알테어가 데이터 분석 및 인공지능(AI) 플랫폼인 알테어 래피드마이너(Altair RapidMiner)의 AI 에이전트 프레임워크를 발표했다. 이번 프레임워크는 기업이 생성형 AI를 통해 업무 자동화를 혁신할 수 있는 기반 환경을 제공한다.   알테어 래피드마이너의 AI 에이전트는 다양한 고급 기능을 통해 조직의 혁신적인 자동화 시스템 구축을 지원하는 것이 핵심이다. 주요한 특징은 AI 패브릭 기반의 지능형 에코시스템을 구현한다는 것이다. 이 시스템은 데이터, 행동, 주체를 유기적으로 연결해 사용자와 다양한 시스템이 실시간으로 상호작용하며 상황에 맞게 유연하게 대응할 수 있는 운영 환경을 제공한다.   또한 다양한 데이터 간의 관계와 패턴을 시각화하고 분석하는 지식 그래프 기반 인텔리전스 기능과 여러 AI 에이전트가 실시간으로 소통하며 협업할 수 있는 동적 협업 기능을 제공한다. 특히 내장된 거버넌스 시스템은 에이전트의 모든 행동을 추적하고 관리하여 완전한 투명성과 책임성을 보장한다.     AI 에이전트는 자연어 이해, 멀티 에이전트 관리, 상황 인식 메모리 등 고급 기능을 통해 사용자의 지속적인 개입 없이도 자율적으로 협업 자동화 시스템을 구축하도록 돕는다. 알테어는 이를 통해 기업들이 AI 기술을 실질적으로 활용하면서, 더 지능적이고 효율적인 자동화 프로세스를 구현할 수 있도록 지원한다는 계획이다.   알테어의 샘 마할링감 최고기술책임자(CTO)는 “래피드마이너는 AI 에이전트를 통해 한 차원 높은 진화를 이뤘다”면서, “고객에게 자율적 AI 에이전트를 제공함으로써, AI 기술은 단순한 도구를 넘어 사용자 역량을 강화하고 기업 운영을 더욱 스마트하게 지원할 수 있는 새로운 가능성이 될 것”이라고 전했다.

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 차세대 집적 회로(IC)의 설계 단계에서 칩의 공정상 결함이 있는지 체크하는 테스트 용이화 설계(Design-for-Test : DFT) 설루션인 ‘테센트 인시스템 테스트(Tessent In-System Test)’ 소프트웨어를 출시했다. 노후화 및 환경 요인으로 유발되는 Silent Data Corruption/Errors(SDC/SDE)와 같은 중요한 문제를 해결하기 위해 설계된 테센트 인시스템 테스트는 지멘스의 테센트 스트리밍 스캔 네트워크(Tessent Streaming Scan Network) 소프트웨어와 함께 작동하도록 설계된 인시스템 테스트 컨트롤러이다. 이러한 호환성을 통해 고객은 제품 수명주기 동안 시스템 내에서 임베디드 결정론적 테스트 패턴을 적용할 수 있으며, 이를 통해 IC와 이를 구동하는 애플리케이션의 안정성과 보안, 완전한 기능을 유지할 수 있다. 지멘스의 테센트 미션모드(Tessent MissionMode)와 테센트 스트리밍 스캔 네트워크 소프트웨어의 성공을 기반으로, 테센트 인시스템 테스트는 지멘스의 테센트 테스트컴프레스(TestKompress) 소프트웨어로 생성된 결정론적 테스트 패턴의 원활한 통합을 가능하게 한다. 이를 통해 고객은 시스템 내 애플리케이션에 기존 IJTAG 및 SSN 기반 패턴을 재사용하는 동시에 전반적인 칩 구조 설계를 개선하고 테스트 시간을 단축할 수 있다. 지멘스의 테센트 인시스템 테스트 소프트웨어를 사용하면 고객은 테센트 테스트컴프레스와 SSN을 사용하여 생성된 임베디드 결정론적 테스트 패턴을 업계 표준 APB 또는 AXI 버스 인터페이스를 통해 인시스템 테스트 컨트롤러에 직접 적용할 수 있다. 시스템 내에서 적용되는 결정론적 테스트 패턴은 사전 정의된 테스트 기간 내에서 최고 수준의 테스트 품질을 제공할 뿐만 아니라, 디바이스의 수명주기에 따라 테스트 내용을 변경할 수 있는 기능을 제공한다. 또한 결정론적 패턴이 내장된 인시스템 테스트는 기존 테스트 인프라의 재사용을 지원하고 있다. 이러한 기능은 자동차, 항공우주, 의료 기기 등 안전이 중요한 애플리케이션에 중점을 둔 산업에 특히 중요하다.     지멘스 디지털 산업 소프트웨어의 앤커 굽타(Ankur Gupta) 디지털 설계 생성 플랫폼 담당 수석 부사장 겸 총괄 매니저는 “테센트 인시스템 테스트는 고객이 실리콘 수명주기 관리 목표를 달성하는 데 있어 중요한 진전”이라고 말하며, “노후화 및 환경적 요인이 설계에 큰 영향을 미치고 있다. 테센트 인시스템 테스트는 이러한 문제를 해결하는 스마트 설루션을 제공하여 궁극적으로 고객에게 향상된 성능, 보안 및 생산성을 제공한다”고 말했다. 아마존웹서비스(AWS)의 댄 트록(Dan Trock) 수석 DFT 매니저는 “테센트 인시스템 테스트 기술을 통해 테스트 공정에서 이미 활용하고 있는 광범위한 테스트 인프라와 패턴을 데이터 센터 제품군에 재사용할 수 있다”면서, “테센트 인시스템 테스트 기술을 통해 데이터 센터에 대한 고품질 필드 테스트가 가능해졌다. AWS 고객은 이제 수명주기 동안 실리콘 디바이스를 지속적으로 모니터링하여 최고의 품질과 안정성을 갖춘 인프라와 서비스의 혜택을 누릴 수 있다”고 말했다.

클라우드플레어가 2024년 주요 인터넷 트렌드를 되짚어보는 ‘이어 인 리뷰(Year In Review)’ 보고서를 발표했다. 해당 보고서는 클라우드플레어의 연례 보고서로 올해 5회째 발간되었으며, 글로벌 인터넷 환경에 대한 인사이트 및 보안 트렌드뿐만 아니라 한 해 동안 가장 인기 있었던 인터넷 서비스에 대한 심층 분석을 포함하고 있다. 인터넷은 전 세계를 연결하는 수단이자, 원활한 일상생활을 지원하는 중요한 정보와 서비스에 대한 접속 창구가 되고 있다. 또한 글로벌 디지털 경제를 지원하는 등 오늘날 사회의 근간으로 자리잡고 있다. 클라우드플레어의 조사 결과에 따르면 매년 더 많은 사람과 기기가 인터넷에 연결되면서 전 세계 트래픽이 전년 대비 17% 증가하고, 인터넷의 역량에 대한 글로벌 의존도를 보여주는 새로운 트렌드가 나타나고 있다. 클라우드플레어의 매튜 프린스(Matthew Prince) CEO는 “우리는 인터넷을 지속적으로 사용하고 있지만, 여전히 많은 사람들이 이를 단순히 웹 페이지의 모음으로만 생각한다. 하지만 인터넷은 소셜 미디어 상호작용, 스마트 냉장고나 로봇청소기, 차량 공유 앱 등 우리 모두의 삶 곳곳에 존재한다”며 “이처럼 겉보기에 사소해 보이는 모든 상호작용은 이면에서 어떤 형태로든 인터넷과 연결되어 있으며, 그 중 상당수가 클라우드플레어의 네트워크를 통해 이루어지고 있다”고 말했다.     클라우드플레어의 발표에 따르면 2024년 가장 인기 있는 인터넷 서비스로 구글이 3년 연속 1위를 차지했다. 이어 페이스북이 2위, 애플이 3위, 틱톡이 4위였다. 이는 2023년과 동일한 순위였지만, 왓츠앱이 처음으로 글로벌 인기 서비스 상위 10위권에 진입했다. 2024년 가장 인기 있는 생성형 AI 서비스로는 오픈 AI가 2년 연속 1위를 차지한 가운데, 코디움이 3위, 클로드가 5위, 코파일럿이 7위로 새롭게 상위 10위권에 이름을 올렸다. 가장 인기 있는 게임 서비스로는 로블록스가 4년 연속 1위를 차지했다. 스팀이 처음으로 상위 5위 안에 들었으며, 마인크래프트도 올해 상위 10위권에 진입했다.  인터넷 공격을 가장 많이 받은 산업은 게임 및 도박 산업으로, 2023년에 가장 큰 타깃이었던 금융 부문을 제치고 위협 행위자들의 주요 타깃이 되었다. 한편으로 전 세계 인터넷 중단의 절반 이상이 정부 주도의 셧다운으로 인해 발생했으며, 모잠비크, 이라크, 시리아, 방글라데시, 세네갈, 파키스탄 등 여러 국가에서 주로 시위, 사회 혼란 또는 시험 부정 방지를 이유로 이루어졌다. 전 세계 인터넷 트래픽의 약 6.5%가 잠재적 악성 트래픽으로 판단되어 차단되었는데, 이는 2023년 대비 소폭 증가한 수치이다. 클라우드플레어의 데이비드 벨슨(David Belson) 데이터 인사이트 책임자는 “클라우드플레어 레이더는 팬데믹이 인터넷 사용 방식에 미친 극적인 영향을 목격하면서, 이러한 인사이트에 누구나 접근할 수 있도록 해야 한다는 중요성을 인식하고 2020년에 출범했다”며, “이번 보고서는 클라우드플레어의 데이터를 보편화하고, 누구나 참고할 수 있는 인터넷 패턴을 제공하기 위한 레이더의 노력의 일환”이라고 말했다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (16)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다.이번 호에서는 지오메트리 준비를 위한 팁과 메시의 생성/변형/세분화에 대한 내용을 소개한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   효과적인 지오메트리 준비를 위한 팁 지오메트리 생성 후에는 안정적인 터보 기계 시뮬레이션을 달성하기 위해 효과적인 모델 준비가 필수이다. 이 프로세스를 관리하는 데 도움이 되는 팁을 다음과 같이 소개한다.  지오메트리 정리 및 수리 : CAD 모델에서 틈새, 겹침 또는 중복된 가장자리를 복구한다. 양질의 메시를 생성하려면 깨끗하고 빈틈없는 지오메트리가 필요하다.  메시 최적화 : 날카로운 모서리나 모서리에 필렛을 추가하고 지오메트리를 분할하여 로컬 메시를 세분화할 수 있도록 한다.  가능한 경우 단순화 : 연구 중인 유동 물리학에 필수적이지 않은 작은 피처와 디테일을 제거한다.  매개변수화 : 설계 연구를 위해 치수를 쉽게 변경할 수 있도록 지오메트리를 매개변수화한다. 이러한 팁을 따르면 엔지니어는 터보 기계 형상이 최고 수준의 표준에 맞게 준비되었다고 확신할 수 있다.   메시 생성 지오메트리 생성 및 준비 외에도 전처리에는 복잡한 형상을 위한 메시 생성이 포함되며, 이는 종종 터보 기계 CFD 워크플로의 병목 현상이 된다. 터보 기계 구성 요소의 복잡성과 작동의 동적 특성으로 인해, 정확한 시뮬레이션 결과를 얻기 위해서는 정밀하고 잘 구성된 메시가 필요하다. 자동화 및 템플릿 기반 접근 방식을 활용하면 이 단계의 효율성을 높이고 전반적인 생산성을 높일 수 있다.   메시 생성의 기본 사항 메시 생성은 계산 영역을 셀 또는 요소라고 하는 작은 영역으로 세분화하여 그 위에 지배 방정식을 푸는 프로세스이다. 잘 구성된 그리드는 필수적인 흐름 특징과 물리적 현상을 포착하는 정확하고 효율적인 터보 기계 시뮬레이션을 보장한다. [참고] 피델리티 오토메시를 통한 향상된 터보 기계 메싱 피델리티 오토메시(Fidelity Automesh) 소프트웨어 패키지는 회전 기계 메싱을 위한 툴로, 피델리티 오토그리드를 통한 자동화된 멀티블록 구조형 메싱과 피델리티 헥스프레스를 통한 비정형 메싱 기능을 제공한다. 모든 유형의 터보 기계 애플리케이션을 위한 템플릿을 갖춘 이 설루션은 메시 프로세스를 간소화하여 복잡한 지오메트리를 손쉽게 처리하고 고품질 메시를 빠른 시간 내에 제공한다. 피델리티 오토메시로 시뮬레이션 워크플로를 가속화하여 설계 혁신과 최적화에 집중할 수 있다.   그림 1. (a) 풍력 터빈의 구조화된 메시, (b) 로터 블레이드 팁의 하이브리드 메시   메시 유형 터보 기계 시뮬레이션에 사용되는 주요 메시 유형과 기법은 다음과 같다.  Structured : 일정한 간격의 그리드 포인트로 구성된 구조화된 메시(그림 1-a)는 일관된 패턴을 사용하며, 종종 격자형 구조와 유사하다. 예측 가능한 흐름 패턴이 있는 영역에서는 고품질 해상도를 제공하지만, 복잡한 지오메트리에서는 구현하기가 어려울 수 있다.  멀티블록 : 계산 도메인은 구조화된 격자로 개별적으로 메시 처리된 여러 개의 간단한 블록으로 나뉜다. 이 방법을 사용하면 복잡한 도형에 대해 국소적인 세분화가 용이하고 그리드를 쉽게 생성할 수 있다.  Unstructured : 이러한 메시는 불규칙한 패턴으로 구성되며 2D에서는 삼각형, 3D에서는 사면체로 구성되는 경우가 많다. 복잡한 형상에 적합한 비정형 메시는 복잡한 모델에 쉽게 적용할 수 있지만, 중요한 흐름 영역에서 해상도가 저하되는 경우가 있다.  Hybrid : 구조화된 메시와 구조화되지 않은 메시의 장점을 결합한 하이브리드 메시(그림 1-b)는 경계 레이어와 같이 더 높은 해상도가 필요한 영역에는 구조화된 그리드를 사용하고, 복잡한 기하학적 영역에는 구조화되지 않은 그리드를 사용한다.  Conformal : 이 기술은 지오메트리의 여러 부분에 걸쳐 메시가 연속되도록 하여 인접한 메시 블록 사이의 간격과 중첩을 제거한다. 컴프레서나 터빈의 블레이드와 같이 간격이 좁은 구성 요소 사이의 흐름을 정확하게 캡처하는 데에 필수이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

‘AI와 CAE 융합을 통한 차세대 제조 혁신 전략’을 주제로 한 ‘CAE 컨퍼런스 2024’가 지난 11월 8일 수원컨벤션센터에서 진행됐다. 스마트공장구축 및 생산자동화전(SMATEC 2024) 전시회와 함께 치러진 이번 행사에서는 제품 개발 과정에서 필수로 여겨지는 CAE 기술의 발전과 함께, 제조산업에서 AI(인공지능)의 방향성을 짚는 기회가 마련됐다. ■ 정수진 편집장      CAE 컨퍼런스 2024 준비위원회의 위원장인 KAIST 강남우 교수(나니아랩스 대표)는 개회사에서 “사전 학습된 대규모 모델의 활용이 활발해지면서, AI로 할 수 있는 일이 무궁무진해지고 있는 것 같다. 한편으로 CAE와 제조 분야에서는 어떻게 AI를 활용해야 할 것인지에 대해 아직 의문점이 많다”면서, “최고 전문가들이 현장의 소리를 전하는 CAE 컨퍼런스 2024에서 이런 의문을 풀고 AI와 제조 혁신을 위한 인사이트와 아이디어를 얻을 수 있기를 바란다”고 전했다.   제조 혁신을 위한 통섭의 중요성 에스엔에이치의 민태기 연구소장은 ‘기술독립과 통섭에서 배우는 CAE 엔지니어를 위한 판타레이’를 주제로 기조연설을 진행했다. 그는 “애플이 ‘기술과 리버럴 아트의 교차점’을 강조한 이후, 우리나라에서는 ‘리버럴 아츠’를 인문학으로 해석해 인문학 열풍이 일었다. 하지만 ‘리버럴 아츠’는 중세 대학의 교양 과목인 문법, 수사학, 논리학, 산술, 기하학 등을 포함하며, 단순히 인문학에 국한되지 않는다. 기술 혁신에 대한 이러한 오해를 바로잡을 필요가 있다”고 강조했다. 기술 혁신의 목적은 생산성 향상이며, 이는 공정의 변화를 통해 이루어졌다. 석기 시대에서 청동기, 철기 시대로의 변환, 증기기관을 활용한 대형 철갑선과 방적기의 등장 등은 모두 생산성 차이에 따른 제조 공정의 혁신이 사회와 역사를 근본적으로 변화시킨 사례이다. 민태기 연구소장은 “우리 중소기업에게 제조 혁신은 생존의 문제이기도 하다. AI를 활용하는 것은 기존 편견을 극복하고 새로운 영역을 개척하는 데 초점을 맞춰야 한다”며, “우리 제조산업의 미래는 디지털 기술을 활용한 제조 혁신에 달려 있다. 이를 위해 정밀 공학과 창의적 사고의 융합으로 새로운 성장 동력을 만들어야 한다”고 전했다.    ▲ 에스엔에이치 민태기 연구소장   AI/ML과 디지털 플랫폼을 통한 CAE 혁신 헥사곤 매뉴팩처링 인텔리전스의 전완호 본부장은 ‘AI/ML과 디지털 리얼리티 플랫폼을 통한 CAE 혁신 전략’을 주제로 기조연설을 진행했다. 그는 디지털 전환을 “데이터와 프로세스를 디지털화하여 생산성과 창의성을 극대화하는 과정”으로 정의하며, “센서 기반의 실제 데이터를 활용하는 것이 해석 데이터만 사용하는 것보다 더 정확하고 유용하다”고 강조했다. 헥사곤은 센서를 통해 실제 세계의 형상을 디지털 환경으로 가져와 설계와 시뮬레이션을 거쳐 다시 실제 세계로 반영하는 ‘디지털 리얼리티 설루션’을 내세운다. 전완호 본부장은 AI와 머신러닝을 활용한 축소 차수 모델(ROM)을 이용해 데이터를 실시간으로 예측하고 활용함으로써 디지털 트윈의 운영 효율을 높이는 기술과 사례를 소개했다. 그리고 “헥사곤은 다양한 데이터를 통합하는 넥서스(Nexus) 플랫폼을 통해 CAE, 제조, 품질 관리 등 여러 팀이 협업할 수 있는 환경을 제공한다”고 전했다. 통합 플랫폼과 AI/머신러닝을 결합해 실시간 시뮬레이션과 디지털 트윈을 운영하고, 데이터의 수집부터 해석, 최적화, 협업까지 모든 과정을 하나의 플랫폼에서 관리함으로써 디지털 전환을 더욱 효과적으로 추진할 수 있다는 것이 전완호 본부장의 설명이다.    ▲ 헥사곤 매뉴팩처링 인텔리전스 전완호 본부   SDV 전환과 소프트웨어 품질 강화 전략 현대오토에버의 박경훈 실장은 ‘SDV 체계 전환 및 차량 소프트웨어 품질 경쟁력 강화 방안’을 주제로 기조연설을 진행했다. 자동차는 이동 수단에서 벗어나 소프트웨어 중심의 차량(SDV)으로 변화하고 있다. 차량의 전자화와 함께 서비스와 사용자 경험을 중시하게 되면서 소프트웨어의 중요성이 더욱 부각되고 있다. 자동차 업계는 소프트웨어의 품질을 높이고, 출시 시간을 줄이면서, 시장 점유율을 확보하기 위해 핵심 기능을 빠르게 구현하고 테스트하는 애자일(agile) 방식의 개발 체계로 전환하고 있으며, OTA 업데이트를 통해 지속적으로 소프트웨어를 개선하고 있다. 박경훈 실장은 “오토에버는 이러한 산업 변화에 따라 국제 표준 및 컴플라이언스를 준수하는 개발 환경을 구축하고, 가상 검증 및 지속적인 테스트 체계를 도입하고 있다”고 소개했다. 가상 검증은 제어기를 가상화하여 테스트를 앞당기고 품질을 높이는 방식으로, 전통적인 개발 뒷단에서의 문제를 앞단에서 발견하여 해결하는 데에 중점을 두고 있다. 이를 위해 오토에버는 클라우드 기반의 검증 체계를 구축했고, 클라우드 컴퓨팅을 활용한 다양한 테스트 시나리오의 자동화를 통해 시간과 비용 절감을 추진하고 있다는 것이 박경훈 실장의 설명이다.    ▲ 현대오토에버 박경훈 실장   타이어 개발의 디지털 트윈 시스템과 생산 최적화 금호타이어의 김기운 전무는 ‘타이어 개발 프로세스에 대한 디지털 트윈 시스템 구축’에 대해 기조연설을 진행했다. 그는 4차 산업혁명 시대 타이어의 기술 진화 방향으로 IoT 센서, 빅데이터 분석, AI 예측 모델, 로보틱스를 활용한 공장 자동화를 짚으면서, 이를 통해 타이어 개발과 생산 과정을 디지털화하고 최적화하는 것이 목표라고 짚었다. 금호타이어는 설계부터 성능 평가, 최적화까지 전체 과정을 디지털화하고 자동화하는 타이어 디지털 트윈 시스템을 구축 중이다. 이 시스템은 ▲타이어 단면 및 트레드 패턴의 자동 설계 ▲빅데이터와 CAE 기술을 이용한 타이어 성능 예측 ▲AI와 유한 요소 해석(FEM)을 통한 설계 최적화 그리고 ▲시뮬레이션을 통한 타이어 성능 가상 평가 등 네 가지 모듈로 구성된다.김기운 전무는 “디지털 트윈을 통해 개발자가 쉽게 성능 평가 결과를 확인하고 빠르게 제품 개발을 진행할 수 있어, 개발 시간 단축과 비용 절감을 기대할 수 있다”고 설명하며, “앞으로 제조 공정에도 디지털 전환을 적용하고, 차량 동역학 해석을 업그레이드하여 드라이빙 시뮬레이터까지 예측하고자 한다”고 전했다.   ▲ 금호타이어 김기운 전무   ■ 이어 보기 : [포커스] CAE 컨퍼런스 2024 발표 내용 정리     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 11월 19일, CNG TV는 ‘제조 산업의 디지털 혁신을 위한 헥사곤 설루션 활용 전략’을 주제로 웨비나를 진행했다. 이번 웨비나에서는 헥사곤의 설비 자산 관리 설루션인 HxGN EAM과 설비 성능 관리 설루션인 HxGN APM에 대한 소개와 함께 이 설루션을 통해 기업이 제조 환경의 디지털 혁신을 주도할 수 있는 실질적이고 효율적인 방법이 제시됐다. 자세한 내용은 다시보기로 확인할 수 있다. ■ 박경수 기자   ▲ 왼쪽부터 캐드앤그래픽스 박경수 부장, 헥사곤 ALI 유기성 전무와 주나래 부장   이번 웨비나에서 헥사곤 ALI는 디지털 트윈을 넘어 스마트 디지털 리얼리티 제공을 목표로 하는 자사의 설루션에 대해 소개했다. 그 중에서도 제조업의 비용 최적화와 생산성 향상을 위한 설비 관리 과제와 함께 고장 예방과 효율적인 정비를 위한 전략에 필요한 정비 최적화의 필요성에 대한 내용이 주로 소개됐다. 헥사곤 ALI 주나래 부장은 “헥사곤 ALI는 두 가지 포트폴리오 영역이 있는데, 디지털 프로젝트 설계와 실행을 지원하는 설루션과 플랜트 유지 및 운영을 담당하는 디지털 애셋 영역으로, 이번 발표에서는 설비자산 및 설비 성능 관리 설루션에 중점을 두고 있다”고 설명했다.   ▲ 헥사곤 ALI 주나래 부장   헥사곤 ALI 유기성 전무는 현대 설비 관리의 과제는 다양한 산업 분야의 자산을 효율적으로 관리하는데 있다고 말했다. “제조업의 경우 비용 최적화, 생산성 향상, 지속 가능성 도전 등을 해결하기 위해 고장 예방과 정비 우선순위 설정이 필요하다”며, “주요 문제로는 과도하거나 부족한 예방 정비, 고장 시점 파악 미흡, 비효율적 자원 사용 등이 있으며, 이를 해결하려면 설비의 중요도와 고장 패턴을 분석해 성능 기반 정비를 도입해야 한다”고 설명했다.  특히 “ISO 표준에 기반한 자산 관리와 RCM/RCA를 활용한 고장 분석이 효과적인 정비 전략 수립에 필수적이며 정비 계획과 스케줄링, 실시간 데이터 활용이 효율성을 높이는 핵심 요소로 강조되고 있다”고 덧붙였다.   ▲ 헥사곤 ALI 유기성 전무   이번 웨비나에서 헥사곤 ALI는 제조업 설비 관리의 문제점과 해결 방안, 헥사곤 설루션의 기능과 최적화 전략을 소개했다. 설비 관리의 주요 과제로는 데이터 입력 부족, 예방 정비의 비효율성, 예지 정비 도입의 한계 등이 제시되었으며, 이를 해결하기 위한 고장 모드 분석, 정비 전략 최적화, RCM/RCA 도입의 중요성이 강조되었다. 또한 디지털 트윈과 3D/2D 데이터 활용은 가시성을 높여 작업 효율성과 안전성을 개선할 수 있는 방안으로 언급되었다.      ■ 기사 내용은 PDF로도 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 LLM(대규모 언어 모델)의 자연어 처리에서 핵심 기술인 토큰, 임베딩 및 모델 파인튜닝의 이해를 위한 개념과 임베딩 모델의 동작 메커니즘을 살펴본다. 여기서 토큰은 문장을 구성하는 단어로 가정하면 이해하기 쉽다. 토큰과 임베딩은 입력 시퀀스에 대한 출력을 학습, 예측할 때 훈련의 전제가 되는 LLM의 기본조건이다. 이에 대해 좀 더 깊게 이해해 보자.    ■ 강태욱  건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다.  페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com  홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast    최근 대규모 언어 모델(LLM : Large Language Model)과 검색 증강 생성(RAG : Retrieval-Augmented Generation) 기술을 이용해 다양한 전문가 서비스 에이전트를 개발하는 사례가 많아지고 있다. 특히, 전문가처럼 행동하며 문제를 해결하거나 의사결정을 지원하는 멀티 에이전트 기술은 이미 선진국을 중심으로 금융, 제조, 건설 등 엔지니링 분야에 개발되고 있다.    도메인 의존 정보와 토큰  의학과 같은 특별한 분야에서는 환각 현상 등으로 인해 챗GPT(ChatGPT)와 같은 범용 LLM이 제대로 정보를 생성하지 못하는 경우가 많다. 이런 문제를 해결하기 위해 전문 분야의 지식을 기존 LLM 모델을 이용해 재학습하는 방법이 생겨났는데, 파인튜닝은 그 중 한 가지 방법이다.  파인튜닝은 빅테크 업체가 공개한 LLM 모델을 특정 도메인 지식을 잘 표현할 수 있도록 재학습하는 방법 중 하나이다. LLM의 신경망 전체를 재학습하기 위해서는 매우 비싼 GPU 사용 비용이 필요하다. 이는 일반적인 기업에서 수행할 수 없는 수준이다. 이런 이유로, 파인튜닝은 메타에서 공개한 라마(LLaMA)와 같은 파운데이션 LLM 모델의 신경망에 별도의 작은 신경망을 추가해, 이를 별도로 준비된 데이터로 학습하는 방식을 사용한다.  LLM을 파인튜닝하기 전에 어떤 토큰이 사용되었는지, 임베딩 모델이 무엇인지 확인해야 한다. 파인튜닝 시 용어가 LLM에 사전 학습되어 있지 않다면, 용어 간 관계를 통계적으로 추론하는 학습 절차가 매우 비효율적으로 계산된다. 일반적으로 모델을 파인 튜닝하려면 LLM 토큰 확인 및 개발, 임베딩 모델의 적절한 사용이 필요하다.  <그림 1>은 토큰이 수치화된 결과를 보여준다. 참고로, 토큰이 숫자로 표현되지 못하는 문제를 OOV(Out-Of-Vocabulary)라 한다.    그림 1. 숫자 토큰화 결과   임베딩은 학습 모델이 입력되는 문장의 토큰 패턴을 통계적으로 계산하기 전, 토큰을 수치화시키는 함수이다. 이 함수를 임베딩 모델이라 한다. 임베딩 모델은 토큰을 수치화하여 모델 학습에 사용하는데 필요한 입력값을 출력한다. 이런 이유로, 토큰 사전과 임베딩 모델이 다르면 제대로 된 모델 학습, 예측, 패턴 계산 결과를 얻기 어렵다. 임베딩 모델도 별도의 신경망 모델이며 다양한 방식으로 학습될 수 있다. 이번 호에서는 구글에서 공개한 BERT(Bidirectional Encoder Representations from Transformers) 임베딩 모델을 사용한다.  이와 관련된 실험을 하기 위해, 개발 환경을 설치하고 파이썬 코드를 준비해 본다.    개발 환경 준비 미리 컴퓨터에 파이썬, 아나콘다 등 필수적인 라이브러리가 설치되어 있다는 조건에서, 실습을 위해 명령창에서 다음을 실행해 설치한다. pip install transformers torch   참고로, 다음은 파인튜닝에 사용하는 오픈소스 라이브러리를 보여준다. Torch : 텐서 계산 및 딥 러닝을 위한 핵심 라이브러리이다. PEFT : 낮은 순위의 적응 기술을 사용하여 대규모 언어 모델을 효율적으로 미세 조정할 수 있다. 특히 리소스가 제한된 장치에서 학습 가능한 매개 변수의 수를 줄여 모델을 압축하고 더 빠르게 미세 조정할 수 있다. bitsandbytes : 신경망에 대한 양자화 및 이진화 기술을 제공하여 모델 압축을 지원한다. 모델 압축에 도움이 되므로 메모리와 계산 능력이 제한된 에지 장치에 모델을 보다 실현 가능하게 만들 수 있다. Transformers : 대규모 언어 모델 작업을 간소화하여 사전 학습된 모델 및 학습 파이프라인을 제공한다. trl : 대규모 언어 모델의 경우 효율적인 모델 학습 및 최적화에 중점을 둔다. accelerate : 다양한 하드웨어 플랫폼에서 학습 및 추론을 가속화한다. dataset : 기계 학습 작업을 위한 데이터 세트 로드 및 준비를 간소화한다. pipeline : 사용자 지정 학습 없이 일반적인 NLP 작업에 대해 사전 학습된 모델의 사용을 간소화한다. PyArrow : 효율적인 데이터 로드 및 처리를 위해 사용될 수 있다. LoraConfig : LoRA 기반 미세 조정을 위한 구성 매개변수를 보유한다. SFTTrainer : 모델 학습, 최적화 및 평가를 처리한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

책에서 얻은 것 No. 23    “AI는 본질적으로 공백이다. 우리는 그 공백에 의미와 목적을 부여하는 창조적 존재다.”  - 에두아르도 갈레아노(Eduardo Galeano), 작가, 철학자 최근에 읽은 세 권의 책은 AI의 현재와 미래를 이해하는 데 큰 도움이 되었다. 첫 번째 책은 ‘박태웅의 AI 강의 2025(박태웅 지음)’, 두 번째는 ‘생성형 AI 산업별 활용 트렌드(이호수 지음)’, 세 번째는 ‘IT 트렌드 2025(김지현 지음)’이다. 이들 책은 AI 기술의 발전이 어떻게 우리의 삶을 변화시키고, 각 산업에서의 응용 가능성을 제시하는지를 다루고 있다. 이번 호 칼럼에서는 2025년까지의 AI 트렌드를 철학적 의미, 기술과 비즈니스, 그리고 산업별 활용 트렌드로 나누어 자세히 살펴보겠다.    AI의 철학적 의미  AI의 발전은 단순히 기술적인 진보에 그치지 않는다. ‘박태웅의 AI 강의 2025’는 AI가 인간의 사고 방식과 존재 방식에 미치는 철학적 영향을 탐구하고 있다. 박태웅 저자는 AI가 인간의 인지와 감정을 보완할 수 있는 능력을 가지게 되며, 이는 결국 인간과 기계 간의 관계를 재정의할 것이라고 주장했다. AI가 우리의 일상에 더욱 깊숙이 침투함에 따라, 우리는 기계와의 협업을 통해 새로운 가 치와 경험을 창출할 수 있게 될 것이다.  AI가 창조적인 영역에까지 영향을 미친다면, 과연 창작의 주체는 누구인가에 대한 질문도 함께 제기된다. AI가 만들어내는 음악, 미술, 문학은 과연 기계의 창작물인가, 아니면 인간의 창의성을 증대시키는 도구일 뿐인가? 이러한 질문은 앞으로의 AI 논의에서 필수적으로 다루어져야 할 주제이며, 이는 인간 존재의 의미를 다시 한 번 고민하게 만든다.  “기계의 사고는 인간의 사고를 확장시키지만, 우리가 진정 추구해야 할 것은 기계가 아니라 우리 자신의 의식이다.”  - 칼 융(Carl Jung), 분석 심리학의 창시자   AI 기술과 비즈니스의 진화  ‘생성형 AI 산업별 활용 트렌드’에서 이호수 저자는 AI 기술이 비즈니스 모델을 혁신하는 방법에 대해 깊이 있는 분석을 제공하고 있다. 특히 생성형 AI는 단순한 데이터 처리의 경계를 넘어, 콘 텐츠를 생성하고 창의적인 결과물을 만들어낼 수 있는 잠재력을 지니고 있다. 기업은 이를 활용해 마케팅 캠페인을 자동화하거나, 고객에게 맞춤형 서비스를 제공하는 데에 큰 이점을 얻고 있다.  이호수 저자는 기업이 AI를 통해 비즈니스의 효율성을 높이는 방법을 여러 사례로 설명했다. 예를 들어, 패션 브랜드는 AI를 활용해 고객의 구매 패턴을 분석하고, 이에 맞는 스타일과 사이즈를 추천하는 개인화된 쇼핑 경험을 제공할 수 있다. 이러한 맞춤형 서비스는 고객 만족도를 높이고, 브랜드 충성도를 강화하는 데 기여한다.  나아가, LLM(대규모 언어 모델)은 기업이 고객과의 상호작용을 개선하는 데에 큰 역할을 하고 있다. LLM은 자연어 처리 기술을 활용해 고객의 문의에 실시간으로 응답하고, 문제를 해결하는 데 에 도움을 줄 수 있다. 고객 서비스의 효율성을 높이고, 기업과 고객 간의 커뮤니케이션을 원활하게 만드는 데에 기여하는 것이다.  LAM(대규모 행동 모델)은 기업이 다양한 복잡한 작업을 보다 효율적으로 수행할 수 있도록 지원한다. 특히 자율주행 자동차와 같은 산업에서는 LAM이 중요한 역할을 하며, 안전하고 효율적인 운전을 가능하게 한다. LMM(대규모 멀티모달 모델)은 텍스트, 이미지, 비디오 등 다양한 형태의 데이터를 동시에 처리할 수 있어, 광고와 마케팅 분야에서 더욱 다양하고 창의적인 캠페인을 전개할 수 있도록 해준다.  “인공지능은 우리를 초월로 이끌지도 모른다. 그러나 그 초월은 항상 인간성의 깊이에서 출발한다.”  - 레이 커즈와일(Ray Kurzweil), 미래학자, 구글 엔지니어링 디렉터   산업별 AI 활용 트렌드  ‘IT 트렌드 2025’에서 김지현 저자는 AI가 다양한 산업에 어떻게 적용되고 있는지를 상세히 설명하고 있다. 의료, 금융, 제조, 교육 등 여러 산업에서 AI는 디지털 혁신의 핵심 동력이 되고 있으며, 향후 몇 년 간 그 속도가 더욱 가속화될 것이다.    의료  AI의 가장 중요한 적용 분야 중 하나는 의료 산업이다. 김지현 저자는 AI가 어떻게 맞춤형 치료와 예측 분석을 가능하게 하는지를 설명했다. 예를 들어, AI는 환자의 유전자 정보와 건강 기록을 분석하여 개별 환자에게 최적화된 치료 방법을 제시할 수 있다. 이러한 접근은 환자의 회복률을 높이고, 의료비용을 절감하는데 기여할 것이다.  또한, AI는 조기 진단의 가능성을 높이고 치료의 효율성을 개선하는 데에 큰 도움이 된다. 예를 들어, 이미지 분석 기술을 활용한 AI는 암과 같은 질병을 조기에 발견하는 데에 도움을 줄 수 있다. 이러한 발전은 의료진이 더 정확한 진단을 내리고, 환자에게 맞춤형 치료를 제공할 수 있도록 해 준다.    금융 AI는 금융 산업에서도 큰 변화를 일으키고 있다. 김지현 저자는 AI가 실시간 데이터 분석, 리스크 관리, 사기 탐지 등의 분야에서 중요한 역할을 하고 있다고 강조했다. 금융 기관은 AI를 통해 고객 의 행동 패턴을 분석하고, 보다 맞춤화된 금융 상품을 제공할 수 있다. 특히 LLM은 고객 서비스의 효율성을 극대화하고, 고객의 요구에 신속하게 대응하는 데에 큰 도움을 준다.  AI는 또한 비트코인과 같은 암호화폐 거래에서도 사용되고 있다. AI 알고리즘은 시장의 변화를 실시간으로 분석하고, 최적의 거래 시점을 포착하는 데에 도움을 줄 수 있다. 이러한 기술은 투자자 에게 더 나은 결정을 내릴 수 있게 해 준다.    제조 AI는 제조 산업에서도 혁신적인 변화를 일으키고 있다. 김지현 저자는 스마트 제조 시스템이 AI를 활용해 예측 유지보수와 자율 생산 공정을 구현하고 있다고 설명했다. 이를 통해 기계의 상태를 실시간으로 모니터링하고, 고장을 미리 예측하여 생산성을 극대화할 수 있다.  이러한 AI 기반의 시스템은 생산 공정의 효율성을 높이고, 불필요한 비용을 절감하는 데에 기여한다. 또한, 인간과 협력하는 로봇인 코봇(cobot, 협동로봇)의 사용이 증가하면서, 작업자와 로봇 간의 협업이 더욱 원활해질 것이다. 이를 통해 제조업체는 인력의 안전성을 보장하면서도 생산성을 높일 수 있다.    교육 AI는 교육 분야에서도 큰 변화를 가져오고 있다. 이호수 저자는 AI가 개인 맞춤형 학습을 가능하게 하는 방식에 대해 설명했다. AI 는 학습자의 성향과 능력을 분석하여 적절한 학습 콘텐츠를 추천할 수 있으며, 이러한 접근은 교육의 질을 높이고 학습 효율성을 극대화하는 데에 기여한다.  특히 LMM은 다양한 유형의 학습 자료를 활용하여 학생에게 맞 춤형 학습 경험을 제공할 수 있다. AI는 또한 온라인 교육 플랫폼에서 학생들의 학습 경과를 분석하고, 필요한 피드백을 제공하는 데에 유용하다. 이를 통해 학생들은 자신에게 맞는 학습 방법을 찾아 더욱 효과적으로 공부할 수 있다.  “AI는 인간의 지성에 대한 거울이다. 그 거울 속에서 우리는 우리의 한계와 가능성을 동시에 발견하게 된다.”  - 주디스 버틀러(Judith Butler), 철학자   결론 이 세 권의 책은 AI가 2025년까지 전 산업에 걸쳐 큰 변화를 일으킬 것이라는 점에서 공통적인 메시지를 전달한다. AI는 단순한 도구가 아니라 인간의 사고와 창의성을 확장시키는 존재로 발전하고 있으며, 기업들은 AI를 활용해 더 개인화된 서비스를 제공하거나 혁신적인 제품을 개발하게 될 것이다.  AI는 의료, 금융, 제조, 교육 등 다양한 분야에서 중요한 역할을 하며, 각 산업의 디지털 전환을 가속화할 것으로 예상된다. 우리는 AI와 함께 어떻게 살아가고, AI를 어떻게 활용할 지를 고민해야 할 시점에 와 있다. 이와 함께 AI의 발전에 따른 윤리적 문제와 인간의 정체성에 대한 논의도 반드시 필요하다.  결국, AI는 우리의 삶을 편리하게 만들어 줄 뿐만 아니라, 그에 따른 새로운 사회적, 철학적 질문을 던지게 될 것이다. 우리는 그 질문에 대해 진지하게 고민해야 할 때가 왔다.  “기계는 우리를 더욱 인간답게 만든다. 그것은 우리가 어떤 존재가 되고 싶은지 끝없이 물음을 던지기 때문이다.”  - 셰리 터클(Sherry Turkle), MIT 교수, 사회심리학자   그림 1. 세 권의 AI 책으로부터 본 AI 트렌드 2025(Map by 류용효)  (클릭하면 큰 그림으로 볼 수 있습니다.)   AI 트렌드 맵 최근 읽은 세 권의 책을 모두 서평 맵으로 만들어 보았다. 그리고 그 연결 고리를 찾는 중이다. AI의 철학적 의미와 기술적 의미, 그리고 AI의 비즈니스 의미를 찾아보는 것이다. 그래서 AI에 대한 이 해와 스킬을 가지는 것이 2025년을 적절히 준비하는 마음가짐일 것이다.    ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

델 테크놀로지스는 미션 크리티컬 워크로드를 위한 엔터프라이즈 스토리지인 ‘델 파워맥스(Dell PowerMax)’에 AI 기술을 적용해 효율성을 높이고 사이버 복원력을 강화하는 한편 보다 원활한 멀티클라우드 이동성을 제공하는 업데이트를 실시했다고 밝혔다. 빠르게 변화하는 디지털 세상의 속도에 맞추기 위해서는 시장 수요에 발맞추고 미래의 요구 사항을 예측할 수 있는 스토리지 설루션이 필요하다. 델 테크놀로지스는 이번 업데이트에서 성능을 최적화하고, 관리 부담을 줄이며, 사고를 사전에 예방하는 데에 도움이 되는 다양한 AI 활용 기술을 적용했다.     델 파워맥스는 AI를 활용해 패턴 인식 및 예측 분석을 통한 동적 캐시 최적화로 성능을 가속화한다. 이 과정에서 지연 시간은 줄이고 전반적인 작업 속도를 높일 수 있다. 지능형 임계값을 설정한 후 자율 상태 점검이 가능하여 수정 조치 및 자가 복구 기능을 제공하므로, 스토리지 용량이나 케이블 연결 등 문제가 발생하기 전에 해결할 수 있다. 또한, 파이버 채널 네트워크의 정체 현상을 신속하게 식별하고 근본 원인을 격리시켜 최대 8배 빠른 인시던트(incident) 해결이 가능하다. 생성형 AI 자연어 쿼리가 탑재된 델 AIOps 어시스턴트(Dell AIOps Assistant)는 빠르고 간편하게 인프라스트럭처를 최적화할 수 있도록 돕는다. 델은 “이번에 발표된 최신 릴리스는 92%의 RAID 효율성(RAID 6 24+2)을 바탕으로 전반적인 스토리지 효율성을 높이고 업계 최고 수준의 전력 및 환경 모니터링 기능을 제공한다”면서, “스토리지 어레이, 랙, 데이터 센터 등 각각의 세 가지 수준에 대한 전력 사용량을 추적하여 전력 효율을 개선하고 에너지 비용을 관리하는 등 에너지 소비를 효과적으로 절감할 수 있다”고 설명했다. 델 파워맥스에는 새로운 사이버 보안 기능이 추가되어 데이터 보호를 강화하고 공격 표면을 줄이며 사이버 공격으로부터 신속하게 복구할 수 있도록 지원한다. 파워맥스를 위한 사이버 복구 서비스(Cyber Recovery Services for PowerMax)가 새롭게 추가되어 사이버 공격에 대한 보호 기능을 제공하는데, 이는 맞춤형 설루션으로서 안전한 파워맥스 볼트(금고) 및 세분화된 데이터 보호 기능을 사용하여 빠르고 효율적인 복구를 보장하는 동시에 고객이 엄격한 규정 준수 목표를 달성할 수 있도록 돕는다. 델 파워맥스는 대규모 환경에 대한 고성능의 표준을 지속적으로 제시하며 현재와 미래의 요구사항 모두에 필요한 확장성을 제공한다. 델 파워맥스 8500(PowerMax 8500)은 최대 30% IOPS 성능 향상을 제공하며, 새로운 100Gb 이더넷 I/O 모듈로 최대 3배 빠른 GbE 연결을 지원한다. 새로운 64Gb 파이버 채널 I/O 모듈은 최대 2배 빠른 FC 연결을 지원한다. 이 밖에도 ‘스토리지 다이렉트 프로텍션(Storage Direct Protection)’ 기능을 통해 델 파워맥스와 ‘델 파워프로텍트(Dell PowerProtect)’를 연계하여, 효율적이고 안전하며 초고속으로 데이터를 보호할 수 있다. 이 기능은 하루 최대 1PB의 백업 및 하루 500TB의 복원을 제공한다. 한편, 델은 클라우드 스토리지인 ‘델 에이펙스 블록 스토리지(APEX Block Storage)로 파워맥스의 라이브 워크로드를 간편하게 이동할 수 있으며, 멀티홉(multi-hop) OS 전환을 통해 이러한 워크로드를 단일한 프로세스 내에서 현대화할 수 있다고 전했다. 파워맥스OS(PowerMaxOS) 10.2는 불균형한 메인프레임 워크로드의 IOPS 성능을 개선하고 지연 시간을 줄이며, 자동 학습 액세스 패턴 탐지를 통해 메인프레임용 사이버 침입 탐지(zCID)를 강화했다. IBM의 시스템 복구 부스트(System Recovery Boost)를 활용하여 계획된 또는 계획되지 않은 중단 시 더 빠르게 복구할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI 시대에 맞춰 스토리지의 기준점도 빠르게 변화하고 있다. 델은 미션 크리티컬 워크로드를 위한 하이엔드 스토리지 파워맥스의 성능 효율성, 사이버 복원력, 멀티클라우드 이동성을 한층 강화함으로써 비즈니스 요구에 민첩하게 대응하고자 하는 고객들에게 새로운 차원의 스토리지 혁신을 제공한다”고 말했다.