엔비디아는 일본 산업기술총합연구소(AIST)의 ABCI 3.0 슈퍼컴퓨터에 수천 개의 엔비디아 H200 텐서 코어(Tensor Core) GPU가 통합된다고 밝혔다. 또한, 휴렛팩커드 엔터프라이즈(HPE)의 크레이(Cray) XD 시스템은 엔비디아 퀀텀-2 인피니밴드(Quantum-2 InfiniBand) 네트워킹을 채택해 높은 성능과 확장성을 제공할 예정이다. ABCI 3.0은 AI 연구 개발을 발전시키기 위해 설계된 일본의 대규모 개방형 AI 컴퓨팅 인프라의 최신 버전이다. AIST와 그 사업 자회사인 AIST 솔루션스, 시스템 통합업체인 HPE가 구축 및 운영하며, 도쿄 인근 카시와에 위치한 일본 AIST 운영 시설에 설치될 예정이다.   ABCI 3.0 프로젝트는 경제 안전 기금을 통해 컴퓨팅 자원을 강화하기 위한 일본 경제산업성의 지원에 따른 것으로, METI의 10억 달러 규모 이니셔티브의 일환이다. 엔비디아는 “2023년 젠슨 황(Jensen Huang) CEO가 기시다 후미오 일본 총리를 비롯한 정재계 인사를 만나 AI의 미래를 논의한 이후 꾸준히 연구와 교육 분야에서 METI와 긴밀히 협력하고 있다”고 소개했다. 젠슨 황 CEO는 특히 생성형 AI, 로보틱스, 양자 컴퓨팅 분야의 연구 협력, AI 스타트업 투자, AI에 대한 제품 지원, 훈련, 교육을 제공하기로 약속했다.     초고밀도 데이터 센터와 에너지 효율적인 설계를 갖춘 ABCI는 AI와 빅데이터 애플리케이션 개발을 위한 강력한 인프라를 제공한다. 이 시스템은 올해 말까지 가동돼 최첨단 AI 연구와 개발 자원을 제공할 계획이다. 이 시설은 6 AI 엑사플롭(exaflops)의 컴퓨팅 용량과 410 배정밀도 페타플롭(petaflops)의 용량을 제공하며, 각 노드는 퀀텀-2 인피니밴드 플랫폼을 통해 200GB/s의 양분(bisectional) 대역폭으로 연결된다. 엔비디아 기술은 이 이니셔티브의 중심에서 수백 개의 노드에 각각 8개의 NV링크(NVLink) 연결 H200 GPU를 장착해 높은 컴퓨팅 성능과 효율성을 제공한다. 엔비디아 H200은 초당 4.8테라바이트(TB/s)의 속도로 140기가바이트(GB) 이상의 HBM3e 메모리를 제공하는 GPU이다. H200의 더 크고 빠른 메모리는 생성형 AI와 대규모 언어 모델(LLM)을 가속화하는 동시에 더 나은 에너지 효율과 낮은 총소유비용으로 HPC 워크로드를 위한 과학 컴퓨팅을 발전시킨다. 엔비디아 H200 GPU는 LLM 토큰 생성과 같은 AI 워크로드에 대해 ABCI의 이전 세대 아키텍처보다 에너지 효율이 15배 더 높다. 네트워킹 장치가 데이터에 대한 연산을 수행해 CPU의 작업을 분산(offloading)시키는 인-네트워크 컴퓨팅(In-Network Computing)과 고급 엔비디아 퀀텀-2 인피니밴드의 통합은 집약적인 AI 워크로드와 방대한 데이터 세트를 처리하는 데 필수적인 고효율, 고속, 저지연 통신을 지원한다. AIST의 다나카 요시오(Yoshio Tanaka) 이사는 “2018년 8월 우리는 세계 최초의 대규모 개방형 AI 컴퓨팅 인프라인 ABCI를 출범했다. 지난 몇 년간 ABCI를 관리해 온 경험을 바탕으로 이제 ABCI 3.0으로 업그레이드하게 됐다. 엔비디아와 HPE와의 협력을 통해 ABCI 3.0이 일본 생성형 AI 연구 개발 역량을 더욱 발전시킬 컴퓨팅 인프라로 발전하는 것이 목표”라고 말했다. AIST 솔루션스의 오가와 히로타카(Hirotaka Ogawa) 생산 겸 ABCI 운영 책임자는 “생성형 AI가 글로벌 변화를 촉진할 준비를 하고 있는 지금, 일본 내에서 연구 개발 역량을 빠르게 배양하는 것이 매우 중요하다. 엔비디아와 HPE의 협력을 통한 ABCI의 대대적인 업그레이드는 일본 산업과 학계에서 ABCI의 리더십을 강화해 일본이 AI 개발 분야에서 글로벌 경쟁력을 갖추는 미래 혁신의 기반이 될 것으로 확신한다”고 말했다.

[PLM/DX 베스트 프랙티스 컨퍼런스 2024] 발표자료 다운로드 안내입니다. 올해 20회째를 맞은 ‘PLM/DX 베스트 프랙티스 컨퍼런스 2024(구 PLM 베스트 프랙티스 컨퍼런스’)’가 지난 6월 13일~14일까지 온라인으로 진행됐습니다. ‘DX를 위한 디지털 트윈, AI와 PLM’을 주제로 한 이번 PLM 컨퍼런스에서는 제조산업 전반의 혁신과 재도약을 위해 디지털 트윈과 AI 등 첨단 기술의 활용 방안을 모색하고, 디지털 전환(DX) 시대에 PLM의 새로운 가치를 발견할 수 있는 기회로 마련됐습니다. 이번 행사에 참여해 주신 모든 분들께 감사드립니다. [PLM/DX 컨퍼런스 2024 관련 기사]  한국산업지능화협회 PLM기술위원회 위원장인 KAIST 서효원 교수는 인사말에서 “과거에는 설계/제조 정보의 생성, 관리, 활용 등이 구조적이고 전형적인 방법에 의존해 왔다. 한편, 최근 생성형 AI 특히 GPT의 출현으로 인해 PLM의 역할이 재조명되고 있다”고 짚었다. GPT의 기반인 생성형 초거대 언어 모델(LLM) 등을 통하여 유연적이고 비정형적인 방법이 가능해지고, 자연어 기반의 대화형 인터페이스가 가능해져 설계/제조의 생산성을 높일 수 있다는 설명이다. 또한, 서효원 교수는 “LLM을 기반으로 설계/제조 현장의 핵심 이슈인 데이터의 연결, 하이퍼링크 통합 등의 자동화가 가능해지며, 이를 통해 과거 PLM 적용에 있어서 문제로 여겨졌던 부분을 해결할 수 있다는 기대가 커지고 있다”고 전했다. [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (1) [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (2) [아젠다] PLM/DX 베스트 프랙티스 컨퍼런스 2024 발표자료는 정보 제공에 동의한 자료만 제공됩니다. 아래 아젠다에 PDF 마크가 표시되어 있는 발표자료가 공개된 내용입니다.  [PLM/DX 베스트 프랙티스 컨퍼런스 2024] 유료결제완료 발표자료 요청 이번 컨퍼런스에 참여하지 않았던 분들은 유료 결제 후에 발표자료를 다운로드 받으시기 바랍니다. 다만 홈페이지 다운로드 용량 제한으로 인하여 전체 자료를 다운로드 할 수 있게 하는데 제약이 있어 첨부한 파일에는' PLM/DX 컨퍼런스 2024' 가이드 파일만 올려 두었습니다. 결제완료 후 메일(plm@cadgraphics.co.kr)로 연락주시면 대용량 추가 자료를 별도로 보내드립니다. 홈페이지에서 직접 결제하는데 문제가 있다면 당사로 연락주시기 바랍니다.   메일 제목 :  [PLM/DX 컨퍼런스 2024] 유료결제완료 발표자료 요청 내용 : 결제시 회원명 / 전화 / 이메일 메일 보낼 곳 : plm@cadgraphics.co.kr 문의 : PLM컨퍼런스사무국 (02-333-6900) [PLM/DX 베스트 프랙티스 컨퍼런스 2024]  아젠다 1일차 [개회사] 한국산업지능화협회 PLM 기술위원회 서효원 위원장(카이스트 교수)  [기조연설] Automotive Industry의 새로운 지평선에서 / HL만도 배홍용 CTO 개발 · 양산 Lifecycle 품질 관리의 발전 방향 / LG CNS SINGLEX 정현길 위원 LS 일렉트릭 디지털 스레드 적용 사례 및 PTC AI 혁신 전략 / PTC코리아 이봉기 상무  프로세스 산업에서의 Digital Twin 적용 사례 / 아비바코리아 강창훈 상무 PLM/DX/디지털 트윈 사례 / TYM (티와이엠) 김대용 CDO AI 및 Cloud 기술을 활용한 Teamcenter의 미래 PLM: 디지털 쓰레드의 역할 / 지멘스 디지털 인더스트리 소프트웨어 한석주 본부장 [기조연설] 모빌리티 혁명, UAM 현황과 미래 / 한국항공우주연구원 황창전 UAM연구부장 2일차 [격려사] 한국CDE학회 유병현 회장(한국과학기술연구원) [기조연설] AI를 품은 제조업의 서비스 혁신 / SK경영경제연구소 김지현 부사장 [기조연설] 다양한 산업에서 적용되는 Vision AI의 현재와 미래 / 씨이랩 이문규 책임리더  기업과 부서에서 3D 데이터 활용을 통한 3D 데이터 공유 및 디지털화 실현 / 아이지피넷 윤정두 차장 MULTI-CAD 환경에서의 협업방안 / 다쏘시스템코리아 에노비아 브랜드 세일즈 부문 정유선 대표 사례를 통해 알아보는 데이터 플랫폼 구축을 통한 비용 절감 및 비즈니스 성장 실현 방안 / 스노우플레이크 박경호 영업대표 디지털 트윈을 위한 지능형 경량화/최적화 모델 생성 방안 / 팀솔루션 서경진 상무 생성형 AI 동향과 제조엔지니어링 적용 방법 / 연세대학교 송경우 교수

  다쏘시스템과 프랑스의 인공지능 기업인 미스트랄 AI(Mistral AI)가 신뢰할 수 있는 환경에서 최첨단 AI의 역량을 산업 분야에 제공하기 위한 파트너십을 발표했다. 다쏘시스템은 자사가 내세우는 ‘생성 경제(Generative Economy)’의 시대에서 “산업은 제품에서 경험과 지속 가능성으로 전환하고, 가상 세계를 활용하여 실제 세계를 확장하고 개선해야 한다”면서, 미스트랄 AI의 대규모 언어 모델(LLM)을 비롯한 AI 기술의 발전이 이 여정을 가속화할 기회가 될 것으로 보고 있다. 버추얼 트윈 경험은 과학적 모델링, 시뮬레이션 및 AI를 결합하여 미래의 인력을 지원하는 솔루션을 제공한다. 이들은 산업 지식과 노하우를 드러내며, 지적 재산을 보호하면서 신뢰성을 요구하는 산업의 요구에 부응한다. 다쏘시스템은 미스트랄 AI의 LLM, 특히 엔터프라이즈급의 ‘미스트랄 라지(Mistral Large)’ 모델이 자사의 요구 사항을 충족하는 정확성, 응답성 및 지속가능성 성능 사이에서 균형점을 제공할 것으로 보고 있다. 다쏘시스템과 미스트랄 AI는 파트너십을 통해 다쏘시스템의 엔터프라이즈 클라우드 서비스인 아웃스케일(OUTSCALE)에 ‘LLMaaS(Large Language Models as a Service)’를 추가할 계획이다. 이 신규 아웃스케일 서비스는 아웃스케일의 인프라를 활용하며, 미스트랄 AI의 상업용 LLM을 보안 및 컴플라이언스 기준인 SecNumCloud와 함께 제공된다. 또한, 양사는 몇 초 안에 방대한 산업 지식과 노하우를 탐색하고, 다쏘시스템의 35만 여 산업 고객을 위한 대규모 데이터 자산을 강화하는 등 LLM이 지원하는 생성형 경험을 제공할 계획이다.  미스트랄 AI의 아서 멘쉬(Arthur Mensch) CEO는 “다쏘시스템과의 파트너십을 통해 모든 사람을 위한 고성능, 효율성, 보안 및 개인 정보 보호라는 공동의 목표를 재확인하게 됐다”면서, “다쏘시스템의 인프라와 산업 솔루션을 활용하여 최첨단 생성형 AI의 사용을 촉진하는 공동 미션을 진전시킬 것”이라고 전했다. 다쏘시스템의 플로렌스 휴-오비니(Florence Hu-Aubigny) R&D 부문 수석 부사장은 “우리는 AI 기반의 버추얼 트윈으로 전 세계 산업을 재창조하는 여정을 계속하고 있다. 미스트랄 AI와의 파트너십을 통해, 우리는 신뢰할 수 있는 생성 경험을 제공하여 과학적 모델링, 시뮬레이션 및 AI, LLM을 포함한 독특한 조합을 아웃스케일 환경에서 제공할 수 있게 되었다. 이 파트너십은 AI 기반 산업용 솔루션을 위한 강력한 기술 생태계를 구축하려는 우리의 의지를 보여준다”고 말했다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 랭체인(LangChain) 아키텍처와 동작 방법을 분석한다. 현재 챗GPT(ChatGPT)와 비슷한 인공지능 챗봇 서비스 개발 등에 대중적으로 사용되는 랭체인은 LLM(Large Language Model : 대규모 언어 모델) 통합과 PDF 등 다양한 데이터 소스를 지원하여 LLM 모델 활용성을 극대화한다. 이 글을 통해 LLM 서비스 개발에 필요한 랭체인의 아키텍처와 동작 원리를 이해할 수 있을 것이다.   ■ 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 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   그림 1   랭체인은 LLM에 원하는 결과를 얻을 수 있도록 다양한 프롬프트 입력 및 구조화된 출력, RAG, 튜닝과 같은 기능을 제공하는 라이브러리다. 랭체인 설치는 다음과 같이 진행할 수 있다.  pip install langchain   랭체인의 기본 사용법 랭체인은 모델 입출력, 데이터 검색, 에이전트 지원, 체인, 컨텍스트 메모리 기능을 제공하며, LCEL(LangChain Expression Language)을 이용해 각 구성요소를 유기적으로 연결시킬 수 있다. LCEL은 유닉스 파이프라인 개념을 차용했다. 다음은 LCEL의 예시를 보여준다.  from langchain.chat_models import ChatOpenAI from langchain.prompts import ChatPromptTemplate from langchain.schema import BaseOutputParser # LCEL 예시 chain = ChatPromptTemplate() | ChatOpenAI() | CustomOutputParser() 이와 더불어 목적에 맞는 다양한 프롬프트 템플릿, 구조화된 출력을 제공한다. from langchain.output_parsers.json import SimpleJsonOutputParser json_prompt = PromptTemplate.from_template(     "Return a JSON object with `birthdate` and `birthplace` key that answers the following question: {question}" ) json_parser = SimpleJsonOutputParser() # JSON 파서 # 프롬프트, 모델, 파서 체인 생성 json_chain = json_prompt | model | json_parser  # 유닉스 파이프라인 개념 차용함. result_list = list(json_chain.stream({"question": "When and where was Elon Musk born?"})) print(result_list)   그림 2   랭체인 구조 분석 패키지 구조 랭체인 구조를 분석하기 위해, 깃허브(GitHub)의 랭체인 소스코드를 다운로드한 후 UML로 모델링해 본다. 주요 패키지는 <그림 3>과 같다.  랭체인 소스코드 : https://github.com/langchain-ai/langchain   그림 3   cli는 랭체인의 커맨드 라인 인터페이스(command line interface), core는 랭체인의 핵심 구현 코드가 정의된다. 이 부분은 <그림 4>와 같은 패키지로 구성된다.    그림 4   참고로, 이 패키지들은 <그림 5>의 일부이다.   그림 5. 랭체인 v.0.2.0 패키지   LCEL 언어 동작 구조 이 중에 핵심적인 것만 분석해 본다. 우선, LCEL의 동작 방식을 위해 어떤 디자인 패턴을 구현하였는지 확인한다. 이 부분은 runnables 패키지가 담당한다. 이 언어는 유닉스의 파이프라인 처리를 다음과 같이 흉내낸다.  z = a | b | c z.stream('abc') 이를 위해 파이썬(Python) 문법을 적극 사용하고 있다. 우선 ‘|’ 연산자를 오버로딩(overloading)하기 위해, 파이썬 Runnable 클래스를 정의해 ‘__or__’ 연산자를 구현한다. 이 연산자는 self object와 right object 두 객체를 입력받아 리스트를 만든 후 리턴하는 역할을 한다. 앞의 예시에서 보면, ‘a | b’를 실행 가능한 객체 리스트로 만들어 리턴한다. 결론적으로 a, b, c 객체를 리스트로 만들고 이 리스트를 z에 할당한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

현장에서 얻은 것 No.17   “LLM 공부해야 소용없어… 대신 차세대 AI에 집중해야” - 얀 르쿤(메타 AI 수석과학자)  페친으로 커넥팅되어 시작된 인연은 인공지능 프로젝트를 통해서 책까지 출판하는 기회를 얻었다. 이번 호의 내용은 그 여정에 대한 기록이다. 기록의 중요성을 또 한 번 느끼며, 만남과 인연의 중요함도 느꼈다.  그 모든 것의 중심에는 ‘관심’ 그리고 ‘깊이와 Hungry’가 있었다. 또한 ‘호기심’은 두말하면 잔소리이다.  그리고 나의 여정을 두 단어로는 ‘리더십’과 ‘인플루언서’로 정했다.    챗GPT에게 PLM에 대해 묻다 2023년 4월호 칼럼으로 ‘챗GPT-PLM 활용의 모습’에 대해 썼다. 그리고 1년이 흐른 지금 다시 한번 챗GPT(ChatGPT)에게 길을 물었다.  1년 전인 2023년 3월에는 챗GPT의 버전이 3.5였고, 2024년 6월는 챗GPT 4o가 등장했다. 2023년 3월 당시에는 “AI가 아니라 AI를 쓰는 기업이 기업을 대체할 것”이라는 말이 유행했다. 1년이 흐른 지금… 통하는 기업이 있고, 여전히 AI가 어떤 결과를 낳을지 오리무중인 기업도 있다. 그동안 큰 변화는 글로벌 관심거리로 학습과 진보 속에서 ‘두려움’이 많이 사라졌다. 또한, 현실적인 장벽이 많이 있다는 것도 드러났다. 1년 전에 ‘챗GPT-PLM 활용의 모습’을 물었을 때 상당히 혁신적이었다. 마치 뭔가 큰일을 낼 것 같이 희망에 찬 답변이었다. 1년이 흐른 지금 같은 질문을 던졌더니, 그때보다는 상당히 현실적인 답변을 내 놓는다.  다음에서 챗GPT와의 대화 내용의 결과를 정리한 리포트 형식으로 풀어가겠다.  “인공지능은 실험실 조수, 최종 결정은 인간이 해야”  - 데미스 허사비스(구글 딥마인드 CEO)    PLM과 챗GPT의 활용 방안 - 프롬프트와 진단 주요 산업군 및 목표를 정했다. 주요 산업군은 자동차, 항공산업, 전기 전자 산업, 의료기기로 한정했다. 독자는 경영진, 임원, 마케팅 담당자로 정했다. 리포트의 주요 목표는 기업에 효과적인 PLM과 챗GPT 활용 방안을 제시하는 것으로, 이에 맞춰 프롬프트를 작성했다.  먼저, 챗GPT는 PLM의 주요 문제점에 대해서 다음과 같이 요약해 주었다.  “PLM 시스템은 복잡한 제품 개발 과정에서 다양한 문제를 안고 있습니다. 이러한 문제점들은 다음과 같습니다. ■ 프로젝트 관리 : 복잡한 프로젝트 관리는 다양한 팀과 부서 간의 협업을 필요로 하며, 실시간 상태 업데이트와 정보 공유가 어렵습니다. ■ 데이터 정합성 : 다양한 부서와 시스템에서 데이터를 관리하다 보면 데이터의 일관성을 유지하는 데 어려움이 있습니다. ■ BOM 관리 : 제품의 BOM(Bill of Materials) 데이터를 정확하게 관리하는 것은 중요하지만, 잘못된 데이터는 생산 오류를 유발합니다. ■ 품질 관리 : 품질 검사와 문제 해결에 많은 시간과 비용이 소요됩니다. ■ 제품 설계 : 설계 변경 요청이 빈번하게 발생하며, 이를 관리하기 어렵습니다. ■ 상품 기획 : 시장 트렌드를 정확히 예측하고 고객의 요구를 반영하기 어렵습니다. ■ 공급망 관리 : 공급망의 복잡성으로 인해 지연과 비용 증가가 발생합니다. ■ 고객 서비스 : 고객 문의와 지원 요청을 효율적으로 처리하기 어렵습니다. ■ 교육 및 훈련 : 직원 교육과 훈련에 많은 시간과 비용이 소요됩니다. ■ 사양 관리 : 제품 사양의 관리 및 업데이트 과정에서 오류가 발생할 수 있습니다. ■ 디지털 제조 : 제조 과정의 디지털화와 스마트 제조 시스템 구현이 어렵습니다. ■ 데이터 보안 : PLM 시스템은 많은 기밀 데이터를 포함하고 있어 데이터 유출의 위험이 큽니다.”   각 문제에 대한 해결 방안 “PLM의 각 문제점에 대해 챗GPT를 활용한 해결 방안은 다음과 같습니다. ■ 프로젝트 관리 : 챗GPT를 통한 실시간 상태 업데이트, 자동 보고서 생성, 팀 간 의사소통 지원 ■ 데이터 정합성 : 챗GPT를 활용하여 데이터 입력 및 검증 자동화, 오류 감지 및 수정 제안 ■ BOM 관리 : 챗GPT를 통해 BOM 데이터의 정확성과 일관성을 유지하여 생산 오류를 줄임 ■ 품질 관리 : 챗GPT를 통해 품질 문제의 원인 분석, 해결책 제안, 품질 검사 자동화 지원 ■ 제품 설계 : 챗GPT를 사용하여 설계 변경 제안 및 피드백 수집, 팀 간 협업 지원 ■ 상품 기획 : 챗GPT를 통해 시장 트렌드 분석, 고객 피드백 수집 및 분석, 제품 기획 아이디어 제안 ■ 공급망 관리 : 챗GPT를 사용하여 공급망 데이터 분석, 공급업체와의 실시간 커뮤니케이션 지원, 문제 발생 시 빠른 대응 방안 제안 ■ 고객 서비스 : 챗GPT를 활용한 자동화된 고객 응대, 자주 묻는 질문(FAQ) 자동 응답, 고객 피드백 수집 및 분석 ■ 교육 및 훈련 : 챗GPT를 통한 맞춤형 교육 자료 제공, 훈련 프로그램 관리, 실시간 질문 응답 시스템 구축 ■ 사양 관리 : 챗GPT를 사용하여 사양 데이터의 자동 검증 및 업데이트, 사양 변경 내역 관리, 사양 관련 질문에 대한 실시간 응답 제공 ■ 디지털 제조 : 챗GPT를 활용하여 제조 데이터 분석, 예측 유지보수 시스템 구축, 제조 과정 최적화 및 문제 해결 지원 ■ 데이터 보안 : 챗GPT를 통해 데이터 보안 시스템 강화, 실시간 보안 모니터링, 보안 위협에 대한 빠른 대응 방안 마련”   PLM 데이터 학습 방안 “PLM 데이터는 폐쇄적이고 기밀 정보가 많기 때문에 챗GPT가 직접적으로 학습하는 것은 어렵습니다. 그러나 다음과 같은 방안을 통해 챗GPT가 PLM 데이터를 활용할 수 있습니다. ■ 프록시 데이터 사용 : 익명화된 데이터로 학습하여 민감한 정보를 보호합니다. ■ API 기반 접근 : API를 통해 실시간으로 데이터를 조회하고 분석할 수 있습니다. ■ 데이터 마스킹 및 샘플링 : 민감 정보를 제거한 샘플 데이터를 사용하여 학습합니다. ■ 온프레미스 학습 시스템 : 기업 내부에 AI 학습 시스템을 구축하여 폐쇄된 환경에서 안전하게 학습합니다. ■ 주기적인 데이터 피드백 루프 : 정기적으로 업데이트된 데이터를 반영하여 학습합니다.”   결론 “챗GPT는 PLM 시스템의 다양한 문제를 해결할 수 있는 강력한 도구입니다. 데이터를 정확하게 관리하고 실시간으로 분석하며, 효율적인 의사소통을 지원함으로써 PLM 시스템의 효율성을 크게 향상시킬 수 있습니다. 그러나 데이터를 안전하게 관리하고, AI 모델의 정확성을 유지하기 위해 적절한 학습 방법과 보안 조치를 취하는 것이 중요합니다. 챗GPT를 통해 PLM 시스템의 문제를 해결하고, 더 나은 제품 개발과 관리를 실현할 수 있을 것입니다.”   PLM의 핫 이슈는 정합성과 정보의 공개 시행착오에서 해답을 찾을 수 있으리라 생각한다. 갈 길은 정해졌다. PLM의 가장 큰 이슈는 정합성과 정보의 공개이다. 왜냐면 사람이 운영하기 때문에, PLM의 복잡성 그리고 추적성을 고려하면 사용자들이 체계적으로 잘 사용해야 가능하다. 챗GPT가 해 줄 일은 자명하다. 고자질을 잘 할 것 같다. 누가 어떤 것에 에러를 범했다. 설계 데이터, BOM 오류, 결재를 미룬 사람 등 기업 업무의 불편한 진실을 챗GPT와 같은 생성형 AI가 내부고발자 역할을 하지 않을까 생각된다. 즉, 생성형 AI는 나를 도와주는 비서일 뿐만 아니라 감시자 역할도 할 수 있을 거라 예상된다.  두려움의 대상이라고 생각해도 나쁘지 않다. 시스템으로 의도하지 않은 업무상 오류를 바로잡을 수 있는 절호의 기회이기 때문이다.  기업 내부의 이슈로는 부서간, 개인간의 이해관계가 있다. 각자 자기 일을 잘 하게 되면 무슨 문제가 있으랴.    ▲ PLM과 챗GPT의 활용방안(Map by 류용효) (클릭하시면 큰 이미지로 볼 수 있습니다.)   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다. (블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

‘PLM/DX 베스트 프랙티스 컨퍼런스 2024’가 지난 6월 13~14일 온라인으로 진행됐다. 한국산업지능화협회, 한국CDE학회, 캐드앤그래픽스가 공동 주최하는 이번 행사는 20주년을 맞아 이름을 바꾸었으며, 제품/제조 데이터와 프로세스를 통합 관리하는 PLM(제품 수명주기 관리)과 함께 제조산업의 혁신을 위한 디지털 전환(DX)에 대해 폭넓게 짚어보는 기회가 되었다. ■ 정수진 편집장   ▲ 한국CDE학회 유병현 회장, SK경영경제연구소 김지현 부사장, 캐드앤그래픽스 최경화 국장   한국CDE학회 유병현 회장은 격려사를 통해 “지난 20년 동안 PLM 베스트 프랙티스 컨퍼런스는 국내 PLM 분야의 성공 사례를 공유하면서 제조업계의 경쟁력을 높이는 마중물 역할을 해왔다. 특히, 올해는 ‘PLM/DX 베스트 프랙티스 컨퍼런스’로 명칭을 변경하고 제조업계의 화두인 디지털 전환과 디지털 트윈, 생성형 AI의 도입을 통해서 변화하는 트렌드에 주목하고자 한다”고 전했다. 그리고 “생성형 AI와 소프트웨어 주도의 변화는 제조업계를 한 단계 도약시키는 큰 기여를 하게 될 것이며, 이러한 변화는 우리가 미래를 준비하는데 필수적인 요소가 될 것”이라면서, “지난 20년 동안 PLM 베스트 프랙티스 컨퍼런스를 공동 주최하면서 함께 성장해 온 한국CDE학회는 CAD/CAM부터 인공지능과 디지털 전환, 생성형 AI에 이르기까지 다양한 기술의 융합을 통해서 디지털 혁신을 선도하고자 한다”고 덧붙였다.   ▲ 한국CDE학회 유병현 회장(한국과학기술연구원)   이번 행사에서는 ‘PLM 베스트 프랙티스 적용 사례 & DX 전략(6월 13일)’과 ‘디지털 전환을 위한 신기술과 솔루션(6월 14일)’이라는 두 개의 트랙에서 14편의 발표를 통해 다양한 내용이 소개됐다.   ■ 함께 읽기 : [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (1)   AI가 가져 올 제조산업의 새로운 가치 행사 둘째 날인 6월 14일에는 SK경영경제연구소의 김지현 부사장이 ‘AI를 품은 제조업의 서비스 혁신’이라는 주제의 기조연설을 통해 “챗GPT(ChatGPT)로 대표되는 생성형 AI가 제조 공정의 혁신을 가져다 줄 수 있으며, 각종 디지털 디바이스가 생성형 AI와 결합될 때 새로운 고객 가치와 사용자 경험을 만들어낼 수 있다”고 짚었다. 기존에도 빅데이터나 AI 기술을 접목한 로봇은 존재했다. 하지만 생성형 AI의 차이점은 LLM(대규모 언어 모델)으로 사람의 말을 이해해 대화가 가능하고, LMM(대규모 멀티 모달 모델)을 통해 주변 상황을 인지할 수 있다는 것이다. 김지현 부사장은 “사람처럼 눈과 귀가 달려서 상황의 변화를 인식하고 사람의 말을 명확하게 이해해서 이를 기반으로 공장에서 작동하는 로봇이 향후 몇 년 사이에 확산된다면 제조 공정의 혁신을 더욱 가속화할 것”이라고 전망했다. 이런 제조 공정 혁신과 함께 디바이스 즉 하드웨어의 변화도 본격화될 것으로 보인다. 기존의 하드웨어가 AI를 품으면서, 이를 기반으로 하드웨어의 성능과 기능이 더욱 향상된다는 것이다.  김지현 부사장은 “AI 칩과 SLM(소형 언어 모델)이 내장된 디바이스는 더욱 다양한 사용자 경험과 편의, 새로운 가치를 제공한다. 하드웨어를 만드는 제조업체로서는 새로운 기술 혁신과 제품 혁신의 기회를 얻는다는 부분에 주목할 필요가 있다”고 말했다. 또한, 김지현 부사장은 “지난 30년간의 디지털 전환에서 아날로그와 디지털이 따로 놀았다면 앞으로의 디지털 전환은 디지털에서 구현된 것이 아날로그에서도 구현되고, 아날로그에서 반영된 것이 디지털로도 구현되면서 양쪽이 긴밀하게 결합되는 세상으로 바뀌고 있다”고 짚으면서, “제조업의 향후 과제는 공장을 어떻게 디지털 트윈이나 스마트 팩토리로 만들 것인가, 그리고 AI를 활용을 해서 어떻게 제품을 온디바이스 AI화할 것인가가 되었다고 본다”고 전했다.   ▲ SK경영경제연구소 김지현 부사장   비전 AI 분야의 발전과 전망 소개 씨이랩의 이문규 책임리더는 ‘다양한 산업에서 적용되는 비전 AI의 현재와 미래’라는 주제의 기조연설에서 비전 AI의 현재와 미래, 그리고 제조 물류 분야에서 비전 AI 모델의 활용 방안에 대해 소개했다. 비전 AI(vision AI)는 컴퓨터가 시각적 세계를 해석하고 이해하는 부분에 관한 인공지능 분야이다. 비전 AI의 발전은 하드웨어, 빅데이터 알고리즘, 딥러닝 기술과 같이 진보했으며 다양한 산업에서 혁신을 이끌고 있다. 이문규 책임리더는 “비전 AI 시장은 연평균 21.5% 성장하고 있으며, 시장 규모는 457억 달러에 이를 것으로 추산된다. 비전 AI의 성장은 심층 학습, 딥페이크를 생성하는 대립 네트워크, 컴퓨터 비전의 자연어 처리 등의 기술 발전에 영향을 받고 있으며, 멀티 모달 AI 기술의 발전으로 새로운 응용 서비스가 꾸준히 나오고 있다”고 소개했다. 비전 AI 분야에서는 방대한 데이터셋, 광대규모의 데이터셋, 광범위한 데이터에 대한 증강, 모델 성능을 최적화하기 위한 훈련 체계 등의 기술이 꾸준히 발전하고 있다. 그리고, 대형 비전 모델의 발전은 이미지 객체의 탐지 및 인식뿐 아니라 복잡함 이미지를 인간 수준으로 이해할 수 있도록 가능성의 경계를 넓히는 도전을 하고 있다. 이런 기술 발전은 물류, 제조, 자율주행, 의료 이미지 분석, 감시 시스템 등 다양한 산업 분야로 비전 AI의 확장을 뒷받침하는 추세이다. 이문규 책임리더는 “씨이랩은 영상 분석을 전문으로 하는 회사로, AI 모델의 학습/추론 영역에서 GPU를 효율적으로 활용 및 관리하는 기술, 소량 또는 얻기 어려운 데이터에서 학습 데이터를 생성하는 기술을 활용해 비전 AI 모델을 만들고 실시간 영상 분석으로 인사이트를 만드는 연구에 집중하고 있다”고 소개했다.   ▲ 씨이랩 이문규 책임리더   디지털 트윈부터 AI까지 기술 활용 방안 짚다 아이지피넷의 윤정두 차장은 ‘기업과 부서에서 3D 데이터 활용을 통한 3D 데이터 공유 및 디지털화 실현’이라는 주제로 발표를 진행했다. 많은 기업이 한 가지의 CAD만 갖고 있는 것이 아니라 멀티 CAD를 기반으로 하고 있다. 이는 제품 설계, 금형 설계, 해석, 가공 시뮬레이션 등 각 부서에서 사용하는 툴이 다양하기 때문이다. 그리고 OEM과 다른 CAD 환경을 구축한 경우도 있다.  윤정두 차장은 “이런 멀티 CAD 환경에서 3D 데이터를 잘 활용하기 위해서는 일방적인 변환이 아니라 각 부서에 맞게 데이터를 최적화할 필요가 있다. 이를 위해서는 중립 포맷 대신 이기종 CAD 환경에 맞춰 설계 의도와 의미를 유지할 수 있도록 데이터를 변환해야 한다. 또한 3D 데이터를 작성하는 과정에서 생길 수 있는 에러를 효과적으로 해결해서 품질을 확보하면 다운스트림 공정에서 데이터를 더욱 잘 활용할 수 있다”면서, 데이터 준비 및 최적화 작업의 시간 소모를 줄일 수 있는 툴이 중요하다고 설명했다. 또한 데이터 품질 체크, 자동 데이터 힐링 및 최적화, 속성 및 PMI 정보의 변환, 데이터 비교 리포트 작성 등 데이터 변환 툴에 필요한 핵심 기능을 소개했다.   ▲ 아이지피넷 윤정두 차장   다쏘시스템코리아의 정유선 에노비아 브랜드 세일즈 부문 대표는 ‘멀티 CAD 환경에서의 협업 방안’에 대해 발표했다. 경쟁력 있는 제품을 만들기 위한 비용 절감뿐 아니라 새로운 소비자 경험을 제공하기 위한 혁신에 대한 요구가 늘면서, 제품 개발 환경의 어려움이 커지는 상황이다. 여기에 더해 최근에는 제품 개발에서 AI 적용에 대한 요구가 강화되고 있다. 기업이 제품을 개발할 때 AI 기술을 어떻게 적용할 것인지가 제품 개발의 새로운 이슈가 된 것이다. 정유선 대표는 “기업이 제품을 개발할 때 AI를 적용하기 위해서는 학습 모델이 필요하고, AI학습을 위한 양질의 데이터셋을 수집해야 한다”면서, “AI 학습을 위한 고품질의 데이터셋을 확보하기 위해 제품 개발 과정의 모든 데이터가 원활하게 연결되는 데이터 기반의 업무 환경을 조성하는 것이 중요해질 것으로 보인다”고 전했다. 다쏘시스템은 설계부터 검증/해석, 생산, 판매 이후 서비스 단계까지 모든 데이터를 연속성 있게 연결하는 플랫폼을 내세우고 있다. 정유선 대표는 “플랫폼 기반으로 협업을 하면 모든 데이터가 연결 구조를 갖기 때문에, 이슈를 빠르게 추적 및 조치할 수 있고 재사용도 쉬워진다. 결과적으로 개발 기간을 줄일뿐 아니라 인력이나 비용도 최소화할 수 있는 것이 장점”이라고 소개했다.   ▲ 다쏘시스템코리아 정유선 에노비아 브랜드 세일즈 부문 대표   스노우플레이크의 박경호 영업대표는 ‘사례를 통해 알아보는 데이터 플랫폼 구축을 통한 비용 절감 및 비즈니스 성장 실현 방안’을 주제로 발표를 진행했다. 공급망 관리의 복잡성과 예측이 어려운 글로벌 환경 변화 등이 기업의 비즈니스 과제로 여겨지면서, 많은 기업이 이에 대응하기 위해 디지털 전환 및 디지털 트윈을 통한 기술 혁신을 추진하고 있다. 하지만, 이를 위한 데이터가 여러 시스템에 분산되어 있고 외부 데이터를 받아오는 데에 많은 비용이 드는 등의 어려움도 커졌다. 박경호 영업대표는 “새로운 데이터 원본을 통합하는 데에는 시간이 걸리고, 하드웨어와 소프트웨어를 갖추기 위해서는 대규모의 투자가 필요하다. 변화에 대응하기 어려운 레거시 파이프라인을 관리 및 유지하는 데에도 꾸준히 비용이 발생한다”고 짚었다. 또한 “스노우플레이크는 이러한 제조기업의 변화에 맞춰 유기적인 데이터 연계를 통해 제조 프로세스의 문제를 해결할 수 있는 시스템을 제공한다. 이를 통해 전반적인 프로세스 데이터를 관리하면서, 변화하는 제조업의 환경에 알맞게 데이터를 관리할 수 있다”고 전했다.   ▲ 스노우플레이크 박경호 영업대표   팀솔루션의 서경진 상무는 ‘디지털 트윈을 위한 지능형 경량화/최적화 모델 생성 방안’에 대해 발표했다.  제조산업 및 엔지니어링 분야에서 디지털 트윈은 효율을 높이는 혁신적인 도구로 여겨지고 있으며, 이를 통해 기업은 제품 수명주기 전반에 걸쳐 더 나은 의사결정을 내릴 수 있다. 하지만, 기존의 수많은 3D CAD 모델을 디지털 트윈으로 변환하는 과정에서 많은 수작업과 개별 프로그래밍이 필요하기 때문에 비효율이 존재한다. 서경진 상무는 “3D 기반의 플랫폼에서 엔지니어링 및 제조 정보를 취합하고 활용 목적에 맞게 가공 및 전달하는 디지털 트윈을 가장 빠르게 구축하는 방법은 3D 캐드를 활용하는 것”이라면서, “이를 위해 3D 데이터를 경량화하고 묶어서 빠르게 사용자에게 보여주는 체계를 구축하는 것이 필요하다”고 짚었다. 또한, “경량화된 3D 데이터는 3D 엔진에서 가볍게 활용할 수 있도록 프레임을 높였으며, 웹과 VR/MR/XR 등 다양한 형태로 제공될 수 있다”고 덧붙였다.   ▲ 팀솔루션 서경진 상무   연세대학교의 송경우 교수는 ‘생성형 AI 동향과 제조 엔지니어링 적용 방법’에 대해 발표했다. GPT와 같은 대규모 언어 모델은 특정한 단어가 주어졌을 때 그 다음에 어떤 단어가 올 것인지를 예측하도록 학습된 모델이다. 이런 특성으로 번역을 하거나 이미지를 이해할 수 있지만, 정확한 답변을 요구하는 엔지니어링 영역에서도 이 언어 모델을 활용할 수 있을지에 대한 의문도 있다. 송경우 교수는 전문 용어가 많은 IT 개발 문서를 기반으로 GPT-4의 답변 테스트 내용을 소개하면서, “단순히 문서 내용을 기반으로 한 답변은 정확하지 않았지만, 여러 단계로 순차적인 질문을 할 때 답변의 신뢰도가 높아지는 알고리즘을 찾을 수 있었다”고 소개했다. 제조 엔지니어링이 특화된 언어 모델을 만들기 위해서 데이터 구축을 진행 중이라고 전한 송경우 교수는 “특정 작업에서 성능을 발휘할 수 있는 언어 모델을 만드는 데에는 생각보다 비용이 들지 않을 것으로 생각한다. 관건은 학습 데이터를 구축하는 것”이라고 전했다.   ▲ 연세대학교 송경우 교수   한편, 5월 30일에는 엘타워에서 PLM/DX 베스트 프랙티스 VIP 간담회가 개최되었다. 이날 간담회에는 PLM/DX 업계를 리드하는 업계 관계자들이 참석, PLM 기술의 발전과 현재 상황, 그리고 발전을 위한 협력과 지원 방안에 대해 논의하는 자리를 가졌다.  기업의 핵심 요소인 PLM은 DX, AI와 결합하여 새로운 도전과제를 받고 있으며, 각 기업들은 차세대 시스템과 새로운 기술의 접목과 방향에 대해 소개했다.       관련기사 함께 보기 [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (1)

‘PLM/DX 베스트 프랙티스 컨퍼런스 2024’가 지난 6월 13~14일 온라인으로 진행됐다. 한국산업지능화협회, 한국CDE학회, 캐드앤그래픽스가 공동 주최하는 이번 행사는 20주년을 맞아 이름을 바꾸었으며, 제품/제조 데이터와 프로세스를 통합 관리하는 PLM(제품 수명주기 관리)과 함께 제조산업의 혁신을 위한 디지털 전환(DX)에 대해 폭넓게 짚어보는 기회가 되었다. ■ 정수진 편집장   ▲ HL만도 배홍용 CTO, 한국산업지능화협회 PLM 기술위원회 서효원 위원장, 캐드앤그래픽스 최경화 국장   한국산업지능화협회 PLM기술위원회 위원장인 KAIST 서효원 교수는 인사말에서 “과거에는 설계/제조 정보의 생성, 관리, 활용 등이 구조적이고 전형적인 방법에 의존해 왔다. 한편, 최근 생성형 AI 특히 GPT의 출현으로 인해 PLM의 역할이 재조명되고 있다”고 짚었다. GPT의 기반인 생성형 초거대 언어 모델(LLM) 등을 통하여 유연적이고 비정형적인 방법이 가능해지고, 자연어 기반의 대화형 인터페이스가 가능해져 설계/제조의 생산성을 높일 수 있다는 설명이다. 또한, 서효원 교수는 “LLM을 기반으로 설계/제조 현장의 핵심 이슈인 데이터의 연결, 하이퍼링크 통합 등의 자동화가 가능해지며, 이를 통해 과거 PLM 적용에 있어서 문제로 여겨졌던 부분을 해결할 수 있다는 기대가 커지고 있다”고 전했다.   ▲ 한국산업지능화협회 PLM기술위원회 서효원 위원장(KAIST 교수)   이번 행사에서는 ‘PLM 베스트 프랙티스 적용 사례 & DX 전략(6월 13일)’과 ‘디지털 전환을 위한 신기술과 솔루션(6월 14일)’이라는 두 개의 트랙에서 14편의 발표를 통해 다양한 내용이 소개됐다.   ■ 함께 읽기 : [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (2)   변화에 대응하기 위한 자동차 산업의 혁신 노력 행사 첫째 날인 6월 13일 기조연설에서 HL만도의 배홍용 CTO는 ‘오토모티브 인더스트리의 새로운 지평선에서’라는 주제로, 자동차 산업이 최근 겪고 있는 변화와 대응 방향에 대해 소개했다. 전기자동차(EV)의 성장세는 분명해 보인다. 전기자동차의 성장에 따라 DC-DC 컨버터, 차저, 구동용 모터, 인버터 관련 기업은 호황을 기대하는 반면 전기자동차에는 쓰이지 않는 엔진, 트랜스미션, 스타터, 클러치, 토크 컨버터 관련 기업은 변화에 따른 충격에 대비할 필요성을 느끼고 있다. 자율주행에 대해서는 긍정적 전망과 부정적 전망이 뒤섞여 있지만, 장기적으로 변화의 물결은 피할 수 없을 전망이다. 높은 개발 비용과 생산 비용, 법규 마련의 지연, 그리고 낮은 기술적 성숙도로 인해 본격적인 자율주행의 도입은 당초 기대보다는 늦어질 것으로 보인다. 전통적인 자동차 외에 친환경 동력과 근거리 주행을 특징으로 하는 마이크로 모빌리티는 착실히 성장하면서 산업계에서도 대응을 강화하고 있으며, 소프트웨어 정의 차량(SDV)은 하드웨어 공급사인 OEM뿐 아니라 소프트웨어 공급사까지 참여하는 새로운 산업 생태계를 만들고 있다. HL만도에서도 ‘데이터 주도’와 ‘자동차의 통합 제어’라는 두 개의 축을 중심으로 개발 및 사업을 전개하고 있다. 배홍용 CTO는 “자동차 산업이 복잡해지고 변경 빈도가 높아지는 상황에서, 프로세스를 가볍게 만들고 신뢰성을 확보하는 것이 과제가 되고 있다”면서, “설계와 검증을 세분화하면서 효율적인 개발 방법을 마련할 필요성이 커지고 있다. 또한 AI의 도입, 디지털 전환(DX), 협업 및 자동화 플랫폼 등 다양한 영역에 걸친 산업 생태계의 노력이 요구된다”고 전했다.   ▲ HL만도 배홍용 CTO   UAM이 가져 올 생태계의 파괴적 혁신 한국항공우주연구원(KARI)의 황창전 UAM연구부장은 ‘모빌리티 혁명, UAM 현황과 미래’를 주제로 한 기조연설을 진행했다. UAM(도심 항공 모빌리티)은 수직이착륙이 가능한 전기 항공기(eVTOL)뿐 아니라 퍼스트 마일부터 라스트 마일까지 커버하는 모빌리티 서비스(MaaS), 도심내 이착륙장, 간편한 시큐리티 체크인, 자율주행 등 다양한 기술과 산업이 연관된 개념이다. 2019년에 약 200개의 UAM 비행체가 개발되었는데 현재는 1000개로 크게 늘었으며, 모건 스탠리는 2040년 UAM 시장 규모를 1조 5000억 달러로 전망하고 있다. 이처럼 UAM은 모빌리티 분야에서 파괴적인 변화(disruptive change)를 이끄는 ‘게임 체인저’가 되고 있다. 다양한 산업 분야를 포괄하는 만큼 eVTOL 개발, 비행 제어 소프트웨어, 교통 관리 체계, 버티포트 인프라, 통신망과 내비게이션 등에 걸친 산업계의 기술 확보 움직임과 함께 정부의 지원 로드맵도 진행 중이다. 황창전 부장은 “산업화에 성공하면 항공기, MRO(유지 . 보수 . 운영), 운항 관리 등 세 가지 기술을 토털 패키지화해서 수출도 가능하며, 이런 기술의 개발 과정에 PLM이나 디지털 전환을 적용할 수 있을 것”이라고 짚었다.   ▲ 한국항공우주연구원 황창전 UAM연구부장   제품 개발과 생산 분야의 디지털 혁신 노력 소개 LG CNS SINGLEX 정현길 위원은 ‘개발·양산 라이프사이클 품질 관리의 발전 방향’을 주제로 한 발표에서 LG 그룹의 품질 관리 프로세스 구축 과정과 향후 발전 방향에 대해 소개했다.  LG 그룹의 개발 품질 관리 솔루션 프로젝트를 통해 구축된 싱글렉스(SINGLEX) 플랫폼은 제품 기획부터 마케팅, 영업, 구매, 제조, 물류, R&D/품질, 고객 서비스, HR, 경영 관리, 보안, IT 관리 등 총 32개 영역의 서비스를 제공한다. 이 가운데 R&D/품질 영역은 ▲개발 프로젝트를 관리하는 PMS ▲양산 품질을 관리하는 QMS ▲위험 재발 방지 활동을 지원하는 FMA ▲소프트웨어 프로젝트를 관리하는 ALM ▲시스템의 범위 및 현황을 연계하여 전체 업무를 관리할 수 있는 SPM  등 5개의 주요 시스템으로 이루어져 있다. 정현길 위원은 “솔루션의 완성도를 위해서 약 28만 건의 품질 검증과 수많은 현업 전문가의 의견을 반영해서 1500건 이상의 업그레이드를 실시했다. 그 결과 현재 LG 그룹 계열사에서 완성도 높은 서비스를 이용하고 있고, 이를 기반으로 대외 사업으로 확대를 추진 중”이라고 전했다.   ▲ LG CNS SINGLEX 정현길 위원   PTC코리아의 이봉기 상무는 ‘LS 일렉트릭 디지털 스레드 적용 사례 및 PTC AI 혁신 전략’에 대해 발표했다.  디지털 스레드의 기본 개념은 가치사슬 전반에 걸쳐서 필요한 대상에게 필요한 시점에 필요한 맥락으로 정보를 제공하기 위해, 전체 라이프사이클에 걸쳐서 물리적 세계와 디지털 세계의 정보를 엮어주는 것이다. 디지털 스레드의 궁극적인 목표는 기업 전체 가치사슬의 최적화이다. 이런 관점에서 최근의 디지털 전환 프로젝트가 보이는 한계를 해소할 수 있는 대안으로 디지털 스레드가 주목받고 있다. 이봉기 상무는 “디지털 전환 프로젝트가 성공하기 위해서는 디지털 스레드의 개념을 잘 이해하고, 이를 기업 전체의 목표와 부합하도록 연계하는 것이 중요하다”면서, “이를 통해 엔지니어링 단계를 넘어 제조 효율성, 서비스 최적화, 제품 운영 관리 등 기업의 가치사슬 전반에 걸쳐 기업의 디지털 전환을 이룰 수 있을 것”이라고 전했다. 또한, “PTC는 SaaS(서비스형 소프트웨어)와 생성형 AI 등의 기술에 대해서도 디지털 스레드를 기반으로 기업의 비즈니스 목표 달성을 지원할 수 있는 방향으로 접근하고 있다”고 덧붙였다.   ▲ PTC코리아 이봉기 상무   아비바코리아의 강창훈 상무는 ‘프로세스 산업에서의 디지털 트윈 적용 사례’에 대해 발표했다. 정유, 화학 등 프로세스 산업은 긴 라이프사이클을 갖고 있으며, 많은 인원과 대형 설비가 투입되는 자본집약적 성격을 갖고 있다. 공정 자체도 물리화학적인 변화를 포함하고 있으며 복잡한 것이 특징이다. 프로세스 산업은 자동화와 플랫폼화를 거쳐 데이터 기반의 실시간 최적화 등의 방향으로 발전해 왔는데, 최근에는 IoT(사물인터넷), AI, 디지털 트윈이 활발히 도입되고 있는 상황이다. 강창훈 상무는 “특히 2D/3D 설계와 시공 데이터를 통합하고 조회할 수 있는 엔지니어링 디지털 트윈 플랫폼을 구축하고 있는 것이 주요한 흐름”이라고 전했다. 플랜트 사용자들은 실시간 모니터링과 분석을 통해 유기적으로 협업할 수 있으며, 궁극적으로 데이터 기반의 의사결정 환경을 구축할 수 있다. 또한 운영 데이터를 활용해 AI/머신러닝 기반의 설비 예측 분석을 통해 설비의 이상징후를 조기에 감지하며, AI를 활용하여 디지털 트윈에 구축된 다양한 정보에 신속하게 접근하는 챗봇을 활용할 수도 있다.   ▲ 아비바코리아 강창훈 상무   TYM의 김대용 CDO는 TYM의 ‘PLM/디지털 전환/디지털 트윈 구축 사례’를 소개했다.  트랙터, 콤바인, 이양기 등 농기계와 디젤엔진에 이르는 제품을 개발/생산하고 있는 TYM은 PLM으로 대표되는 제품 지능화, 스마트 공장과 관련된 공정 최적화, 고객 경험을 강화하는 스마트 서비스 등을 중심축으로 삼아 디지털 전환을 추진 중이다. TYM이 설정한 PLM의 목적은 ‘고객 가치를 창출하고 고객 맞춤형 제품 개발의 리드 타임을 줄이기 위해서 프론트로딩을 할 수 있는 통합 R&D 인프라를 구축하는 것’이다. 또한 TYM은 제품/부품의 형상과 공장 데이터를 유기적으로 연결하는 디지털 트윈을 구축하고 있다. 디지털 트윈을 기반으로 트랙터 조립 공정의 실시간 상태를 모니터링하고 현장 데이터를 수집할 수 있도록 했다. 김대용 CDO는 “이외에도 TYM은 RTLS를 이용해서 파트너사 및 협력사 사이에 공급망 현황이나 재고 현황 데이터를 실시간 수집/분석하고 시각화하는 AI 서비스의 연구개발을 진행 중”이라고 전했다.   ▲ TYM(티와이엠) 김대용 CDO   지멘스 디지털 인더스트리 소프트웨어의 한석주 본부장은 ‘AI 및 클라우드 기술을 활용한 팀센터의 미래 PLM : 디지털 스레드의 역할’이라는 주제로 발표를 진행했다. PLM은 업무의 효율 향상에 중점을 두고 진화를 계속하고 있다. 제조산업에서 제품을 개발하는 라이프사이클의 속도를 높이는 것이 중요하게 여겨지고 있으며, 이에 맞춰 PLM은 과거의 CAD 데이터 관리를 넘어 디지털 스레드를 기반으로 해서 제품 개발 사이클을 가속화하는 형태로 발전하고 있다는 것이 한석주 본부장의 설명이다. 한석주 본부장은 “지멘스는 디지털 전환을 가속화하기 위한 포괄적인 솔루션 포트폴리오인 ‘엑셀레이터’를 통해 제품을 이제 디자인하고, 현실화하고, 최적화하는 전체 폐순환(closed-loop) 라이프사이클을 가속화할 수 있도록 지원한다”고 소개했다. 또한 “지멘스는 인더스트리 디지털 스레드, 클라우드, 인더스트리 메타버스를 통해서 PLM의 효율을 더욱 강화할 수 있게 돕고자 한다”고 덧붙였다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 한석주 본부장   관련 기사 함께 보기 [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2024, 제조산업의 디지털 전환 전략과 사례 소개 (2)   ■ 기사 내용은 PDF로도 제공됩니다.

레노버와 데이터 중심 AI 테크 기업 크라우드웍스가 AI 솔루션 개발과 혁신적인 기술 도입을 가속화하기 위한 협력을 진행하기로 했다. 양사는 양해각서(MOU)를 체결하고, 향후 레노버의 하드웨어 인프라와 크라우드웍스의 AI 솔루션을 결합하여 더 빠르고 신뢰할 수 있는 AI 시스템을 개발하고 다양한 산업에 적용할 계획이다.  양사의 이번 협업에는 레노버의 신규 GPU 서버인 ‘씽크시스템(ThinkSystem) SR680a V3’과 ‘씽크시스템(ThinkSystem) SR780a V3’이 활용될 예정이다. 이들 서버는 AI 및 HPC(고성능 컴퓨팅) 워크로드 처리를 위한 높은 계산 능력을 제공하며, 엔비디아 GPU와 고속 인터커넥트를 통해 AI 구현 속도를 높이는 것이 특징이다. 씽크시스템 SR680a V3은 8U 2소켓 서버로, 8개의 엔비디아 GPU와 고속 인터커넥트를 지원하고 대규모 AI 모델 개발과 훈련 및 재훈련에 최적화되어 있다. 씽크시스템 SR780a V3은 5U 2소켓 서버로, 8개의 엔비디아GPU와 넵튠 액체 냉각 기술을 사용하여 높은 에너지 효율과 계산 능력을 제공한다. 크라우드웍스는 이번 협약과 함께 고품질 데이터에 기반한 자사의 AI 데이터 및 솔루션 개발 역량을 소개했다. 크라우드웍스는 양사의 기업 고객에게 필요한 데이터 솔루션 뿐 아니라 AI 구축을 위한 전방위 솔루션을 제공할 예정이다. AI 모델을 학습시키는데 필요한 대규모 데이터 수집 및 가공 작업을 AI 기술로 최적화하는 것부터 맞춤형 LLM 구축에 필요한 고품질 데이터셋 구축, 모델 개발, LLM 검증 및 평가까지 수행하며 기업의 AI 역량 강화를 지원한다. 레노버와 크라우드웍스는 이번 협약이 AI 기술 발전과 산업 혁신에 중요한 이정표가 되고, 두 기업의 지속적인 협력을 통해 다양한 분야에 걸쳐 많은 성과를 낼 수 있을 것으로 기대하고 있다.     레노버 글로벌 테크놀로지 코리아(ISG)의 윤석준 부사장은 “크라우드웍스와의 협업은 레노버의 AI 전략을 한 단계 더 발전시키는 중요한 계기가 될 것이다. 양사의 기술력과 경험을 결합하여 혁신적인 AI 솔루션을 제공할 계획”이라고 말했다. 크라우드웍스의 김우승 CEO는 “레노버와 같은 업계 최고의 글로벌 기술 회사와의 파트너십은 크라우드웍스의 AI 기술과 역량을 더 넓은 시장으로 확장하는데 기여할 것이다. 양사의 협업을 통해 AI 분야에서 새로운 기회를 모색하고 더 많은 잠재 고객과의 접점을 확대해 나갈 것”이라고 전했다.

엔비디아의 젠슨 황(Jensen Huang) CEO가 미국 및 국제 유틸리티 협회인 에디슨 전기협회(Edison Electric Institute, EEI)의 연례 회의에서 “전력망과 이를 관리하는 유틸리티는 AI와 가속 컴퓨팅이 주도하는 차세대 산업 혁명에서 중요한 역할을 담당하고 있다”고 전했다. 젠슨 황은 청중으로 참여한 천여 명 이상의 유틸리티와 에너지 업계 경영진 앞에서 "디지털 인텔리전스의 미래는 매우 밝으며, 그만큼 에너지 분야의 미래도 밝다"고 말했다. 다른 기업들과 마찬가지로 유틸리티도 직원 생산성을 높이기 위해 AI를 적용할 것으로 예상된다. 젠슨 황 CEO는 에디슨 인터내셔널의 CEO이자 EEI의 회장인 페드로 피사로(Pedro Pizarro)와의 대담에서 “가장 큰 영향력과 수익은 전력망을 통한 에너지 공급에 AI를 적용하는 데에 있다”면서, 전력망이 AI 기반 스마트 계량기를 사용해 고객이 여분의 전력을 이웃에게 판매할 수 있도록 하는 방법을 하나의 예시로 설명했다.     오늘날의 전력망은 주로 몇몇 대형 발전소와 많은 사용자를 연결하는 단방향 시스템이다. 그러나 앞으로는 태양광 패널, 배터리, 전기 자동차 충전기를 갖춘 가정과 건물을 연결하는 태양광과 풍력 발전소를 통해 양방향의 유연하고 분산된 네트워크가 될 것으로 예상된다. 이는 방대한 양의 데이터를 실시간으로 처리하고 분석하는 자율 제어 시스템을 필요로 하는 대규모 작업으로, AI와 가속 컴퓨팅에 적합한 작업이다. 엔비디아는 유틸리티가 에지에서 AI 모델을 사용해 실시간 전력망 데이터를 처리하고 분석하기 위해 배포하는 엔비디아 젯슨 플랫폼, 전력망 복원력을 강화하기 위해 디지털 트윈을 구축해 예측 유지보수를 개선하는 AI와 옴니버스(Omniverse) 등 자사의 기술을 기반으로 AI가 전력망 전반의 사용 사례에 적용되고 있다고 소개했다.  이러한 발전은 엔비디아가 AI 배포에 필요한 비용과 에너지를 절감하면서 이루어졌다. 젠슨 황 CEO는 최근 컴퓨텍스(COMPUTEX) 기조연설에서 “지난 8년 동안 엔비디아는 최첨단 대규모 언어 모델(LLM)에서 AI 추론 실행의 에너지 효율성을 4만 5000배 향상시켰다”고 말했다. 엔비디아 블랙웰(Blackwell) 아키텍처 GPU는 AI와 고성능 컴퓨팅을 위해 CPU보다 약 20배 더 높은 에너지 효율을 제공한다. 이러한 작업을 위한 모든 CPU 서버를 GPU로 전환하면 사용자는 연간 37테라와트시(TWh)를 절약할 수 있다. 이는 이산화탄소 2500만 메트릭 톤과 500만 가구의 전기 사용량에 해당하는 양이다.