 방정식으로 축소됩니다.

그러나 다이 캐스트 공정의 빠른 사출 속도로 인해 관성력을 무시할 수 없습니다. 따라서 윤활 방정식은 흐름의 관성 효과를 포함하도록 수정되어야 합니다.

이 박사 학위 논문에서는 얇은 공동에서 응고와 함께 액체 금속의 정상 상태 및 과도 흐름을 모델링하기 위한 빠른 수치 알고리즘이 개발되었습니다. 설명된 문제는 저온 챔버, 고압 다이 캐스트 공정, 특히 얇은 환기 채널에서 관찰되는 금속 흐름 현상과 밀접한 관련이 있습니다.

채널의 금속 흐름 속도가 고체-액체 계면 속도보다 훨씬 높다는 사실을 사용하여 두께에 따른 열 전달을 처리하면서 금속 흐름을 주어진 시간 단계에서 안정된 것으로 처리하여 새로운 수치 알고리즘을 개발했습니다.

일시적인 방향. 얇은 캐비티의 흐름은 채널 두께에 대한 운동량과 연속성 방정식을 통합 한 후 2 차원으로 처리되고 열 전달은 두께 방향의 1 차원 현상으로 모델링 됩니다. 엇갈린 격자 배열은 유동 지배 방정식을 이산화하는데 사용되며 결과적인 편미분 방정식 세트는 SIMPLE (Semi-Implicit Method for Pressure Linked Equations) 알고리즘을 사용하여 해결됩니다.

상 변화를 수반하는 두께 방향 열 전달 문제는 제어 볼륨 공식을 사용하여 해결됩니다. 고체-액체 계면의 위치와 모양은 솔루션의 일부로 Stefan 조건을 사용하여 찾을 수 있습니다. 시뮬레이션 결과는 응고와 함께 전체 3 차원 흐름 및 열 전달 방정식을 해결하는 상용 소프트웨어 FLOW-3D®의 예측과 잘 비교되는 것으로 나타났습니다.

제안된 수치 알고리즘은 또한 얇은 채널에서 일시적인 금속 충전 및 응고 문제를 해결하기 위해 적용되었습니다. 움직이는 고체-액체 인터페이스의 존재는 이제 반복적으로 해결되는 일련의 흐름 방정식에 비선형 성을 도입합니다.

다시 한번, FLOW3D®의 예측과 잘 일치하는 것이 관찰되었습니다.

이 두 연구는 제안 된 관성 수정 레이놀즈의 윤활 방정식과 함께 두께를 통한 열 손실 및 응고 모델을 성공적으로 구현하여 다이 캐스트 공정 중에 얇은 채널에서 액체 금속의 유동 및 응고에 대한 빠른 분석을 제공 할 수 있음을 나타냅니다. CPU 시간을 대폭 절약하여 얻은 이러한 시뮬레이션 결과는 다이 캐스트 다이의 환기 채널을 설계하는 동안 빠른 초기 분석을 제공하는 데 사용할 수 있습니다.

Figure 1.3. Schematic representation of steps in the hot chamber die-cast process: a.  plunger pushes metal from the sleeve through the gating system into the cavity; b. after  solidification process is complete, the die opens; c. the part is ejected from the cavity.
Figure 1.3. Schematic representation of steps in the hot chamber die-cast process: a. plunger pushes metal from the sleeve through the gating system into the cavity; b. after solidification process is complete, the die opens; c. the part is ejected from the cavity.
Figure 1.5. Schematic representation of steps in the cold chamber die-cast process: a.  molten metal is ladled into the shot sleeve; b. hydraulic cylinder applies pressure on  plunger; c. plunger pushes metal from the sleeve through the gating system into the  cavity; d. high pressure is maintained during solidification; e. after solidification is  complete, the die opens; f. the part is ejected from the cavity.
Figure 1.5. Schematic representation of steps in the cold chamber die-cast process: a. molten metal is ladled into the shot sleeve; b. hydraulic cylinder applies pressure on plunger; c. plunger pushes metal from the sleeve through the gating system into the cavity; d. high pressure is maintained during solidification; e. after solidification is complete, the die opens; f. the part is ejected from the cavity.
Figure 4.6 A schematic of a die-cast die with shot sleeve and plunger: 1) Shot  sleeve, 2) Plunger, 3) Stationary half of the die-cast die, 4) Ejector half of the die-cast die,  5) Mold cavity, 6) Ventilation channel.
Figure 4.6 A schematic of a die-cast die with shot sleeve and plunger: 1) Shot sleeve, 2) Plunger, 3) Stationary half of the die-cast die, 4) Ejector half of the die-cast die, 5) Mold cavity, 6) Ventilation channel.
Figure 4.8 A picture (a ‘full shot’) of a part made using the die-cast process. The  overflows are created when the metal front, after filling the main cavity, fills up the  machined ‘overflow’ pockets in the die-cast mold. Ventilation channel is last to fill-up.
Figure 4.8 A picture (a ‘full shot’) of a part made using the die-cast process. The overflows are created when the metal front, after filling the main cavity, fills up the machined ‘overflow’ pockets in the die-cast mold. Ventilation channel is last to fill-up.
Figure 4.9 Flow analysis results using FLOW3D of the metal flow and solidification in the main cavity. (The velocity is in m/s.)
Figure 4.9 Flow analysis results using FLOW3D of the metal flow and solidification in the main cavity. (The velocity is in m/s.)
Figure 4.10 Temperature distribution in the considered cavity of the die-cast die, filled  with liquid metal at the end of the fill process. (The temperature is in 0C.)
Figure 4.10 Temperature distribution in the considered cavity of the die-cast die, filled with liquid metal at the end of the fill process. (The temperature is in 0C.)
Figure 4.16 Experimentally observed solidified metal in the ventilation channel; a)  Measured length of metal flow in the ventilation channel after solidification stops it; b)  Enlarged image of the solidified metal in the channel
Figure 4.16 Experimentally observed solidified metal in the ventilation channel; a) Measured length of metal flow in the ventilation channel after solidification stops it; b) Enlarged image of the solidified metal in the channel
FLOW-3D (x) Workflow

Optimizing Design Performance with Baffle Placement

배플 배치로 설계 성능 최적화

최적화 목표

배플이 있는 액체 저장 탱크의 슬로시 댐핑

최적화 과제

사용자가 슬로싱 시뮬레이션을 여러번 반복하여 대형 원통형 탱크에서 댐핑을 최대화하는 최적의 링 배플 위치를 찾을 수 있는 워크플로를 생성합니다. 여기에서 시뮬레이션된 사례는 Maleki 및 Ziyaeifar (2008)1 의 물리적 실험을 기반으로합니다 .

액체 저장 탱크 개략도

최적화 솔루션

시뮬레이션은 수직으로 배치된 원통형 탱크에서 0.6m의 유체 높이에서 처음에 수평에서 5도 배치된 유체의 슬로싱의 자유 붕괴를 나타냅니다. 링 배플의 위치는 z 방향으로 변환할 수 있습니다. 목표는 가장 많은 양의 슬로시 댐핑을 발생시키는 배플의 위치를 ​​찾는 것입니다. 각 시뮬레이션은 12 개의 CPU 코어에서 약 10 분 동안 실행됩니다.

예산 범위에서 30 회 반복 또는 허용되는 시뮬레이션 반복 횟수가 지정됩니다. FLOW-3D (x) 는 30 개의 시뮬레이션을 실행하여 시스템의 동작을 나타내는 반응 표면을 생성합니다. 이를 통해 최상의 솔루션을 찾을 수 있습니다.  

FLOW-3D (x) 워크 플로우

FLOW-3D (x) 는 노드를 사용하여 최적화를 위한 자동화된 워크 플로를 구성합니다. 이 워크 플로우를 시작할 때 z 방향의 초기 배플 위치가 제공됩니다. 배플 위치는 규정된 경계 사이에서 수직으로 이동하도록 허용됩니다. 그런 다음 각 시뮬레이션은 반복 시뮬레이션을 실행하는 FLOW-3D 노드로 공급됩니다. 시뮬레이션 결과는 감쇠 계산을 수행하는 계산기 노드에 연결됩니다. 그런 다음 최적화 엔진은 지속적으로 개선되는 응답 표면을 기반으로 배플의 또 다른 z 좌표를 선택하고 다른 시뮬레이션 실행을 계속합니다.  

FLOW-3D (x) 최적화 워크 플로우 배플 성능 설계

결과

FLOW-3D(x)의 내장 데이터 분석 도구를 사용하여 결과를 그래픽으로 표시하면 0.55m의 배플 높이가 최대 댐핑 비율을 제공한다는 것을 알 수 있습니다. 시뮬레이션 및 반복 설계 기능은 모두 프로그램과 함께 자동화됩니다. 또한 각 시뮬레이션의 영상과 비디오를 출력으로 설정할 수 있습니다.

성능 설계 최적화-슬로 싱

References

1Maleki, A. and Ziyaeifar, M., 2008. Sloshing damping in cylindrical liquid storage tanks with baffles. Journal of Sound and Vibration, 311(1-2), pp.372-385.

Granular Media

Granular 미디어

가공 및 제조 업계에서는 다양한 유형의 The granular media model를 접할 수 있습니다. 특이한 특성으로 인해 입상 재료는 유용한 목적을 위해 전달, 혼합 또는 조작하려는 엔지니어에게 어려운 문제를 제기 할 수 있습니다. 입상 매체 모델은 고체 입자와 기체 또는 액체 (예 : 모래와 공기 또는 모래와 물) 일 수있는 유체의 혼합물의 거동을 예측하는 데 사용됩니다. 입상 고체와 유체의 혼합물은 수수료 표면에 의해 제한 될 수있는 비압축성 유체로 취급됩니다. 입상 매체 모델은 고농축 입상 재료의 흐름을 위해 개발되었습니다. 이 모델은 “연속”접근 방식을 사용합니다. 즉, 모래의 연속적인 유체 표현을 기반으로 하여 개별 모래 입자를 처리하려고 하지 않습니다.

Sand flowing under gravity in two-dimensional hour glass
2 차원 모래 시계에서 중력에 의해 흐르는 모래. 작은 검은 색 선은 속도 벡터입니다. 빨간색은 대부분 완전히 채워진 모래 밀도를 나타냅니다.

Granular미디어 모델링

모래와 공기의 혼합물은 공기와 모래 재료가 개별 속도로 흐르지만 압력 및 점성 응력으로 인한 운동량 교환을 통해 결합되는 2 상 흐름입니다. 전형적인 코어 모래에서 모래 입자의 직경은 약 10 분의 1 밀리미터이며 공동으로 날려지는 모래의 부피 분율은 일반적으로 50 % 이상입니다. 이 범위에서는 모래와 공기 사이에 강력한 결합이 존재하므로 그 혼합물을 단일 복합 유체로 모델링 할 수 있습니다. 두 재료의 속도 차이로 인한 2 상 효과는 Drift-Flux라고 하는 상대 속도에 대한 근사치를 사용하여 설명됩니다.

상대 속도 접근 방식을 사용하는 이 복합 흐름은 입상 매체 모델의 기반으로 선택되었습니다. 모래/공기 혼합물은 주변 공기와의 경계에 날카로운 자유 표면이 있는 단일 유체로 표현 될 수 있다고 가정합니다. 그러나 복합 유체는 모래 다짐 정도에 따라 균일하지 않은 밀도를 가질 수 있습니다. 혼합물의 점도는 밀도와 전단 응력의 함수입니다. 운동량 전달의 대부분은 입자-입자 충돌에 의한 것이기 때문에 모래-공기 혼합물은 전단 농축 물질의 특성을 갖습니다.

캐비티의 순수한 공기 영역을 배출하기 위해 단열 기포로 처리됩니다. 단열 기포는 유체 또는 단단한 벽으로 둘러싸인 공기 영역입니다. 기포의 압력은 기포 부피의 함수이며 기포가 차지하는 영역에서 균일 한 값을 갖습니다. 통풍구는 기포 내의 공기가 공동 외부로 배출되도록 합니다.

Sand Core Blowing Applications

유체와 달리 입상매질에서는 발생할 수 있는 몇 가지 차이점을 설명하기 위해 간단한 2 차원 쐐기 모양 호퍼가 바닥에 1cm 너비 튜브로 설치되었습니다. 시뮬레이션은 바닥 튜브가 비어있는 채로 시작됩니다.

Granular media model
 
Figures 1-4 (From left to right): Initial 2D hopper configuration; Time 1.75s — Vectors are black; Time 3.0s; Time 5.0s

모래는 0.63 부피 분율의 가까운 포장 한계에서 초기화되었습니다. 배출관 입구의 바닥에있는 모래는 중력의 작용으로 떨어지기 시작하지만 위의 거의 모든 모래는 고정되어 있습니다. 1-4, 여기서 색상은 패킹으로 인한 흐름 저항입니다 (빨간색은 완벽하게 단단함). 짧은 시간에 거품과 같은 영역이 형성되고 모래의 윗면을 향해 올라갑니다. 기포가 상단에 도달 할 때까지 기포 표면 주위의 흐름 만 보이며 표면이 붕괴됩니다. 상단 표면의 움푹 들어간 부분은 측면을 34 °의 지정된 안식각으로 줄이는 국부적 흐름을 가지고 있습니다. 한편이 패턴을 반복하기 위해 바닥에 또 다른 거품이 형성됩니다.

이 새로운 모델의 적용을 설명하기 위해 D. Lefebvre, A. Mackenbrock, V. Vidal, V에 의해 “날린 코어 및 금형 설계에서 시뮬레이션 개발 및 사용”논문의 데이터와 비교하기 위해 시뮬레이션을 수행했습니다. Pavan and PM Haigh., Hommes & Fonderie, 2004 년 12 월. 데이터는 하나의 충전 포트가있는 2 차원 다이 형상에 대한 것입니다. 다이의 벤팅은 비대칭 적이 어서 벤트가 충전 패턴에 미치는 영향을 연구 할 수 있었습니다.

시뮬레이션 영역의 크기는 폭 30cm, 높이 15cm, 두께 1cm입니다. 밀도 1.508 gm/cc의 모래 / 공기 혼합물을 상자 입구에서 절대 2 기압의 압력으로 상자에 넣었습니다. 상자의 오른쪽에는 5 개의 열린 통풍구가 있고 상자의 아래쪽과 왼쪽에는 6 개의 통풍구가 더 있습니다. 이 배열은 상자의 비대칭 채우기로 이어집니다.

Sand core blowing continuum model simulation
 
Figure 5:  연속체 모델 시뮬레이션과 실험 데이터의 비교 시뮬레이션 결과는 0.035s, 0.047s 및 0.055s입니다. 색조는 혼합 농도를 나타냅니다.

계산 그리드는 수평으로 80 개의 메쉬 셀과 수직으로 40 개의 메쉬로 구성되었습니다. 시뮬레이션이 완전히 채워진 코어 박스에 도달하는 데 걸리는 시간은 0.07 초 였고 3.2GHz Pentium 4 PC 컴퓨터에서 직렬 모드로 실행되는 CPU 시간이 약 8.9 초가 필요했습니다 (만족할 정도로 작지만 물론 이것은 2D 케이스였습니다. 계산 영역에 3200 개의 셀이 있음).

연속체 모델 시뮬레이션의 결과와 Lefebvre 등 논문의 사진을 비교 한 결과가 그림 5에 나와 있습니다. 시각적 일치는 많은 세부 사항에서 매우 좋은 것으로 보입니다. 시뮬레이션은 왼쪽에 통풍구가 닫혀있는 비대칭 영향을 포착합니다.

FLOW-3D CAST

FLOW-3D_CAST_2023R2
FLOW-3D CAST 2023R2

새로운 결과 파일 형식

FLOW-3D POST 2023R2는 EXODUS II 형식을 기반으로 하는 완전히 새로운 결과 파일 형식을 도입하여 더 빠른 후처리를 가능하게 합니다. 이 새로운 파일 형식은 크고 복잡한 시뮬레이션의 후처리 작업에 소요되는 시간을 크게 줄이는 동시에(평균 최대 5배!) 다른 시각화 도구와의 연결성을 향상시킵니다.

FLOW-3D POST 2023R2 에서 사용자는 이제 flsgrf , EXODUS II 또는 flsgrf 및 EXODUS II 파일 형식 으로 선택한 데이터를 쓸 수 있습니다 . 새로운 EXODUS II 파일 형식은 각 객체에 대해 유한 요소 메쉬를 활용하므로 사용자는 다른 호환 가능한 포스트 프로세서 및 FEA 코드를 사용 하여 FLOW-3D 결과를 열 수도 있습니다. 새로운 워크플로우를 통해 사용자는 크고 복잡한 사례를 신속하게 시각화하고 임의 슬라이싱, 볼륨 렌더링 및 통계를 사용하여 보조 정보를 추출할 수 있습니다.

새로운 결과 파일 형식은 솔버 엔진의 성능을 저하시키지 않으면서 flsgrf 에 비해 시각화 작업 흐름에서 놀라운 속도 향상을 자랑합니다.

FLOW-3D POST의 표면 LIC
FLOW-3D POST 의 새로운 EXODUS II 파일 형식 및 Surface LIC 표현의 예

이 흥미로운 새로운 개발은 결과 분석의 속도와 유연성이 향상되어 사용자에게 원활한 시뮬레이션 경험을 제공합니다. FLOW-3D POST 의 새로운 시각화 기능 에 대해 자세히 알아보세요 .

정수압 초기화

사용자가 사전 정의된 금속 영역에서 정수압을 초기화해야 하는 경우가 종종 있습니다. 크고 복잡한 시뮬레이션에서는 정수압 솔버의 수렴 속도가 느려지는 경우가 있습니다. FLOW-3D CAST 2023R2는 정수압 솔버의 성능을 크게 향상시켜 전처리 단계에서 최대 6배 빠르게 수렴할 수 있도록 해줍니다.

새로운 TDC(열 다이 사이클링) 모델

https://youtube.com/watch?v=jfmEDRgyiw4%3Fcontrols%3D1%26rel%3D0%26playsinline%3D0%26modestbranding%3D0%26autoplay%3D1%26enablejsapi%3D1%26origin%3Dhttps%253A%252F%252Fwww.flow3d.com%26widgetid%3D1

열 다이 사이클링 - 샷 슬리브
새로운 Thermal Die Cycling 모델로 예측된 ​​샷 슬리브의 온도 분포

FLOW-3D CAST 2023R2 의 재설계된 열 다이 사이클링(TDC) 모델은 고압 다이 캐스팅 및 기타 영구 금형 주조 공정의 프로세스 시트와 더 잘 일치하는 더 간단하고 직관적인 설정 프로세스를 제공합니다. 

이제 TDC 시퀀스는 충전 단계의 시작 부분 에서 시작되어 하위 프로세스 전반에 걸쳐 시간에 따른 냉각/가열 라인 정의에 대한 더 높은 정확성과 정렬을 제공합니다. 향상된 스프레이 냉각 모델을 통해 사용자는 부품별로 처리 일정을 정의할 수 있을 뿐만 아니라 스프레이, 세척 및 코팅 처리에 대한 옵션을 처방할 수 있습니다. 슬라이더 동작도 포함되며 이제 냉각 채널과 가열 요소가 슬라이더와 함께 이동합니다. 

이러한 기능은 다양한 단계, 일정, 이동, 처리 및 조립 단계를 보여주는 깔끔하고 직관적인 프로세스 개요를 제공하는 새로운 Thermal Die Cycling 대화 상자를 통해 제어됩니다.

FLOW-3D CAST의 열 다이 사이클링 대화상자
FLOW-3D CAST 의 새로운 Thermal Die Cycling 대화 상자

이러한 개발은 개선된 열 솔루션뿐만 아니라 TDC와 관련된 공정의 응고 및 납땜에 대한 더 나은 예측을 촉진합니다.

FLOW-3D CAST 2023R1 의 새로운 기능

FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R1에서 IT 관련 개선 사항을 받았습니다. 

FLOW-3D CAST 2023R1은 이제 Windows 11 및 RHEL 8을 지원합니다. Linux 설치 프로그램은 누락된 종속성을 보고하도록 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 그리고 워크플로를 자동화한 분들을 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.

FLOW-3D CAST 2023R1 의 고급 기능을 통해 사용자는 다음을 수행할 수 있습니다.

  • 기가캐스팅 제작 시 등 샷 성능 최적화
  • 툴링 마모 해결
  • 고급 탄소강 및 저합금강 주조 시뮬레이션
  • 거시적 분리의 효과를 설명합니다.

플런저 모션 개선

우리는 슬로우 샷 계산기를 개선하여 정확성을 높이고, 공기 혼입을 줄이며, 낮은 충전 수준을 더 잘 처리할 수 있도록 유효성 범위를 확장했습니다. 또한 사용자 인터페이스를 간소화했으며 향상된 슬로우 샷 계산기와 결합하여 인상적인 결과를 제공합니다. 이제 플런저 위치 또는 시간 기반 정의에서 슬로우 샷 계산기의 데이터를 쉽게 사용할 수 있습니다. 새로운 계산기는 또한 슬로우 샷이 끝날 때 혼입되는 공기를 크게 줄이는 세련된 샷 프로필을 제공합니다.

슬로우 샷 계산기 개선
2007년 슬로우 샷 계산기와 2022년 버전 비교. 슬로우 샷이 끝나면 새 계산기를 사용하여 동반 공기량이 감소하는 것을 확인하십시오.

확장된 PQ 2 분석

대형 주조는 계산 비용이 많이 들고 기가 주조는 시뮬레이션 소프트웨어를 한계까지 밀어붙일 수 있습니다. 속도 경계 조건이나 금속 입력을 사용하여 샷 슬리브와 플런저를 근사화하는 것은 런타임을 줄이는 유용한 단순화 방법입니다. 그러나 PQ 

2 분석 없이는 HPDC 기계가 한계에 가깝게 작동하고 예상대로 작동하지 않아 부품 품질을 위협하는지 알 수 없습니다. 

우리는 매우 유능한 PQ 2 분석을 수행 하고 이를 금속 입력 및 속도 경계 조건에 적용하여 이 문제를 해결했습니다. 이는 가장 크고 가장 복잡한 주조에서도 충전 정확도를 유지하면서 처리 시간을 크게 줄이는 것을 의미합니다.

https://youtube.com/watch?v=V58ePIPAEOA%3Fcontrols%3D1%26rel%3D0%26playsinline%3D0%26modestbranding%3D0%26autoplay%3D0%26enablejsapi%3D1%26origin%3Dhttps%253A%252F%252Fwww.flow3d.com%26widgetid%3D3

곰팡이 침식 예측

주조 금형과 다이는 기계적 스트레스 요인을 포함한 다양한 이유로 마모됩니다. 기존 전단 하중 측정법은 이 마모를 연구할 때 도움이 되지만 지금까지는 금형에 대한 금속의 충돌을 설명하지 못했고 모래 주조 금형에 포함된 모래의 최종 위치를 예측할 수 없었습니다. 이 문제를 해결하기 위해 우리는 이 마모 메커니즘을 더 잘 이해할 수 있도록 새로운 출력을 추가했습니다. 새로운 출력에는 이러한 유형의 침식이 발생할 가능성이 있는 지역과 모래 함유물의 예상 위치가 표시됩니다.

https://youtube.com/watch?v=2KiZ538TIMg%3Fcontrols%3D1%26rel%3D0%26playsinline%3D0%26modestbranding%3D0%26autoplay%3D0%26enablejsapi%3D1%26origin%3Dhttps%253A%252F%252Fwww.flow3d.com%26widgetid%3D5

다이 솔더링 예측

알루미늄 주조에 사용되는 영구 다이는 용융된 알루미늄이 다이의 철과 결합하여 화학적 마모를 겪게 되며, 이는 부품 품질뿐만 아니라 다이의 수명과 유지 관리 요구 사항에 영향을 미치는 땜납을 형성합니다. 이 마모 메커니즘의 중요성으로 인해 우리는 납땜의 위치와 심각도를 모두 예측하는 모델을 구축하게 되었습니다.

다이 솔더링 시뮬레이션
시뮬레이션된 솔더(왼쪽)와 관찰된 솔더(오른쪽, 빨간색). 사진은 다이에 관한 것이지만 시뮬레이션에서는 부품을 보여주기 때문에 이미지가 거울처럼 보입니다.

화학 기반 탄소 및 저합금강 응고 모델

우리의 장기 개발 목표 중 하나의 결과는 석출 반응, 응고 및 재용해 경로, 미세 구조 특징 및 결함을 정확하게 설명하는 탄소강 및 저합금강에 대한 강력한 화학 기반 응고 모델 입니다. 이 모델은 또한 중요한 3상 포정반응과 델타 페라이트에서 오스테나이트로의 전이로 인한 대량 수축과 관련된 결함을 설명합니다.

이 모델은 실험과의 탁월한 일치를 보여주며, 예를 들어 과포정 합금이 응고가 끝날 때 페라이트 영역을 개발할 수 있는 이유와 같은 비직관적이고 시간 의존적인 동작에 대한 통찰력을 제공합니다.

수축 예측 검증

거시 분리 예측

대규모 분리는 주조품의 품질과 다운스트림 처리에 중요한 영향을 미칠 수 있으므로 이를 화학 기반 응고 모델에 추가했습니다. 이 모델은 매크로 분리 관련 결함이 발생할 수 있는 위치를 예측하므로 캐스팅 전에 이를 예측하고 완화할 수 있습니다.

시뮬레이션 대 실험 강철 주조
강철 주조에 대한 실험과 시뮬레이션 결과를 비교합니다. WT Adams, Jr. 및 KW Murphy, “주강 주물에서 라이저 아래의 심각한 화학 물질 분리를 방지하기 위한 최적의 완전 접촉 상단 라이저”, AFS Trans., 88(1980), pp. 389-404

FLOW-3D CAST 2022R2 의 새로운 기능

FLOW-3D CAST 2022R2 제품군 출시로 Flow Science는 FLOW-3D CAST 의 워크스테이션과 HPC 버전을 통합하여 단일 노드 CPU 구성에서 다중 노드 병렬 고성능 컴퓨팅 실행. 추가 개발에는 점탄성 흐름을 위한 새로운 로그 형태 텐서 방법, 지속적인 솔버 속도 성능 개선, 고급 냉각 채널 및 팬텀 구성요소 제어, 개선된 동반 공기 기능이 포함됩니다.

통합 솔버

우리는  FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여 로컬 워크스테이션이나 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행했습니다.

많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만, 고성능 컴퓨팅 클러스터에서도 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션의 OpenMP/MPI 하이브리드 병렬화와 동일한 이점을 활용하여 워크스테이션과 노트북에서 실행할 수 있습니다.

성능 확장의 예
증가하는 CPU 코어 수를 사용한 성능 확장의 예
메쉬 분해의 예
OpenMP/MPI 하이브리드 병렬화를 위한 메시 분해의 예

솔버 성능 개선

멀티 소켓 워크스테이션

다중 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 사용하면 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있어 성능이 향상되는 것을 확인할 수 있습니다.

낮은 수준의 루틴으로 향상된 벡터화 및 메모리 액세스

대부분의 테스트 사례에서 10~20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 나타났습니다.

정제된 체적 대류 안정성 한계

시간 단계 안정성 제한은 모델 런타임의 주요 동인이며, 2022R2에서는 새로운 시간 단계 안정성 제한인 3D 대류 안정성 제한을 숫자 위젯에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 일반적인 속도 향상을 30% 정도 보여줍니다.

압력 솔버 프리컨디셔너

경우에 따라 까다로운 흐름 구성의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 이러한 어려운 경우 2022R2에서는 모델이 너무 많이 반복되면 FLOW-3D가 자동으로 새로운 사전 조절기를 활성화하여 압력 수렴을 돕습니다. 테스트의 런타임은 1.9에서 335까지 더 빨라졌습니다!

점탄성 유체에 대한 로그 형태 텐서 방법

점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissemberg 수에 효과적입니다.

활성 시뮬레이션 제어 확장

능동 시뮬레이션 제어 기능이 확장되어 연속 주조 및 적층 제조 응용 분야에 일반적으로 사용되는 팬텀 개체는 물론 주조 및 기타 여러 열 관리 응용 분야에 사용되는 냉각 채널에도 사용됩니다.

팬텀 물체 속도 제어의 예
연속 주조 응용 분야에 대한 가상 물체 속도 제어의 예
동적 열 제어의 예
융합 증착 모델링 애플리케이션을 위한 동적 열 제어의 예
동적 냉각 채널 제어의 예
산업용 탱크 적용을 위한 동적 냉각 채널 제어의 예

FLOW-3D CAST 아카이브 의 새로운 기능

FLOW-3D CAST는 다양한 금속 주조 해석이 가능한 완벽한 열유동 해석 프로그램으로, 매우 정확한 모델링과 다기능성, 사용 용이성 및 고성능 클라우드 컴퓨팅 기능을 결합한 최첨단 금속 주조 해석 시뮬레이션 플랫폼입니다. 모든 금속 주조 공정에 대해 FLOW-3D CAST는  빠르고 직관적인 해석이 가능한 작업 공간을 제공합니다. 11개 공정에 대한 Workspace, 강력한 후처리, 충진 예측, 응고 및 결함 분석을 통해 FLOW-3D CAST는 최적의 주조 제품 설계에 필요한 도구와 로드맵을 모두 제공합니다.

FLOW-3D Cast는 거의 모든 주조 공정을 모델링 할 수 있도록 설계되었습니다. FLOW-3D Cast의 매우 정확한 유동 및 응고 결과는 표면 산화물, 혼입된 공기, 매크로 및 미세 다공성과 같은 중요한 주조 결함을 포착합니다. 다른 특별한 모델링 기능으로는 로봇 스프레이 냉각 및 윤활, 샷 슬리브 흐름 프로필, 스퀴즈 핀 및 열 응력을 모델링 할 수있는 열 다이 사이클링이 있습니다.

최적화된 시뮬레이션 설계를 통해 개발 시간을 단축하고 출시 시간을 단축하며 수율을 높일 수 있습니다. FLOW-3D CAST를 사용하면 설계 및 개발 비용을 절감할 수 있습니다.

FLOW-3D CAST Continuous Casting WorkspaceFLOW-3D CAST Gravity Die Casting Workspace
FLOW-3D CAST HPDC WorkspaceFLOW-3D CAST Investment Casting WorkspaceFLOW-3D CAST Low Pressure Sand Casting Workspace
FLOW-3D CAST Low Pressure Die Casting WorkspaceFLOW-3D CAST Sand Casting WorkspaceFLOW-3D CAST Sand Core Making Workspace
Lost Foam CastingFLOW-3D CAST Tilt Pour Casting
HPDC Oxides Simulation | FLOW-3D CAST
BMW Injector Casting Process – Innovative ingate system for gravity casting
Continuous Slab Casting | FLOW-3D CAST
Horizontal Centrifugal Pipe Casting | FLOW-3D CAST

FLOW-3D 제품 카달로그

Why FLOW-3D

FLOW-3D 제품은 광범위한 산업 응용 분야 및 물리적 공정에서 액체 및 가스의 동적 거동을 조사하는 엔지니어를 위한 완전하고 다양한 CFD 시뮬레이션 플랫폼을 제공합니다. FLOW-3D의 최첨단 기능을 통해 전 세계 고객은 세계에서 가장 어려운 CFD 문제를 해결할 수 있습니다.

모든 FLOW-3D 제품은 동일한 다중 물리 솔버 엔진으로 구동되며, 맞춤형 사용자 인터페이스를 통해 쉽고 직관적이며 오류 없는 모델링 해석 작업이 가능합니다. 사내 HPC 클러스터(슈퍼컴)이든 클라우드 컴퓨팅 솔루션(CLOUD Computing)이든 FLOW-3D 제품은 수천 개의 CPU 코어로 원활하게 확장 가능합니다.

catalogue FLOW-3Dcatalogue FLOW-3D HYDROcatalogue FLOW-3D CAST
catalogue FLOW-3D AMcatalogue FLOW-3D WELDcatalogue FLOW-3D POST

FLOW-3D 분야별 적용사례 바로가기

삼성 870 EVO SATA

수치해석에 유용한 SSD (메모리디스크) 2021 가이드

본 자료는 ITWORLD 기사에서 2021년 3월과 05일 자료와 2021년 12월 14일 자료에서 발췌 인용된 자료입니다. (출처 : www.itworld.co.kr)

수치해석을 하는 경우 계산과정에서 생성되는 결과 파일 사이즈는 매우 크기 때문에, 빠른 디스크 속도는 사용자의 총 해석시간을 줄이는데 큰 도움이 됩니다.

수치해석에서 SSD가 필요한가?

수치해석 업무를 담당하는 사용자에게 SSD가 필요한가? 한마디로 말하면 수치해석을 하는 모든 사람은 보유하고 있는 수치해석 장비의 디스크를 SSD로 업그레이드하는 것이 좋다. 가장 빠른 기계식 하드 드라이브도 SSD 속도에는 미치지 못한다.

기존 노트북, 또는 데스크톱의 하드 드라이브를 SSD로 교체하면 완전히 새로운 시스템처럼 느낄 수 있다. 수치해석을 하는 사용자는 SSD를 구입하는 것은 컴퓨터를 업그레이드하는데 가장 적합한 옵션이다.

SSD는 기계식 하드 드라이브보다 기가바이트 당 비용이 더 많이 들기 때문에 초 고용량으로 제공되지 않는 경우가 많다. 속도와 저장 공간이 필요한 경우, 128GB 나 256GB의 SSD를 구입해 부팅 드라이브로 사용하고, 기존 하드 드라이브를 PC의 보조 저장 장치로 사용하면 최선의 선택이 된다.

하드 드라이브는 가격 대비 용량 측면에서 여전히 큰 이점을 제공하며, 자주 사용되지 않는 데이터를 저장하는 용도로 적합하다. 그러나 운영체제, 프로그램, 자주 사용하는 데이터에는 보유하고 있는 시스템이 지원한다면 NVMe SSD, 지원하지 않는다면 SATA SSD를 사용하는 것이 좋다.

아래 그래프를 보면 SSD를 왜 사용해야 하는지 명확해진다.

SSD Speed compare
SSD Speed compare

NVMe/M.2/SATA SSD 비교 정리

 NVMe SSDM.2 SSDSATA SSD
속도PCIe 3.0
최대 3,500MBps

PCIe 4.0
최대 7,500MBps


 
SATA
최대 550MBps

NVMe PCIe 3.0
최대 3,500MBps

NVMe PCIe 4.0
최대 7,500MBps
최대 550MBps






 
폼팩터 종류M.2
U.2*
PCIe 카드*
*일반적이지 않은 종류
N/A


 
2.5인치 드라이브
M.2

 
인터페이스 종류N/A
 
SATA
NVMe
N/A
 
장점속도가 빠름공간을 덜 차지함속도와 가격의 균형
단점가격이 비쌈

 
SATA M.2가
2.5인치 SATA보다
비싼 경우가 있음
속도가 느리고
공간을 많이 차지함
 

SATA SSD vs. NVMe SSD

시장에 SATA SSD와 NVMe SSD가 아직 공존하는 데는 이유가 있다. 메모리 기반 SSD의 잠재력을 감안할 때 결국 새로운 버스와 프로토콜이 필요할 수밖에 없으리란 점은 초기부터 명확했다. 그러나 초창기 SSD는 비교적 속도가 느렸으므로 기존 SATA 스토리지 인프라를 사용하는 편이 훨씬 더 편리했다.

SATA 버스는 버전 3.3에 이르러 16Gbps까지 발전했지만 거의 모든 상용 제품은 여전히 6Gbps에 머물러 있다(오버헤드를 더해 대략 550MBps). 버전 3.3이라 해도 현재 SSD 기술, 특히 RAID 구성으로 낼 수 있는 속도에 비하면 한참 느리다.

그 다음으로 등장한 방법은 역시 기존 기술이지만 대역폭이 훨씬 더 높은 버스 기술인 PCI 익스프레스, 즉 PCIe 활용이다. PCIe는 그래픽 및 기타 애드온 카드를 위한 기본 데이터 전송 계층이다. 3.x 세대 PCIe는 복수의 레인(대부분의 PC에서 최대 16개)을 제공하며, 각 레인은 1GBps(985MBps)에 가까운 속도로 작동한다.

PCIe는 썬더볼트 인터페이스의 기반이기도 하다. 썬더볼트는 게임용 외장 그래픽 카드, 그리고 내장 NVMe와 거의 대등한 속도를 내는 외장형 NVMe 스토리지에서 진가를 발휘하기 시작했다. 많은 사용자들이 이제 느끼고 있지만, 인텔이 썬더볼트를 버리지 않은 것은 현명한 판단이었다.

물론 PCIe 스토리지는 NVMe보다 몇 년 전에 나왔다. 그러나 이전 솔루션은 SATA, SCSI, AHCI와 같은 하드 드라이브가 스토리지 기술의 정점이었던 시절에 개발된 오래된 데이터 전송 프로토콜에 발목을 잡혔다. NVMe는 저지연 명령과 다수의 큐(최대 6만 4,000개)를 제공함으로써 스토리지의 발목을 잡았던 제약을 없앤다. 지속적인 원을 그리며 데이터가 기록되는 하드 드라이브와 달리 SSD에서는 마치 산탄처럼 데이터가 흩어져 저장되므로 특히 후자, 즉 다수의 큐가 큰 효과를 발휘한다.

가격 : NVMe > SATA

예상했겠지만, SSD는 속도가 빠를수록 가격이 비싸다. 시중에 판매되는 1TB SATA SSD의 가격은 10만 원 초반대이며, 1TB NVMe PCIe 3.0 드라이브의 가격은 10만 원 중후반대다. 1TB PCIe 4.0 드라이브 가격은 10만 원 초반대부터 20만 원대까지 다양하다. 조금 저렴한 1TB PCIe 4.0 드라이브는 최대 속도가 5,000MBps 정도다.

폼팩터 종류에 따라 가격 차이가 나지는 않는다. 2.5인치 SATA SSD와 M.2 모델의 가격이 동일한 경우가 대부분이다. 가끔 2.5인치 모델이 M.2 모델보다 저렴한 경우가 있는데, 일반적이지는 않다.

SSD 선택 시 유의해서 봐야할 것

물론 저장 용량과 가격이 중요하다. 또한 긴 보증기간은 조기 데이터 사망에 대한 우려를 완화시킬 수 있다. 대부분의 SSD 제조업체는 3년 보증을 제공하며 일부 더 좋은 모델은 5년을 보증한다. 그러나 이전 세대의 SSD와는 달리, 몇 년 전에 혹독한 내구성 테스트로 입증한 것처럼 최신 SSD는 일반 소비자가 어지간히 사용해서는 마모되지 않는다.

SSD는 NVMe 혹은 SATA를 사용해 PC의 나머지 부분과 통신한다. 일반적으로 SATA는 NVMe보다 속도가 느리다. 반면 M.2는 사실상 폼팩터에 가까우므로 시중에는 NVMe M.2 SSD와 SATA M.2 SSD가 모두 출시되어 있다. 

다만 제품 광고나 설명서에서 가끔 NVMe 드라이브임을 나타내기 위해 ‘M.2 SSD’라는 표현을 사용하고, 2.5인치 폼팩터 SSD임을 나타내기 위해 ‘SATA SSD’라는 표현을 사용한다. 따라서 ‘M.2 SSD’나 ‘SATA SSD’라는 표현을 액면 그대로 받아들이면 안 된다. 반드시 기술 사양을 확인하고 노트북 또는 데스크톱 PC의 스토리지 드라이브의 대략적인 속도를 확인해야 한다.

유의해야 할 것은 SSD를 PC에 연결하는 데 사용되는 기술이다.

  • SATA: 연결 유형과 전송 프로토콜을 나타내며, 대부분의 2.5인치 및 3.5인치 하드 드라이브와 SSD를 PC에 연결한다. SATA III 속도는 약 600MBps에 달할 수 있으며, 대부분의 현대 드라이브는 최대 속도를 제공한다.
  • PCIe: 이 인터페이스는 컴퓨터의 4개의 PCIe 레인을 활용해 SATA 속도를 훨씬 능가해 거의 4GBps를 제공한다(PCIe 3세대). 이런 파괴적인 속도는 강력한 NVMe 드라이브와 잘 어울린다. 메인보드의 PCIe 레인과 M.2 슬롯 모두 PCIe 인터페이스를 지원하도록 유선으로 연결할 수 있으며, “검정” M.2 드라이브를 PCIe 레인에 슬롯화할 수 있는 어댑터를 구입할 수 있다.
  • NVMe: 비휘발성 메모리 익스프레스(Non-Volatile Memory Express) 기술은 PCIe의 풍부한 대역폭을 활용해 SATA 기반 드라이브를 비교조차 못할 정도로 매우 빠른 SSD를 만든다. NVMe에 대해 더 자세히 알고 싶다면 여기를 클릭하라.
  • M.2: 설명이 쉽지 않다. 많은 사람이 M.2 드라이브가 모두 NVMe 기술과 PCIe 속도를 사용한다고 생각하지만 사실이 아니다. M.2는 단순히 폼 팩터에 불과하다. 물론 대부분의 M.2 SSD는 NVMe를 사용하지만 일부는 여전히 SATA를 사용한다. 많은 최신 울트라북이 저장을 위해 M.2를 사용한다.
  • U.2 및 mSATA: mSATA 및 U.2 SSD에서도 문제가 발생할 수 있지만, 이 형식을 지원하는 메인보드와 제품 가용성은 드물다. M.2가 대중화되기 전에 일부 구형 울트라북에 mSATA가 포함되어 있으며, 필요할 경우 드라이브를 사용할 수 있다.  

물론 속도도 중요하지만, 대부분의 최신 SSD는 SATA III 인터페이스를 지원한다. 그러나 전부 다 그런 것은 아니다.

구입전 사용자가 알아야 할 NVMe SSD

NVMe 드라이브는 구입하기 전에 어떤 특징을 갖고 있는지 알고 있어야 한다. 표준 SATA SSD는 이미 PC 부팅 시간과 로딩 시간을 대폭 단축하고 훨씬 저렴하다. NVMe 드라이브는 특히 대량으로 데이터를 정기적으로 전송하는 경우, 삼성 960 프로와 같은 M.2 폼 팩터나 또는 PCIe 드라이브가 가장 많은 효과를 누릴 수 있다. 그렇지 않으면 NVMe 드라이브는 가격만 비쌀뿐 가치도 없다.  

NVMe SSD를 구입하기로 결정한 경우, PC에서 SSD를 처리할 수 있는지 확인해야 한다. 이는 비교적 새로운 기술이므로, 지난 몇 년 내에 제작한 메인보드만이 M.2 연결이 가능하다. 스카이레이크 시대의 AMD 라이젠과 주류 인텔 칩을 고려하라. PCIe 어댑터에 탑재된 NVMe SSD는 M.2 채택이 확산되기 전인 초기에 널리 사용됐지만 지금은 매우 드물다. NVMe SSD를 구입하기 전에 실제로 NVMe를 사용할 수 있는지 확인하고 최대한 활용하기 위해서는 4개의 PCIe 레인이 필요하다는 점에 유의해야 한다. 

NVMe 드라이브를 최대한 활용하려면 운영체제를 실행해야 하기 때문에 드라이브를 인식하고 부팅할 수 있는 시스템이 있어야 한다. 지난 1~2년 전에 구입한 PC는 NVMe 드라이브에서 부팅하는데 아무런 문제가 없지만, 좀 더 오래된 메인보드는 지원하지 않을 수 있다. 구글에서 자신의 메인보드를 검색하고 NVMe 부팅을 지원하는지 확인하라. 보드의 BIOS 업데이트를 설치해야 할 수도 있다. 하드웨어가 NVMe SSD에서 부팅할 수 없는 경우에도 보조 드라이브로 사용할 수 있어야 한다.  

2021 최고의 SSD 선택 가이드

Brad Chacos | PCWorldSSD(Solid-State Drive)로 전환하는 것은 PC를 위한 최상의 업그레이드다. SSD는 긴 부팅 시간을 없애고, 프로그램과 게임 로드 속도를 높이는 등 일반적으로 컴퓨터를 빠르게 한다. 그러나 모든 SSD가 동일한 것은 아니다. 최고의 SSD는 합리적인 가격으로 훌륭한 성능을 제공한다. 가격에 고민하지 않을 경우, 놀라울 정도의 빠른 읽기 및 쓰기 속도를 제공하는 제품도 있다. 

대부분 사용자를 위한 최고의 SSD: SK 하이닉스 골드 S31 SATA SSD  
가성비 최고의 SSD: 애드링크 S22 QLC SATA 2.5인치 SSD 
최고의 NVME SSD: SK 하이닉스 골드 P31 M.2 NVMe SSD(1TB) 
최고의 PCIe 4.0 SSD: 삼성 980 프로 PCIe 4.0 NVMe SSD(1TB)

많은 SSD가 2.5인치 폼 팩터로 제공되며 기존 하드 드라이브에서 사용하는 것과 동일한 SATA 포트를 통해 PC와 통신한다. 그러나 최첨단 NVMe(Non-Volatile Memory Express) 드라이브는 메인보드의 M.2에 직접 연결하는 작은 스틱 형태의 SSD다. PCIe 어댑터에 장착되는 이 드라이브는 구입하기 전에 메인보드에 슬롯이 있는지 확인해야 한다. 그래픽 카드나 사운드 카드처럼 메인보드에 꽂을 수 있는 SSD와 미래형 3D 크로스포인트(3D XPoint) 드라이브 등이 등장함에 따라 완벽한 SSD를 선택하는 것은 예전처럼 간단하지 않다. 

그래서 이 가이드가 필요하다. 본지는 사용자 상황에 적합한 SSD를 찾기 위해 수많은 SSD를 테스트했다. 본지가 선정한 최고 인기 제품과 SSD 선택 시 무엇을 고려해야 하는지 알아보자. 참고로, 이번 가이드는 내장형 SSD만 적용한 것이다. 


최신 SSD 뉴스

  • 구입해야 하는 SSD에 대한 가이드를 확인하고, 각 시스템에서 가장 적합한 SSD의 종류에 대해 알아보자. 
  • 인텔은 모든 데스크톱 소비자 버전의 옵테인(Optane) 드라이브를 단종시켰지만, 이 기술은 노트북과 서버에 그대로 남아있다. 옵테인 SSD는 엄청난 랜덤 액세스 성능과 놀라운 내구성을 제공했지만, 용량이 제한적이면서도 가격은 매우 높았다. 향후 노트북에서 느린 NAND SSD 속도를 높이기 위한 캐싱 형태의 기능으로 사용될 것이다. 
  • 스토리지 제조업체는 공급망 문제로 인해 출시 후 구성 요소를 조정하는 경우가 많지만, 한 PC하드웨어 전문매체는 최근 에이데이타(Adata)가 훨씬 느린 버전으로 XPG 8200 프로의 컨트롤러를 교체한 것을 포착했다.  


대부분 사용자를 위한 최고의 SSD, SK 하이닉스 골드 S31 SATA SSD 

ⓒ SK Hynix

삼성의 주력인 EVO SSD 제품군은 2014년 이래로 줄곧 본지의 권장 목록에서 1위를 차지했으며, 현재 삼성 860 EVO는 여전히 속도, 가격, 호환성 및 5년 보증 및 뛰어난 마법사 관리 소프트웨어의 안정성 등 조화를 원하는 사람들에게 좋은 선택지다. 그러나 대부분의 사람들은 SK 하이닉스 골드 S31을 사는 것이 낫다. 

골드 S31은 지금까지 본지가 테스트 한 가장 빠른 SATA SSD 가운데 하나일뿐만 아니라 동급 최강의 870 EVO와 견줄 수 있을만한 거리에 있다. 하지만 이 드라이브의 가격은 놀랍다. 250GB 드라이브의 경우 44달러, 500GB 드라이브의 경우 57달러, 1TB의 경우 105달러인 골드 S31은 500GB 모델에 70달러를 청구하는 삼성 제품보다 훨씬 저렴하다(국내에서는 1T 13만 5,000원, 500G 7만 5,000원, 250G 4만 8,000원에 판매하고 있다. 편집자 주). .

리뷰 당시 본지는 “실제 48GB 사본 테스트 수행시 골드 S31은 지속적인 읽기 및 쓰기 작업에서 테스트한 제품 가운데 가장 빠른 드라이브임을 입증했다”라고 평가했다. 이 제품은 이 평가로 충분하다.

SK 하이닉스는 정확히 제품 이름이 아니기 때문에 브랜드 자체에 대해 조금 딴지를 걸 수도 있다. 그럼에도 불구하고 SK 하이닉스는 지구상에서 가장 큰 반도체 제조업체 가운데 하나다. SK 하이닉스는 시작부터 NAND 및 컨트롤러 기술을 개발해왔으며, 수많은 컴퓨터 업체의 SSD 제조업체였지만 판매선상에는 자리하지 못했다. 이제 그 선상에 섰고, 결과는 훌륭했다. 

더 큰 용량이 필요하거나 단순히 검증된 브랜드를 고수하고 싶다면, 250GB, 500GB, 1TB 및 2TB 모델로 제공하는 삼성 870 EVO를 선택하면 된다. 이 제품은 SK 하이닉스보다 조금 더 빠르지만, 그 대가로 비용이 더 많이 든다. 삼성 870 EVO는 대부분의 SSD에 비해 매우 매력적이고 저렴한 패키지를 제공하고 있기 때문에 골드 S31이 얼마나 더 좋은 것인지 알 수 있다. 삼성 870 QVO는 1TB에서 무려 8TB에 이르는 용량을 가진 또 다른 강력한 경쟁 제품이지만 다음 세션에서 논의할 것이다.


가성비 최고의 SSD: 애드링크(AddLink) S22 QLC SATA 2.5인치 SSD

ⓒ Addlink

매우 저렴한 가격에 훌륭한 성능을 제공하는 SK하이닉스 골드 S31은 최고의 가성비 SSD로, 대부분의 사용자에게 최고의 SSD다. 하지만 어떤 이유로든 골드 S31에 관심이 없는 이들에겐 더 많은 선택지가 있다. 

이제 기존의 MLC(Multi-Level Cell)와 TLC(Triple-Level Cell) SSD 가격이 급락함에 따라 제조업체는 SSD 가격을 더욱 낮출 수 있는 새로운 QLC(Quad-Level Cell) 드라이브를 출시했다. 

이 새로운 기술을 통해 제조업체는 매우 빠른 SSD에 버금가는 속도와 함께 하드 드라이브와 같은 수준의 용량을 가진 SSD를 출시할 수 있었다. 다만 삼성 860 QVO를 포함한 1차 QLC 드라이브는 수십 기가바이트의 데이터를 한번에 전송할 때 쓰기 속도가 하드 드라이브 수준으로 떨어졌다. 

애드링크(Addlink) S22 QLC SSD는 이 같은 어려움을 겪지 않는다. 기존 TLC SSD는 여전히 QLC 드라이브에 비해 속도 우위를 유지하고 있지만, 애드링크 S22는 512GB에 59달러, 1TB에 99달러의 저렴한 가격에 판매하고 있다. 하지만 SK 하이닉스 골드 S31이 거의 같은 금액으로 판매되고 있다는 사실에 주목할 필요가 있다. 

대량의 데이터를 한번에 이동할 계획이 없고, 더 많은 저장공간이 필요하다면 삼성의 2세대 QLC 제품인 삼성 870 QVO가 좋은 선택이다. 실제로 애드링크의 SSD보다 조금 더 빠르다. 그러나 아마존에서 1TB가 110달러, 2TB의 경우 205달러, 4TB 450달러, 8TB 900달러로 더 비싸다. 1TB보다 적은 용량은 판매하지 않는다. 구형 삼성 860 QVO도 여전히 좋은 선택이긴 하지만 최신 870 QVO는 모든 면에서 최고다.

하지만 메인보드가 더 빠르고 새로운 NVMe M.2 드라이브를 지원한다면 선택지는 달라진다. 


최고의 NVMe SSD: SK 하이닉스 골드 P31 M.2 NVMe SSD(1TB) 

ⓒ SK Hynix

성능이 가장 중요하다면 삼성 970 프로 또는 씨게이트 파이어쿠다(Seagate FireCuda) 510이 가장 빠른 NVMe SSD이지만, 대부분의 사람은 SK 하이닉스 골드 P31을 구입하는 것이 좋다. SK 하이닉스는 가성비 범주에서 전체 SSD를 장악하고 있다. 

SK 하이닉스 골드 P31은 128비트 TLC NAND를 탑재한 최초의 NVMe SSD이며, 96 NAND 레이어를 사용하는 다른 제품들을 뛰어넘었다. 본지가 테스트한 모델은 크리스탈디스크마크(CrystalDiskMark) 6와 AS SSD의 종합 벤치마크에서도 완전히 인정받았으며, 보도자료에서 주장했던 3.5Gbps 읽기 및 쓰기 속도에 거의 도달했다.

또한 실제 48GB 및 450GB 파일 전송 테스트에서 더 비싼 SSD에 비교했을 때도 뒤지지 않았다. SK 하이닉스 골드 P31은 최상급 드라이브처럼 작동하지만, 저렴한 드라이브보다 조금 더 비쌀 뿐이다. 500G 제품은 75달러에, 1TB 제품은 125달러에 구입할 수 있다(국내에서는 1T 19만 8,000원, 500G 9만 8,000원에 판매하고 있다. 편집자 주). 

마이크론 크루셜(Crucial) P5는 비용 효율적인 NVMe SSD로, 만약 SK 하이닉스 골드 P31이 없었다면, 최고의 선택지가 될 수 있었다. 하지만 골드 P31가 조금 더 빠르고, 조금 더 저렴하다. 그래도 크루셜 P5는 대안 제품이 될 수 있다.

하지만 예산이 빠듯하다면, 약간 더 적은 비용으로 매력적인 선택지를 찾을 수 있다. 웨스턴 디지털 블루(Western Digital Blue) SN550 NVMe SSD는 앞서 언급한 제품처럼 빠르거나 화려한 성능을 갖고 있진 않다. 하지만 가격이 훨씬 저렴하다. 250GB의 경우 45달러, 500GB의 경우 65달러, 1TB의 경우 130달러와 같은 보급형 가격에도 불구하고 WD 블루 SN550은 고가의 제품 성능을 충분히 발휘할 수 있다. 신뢰성에 대한 좋은 이력을 가진 기존 브랜드를 이은 제품이며, 평균보다 긴 5년 보증을 제공한다. 


또 다른 훌륭한 NVMe SSD 

– 애드링크 S70 NVMe SSD: 좀 더 높은 성능을 원한다면 애드링크(Addlink) S70 NVMe SSD 또한 탁월한 선택지가 될 수 있다. 이 제품은 WD 드라이브보다 성능이 약간 우수하다. 하지만 본지는 이 제품의 가격이 인상된 후부터는 일상적인 컴퓨터 사용자에게 WD 블루 SN550을 추천한다. 애드링크는 WD만큼 잘 알려져 있지 않지만, S70 NVMe SSD에 대해 5년 보증을 제공한다.  

– PNY XLR8 CS 3030: 이 제품은 좋은 가격에 빠른 성능을 제공하는 또 다른 선택지다. 하지만 일상적인 사용에는 탁월하지만, 긴 쓰기 작업에서는 수렁에 빠질 수 있다.

– 에이데이타의 XPG SX8200 프로와 킹스톤(Kingston) KC2500: 더 빠른 속도를 위해 좀더 많은 비용을 써도 괜찮다면 삼성 970 프로 수준의 성능을 지닌 에이데이타의 XPG SX8200 프로와 킹스톤 KC2500도 있다. 킹스톤 KC2500은 한번의 테스트에서 최고 등급에 도달하지 못했지만, 항상 선두권을 유지하고 있었다. 경쟁 제품과 거의 동일한 가격으로 구입할 수 있으며, 고성능 NVMe SSD를 구입하는 경우 고려해볼 만한 제품이다. 

새로운 유형의 대용량 SSD 덕분에 충분한 저장용량과 함께 엄청난 NVMe 속도를 얻을 수 있게 됐지만, 이에 대한 비용은 감수해야 한다. OWC 아우라 P12는 NVMe 평균 이상의 쓰기 성능과 4TB 제품을 929달러에 제공한다. 최고의 세이브런트 로켓(Sabrent Rocket) Q는 최고의 성능과 놀라운 8TB 용량으로 모든 것을 만족시키지만, 1,500달러라는 놀라운 가격이 기다리고 있다. 최첨단은 저렴하지 않다.


최고의 PCIe 4.0 SSD: 삼성 980 프로 PCIe 4.0 NVMe SSD(1TB)

ⓒ samsung

대부분의 NVMe SSD는 표준 PCIe 3.0 인터페이스를 사용하지만, 최첨단 기술을 지원하는 일부 제품에는 훨씬 더 빠른 PCIe 4.0 드라이브가 있다. 현재 AMD의 라이젠 3000 프로세서만 PCIe 4.0을 지원하며 X570 또는 B550 메인보드에 장착하는 경우에만 지원한다. 하지만 이 기준을 충족하면 PCIe 4.0 SSD는 가장 빠른 PCIe 3.0 NVMe SSD가 따라오지 못할 성능을 보여준다. 

커세어(Corsair), 기가바이트(Gigabyte), 세이브런트는 최초의 PCIe 4.0 SSD를 출시했으며, 모두 약 200달러에 1TB 용량과 유사한 성능을 제공했다. 하지만 본지가 선정한 최고의 PCIe 4.0 SSD는 조금 더 비싸다. 

본지는 최근에서야 PCIe 4.0 SSD 테스트를 추가했지만, 지금까지 테스트한 제품 가운데 최고는 삼성 980 프로였다. 이 제품은 테스트에서 삼성이 주장한 7Gbps 읽기 속도와 5Gbps 쓰기 속도를 초과했다. 이 제품은 실제 파일 전송 테스트를 통과했지만, 450GB 전송 테스트에서 발견한 것처럼 막대한 양의 데이터를 전송하는 경우 속도가 약간 느려질 수 있다. 하지만 대부분의 사용자가 SSD를 이렇게 힘들게 다루진 않는다.

하지만 모든 성능은 프리미엄급이다. 그럼에도 불구하고 250GB 90달러, 500GB 150달러, 1TB 용량은 230달러이다. 

WD 블랙 SN850은 삼성 980 프로의 성능에 뒤처져 있지만, 거의 같은 가격으로 판매한다. 본지는 리뷰에서 “최강의 단일 SSD PCIe4 스토리지 성능을 찾는다면 어느 쪽도 문제가 되지 않을 것”이라고 평가했다. 

 

PCIe 4.0 속도가 빠른 SSD를 원하지만 삼성의 동급 최고의 성능을 위해 많은 비용을 소비하고 싶지 않다면 XPG 겜믹스 S50 라이트를 고려한다. 본지는 “XPG 겜믹스 S50 라이트는 우리가 테스트한 최초의  PCIe 4 SSD로, 차세대라는 추가 비용이 들지 않는다. 실제로 시스템을 실행하는 시스템에서는 삼성 980 프로와 차이를 구분하기 어려울 것이다”라고 설명했다.  

겜믹스 S50 라이트는 1TB의 경우 140달러, 2TB의 경우 260달러다.


NVMe SSD 설정시 알아야 할 사항

NVMe 드라이브는 구입하기 전에 어떤 특징을 갖고 있는지 알고 있어야 한다. 표준 SATA SSD는 이미 PC 부팅 시간과 로딩 시간을 대폭 단축하고 훨씬 저렴하다. NVMe 드라이브는 특히 대량으로 데이터를 정기적으로 전송하는 경우, 삼성 960 프로와 같은 M.2 폼 팩터나 또는 PCIe 드라이브를 가장 많은 효과를 누릴 수 있다. 그렇지 않으면 NVMe 드라이브는 가격만 비쌀뿐 가치도 없다.  

NVMe SSD를 구입하기로 결정한 경우, PC에서 SSD를 처리할 수 있는지 확인해야 한다. 이는 비교적 새로운 기술이므로, 지난 몇 년 내에 제작한 메인보드만 M.2 연결이 가능하다. 스카이레이크 시대의 AMD 라이젠과 주류 인텔 칩을 고려한다. PCIe 어댑터에 탑재된 NVMe SSD는 M.2 채택이 확산되기 전인 초기에 널리 사용됐지만 지금은 매우 드물다. NVMe SSD를 구입하기 전에 실제로 NVMe를 사용할 수 있는지 확인하고 최대한 활용하기 위해서는 4개의 PCIe 레인이 필요하다는 점에 유의해야 한다. 

NVMe 드라이브를 최대한 활용하려면 운영체제를 실행해야 하므로 드라이브를 인식하고 부팅할 수 있는 시스템이 있어야 한다. 지난 1~2년동안 구입한 PC라면 NVMe 드라이브를 부팅하는 데 문제가 없어야하지만, 이전 메인보드에서는 지원이 어려울 수 있다. 구글에서 메인보드를 검색하고 NVMe에서 부팅을 지원하는지 확인한다. 보드에서 BIOS 업데이트를 설치해야 할 수도 있다. 하드웨어가 NVMe SSD에서 부팅할 수 없는 경우에도 시스템은 이를 보조 드라이브로 사용할 수 있어야 한다. 


SSD 선택에서 고려해야 할 것

물론 저장 용량과 가격이 중요하다. 또한 긴 보증기간은 조기 데이터 사망에 대한 우려를 완화시킬 수 있다. 대부분의 SSD 제조업체는 3년 보증을 제공하며 일부 더 좋은 모델은 5년을 보증한다. 그러나 이전 세대의 SSD와는 달리, 몇 년 전에 혹독한 내구성 테스트로 입증한 것처럼 최신 SSD는 일반 소비자가 어지간히 사용해서는 마모되지 않는다.

가장 유의해야 할 것은 SSD를 PC에 연결하는 데 사용되는 기술이다.
– SATA: 연결 유형과 전송 프로토콜을 나타내며, 대부분의 2.5인치 및 3.5인치 하드 드라이브와 SSD를 PC에 연결한다. SATA III 속도는 약 600MBps에 달할 수 있으며, 대부분의 현대 드라이브는 최대 속도를 제공한다. 

– PCIe: 이 인터페이스는 컴퓨터의 4개의 PCIe 레인을 활용해 SATA 속도를 훨씬 능가해 거의 4GBps를 제공한다(PCIe 3세대). 이런 파괴적인 속도는 강력한 NVMe 드라이브와 잘 어울린다. 메인보드의 PCIe 레인과 M.2 슬롯 모두 PCIe 인터페이스를 지원하도록 유선으로 연결할 수 있으며, M.2 드라이브를 PCIe 레인에 슬롯화할 수 있는 어댑터를 구입할 수 있다. 

– NVMe: 비휘발성 메모리 익스프레스(Non-Volatile Memory Express) 기술은 PCIe의 풍부한 대역폭을 활용해 SATA 기반 드라이브와는 비교조차 못할 정도로 매우 빠른 SSD를 만든다. NVMe에 대해 더 자세히 알고 싶다면 여기를 클릭하라.  

– M.2: 설명이 쉽지 않다. 많은 사람이 M.2 드라이브가 모두 NVMe 기술과 PCIe 속도를 사용한다고 생각하지만 사실이 아니다. M.2는 단순히 폼 팩터에 불과하다. 물론 대부분의 M.2 SSD는 NVMe를 사용하지만 일부는 여전히 SATA를 사용한다. 많은 최신 울트라북이 저장을 위해 M.2를 사용한다. 

– U.2 및 mSATA: mSATA 및 U.2 SSD에서도 문제가 발생할 수 있지만, 이 형식을 지원하는 메인보드와 제품 가용성은 드물다. M.2가 대중화되기 전에 일부 구형 울트라북에 mSATA가 포함되어 있으며, 필요할 경우 드라이브를 사용할 수 있다.  

물론 속도도 중요하지만, 대부분의 최신 SSD는 SATA 3 인터페이스를 지원한다. 그러나 전부 다 그런 것은 아니다.


SSD vs. 하드 드라이브 

SSD가 필요한가? “필요하다.” 본지는 모든 사람이 SSD로 업그레이드할 것으로 진심으로 권장한다. 가장 빠른 기계식 하드드라이브도 SSD 속도에는 미치지 못한다. 기존 노트북, 데스크톱의 하드드라이브를 SSD로 교체하면 완전히 새로운 시스템처럼 느낄 수 있다. SSD를 구입하는 것은 컴퓨터를 업그레이드하는 데 가장 적합한 선택이다. 

SSD는 기계식 하드드라이브보다 기가바이트 당 저장 비용이 많이 들기 때문에 대용량으로 제공하지 않는 경우가 많다. 속도와 저장 공간이 동시에 필요한 경우, 128GB 크루셜 BX300과 같은 제한된 용량의 SSD를 구입해 부팅 드라이브로 사용하고, 기존 하드드라이브를 PC의 보조 저장장치로 설정한다. 프로그램을 부팅 드라이브에 넣고 미디어 및 기타 파일을 하드드라이브에 저장하면 준비가 다 된 것이다. editor@itworld.co.kr 

FLOW-3D 수치해석 프로그램 Supported Platforms 보기

FLOW-3D HYDRO

FLOW-3D HYDRO 2023R2
FLOW-3D HYDRO 2023R2

FLOW-3D HYDRO 2023R2 의 새로운 기능

새로운 결과 파일 형식

FLOW-3D POST 2023R2는 EXODUS II 형식을 기반으로 하는 완전히 새로운 결과 파일 형식을 도입하여 더 빠른 후처리를 가능하게 합니다. 이 새로운 파일 형식은 크고 복잡한 시뮬레이션의 후처리 작업에 소요되는 시간을 크게 줄이는 동시에(평균 최대 5배!) 다른 시각화 도구와의 연결성을 향상시킵니다.

FLOW-3D POST 2023R2 에서 사용자는 이제 선택한 데이터를 flsgrf  또는 EXODUS II 파일 형식으로 쓸 수 있습니다 . 새로운 EXODUS II 파일 형식은 각 개체에 대해 유한 요소 메시를 활용하므로 사용자는 다른 호환 가능한 포스트 프로세서 및 FEA 코드를 사용하여 FLOW-3D HYDRO 결과를 열 수도 있습니다. 새로운 워크플로우를 통해 사용자는 크고 복잡한 사례를 신속하게 시각화하고 임의 슬라이싱, 볼륨 렌더링 및 통계를 사용하여 보조 정보를 추출할 수 있습니다. 

혼입 공기 시뮬레이션
FLOW-3D POST 의 새로운 EXODUS II 파일 형식에서 볼륨 렌더링 기능을 사용하여 동반된 공기를 보여주는 예입니다 .

새로운 결과 파일 형식은 hydr3d 솔버의 성능을 저하시키지 않으면서 flsgrf 에 비해 시각화 작업 흐름에서 놀라운 속도 향상을 자랑합니다. 이 흥미로운 새로운 개발은 결과 분석의 속도와 유연성이 향상되어 원활한 시뮬레이션 경험을 제공합니다. 

FLOW-3D POST 의 새로운 시각화 기능 에 대해 자세히 알아보세요 .

난류 모델 개선

FLOW-3D HYDRO 2023R2는 2방정식(RANS) 난류 모델에 대한 동적 혼합 길이 계산을 크게 개선했습니다. 거의 층류 흐름 체계와 같은 특정 제한 사례에서는 이전 버전의 코드 계산 제한기가 때때로 과도하게 예측되어 사용자가 특정 혼합 길이를 수동으로 입력해야 할 수 있습니다. 

새로운 동적 혼합 길이 계산은 이러한 상황에서 난류 길이와 시간 규모를 더 잘 설명하며, 이제 사용자는 고정(물리 기반) 혼합 길이를 설정하는 대신 더 넓은 범위의 흐름에 동적 모델을 적용할 수 있습니다.

접촉식 탱크 혼합 시뮬레이션
적절한 고정 혼합 길이와 비교하여 접촉 탱크의 혼합 시뮬레이션을 위한 기존 동적 혼합 길이 모델과 새로운 동적 혼합 길이 모델 간의 비교

정수압 초기화

사용자가 미리 정의된 유체 영역에서 정수압을 초기화해야 하는 경우가 많습니다. 이전에는 대규모의 복잡한 시뮬레이션에서 정수압 솔버의 수렴 속도가 느려지는 경우가 있었습니다. FLOW-3D HYDRO 2023R2는 정수압 솔버의 성능을 크게 향상시켜 전처리 단계에서 최대 6배 빠르게 수렴할 수 있도록 해줍니다.

확장된 지형 표현 지원

GeoTIFF 지원

2023R2 릴리스에서 FLOW-3D HYDRO는 기본적으로 래스터 지형 및 수심 측량을 위한 GeoTIFF(.tif) 파일 형식을 지원합니다. 이제 사용자는 GeoTIFF 파일을 사용자 인터페이스로 직접 가져올 수 있습니다. 

GeoTIFF 래스터 파일의 예
FLOW-3D HYDRO 에서 렌더링된 GeoTIFF(.tif) 래스터 파일의 예

LandXML 지원

측량 데이터가 균일하지 않거나 래스터 표면의 해상도가 충분하지 않은 경우 TIN 표면은 LandXML(.xml) 파일 형식을 통해 향상된 지형 지도를 제공합니다. FLOW-3D HYDRO 2023R2는 기본적으로 LandXML 파일을 가져옵니다. 

래스터 파일과의 향상된 상호 작용

래스터 파일은 고해상도에서 넓은 지형 영역을 다루는 경우가 많으므로 사용자 인터페이스에서 3D 표현의 상호 작용 속도가 느려질 수 있습니다. 이제 사용자는 3D 표현의 품질을 제어하여 렌더링 시간을 크게 줄이고 상호 작용성을 크게 향상시킬 수 있습니다.

FLOW-3D HYDRO 2023R1 의 새로운 기능

FLOW-3D 소프트웨어 제품군의 모든 제품은 2023R1에서 IT 관련 개선 사항을 받았습니다. 

FLOW-3D HYDRO 2023R1은 이제 Windows 11 및 RHEL 8을 지원합니다. Linux 설치 프로그램은 누락된 종속성을 보고하도록 개선되었으며 더 이상 루트 수준 권한이 필요하지 않으므로 설치가 더 쉽고 안전해집니다. 그리고 워크플로를 자동화한 분들을 위해 입력 파일 변환기에 명령줄 인터페이스를 추가하여 스크립트 환경에서도 워크플로가 업데이트된 입력 파일로 작동하는지 확인할 수 있습니다.

얕은 물 난류 모델

난류는 물과 환경 흐름장의 주요 측면이며, 특히 얕은 물 근사치로 모델링된 영역에서는 더욱 그렇습니다. 우리는 모델링 위험을 줄이고 더 나은 결과를 제공하기 위해 세 가지 새로운 난류 모델, 일정한 확산도, 혼합 길이 및 Smagorinsky 모델을 포함하도록 얕은 물 모델의 난류 처리를 개선했습니다.

방사제 주변의 흐름

FLOW-3D HYDRO 2022R2 의 새로운 기능

FLOW-3D HYDRO 2022R2 출시로 Flow Science는 FLOW-3D HYDRO 의 워크스테이션과 HPC 버전을 통합하여 단일 노드 CPU 구성에서 다중 노드에 이르기까지 모든 유형의 하드웨어 아키텍처를 활용할 수 있는 단일 솔버 엔진을 제공했습니다. 병렬 고성능 컴퓨팅 실행. 추가 개발에는 향상된 공기 동반 기능과 물 및 환경 응용 분야에 대한 경계 조건 정의 개선이 포함됩니다.

통합 솔버

우리는 FLOW-3D 제품을 단일 통합 솔버로 마이그레이션하여 로컬 워크스테이션이나 고성능 컴퓨팅 하드웨어 환경에서 원활하게 실행했습니다.

많은 사용자가 노트북이나 로컬 워크스테이션에서 모델을 실행하지만, 고성능 컴퓨팅 클러스터에서도 더 큰 모델을 실행합니다. 2022R2 릴리스에서는 통합 솔버를 통해 사용자가 HPC 솔루션의 OpenMP/MPI 하이브리드 병렬화와 동일한 이점을 활용하여 워크스테이션과 노트북에서 실행할 수 있습니다.

성능 확장의 예
증가하는 CPU 코어 수를 사용한 성능 확장의 예
메쉬 분해 - 2소켓 워크스테이션
2소켓 워크스테이션에서 OpenMP/MPI 하이브리드 병렬화를 위한 메시 분해의 예

멀티 소켓 워크스테이션

다중 소켓 워크스테이션은 이제 매우 일반적이며 대규모 시뮬레이션을 실행할 수 있습니다. 새로운 통합 솔버를 사용하면 이러한 유형의 하드웨어를 사용하는 사용자는 일반적으로 HPC 클러스터 구성에서만 사용할 수 있었던 OpenMP/MPI 하이브리드 병렬화를 활용하여 모델을 실행할 수 있어 성능이 향상되는 것을 확인할 수 있습니다.

낮은 수준의 루틴으로 향상된 벡터화 및 메모리 액세스

대부분의 테스트 사례에서 10~20% 정도의 성능 향상이 관찰되었으며 일부 사례에서는 20%를 초과하는 런타임 이점이 나타났습니다.

정제된 체적 대류 안정성 한계

시간 단계 안정성 제한은 모델 런타임의 주요 동인이며, 2022R2에서는 새로운 시간 단계 안정성 제한인 3D 대류 안정성 제한을 숫자 위젯에서 사용할 수 있습니다. 실행 중이고 대류가 제한된(cx, cy 또는 cz 제한) 모델의 경우 새 옵션은 일반적인 속도 향상을 30% 정도 보여줍니다.

압력 솔버 프리컨디셔너

경우에 따라 까다로운 흐름 구성의 경우 과도한 압력 솔버 반복으로 인해 실행 시간이 길어질 수 있습니다. 이러한 어려운 경우 2022R2에서는 모델이 너무 많이 반복되면 FLOW-3D가 자동으로 새로운 사전 조절기를 활성화하여 압력 수렴을 돕습니다. 테스트의 런타임은 1.9에서 335까지 더 빨라졌습니다!

점탄성 유체에 대한 로그 형태 텐서 방법

점탄성 유체에 대한 새로운 솔버 옵션을 사용자가 사용할 수 있으며 특히 높은 Weissenberg 수에 효과적입니다.

FLOW-3D HYDRO 경계 조건 개선

FLOW-3D HYDRO 2022R2 에서는 물 적용 경계 조건에 대한 두 가지 개선 사항을 사용할 수 있습니다 . 얕은 물의 유량 경계 조건이 개선되어 보다 현실적이고 공간적으로 변화하는 속도 프로파일을 생성하므로 사용자는 정확도를 잃지 않고 도메인 크기를 줄일 수 있습니다. 자연적인 입구 경계 조건의 경우 정격 곡선 완화 시간 옵션을 사용하여 과도 조건에 대한 응답을 향상시킬 수 있습니다.

스트림 방향의 다양한 속도 프로파일
입구 경계에서 흐름 방향으로 변하는 속도 프로파일의 예

향상된 공기 동반 기능

디퓨저 및 유사한 기포 흐름 응용 분야의 경우 이제 질량 공급원을 사용하여 물기둥에 공기를 유입할 수 있습니다. 또한, 동반 공기 및 용존 산소의 난류 확산에 대한 기본값이 업데이트되었습니다.

디퓨저 모델의 예
디퓨저 모델의 예: 이제 질량 소스를 사용하여 물기둥에 공기를 유입할 수 있습니다.

FLOW-3D HYDRO 아카이브 의 새로운 기능

LOW-3D HYDRO 2022R1 의 새로운 기능

FLOW-3D HYDRO 의 새로운 기능

제품 개요

최근 FLOW Science, Inc에서는 토목 및 환경 엔지니어링 산업을위한 완벽한 CFD 모델링 솔루션인 FLOW-3D HYDRO 제품을 출시했습니다. 기존 FLOW-3D 사용자이거나 유압 엔지니어링 관행에 CFD 모델링 기능을 사용하시는 것에 관심이 있는 경우, 언제든지 아래 연락처로 연락주세요.
연락처 : 02-2026-0442
이메일 : flow3d@stikorea.co.kr

FLOW-3D HYDRO 는 더 높은 수준의 정확도와 모델 해상도를 제공하기 위해 3D 비 유압 모델링 기능이 필요한 경우 고급 모델링 도구로 사용할 수 있습니다. 일반적인 모델링 응용 분야는 소형 댐 / 인프라, 운송 수력학, 복잡한 3D 하천 수력학, 열 부력 연기, 배수구 및 오염 물질 수송과 관련됩니다. 

FLOW-3D HYDRO의 핵심 기능은 전체 3D 모델과 동적으로 연결될 수있는 얕은 물 모델입니다. 

이 기능을 통해 사용자는 멀티 스케일 모델링 애플리케이션을위한 모델 도메인을 확장하여 필요한 모델 해상도로 계산 효율성을 극대화 할 수 있습니다. FLOW-3D HYDRO  또한 강 및 환경 응용 분야에 특화된 추가 기능과 고급 물리학을 포함합니다.

시뮬레이션 템플릿

FLOW-3D HYDRO 의 작업 공간 템플릿으로 시간을 절약하고 실수를 방지하며 일관된 모델을 실행하십시오 . 작업 공간 템플릿은 일반적인 응용 분야에 대한 유체 속성, 물리적 모델, 수치 설정 및 시뮬레이션 출력을 미리로드합니다.

작업 공간 템플릿은 7 가지 모델 클래스에 사용할 수 있습니다.

  • 자유 표면 – TruVOF (기본값)
  • 공기 유입
  • 열 기둥
  • 퇴적물 수송
  • 얕은 물
  • 자유 표면 – 2 유체 VOF
  • 자유 표면 없음

사전로드 된 예제 시뮬레이션

FLOW-3D HYDRO 의 40 개 이상의 사전로드 된 물 중심 예제 시뮬레이션 라이브러리는 애플리케이션 모델링을위한 훌륭한 시작점을 제공합니다. 사전로드 된 예제 시뮬레이션은 모델러에게 모델 설정 및 모범 사례의 로드맵뿐만 아니라 대부분의 애플리케이션에 대한 자세한 시작점을 제공합니다.이전다음

비디오 튜토리얼

비디오 자습서는 새로운 사용자가 다양한 응용 프로그램을 모델링하는 방법을 빠르게 배울 수있는 훌륭한 경로를 제공합니다. FLOW-3D HYDRO 비디오 튜토리얼 기능 :

  • 광범위한 응용 및 물리학을위한 AZ 단계별 기록
  • “사용 방법”정보
  • 모범 사례를위한 팁
  • CAD / GIS 데이터, 시뮬레이션 파일 및 후 처리 파일

고급 솔버 개발

Tailings Model

새로운 Tailings Model은 tailings dam failure로 인한 tailings runout을 시뮬레이션하기위한 고급 기능을 제공합니다. tailings정의에 대한 다층 접근 방식과 함께 미세하고 거친 입자 구성을 나타내는 이중 모드 점도 모델은 모든 방법으로 건설 된 tailings 댐의 모델링을 허용합니다. 

얕은 물, 3D 및 하이브리드 3D / 얕은 물 메싱을 포함한 유연한 메싱을 통해 얕은 지역에서 빠른 솔루션을 제공하면서 다층 tailings의 복잡성을 정확하게 모델링 할 수 있습니다. 점성 경계층의 정확한 표현을 위해 얕은 물 메시에 2 층 Herschel-Bulkley 점도 모델을 사용할 수 있습니다.

모델 하이라이트

  • 미세 입자 및 거친 입자 광미 조성물을위한 이중 모드 점도 모델
  • 침전, 패킹 및 입자 종의 난류 확산을 포함한 Tailings  수송
  • 얕은 물 메시를위한 2 층 Herschel-Bulkley 점도 모델
  • 3D, 얕은 물, 3D / 얕은 물 하이브리드 메시를 포함한 유연한 메시 접근 방식
  • Multi-layer, variable composition tailings for general definition of tailings dam construction

Shallow Water

FLOW-3D HYDRO 의 얕은 물 모델링 기능은 3D 메시를 얕은 물 메시와 결합하여 탁월한 모델링 다양성을 제공하는 고유 한 하이브리드 메시를 사용합니다. 압력 솔버의 수치 개선으로 더 안정적이고 빠른 시뮬레이션이 가능합니다. 하이브리드 메쉬의 하단 전단 응력 계산이 크게 향상되어 정확도가 더욱 향상되었습니다. 지형에 거칠기를 적용하는 새로운 방법에는 Strickler, Chezy, Nikuradse, Colebrook-White, Haaland 및 Ramette 방정식이 포함됩니다.

Two-Fluid VOF Model

sharp 인터페이스가 있거나 없는 압축 가능 또는 비압축성 2 유체 모델은 항상 1 유체 자유 표면 모델과 함께 FLOW-3D 에서 사용할 수 있습니다 . 사실, sharp 인터페이스 처리는 TruVOF 기술을 자유 표면 모델과 공유하며 상용 CFD 소프트웨어에서 고유합니다. 최근 개발에는 2- 필드 온도 및 인터페이스 슬립 모델이 포함되었습니다. 이 모델은 오일 / 물, 액체 / 증기, 물 / 공기 및 기타 2 상 시스템에 성공적으로 적용되었습니다.

FLOW-3D HYDRO 는 2- 유체 솔루션의 정확성과 안정성에서 두 가지 중요한 발전을보고 있습니다. 운동량과 질량 보존 방정식의 강화 된 결합은 특히 액체 / 기체 흐름에서 계면에서 운동량 보존을 향상시킵니다. 연속성 방정식에서 제한된 압축성 항의 확장 된 근사값은 더 빠르고 안정적인 2 유체 압력 솔버를 만듭니다.

예를 들어, 터널 및 드롭 샤프트 설계와 같은 유압 응용 분야에서 공기가 종종 중요한 역할을 하기 때문에 두 개발 모두 FLOW-3D HYDRO 릴리스에 적시에 적용됩니다. 일반적으로 낮은 마하 수로 인해 이러한 경우 물과 공기에 제한된 압축성이 사용됩니다.

고성능 컴퓨팅 및 클라우드

고성능 컴퓨팅 FLOW-3D HYDRO

일반 워크스테이션 또는 랩톱으로 많은 작업을 수행 할 수 있지만, 대형 시뮬레이션과 고화질 시뮬레이션은 더 많은 CPU 코어를 활용함으로써 엄청난 이점을 얻을 수 있습니다. FLOW-3D CLOUD 및 고성능 컴퓨팅은 더 빠르고 정확한 모델을 실행할 수있는 더 빠른 런타임과 더 많은 선택권을 제공합니다.

하천 및 환경 중심 애플리케이션

TRANSPORTATION HYDRAULICS
SMALL DAMS AND DIVERSIONS
RIVER HYDRAULICS
SEDIMENT TRANSPORT AND DEPOSITION
OUTFALLS EFFLUENTS
THERMAL PLUMES BUOYANT FLOWS

Case Studies

자유 표면 모델링 방법

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 Modeling Methods

An interface between a gas and liquid is often referred to as a free surface. The reason for the “free” designation arises from the large difference in the densities of the gas and liquid (e.g., the ratio of density for water to air is 1000). A low gas density means that its inertia can generally be ignored compared to that of the liquid. In this sense the liquid moves independently, or freely, with respect to the gas. The only influence of the gas is the pressure it exerts on the liquid surface. In other words, the gas-liquid surface is not constrained, but free.

자유 표면 모델링 방법

기체와 액체 사이의 계면은 종종 자유 표면이라고합니다.  ‘자유’라는 호칭이 된 것은 기체와 액체의 밀도가 크게 다르기 때문입니다 (예를 들어, 물 공기에 대한 밀도 비는 1000입니다).  기체의 밀도가 낮다는 것은 액체의 관성에 비해 기체의 관성은 일반적으로 무시할 수 있다는 것을 의미합니다.  이러한 의미에서, 액체는 기체에 대해 독립적으로, 즉 자유롭게 움직입니다.  기체의 유일한 효과는 액체의 표면에 대한 압력입니다.  즉, 기체와 액체의 표면은 제약되어있는 것이 아니라 자유롭다는 것입니다.

In heat-transfer texts the term ‘Stephen Problem’ is often used to describe free boundary problems. In this case, however, the boundaries are phase boundaries, e.g., the boundary between ice and water that changes in response to the heat supplied from convective fluid currents.

열전달에 관한 문서는 자유 경계 문제를 묘사할 때 “Stephen Problem’”라는 용어가 자주 사용됩니다.  그러나 여기에서 경계는 상(phase) 경계, 즉 대류적인 유체의 흐름에 의해 공급된 열에 반응하여 변화하는 얼음과 물 사이의 경계 등을 말합니다.

Whatever the name, it should be obvious that the presence of a free or moving boundary introduces serious complications for any type of analysis. For all but the simplest of problems, it is necessary to resort to numerical solutions. Even then, free surfaces require the introduction of special methods to define their location, their movement, and their influence on a flow.

이름이 무엇이든, 자유 또는 이동 경계가 존재한다는 것은 어떤 유형의 분석에도 복잡한 문제를 야기한다는 것은 분명합니다. 가장 간단한 문제를 제외한 모든 문제에 대해서는 수치 해석에 의존할 필요가 있습니다. 그 경우에도 자유 표면은 위치, 이동 및 흐름에 미치는 영향을 정의하기 위한 특별한 방법이 필요합니다.

In the following discussion we will briefly review the types of numerical approaches that have been used to model free surfaces, indicating the advantages and disadvantages of each method. Regardless of the method employed, there are three essential features needed to properly model free surfaces:

  1. A scheme is needed to describe the shape and location of a surface,
  2. An algorithm is required to evolve the shape and location with time, and
  3. Free-surface boundary conditions must be applied at the surface.

다음 설명에서는 자유 표면 모델링에 사용되어 온 다양한 유형의 수치적 접근에 대해 간략하게 검토하고 각 방법의 장단점을 설명합니다. 어떤 방법을 사용하는지에 관계없이 자유롭게 표면을 적절히 모델화하는 다음의 3 가지 기능이 필요합니다.

  1. 표면의 형상과 위치를 설명하는 방식
  2. 시간에 따라 모양과 위치를 업데이트 하는 알고리즘
  3. 표면에 적용할 자유 표면 경계 조건

Lagrangian Grid Methods

Conceptually, the simplest means of defining and tracking a free surface is to construct a Lagrangian grid that is imbedded in and moves with the fluid. Many finite-element methods use this approach. Because the grid and fluid move together, the grid automatically tracks free surfaces.

라그랑주 격자 법

개념적으로 자유 표면을 정의하고 추적하는 가장 간단한 방법은 유체와 함께 이동하는 라그랑주 격자를 구성하는 것입니다. 많은 유한 요소 방법이 이 접근 방식을 사용합니다. 격자와 유체가 함께 움직이기 때문에 격자는 자동으로 자유 표면을 추적합니다.

At a surface it is necessary to modify the approximating equations to include the proper boundary conditions and to account for the fact that fluid exists only on one side of the boundary. If this is not done, asymmetries develop that eventually destroy the accuracy of a simulation.

표면에서 적절한 경계 조건을 포함하고 유체가 경계의 한면에만 존재한다는 사실을 설명하기 위해 근사 방정식을 수정해야합니다. 이것이 수행되지 않으면 결국 시뮬레이션의 정확도를 훼손하는 비대칭이 발생합니다.

The principal limitation of Lagrangian methods is that they cannot track surfaces that break apart or intersect. Even large amplitude surface motions can be difficult to track without introducing regridding techniques such as the Arbitrary-Lagrangian-Eulerian (ALE) method. References 1970 and 1974 may be consulted for early examples of these approaches.

라그랑지안 방법의 주요 제한은 분리되거나 교차하는 표면을 추적 할 수 없다는 것입니다. ALE (Arbitrary-Lagrangian-Eulerian) 방법과 같은 격자 재생성 기법을 도입하지 않으면 진폭이 큰 표면 움직임도 추적하기 어려울 수 있습니다. 이러한 접근법의 초기 예를 보려면 참고 문헌 1970 및 1974를 참조하십시오.

The remaining free-surface methods discussed here use a fixed, Eulerian grid as the basis for computations so that more complicated surface motions may be treated.

여기에서 논의된 나머지 자유 표면 방법은 보다 복잡한 표면 움직임을 처리할 수 있도록 고정된 오일러 그리드를 계산의 기준으로 사용합니다.

Surface Height Method

Low amplitude sloshing, shallow water waves, and other free-surface motions in which the surface does not deviate too far from horizontal, can be described by the height, H, of the surface relative to some reference elevation. Time evolution of the height is governed by the kinematic equation, where (u,v,w) are fluid velocities in the (x,y,z) directions. This equation is a mathematical expression of the fact that the surface must move with the fluid:

표면 높이 법

낮은 진폭의 슬로 싱, 얕은 물결 및 표면이 수평에서 너무 멀리 벗어나지 않는 기타 자유 표면 운동은 일부 기준 고도에 대한 표면의 높이 H로 설명 할 수 있습니다. 높이의 시간 진화는 운동학 방정식에 의해 제어되며, 여기서 (u, v, w)는 (x, y, z) 방향의 유체 속도입니다. 이 방정식은 표면이 유체와 함께 움직여야한다는 사실을 수학적으로 표현한 것입니다.

Finite-difference approximations to this equation are easy to implement. Further, only the height values at a set of horizontal locations must be recorded so the memory requirements for a three-dimensional numerical solution are extremely small. Finally, the application of free-surface boundary conditions is also simplified by the condition on the surface that it remains nearly horizontal. Examples of this technique can be found in References 1971 and 1975.

이 방정식의 유한 차분 근사를 쉽게 실행할 수 있습니다.  또한 3 차원 수치 해법의 메모리 요구 사항이 극도로 작아지도록 같은 높이의 위치 값만을 기록해야합니다.  마지막으로 자유 표면 경계 조건의 적용도 거의 수평을 유지하는 표면의 조건에 의해 간소화됩니다.  이 방법의 예는 참고 문헌의 1971 및 1975을 참조하십시오.

Marker-and-Cell (MAC) Method

The earliest numerical method devised for time-dependent, free-surface, flow problems was the Marker-and-Cell (MAC) method (see Ref. 1965). This scheme is based on a fixed, Eulerian grid of control volumes. The location of fluid within the grid is determined by a set of marker particles that move with the fluid, but otherwise have no volume, mass or other properties.

MAC 방법

시간 의존성을 가지는 자유 표면 흐름의 문제에 대해 처음 고안된 수치 법이 MAC (Marker-and-Cell) 법입니다 (참고 문헌 1965 참조).  이 구조는 컨트롤 볼륨 고정 오일러 격자를 기반으로합니다.  격자 내의 유체의 위치는 유체와 함께 움직이고, 그 이외는 부피, 질량, 기타 특성을 갖지 않는 일련의 마커 입자에 의해 결정됩니다.

Grid cells containing markers are considered occupied by fluid, while those without markers are empty (or void). A free surface is defined to exist in any grid cell that contains particles and that also has at least one neighboring grid cell that is void. The location and orientation of the surface within the cell was not part of the original MAC method.

마커를 포함한 격자 셀은 유체로 채워져있는 것으로 간주되며 마커가 없는 격자 셀은 빈(무효)것입니다.  입자를 포함하고, 적어도 하나의 인접 격자 셀이 무효인 격자의 자유 표면은 존재하는 것으로 정의됩니다.  셀 표면의 위치와 방향은 원래의 MAC 법에 포함되지 않았습니다.

Evolution of surfaces was computed by moving the markers with locally interpolated fluid velocities. Some special treatments were required to define the fluid properties in newly filled grid cells and to cancel values in cells that are emptied.

표면의 발전(개선)은 국소적으로 보간된 유체 속도로 마커를 이동하여 계산되었습니다.  새롭게 충전된 격자 셀의 유체 특성을 정의하거나 비어있는 셀의 값을 취소하거나 하려면 특별한 처리가 필요했습니다.

The application of free-surface boundary conditions consisted of assigning the gas pressure to all surface cells. Also, velocity components were assigned to all locations on or immediately outside the surface in such a way as to approximate conditions of incompressibility and zero-surface shear stress.

자유 표면 경계 조건의 적용은 모든 표면 셀에 가스 압력을 할당하는 것으로 구성되었습니다. 또한 속도 성분은 비압축성 및 제로 표면 전단 응력의 조건을 근사화하는 방식으로 표면 위 또는 외부의 모든 위치에 할당되었습니다.

The extraordinary success of the MAC method in solving a wide range of complicated free-surface flow problems is well documented in numerous publications. One reason for this success is that the markers do not track surfaces directly, but instead track fluid volumes. Surfaces are simply the boundaries of the volumes, and in this sense surfaces may appear, merge or disappear as volumes break apart or coalesce.

폭넓게 복잡한 자유 표면 흐름 문제 해결에 MAC 법이 놀라운 성공을 거두고 있는 것은 수많은 문헌에서 충분히 입증되고 있습니다.  이 성공 이유 중 하나는 마커가 표면을 직접 추적하는 것이 아니라 유체의 체적을 추적하는 것입니다.  표면은 체적의 경계에 불과하며, 그러한 의미에서 표면은 분할 또는 합체된 부피로 출현(appear), 병합, 소멸 할 가능성이 있습니다.

A variety of improvements have contributed to an increase in the accuracy and applicability of the original MAC method. For example, applying gas pressures at interpolated surface locations within cells improves the accuracy in problems driven by hydrostatic forces, while the inclusion of surface tension forces extends the method to a wider class of problems (see Refs. 1969, 1975).

다양한 개선으로 인해 원래 MAC 방법의 정확성과 적용 가능성이 증가했습니다. 예를 들어, 셀 내 보간 된 표면 위치에 가스 압력을 적용하면 정 수력으로 인한 문제의 정확도가 향상되는 반면 표면 장력의 포함은 방법을 더 광범위한 문제로 확장합니다 (참조 문헌. 1969, 1975).

In spite of its successes, the MAC method has been used primarily for two-dimensional simulations because it requires considerable memory and CPU time to accommodate the necessary number of marker particles. Typically, an average of about 16 markers in each grid cell is needed to ensure an accurate tracking of surfaces undergoing large deformations.

수많은 성공에도 불구하고 MAC 방법은 필요한 수의 마커 입자를 수용하기 위해 상당한 메모리와 CPU 시간이 필요하기 때문에 주로 2 차원 시뮬레이션에 사용되었습니다. 일반적으로 큰 변형을 겪는 표면의 정확한 추적을 보장하려면 각 그리드 셀에 평균 약 16 개의 마커가 필요합니다.

Another limitation of marker particles is that they don’t do a very good job of following flow processes in regions involving converging/diverging flows. Markers are usually interpreted as tracking the centroids of small fluid elements. However, when those fluid elements get pulled into long convoluted strands, the markers may no longer be good indicators of the fluid configuration. This can be seen, for example, at flow stagnation points where markers pile up in one direction, but are drawn apart in a perpendicular direction. If they are pulled apart enough (i.e., further than one grid cell width) unphysical voids may develop in the flow.

마커 입자의 또 다른 한계는 수렴 / 발산 흐름이 포함된 영역에서 흐름 프로세스를 따라가는 작업을 잘 수행하지 못한다는 것입니다. 마커는 일반적으로 작은 유체 요소의 중심을 추적하는 것으로 해석됩니다. 그러나 이러한 유체 요소가 길고 복잡한 가닥으로 당겨지면 마커가 더 이상 유체 구성의 좋은 지표가 될 수 없습니다. 예를 들어 마커가 한 방향으로 쌓여 있지만 수직 방향으로 떨어져 있는 흐름 정체 지점에서 볼 수 있습니다. 충분히 분리되면 (즉, 하나의 그리드 셀 너비 이상) 비 물리적 공극이 흐름에서 발생할 수 있습니다.

Surface Marker Method

One way to limit the memory and CPU time consumption of markers is to keep marker particles only on surfaces and not in the interior of fluid regions. Of course, this removes the volume tracking property of the MAC method and requires additional logic to determine when and how surfaces break apart or coalesce.

표면 마커 법

마커의 메모리 및 CPU 시간의 소비를 제한하는 방법 중 하나는 마커 입자를 유체 영역의 내부가 아니라 표면에만 보존하는 것입니다.  물론 이는 MAC 법의 체적 추적 특성이 배제되기 때문에 표면이 분할 또는 합체하는 방식과 시기를 특정하기위한 논리를 추가해야합니다.

In two dimensions the marker particles on a surface can be arranged in a linear order along the surface. This arrangement introduces several advantages, such as being able to maintain a uniform particle spacing and simplifying the computation of intersections between different surfaces. Surface markers also provide a convenient way to locate the surface within a grid cell for the application of boundary conditions.

2 차원의 경우 표면 마커 입자는 표면을 따라 선형으로 배치 할 수 있습니다.  이 배열은 입자의 간격을 균일하게 유지할 수있는 별도의 표면이 교차하는 부분의 계산이 쉽다는 등 몇 가지 장점이 있습니다.  또한 표면 마커를 사용하여 경계 조건을 적용하면 격자 셀의 표면을 간단한 방법으로 찾을 수 있습니다.

Unfortunately, in three-dimensions there is no simple way to order particles on surfaces, and this leads to a major failing of the surface marker technique. Regions may exist where surfaces are expanding and no markers fill the space. Without markers the configuration of the surface is unknown, consequently there is no way to add markers. Reference 1975 contains examples that show the advantages and limitations of this method.

불행히도 3 차원에서는 표면에 입자를 정렬하는 간단한 방법이 없으며 이로 인해 표면 마커 기술이 크게 실패합니다. 표면이 확장되고 마커가 공간을 채우지 않는 영역이 존재할 수 있습니다. 마커가 없으면 표면의 구성을 알 수 없으므로 마커를 추가 할 방법이 없습니다.
참고 문헌 1975이 방법의 장점과 한계를 보여주는 예제가 포함되어 있습니다.

Volume-of-Fluid (VOF) Method

The last method to be discussed is based on the concept of a fluid volume fraction. The idea for this approach originated as a way to have the powerful volume-tracking feature of the MAC method without its large memory and CPU costs.

VOF (Volume-of-Fluid) 법

마지막으로 설명하는 방법은 유체 부피 분율의 개념을 기반으로합니다. 이 접근 방식에 대한 아이디어는 대용량 메모리 및 CPU 비용없이 MAC 방식의 강력한 볼륨 추적 기능을 갖는 방법에서 시작되었습니다.

Within each grid cell (control volume) it is customary to retain only one value for each flow quantity (e.g., pressure, velocity, temperature, etc.) For this reason it makes little sense to retain more information for locating a free surface. Following this reasoning, the use of a single quantity, the fluid volume fraction in each grid cell, is consistent with the resolution of the other flow quantities.

각 격자 셀 (제어 체적) 내에서 각 유량 (예 : 압력, 속도, 온도 등)에 대해 하나의 값만 유지하는 것이 일반적입니다. 이러한 이유로 자유 표면을 찾기 위해 더 많은 정보를 유지하는 것은 거의 의미가 없습니다. 이러한 추론에 따라 각 격자 셀의 유체 부피 분율인 단일 수량의 사용은 다른 유량의 해상도와 일치합니다.

If we know the amount of fluid in each cell it is possible to locate surfaces, as well as determine surface slopes and surface curvatures. Surfaces are easy to locate because they lie in cells partially filled with fluid or between cells full of fluid and cells that have no fluid.

각 셀 내의 유체의 양을 알고 있는 경우, 표면의 위치 뿐만 아니라  표면 경사와 표면 곡률을 결정하는 것이 가능합니다.  표면은 유체 가 부분 충전 된 셀 또는 유체가 전체에 충전 된 셀과 유체가 전혀없는 셀 사이에 존재하기 때문에 쉽게 찾을 수 있습니다.

Slopes and curvatures are computed by using the fluid volume fractions in neighboring cells. It is essential to remember that the volume fraction should be a step function, i.e., having a value of either one or zero. Knowing this, the volume fractions in neighboring cells can then be used to locate the position of fluid (and its slope and curvature) within a particular cell.

경사와 곡률은 인접 셀의 유체 체적 점유율을 사용하여 계산됩니다.  체적 점유율은 계단 함수(step function)이어야 합니다, 즉, 값이 1 또는 0 인 것을 기억하는 것이 중요합니다.  이 것을 안다면, 인접 셀의 부피 점유율을 사용하여 특정 셀 내의 유체의 위치 (및 그 경사와 곡률)을 찾을 수 있습니다.

Free-surface boundary conditions must be applied as in the MAC method, i.e., assigning the proper gas pressure (plus equivalent surface tension pressure) as well as determining what velocity components outside the surface should be used to satisfy a zero shear-stress condition at the surface. In practice, it is sometimes simpler to assign velocity gradients instead of velocity components at surfaces.

자유 표면 경계 조건을 MAC 법과 동일하게 적용해야 합니다.  즉, 적절한 기체 압력 (및 대응하는 표면 장력)을 할당하고, 또한 표면에서 제로 전단 응력을 충족 시키려면 표면 외부의 어떤 속도 성분을 사용할 필요가 있는지를 확인합니다.  사실, 표면에서의 속도 성분 대신 속도 구배를 지정하는 것이보다 쉬울 수 있습니다.

Finally, to compute the time evolution of surfaces, a technique is needed to move volume fractions through a grid in such a way that the step-function nature of the distribution is retained. The basic kinematic equation for fluid fractions is similar to that for the height-function method, where F is the fraction of fluid function:

마지막으로, 표면의 시간 변화를 계산하려면 분포의 계단 함수의 성질이 유지되는 방법으로 격자를 통과하고 부피 점유율을 이동하는 방법이 필요합니다.  유체 점유율의 기본적인 운동학방정식은 높이 함수(height-function) 법과 유사합니다.  F는 유체 점유율 함수입니다.

A straightforward numerical approximation cannot be used to model this equation because numerical diffusion and dispersion errors destroy the sharp, step-function nature of the F distribution.

이 방정식을 모델링 할 때 간단한 수치 근사는 사용할 수 없습니다.  수치의 확산과 분산 오류는 F 분포의 명확한 계단 함수(step-function)의 성질이 손상되기 때문입니다.

It is easy to accurately model the solution to this equation in one dimension such that the F distribution retains its zero or one values. Imagine fluid is filling a column of cells from bottom to top. At some instant the fluid interface is in the middle region of a cell whose neighbor below is filled and whose neighbor above is empty. The fluid orientation in the neighboring cells means the interface must be located above the bottom of the cell by an amount equal to the fluid fraction in the cell. Then the computation of how much fluid to move into the empty cell above can be modified to first allow the empty region of the surface-containing cell to fill before transmitting fluid on to the next cell.

F 분포가 0 또는 1의 값을 유지하는 같은 1 차원에서이 방정식의 해를 정확하게 모델링하는 것은 간단합니다.  1 열의 셀에 위에서 아래까지 유체가 충전되는 경우를 상상해보십시오.  어느 순간에 액체 계면은 셀의 중간 영역에 있고, 그 아래쪽의 인접 셀은 충전되어 있고, 상단 인접 셀은 비어 있습니다.  인접 셀 내의 유체의 방향은 계면과 셀의 하단과의 거리가 셀 내의 유체 점유율과 같아야 한다는 것을 의미합니다.  그 다음 먼저 표면을 포함하는 셀의 빈 공간을 충전 한 후 다음 셀로 유체를 보내도록 위쪽의 빈 셀에 이동하는 유체의 양의 계산을 변경할 수 있습니다.

In two or three dimensions a similar procedure of using information from neighboring cells can be used, but it is not possible to be as accurate as in the one-dimensional case. The problem with more than one dimension is that an exact determination of the shape and location of the surface cannot be made. Nevertheless, this technique can be made to work well as evidenced by the large number of successful applications that have been completed using the VOF method. References 1975, 1980, and 1981 should be consulted for the original work on this technique.

2 차원과 3 차원에서 인접 셀의 정보를 사용하는 유사한 절차를 사용할 수 있지만, 1 차원의 경우만큼 정확하게 하는 것은 불가능합니다.  2 차원 이상의 경우의 문제는 표면의 모양과 위치를 정확히 알 수없는 것입니다.  그래도 VOF 법을 사용하여 달성 된 다수의 성공 사례에서 알 수 있듯이 이 방법을 잘 작동시킬 수 있습니다.  이 기법에 관한 초기의 연구 내용은 참고 문헌 1975,1980,1981를 참조하십시오.

The VOF method has lived up to its goal of providing a method that is as powerful as the MAC method without the overhead of that method. Its use of volume tracking as opposed to surface-tracking function means that it is robust enough to handle the breakup and coalescence of fluid masses. Further, because it uses a continuous function it does not suffer from the lack of divisibility that discrete particles exhibit.

VOF 법은 MAC 법만큼 강력한 기술을 오버 헤드없이 제공한다는 목표를 달성 해 왔습니다.  표면 추적이 아닌 부피 추적 기능을 사용하는 것은 유체 질량의 분할과 합체를 처리하는 데 충분한 내구성을 가지고 있다는 것을 의미합니다.  또한 연속 함수를 사용하기 때문에 이산된 입자에서 발생하는 숫자를 나눌 수 없는 문제를 겪지 않게 됩니다.

Variable-Density Approximation to the VOF Method

One feature of the VOF method that requires special treatment is the application of boundary conditions. As a surface moves through a grid, the cells containing fluid continually change, which means that the solution region is also changing. At the free boundaries of this changing region the proper free surface stress conditions must also be applied.

VOF 법의 가변 밀도 근사

VOF 법의 특수 처리가 필요한 기능 중 하나는 경계 조건의 적용입니다.  표면이 격자를 통과하여 이동할 때 유체를 포함하는 셀은 끊임없이 변화합니다.  즉, 계산 영역도 변화하고 있다는 것입니다.  이 변화하고있는 영역의 자유 경계에는 적절한 자유 표면 응력 조건도 적용해야합니다.

Updating the flow region and applying boundary conditions is not a trivial task. For this reason some approximations to the VOF method have been used in which flow is computed in both liquid and gas regions. Typically, this is done by treating the flow as a single fluid having a variable density. The F function is used to define the density. An argument is then made that because the flow equations are solved in both liquid and gas regions there is no need to set interfacial boundary conditions.

유체 영역의 업데이트 및 경계 조건의 적용은 중요한 작업입니다.  따라서 액체와 기체의 두 영역에서 흐름이 계산되는 VOF 법에 약간의 근사가 사용되어 왔습니다.  일반적으로 가변 밀도를 가진 단일 유체로 흐름을 처리함으로써 이루어집니다.  밀도를 정의하려면 F 함수를 사용합니다.  그리고, 흐름 방정식은 액체와 기체의 두 영역에서 계산되기 때문에 계면의 경계 조건을 설정할 필요가 없다는 논증이 이루어집니다.

Unfortunately, this approach does not work very well in practice for two reasons. First, the sensitivity of a gas region to pressure changes is generally much greater than that in liquid regions. This makes it difficult to achieve convergence in the coupled pressure-velocity solution. Sometimes very large CPU times are required with this technique.

공교롭게도 이 방법은 두 가지 이유로 인해 실제로는 그다지 잘 작동하지 않습니다.  하나는 압력의 변화에 대한 기체 영역의 감도가 일반적으로 액체 영역보다 훨씬 큰 것입니다.  따라서 압력 – 속도 결합 해법 수렴을 달성하는 것은 어렵습니다.  이 기술은 필요한 CPU 시간이 매우 커질 수 있습니다.

The second, and more significant, reason is associated with the possibility of a tangential velocity discontinuity at interfaces. Because of their different responses to pressure, gas and liquid velocities at an interface are usually quite different. In the Variable-Density model interfaces are moved with an average velocity, but this often leads to unrealistic movement of the interfaces.

두 번째 더 중요한 이유는 계면에서 접선 속도가 불연속이되는 가능성에 관련이 있습니다.  압력에 대한 반응이 다르기 때문에 계면에서 기체와 액체의 속도는 일반적으로 크게 다릅니다.  가변 밀도 모델은 계면은 평균 속도로 동작하지만, 이는 계면의 움직임이 비현실적으로 되는 경우가 많습니다.

Even though the Variable-Density method is sometimes referred to as a VOF method, because is uses a fraction-of-fluid function, this designation is incorrect. For accurately tracking sharp liquid-gas interfaces it is necessary to actually treat the interface as a discontinuity. This means it is necessary to have a technique to define an interface discontinuity, as well as a way to impose the proper boundary conditions at that interface. It is also necessary to use a special numerical method to track interface motions though a grid without destroying its character as a discontinuity.

가변 밀도 방법은 유체 분율 함수를 사용하기 때문에 VOF 방법이라고도하지만 이것은 올바르지 않습니다. 날카로운 액체-가스 인터페이스를 정확하게 추적하려면 인터페이스를 실제로 불연속으로 처리해야합니다. 즉, 인터페이스 불연속성을 정의하는 기술과 해당 인터페이스에서 적절한 경계 조건을 적용하는 방법이 필요합니다. 또한 불연속성으로 특성을 훼손하지 않고 격자를 통해 인터페이스 동작을 추적하기 위해 특수한 수치 방법을 사용해야합니다.

Summary

A brief discussion of the various techniques used to numerically model free surfaces has been given here with some comments about their relative advantages and disadvantages. Readers should not be surprised to learn that there have been numerous variations of these basic techniques proposed over the years. Probably the most successful of the methods is the VOF technique because of its simplicity and robustness. It is this method, with some refinement, that is used in the FLOW-3D program.

여기에서는 자유 표면을 수치적으로 모델링 할 때 사용하는 다양한 방법에 대해 상대적인 장점과 단점에 대한 설명을 포함하여 쉽게 설명하였습니다.  오랜 세월에 걸쳐 이러한 기본적인 방법이 많이 제안되어 온 것을 알고도 독자 여러분은 놀라지 않을 것입니다.  아마도 가장 성과를 거둔 방법은 간결하고 강력한 VOF 법 입니다.  이 방법에 일부 개량을 더한 것이 현재 FLOW-3D 프로그램에서 사용되고 있습니다.

Attempts to improve the VOF method have centered on better, more accurate, ways to move fluid fractions through a grid. Other developments have attempted to apply the method in connection with body-fitted grids and to employ more than one fluid fraction function in order to model more than one fluid component. A discussion of these developments is beyond the scope of this introduction.

VOF 법의 개선은 더 나은, 더 정확한 방법으로 유체 점유율을 격자를 통과하여 이동하는 것에 중점을 두어 왔습니다.  기타 개발은 물체 적합 격자(body-fitted grids) 관련 기법을 적용하거나 여러 유체 성분을 모델링하기 위해 여러 유체 점유율 함수를 채용하기도 했습니다.  이러한 개발에 대한 논의는 여기에서의 설명 범위를 벗어납니다.

References

1965 Harlow, F.H. and Welch, J.E., Numerical Calculation of Time-Dependent Viscous Incompressible Flow, Phys. Fluids 8, 2182.

1969 Daly, B.J., Numerical Study of the Effect of Surface Tension on Interface Instability, Phys. Fluids 12, 1340.

1970 Hirt, C.W., Cook, J.L. and Butler, T.D., A Lagrangian Method for Calculating the Dynamics of an Incompressible Fluid with Free Surface, J. Comp. Phys. 5, 103.

1971 Nichols, B.D. and Hirt, C.W.,Calculating Three-Dimensional Free Surface Flows in the Vicinity of Submerged and Exposed Structures, J. Comp. Phys. 12, 234.

1974 Hirt, C.W., Amsden, A.A., and Cook, J.L.,An Arbitrary Lagrangian-Eulerian Computing Method for all Flow Speeds, J. Comp. Phys., 14, 227.

1975 Nichols, B.D. and Hirt, C.W., Methods for Calculating Multidimensional, Transient Free Surface Flows Past Bodies, Proc. of the First International Conf. On Num. Ship Hydrodynamics, Gaithersburg, ML, Oct. 20-23.

1980 Nichols, B.D. and Hirt, C.W., Numerical Simulation of BWR Vent-Clearing Hydrodynamics, Nucl. Sci. Eng. 73, 196.

1981 Hirt, C.W. and Nichols, B.D., Volume of Fluid (VOF) Method for the Dynamics of Free Boundaries, J. Comp. Phys. 39, 201.

업무에 적합한 올바른 CFD 소프트웨어 선택 방법

업무에 적합한 올바른 CFD 소프트웨어 선택 방법

많은 제품들이 모두 자신의 소프트웨어가 가장 적합하다고 말하기 떄문에, 사람들은 자신의 업무에 적합한 CFD 소프트웨어 선택에 어려움을 겪습니다. 그 이유는 유체 흐름 및 열 전달 분석을 위한 소프트웨어 패키지는 다양한 형태로 제공됩니다. 이러한 패키지는 물리적 근사치와 수치적 솔루션 기법이 크게 다르기 때문에 적합한 패키지를 선택하는 것이 어렵습니다.

아래 내용에서 올바른 CFD 소프트웨어를 선택할 때 고려해야 할 중요한 항목을 설명합니다.

Spillway’s tailrace over natural rock

1. 메싱 및 지오메트리

유한 요소 또는 “바디 맞춤 좌표”를 사용하는 솔루션 방법은 유동 영역의 기하학적 구조를 준수하는 해석용 그리드를 생성해야합니다. 정확한 수치 근사를 위해 허용 가능한 요소 크기와 모양으로 이러한 그리드를 생성하는 것은 쉽지 않은 작업입니다. 복잡한 경우 이러한 유형의 그리드 생성에는 며칠 또는 몇주의 노력이 소요될 수 있습니다. 일부 프로그램은 직사각형 그리드 요소만 사용하여 이러한 생성 문제를 제거하려고 시도하지만 흐름 및 열 전달 특성을 변경하는 “계단현상” 경계 문제를 해결해야 합니다. FLOW-3D는 FAVOR ™ (분수 면적 / 체적) 방법을 사용하여 기하학적 특성이 매끄럽게 포함된 생성하기 쉬운 직사각형 그리드를 사용하여 두 문제를 모두 해결합니다. 간단하고 강력한 솔리드 모델러가 FLOW-3D와 함께 패키지로 제공되거나 사용자가 CAD 프로그램에서 기하학적 데이터를 가져올 수 있습니다.

2. 운동량 방정식과 대략적인 흐름 모델

유체 운동량의 정확한 처리는 여러 가지 이유로 중요합니다. 첫째, 복잡한 지오메트리를 통해 유체가 어떻게 흐를지 예측할 수 있는 유일한 방법입니다. 둘째, 유체에 의해 가해지는 동적 힘 (즉, 압력)은 모멘텀을고려하여야만 계산할 수 있습니다. 마지막으로, 열 에너지의 대류 이동을 계산하려면 개별 유체 입자가 다른 유체 입자 및 제한 경계와 관련하여 어떻게 움직이는지를 정확하게 파악할 수 있어야 합니다.

이것은 운동량의 정확한 처리를 의미합니다. 모멘텀의 보존을 대략적으로만 하는 단순화된 흐름 모델은 실제적인 유체 구성과 온도 분포를 예측하는데 사용할 수 없기 때문에 FLOW-3D에서는 사용되지 않습니다.

3. 액체-고체 열 전달 영역

액체와 고체 (예 : 금속-금형) 사이의 열 전달에는 계면 영역의 정확한 추정이 필요합니다. 계단 경계는 이 영역을 과대 평가합니다. 예를 들어, 실린더의 표면적은 27 %의 비율로 과대 평가됩니다. FLOW-3D 전 처리기의 각 제어 볼륨에 대해 FAVOR ™ 방법에 의해 정확한 계면 영역이 자동으로 계산됩니다.

4. 액체-고체 열 전달에 대한 볼륨 효과 제어

제어 볼륨의 크기는 액체 / 고체 인터페이스를 포함하는 제어 볼륨에서도 열이 흐르기 때문에 액체와 고체 사이에서 교환되는 열의 속도와 양에 영향을 미칠 수 있습니다. FLOW-3D에서는 액체-고체 인터페이스에서 열 전달 속도를 계산할 때 체적 크기와 전도도가 고려됩니다.

5. 암시성(Implicitness)과 정확성

비선형 및 결합 방정식에 대한 암시적 방법에는 각 반복에서 under-relaxation 특성이 있는 반복 솔루션 방법이 필요합니다. 이 동작은 일부 상황에서 심각한 오류 (또는 매우 느린 수렴)를 일으킬 수 있습니다 (예 : 큰 종횡비로 제어 볼륨을 사용하거나 실제로 중요하지 않은 효과를 예상하여 암시성이 사용되는 경우).

FLOW-3D에서는 계산 노력FLOW-3D에서는 계산 작업이 덜 필요하기 때문에 가능한 경우 언제나 명시적 수치 방법을 사용하며, 수치 안정성 요구 사항은 정확도 요구 사항과 동일합니다. Implicit vs. Explicit Numerical Methods 문서에서 자세히 알아보세요.

6. 대류 전송을 위한 암시적 수치 방법 (Implicit Numerical Methods)

임의적으로 큰 시간 단계 크기를 계산에 사용할 수 있는 암시적 수치 기법은 CPU 시간을 줄이는데 널리 사용되는 방법입니다. 불행히도 이러한 방법은 대류 해석에 정확하지 않습니다. 암시적 방법은 근사 방정식에 확산 효과를 도입하여 시간 단계 독립성을 얻습니다. 물리적 확산(예 : 열전도)에 수치적 확산을 추가하는 것은 확산 속도만 수정하기 때문에 심각한 문제를 일으키지 않을 수 있습니다. 그러나 대류 과정에 수치 확산을 추가하면 모델링되는 물리적 현상의 특성이 완전히 바뀝니다. FLOW-3D에서 시간 단계는 프로그램에 의해 자동으로 제어되어 정확한 시간 근사치를 보장합니다.

7. 이완 및 수렴 매개 변수 (Relaxation and Convergence Parameters)

암시적 근사를 사용하는 수치 방법은 하나 이상의 수렴 및 이완 매개 변수를 선택해야합니다. 이러한 매개 변수를 잘못 선택하면 발산 또는 수렴 속도가 느려질 수 있습니다. FLOW-3D에서는 하나의 수렴 및 하나의 이완 매개 변수만 사용되며, 두 매개 변수는 프로그램에 의해 동적으로 선택됩니다. 사용자는 수치해석 솔버를 제어하는 ​​매개 변수를 설정할 필요가 없습니다.

8. 자유 표면 추적

액체-가스 인터페이스 (즉, 자유 표면)를 모델링하는 데 사용되는 두 가지 방법이 있습니다. 그 중 하나는 액체 및 가스 영역의 흐름을 계산하고 계면을 유체 밀도의 급격한 변화로 처리하는 것입니다. 일반적으로 밀도 불연속성은 고차 수치 근사를 사용하여 모델링됩니다.

불행히도, 이 치료는 몇몇 그리드 셀에 걸쳐 인터페이스가 매끄럽게 진행되도록 해주며, 그러한 인터페이스에 일반적으로 존재하는 접선 유속의 급격한 변화는 설명하지 않습니다. 또한 이 기법은 가스가 계산 영역으로 유입되는 액체로 대체될 경우 탈출 포트 또는 가스의 싱크로도 보완해야 합니다. 또한 이러한 방법은 일반적으로 유체의 비압축성을 만족시키기 위해 더 많은 노력을 기울여야 합니다.  가스 영역은 거의 균일한 압력 조정을 통해 솔루션 수렴 속도를 늦추는 경향이 있기 때문에 이러한 현상이 발생합니다.

FLOW-3D에서는 다른 기술인 VOF (Volume-of-Fluid) 방법이 사용됩니다. 이것은 인터페이스가 단계 불연속으로 긴밀하게 유지되는 진정한 3 차원 인터페이스 추적 체계입니다. 또한 선택적 표면 장력을 포함하여 수직 및 접선 응력 경계 조건이 인터페이스에 적용됩니다. 가스 영역은 사용자가 모델에 포함되도록 요청하지 않는 한 계산되지 않습니다.

고성능 컴퓨터(HPC)에 대한 이해

본 자료는 수치해석을 업무로 수행하는 엔지니어들의 고성능 컴퓨터에 대한 이해를 돕기 위해 https://www.amd.com/ko/technologies/hpc-explained 를 인용한 자료입니다.
본 자료의 모든 저작권은 https://www.amd.com에 있습니다.

고성능 컴퓨팅 안내

신약 개발에 걸리는 기간이 수년에서 수일로 단축된다고 상상해 보십시오. 고성능 컴퓨팅(HPC)은 시뮬레이션, 모델 및 분석을 통해 이러한 유형은 물론 기타 첨단 과학 문제를 해결할 수 있습니다. 이러한 시스템은 세계의 여러 주요 문제에 대한 해결책을 제공하여 “4차 산업혁명”으로 가는 길을 제시합니다.1 HPC 시스템은 이미 다음과 같은 용도로 사용되고 있습니다.

  • 여러 유형의 암과 기타 질병 퇴치를 위한 신약 화합물 개발 및 시험2
  • 방탄복과 같은 신소재 개발을 위한 분자 역학 시뮬레이션3
  • 영향을 받는 지역사회가 더 효과적으로 대비하도록 돕기 위한 중요한 기상 변화 예측4

슈퍼컴퓨터는 최첨단 HPC 시스템을 대표합니다. 슈퍼컴퓨터의 고유한 역량은 기능의 발전에 따라 시간이 지나면서 변화하는 표준에 좌우됩니다. 단일 슈퍼컴퓨팅 클러스터에는 수만 개의 프로세서가 포함될 수 있으며 세계 최고 성능의 최고가 시스템의 가격은 1억 달러 이상에 달합니다.5

HPC의 작동 방식

HPC에서 정보를 처리하는 두 가지 주요 방법:

직렬 처리를 중앙 처리 장치(CPU)에서 수행합니다. 일반적으로 각 CPU 코어에서 한 번에 한 작업만 처리합니다. CPU는 운영체제 및 기본적인 애플리케이션(예: 워드 프로세싱, 사무 생산성)과 같은 기능에 있어 필수적입니다.serial processing chart

병렬 처리를 여러 CPU 또는 그래픽 처리 장치(GPU)를 통해 수행할 수 있습니다. 원래는 전용 그래픽 용으로 개발된 GPU는 데이터 매트릭스(예: 화면 픽셀)에 대해 동시에 여러 산술 연산을 수행할 수 있습니다. GPU는 수많은 데이터 계층에서 동시에 작업할 수 있기 때문에 동영상에서 객체를 인식하는 것과 같은 머신 러닝(ML) 애플리케이션 작업에서 병렬 처리를 수행하는 데 적합합니다.parallel processing chart

슈퍼컴퓨팅의 잠재력을 극대화하기 위해서는 다양한 시스템 아키텍처가 필요합니다. 대부분의 HPC 시스템은 초고대역폭 상호 연결을 통해 여러 프로세서 및 메모리 모듈을 취합하여 병렬 처리를 지원합니다. 일부 HPC 시스템은 CPU와 GPU를 결합하는 데 이를 이기종 컴퓨팅이라고 합니다.

컴퓨터의 컴퓨팅 성능은 “FLOPS”(초당 부동 소수점 연산)라는 단위로 측정됩니다. 2019년 초반 현재 최고 수준의 슈퍼 컴퓨터는 143.5페타FLOPS(143 × 1015)를 처리할 수 있습니다. 페타스케일라고 하는 이러한 수준의 슈퍼컴퓨터는 천조 이상의 FLOPS를 수행합니다. 그에 비해, 하이엔드 게이밍 데스크탑은 속도가 1/1,000배 미만으로 약 200기가FLOPS(1 × 109)를 처리하는 데 그칩니다. 프로세싱과 처리 성능 모두에서 슈퍼컴퓨팅 혁신이 이루어지면 머지않아 엑사스케일 수준의 슈퍼컴퓨팅으로 발전하여 페타스케일보다 약 1,000배 빠른 속도가 실현될 것입니다. 이는 엑사스케일 슈퍼컴퓨터가 초당 1018(또는 10억 x 10억)의 연산을 수행할 수 있음을 의미합니다.evolution processing power

“FLOPS”는 이론적 처리 속도를 나타냅니다 – 프로세서에 지속적으로 데이터를 전송하는 데 필요한 속도를 파악합니다. 그러므로, 데이터 처리율이 반드시 시스템 디자인에 반영되어야 합니다. 프로세싱 노드 간 상호 연결과 함께 시스템 메모리가 데이터의 프로세서 도달 속도에 영향을 줍니다.supercomputer representative power

차세대 슈퍼컴퓨터가 구현하는 1 exaFLOP의 처리 성능은 5,000,000대에 달하는 데스크탑 컴퓨터의 성능에 필적합니다.*

*각 데스크탑의 처리 성능을 200기가FLOPS로 가정

스마트한 용어

  • 고성능 컴퓨팅 (HPC): 단일 컴퓨터(예: 1개의 CPU + 8개의 GPU)부터 세계적 수준의 슈퍼컴퓨터를 아우르는 폭넓은 범위의 강력한 컴퓨팅 시스템
  • 슈퍼컴퓨터: 진화하는 성능 표준에 기반한 최고 수준의 HPC
  • 이기종 컴퓨팅: 직렬(CPU) 및 병렬(GPU) 처리 기능을 최적화하는 HPC 아키텍처
  • 메모리: 데이터에 신속하게 액세스하기 위해 HPC 시스템에서 데이터가 저장되는 위치
  • 인터커넥트: 프로세싱 노드 간 통신을 지원하는 시스템 계층, 여러 수준의 상호 연결이 슈퍼컴퓨터 내에 존재
  • 페타스케일: 초당 1,000조(1015)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터
  • 엑사스케일: 초당 100경(1018)의 계산을 수행하기 위해 설계된 슈퍼컴퓨터

새로운 이용 사례

기술 수준이 향상되면서, HPC는 더욱 폭넓은 기능으로 확장되었습니다. 오늘날 처리 능력과 메모리가 그 어느 때보다 향상되어 보다 복잡한 문제를 해결할 수 있게 되었습니다.

  • 머신 러닝: 인공지능(AI), 머신 러닝(ML)의 하위집합으로서 수행 지침을 수동적으로 받아들이는 대신 스스로 학습할 수 있는 시스템을 말합니다. HPC 시스템은 사진에서 흑색 종을 감지하는 암 연구와 같이 방대한 양의 데이터를 분석하는 높은 수준의 ML에 사용할 수 있습니다.6
  • 빅 데이터 분석: 학술, 과학, 금융, 비즈니스, 의료, 사이버 보안 및 정부 애플리케이션 부문의 연구 및 문제 해결을 보완하기 위해 대량의 데이터 세트를 신속하게 비교하고 상관 관계를 분석합니다. 이 작업에는 대규모 처리 및 컴퓨팅 기능이 필요합니다. 매년 50페타바이트의 임무 데이터가 생성되는 NASA에서는 슈퍼컴퓨팅을 활용해 관측을 분석하고 방대한 정보를 바탕으로 시뮬레이션을 실행합니다.7
  • 고급 모델링 및 시뮬레이션: 기업은 초기 단계에서 물리적 구축을 수행하지 않고도, 고급 모델링 및 시뮬레이션을 통해 혁신적인 제품을 더 빨리 출시하고 시간, 재료 및 인건비를 절약할 수 있습니다. HPC 모델링 및 시뮬레이션은 신약 개발 및 시험, 자동차 및 항공 우주 설계, 기후 예측/기상 관측, 에너지 애플리케이션 부문에서 활용됩니다.8

AMD가 엑사스케일에 대한 드라이브를 실현하는 방식

미국에너지국(DOE)/버클리 연구소(Berkeley Lab), 로렌스 리버모어 국립 연구소(U.S. Lawrence Livermore National Laboratory), 슈투트가르트 대학(University of Stuttgart) 및 CSC(핀란드 IT 과학 센터)의 최신 시스템과 같은 세계 최고 성능의 슈퍼컴퓨터가 바로 AMD 기술에 기반합니다.9

가까운 미래에 엑사스케일 수준의 최적의 슈퍼컴퓨터 설계를 실현하기 위해서는 더욱 강력한 처리 성능 및 프로세싱 기능(CPU 및 GPU 모두에서)이 필요합니다. 고성능 컴퓨팅과 그래픽 기술 부문 모두에서 업계 리더인 AMD는 HPC 시스템을 최적화하는 데 있어 몇 가지 고유한 이점을 제시합니다. 미국에너지국(DOE)에서 추진하는 엑사스케일 컴퓨팅 프로젝트의 일환으로, AMD는 미국 최초로 엑사스케일 수준의 슈퍼컴퓨터를 개발하기 위한 기술을 발전시키기 위해 미국 정부와 파트너십을 맺었습니다.10 이 작업에는 CPU 및 GPU 마이크로아키텍처, 메모리 시스템, 구성 요소 통합 및 고속 인터커넥트에 중점을 둔 연구가 포함되었습니다.

exascale desktop icon데스크탑

지역 전력망에 대한 하나의 동적 시나리오를 실시간으로 시뮬레이션합니다.

petascale iconn페타스케일

국가 전력망에 대한 수만 개의 동적 시나리오를 실시간으로 시뮬레이션합니다.

exascale  icon엑사스케일

전 세계 전력망에 대한 수백만 개의 동적 시나리오를 생성 및 수요에 관한 정의되지 않은 변수를 적용해 실시간으로 시뮬레이션합니다.

미래로 나아가는 힘과 자유

엑사스케일 컴퓨팅은 맞춤형 의료, 탄소 포집, 천체 물리학, 시장 경제학 및 바이오 연료 분야의 발전에 기여할 잠재성이 있습니다. 전문가들이 날씨를 더 정확히 예측하고, 더 복잡한 수학적 문제를 해결하며, 우주의 더 먼 곳까지 탐험하고, 에너지 절감형 전력망을 구축하는 데 도움이 될 것입니다.11 차세대 슈퍼컴퓨팅을 위한 공동의 노력과 이러한 시스템이 사회에 기여할 수 있는 긍정적인 영향을 바탕으로, AMD는 미래의 컴퓨팅 시스템의 성능, 에너지 효율성, 신뢰성 및 프로그래밍의 향상을 위한 연구와 자원에 주력하고 있습니다.

자세히 알아보기: https://www.amd.com/hpc

Validation of a 3D Dam Breaking Problem

3D 댐 붕괴 문제 검증

이 기사는영국에서 Peter Arnold, Minerva Dynamics, The Guildhall, High Street Bath에 의해 기고되었다.

자유 표면 흐름 시뮬레이션을 위한 FLOW-3D 성능을 평가하기 위해, 장애물 구성이 포함된 3D댐을 검증 사례 중 하나로 선정했습니다. 이 문제는 문서화되어 있으며 ERCOFTAC데이터베이스에서 다운로드할 수 있도록 생성된 모든 실험 데이터를 사용하여 쉽게 설정할 수 있습니다[1]. 장애물은 선박 갑판의 녹색 물에 노출된 컨테이너를 대표하는 것으로 선택됩니다. 실험은 0.55 m의 물을 고정하는 슬라이딩 도어를 가진 대형 탱크 그림 1로 구성됩니다. 도어는 중량 감소에 의해 수직으로 위쪽으로 열리고 물이 방출되어 장애물을 침해한 후 탱크 벽으로부터 3회 반사됩니다. 자유 표면 고도는 탱크 중심선을 따라 4개 위치에서 측정되며 8개의 압력 센서가 장애물의 선행 수직 및 수평 표면에 내장되어 있습니다(그림2). FLOW-3D를 사용한 CFD시뮬레이션은 연속적으로 미세한 메쉬를 사용하여 6초간 실시간으로 수행되었으며 다른 주문 번호 체계와 난류 모델을 사용했습니다.

Figure 1. Snapshot of SPH simulation and experiment at 0.56 secs

시뮬레이션 방법론

시뮬레이션은 3.22mx1mx1.5m 크기의 도메인에 대해 설정되었습니다. 즉, 탱크 지붕에 대한 수직 분사를 허용하기 위해 z방향에서 0.5m 더 큰 도메인이 설정되었습니다. 기본 메쉬는 x-방향의 간격 161개, y-방향 50개, z-방향의 경우 75개가 균일하게 수용되는 육각 셀을 가지고 있었습니다. 장애물 및 센서 위치를 방해하므로 총 약 603,750개의 셀이 사용됩니다. 장애물은 그 영역에 들어갔고 모든 벽은 미끄러짐이 없는 것으로 간주되었습니다. 물의 초기 위치와 점도를 규정한 후, 층류 시간에 의존하는 시뮬레이션을 실시간으로 총 6초 동안 점진적으로 미세화하였습니다. 기본 60cm 셀 메시에서 시작하는 메쉬. 단순히 각 방향의 셀의 수를 2개의 큐브 루트에 의해 증가시킴으로써 각 점진적 메쉬에 대해 총 셀 카운트를 2배 증가시키는 것이었습니다. 이렇게 총 네개의 메쉬가 생겼습니다. 그런 다음 네개의 위치에서 자유 표면 고도의 시간 이력과 여덟개의 압력 센서로부터의 압력을 실험 데이터에 대해 도표로 작성했습니다. CPU와 시뮬레이션의 경과 시간또한 기록되었습니다.

Figure 2. Locations of water height and pressure measurements

기본 메쉬만 사용하여, 추진력 유도에 사용된 수치 구별 계획의 효과를 조사하였습니다. 디폴트가 1st order, 2nd order monotonicity preserving 그리고 3rd order schem이 모두 사용되었으며 결과를 비교했습니다. 또한 single 과 double precision의 효과를 비교하였습니다.

난류 변동은 주로 직접 시뮬레이션을 통해 모델링되었지만 FLOW-3D에서 사용할 수있는 두 가지 난류 모델, 즉 RNG (Renormalization Group) 모델과 LES (Large Eddy Simulations) 모델의 결과도 비교했습니다. 모든 모델은 가장 거칠고 기본 메쉬에서만 실행되었습니다. 메쉬 해상도에 대한 과도한 요구로 인해 탱크 벽에서 가장 가까운 노드의 거리에 대한 일반적인 난기류 모델 관련 제약 조건을 충족시키지 못했습니다.

또한 흐름이 크게 혼란스럽고 장애물이 날카로울 때 흐름 분리 효과의 예측은 점진적인 구분에 의해서가 아닌 기하학적 변화에 의해서 주도될 것입니다. 질서 정연한 경계 층의 변형 따라서, 우리는 경계 층의 분해능이 주 흐름 특성을 예측하는 관점에서 도메인 내부의 흐름을 해결하는 것보다 덜 관련된다고 가정했습니다.

자유 표면 결과

그림 3과 4는 장애물의 상류 위치 H2와 하류 위치 H1에서 시간에 대해 플롯 된 실험 및 계산 된 자유 표면 고도를 보여줍니다. 크기와 타이밍에 약간의 차이가 있지만 주요 기능이 잘 표현되어 있는지 확인하는 것이 좋습니다. 그러나 실험 데이터에는 오류 막대가 제공되지 않으며 혼란스럽고 분리 된 유동장에서 프로브를 사용하여 자유 표면 고도를 측정하는 것은 자유 표면 고도가 문제가 될 수 있다고 말해야합니다. 단일 한 시간 함수가 될 수 없습니다. 이것은 아마도 약 1 초의 초기 가파른 상승 단계에서 H1 높이의 불일치를 설명합니다. 나머지 H1 레코드는 실험과 잘 일치합니다. H2 플롯은 특히 초기 물 상승 단계에서 더 나은 일치를 보여주고 궁극적으로 물의 최대 높이를 잘 예측합니다.

모든 그림에는 실험 뒤에 있는 시뮬레이션의 시간 지연 특징이 있습니다. 차이의 원인은 불분명하지만 시뮬레이션을 통해 점진적으로 도입되는 것으로 보입니다.

압력 센서 결과

그림 5는 시간에 대해 플롯 된 바닥에서 가장 가까운 전면 압력 센서 P1을 보여 주며, 일반적으로 실험과 시뮬레이션 간의 양호한 일치를 나타냅니다. 이 센서는 압력 피크의 도달 거리와 크기를 가장 정확하게 추정합니다. 장애물과 왼쪽 벽에서 물이 튀어 나오면서 신호가 안정되면서 약 2초간 도달할 때까지 압력 신호에 상당한 변동이 있습니다. 그리고 시뮬레이션 값은 실험 값과 잘 일치합니다.

그림 6은 상부 수평 얼굴 압력 센서 P7을 보여 줍니다. 1초에서 2초 사이에 압력 변동이 크므로 시뮬레이션과 실험 데이터가 안정되고 합의가 개선됩니다.

메쉬 수리, 수치 구성 순서 및 난류 모델

메쉬 정밀도의 효과 측면에서 볼 때, 수치 솔루션이 고유한 솔루션으로 수렴되고 있다는 증거는 거의 없는 것으로 보입니다. 난류 모델을 사용하는 대신 직접 시뮬레이션을 통해 유동장의 난류를 모델링 하려고 시도해 왔기 때문에 이는 놀라운 일이 아닐 수 있습니다. 이 접근 방식을 사용하면 메쉬가 미세하게 정제되고 초기 조건에서 섭동에 더 민감해 지기 때문에 흐름 필드에서 보다 상세한 정보를 파악할 수 있을 것으로 예상됩니다. 또한 약간 다른 초기 조건을 가진 많은 시뮬레이션의 평균이 메시 정교함으로 평균화된 솔루션으로 수렴될 것으로 예상합니다. 그러나, 실험에 대한 합의의 수준에 있어서는 35배나 더 오래 걸리는 가장 적은 비용과 가장 비싼 해결책 사이에는 차이가 거의 없습니다. 공학적 관점에서 볼 때, 가장 불리한 메쉬 솔루션은 기본 값이 충분히 정확하고 경과된 시뮬레이션이 단지 15분 이상인 것을 고려할 때 매우 좋은 가치를 나타냅니다.

가속도계 숫자 체계 순서의 효과와 단일 또는 이중 정밀도 산술 실행의 효과는 다음과 같이 요약됩니다. 2차 주문과 3차 주문 계획은 매우 유사한 결과를 보여 주는데, 두가지 모두 실험 곡선을 따르는 것이 더 다양한 1차 주문 계획보다 더 가깝습니다. 또한 상위 순서 방식은 보다 정교한 메쉬의 첫번째 순서 방식보다 코어저 기본 메쉬의 실험 곡선을 따르는 것으로 보입니다. 이중 정밀도 곡선은 단일 정밀도 1차 주문 곡선에서 약간 벗어납니다. 높은 순서도와 이중 정밀도 산술을 사용하는 데 드는 상대적으로 적은 비용을 감안할 때 안정성이 훼손되지 않는다면 향후 계산에서 그렇게 하는 것이 합리적일 것입니다.

난류 변동을 모델링 하는 데 사용되는 방법에 대해서는 각 모델의 실험 시간 이력을 보다 정확하게 예측할 수 있는 능력 면에서 확실한 승자가 없습니다. LES모델의 CPU시간을 더 전통적인 RNG제제와 비교할 때 거의 두 배만큼 층류 모델로써 경제적입니다.

결론

FLOW-3D는 매우 까다로운 자유 표면 유동 문제를 시뮬레이션하는 데 사용되었으며 실험 데이터와 정 성적, 양적 계약을 맺었습니다. 주요 불일치는 종종 고유하지 않은 매개 변수의 자유 표면 높이를 측정하는 데 문제가 있기 때문에 쉽게 발생할 수 있습니다. 흐름이 충돌하는 장애물 표면의 압력 예측은 일반적으로 실험 측정과 잘 일치하며, 주 편차는 실험 측정에서 상당한 양의 변동이있는 곳에서 다시 나타납니다. 실험 측정의 반복성은 문헌에서 논의되지 않았지만 적어도 CFD 시뮬레이션의 차이만큼 클 수있다. 또한 4 개의 프로세서를 통한 공유 메모리 구성에서 약 15 분 내에 난류 모델없이 1 차 차분을 사용하여 비교적 거친 메시에서 솔루션을 적절하게 얻을 수 있음을 확인했습니다. 난류 모델이 필요하지 않다는 것은 결과 흐름을 지배하는 난류 구조가이 수준의 메쉬 미세 조정에서 해석 될 수 있음을 시사합니다.

Download a full-length validation study of this work: FLOW-3D Dam Breaking Validation

References

  1. SPH European Research Interest Community SIG, R. Issa and D. Violeau, Test-Case 2 3D dam breaking, http://wimanchester.ac.uk/spheric/index.php/Test2
  2. M.T Kleefsman, Fekken, A.E P Veldman, B. Iwanowski, and B. Buchner, A volume of fluid based simulation method for wave impact problems,J Comp Phs, 206: 363-393, 2005.

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

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)

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

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave Simulations

Aerial Landslide Generated Wave(ALGW)는 수역에 영향을 미치는 빠른 슬라이드의 결과이다. 이것은 암석에 의해 생성된 작은 파도 이거나, 3000만 입방 미터의 암석으로 인한 500m를 초과하는 파도 일 수도 있다.
공학적 관점에서 보면 ALGW는 근접한 해안을 따라 인간이 거주하는 인구/자산이 있는 수역에서 발생할 때 큰 관심을 가진다. 여기서 파동이 발생하면 해안선이 파손되고 홍수가 날수 있으며, 댐붕괴로 인한 사망까지 일으킬 수 있다(Müller-Salzburg, 1987). 결과적으로, ALGW에 의해 야기되는 최대 파도 상승을 예측하는 것은 경제적, 환경적, 안전상의 이유로 매우 중요합니다.
안타깝게도 분석적인 솔루션이 없는 매우 복잡한 문제로, 유체 역학적인 측면에서뿐만 아니라 지질학적인 관점(즉, 크기/기하학적인 슬라이드의 밀도 프로파일)에서도 마찬가지입니다. 이와 같이, 대부분의 현장 별 ALGW 최대 파형 예측은 확장된 물리적 모델을 사용하여 평가되었다. 일부는 전산유체역학(CFD) 소프트웨어를 기반으로 할 수도 있지만 비용이 많이 들며, 특히 풀 스케일 3차원 문제의 경우 정확성에 대한 논쟁의 대상이 되고 있습니다.
그러나 컴퓨터 하드웨어와 CFD소프트웨어가 계속 발전함에 따라 이제 CFD를 사용하여 ALGW를 실제로 시뮬레이션할 수 있게 되었습니다. 이와 같이 본 연구는 고 충실도의 물리적 모델 데이터를 FLOW-3D와 비교하여 ALGW를 CFD시뮬레이션을 검증하기 위한 지속적인 노력으로 진척시키는 것을 목표로 한다.
다음 절에서는 실제 및 수치 모델 설정에 대한 개요를 제공한다. 뿐만 아니라, 생성된 데이터와 간단한 비교를 제공한다.

Experimental Setup
물리적 실험은 Northwest Hydraulic Consultants 노스 밴쿠버, 캐나다 실험실에서 만들어졌고 실험을 거쳤다. 그것은 30° 경사의 서쪽 벽을 가진 0.5미터 폭의 수로, 45°의 경사진 동쪽 벽, 그리고 두개의 북쪽과 남쪽 측면에 수직 벽, 그리고 1.025m의 수평 단면을 가진 0.610m 너비의 수로로 구성되었다. ALGW를 생성하고 평가하기 위해, 45° 경사 노즈를 가진 0.177×0.305×0.305m의 아크릴 박스를 사용한 6초 시험을 사용했다.
이 슬라이드를 놓았을 때, 슬라이드는 (중력에 의해) 0.607m 심층수에 충돌하기 전에 서쪽 경사면에서 0.768m 아래로 이동했다. 그 후, 물을 통해 또 다른 1.05m를 이동하여 정지 블록을 치기 시작했다. 슬라이드 가속 및 변위뿐만 아니라 파고 높이는 6 초 실험 전체에 대해 100Hz의 주파수에서 기록되었다. 이 데이터를 수집하는 데 사용 된 도구는 다음과 같다.

  • 컴퓨터화된 데이터 수집 시스템
  • 슬라이드의 시간에 따라 이동 한 거리를 측정하는 문자열 가변 저항기
  • 슬라이드 가속도를 측정하는 1 차원 가속도계
  • 물의 주요 본체 내에 배치 된 3 개의 1 차원 커패시턴스 웨이브 – 프로브
  • 웨이브 런업을 캡처하기 위해 동쪽 경사면을 따라 사용되는 저항 사다리꼴 웨이브 프로브
  • 타이밍 스위치 캡처 슬라이드 릴리스 시간 사용
  • 흑백 비디오 카메라

테스트가 반복 가능하고 오작동이 발생하지 않았는지 확인하기 위해 테스트를 5 번 반복하고 각 장비에 대해 평균을 구했다.

Numerical Model Setup
물리적 실험의 전산화 된 3 차원 모델을 제작한 STL 파일을 FLOW-3D로 가져왔다. 일단 FLOW-3D에 들어간 3D 모델은 약 1,370 만개의 0.0075m 크기의 정사각형 셀로 이산화되었고, 벽을 둘러싸고있는 6 개의면 각각에 ‘wall’경계가 사용되었다.
슬라이드를 일반적인 이동 물체로 설정하고, 물리 모델로부터 수집 된 데이터(즉, 가속 및 변위 데이터의 후 처리)에 기초하여 속도가 주어졌다. 동서면 경사면의 표면 거칠기는 0.00025m으로 설정되었다. 모델링 된 유체는 293k의 물이었고, 동적 RNG 난류 모델이 기본 설정과 함께 사용되었다(implicit pressure solve; and, explicit viscous stress, free surface pressure, advection, moving object/fluid coupling solvers).
물리적 모델과 마찬가지로 FLOW-3D는 6 초의 시간을 시뮬레이트하지만 실제 모델과 같이 매 0.01 초가 아닌 0.02 초마다 데이터를 저장하였다(데이터 관리 관점에서 선택하였음).

Result

FLOW-3D 실험의 결과는 그림에 나와 있다. 4개의 웨이브 각각에 대해 실험 시간 동안 파고를 보여준다. 이와 같이, 제시된 파도 높이는 단순히 flume을 통해 전파되는 파도의 구현(즉, 2 차원의 경우에서 볼 수있는 것)이 아니라 오히려 여러 파도의 상호 작용으로 인한 파도 높이를 초래한다.

  • 슬라이드 충격시 발생하는 충격파(1차 신호)
  • 슬라이드 뒤의 충격파 충돌(2차 신호)
  • 북쪽, 동쪽, 서쪽 및 남쪽 벽에서의 웨이브 반사(3차 신호)

또한 길이 방향의 FLOW-3D 데이터(중심선에서)를 실제 모델 비디오 위에 겹쳐서 자유 표면의 FLOW-3D 글로벌 예측을 평가했다. 이것은 아래의 동영상에서 볼 수 있다.
그림과 위의 비디오를 보면 FLOW-3D 데이터가 웨이브 프로브 1, 2 및 3의 경우 물리적 데이터를 매우 잘 일치한다는 것을 알 수 있다. 하지만 웨이브 프로브 4에 대해서는 정확도가 떨어진다.
FLOW-3D 시간 데이터와 관련된 오류는 각 웨이브 프로브에 대한 RMSE (root-mean-square-error)를 취하여 평가된다.

Discussion
이 조사에서 실제 모델의 고 충실도 데이터는 ALGW로 최대 파도 상승에 대한 FLOW-3D 예측과 비교되었다. RNG 모형의 기본 설정을 사용하여 FLOW-3D는 주요 수역 내에서 파고를 정확하게 재현 할 수 있었다. 그러나 최대 파동은 약 43%가 넘었다.
최대 웨이브 런업을 줄이기 위해 몇 가지 대안인 FLOW-3D 물리 설정이 사용되었다. 그러나 43 % 이하로 떨어지는 것은 불가능했다. 이러한 대체 시뮬레이션에 대한 주목할만한 관찰은 다음과 같다.

  • first-order momentum advection scheme의 0.01m 메쉬는 최대 파동 상승 오차가 96% 인 반면 동일하게 0.0075m 메쉬의 오차는 130%였다. 그러나 second-order로 변경하면 0.01 m 및 0.0075 m 메시의 경우 각각 55% 및 43%의 오차가 발생한다. 또한 메쉬 셀 크기를 0.005m으로 줄이면 80%의 오차가 발생한다.
  • 이 테스트 케이스에서 가장 중요한 매개 변수는 momentum advection scheme이다. 평균적으로 second-order를 사용하면 first-order대비 오차가 약 50% 감소한다.
  • FLOW-3D의 MP 버전을 사용하여 0.005m의 메쉬 셀 크기를 사용해야 한다. 해석 시 CPU 시간은 33 시간이었다. 비교를 위해 FLOW-3D의 SMP 버전은 0.0075m의 메쉬 셀 크기로 시뮬레이션을 실행하는 데 26시간이 필요했지만 MP 버전은 4.5시간 밖에 걸리지 않았다.

[1] 3.5GHz 8 코어 AMD FX-8320 프로세서에서 약 6초의 시뮬레이션 시간이 대략 26시간 소요되었다.

References
Fritz, H. M., Hager, W. H., & Minor, H.-E. (2004). Near Field Characteristics of Landslide Generated Impulse Waves. Journal of Waterway, Port, Coastal & Ocean Engineering, 130(6), 287–302. doi:10.1061/(ASCE)0733-950X(2004)130:6(287)
Miller, D. J. (1960). Giant Waves in Lituya Bay Alaska (Geological Survey Professional Paper No. 354-C). Washington, D.C.: United States Government Printing Office.
Müller-Salzburg, L. (1987). The Vajont catastrophe— A personal review. Engineering Geology, 24(1–4), 423–444. doi:10.1016/0013-7952(87)90078-0

CFD에 대해서

What You Should Know About CFD Modeling when Selecting a CFD Package

유체 흐름 및 열 전달 해석용 소프트웨어 패키지에는 여러 형태가 있습니다. 물리적 근사와 수치 해법의 기법이 패키지마다 크게 다르기 때문에 적절한 패키지를 선택하는 것은 매우 어렵습니다. 다음 설명에서는 열유동 시뮬레이션 소프트웨어를 선택할 때 고려해야 할 중요한 몇 가지를 소개합니다.

Software packages for fluid flow and heat transfer analysis come in many forms. These packages differ greatly in their physical approximations and numerical solution techniques, which makes the selection of a suitable package a challenging proposition. The following discussion covers some important items to consider when choosing flow simulation software.

Meshing and Geometry

유한 요소 또는 “body-fitted coordinates”를 채용하고 있는 수치해석 방법은 유체 영역의 기하학적 형상에 적합한 격자를 생성해야 합니다. 정확한 수치 근사치를 얻기 위해 허용 할 수 있는 요소 크기 및 형상에서 이러한 격자를 생성하는 것은 매우 중요한 작업입니다.

복잡한 경우에는 이와 같은 방법으로 격자를 생성하면 며칠 또는 몇 주가 걸릴 수 있습니다.  어떤 프로그램은 사각형의 격자 요소만을 사용함으로써 문제를 해결하려고 하지만, 그럴 경우에는 경계부분에 계단이 생기고 흐름과 열전달 특성이 달라지는 문제에 직면하게 됩니다.

FLOW-3D는 FAVOR™(면적율 / 부피 비율)법 을 사용하여 지오메트리의 특성을 원활하게 포함하므로써, 간단한 사각형 격자만으로도 두 문제를 해결할 수 있습니다.  또한, 간단하고 강력한 솔리드 모델러가 FLOW-3D 패키지에 기본 포함되어 있으며, CAD 프로그램에서 생성한 기하형상 데이터를 가져올 수 있습니다.

Solution methods that employ finite-element or “body-fitted coordinates” require the generation of a solution grid that conforms to the geometry of the flow region. It is a non-trivial task to generate these grids with acceptable element sizes and shapes for accurate numerical approximations. In complicated cases this type of grid generation may consume days or even weeks of effort. Some programs attemptto eliminate this generation problem by using only rectangular grid elements, but then they must contend with “stair-step” boundaries that alter flow and heat-transfer properties. FLOW-3D solves both problems by using easy-to-generate rectangular grids in which geometric features are smoothly embedded using the FAVOR™ (fractional area/volume) method. A simple and powerful solids modeler is packaged with FLOW-3D or users may import geometric data from a CAD program.

Momentum Equation vs. Approximate Flow Models

유체 운동량의 정확한 처리가 중요한 몇 가지 이유가 있습니다.  첫째, 이것은 복잡한 기하학적 형상에서 유체가 어떻게 흐르는지를 예측하는 유일한 방법입니다.  둘째, 액체에 의하여 걸린 동적인 힘(압력)은 운동량에서만 계산할 수 있습니다.  마지막으로, 열 에너지의 대류 수송을 계산하려면 다른 유체 입자 및 경계에 대한 개별 유체 입자의 상대적인 움직임을 정확하게 파악하는 것이 필요합니다. 이것은 운동량의 정확한 처리를 의미합니다.  운동량 보존을 대충 근사하기만 한 CFD 모델은 FLOW-3D에서는 사용되지 않습니다.  이러한 모델은 현실적인 유체 구성 및 온도 분포 예측에 사용할 수 없기 때문입니다.

An accurate treatment of fluid momentum is important for several reasons. First, it is the only way to predict how fluid will flow through complicated geometry. Second, the dynamic forces (i.e., pressures) exerted by the fluid can only be computed from momentum considerations. Finally, to compute the convective transport of thermal energy, it is necessary to have an accurate picture of how individual fluid particles move in relation to other fluid particles and confining boundaries. This implies an accurate treatment of momentum. Simplified flow models that only crudely approximate the conservation of momentum are not used in FLOW-3D because they cannot be used to predict realistic fluid configurations and temperature distributions.

Liquid-Solid Heat Transfer Area

액체와 고체 사이 (금속 주형 등)의 열전달은 경계면 면적의 정확한 추정이 필요합니다.  경계가 계단 모양으로 되어 있는 경우, 보통 이 면적이 크게 추정됩니다.  예를 들어, 실린더의 표면적은 약 27 %정도 크게 추정됩니다.  FLOW-3D의 경우 정확한 경계면 면적은 FAVOR™법에 따라 FLOW-3D 전처리기에서 컨트롤 볼륨마다 자동으로 계산됩니다.

Heat transfer between a liquid and a solid (e.g., metal-to-mold) requires an accurate estimate of the interfacial area. Stair-step boundaries over-estimate this area; for example, the surface area of a cylinder would be over-estimated by a factor of 27%. Accurate interfacial areas are automatically computed by the FAVOR™ method for each control volume in the FLOW-3D pre-processor.

Control Volume Effects on Liquid-Solid Heat Transfer

컨트롤 볼륨의 크기가 액체와 고체 사이에서 교환되는 열 비율과 양에 영향을 줄 수 있습니다.  이것은 열이 액체와 고체의 경계면을 포함하는 컨트롤 볼륨을 흐를 필요가 있기 때문입니다.  FLOW-3D는 액체와 고체의 경계면에 걸쳐 열 전달률을 계산할 때 컨트롤 볼륨의 크기와 전도율이 고려됩니다.

The size of control volumes can influence the rate and amount of heat exchanged between a liquid and solid because heat must also flow in the control volumes containing the liquid/solid interface. In FLOW-3D control volume sizes and their conductivities are accounted for when computing heat transfer rates across liquid-solid interfaces.

Implicitness and Accuracy

비선형 방정식과 결합 방정식의 Implicit 방법은 반복 될 때마다 under-relaxation 특성을 갖는 반복적 해법이 필요합니다.  이 동작은 상황에 따라 심각한 오류 (또는 수렴 속도의 급격한 하락)가 발생할 수 있습니다.  예를 들어, 비율이 큰 컨트롤 볼륨을 사용하는 경우나, 실제로는 중요하지 않은 효과를 예상하고 암시적인 해법을 사용하는 경우 등입니다.  FLOW-3D는 가능한 명시적인 수치해법이 사용되고 있습니다.  이것은 필요한 계산량이 적고, 수치 안정성의 요구 사항이 요구된 정밀도에 상응하기 때문입니다.  자세한 내용은 “암시적인 수치해법과 명시적인 수치해법“을 참조하십시오.

Implicit methods for nonlinear and coupled equations require iterative solution methods that have the character of an under-relaxation in each iteration. This behavior can cause significant errors (or very slow convergence) in some situations, for example, when using control volumes with large aspect ratios or when the implicitness is used in anticipation of an effect that is not actually significant. In FLOW-3D explicit numerical methods are used whenever possible because they require less computational effort, and their numerical stability requirements are equivalent to accuracy requirements. Read more in the Implicit vs. Explicit Numerical Methods article.

Implicit Numerical Methods For Convective Transport

모든 크기의 타임 스텝 크기를 계산에 사용할 수 있는 암시적인 수치 기법은 CPU 시간을 줄이기 위해 많이 사용되는 방법입니다.  불행하게도, 이 방법은 대류 현상 해석에 대해 정확하지 않습니다.  암시적인 해법은 근사 방정식에 확산 효과를 도입함으로써 시간 단계의 독립성을 획득합니다.  수치 확산을 물리적 확산 (열전도 등)에 추가해도 확산율이 변경될 뿐이므로 심각한 문제가 되지 않을 수 있습니다.  그러나 수치 확산(발산)을 대류 과정에 추가하면 모델링 대상의 물리 현상의 특성은 완전히 다르게 됩니다.  FLOW-3D는 시간의 정확한 근사치를 보장하기 위해 프로그램에 의해 time step이 자동으로 제어됩니다.

Implicit numerical techniques that allow arbitrarily large time-step sizes to be used in calculations are a popular way to reduce CPU time requirements. Unfortunately, these methods are not accurate for convective processes. Implicit methods gain their time-step independence by introducing diffusive effects into the approximating equations. The addition of numerical diffusion to physical diffusion, e.g., to heat conduction, may not cause a serious problem as it only modifies the diffusion rate. However, adding numerical diffusion to convective processes completely changes the character of the physical phenomena being modeled. In FLOW-3D time steps are automatically controlled by the program to ensure time-accurate approximations.

Relaxation and Convergence Parameters

암시적으로 근사치를 사용하는 수치법은 하나 이상의 수렴 및 완화(이완)의 매개 변수를 선택해야 합니다.  이러한 매개 변수를 신중하게 선택하지 않으면 발산하거나 수렴에 시간이 걸리는 경우가 있습니다.  FLOW-3D를 융합하는 매개 변수와 완화(이완) 매개 변수를 하나씩만 사용하여 두 매개 변수는 프로그램에 의해 동적으로 선택됩니다.  수치 해법을 제어하는 매개 변수를 사용자가 설정할 필요는 없습니다.

Numerical methods that use implicit approximations also require the selection of one or more convergence and relaxation parameters. Making poor choices for these parameters can lead to either divergences or slow convergence rates. Only one convergence and one relaxation parameter are used in FLOW-3D, and both parameters are dynamically selected by the program. Users are not required to set any parameters controlling the numerical solver.

Free-Surface Tracking

액체와 기체의 경계면 (자유 표면 등)의 모델링에 사용되는 방법은 두 가지가 있습니다.  하나는 액체, 기체 두 영역의 흐름을 계산하고 경계면을 유체 밀도의 급격한 변화로 처리하는 방법입니다.

일반적으로 밀도의 불연속은 고차 수치 근사를 사용하여 모델링됩니다.  불행하게도 이 프로세스는 소수의 격자 셀에서 경계면이 평탄화되고, 이러한 경계면에 보통 존재하는 유체흐름의 접선 속도의 급격한 변화는 고려되지 않습니다.

기체가 계산 영역에 들어가는 액체로 대체되는 경우에는 이 방법에는 기체의 출구 포트 또는 출구 싱크도 보충 할 필요가 있습니다.  또한 이러한 방법은 일반적으로 유체의 비압축성를 충족하기 위해 더 많은 노력이 필요합니다.  이것이 발생하는 기체 영역에 거의 균일 한 압력 조정이 필요하며, 이를 통해 계산 수렴 시간이 소요되기 때문입니다.

FLOW-3D는 VOF (Volume-of-Fluid) 법 이라는 독창적인 방법이 사용되고 있습니다.  이것은 진정한 3 차원 경계면 추적 방식으로, 경계면을  3 차원 인터페이스로 추적하는 체계입니다.  또한 옵션의 표면 장력을 포함한 일반적인 접선 응력 경계 조건은 경계면에 적용됩니다.  기체 영역은 모델에 포함하도록 사용자가 요청하지 않는 한 계산되지 않습니다.

There are two methods used to model liquid-gas interfaces (i.e., free surfaces). One of these is to compute flow in both the liquid and gas regions and to treat the interface as a sharp change in fluid density. Typically, the density discontinuity is modeled using higher-order numerical approximations. Unfortunately, this treatment allows the interface to smooth out over a few grid cells and does not account for a corresponding sharp change in tangential flow velocity that generally exists at such interfaces. This technique must also be supplemented with escape ports or sinks for the gas if it is to be replaced by liquid entering a computational region. Further, such methods must typically work harder to satisfy the incompressibility of the fluids. This happens because gas regions must have nearly uniform pressure adjustments which tend to slow down the solution convergence rate. A different technique, the Volume-of-Fluid (VOF) method, is used in FLOW-3D. This is a true three-dimensional interface tracking scheme in which the interface is closely maintained as a step discontinuity. Moreover, normal and tangential stress boundary conditions, including optional surface tension forces, are applied at the interface. Gas regions are not computed unless the user requests these regions to be included in the model.

본 자료는 국내 사용자들의 편의를 위해 원문 번역을 해서 제공하기 때문에 일부 오역이 있을 수 있어서 원문과 함께 수록합니다. 자료를 이용하실 때 참고하시기 바랍니다.

수치해석 담당자가 궁금한 현재 살 수 있는 최강 성능의 PC 하드웨어

수치해석 업무를 담당하는 엔지니어들은 항상 시간에 쫒기며 산다고 해도 과언은 아니다. 새로운 강력한 컴퓨터를 갖는 것이 항상 소원이 되가는 수치해석 엔지니어에게 유용한 정보를 제공합니다.
아래에 한국 ITWORLD에서 PCWorld의 기사를 번역 게시한 기사를 소개합니다.

현재 살 수 있는 최강 성능의 PC 하드웨어

PCWorld
PC의 장점 가운데 하나는 뛰어난 유연성이다. 다양한 형태와 크기, 제조업체 및 모델을 갖춘 수많은 하드웨어가 있기 때문에 구매자가 아무리 돈이 많더라도 혼선이 생기게 마련이다. 이번 기사에서 AMD의 괴물 같은 스레드리퍼(Threadripper) 칩에서부터 지포스 RTX 2080 Ti에 이르기까지 오늘날 구입할 수 있는 최고 성능의 PC 구성 요소를 소개한다.

Credit: Gordon Mah Ung/IDG

CPU
PC의 핵심은 프로세서다. AMD의 32코어, 64 스레드 라이젠 스레드리퍼 2990WX만큼 강력한 CPU는 없다(아마존 1,750달러). 다만 비즈니스 및 데이터센터 장비는 일반 소비자용보다 더 강력하다.

이 CPU는 인텔 18코어 대표작인 코어 i9-7980XE(아마존 2,000달러)보다 거의 2배 많은 코어와 쓰레드를 갖고 있음에도 200달러 이상 싸다. 인텔의 코어는 개별적으로는 더 빠르지만, 2990WX의 엄청난 코어 수를 제대로 활용할 수 있다면 그 어떤 것도 비교할 수 없다.

최상의 PC 게임 성능을 원한다면 코어 i7-8700K(아마존 350달러)가 가장 적합한 프로세스로, 6코어, 12쓰레드는 3.7GHz와 4.7GHz 사이에서 동작하면서 인텔의 18코어보다 훨씬 더 높은 성능이다.

바로 지금 사용할 수 있는 것을 구매한다면, 첫번째 코어 i7-8086K(이 칩은 창립 40주년을 기념해 만들어졌다)은 싱글 쓰레드 애플리케이션에서 5GHz로 출시된 최초의 인텔 칩이다. 또한 수동으로 오버클럭된 경우, 모든 코어에서 5GHz를 기록하는 것이 확실하다. 그러나 표준 성능은 훨씬 저렴한 8700K와 유사하다. 이 칩은 5만 개만 만들어졌다. 뉴에그, 아마존, 베스트바이에서 425달러에 판매하고 있다.

Credit: Gordon Mah Ung

메인보드
프로세서를 골랐다면 메인보드 유형을 알 수 있다. 스레드리퍼 칩은 AMD의 X399 메인보드와 호환된다. 본지는 MSI MEG X399 크리에이션(Creation)(뉴에그 499달러)으로, 스레드리퍼 2990WX를 검토했다. 이 메인보드는 연결성이 좋으며 스틱 형태의 SSD를 냉각할 M.2 프로저 히트싱크, 견고한 전력 공급 시스템을 자랑한다.

여기에서는 간략하게 정리하고 AMD X399 메인보드에 대한 자세한 내용은 여기에서 확인하라.

Credit: MSI

메모리
인텔의 X99 플랫폼은 64GB RAM 한계를 넘어섰으며 DDR4는 이전보다 더 빠른 메모리를 지원한다. 128GB 키트까지 보장하는 3,200MHz 커세어 도미네이터 플레티넘(Corsair Dominator Platinum) 메모리(아마존 1,750달러), 세계에서 가장 큰 RAM 디스크를 만든 이유는 무엇일까. 적절한 속도를 느끼고 싶다면 벤전스(Vengeance) LPX DDR4의 16GB 키트(아마존 430달러)가 적합하다.

이렇게 많은 RAM을 가진 PC를 가질 적절한 이유가 없다는 점에서 이 가격은 단점이 될 수 있다. 용량이 더 작은 키트나 다른 공급업체의 제품을 선택하더라도 DDR3가 아닌 DDR4 메모리여야 한다. X299 메인보드는 최첨단이다.

Credit: Gordon Mah Ung

그래픽 카드
지금 당장 가장 강력한 그래픽 카드를 구입해야 한다면, 대부분의 게임 사용자는 지포스 GTX 1080Ti 또는 EVGA GTX Ti SC2(아마존 670달러)와 같은 맞춤형 오버클럭킹 버전을 선택할 것이다. 이 제품은 GTX 1080보다 25~35% 더 빠르며 4K 해상도로 60fps를 기록할 수 있는 최초의 저렴한 일반 소비자용 그래픽 카드로, 이미 많은 게임에서 적절하게 호환을 이뤘다.

그러나 조금 시간적 여유가 있다면 지금 이를 살 필요는 없다. 엔비디아는 이미 차세대 지포스 RTX 2080 Ti의 예약 구매 신청을 받고 있다. 이는 전작을 날려버릴 준비가 됐다. 2080 Ti 제품의 리뷰는 아직 나오지 않았지만 9월 20일이면 출시된다. 가능한 한 본지의 리뷰를 읽어 검토하고 사전 예약을 해도 늦지 않다.

Credit: Brad Chacos/IDG

모니터
그래픽카드에 큰 돈을 쓸 계획이라면, 하이엔드 디스플레이도 원할 것이다. 하이엔드 디스플레이의 경우, 기본적으로 G싱크(G-Sync) HDR 디스플레이라는 걸출한 제품이 있다.

에이서 프레데터(Acer Predator) X27, 에이수스(Asus) ROG 스위프트(Swift) PG27UQ(뉴에그 각각 2,000달러) 또한 최대 144Hz로, 고급스러운 27인치 4K 패널이다. 말 그대로 이 패널들은 384개 백라이트 영역과 함께 최대 1,000니트의 밝기로 HDR(High-Dynamic Range) 영상을 지원한다. 비-HDR 콘텐츠 또한 아름답게 보인다. 이 모니터는 어도비RGB(AdobeRGB) 색역의 99%를 차지하고 지싱크는 게임 플레이를 부드럽게 해준다.

Credit: Martyn Williams/IDG

주 스토리지
스토리지는 다양한 옵션을 제공한다. 4TB 삼성 860 EVO(아마존 1,400달러)와 WD 골드(아마존 500달러)는 각각 소비자용 SSD와 HDD 시장에서 최고의 성능을 자랑하는데, 본지의 리뷰에서 최고 점수를 받았다.

삼성의 SSD는 분명히 빠르지만 많은 비용이 든다. WD 골드의 7,200rpm 플래터는 기계식 하드드라이브에서 놀라운 엑세스 속도를 제공한다. 이 제품은 같은 가격 제품대에서는 찾아볼 수 없는 엔터프라이즈급 기능으로 자랑한다.

Credit: Western Digital

급속 스토리지
저장 용량과 상관없이 순수하게 속도가 주요 목표라면 좋은 제품이 있다. 약간의 공간에 대한 대가로, 사용자는 M.2 PCI-e NVMe SSD의 엄청난 전송 속도를 즐길 수 있다. 4TB 삼성 960 프로(뉴에그 1,50달러)는 크리스탈디스크마크(CrystalDiskMark) 리뷰에서 읽기 속도가 3.5GBps를 훨씬 웃도는 가장 빠른 드라이브 가운데 하나다.

이 제품을 부팅 드라이브로 삼으면 지연에 대해 걱정할 필요가 없다. 시간 절약을 위해 아주 많은 비용을 투자하는 것이 부담스럽다면 1TB WD 블랙 3D NVMe(아마존 450달러)를 대신 사용하자.

또한 인텔의 혁신적인 옵테인 900P SSD(뉴에그 600달러)는 삼성이 독차지하는 시장에 타격을 가하고 작은 파일을 많이 읽을 때 엄청난 성능을 자랑하지만 280GB 및 480GB 용량으로만 제공한다.

다른 제품을 찾고자 한다면 본지의 “나에게 맞는” SSD 선택 가이드 2018에서 최고의 SSD를 찾을 수 있을 것이다.

Credit: Samsung

사운드카드
PC의 다른 부분에 엄청난 비용을 지불했다면 최고 수준의 오디오에도 투자할 수 있을 것이다. 크리에이티브 테크놀로지의 사운드블라스트(Sound Blaster)X AE-5(아마존 150달러)는 32비트, 384KHz ESS ES9016K2M SABRE32 Ultra DAC 칩셋을 사용한다. 가격은 기본적으로 고가의 전문 사운드 장치에서 볼 수 있는 DAC 수준이다.

이 제품은 최초의 프리미엄 일반 소비자용 사운드카드로, 5.1 아날로그 서라운드 사운드, 600 옴 헤드셋까지 구동할 수 있는 듀얼 앰프 Xamp, RGB 조명 등을 제공한다.

Credit: Gordon Mah Ung/IDG

전원공급장치
현재 인텔 프로세서와 엔비디아 그래픽카드의 놀라운 전력 효율성으로 인해 대부분의 단일 GPU 시스템은 아마도 600W 이상의 전원공급장치를 필요로 하지 않을 것이다.
그러나 이번 기사는 최상의 제품에 관한 것이기에 최고 전원공급장치를 소개한다. 여러 개의 그래픽 카드를 사용하거나 미래 확장을 위해 공간을 확보하길 원한다면, 이 제품을 사용해도 좋다.

커세어(Corsair) AX1500i(아마존 450달러)는 본질적으로 전력 공급에 있어 모범적이다. 요즘 코인 채굴작업으로 인해 수요가 많아 종종 재고가 없을 수 있다. 이 모듈식 커세어 AX1500i PSU는 최첨단 디지털 제어시스템 덕분에 모든 면에서 완벽한 등급을 자랑한다. 최근 커세어는 한단계 진보한 AX1600i(뉴에그 500달러)도 발표했다.

이번 기사에서 설명한 바와 같이 유사한 장비를 설치하고 하나 또는 2개의 그래픽 카드를 사용할 경우, 좀더 낮은 전원 공급장치를 구입할 수 있다.

editor@itworld.co.kr

CFD 업무에 종사하는 사람들에게 희소식인 최신 컴퓨터 CPU 소식

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.
아레에 ITWOLD에서 게재한 기사를 인용 소개합니다.

AMD 32코어 쓰레드리퍼, 코어수와 가격으로 인텔에 정면 승부

Gordon Mah Ung | PCWorld
자료출처 : 본 기사는 ITWORLD의 기사를 인용게재한 내용입니다. (http://www.itworld.co.kr/insight/110307)
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 펼치고 있다. 이런 식으로 AMD는 인텔과 코어와 가격으로 정면 대결하기를 원하지만, 인텔은 이런 직접 대결을 최대한 피하고자 한다.  editor@itworld.co.kr

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.

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

 

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

Intel CPU i9

인텔 6코어 코어 i9 CPU 발표

인텔 6코어 코어 i9 CPU 발표

2018-04-04
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

Granular 흐름 / Granular Flow

Granular 흐름 / Granular Flow

중력상태에서의 2 차원 모래시계

작은 검정 선은 속도 벡터입니다.
빨간색은 대부분 모래가 밀집되어있는 모래 밀도를 나타냅니다.

모래가 유리의 상반부에서 초기화되고 하반부로 흐르도록 허용되는 2 차원 모래 시계 형상의 시뮬레이션을 통해 액체와 입상 흐름 사이의 차이를 잘 이해할 수 있습니다.

좌측 스냅 샷은 14 초 후에 계산된 흐름을 보여줍니다. 해당 애니메이션은 전체 흐름의 기록을 포함하여 유리의 아래쪽 절반에 있는 모든 모래로 연결됩니다.
모래시계 유리의 높이는 49.0cm이며, 허리 부분에 직경 1.0cm의 구멍이 있습니다. 모래는 0.045cm의 균일 한 입자 직경을 가지고 있으며 34 °의 안식각을 갖도록 규정되어 있습니다. 총 시뮬레이션 시간은 40 초 였으므로 싱글 프로세서 데스크톱 컴퓨터에서 6.5 분의 CPU 시간이 필요했습니다.
스냅 샷 플롯에서 몇 가지 중요한 관찰을 할 수 있습니다.

가장 중요한 것은 흐르는 작은 모래 (짧은 벡터로 표시됨)가 상단과 하단의 모래 표면에 있다는 것입니다. 표면에서 멀리 떨어진 곳에서는 모래가 완전히 포장되어 흐를 수 없습니다. 둘째로 바닥 부분에있는 모래는 액체가 바닥을 가로 질러 흘러 나오지 않고 흘러 들어감에 따라 흘러 나오지 않습니다. 모래가 위로 쌓여지면서 불안정한 눈사태와 유사한 더미 표면에 흐름이 있습니다. 이 흐름은 바닥에 파일 더미가 느리게 바깥쪽으로 퍼지게합니다. 유실이 끝날 때 하부 섹션의 말뚝 각도는 지정된 안식 각에 가깝습니다.

이 모델에 대한 자세한 내용은 Flow Science Report on Granular Media를 다운로드하십시오.

수치해석용 컴퓨터의 성능분석 방법 및 권장사양

1. 개요

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 컴퓨터의 성능 평가를 하기 위해서 기본적으로 검토해야 하는 사항을 살펴보도록 하겠습니다.

1-1시스템 성능의 정의

컴퓨터 시스템의 성능이란 단위 시간당 시스템이 처리하는 작업의 수에 의해 결정되거나 처리량, 응답시간, 평균 대기 시간 등의 요소가 복합적으로 상호작용하여 결정되는 것으로 시스템 총 생산성을 결정하는 요인입니다.

1-2시스템 성능 평가의 정의

  • 시스템(HW+SW)의 성능을 측정하거나 그 성능을 향상시킬 수 있는 방법을 조사하는 작업
  • 작업부하모델(Workload model)로 수행능력을 측정하여 시스템의 성능을 객관적이고 종합적으로 판단하는 것

1-3 목적

  • 선정(Selection) : 컴퓨터 시스템 구매나 선정시 이용.
  • 개선(Improvement) : 시스템 성능 향상이나 운용비용 절감
  • 설계(Design) : 제조, 개발업체들이 제품설계에 활용

2. 벤치마크

비교대상이 되는 여러 컴퓨터에 표준 벤치마크 프로그램을 수행시켜 속도를 비교 검사하여 성능을 측정하는 방법을 의미합니다.

2-1 벤치마크의 종류

SPEC ( Standard Performance Evaluation Corporation ) : 각 분야별 주요 환경을 통해 정수, 부동소수 또는 다수의 CPU에 대한 성능 측정방법

LADDIS : NFS 업체의 비공식 기구로 NFS의 업무 부하 증가에 따른 서버 응답 속도를 측정하는 방법

FLOPS (floating-point operations per second) : 플롭스는 초당 수행할 수 있는 실수 연산(부동소수점)의 횟수를 의미하는 컴퓨터 성능 단위로 1메가 플롭스라면 1초에 백만번의 실수을 처리할 수 있다는 것을 의미함. 플롭스 단위는 일반적으로 컴퓨터의 실수연산(FPU) 성능을 나타낼 때 주로 이용하고 있습니다.

LINPACK(linear programming package) : Single User FORTRAN Benchmark TEST로 공학 및 과학계산을 위한 선형 방정식을 풀고, 정수 및 부동소수점 계산을 수행하여 Cache Performance 측정. 프로그램 크기가 최근에 적용되는 캐시기억장치 크기보다 작아 실제 수행능력을 평가하는데 부족함이 있어서 최근에는 사용자가 실제 사용하는 응용프로그램 환경에서의 수행속도를 측정하기 위해 SPEC,AIM,코너스톤(Khornerstone) 등이 사용되고 있습니다.

Dhrystone : 정수계산 및 레코드와 포인터 조작 등을 위한 연산을 행하고 I/O 작업, 운영체제 호출(Operating system calling) 및 실수 연산은 하지 않음. 원시 프로그램을 시험하고자하는 컴퓨터에서 컴파일 한 후 실행시키므로 하드웨어 개선없이 단지 시험하고자하는 루틴에 해당하는 컴파일러 부분만을 개선하여도 빠른 결과를 얻을 수 있으므로 신뢰도가 떨어집니다.

Whetstone : 주로 부동소수점 처리 성능(Flops)을 평가하는 표준적인 벤치마크(benchmark) 프로그램의 하나로 부동소수점 처리성능을 평가하는 최초의 프로그램으로 정수처리능력을 평가하는 드라이스톤 벤치 프로그램처럼 컴파일러에 의존하여 신뢰도가 떨어집니다.

TPC ( Transaction Processing Performance Council) : OLTP 시스템의 처리성능 평가 기준의 표준 규격을 제정하기 위하여 결성된 비영리단체(1988)에서 제정했습니다.

2-2 전세계 슈퍼컴 현황

전세계에서 가장 빠른 슈퍼컴퓨터(HPC)의 현황은 https://www.top500.org 에서 1년에 2회 발표합니다. 현재까지 발표된 컴퓨터의 순위는 아래와 같습니다. 슈퍼컴은 대용량 데이터처리 또는 수치해석 처럼 대용량 과학기술 계산에 특화되어 있기 때문에 LINPACK 벤치마크 기준을 이용하여 Flops/s 성능을 기준으로 정하고 있습니다.

3. 내가 사용하는 컴퓨터의 성능 알아보기

3-1 방대한 순위 데이터베이스를 가지고 있는 “퍼포먼스테스트” 프로그램

이 프로그램은 시스템의 PC를 구성하는 각 주요 하드웨어에 부하를 가한 후 이를 토대로 성능을 수치화한 데이터를 사용자로부터 수집하여 데이터베이스를 가지고 있어서 자신의 컴퓨터가 어느정도 수준의 컴퓨터인지 쉽게 알 수 있습니다. 프로그램은 30일간 무료로 사용해볼 수 있는데 성능테스트는 늘 하는 것이 아니고 한번만 해보면 되기 때문에 사용기간은 충분합니다. 다음 사이트 (http://www.passmark.com/) 에서 다운로드 받을 수 있습니다.

이 외에도 게임에 특화된 ‘3D마크(3DMark)” 프로그램이나 하드디스크 성능 분석에 특화된 “HD튠 프로(HD Tune Pro)”나 “크리스탈디스크마크(CrystalDiskMark)” 등이 있습니다.

위 그림은 필자의 일반적인 업무용 노트북 컴퓨터를 대상으로 테스트한 결과로 초록색 Bar는 필자의 컴퓨터 성능을 의미합니다. 일반 사무 업무용으로 꽤 쓸만한 LG i5 gram 노트북으로  계산성능이 고사양이 아니어서 비교 순위는 좀 낮은편에 속한 것을 알 수 있습니다.

그래픽 성능의 경우 내장 그래픽을 사용하는 일반 업무용 노트북의 특성상 최하위에 속한 것을 알 수 있습니다. 그래픽카드의 경우 수치해석 결과를 분석하는 POST 업무는 꽤 많은 시간이 소요되는데, 일반적으로 내장 그래픽을 사용하는 컴퓨터의 경우 속도가 늦거나 프로그램 실행이 안되거나 화면의 일부 색상이나 형상등이 보이지 않는 여러가지 문제들이 발생합니다.

따라서 수치해석 결과분석을 하는 컴퓨터는 반드시 메인보드에 내장된 그래픽칩셉이 아닌 성능좋은 별도의 그래픽카드를 사용하는것을 권장합니다.
계산결과를 읽거나 저장하는 필자의 디스크 성능은 SSD가 기본 장착되어 있어서, 그나마  상위권에 속해 위안을 받았습니다.

3-2 계산용 컴퓨터의 선택

위에서 잠깐 살펴본 것처럼 컴퓨터의 성능이 어느정도 되는지 분석할 수 있는 여러가지 벤치마크 기준과 테스트 프로그램 들이 있습니다.
벤치마크 기준을 통해 수치해석에 적합한 성능을 가진 컴퓨터를 선별하는 Flops/sec 성능도 중요하지만, 방대한 계산 결과를 디스크에 읽고 쓰는 I/O 성능과, 해석결과를 분석할 때 절대적으로 필요한 그래픽 성능은 매우 중요하므로 메모리 디스크인 SSD 디스크와 고성능 그래픽카드에도 관심을 가져야 합니다.

Modeling shrinkage induced microporosity [마이크로 미세기공 발생 예측]

Overview
Cast metal parts are sometimes unusable because they have internal gas pockets, or bubbles, which develop when the metal shrinks during solidification. A general term describing such bubbles or voids is “porosity.” When these bubbles are relatively large and localized the porosity is called macro-porosity. Prediction of macro-porosity in the interior of cast parts is a capability of most software packages currently used for the modeling of metal casting processes.
Another type of porosity, characterized by a more uniform distribution of small bubbles with a total average volume fraction on the order of one percent, is referred to as micro-porosity. This type of porosity is also caused by metal shrinkage during solidification, but its character is different from macro-porosity because it develops at a later stage in the solidification process. This distinction in types of porosity is important because each type requires a different modeling approach.
In this note we propose a new model that has been implemented in FLOW-3D® for predicting the occurrence of micro-porosity. The model is simple, requires only basic material property data, and adds virtually no noticeable CPU time to a solidification simulation. Best of all, the model is complimentary to macro-porosity models and may be used in conjunction with either a complete hydrodynamic shrinkage simulation that includes fluid flow or with simpler heat-transfer and shrinkage simulation having no fluid flow.
The new model has been checked using three sets of experimental test data. A final test, involving only qualitative results for the influence of pressure on micro-porosity formation has also been conducted.

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≈Re3/4. 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≈Re3/4 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 = 10 4 )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, μeff, 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