3D 시스템즈와 상용차 제조업체 다임러 트럭의 버스 부문인 다임러 버스(Daimler Buses)가 원격 예비 부품 인쇄 설루션을 발표했다.   이 설루션은 다임러 버스의 상용차를 위한 적층제조(AM) 부품 생산 및 유지보수 관련 전문성과 3D 시스템즈의 3D 프린팅 기술, 소재, 응용 분야에 대한 전문성을 결합한다. 여기에 옥톤(Oqton)의 소프트웨어 역량과 위부 시스템즈(Wibu-Systems)의 디지털 권한 및 지적 재산(IP) 관리 기술이 더해져, 다임러 버스가 인증된 적층제조 파트너에게 강화된 서비스 기능을 제공하면서 동시에 중요한 지적 재산 보호 및 경쟁력을 유지할 수 있도록 지원한다.   이 설루션을 활용하면 다임러 버스의 인증 3D 프린팅 파트너가 실린더 핀, 덮개, 인서트 등 엔진룸 내부 및 실내 부품을 현지에서 즉시 제조할 수 있다. 이를 통해 서비스 파트너는 유연성과 효율성을 높이고 부품 조달 시간을 최대 75%까지 단축할 수 있다. 또한 상용차, 버스, 투어링 코치 기업은 유지보수로 인한 차량 비가동 시간을 줄여 간접 비용 절감 효과를 얻을 수 있다.  기존에는 서비스 제공업체가 특정 부품이 부족할 경우 차량의 긴급 수리가 필요하더라도 상당한 가동 중단 위험을 감수해야 했다. 예를 들어, 인서트 3개와 퓨즈 박스 덮개 같은 소량의 부품이 없어도 현지 공급망 및 재고 문제로 인해 몇 주간의 지연이 발생할 수 있었다. 하지만 다임러 버스의 새로운 설루션을 활용하면 서비스 제공업체는 가까운 서비스 허브와 협력하여 필요한 부품을 즉시 제작할 수 있으며, 이를 통해 대기 시간을 줄이고 생산성을 높일 수 있다.     ▲ 3D 시스템즈의 SLS 380 3D 프린터   버스 및 모터코치 회사 또는 서비스 기관은 다임러 버스의 3D 프린팅 인증 파트너 네트워크에 가입하여 3D엑스퍼트(3DXpert)의 라이선스를 구매할 수 있다. 3D엑스퍼트는 부품 설계부터 프린팅까지 전체 워크플로를 간소화하는 올인원 적층제조 소프트웨어이다. 준비 및 인쇄 라이선스를 통해 고객이나 서비스 파트너는 특정 수리 작업에 필요한 부품의 디자인 파일을 해독하고, 필요한 만큼만 제조할 수 있다. 현재 이 설루션은 3D 시스템즈의 SLS 380 3D 프린터에서 사용할 수 있으며, 다임러 버스는 향후 3D 시스템즈의 다른 폴리머 및 금속 3D 프린터와 연결성을 확장할 수 있을 것으로 기대하고 있다.   다임러 트럭 및 버스의 랄프 안더호프슈타트(Ralf Anderhofstadt) 적층제조 전문 센터장은 “디지털 권한 관리를 통해 분산 생산이 가능해지면서 서비스 시간을 줄일 수 있으며, 이를 통해 상용차 기업의 생산성과 수익성을 높일 수 있다. 또한 산업용 3D 프린팅을 현명하게 활용하면 공급망 복잡성을 줄이는 효과도 기대할 수 있다. 3D 시스템즈, 옥톤, 위부 시스템즈와의 협력을 통해 분산형 3D 프린팅 생산 확장에 중요한 이정표를 세웠다”고 말했다.   3D 시스템즈의 하이메 가르시아(Jaime Garcia) 자동차 및 상용 운송 부문 적층 설루션 매니저는 “이 디지털 서비스 설루션을 상용화함으로써 다임러 버스는 단순히 새로운 기술을 도입하는 것이 아니라, 공급망을 근본적으로 재편하여 더 큰 회복력과 효율을 제공하고 있다”면서, “SLS 380은 전례 없는 생산성과 일관성, 성능, 수율을 제공하는 고효율 적층제조 설루션이다. 앞으로 폴리머 및 금속 3D 프린터를 추가하면서 기술이 더욱 성장하는 모습을 기대한다”고 전했다. 

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 전문적인 BIM 자료를 이해할 수 있는 대규모 언어 모델(LLM, Large Language Model)을 개발하는 방법을 알아본다. BIM 기반 LLM을 개발하는 방법은 여러 가지가 있으나, 여기에서는 그 중 하나인 RAG(Retrieval Augumented Generation, 증강 검색 생성) 시 LLM이 잘 추론할 수 있도록 모델을 파인튜닝(fine-turning)하는 기술을 사용해 본다.   ■ 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   LLM 모델 파인튜닝의 개념 파인튜닝이란 사전에 학습된 LLM을 특정 도메인이나 작업에 맞게 최적화하는 과정이다. 기본적으로 LLM은 일반적인 자연어 처리 작업을 수행하도록 설계되어 있지만, 전문적인 특정 지식 도메인(예 : 건설 분야의 BIM 데이터)이나 문제를 다룰 때는 환각 현상이 심해지므로 해당 도메인에 특화된 데이터로 모델을 재학습시켜야 한다. 이를 통해 모델이 특정 영역에서 더 정확하고 유용한 결과를 생성하도록 만든다. 파인튜닝 과정은 다음과 같은 단계로 이루어진다.  ① 사전 학습된 모델 선택 : 이미 대규모 데이터로 학습된 LLM을 선택한다. ② 도메인 특화 데이터 준비 : 대상 분야와 관련된 고품질 데이터를 수집하고, 이를 정제 및 전처리한다. ③ 모델 파라미터 조정 : LoRA(Low-Rank Adaptation)같은 기법을 사용하여 모델 파라미터를 특정 도메인에 맞게 업데이트한다.  ④ 훈련 및 검증 : 준비된 데이터로 모델을 학습시키고, 성능을 검증하며 최적화한다. 여기서, LoRA 기술은 LLM을 파인튜닝하는 데 사용되는 효율적인 기법이다. 이 방법은 모델 전체를 다시 학습시키는 대신, 모델의 일부 파라미터에만 저차원(lowrank) 업데이트를 적용하여 파인튜닝한다. 이를 통해 학습 비용과 메모리 사용량을 대폭 줄이면서도 높은 성능을 유지할 수 있다. 이 글에서 사용된 라마 3(Llama 3)는 메타가 개발한 LLM 제품이다. 모델은 15조 개의 토큰으로 구성된 광범위한 데이터 세트에서 훈련되었다.(라마 2의 경우 2T 토큰과 비교) 700억 개의 파라미터 모델과 더 작은 80억 개의 파라미터 모델의 두 가지 모델 크기가 출시되었다. 70B 모델은 MMLU 벤치마크에서 82점, HumanEval 벤치마크에서 81.7점을 기록하며 이미 인상적인 성능을 보여주었다. 라마 3 모델은 컨텍스트 길이를 최대 8192개 토큰(라마 2의 경우 4096개 토큰)까지 늘렸으며, RoPE를 통해 최대 32k까지 확장할 수 있다. 또한 이 모델은 128K 토큰 어휘가 있는 새로운 토크나이저를 사용하여 텍스트를 인코딩하는 데 필요한 토큰 수를 15% 줄인다.   개발 환경 준비 개발 환경은 엔비디아 지포스 RTX 3090 GPU(VRAM 8GB), 인텔 i9 CPU, 32GB RAM으로 구성되었다. 이러한 하드웨어 구성은 대규모 BIM 데이터를 처리하고 모델을 학습시키는 최소한의 환경이다. 이 글에서는 사전 학습모델은 허깅페이스(HF)에서 제공하는 Llama-3-8B 모델을 사용한다. 파인튜닝을 위해서는 다음과 같은 환경이 준비되어 있다고 가정한다.  파이토치 설치 : https://pytorch.org/get-started/locally  올라마(Ollama) 설치 : https://ollama.com 허깅페이스에서 제공하는 LLM 모델을 사용할 것이므로, 접속 토큰(access token)을 얻어야 한다. 다음 링크에서 가입하고 토큰을 생성(Create new token)한다. 이 토큰은 다음 소스코드의 해당 부분에 입력해야 동작한다.  허깅페이스 가입 및 토큰 획득 : https://huggingface.co/ settings/tokens   그림 1   명령 터미널에서 다음을 실행해 라이브러리를 설치한다.   pip install langchain pypdf fastembed chardet pandas pip install -U transformers pip install -U datasets pip install -U accelerate pip install -U peft pip install -U trl pip install -U bitsandbytes pip install -U wandb   개발된 BIM LLM 모델 성능이 향상되었는지를 검증할 수 있도록, 기초 모델이 인터넷에서 쉽게 수집 후 학습할 수 있는 BIM 자료를 제외한 데이터를 학습용으로 사용할 필요가 있다. 이런 이유로, 최근 릴리스되어 기존 상용 대규모 언어 모델이 학습하기 어려운 ISO/TS 19166에 대한 기술 논문 내용을 테스트하고, 학습 데이터 소스로 사용한다. 참고로, ISO/TS 19166은 BIM-GIS conceptual mapping 목적을 가진 국제표준으로 기술 사양(TS)을 담고 있다. 학습 데이터로 사용될 파일을 다음 링크에서 PDF 다운로드하여 저장한다.  BIM-GIS 매핑 표준 논문 PDF 파일 : https://www.mdpi. com/2220-9964/7/5/162   BIM 기반 LLM 모델 학습 데이터 준비와 파인튜닝 파라미터 설정 학습 데이터를 자동 생성하기 위해, 미리 다운로드한 PDF 파일을 PyPDF 및 라마 3를 이용해 질문-답변 데이터를 자동 생성한 후 JSON 파일로 저장한다. 이를 통해 수 백개 이상의 QA 데이터셋을 자동 생성할 수 있다. 이 중 품질이 낮은 데이터셋은 수작업으로 삭제, 제거한다.    그림 2. 자동화된 BIM 기반 LLM 학습 데이터 생성 절차     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제조업 혁신 서비스와 수익모델 창출의 열쇠, ‘산업데이터스페이스’   제조산업이 폭발적으로 성장하려면 디지털 사회와 연결되어야 한다는 사실은 모두가 알고 있다. 이런 연결 수단 중 하나가 ‘데이터 스페이스’이다. 한국산업지능화협회 산업데이터스페이스(IDS, 이하 IDS) 기술위원회 위원장이자 고려대학교 디지털혁신연구센터장인 이영환 교수를 만나 국내 산업계의 데이터 서비스 경쟁력 강화 방안에 대해 들어보았다. ■ 최경화 국장     센터장을 맡고 계신 ‘고려대학교 디지털혁신연구센터’에 대해 소개 부탁드린다. ‘디지털혁신연구센터’는 고려대학교 융합연구원 산하기관으로 빅데이터, 인공지능, 블록체인 등의 최신 기술을 활용하여 제조산업 등에 활용할 수 있는 혁신 서비스와 사업 모델, 산업 기술 정책 등을 연구하고 있다. 주요 성과는 산업자원부의 제조산업 디지털전환 정책 연구, 과기부 AI·빅데이터 국가연구개발 과제, 지자체 빅데이터 분석 사업 등 최근 약 100여 건 이상의 과제를 수행했다. 즉, 제조산업 등 기술의 활용과 사업화에 대해 집중적으로 연구하고 있다.   산업데이터스페이스 기술위원회에 대한 소개한다면. 산업데이터스페이스(IDS : Industry Data Space) 기술위원회는 한국산업지능화협회 산하의 조직으로 제조산업의 디지털 전환을 통한 혁신 서비스와 새로운 수익모델의 개발을 목표하고 있다. 제조산업 업종별 기업들과 데이터스페이스를 기반으로 도전적이고 창의적인 과제를 기획하고 추진하는 것이 본 기술위원회의 핵심 가치이다. 특히 데이터 기반의 이종 산업 간 융합은 새로운 가치를 창출할 기회가 되기 때문에 경쟁이 심화되고 있는 제조산업의 새로운 돌파구라고 생각하며 이를 위한 혁신 프로젝트를 기획 및 추진하고자 한다.   IDS가 주목받는 배경은 무엇이며, 왜 중요한가? IDS는 말 그대로 산업데이터스페이스(Industry Data Space)의 약자이며, EU에서 활발하게 추진되고 있는 EU Data Space와 궤를 함께한다. 4차 산업혁명 이후 제조산업은 단위 공정 혹은 개별 기업 수준에서 빅데이터, AI, 디지털 트윈, 스마트공장, 로봇 등 다양한 시도가 있고 성공 사례가 나오고 있다. 그러나 제조산업이 더 폭발적으로 성장하려면 디지털 사회와 연결되어야 한다. 데이터를 통해서 의료 및 금융 등 이종 산업, 스마트폰을 매개로 하는 개인, 공공 기관 등과 데이터로 연결이 되어야 한다. 이런 연결을 위한 하나의 방법이자 수단이 데이터스페이스라고 생각한다.  기술적 측면만이 아니라 법 제도와 같은 사회 시스템까지 고려해야 디지털 기반의 제조산업 생태계가 구현될 수 있다. 하나의 예로서 자동차에서 운전자의 건강관리를 할 수 있는 기술은 이미 있다. 그러나 운전자의 건강데이터 등 개인정보를 연결하고 응급 상황 시 병원과 연결이 되어야 하는데, 아직 법 제도적인 부분이 따르지 못하고 있다. 이런 부분까지 고려하고 구현이 되어야 IDS 기반의 디지털 산업 생태계를 구축할 수 있다고 보다. 이미 EU뿐만 아니라 세계 각국에서 빠르게 추진하고 있기에 우리나라도 시급한 상황이다.   국내외 IDS 관련 주요 동향에 관해 소개한다면. 앞서 소개한 것처럼 EU는 데이터 기반 혁신과 디지털 단일 시장 강화를 위해 공통 유럽 데이터스페이스(Common European Data Spaces) 구축을 추진하고 있다. 공공, 산업(헬스, 농업, 에너지 등), 개인 부문 데이터의 공유와 활용을 촉진하며, 동시에 데이터 주권 확보와 보안 강화를 목표로 힌다. IDS 기술위원회가 관심이 많은 건강 분야인 유럽 헬스 데이터스페이스(EHDS : European Health Data Space)는 시민이 데이터를 통제하면서 연구자와 정책수립자들이 건강데이터를 활용할 수 있도록 지원한다. 또한 GAIA-X(가이아엑스) 프로젝트는 유럽의 데이터 주권을 강화하고 신뢰할 수 있는 데이터 인프라를 구축하기 위해 노력하고 있다. 이러한 노력은 EU의 데이터 경제를 활성화하고 안전한 데이터 공유 환경 조성에 기여하고 있다.    IDS 기술위원회와 관련해 향후 계획이 있다면. 우리 기술위원회는 진취적이고 역동적인 회원으로 구성되어 있고 이러한 기조를 바탕으로 가장 도전적이고 혁신적인 시도를 할 계획한다. 제조산업에서 이종 산업 간 융합 사례를 기획 및 발굴할 것이고, 국내외 산업데이터스페이스 기반 협력 네트워크를 구축하여 작지만 파괴적이고 혁신적 노력을 통해 거대한 비전을 천천히 실현하기 위해 노력할 것이다. 운전자의 헬스케어 데이터를 활용하여 자동차에서 구현할 수 있는 혁신 서비스를 개발할 것이고 국내 모빌리티 시장뿐만 아니라 EU 등 해외 시장에도 진출할 것이다. 법·제도적 제약, 기술적 한계, 개인의 참여 촉진 등은 우리 기술위원회가 극복해야 할 미션이기도 하다.    IDS 이외에도 교수님이 참여하신 활동이 있다면. 한국산업지능화협회의 ‘찾아가는 DX 캐러반’에 참여하면서, 제조산업 기업의 디지털 전환을 위한 정책 연구, 기술 사업화를 위해 노력했다. 서울, 경기, 인천, 강원, 대전충남, 광주전남, 부산, 울산, 강원 등 전국 시도를 순회하면서 지역 기업의 경영진과 실무진께 제조산업 디지털 전환의 사례와 방법을 소개했고 현장의 실질적인 애로사항을 듣고 조사하기도 했다. 현장의 상황은 이상적인 모습과 달랐으며 기업의 디지털 경쟁력은 오롯이 기업의 노력만으로는 한계가 있고, 정부, 대학, 연구소, 산업계 등 모든 주체의 협력이 필요함을 알게 되었다.     ■ 기사 내용은 PDF로도 제공됩니다.

알티움은 파트 애널리틱스(Part Analytics)의 인수를 완료했다고 발표했다. 파트 애널리틱스는 전자 산업을 위한 최첨단 AI 기반 공급망 관리 플랫폼을 제공하며, 특히 기업 규모의 부품 계획 및 조달을 신속하고 정확하게 결정할 수 있도록 지원한다. 알티움은 파트 애널리틱스를 인수함으로써 개방형 전자 시스템 설계 및 수명주기 관리 플랫폼을 구축하는 과정에서 또 하나의 중요한 진전을 이루었다고 평가했다. 이번 인수를 통해 알티움은 자사의 클라우드 협업 플랫폼인 알티움 365(Altium 365)에 부품 및 파트 관리 애플리케이션을 도입할 예정이다. 이를 통해 전자 공급망 및 조달 담당자와 같은 새로운 고객 그룹을 지원하고, 산업 내 다양한 이해관계자를 더욱 긴밀히 연결할 수 있게 될 전망이다. 알티움은 이번 인수를 통해 자사의 기업용 설루션과 전략적 시너지를 창출하며 대규모 공급망 및 조달 역량을 제공함으로써, 전자 제품 수명주기 관리(electronics lifecycle management)를 실현하는 데 중요한 요소인 포괄적인 부품 카탈로그를 제공할 것으로 보고 있다.     파트 애널리틱스는 GE 헬스케어 출신의 공급망 전문가들이 설립했으며, 대기업 고객과 조달 요구 사항에 대한 전문성을 보유하고 있다. 이 회사의 조달 애플리케이션은 전자 산업에 특화되어 있으며, 공급망을 보다 비용 효율적이고 탄력적이며 민첩하게 관리할 수 있도록 설계되었다. 알티움은 파트 애널리틱스의 기술을 자사의 전자 설계 생태계에 통합함으로써, 기존의 소싱 역량에 더하여 고급 이행 기능을 추가하여 엔터프라이즈급 설루션을 더욱 강화할 계획이다.   알티움의 아람 미르카제미(Aram Mirkazemi) 회장은 “파트 애널리틱스 인수는 전자 제조 기업의 연결된 가치 사슬 및 전자 제품 수명주기 관리 시스템을 구축하려는 우리의 비전을 한 단계 더 발전시키는 중요한 진전”이라면서, “파트 애널리틱스는 전자 산업의 혁신적인 발전을 위해 중요한 역할을 하게 될 것”이라고 전했다.   파트 애널리틱스의 지텐드라 팔라사가람(Jithendra Palasagaram) 창립자 겸 CEO는 “알티움과 함께하게 됨으로써, 파트 애널리틱스의 전자 공급망 관리 플랫폼은 보다 광범위한 전자 설계 생태계의 일부가 된다”면서, “이를 통해 고객은 하나의 플랫폼에서 설계, 소싱, 부품 조달 및 라이프사이클 관리를 더욱 효율적으로 수행할 수 있게 된다. 앞으로도 기존과 동일한 뛰어난 제품 경험과 고객 지원을 제공할 것”이라고 밝혔다.