영상 다시보기와 발표자료 다운로드 바로가기   [Q&A] 정리   [질문]현재 업계 동향 및 앞으로의 발전방향에 대해서 문의드립니다. [답변]발표에서 말씀드린 것 처럼, 설계에 부수적으로 붙는 작업들이 점점 더 자동화 될 것입니다. 도면작업, mate 작업과 같든 것은 다 AI에게 맡기고, 설계자는 창의적인 idea를 생각하는 것만 집중하는 방향으로 개선될 것입니다. [질문] 오토 제너레이션 드로잉에서 학습은 어떻게 시키나요? 학습된 데이타를 여러 사람이 공유할 수 있나요? [답변]Auto Generation Drawing은 기본적으로 Dassault Systemes에서 제공하는 3DEXPERIENCE platform (Cloud)에 데이터가 저장되어야 합니다. 이 platform은 cloud에서 보통 회사 단위로 제공되기 때문에 사내의 모든 사용자가 학습을 시킬수 있다고 보는 것이 맞습니다. [질문] 현재 PDM 시스템과 인터페이스하여 2D&3D 작업 중입니다. 현재 운영중인 시스템 별도의 인터페이스 없이 활용이 가능한지요? [답변]해당 질문은 AI의 어떤 기능을 활용하느냐에 따라 달라질 것입니다. SOLIDWORKS 관련 AI 기능은 현재 운영 형태로 사용하시면 될것 같고, platform 관련 기능은 현재 PDM과는 사용하실 수 없는 방향이 될것 같습니다. [질문] 보안에 대한 이슈는 없는지 궁금합니다. 학습을 시키는 과정, 결과물을 만들기 위해 입력하는 데이터 등 보안취급에 문제가 없을까요? [답변]Dassault Systemes는 보안 유지에 최선을 다하고 있습니다. 한국에 경우 AWS(Amazon Web Service)의 데이터 센터를 사용하고 있습니다. 이 뜻은 세계 최고 수준의 보안을 유지한다는 말이 될 것입니다. 학습데이터는 Tenant 경계를 넘을 수 없는 것이 원칙입니다. [질문] AI 문제점은 없을까요? 아무래도 인간보다는 창작성이 떨어지는 단점이 있을 것 같습니다. [답변]설계에 있어 AI는 창의력 확대 요소가 될 수는 있지만, 설계 자체를 AI가 처음부터 끝까지 진행한다고 볼 수는 없습니다. 그러므로 단순하거나 반복적인 업무는 AI에게 맡기고 설계와 창의성 자체는 인간이 한다고 보는 것이 맞습니다. [질문] 제품설계와 PDM 시스템에 SOLIDWORKS의 AI전략 적용관련 이슈와 해결노하우가 궁금합니다 [답변]아직은 AI 기능이 대체로 개발 단계인 것이 많아, 아직 이슈와 해결 노하우를 말하기에는 좀 먼 이야기인것 같습니다. [질문] 솔리드웍스의 AI는 주어진 부품만으로 나머지 부분을 자동 스케치해서 제공할 수 있습니다. 나머지 부분을 어떻게 설계해야 최적의 기능을 갖출 수 있는지 AI가 예측할 수 있는지 실제 사례를 들어서 소개해 주시면 감사드립니다. [답변]Design Guidance 의 예를 들어드리면, 주어진 부품과의 연관관계(구속조건, 필수 영역)을 인간이 제공했을 때, 가장 불필요한 부분부터 조금씩 영역을 제거해 가면서 원하는 수준의 설계가 되었는지를 계속 추적합니다. 이 작업을 반복하다 보면 불필요한 부분은 사라지고, 최적의 모델이 제안이 나오게 됩니다. [질문] 기존 설계자들이 AI 기술에 적응하거나 학습해야 할 가장 중요한 역량은 무엇인가요? [답변]AI에 대한 신뢰, 잘못될까 하는 우려만 없애고, 그냥 활용하시면 됩니다. [질문] AI가 설계 프로세스에 본격 도입되면서 설계자의 역할은 어떻게 달라지고 있는지요? [답변]설계자는 이제 창의력 싸움입니다. 성실한 설계자는 이제 점점 비중이 낮아질 것입니다. 왜냐하면 이런 부분은 AI가 대신해 줄 것이기 때문입니다. [질문] 전통적인 설계자가 AI 도구를 효과적으로 활용하기 위해 필요한 역량 변화나 교육 전략은 어떻게 준비되고있는지요? [답변]AI에 대한 신뢰, 잘못될까 하는 우려만 없애고, 그냥 활용하시면 됩니다. [질문] 현재 SOLIDWORKS의 AI 기능 중 실제 기업 고객에게 가장 반응이 좋은 기능은 무엇인가요? [답변]일반론으로 말씀드리면 AI로 할 수있으면서, 현재 가장 고통스러운 작업은 2D 도면화 입니다. 이 쪽 방향이 가장 효과가 기대되는 분야입니다. [질문] 기존 사용자들이 AI 기반 설계 기능을 사용할 때 가장 어려워하는 점이 있다면 무엇인가요? [답변]아직은 AI 기능이 대체로 개발 단계인 것이 많아, 아직 어려워하는 점을 말하기에는 좀 이른 이야기인것 같습니다. [질문] 딥러닝 기반 최적 설계랑 일반 최적 설계랑 차이점인 뭔가요? [답변]최적설계는 여러의미로 해석될 수 있으나, Design Optimization을 예로 들면, 최소한의 중량으로, 최고의 성능을 발휘할 수 있게 됩니다. 기존에 설계자가 설계하는 것은 감에 의한 설계, 경험에 의한 설계였다면, 상대적으로 최고의 효율을 발휘할 수 있습니다. [질문] AI 도입 초기에는 어떤 파일럿 프로젝트로 시작하는 것이 효과적인가요? 그리고 다쏘시스템의 AI 기능은 PLM 외에도 MES나 ERP 같은 타 시스템과의 연동도 지원하나요? [답변]Dassault Systemes의 3DEXPERIENCE platform은 PLM기반으로 해서 MES와 같은 Solution도 포함하고 있습니다. 지금은 범위가 한정되지만, 앞으로는 모든 것이 통합되어 설계/제조 역량 강화에 도움이 될 것입니다. [질문] 중소기업이 AI 기반 설계를 도입할 때 고려해야 할 점은 어떤 것이 있을까요? [답변]SOLIDWORKS를 도입하고, 최신 기술 안내에 귀를 기울여야 합니다. 저희가 최신 version의 SOLIDWORKS에 AI 기능을 점점더 추가하고 있는데, 구버전을 사용하거나, 혹은 이에 대한 안내를 제대로 받지 못한다면, 이런 기능을 사용할 수 없을 것입니다. [질문] 비전문가도 AI 도구를 통해 설계 업무를 수행할 수 있는 환경이 가능할까요? [답변]물론 가능할 것입니다. SOLIDWORKS의 AI기술들은 고도의 전문가 보다는 비전문가도 전문가처럼 활용하도록 발전시키고 있습니다. [질문]AI를 통한 설계 오류에 대한 자동 수정과 설계에 대한 반복 작업에 대한 업무 효율을 얼마나 높일 수 있는지요? 설계 기간과 정확도, 고도화 방안에 대한 지원은 어떻게 개선되는지요? [답변]이와 같은 효과를 수치로 제시하기는 어렵습니다만, 앞으로 발전될 수록 더 많은 효율성 향상이 기대됩니다. 다만, 인간의 개입은 계속 되어야 합니다. [질문] AI 기술 도입이 설계 프로세스 전체 시간 대비 어느 단계에 가장 큰 영향을 주나요? [답변]설계 프로세스에서, 설계 행위 자체, 설계 검토, 도면 작성, 승인 절차, 프로젝트 기획, 생산 계획등 전방위에 걸쳐 도움을 드릴 것 같습니다. [질문]AI 협업 설계 후, 시뮬레이션을 통한 공학의 역학 분석과 문제점에 대한 분석과 3D 설계에 어떤 변환과 개선을 가져오게 되는지요? [답변]발표에서 말씀드린 것 처럼, 불필요한 시간 소모를 현격하게 줄여드릴 것입니다. 또한, 이런 시간 확보는 더 나은 설계, 품질 개선에 활용되어 궁극적으로는 더 좋은 제품으로 결과가 나올 것이라 기대합니다. [질문] SOLIDWORKS의 AI 기능은 클라우드 기반 버전과 데스크톱 버전 모두 동일한가요? [답변]발표에서 말씀드린 것 처럼, SOLIDWORKS의 전통적인 Desktop 형대와 최신 기술인 3DEXPERIENCE platform의 xDesign은 각각 다르게 적용되고 있습니다. 이는 기반 기술이 다르기 때문입니다. 다만, 앞으로 많이 발전하면, 점점 더 유사해 질 것 입니다. [질문]산업별,제품별 PLM을 반영한 설계 시, 솔리드웍스의 AI RAG와 AI 에이전트 반영을 통한 설계 작업의 정확도와 특성을 향상 시키는 지원도 가능한지요? [답변]이직은 초기 단계이므로, 발전하는 모습을 지켜봐 주시고, 많은 Know-how가 쌓이면, 이런 내용도 말씀을 드리는 날이 곧 올 것이라 기대합니다. #솔리드웍스 #솔리드웍스AI #AURA #아우라 #AI설계 #다쏘시스템

이에이트(E8)는 자사의 유체 시뮬레이션 소프트웨어 ‘NFLOW 3.0(엔플로 3.0)’을 출시하면서, 다양한 산업 분야에서의 디지털 트윈 구현을 한층 더 향상시킬 수 있게 되었다고 밝혔다.   NFLOW는 그동안 스마트시티, 수자원 관리, 이차전지 제조, 재난재해 대응, 군중 시뮬레이션 등 다양한 분야에서 활용되어 왔다. 폭우로 인한 데이터 센터의 침수 예방 시뮬레이션을 수행하고, 이차전지 핵심소재 제조 공정에 적용하여 제조 공정 시뮬레이션을 수행하였으며, 지하철역과 같은 복잡한 건축 공간에서 발생하는 고밀도 군중 이동 패턴을 분석하여 군중 밀도가 높을 때의 위험 요소를 사전에 식별하고 안전 대책을 마련하는 데 기여하였다.   이에이트는 최신 버전인 NFLOW 3.0이 기존 적용 사례를 기반으로 기능이 대폭 향상되어, 더욱 정밀하고 효율적인 시뮬레이션을 제공할 수 있게 되었다고 소개했다. NFLOW 3.0은 CAD 기반 시뮬레이션 기능을 강화해 건축 및 설비 구조가 복잡한 스마트빌딩 내에서도 더 정확하고 효율적인 시뮬레이션이 가능하다. 기존의 표면 격자만 표현되던 형식 외에 치수, 계층 구조, 부품 구조 등 설계 정보가 세밀히 들어간 CAD 파일을 직접 불러올 수 있어, 설계 데이터를 그대로 활용할 수 있게 되었다. 또한, 구조물의 형태에 따라 필요한 부위만 고해상도로 세밀화할 수 있는 멀티 레이어(multi-layer) 격자 기능을 통해 냉난방 덕트, 배관, 기계실 등 주요 구간을 정밀하게 해석할 수 있다.   스마트빌딩의 에너지 흐름을 고려한 공조 시스템(HVAC) 해석에도 최적화된 기능이 추가되었다. NFLOW 3.0은 비압축성 유동의 밀도 변화와 체적 팽창률을 제어해 더 정밀한 흐름 해석이 가능하며, 온도·농도·속도 등 다성분 유동 해석이 가능해 실내 온열 환경 예측에 효과적이다. 또한, 모니터링 기능도 탑재해 시뮬레이션 과정 중 데이터 형태만으로 수렴 상태 및 물리량 변화를 시각적으로 확인 가능하여 효율적인 시뮬레이션 관리와 신속한 의사결정이 가능하다.   NFLOW 3.0이 내세우는 또 다른 강점은 회전체 및 자유 표면 유동에 대한 정밀 해석 능력이다. 오버셋 그리드(overset grid) 기능을 활용하면 프로펠러, 믹서, 교반기 등 회전 구조물을 포함한 산업용 시스템을 격자 재생성 없이도 정교하게 해석할 수 있으며, 계산 안정성과 속도 모두를 확보할 수 있다. 이러한 기능은 조선해양, 화학 플랜트, 중장비 설계 등 회전체 중심의 산업에서 생산성과 설계 효율을 동시에 높이는 데 기여한다.   또한, 프리 서피스(free surface) 해석 기능은 기체 영역을 계산하지 않고도 유체 표면의 움직임을 정밀하게 재현할 수 있어 댐 붕괴, 도시 침수, 슬로싱 및 파동 해석 등에 적합하다. 실제 지형 기반 시뮬레이션에서도 높은 정합성과 예측 정확도를 보여주며, 도시 인프라와 재난 대응 시스템 구축에도 핵심 기술로 작용할 수 있다.   NFLOW 3.0은 이러한 기능 개선을 통해 기존의 다양한 산업 분야에서의 적용 경험을 바탕으로, 더욱 정밀하고 효율적인 시뮬레이션 설루션을 제공할 수 있게 되었다. 이에이트는 NFLOW 3.0을 기반으로 산업별 디지털 트윈 도입을 가속화하고, 스마트 제조와 재난 대응, 에너지 효율화 등 다양한 분야에서 실질적인 가치를 창출해 나갈 계획이다.   이에이트 관계자는 “피지컬 AI의 시대가 도래하면서 디지털 트윈 공간 상에서 수행하는 시뮬레이션의 중요도가 더욱 커지고 있고, 요구하는 정확도 및 정밀도 또한 높아지고 있다. NFLOW 3.0은 당사의 3D 시뮬레이션 기술을 집약한 설루션으로서 곧 AI CFD 설루션도 출시할 예정”이라면서, “한층 진화한 시뮬레이션 기반 디지털 트윈의 미래를 보여줄 것”이라고 전했다.

레드햇과 구글클라우드는 레드햇의 오픈소스 기술과 구글클라우드의 맞춤형 인프라 및 구글의 개방형 모델 제품군인 젬마(Gemma)를 결합해 엔터프라이즈 애플리케이션용 AI를 향상하기 위한 협력을 확대한다고 발표했다. 양사는 AI 확장을 위한 엔터프라이즈급 사용 사례 개선을 위해 여러 분야에서 협력을 진행할 예정이다. 주요한 협력 내용으로는 ▲구글이 창립 기여자로 참여하는 오픈소스 프로젝트 ‘llm-d’ 론칭 ▲구글 클라우드 TPU(Cloud TPU) 및 GPU 기반 가상머신(VM)에서 vLLM 지원 통해 AI 추론 성능 강화 ▲젬마 3 모델 배포판에서 vLLM에 대한 0일차 지원 제공 ▲구글 클라우드 상에서 레드햇 AI 인퍼런스 서버(Red Hat AI Inference Server) 지원 ▲레드햇이 구글 A2A(Agent2Agent) 프로토콜의 커뮤니티 기여자로서 참여해 에이전틱 AI 활성화 등 있다.   젬마 3를 시작으로, 레드햇은 구글의 개방형 모델 제품군인 젬마의 초기 테스터로 참여해 vLLM에 대한 즉각적인 지원을 제공한다. vLLM은 생성형 AI 애플리케이션의 출력 속도를 높이는 오픈소스 추론 서버다. 레드햇은 vLLM의 상용 기여자로서 생성형 AI 애플리케이션을 위한 보다 비용 효율적이고 반응성(responsive)이 높은 플랫폼을 제공할 계획이다. 또한 구글 AI 포트폴리오를 지원하는 고성능 AI 가속기인 구글 클라우드 TPU를 이제 vLLM에서 완전히 사용할 수 있다. 이 통합을 통해 개발자는 빠르고 정확한 추론에 필수인 성능과 효율을 달성하면서 리소스를 최대화할 수 있다. AI가 연구에서 실제 배포로 전환됨에 따라, 조직은 다양한 AI 생태계의 복잡성과 분산 컴퓨팅 전략으로 전환해야 할 필요성에 직면해 있다. 이를 해결하기 위해 레드햇은 구글이 창립 기여자로 참여한 llm-d 오픈소스 프로젝트를 출시했다. 이 프로젝트는 vLLM 커뮤니티 성과를 기반으로 생성형 AI 추론의 새로운 시대를 선도하며, 이기종 리소스 전반에서 확장성을 높이고 비용을 최적화하며 워크로드 효율성을 향상하는 동시에 지속적인 혁신을 촉진하는 것을 목표로 한다. 이제 구글 클라우드에서 레드햇 AI 인퍼런스 서버 사용이 가능하며 최신 업스트림 커뮤니티의 개선 사항을 기업에 제공한다. 레드햇의 엔터프라이즈용 vLLM 배포판인 레드햇 AI 인퍼런스 서버는 기업이 하이브리드 클라우드 환경 전반에서 모델 추론을 최적화할 수 있도록 지원한다. 기업은 견고하고 신뢰할 수 있는 구글 클라우드의 인프라를 활용하여 반응성이 뛰어나고 비용 효율적인 프로덕션 단계의 생성형 AI 모델을 대규모로 배포할 수 있다. 또한 레드햇은 개방형 AI에 대한 공동의 노력의 일환으로 구글의 A2A 프로토콜에도 기여하고 있다. 이는 다양한 플랫폼과 클라우드 환경에서 최종사용자 또는 에이전트 간의 원활한 커뮤니케이션을 위한 애플리케이션 레벨 프로토콜이다. 레드햇은 A2A 생태계에 적극적으로 참여함으로써 빠른 혁신을 위한 새로운 길을 열어 사용자가 에이전틱 AI를 통해 AI 워크플로를 역동적이고 효과적으로 유지할 수 있도록 지원한다.