• 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 "API"에 대한 통합 검색 내용이 2,051개 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
심센터 X MDO의 새로운 HEEDS
심센터 HEEDS 더 깊게 살펴 보기 (2)   이번 호에서는 유연한 SaaS(서비스형 소프트웨어) 기반의 다중 도메인 엔지니어링 시뮬레이션 제품으로 새롭게 출시된 심센터 X 어드밴스드(Simcenter X Advanced)와 히즈(HEEDS)에서 새로워진 부분에 대해서 살펴본다. 이 클라우드 기반 설루션은 모든 과제를 해결하고 성능 엔지니어링의 힘을 발휘할 수 있도록 지원한다. ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   효율적인 엔지니어링 시뮬레이션 소프트웨어 활용의 필요성 엔지니어링 시뮬레이션은 제품 개발을 간소화하고 제품을 더 빠르고 비용 효율적으로 시장에 출시하는 효율적인 방법을 제공한다. 그러나 다음과 같은 수많은 과제로 인해 시뮬레이션 소프트웨어 투자 효과를 극대화하지 못할 수 있다.   그림 1   라이선스 활용도 저하 : 데스크톱 소프트웨어에 대한 IT 지출의 활용도 저하나 낭비는 상당한 비용 요인이다. 이는 항상 가동 가능한 접근성과 유연한 사용을 위한 라이선싱 모델을 보장하는 배포 방법이 필요함을 의미한다. 시뮬레이션 비즈니스 사례 변화 : 오늘날 시뮬레이션의 핵심 가치 창출 요소는 시장 출시 기간 단축이다. 이는 시뮬레이션 프로세스 체인의 모든 요소를 가속화하여 시뮬레이션 처리량을 극대화해야 함을 의미한다. 복잡성의 폭발적 증가 : 하이테크 기업 관계자들은 제품 복잡성을 주요 과제로 꼽는다. 이러한 제품 복잡성은 엔지니어링 분야 간 장벽을 허물고 효과적이며 추적 가능한 협업을 촉진해야 할 필요성으로 이어진다. 이와 같은 이유로 엔지니어링 시뮬레이션 도구의 배포 및 활용 효율성을 극대화해야 한다. 이러한 경쟁력을 유지하려면 특히 다음과 같은 문제를 해결해야 한다. 배포, 라이선스 및 사용자 관리의 복잡성을 어떻게 줄일 수 있을까? 엔지니어링 시뮬레이션 소프트웨어의 최적 활용을 어떻게 보장할 수 있을까? 엔지니어의 생산성을 극대화하기 위해 시뮬레이션 도구를 어떻게 제공할 수 있을까? 복잡한 제품을 다루고 디지털 스레드의 힘을 발휘하기 위해 엔지니어링 부서 간 장벽을 어떻게 허물 수 있을까? 심센터 X 제품을 IT 담당자 입장에서 살펴 보면, 간단하고 유연하며 관리하기 쉬운 라이선싱 모델을 통해 IT 소유 비용을 절감하고 소프트웨어 라이선스를 최대한 활용할 수 있고, 중앙 집중식 관리 콘솔을 활용하여 통합 클라우드 권한 부여를 통해 시뮬레이션 소프트웨어 사용자를 신속하고 쉽게 온보딩함으로써 소프트웨어 배포를 간소화하고 효율화할 수 있다. 해석 엔지니어 또는 CAE 팀 책임자의 입장에서는 AI 기술과 다중 물리 해석 협업, 내장형 데이터 관리로 생산성을 높일 수 있고, 주요 엔지니어링 시뮬레이션 분야(예 : 전산 유체 역학, 기계, 시스템 시뮬레이션, 다학제 설계 분석 및 최적화) 전반에 걸쳐 온디맨드 기능을 간편하게 언제 어디서나 이용할 수 있다.   그림 2   심센터 X는 산업 소프트웨어의 대규모 생태계에 통합된 설루션으로서 지멘스의 개방형 디지털 비즈니스 플랫폼인 지멘스 엑셀러레이터(Siemens Xcelerator)의 핵심 구성 요소로, 고객의 디지털화 여정을 가속화하는 촉매제 역할을 담당한다. 동시에 지멘스는 클라우드와 SaaS가 미래의 보편적인 사용 환경으로 전환될 것으로 판단하여 지멘스의 모든 포트폴리오를 빠르게 클라우드로 이전하고 있다. 이미 심센터 X는 지멘스 엑셀러레이터 SaaS 생태계의 핵심 구성 요소로 자리매김하며, NX X, 팀센터 X(Teamcenter X) 등 다양한 DISW 제품군과 함께 제공될 예정이다. 이러한 전략적 통합은 지멘스의 포괄적인 디지털 스레드 비전을 실현하기 위한 것으로, 모든 제품군에 걸쳐 원활하고 일관된 사용자 경험과 IT 팀을 위한 효율적인 라이선스 관리를 보장한다.   모든 것을 위한 단일 플랫폼 : 심센터 X와 지멘스 엑셀러레이터의 중앙 집중식 클라우드 라이선싱 다양한 엔지니어링 소프트웨어에 대한 라이선스 관리는 IT 팀에게 상당한 도전과 노력을 요구한다. 라이선스 서버 구성은 복잡해지고, 온프레미스 라이선스 배포는 오랜 시간이 소요되며, ‘익명’ 사용자 프로필로 인한 사용자 관리가 어렵다. 이 모든 것은 IT 부담을 최소화하고 라이선스 활용도를 최적화함으로써 엔지니어링 시뮬레이션 소프트웨어의 투자 수익률(ROI)을 극대화하려는 목표 달성에 위험 요소가 된다. 좋은 소식은 심센터 X가 라이선스 관리를 간편하게 만든다는 점이다. 지멘스가 호스팅하고 소유하는 클라우드 기반 권한 부여 및 라이선스 관리 시스템을 통해, 심센터 X는 IT 관리자와 최종 사용자 모두에게 제품 사용 및 배포를 단순화시킬 수 있다. 새로운 라이선스를 기다리는 일은 이제 과거의 일이 되었다. 라이선스 관리자가 라이선스 파일을 생성, 검증 및 전송하는 번거로운 과정과 고객이 라이선스 서버를 설치 및 설정하는 과정은 이제 옛날 이야기다. IT 관리자가 지멘스 엑셀러레이터 어드민 콘솔(Siemens Xcelerator Admin Console)이라는 단일 통합 시스템을 통해 지멘스 엑셀러레이터 전반의 모든 제품을 관리할 수 있도록 한다. 라이선스의 사용도 특정 국가나 사무실에 국한된 것이 아니라, 전 세계 어디에서든 사용을 위해 할당할 수 있다. 더불어서 가격 책정 체계도 대폭 간소화되었다.   다분야 엔지니어링 시뮬레이션 및 설계 최적화를 간편하게 전산 유체 역학(CFD)부터 기계 및 시스템 시뮬레이션을 거쳐 다분야 설계 해석 및 최적화(MDAO)에 이르기까지, 심센터 X 어드밴스드는 엔지니어와 엔지니어링 팀이 다분야 시뮬레이션 및 최적화를 원활하게 설정하고 실행할 수 있도록 지원한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-02-04
팔코DB와 LLM을 활용한 그래프 모델 BIM 기반 AI 에이전트 개발
BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 건설 인프라 분야에서 정보 교환 시 사용되는 BIM(건설 정보 모델링) 산업 표준인 IFC(Industry Foundation Classes) 기반 AI 에이전트 개발 과정을 설명한다. IFC 포맷의 BIM 데이터를 팔코DB(FalkorDB) 그래프 데이터베이스로 변환하고, 로컬 LLM인 Ollama(올라마)를 연동하여 자연어 질의가 가능한 AI 에이전트를 구축하는 전체 과정을 기술한다. 또한, 도커(Docker) 기반의 데이터베이스 서버 구성부터 파이썬(Python) 의존성 설치, 데이터 적재 및 애플리케이션 실행 방법을 단계별로 정리한다.   ■ 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   그림 1   개발 환경 및 전제 조건 이번 호에서 만들어 볼 시스템은 온프레미스 환경에서의 실행을 가정하며, 다음의 컴포넌트를 필요로 한다. 도커 : 그래프 데이터베이스(팔코DB) 실행을 위해 필요(설치 : https://www.docker.com/get-started) 파이썬 3.11+ : 데이터 변환 및 에이전트 로직 수행 올라마 : 로컬 LLM 추론 서버 하드웨어 : LLM 구동을 위한 적정 수준의 GPU 또는 메모리(RAM 16GB 이상 권장) 지면 한계 상 모든 개발 코드를 설명하기는 어려우므로, 주요 부분만 개발 방법을 설명할 것이다. 다음의 깃허브 링크를 참고해 다운로드한다. ■ https://github.com/mac999/infra_ai_agent_tutorials/tree/main/08_AI_Agent/5_infra_graph_rag 다운로드한 폴더의 구조는 <그림 2>와 같을 것이다.   그림 2   이제 이 깃허브 프로젝트의 각 핵심 모듈을 설명하도록 하겠다.   데이터베이스 서버 구축(팔코DB) 팔코DB는 레디스(Redis) API 호환 고성능 그래프 데이터베이스다. 오픈소스이며 무료이다. 그래프 구조 데이터 저장 및 검색을 지원한다.   그림 3. Graph Database uses GraphBLAS under the hood for its sparse adjacency matrix graph representation(GraphRAG) (https://github.com/FalkorDB/FalkorDB)   실행을 위해, 다음과 같이 명령창 터미널에서 도커 명령을 실행해 본다. 그러면 팔코DB 서버가 로컬에 다운로드된 후 자동 실행될 것이다. docker run -p 6379:6379 -p 3000:3000 -it --rm -v ./data:/ var/lib/falkordb/data falkordb/falkordb 상세 옵션은 다음과 같다. -p 6379:6379 : 팔코DB(레디스 프로토콜) 접속 포트 바인딩. 파이썬 클라이언트가 이 포트로 통신한다. -p 3000:3000 : (옵션) 팔코DB 시각화 도구 등을 위한 포트 바인딩 -it --rm : 대화형 모드로 실행하며, 컨테이너 종료 시 자동 삭제 -v ./data:/var/lib/falkordb/data : 호스트의 ./data 디렉터리를 컨테이너 내 데이터 저장소로 마운트하여 데이터 영속성(persistence)을 보장한다.   패키지 및 모델 설치 이제 IFC 파싱, 그래프 DB 연결, LLM 체인 구성을 위한 라이브러리를 pip로 터미널에서 설치한다. Plaintext falkordb langchain langchain-ollama langchain-core ifcopenshell python-dotenv streamlit 이제 자연어를 그래프 구조 데이터베이스를 검색할 때 사용하는 사이퍼 쿼리로 변환(Text-to-Cypher)하는 방법이 필요하다. 이 경우, 코드 생성 능력이 뛰어난 모델이 필요하다. 이번 호에서는 qwen2.5-coder:7b 모델을 사용한다. 올라마 설치(다운로드 : https://ollama.com/download/ windows) 후 다음의 명령어를 실행한다. ollama pull qwen2.5-coder:7b     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2026-02-04
HP Z북 울트라 G1a 리뷰 : AI 엔지니어가 살펴본 모바일 워크스테이션의 새로운 기준
HP Z북 울트라 G1a는 고성능 AI 작업과 3D 제작을 동시에 염두에 둔 14인치 모바일 워크스테이션이다. 이 글에서는 필자가 실제로 자주 사용하는 AI 리서처와 3D 제작 작업 시나리오를 바탕으로, 기존에 사용해 온 게이밍 노트북과 비교하면서 HP Z북 울트라 G1a의 장단점을 조명해보고자 한다.   HP Z북 울트라 G1a(ZBook Ultra G1a)는 프로세서 성능과 메모리 용량에 명확하게 집중한 구성을 취함으로써, 기존의 노트북 선택 방법과는 다른 노선을 제시한다. 일반적으로 노트북을 선택할 때 대부분의 사용자는 성능, 휴대성, 가격, 배터리 지속 시간, 확장성 등 여러 요소를 종합적으로 고려한다. 그러나 특정 작업 환경에서는 이러한 균형 중심의 접근이 오히려 비효율로 작용하기도 한다. 대용량 데이터 전처리, 로컬 AI 추론, 3D 콘텐츠 제작과 같이 CPU와 메모리 자원 의존도가 높은 워크로드에서는, 그래픽 성능이나 휴대성보다 연산 자원과 메모리 용량이 작업 효율을 결정짓는 핵심 요소가 되기 때문이다. HP Z북 울트라 G1a는 바로 이러한 관점에서 색다른 접근법을 채택한 기기라고 볼 수 있다. AMD의 라이젠 AI 맥스+ 프로 395(Ryzen AI Max+ PRO 395) 프로세서를 탑재해 128GB에 달하는 대용량 메모리를 제공하는 반면, 그래픽 카드는 외장 GPU가 아닌 내장 그래픽으로 구성된 14인치 노트북이다. 이처럼 극명하게 갈린 사양 구성은 과연 AI 개발과 3D 콘텐츠 제작이라는 두 가지 작업을 모두 감당할 수 있는 선택지일까?   제품 개요 워크스테이션은 일반적으로 크고 무거운 데스크톱 형태로, ‘들고 다니는 기기’와는 거리가 멀다는 인식이 강하다. 그러나 HP Z북 울트라 G1a는 이러한 고정관념을 벗어나, 14인치 폼팩터 안에 워크스테이션급 성능을 담아냈다. 앞서 언급했듯 이 제품은 AMD 라이젠 AI 맥스+ 프로 395 프로세서와 라데온 8060S(Radeon 8060S) 그래픽을 기반으로 설계되었으며, 최대 128GB LPDDR5x 메모리와 대용량 NVMe SSD를 탑재했다. 정량적인 하드웨어 스펙상 무게는 약 1.57~1.59kg으로, 여타 게이밍 노트북과 비교해도 크게 무겁지 않은 수준이다. 실제로 가방에 넣어 휴대했을 때도 다른 노트북에 비해 체감 무게가 과하게 느껴지지는 않았다. 기기 양쪽에는 USB-C 타입 포트 2개(충전 포트 포함)를 비롯해 HDMI, USB-A 타입 단자, 3.5mm 이어폰 단자가 배치되어 있어, 워크스테이션으로서 요구되는 기본적인 확장성도 충분히 갖추고 있다.   디자인 본격적인 사용기에 앞서 디자인을 살펴보자. 보기 좋은 떡이 먹기도 좋다는 말도 있듯이, 매일 사용하는 기기는 사용자의 마음에 들 정도로는 아름다워야 한다. HP Z북 울트라 G1a의 디자인은 간결하고 군더더기 없었다. 특히, 전반적인 제품의 마감 품질이 높다는 것이 느껴졌다. 처음 노트북이 닫힌 상태에서 보았을 때는 매끄럽고 둥근 디자인의 겉모습이 단정하다는 느낌이 들고, 화면을 열어 전원을 켰을 때에는 베젤이 얇고 깔끔하여 프로페셔널하다는 인상을 준다. 디자인에서 가장 좋았던 점은 키보드이다. 처음에는 짙은 회색의 평범한 플라스틱 소재로 느껴졌지만, 사용하다 보니 키보드의 키감이 좋을 뿐만 아니라 이물질이 잘 묻지 않는 코팅으로 되어 있어 사용 시 편리했다. 외부 작업 중 노트북을 열었을 때, 손때 묻은 키보드를 다른 사람에게 드러내는 것이 걱정인 사람이라면 이 노트북의 키보드 마감이 더욱 마음에 들 것이라 생각한다. 또한 카메라에는 오픈·클로즈 방식의 물리적 커버가 적용되어, 노트북 내장 웹캠을 사용하지 않을 때는 완전히 가릴 수 있다. 사소해 보일 수 있지만, 사용자를 고려한 세심한 설계라는 점에서 인상 깊은 부분이었다.   그림 1. 노트북 전면. 디자인이 깔끔하고 단정하여 외부 미팅에도 무난하게 사용할 수 있었다.   AI 및 데이터 전처리 워크로드 이제 AI 엔지니어의 관점에서 이 제품을 살펴보자. AI 제품 개발 과정에서 절실하게 체감하는 주요 요소 중 하나는 CPU 메모리의 여유이다. 모델 학습은 클라우드 GPU나 서버 자원을 활용하는 경우가 많아졌지만, 탐색적 데이터 분석, 실험을 위한 데이터 전처리는 대부분 로컬 환경에서 수행해야 하기 때문이다. 따라서 CPU 성능과 GPU 성능 둘 중 하나를 선택해야 한다면, 많은 사람들의 예상과 달리 GPU보다는 CPU를 선택하는 것이 합리적이다. CPU 메모리가 여유가 있다면 데이터셋을 실험 가능한 요건에 맞춰 수정 및 조정하는 것이 조금 더 편리해질 뿐만 아니라, 데이터셋 전처리와 동시에 다른 작업이 가능하기 때문이다. HP Z북 울트라 G1a의 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 대용량 데이터 전처리와 모델 로딩 과정에서 매우 안정적인 모습을 보였다. 텍스트·이미지 데이터 전처리 작업에서 메모리 부족 현상은 거의 발생하지 않았으며, 기존에 사용하던 게이밍 노트북(32GB RAM, RTX 4060 기준) 대비 체감상 약 절반 수준의 시간으로 작업을 마칠 수 있었다. 이는 대규모 로컬 데이터셋을 다루는 리서처에게 매우 중요한 요소다. AI 허브나 대학·연구기관에서 제공하는 공공 데이터셋의 경우 단일 데이터셋만으로도 수백 GB를 훌쩍 넘기는 경우가 많고, 이를 포맷에 맞게 전처리하는 데 상당한 시간이 소요되기 때문이다. HP Z북 울트라 G1a는 메모리의 양이 크기 때문에, 작업 중간 중간에 메모리 부족으로 인해 컴퓨터가 멈추거나 작업 수행 완료를 위해 컴퓨터를 손 놓고 기다리는 일 없이 여유롭게 전처리를 수행할 수 있었다. 몇 가지 사례를 들어보면, 첫째 <그림 2>와 같이 데이터의 압축 해제, 복사와 같은 간단한 작업에서 매우 빠른 처리 속도를 보여주었다. 데이터 전처리 성능을 실험하기 위해 활용한 ‘음식 분류’ 데이터셋의 경우, 각 클래스마다 1천 개의 고화질 사진이 저장되어 있어 전체 용량이 1TB에 육박하는 매우 큰 데이터셋이다. 그러나 HP Z북 울트라 G1a에서는 30GB 용량의 데이터를 압축 해제하는 데 8분밖에 소요되지 않았고, 일관적으로 140MB/s 전후의 속도를 유지하였다. 이는 HP Z북 울트라 G1a의 메모리 대역폭 확대, 멀티채널 구성 안정성 증가가 큰 영향을 미쳤기 때문으로 생각할 수 있다. 일반적인 환경에서는 압축 해제 단계에서 CPU 처리 속도가 병목으로 작용하여, 저장장치가 충분한 성능을 갖추고 있음에도 불구하고 연속적인 읽기·쓰기 작업이 지연되는 현상이 발생하기도 한다.   그림 2. 대용량 데이터의 전처리에도 빠른 속도를 유지하였고, 프로그램 운용에 여유가 있었다.   반면, HP Z북 울트라 G1a에서는 향상된 프로세서 구조와 메모리 서브시스템을 통해 병목이 제거되었으며, 그 결과 압축 해제와 동시에 디스크 I/O가 지속적으로 최대 대역폭에 가깝게 활용될 수 있었다. 이로 인해 사용자 관점에서는 압축 해제뿐 아니라 파일 복사 속도까지 향상된 것처럼 느껴져 직접적으로 작업 효율 향상이 체감되었다. 기존의 게이밍 노트북이 동일한 작업을 수행하는데 평균 60MB/s의 속도로 약 12분 정도가 소요된 것을 고려하면, 이 작업이 전체 데이터셋에 적용될 때 얼마만큼의 작업 시간을 아낄 수 있을 지 기대해 볼 만하다. 둘째, 파이썬 코드를 활용한 데이터 전처리에서도 높은 성능 개선을 보여주었다. CSV 파일을 활용하여 3D 복셀 데이터를 만드는 작업을 수행하는 코드를 기준으로 실험해보았다. 이는 앞에서와 동일하게 CPU·메모리에 집중된 작업을 할 때의 효율을 검사하기 위한 실험으로, 동일한 SVC 파일을 대상으로 데이터의 시각화를 수행하였을 때를 비교한 것이다. 결과적으로, HP Z북 울트라 G1a는 평균적으로 75FPS(초당 프레임)를 유지하였고, 시각화된 데이터를 360도 회전시켜 확인하는 데에 큰 문제가 없었다. 반면, 기준이 된 다른 기기는 평균 42FPS를 유지하고, 시각화된 데이터를 360도로 회전시켜 확인하는 데 약간의 로딩이 필요했다. 특히, 시각화 결과물을 회전하는 과정에서 약간의 버벅임과 끊김이 발생하여 데이터를 세부적으로 확인할 때 약간의 어려움이 따랐다. 기준 기기 또한 일반적인 사무용 노트북을 기준으로 보았을 때보다는 훨씬 빠르고 원활한 데이터 전처리 성능을 보여주었으나, HP Z북 울트라 G1a는 전처리뿐 아니라 시각화 데이터 인터랙션에서도 안정적으로 동작함으로써 실시간에 가까운 시각화 환경을 제공했다는 점에서 차별화된 사용 경험을 제공하였다.   그림 3. 3D 복셀화에 소요된 시간과 프레임률을 tqdm으로 측정한 결과. 동일한 작업을 수행하는 데 HP Z북 울트라는 75FPS, 기준 기기(HX370 CPU, 32RAM)는 42FPS의 성능을 보여주었다.   로컬 AI 추론 로컬 AI 추론 작업에서도 HP Z북 울트라 G1a는 충분히 인상적인 성능을 보여주었다. 로컬 AI 세팅에는 올라마(Ollama)를 사용하였다. 올라마는 다양한 오픈소스 LLM을 간편히 사용할 수 있게 하는 프로그램으로 윈도우, 맥, 리눅스 등 다양한 환경을 지원하며 CLI 및 GUI 환경을 모두 지원하여 확장성이 좋다. 또한, 로컬에서 REST API 형태로 모델을 노출할 수 있어 파이썬(Python), 노드.js(Node.js), 자바(JAVA(Spring)), 랭체인(LangChain) 등과 연동이 용이하며, 프로토타입 서비스 제작 및 온디바이스 AI, 사내 전용 LLM 구축을 위해 다양하게 쓰인다. 필자는 윈도우에서 GUI 기반의 올라마 클라이언트를 설치하여 로컬 AI 추론을 수행하였으며, 엔비디아 그래픽 카드 드라이버(CUDA 포함)를 설치하지 않고 올라마를 구동하였다. 이 지점에서 HP Z북 울트라 G1a의 프로세서의 특장점이 드러난다. 바로 SoC(System on a Chip) 설계를 통해 프로세서 자체에서 CPU·GPU·NPU를 통합하여 활용한다는 것이다. 따라서 이 워크스테이션을 사용하는 사람은 일반적으로 말하는 CPU-Only와 같이 GPU 드라이버를 따로 설치하지 않더라도, AI 추론 및 훈련을 수행할 때 GPU·NPU를 사용하는 것과 같은 효과를 체감할 수 있다.   그림 4. 올라마의 공식 홈페이지. 윈도우, 맥, 리눅스 등 다양한 OS를 지원하며 오픈소스로 활용 가능한 LLM 모델의 가중치를 제공하여 로컬 추론을 가능하게 하는 프로그램이다.   올라마를 활용해 중·대형 언어 모델(gpt-oss:120B)과 소형 언어 모델(qwen3:8B)을 각각 다운로드한 뒤, 동일한 조건에서 추론 시간을 비교해 보았다. 결과는 예상 이상이었다. 중·대형 언어 모델의 추론에는 (약간의 쿨링 소음이 발생하였지만) 약 10초가 소요되었고, 소형 언어 모델 역시 약 13초 내외로 추론을 마쳤다. 비교 대상으로 사용한 다른 노트북에서는 중·대형 모델이 추론 도중 오류를 일으켰고, 소형 모델조차 358초가 걸렸던 점을 감안하면 상당한 차이다. ‘메모리 용량 차이가 얼마나 크겠어’라고 생각한 필자의 판단을 무색하게 만들 정도로, 128GB 메모리와 라이젠 AI 맥스+ 프로 395의 조합은 로컬 AI 추론 환경에서 분명한 강점으로 작용했다. 이러한 특성은 AI 개발자에게만 국한된 장점은 아니다. 성능이 검증된 오픈소스 언어 모델을 노트북에 직접 탑재해 휴대할 수 있다는 것은, 인터넷 연결이 원활하지 않은 환경에서도 개인화된 AI 비서를 여러 개 운용하며 작업을 이어갈 수 있음을 의미한다. 로컬 환경에서의 AI 활용 가능성을 실질적인 수준으로 끌어올렸다는 점에서, HP Z북 울트라 G1a의 방향성과 장점이 명확히 드러나는 지점이었다.   그림 5. qwen3:8b로 로컬 추론을 수행한 결과   그림 6. gpt-oss:120b로 로컬 추론을 수행한 결과   3D 작업 워크플로 다음은 3D 작업 워크플로로 넘어가 보자. 필자가 주로 사용하는 캐릭터 크리에이터(Character Creator), 지브러시(Zbrush) 등을 통하여 내장 그래픽만을 가지고 있음에도 ‘충분히 작업이 가능한가?’라는 요소를 살펴보고, 다음으로는 고화질을 요구하는 3D 게임을 실행시켜 성능을 테스트해 보았다. 먼저, 리얼루션(Reallusion)의 캐릭터 크리에이터 5 소프트웨어를 설치하여 작업 가능 여부를 확인해 보았다. 이 소프트웨어는 사실적 묘사를 담은 메타 휴먼을 만들기 위한 소프트웨어이다. 얼굴, 체형, 옷 및 장신구 같은 다양한 요소를 조합하는 자유도가 높고, 피부 결이나 머리카락 같은 요소까지 섬세하게 구현해야 하기 때문에 일반적인 게이밍 노트북에서도 원활한 작업이 어려운 소프트웨어 중 하나이다. 실제로, 필자가 보유한 게이밍 노트북 기기에서는 동일한 작업을 수행하며 컴퓨터가 다운되는 경우가 종종 있었고, 새로운 스킨으로 교체하거나 요소를 변형할 때 1 ~ 5분 정도의 로딩 타임을 요구했다.   그림 7. 캐릭터 크리에이터로 작업하는 모습   그러나, HP Z북 울트라 G1a에서는 로딩 시간이 1 ~ 3분 이하로 줄어드는 모습을 보여주었을 뿐만 아니라, 컴퓨터가 다운되는 경우도 발생하지 않아 상당히 쾌적하게 작업을 진행할 수 있었다. 물론 다루는 데이터의 크기 자체가 큰 만큼 약간의 로딩 시간은 피해갈 수 없었으나, 대부분 1분 이내의 로딩으로 작업이 완료되어 작업 완료를 기다리는 시간이 줄어들었다. 다음으로는 지브러시를 통해 추가 검증을 진행하였다. 지브러시의 경우 매끄러운 표면을 위해 의도적으로 폴리곤을 많이 나누면서 메모리 부하가 발생하는 경우가 많은데, <그림 8>과 같이 복잡한 인간형 모델링, 특히 상업적으로 판매 가능한 정도의 모델링을 테스트하였음에도 데이터의 로드 및 조형에 시간이 소요되지 않고 바로 진행할 수 있는 정도의 원활함을 보여주었다.   그림 8. 매끄러운 곡선으로 폴리곤의 수가 많아지더라도 원활히 처리하는 모습을 볼 수 있다.   마지막으로, 3D 게임을 통해 성능을 확인하였다. 대상이 된 게임은 ‘호그와트 레거시’로, 언리얼 엔진으로 만들어졌으며 비교적 실사화 스타일의 그래픽, 다양한 파티클 사용으로 고난도의 그래픽 컨트롤을 요구하는 게임이다. 게임에서는 플레이를 진행하며 기기의 사양을 자동으로 측정하여 적절한 그래픽 옵션을 정해주는데, 이 기기는 자동으로 중간 단계의 그래픽 옵션으로 세팅되는 것을 확인하였다.   그림 9. 기기 옵션을 자동으로 분석하여 적절한 수준의 그래픽 구현. 이 기기는 중간 옵션을 배정받았다.   물론 기존의 작업에 비해 3D 게임을 진행할 때는 기기의 쿨링팬 소음이 두드러지게 들리는 편이었다. 앞서 수행한 작업에서는 쿨링이 필요하지 않거나, 쿨링이 필요하더라도 비교적 짧고 조용하게 한 번의 ‘쏴아아’하는 소리가 들렸다면, 3D 게임을 실행 중일 때는 지속적인 쿨링 소음이 발생하였기 때문이다. 그러나, 여기에서도 HP Z북 울트라 G1a의 탁월한 점을 발견할 수 있었다. 그것은 바로 ‘소음이 발생하는 만큼 쿨링이 잘 되고 있다’는 점이다. 랩톱을 주로 사용하는 사용자는 공감하겠지만, 일부 랩톱의 경우 쿨링 소음이 큰데도 불구하고 쿨링이 제대로 되지 않아 기기 아래쪽의 키보드 부분이 상당히 뜨거워지는 경우가 잦다. 그러나 이 기기는 소음이 크더라도 쿨링이 확실히 진행되고 있었고, 피부에 장시간 접촉시킬 수 있을 정도의 발열만 있었다. 아울러, 게임 내의 실사화 그래픽은 모두 끊기는 부분 없이 자연스럽게 재생되었고, 게임 진행에 이상이 없이 원활히 진행되었다.   그림 10. 그림 내 실사화 시나리오 중 그래픽 재현성이 좋은 부분의 캡처. 왼쪽의 바다 물결 표현, 전면의 포그 표현 등이 끊기지 않고 자연스럽게 재생되었다.   맺음말 HP Z북 울트라 G1a는 AI 리서처와 3D 제작 작업을 병행하는 사용자에게 모바일 워크스테이션으로서 분명한 가치를 지닌 기기다. 이 제품의 구성은 모든 요소를 고르게 끌어올리기보다는, 프로세서와 메모리 성능에 명확하게 힘을 준 제품이다. 이에 사용 목적이 분명한 사용자에게 강점으로 작용한다. AI 전처리, 로컬 추론, 3D 제작 작업과 같이 CPU·메모리 의존도가 높은 워크로드에서는 이러한 설계 방향이 체감 성능으로 직결되기 때문이다. 그런 의미에서 HP Z북 울트라 G1a는 특히 다음과 같은 사용자에게 추천하고 싶다. 첫째, 대용량 데이터 전처리가 일상적인 AI 엔지니어, 둘째, 3D 콘텐츠 제작 과정에서 초안과 검증 단계의 결과물을 빠르게 만들어야 하는 사용자, 셋째, 이 모든 작업을 데스크톱이나 서버에 의존하지 않고 모바일 환경에서도 이어가야 하는 사용자다. HP Z북 울트라 G1a를 사용하는 사용자라면, 적어도 서버급 연산을 요구하는 극단적인 작업을 제외하고는 대부분의 실무 환경에서 성능으로 인한 제약을 체감할 일은 드물 것이다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 박정은 AI 융합 분야 연구자이자 엔지니어로, 컴퓨터 비전, 게임 엔진, 머신러닝, 딥러닝 기반 실무를 수행하며 대용량 AI 데이터 전처리와 AI 실험 파이프라인을 설계·운용해왔다. 필적, 운동학, 감정 인식 중심의 AI 프로덕트 R&D를 수행하며, 모바일 워크스테이션 환경에서 CPU·GPU 자원을 밀도 있게 활용하는 실험 구조를 활용하였다. 산업 연계 교육 현장에서 연구와 실무를 연결하는 엔지니어이자 교육자로 활동하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-02-04
한국오라클, ‘오라클 AI 서밋 2026 서울’ 개최
한국오라클이 연례 콘퍼런스인 ‘오라클 AI 서밋(Oracle AI Summit) 2026’을 2월 3일 그랜드 인터콘티넨탈 서울 파르나스에서 개최됐다. 오라클 AI 서밋은 엔터프라이즈 AI 시대를 맞아 AI와 데이터를 중심으로 확장된 오라클의 기술 전략과 국내외 기업들의 성공 사례를 공유하는 대표 행사로, 올해 4회를 맞이했다. ‘모든 것을 변화시키는 AI(AI Changes Everything)’라는 주제로 진행된 이번 행사에는 1000명 이상의 기업 IT 경영자와 관리자, 개발자, 협력사 관계자들이 참석했다. 행사는 한국오라클 김성하 사장의 환영사로 시작됐으며, 오라클의 한 청(Han Chung) 아태지역 시스템 부문 수석 부사장이 ‘오라클 AI : 비즈니스 속도로 구현하는 AI’를 주제로 첫 번째 기조연설을 진행했다. 이어 오라클 티르탄카르 라히리(Tirthankar Lahiri) 미션 크리티컬 데이터 및 AI 엔진 부문 수석 부사장은 ‘데이터를 위한 AI 혁명’을 주제로 두 번째 기조연설을 진행하며 오라클의 통합 데이터 플랫폼을 기반으로 한 엔터프라이즈 AI의 새로운 가능성을 제시했다. 기조연설 이후에는 ‘AI 전략부터 성과까지, 오라클 AI의 가치를 선택한 고객 성공 스토리’ 세션이 이어졌으며, 국내 최대 해운사 HMM이 오라클 클라우드를 통해 창출한 비즈니스 성과와 향후 경쟁력 강화 전략을 대담 형식으로 공유했다. 오후에는 총 3개 트랙, 18개의 상세 세션이 운영되며, 오라클 OCI AI 인프라를 중심으로 AI 시대에 기업이 사업 연속성을 확보하는 방안이 심도 있게 다뤄졌다. 특히 벡터 검색(Vector Search), 셀렉트 AI(Select AI), AI 레이크하우스(AI Lakehouse) 등 오라클 AI 데이터베이스 26ai(Oracle AI Database 26ai)의 주요 기능이 기업의 실제 비즈니스 과제를 해결하는 데 어떻게 기여할 수 있는지가 구체적으로 제시됐다. 오후 트랙에는 엔비디아, 사이오닉 AI를 비롯하여 유클릭, 에티버스, 솔트웨어, 굿어스데이터 등 다양한 후원사 및 파트너사가 함께했다.     한편, 오전에 진행된 언론 대상 간담회에서는 한국오라클 김성하 사장이 한국오라클의 사업 성과와 오라클의 최신 AI 전략을 소개하고, 티르탄카르 라히리 수석 부사장이 데이터를 중심으로 한 AI시대 기업의 생존과 경쟁전략을 발표했다. 한국오라클은 2026 회계연도 상반기 기준으로 리전 개소 이후 6년 이상 두 자릿수 성장을 지속하며 클라우드 매출 성장세를 기록했다. OCI의 성능, 안정성, 비용 효율에 대한 고객들의 신뢰를 바탕으로 클라우드 소비는 전년 대비 두 배 이상 증가했으며, 크립토랩, 멋쟁이사자처럼, 투디지트 등 OCI를 활용한 국내 AI 혁신 고객 사례도 빠르게 확대되고 있다. 오라클은 ‘기업을 위한 AI’ 전략에 집중하며, xAI, 구글, 메타, 코히어, 오픈AI 등 글로벌 선도 AI모델 기업들과의 협업을 통해 강력한 AI 모델과 오라클의 특화된 AI 에이전트 전략을 결합해 기업의 성공을 지원하고 있다. 특히 거버넌스, 프라이버시, 보안을 핵심으로 고려한 오라클의 AI 접근 방식은 엔터프라이즈 환경에 최적화된 서비스를 제공한다. 또한 오라클 클라우드는 AI 생태계 전반에 걸친 폭넓은 선택지를 제공하여 기업들이 필요에 따른 AI를 유연하게 도입하고, 실질적인 가치 창출까지의 시간을 단축할 수 있도록 지원한다. 라히리 수석 부사장은 “AI는 기업 데이터 관리의 패러다임을 빠르게 재편하며, 선택이 아닌 전략적 필수 요소로 자리잡고 있다”면서, “기업이 AI 시대를 선도하기 위해서는 데이터 활용 전반의 혁신, AI를 통한 인사이트 도출, 혁신 가속, 생산성 향상이 실현되어야 한다”고 짚었다. 오라클의 ‘데이터 혁신을 위한 AI(AI for Data)’ 전략은 이러한 요구에 대응해 AI를 데이터 플랫폼의 핵심에 내재화하는 데 초점을 맞춘다. 오라클의 융합형 아키텍처(converged architecture)와 오픈 스탠다드(open standards) 전략은 분산된 기술을 연계 활용할 때 발생하는 복잡성과 비용을 제거한다. 기업은 데이터가 있는 곳에 AI를 통합함으로써 운영을 단순화하고, AI 기능의 신뢰도를 높이며, 트랜잭션과 분석을 아우르는 모든 데이터 유형과 워크로드 전반에서 일관된 AI 인사이트를 확보할 수 있다. 이런 전략의 중심으로 오라클이 내세운 것은 ‘오라클 AI 데이터베이스 26ai’ 버전이다. 오라클 데이터베이스의 최신 릴리스인 오라클 AI 데이터베이스 26ai는 LLM과 AI 벡터를 핵심 기능으로 통합한 AI 네이티브 데이터베이스다. 오라클 AI 데이터베이스 26ai는 문서, 이미지, 동영상, 구조화 데이터 등 다양한 데이터를 처리할 수 있는 AI 벡터를 기반으로, 주요 데이터 유형에 대한 밀리초 단위의 통합 AI 벡터 검색을 제공해 기업의 효율적인 데이터 탐색을 지원한다. 또한 오라클 AI 데이터베이스는 검색증강생성(RAG)을 지원해, AI 벡터 검색을 통한 기업의 내부 데이터 검색 결과를 LLM과 결합함으로써 보다 정확하고 맥락에 맞는 답변을 생성할 수 있도록 한다. RAG 파이프라인은 데이터베이스 API는 물론 단일 SQL문으로도 실행할 수 있으며, 나아가 AI 에이전트를 데이터베이스에 직접 통합 설계해 기업이 쉽고 안전하게 AI 에이전트를 구축, 배포, 관리할 수 있도록 지원한다.
작성일 : 2026-02-03
알리바바, 최신 추론 모델 ‘큐원3-맥스-싱킹’ 공개
알리바바그룹이 최신 추론 모델인 ‘큐원3-맥스-싱킹(Qwen3-Max-Thinking)’을 공개했다. 이 모델은 강화학습(Reinforcement Learning)을 위해 1조 개 이상의 파라미터로 모델 규모를 대폭 확장했으며, 이를 통해 사실적 지식 처리, 복합 추론, 지시 수행, 인간 선호도 정렬, 에이전트 기능 등 여러 핵심 영역에서 성능 향상을 달성했다. 알리바바에 따르면 큐원3-맥스-싱킹은 총 19개 주요 벤치마크 평가에서 클로드 오푸스 4.5(Claude Opus 4.5), 제미나이 3 프로(Gemini 3 Pro), GPT-5.2-Thinking-xhigh 등 최신 고성능 모델과 비교해 경쟁력 있는 성능을 보였다. 과학·수학·코딩 문제 해결은 물론 검색 도구를 활용해 다양한 분야의 전문가급 질문을 해결하는 평가 항목에서도 높은 수준의 결과를 보였다.     큐원3-맥스-싱킹의 이런 성능은 두 가지 핵심 기술 혁신에서 비롯된다. 첫째는 적응형 도구 활용(Adaptive Tool-use) 기능으로, 모델이 상황에 따라 정보를 검색하고 내장된 코드 인터프리터를 필요 시 자동으로 호출해 활용함으로써, 사용자가 도구를 직접 선택하지 않아도 보다 효율적인 문제 해결이 가능하도록 설계됐다. 둘째는 고도화된 테스트 단계 확장(Test-time Scaling) 기법으로, 이를 통해 추론 성능을 향상시키고 주요 추론 벤치마크에서 다른 고성능 모델에 뒤지지 않는 수준의 결과를 기록했다. 기존에는 작업마다 사용자가 도구를 직접 선택해야 했던 반면, 큐원3-맥스-싱킹은 대화 중 검색(search), 메모리(memory), 코드 인터프리터(code interpreter)를 동적으로 선택·활용한다. 이러한 기능은 도구 활용을 위한 초기 미세 조정(fine-tuning) 이후, 규칙 기반(rule-based) 및 모델 기반(model-based) 피드백을 결합한 다양한 과제 학습을 통해 구현됐다. 특히 검색 및 메모리 기능은 환각(hallucination)을 줄이고 실시간 정보 접근성을 높이며, 사용자의 개인적인 필요에 맞춘 응답 생성을 가능하게 한다. 또한 코드 인터프리터는 코드 실행이나 계산 기반 추론이 필요한 복잡한 문제를 보다 효율적으로 해결할 수 있도록 지원한다. 알리바바는 여기에 더해 경험 누적형 다회차 테스트 단계 확장(experience-cumulative, multi-round test-time scaling) 전략을 도입했다. 이 방식은 이전 상호작용에서 도출된 핵심 정보를 정제·활용함으로써, 이미 알려진 결론을 반복적으로 재추론하지 않고 남아 있는 불확실성 해결에 집중하도록 설계됐다. 이를 통해 단순히 대화 기록을 그대로 참조하는 방식보다 문맥 효율(context efficiency)을 높였으며, 유사한 토큰 비용으로 기존 표준 방식인 병렬 샘플링 및 집계(parallel sampling plus aggregation) 대비 지속적으로 높은 성능을 기록했다. 큐원3-맥스-싱킹은 현재 큐원 챗(Qwen Chat)을 통해 제공되고 있으며, 모델 API는 알리바바의 생성형 AI 개발 플랫폼 ‘모델 스튜디오(Model Studio)’에서 이용할 수 있다.
작성일 : 2026-01-28
플랜트 조선 컨퍼런스 2026, 2월 5일 백범김구기념관 개최 예정
한국플랜트정보기술협회(신안식 회장, www.kAPIt.or.kr)가 주최하고 캐드앤그래픽스가 주관하는 ‘플랜트 조선 컨퍼런스 2026’이 2월 5일(목) 서울 백범김구기념관 컨벤션홀에서 개최된다.    플랜트 조선 컨퍼런스 2026 발표자 - 이현식, 류민철, 탁정수, 남궁진, 최재득, Yogesh Srivastava, 손창영, 이봉헌, 정준의, 장화섭, 이찬영, 임근태, 김동원, 공병철   올해로 22회째를 맞는 본 행사는 ‘DX와 AI로 재도약하는 플랜트·조선의 미래’를 주제로, 플랜트·조선 엔지니어링 분야의 최신 기술 트렌드와 DX(디지털 전환), AI(인공지능), AX(인공지능 전환), 디지털 트윈 적용 사례를 통해 산업 경쟁력 강화를 위한 실질적인 해법을 제시할 예정이다. 첫 번째 기조연설에서는 GS건설 이현식 디지털트윈팀장이 ‘플랜트 DX/AX를 통한 산업 혁신 : 지속 가능한 혁신과 효율적 추진 전략’을 주제로 발표한다. DX/AX를 통한 성공 사례들을 통해 플랜트 산업이 나아가야 할 방향과 지속 가능 혁신을 위한 추진 전략을 공유할 예정이다. 두 번째 기조연설은 한국해양대학교 류민철 교수가 ‘조선산업 친환경∙AI 생태계 전환과 글로벌 진출 전략'을 주제로 국제 환경규제 대응 그린전환, 생산성 향상 및 신사업 창출 목적의 디지털전환 과정을 통해 산업생태계 주도권을 확보하기 위한 방안과 미국을 포함한 해외진출 사업시 고려 사항에 대해 발표한다. 세 번째 기조연설은 인포시즈 탁정수 대표가 ‘도면을 읽는 AI : 플랜트·조선 디지털트윈의 새로운 접근’을 주제로 발표한다. 그래프 기술과 온톨로지를 활용한 도면 지식 구조화를 비롯해 P&ID, CLD, ISO 등의 도면 인식 자동화 및 그래프 구조화에 대해 소개한다. 또한 온톨로지와 데이터 컨버전스를 통한 공정 단계별 파격적 진화, 그리고 플랜트 업계를 이끄는 선도 기업들에게 적용한 사례에 대해 소개한다.   디지털 엔지니어링 & 컨스트랙션(Digital Engineering & Construction) 트랙에서는 플랜트 엔지니어링 분야의 이슈와 트렌드에 대해 소개할 예정이다.  헥사곤ALI 남궁진 전무는 ‘플랜트·조선 프로젝트 Execution 중심의 DX 전략’을 주제로 발표한다. 디자인·엔지니어링 이후 프로젝트 실행 단계에서 성과를 만드는 DX 전략과, 디지털 트윈, 3D·4D, AI 기반 지능형 자동화 기술을 현장에 적용한 데모를 통해 효율 개선 방안에 대해 소개한다. 휴엔시스템 최재득 대표는 ‘DX·AI 시대의 플랜트 토목 설계 자동화’를 주제로 발표한다. DX·AI 관점에서 ‘플랜트 토목 자동화’를 정의하고, PEDAS Ecosystem(Foundation/UD/ColumnBase/Structure) 구성 요소와 솔루션 개발 진행 과정을 소개할 예정이다. 또한 DX/AI 준비를 위한 PEDAS-Cloud 통합 전략(데이터, 3D그래픽, 상세도면, 상세물량, 3D Converting, Workflow 등)에 대해서도 설명한다. 테크노빌트(Teknobuilt) 요게시 스리바스타바(Yogesh Srivastava) 글로벌 대표와 손창영 한국 지사장은 ‘AI기반 E2E 대형 플랜트 건설프로젝트 관리 기술 적용 사례’를 주제로, 대규모 LNG 플랜트 등 건설 분야에서 테크노빌트의 Digital Construction Block 개념이 어떻게 AI 기술과의 접목을 통해 EPC 전반의 계획 및 정보 공유 차원에서 가치 사슬의 효율화를 달성했는지 실제 사례를 공유한다. LG CNS 이봉헌 화학사업담당은 ‘플랜트 산업의 패러다임 전환: AX 적용 사례 소개’를 주제로 발표한다. 플랜트 산업에서의 AI 활용은 유행이 아니라 생산 안전 정비 전반의 구조적 전환을 요구한다. 이번 발표에서는 DX를 통해 현장 데이터를 안정적으로 수립 표준화하고, AX/RX(Real-time Transformation)를 통해 의사결정과 운영 효율을 고도화하는 방법을 소개한다. HD현대오일뱅크 정준의 팀장은 ‘정유 산업의 AI 도입과 활용’을 주제로 발표한다. HD현대오일뱅크는 팔란티어 파운드리 기반의 전사 DX/AX를 추진하고 있다. 플랜트에 흩어진 수많은 데이터를 연결하고, 공유하여 데이터와 플랫폼의 힘으로 밸류체인 전체를 통합하고, 궁극적으로 최적화된 자동화를 목표로 추진하고 있는 사례를 통해서 AX/DX의 소중한 경험을 공유한다. 스마트십 & 스마트 테크(Smart Ship & Smart Tech) 트랙에서는 조선 플랜트 분야의 스마트 기술에 대해 소개할 예정이다. 한국선급 장화섭 센터장은 ‘조선해운분야 AX 혁신 사례’를 주제로, 조선해운산업에서 DX와 AX  개념과 조선해운산업의 비전, 시그널, 디지털트윈, 생성형AI를 활용한 조선해운분야 AI Agent 서비스 사례에 대해 설명한다. 소프트힐스 이찬영 Core R&D 팀장은 ‘플랜트 조선 산업을 위한 대용량 3D 시각화 솔루션 및 적용사례 소개’를 주제로, 플랜트·조선 대형 프로젝트에서 빠른 의사소통과 협업을 위한 3D 모델의 시각화 솔루션, VIZZARDX(비자드엑스)의 차별화된 기능과 성능과 현장 중심의 디지털 전환(DX) 성공 사례에 대해 소개한다. 선박해양플랜트연구소 임근태 센터장은 ‘AI 자율운항선박 기술동향: From Bridge to ROC’를 주제로, AI 자율운항선박의 국제·국내 기술 동향에 대해 정리하고, IMO에서 추진 중인 MASS Code 개발 현황과 관련 표준화 동향에 대해 살펴본다. 또한 2단계 KASS 사업을 중심으로 한 국내 자율운항선박 개발·실증 방향과 M.AX 얼라이언스에 대해 소개할 예정이다. 현대엔지니어링 김동원 책임은 ‘토목 건축 구조 설계 자동화 사례와 AI 물량 예측 시스템 연구 방향’을 주제로, Piperack, Shelter, Module 등 규칙 기반의 설계 자동화 시스템 개발 사례를 소개하고, 자동화에 이어 구조 최적화로 나아가기 위한 AI 기반 구조 시스템 데이터 학습과 물량 예측 연구 방향을 제안한다. 국제사이버보안인증협회 공병철 회장은 ‘스마트 해운과 선박의 사이버 안전 국제기구 대응 전략’을 주제로 발표한다. 국제기구(ISO & IMO 등)에서 요구하는 선박의 사이버 복원력과 사이버 안전관리체계의 효과적인 구현, 해사 사이버 보안 강화를 위한 방안에 대해 소개할 예정이다. 플랜트 조선 컨퍼런스 2025 행사 모습   한편, 캐드앤그래픽스 지식방송 CNG TV는 1월 19일 ‘DX와 AI로 재도약하는 플랜트·조선 산업의 미래’를 주제로, 플랜트 조선 컨퍼런스 2026 프리뷰 방송을 진행했다. 이날 방송에는 윤병동 교수/대표(서울대/원프레딕트), 우종훈 교수(서울대학교)가 출연해 디지털 전환과 AI 도입이 가속화되고 있는 플랜트·조선 산업의 현주소와 향후 방향에 대해 전망했다. 한국플랜트정보기술협회 신안식 회장은 “올해 플랜트 조선 컨퍼런스에서는 AI와 디지털 트윈을 중심으로 한 최신 기술과 트렌드, 디지털 전환 사례 등 새로운 변화에 대해서 소개할 예정”이라며, “산·학·연 관계자들이 한자리에 모여 기술 교류와 네트워킹을 강화하는 의미 있는 장이 되도록 준비하고 있다”고 밝혔다. 한국플랜트정보기술협회는 플랜트·건설·엔지니어링 산업의 발전과 글로벌 경쟁력 강화를 목표로, 플랜트 코드 교육, 글로벌 PM 교육, 리틀 PM 보급을 통한 PM 대중화, 전문 기술 교육 등 다양한 인재 양성 프로그램을 운영하고 있다. 또한 미국 캐롤라인대학교와의 협력을 통해 협회 회원에게 장학 혜택을 제공하고, 미국 석·박사 학위 취득 기회도 지원하고 있다. 관련 정보는 협회 홈페이지에서 확인할 수 있다.   플랜트 조선 컨퍼런스 2026의 사전 등록은 한국플랜트정보기술협회 홈페이지(www.kAPIt.or.kr)에서 진행되며, 1월 25일까지 얼리버드 선착순 무료 등록 혜택을 제공한다.
작성일 : 2026-01-21
지멘스, 물리 AI와 디지털 트윈 결합한 산업용 메타버스 설루션 ‘디지털 트윈 컴포저’ 출시
지멘스가 CES 2026에서 대규모 산업용 메타버스 환경을 구축하는 신규 소프트웨어 설루션 ‘디지털 트윈 컴포저(Digital Twin Composer)’를 발표했다. 이 설루션은 기업이 산업용 AI, 시뮬레이션 및 실시간 물리 데이터를 활용해 가상 환경에서 신속한 대규모 의사결정을 내릴 수 있도록 지원한다. 디지털 트윈 컴포저는 2D 및 3D 디지털 트윈 데이터를 물리적 실시간 정보와 결합해, 엔비디아 옴니버스(NVIDIA Omniverse) 라이브러리를 사용해 구축된 안전하고 관리되는 실시간 포토리얼리스틱 시각 장면을 구현할 수 있도록 지원한다. 기업은 디지털 트윈 컴포저를 통해 제품, 공정, 설비의 전체 수명 주기 전반에 걸쳐 가상 데이터와 물리 데이터를 모두 포함한 글로벌 환경을 신속하게 구축하고 유지할 수 있다. 이를 통해 보안이 확보된 고정밀 3D 환경에서 제품과 생산 데이터의 모든 요소를 통합적으로 관리할 수 있다. 디지털 트윈 컴포저는 상황에 맞춘 실시간 인사이트와 인텔리전스를 제공해 기업이 실제 환경을 반영한 상태에서 물리적 설계나 시공에 앞서 모든 제품, 공정, 공장을 시각화하고 상호작용하며 반복 검증할 수 있도록 지원한다. 최신 스마트폰부터 조선소의 유조선 탱커, 자율주행 전기차, 그린필드 또는 브라운필드 부지에 구축되는 새로운 AI 공장에 이르기까지 폭넓게 적용할 수 있다.     많은 설계, 엔지니어링 및 생산 팀은 여전히 각기 다른 툴과 분리된 데이터 시스템에 의존하며 독립적으로 업무를 수행하고 있다. 디지털 트윈 컴포저는 설계, 시뮬레이션, 운영을 하나의 생생한 맥락 기반 모델로 통합함으로써 이러한 장벽을 낮춘다. 이를 통해 엔지니어는 몇 분 안에 제품, 공정, 시설을 테스트할 수 있고, 하드웨어가 준비되기 훨씬 이전 단계에서 자동화를 검증할 수 있으며, 단일 디지털 트윈을 통해 실제 제품이나 시설 운영까지 수행할 수 있다. 디지털 트윈 컴포저는 전 세계 기업이 디지털 트윈을 개발하는 데 활용하는 산업 검증 소프트웨어 포트폴리오인 지멘스 엑셀러레이터(Siemens Xcelerator)의 일부다. 이 포트폴리오는 기업이 제품, 공정, 공장을 빠르고 확장성 있게 설계하고 시뮬레이션하며 준비할 수 있도록 지원한다. 디지털 트윈 컴포저는 지멘스 엑셀러레이터를 통해 구축된 물리적으로 정확한 고성능 포토리얼리스틱 3D 디지털 트윈을 MES(제조 실행 소프트웨어), QMS(품질 관리 시스템), 기계나 공장 자산의 PLC(프로그래머블 로직 컨트롤러) 코드, 산업용 IoT(IIoT) 데이터 등 실제 물리 데이터 소스와 연결하는 데 활용된다. 이는 개방형 엔지니어링 데이터 생태계 전반에 걸쳐 이뤄진다. 추가적인 인사이트는 지멘스의 데이터 사이언스·AI 소프트웨어인 래피드마이너(RAPIdMiner)와 기타 AI 설루션과의 통합을 통해 확보할 수 있다. 이를 통해 가상 세계의 인텔리전스와 실시간 인사이트를 제공하며, 기업이 보다 확신을 가지고 의사결정을 내릴 수 있도록 지원한다. 지멘스 디지털 인더스트리 소프트웨어의 조 보먼(Joe Bohman) PLM 제품 총괄 부사장은 “새로운 디지털 트윈 컴포저는 산업 메타버스에 대한 지멘스의 비전을 구현한다. 이는 복잡성 관리, 생산 가속, 비용 절감, 수익성 제고라는 전례 없는 과제를 제조사가 극복하도록 지원한다. 지멘스와 엔비디아는 제조 기업이 가장 복잡한 제품, 공정, 공장을 더 빠르게 온라인으로 전환하고, 회복력과 지속가능성을 강화하며, 성과를 지속적으로 최적화할 수 있도록 지원하기 위해 협력하고 있다”고 전했다. 엔비디아의 레브 레바레디언(Rev Lebaredian) 옴니버스 및 시뮬레이션 기술 부문 부사장은 “모든 물리적 객체와 공정이 디지털 트윈을 갖게 되는 시대에, 지멘스의 디지털 트윈 컴포저는 지멘스 엑셀러레이터 생태계 전반에서 설계, 엔지니어링, 운영 간 분리돼 있던 사일로(silo)를 연결하는 디지털 스레드를 구축한다. 디지털 트윈 컴포저에 엔비디아 옴니버스 라이브러리를 통합함으로써, 기업은 워크플로 전반에 걸쳐 물리적으로 정확한 시뮬레이션을 활용해 제품 설계부터 물류에 이르기까지 실제 적용하기 전에 전체 제품 수명주기를 가상 세계에서 검증할 수 있다”고 설명했다.
작성일 : 2026-01-15
플랜트 조선 컨퍼런스 2026 초대합니다(2/5 목, 백범김구기념관)
#한국플랜트정보기술협회 #플랜트조선컨퍼런스2026 #사전등록진행중 아래 내용이 보이지 않으면 여기 를 클릭하세요!   플랜트 조선 컨퍼런스 2026 발표 아젠다  [개회사] 한국플랜트정보기술협회 신안식 회장   [기조연설] 플랜트 DX/AX 를 통한 산업 혁신 : 지속 가능한 혁신과 효율적 추진 전략 / GS건설 이현식 디지털트윈팀장  [기조연설] 조선산업 친환경∙AI 생태계 전환과 글로벌 진출 전략 / 한국해양대학교 류민철 교수  [기조연설] 도면을 읽는 AI: 플랜트·조선 디지털트윈의 새로운 접근 / 인포시즈 탁정수 대표 플랜트·조선 프로젝트 Execution 중심의 DX 전략 / 헥사곤ALI 남궁진 전무 DX·AI 시대의 플랜트 토목 설계 자동화 / 휴엔시스템 최재득 대표 AI기반 E2E 대형 플랜트 건설프로젝트 관리 기술 적용 사례 / 테크노빌트 Yogesh Srivastava(글로벌 대표)/손창영(지사장) 플랜트 산업의 패러다임 전환: AX 적용 사례 소개 / LG CNS 이봉헌 화학사업담당 정유 산업의 AI 도입과 활용 / HD현대오일뱅크 정준의 책임 조선해운분야 AX 혁신 사례 / 한국선급 장화섭 센터장 플랜트 조선 산업을 위한 대용량 3D 시각화 솔루션 및 적용사례 소개 / 소프트힐스 이찬영 Core R&D 팀장" AI 자율운항선박 기술동향: From Bridge to ROC / 선박해양플랜트연구소 임근태 센터장 토목 건축 구조 설계 자동화 사례와 AI 물량 예측 시스템 연구 방향 / 현대엔지니어링 김동원 책임 AI 선박 및 스마트 해운의 사이버 안전 대응 전략 / 국제사이버보안인증협회 공병철 회장  ​#플랜트조선컨퍼런스2026 #한국플랜트정보기술협회 #캐드앤그래픽스 #플랜트 #AX #조선
작성일 : 2026-01-08
심센터 HEEDS 커넥트와 MBSE 방법론
심센터 HEEDS 더 깊게 살펴 보기 (1)   이번 호부터 심센터 HEEDS(Simcenter HEEDS)를 더욱 깊이 이해하고, 실제 업무에서 그 가치를 극대화하여 설계 혁신을 가속화하고 심센터 HEEDS를 마스터하기 위한 핵심 인사이트를 살펴보고자 한다. 이번 호에서는 제품 개발을 담당하는 여러 팀이 AI 기반 최적화 워크플로를 원활하게 공유하고 제어하며 설계 탐색을 가속화하는 지능형 협업 플랫폼인 심센터 HEEDS 커넥트(Simcenter HEEDS Connect)를 살펴 본다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   팀을 하나로 묶는 지능형 협업 설루션 <그림 1>은 심센터 HEEDS(히즈) 커넥트가 어떻게 글로벌 팀의 협업을 지원하고, 설계 탐색 과정의 효율성을 극대화하는지 설명하고 있다. HEEDS 커넥트는 전 세계 여러 지역에 흩어져 있는 팀원이 프로젝트에 연결될 수 있도록 지원한다. 이는 지리적 장벽을 넘어선 원활한 소통과 협업을 가능하게 한다.   그림 1   HEEDS 커넥트는 다양한 수준의 공유 기능을 제공한다. <그림 2~3>을 보면 개별 스터디 결과뿐만 아니라 대시보드 형태의 요약 정보까지 폭넓게 공유할 수 있다. 또한 협업을 지원하는 알림 시스템을 갖추고 있어, 중요한 변경 사항이나 업데이트에 대해 팀원이 실시간으로 인지하고 대응할 수 있다. 특히, 조직 외부의 이해관계자와도 정보를 공유할 수 있는 기능을 제공하여, 공급업체나 고객 등 외부 파트너와의 소통을 강화한다.   그림 2   그림 3   HEEDS 커넥트의 핵심 강점 중 하나는 세분화된 액세스 제어 기능이다. 소유자(owner)는 시스템 관리자로서 다른 사용자에게 다양한 액세스 수준을 부여할 수 있다. 이는 프로젝트의 보안과 관리 효율성을 높이 데 기여한다. 전체 권한(full control)을 가진 사용자는 연구에 대한 모든 권한과 위임 권한을 가진다. 권한이 부여된 경우 소유자를 대신하여 연구를 시작할 수도 있다. 검사(inspect) 권한은 결과를 분석하기 위한 보기 전용 모드로 제한된 액세스를 제공한다. 이 권한을 가진 사용자는 공유된 연구의 진행 상황을 모니터링할 수 있다. 정보 제공(informed) 권한은 외부 이해관계자가 변경 사항에 대한 정보를 지속적으로 제공받을 수 있도록 한다. 이들은 공유된 연구 진행 상황을 모니터링하고, 알림 시스템을 통해 피드백을 제공할 수 있다.   효율적인 워크플로 배포 및 실행 <그림 4>는 심센터 HEEDS 워크플로가 HEEDS 커넥트를 통해 어떻게 배포되고 실행되는지 그 과정을 설명하고 있다.   그림 4   워크플로 설정 및 제출(로컬/데스크톱 환경) 먼저, 사용자는 심센터 HEEDS MDO 또는 HEEDS 워크플로 매니저(HEEDS Workflow Manager) 환경에서 최적화 워크플로를 설정하고 완성한다. 이 단계에서 사용자는 필요한 시뮬레이션 도구를 연동하고, 설계 변수 및 목표를 정의하며, 최적화 전략을 구성한다. 워크플로가 준비되면 사용자는 HEEDS 내에서 HEEDS 커넥트 서버에 연결한다. 이 연결을 통해 로컬 데스크톱 환경에서 설정된 워크플로를 중앙 서버로 보낼 준비를 마친다. 마지막으로, 현재 설정된 워크플로를 HEEDS 커넥트 서버로 제출한다.   워크플로 배포 및 실행(로컬/리모트 환경) 워크플로가 HEEDS 커넥트 서버로 제출되면 서버는 이 워크플로를 ‘배포(deploy)’할 준비를 한다. HEEDS 커넥트 서버는 워크플로 실행을 위한 중앙 허브 역할을 수행하며, 데스크톱, 클라우드 기반 리소스 등 다양한 컴퓨팅 환경에 분산된 ‘HEEDS 커넥트 에이전트(HEEDS Connect Agent)’에게 워크플로 정보를 배포한다. 이들 에이전트는 실제 시뮬레이션 및 최적화 작업을 병렬 실행하며, 이는 방대한 계산 자원을 효율적으로 활용하여 최적화 시간을 단축시킨다. 결론적으로, HEEDS 커넥트는 사용자가 복잡한 워크플로를 손쉽게 설정하고, 이를 강력한 분산 컴퓨팅 환경에서 효율적으로 실행할 수 있도록 지원한다. 이는 설계 탐색 및 최적화 과정의 생산성을 극대화하고, 엔지니어가 더 많은 설계 대안을 탐색하며 혁신적인 설루션을 더 빠르게 찾아낼 수 있도록 돕는 핵심 기능이다.     ■ 기사의 상세 내용은 PDF로 제공됩니다.
작성일 : 2026-01-07