JANUS AI,
시뮬레이션 자동화 AI
Janus AI는 흩어진 설계·해석 데이터를 검색 가능한 지식 자산으로 구조화해, 초기 설계 검토와 What-if 탐색을 가속하는 엔지니어링 AI 에이전트입니다.
EXPANDABLE APPLICATIONS
What it is / What it is not
JANUS AI의 차별점
기존 AI 솔루션들과는 다릅니다.
- 전통적인 Deep Learning AI가 아닙니다.
- 상용 소프트웨어의 엔진을 복제하거나 역공학하지 않습니다.
- 경험에만 의존해서 (Black-box) 결과를 만들어내는 AI가 아닙니다.
JANUS AI
- 기존 CAE 검증 프로세스를 보완하고, 초기 설계 검토와 What-if 탐색을 가속하는 엔지니어링 AI 에이전트입니다.
- 고객이 보유한 정적 결과물과 내부 데이터를 구조화해 활용합니다.
- 도메인 지식에 기반한 설명 가능한(White-box) 보정 구조를 지향합니다.
고객 문제 해결 방식
축적된 해석 데이터를 다음 설계로 이어지게 구성합니다
01
부서·프로젝트별로 흩어진 해석 데이터를 재사용 가능한 지식 자산으로 연결합니다.
02
다차원 형상 분석을 통하여 과거 사례에서 최적의 참조 형상을 빠르게 찾아내어 개발 시간을 줄여줍니다.
03
엔지니어의 검토·수정·확정 이력을 다시 데이터 자산으로 축적합니다.
핵심 가치
도입 첫날부터 엔터프라이즈 기준으로 동작할 수 있도록 제공합니다.
데이터 주권·무학습·설명가능, Janus AI가 다른 이유
Zero-Training 구조
다차원 형상 분석 및 위상-물리 변환을 통해 예측 값을 도출하는 무학습 아키텍처를 적용하여 대량의 학습 데이터를 통한 모델학습에 필요한 GPU비용과 학습 대기시간을 제로화 하였습니다.
설명 가능한 보정 로직
유동·열·역학 물리 법칙에 근거해 계산하고, 왜 이 값인지 근거를 함께 제시합니다. 현장 엔지니어가 신뢰할 수 있는 AI입니다.
데이터 자산화 플랫폼
축적된 해석 자산을 분석 및 재활용하는 지식 기반 설계 보완 인프라입니다.
Data Sovereignty
내부망·On-Premise로 핵심 설계 데이터의 외부 반출 부담을 줄입니다.
작동 방식
학습이 아닌 재활용 — 잠든 데이터의 자산화
데이터 구조화 · 인덱싱
설계·해석·시뮬레이션 데이터를 구조화·인덱싱합니다.
다차원 형상 분석
다차원 형상 분석을 통하여 과거 사례에서 최적의 참조 형상을 찾아냅니다.
도메인 지식 보정
신규 형상과 참조 형상의 차이를 도메인 지식(물리적 역학)으로 판단해 보정안을 산출합니다.
초기 검토 결과 제시
성능 변화, 리스크, 초기 검토 결과를 엔지니어에게 제시하고 확정을 넘깁니다.
다시 데이터 자산으로
엔지니어의 검토·수정·확정 이력을 다시 데이터 자산으로 축적합니다.
적용 사례 · H사
성형 해석 최적화, 10일 → 1일로 단축 사례
자동차 부품 사출 성형 CAE 해석과 금형 트라이 과정에 Janus AI를 적용한 사례입니다.
Before · AS-IS
- 해석 데이터가 프로젝트 종료 후 방치 — 재활용되지 않는 다크 데이터
- 형상 1건 해석에 6~24시간 — 반복 검토를 통한 최적 결과물 산출에 길게는 수십일 소요
- 값비싼 클라우드 자원 필요
- 최적화를 위한 초기 조건 설정을 개인 경험에 의존
After · TO-BE
- 형상 분석 + 물리 지식 기반 AI — 신규 형상 예측을 수 분 내 완료
- 설계 검토 리드타임 10일 → 1일, 같은 기간 검토 가능한 설계안 10배
- 예측 결과를 토대로 단 1~2회 시뮬레이션만으로 검증 완료
- 개인 경험이 아닌 알고리즘에 의한 최적값 도출
신규 형상 입력, 수 분 내 예측 — 게이트·유동·웰드라인·에어트랩
Why Lunexio is different
Janus AI의 차별점
자체 개발 엔진
기존에 개발된 외부 AI 엔진을 사용하지 않고, 도메인 지식과 AI 알고리즘을 직접 개발하여 Lunexio만의 독자적 엔진을 사용합니다.
데이터 자산화 플랫폼
기존 CAE 도구를 대체하지 않습니다. 축적된 해석 자산을 분석 및 재활용하는 지식 기반 설계 보완 인프라입니다.
핵심 AI 기술
JANUS AI만의 핵심 기능 6가지
- 3D 형상 분석
- 과거 해석 데이터 자산화
- 도메인 지식 기반 AI
- Zero-Training 예측 구조
- 설명 가능 AI(XAI)
- 사출 조건 자동 생성 알고리즘
적용 가능 영역
물리법칙이 존재하는 모든 산업으로 확장 가능합니다.
특정 벤더·산업에 국한되지 않는 도메인 지식 기반 구조입니다.
자동차 · 항공우주
공기역학 / 유동 해석 - 형상 변화에 따른 항력·유동 검토
반도체 · 전자
열 해석 - 방열 구조 변경에 따른 핫스팟 검토
금속 제조
다이캐스팅 · 프레스 - 압력·응력 변화 초기 검토
정밀 주조
탕구 설계 변경에 따른 수축·기공 리스크 검토
바이오메디컬
의료기기 - 혈류·구조 해석 초기 검토
재생에너지 · HVAC
공조·풍력 - 압력 강하·효율 변화 예측
Assessment Notes
도입 검토 시 확인 사항
기술 검토 과정에서 공통적으로 확인되는 항목입니다.
기존 CAE 프로세스와의 관계
Janus AI는 기존 CAE 검증 프로세스를 대체하지 않습니다. 파라미터화·메쉬 등 본 해석 이전 단계에서 초기 검토와 What-if 탐색을 가속하는 보완 도구로 동작하며, 최종 검증은 기존 프로세스에서 수행됩니다.
데이터 반출 범위
고객사 내부망 및 On-Premise 구축 시 설계·해석 데이터는 외부로 전송되지 않습니다. 구축 형태와 보안 요건은 초기 협의 단계에서 정의합니다.
모델 재학습 필요 여부
반복적인 대규모 재학습을 전제하지 않습니다. 보유 데이터의 구조화·인덱싱과 도메인 지식 기반 보정으로 동작하며, 검토·확정 이력이 자산으로 축적되는 구조입니다.
자율 공정 최적화가 필요하신가요?
실시간 제조 공정 최적화, Proteus AI
Janus AI가 해석 데이터를 자산화한다면, Proteus AI는 사출기 현장에서 성형 공정 조건을 자율로 탐색·보정하는 실행 에이전트입니다.
01
신제품 양산 진입 시 시사출(Trial Shot) 약 50회가 반복됩니다.
02
조건 설정이 작업자 경험에 의존해 편차가 큽니다.
03
최적 조건 수렴까지 소재·시간이 소모됩니다.
Before · AS-IS
- 신규 금형 셋업 시 시사출 약 50회 반복
- 조건 보정 시간에만 30분~1시간 소요
- 수지 로트·온도 변화에 따라 조건 이탈 발생
- 불량 발생 후 작업자가 수동으로 조건 재조정
- 보정 품질이 작업자 숙련도와 경험에 의존
After · TO-BE
- 시사출 50회 → 8회
- 조건 보정 시간 1시간 → 0.3초로 단축
- Shot별 공정 데이터 피드백을 기반으로 제어값 갱신
- 수지 특성 변화와 고화 상태를 반영한 보정값 산출
- 작업자 경험 중심의 조건 탐색을 데이터·물리 기반 자율 제어로 전환
Why Lunexio is different
Proteus AI만의 차별점
On-Premise
클라우드 왕복 없이 사출기 현장에서 실시간으로 판단하고 조건을 보정합니다.
물리 기반 보정
압력·온도·수축 등 물리 모델에 기반해 조건 변화의 근거를 설명할 수 있습니다.
장비 번들
사출기 제조사 우진플라임과 함께 장비에 통합 공급됩니다.