• 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 " ZW3D Flow"에 대한 통합 검색 내용이 438개 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
오토데스크, 3D 캐릭터 제작 돕는 생성형 AI ‘원더 3D’ 공개
오토데스크가 오토데스크 플로 스튜디오(Autodesk Flow Studio) 내에 새로운 생성형 AI 모델인 ‘원더 3D(Wonder 3D)’를 출시했다. 과거 원더 스튜디오(Wonder Studio)로 알려졌던 클라우드 기반 플랫폼인 오토데스크 플로 스튜디오는 AI를 활용해 모션 캡처, 카메라 트래킹, 캐릭터 애니메이션 등 복잡한 VFX 작업을 자동화한다. 이번에 선보인 원더 3D는 아티스트와 스튜디오, 크리에이터가 텍스트와 이미지를 편집 가능한 3D 자산으로 더 빠르고 직관적으로 변환할 수 있도록 설계됐다. 3D 캐릭터와 오브젝트를 제작하는 과정은 그동안 상당한 수작업이 필요한 복잡한 영역이었다. 원더 3D는 텍스트 투 3D(Text to 3D), 이미지 투 3D(Image to 3D), 텍스트 투 이미지(Text to Image) 기능을 통해 단순한 텍스트나 참조 이미지 만으로도 3D 자산을 생성할 수 있도록 한다. 생성된 결과물은 프로젝트에 맞춰 정교하게 다듬거나 재구성해 다시 사용할 수 있어 초기 구상부터 실제 제작에 이르는 워크플로를 단축한다. 캐릭터와 소품 제작 시간을 줄이고 제작팀의 병목 현상을 해결함으로써 창의적인 의도나 유연성을 유지하면서도 3D 제작의 진입 장벽을 낮췄다.     원더 3D는 크리에이터가 기술적인 부담에서 벗어나 스토리텔링에 집중할 수 있도록 돕는다. ▲텍스트 투 3D는 텍스트 프롬프트를 입력하면 편집 가능한 3D 캐릭터나 생명체, 소품으로 변환한다. 크리에이터가 구상한 내용을 설명하면 기하학적 구조와 질감이 포함된 상세한 3D 자산을 생성하며, 이를 다양한 프로젝트에서 재사용할 수 있다. ▲이미지 투 3D는 스케치나 참조 이미지, 콘셉트 아트를 텍스트가 포함된 3D 모델로 바꾼다. 한 장의 이미지로도 편집 가능한 자산을 만들 수 있으며 개발 과정에 따라 형태나 질감, 구조를 자유롭게 조정할 수 있다. ▲텍스트 투 이미지는 몇 초 만에 콘셉트 비주얼을 생성해 캐릭터나 장면, 스타일을 탐색하게 돕는다. 가장 뛰어난 아이디어를 선택해 3D 워크플로로 직접 가져와 추가 개발을 진행할 수 있다. ▲제작된 결과물은 USD, STL, OBJ 파일 형식으로 내보낼 수 있다. 이를 통해 다양한 소프트웨어에서 추가 작업을 이어가거나 3D 프린팅, 물리적 프로토타입 제작, 실제 모델 제작 등 온·오프라인을 넘나드는 활용이 가능하다. 원더 3D는 제작팀이 짧은 시간 안에 더 많은 콘텐츠를 제공해야 하는 압박 속에서 제작 공정을 간소화하고 새로운 창의적 가능성을 열어준다. 전문 스튜디오는 캐릭터와 소품의 프로토타입을 빠르게 제작할 수 있고, 버추얼 프로덕션 및 XR 팀은 사용 가능한 3D 모델로 장면을 신속하게 채울 수 있다. 인디 개발자나 취미 활동가들도 대규모 팀 없이 고품질 3D 자산을 구축할 수 있으며, 마케팅 팀은 캠페인이나 클라이언트 시연을 위한 3D 모델을 유연하게 제작할 수 있다. 생성형 AI와 편집 가능한 워크플로를 결합한 원더 3D는 제어력과 품질을 유지하면서 제작 속도를 높인다. 오토데스크는 이를 통해 오토데스크 플로 스튜디오가 3D 제작을 위한 접근성 높은 입문점이자 디지털과 물리적 워크플로를 아우르는 강력한 프로토타이핑 도구가 될 것으로 기대하고 있다. 오토데스크의 자회사인 원더 다이내믹스의 공동 설립자 니콜라 토도로비치(Nikola Todorovic)는 “3D 자산 제작은 전통적으로 많은 수작업이 필요한 어려운 과정이었다”면서, “원더 3D는 이러한 고충을 해결하고 모든 숙련도의 크리에이터가 제작 속도를 늦추지 않고도 신속하게 3D 자산을 생성하고 반복 작업할 수 있도록 돕기 위해 개발했다”고 밝혔다.
작성일 : 2026-04-03
크레오 플로 어낼리시스를 통한 유동해석
제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (9)   크레오 플로 어낼리시스(Creo Flow Analysis)는 설계자가 CAD 환경 내에서 직접 유체 흐름과 열 전달을 시뮬레이션하여 제품의 성능을 즉각적으로 검증하고 최적화할 수 있게 돕는 통합 CFD 설루션이다. 크레오 플로 어낼리시스는 별도의 데이터 변환 없이 크레오 모델에서 직접 해석을 수행하므로, 설계를 수정하면 해석 모델도 즉시 업데이트된다. 그리고 전문가가 아니더라도 마법사 방식의 설정을 통해 메시(mesh) 생성부터 결과까지 단계별로 진행할 수 있으며, 독자적인 알고리즘을 통해 복잡한 형상에 대해서도 비교적 빠른 계산 결과를 제공한다. 크레오 플로 어낼리시스는 내·외부 유동 분석을 통한 압력 강하 및 속도 분포 확인은 물론, 전도·대류·복사를 모두 고려한 정밀한 열전달 해석 기능을 제공한다. 특히 최신 크레오 12.0에서는 전기장 및 음향 해석 기능까지 추가되어, 더욱 폭넓은 물리적 현상을 하나의 환경에서 통합적으로 검증할 수 있다.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   이번 호에서는 인버터 어셈블리의 예를 통해 유체 도메인 생성부터 열, 유동해석을 진행해보자. 먼저 어셈블리를 열고 각 부품의 필요한 재료를 모두 설정한다.     유동해석을 위해 메뉴에서 응용 프로그램 → Flow Analysis를 클릭한다.     새 프로젝트를 생성하여 이름 및 어셈블리 단순화 표현을 선택한다.     프로젝트를 생성하면 그림과 같이 해석 트리가 생성된다.     해석을 위해 유체 도메인을 생성한다.     크레오 플로 어낼리시스는 설계 형상에서 유체 영역을 자동으로 추출하고 설계 변경 시 실시간으로 업데이트하여, 번거로운 모델링 작업 없이 유체 도메인을 생성할 수 있다. ‘오프닝’을 클릭하여 공기가 유입되고 나가는 두 면을 Ctrl 키를 누르고 선택한다.     두 면을 모두 선택하고 ‘확인’을 클릭하면 그림과 같이 자동으로 구멍이 모두 선택된다.     구멍을 모두 확인한 후 ‘확인’을 클릭한다. 모델 트리를 보면 그림과 같이 두 부품이 추가된 것을 볼 수 있다.     이제 시뮬레이션 도메인 선택 아이콘을 클릭하여 각 영역을 지정한다.     ‘유체 도메인 추가’를 클릭한 후 모델 트리에서 ‘INVERTER_ FLUID_1.PRT’를 클릭한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-04-02
로지텍, 버티컬 마우스 ‘리프트’ 신규 컬러 출시
로지텍이 인체공학 버티컬 무선 마우스인 ‘리프트(Lift)’의 신규 컬러 ‘웜그레이(Warm Gray)’를 출시했다. 이번에 추가된 웜그레이 컬러는 기존 그래파이트, 오프화이트, 로즈 핑크에 이어 선보이는 새로운 색상으로, 부드럽고 차분한 뉴트럴 톤이 특징이다. 절제되고 세련된 컬러감으로 사무실과 홈 오피스는 물론 다양한 데스크 셋업 환경과 자연스럽게 어우러지며, 사용자의 라이프스타일과 취향을 반영한 마우스 색상 선택의 폭을 한층 넓혔다.     리프트는 한국인을 포함한 아시아인의 손 크기를 고려한 ‘아시안 핏’ 사이즈와 57° 수직 각도의 버티컬 구조를 적용해 장시간 사용 시 손목 부담을 줄여준다. 손을 자연스럽게 세운 자세를 유도해 보다 편안한 사용 환경을 제공하며, 손의 곡선을 따라 설계된 디자인과 고무 소재 그립으로 안정적인 파지감을 구현했다. 또한 로지텍 인체공학 연구소 ‘에르고 랩(Ergo Lab)’의 테스트와 인체공학 전문기관 검수를 거쳐 제품 완성도를 높였다. 업무 효율을 고려한 기능도 강점이다. 무소음 클릭 설계로 조용한 환경에서도 부담 없이 사용할 수 있으며, 스마트 휠(SmartWheel)은 스크롤 속도에 따라 고속 모드와 정밀 모드로 자동 전환되어 문서 작업부터 세밀한 편집 작업까지 효율적인 작업을 지원한다. 로지텍 Options+ 소프트웨어를 통해 버튼 커스터마이징과 DPI 설정 등 개인 맞춤형 사용이 가능하며, 블루투스 LE 및 동봉된 로지 볼트(Logi Bolt) 리시버를 통한 안정적인 무선 연결을 지원한다. 또한 이지 스위치(Easy-Switch) 기능으로 최대 3대 기기를 손쉽게 전환할 수 있고, 로지텍 플로우(Logitech Flow)를 활용하면 기기 간 파일 복사 및 붙여넣기도 가능해 멀티 OS 환경에서도 높은 활용도를 제공한다. 지속가능성을 고려한 설계 역시 적용됐다. 기존 그래파이트 모델에는 70%, 페일 그레이와 로즈핑크에는 54%의 재활용 플라스틱이 사용됐으며, 이번 웜그레이 컬러 역시 56%의 재활용 플라스틱을 사용하며 지속가능성 기준을 반영했다. 로지텍 코리아는 “리프트는 인체공학적 설계와 직관적인 사용성을 기반으로 로지텍 버티컬 마우스 라인업을 대표하며 꾸준히 사랑받아 온 제품”이라며, “이번 웜그레이 컬러 출시는 사용자 개개인의 업무 환경과 라이프스타일에 맞춘 선택지를 확장하는 동시에, 앞으로도 로지텍이 인체공학 기술과 디자인 혁신을 통해 보다 건강하고 개인화된 업무 경험을 제시해 나가겠다는 방향성을 담고 있다”고 말했다.
작성일 : 2026-03-09
MBSE 기반 저탄소 친환경 선박 성능 검증의 프론트 로딩
산업을 위한 AI와 버추얼 트윈 기술 (1)   국제적으로 환경 규제가 강화됨에 따라 조선산업에서는 설계 초기 단계부터 탄소 배출을 정량적으로 관리하는 체계가 필수로 자리잡고 있다. 다쏘시스템은 카티아 매직(CATIA Magic)과 다이몰라(Dymola)를 통해 모델 기반 시스템 엔지니어링(MBSE)과 다물리 시뮬레이션을 결합한 ‘프론트 로딩’ 환경을 제공한다. 이를 통해 선박의 복잡한 시스템을 통합적으로 검증하고 최적의 설계 대안을 도출함으로써, 저탄소 친환경 선박 개발의 리스크를 줄이고 기술 경쟁력을 강화할 수 있다.   ■ 신정일 다쏘시스템코리아 조선해양 Technical Executive 홈페이지 | www.3ds.com/ko   전 세계 교역 물량의 약 90%를 담당하는 해운 산업은 전 지구적 온실가스 배출의 약 3%를 차지하고 있으며, 기후 위기 대응의 핵심 산업으로 빠르게 부상하고 있다. 국제해사기구(IMO)는 2050년까지 해운 산업의 온실가스 순배출 제로(net-zero)를 목표로 설정하고, 기존선 에너지효율지수(EEXI : Energy Efficiency Existing Ship Index)와 탄소집약도지표(CII : Carbon Intensity Indicator) 등 규제를 본격적으로 시행하고 있다. 이러한 규제 환경은 선박의 성능을 단순히 ‘만족’시키는 수준을 넘어, 설계 초기 단계에서부터 탄소 배출을 정량적으로 예측, 관리, 검증할 수 있는 체계를 요구하고 있다. 이러한 변화로 인해 기존의 2D 도면 중심 설계와 부문별로 단절된 해석, 사후 검증 위주의 접근 방식만으로는 더 이상 효과적인 대응이 어렵다는 인식이 확산되고 있다. 이에 따라 최근 조선산업에서는 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE)과 시스템 단위 시뮬레이션을 중심으로 한 디지털 전환이 핵심적인 대응 방안으로 부상하고 있다.   조선산업에서 MBSE가 필수인 이유 선박은 본질적으로 추진, 전력, 연료, 안전, 제어, 열, 규제 요구사항이 복합적으로 얽힌 통합 시스템(system of systems)이다. 그러나 전통적인 설계 방식에서는 이러한 요소들이 개별 부서, 개별 해석 도구, 개별 문서로 관리되어 왔으며, 시스템 차원의 상호 영향은 설계 후반부나 시운전 단계에서야 드러나는 경우가 많았다. MBSE는 이러한 한계를 극복하기 위한 접근 방식이다. 선박을 하나의 통합 시스템으로 정의하고 요구사항–기능–구성요소–성능 간의 관계를 모델로 명확히 연결함으로써, 설계 변경이 전체 시스템에 미치는 영향을 사전에 검증할 수 있도록 한다. 이는 단순한 설계 효율화가 아니라, 규제 대응 리스크와 기술 불확실성을 구조적으로 줄이는 방법이다. 특히 저탄소 친환경 선박에서는 연료 소비, 이산화탄소 배출, 에너지 흐름, 운항 조건이 서로 긴밀히 연결되어 있기 때문에, 시스템 차원의 모델링과 시뮬레이션 없이는 설계 단계에서 신뢰성 있는 판단을 내리기 어렵다.   친환경 시스템 설계를 위한 성능 검증 다쏘시스템의 카티아 매직(CATIA Magic)은 이러한 복잡성을 관리하기 위해 MBSE를 단순한 개념이 아니라 설계–검증–의사결정이 유기적으로 작동하는 실질적인 실행체계로 구현한다. 요구사항 관리와 시스템 아키텍처를 중심으로 선박 전체의 구조와 기능을 정의하고, 그 결과를 물리 성능 시뮬레이션과 직접 연결함으로써 설계 초기 단계의 판단이 실제 성능 검증으로 즉시 이어지는 ‘프론트 로딩(front loading)’ 환경을 제공한다. 이 과정에서 다이몰라(Dymola)는 MBSE에서 정의된 시스템 아키텍처를 물리적으로 검증하는 핵심 가교 역할을 수행한다. 카티아 매직에서 정의된 요구사항과 검증 시나리오는 다이몰라의 시스템 모델로 전달되며, 다이몰라는 추진, 전력, 연료공급, 열관리 및 제어시스템 등 선박의 복합한 거동을 다물리(multi-physics) 기반으로 시뮬레이션하여 정량적인 성능 결과를 도출한다. 이러한 결과는 다시 시스템 아키텍처로 피드백되어 설계 대안 간 트레이드오프 분석과 전체 시스템 최적화에 활용된다. 특히 다이몰라는 오픈소스로 무료 사용이 가능한 표준 모델링 언어인 모델리카(Modelica)를 채택하고 있어, 조선소가 자사의 설계 철학과 운용 조건을 반영한 컴포넌트를 직접 구현할 수 있는 높은 유연성을 제공한다. 이를 통해 특정 벤더의 정형화된 라이브러리에 종속되지 않고, 기업 고유의 도메인 지식과 설계 노하우를 모델로 축적하고 활용할 수 있으며, 지식재산권 보호 측면에서도 경쟁력을 확보할 수 있다. 이러한 특성은 복잡성과 다양성이 높은 조선산업의 설계 및 생산 환경에서 성능을 검증, 최적화하는 데 적합하다.   그림 1   즉, MBSE가 ‘무엇(what)을 만족해야 하는가’를 정의한다면, 다이몰라는 ‘그 요구사항이 실제 물리 법칙 하에서 가능한가(how)’를 입증하는 역할을 담당한다. 이러한 시스템 아키텍처–성능 시뮬레이션 간 폐순환(closed-loop) 구조를 통해 설계 변경이 발생하더라도 그 영향이 신속하게 시뮬레이션 모델에 반영되며, 엔지니어는 그 결과를 바탕으로 데이터에 근거한 최적의 설계 대안을 도출할 수 있다. 이러한 초기 단계에서의 검증은 선박의 생산 및 시운전 단계에서의 시행착오를 획기적으로 줄이고, 한국 조선업의 기술적 리더십을 공고히 하는 핵심 경쟁력이 될 것이다.   카티아 매직과 다이몰라를 활용한 저탄소 친환경 성능 검증 사례 카티아 매직과 다이몰라는 이미 글로벌 조선산업에서 저탄소 성능을 설계 초기부터 검증하는 데 활용되고 있다. 대표적인 사례로는 전력 시스템 성능 검증, 그리고 IMO CII 규제 검증이 있다. 첫 번째 예로, 유럽의 한 조선소에서 선박 운항 중 전력 부하 해석을 통해 케이블, 변압기, 발전기 등 주요 전력 구성 요소의 적정 용량을 산정하고, 제어기를 포함한 전력 시스템의 전력 소모를 최소화하여 친환경 운항을 도모한 사례이다. <그림 2>와 같이 부하 흐름(load flow) 해석과 과도(transient) 시뮬레이션을 통해 주요 전력 구성 요소의 용량과 전력 계통의 거동을 설계 초기 단계에서 검증함으로써, 전압 강하 및 과부하 발생 여부를 사전에 평가할 수 있다.     ■ 기사 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-03-06
고양력 항공기 형상의 공력 시뮬레이션
성공적인 유동 해석을 위한 케이던스의 CFD 기술   상업용 항공기는 이륙 및 착륙 시 높은 받음각에서 운용되므로, 양력을 정확하게 예측하는 것이 매우 중요하다. 이러한 예측은 최대 이륙 중량, 요구 엔진 추력, 활주로 길이와 같은 요소를 결정하는 데 필수이며, 이는 항공기의 안전하고 효율적인 설계 및 운용에 직결된다. 그러나 고양력 장치가 사용되는 이·착륙 단계에서는 순항 비행과는 다른 유동 특성이 형성되기 때문에, 항공기의 양력과 항력을 정확히 예측하는 것은 항상 어려운 과제로 남아 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   고양력 항공기 주위의 유동은 후류(wake), 와류(vortex), 역류 영역(reverse flow region), 경계층(boundary layer), 접합부 유동(juncture flow) 등과 같이 복잡하고 상호작용하는 유동 구조를 포함한다. 케이던스 피델리티 LES(Cadence Fidelity LES, 구 Cascade CharLES)에서의 벽면 모델 대와류 시뮬레이션(Wall-Modeled Large Eddy Simulation : WM-LES)은 고양력 항공기 성능 예측에 효과적인 것으로 입증되었다. 이와 같은 맥락에서, 상대적으로 낮은 충실도의 정상 상태 레이놀즈 평균 나비에–스토크스(Reynolds-Averaged NavierStokes : RANS) 해석은 계산 비용이 낮아 신속한 성능 평가, 설계 비교 및 최적화 연구를 위한 유용한 도구를 제공한다. 최근 케이던스 피델리티 플로(Cadence Fidelity Flow)의 밀도 기반 해석기(Density-Based Solver : DBS)에 적용된 RANS 난류 모델링 기법의 개선을 통해, 수치적 안정성과 정확성이 향상되었으며 이러한 복잡한 유동장을 보다 효과적으로 다룰 수 있게 되었다. 또한 멀티그리드(multigrid) 기법과 CPU 부스터(CPU Booster) 기술과 같은 수렴 가속 방법을 통해 계산 수렴 속도 역시 크게 향상되었다. 이번 호의 사례 연구에서는 Common Research Model High Lift(CRM-HL) 형상에 대해 피델리티 플로 해석기가 갖는 공력 시뮬레이션 능력을 입증한다. CFD 예측 결과는 풍동 실험 결과와 비교·검증되었으며, 이를 통해 예측 신뢰성을 향상시키고 항공기 제조사가 인증을 위한 해석 기반 설계(Certification by Analysis)를 수행하는 데 기여함으로써, 물리적 시험에 대한 의존도를 줄이고 제품의 시장 출시 기간을 단축할 수 있다.   형상 <그림 1>에 나타낸 CRM-HL 모델의 실물 크기 정상 착륙 형상은 40°/37°의 트레일링 에지 플랩 편향각을 가지며, 나셀 상부 표면에 와류 생성을 위한 차인(chine)이 적용된 나셀/파일론(nacelle/pylon)을 포함한다. 외측 슬랫 요소는 12개의 슬랫 브래킷을 통해 주익에 부착되어 있고, 내측 슬랫 요소는 3개의 슬랫 브래킷으로 연결되어 있다. 또한 플랩과 주익 사이의 연결부는 3개의 플랩 페어링에 의해 덮여 있다.   그림 1. CRM-HL 컨피규레이션   격자 생성(Meshing) 격자 생성에는 케이던스 피델리티 포인트와이즈(Cadence Fidelity Pointwise)가 사용되었으며, AIAA Geometry and Mesh Generation Workshop(GMGW-3)의 RANS 기술 포커스 그룹에서 권장하는 모범 사례(best practices)를 따랐다. 이 연구에서 사용된 격자는 중간 수준의 격자 정밀도를 갖는 레벨 B에 해당하며, 약 7500만 개의 복셀-코어(voxel-core) 격자로 구성되어 있다. 이번 연구에 사용된 격자는 최신 포인트와이즈 버전(2023.1)에서 재생성되었으며, 피델리티 CAE 내보내기(export) 설정을 통해 출력되었다. 이보다 더 정밀한 워크숍 격자로는 약 1억 5000만 개와 3억 개의 셀을 갖는 레벨 C 및 레벨 D 격자가 존재한다. 동체(fuselage)의 표면 격자 세분화는 평균 공력 시위(mean aerodynamic chord, 약 7m)의 1.5% 이하로 유지되었다. 유사하게 주익(main wing), 슬랫(slats), 플랩(flaps)에 대한 시위 방향 및 스팬 방향 격자 간격은 각각 국부 시위의 0.15% 이하, 그리고 날개 반경(span)의 0.15% 이하(약 29.38m)로 설정되었다. 트레일링 에지에는 6개의 셀이 배치되었다. 또한 둥근 리딩 에지, 무딘 트레일링 에지, 와류 생성 에지와 같은 영역에서는 최대 70까지의 종횡비(aspect ratio)를 갖는 비등방성(anisotropic) 셀을 적용함으로써, 셀 수와 계산 시간을 크게 줄일 수 있었다. 벽면에 수직한 방향의 초기 격자 간격은 4×10-⁵m로 설정되었으며, 이는 Y+≈1.5에 해당한다. 경계층 특성을 정확히 포착하기 위해 성장률 1.16을 적용한 40개 층의 프리즘 레이어가 사용되었다. 이와 같이 생성된 레벨 B 격자는 신속한 성능 평가를 위한 격자로서, 설계 경향(trend) 예측 및 서로 다른 항공기 형상 간 비교에 적합한 합리적인 격자 수렴 수준을 확보한 것으로 판단할 수 있다.   그림 2-(a) Surface mesh with symmetry plane   그림 2-(b) Constant y cut over the wing   그림 3. Surface mesh on the wing and nacelle   수치 해석(Simulation) 압축성 형식의 피델리티 플로 밀도 기반 해석기(DBS)는 지배 방정식을 계산한다. 정상 상태 계산은 마하수 0.2, 레이놀즈 수 5.49M 조건에서 받음각 2.78°부터 22.5°까지의 전체 폴라 범위를 대상으로 수행되었으며, 기본 2방정식 k–ω SST 모델, 유동 박리를 지연시키기 위해 a1 계수를 1.0으로 설정한 수정 k–ω SST 모델, 그리고 QCR2000 회전–곡률(rotation–curvature : RC) 보정이 적용된 1 방정식 SA 모델의 세 가지 서로 다른 난류 모델이 사용되었다. 이 RC 보정은 와도율이 변형률보다 현저히 큰 영역에서 과도한 난류 수준이 발생하는 문제를 해결하기 위해 Dacles-Mariani 등(1995, 1999)에 의해 제안되었다. 프리컨디셔닝을 적용하지 않은 중앙 행렬 스킴(central matrix scheme)은 더 낮은 인공 소산을 보장하고 보다 정확한 해를 제공하는 반면, 높은 받음각(angle of attack) 조건에서는 a1 = 1로 설정된 SST 모델과 결합된 개선된 CPU 부스터가 적용된 중앙 스칼라 스킴(central scalar scheme)을 사용하여 수렴 속도를 가속하였다.     ■ 기사 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-03-06
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
[케이스 스터디] 건설 인력 교육을 혁신한 지멘스와 에듀케이션XR의 디지털 툴
XR과 AI로 건설 분야의 차세대 전기 공학자 양성   지멘스는 건설업계 및 전기 산업의 인력 부족 문제를 해결하고자, 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이번 호에서는 누마가 어떻게 하나의 원활하고 기기에 구애받지 않는 허브에서 XR 기반 학습, AI 기반 지원, 모바일용 기술 문서에 대한 액세스를 제공하는지 살펴본다. ■ 자료 제공 : 유니티 코리아     지멘스는 전기화, 자동화, 소프트웨어 및 디지털 트윈 연료 산업, 인프라 및 운송 분야의 글로벌 기술 기업이다. 미국에 있는 지멘스는 인프라를 개선하고, 산업 생산성을 높이고, 지속 가능한 에너지 시스템을 구현하는 혁신적인 설루션을 제공한다. 지멘스는 스마트 인프라스트럭처 전기 제품 부문 내에서 주택 건물부터 병원 및 데이터 센터와 같은 중요한 인프라에 이르기까지 안전하고 효율적인 전기 설치를 보장하는 포괄적인 로드 센터, 회로 차단기, 패널보드, 스위치 장치, 측정 설루션 및 제어 제품 포트폴리오를 제공한다. 지멘스는 미국 건설업계, 특히 전기 산업에서 급격한 숙련된 인력 부족에 직면하여 교육과 인력 개발을 현대화하기 시작했다. 도전 과제는 디지털을 우선시하는 최신 학습자의 참여를 유도하는 확장 가능하고 접근성이 뛰어난 인터랙티브 학습 플랫폼을 만들어 효율, 안전성, 실무 성과를 개선하는 것이었다. 이러한 요구 사항을 충족하기 위해 지멘스는 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이 플랫폼은 모든 모바일, 데스크톱 및 VR 헤드셋에 몰입형 경험을 제작 및 배포하는 데 사용되는 유니티(Unity) 개발자 플랫폼이다.   결과 XR 시뮬레이션을 사용하여 지식 보존을 3배 개선 주요 전기 설치 작업에 대한 숙련도를 높이는 데 필요한 시간을 70% 단축 처음 6개월 동안 1만 개 이상의 AI 기반 질문에 답변 외부 사용자의 주당 참여율(85% 이상) 지멘스 에듀케이트 아메리카(Siemens Educates America)를 통해 2만 5000명의 학습자와 교육 담당자에게 도달 미국 전역에서 누마에 액세스하는 내부 및 고객 사용자 1000명 이상 중앙 집중형 셀프 서비스 콘텐츠 액세스를 통해 교육 및 지원 비용 대폭 절감 유니티의 크로스 플랫폼 엔진 덕분에 모바일, 데스크톱, AR, VR 기기 전반에 원활하게 배포 가능   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   직원의 과제 : 디지털 세계에서 기술 격차 해소 미국 건설 산업, 특히 전기 산업은 급급한 기술 부족에 직면하고 있다. 인력의 노화, 전기화 수요 증가, 프로젝트 복잡도 증가, 새로운 디지털 기술의 조합으로 인해 교육 역량과 실제 수요 사이의 격차가 커지고 있다. 전기 인프라가 복잡해질수록 영업 엔지니어, 전기 시공사, 학습자 등 전문가는 정확한 제품 정보를 빠르게 찾고, 설치 절차를 이해하고, 새로운 디지털 툴을 활용하는 데 어려움을 겪고 있다. 기존의 교육 방식은 더 이상 충분하지 않다. 학습자와 숙련된 전기 공학자는 위험, 다운타임, 불일치 없이 실습을 진행할 수 있는 유연하고 확장 가능하며 기술적인 설루션을 필요로 하며, 이런 설루션은 디지털 노멀과 네이티브 모두에게 매력적이다. 지멘스는 자체 교육 툴과 내부 지원 시스템을 발전시킬 필요성을 인식하고 몰입형 기술에서 해결책을 찾았다. 이전에는 지멘스의 XR 교육 모듈이 수동으로 VR 헤드셋에 추가되었으며 배포, 확장성 또는 유저 친화적인 액세스를 위한 중앙 집중형 플랫폼이 부족했다. ‘광고 지면’의 타깃 고객 액세스 경험은 단편화되어 리소스를 많이 사용했다.   ▲ 출처 : 에듀케이션XR   누마, 더 스마트한 인력을 위한 스마트 교육 지멘스는 기술 가이드, 몰입형 학습 및 AI 기반 지원을 위한 원스톱 허브 역할을 하는 혁신적인 애플리케이션인 누마를 도입했다. 누마는 내부 팀과 외부 고객 모두를 염두에 두고 설계되었으며 인터랙티브 콘텐츠, 실시간 데이터 액세스, 크로스 디바이스 접근성을 지능적으로 조합한다. 누마는 유니티 실시간 3D 엔진과 에듀케이션XR 플랫폼을 활용하여 다음과 같은 기능을 제공하여 기존의 교육과 최신 디지털 요구 사항 간의 격차를 해소한다. 몰입형 XR 교육 모듈 : 실시간 전압이나 하드웨어 없이 실전 전기 훈련을 위한 사실적인 시뮬레이션 3D 및 XR 호환 제품 시각화 : 전기 부품을 설치하기 전에 살펴보고 학습할 수 있는 인터랙티브 모델 AI 기반 콘텐츠 검색 : 제품 질문에 답변하고, 기술 자료를 추천하고, 학습 가이드를 제공하는 생성형 AI 어시스턴트이다. 실무 지원 : 3D 조립 및 설치 지침 가이드 중앙 집중식 리소스 액세스 : 사양 시트부터 동영상 튜토리얼까지 누마는 모바일, 데스크톱 및 VR 전반에 걸쳐 통합된 콘텐츠 경험을 제공한다.   주요 기능 모든 기기에서 웹 및 모바일 액세스 가능 크로스 플랫폼 XR 학습 환경 인터랙티브 튜토리얼 및 가이드식 시뮬레이션 제품 쿼리, 문제 해결, 애셋 추천을 위한 생성형 AI 확장 가능한 교육 과정 개발을 위한 에듀케이션XR 기반 콘텐츠 제작 에듀케이션XR의 코리 하이젠레이더(Cory Heizenrader) CEO는 “에듀케이션XR은 크로스 플랫폼 자동 멀티플레이어(폰, 태블릿, 데스크톱, VR 등)를 갖춘 제작 제품군이다. 우리는 최첨단 XR 지원과 유연성 때문에 유니티를 선택했다”고 전했다.   유니티로 구축한 누마의 기반 기술 유니티는 누마의 몰입형 경험의 기반이 된다. 유니티 크로스 플랫폼 기능을 통해 지멘스와 에듀케이션XR은 모든 기기에서 통합되고 일관된 교육 및 지원 경험을 제공할 수 있으며, 이는 현장의 디지털 네이티브에 도달하는 데 필수이다. 이 과정은 크리에이터가 에듀케이션XR의 카페인(Caffeine) 패키지를 유니티 에디터로 다운로드하여 에듀케이션XR 자격 증명을 통해 로그인하거나, 조직에서 에듀케이션XR과 IT를 통합하기로 결정한 경우 안전한 SSO를 통해 로그인한다. 디자인 단계가 끝나면 3D 모델을 유니티 가져와서 단계별 인터페이스를 통해 크리에이터가 간단한 방식으로 콘텐츠를 제작하는 방법을 안내한다.   ▲ 출처 : 지멘스   유니티가 지멘스의 누마 플랫폼 각 레이어를 지원하는 방법은 다음과 같다. 카페인으로 콘텐츠 제작 : 지멘스는 에듀케이션XR의 커스텀 유니티 패키지인 카페인을 유니티 에디터에서 직접 사용한다. 커스텀 에듀케이션XR 언어인 플로(Flow)를 통한 비주얼 스크립팅과 모든 경험 수준의 크리에이터를 위한 드래그 앤 드롭 유저. ‘광고 지면’의 타깃 고객 경험이 포함되어 있다. 교육 모듈, 제품 데모, 시뮬레이션은 15분 만에 제작할 수 있으며, 에듀케이션XR의 클라우드 인프라를 통해 자동으로 배포되므로 실행 파일을 생성하고 배포할 필요가 없다. 크로스 플랫폼 배포 : 유니티의 렌더링 파이프라인과 XR 통합(URP, AR Foundation, AI Navigation, Splines)을 통해 모바일, 데스크톱, VR 및 AR 플랫폼에 원활하게 배포할 수 있다. 누마는 윈도우, 맥OS, 안드로이드, 퀘스트(Quest), 피코(Pico) 및 패스스루 지원 XR 헤드셋에서 실행된다. XR 모드를 위한 AR 파운데이션 : 유니티의 AR 파운데이션(AR Foundation)은 휴대폰을 공간 교육 기기로 변환한다. 교육생은 모바일 AR을 사용하여 가상 환경을 보고 상호 작용할 수 있다. VR 헤드셋이 필요하지 않다. 실시간 시뮬레이션 및 멀티플레이어 : 유니티는 모든 디바이스에서 멀티플레이어(multiplayer) 시뮬레이션을 지원하므로, 하드웨어와 관계없이 팀이 함께 훈련할 수 있다. 이렇게 하면 강의실, 작업 현장, 원격 장소에서 동기화된 학습이 가능하다. 지멘스는 유니티 에듀케이션XR을 통해 기기나 경험 수준에 관계없이 모든 유저. '광고 지면'의 타깃 고객이 일관되고 최첨단 디지털 학습을 이용할 수 있도록 지원한다.   ▲ 출처 : 에듀케이션XR   지멘스의 데이비드 콰텔라(David Quatela) 북미지역 일렉트리컬 제품 마케팅 매니저는 “유니티 엔진과 강력한 성능을 에듀케이션XR의 출력 및 별도의 기능과 결합하는 능력은 인력 개발 및 건설 기술 작업을 통해 지멘스의 시장 진출 방식을 바꿔 놓았다”고 설명했다.   스파크 변경 결과 누마는 6개월 만에 지멘스의 인력과 확장된 전기 산업 생태계에 혁신적인 영향을 미쳤다. 누마의 AI 기반 어시스턴트를 통해 1만 개 이상의 제품 및 설치 질문에 대한 답변을 얻어, 매뉴얼을 검색하거나 지원 티켓을 확대하는 데 소요되는 시간을 절약할 수 있었다. 기술 지식에 대한 즉각적인 액세스 덕분에 효율이 향상되었을 뿐만 아니라, 작업에 대한 유저 및 ‘광고 지면’의 타깃 고객 신뢰도도 높아졌다. 유니티 기반 XR 교육 모듈 덕분에 지멘스는 지식 보존이 세 배 증가하여 학습자가 복잡한 절차를 더 효과적으로 수용할 수 있도록 지원했다. 실제 시나리오에서는 중요한 설치 및 문제 해결 작업에 필요한 시간을 70% 단축하여 시간을 절약하고, 비용이 많이 드는 오류를 줄이면서 건설 현장의 다운타임을 최소화할 수 있다. 신속하고 열정적인 도입이 이루어졌다. 지멘스의 내부 팀, 계약업체, 유통 파트너를 아우르는 1000명 이상의 사용자를 바탕으로, 누마는 몰입형 교육과 지원을 위한 핵심 지점으로 빠르게 자리매김하고 있다. 지멘스 에듀케이트 아메리카 이니셔티브를 통해 2만 5000명 이상의 학습자와 강사가 참여하여 업계의 증가하는 기술 격차를 해소할 수 있었다. 외부 사용자도 참여를 유지하고, 매주 상호 작용률이 85% 이상이며, 하루 평균 125건의 AI 기반 콘텐츠 쿼리로 플랫폼 가치가 있을 뿐만 아니라 필수라는 확실한 신호이다.   ▲ 출처: 지멘스   측정할 수 있는 결과와 높은 참여도의 조합을 통해 유니티의 기술과 에듀케이션XR의 교육 모듈 및 지멘스의 심층적인 업계 전문 지식이 어떻게 전체 전기 생태계에서 전문가 교육, 지원 및 역량 강화 방식을 적극적으로 재구성하고 있는지 확인할 수 있다. 실시간 제품 데이터와 AI 기반 영업 툴에 액세스할 수 있는 배포업체 단계별 AR 지침 및 가상 시뮬레이션을 활용할 수 있는 건축업체 XR 모듈 및 온디맨드 지원을 통해 실습 학습을 경험하는 학습자 더 빠른 온보딩, 더 높은 일관성, 미래 지향적 인재 확보를 위한 기업   숙련된 무역의 미래 : 확장형 학습을 위한 장벽 해소 지멘스는 더 많은 AI 기반 콘텐츠 제작 툴, 콘텐츠 라이브러리의 추가 XR 교육 모듈, 더 많은 트레이드 역할을 지원하기 위해 다양한 분야에 걸쳐 광범위한 롤아웃을 통해 누마를 확장하고 있다. 유니티 모듈식 툴셋과 커스텀 스크립팅, 애셋 파이프라인, 기기 호환성에 대한 광범위한 지원은 이러한 비전을 확장하는 데 핵심 역할을 할 것이다.   ▲ 출처 : 지멘스   현대적인 인력 개발을 위한 청사진 지멘스는 단순히 교육 문제를 해결하는 것이 아니라 업계의 인력 개발 및 지원 방식을 더 광범위하게 바꾸는 데 기여하고 있다. 몰입형 XR 학습, AI 기반 지원, 기술 정보에 대한 일관된 온디맨드 액세스를 통합함으로써, 누마는 조직이 온보딩 시간을 줄이고, 작업의 정확도를 높이고, 지속적인 기술 개발을 지원하도록 지원하고 있다. 이러한 툴은 반드시 기존의 학습을 대체할 필요가 없으며, 이를 보완하고 강화하여 교육의 접근성과 참여도를 높이고 현재 건설 환경의 현실에 더 잘 부합한다. 지멘스는 지멘스 에듀케이트 아메리카와 같은 프로그램 및 NECA, IBEW 및 IEC와의 파트너십을 통해 업계에 진출하는 숙련된 인재의 파이프라인을 강화하는 데 도움을 준다. 지식을 더 쉽게 공유하고 전문가가 최신 인프라 및 전기화의 요구 사항을 충족할 수 있도록 더 잘 준비된 미래를 지원한다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-03-05
[무료 다운로드] 케이던스-엔비디아솔라 터빈즈의 AI 물리 기반 협력
성공적인 유동 해석을 위한 케이던스의 CFD 기술   캐터필러(Caterpillar)의 자회사인 솔라 터빈즈(Solar Turbines)는 케이던스와 협력하여, 엔비디아가 지원하는 케이던스 기술을 활용함으로써 가스 터빈을 위한 확장 가능한 고충실도 반응 유동 시뮬레이션을 수행하고 있다. 엔비디아 블랙웰(NVIDIA Blackwell) GPU에서 구동되는 GPU 가속 케이던스 피델리티 찰스 솔버(Cadence Fidelity Charles Solver)를 활용하여, 이제 10억 개 이상의 셀 그리드를 갖는 반응 유동 시뮬레이션을 하루 이내에 실행할 수 있게 되었다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   가속 컴퓨팅과 첨단 시뮬레이션 기술은 기존에 실험에 크게 의존하던 발전 산업에서 전례 없는 효율과 정밀성을 제공하며 판도를 바꾸고 있다. 복잡한 설계 특징과 여러 구성 요소를 가진 전체 규모의 산업 모델은 이제 GPU 가속 시뮬레이션을 통해 매우 높은 수준의 세부 사항까지 분석할 수 있게 되었다. 이를 통해 유동 물리, 화염(flame)–유동(flow) 상호작용, 그리고 최적의 설계를 얻기 위한 다양한 설계 구성의 평가가 가능해졌다.     왜 대규모 산업 모델에 스케일러블 고충실도 시뮬레이션이 필요한가? 최근에는 다양한 유동 조건에서 산업용 발전 시스템을 비용 효율적으로 최적화하기 위해 CFD(전산 유체 역학) 도구 사용이 증가하고 있다. 그러나 산업 현장에서 CFD의 활용은 종종 시스템의 개별 구성 요소를 분리된 상태로 시뮬레이션하는 데 제한되어 있다. 이후 이들 구성 요소가 제작·조립되지만, 전체 시스템의 성능이 기대에 미치지 못하는 경우가 종종 발생한다. 이러한 비효율은 시장 출시 시간과 비용을 증가시킨다. 널리 사용되는 RANS(Reynolds-averaged NavierStokes) 접근법은 유동 및 화염의 비정상성을 포착하는 데 본질적인 한계가 있어 복잡한 연소 현상을 처리하기 어렵다. 반면 LES(Large Eddy Simulation)는 시간적으로 변화하는 대규모 난류 구조를 정확하게 포착할 수 있어, 연소 불안정성을 예측하는 데 더 적합하다고 평가된다. 그러나 전체 규모의 산업 모델에 LES를 적용하려면 복잡한 유동 및 화염 구조(flow & flame), 복잡한 형상, 넓은 계산 영역을 해결해야 하므로 계산적으로 큰 도전이 된다. 이러한 한계는 대규모 모델을 효과적으로 처리할 수 있는 GPU 가속 스케일러블 LES 시뮬레이션 소프트웨어의 필요성을 강조한다. 이러한 기술을 사용하면 엔지니어가 물리 현상을 온전히 이해할 수 있으며, 더 나아가 구성 요소 간 상호작용이 전체 성능에 어떤 영향을 주는지도 파악할 수 있다. 시스템 전반의 복잡성을 처리할 수 있는 첨단 시뮬레이션 도구를 활용함으로써, 산업계는 더 나은 의사결정, 설계 주기 단축, 신뢰성 높은 결과를 달성할 수 있다.   대규모 반응 유동 시뮬레이션 수행 케이던스와 솔라 터빈즈가 엔비디아 기술을 활용해 협력한 사례는 대규모 반응 유동 시뮬레이션의 복잡성을 해결하기 위해 첨단 계산 기술을 활용한 예시이다.   아르콘 국립연구소와의 배기가스 재순환 연구 솔라 터빈즈의 토러스 60(Taurus 60) SoLoNOx 연소기에 대해, 아르곤(Argonne) 국립연구소와 협력하여 EGR(배기가스 재순환)이 연소 불안정성과 배출가스에 미치는 영향을 조사하기 위한 고충실도 시뮬레이션이 수행되었다.(Kabil et al., 2025)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-02-04
마드라스체크 AI 협업툴 플로우, AI 융합과 글로벌 확장으로 흑자 전환 및 고성장 달성
마드라스체크가 개발하고 운영하는 인공지능(AI) 협업툴 플로우(flow)가 국내 스타트업 시장의 투자 위축과 수익성 압박 속에서도 흑자 전환(BEP)과 고성장을 동시에 달성하며 업계의 이목을 집중시키고 있다. 다수의 스타트업이 외형 확대 과정에서 적자 폭이 심화되는 구조적 한계에 부딪히는 것과 달리, 플로우는 성장성과 수익성을 모두 증명하며 이례적인 성공 사례로 평가받고 있다. 마드라스체크는 2025년 한 해 동안 수주 및 계약 기준 매출 210억 원을 기록하며 흑자 전환에 성공했다고 밝혔다. 이번 성과는 단순한 비용 절감이나 일시적인 반등이 아니라, AI 중심의 제품 경쟁력 강화와 SaaS, 프라이빗 클라우드(Private Cloud), 내부망 구축형(엔터프라이즈)을 아우르는 하이브리드 매출 구조를 기반으로 한 구조적 흑자라는 점에서 의미가 크다. 회사는 이러한 글로벌 확장 성과를 바탕으로 기업공개(IPO) 준비를 본격화하고 성장 전략에 속도를 낼 방침이다.     3년 연속 고성장 기록하며 스타트업 시장의 질적 성장 입증 플로우는 최근 수년간 안정적인 성장 흐름을 지속해 왔다. 최근 5년간 회계 매출 기준 연평균 성장률(CAGR) 약 40% 이상을 기록했으며, 2025년 흑자 전환을 기점으로 내실 중심의 질적 성장 국면에 진입했다. 특히 수주 및 계약 매출은 2024년 140억 원에서 2025년 210억 원으로 50% 이상 급증하며 실제 수익으로 연결되는 선순환 구조를 확립했다. 이러한 성과의 배경에는 AI 중심의 제품 고도화와 더불어 제조, 금융, IT 산업에 특화된 차별화된 경쟁력이 자리 잡고 있다. 마드라스체크 측은 치열한 협업툴 시장에서 구축형과 SaaS를 병행하는 안정적인 비즈니스 모델이 시장의 신뢰를 얻은 결과라고 분석했다. 기능 중심 협업툴 넘어 AI 에이전트 협업 OS로 진화 플로우의 AI 전략은 기존의 단순한 질문 답변형 도구와 궤를 달리한다. 플로우는 기업용 멀티 AX 환경을 제공하여 오픈AI, 제미나이, 클로드 등 외부 AI 모델을 기업 특화 보안 기능이 강화된 형태로 안전하게 활용할 수 있도록 지원한다. 나아가 플로우는 AI를 내부 업무 흐름과 파일, 대화의 맥락을 이해하고 다음에 해야 할 일을 제안하는 AI 에이전트(AI Agent)로 정의하고 있다. 프로젝트 생성, 업무 정리, 회의 기록 요약 등 반복적인 프로세스를 자동화하고 우선순위를 제시함으로써 조직 단위의 실행력을 높이는 AI 협업 OS로 진화하고 있다. 이를 통해 사용자는 초기 설정의 부담을 줄이고 실질적인 업무 완결성을 확보할 수 있다. 제조, 금융, 공공 시장 석권하며 구축 실적 국내 1위 굳혀 플로우는 대기업과 금융기관, 공공기관을 대상으로 한 온프레미스 구축 실적에서 독보적인 위치를 점하고 있다. 삼성전기, 현대모비스, BGF리테일 등 대기업은 물론 삼성생명, 삼성화재, 한국투자증권 등 금융권과 한국가스공사, 국회예산처, 금융감독원 등 공공기관을 포함해 70건 이상의 내부망 공급을 완료했다. SaaS와 내부망 구축형 환경을 모두 지원하는 국내 유일의 협업 플랫폼으로서 플로우는 조직의 규모나 보안 요구 수준에 관계없이 동일한 협업 경험을 제공한다. 이학준 마드라스체크 대표는 플로우의 수익을 고객 중심의 AI 기술 내재화와 제품 고도화를 위한 R&D에 집중 재투자하여 AI 협업 OS로서의 경쟁력을 더욱 강화하겠다고 강조했다. 2026년 매출 300억 목표 및 글로벌 시장 진출 가속화 플로우는 2026년 수주 및 계약 기준 매출 300억 원 달성을 목표로 글로벌 시장 확장에 박차를 가한다. 일본, 미국, 영국 등 주요 글로벌 시장을 중심으로 AI 협업 플랫폼에 대한 검증과 확장을 동시에 추진할 계획이다. 이학준 대표는 2025년 연간 흑자 전환은 구조적 성장의 출발점이라며, 외형 성장과 수익성 확보라는 어려운 과제를 해결한 만큼 2026년에는 글로벌 AI 협업 플랫폼으로 도약하며 IPO 준비를 본격화하겠다고 포부를 밝혔다. B2B 소프트웨어 분야에서 드문 성공 사례를 써 내려가고 있는 플로우의 행보에 산업계의 관심이 쏠리고 있다.  
작성일 : 2026-02-01
앤시스코리아, ‘산업 맞춤형 시뮬레이션 AI 설루션 세미나’ 진행
앤시스코리아가 1월 22일 엔지니어링 시뮬레이션 기반 AI 적용 전략을 공유하기 위해 마련한 ‘산업 맞춤형 시뮬레이션 AI 설루션 세미나’를 진행했다고 밝혔다. 이번 세미나는 ‘설계부터 운영까지, AI가 바꾸는 엔지니어링’을 주제로 AI 도입 이후 엔지니어링 시뮬레이션의 역할과 범위가 어떻게 재정의되고 있는지 살펴보고, 제품 개발 전 주기에서 변화하는 시뮬레이션 프로세스와 산업 현장의 주요 트렌드를 실제 사례를 바탕으로 공유하기 위해 마련됐다. 행사 현장에는 다양한 산업군의 엔지니어 및 실무 담당자 약 190명이 참석했다. 세미나는 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장이 ‘AI로 혁신하는 엔지니어링 시뮬레이션’을 주제로 개회사를 전하며 시작됐다. 이어 산업 현장에서 요구되는 시뮬레이션 기반의 AI 적용 방안을 주제로 총 6개의 발표 세션이 진행됐다.     첫 발표에서는 앤시스코리아 강태신 전무가 ‘앤시스가 만드는 디지털 제조 생태계’를 주제로, 디지털 전환 시대 제조 산업이 직면한 핵심 과제와 함께 제품 설계부터 제조 공정까지 전 과정을 아우르는 엔드 투 엔드 시뮬레이션 플랫폼 기반의 접근 방식을 소개했다. 또한 시뮬레이션 기반 전략을 통해 기업이 개발 속도와 품질 경쟁력을 동시에 강화할 수 있는 방향성을 제시했다. 이어서 앤시스코리아 이민욱 프로는 앤시스 옵티스랭(Ansys optiSLang)의 MOP(Meta-model of Optimal Prognosis) 및 FMOP(Field MOP)를 활용한 설계 이해, 모델 보정, 최적화, 강건성 평가 워크플로를 공유했다. 이 세션에서는 설계 프로세스 효율을 높이기 위한 방법론과 함께 최신 시뮬레이션 기반 AI 워크플로 관점에서의 적용 가능성을 함께 다뤘다. 앤시스코리아 김태진 프로는 파이앤시스(PyAnsys) 기반의 데이터 마이닝 자동화 방법론과 앤시스 옵티스랭을 활용한 메타 모델 구축 자동화 프로세스를 소개하며 AI 구현을 위한 학습 데이터 생성 및 전처리, 라벨링 과정에서 시뮬레이션이 수행할 수 있는 역할을 구체적으로 설명했다. 이를 통해 대규모 데이터 확보가 필요한 산업 환경에서의 적용 전략을 제시했다. 이후 세션에서는 온스트림 임영택 대표가 시뮬레이션을 통한 가상 학습 데이터 생성과 실제 데이터 융합 기반의 물리 기반 AI 모델 구축 방안을 발표했다. 특히 제조 현장에서 데이터 확보와 활용 과정에서 발생할 수 있는 현실적인 과제와 함께, 시뮬레이션과 AI의 결합이 실무에 제공할 수 있는 적용 가능성을 강조했다. 앤시스코리아 양경모 프로는 ‘AI 기반 예측 설계의 첫걸음: 차수 축소 모델(ROM)과 하이브리드 애널리틱스(Hybrid Analytics)로 완성하는 준 실시간 디지털 트윈’을 주제로, 예측 모델과 디지털 트윈 구현을 위한 핵심 요소와 적용 시나리오를 소개했다. 엔지니어링 설계·검증 환경에서 빠른 의사결정을 지원하는 전략적 접근을 다뤘다. 마지막으로 앤시스코리아 이정원 매니저는 앤시스 심AI(Ansys SimAI)를 활용한 4D 플로 MRI(4D Flow MRI) 데이터 기반 머신러닝 혈류역학 예측 모델 구축 사례를 발표하며 의료 영상 데이터와 시뮬레이션 기반 분석을 결합한 적용 사례를 공유했다. 이 세션에서는 데이터 기반 예측 모델 구축 과정과 함께, 의료 분야에서의 확장 가능성에 대한 논의가 이어졌다. 앤시스 패드메쉬 맨들로이 부사장은 “이번 세미나는 시뮬레이션과 AI의 결합이 산업 현장에 어떤 방식으로 적용되고 엔지니어링 조직이 무엇을 준비해야 하는지에 대해 실질적인 방향성을 공유한 자리였다”면서, “앤시스코리아는 앞으로도 고객이 설계부터 운영까지 전 주기 혁신을 가속화할 수 있도록 기술과 생태계 지원을 지속적으로 확대해 나가겠다”고 말했다
작성일 : 2026-01-23