개발 및 공급 : 태성에스엔이 주요 특징 : 확률적 머신러닝 알고리즘 접근 방식 사용, 기존 데이터 활용 또는 새로운 데이터 수집 계획으로 샘플과 자원의 효율적 관리, 전문가의 도움 없이도 확률적 머신러닝 작업 수행, 2D 및 3D FEM/CFD 등 다양한 형상과 데이터 형식 학습 가능, 실제 실험 데이터와 시뮬레이션 데이터의 유연한 처리 등   ▲ DIM-GP 알고리즘   Stochos(스토코스)는 딥러닝(DL)과 가우시안 프로세스(GP)를 독창적으로 결합하여 각 알고리즘의 장점을 최대화하고 단점을 최소화한 혁신적인 머신러닝 솔루션(DIM-GP : Deep infinite mixture of Gaussian Processes)을 제공한다. 기존 머신러닝 기업이 주로 딥러닝에 의존해 많은 하이퍼 파라미터 튜닝을 요구하는 것과 달리, 하이퍼 파라미터 훈련이 전혀 필요하지 않다. 또한 온프레미스(on-premise) 방식으로 학습 및 응용 시에 사내에서 안전하게 처리 및 보관할 수 있어 보안이 강화되며, 비용과 자원이 많이 드는 클라우드 컴퓨팅 솔루션이 요구되지 않는다.  낮은 하드웨어 요구 사항으로 빠른 AI 모델 구축 가능(클라우드 필요 없음) 하이퍼 파라미터 설정 불필요(AI 전문 지식 필요 없음) 다양한 형태의 데이터 사용 가능(1D/2D/3D, 이미지, 실험 데이터, 정해석, 과도해석 등) CAE 해석 프로그램의 종류에 무관하게 적용 가능 적은 데이터 수로 높은 정확도 구현 자동 노이즈 처리 데이터는 고객에게 보관됨 Stochos는 지도 학습, 비지도 학습, 강화 학습의 세 가지 유형의 머신러닝을 모두 지원한다. 지도 학습에서는 시뮬레이션 솔버를 대체하고 최적화를 수행하는 데에 유용하다. 비지도 학습의 예로는 모델이 센서 데이터에서 이상을 분석하는 예측 유지보수 작업이 있다. 강화 학습 작업은 로봇 공학이나 자율주행과 같은 실시간 제어 작업을 모두 포괄한다. 이 소프트웨어는 CPU, GPU, 마이크로 컨트롤러 등 다양한 하드웨어 플랫폼에서 작동하여 실시간 응답을 제공할 수 있다.   2D 유동 과도 해석, 사용 샘플 5개 변수 : 받음각 엔비디아 4090 GPU, 학습 시간 14분 1 CPU(8 코어), 학습 시간 32분   3D 고주파 해석, 사용 샘플 37개 변수 : 안테나 위치 엔비디아 4090 GPU, 학습 시간 7초, CPU  학습 시간 10초   3D 과도 충돌 해석, 사용 샘플 32개 변수 : 판재 두께 엔비디아 4090 GPU, 학습 시간 21초   3D 열유동 해석, 사용 샘플 34개 변수 : 냉각채널 형상 엔비디아 4090 GPU, 학습 시간 6시간   또한, Stochos의 AI 라이브러를 이용해 업체 맞춤형 AI 제작 프로그램을 만들어, 해석 및 분석 작업의 효율을 최대화할 수 있다.    ▲ Stochos 라이브러리를 이용한 맞춤형 AI 프로그램 제작     ■ 기사 내용은 PDF로도 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      ■ 같이 보기 : [포커스] CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개   이번 ‘CAE 컨퍼런스 2024’에서는 최신 CAE 기술 및 인공지능 기술의 흐름, 산업에서의 적용 사례 등이 소개됐다. 나니아랩스의 강남우 대표는 ‘로코드 AI 플랫폼을 이용한 설계 생성/예측/최적화 방법 및 사례’ 발표를 통해, 제조 도메인 전문가가 설계안을 효과적으로 생성하고 예측하며 최적화하는 데에 도움을 줄 수 있는 로코드(low-code) AI 플랫폼인 AslanX에 대해 설명했다. AslanX는 사용자 친화적인 인터페이스를 제공하여 비전문가도 쉽게 활용할 수 있다는 점을 특징으로 내세운다. 실제 사례를 통해 AslanX의 유용성을 소개한 강남우 대표는 “로코드 AI 플랫폼은 복잡한 설계 과정을 간소화하여 제조업체가 빠르게 효율적인 설계안을 생산할 수 있도록 지원하고, 데이터 기반 예측 기능을 통해 기업이 설계 효율을 높이면서 잠재적인 위험 요소를 미리 발견해 더 나은 의사결정을 내릴 수 있도록 돕는다”고 전했다.   ▲ 나니아랩스 강남우 대표   HP의 김태화 P3D 매니저는 ‘HP 3D 프린팅 자동화 설루션이 주도하는 산업의 디지털 트랜스포메이션’이라는 주제 발표를 통해 “과거 3D 프린팅 기술은 주로 시제품 제작에 쓰였지만, 지금은 최종 부품 생산에도 점점 더 많이 활용되고 있으며 앞으로 그 비중이 더욱 커질 것”이라고 전망했다. 김태화 매니저는 이러한 변화에 대응하기 위해 HP의 젯 퓨전 5600(Jet Fusion 5600) 3D 프린터와 자동화 시스템을 소개했다. 젯 퓨전 5600은 생산 속도와 품질을 동시에 향상시키고, 고객 맞춤형 파라미터 조정 기능을 통해 다양한 요구를 충족시킬 수 있도록 설계되었다. 김태화 매니저는 “젯 퓨전 3D 프린터를 중심으로 한 자동화 시스템은 비용 절감과 생산성 향상을 지원하며, 고객 요구에 맞는 맞춤형 제조 환경을 제공한다”고 전했다.   ▲ HP 김태화 P3D 매니저   피도텍의 최병열 연구위원은 ‘최적설계 대중화를 위한 AADO 기술’을 소개했다. 최적설계의 개념을 ‘최소한의 자원으로 최대의 결과를 도출하는 과정’으로 설명한 최병열 연구위원은 최적 설계 기술의 필요성이 늘면서 많은 기업이 최적화 도구에 대한 필요성을 느끼고 있지만, 접근성을 높이는 것이 해결 과제라고 짚었다. 최병열 연구위원은 “기존 최적설계 기술의 복잡한 접근 방식을 간소화해 모든 엔지니어가 접근할 수 있도록 할 방법을 고민했다”면서, “그 결과 탄생한 AADO(AI Aided Design Optimization)는 AI와 데이터 분석, 비주얼라이제이션 기술을 결합해 최적 설계 도구의 혁신 방안을 제시하고, 이를 통해 엔지니어가 더 효율적으로 설계 문제를 해결할 수 있도록 돕는다”고 전했다.   ▲ 피도텍 최병열 연구위원   케이더블유티솔루션의 변성준 이사는 ‘CAD와 CFD 융합을 통한 제품 설계 혁신’ 발표에서 “CFD(전산 유체 역학)가 제품 설계 과정에서 필수 요소로 자리잡고 있으며, CAD와 CFD의 통합은 설계 시간 절약과 데이터 분석의 정확성을 높여 기업 경쟁력에 기여한다”고 설명했다. 변성준 이사가 소개한 SimericsMP for NX는 NX CAD에 통합된 유한 체적법(FVM) 기반의 CFD 소프트웨어로, CAD 환경에서 직접 CFD 해석을 빠르고 효율적으로 수행할 수 있도록 돕는다. 변성준 이사는 “SimericsMP for NX는 격자 생성 시간을 줄이고 정확도를 높이면서, 복잡한 형상에서 해석의 일관성을 유지하는 것이 특징”이라고 소개했다.   ▲ 케이더블유티솔루션 변성준 이사   LG전자의 박우철 책임연구원은 ‘가전 개발에서 CAE와 AI 활용’에 대해 발표를 진행했다. LG전자는 제품 개발 프로세스에서 동역학 해석과 진동 해석을 통해 제품의 품질을 확보하고, 극한 시나리오에 품질을 검증하는 등에 CAE를 활용하고 있다. “머신러닝은 이점과 함께 실행 과정의 복잡성도 갖고 있다”고 짚은 박우철 책임연구원은 “AI의 적용 가능성을 높이기 위해 설계와 생산 과정에서 신뢰성 있는 데이터를 확보하고, 해석 결과의 일관성을 확보할 방법을 고민해야 한다”고 전했다. 또한 AI를 도입하는 과정에서 초기 투자 비용, 데이터 확장성, 전문 인력의 확보 등을 고려할 필요가 있다고 덧붙였다.   ▲ LG전자 박우철 책임연구원   지멘스 디지털 인더스트리 소프트웨어의 이종학 프로는 ‘제품 개발과 검증의 가속화를 위한 심센터 AI 설루션’에 대해 발표했다. 이종학 프로는 “AI 기술을 활용한 자동화 설루션은 제품 설계와 실험 과정에서 시간을 단축하고 효율성을 높일 수 있다”고 전했다. 지멘스의 시뮬레이션 포트폴리오인 심센터(Simcenter) 내에 탑재된 AI 기능을 소개한 이종학 프로는 “반복적인 작업의 자동화를 구현하기 위해서는 제품 개발 프로세스의 단계에서 사용할 데이터의 수집 및 흐름을 체계적으로 구성해야 한다. 또한 AI 모델을 활용해 최적의 디자인을 찾는 과정에서 최적화 알고리즘을 적용해 반복 작업을 효율적으로 관리하고, 그 결과에서 유의미한 인사이트를 도출하는 과정이 중요하다”고 전했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 이종학 프로   현대자동차의 김용대 글로벌R&D마스터는 ‘모빌리티 아키텍처 단계 타이어 시스템의 버추얼 개발 프레임워크’에 대해 소개했다. 전기차 타이어의 경우, 배터리와 차량의 무게가 늘어남에 따라 스트레스 및 성능에 있어 새로운 요구사항이 발생한다. 이에 대응해 타이어의 재설계가 필요한데, 김용대 마스터는 “초기 개발 단계에서 가상 모델을 기반으로 하는 새로운 방식이 필요하며, 이를 통해 실물 타이어에 의존하는 전통적인 접근에서 벗어나는 것도 고민해야 한다”고 말했다. 김용대 마스터는 “다양한 미래 모빌리티 환경에 적응하기 위해 시스템 엔지니어링 관점을 통합할 필요성이 있다”면서, “데이터 기반 의사결정을 통해 협력사와의 관계를 더욱 견고히 하고, 통합된 시스템으로 전환해 타이어 및 완성차 개발의 완성도를 높여야 할 것”이라고 덧붙였다.   ▲ 현대자동차 김용대 글로벌R&D마스터   현대모비스의 정원태 책임연구원은 ‘NVH 해석 분야에서의 고전적 방법론과 디지털 기술 융합 사례’ 발표를 통해 “기술의 발전이 CAE의 변화와 새로운 접근 방식을 요구하고 있다”면서, 데이터 중심의 AI 및 머신러닝의 활용 가능성과 함께 도전 과제를 극복하기 위한 방법론을 소개했다. 전기차의 복합 시스템 모델링 방법과 자유도 문제 해결, 모달 모델을 통한 복잡한 시스템의 간소화, 머신러닝 기법을 활용한 모터의 품질 예측 등 사례를 소개한 정원태 책임연구원은 “고전적 방법론과 AI, 머신러닝 기술의 결합은 더 빠르고 정확한 모델링을 가능케 하며, 디지털 트윈 기술은 복잡한 엔지니어링 문제를 해결하는 데에 도움을 준다”면서, 모델링과 데이터에 대한 깊은 이해를 바탕으로 효과적인 문제 해결을 위해 꾸준히 고민할 것을 당부했다.   ▲ 현대모비스 정원태 책임연구원

디지털 지식전문가 조형식의 지식마당   이번 달 컬럼은 SAT 이노베이션 매니지먼트를 소개하기로 정했다. 각 SAT에는 세 가지의 방향성이 있고, 각 방향성은 세 가지 그룹을 가진다. 첫 번째인 S 그룹은 스마트(smart), 체계적인(systematic)이다. 이것은 체계적 접근을 의미한다. 그리고 소프트웨어 정의(software-defined)가 있다. 두 번째 A 그룹은 인공지능(artificial intelligence), 증강현실(augmented reality), 자동화(automation)이다. 마지막 T 그룹은 기술(technology), 트렌드(trends) 그리고 변환(transformation)이고, 세 개의 그룹은 혁신경영(innovation management)으로 관리된다.   그림 1. SAT 그룹과 혁신 관리   <그림 1>은 세 개의 그룹과 각 그룹의 세 가지 키워드를 보여준다. 이것은 혁신경영으로 통합되며, 각 키워드는 디지털 스레드(digital thread)로 연결된다. 이것을 가지고 2025년에는 자세하게 통합시켜 보려고 한다.    SAT 이노베이션 매니지먼트 S Group 스마트(Smart) 체계적인(Systematic) 소프트웨어 정의(Software-Defined) A Group 인공지능(Artificial Intelligence, AI) 증강현실(Augmented Reality, AR) 자동화(Automation) T Group 기술(Technology) 트렌드(Trends) 변환(Transformation) 혁신경영(Innovation Management) 스마트(smart)라는 용어는 스마트 공장이나 스마트 건설 분야에서 기술을 활용해 더 효율적이고, 자동화되고, 데이터 중심적인 운영을 의미한다. 예를 들어, 스마트 공장(smart factory)에서는 IoT 센서와 인공지능을 활용해 생산 과정을 모니터링하고 최적화할 수 있다. 스마트건설(smart construction)도 건축 현장에 사용되는 기술과 데이터를 통해 건설 과정을 효율적으로 관리하고 개선한다. 이런 ‘스마트’한 접근 방식은 효율성(efficiency)을 높이고 비용을 절감하며 품질을 향상시키는 데에 도움이 된다. 스마트의 특징은 몇 가지로 요약할 수 있다. 먼저 연결성(connectivity)이다. IoT 기기와 센서로 모든 요소가 네트워크로 연결된다. 그 다음은 데이터 수집 및 분석이다. 이 연결성을 통해 실시간 데이터가 수집되고, 인공지능과 같은 기술로 분석되어 더 나은 결정을 내릴 수 있다. 자동화(automation)도 중요한 특징이다, 이를 통해 사람의 개입 없이도 많은 프로세스가 자동으로 실행된다. 마지막으로, 유연성과 적응성이다. 스마트 시스템은 환경 변화나 새로운 데이터를 바탕으로 빠르게 대응하고 최적화한다. 그러나 스마트의 궁극적인 목표는 우리가 추구하는 가치를 실현하는 데에 있다. 효율성, 생산성, 안전성, 지속 가능성 등 다양한 가치가 스마트 기술을 통해 충족될 때, 진정한 스마트함이 완성된다. 결국, 기술 자체가 목적이 아니라 우리가 원하는 결과를 얻는 것이 스마트의 진정한 의미라고 할 수 있다. 스마트 시스템(smart system)을 구축하거나 도입할 때에는 체계적인 접근이 중요하다. 먼저 명확한 목적과 목표를 설정해야 하며, 현재 프로세스와 기술을 파악하고, 필요한 개선점을 찾아야 한다. 그런 다음 단계별로 구현 계획을 세우고, 성과를 모니터링하며 지속적으로 개선해야 한다. 이러한 체계적 접근은 스마트 시스템이 실제로 기대하는 효과를 발휘하도록 보장해 준다. 최적화가 현존 시스템의 효율성을 극대화하는 데에 초점을 두는 반면, 혁신(innovation)은 완전히 새로운 아이디어나 방법을 추구하는 것이다. 하지만 스마트 시스템에서의 최적화는 혁신의 중요한 부분이 될 수 있다. 왜냐면, 데이터를 분석하고 자동화하는 과정에서 새로운 통찰력과 가능성이 발견되기 때문이다. 따라서 스마트 시스템의 최적화는 혁신과 상반되는 것이 아니라, 오히려 혁신을 위한 발판이 된다. 그러나 스마트에서 가장 핵심 가치 중에 하나인 최적화는 혁신을 방해할 수도 있다. 혁신의 방해 요소 중에 하나가 정설(orthodoxy)이다. 이것은 그 분야에서 모든 사람이 의심하지 않고 믿는 신념적 지식이다. 이것은 혁신의 방해가 될 수도 있다. 예를 들어서 항공우주 분야에서 혁신적 사업가인 라이트 형제와 일론 머스크는 기존의 정설을 깨고 새로운 발상을 하였다. 라이트 형제는 공기보다 무거운 금속인 알루미늄을 최초로 사용해서 인류 최초의 비행에 성공하였고, 일론 머스크는 기존의 정설인 더 강력한 로켓 엔진을 연구하는 대신에 혁신적인 로켓 재사용으로 발사 비용을 획기적으로 낮추었다. 그러나 모든 기업에게 이러한 혁신적 접근이 필요한 것은 아니다. 혁신의 특성은 불확실성(uncertainty)과 리스크(risk)이다. 혁신 관리는 이런 위험 요소를 관리를 통해서 최대한 줄여나가는 것이다. 소프트웨어 정의(software-defined) 또는 소프트웨어 중심 접근 역시 혁신적인 방법론이다. 이것은 미래를 향하는 트렌드(trends)라고 할 수 있다. 소프트웨어 정의 시스템(software-defined system)은 하드웨어의 고정된 기능을 소프트웨어를 통해 유연하게 제어하고 관리하는 시스템을 의미한다. 예를 들어, 스마트폰이나 스마트 TV처럼 다양한 기능을 소프트웨어 업데이트로 추가하거나 변경할 수 있는 시스템이 이에 해당한다. 이런 시스템은 하드웨어의 수명을 늘리고, 사용자의 요구에 빠르게 대응할 수 있다. 그리고 이것은 우리의 물리적 세계의 물리적 실체(entity)를 디지털 세상의 디지털 실체로 가상화(virtualization)할 것이다. 최근에 유행하는 디지털 트윈(digital twin)은 소프트웨어 정의 시스템이 통합해서 본격적으로 디지털 가상화의 방향으로 발전될 것으로 보이고, 수년 후에는 메타버스의 개념과 다시 만날 것이다.   그림 2. 소프트웨어 정의와 가상화의 예시   소프트웨어 정의된 모든 것은 기존의 제한된 하드웨어에 종속되지 않고 소프트웨어로서 모든 기술을 획기적으로 변화시킨다. 가상화와 소프트웨어 정의의 시작은 네트워크였지만, 이제는 자동차와 이 세상의 모든 하드웨어를 가상화하려고 한다. 현재 가장 큰 관심사 중에 하나는 자동차의 가상화이다. 가상화의 최고 기업은 애플이고, 가상화의 선구자는 스티브 잡스이다. 아이폰, 아이팟, 애플 뮤직, 애플 스토어, 애플 워치 등은 가상화의 산물이다. 우리는 오랫동안 하드웨어 중심의 생각에서 새로운 소프트웨어 중심의 패러다임을 가지게 될 것이다. 그렇다고 우리가 물리적 세계를 무시할 수는 없다. 우리의 삶과 신체가 물리적이기 때문이다. 역설적이지만, 우리의 모든 생각이 추상적이면서도 결국 물리적인 뇌에 근간을 두고 있다는 것이다. 그러므로 디지털 기술이 점점 발전할 수록 스마트의 핵심은 디지털이나 최적화나 자동화가 아닌 물리적이고, 불확실성과 리스크를 관리하는 혁신 관리가 더 중요해질 것이다.   그림 3. 소프트웨어 정의   인공지능은 이미 모든 디지털 전환(digital transformation)과 우리의 일상에 막대한 영향을 미치고 있다. 최근 챗GPT의 가능성은 이전의 인공지능의 역할보다 흥미롭다. 이제는 개인의 인공지능을 사용하는 역량에 따라서 결과의 차이가 클 수 있다.  증강현실(augmented reality)에서는 가상현실과 달리 현실세계와 가상현실(virtual reality)을 모두 동시에 보여주기 때문에 우리는 아주 직관적으로 접근할 수 있다. 그러나 이 기술은 앞으로 지속적으로 발전할 것으로 예상된다. 자동화(automation) 역시 수 십 년 동안 지속되고 있지만, 자동화를 단순하게 최적화(optimization)의 개념으로 적용해서 노동자를 줄인다면, 기업이나 국가는 장기적으로는 소비를 죽이는 결과를 가져 올 수 있다. 이것에 대해서 한 세기 전에 조지프 슘페터가 주장하였다. 그는 “시장의 비즈니스 모델을 모방해서 최적화는 사람은 사업가(businessman)이고, 혁신으로 새로운 비즈니스 모델을 시작하는 사람은 기업가(entrepreneur)”라고 했다. 마지막 T 그룹은 기술(technology), 트렌드(trends), 변환(transformation)이다. 현재 진행되고 있으나 통합적으로 관리되지 못하고 있다. 이 세 가지의 특징은 과거보다는 미래 진행이라는 것이다. 어떻게 보면 4차 산업혁명의 진행형이기도 하고 새로운 형태이기도 하다. 이것을 과거의 경험과 지식으로 관리하기에는 불확실성과 리스크가 존재한다. 이런 것들은 기존의 관리보다는 혁신 경영이 더 적합할 수 있다.   그림 4. 기술, 트렌드, 변환   결론적으로 현재는 뷰카(VUCA), 즉 변동적이고 복잡하며 불확실하고 모호한 사회 환경을 말한다. 변동성(volatility), 불확실성(uncertainty), 복잡성(complexity), 모호성(ambiguity)이 복합된 환경에서 점진적인 개선이나 최적화보다는 혁신적인 생각을 보다 비중 있게 해야 한다. 미래 산업은 항상 안주하지 않고 안 가본 길을 가야 한다. 강한 자보다는 새로운 환경의 게임 체인저가 돼야 한다. 기존의 브랜드보다는 새로운 카테고리를 만들어야 한다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

  18　THEME. 제조·건축 디자인의 미래를 그리는 인공지능과 디지털 트윈 AI 주도의 디자인을 바라보는 관점 : 프로세스와 사례 중심으로 / 고성찬 생성형 AI와 제조 디자인의 현재 그리고 미래 / 유훈식 이미지 생성을 넘어 : 모빌리티 디자인에서 생성형 AI의 동향과 숙제 / 박현준 제조 및 건설 산업의 패러다임을 바꾸는 디지털 트윈의 혁신 / 이문규 디지털 혁신의 시대, 건축가와 엔지니어를 위한 협업 도구 / 이경선 제조 산업의 디지털 트윈을 위한 리얼타임 렌더링 / 진득호   INFOWORLD   Editorial 17　2024년을 되돌아보며 : AI, 산업을 재정의하다   People&Company 45　시각화 콘텐츠 제작을 위한 토털 설루션 제공하는 맥슨　지브러시, 시네마4D, 레드 자이언트로 만나는 새로운 크리에이티브 경험   Case Study 68　항공기 부품 제조 혁신에 기여하는 적층제조　3D 프린팅으로 만들어진 GE의 LEAP 연료 노즐 70　산업 분야에서 효과적인 협업을 돕는 몰입형 3D 기술　몰입형 3D 협업 앱으로 워크플로 및 생산성 개선   Column 86　현장에서 얻은 것 No.19 / 류용효　익숙함을 넘어 편리함으로 90　디지털 지식전문가 조형식의 지식마당 /조형식　스마트에서 혁신으로   Focus 48　CAE 컨퍼런스 2024, 제조 혁신을 위한 CAE와 AI의 융합 전략 소개 53　빌드스마트 콘퍼런스 2024, AI/로봇공학/디지털 도구를 통한 건설의 미래 탐색 56　다쏘시스템, “버추얼 트윈으로 지속 가능한 디지털 전환 이끈다” 58　앤시스, “시뮬레이션과 AI의 결합 및 접근장벽 낮추는 기술 개발 강화할 것” 73　AWS, 인더스트리 위크 통해 산업의 디지털 전환과 클라우드 혁신 전략 제시 76　인텔, AI PC 위한 프로세서와 생태계로 혁신의 문을 열다 78　연세대와 IBM의 양자 혁명 : 한국 첫 양자컴퓨터 설치의 의미와 미래 80　콘진원, ‘AI로 만나는 새로운 콘텐츠 세상’... AI 콘텐츠 페스티벌 2024 개최   New Products 60　제조 및 기계 설계를 위해 최적화된 CAD 설루션　ZWCAD LM 2025 / ZWCAD MFG 2025 64　온프레미스 기반의 AI 알고리즘 솔루션　Stochos 66　통합 디지털 콘텐츠 마켓플레이스　팹   On Air 82　캐드앤그래픽스 CNG TV 지식방송 지상중계　자동차산업에서의 다중소재 접합 및 조립 해석 기술 동향 83　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조산업의 디지털 혁신을 위한 헥사곤 설루션 활용 전략 84　캐드앤그래픽스 CNG TV 지식방송 지상중계　클라우드 기반 데이터 리비전과 GIS 통합 설루션 85　캐드앤그래픽스 CNG TV 지식방송 지상중계　마커리스 증강 및 자동 라우팅 기술을 통한 미래 BIM 전략   Directory 139　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 93　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　딥러닝 모델 개발 프로세스 기록/분석/가시화 및 모델 튜닝하기 98　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (8) / 천벼리　BIM 도면의 상세 보기 132　디지털 데이터의 정리에 관하여 / 양승규　효율과 생산성을 높이기 위한 파일 관리 팁 136　새로워진 캐디안 2025 살펴보기 (1) / 최영석　최신 버전의 주요 기능 소개   Reverse Engineering 101　문화유산 분야의 이미지 데이터베이스와 활용 사례 (12) / 유우식　안료 데이터베이스   Mechanical 110　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (7) / 김성철　메커니즘 디자인 소개   Analysis 115　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (16) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅱ 118　금속 적층제조의 최적화를 위한 앤시스 애디티브 / 박준혁　적층 공정의 파라미터 최적화를 위한 애디티브 사이언스 기능 124　SimericsMP for NX CAD의 해석 과정 소개 / 케이더블유티솔루션　CAD 프로그램 내부에서 유동 해석 직접 진행하기 128　산업 디지털 전환을 위한 버추얼 트윈 (7) / 임상혁　개념 설계부터 최종 제품까지 다물체 동역학 해석을 위한 심팩   캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

앤시스가 엔비디아의 GH200 그레이스 호퍼 슈퍼칩(Grace Hopper Superchips)을 적용한 대규모의 전산유체역학(CFD) 시뮬레이션 결과를 소개하면서, “CFD 시뮬레이션 속도를 기존 대비 110배 높이고, 전체 실행 기간을 4주에서 6시간으로 단축하는 등 성과를 거두었다”고 전했다.  대규모 CFD 시뮬레이션은 다중물리 상호작용, 복잡한 기하학적 설계 및 실제 데이터를 반영한 고해상도 결과물을 필요로 하기 때문에 작업 과정이 복잡하며 많은 시간을 필요로 한다. 전통적인 CPU 기반 시뮬레이션의 경우 최소 며칠에서 몇 주까지 소요되며 모델 정밀도를 높일수록 추가적인 처리 시간과 연산 자원이 요구되는 것이 특징이다. 앤시스는 “GPU 기술을 도입한 앤시스 플루언트는 대규모 모델에서도 적은 자원으로 높은 예측 정확도를 유지하며 핵심적인 인사이트를 도출할 수 있다”고 밝혔다. 앤시스는 엔비디아와의 협력을 통해 텍사스 첨단 컴퓨팅 센터(TACC)의 고성능 컴퓨팅(HPC) 역량을 활용, 24억 셀 규모의 자동차 외부 공기역학 시뮬레이션을 수행했다. 작업 과정에서 예측 정확도를 유지하면서 시뮬레이션 속도를 단축했으며, 전체 시뮬레이션 속도를 떨어뜨리지 않으면서 매개변수를 추가해 정확도를 개선할 수 있도록 했다.     엔비디아의 퀀텀-2 인피니트밴드(Quantum-2 InfiniBand)를 통해 멀티 노드 확장된 320개의 GH200 그레이스 호퍼 슈퍼칩은 2048개의 CPU 코어를 사용할 때보다 110배 빠른 속도를 제공하며, 약 22만 5390개의 CPU 코어에 맞먹는 성능을 구현한다. 또한, 일반적인 GPU 환경에서 실행한 벤치마크 결과에 따르면 32개의 GPU를 사용할 경우 엔비디아의 GH200 그레이스 호퍼 슈퍼칩 한 대가 약 1408개의 CPU 코어와 동일한 성능을 제공하는 것으로 나타났다. 한편, 앤시스는 엔비디아의 가속 라이브러리, AI 프레임워크, 옴니버스 테크놀로지를 통합한 레퍼런스 워크플로인 ‘옴니버스 블루프린트(Omniverse Blueprin)’를 최초로 도입한 바 있다. 이를 통해 앤시스의 애플리케이션은 실시간으로 상호작용 가능한 물리 시각화 기능을 구현, 사용자가 복잡한 물리적 현상을 직관적으로 이해하고 즉각적으로 조정할 수 있는 환경을 제공하고 있다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스는 고객들에게 더욱 높은 수준의 시뮬레이션 정밀도와 인사이트를 제공할 수 있도록 역량 강화에 총력을 기울이고 있다”면서, “제품의 시장 출시 속도가 중요해진 만큼, 최신 GPU 기술로의 업그레이드가 개발 과정 전반에서 에너지 소비를 크게 줄여 고객들에게 비용 절감과 자원 효율화라는 두 가지 혜택을 동시에 제공하는 것에 주안점을 두고 있다”라고 말했다. 엔비디아의 팀 코스타(Tim Costa) HPC 및 양자 컴퓨팅 부문 이사는 “엔비디아의 GH200 그레이스 호퍼 슈퍼칩은 고객들이 시뮬레이션 모델의 한계를 넘어설 수 있도록 돕는다”면서, “엔비디아 HPC와 앤시스 설루션의 결합은 사용자들에게 자동차, 항공우주, 제조 등의 산업 전반에서 복잡한 엔지니어링 문제를 해결하고 출시 기간을 단축하는 강력한 시뮬레이션 툴을 제공하게 될 것”이라고 말했다.

엔비디아가 ‘슈퍼컴퓨팅 2024(SC24)’ 콘퍼런스에서 ‘엔비디아 옴니버스 블루프린트(NVIDIA Omniverse Blueprint)’를 발표했다. 이는 소프트웨어 개발업체가 항공우주, 자동차, 제조, 에너지, 기타 산업의 컴퓨터 지원 엔지니어링(CAE) 고객들이 실시간 상호작용이 가능한 디지털 트윈을 제작할 수 있도록 지원한다. 알테어, 앤시스, 케이던스, 지멘스와 같은 소프트웨어 개발업체는 실시간 CAE 디지털 트윈을 위한 엔비디아 옴니버스 블루프린트를 사용해 고객이 개발 비용과 에너지 사용량을 절감하면서 시장 출시 기간을 단축할 수 있도록 지원한다. 엔비디아는 이 블루프린트가 1200배 빠른 시뮬레이션과 실시간 시각화를 달성하기 위한 엔비디아 가속 라이브러리, 물리-AI 프레임워크, 대화형 물리 기반 렌더링을 포함하는 레퍼런스 워크플로라고 설명했다. 블루프린트의 첫 번째 적용 분야 중 하나는 전산유체역학(CFD) 시뮬레이션이다. 이는 자동차, 비행기, 선박 등 여러 제품의 설계를 가상으로 탐색하고 테스트하며 개선하는데 있어 중요한 단계이다. 기존의 엔지니어링 워크플로는 물리 시뮬레이션부터 시각화와 설계 최적화에 이르기까지 완료하는 데 몇 주 또는 몇 달이 걸릴 수 있다. 실시간 물리 디지털 트윈을 구축하려면 실시간 물리 솔버(solver) 성능과 대규모 데이터 세트의 실시간 시각화라는 2가지 기본 기능이 필요하다. 옴니버스 블루프린트는 이러한 기능을 달성하기 위해 엔비디아 쿠다-X(CUDA-X) 라이브러리를 활용해 솔버 성능을 가속화한다. 또한, 엔비디아 모듈러스(Modulus) 물리-AI 프레임워크를 사용해 플로 필드를 생성하기 위한 모델을 훈련하고 배포한다. 마지막으로, 엔비디아 옴니버스 애플리케이션 프로그래밍 인터페이스를 통해 3D 데이터 상호운용성과 실시간 RTX 지원 시각화를 제공한다.      앤시스는 옴니버스 블루프린트를 채택해 유체 시뮬레이션 소프트웨어인 앤시스 플루언트(Ansys Fluent)에 적용해 전산 유체 역학 시뮬레이션을 가속화했다. 앤시스는 텍사스 첨단 컴퓨팅센터에서 320개의 엔비디아 GH200 그레이스 호퍼 슈퍼칩(Grace Hopper Superchip)으로 플루언트를 실행했다. 2,048개의 x86 CPU 코어에서는 거의 한 달이 걸리던 25억 셀의 자동차 시뮬레이션을 6시간 만에 완료했다. 이를 통해 밤새 고충실도 CFD 분석을 수행할 수 있는 실현 가능성을 향상시키고 새로운 업계 벤치마크를 수립했다. 루미너리 클라우드 또한 블루프린트를 채택하고 있다. 엔비디아 모듈러스를 기반으로 구축된 이 회사의 새로운 시뮬레이션 AI 모델은 GPU 가속 CFD 솔버에서 생성된 훈련 데이터를 기반으로 기류장과 자동차 형상 간의 관계를 학습한다. 이 모델은 솔버 자체보다 훨씬 빠른 속도로 시뮬레이션을 실행해 옴니버스 API를 사용해 시각화된 실시간 공기 역학 흐름 시뮬레이션을 가능하게 한다. 엔비디아와 루미너리 클라우드는 SC24에서 가상 풍동을 시연했다. 이는 터널 내부에서 차량 모델을 변경하더라도 실시간으로 상호작용하는 속도로 유체 역학을 시뮬레이션하고 시각화할 수 있다. 엔비디아는 알테어, 비욘드 매스, 케이던스, 헥사곤, 뉴럴 컨셉, 지멘스, 심스케일, 트레인 테크놀로지스 등이 자체 애플리케이션에 옴니버스 블루프린트 도입을 검토하고 있다고 밝혔다. 옴니버스 블루프린트는 아마존 웹 서비스(AWS), 구글 클라우드, 마이크로소프트 애저를 비롯한 주요 클라우드 플랫폼에서 실행할 수 있다. 엔비디아 DGX 클라우드(DGX Cloud)에서도 사용할 수 있다.  리스케일은 엔비디아 옴니버스 블루프린트를 사용해 단 몇 번의 클릭만으로 맞춤형 AI 모델을 훈련하고 배포할 수 있도록 지원한다. 리스케일 플랫폼은 전체 애플리케이션-하드웨어 스택을 자동화하며, 모든 클라우드 서비스 제공업체에서 실행될 수 있다. 조직은 어떤 시뮬레이션 솔버를 사용해도 훈련 데이터를 생성하고, AI 모델을 준비, 훈련, 배포하며, 추론 예측을 실행하고, 모델을 시각화하고 최적화할 수 있다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “우리는 모든 사물이 디지털 트윈을 가질 수 있도록 옴니버스를 구축했다. 옴니버스 블루프린트는 엔비디아 옴니버스와 AI 기술을 연결하는 레퍼런스 파이프라인이다. 이는 선도적인 CAE 소프트웨어 개발자가 설계, 제조부터 운영에 이르기까지 세계 최대 산업을 위해 산업 디지털화를 혁신할 획기적인 디지털 트윈 워크플로를 구축할 수 있도록 지원한다”고 말했다.

펑션베이는 지난 10월 18일 ‘2024 리커다인 유저 콘퍼런스’를 개최했다. 이번 콘퍼런스는 다물체 동역학 소프트웨어 리커다인(RecurDyn) 및 입자법 소프트웨어 파티클웍스(Particleworks)와 관련된 최신 트렌드와 혁신 기술을 공유하는 장으로 마련됐다. 이번 행사에서 펑션베이는 자사의 대표 제품인 동역학 해석 소프트웨어 리커다인의 최신 버전과 입자법 CFD 소프트웨어 파티클웍스의 최신 기능을 선보였다. 특히 리커다인 2025 버전에서는 접촉 및 유연체 해석 관련 솔버의 성능이 강화되어, 복잡한 엔지니어링 문제에 대해 더욱 정확하고 효율적인 해석이 가능해졌다. 펑션베이는 마찰에 의해 발생하는 열을 고려한 시뮬레이션 기능의 추가를 중점 소개하면서, “기존의 리커다인 열해석 기능 및 파티클웍스와의 양방향 열해석과 시너지를 내어 자동차, 항공우주, 로봇공학 등 다양한 산업 분야에서 설계 개선 효과를 강화할 할 것”이라고 기대했다. 또한, 강화된 포스트 프로세스(후처리) 기능인 ‘리커다인 포스트(RecurDyn Post)’의 신기능을 통해 사용자의 데이터 분석 및 시각화 작업이 한층 더 수월해질 것이라고 전했다.     이번 콘퍼런스에서는 제품 소개 외에 실제 사용자가 궁금해하는 실용적인 기술 팁도 공유되었다. 접촉 파라미터 활용법, 리커다인 메셔(RecurDyn Mesher)를 이용한 효율적인 메시 생성 방법, 그리고 수식을 활용한 빠르고 효율적인 케이블 모델링 기법 등이 소개되었다. 또한 토요타 자동차, 현대자동차를 비롯해 세메스, LG전자, HD현대사이트솔루션, 포스코홀딩스, LG마그나, 효성, 공주대학교 등 국내외 기업과 학계에서 리커다인과 파티클웍스를 활용한 혁신적인 사례를 소개했다.  행사를 주관한 펑션베이 마케팅팀의 김상태 팀장은 “이번 콘퍼런스를 통해 우리의 최신 기술이 실제 산업 현장에서 어떻게 혁신을 이끌어내고 있는지 생생하게 확인할 수 있었다. 그리고, 참가자들의 열정적인 반응을 보며 우리의 기술이 미래 엔지니어링의 새로운 지평을 열어가고 있다는 확신을 갖게 되었다”고 밝혔다. 또한 “앞으로도 펑션베이는 고객과 긴밀히 소통하면서 더욱 혁신적이고 실용적인 설루션을 개발해 나갈 것이며, 이를 뒷받침할 교육과 기술 서비스에도 노력을 아끼지 않을 것”이라고 덧붙였다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (15)   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 성능 최적화, 안전성 보장, 효율성 향상을 위한 정확한 시뮬레이션의 중요성을 강조하면서 터보 기계 시뮬레이션의 복잡성에 대해 살펴본다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   오늘날의 기술 중심 세계에서는 터보 기계의 동작을 정확하게 예측하는 것이 무엇보다 중요하다. 이를 통해 항공기 추진 시스템에 결함이 없고, 에너지 시스템은 최소한의 낭비로 최대 출력을 제공하며, 전 세계 산업은 수요에 따라 흔들리지 않는 기계에 의존할 수 있다. 하지만 이러한 노력은 간단하지 않다. 여러 층의 복잡성, 기본 원리에 대한 이해, 고급 계산 기술의 적용이 필요하다.  이번 호부터 소개할 가이드에서는 터보 기계의 시뮬레이션 프로세스를 설명하고자 하는데, 이론적 토대와 실제 적용 사례를 모두 조명하는 것을 목표로 한다. 내용은 풍부하고 상세하지만, 전문성을 향상하고자 하는 전문가, 한계를 뛰어넘고자 하는 연구자, 핵심을 파악하고자 하는 초보자를 위해 명확하게 구성되어 있다.  향후 연재할 가이드를 통해 터보 기계 시뮬레이션의 원리, 방법론, 향후 발전 방향에 대해 살펴본다. 단순한 지식 전달을 넘어 이 분야에 대한 깊은 이해를 심어주는 것이 목표이다.    터보 기계의 기초  터보머신을 시뮬레이션하려면 유체 역학 및 열역학에 대한 기본적인 이해가 필요하다. 이 장에서는 이러한 정교한 기계의 시뮬레이션을 안내하는 핵심 원리, 터보 기계의 유형 및 주요 구성 요소에 대해 설명한다.    기본 원리  터보머신의 핵심은 로터라고 하는 회전 메커니즘을 통해 에너지를 전달하는 장치를 말한다. 공기, 증기, 물, 휘발유, 디젤, 고온 가스 등 지속적으로 흐르는 유체가 회전하는 구성 요소(예 : 블레이드, 베인, 임펠러)와 상호작용하여 유체에서 에너지를 추출하거나 유체에 전달한다. 이러한 에너지 전달은 유체 속도, 압력, 때로는 온도의 변화로 나타나며, 기계적 작업 결과물 또는 유체 에너지의 증가로 이어진다. 디지털 시대에는 전산 유체 역학(CFD)이 터보 기계를 시뮬레이션하는 주요 수단 이 되었다.  많은 CFD 소프트웨어는 다음에 정의된 유체 운동에 보존 법칙을 적용하여 도출된 나비에-스토크스(Navier-Stokes) 방정식을 기반으로 한다.  질량 보존(연속성 방정식) : 이 법칙은 닫힌 시스템에서는 질량이 생성되거나 소멸될 수 없다는 것을 말한다. 유체의 경우, 이는 질량이 부피에 들어오는 속도와 부피에서 나가는 속도가 같아야 하며, 부피 내에 축적된 질량은 모두 같아야 함을 의미한다. 이 원리는 연속성 방정식으로 이어진다.  운동량 보존(뉴턴의 운동 제2법칙) : 유체에 적용되는 뉴턴의 제2법칙으로, 유체 요소의 운동량 변화율은 그 요소에 작용하는 힘의 합과 같다는 것을 말한다. 이러한 힘에는 유체 요소의 표면에 작용하는 압력 힘과 유체 내의 점성 응력이 모두 포함된다. 운동량 보존 법칙이 유체에 적용되면 운동량 방정식이 성립한다.  에너지 보존(열역학 제1법칙) : 이 법칙에 따르면 에너지는 생성되거나 파괴될 수 없으며, 한 형태에서 다른 형태로만 전달되거나 변환될 수 있다. 유체 역학에서 이 보존 법칙은 전도, 대류 및 유체 내의 열원이나 흡원으로 인한 열 에너지 전달을 설명하는데 적용된다. 비압축성(밀도가 일정한) 및 등온성(온도가 일정한) 흐름의 경우 열 효과는 나비에-스토크스 방정식에 나타나지 않는 경우가 많다. 그러나 압축성 및 비등온성 흐름의 경우 에너지 방정식을 나비에 스토크스 방정식과 결합하여 유체 내의 온도장 및 열 전달을 설명할 수 있다.  이 세 가지 보존 법칙은 나비에-스토크스 방정식의 핵심을 이루며 편미분 방정식으로 표현된다. 나비에-스토크스 방정식은 특히 복잡한 경계 조건의 경우 해석적으로 풀기 어려운 경우가 많다. 따라서 근사 해를 구하기 위해 수치적 방법을 자주 사용한다. 나비에-스토크스 방정식을 수치적으로 풀면 터보 기계 내부의 유체 흐름 특성에 대한 통찰력을 얻을 수 있다.   그림 1. 다단 원심 컴프레서의 계산 모델에서 흐름이 간소화된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

유니티가 10월 2일 산업 분야의 실시간 3D 기술 활용방법을 소개하는 ‘유 데이 서울 : 인더스트리(U Day Seoul : Industry)’를 진행했다. 이번 행사에서는 자동차·제조·건설·교육 등의 분야에서 유니티의 실시간 3D 기술을 활용한 디지털 트윈 구축 사례 및 이와 관련한 기술 트렌드가 온·오프라인으로 소개됐다. ■ 정수진 편집장    제조/건축 산업에서 실시간 3D 기술 빠르게 확대 유니티는 게임 분야에서 쌓아 온 경험과 노하우를 다른 산업으로 확장한다는 전략을 추진하고 있다. 특히 제조/건축 산업을 포함하는 인더스트리 분야는 전년도 2분기 대비 60% 성장하면서, 자사 비즈니스에서 가장 빠른 성장세를 보이고 있다고 전했다. 이번 ‘유 데이 서울’ 행사에서 유니티는 인터랙티브 3D 및 몰입형 경험이 산업계의 미래 전략에서 핵심 요소로 자리잡고 있다고 짚으면서, 기업의 디지털 혁신을 지원하는 자사의 실시간 3D 엔드 투 엔드 설루션을 소개했다. 유니티 코리아의 민경준 인더스트리 사업본부장은 “자동차의 HMI(휴먼-머신 인터페이스)나 가상 주행, 제조 공장의 실시간 모니터링, 시설 운영 개선을 위한 가상 트레이닝, 스마트시티 등의 사례에서 볼 수 있듯이, 실시간 3D 기술은 고객 경험과 직원의 생산성을 높이며 산업 전반의 혁신을 이끌고 있다”고 전했다.    데이터 통합부터 3D 경험 구축·배포까지 폭넓게 지원 산업 분야의 실시간 3D 활용을 위해 유니티는 ▲데이터를 인터랙티브 3D 경험에 손쉽게 통합하고 관리하는 ‘커넥트 (Connect)’ ▲몰입감 있는 실시간 3D 경험을 개발하는 ‘크리에이트(Create)’ ▲그리고 이런 경험을 다양한 플랫폼에 효율적으로 배포하는 ‘디플로이(Deploy)’ 등 세 단계에 걸쳐 엔드 투 엔드 플랫폼을 지원한다는 전략을 내세웠다. 유니티의 김범주 APAC 애드보커시 리더는 “유니티는 기업이 가지고 있는 데이터를 연결 가능한 3D 경험으로 만들고 배포할 수 있도록 지원하며, 다양한 3D 앱을 개발하기 위한 ‘범용 캔버스’로서의 역할을 추구한다”고 설명했다.   ▲ 유니티는 산업 분야의 3D 활용을 지원하는 엔드 투 엔드 플랫폼 전략을 소개했다.   3D 엔지니어링 데이터의 활용성 강화 ‘커넥트’ 단계는 3D 모델이나 설계 파일을 포함한 다양한 데이터를 변환하고 연결하는 데에 중점을 둔다. 이 과정에서 데이터의 연결성과 확장성을 갖추는 것이 과제인데, 특히 설계 및 엔지니어링 프로세스에서 나오는 CAD 및 3D 스캐닝 데이터와 실시간 3D 프로세스의 간극을 좁히는 것이 필요하다. 유니티는 기존의 3D 데이터를 실시간 환경으로 가져올 수 있도록 지원하는 ‘픽시즈’, 기업 애셋의 기준 데이터를 정의하고 사용 플랫폼에 맞게 3D 애셋을 최적화하는 ‘애셋 매니저’ 등의 툴을 제공한다.  또한, 유니티는 PLM과의 통합을 강화할 계획이다. 민경준 본부장은 “많은 기업에서 무거운 3D 설계 파일의 활용에 어려움을 겪고 있는데, 유니티는 PLM의 3D 설계 데이터를 최적화하고 유니티 환경으로 가져와서, 다양한 환경 및 기기에 3D 데이터를 더욱 손쉽게 배포할 수 있도록 지원하겠다”는 전략을 소개했다.    품질과 퍼포먼스 높인 3D 경험 제작  ‘크리에이트’ 단계에서는 실시간 3D 기술을 활용해 다양한 애셋을 3D 경험으로 제작하게 된다. 최근 공개된 ‘유니티 6’는 시각 품질 및 퍼포먼스의 향상, 다양한 디바이스에 대한 최적화, 최신 AI 기술 활용 지원 등을 특징으로 한다. 김범주 리더는 “GPU 레지던트 드로 기술을 통해 CPU의 처리 시간을 줄임으로써 퍼포먼스를 높이는 데에 기여하며, 멀티플레이 SDK(소프트웨어 개발 키트)는 멀티 유저 환경을 구축할 수 있도록 지원해 팀 프로젝트 작업을 위한 워크플로를 개선할 수 있다”고 소개했다.  한편으로 인공지능(AI)은 거의 모든 조직에서 핵심 화두가 되고 있는데, 유니티는 다양한 AI 모델을 유니티 애플리케이션에 적용할 수 있게 돕는 ‘센티스’, 유니티 에디터 내에서 사용 가능한 생성형 AI 서비스인 ‘뮤즈’ 등을 제공한다.    다양한 환경에 3D 경험 배포  ‘디플로이’ 단계의 핵심은 앞선 단계에서 개발한 3D 경험을 다양한 디바이스에 배포하는 것이다. 유니티는 클라우드 기반의 데브 옵스(DevOps : 소프트웨어 개발과 운영이 통합된 환경 또는 방 법론)로 앱의 개발과 배포를 지원한다. 유니티가 설명한 데브옵스의 핵심은 사용자 데이터의 수집과 분석을 포함해 데이터에서 얻은 인사이트를 개발에 반영하는 사이클을 제공하겠다는 것이다.  김범주 리더는 “유니티는 다양한 디바이스와 플랫폼을 지원하면서, 모든 플랫폼에서 동일한 경험을 제공하는 데에 초점을 맞추고 있다. 이를 위해 유니티 6에서는 플랫폼 확장, 인공지능 기능 강화, 퍼포먼스 향상 등을 통해 산업 분야 워크플로를 바꾸고, 더 많은 사용자에게 효율을 제공할 수 있도록 했다”면서, “한편으로 유니티는 기업이 갖고 있는 기존의 인프라 및 파트너와 협력 관계를 구축할 수 있도록 돕고 있다”고 전했다.    ▲ 유니티의 실시간 3D 전략은 데이터 연결, 3D 경험 제작, 배포로 이뤄진다.   산업 분야의 유니티 활용 전략과 사례 소개  민경준 본부장은 산업 분야의 실시간 3D 활용과 디지털 트윈 구축과 관련해 유니티가 내세우는 차별점으로, 진입 장벽이 낮고 기업의 내재화 추진이 용이하다는 점을 꼽았다. 그는 “많은 기업이 신규 디지털 트윈 과제를 내재화하려는 흐름과 함께, 중장기 관점에서 디지털 트윈에 접근하고 있다. 유니티는 구매 라이선스 비용이 저렴해 실시간 3D 엔진 중에서 접근성이 높은 편이다. 또한, 실시간 3D 기술을 적극 활용할 수 있어 몰입감 있는 3D 구현에 적합하다. 이외에 많은 플랫폼과 결합할 수 있는 호환성과 확장성, 개발자 및 아티스트 커뮤니티와 생태계도 강점”이라고 설명했다.  유 데이 서울 행사에서는 LG전자가 에어컨의 바람 흐름을 시각화하기 위해 유체 시뮬레이션과 유니티를 활용한 사례가 발표됐다. 공학 분야에서 쓰이는 대표적인 유체 시뮬레이션 기법인 CFD(전산유체역학)는 풍동 실험 등을 컴퓨터로 대체할 수 있는 기술인데, 수학적인 계산을 바탕으로 정확한 예측이 가능하지만 계산에 많은 시간이 걸린다. LG전자는 이 데이터를 활용하면서도 더 쉽고 빠른 시각화를 위해 유니티의 경량화된 실시간 렌더링 기술을 활용했다. 이를 통해 바람뿐 아니라 먼지의 흐름을 효과적으로 시각화하고, 실제 공간과 가상의 바람을 증강현실로 연결할 수 있도록 개발 중에 있다.    ▲ LG전자는 에어컨의 바람과 먼지의 흐름을 CFD와 실시간 렌더링으로 구현한 사례를 소개했다.   자동차 산업은 유니티를 가장 먼저 활용한 산업군으로, 현재는 가상 프로토타입 개발, 자율주행 개발, HMI 개발, 디지털 카탈로그 등 다양한 곳에 유니티가 쓰이고 있다. BMW는 증강현실(AR)을 접목한 HUD(헤드업 디스플레이)를 유니티 기반으로 개발했고, 자동차의 테스트를 가상 기반으로 전환 중에 있다. 국내 기업인 모라이는 유니티 기반으로 자율주행차의 가상 시뮬레이터를 개발했다. 민경준 본부장은 “유니티의 실시간 3D 기술을 HMI에 탑재한 자동차가 양산 직전에 있다. 이 자동차의 HMI는 계기판이나 디스플레이를 넘어 새로운 사용자 경험을 제공할 것으로 기대된다”고 전했다.  건설 산업에서는 가상 모델하우스나 현장 작업자 및 협력사의 가상 협업/훈련, 증강현실 앱 등 유니티를 활용하는 시나리오가 확산되는 흐름이다. 이에 대응해 유니티는 픽시즈를 통해 BIM(건 설 정보 모델링) 데이터의 활용도를 높이기 위한 최적화를 지원하고 있다.  이번 행사에서는 일본의 종합건설사인 오바야시 그룹이 유니티 기반으로 개발한 건설 디지털 트윈 시스템 ‘커넥티아’의 사례가 소개됐다. 일본의 건설사들 또한 인력 부족 문제에 대응하면서 생산성을 유지하기 위해 BIM, 3D 등 디지털 기술의 적극 활용을 고려하고 있지만, 고사양의 하드웨어가 필요하고 앱의 도입과 숙달에 따른 진입장벽을 해결해야 하는 상황이다.  오바야시 그룹은 게임 개발 기술을 활용해 현장 시공을 위한 디지털 트윈 플랫폼 개발을 추진했다. 커넥티아의 핵심 기능은 중장비의 배치 테스트, 시공 계획의 실시간 공유와 검토, 시간축에 따른 시공 진행상황의 실시간 3D 뷰 등이다. 이를 위해 유니티는 레빗, 나비스웍스 등 3D BIM 데이터 및 4D 시뮬레이션을 위한 메타 데이터를 클라우드에서 관리/활용할 수 있도록 했고, 3D 데이터 스트리밍으로 방대한 BIM 데이터를 매끄럽게 렌더링할 수 있도록 했다. 그리고 프로젝트 구성원 사이의 원활한 협업을 위한 멀티 유저 커뮤니케이션 기술을 지원했다.    ▲ 일본 오바야시 그룹이 개발한 건설 디지털 트윈 플랫폼 사례가 발표됐다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   거의 1년 동안 생각해 봤던 엔지니어링 프레임워크를 완성했다. 그 이름은 ‘스마트 혁신 엔지니어링(smart innovation engineering)’이다. 스마트 혁신 엔지니어링은 간단하게 말해서 디지털 엔지니어링과 챗GPT(ChatGPT)와 혁신경영(innovation management)의 결합이라고 할 수 있다. 최근에 혁신 경영 ISO 56001이 완성됐다. 2024년 5월호 칼럼에 소개한 ‘디지털 엔지니어링 프레임워크’도 1년 동안 만들어 봤다. 이것을 연결하고 부족한 부분을 채워 줄 수 있는 것이 인공지능인 챗GPT이다. 챗GPT는 언어 모듈이기 때문에, 제품 개발이나 엔지니어링에 있어서 문서 작성이나 아이디어 등 다양하게 사용할 수 있다.  스마트 혁신 엔지니어링은 AI, 데이터 분석, 자동화, 디지털 기술을 통합하여 혁신을 관리하고, 효율성을 극대화하며, 제품 및 서비스 개발을 최적화하는 접근 방식을 의미한다. 이 개념은 다음과 같은 핵심 요소로 정리할 수 있다.    그림 1. 디지털 엔지니어링 프레임워크    <그림 1>을 사용하면 가운데 엔티티(entity)가 있다. 엔티티는 구체적인 제품(product)일 수도 있고 특정한 서비스(service)일 수도 있다. 예를 들어서, 자동차나 항공기가 올 수도 있고 어떤 디지털 제품이 올 수도 있다. 그리고 그 엔티티는 디지털 제품 개발 모델에서 어떤 특정 가치(value)를 지정할 수 있다. 예를 들어서 요구사항(requirement), 필요성(needs), 검증(verification), 특정 기술(technology)도 사용할 수 있다. 이런 것은 특정 가치를 나타낼 수 있다. 오늘은 그 특정 가치 중에서 혁신을 집어넣을 수 있다. 이것은 제품 개발에서 혁신(innovation)이라는 가치를 입력하는 것이다. 특히 최근에 표준화된 혁신 경영의 프로세스를 입력해 봤다. 이 가치는 추후에 다양한 관심 가치로 입력할 수 있다.    그림 2. 스마트 혁신 엔지니어링   <그림 3>은 ISO 56002 기반 혁신 관리 시스템의 프로세스 모델에 대한 것이다. 조직의 상황(조항 4)은 혁신 방향을 설정하는 데에 중요한 외부 및 내부 요인, 문화, 환경, 협업 등을 포함하며, 리더십(조항 5)은 혁신에 대한 헌신, 비전, 전략 및 정책을 통해 혁신 시스템의 방향을 제시한다. 기획(조항 6)은 혁신 목표 설정 및 위험 관리, 자원 할당 등 필요한 조치를 결정하는 단계이다. 지원(조항 7)은 혁신을 가능하게 하는 자원, 역량, 인프라 등을 포함하며, 운영(조항 8)은 기회 식별, 개념 창출, 개념 검증, 솔루션 개발 및 배포와 같은 활동으로 나뉜다. 성과 평가(조항 9)는 혁신 프로 세스의 효율성을 모니터링하고, 개선(조항 10)은 성과 평가 후 시스템을 지속적으로 발전시키는 단계이다. 이 모델은 PDCA(Plan - Do - Check - Act) 사이클에 따라 운영되며, 기회와 혁신 가 치를 중점으로 두고 조직의 전략과 결합되어 지속 가능한 혁신을 보장한다.    그림 3. ISO 56002 기반 혁신 관리 시스템의 프로세스 모델(출처 : ISO 56002)   챗GPT에게 이 프로세스를 스마트폰에 적용하는 예시로 질문했는데, 다음과 같은 답변을 도출했다.  “ISO 56002 혁신 관리 시스템을 기반으로 스마트폰 신제품 개발 과정에 적용할 수 있는 예시는 다음과 같습니다. 조직은 먼저 시장과 내부 환경을 분석해 고객이 선호하는 기능과 조직의 역량을 파악합니다.(조항 4) 리더십은 ‘고객 중심의 스마트폰 혁신’이라는 비전을 설정하고, 개발 목표와 협업 정책을 수립합니다.(조항 5) 기획 단계에서는 12개월 내 출시와 시장 점유율 목표를 설정하며, 위험 요소를 사전에 분석합니다.(조항 6) 지원 단계에서는 R&D 팀에 필요한 자원과 교육을 제공하여 역량을 강화합니다.(조항 7) 운영 단계에서는 고객 피드백을 바탕으로 새로운 스마트폰 기능을 기획하고, 개념을 검증한 후 제품을 설계하여 양산 준비를 마칩니다.(조항 8) 출시 후 성과를 평가하여 판매량, 고객 만족도 등을 분석하고(조항 9), 이를 토대로 차기 제품 개선 방안을 마련하여 지속적인 혁신을 추진합니다.(조항 10) ISO 56002는 이렇게 신제품 개발의 전 과정에서 체계적인 관리와 지속적인 개선을 통해 혁신을 달성하도록 지원합니다.” 스마트 혁신 엔지니어링은 AI, 데이터 분석, 자동화, 디지털 기술을 통합하여 혁신을 관리하고, 효율성을 극대화하며, 제품 및 서비스 개발을 최적화하는 접근 방식을 의미한다. 이 개념은 다음과 같은 핵심 요소로 정리할 수 있다.    데이터 기반 의사결정  스마트 혁신 엔지니어링은 데이터를 중심으로 한 의사결정을 강조한다. 대량의 데이터를 실시간으로 분석하고 이를 통해 조직의 의사결정을 최적화하여, 더 정확하고 신속한 대응이 가능하도록 한다. 이는 리스크를 줄이고 기회를 포착하는데 도움을 준다.    AI와 자동화 활용  AI는 반복적인 작업을 자동화하거나 복잡한 문제에 대한 솔루션을 빠르게 제시함으로써 자원을 효율적으로 활용하게 한다. 이를 통해 조직은 고부가가치 작업에 집중할 수 있고, 전체적인 생산 성과 효율성을 향상시킬 수 있다.    지속적인 혁신과 개선  스마트 혁신 엔지니어링은 디지털 환경에서 지속적인 개선을 촉진한다. AI와 데이터를 활용해 실시간으로 성과를 모니터링하고, 이를 통해 지속적으로 제품과 서비스를 발전시킨다. 품질 개선, 유지 보수 예측, 성능 최적화 등을 자동화하여 경쟁력을 유지할 수 있다.    협업과 지식 공유  이 접근 방식은 팀 간의 원활한 협업을 강화하고, 지식을 빠르게 공유할 수 있도록 도와준다. AI 기반 도구들은 의사소통을 촉진하고, 프로젝트 관리와 문제 해결에 필요한 정보를 실시간으로 제공 한다. 이러한 협업은 혁신적인 아이디어의 실행을 가속화하는데 기여한다.    리스크 관리와 예방  스마트 혁신 엔지니어링은 AI를 통해 잠재적인 리스크를 사전에 예측하고 대비책을 마련할 수 있도록 돕는다. 프로젝트 중 발생할 수 있는 기술적 문제나 일정 지연 등의 리스크를 신속하게 파악하고, 이를 통해 프로젝트 성공 가능성을 높인다.    고객 중심 혁신  고객의 요구와 피드백을 실시간으로 반영하여 제품과 서비스를 개선한다. 이를 통해 고객 만족도를 높이고, 시장에서의 경쟁 우위를 확보할 수 있다. AI와 데이터를 통해 고객의 니즈를 빠르게 파악 하고, 제품 개선 방향을 설정할 수 있다.  결론적으로 엔티티에 이노베이션 같은 가치를 ISO 56002 표준에 입력했을 때, 그리고 이것을 스마트폰을 개발을 하는 혁신 프로세스로 관리할 때 사용할 수 있다. 특히 챗GPT를 이용하면 다 양한 효과를 포괄적으로 얻을 수 있다. 여기서 이노베이션뿐만 아니라 특정 기술이나 어떤 패러다임을 적용할 수도 있다. 다음에는 혁신 대신 모듈러 설계 패러다임을 적용해 볼 예정이다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다.  보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.