산업 디지털 전환을 가속화하는 버추얼 트윈 (11)   제조업 전반에서 PCF(Product Carbon Footprint)에 대한 관심은 해마다 빠르게 높아지고 있다. 그 배경에는 EU를 중심으로 한 환경 규제 강화가 있으며, 특히 제품 단위의 탄소 배출량 산정을 규제 대응을 위한 산출물로 요구하고 있다는 점이 핵심이다. PCF는 LCA(Lifecycle Assessment : 전 과정 평가)의 하위 개념이다. LCA가 원재료 채굴부터 생산, 사용, 폐기까지 제품 전 생애주기의 환경 영향을 종합적으로 평가하는 반면, PCF는 그 중에서도 ‘온실 가스 배출량(GHG)’에 초점을 맞춘다는 차이가 있다.   ■ 정유선 다쏘시스템코리아의 ENOVIA 브랜드 기술 컨설턴트이다. 홈페이지 | www.3ds.com/ko   그동안 많은 OEM은 매년 ESG 보고서를 공시하기 위해, 전통적인 LCA 컨설팅 업체에 외주를 맡겨왔다. 이 과정에서 기업은 특정 공정에 대한 데이터를 엑셀 파일 형태로 제공하고, LCA 컨설팅 업체는 공정의 전력 및 에너지 소비량, 폐수 배출량 등을 분석하는 결과를 다시 엑셀 파일로 전달하는 방식이 일반적이었다. 하지만 이러한 전통적인 LCA 컨설팅은 결과와 데이터가 파일 단위로 관리되어 연속성과 추적성이 떨어질 뿐 아니라, 민감한 공정 정보를 외부에 공유해야 하는 구조적인 보안 한계를 안고 있다. 더 나아가 이는 본질적으로 공정을 개선하고 최적화하는데 목적을 두고 있기 때문에, 분석 단위가 제품이 아닌 공정으로 설정하는 경우가 대부분이다. 핵심은, 이러한 접근 방식만으로는 제품 단위의 환경 영향을 정량적으로 파악하기 어렵다는 점이다. 하나의 공정에는 여러 제품이 동시에 관여하며, 개별 제품에 영향을 미치는 환경 영향을 명확히 식별하여 영향도를 분배하기가 까다롭기 때문이다. 결과적으로 기존 방식은 제품 단위 PCF 산정과 이를 요구하는 최근의 규제 대응에는 구조적인 한계를 가질 수밖에 없다.     다쏘시스템의 LCA 설루션은 이러한 한계를 극복하기 위해 ‘설계 단계’부터 제품의 환경 영향을 체크하여 이를 사전에 줄이고자 하는 데 목적이 있다. 시스템의 분석 단위 역시 공정이 아닌 제품(Product/BOM) 이며, 설계 과정에서 빈번하게 일어나는 소재나 중량의 변경, BOM(Bill of Materials : 자재 명세서) 구조 변경 등을 즉각 반영하여 시뮬레이션할 수 있다. 이는 단순한 사후 보고를 넘어, 설계 의사결정 단계에서부터 환경 성과를 고려할 수 있게 해준다는 점에서 기존 LCA 접근 방식과 본질적인 차별98 · 성을 갖는다. 다만 제품 단위의 LCA와 PCF 산정이 실제 규제 대응과 비즈니스 의사결정에 활용되기 위해서는, 공급망 전반에 걸친 데이터 연계와 신뢰성 있는 정보 교환이 필수이다. 이러한 배경 속에서 최근에는 OEM–부품사–소재사–서비스사까지 하나의 생태계로 구성하여, 제품 및 공정 관련 데이터를 안전하게 교환할 수 있도록 만든 산업 협력 플랫폼이 등장하고 있다. 독일 정부 주도로 자동차 산업용 데이터 네트워크를 구성한 카테나-X(Catena-X)가 대표 사례다. 카테나-X에는 BMW, 메르세데스-벤츠, 폭스바겐 등 주요 OEM이 참여하고 있으며, 각 기업의 데이터를 표준 프로토콜 기반으로 중앙 데이터베이스 없이 안전하게 공유하는 구조를 갖는다. 또한 제품 및 자산 정보를 디지털 트윈 표준 구조로 표현하고, 이를 기반으로 DPP(Digital Product Passport : 디지털 제품 여권)를 표준화해 적용할 계획을 가지고 있다.     제품 단위 PCF를 요구하는 다가올 미래의 규제 환경은 제조업의 역할과 책임을 설계 단계로 앞당기고 있다. 이는 환경 성과가 더 이상 생산 이후에 사후적으로 계산되는 지표가 아니라, 설계 단계에서 의사 결정에 직접 반영되어야 함을 의미한다. PLM 기반 LCA와 공급망 데이터 플랫폼의 결합은 이러한 규제를 대응하기 위한 가장 효과적인 설루션이며, EU 시장으로 수출을 하고 있거나 이를 준비 중인 기업에게는 해당 역량을 얼마나 빠르게 설계 프로세스에 내재화하느냐가 중요한 요소가 될 것이다.     ■ 기사 내용은 PDF로도 제공됩니다.

‘뽑기 운’은 이제 그만! 리콜 비용의 늪 대당 500~2000 달러의 리콜 비용   그림 1. 뽑기 운(제미나이로 생성한 이미지)   자동차를 구매할 때 ‘뽑기 운’이라는 말을 들어 보았는지? 이는 곧 제품의 불확실성을 의미하며, 설계 단계에서 예측하지 못한 잠재적인 결함은 막대한 리콜 비용으로 돌아온다. 2020년 이후 현재까지 평균 자동차 리콜 비용은 대당 500~2000 달러 정도 든다고 한다. 2025년 F사는 1.5L 연료 분사기 균열로 70만대에 대해 대당 800달러 규모로 총 5억 7000만 달러(한화 약 7600억원)의 리콜을 진행했다. 2023년 한 해 동안 미국 3대 자동차 기업이 리콜 보증 비용으로 지출한 금액은 총 100억 달러이다. 리콜은 이제 일회성 이벤트가 아니라 기업의 재무 건전성과 브랜드 가치를 지속적으로 위협하는 상시적인 리스크로 대두되었다.   측정해야 관리하고, 관리해야 개선한다 지각하는 이유? – 나는 행운의 사나이   그림 2. 지각하는 이유(제미나이로 생성한 이미지)   즐겨 듣는 경제 라디오 프로그램의 한 진행자는 뛰어난 통찰력과 비유의 고수로 어려운 경제 이슈를 쉽게 설명하는 데 일가견이 있었다. 하지만 이분에게도 단점이란 것이 있으니 바로 지각이었다. 생방송으로 진행되는 라디오 방송에서 숨을 헐떡이며 오프닝 멘트를 읽거나, 다른 대체 진행자가 긴장하며 오프닝 멘트를 읽는 등 담당 피디나 작가가 곤란에 처하는 일이 가끔 발생했다. 본인에게 들은 지각하는 이유는 시간을 굉장히 효율적으로 사용해서 1분 1초를 허투루 쓰지 않아, 출근 시간에 발생할 수 있는 모든 상황을 최단 시간에 맞춰두고 계산을 한다는 것이다. 그러다 보니 간혹 중간에 발생할 수 있는 예외 상황이 그를 지각으로 이끄는 것이다. 이러한 예외 상황을 공학적인 용어로는 불확실성(uncertainty)이라고 한다. 온도나 습도와 같은 환경 요인, 고무와 같이 온도나 시간에 영향을 받는 재료 물성 값, 제작 공법에 따라 비틀림, 굽힘, 수축, 팽창 현상으로 발생한 제작 공차 등은 설계자가 도저히 미리 예상할 수 없는 불확실성이다.   불확실성을 고려한 설계 1 – FOS   그림 3. 불확실성을 고려한 설계 – FOS(제미나이로 생성한 이미지)   FOS(Factor of Safety : 안전계수)는 구조물이 최대 하중을 견딜 수 있는 기준으로, 경험에 기반해 강성을 필요 이상으로 높이는 방식이다. 안전을 중시하는 선박, 발전, 토목 구조 등에서는 이러한 안전계수의 개념을 많이 활용하고 있다. 안전계수가 중요한 지표이며 앞으로도 그러한 역할을 해낼 테지만, 그저 ‘경험에 따라 이 정도 했을 때 괜찮았어’가 지금까지 이어져오고 있는 것이다. 당연한 얘기지만, 안전계수가 올라갈수록 비용은 증가하여 제품의 가격 경쟁력은 떨어진다. 안전계수가 유용한 기법이긴 하나 데이터로 좀 더 정교하게 필요한 만큼만 안전한 설계를 찾기 위한 다른 대안은 없을까?   불확실성을 고려한 설계 2 – 다구치 강건설계   그림 4. 불확실성을 고려한 설계 – 다구치 강건설계   6시그마 디자인(DFSS : Design for Six Sigma)이 유행이던 시절이 있었다. 1920년대 이후 전파된 다구치 강건설계는 품질 향상을 위해 S/N 비(Signal to Noise Ratio)를 활용하여 노이즈(불확실성)에 둔감한 설계를 탐색하는 기법으로 다구치 박사가 개발하였다. 목적함수의 강건성 확보에는 유용하나, 현재의 설계가 얼마나 강건한지 객관적인 지표로 정량화하여 제시하진 않는다. 다구치 강건설계를 통해 나온 설루션이 6시그마(100만 개 중 3~4개의 불량)를 만족하는지 확신할 수 있을까?   불확실성을 고려한 설계 3 – 신뢰성 기반 최적설계 신뢰성 기반 최적설계(RBDO : Reliability-Based Design Optimization)는 최적설계와 신뢰성 해석이 결합된 형태이다. 신뢰성 해석(reliability analysis)은 시스템 입력(노이즈 인자)의 불확실성으로 인해 출력의 불확실성, 특히 신뢰성을 예측하는 기법이다. 신뢰성이란 성능지수가 요구조건을 만족할 확률을 의미하며, 반대 개념은 불량률이다.   그림 5. DO와 RBDO   불확실성을 고려하지 않는 전통적인 최적설계를 RBDO와 구분하기 위해 결정론적 최적설계(DO : Deterministic Optimization)이라고 부른다. <그림 5>는 개념적으로 DO와 RBDO의 차이를 보여준다. 방 구석에 구슬을 굴리면 구슬이 벽에 붙은 상태로 멈추는데, 구슬의 중심이 설계변수 값이고 구슬이 접한 벽을 구속조건 경계라고 볼 수 있다. DO는 구슬이 거의 점과 같아 구슬의 중심이 벽에 거의 붙은 상태이나, RBDO는 구슬의 크기가 커서 구슬의 중심이 벽과는 여유를 두고 떨어져 있게 된다. 벽에 닿는 것이 위험하다면 DO보다 RBDO가 더 안전한 상태가 되는 것이다. RBDO는 구슬의 크기를 감이나 경험이 아닌 데이터로 결정하자는 개념이다.   데이터로 불확실성을 극복하자 예측 모델 기반의 RBDO 프레임워크, AIRBOOM RBDO는 무엇이고 왜 필요할까? RBDO는 목적함수를 좀 양보하더라도 안전한 설루션을 탐색하는 것이 목표이다. 신뢰성이라는 개념을 최적설계에 접목하여 안전한 설계를 정량적으로 확보할 수 있는 길을 열었다. 하지만 현업에 적용하기 위해서 두 가지 큰 걸림돌이 있는데, 하나는 시스템의 불확실성을 정의할 만큼 충분한 데이터가 부족하다는 것이고, 또 하나는 RBDO 수행에 필요한 시뮬레이션 데이터가 너무 많이 필요하다는 것이다. 앞서 언급한 바와 같이 AX(인공지능 전환) 시대로 접어들면서 소프트웨어와 하드웨어 기술의 성장으로 시뮬레이션은 가속화되고 있고, 데이터의 가치가 올라감에 따라 불확실성을 정의할만한 데이터도 늘어나면서 서서히 RBDO의 시대가 도래하고 있다.   그림 6. AIRBOOM의 개념도(제미나이로 생성한 이미지)   실용적인 RBDO 프로세스를 좀 더 쉽게 사용할 수 있는 AIRBOOM (AI-powered Reliability-Based Optimization Operating Manager) 모듈을 소개한다. AIRBOOM은 피도텍에서 개발한 RBDO 대중화를 위한 모듈로, 다음과 같은 네 가지 특징을 갖는다. 자율 학습된 예측 모델 기반의 RBDO 프로세스 AIRBOOM에서는 최소한의 데이터로 정교한 메타모델을 구축하는 가성비 높은 방식을 찾는 피도텍의 자율 메타모델링(Autonomous Metamodeling) 모듈을 활용한다. 이 모듈은 조금씩 데이터를 추가하면서 메타모델을 학습하기 때문에, 성능지수의 비선형성을 표현할 만큼의 데이터만을 필요로 한다. 또한 피도텍의 예측 모델링 AI인 BruceMentor의 도움을 받아, 확보된 데이터에 가장 적합한 메타모델의 기법을 채택한다. 이러한 기법으로 예측 모델은 자율적인 학습으로 정교하게 진화한다.   신뢰성 해석 정보를 활용한 멀티 스테이지 최적화 RBDO 설루션을 탐색할 때 빈번하게 발생하는 문제는, 구속조건의 만족 범위가 너무 좁아 설루션이 목표 신뢰성을 만족하지 못하는 경우이다. 마치 코끼리를 냉장고에 넣는 것과 같다. AIRBOOM에서는 목표 신뢰성을 만족할 수 없는 상태라면 차선책을 제시한다. AIRBOOM에서는 RBDO 과정을 내부적으로 몇 개의 스테이지(stage)로 나누어 처리하는데, 각 스테이지에서 신뢰성 해석 결과의 이력에 따라 최적설계 문제를 조정하면서 최선의 설루션을 탐색한다.   멀티 피델리티 개념의 효율 개선 엔지니어는 즉각적인 반응을 원한다. 아무리 메타모델을 사용하더라도 설계변수나 성능지수의 개수가 많아지면 계산 시간은 기하급수적으로 커지기 때문에, 근본적으로 RBDO에서 필요로 하는 전체 데이터 개수를 줄여야 한다. AIRBOOM은 설루션과는 다소 거리가 있으나 설루션에 도달했을 경우를 파악하여, 효율성과 정확성의 관점에서 적절한 알고리즘을 멀티 피델리티(multifidelity) 개념처럼 채택할 수 있다.   인사이트 제공 엔지니어는 보수적이라서 달랑 설루션만 제공해 주는 툴은 신뢰하지 않는데, 그 이유는 크게 두 가지가 있다. 첫째, 제공된 설루션의 근거를 신뢰한다. 엔지니어들이 생성형 AI가 제공하는 근거 없는 수치는 환각(hallucination) 때문에 믿지 않는 것과 같은 이치다. 둘째, 하나의 설루션이 아닌 선택 가능한 다양한 후보군을 함께 원한다. 설루션을 기본으로 다양한 변종(variation)을 만들 수 있는 힌트를 주어야 한다. AIRBOOM은 데이터 스토리텔링(data storytelling) 방식의 보고서를 제공한다. 데이터 스토리텔링이란 데이터로 상대방을 설득하기 위해 고안된 의사 전달 수단으로, 데이터의 가치를 극대화하기 위해 메시지가 포함된 시각화(visuals) 정보와 이를 논리적으로 설명하는 내러티브(narratives)의 조합으로 구성된다. 그리고 인사이트를 담은 보고서(RBDO 결과의 직관적인 요약, 설루션의 도출 근거, 더 안전한 설계를 위한 정보 등)를 제공할 수 있다.   RBOD 프로세스 사례 자동차 현가 장치 사례로 AIRBOOM을 활용한 RBDO 프로세스를 설명한다. 타이어나 부시(bush)같은 고무 재료의 산포로 핸들링 관련 성능지수가 갖는 산포를 예측하고, 성능지수의 신뢰성을 높일 수 있도록 부시 강성을 최적화는 문제이다.(‘재료 물성의 불확실성을 고려한 현가장치 시스템의 신뢰성 기반 최적설계(한국자동차공학회 2025 추계 학술대회)’ 참고) 목적함수는 핸들링 특성 중 Yaw Rate Overshoot를 최소화하는 것이고, 구속조건은 핸들링 특성에 해당되는 성능지수 7개를 선정하였다. 설계변수는 18개 부시 강성이고, 랜덤 파라미터는 설계변수인 부시 강성 전체와 타이어 파라미터 4개 파라미터를 선정하였다.   그림 7. 초기 설계에서의 RA 결과 요약 보고서   <그림 7>은 RBDO를 수행하기 전의 RA 결과 요약을 보여 준다. ‘산포’ 열에서 성능지수의 산포와 확률 정보를 보여주고, 차별화된 요소로 ‘Key 파라미터’ 열에서 성능지수 산포의 주요 원인이 어떤 랜덤 파라미터인지 파악할 수 있다. 첫 번째 행의 FRT_LateralForceSteer의 산포에는 FRT_Abush_Y가 가장 중요한 역할을 담당한 것으로 분석되었다. 마지막 열은 현재 설계의 신뢰성 결과를 보여주며, RBDO 수행 전 FRT_LateralForceSteer의 신뢰성은 요구 조건(0.3)보다 작을 확률이 80.0%에 불과했다.   그림 8. RBDO 결과 요약   <그림 8>은 RBDO 결과를 보여준다. 목적함수의 경우 INIT(초기값) 대비해서 DO(불확실성을 고려하지 않은 최적설계)가 67%로 가장 많이 개선되었고, RBDO는 구속조건의 요구 조건 만족 확률을 높이기 위해 26% 개선되는데 그쳤다. 파이 차트에서는 구속조건의 개선 여부를 확인할 수 있고, 불만족한 구속조건과 목적함수 간에 상충 관계가 존재할 수 있음이 예상된다. 설계변수의 경우, 대부분의 설계변수는 DO와 RBDO에서 유사하나 일부 설계변수(LCA outer X, Toe link X)가 DO에서는 설계변수의 하한값 경계로 변경된 반면 RBDO에서는 INIT에서 별다른 변화를 보이지 않았다.   그림 9. 신뢰성 개선 이유   <그림 9>는 6번 구속조건의 신뢰성 개선 이유를 설명한다. 신뢰성이 67%에서 91%로 개선된 이유는 산포의 평균이 약 0.057(평균값이 0.678 > 0.621로 감소) 이동하였기 때문이고, 가장 기여한 설계변수는 RR_Trailing_arm_Y이다. 이 사례로 RBDO 인사이트를 좀더 쉽게 이해할 수 있다. 성능지수 신뢰성을 개선하는 부시 강성의 변경 방향을 알 수 있었고, 불확실성 고려 여부에 따른 최적해 차이를 파악할 수 있었다. RBDO에서 목표 신뢰성을 만족시키기 위해 어떤 설계변수가 기여하였는지 및 추가 개선 가이드와 그에 따른 부작용을 예측할 수 있었다. RBDO는 단순히 ‘최적’의 설계를 찾는 것을 넘어, 불확실한 현실에서도 ‘무결점’에 가까운 안전하고 신뢰할 수 있는 설계를 데이터 기반으로 가능하게 하는 미래 설계의 핵심 기술이다.   ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 최병열 피도텍에서 AI 기반 Data-driven Design SW 개발 총괄을 맡고 있다. 한양대에서 공학박사 학위를 받았고, 20여 년간 100여건의 최적 설계 프로젝트를 주도하며 컨설팅 경험을 쌓았다.     ■ 기사 내용은 PDF로도 제공됩니다.

다쏘시스템이 바이오소재 스타트업인 마이셀과 함께 LCA(전과정평가)와 DPP(디지털 제품여권)를 코피니티엑스(Cofinity-X)와 연계하는 프로젝트를 공식 수주했다고 밝혔다. 이번 프로젝트는 국내 기업이 LCA·DPP·지속가능성(sustainability)을 선제적으로 도입한 사례로, 다쏘시스템은 “주도적 기술 파트너로 참여해 국제 표준 기반의 데이터 협업 체계를 구축했다는 점에서 큰 의미를 갖는다”고 설명했다. LCA는 제품의 전체 생명주기 동안 발생하는 온실가스 배출량을 계산하고 관리하는 기법이며, DPP는 모든 제조품이 다른 나라로 수출될 때 반드시 제출해야 하는 제품의 디지털 형태 여권이다. 두 제도는 유럽연합(EU)을 중심으로 확산 중이며, 특히 중소기업의 대응 여부가 완성품 기업의 DPP 완전성에 직접적인 영향을 미치기 때문에 국가 산업 전반의 경쟁력과 직결되는 핵심 과제로 떠오르고 있다. 유럽연합은 이미 CBAM(탄소국경조정제도)과 디지털 제품 여권(DPP) 제도를 도입하며 공급망 전반의 데이터 투명성 강화를 추진하고 있다. 이에 따라 글로벌 시장에서는 소재 기업에게 LCA 기반의 탄소 배출량과 지속가능성 데이터 제공이 필수 요건으로 자리 잡고 있다. 이번 계약을 통해 마이셀은 월 단위로 LCA·DPP 데이터를 발행하고 코피니티엑스 데이터스페이스와 직접 연계하는 체계를 구축하게 되었다. 다쏘시스템은 “이는 한국 기업이 유럽 공식 LCA·DPP 네트워크에 연결된 첫 사례”라면서, 프로젝트 전 과정에서 데이터 수집과 분석, 국제 표준 인증을 담당하는 트레스웍스, 시스템 통합, 글로벌 네트워크 연계를 아우르는 IBCT와 함께 엔드 투 엔드 서비스 체계를 구현했다고 전했다. 다쏘시스템은 향후 다양한 산업 분야에서 한국 기업이 국제 시장 경쟁력을 강화할 수 있도록 협력과 지원을 확대해 나갈 계획이다.     다쏘시스템코리아의 정운성 대표이사는 “이번 계약은 한국 기업들이 LCA와 DPP를 단순한 규제 대응이 아닌 전략적 경쟁력의 도구로 전환하는 중요한 계기가 될 것”이라며, “다쏘시스템은 데이터 기반 협업과 플랫폼을 통해 국내 산업이 지속가능성 측면에서 한 단계 도약할 수 있도록 적극 지원하겠다”고 밝혔다. 마이셀의 사성진 대표이사는 “이번 프로젝트는 단순한 데이터 보고 체계를 넘어, 소재 단계부터 투명한 ESG 데이터 생태계를 구현하는 새로운 산업 모델이다. 마이셀은 앞으로도 제품별 정밀한 탄소 및 지속가능성 데이터를 기반으로 글로벌 시장에서 신뢰받는 ESG 선도 소재 기업으로 성장할 것”이라고 전했다. 코피니티엑스의 토마스 뢴쉬(Thomas Rösch) 대표이사는 “이번 프로젝트는 한국과 유럽을 데이터로 연결하는 첫 사례이자, 글로벌 공급망에서 지속가능성을 실현하는 중요한 전환점”이라며, “코피니티엑스는 한국 기업이 LCA·DPP를 통해 새로운 사업 기회를 창출할 수 있도록 든든한 연결고리가 되겠다”고 덧붙였다.

지멘스 디지털 인더스트리 소프트웨어가 제품 수명주기 관리 소프트웨어인 팀센터(Teamcenter)를 확장해 AI 기반 수명주기 평가(LCA) 기능을 추가했다고 발표했다. ‘팀센터 지속가능성 수명주기 평가(Teamcenter Sustainability Lifecycle Assessment)’ 소프트웨어는 설계 전문가, 엔지니어, 제조업체가 AI와 공급망 데이터를 활용해 지속 가능하고, 규제를 준수하며, 혁신적인 제품을 보다 효율적으로 개발할 수 있도록 지원한다. 이는 제품 수명주기 전반에 인텔리전스를 부여하려는 지멘스 전략의 일부분으로, 디지털 트윈과 데이터 백본(backbone)을 활용해 제품, 공정의 모든 단계에 맥락적 인사이트를 제공한다. 지멘스와 메이커사이트(Makersite)가 공동 개발한 팀센터 지속가능성 수명주기 평가는 지멘스가 가장 디지털 트윈에서 얻은 산업 데이터를 활용해 새로운 인사이트를 창출하는 여러 방법 중 하나다. AI 기반의 예측 LCA 데이터와 분석 기능을 팀센터에 추가함으로써 지멘스는 진정한 정보에 기반한 설계 및 제조 의사 결정을 위한 심층적인 인사이트를 제공하는 새로운 수명 주기 인텔리전스 계층을 구축했다. 이를 통해 기업은 데이터 사일로를 제거하고 설계, 엔지니어링, 지속가능성 팀 간 협업을 간소화할 수 있다. 또한 보다 빠르고 정보에 기반한 의사 결정을 내려 규제를 준수하고, 안전하며, 비용 효율적인 친환경 제품을 개발할 수 있다.     팀센터 지속가능성 수명주기 평가 설루션은 엔지니어링 및 제조 팀이 제품 수명주기 전반에 걸쳐 조기에 제품의 환경 규제 준수, 공급망 위험, 비용 등을 평가하도록 지원한다. 이 설루션은 기계 제품 엔지니어링, 전자·전기 설계, 시뮬레이션 애플리케이션에 통합돼 있다. 제품 팀은 초기 제품 개발 단계에서 간접 온실가스 배출량(Scope 2 및 Scope 3)을 포함한 ISO 준수 LCA 보고서를 활용해 제품의 지속가능성, 규제 준수, 장기 수익성을 개선시킬 수 있다. 또한 사용자는 팀센터에서 제품의 BOM(bill of materials)에 직접 내장된 다중 기준(multi-criteria) 시뮬레이션 결과를 분석해 비용, 성능, 지속가능성 요소 간의 균형을 더욱 효과적으로 유지할 수 있다. 이를 통해 기업은 모듈화, 재활용 가능성, 재사용과 같은 친환경 설계 전략을 채택할 수 있다. 지멘스 디지털 인더스트리 소프트웨어의 프랜시스 에반스(Frances Evans) 라이프사이클 협업 소프트웨어 부문 수석 부사장은 “속도, 비용 효율, 규정 준수를 유지하면서 지속가능성을 핵심으로 하는 제품을 개발하려면, 제조 기업 전체에 획기적으로 확장된 수명주기 인텔리전스가 필요하다. 기업들은 까다로운 글로벌 규제 요건과 환경 영향을 줄여야 하는 과제에 직면해 있다”면서, “이런 가운데 지멘스는 고객이 AI를 활용해 지속가능성을 고려한 설계를 수행하고, 순환성(circularity)을 구현하며, 처음부터 재료 선택을 최적화할 수 있도록 지원하고 있다. 팀센터의 제품 수명 전반에 걸친 전체 LCA 기능을 통해, 고객은 실시간 환경 데이터를 토대로 제품 혁신을 전환할 수 있다”고 전했다. 메이커사이트의 닐 드수자(Neil D'Souza) CEO 겸 창립자는 “지멘스와 협업을 통해 제품 수명주기 인텔리전스를 핵심 개발 워크플로에 직접 적용할 수 있게 됐다. 지멘스 팀센터와의 통합으로 메이커사이트는 초기 제품 설계부터 제조 BOM에 이르기까지 엔지니어의 일반적인 도구 내에서 비용, 규제 준수, 위험, 환경 성과에 대한 정확하고 상세한 인사이트를 제공한다. 이 통합은 경제적이고 안전하며 지속 가능한 제품 개발을 가속화한다. 동시에 제품 마스터 데이터를 향상시키며, 기업이 증가하는 규제 준수 요건에 수월하게 선제적으로 대응할 수 있도록 지원한다”고 말했다.

디지털 지식전문가 조형식의 지식마당   인공지능(AI)은 단순한 기술을 넘어 우리의 삶과 산업 전반을 재편하는 거대한 흐름이 되었고, 이 거대한 흐름 속에서 스마트 디지털 트윈(smart digital twin)과 디지털 스레드(digital thread)는 미래 혁신을 이끌 핵심 동력으로 될 것으로 생각된다. 이번 호 칼럼에서는 AI 시대에 이 두 가지 개념이 왜 필수인지 그 핵심 역할과 의미, 그리고 우리가 직면한 과제를 심층 조명하고자 한다. 미래 제품 개발의 최전선에는 스마트 디지털 트윈이 자리하고 있다. 이는 단순한 물리적 객체의 디지털 복제본을 넘어선다. 우리는 이를 ‘인공지능 중심 디지털 트윈 (AI defined digital twin)’이라고 부르며, 궁극적으로는 AI 에이전트 디지털 트윈으로 진화할 것으로 생각된다.   그림 1. 인공지능 중심의 디지털 트윈과 디지털 스레드의 통합(출처 : Lifecycle Insights)   스마트 디지털 트윈의 핵심은 미래 예측과 시뮬레이션 능력에 있다. 가상 환경과 인공지능 환경에서 미래 제품의 성능과 기능을 사전에 예측하고 다양한 시나리오를 시뮬레이션함으로써, 우리는 현실 세계에서 발생할 수 있는 시행착오를 최소화하고 최적의 설계를 도출할 수 있다. 예를 들어, 자율주행 자동차를 개발할 때 스마트 디지털 트윈은 수십만 가지의 주행 상황을 가상으로 재현하고 AI 모델을 훈련시켜 실제 도로에서의 안전성을 극대화할 수 있다. 이는 제품 개발의 시간과 비용을 획기적으로 절감할 뿐만 아니라, 혁신적인 제품의 출시를 가속화하는 핵심 역할을 수행한다. 그러나 스마트 디지털 트윈이 그 잠재력을 온전히 발휘하기 위해서는 거대한 양의 데이터가 끊김 없이 흐르고, 이 데이터가 의미 있는 정보로 변환되어 AI의 추론과 학습에 활용될 수 있는 환경이 조성되어야 한다. 바로 이 지점에서 디지털 스레드의 역할이 부각된다. 인공지능이 강화되는 스마트 디지털 트윈 환경에서 디지털 스레드는 단순한 연결을 넘어 혁신의 실핏줄과 같은 역할을 수행한다. 이는 정보의 단절, 즉 데이터 사일로(data silo)를 극복하고 정보의 흐름을 원활하게 하는 유일무이한 기술이다. 기존의 단절된 시스템과 프로세스 속에서는 데이터가 각자의 고립된 공간에 갇혀 효율적인 활용이 불가능했다. 디지털 스레드는 이러한 장벽을 허물고, 정보가 마치 혈액처럼 유기적으로 순환하며 지식으로 축적될 수 있도록 도와준다. 디지털 스레드의 핵심 기능은 크게 다섯 가지 유형의 단절된 데이터 사일로를 연결하는 데 있다. 첫째, 제품 수명주기(product lifecycle) 내 소통이다. 요구사항 정의에서부터 제품 스펙, 엔지니어링 BOM(Bill Of Materials), 제조 BOM, Bill of Process, 그리고 서비스 BOM에 이르기까지, 제품의 전 수명주기 단계에서 발생하는 모든 데이터가 디지털 스레드를 통해 끊김 없이 연결된다. 과거에는 각 단계별로 데이터가 사일로화되어 정보 흐름이 원활하지 못했고, 이는 곧 비효율적인 의사결정과 불필요한 재작업으로 이어졌다. 디지털 스레드는 이러한 문제점을 해결하여 제품 개발의 전 과정에서 일관된 정보와 최신 데이터를 공유할 수 있도록 한다. 둘째, 제품 수명주기 관리(PLM)와 인공지능 간의 소통이다. 제품 개발 환경에서 인간의 생각과 인공지능의 추론 기능 간에는 디지털 온톨로지(digital ontology)의 표준적 개념과 디지털 스레드를 통해 다양하고 복잡한 생각과 용어 등이 소통될 필요가 있다. 디지털 스레드는 복잡한 제품 구조, 기능, 요구사항 등을 AI가 이해하고 추론할 수 있도록 의미론적으로 연결하는 다리 역할을 한다. 이를 통해 AI는 단순한 데이터 분석을 넘어, 인간의 의도를 파악하고 창의적인 해결책을 제시하는 진정한 협력자가 될 수 있다. 셋째, 서로 다른 설루션 간의 소통이다. 소프트웨어 형상 관리 설루션, PLM, 요구사항 관리 설루션, 해석 데이터 관리 설루션 등 수많은 서로 다른 설루션이 존재하지만, 이들 간의 데이터 연동은 늘 골칫거리였다. 디지털 스레드는 이처럼 분리된 설루션을 메시(mesh) 관계로 연결하여 데이터가 원활하게 연동될 수 있도록 한다. 마치 거미줄처럼 촘촘하게 연결된 이 망은 각 설루션이 생성하는 데이터가 실시간으로 다른 설루션과 공유되고 활용될 수 있는 기반을 제공한다. 넷째, 서로 다른 조직 간의 소통이다. 마케팅 부서, 기본 설계 부서, 생산 부서, 그리고 최종 서비스 부서 등 각기 다른 용어와 문화를 가진 조직간의 소통은 늘 쉽지 않은 과제였다. 디지털 스레드는 이러한 소통 장벽을 허물고 협업을 원활하게 한다. 각 조직이 사용하는 용어와 개념을 디지털 스레드 위에서 표준화하고 연결함으로써, 오해를 줄이고 목표 지향적인 협업을 가능하게 하는 것이다. 이는 궁극적으로 조직 전체의 시너지를 극대화하고, 혁신적인 아이디어가 자유롭게 교환될 수 있는 환경을 조성한다. 다섯째는 세렌디피티(serendipity)이다. 이런 거미줄 같은 메시 관계에서 오는 네트워크된 지식(Networked Knowledge) 생태계는 이해당사자인 개발책임자, 엔지니어, 생산 엔지니어, 마케팅 전문가, 안전 전문가, 형상관리자 등에게 생각지 못한 발견과 창의적 환경을 제공하며, 자료를 찾는데 소모되는 엄청난 시간과 노력을 절감하게 하며 더 창조적인 작업에 투자할 수 있다.   그림 2. 제품 수명주기의 디지털 스레드 지식 그래프(knowledge graph)(출처 : Eigner Engineering Consult)   이처럼 디지털 스레드는 AI 시대, 특히 스마트 디지털 트윈 환경에서 데이터의 고립을 해소하고, 정보의 흐름을 최적화하며, 궁극적으로는 AI의 잠재력을 최대한으로 끌어내는 필수 기반 기술이라고 할 수 있다. 인공지능 시대에 디지털 스레드를 통한 창조성과 필연적 세렌디피티가 분야 전문가의 유일한 생존 전략이라고 할 수 있다. 그럼에도 불구하고 디지털 스레드는 여전히 많은 이에게 생소하고 도전적인 개념으로 여겨진다. 현장에서는 디지털 트윈 개발에 디지털 스레드가 필수임에도 불구하고 고객을 설득하기 쉽지 않다는 어려움을 토로한다. 심지어 일부 미국 전문가 사이에서는 ‘디지털 스레드 무용론’이 제기되기도 한다. 이러한 오해와 도전은 디지털 스레드가 가지는 혁신적인 속성 때문일 수 있다. 우리가 직면한 과제는 명확하다. 첫째, 설득의 어려움이다. 디지털 스레드의 필요성을 현장의 이해관계자에게 명확히 전달하고 공감대를 형성하는 것이 중요하다. 단기적인 효율 증대 뿐만 아니라 장기적인 관점에서 AI 시대의 경쟁 우위를 확보하는 핵심 요소임을 강조해야 한다. 둘째, 개념의 생소함과 도전적인 특성이다. 현재에도 디지털 스레드에 대해 정확하게 아는 사람이 드물며, 이는 비교적 생소하고 혁신적이며 도전적인 개념이기 때문이다. 따라서 이에 대한 지속적인 교육과 홍보, 그리고 성공 사례 발굴을 통해 이해의 폭을 넓혀야 한다. 그러나 이러한 도전에도 불구하고, 인공지능 시대에 스마트 디지털 트윈에서 디지털 스레드가 필요한 이유는 존재하는 것이 아니라 만드는 것이라는 관점에서 접근해야 한다. 이는 디지털 스레드가 단순히 현존하는 문제를 해결하는 도구를 넘어, 미래의 복잡한 인공지능 기반 시스템을 구축하고 그 잠재력을 최대한 발휘하기 위한 능동적이고 필수적인 기반임을 시사한다. 디지털 스레드는 이미 존재하는 데이터나 시스템을 연결하는 수동적인 도구가 아니다. 그것은 미래에 우리가 만들어낼 혁신 제품과 서비스를 위한 데이터와 정보의 연결고리를 능동적으로 구축하는 의미를 가진다. AI 시대의 복잡성은 끊임없이 새로운 데이터 유형과 상호작용 방식을 요구할 것이다. 디지털 스레드는 이러한 변화에 유연하게 대응하며 새로운 연결고리를 지속적으로 생성하고 발전시키는, 살아있는 유기체와 같다.   ■ 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.

AMD는 연례 행사인 ‘2025 어드밴싱 AI(2025 Advancing AI)’에서 종합적이고 통합된 AI 플랫폼 비전을 발표하고, 업계 표준 기반의 개방적이고 확장 가능한 랙-스케일 AI 인프라를 공개했다. AMD는 인스팅트 MI350 시리즈 GPU를 공개하며, 생성형 AI 및 고성능 컴퓨팅 분야에서 성능, 효율성 및 확장성을 위한 새로운 기준을 내세웠다. 인스팅트 MI350X 및 MI355X GPU 및 플랫폼으로 구성된 MI350 시리즈는 세대 간 AI 컴퓨팅 성능은 4배, 추론 성능은 35배 높아져 산업 전반에 걸친 혁신적인 AI 설루션의 물꼬를 텄다. AMD는 MI355X가 높은 가격 대비 성능을 제공하며, 경쟁 설루션 대비 최대 40% 더 많은 달러당 토큰을 생성할 수 있다고 설명했다.     이번 어드밴싱 AI 행사에서 AMD는 인스팅트 MI350 시리즈 가속기, 5세대 AMD 에픽(AMD EPYC) 프로세서, AMD 펜산도 폴라라 NIC(Pensando Pollara NIC)를 활용한 엔드투엔드 오픈 스탠다드 랙 스케일 AI 인프라를 시연했다. 이는 오라클 클라우드 인프라스트럭처(OCI) 등 하이퍼스케일러에서 이미 운영되고 있고, 2025년 하반기부터 광범위하게 출시할 예정이다. AMD는 이전 세대 대비 MoE(Mixture of Experts) 모델 추론에서 최대 10배 더 높은 성능을 제공하는 MI400 시리즈 GPU를 기반으로 한 차세대 AI 랙 ‘헬리오스(Helios)’도 선공개했다. 이 시스템은 젠 6(Zen 6) 아키텍처 기반의 에픽 ‘베니스(Venice)’ CPU 및 펜산도 ‘불카노(VuLCAno)’ NIC를 탑재했다. AMD는 최신 오픈소스 AI 소프트웨어 스택인 ROCm 7도 발표했다. ROCm 7은 생성형 AI와 HPC 워크로드를 충족하도록 설계되어 전반적인 개발자 경험을 끌어 올린다. ROCm 7은 업계 표준 프레임워크에 대한 지원을 높이고 하드웨어 호환성 확대, 개발 도구 및 드라이버, API, 라이브러리 등을 특징으로 내세운다. AMD AI 소프트웨어 개발 부문 부사장 공식 블로그 포스트) 인스팅트 MI350 시리즈는 AI 트레이닝 및 HPC 노드의 에너지 효율을 5년간 30배 개선한다는 AMD의 목표를 초과 달성해 결과적으로 38배라는 개선을 이뤄냈다. AMD는 2030년까지 2024년 기준 대비 랙 스케일 에너지 효율을 20배 향상시키겠다는 새로운 목표도 발표했다. 이는 2030년까지 전력 소비를 95% 줄이는 것인데, 현재 275개 이상의 랙이 필요한 일반적인 AI 모델을 학습시키는 데에 완전히 채워진 랙 1개, 혹은 그 이하의 시스템으로 처리할 수 있다는 것을 의미한다. 이외에도 AMD는 전 세계 개발자 및 오픈소스 커뮤니티를 위한 AMD 개발자 클라우드의 광범위한 출시를 발표했다. 이 클라우드는 고성능 AI 개발을 위해 설계된 완전 관리형 환경으로, 개발자가 AI 프로젝트를 빠르게 시작할 수 있도록 다양한 도구와 유연한 확장성을 제공한다. AMD는 ROCm 7과 AMD 개발자 클라우드를 통해 차세대 컴퓨팅에 대한 장벽을 낮추고 접근성을 넓힐 계획이다. 최근, 세계 10대 AI 및 모델 구축 기업 중 7곳이 AMD 인스팅트 가속기를 기반으로 프로덕션 워크로드를 운영하고 있는 가운데, 메타, 오픈AI, 마이크로소프트, xAI 등 7개 기업은 어드밴싱 AI행사에 참석해 선도적인 AI 모델 학습, 강력한 대규모 추론, AI 탐색과 개발 가속화 등 다양한 분야에서 AMD 설루션을 활용한 사례를 공유했다. 메타는 라마 3(Llama 3) 및 라마 4(Llama 4) 모델 추론에 인스팅트 MI300X를 활용 중이며, MI350의 연산 성능, TCO 대비 성능, 차세대 메모리에 대해 기대감을 나타냈다. 오픈AI의 샘 올트먼(Sam Altman) CEO는 하드웨어, 소프트웨어, 알고리즘 전반에 걸친 최적화의 중요성에 대해 설명하고, AI 인프라 분야에서 AMD와 오픈AI의 긴밀한 파트너십, MI300X 기반 애저(Azure)의 연구 및 GPT 모델, MI400 시리즈 플랫폼에서의 심층적인 설계 참여 등에 대해 논의했다. AMD의 개방형 랙 스케일 AI 인프라를 도입한 OCI는 최대 13만 1072개의 MI355X GPU로 가속화되는 제타스케일 AI 클러스터를 통해 고객들이 대규모 AI 모델을 구축, 학습, 추론할 수 있도록 지원한다고 밝혔다. 그리고 마이크로소프트는 인스팅트 MI300X가 애저 내의 독점 모델과 오픈소스 모델 모두에 사용되고 있다고 발표했다.  AMD의 리사 수(Lisa Su) CEO는 “AMD는 전례 없는 속도로 AI 혁신을 주도하고 있으며, 이는 AMD 인스팅트 MI350 시리즈 가속기 출시, 차세대 AMD ‘헬리오스’ 랙-스케일 설루션의 발전, 그리고 ROCm 개방형 소프트웨어 스택의 성장 모멘텀을 통해 더욱 부각되고 있다”면서, “우리는 개방형 표준, 공동 혁신, 그리고 AI의 미래를 정의하고자 협력하는 광범위한 하드웨어 및 소프트웨어 파트너 생태계 전반에 걸쳐 AMD의 리더십을 확대하고 있으며, 이를 통해 AI의 다음 단계로 진입하고 있다.”고 밝혔다.

슈나이더 일렉트릭이 AI 기반 지속가능성 플랫폼 및 설루션을 제공하는 원 클릭 LCA(One Click LCA)와 파트너십을 맺었다고 밝혔다. 슈나이더 일렉트릭은 이번 파트너십을 통해 전력 제품 5만여종에 대한 타입 III 환경 제품 선언서(EPD)를 원 클릭 LCA 플랫폼에서 공개한다. 이를 통해 건축, 엔지니어링 및 건설(AEC) 업계 전문가들은 프로젝트 수명 주기 평가(LCA)를 수행할 때 환경 영향을 보다 명확히 파악할 수 있다. MEP(기계, 전기 및 배관) 구성 요소는 그동안 포괄적인 환경 데이터를 확보하지 못해 AEC 업계의 전문가들은 프로젝트의 탄소 평가에 지속적인 어려움을 겪었다. 슈나이더 일렉트릭과 원 클릭 LCA의 파트너십은 이러한 문제를 해결하여 MEP 분야의 탄소 배출을 줄이기 위한 데이터 기반의 접근 방식을 제시한다. 이번 파트너십을 통해 원 클릭 LCA 플랫폼에서는 슈나이더 일렉트릭 전기 제품의 환경성적지표(EPD)를 광범위하게 제공하여, AEC 전문가들이 전기화 선택의 환경 영향을 프로젝트 수명 주기 평가에 반영할 수 있도록 지원한다. 이를 통해 지속가능한 설계 결정을 더욱 효과적으로 내릴 수 있으며, MEP 탄소 배출 저감에도 기여할 수 있다.     원 클릭 LCA의 파누 파사넨(Panu Pasanen) CEO 겸 창립자는 “MEP 산업에서 슈나이더 일렉트릭은 제품의 EPD 데이터를 대규모로 공개함으로써 지속가능한 건축을 실현하려는 계약자와 엔지니어에게 중요한 정보를 제공한다”면서, “슈나이더 일렉트릭의 이번 혁신이 다른 기업에게도 EPD 데이터를 더 폭넓게 공유하도록 영감을 줄 것이라 기대한다”고 전했다. 슈나이더 일렉트릭의 소루치 케라드만드(Sorouch Kheradmand) 글로벌 지속가능성 파트너십 책임자는 “이번 파트너십을 통해 원 클릭 LCA 플랫폼에 전력 제품의 방대한 EPD 데이터를 공개함으로써, AEC 업계 전문가들이 가장 지속가능한 제품을 선택할 수 있도록 지원하게 됐다. 이는 MEP 산업의 탈탄소화를 가속화할 수 있는 중요한 요소 중 하나”라면서, “슈나이더 일렉트릭은 앞으로도 지속가능한 혁신을 통해 AEC 산업 전반의 탈탄소화를 선도할 계획”이라고 밝혔다. 

산업통상자원부(이하 산업부)는 지난해 우리 기업이 해외에서 플랜트를 수주한 금액이 총 340.7억 달러(약 50조 원)라고 밝혔다. 이는2023년 총 수주 금액인 302.3억 달러 대비 12.7% 증가한 것으로, 2015년 364.7억 달러 이후 9년 만의 최대 기록이다.   이번 성과에는 우리 기업이 전통적으로 강세를 보이는 중동 지역에서의 초대형 프로젝트 수주가 크게 기여하였다. 지난해 수주 금액 340.7억 달러 중 155.2억 달러(약 46%)가 중동에서 수주한 금액으로, 2022년 11월 이후 중동 국가와의 고위급 경제 외교 성과가 대형 프로젝트들의 실제 계약으로까지 이어진 것으로 평가된다.   대표적으로 지난해 4월 삼성E&A와 GS건설이 수주한 사우디 파딜리 가스 플랜트 증설 프로그램*(73억 달러)은 우리 기업이 수주한 역대 해외 프로젝트 중 2009년 아랍에미리트(UAE) 바라카 원전(191억 달러), 2012년 이라크 비스마야 신도시 건설(77억 달러)에 이어 세 번째로 큰 규모의 초대형 계약에 해당한다.   * 패키지 1, 4 : 삼성E&A(60.8억 달러) / 패키지 2 : GS건설(12.2억 달러) ** 원전을 제외한 ‘단일 플랜트 프로젝트’ 중에서는 역대 1위 규모 또한 작년 11월 삼성물산이 수주한 카타르 Facility E 담수 복합 발전소(28.4억 달러)는 국내 컨소시엄이 사업 초기 단계부터 참여*하여 국내 기업의 EPC(설계·조달·시공) 수주로까지 이어진 대표적인 사례이다.   * 한국남부발전 6%, 한국해외인프라도시개발지원공사(KIND) 6% (각 39백만 달러) 지분 투자 → 삼성물산 28.4억 달러 EPC 수주, 향후 국산 기자재 및 시공사 동반 진출 전망   한편 지난해 우리 기업은 동유럽과 동남아 지역에서도 여러 대규모 프로젝트를 수주하면서 중동 중심의 수주에서 벗어나 플랜트 진출 시장을 한층 다변화하였다. 현대엔지니어링의 세르비아 태양광 발전소(16.8억 달러, '24.10월) 수주 등 동유럽 지역에서만 총 47.1억 달러를 수주*하면서 유럽에서의 수주 금액은 2023년 대비 250.6% 증가한 65.8억 달러를 기록하였으며, 삼성E&A의 말레이시아 피닉스 바이오(SAF, 지속가능항공유) 정유 시설(9.5억 달러, '24.12월) 수주 등에 힘입어 동남아 지역에서도 2023년 대비 79.1% 증가한 33.9억 달러를 수주하였다.   플랜트는 기계·장비 등 하드웨어와 그 설치에 필요한 설계, 시공, 유지·보수가 포함된 융합 산업으로, 기자재 생산, 엔지니어링, 컨설팅, 파이낸싱, 인력 진출 등 사업 수주에 따른 전후방 효과가 큰 분야이다.   산업부는 지난해 2월 안덕근 장관이 주재한 제3차 「민관합동 수출확대 대책회의」에서 2024년 해외 플랜트 수주 목표를 330억 달러로 제시하면서,지역별·분야별 맞춤형 지원, 해외 플랜트 수주 경쟁력 강화 지원 등이 포함된 플랜트 수주 확대 지원 방안을 발표하였다.   이에 산업부는 ▲국내 플랜트 EPC 기업 간담회('24.2월)를 개최하여 업계 건의 사항을 듣고 민관이 함께 향후 수주 전략 방안에 대해 논의하였으며, ▲「대외경제장관회의」('24.2월, 7월) 등 범부처 회의체에서 핵심 프로젝트를 중심으로 집중 지원하는 등 우리 기업의 해외 수주 기반을 확대해왔다.   또한 ▲반기별로 해외 공관을 통해 해외 플랜트 프로젝트 발주 현황을 파악하여 고위급 회담 계기 발주국 정부 차원의 관심과 지원을 요청하고, ▲해외 플랜트 진출 확대 사업을 통해 우리 기업들의 해외 진출을 꾸준히 지원해왔다.   정인교 통상교섭본부장은 “생산설비 수출의 경우에는 해외 플랜트 수주가 선도적 역할을 할 수 있다”면서 “앞으로도 수주 상승 기조를 이어갈 수 있도록 정부 차원에서도 아낌없이 지원하겠다”고 밝혔다.   참고 - 해외 플랜트 산업 개요 및 수주 실적  

헥사곤 매뉴팩처링 인텔리전스는 한국산업단지경영자연합회(KIBA), 글로벌선도기업협회(GLCA), 에릭슨엘지, KT와 함께 국내 산업단지 디지털 전환 협력을 위한 MOU(양해각서)를 체결했다고 밝혔다. 이번 협약은 한국 산업단지의 디지털 대전환을 도모하는 것을 주요 목적으로 한다. 협약 참여 기관들은 이번 MOU를 통해 국내 중소·중견 제조기업의 경쟁력 강화, 산업단지의 탄소중립 달성, 스웨덴 등 유럽 시장 진출을 위한 판로 마련, 그리고 산업단지 내 우수 기업과 스웨덴 현지 기업 간의 비즈니스 네트워크 구축 등의 효과를 기대하고 있다. 협약의 주요 내용은 ▲산업단지 디지털 전환 및 탄소중립 실현 ▲산업단지 공간 및 설비에 디지털 트윈, 5G 등 혁신 기술 실증 지원 ▲디지털 트윈, 로봇, 5G, AI 적용 기술을 포함한 제조 공장의 디지털 전환(DX) 및 기술 협력 제공 ▲산업단지 내 국내 ICT 및 디지털 트윈 분야 중소·중견기업의 기술 육성 및 성장 지원 등이다. 헥사곤은 이를 위해 산업단지 내 적용 가능한 디지털 전환 도입 사례를 발굴하고, 국내 제조업의 디지털 혁신을 이끈다는 계획이다. 헥사곤은 특히 자사의 디지털 리얼리티 플랫폼인 ‘넥서스(Nexus)’를 통해 설계부터 품질 검사까지 제조 프로세스 전 과정에 적용할 수 있는 토털 설루션을 갖추고 있다는 점을 내세우면서, 국내 제조 기업의 데이터 활용 극대화를 통한 자원 최적화, 생산성 향상, 품질 개선을 지원할 전망이라고 밝혔다. 헥사곤 매뉴팩처링 인텔리전스 코리아의 성 브라이언 사장은 “이번 MOU를 통해 헥사곤은 국내 제조업의 디지털 혁신을 선도하고 산업단지의 경쟁력을 높이는 데에 적극 기여할 것”이라면서, “중소·중견기업이 첨단 디지털 기술을 통해 글로벌 경쟁력을 확보할 수 있도록 헥사곤의 디지털 리얼리티 기술과 경험을 적극 공유하겠다”고 전했다.