DN솔루션즈(DN Solutions)는 인도의 최대 금속 적층제조 장비·솔루션 공급업체인 인텍(INTECH Ad-ditive Solutions)사와 지분 투자 및 전략적 파트너십 계약을 체결했다고 밝혔다.   금속 적층 제조는 3차원 모델링 데이터를 기반으로 금속 소재를 층층이 쌓아 3차원 형상을 구현하는 기술로서 메탈 3D프린팅으로도 불린다. 이번 파트너십으로 DN솔루션즈의 금속 절삭 가공 분야의 전문성과 인텍의 금속 적층 제조를 위한 360° 종합 솔루션의 결합이 가능해졌다. 특히 DN솔루션즈는 금속 적층 분야에서 가장 활용도가 높고 발전된 기술인 레이저 파우더 베드 퓨전(Laser Powder Bed Fusion; LPBF) 기술을 추가하며 제품 포트폴리오를 확대할 수 있게 되었다. LPBF 기술은 금속 적층 제조 시장의 약 80%를 차지하며, 금속 분말을 얇게 도포한 후 레이저를 이용하여 금속 분말을 선택적으로 용융 및 융합하여 적층하는 방식으로 작동한다. 적층을 위한 플랫폼이 아래로 이동하면서, 추가 금속 분말이 도포되고 다시 용융(Melting) 및 융합(Fusion)하는 과정을 반복적으로 수행하여 점진적으로 최종 형상이 만들어지게 된다. 업계 전망에 따르면, 금속 적층제조 장비 시장은 2022년 약 1조 7,800억 원(11억 8,000만 유로)에서 연평균 26% 성장하여 2027년에는 약 5조 6,600억 원(37억 4,000만 유로) 규모로 성장할 것으로 예상된다. DN솔루션즈, 파트너십을 통한 성장과 전문성 강화 DN솔루션즈는 공작기계를 넘어, 제조 솔루션 제공자의 입지를 강화하기 위해 혁신 기술 기업에 대한 전략적 투자를 계속하고 있다. 제조 공정 전반의 오토메이션 플랫폼을 제공하고, 적층가공 등 다양한 가공 방식을 지원하기 위해서다.  앞서 DN솔루션즈는 2023년 독일의 공작기계용 CAD·CAM 소프트웨어 개발사 모듈웍스, 2024년 한국·미국 기반의 인공지능(AI) 플랫폼 기업 카본블랙, 지난 3월 17일 한국 로봇 자동화 기업 뉴로메카 등에 차례로 지분을 투자했고, 각각 긴밀하게 협력 중이다. 이번 인텍에 대한 투자도 그 연장선에 있는 전략적 결정이다. 김원종 DN솔루션즈 대표는 “DN솔루션즈는 인텍과의 이번 투자·협력을 통해, 금속 절삭 뿐만 아니라 금속 적층 제조까지 포함해 장비, 공정 기술, 소프트웨어 전반의 솔루션을 제공할 수 있게 되었다”면서, “자동차, 항공우주, 의료 기술, 전기·전자 등 시장에서 복잡한 형상과 내부 구조, 소재 효율성을 요구하는 분야나, 반도체 산업 공급 업체를 포함한 다양한 제조업 고객들의 성공을 지원할 수 있을 것으로 기대한다”고 말했다. 인텍 스리다르 발라람(Sridhar Balaram) 창립자·CEO는 “인텍의 디지털 지원을 기반으로 하는 360° 솔루션은 기존 시장의 표준을 넘어선다”며 “우리는 부품에서 시작해 개발 초기 단계부터 제조 안정화(Ramp-up) 및 생산 확대(Scaling)까지 고객과 함께한다”고 말했다. 한편, DN솔루션즈는 최근 인도의 풍부한 설계 역량 활용 계획을 잇따라 발표하며 첨단 제조 분야의 기술 리더십을 강화하고 있다. DN솔루션즈는 인도 벵갈루루 R&D센터를 올해 착공해, 조만간 한국·미국·유럽·중국 등으로 구성된 글로벌 엔지니어링 역량의 한 축을 맡길 예정이다. 인텍과의 파트너십은 이와 별도로 금속 적층이라는 새 분야에서 기술 역량을 강화할 전망이다.  경남 창원에 위치한 DN솔루션즈 R&D센터 KOTRA의 ‘2024 인도 진출전략’ 보고서에 따르면 인도는 매년 인도공과대학(IIT), 국립공과대학(NIT) 등 유수 공과대학에서 기계공학, 금속공학, 전기전자, 컴퓨터, 화학 분야 등의 엔지니어 150만명을 배출하는 기술 강국이다. 특히 DN솔루션즈 인도법인과 인텍이 자리잡고 있고, DN솔루션즈 신공장·R&D센터가 예정된 벵갈루루는 첨단제조·자동화·IT·소프트웨어·기초과학 분야의 최고급 인재가 풍부해 인도의 ‘실리콘밸리’로 불린다.  인도는 풍부한 엔지니어링 역량을 바탕으로 유니콘 기업 111개를 보유해, 세계 3위 규모의 스타트업 생태계를 이뤘다. 글로벌 기업들도 인도 내 대규모 연구개발 거점 확보에 열을 올리고 있다. 삼성전자, 현대차 등이 수천명 규모의 연구개발 인력이 근무중인 R&D 센터를 인도 현지에서 운영 중이다. GE, 지멘스, 보잉, 에어버스, ABB, 인텔, 퀄컴, 캐터필러 등 유수 글로벌 기업도 인도내 대규모 연구개발 거점을 운영 중이다.

HP가 AI 기반 게이밍 설루션 ‘오멘 AI(OMEN AI)’와 함께 차세대 게이밍 PC인 ‘오멘 맥스 16(OMEN MAX 16)’ 및 게이밍 주변기기 등 새 제품을 국내 출시했다. CES 2025에서 처음 소개된 이들 제품은 국내 게이머의 니즈를 충족하고 한 차원 높은 맞춤형 플레이 경험을 선사할 예정이다. 3월 25일 진행된 미디어 라운드테이블에서 HP 코리아의 소병홍 퍼스널 시스템 카테고리 전무는 “게이밍 PC 시장에서 AI는 단순한 성능 향상을 넘어, 각 사용자의 플레이 스타일을 학습하고 개인화된 환경을 조성하는 핵심 기술로 자리잡고 있다. 이제 AI는 게임 설정 최적화뿐 아니라 게이머 개개인의 특성을 반영한 맞춤형 경험을 제공하게 될 것”이라고 짚었다. 또한 “HP는 게이머가 성능 조정에 신경 쓰지 않고 플레이에 온전히 집중할 수 있도록 다양한 방식을 지원한다. 앞으로 AI 기술과 게이밍 하드웨어 혁신을 결합해, 게이머가 즐거운 플레이를 넘어 차별화된 경험을 만들어갈 수 있도록 최적의 설루션을 제공할 것”이라고 밝혔다. HP는 게임 성능을 한층 더 최적화해 주는 소프트웨어 ‘오멘 AI’를 이날 공개했다. 오멘 AI는 각 게임과 장비에 맞는 운영체제(OS) 및 게임 설정을 추천하는 개인 맞춤형 원클릭 설루션을 제공해, 게이머가 복잡하게 설정하지 않더라도 최상의 환경에서 게임을 즐길 수 있는 툴이다. 또한, AI 기반 게임 학습 설루션으로 지속적인 성능 최적화를 통해 게임 설정을 자동 조정하고 개선한다. 이 기능은 ‘카운터 스트라이크 2(Counter-Strike 2)’에 가장 먼저 적용되며 향후 다른 인기 게임에도 확대돼, 복잡한 세팅 과정을 더욱 간소화하고 전반적인 게이밍 경험을 향상시킬 전망이다.   ▲ 오멘 맥스 16 게이밍 노트북   HP의 최신 게이밍 노트북인 ‘오멘 맥스 16’은 게이머에게 가장 중요한 퍼포먼스에 중점을 둔 제품이다. 부드러운 게임 플레이와 향상된 반응 속도를 구현해 ‘검은 신화 : 오공(Black Myth : Wukong)’ 등 대규모 투자가 이루어진 AAA 타이틀에서도 게이머가 최고의 실력을 발휘하도록 돕는다. 이외에도 오멘 맥스 16에는 다양한 혁신 기술이 적용됐다. 이 제품은 최대 인텔 코어 울트라 9 200HX(코드명 애로우레이크), 최대 64GB DDR5 RAM을 탑재해 고사양 게임도 원활하게 실행 가능하다. 또한, 오멘 게이밍 허브(OMEN Gaming Hub)의 새로운 언리쉬드 모드(Unleashed Mode)를 이용하면 사용자가 직접 전력 설정을 조정할 수 있어 하드웨어의 성능을 극대화하거나 최적화해 사용 가능하다. 오멘 맥스 16에 탑재된 엔비디아 블랙웰 기반 지포스 RTX 5080 노트북 GPU는 게이머와 크리에이터에게 향상된 성능을 제공한다. AI 성능이 강화된 지포스 RTX 5080은 한 차원 높은 그래픽 성능과 새로운 경험을 선사한다. 엔비디아 DLSS 4로 성능을 극대화하고, 더욱 빠른 속도로 이미지를 생성하며, 엔비디아 스튜디오(NVIDIA Studio) 플랫폼을 적용해 창의력을 발휘할 수 있다. 또한, NIM 마이크로서비스를 활용해 AI 어시스턴트, 에이전트, 워크플로를 고성능으로 구축할 수 있다. 이 제품은 새로운 오멘 크라이오 컴파운드(OMEN Cryo Compound) 기술을 도입해 결합한 액체 금속과 금속 윤활유의 하이브리드 소재를 사용함으로써, 열 방출을 개선하고 과열을 방지한다. 또한, 오멘 템페스트 쿨링 프로(OMEN Tempest Cooling Pro) 아키텍처로 높은 냉각 성능을 제공하며, 인텔과 공동 개발한 팬 클리너(Fan Cleaner) 기술이 주기적으로 팬의 회전 방향을 변경해 먼지 쌓임을 방지하고 성능 저하를 줄인다. 오멘 맥스 16은 세련된 메탈 디자인을 갖춘 ‘세라믹 화이트’와 ‘섀도 블랙’ 두 가지 색상 옵션에 프리미엄 메탈 섀시를 적용해 매끈한 외형을 갖췄다. 전면 RGB 라이트 바와 하이퍼엑스 감성을 담은 개별 키 RGB 키보드 옵션을 제공하며, 오멘 라이트 스튜디오(OMEN Light Studio)를 활용해 사용자 맞춤형 효과 연출도 가능하다. 오멘 맥스 16은 하이퍼엑스 주변기기 및 HP 게이밍 생태계와 호환성이 높다는 점을 내세운다. HP 최초로 3세대 초저지연(Ultra Low Latency Gen 3) 기술을 사용하여 최대 3개의 하이퍼엑스 호환 장치를 동시에 연결할 수 있다. 또한, 새로운 초저지연 기술(ULL) 무선 주파수 설계 및 디스플레이 상단 힌지에 배치된 안테나로 높은 성능과 반응 속도를 제공한다.   ▲ 오멘 32x 스마트 게이밍 모니터   한편, HP는 HP 게이밍 모니터 중 최초로 구글 TV(Google TV)를 탑재한 게이밍 모니터 오멘 32x 스마트 게이밍 모니터를 출시했다. 이 제품은 4K UHD 해상도와 144Hz 주사율을 지원해 스트리밍, 클라우드 게이밍, 스마트 홈 애플리케이션을 하나의 장치에서 즐길 수 있도록 고안됐다. 뿐만 아니라 콘솔, 노트북, 데스크톱, 주변기기 및 안드로이드 스마트폰과도 호환 가능하며, 매끄러운 기기 간 전환을 지원한다. 특히 외부 하드웨어나 소프트웨어 없이 디스플레이 자체에서 최대 4개 플랫폼까지 직접 스트리밍이 가능해 스트리머에게 최적화된 환경을 제공하며, 전반적인 편리성을 높였다. HP 게이밍 주변기기 브랜드 하이퍼엑스는 게이머 개인에 맞춘 마우스 ‘펄스파이어 사가(Pulsefire Saga)’를 출시하면서, 모듈형 디자인을 갖춘 고성능 마우스 라인업을 확장했다. 이 제품과 함께 제공되는 부품으로 교체가 가능하며, 제공되는 8개 부품을 활용하면 최대 16가지 조합으로 마우스 커스터마이징이 가능하다. 추가 커스터마이징을 원할 경우 3D 프린터 유저를 위한 웹사이트인 프린터블스(Printables.com)에서 3D 프린팅이 가능하다. 뿐만 아니라 ‘사가 프로(Saga Pro)’는 듀얼 무선 연결을 지원, 일부 오멘 노트북과 동글 없이 즉각적인 연결이 가능하게 하는 등 편의성을 높였다.   ▲ 하이퍼엑스 펄스파이어 사가 프로 무선 게이밍 마우스   이번에 출시된 오멘 맥스 16는 지마켓, 옥션 등 이커머스 사이트에서 429만 원부터 판매되며, 오멘 32x 스마트 게이밍 모니터는 89만 9000원, 하이퍼엑스 ‘펄스파이어 사가’ 마우스 및 프로 마우스는 각각 9만 9000 원과 15만 9000원이다.

스트라타시스가 건양대학교 및 TPC메카트로닉스와 업무협약을 체결했다고 밝혔다. 이번 협약을 통해 3개 기관은 ▲최첨단 3D 프린팅 인프라 구축에 대한 협력 및 관련 기술 자료 등 공유 ▲건양대학교 내 3D 프린팅 교육센터(겸 스트라타시스 전시홍보관) 운영 협력 ▲스트라타시스 인증 교육 프로그램 운영 및 강사 지원 등을 위해 협력할 예정이다. 스트라타시스는 생산 비용 절감, 짧은 리드타임, 낮은 진입장벽 등을 내세운 3D 프린팅 설루션을 개발/공급하고 있다. 스트라타시스의 설루션은 FDM(Fused Deposition Modeling), 폴리젯(PolyJet), P3(Programmable PhotoPolymerization), SAF(Selective Absorption Fusion), SLA(Stereo Lithography Apparatus) 등 다양한 포트폴리오를 기반으로 자동차·항공우주·소비재·교육·의료·패션 등의 산업 분야에서 쓰이고 있다. 3D 프린팅에 대한 접근성은 그 어느 때보다 높아져 학생들의 창의성과 실습에 사용되고 있다. 스트라타시스의 교육 설루션은 프로토타입에서 최종 사용 부품에 이르기까지 신뢰할 수 있는 기술을 학교에 제공하는 것은 물론, 시간과 비용을 절약하고 강력한 서포트 시스템을 지원한다. 이러한 교육 설루션의 일환으로, 스트라타시스는 지속적으로 국내 대학교와 협력하여 첨단 제조 분야 인재 양성에 힘을 쏟고 있다. 스트라타시스는 2024년 2월 단국대학교 죽전캠퍼스에 단국대-스트라타시스 첨단제조융합연구센터(DSC)를 개소하고, 4차 산업혁명 시대를 견인할 3D 프린팅 분야 엔지니어 양성에 뜻을 모았다.     건양대학교의 김용하 총장은 “이번 협약을 계기로 기관 간 협력을 통해 글로컬대학사업 분야의 인프라 구축, 인재 양성 및 교육 발전을 위한 상호 협력 체계를 구축함으로써, 국방 산업을 발전시키는 데 더욱 노력할 것”이라고 밝혔다. 스트라타시스의 문종윤 지사장은 “스트라타시스는 수십 년 동안 업계 리더들과 협력한 경험을 바탕으로 3D 프린팅 설루션을 통한 첨단제조 분야 인재양성에 뜻이 있는 대학과 협업을 이어나가고 있다”면서, “이번 협약을 바탕으로 건양대학교의 3D 프린팅 교육센터가 스트라타시스의 최신 장비를 기반으로 핵심 산업 전반을 선도하는 R&D 허브이자 인재의 산실로서 도약할 수 있게 지원을 아끼지 않을 것”이라고 말했다.

  엔비디아가 미국 새너제이에서 열린 GTC에서 AI 팩토리의 설계와 최적화를 지원하는 새로운 엔비디아 옴니버스 블루프린트(NVIDIA Omniverse Blueprint)를 공개했다고 밝혔다. 이제 AI가 하나의 주류로 자리 잡으며, AI 훈련과 추론 전용 인프라이자 인텔리전스 생산의 핵심인 AI 팩토리에 대한 수요가 그 어느 때보다 급증하고 있다. 이러한 AI 팩토리(AI 훈련과 추론을 전담하는 특수 목적 인프라)의 대부분은 기가와트급 규모로 건설될 예정이다. 이러한 규모의 AI 팩토리를 구축하는 것은 엄청난 엔지니어링과 물류 작업이 필요한 일이다. 1기가와트 규모의 AI 팩토리 건설에는 공급업체, 건축가, 시공업체, 엔지니어 등 수만 명의 인력이 필요하며, 약 50억 개의 부품과 21만 마일 이상의 광케이블을 제작, 배송, 조립해야 한다. 엔비디아 창립자 겸 CEO인 젠슨 황(Jensen Huang)은 현지 시간으로 3월 18일 진행된 GTC 기조연설에서 엔비디아의 데이터센터 엔지니어링 팀이 옴니버스 블루프린트에서 1기가와트급 AI 팩토리를 계획, 최적화, 시뮬레이션할 수 있는 애플리케이션을 어떻게 개발했는지 그 과정을 소개했다. 엔지니어링 팀은 케이던스 리얼리티 디지털 트윈 플랫폼(Cadence Reality Digital Twin Platform)과 ETAP와 같은 선도적인 시뮬레이션 툴에 연결해 인프라 건설이 시작되기 훨씬 전, 전력과 냉각 그리고 네트워킹을 테스트하고 최적화할 수 있다. 시뮬레이션 우선 접근 방식을 채택하는 엔지니어링 AI 팩토리 AI 팩토리 설계와 운영을 위한 엔비디아 옴니버스 블루프린트는 오픈USD(Universal Scene Description, OpenUSD) 라이브러리를 사용한다. 이를 통해 개발자는 건물 자체, 엔비디아 가속 컴퓨팅 시스템, 슈나이더 일렉트릭(Schneider Electric)이나 버티브(Vertiv)와 같은 공급업체의 전력 또는 냉각 장치 등 서로 다른 소스에서 3D 데이터를 수집할 수 있다. 이 블루프린트는 수십억 개의 AI 팩토리 구성 요소에 대한 설계와 시뮬레이션을 통합함으로써 엔지니어가 다음과 같은 복잡한 문제를 해결할 수 있도록 돕는다. l  구성 요소 통합과 공간 최적화 - 엔비디아 DGX SuperPOD, GB300 NVL72 시스템 그리고 50억 개의 구성 요소의 설계와 시뮬레이션을 통합한다. l  냉각 시스템 성능과 효율성 - 엔비디아 쿠다(CUDA)와 옴니버스 라이브러리로 가속화된 케이던스 리얼리티 디지털 트윈 플랫폼을 사용해 버티브와 슈나이더 일렉트릭의 하이브리드 공랭식 또는 수랭식 솔루션을 시뮬레이션하고 평가한다. l  전력 분배와 신뢰성 - ETAP로 확장 가능한 이중화 전력 시스템을 설계해 전력 블록의 효율성과 신뢰성을 시뮬레이션한다. l  네트워킹 토폴로지(Networking topology)와 논리 - 엔비디아 스펙트럼-X(Spectrum-X) 네트워킹과 엔비디아 에어(Air) 플랫폼으로 고대역폭 인프라를 미세 조정한다. 옴니버스로 엔지니어링 사일로 해소 AI 팩토리 건설에서 가장 큰 과제 중 하나는 전력, 냉각, 네트워킹 등 각 분야의 팀이 개별적으로 운영되면서 비효율성과 잠재적인 오류를 초래한다는 점이다. 옴니버스 블루프린트를 활용하면 엔지니어들은 다음과 같은 방식으로 협업할 수 있다. l  맥락을 공유하며 협업 - 여러 엔지니어링 분야가 실시간 시뮬레이션을 공유하며 병렬로 설계하고 조정할 수 있어, 한 영역의 변경이 다른 영역에 미치는 영향을 즉시 파악할 수 있다. l  에너지 사용 최적화 - 실시간 시뮬레이션 업데이트를 통해 AI 워크로드에 가장 효율적인 설계를 도출할 수 있다. l  오류 발생 지점 제거 – 배포 전에 이중화 구성을 검증함으로써 비용이 많이 드는 다운타임 위험을 최소화할 수 있다. l  실제 환경 모델링 - 다양한 AI 워크로드가 냉각 성능, 전력 안정성, 네트워크 혼잡도에 미치는 영향을 예측하고 테스트할 수 있다. 이 블루프린트는 실시간 시뮬레이션을 각 엔지니어링 분야와 통합함으로써 운영 비용 모델링과 전력 활용 최적화를 위한 다양한 구성 방안을 탐색할 수 있도록 한다. 실시간 시뮬레이션으로 빨라지는 의사 결정 젠슨 황 CEO의 시연에서 엔지니어들은 실시간으로 AI 팩토리 구성 요소를 조정하고 그 영향을 즉시 확인할 수 있었다. 예를 들어, 냉각 레이아웃을 조금만 조정해도 효율성이 크게 개선됐는데, 이는 기존 문서 기반 설계에서는 놓치기 쉬운 요소이다. 또한, 기존에는 몇 시간씩 소요되던 시뮬레이션 결과를 단 몇 초 만에 확인해 전략을 테스트하고 개선할 수 있었다. 최적의 설계가 확정된 후에는 공급업체와 건설 팀과의 원활한 소통을 도와 실제 건축물이 모델 그대로 정확한 시공이 이루어질 수 있도록 보장했다. 미래를 대비하는 AI 팩토리 AI 워크로드는 지속적으로 변화한다. AI 애플리케이션의 차세대 물결은 전력, 냉각, 네트워킹에 대한 수요를 더욱 증가시킬 것이다. AI 팩토리 설계와 운영을 위한 옴니버스 블루프린트는 이러한 변화에 대비할 수 있도록 다음과 같은 기능을 제공한다. l  워크로드 인식 시뮬레이션 - AI 워크로드의 변화가 데이터센터 규모에서 전력과 냉각에 어떤 영향을 미칠지 예측한다. l  장애 시나리오 테스트 - 전력망 장애, 냉각 누수, 전력 급등을 모델링해 시스템 회복력을 보장한다. l  확장 가능한 업그레이드 - AI 팩토리 확장을 계획하고, 몇 년 후의 인프라 요구 사항을 예측한다. 또한 개조와 업그레이드를 계획할 때 비용과 다운타임을 쉽게 테스트하고 시뮬레이션해 미래에 대비한 AI 팩토리를 구축할 수 있다. AI 팩토리 운영자에게 있어 앞서 나간다는 것은 단순히 효율성을 높이는 것만이 아니라, 하루에 수백만 달러의 비용이 발생할 수 있는 인프라 장애를 방지하는 것이기도 하다. 1기가와트 AI 팩토리의 경우, 매일 발생하는 다운타임으로 1억 달러 이상의 비용이 발생할 수 있는데, 이 블루프린트는 인프라 문제를 미리 해결함으로써 위험과 배포 시간을 모두 줄여준다. AI 팩토리 운영을 위한 에이전틱 AI로 가는 길 엔비디아는 AI 기반 운영으로 확장하기 위한 다음 단계의 블루프린트를 마련하기 위해 버테크(Vertech)와 파이드라(Phaidra)와 같은 주요 기업들과 협력하고 있다. 버테크는 엔비디아 데이터센터 엔지니어링 팀과 협력해 고급 AI 팩토리 제어 시스템을 개발하고 있다. 이 시스템은 IT와 운영 기술 데이터를 통합해 운영 안정성과 가시성을 향상시킨다. 파이드라는 엔비디아와 협력해 강화 학습 기반 AI 에이전트를 옴니버스에 통합하고 있다. 이러한 에이전트는 실시간 시나리오 시뮬레이션을 통해 열 안정성과 에너지 효율을 최적화한다. 그리고 하드웨어와 환경 변화에 맞춰 지속적으로 적응하는 디지털 트윈을 생성한다. AI 데이터센터의 폭발적 성장 AI는 전 세계 데이터센터 환경을 빠르게 재편하고 있다. AI 기반 데이터센터 업그레이드에 1조 달러가 투자될 것으로 예상되는 가운데, 디지털 트윈 기술은 더 이상 선택이 아닌 필수다. AI 팩토리 설계와 운영을 위한 엔비디아 옴니버스 블루프린트는 엔비디아와 파트너 에코시스템이 이러한 변화를 주도할 수 있도록 지원한다. 이를 통해 AI 팩토리 운영자는 끊임없이 진화하는 AI 워크로드에 앞서 나가고, 다운타임을 최소화하며, 효율성을 극대화할 수 있다. 관련 링크 디지털 트윈을 활용해 기가와트급 AI 팩토리 구축하기    

이에이트가 3월 13일 열린 ‘AI자율제조혁신포럼’에서 제조 데이터 온톨로지 기반 디지털 트윈 기술을 발표하며, 스마트 공장의 혁신적인 접근 방식을 제시했다고 밝혔다.   온톨로지란 특정 도메인 내 개념, 범주, 속성, 관계를 정의하는 일종의 지식 표현 방식을 말하며, 데이터가 단순 숫자에서 ‘의미 있는 정보’로 변환하게 된다. 스마트 공장에서 IoT 기술은 데이터 수집과 모니터링을 담당하지만, 데이터 간 의미를 연결하고 지능형 분석을 수행하는 것은 온톨로지 기법이 필요하다. IoT가 센서를 통해 ‘현재 상태’를 제공한다면, 온톨로지는 ‘왜 이런 상태가 발생했는지’, ‘어떤 조치를 취해야 하는지’를 분석하고 예측하는 역할을 한다.   제조업은 수많은 데이터가 다양한 형태로 존재하게 되는데 때문에 이기종 데이터 통합과 AI의 데이터 이해력 향상 및 공정 간 상호운용성 확보를 위해서는 데이터 온톨로지가 필요하다. 제조 데이터 온톨로지를 통해 제조의 설비, 공정, 품질, 인력 등 제조 도메인의 객체와 상호작용을 표현하게 된다.   이에이트의 스마트 공장 설루션에서는 IoT 센서를 통해 설비 및 공정 데이터를 실시간으로 수집하고, 데이터 의미 체계화 및 관계 정의를 통해 온톨로지를 설계하고, 이를 기반으로 디지털 트윈을 구축해 가상 공정을 실행한다. 공정 중 이상 감지 시 온톨로지가 원인 변수를 식별해내게 되는 것이다. 공장 부품 생산 라인에서 이러한 흐름은 실시간 품질 유지에 핵심 요소가 된다.   제조 데이터 온톨로지를 활용하면 데이터 분석 시간이 단축되어 의사 결정이 빨라지고, 실시간 최적화로 인간의 개입이 최소화되어 24시간 스마트 공장 운영이 가능해진다. 그러나 제조 디지털 트윈 구축에 필수적인 데이터 온톨로지는 산업별 데이터 형식의 차이로 통합의 난이도가 있기 때문에 설계 및 유지에 상당한 비용과 전문성이 필요하다. 이에이트는 기술적 기반으로는 OWL(Web Ontology Language), RDF(Resource Description Framework) 등을 활용하여 데이터 표준화로 디지털 트윈의 정확성을 높이고 AI가 추론할 수 있는 기반을 제공한다. 이에이트는 “이를 통해 제조업의 디지털 전환을 가속화하고, AI 기반 스마트 공장 구현에 앞장서 나갈 것”으로 기대하고 있다.   이에이트의 플랫폼 본부장인 류수영 전무는 “온톨로지 기반 제조 데이터 활용은 스마트 공장의 핵심이며, 단순한 데이터 수집을 넘어 AI가 실질적인 의사 결정을 내릴 수 있는 환경을 조성해준다”면서, “이에이트는 제조 디지털 트윈 기술의 혁신을 주도하며, 더욱 정밀하고 지능적인 공정을 실현하기 위해 지속적으로 연구개발을 이어갈 것”이라고 밝혔다.   

헥사곤 매뉴팩처링 인텔리전스가 포뮬러원(F1) 팀인 오라클 레드불 레이싱과의 혁신 파트너십을 갱신한다고 발표했다. 지난 18년간 오라클 레드불 레이싱과 기술 파트너십을 진행해 온 헥사곤은 첨단 3D 레이저 스캐닝 및 디지털화 솔루션을 제공해 팀이 정상의 자리를 지킬 수 있도록 지원할 계획이다. 양사는 파트너십을 기반으로 지난 2024년 팀 소속 드라이버 맥스 페르스타펜(Max Verstappen)의 월드 드라이버 챔피언십 4연패에 이어 양 사 간의 혁신, 비즈니스 지원 및 성공을 이어갈 것이다. 또한 헥사곤은 파트너십을 확장해 오라클 레드불 심 레이싱(Sim Racing) 팀을 지원하게 된다. 이로써 가상 레이싱과 실제 F1 레이싱 간의 기술적 간극을 좁힐 것으로 기대된다. 이번 파트너십은 2026년 시즌부터 적용되는 F1의 새로운 기술 규정을 앞두고 특히 중요한 의미를 갖는다. 2026년에는 모든 F1 팀이 차량을 완전히 새롭게 설계해야 하는 대대적인 규정 변화가 예정되어 있다. 국제자동차연맹(FIA)은 이러한 변화가 더 민첩하고, 경쟁력 있으며, 안전하고 지속 가능한 레이싱의 시대를 열 것이라고 설명했다. 헥사곤은 오라클 레드불 레이싱이 이러한 규정 변화 속에서도 혁신을 주도하고, 새로운 규정에 최적화된 경쟁력 있는 차량을 개발할 수 있도록 디지털 기술을 지원한다는 계획이다.     헥사곤은 매 시즌 수천 개의 설계 변경이 필요한 F1 환경에서 자사의 품질 검사와 디지털화 기술을 레드불 레이싱의 엔지니어링 과정에 통합했다. 이를 통해 팀은 높은 수준의 속도와 민첩성을 확보할 수 있게 됐다. 헥사곤 기술이 가진 정확성은 F1에서 요구되는 높은 정밀도와 품질을 보장해 신뢰성과 생산성을 실현한다. 또한 헥사곤의 빠른 데이터 수집 능력은 오라클 레드불 레이싱이 경쟁 우위를 유지하고, 신속한 설계 개발에 필요한 신뢰할 수 있는 정보를 확보할 수 있게 한다. 이러한 기술적 혁신 덕분에 오라클 레드불 레이싱은 지난 2년간 부품 결함을 50% 줄이는 성과를 달성했다. 헥사곤의 초고속 3D 스캐닝 기술로 수집된 데이터는 매 경주마다 차량을 재조립할 때 모든 부품이 정확히 조립되도록 보장한다. 이는 FIA 규정에서 요구하는 품질 기준을 충족시키기 위해 필수적인 요소로, 팀이 지출 상한선을 준수하면서도 고도의 정밀도를 유지할 수 있게 한다.  2025년 F1 시즌은 10개 참가팀 중 8개 팀이 시즌 중간에 드라이버를 교체함에 따라, 그 어느 때보다 치열한 경쟁이 예상된다. 이런 상황에서 헥사곤의 3D 레이저 스캐닝 기술과 트랙 사이드 지원은 공기저항을 정밀하게 개선하고, 매 경주마다 팀이 그리드 최전방에 설 수 있도록 정확한 세팅을 보장하는 핵심 역할을 수행한다. 특히 헥사곤의 기술은 차량의 공기역학적 성능을 최적화해 항력(drag)을 줄이고 다운포스(downforce)를 증가시키는 데 기여하고 있다.  오라클 레드불 레이싱의 크리스찬 호너(Christian Horner) CEO 겸 단장은 “헥사곤은 레이싱 팀의 성공에 오랜 기간 핵심적인 역할을 해온 중요한 파트너”라면서, “오라클 레드불 레이싱은 기술 파트너 선정에 매우 신중한데, 헥사곤은 앞으로도 레드불 레이싱의 경쟁력을 뒷받침할 것”이라고 말했다. 헥사곤 매뉴팩처링 인텔리전스의 조쉬 와이즈(Josh Weiss) 글로벌 총괄 사장은 “헥사곤의 첨단 측정 기술은 실제 경기 성과로 이어지는 데 중요한 역할을 해왔다. 양사는 혁신과 탁월함을 추구하는 가치를 공유하고 있으며, 앞으로의 시즌 도전은 물론 2026년부터 시작될 더욱 친환경적이고 역동적인 F1의 새 시대를 함께하게 되어 기쁘다”고 말했다.

BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (1)   해가 갈수록 제품의 복잡도는 크게 증가하고 있고 이와 대조적으로 개발 주기는 급격하게 짧아지고 있기 때문에, 그동안 성공 스토리에 기여할 수도 있었던 개인의 역량 의존과 독립된 의사결정은 더 이상 유용한 전략일 수 없게 되었다. 제품 개발의 참여자들이 소통하고 협력하는 플랫폼과 커뮤니티를 통해 서로 숙고하고 숙의하는 환경이 보다 성공적인 비즈니스로 자리잡아 가게 되었다. 이번 호부터 제품 개발의 프로젝트를 소통과 협력의 프로세스로 전환해 가기 위한 좋은 방안으로써 BPMN(Business Process Modeling Notation)을 살펴보고, 이를 활용해 보고자 한다. 앞으로 5회의 연재를 통해 제품 개발 프로젝트를 비즈니스 프로세스로 연착륙하는 방법에 대해 논의하고자 한다.   ■ 연재순서 제1회 비즈니스 프로세스 모델링이 필요한 이유 제2회 BPMN은 무엇일까? 제3회 비즈니스 프로세스 모델링을 배워보자 제4회 간단한 제품 개발 프로세스를 디자인해보기 제5회 클라우드 서버 환경에서 BPMN을 연결하는 설루션 탐구   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 가브리엘 데그라시 이탈리아 Esteco사의 프로젝트 매니저   제품 개발 과정의 효율적 관리 필요성 일반적으로 제품 개발은 복잡한 절차와 다양한 참여자, 그리고 광범위한 자원의 투입으로 이루어지는 경우가 많다. 그리고 상대적으로 긴 제품 개발 기간 및 오랜 생애주기(long lifecycle)를 가지는 특징이 있다. 최근 요구되는 부품 개발과 구조가 다소 단순화가 되었다고는 해도, 여전히 복잡한 아키텍처와 콘셉트 개발부터 양산에 이르는 과정에서 변경되는 정보를 추적하고 빠르고 효율적인 의사결정을 진행하는 것은 상당히 복잡한 문제이다.  그동안 이러한 문제를 해결하기 위해 다양한 방법과 노력이 진행되어 왔으며 특정 영역에서는 상당한 성과를 나타내고 있다. 특히 프로젝트 관리 시스템(project management system)의 구축 및 업무 전반에 걸친 프로세스의 정립 등은 업무를 보다 체계화하며 추적성을 높일 수 있는 유용한 방법임을 입증하고 있다. 하지만 이렇게 유용한 방법을 제대로 정의하기 위해서는 실제 업무를 수행하는 실무 단위 레벨로 내려가 참여자들이 비즈니스를 이해하고 토의를 하는 자리를 마련하고 상호 협의해 나가는 도구(툴, 설루션)의 역할 또한 중요하게 된다.   그림 1. 대표적인 프로젝트 관리 시스템   그동안 대부분의 실무 부서에서 업무를 정의하고 분류하면서 참여자의 역할과 권한을 설정하고 단계적 액티비티를 할당하는 등의 비즈니스 프로세스를 구현하는 도구는 오피스 문서(파워포인트 및 엑셀)가 전적이었다고 해도 과언이 아닐 정도로 비중이 높은 것이 현실이었다. 오피스 문서는 차량 개발의 참여자 누구나 손쉽게 접근하여 사용할 수 있다는 장점이 있지만, 문서를 만들어 저장하고 공유하는 것 이외에는 비즈니스 프로세스를 정의하고 역할과 권한을 분류하여 체계화하는 데에는 어려움이 많았다. 또한 프로젝트 관리 시스템같은 IT 시스템과의 연결성과 추적성을 확보하는 것에도 한계가 뚜렷했다.   그림 2. 오피스 기반 비즈니스 프로세스 정의   이번 호부터 연재를 통해 비영리 컴퓨터 산업 표준을 연구하고 제정하는 OMG(Object Management Group)에서 개발하여 오픈소스로 배포하는 BPMN(Business Process Modeling Notation)을 활용하여 이러한 문제를 해결하려는 시도를 공유해보고자 한다.    그림 3. BPMN 활용 예제(https://camunda.com/bpmn)   이번 연재에서는 다음과 같은 내용을 다루어 보고자 한다. BPMN에 대한 기술을 개괄적으로 요약하고 오픈소스인 비즈니스 프로세스 모델러(Business Process Modeler)를 통해 간단한 프로세스를 정의해 나가는 방법을 정의하고 비교적 단순한 콘셉트 단계 제품 개발 프로세스를 선정하여 구현해 보고 이를 데이터 워크플로와 결합하여 클라우드 서버(설루션) 기반으로 데이터의 저장 및 관리 영역으로의 확장 가능성을 탐색해 보고자 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (10)   크레오 파이핑 및 케이블링 익스텐션(Creo Piping and Cabling Extension : PCX)은 다양한 종류의 산업과 유형의 파이핑 및 케이블링을 지원하여 전체 설계 프로세스를 간소화하고 가속화하는 크레오의 모듈이다. 이번 호에서는 크레오 파이핑에 대해 알아보자.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   크레오 파이핑은 라이브러리를 이용하는 사양 설계(Spec_driven)와 비 사양 설계(Non_Spec_driven)로 나눌 수 있다. 이번 호에서는 비 사양으로 파이핑을 생성한다. 비 사양 파이핑은 직선이거나 유연한 파이프 세그먼트 세트로 정의하며, 파이핑 시스템은 일반적으로 파이프 세그먼트의 비브랜치 체인으로 구성된 여러 파이프라인을 갖는다. 필요한 파이프라인을 미리 지정한 다음 라우팅에 필요한 파이프라인을 선택하면 된다. 파이핑은 파이프라인을 어셈블리 피처로 어셈블리에 저장하며, 현재 단순화 표현의 컴포넌트를 참조하여 서브 어셈블리에 파이프라인의 경로를 설정하고 수정할 수 있다. 어셈블리 모드에서 사용 가능한 동일한 기능으로 서브 어셈블리를 생성하고 삭제할 수 있다. 파이핑 시스템을 정의하려면 라인 스톡, 파이프라인 매개 변수, 사용 가능한 배관 유형, 코너 유형 등과 같은 특징을 지정해야 한다.  라인 스톡 : 재료, 바깥 지름, 배관 유형, 코너 유형 및 기타 파이프 매개 변수를 정의한다. 라이브러리에 저장하기 위해 라인 스톡 매개 변수를 파일에 기록할 수 있다.  파이프라인 매개변수 : 라인마다 파이프 이름, 통과되는 액체나 기체 유형, 진행 방향과 압력과 같은 사용자정의 매개 변수 등을 정의할 수 있다. 배관 유형 : 파이프 세그먼트의 배관 유형은 다양하다. 직선(강체), 유연, 또는 대체 직선과 유연 세그먼트로 구성될 수 있다. 일반적으로 피팅을 그대로 두거나 격벽을 통과하는 경우와 같이 호스 경로를 설정하고 짧은 단면의 탄젠트를 제어해야 할 경우에만 대체 세그먼트를 사용하기도 한다.  코너 피팅 : 코너는 맞추거나 사접하거나 벤드할 수 있다. 그러면 지금부터 크레오 11.0에서 비사용 파이핑을 생성해보자.어셈블리 파일을 열어 파이핑을 연결하고자 하는 시작과 끝을 각각 확인한다.이번 호에서는 다음의 그림과 같이 두 부분에 시작과 끝을 정해 파이핑을 생성하고자 한다.     먼저 부품을 열어 시작과 끝지점에 좌표계 및 기준 점을 생성한다. 왼쪽 부품인 exchanger.prt를 열어 좌표계를 생성한다.  원점 탭에서 축과 평면으로 원점을 선택하고, 방향 탭으로 이동 후 X, Y, Z 축을 설정한다.     이 방법으로 아래쪽도 그림과 같이 좌표계를 모두 생성한다. 좌표의 이름도 각각 변경한다. 좌표의 이름은 추후 도면에 표시할 것이기 때문에, 알기 쉽게 이름을 지정한다.      다음 파이프라인으로 연결하고자 하는 부분에 기준점을 생성한다. 각 부품에 기준점을 만들고, 파이핑 생성 시 기준점들을 연결하여 파이프라인을 생성하게 된다. 그렇기 때문에 파이프라인을 생성하고자 하는 곳에 기준점을 생성해야 한다. 기준점은 앞에서 만든 좌표계를 기준으로 점을 생성하기 위해 오프셋 좌표계로 생성한다.      EXCHANGER_END 좌표를 참조로 설정한 후, 그림과 같이 세 개의 점을 생성한다.     작업을 모두 마친 후 아래 파이프 연결 부분인 EXCHANGER_ STRAT도 오프셋 좌표계를 통해 점을 생성한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공 사례   전자장비에서 발생하는 열을 배출하기 위해서 팬(fan)은 중요한 역할을 한다. 특히 단위 부피당 발열량이 크고 부품 간의 공간이 넉넉치 않은 협소한 고집적 전자장비에서는 팬의 활용이 필수이다. 좁은 공간에서 자연대류에만 의존할 경우, 기류가 막혀 열이 정체되고 과열로 이어질 수 있다. 이 때 팬이 있으면 강제대류로 열전달 매커니즘을 바꾸어 주고, 히트싱크에서 핀의 간격이 좁은 경우에도 방열 효율을 크게 높일 수 있다. 팬이 포함된 해석을 하기 위해서는 어떠한 이슈가 있고, 이를 해결하기 위한 방법은 무엇이 있는지 이론적 내용과 함께 살펴보자.   ■ 전상우 태성에스엔이 EBU-LF팀의 매니저로, 열유동 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다.  홈페이지 | www.tsne.co.kr   그림 1. 단순화를 적용하지 않은 팬   팬의 단순화 일반적으로 생각하는 팬의 모습은 <그림 1>의 모습이다. 하지만 해석에 적용할 때는 블레이드의 모양을 있는 그대로 살려서 해석에 반영하기보다는, <그림 2>처럼 면으로 단순화하여 적용하는 경우가 대부분이다. 회전체 모사 방법으로 무빙 메시(moving mesh) 또는 MRF(moving reference frame)를 적용하는 방법도 있으나 이번 글에서는 논외로 한다. 팬을 원 모양의 2차원 면으로 단순화하면 얻을 수 있는 이점이 크다. 블레이드 형상의 특성 상 날개가 전체적으로 얇을 뿐만 아니라 끝단 부분은 더욱 뾰족한 모양이다. 이런 생김새는 요소의 종횡비를 크게 하고, 요소 품질이 떨어지거나 심할 경우 마이너스 볼륨 격자가 생성될 위험도 있어 사용자가 신경 써서 메시를 생성해야 한다. 최근에는 우수한 요소 생성 알고리즘 덕분에 자동 메시 생성으로 잘 해결되는 경우도 있으나, 요소 개수 및 해석 소요 시간 측면에서도 단순화하는 것이 압도적으로 유리하다.   그림 2. 팬의 단순화 적용 전(왼쪽)과 후(오른쪽)   형상의 단순화는 팬 뿐만 아니라 다른 상황에도 자주 사용된다. 스펀지처럼 구멍이 많은 다공성 매질이나 타공판이 겹겹이 쌓인 그릴에도 형상 단순화를 적용할 수 있다. 이는 유동 해석 관점에서는 유동 저항이 주된 관심사이기 때문에 가능하다. 국소적인 각각의 구멍에서 속도와 압력을 모두 정확히 구현하기보다는 시스템 레벨에서의 유동 양상을 알고 싶을 때는, 다공성 매질 전체에 대한 저항을 정의하면 구멍 모양을 모두 살리지 않은 육면체 또는 면으로 단순화할 수 있다.    팬의 단순화 원리 제법 복잡하게 생긴 팬을 어떻게 2차원 동그라미 하나로 대체할 수 있는 것인지, 그 원리를 조금 더 자세히 알아보자.  유체는 진행 경로에 따라서 점점 압력이 떨어진다. 점점 떨어지다가 팬을 만나면 압력이 다시 올라간다. 팬은 유동 경로의 중간에서 승압 효과를 내는 것이다. 유체가 팬을 지나기 직전의 압력과 지나간 직후의 압력의 차이를 알 수 있다면, 해석 상에서 팬의 영향을 그래프 하나로 대체할 수 있다.   그림 3. 팬에 의한 승압 효과   유동 해석을 하면 결국 풀고자 하는 변수는 해석 영역 내부 각 위치에서의 속도와 압력이다. 따라서 팬에 의해서 압력이 어떻게 변하는지를 미리 알 수 있다면, 즉 유체가 팬을 통과하기 전과 통과한 이후의 압력차를 알 수 있다면, 그리고 이를 해석에 반영한다면 팬의 모양 자체는 중요하지 않게 된다. 이는 팬이 포함된 시스템 전체의 유동 양상이 중요한 경우에 적절하다.  만약 시스템 전체의 유동 양상을 알고자 하는 것이 아니라, 블레이드의 모양이나 종류에 따른 팬 자체의 성능 테스트를 할 때는 단순화를 적용하는 것은 적절하지 않다. 이 때는 블레이드의 모양이나 rpm 등에 따라서 차압이 달라질 것이기 때문에, 무빙 메시 또는 MRF 방법을 적용한 해석이 필요하다.   그림 4. 팬 성능 테스트 해석 형상     ■ 자세한 기사 내용은 PDF로 제공됩니다.

무엇을 위해서 모델을 활용하는가?   자동차 뿐만 아니라 다양한 분야에서 모델 기반 개발을 도입하려는 노력이 지난 몇 년 동안 가속적으로 진행되고 있다. 한편, 대처를 시작했지만 설계 개발의 현장에서는 잘 활용할 수 없는, 어느 새 수단이 목적화되어 대처가 형해화되고 있는 과제가 현실화되고 있는 것도 사실이다. 이번 호에서는 MBD(모델 기반 개발)를 활용한 프로세스의 모습과 현상을 대비하면서, 어떻게 ‘현장에 뿌리내린’ 틀을 구축해 가는지 그 포인트와 비결을 설명하고자 한다.   ■ 오재응 LG전자 기술고문, 한양대학교 명예교수   제조 관점에서 MBD에 대한 기대 MBD에 기대되고 있는 것은 제조의 관점에서 두 개의 포인트로 나타나고 있다. 탄력성 – 공급자 체인의 강인화 : 최근의 반도체 부족과 같이, 갑자기 재료나 부품을 입수할 수 없게 되는 리스크에 대해서 어떠한 대응을 취할지 생각해 둘 필요가 있다. 녹색 – 탄소 중립에 대응 : 예를 들어, 애플은 제조에서 폐기, 재활용에 이르는 제품의 라이프사이클 전체에서 탄소 중립을 목표로 하기 위해 각 공급업체에 대해서도 탄소 풋프린트를 제공하도록 요구하고 있다. 또한 2030년~2035년에 사실상 내연기관을 가진 신차의 판매는 금지된다는 규칙이나 규격의 변경에 의한 리스크에도 대비해야 한다. 그렇다면 실제로 어떻게 준비해야 할까? 제조 관점에서 두 개의 관점을 바탕으로 설명한다. 기술적 효율성 – Ordinary Capability : 이것은 설계 개발의 효율성을 찾는 것이다. 기존 모델 기반 개발에서 기대해온 비용 절감, 업무 효율성 및 업무 품질 개선, 설계 품질 향상, 제품 성능 향상이 가능하다. 고객 요구사항 일치 – Dynamic Capability : 변화하는 고객의 요구에 대응하기 위해서는 유연성을 착용하는 것이 중요하다는 것을 보여준다. 이를 위해 필요한 능력은 세 가지가 있다.  위협 기회의 감지 기회를 보충하고 자원을 재구축·재결합하여 경쟁 우위를 획득 경쟁 우위를 지속 가능하게 하기 위해 조직 전체를 변환 이것을 실현하기 위한 하나의 수단으로서 디지털 트랜스포메이션(DX)을 강화하는 것이 필요하다. 즉, 이 ‘Dynamic Capability’는 비즈니스 환경과 고객의 요구 변화에 대해 ‘유연’하고 ‘신속성’에 대응하는 힘이라고 말할 수 있다.  종래의 설계 개발에 비추어, 이 변화에 대한 유연하고 신속한 대응이라고 하는 것은 어떤 것인지, 이미지를 간단하게 정리했다. 예를 들어, 법규제가 엄격화되고 보다 정숙성이 요구되게 된다는 규칙이나 규격이 바뀌는 리스크에 대한 대응에 있어서는, 원래의 시스템의 구조나 설계, 요소를 어떻게 바꾸면 그 요구를 실현할 수 있는지 생각해 볼 수 있다. 또, 반도체 소자의 공급이 부족해 대체품을 검토해야 하는 설계 변경이 행해졌다고 하는, 재료나 부품을 입수할 수 없게 되는 리스크에 대응해서는 원래의 시스템에 요구된 요건이나 성능이 어떻게 바뀌는지, 종래의 성능을 담보하기 위한 대체안은 존재하는지 등을 생각한다. 따라서, 설계 개발 프로세스의 모습으로는 종래의 시스템의 컴포넌트의 최적화라고 하는 모델 기반 개발을 통해 디지털 기술을 적극적으로 사용하는 것에 의해, 우선은 기능적 효율성을 실행하고 이 과정에서 얻은 지식을 축적하고 업무 효율의 개선에 의해 획득한 자원을 활용함으로써 향후 설계 변경에 유연하고 신속하게 대응할 수 있도록 데이터를 활용한다. 고객 요구와의 일치를 연마하는 것이 모델 기반 개발에 요구되는 모습이라고 생각한다.    그림 1. CAE에서 MBD로   MBD 성공을 위한 비결 먼저 모델 기반 개발은 상류 측에서 요구 분석, 아키텍처 설계를 실시해 전반에서는 시스템 설계나 서브 시스템의 설계에 1D CAE를 사용한 기능 설계를 도입한다.(그림 1) 여기에서는 시스템의 거동의 검증이나 최적 제원, 목표 달성도의 예측 등에 모델을 활용한다. 그런 다음 점진적으로 설계를 상세화하고 마지막으로 CAE의 형상 설계 영역으로 들어가 치수 값을 결정한다. 이 프로세스를 한 단계 상위의 계층과 한 단계 하위의 계층으로 작은 루프를 돌리면서 실시해 가는 것이 일반적인 모델 기반 개발의 이미지라고 생각한다. 이런 과정의 실현을 막는 벽이 있는 것도 사실이다. 필자가 평소에 이야기하는 가운데 벽이 되어있지 않다고 생각하는 것을 몇 가지 구체적으로 소개한다.  벽 1 : 요구 분석이나 아키텍처 설계를 실시하기 위해서 기능 변동이나 SysML 툴을 도입해 보았지만, 어떻게 설계에 활용해야 좋을지 모른다.  벽 2 : 1D CAE(1차원 CAE)를 이용한 기능 설계나 시스템 설계를 진행하고 싶지만, 개발 프로세스에 침투시킬 수 없다.  벽 3 : 기능 설계와 형상 설계 과정이 분리되어 있다.  벽 4 : 설계 업무로 CAE나 최적화 기술을 정착시킬 수 없다. 이러한 과제를 극복하려면 어떻게 해야 하는지를 설명한다. 현재 비교적 많은 회사에서 운용하고 있는 모델 활용의 모습으로 기획에서 성능, 품질, 비용 등 제품에 대한 요구가 내려온다. 기능 설계 단계에서 매우 세밀한 거친 1D 모델로 각 구성 요소에 목표를 할당한다. 여기서 사용되는 모델은 원리 원칙에 근거한 수식으로 이루어진 간이 모델이다. 그런 다음 컴포넌트 설계는 이미 할당된 목표 값에 대해 3D CAE를 사용하여 상세한 설계를 수행한다. 이후 완성된 것을 조립해 실기 평가에 의해 그 성능을 검증한다.   ■ 자세한 기사 내용은 PDF로 제공됩니다.