• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 " CAD"에 대한 통합 검색 내용이 7,505개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
PTC 코리아, 에이전틱 AI 기반 지능형 제품 개발 전략 제시
PTC 코리아는 3월 5일~6일 코엑스에서 열린 ‘2026 산업지능화 콘퍼런스’에 참가해 기조연설을 진행했다고 전했다. ‘2026 산업지능화 콘퍼런스’는 한국산업지능화협회가 주최하는 행사로, 에이전틱 AI, 피지컬 AI, AI 제조 시스템 등 세 개의 주요 세션으로 구성됐다. 올해 행사는 ‘AI-Native 제조 산업의 미래’를 주제로, 제조 산업 전반의 AI 적용 전략과 기술 흐름을 조망했다. 아울러 DX·AX 설루션 공급기업과 제조 수요기업을 비롯해 AI 도입 기업, 전문 연구기관 및 학계 관계자들이 참여했다. PTC 설루션 컨설팅팀의 지수민 본부장은 이번 콘퍼런스에서 ‘에이전틱 AI가 주도하는 지능형 제품 개발: 데이터로 연결되는 엔지니어링의 새로운 패러다임’을 주제로 기조연설에 나섰다. 지 본부장은 에이전틱 AI를 중심으로 설계–생산–운영 전 과정에 걸친 제품 데이터를 지능적으로 연결하고, 데이터 기반 협업과 업무 자동화, 고도화된 의사결정을 구현하는 지능형 제품 개발 환경을 소개했다. 또한 ‘인텔리전트 제품 수명주기(Intelligent Product Lifecycle)’와 에이전틱 AI·생성형 AI의 결합을 통해 시뮬레이션 및 클라우드 환경까지 연계된 데이터 커넥티드 엔지니어링 전략을 공유했다. PTC는 CAD 설루션 ‘크레오(Creo)’, 제품 수명주기 관리(PLM) 설루션 ‘윈칠(Windchill)’, 애플리케이션 수명주기 관리(ALM) 설루션 ‘코드비머(Codebeamer)’ 등 자사의 핵심 설루션을 통해 제품 설계부터 엔지니어링, 제조, 서비스에 이르는 전 과정을 하나의 디지털 스레드로 연결하고 있다. 이를 통해 기업들은 부서와 단계별로 분산된 제품 데이터를 통합 관리하고, 데이터 기반 의사결정과 협업을 바탕으로 제품 개발 복잡성을 줄이며 변화하는 시장 환경에 보다 민첩하게 대응할 수 있다. 지수민 본부장은 기조연설에서 “제조 기업의 경쟁력은 개별 기술이 아니라, 설계부터 생산·운영까지 이어지는 제품 데이터를 얼마나 지능적으로 연결하고 활용하느냐에 달려 있다”며, “PTC는 에이전틱 AI와 인텔리전트 제품 수명주기를 기반으로 데이터 중심 협업과 의사결정을 지원하는 새로운 제품 개발 방식과 디지털제조 생태계의 가속화를 지원하고자 한다”고 설명했다. 한편, PTC 코리아의 김도균 대표는 “올해도 산업 지능화 콘퍼런스의 기조연설을 맡게 되어 제품 개발에서 에이전틱 AI의 의미를 조명할 수 있는 좋은 기회라 생각한다”며, “에이전틱 AI는 제품 개발에서 PLM의 역할을 근본적으로 변화시키고 있으며, 이제 제조기업은 PLM을 단순한 문서 관리 시스템이 아닌 의사 결정을 준비하고 정보 흐름을 지능적으로 제어하는 역동적 플랫폼으로 사용하는 인텔리전트 제품 라이프사이클을 기반으로 진정한 혁신을 이룰 수 있을 것”이라고 강조했다.
작성일 : 2026-03-06
복합재 날개 구조의 배치 설계와 파라메트릭 자동화 해석
앤시스 워크벤치를 활용한 해석 성공 사례   이번 호에서는 날개의 구성품 장착 위치와 각 구성품의 복합재 적층 정보를 변수화하고, 해석 모델의 3D CAD 형상까지도 간단한 변수 변경으로 수정하여 자동화 해석을 구성하는 방법에 대하여 소개한다.   ■ 박준수 태성에스엔이 AE3팀에서 구조 해석 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   비행 중에 항공기가 받는 힘은 <그림 1>과 같이 엔진과 프로펠러로부터 발생하는 추력(thrust), 상대풍으로 인한 항력(drag), 날개의 윗면과 아랫면에 작용하는 압력차이로 인한 양력(lift), 중력으로부터 발생하는 중량(weight)으로 크게 네 가지 힘이 작용한다.   그림 1. 비행 중 항공기에 작용하는 네 가지 힘   <그림 2>의 왼쪽과 같이 항공기가 직진 수평 비행을 하는 경우에는 날개 구조에 작용하는 양력이 항공기의 무게와 평형상태를 이루면 되고, <그림 2>의 오른쪽과 같이 항공기가 수평 선회 비행을 하는 경우에는 선회각도 만큼 양력의 수직 성분이 힘이 낮아지게 된다.   그림 2. 직진 수평 비행(왼쪽), 수평 선회 비행(오른쪽)   예를 들어, 선회각도가 60도인 경우 날개 구조는 항공기의 무게의 2배를 견뎌야 한다. 더불어 인증을 위해선 보통류 항공기의 경우 항공기 최대 무게의 3.8배, 곡예용 항공기의 경우 항공기 최대 무게의 6배를 견디도록 설계하는 것을 요구하고 있다. 따라서 <그림 3>과 같이 비강성, 비강도가 높은 복합소재를 적용하여 날개 구조를 제작하는 것은 필수이다. 그러므로 이번 호에서는 날개 예제 모델을 이용하여 구성품의 장착 위치와 각 구성품의 복합재 적층 및 적층 각도 등에 대한 설계 요소를 변수화하여 자동화 해석을 수행하는 방법에 대하여 소개하고자 한다.   그림 3. 소재별 중량 대비 강성, 강도 그래프   기존의 파라메트릭 자동화 해석과는 다르게 해석 모델의 3D CAD 형상도 변수화하여 자동으로 형상 수정을 하고 유한 요소 모델링을 할 수 있는 차별성이 있으며, 파이썬 스크립트(Python script)를 잘 몰라도 간단한 원리만 터득하면 손쉽게 자동화 해석을 수행할 수 있다.   날개 구조와 배치 설계 날개 구조는 <그림 4>와 같이 다양한 구조물로 구성된다.   그림 4. 세미-모노코크(monocoque) 날개 구조   날개보(spar)는 양력으로 인한 대부분의 하중을 지탱하는 구조물로서, 굽힘 하중을 담당하는 캡(cap) 부분과 전단력을 담당하는 웹(web)으로 구성된다. 또한 일반적으로 날개 구조에는 2~3개 이상의 날개보를 사용한다. 리브(rib)는 날개의 단면을 에어포일(airfoil) 형상으로 유지시키는 구조물이며, 외피에 작용하는 하중을 날개보에 전달하는 역할을 수행한다. 스트링거(stringer)는 날개 외피에 굽힘 강도를 크게 하고 좌굴을 방지하는 역할을 수행한다. 외피(skin)는 날개에 작용하는 굽힘 하중과 비틀림 하중을 보조적으로 지탱하는 역할을 수행한다. 또한 공기역학적인 에어포일 형상으로 날개 구조물을 감싸는 구조 부분이다. 이와 같이 날개 구조 내부의 구성품은 항공기에서 양력을 지탱하는 가장 중요한 구조물이며, 날개 구조 내부에 어떻게 배치하는지에 따라 날개 구조 전체의 강성과 강도 성능이 매우 크게 달라지게 되므로 배치 설계는 매우 중요한 설계 인자이다.   복합재 소재와 기계적 특성 항공기 구조 설계에서 가장 중요한 요소는, 높은 강성과 강도를 갖는 소재로 설계하여 중량을 낮춰야 한다는 것이다. 이에 따라 최근 대부분의 항공기 구조물에는 탄소 및 유리 섬유 강화 복합재를 사용하여 제작하고 있다. 섬유 강화 복합재는 <그림 5>와 같이 섬유 다발을 단방향 또는 직조하여 레진과 같은 기지재(matrix)를 섬유 다발 사이로 함침시켜 제작한다. 이렇게 제작된 얇은 섬유 강화 판재 소재를 프리프레그(prepreg)라고 부르며, 라미나(lamina) 또는 플라이(ply)라고 부르기도 한다.   그림 5. 섬유 강화 복합재의 제작 방법     ■ 기사 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-03-06
캐디안 2026의 신 기능 - 원 중심선 그리기 외
새로워진 캐디안 2026 살펴보기 (4)   오토캐드와 양방향으로 호환되는 국산 CAD 대표 브랜드인 캐디안이, 한 차원 높은 사용자 경험을 제공하는 차세대 CAD ‘캐디안 2026(CADian 2026)’을 선보인다.이번 호에서는 새 버전에서 새롭게 선보인 기능 중에서 원 중심선 그리기 외에 여러 기능을 자세히 살펴보도록 하겠다.   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   원 중심선 그리기(CL2) CL2 명령은 원의 중심선을 자동으로 그리는 명령이다. 한 개 또는 여러 개의 원에 한번에 중심선을 그리는 것이 가능하고, CELTSCALE 변수가 원의 지름에 연동되어 LTSCALE이 조절된다. 그래서 작은 원이든 큰 원이든 중심선 모양으로 잘 보이게 각 원마다 중심선의 LTSCALE 촘촘한 정도가 자동으로 조절되어 그려진다. 선택시 다른 객체와 섞여 있어도 원 객체만 자동으로 선택된다. 명령창에 ‘CL2’를 입력하고 Enter 키를 누르면, AddOnUtil CENTER 레이어가 존재하지 않으면 먼저 AddOnUtil CENTER 레이어가 만들어진다. 디폴트는 적색에 중심선 모양으로 레이어가 지정된다. 그리고 나서 도면에서 원이 있는 부분을 윈도우 개념으로 원이 100% 내부로 들어가게 선택해 주면 영역에 들어간 모든 원의 중심선을 자동으로 그려주며, 중심이 같은 원이 여러 개 있을때 큰 원을 기준으로 중심선이 자동으로 그려진다.     사각형 중심선 그리기(RCT) RCT 명령은 사각형의 중심선을 자동으로 그리는 명령이다. 명령창에 ‘RCT’를 입력하고 Enter 키를 누르면 AddOnUtil CENTER 레이어가 존재하는지 확인하며, 해당 레이어가 없으면 먼저 _AddOnUtil_CENTER 레이어가 만들어진다. 이제 사각형 또는 사각형들을 선택해야 하는데 폴리라인으로 그려진 사각형은 CROSS 개념으로 일부만 선택이 되어도 되고, 일반 선 객체로 만든 사각형이면 윈도우 개념으로 그 선들이 100% 선택 영역에 포함되어야 한다.     한 개의 사각형 또는 여러 개의 사각형을 한번에 선택해 사각형의 중심선을 자동으로 그릴 수 있고, 사각형 안에 사각형이 있어도 각 사각형의 중심선이 한번에 그려진다. 선택 영역에 원이나 호, 치수 등의 다른 객체가 있어도 선택에서 제외되므로 자유롭게 선택해도 된다.   수평 중심선 그리기(CLM) CLM 명령은 두 선을 선택해 두 선 사이에 중심선을 그리는 명령이다. 명령창에 ‘CLM’을 입력한 후 Enter 키를 누르고 두 선을 찍으면, _AddOnUtil_CENTER 레이어가 존재하지 않으면 _AddOnUtil_ CENTER 레이어를 만들고, 그 레이어에 적색의 CENTER LINETYPE으로 중심선을 그려준다. 폴리라인과 선 객체 둘다 중심선 그리기가 가능한데, 선과 선 또는 폴리라인과 폴리라인일 경우 가능하니 선과 폴라라인을 섞어서 선택하지 않도록 주의해야 한다.     원 클릭 이동(M2) M2 명령은 원 클릭으로 객체를 이동할 수 있는 명령으로, 특정 방향으로 최소한의 클릭으로 한 개의 객체를 빠르게 이동하기 위한 기능이다. 명령창에 ‘M2’를 입력한 후 Enter 키를 누르고 객체(선, 원, 호, 사각형, 블록 등 1개의 객체)를 선택한 후 바로 목표점을 찍으면 선택한 객체가 이동되는 명령이다. F12번 동적 입력 모드가 켜져 있는 상태에서 M2 명령을 입력하고 객체를 선택한 후 방향을 설정한 다음에 거리값을 입력하면, 방향을 설정한 방향으로 입력한 값만큼 떨어진 거리에 정확하게 이동시키는 것도 가능하다.       ■ 기사 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-03-06
다이세이의 모바일 CAD 도입과 건설 현장 워크플로의 혁신
데스크톱/모바일/클라우드를 지원하는아레스 캐드 2026 (12)   대형 건설 프로젝트가 일상화된 오늘날에도 설계와 시공 현장 사이에는 여전히 과제로 남은 문제들이 존재한다. 설계 환경은 점차 디지털화되고 고도화되어 왔지만, 건설 현장에서는 여전히 종이 도면과 PDF를 주된 정보 전달 수단으로 활용하고 있기 때문이다. 특히 DWG 기반 2D 도면은 건설 산업에서 핵심적인 소통 수단으로 자리잡아왔으며, 수십 년간 축적된 도면 자산과 업무 흐름을 단기간 내에 완전히 대체하기란 쉽지 않은 현실이다. 이러한 상황에서 많은 건설사가 공유하는 고민은 ‘기존 DWG 도면 중심의 업무를 유지하면서도 현장과 설계 간 연결성을 어떻게 개선할 것인가’ 하는 것이다.   ■ 최하얀 캐디안 마케팅팀의 주임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   종이 도면 중심 업무의 구조적 한계와 비효율     이런 문제의식 아래, 일본의 종합건설사인 다이세이(Taisei)는 설계 사무실과 수많은 건설 현장을 하나의 디지털 네트워크로 연결하는 현실적인 방안을 찾아 나섰다. 단순히 도면을 디지털 파일로 변환하는 것을 넘어, 현장 인력까지 포함한 전체 업무 프로세스를 근본적으로 재설계하는 접근이 필요했다. 가장 큰 문제는 도면 생성과 활용 주체가 달랐다는 점이다. 도면은 사무실에서 CAD 시스템으로 작성되지만, 현장에서는 대부분 출력물이나 PDF 형태로만 전달되어 사용되었다. 도면 변경 시마다 재출력과 재배포가 불가피했고, 이 과정에서 비용과 시간 낭비, 버전 관리 오류가 반복되었다. 뿐만 아니라 현장 환경 특성상 종이 도면은 훼손되기 쉽고 보존과 관리가 어려웠다.   디지털 전환 핵심 전략 : DWG 기반 페이퍼리스 환경과 아레스 캐드 도입     기존 건설 현장에서는 현장 작업자가 도면을 단순히 ‘참조’하는 데 머물렀고, 시공 중에 발생하는 수정 사항이나 개선 의견이 설계팀에 즉각 전달되기 어려웠다. 이로 인해 의사결정 과정이 지연되고, 현장과 설계팀 간 소통 비용이 커져 프로젝트 효율 저하로 이어졌다. 다이세이는 이러한 구조적 한계를 극복하지 않으면 대규모 프로젝트의 효율과 품질을 동시에 높이기 어렵다고 판단했다.     이에 다이세이는 기존의 DWG 기반 업무 자산과 프로세스를 유지하면서, 클라우드와 모바일 기술을 결합해 페이퍼리스 환경을 구축하는 전략을 수립했다. 주요 목표는 도면을 PDF나 출력물로 변환해 전달하는 전통적인 방식을 탈피해, DWG 원본 파일을 현장까지 실시간으로 공유하고 편집할 수 있도록 하는 것이었다. 이를 실현하기 위해 그래버트(Graebert)의 아레스 캐드( ARES CAD) 설루션을 도입했다. 설계팀은 데스크톱 환경에서 아레스 커맨더(ARES Commander)를 활용하여 정밀한 CAD 작업을 수행하고, 현장 작업자는 아이패드에 설치된 아레스 터치(ARES Touch) 앱을 통해 동일한 DWG 도면을 실시간으로 열람하고 주석을 추가하거나 직접 편집하는 방식으로 업무를 수행하게 됐다. 이로써 현장과 설계 사무실 간 소통이 실시간으로 이루어지면서 시공 중 발생하는 문제점이나 변경 요구사항이 즉각 반영될 수 있게 되었고, 의사결정 속도가 빨라지면서 전체 프로젝트 일정과 비용 관리에도 긍정적인 영향을 미쳤다. 또한 현장 작업자는 도면을 더욱 정확히 이해할 수 있게 되어 시공 오류 가능성이 줄어들고, 설계 의도와 시공 현장 간 괴리를 최소화하는 효과도 나타났다. 나아가 DWG 기반의 통합된 작업 환경 덕분에 설계 변경 내역도 자동 동기화되어, 최신 버전 도면 공유가 자동으로 보장되는 등 협업의 신뢰성이 향상되었다.   엔터프라이즈 환경 맞춤 보안과 관리 체계 구축 다이세이는 현재 400대가 넘는 아이패드를 현장에 배포하여 모바일 CAD 환경을 성공적으로 운영 중이다. 대규모 조직 특유의 복잡한 관리 및 보안 요구 사항을 충족하기 위해 마이크로소프트 인튠(Microsoft Intune) 기반의 중앙 집중형 모바일 기기 관리(MDM) 시스템을 도입했다. 이를 통해 앱 설치, 업데이트, 접근 권한 설정 등 모바일 기기 전체를 효율적으로 관리하며, 현장 장비 운영의 일관성과 안전성을 확보하고 있다.     ■ 기사 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-03-06
Stonex X70GO : 현장을 디지털화하는 차세대 하이브리드 스캐닝 설루션
개발 : Stonex 주요 특징 : 동적·정적 스캔을 결합한 하이브리드 스캐닝 모드, 내장 SSD로 실시간 결과 확인 및 처리, 강력한 SLAM 알고리즘 및 안전성, 휴대폰에서 실시간 프리뷰 지원 등 자료 제공 : 지오시스템     Stonex X70GO 핸드스캐너는 복잡한 설치 과정 없이 걸어 다니는 것만으로도 70m 측정 범위 내에서 초당 20만 포인트의 정밀한 3D 데이터를 신속하게 취득할 수 있는 스캐닝 설루션이다. 관성 항법 모듈(IMU), 고성능 컴퓨터와 저장 시스템이 통합되어 있어, 현장을 3D 디지털화하는 데이터 취득 속도와 정밀도, 사용자 편의성을 모두 갖춘 ‘현장을 디지털화하는 차세대 설루션’이라는 점을 내세운다.   주요 특징 하이브리드 스캐닝(X-Whizz 모드) 이동하면서 빠르게 데이터를 수집하는 SLAM 스캔(동적 스캔)과 모노포드 등에 장착하여 특정 지점을 고해상도로 정밀하게 스캔하는 고정 스캔(정적 스캔)이 결합되어 있다. 속도를 요구하는 신속한 스캔 작업 외에도 디테일이 요구되는 상황에서는 정지 상태에서 데이터를 취득하는 기능이 결합되어, 더 높은 밀도와 고해상도의 데이터를 제공하는 작업에 적합하다.   ▲ 이미지 제공 : Stonex   실시간 결과 확인 및 처리 512GB의 내장 SSD가 탑재되어 있어 데이터 수집 완료 후 현장에서 시스템을 통해 즉시 매핑 결과를 출력할 수 있고, 현장에서 바로 데이터를 확인할 수 있다.   강력한 SLAM 알고리즘 및 안전성 현장을 이동하면서 70미터의 측정 범위에서 초당 20만 포인트 데이터를 수집하는 데이터 획득 능력을 갖추었으며, 1200만 화소의 비주얼 카메라와 RGB 카메라가 통합되었다. 이에 따라 구조적 질감이 약한 환경에서도 SLAM 알고리즘이 안정적으로 작동해 고해상도의 색상 데이터를 제공하며, 휴대폰에서 실시간 프리뷰를 지원한다.   주요 기능 기준점 측정 데이터 취득 시 지면이나 벽면의 기준점(control points)을 함께 수집하여, 스캐닝 데이터 후처리 시 정밀한 지오레퍼런싱(georeferencing)을 할 수 있다.   ▲ 이미지 제공 : Stonex   360° 회전 스캐닝 헤드 전방위 시야각(360°H, -7~52°V)을 확보하여 빠짐없는 데이터 수집이 가능하다.   ▲ 이미지 제공 : Stonex   고해상도 텍스처 매핑 1200만 화소 카메라를 통해 포인트 클라우드에 실제 색상을 입혀 현실감 있는 3D 모델을 생성한다.   ▲ 이미지 제공 : Stonex   RTK 모듈 확장성 옵션으로 제공되는 RTK(실시간 측량) 모듈을 추가하면, GNSS 위치 정보를 SLAM 알고리즘에 결합하여 더욱 정확한 글로벌 좌표 기반의 데이터를 얻을 수 있다.   ▲ 이미지 제공 : Stonex   전문 후처리 소프트웨어 윈도우 기반의 GOpost 및 Cube-3d 소프트웨어를 통해 노이즈 제거, 필터링, 포인트 클라우드 최적화 및 타사 CAD/BIM 시스템과의 호환을 지원한다.   주요 고객 사이트 건설, 건축사사무소 등에서 건축 구조 검토를 위해 시간이 많이 소요되는 고가의 고정식 스캐너를 대체하여 합리적인 가격대인 핸드스캐너 X70GO를 적용하고 있다. 넓은 면적의 재건축 현장에 빠른 시간에 3D 측량이 가능하고 보상 기준 등에 활용할 수 있다.     활용 분야 숲, 지하 공간 및 터널(GNSS 수신 불가 지역) 복잡한 지형의 숲이나 동굴, 터널 내부 등 GNSS 연결이 불가능한 지역의 실내나 지하에서 라이다(LiDAR)와 관성 측정 장치(IMU)를 활용한 SLAM 기술만으로 자신의 위치를 파악하고 정확한 매핑을 수행할 수 있다.     ▲ 이미지 제공 : Stonex   현장 매핑 및 건축물 기록 70m의 데이터 취득 범위와 하이브리드 스캐닝 모드(X-Whizz)를 통해 넓은 광산, 토목 건설 현장의 토공량 계산이나 현장 진척도를 모니터링할 수 있다. 이외에도 주변 경관을 빠르게 스캔하고, 문화재 건축물 등의 세부사항 등을 고해상도로 정밀하게 기록하여 도면화하거나 3D 디지털 자료를 구축할 수 있다.   ▲ 이미지 제공 : Stonex   복잡한 산업 플랜트 및 설비 수많은 파이프, 시설물 및 복잡한 구조물이 있는 환경에서는 고정된 위치에 한정하지 않고 현장을 이동하며 걸어 다니는 것만으로도 원하는 지역 전체의 3D 데이터를 수집할 수 있어 작업 시간을 단축할 수 있다.     ▲ 이미지 제공 : Stonex     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05
HP Z북 울트라 G1a 리뷰 - CAE 실무 해석 프로젝트 성능 검증
이번 리뷰는 HP Z북 울트라 G1a(HP ZBook Ultra G1a)를 활용해 실제 CAE 실무 환경에서의 성능을 검증한 기록이다. 14인치의 컴팩트한 폼팩터에 탑재된 AMD 라이젠 AI 맥스 프로(AMD Ryzen AI Max PRO) 프로세서와 통합 메모리 시스템이 복잡한 전처리부터 후처리까지의 해석 루틴을 얼마나 안정적으로 수행하는지 분석하였다. 실무자의 관점에서 이동성과 전문가급 시뮬레이션 성능의 조화를 직접 확인해 보았다.   리뷰 배경 HP Z북 울트라 G1a는 14인치의 워크스테이션급 특성을 넣은 노트북이다. AMD 라이젠 AI 맥스 프로 시리즈 프로세서 기반으로, CPU와 GPU가 하나의 메모리 풀을 공유하는 통합 메모리 아키텍처를 전면에 내세운다. 제품 소개 기준으로 최대 128GB 통합 메모리 구성이 가능하며, 이 중 최대 96GB까지를 GPU 전용 메모리로 할당해 그래픽 작업에서 병목을 줄이는 방향으로 설계되었다. 이 노트북을 처음 마주한 인상은 워크스테이션이라는 단어와 외형이 잘 연결되지 않는다는 점이었다. CPU 성능은 AMD 라이젠 AI 맥스 + 395를 기반으로 그래픽은 라데온 8060S(Radeon 8060S)로 확인된다. 이 정도의 성능을 노트북에서 볼 수 있다는 점에서 시뮬레이션을 당장이라도 돌려봐야겠다고 판단하였다.   그림 1. HP Z북 울트라 G1a   HP Z북 울트라 G1a는 14인치급의 얇은 노트북 형태라 이동이 쉽고, 포트 구성도 업무용에 딱 맞춰져 있다. 특히 HDMI 2.1, 썬더볼트 4(USB-C) 등 USB-C 포트를 3개 보유하고 있다. 외부 모니터 연결이나 현장, 회의실 등 이동이 잦은 사용자라면 노트북 자체의 무게 관점에서는 엄청난 점수를 주게 된다. <그림 2>의 왼쪽은 Z북 울트라 G1a의 상판 디자인이다. 그레이 톤에 로고 중심의 미니멀함이 인상이 강하고, 표면 마감도 업무용 워크스테이션답게 차분한 편이다. <그림 2>의 오른쪽 사진은 휴대성 체감을 주기 위해 12.9형 아이패드 프로를 함께 놓고 비교한 장면이다. 태블릿을 키보드 위에 올려두면 느껴지듯, 본체의 면적이 아이패드 프로급과 크게 동떨어지지 않아 가방에서 차지하는 부피 부담이 생각보다 적다. 실제로 태블릿을 넣던 공간에 함께 운용하기 수월했고, 연구실과 세미나실처럼 이동이 잦은 환경에서 편리함을 만들어주는 크기였다.   그림 2. HP Z북 울트라 G1a의 외관(왼쪽) 및 태블릿과의 크기 비교(오른쪽)   CAE 해석 관련 제품 시연 CAE 해석 관련 제품 시연을 보면 대개는 깔끔한 브래킷 한 개, 공기 층이 크게 없는 외부 유동, 혹은 요소 수를 의도적으로 낮춘 모델로 구성된다. 하지만 실제 대학원 연구나 현업 엔지니어가 사용하는 모델은 굉장히 높은 밀도의 요소 수를 가지고 있는 경우가 대부분이다. CAE 해석은 계산 시간만으로는 평가하기 어렵다. 실제로는 모델을 가져오고, 형상을 단순화하고, 메시를 증가시키고, 수렴을 잡고, 결과를 후처리하고, 마지막으로 보고서까지 정리하는 과정이 하나의 루틴으로 이어진다. 이 루틴 중 어느 구간에서든 시스템이 멈추거나 응답성이 크게 떨어지면, 그 순간부터는 업무가 끊기게 된다. 필자는 구조/유동 해석을 병행하는 대학원생 연구원으로서, 이번 대여 장비를 단순 벤치마크가 아닌 실제 연구 및 과제에서 수행하는 순서 그대로 테스트해보기로 했다. 목표는 명확하다. 다음의 두 가지를 중점으로 검토하였다. 전처리부터 후처리까지, 끊김 없이 반복 수행 가능한가? 구조 해석(선형/비선형)과 유동 해석(정상/과도)을 섞었을 때도 안정적으로 유지되는가? 이번 리뷰는 실제 진행했던 해석 프로젝트를 기반으로 진행하였다. 대외비로 인해 전체 형상보다 해석 진행에 맞춘 단순화 모델을 사용하였다. CFD 유동 해석 1건을 먼저 수행해 시스템의 기본 워크플로 안정성을 우선 확인한 뒤, 본 테스트인 XY 스테이지 프로젝트로 넘어가는 방식으로 구성했다. 세 가지 테스트는 해석 솔버 진행 시 해석 엔지니어가 체감하기에 가장 어려움을 겪는 상황에 대해 상세하게 설명하는 것을 목표로 한다. 해석 엔지니어는 대부분 직접 모델링, 전처리에서 후처리까지 모두 진행하기 때문에, 이 모든 과정에서 HP Z북 울트라 G1a의 성능이 성과를 좌우할 수 있다. 이에 따라 대표적인 해석 방법 세 가지(유동, 정적, 열적 해석)을 선정하였다.   그림 3. 분야별 테스트 계획   테스트 1 : 유체 시뮬레이션 전처리(앤시스)   그림 4. 전처리 메시 작업(노트북 자체 화면)   첫 번째 테스트는 유체 해석으로 시작했다. 대상은 다수의 오리피스(Orifice)가 배열된 에어베어링 타입 유동 형상으로, 단순히 솔버만 돌리는 것이 아니라 전처리부터 해석, 후처리까지 모든 워크플로를 수행하였다. 이 유형의 모델은 형상 자체도 복잡하지만, 메시 해상도를 올리는 순간부터 작업감이 급격하게 달라진다. 특히 요소 수가 많아지면 워크벤치(Workbench)에서 해당 프로젝트에 접근하는 ‘클릭 한 번’부터 초기 반응이 늦어지는 경우가 흔하다. 즉, 실제 체감 성능은 메시 창 진입부터 차이가 드러난다. Z북 울트라 G1a의 흥미로운 점은 소음 특성이다. 동일한 워크로드를 워크스테이션급 컴퓨터에서 수행할 때는 팬의 소음이 뚜렷하게 들릴 정도로 동작하는 경우가 있었는데, 이번 테스트에서 수행할 때는 메시 작업창을 여는 순간 짧게 팬이 동작하는 느낌이 있다가, 이후에는 지속적으로 소음이 커지지 않고 비교적 낮은 수준으로 유지되는 느낌을 받았다. 필요한 구간에서만 짧게 소음이 개입하니, 작업하는 엔지니어 입장에서는 안정감을 받으며 작업을 할 수 있었다.   그림 5. 앤시스 워크벤치 프로젝트(유체 해석)   유체 해석 파트는 한 번 돌려서 끝이 아니라, 워크벤치에서 여러 케이스를 동시에 관리하는 형태로 구성했다. <그림 5>처럼 Fluid Flow 시스템을 다수 배치하고, 각 시스템을 Geometry, Mesh, Setup, Solution, Results 순서의 단계로 동일한 구조로 유지한 뒤 케이스별로 필요한 변경만 최소화하여 반복 실행했다. 연구실에서 실제로 유동 해석을 수행할 때는 한 조건으로 끝나기보다 간극, 입력조건, 수치 설정을 바꿔가며 다음 케이스로 넘어가는 일이 일반적이기 때문에, 이번 리뷰에서도 그 흐름을 그대로 가져갔다. 이번 구성의 핵심은 파라미터 기반 분기이다. 간극 조건을 여러 파라미터 케이스로 나누어 두고, 수치 설정을 달리한 케이스도 별도로 두어 같은 프로젝트 내에서 연속적으로 비교할 수 있도록 구성했다. 동일한 방식으로 여러 케이스를 파이프로 연결하여 시뮬레이션했을 때, 데스크톱 워크스테이션에서는 약 5시간, Z북 울트라 G1a에서는 약 7시간 정도가 소요되었다. 실제 솔버에 사용한 코어 수는 동일하게 맞추어 진행했다.(비교에 사용한 데스크톱 워크스테이션 사양은 13세대 인텔 코어 i7-13700KF(16코어/24스레드), RAM 128GB, 엔비디아 RTX A4000(전용 16GB)이다.) 시간 차이는 장비 구성 차이(특히 메모리 용량 등)에서 발생할 수 있으며, 이번 파트에서는 다중 케이스 구성을 프로젝트 단위로 묶어 하나의 파라미터 사이클을 중단 없이 완주했다는 점에 의미를 두었다.   테스트 1-1 : 유체 시뮬레이션(앤시스)   그림 6. 플루언트 해석 단계   이번 테스트는 플루언트 시스템을 구성한 뒤, 실제 설정과 실행은 플루언트 내부에서 진행했다. 실제 유체 해석을 경험하였을 때, CFD 솔버 창 로드가 가장 느리게 뜬다. 이 구간이 실무적으로는 가장 시간을 많이 쓰는 편이다. 이유는 체감 병목이 반드시 솔버에만 있지 않기 때문이다. 큰 메시를 불러오고, 화면에 표시하고, 경계면을 선택하고, 설정 탭을 오가며 저장 및 갱신하는 과정에서 프리징이 발생하면, 계산 시간이 짧더라고 작업은 길어진다. 이 노트북에서는 이 작업이 굉장히 깔끔하다. 예를 들어 Fluid 형상을 Solid로 바꾸는 경우에는 물성 자체를 바꾸기 때문에 체감상 30~50초 정도 지연이 발생했다. 하지만 그 외의 모든 대부분의 기능은 끊김 없이 설정 변경이 가능했다. 팬 소음도 이전과 같이 임포트 시 및 솔버 작동 시를 제외한 부분에서는 거의 들리지 않았다.   그림 7. 유체 해석 결과 컨투어   이번 테스트에서는 해석 대상에서 계산된 압력 분포를 보여준다. 워크스테이션급 노트북에서 이 정도 규모의 모델을 끝까지 수렴시키고, 후처리까지 안정적으로 가져갈 수 있었다는 점에서 굉장히 큰 장점을 느꼈다. 특히 컨투어(contour)가 계단형처럼 깨지지 않고 등압선이 부드럽게 이어지는 점이 비교를 위해 해석을 동일하게 진행한 데스크톱 워크스테이션에서 확인할 수 있는 그래픽과 동일한 수준이다. 압력 분포뿐만 아니라 실제 산업에서 요구하고 검토해야 하는 유동 관련 모든 후처리를 모두 확인할 수 있었다. 노트북 한 대로 연구 및 업무에서 필요한 해석의 한 사이클인 전처리, 해석, 후처리까지를 노트북에서 완주할 수 있었다는데 의미가 있다.   테스트 2 : XY 스테이지 정해석(솔리드웍스 & 앤시스)   그림 8. 시뮬레이션 대상인 XY 스테이지 모델링   시뮬레이션을 수행하기 위해, 연구실에서 실제로 다루는 XY 스테이지의 실물 크기와 구성 방식을 최대한 반영하여 모델링을 진행하였다. 단순한 데모 형상이 아니라, 연구 환경에서 반복적으로 부딪히는 조건을 고려해 임포트, 단순화, 해석용 형상 정리를 여러 번 반복하는 방식으로 접근했다. 모델링 단계에서 가장 먼저 확인한 것은 ‘한 번이라도 흐름이 끊기지 않는지‘였다. 모델링 툴에서 가장 문제가 되는 상황은 복잡한 형상을 다룰 때 화면의 프리징이나 입력 지연인데, 이번 작업에서는 XY 스테이지를 구성하는 형상을 만들고 수정하는 과정에서 눈에 띄는 버벅임이 거의 발생하지 않았다. 단순히 고사양 CPU와 GPU가 있다라는 의미가 아니라, 실제로 커서 이동, 스케치 입력, 피처 생성과 같이 모델링 진행 시 기본적인 동작이 꾸준하게 유지되는지가 체감하는 성능을 결정한다. 이러한 관점에서 작업감이 안정적이었다. 특히, 해석 툴(앤시스 워크벤치)을 완전히 종료하지 않고 백그라운드에 실행해 둔 상태에서 모델링을 병행했을 때다. 일반적으로 해석 툴을 켜 둔 채로 CAD 작업을 하면 메모리나 리소스 점유로 인해서 스케치가 끊기거나 곡선 입력이 느려지는 경험을 하는 경우가 많다. 반면 Z북 울트라 G1a은 워크벤치가 백그라운드에 올라간 상태에서도 솔리드웍스에서 스케치를 그리고 곡선을 생성하는 과정이 딜레이 없이 매끄럽게 이어진다. 하지만 아무래도 해석 솔버를 모든 코어를 사용해서 돌려놓으면 솔버가 돌아가는 동안 솔리드웍스에서 약간의 프리징이 발생한다. 사용자는 해석 솔버 상에서 직접적으로 코어의 개수를 할당해줄 수 있는데, 코어를 조절하여 4코어는 CAD 툴, 4코어는 해석 툴과 같이 나누어 작업을 진행할 때 큰 버벅거림 없이 조작이 가능했다. 코어를 나눴기 때문에 솔버 시간 지연은 발생하지만, 동시 작업이 깔끔하게 진행되는 것 자체로도 해석 엔지니어에게는 큰 장점으로 느껴진다.   테스트 2-1 : XY 스테이지 정해석(앤시스)   그림 9. 앤시스 워크벤치 프로젝트(정해석, 열해석, 모달해석)   이번 테스트는 여러 파이프로 연결된 워크벤치를 구동하는데, 서로 다른 해석 시스템을 한 프로젝트 안에서 연결한다는 점이 중요하다. 실제 연구나 업무 환경에서는 한 번 만든 CAD를 기반으로 정적 강성, 열 영향, 진동 특성을 연속으로 확인하는 경우가 많고, 이때 프로젝트가 분리되어 있으면 형상 수정이나 단순화가 생길 때마다 각 해석을 따로 업데이트해야 해서 시간이 굉장히 지연된다. 상단의 메인 플로는 세 가지로 구성했다. 정적 구조로 기본 강성과 변위를 확인하고, 같은 지오메트리를 기반으로 열 조건을 부여하였을 때 온도 분포를 점검한 다음, 모달로 고유 진동수와 모드 형상을 확인하는 흐름이다. 이 구조로 구성하면 형상 단순화나 치수 수정이 생겼을 때 업데이트 프로젝트(Update Project) 한 번으로 메인 3개의 해석의 기반 데이터가 함께 따라온다. 실무에서는 굉장히 많은 파라미터를 연속적으로 연결해 두어야 하는데, 이는 노트북으로 해석할 때 중요한 작업 흐름을 끊지 않는 운영 방식으로 직결된다.   테스트 2-2 : XY 스테이지 정해석 메시 작업(앤시스)   그림 10. XY 스테이지 모델링 전처리(메싱)   전처리 작업에서의 메시 작업은 실사용에서는 메시 직후 작업이 끝나는 경우가 거의 없다. 접촉 및 구속을 다시 확인하거나, 특정 부위를 더 촘촘히 쪼개거나, 단순화가 부족한 부분을 다시 CAD로 되돌려 수정하는 등 ‘다시 돌아가는’ 작업이 필연적으로 발생한다. 이때 중요한 건 계산 성능보다도 프로젝트가 계속 이어지는지 여부다. 메시가 늘어난 상태에서 트리 이동, 특정 파트 및 면 선택 같은 동작이 불규칙하게 멈추면 이후 단계에서 재 메시나 후처리로 넘어가는 속도가 눈에 띄게 떨어진다. 이번 구성에서는 메시를 1mm로 굉장히 작게 분할하여도 작업을 중단시킬 정도로 흔들리는 형태는 두드러지지 않았다.   테스트 2-3 : XY 스테이지 정해석(앤시스)   그림 11. XY 스테이지 정해석 컨투어   이번 테스트는 Static Structural의 결과가 Mechanical에서 로드되어, 컨투어로 시각화되었다. 계산 후 결과를 불러와 렌더링하고, 필요한 뷰를 만들고, 캡처 가능한 상태로 정리하는 후처리 루틴이 매끄럽게 진행되었다. 현업과 연구에서 시간은 계산에서만 쓰이지 않는다. 결과를 열고, 표시 항목을 바꾸고, 시점을 정리하고 캡처하는 과정이 반복된다. 특히 조립체 모델에서는 내가 보고 싶은 위치에 대한 시점 찾기 과정에서 버벅임이 심한 경우가 대다수다. 이번 테스트에서는 결과 컨투어를 띄운 이후 확대 및 회전 등 기본 조작을 수행하며 캡처 가능한 상태로 정리하는 흐름으로 진행되었고, Z북 울트라 G1a에서 충분히 프로젝트 관리가 가능하였다. 해석 솔버 작동 시간은 유체 해석급으로 복잡한 메시와 연산량이 요구되지는 않았기에 10분 이내로 해석은 완료되었다.   테스트 3 : XY 스테이지 열해석(앤시스)   그림 12. XY 스테이지 열해석 컨투어   이번 테스트의 경우 정상상태 열 해석의 결과 화면이며, 각각 온도와 열량 결과 항목을 표시하였다. 이번 테스트는 정적, 열 해석을 각각 돌린 것이 아니라 워크벤치에서 하나의 프로젝트를 묶어 반복 업데이트하는 형태로 운영하였다. 실제 해석 업무에서 체감 생산성을 좌우하는 것은 솔버의 단발적인 성능만이 아니다. 경계조건인 열원, 대류, 접촉 등을 수정하고, 다시 업데이트한 뒤, 동일한 뷰에서 결과를 재확인 및 캡처하는 과정을 반복하면서 목표하는 컨투어가 나오고, 분석한 결과와 동일한지 확인하는 과정이 정말 중요하다. 열 해석은 15분 이내 수준에서 비교적 빠르게 완료되었다. 이 정도 솔버 시간이 확보되면 열원 크기나 경계조건 같은 변수를 바꿔가며 파라미터 시뮬레이션 형태로 반복 실행하는 운영도 현실적인 선택지가 된다.   테스트 4 : AMD 소프트웨어를 통한 해석 속도 개선 테스트   그림 13. 아드레날린 에디션 그래픽 설정   Z북 울트라 G1a는 AMD 전용 그래픽 드라이버 및 그래픽 옵션 설정을 통합 관리하는 소프트웨어 아드레날린 에디션(Adrenalin Edition)을 적용할 수 있는데, 이를 통해 <그림 13>과 같이 Gaming → Graphics 메뉴에서 그래픽 옵션을 선택할 수 있다. 이 화면은 본래 게임 환경을 대상으로 한 옵션이 포함되어 있으나, 이번 테스트에서는 해석에 필요한 더 조밀한 메시와 대형 형상들의 결과 표시를 검토하는 상황에서 실무자의 뷰포트 조작이 더 부드러워지는지, 또는 반대로 표시 지연이 발생하는지 확인하는 목적으로 진행된다.   테스트 4-1 : 메시 사이즈 조밀화 구간 작업감 검증 테스트   그림 14. A : 메시 1mm Sizing 적용 시   그림 15. B : 메시 0.5mm Sizing 적용 시   앞선 테스트 2-2(메시 작업)에서 강조했던 포인트는 단순히 메시가 생성되느냐가 아니었다. 실사용에서 메시 작업은 직후에 끝나는 경우가 거의 없고, 모델을 다시 손보거나(형상 수정과 구속 변경), 특정 부위만 더 촘촘히 쪼개거나(Refine), 조건은 바꿔 반복 수행하는 과정이 기본 루틴이 된다. 이때 체감상 생산성을 좌우하는 건 계산 성능만이 아니라 메시가 늘어난 상태에서도 트리 이동, 파트 및 면 선택, 화면 회전과 같은 기본 조작이 끊기지 않고 이어지는지에 있다. 한 번 버벅거림이 시작되면, ‘재메시 – 솔브 – 후처리’로 넘어가는 전체 흐름이 눈에 띄게 느려진다는 점이 있다. 이번 테스트 4에서는 AMD의 아드레날린 에디션 소프트웨어를 설치한 뒤, 그래픽 옵션을 적용한 상태에서 해석 프로그램 메시 조밀화 구간의 작업감을 다시 확인하는 형태로 진행했다. 메시 사이즈를 낮춰 요소 수가 증가하는 상황에서 안정성이 유지되는지 체크하는 것을 목적으로, 테스트는 기존 프로젝트 흐름을 유지하되 메시 사이즈를 다르게 적용하여 비교했다. 비교 조건은 A와 B로 메시를 생성한 후 화면 회전과 줌, 그리고 트리 이동과 특정 파트의 면 선택 등을 반복하였다. 결과적으로 조밀화 자체가 부담인 B 조건에서도 멈춤이 덜한 것을 확인하였다. 이 작업에서 핵심 부담은 결국 작업의 흐름이 끊기는 것이다. 이번 설정에서는 조밀한 메시에서도 작업을 중단시킬 정도로 흔들리는 패턴은 보이지 않았다. 메시 사이즈를 0.5mm까지 낮춰도 조작이 꺾이지 않는다는 점과 아드레날린 설정 적용 이후 메시 상태에서의 화면 반응성이 안정적으로 유지되는 방향으로 체감되었다.   테스트 4-2 : 모달해석 테스트   그림 16. 모달해석 결과 화면(모드 형상 컨투어)   아드레날린 설정 후, 기존 XY 스테이지 프로젝트 흐름에 모달해석을 추가로 수행했다. 특히 모달해석은 결과 확인 과정에서 모드 형상 확인, 애니메이션 재생, 값 확인 및 캡처를 반복 수행하게 되는데, 그래픽과 솔버 시간 감소를 확인하기 위해 필수적으로 해석을 진행하였다. 모달해석 결과는 Mechanical에서 바로 로드되어 모드(Mode) 별 주파수 테이블과 함께 표시되었고, 결과 항목을 전환해도 화면 반응이 끊기지 않았다. 특히 모달해석에서는 에니메이션 재생을 수행했을 때 조작이 툭툭 끊기는 것 없이 안정적으로 확인이 가능하였다. 이어서 모달해석은 다른 구조 해석이나 열 해석과는 상이하게 경계 조건에 따라 솔버 시간이 3~4배는 더 걸리게 된다. 아드레날린 설정을 통해 그래픽 끊김이 발생하지 않는 선에서 옵션을 변경하여 솔버를 진행하였을 때 소요되는 결과를 확인하였다.   그림 17. 아드레날린 에디션 적용 전/후 솔브 시간 비교   <그림 17>에서 확인할 수 있듯이 동일 모달해석 케이스에서 약 32분에서 23분으로 솔버 시간이 줄어드는 결과를 확인했으며, 약 9분 31초 수준으로 29% 수준의 시간 단축을 통해 솔버 사용 속도가 눈에 띄게 증가했음을 확인하였다. 이 차이는 단일 요인(그래픽 옵션)만으로 원인을 단정하기는 어렵지만, 단일 해석 설정에서 아드레날린 에디션 적용 이후 동일 케이스를 반복 수행했을 때 솔버 시간이 감소하는 경향이 확인되었다는 점에서 의미가 있었다. 특히 연구 및 실무 환경에서는 모달해석을 단독으로 한 번만 돌리는 경우가 드물고, 메시 조정과 결과 확인이 반복되기 때문에, 5~10분 단위의 차이도 누적되면 전체 작업 흐름에 영향을 준다. 이번 테스트에서는 그 누적이 실제로 체감될 정도로 줄어들었고, 속도 개선 가능성을 확인할 수 있었다. XY 스테이지 테스트는 한 번 만든 지오메트리를 워크벤치에서 계속 돌릴 때, 실제로 프리징 없이 곧바로 다음 루프로 넘어갈 수 있는지를 확인하는 과정이었다. 기본 테스트(테스트 1~3)만으로도 Z북 울트라 G1a은 해석자로서 굉장히 만족스러웠고, 특히 작업 흐름을 끊어버리는 프리징이 거의 없었다는 점에서 큰 점수를 주고 싶었다. 여기에 추가로 테스트 4인 AMD 아드레날린 에디션 적용 후의 작업 흐름도 함께 확인하였다. 조밀 메시에 대한 결과 화면처럼 그래픽적으로 무거워지는 구간에서도 전체 해석 흐름이 무너지지 않는지를 다시 점검하였고, 추가로 수행한 모달 해석에서도 결과 확인 과정이 한 번에 이어지는 형태로 진행됐다. 특히 솔버 시간 측면에서는 동일 케이스에서 소요시간이 감소하는 결과도 확인되어, 단순하게 돌아간다는 수준을 넘어 반복 수행 관점에서 체감 효율을 한 단계 더 끌어올릴 여지가 있다는 인상을 받았다. 결국 해석 실무자 입장에서 중요한 것은 케이스를 최적화하기 위해 나누고 설정을 바꾸고 결과를 정리하는 과정을 포함해 작업자가 하루 동안 수행하는 작업을 노트북에서 유지할 수 있는가에 있다. 이번 리뷰는 그 과정이 끊기지 않는지에 초점을 두고 진행했고, 추가 테스트 적용 결과까지 포함해 그 목적에 맞는 형태로 마무리되었다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 정수진 한국공학대학교 메카트로닉스공학과 석사과정으로, CAE 해석 및 설계 검증, 시뮬레이션 최적화, 멀티피직스 관련 연구과제를 담당하고 있으며, 주로 구조, 열, 유체 시뮬레이션 기반 해석 연구를 진행하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05
[피플&컴퍼니] 지멘스 디지털 인더스트리 소프트웨어 오병준 한국지사장
AI·디지털 트윈으로 제조 현장의 실질적 가치 입증할 것   지멘스 디지털 인더스트리 소프트웨어의 오병준 한국지사장은 지난해 국내 대형 조선사의 차세대 설계 시스템 수주 등 굵직한 성과를 거뒀다고 소개했다. 그는 알테어 인수를 통한 기술 시너지와 엔비디아와 협력한 디지털 트윈 신제품으로 올해 제조 현장에 실질적인 가치를 제공하겠다고 밝혔다. 아울러 국내 기업에는 데이터 주권을 확보하고 작은 성공부터 만들어가는 실용적인 디지털 전환 전략을 주문했다. ■ 정수진 편집장     지난해 제조 시장의 분위기와 주요한 변화를 소개한다면? 2025년에는 많은 대기업이 지출을 통제하면서 제조 시장의 전반적인 경기가 좋은 편은 아니었지만, 하반기에 들어서면서는 많이 회복되어 지멘스 디지털 인더스트리 소프트웨어 입장에서는 목표를 달성할 수 있었다. 조선이나 일부 업종을 제외한 중소기업들은 여전히 큰 어려움을 겪었다.가장 큰 변화는 디지털 스레드(digital thread) 기반의 제조업 변환이 본격적으로 시작되었다는 점과, 알테어 인수 이후 AI 기반의 엔지니어링 프로세스 혁신을 지멘스가 주도하게 되면서 고객의 관심이 높아졌다는 것이다. 특히 BYD 등의 중국 기업이 디지털 전환(DX)을 통해 제품 출시를 크게 앞당기는 것을 보면서, 국내 시장에서도 DX 전략 도입을 더욱 적극적으로 고민하는 환경으로 바뀌었다. 산업별로 살펴 보면, 항공/방산 분야에서는 무기를 수출할 때 예방 정비 데이터를 함께 납품해야 하는 트렌드에 따라 팀센터 SLM 기반의 MRO(유지·보수·운영) 데이터 체계 구축에 대한 수요가 늘었다. 가장 큰 성과는 조선 분야에서 HD현대와 4년간 공동 개발한 끝에 지멘스의 설루션이 차세대 설계 시스템으로 선정된 것이다. 향후 5년간 전환을 거쳐 2028년에는 실제 선박 설계에 투입될 예정이다. 반도체 기업들의 전사 프로젝트 역시 계속 확장되고 있다.   인수합병 등으로 제품 라인업과 타깃 산업군이 방대해졌는데 어떻게 정리할 수 있을지? 지멘스 디지털 인더스트리 소프트웨어의 포트폴리오는 CAD 제품군인 디자인센터(Designcenter), 알테어 설루션을 포함한 시뮬레이션 제품군인 심센터(Simcenter), PLM 설루션인 팀센터(Teamcenter), 제조 운영 관리를 위한 옵센터(Opcenter), AI/에이전트 플랫폼인 멘딕스(Mendix)와 래피드마이너(Rapidminer), HPC, IoT 등으로 구성된다. 이에 더해 최근 인수한 닷매틱스(Dotmatics)를 통해 바이오 산업의 SaaS(서비스형 소프트웨어) 분야도 본격 공략할 예정이다. 주요 타깃 산업은 자동차, 전기·전자, 반도체, 조선, 기계, 항공국방, 배터리, 의료기기, 에너지, 프로세스 산업 등 10여 개 이상이다. 건설 산업에서는 직접적인 제품 포트폴리오는 크지 않지만, 지멘스 스마트 인프라(SI) 사업부의 빌딩 관리 및 알테어 시뮬레이션을 통해 협업하고 있다.   알테어 인수를 포함해 내부 조직 및 세일즈 체계에는 어떤 변화가 있었는지? 지멘스는 2007년부터 약 45조 원을 투입해 수많은 인수합병을 진행해 왔다. 현재 알테어, 지멘스 EDA(구 멘토그래픽스), 지멘스 디지털 인더스트리 소프트웨어를 모두 합쳐 한국에만 600명이 넘는 직원이 근무 중이다. 내부적으로는 모든 제품을 총괄하는 어카운트 세일즈와 특정 설루션에 특화된 스페셜티 세일즈 조직이 긴밀히 협업하는 체계를 갖추고 있다. 알테어와의 법인 통합은 올해 7월경으로 예상되며, 기존에 별도로 움직이던 지멘스 EDA 조직도 글로벌 산하로 사업 관리가 통합되었다.   산업 분야에서 AI 기술의 적용 현황과 지멘스의 전략을 소개한다면? 엔지니어링 레벨에서는 설계 툴인 NX의 코파일럿(Copilot) 등 AI 기능이 자리를 잡았고, 알테어를 인수하면서 물리적 시뮬레이션을 데이터 기반으로 보완하는 피직스 AI(Physics AI) 적용 사례가 늘고 있다. 알테어의 인수는 AI 기반 혁신의 큰 모멘텀이 될 것으로 기대하고 있다. PLM 분야에서도 RAG(검색 증강 생성)를 통해 기업 내·외부의 데이터를 엮어 리포팅 공수를 줄이는 작업이 진행 중이다. 특히 향후 기대되는 분야는 온톨로지(ontology)이다. 온톨로지는 부품이나 장비 등 데이터가 가진 속성 간의 숨겨진 관계를 찾아내서 ‘지식 그래프(knowledge graph)’를 만들고, 전사적 뷰에서 프로세스를 연결해 부서 간에 데이터가 단절되는 사일로(silo)를 없애는 기술이라고 할 수 있다. 무리하게 전사 시스템 전체를 통합하려다 실패하는 경우가 적지 않은데, 이와 달리 지멘스는 제조산업의 도메인 지식을 바탕으로 품질 관리 시스템의 고도화처럼 특정 영역부터 시작하는 바텀업(bottom-up) 방식을 채택했다. 2026년부터는 실질적인 비즈니스 가치를 현장에서 입증해 나갈 계획이다.   ▲ 지멘스가 엔비디아와 함께 개발한 디지털 트윈 컴포저   구체적인 AI 접근법과 최근 발표한 신제품에 대해 소개한다면? 지멘스는 ▲NX 등 툴 자체에 내장된 엔지니어링 AI ▲래피드마이너 등을 활용해 전사 내·외부 데이터를 엮는 데이터 패브릭 기반 AI ▲멘딕스 플랫폼과 PLM을 엮어 프로세스 자동화를 돕는 디지털 스레드 기반 에이전틱 AI(agentic AI) 등 세 가지 핵심 영역에 집중해 AI 전략을 추진하고 있다. PLM은 단순 관리 시스템을 넘어 AI가 장착된 프로세스 중심의 혁신 플랫폼으로 변화할 것이다. 이와 함께 지난 CES 2026에서 엔비디아와 공동 발표한 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 올 6월에 출시할 예정이다. 기존의 공장 시뮬레이션이 단방향으로 이뤄졌다면, 이 설루션은 실제 공장 데이터와 가상의 모델 공장이 양방향으로 실시간 데이터를 주고받으며 AI가 둘 사이의 차이(gap)을 분석하고 최적화해주는 리얼타임 메타버스 설루션이다. 여타의 디지털 트윈 설루션이 가진 과도한 코딩의 한계를 해결할 수 있을 것으로 기대한다.   최근 산업 분야별 비즈니스 트렌드와 기술 투자 현황에 대해서는 어떻게 보는지? 비용 절감과 제품 출시 시간 단축을 위해 가상 제품 개발(VPD), 디지털 트윈, 소프트웨어 중심 자동차(SDV) 등에 대한 관심과 투자가 크게 늘고 있다. 실제로 실제 제품을 사용하는 소음진동(NVH) 테스트 장비 시장은 정체되는 반면, 이를 가상화하는 시뮬레이션 투자는 증가하고 있다. 특히 시뮬레이션 데이터 관리(SPDM)에 대한 투자가 늘고 있는데, 지멘스의 팀센터 포 시뮬레이션(Teamcenter for Simulation)과 알테어가 가진 다중 시뮬레이션 및 HPC 호스팅 플랫폼인 알테어 원(Altair One)이 결합하면서 이 시장에서 경쟁력을 갖추게 되었다. 또한 디지털 매뉴팩처링(DM)을 통한 생산 프로세스 최적화도 현장에 깊이 자리 잡고 있는 상황이다.   새로운 기술이 등장하면서 기업에서는 이를 활용하는 데에 어려움도 느끼는 것 같다. 어떤 조언을 해 줄 수 있을지? 기술적인 호기심만으로 접근하지 말고 비즈니스 문제와 가치를 먼저 명확히 정의한 후에 투자를 결정해야 한다고 강조하고 있다. 또한 가장 중요한 것은 데이터의 소유권(ownership)을 절대 설루션 공급사에게 내주지 말아야 한다는 것이다. 특정 툴에 종속되지 않으려면 기업 스스로 전사 데이터 모델을 이해하는 데이터 아키텍트를 반드시 육성해야 한다. 지멘스 디지털 인더스트리 소프트웨어는 기업들에게 실질적인 도움을 주기 위해 다양한 노력을 기울이고 있다. 작년에 기업 임원급을 대상으로 ‘디지털 전환 아카데미’를 꾸준히 진행해 왔는데, 올해도 이런 활동을 이어갈 계획이다. 아카데미에는 한국타이어, LG이노텍, KG모빌리티 등 여러 국내 기업의 C 레벨 임원들이 직접 참석하고 있는데, 설루션 소개가 아닌 베스트 프랙티스와 문제 해결 경험담을 공유하면서 높은 참여율과 좋은 호응을 얻고 있다. 아카데미의 주된 목적은 수백억 원의 큰 투자나 거대 담론에 휩쓸리지 말고, 임원의 권한 내에서 당장 할 수 있는 작은 디지털 전환 과제부터 빠르게 실행할 수 있도록 독려하는 것이다.   2026년 국내 제조 시장 전망과 주요 비즈니스 계획을 소개한다면? 복잡한 대내외 환경 속에서도 주요 대기업들은 근본적인 혁신을 계속 추구할 것으로 보인다. 현대자동차 등의 오픈 이노베이션 가속화, 휴머노이드 로봇 산업의 성장, 전고체 배터리 등 신시장 혁신이 공격적으로 진행될 것으로 본다. 지멘스 디지털 인더스트리 소프트웨어는 올 한 해 AI를 산업에 적용해 실질적인 비즈니스 효과를 검증하고 확산하는 데 집중하고자 한다. 특히 조선 분야를 중심으로 디지털 트윈 컴포저의 현장 적용을 지원할 예정이다. 미국이나 중국 기업들이 호기심을 갖고 빠르게 테스트해 보는 반면 국내 기업들은 실행 속도가 다소 느린 경향이 있다고 느끼는데, 앞으로는 실패를 두려워하지 않는 과감한 실험적 투자 문화가 자리 잡기를 바란다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05
[칼럼] 온톨로지 디지털 트윈 정보화 시대
디지털 지식전문가 조형식의 지식마당   최근 인공지능이 우리 삶의 모든 면을 급격하게 변화시키고 있다. 혹자는 이것을 인공지능 전환(AI transformation 또는 AX)이라고 말한다. 그러나 실상은 그 이상이다. 디지털 전환(digital transformation : DX)이 본격적으로 시작한 것도 몇 년 되지 않았는데 다시 인공지능 전환이라니, 대부분 정보기술 분야의 이해당사자들은 당혹스럽다. 디지털 전환의 시대에 정보기술 분야에 일하는 사람들은 약간 안도했을 수도 있다. 이것은 정보화에서 디지털 기술의 심화가 디지털 전환으로 받아들였기 때문이다. 그러나 인공지능 전환은 조금 결이 다르다는 것을 느낄 것이다. 초기에는 빅데이터 분석(big data analytics)과 머신러닝은 연결고리가 있었다. 또한 CAD/CAM/CAE 분야와 시뮬레이션(simulation) 그리고 디지털 트윈(digital twin)도 연결고리가 있다. 이 모든 패러다임의 데이터 기반(datadriven)과 폐쇄형 시스템(closed system)이라는 패러다임을 공유한다. 다시 말해서 데이터 수집(data collection)이 중요하고 데이터 정의(data definition)가 핵심이다.  그러나 인간의 사고를 흉내내는 언어 중심의 인공지능에서 의사결정 구조에서 맥락(context)이 없는 데이터는 경직되고 의사결정에서 쓸모 없는 경우가 많다. 기업의 경쟁력은 더 이상 단순히 데이터를 ‘많이 보유’하는 데서 나오지 않는다. 핵심은 데이터를 어떻게 구조화하고, 어떻게 의미를 부여하며, 어떻게 의사결정으로 연결하느냐에 있다. 전통적 데이터 웨어하우스는 스타 스키마(star schema)와 스노우플레이크 모델을 중심으로 발전해 왔다. 이 구조는 대규모 분석을 가능하게 했지만, 급변하는 비즈니스 환경—규제 변화, 가격 정책 수정, 구독 모델 전환, AI 기반 실험—을 따라가기에는 점점 한계를 드러내고 있다.   그림 1. 온톨로지와 그래픽 데이터베이스   이제 기업은 고정된 테이블 중심 사고에서 벗어나, 시맨틱 그래프 기반 온톨로지(ontology)로 전환하고 있다. 이 전환을 가속하는 기술이 바로 LLM(Large Language Model : 대형 언어 모델)이다. 기존의 산업용 정보기술(industrial IT)은 마치 ‘콘크리트 신발’을 신고 달리는 것과 같다. 구조는 단단하지만, 방향 전환은 느리다. 온톨로지는 데이터를 ‘테이블’이 아니라 의미 있는 객체(object)로 본다. ‘고객’, ‘주문’, ‘제품’은 더 이상 테이블이 아니라 그래프의 노드다. 관계는 조인이 아니라 방향성 링크(directed edge)다. 이 접근은 그래프 데이터베이스 및 시맨틱 기술 발전과 맞물려, 현대 데이터 아키텍처의 핵심으로 자리잡고 있다. 이전에는 인공지능 프로젝트가 없거나 온톨로지, 디지털 스레드와 디지털 트윈, 그래프 데이터베이스(graph database)를 결합하려는 시도가 없던 것은 아니다. 다만 개발자, 담당자, 도메인 전문가는 너무 힘든 작업과 시간과 비용의 소모전이기 때문에 성공할 수 없는 방법론이었다. 단지 거대 방위산업 회사만이 가능했다. 그러나 LLM이 보편화되면서 이 모든 것이 가능해졌다. 이 패러다임은 온톨로지 기반 디지털 트윈(ontology based digital twin) 정보화이다. 복잡하게 들리지만, 현재 팔란티어라는 회사가 사용하고 있는 방법이다.   그림 2. 게임 체인저 LLM, 구축 비용의 혁신   새로운 온톨로지 디지털 트윈 정보기술의 패러다임의 비즈니스 혁신 효과는 다음과 같다.   의사결정 민첩성 규제 변경, 가격 정책 전환, 제품 피봇 시 노드와 링크만 추가하면 확장 가능   분석 부채 감소 기존 핸드크래프트 파이프라인 붕괴 문제 해소 데이터 팀은 유지보수가 아닌 가치 창출에 집중   데이터 민주화 현업 담당자가 직접 질문 : “지난달 프리미엄 사용자의 평균 구매 빈도는?” 엔지니어 도움 없이도 탐색 가능   비용 효율 스타트업 : 엔터프라이즈급 모델링 확보 대기업 : 스키마 드리프트 관리 자동화   그림 3. 온톨로지 패러다임 비교   전략적 시사점은 LLM 기반 온톨로지 자동화는 단순 기술 도입이 아니다. 이는 기업 운영 체계의 구조적 재설계다. 핵심은 데이터 → 의미 → 의사결정 연결 구조 구축, 인간과 AI의 역할 명확화, 온톨로지를 운영 자산으로 관리, 질의 기반 학습 구조 설계, 장기적 데이터 지능 축적 전략 수립이다.   그림 4. 디지털 트윈 정보 모델   결론적으로, 데이터 민주화에서 의사결정 민주화로 움직이면서 LLM 기반 온톨로지 자동화는 단순히 모델링 비용을 줄이는 도구가 아니다. 이는 의미 중심 데이터 구조, 자가 최적화 파이프라인, 복리적 지식 축적, 조직 전체의 분석 역량 확장을 가능하게 한다. 결국 이는 데이터 민주화 → 분석 민주화 → 의사결정 민주화로 이어지는 전환이다. 여기서 말하는 민주화는 책임지는 사람이 결정하고, 의사결정 과정을 투명하게 공유하는 과정을 의미한다. 설명되지 않는 인공지능 도움에 의한 의사 결정은 리스크가 크다. 앞으로의 경쟁력은 데이터를 얼마나 많이 보유했는가가 아니라, 데이터를 얼마나 의미 있게 연결했는가에 달려 있다. 그리고 그 연결을 자동화하는 시대가 이미 시작되었다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05
유니티, AW 2026서 ‘피지컬 AI’ 기반 AX 가속화 기술 공개
유니티가 3월 4일~6일 서울 코엑스에서 열리는 ‘2026 스마트공장·자동화산업전(AW 2026)’에 참가해 제조 산업의 AX(인공지능 전환)를 가속화하기 위한 피지컬 AI(physical AI) 기반 통합 워크플로와 핵심 기술을 선보인다. 유니티는 이번 행사에서 ‘유니티, 피지컬 AI를 가상에서 현장으로 연결하다’를 테마로 전시 부스를 운영한다. 부스(D562)에서는 제조 현장에서 AI를 도입·운영하는 과정에서 발생하는 데이터 병목을 해소하고, 디지털 트윈 운영 접근성을 높이는 기술과 인사이트를 공유할 예정이다. 특히 제조 현장의 주요 과제를 해결하는 실전형 데모를 공개한다. 먼저, 온디바이스 AI 추론 엔진인 ‘유니티 센티스(Unity Sentis)’를 활용해 별도의 고사양 서버 없이도 로봇이 실시간으로 사물을 인식하고 판단하는 과정을 선보이며, 산업 현장 장비 환경에서의 실질적인 AI 적용 가능성을 시연할 계획이다. 아울러 웹 기반 노코드 설루션 ‘유니티 스튜디오(Unity Studio)’를 통해 전문 개발 인력이 부족한 제조 현장에서도 엔지니어가 직접 디지털 트윈 시나리오를 구성할 수 있는 워크플로를 선보인다. 이번 시연에서는 클라우드 기반 관리 도구인 ‘유니티 애셋 매니저(Unity Asset Manager)’와의 연동을 통해 데이터 최적화부터 관리, 실제 운영에 이르는 전 과정을 선보임으로써 제조 공정의 효율 개선에 대한 실무적 인사이트를 제공할 예정이다. 한편, 3월 6일에는 유니티 코리아의 민경준 인더스트리 사업본부장이 ‘2026 산업지능화 콘퍼런스’의 기조 세션에서 CAD 데이터 최적화부터 ‘심투리얼(Simulation-to-Reality)’에 이르기까지 유니티 인더스트리가 제시하는 제조 AX 통합 로드맵을 발표한다. 유니티 애셋 트랜스포머 기반 데이터 준비 효율화 및 가상 검증 결과를 현장으로 적용 및 연결하는 ‘심투리얼’ 전략을 중심으로 제조 라이프사이클 혁신 방향을 공유할 예정이다. 유니티 코리아 송민석 대표는 “제조 산업의 AI 전환을 위해서는 복잡한 산업 환경 데이터를 직관적으로 시각화하고 제어하는 역량이 필수”라면서, “이번 전시는 유니티 인더스트리가 어떻게 제조 현장의 생산성을 실질적으로 혁신하고 있는지를 직접 확인하고 영감을 얻는 자리가 될 것”이라고 전했다.
작성일 : 2026-03-04
CAD&Graphics 2026년 3월호 목차
  INFOWORLD   Case Study 15 CES 2026에서 만난 언리얼 엔진 차세대 HMI부터 시뮬레이션, 몰입형 모빌리티 생태계까지 20 건설 인력 교육을 혁신한 지멘스와 에듀케이션XR의 디지털 툴 XR과 AI로 건설 분야의 차세대 전기 공학자 양성   Focus 24 플랜트 조선 컨퍼런스 2026, DX 및 AI가 이끄는 기술 진화와 산업 혁신 짚다 46 인텔, 코어 울트라 시리즈 3로 온디바이스 AI 및 에지 시장 공략 가속화 48 오라클, “DB를 넘어 데이터 중심의 AI 플랫폼 기업으로”   People&Company 30 지멘스 디지털 인더스트리 소프트웨어 오병준 한국지사장 AI·디지털 트윈으로 제조 현장의 실질적 가치 입증할 것   New Products 33 HP Z북 울트라 G1a 리뷰 / 정수진 CAE 실무 해석 프로젝트 성능 검증 40 현장을 디지털화하는 차세대 하이브리드 스캐닝 설루션 Stonex X70GO 43 이달의 신제품   Column 50 트렌드에서 얻은 것 No. 28 / 류용효 스마트 엔지니어링과 제조 지능화를 위한 AI 활용 전략 54 디지털 지식전문가 조형식의 지식마당 / 조형식 온톨로지 디지털 트윈 정보화 시대   On Air 57 캐드앤그래픽스 CNG TV 지식방송 지상중계 DX와 AI로 재도약하는 플랜트·조선 산업의 미래   58 News   Directory 107 국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 63 새로워진 캐디안 2026 살펴보기 (4) / 최영석 원 중심선 그리기 외 66 BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱 뮌헨 공과대학교 연구진의 오픈소스 3D 건물 데이터셋 개발 기술 70 데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (12) / 최하얀 다이세이의 모바일 CAD 도입과 건설 현장 워크플로의 혁신   Mechanical 73 제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (8) / 김성철 향상된 제너레이티브 디자인   Analysis 78 앤시스 워크벤치를 활용한 해석 성공 사례 / 박준수 복합재 날개 구조의 배치 설계와 파라메트릭 자동화 해석 88 심센터 HEEDS 더 깊게 살펴 보기 (3) / 이종학 심센터 HEEDS SHERPA의 최적 검색 원리 94 산업을 위한 AI와 버추얼 트윈 기술 (1) / 신정일 MBSE 기반 저탄소 친환경 선박 성능 검증의 프론트 로딩 97 성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스IT 고양력 항공기 형상의 공력 시뮬레이션 102 가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (5) / 오재응 모델 기반 시스템 엔지니어링에서 SysML의 역할     2026-3-dx-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기
작성일 : 2026-02-25