대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

      대한기계학회 가상제품개발연구회 2025년 춘계 심포지엄 개최 안내     2009년 본격화된 빅데이터와 딥러닝 기술은 2016년 ‘알파고 모멘트’를 거쳐, 오늘날에는 생성형 AI로 대표되는 Modern AI 시대를 맞이하고 있습니다. 특히 GPT의 출시 이후 최근 2년간 인공지능 기술은 실로 빛의 속도라 할 만큼 눈부신 발전을 이어가고 있습니다. 전통적인 시뮬레이션 분야에도 기계학습 및 딥러닝 기술이 도입되고 있으며, 산업계 전반에서는 인공지능을 통한 획기적인 R&D 생산성 향상을 기대하고 있습니다. 생성형 AI를 활용해 기업 내 R&D 데이터를 학습시키고, 이를 바탕으로 설계를 자동화하려는 시도들이 확산되고 있으며, Agentic AI가 현실화되는 시점에는 현재의 R&D 방식에 근본적인 변화가 찾아올 것으로 전망됩니다. 이번 가상제품개발연구회 춘계 심포지엄에서는 VPD와 AI의 융합을 통해 R&D 생산성 혁신을 이끌어낼 수 있는 가능성과 미래 방향을 함께 모색하고자 합니다. 참석하시는 회원 여러분과 연구자분들께서 귀중한 인사이트와 영감을 얻어 가는 뜻깊은 시간이 되시길 바랍니다.   대학기계학회 가상제품개발연구회 회장 오세기 올림   ◈ 행사일정 사회 : LG전자 황윤제 기술고문        세션 발표자(소속) 시간(분) 주제 등록 및 Network 10:00~10:30 (30) 등록 및 상호 인사, 교류 등 개회사 오세기 연구회장 (LG전자) 10:30~10:40 (10) 연구회 및 심포지엄 소개 축사 배중면 회장 (대한기계학회) 10:40~10:50 (10) 대한기계학회 가상제품개발연구회 격려사 Key Note Speech 이승철 교수 (KAIST) 10:50~11:30 (40) 제품 가상화 설계를 위한 물리지식기반 인공지능의 역할 주제발표 김문성 파트너 (다쏘시스템) 11:30~12:00 (30) AI/ML 기반의 가상 검증 사례와 활용 전략 점심 식사 등 12:00~13:20 (80) 식사 및 상호 인사, 교류, 다쏘시스템 전시 참관 등 (사전/현장 등록 확인 후 식사 비용 1만원/인 제공) 주제발표 Miki Yamazaki (HITACHI / JSME) 13:20~13:50 (30) AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진 최동훈 교수/대표 (한양대/피도텍) 13:50~14:20 (30) VPD 대중화로 가는 길: AI-Aided Design Optimization 송준영 팀장 (현대모비스) 14:20~14:50 (30) AI를 이용한 R&D Shift 백영진 팀장 (LG전자) 14:50~15:20 (30) AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크 윤용상 상무 (한화에어로스페이스) 15:20~15:50 (30) 디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래 쉬는 시간 15:50~16:10 (20) 상호 인사, 교류, 다쏘시스템 전시 참관 등 패널 토론 16:10~17:30 (80) 연구회 임원 및 발표자            (참고 : 가상제품개발연구회 홈페이지 http://k-vpd.org/)  

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (2)   지난 호에서는 MBD(모델 기반 개발)의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 소개했다. 이번 호에서는 실제 모델 구축 및 설계 사례를 살펴 본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   1D 모델 구축 및 설계 사례 여기에서 소개할 사례는 의료용 기기 침대에 대한 설계 및 모델링 프로세스를 설명하기 위한 것으로, 실제 의료 현장에서 사용되는 환자 이송 및 자세 조절 장치를 대상으로 한다. 핵심 목적은 현재 사용 중인 기기의 성능을 유지하면서 제조 및 운영 비용을 절감하고, 유지 보수가 용이한 형태로 개선하는 것이다. 이를 위해 시스템 아키텍처 구성, 서브시스템 모델링, 제어기 설계 및 가상시험 환경 구성이 유기적으로 통합되어 있다.(그림 1)   그림 1. 기구 및 1D 모델 프로세스를 의료 기기용 침대 설계에 적용한 예   시스템 구성 및 작동 원리는 다음과 같은 주요 구성 요소로 이루어져 있다. 침대 위의 사람이 눕는 구조물이며, 움직임은 없지만 시스템의 하중 요소로 작용한다. 침대 본체에 사람을 지지하고 구동장치 및 제어기와 연결되어 상하 혹은 기울기 방향으로 조정 가능하다. 기어 풀링 벨트와 풀리 시스템은 침대의 움직임을 유도하는 메커니즘으로, 전기 모터에 의해 회전되는 벨트가 기어와 연결되어 침대 위치를 조정한다. 가이드 및 가이드 롤러는 침대의 직선 이동을 유도하며 안정적인 동작을 보장한다. 구동 축은 모터의 회전력을 벨트에 전달하는 역할을 수행하며, 전체 시스템의 동적 응답에 큰 영향을 미친다. 1D 모델링 및 제어 시스템에서 1D 모델 구축은 전체 시스템의 성능 예측 및 최적화를 위해 매우 중요하다. 이 사례에서는 물리 기반 모델을 활용하여 다음과 같은 서브 시스템 모델이 구축되었다. 모터 구동부 모델은 전기 모터, 기어 감속기, 벨트 구동 시스템 등으로 구성되며, 목표 위치에 따라 침대의 이동을 정밀하게 제어한다. 서브 블록도에서는 입력되는 타겟 각도와 실제 위치 간의 오차를 계산하고, 이를 보상하기 위한 PID 제어기가 설계되어 있다. 침대 이동 메커니즘 모델은 침대의 기계적 운동은 벨트 풀리 시스템을 통해 직선 운동으로 전환되며, 이에 따른 침대 위치 및 속도 응답을 시간 함수로 시뮬레이션할 수 있다. 모델에서는 각 구성 요소의 질량, 감쇠, 스프링 상수 등의 파라미터가 반영되어 있으며, 실제 작동 중 발생할 수 있는 진동 및 불안정 현상까지도 반영할 수 있다. 제어기 및 인터페이스 모델은 사용자 인터페이스를 통해 목표 위치를 입력하면, 제어기 블록은 이를 기준으로 모터에 신호를 출력하여 실시간 제어가 가능하다. 시뮬레이션을 통해 피드백 루프의 안정성과 응답 속도를 사전에 검증할 수 있다. 이 사례에서 설계 및 개발 목표는 비용 절감을 위해 기존 장비에 비해 구조 및 부품 단순화로 제조 비용과 유지보수 비용을 줄이는 것이다. 또한 성능 유지 및 개선을 위해서 사람의 체중, 운동 속도, 반응 속도 등의 다양한 작동 조건 하에서도 기존 수준 이상의 성능을 확보하는 것이다. 검증 기반 설계에서 실제 제품 제작 이전에 가상 시뮬레이션을 통해 문제점을 사전에 파악하고 설계 품질을 높이는 것을 가능하게 한다. 이 사례는 MBSE(모델 기반 시스템 엔지니어링)와 MBD의 통합 적용을 통해 실제 의료기기 설계 과정의 효율화와 성능 개선을 동시에 달성할 수 있음을 보여준다. 다양한 시스템 구성요소 간의 상호작용을 정량적으로 모델링하고 이를 기반으로 제어기 설계 및 성능 검증을 수행함으로써, 제품 개발 초기 단계에서부터 신뢰성 있는 설계를 유도할 수 있다.   내부 블록 다이어그램과 파라미터 다이어그램의 연계 시스템 모델링 및 시뮬레이션 기반의 설계 환경에서는 기능적 구성요소 간의 상호작용과 함께, 각 구성요소에 영향을 주는 매개변수(parameter)의 정의와 연계가 매우 중요하다. 이 사례에서는 내부 블록 다이어그램(IBD)과 파라미터 다이어그램을 연계하여, 시스템 구성요소 간의 구조적 연계와 수치적 특성 연계를 동시에 파악할 수 있는 방법을 설명한다.    그림 2. 의료 기기용 침대 설계를 위한 내부 블록 다이어그램과 파라미터 다이어그램   <그림 2>의 내부 블록 다이어그램은 ‘Belt Side Speed Analysis System’이라는 롤러 기반 시스템의 내부 구성 요소 간 상호작용을 시각화한 것이다. 시스템은 다음과 같은 주요 하위 블록으로 구성되어 있다. upport roller/mechanic roller는 롤러 메커니즘으로서, 회전을 통해 동력을 전달하거나 속도를 제어한다. roller/guide/clutch 등은 기계적 서브시스템의 구성요소이며, 각 요소는 물리적으로 연결되어 동작한다. speed_ change 블록은 속도 변화 조건을 반영하는 부분으로, 시뮬레이션에서 조건부 동작을 정의한다. controller는 전체 시스템의 제어 역할을 수행하며, 클러치나 롤러의 동작을 조정한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

미래차 SW 안정성 높인다…쿤텍-dSPACE 코리아, SIL 기반 검증 환경 구축 MOU 체결   왼쪽부터 디스페이스(dSPACE) 코리아 손태영 대표, 쿤텍 방혁준 대표   쿤텍과 디스페이스(dSPACE)코리아가 소프트웨어 검증 환경 구축과 신규 시장 발굴을 위해 손을 맞잡았다. 양사는 5월 9일 미래차를 포함한 다양한 산업 분야에서 소프트웨어의 안전성과 신뢰성을 강화하기 위한 업무협약(MOU)을 체결했다고 밝혔다. 이번 협약의 핵심 목표는 SIL(Software In the Loop) 기반의 가상화 검증 환경을 공동으로 구축하고, 관련 솔루션을 연계하여 국내외 시장을 적극적으로 개척하는 것이다. 쿤텍과 dSPACE 코리아는 긴밀한 협력을 통해 각 산업별 요구사항에 최적화된 맞춤형 가상 검증 플랫폼을 개발하고, 글로벌 임베디드 시장을 함께 공략하기 위한 전략 수립에도 박차를 가할 계획이다.   SIL 기반 가상 검증, 개발 효율성과 품질 향상에 기여   SIL 기술은 자동차, 국방, 산업 제어 시스템 등 다양한 임베디드 소프트웨어를 실제 하드웨어 없이 가상 환경에서 검증할 수 있는 핵심 기술로 평가받는다. 이 기술을 통해 개발 효율성을 높이고 소프트웨어 품질을 향상시키는 것은 물론, 개발 비용을 절감하고 초기 단계에서 결함을 발견하는 데 크게 기여할 수 있다. 특히 차세대 SDV(소프트웨어 중심 차량, Software Defined Vehicle)) 환경의 핵심 기반 기술로 주목받고 있으며, 정밀한 시뮬레이션이 필수적인 국방 및 특수 산업 분야에서도 폭넓게 활용될 잠재력을 가지고 있다. 쿤텍의 '패스트브이랩스'와 dSPACE의 MBD 기술의 시너지   쿤텍은 자체 개발한 임베디드 가상화 솔루션인 '패스트브이랩스(FastVLabs)'를 통해 복잡한 제어 소프트웨어를 물리적인 장비 없이 효율적으로 개발하고 검증할 수 있는 플랫폼을 제공하며 기술력을 인정받고 있다. 특히 쿤텍은 dSPACE의 공식 1호 파트너로서, 이번 MOU를 통해 dSPACE의 모델 기반 개발(MBD, Model-Based Development) 기술과의 시너지를 창출하여 산업별 맞춤형 검증 체계를 더욱 고도화할 방침이다. dSPACE는 독일에 본사를 두고 있으며, 글로벌 모빌리티 시뮬레이션 및 검증 분야의 선두 기업이다. HIL(Hardware In the Loop), SIL 환경 구축 등 차량 ECU 및 임베디드 소프트웨어 개발과 검증에 필요한 종합적인 툴체인을 공급하고 있다. 전 세계 유수의 완성차 및 부품 제조사들이 dSPACE의 솔루션을 활발하게 사용하고 있으며, 자율주행, 전기차, SDV 분야뿐만 아니라 국방·항공 연구기관에서도 그 활용 범위가 넓어지고 있다. 국내 유일 Level 4 하드웨어 가상화 기술력   쿤텍의 패스트브이랩스(FastVLabs)는 국내에서 유일하게 명령어 집합 시뮬레이터(ISS, Instruction Set Simulator) 기술을 활용한 Level 4 하드웨어 가상화 기반 솔루션이다. 이 기술은 한국항공우주산업, 한국수력원자력 등 다양한 임베디드 산업 분야에 적용되어 그 기술력을 입증받았다. 또한, 패스트브이랩스는 FMI(Functional Mock-Up Interface)를 통해 dSPACE 솔루션과의 연동이 가능하다. 이번 MOU를 통해 dSPACE와의 더욱 긴밀한 기술 협력을 통해 SIL 기반 소프트웨어 검증 환경 구축과 시장 발굴이 더욱 가속화될 것으로 전망된다. 양사 대표, 협력을 통한 시너지 효과 기대   쿤텍 방혁준 대표는 "이번 협약은 가상화 기반 검증 체계 고도화를 위한 중요한 전환점이 될 것이다"라고 강조하며, "dSPACE 코리아와의 협력을 통해 SDV는 물론, 높은 신뢰성이 요구되는 국방 및 특수 산업 분야에서 기술적 차별성을 확보해 나가겠다"고 포부를 밝혔다. dSPACE 코리아 손태영 대표는 "쿤텍의 패스트브이랩스와 당사의 MBD 기반 시뮬레이션 기술을 연계함으로써, 고객에게 더욱 정밀하고 신뢰할 수 있는 소프트웨어 검증 환경을 제공할 수 있게 되었다"고 설명하며, "이번 협력은 국내외 시장 확장에도 중요한 역할을 할 것으로 기대한다"고 덧붙였다.  

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 프로세스의 변화를 이끄는 MBD   MBD(모델 기반 개발)는 자동차 업계에서 화제가 되고 있는 가상 시뮬레이션이다. 기존의 방식보다 비용 절감과 개발 공정의 단축을 실현할 수 있다. MBD는 자동차 업계를 중심으로 제조 현장에서 주목을 받고 있는 개발 방법이다. 이번 호에서는 MBD의 정의, MBD의 중요성 및 CAE와의 차이, MBD의 장점과 단점을 설명한다.    ■ 오재응 LG전자 기술고문, 한양대학교 명예교수   MBD는 ‘모델 기반 개발’ MBD(Model Based Development)는 컴퓨터에 현실과 동일한 모델을 만들고 개발 및 검증하는 방법이다. 가상 시뮬레이션에 의해 개발의 효율화를 실현할 수 있다. 종래의 개발이나 검증에서는 종이의 사양서를 확인하면서 설계하고 완성 후에 사양서를 보면서 검증하는 사이클이었지만, MBD는 매트랩(MATLAB), 시뮬링크(Simulink) 등의 소프트웨어를 사용해 컴퓨터 상에 ‘움직이는 사양서’라고 불리는 모델을 만들고 개발과 검증을 동시에 진행한다. 매트랩과 시뮬링크의 차이점은 다음과 같다. 매트랩 : 수치 계산이나 데이터 해석 등에 적합 시뮬링크 : 시뮬레이션이나 테스트 환경 구축 등에 적합 MBD에서 제어 장치 및 제어 대상을 모델화하여 그 모델에 기반한 개발을 수행하는 기법으로, 매트랩/시뮬링크를 이용한 모델을 작성하고 검증하는 프로세스를 <그림 1>에 나타낸다.   그림 1. 매트랩/시뮬링크를 이용해 모델을 작성하고 검증하는 프로세스   따라서 지금까지의 개발 방법과 달리 제품을 만들지 않고 검증할 수 있게 되므로, 테스트나 분석을 여러 번 반복하여 품질 향상으로 연결된다. 또한 검증에 소요되는 비용과 비용을 줄일 수 있다는 것도 큰 장점이다.(그림 2)   그림 2. 모델 기반 개발 프로세스   MBD는 주로 자동차 업계 등에서 중요시되고 있는 개발 방법 실제로 자동차를 만들어 검증을 반복하면 막대한 비용이 들기 때문에, MBD로 업무를 진행하고 있는 케이스는 적지 않다. 또한 자동차 업계뿐만 아니라 항공 업계와 우주 산업, 의료 기기, 산업용 로봇 등에서도 도입되고 있다. 요즘에는 자율 운전이나 환경에 대한 배려 등 니즈의 변화나 다양화가 진행되고, 자동차의 제조도 복잡해지고 있다. 경쟁사보다 뒤떨어지지 않도록 개발 사이클을 가속화하는 것도 드물지 않다. 배기가스 규제 등을 클리어할 필요도 있다. 이러한 배경으로 비용 절감과 개발 프로세스의 단축화를 실현할 수 있는 MBD는 주목을 받고 있다. 한편, MBD가 맞지 않는 분야도 있다. 예를 들어, 스마트폰의 앱이나 오피스 워크에서 이용하는 소프트웨어 등 제어를 수반하지 않는 소프트웨어 개발에는 적합하지 않다. MBD는 실제 기계의 품질 향상과 시스템 안전을 위해 효과적이지만, 이러한 소프트웨어는 실제 기계가 필요하지 않기 때문이다.   CAE와의 차이 MBD는 컴퓨터에서 검증을 수행하는 CAE(Computer Aided Engineering)와 유사한 기술이지만, 각각의 사용 목적이 다르다. CAE의 경우 온도나 진동 등에 변화를 더해 시뮬레이션하는 방법이지만, MBD는 모델을 활용해 제품의 타당성을 검증한다. 엄밀히 말하면 개발 시점에서 CAE를 적용하고 품질 향상과 개발 기간을 단축하는 것이 MBD이다. CAE는 시뮬레이션하고 설계에 피드백하기 때문에 설계의 업스트림에 위치하지 않는다.   MBD에는 다양한 이점이 있음 MBD의 주요한 이점은 개발 단계에서 시뮬레이션을 할 수 있고 개발 기간을 줄일 수 있다는 것이다. 여기에서는 MBD의 장점을 자세히 살펴본다.   즉시 시뮬레이션 가능 MBD의 장점은 기존 개발 프로세스보다 조기에 시뮬레이션을 할 수 있다는 것이다. MBD는 종이의 사양서가 아니고, 움직이는 사양서가 되는 모델을 만들어 개발도 검증도 곧바로 행할 수 있다. 모델을 작성함으로써 기존의 방식으로 필요했던 시뮬레이션에 걸리는 공수가 줄어들어 횟수를 늘려 품질 향상으로 이어질 것이다. 또한, 시뮬레이션에 관여하는 인건비를 줄일 수 있는 메리트도 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 CNG TV 지식방송 지상 중계   지난 3월 18일 CNG TV는 ‘시뮬링크를 활용한 모델 기반 설계의 핵심과 실제 적용 사례’를 주제로 웨비나를 개최했다. 이번 웨비나에서는 모델 기반 설계(MBD)의 개념과 함께, 시뮬링크(Simulink)를 사용한 제어 시스템 모델 개발 및 적용 방법이 소개됐다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 매스웍스 유재흥 애플리케이션 엔지니어와 한재훈 애플리케이션 엔지니어   이번 CNG TV에서 매스웍스는 시뮬링크를 활용한 모델 기반 설계(MBD)의 핵심 원리와 실제 적용 사례를 소개했다. 시뮬링크는 동적 시스템과 제어 알고리즘을 효과적으로 시뮬레이션할 수 있는 모델링 도구로, 실제 물리적 시험보다 빠르고 안전하게 그리고 비용 효율적으로 설계를 검증할 수 있는 장점이 있다. 매스웍스코리아의 한재훈 애플리케이션 엔지니어는 “시뮬레이션을 활용하면 실제 환경에서 수행하기 어렵거나 위험한 시험을 안전하게 반복 수행할 수 있어, 개발 초기에 문제를 조기에 발견하고 수정하는 것이 가능하다”고 강조했다. 이번 웨비나에서 발표된 주요 예제는 태양열 발전 시스템이었다. 이 시스템은 태양광 패널이 태양의 움직임을 정확히 추적할 수 있도록 모터를 통해 제어하여 발전 효율을 극대화하는 방식이다. 시뮬링크를 사용하여 모터 및 패널의 물리 시스템 모델링부터 제어기 설계, 시스템 통합 및 검증까지 전 과정이 진행되었다. 특히 자동 코드 생성 기능을 활용하여 프로토타입 설계 과정을 빠르게 진행할 수 있었다. 이에 대해 한재훈 엔지니어는 “자동 코드 생성으로 인해 개발자가 직접 코딩할 때 발생할 수 있는 인적 오류를 크게 줄일 수 있다”고 설명했다.   ▲ 물리적 프로토타입은 비용이 많이 들고 반복 주기가 느리다.    현실적인 시스템 모델링에 필요한 파라미터 추정 기능에 대한 설명도 이어졌다. 이 과정에서 실제 물리적 시험 데이터를 이용해 모델 응답과의 차이를 줄여나가는 방법이 시연되었다. 한재훈 엔지니어는 “파라미터 추정 과정에서 모델의 정확도를 높이기 위해 적절한 범위를 설정하는 것이 중요하다”고 전했다. 한편 산업 현장에서의 실제 성공 사례도 소개됐다. 대표적인 성공 사례로, 나사(NASA)는 마하 10 속도의 초고속 비행기 제어 시스템 개발에 시뮬링크를 활용하여 첫 시도부터 성공적인 결과를 거둔 바 있다. 한국항공우주연구원(KARI)은 항공 소프트웨어 표준인 DO-178 준수를 위한 소프트웨어 개발 과정 일부를 자동화함으로써, 소프트웨어 품질 향상과 개발 효율성을 동시에 확보했다. 닛산은 자동차 엔진 제어 소프트웨어 개발 기간을 대폭 단축하여 비용 효율을 크게 높이는 성과를 거두었다. 시뮬링크 기반의 모델 기반 설계 방식이 팀 협업 및 유지보수 측면에서 우수한 성과를 보이고 있다. 요구 사항이 빈번하게 변경되는 환경에서도 변경사항을 명확히 추적하고, 자동화된 검증 기능을 통해 보다 신속하고 정확한 대응이 가능하다.     ■ 기사 내용은 PDF로도 제공됩니다.

  18　THEME. 디지털 전환으로 플랜트/조선 산업 경쟁력을 찾다 EPC 엔지니어링의 혁신을 위한 AI 기술 효율적 작업 환경과 미래 인력 운용 설루션으로서의 디지털 트윈 산업현장의 성공적인 DX를 위한 인사이트 공유 디지털 전환 생산 혁신의 마지막 퍼즐, 성과제   INFOWORLD   Editorial 17　제조 혁신의 나침반, 자율화와 지속가능성의 조화로 향한다   Case Study 31　유니티로 3D 건설 협업 애플리케이션을 구축한 오바야시　건설 프로세스에서 협업을 대중화하다   Focus 34　중소기업의 제품 개발 혁신을 이끄는 지멘스의 전략은? 36　클라우드·AI로 무장한 지스타캐드, 국내 CAD 시장 공략 가속화 38　로크웰 오토메이션, “전방위 AI 지원으로 자율 운영 공장을 구현한다” 40　2025 산업지능화 컨퍼런스, AI-산업 데이터 결합 통한 제조 혁신 제시 42　인텔, 고성능 AI PC 위한 프로세서 및 생태계 전략 소개 44　SIMTOS 2026, ‘AI 자율제조와 인재 연결’을 주제로 2026년 4월 킨텍스서 개최   On Air 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　무전원 IoT 센서를 활용한 스마트 공장 고도화 지원 방안 48　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬링크를 활용한 모델 기반 설계의 핵심과 실제 적용 사례 49　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬레이션과 디지털 트윈을 통한 전기차 시장 경쟁력 확보   Column 52　디지털 지식전문가 조형식의 지식마당 / 조형식　이제는 인공지능과 디지털 트윈의 만남이 필요하다 54　트렌드에서 얻은 것 No. 22 / 류용효　AI의 거대한 파도, 엔비디아가 만드는 미래   50　New Books Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   PLM 59　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (2) / 윤경렬, 가브리엘 데그라시　BPMN은 무엇일까?   AEC 62　새로워진 캐디안 2025 살펴보기 (5) / 최영석　유틸리티 기능 소개 Ⅲ 66　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　오픈소스 LLM 기반 블렌더 모델링 AI 에이전트 개발하기 119　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (1) / 천벼리　아레스 캐드 2026의 새로운 기능   Visualization 70　전문 분야를 넘나들며 상상을 생동감 있게 디자인하기 / 장순규　기록에서 시청하는 문화를 이끄는 생성형 AI의 미래 74　AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (1) / 최석영　AI 영상 제작 생태계의 현재와 미래 86　산업 디지털 전환을 가속화하는 버추얼 트윈 (1) / 조희원, 남솔아　엔지니어링 데이터 기반으로 하이엔드 시각화 혁신하기   Reverse Engineering 80　시점 - 사물이나 현상을 바라보는 눈 (4) / 유우식　정적 이미지와 동적 이미지   Analysis 91　앤시스 워크벤치를 활용한 해석 성공 사례 / 김지원　앤시스 플루언트를 이용한 혈류 해석 워크플로 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (20) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅴ 98　제품 개발 프로세스의 변화 이끄는 MBD / 오재응　가상 제품 개발에 적용하기 위한 MBD와 CAE의 차이 및 협업 104　최적화 문제를 통찰하기 위한 심센터 히즈 (2) / 이종학　근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화   Mechanical 111　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (11) / 김주현　크레오 파라메트릭에서 파이핑 생성하기 Ⅱ       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

매스웍스가 4월 8일 ‘매트랩 엑스포 2025 코리아(MATLAB EXPO 2025 Korea)’를 코엑스 그랜드 볼룸 및 아셈볼룸에서 개최한다고 밝혔다. 매트랩 엑스포는 매스웍스 설루션 사용 고객과 기술 전문가들이 과학 및 엔지니어링 분야의 최신 트렌드와 성공 사례를 공유하는 연례 행사다. 이번 매트랩 엑스포의 기조연설에서는 한화로보틱스 정병찬 대표이사가 ‘로봇, 혁신으로 일상과 산업을 재창조하다’를 주제로, 매스웍스의 아비 네헤미아(Avi Nehemiah) 설계 자동화 소프트웨어 부문 총괄 디렉터가 ‘소프트웨어 정의 제품이 가져올 혁신’을 주제로 발표를 진행한다. 이어서, 알고리즘 개발 및 AI, 전동화, 모델 기반 설계, AI 응용 엔지니어링, 모빌리티, 무선 및 위성 등 6개 트랙의 36개의 기술 세션에 전문 연사가 참여해 매스웍스 제품군의 신기능과 고객 성공 사례를 발표한다. 기술 세션에는 삼성전자, 현대자동차, SK텔레콤, 한국전력연구원 등 국내 첨단 기술 기업이 참가해 각 산업군에서 적용 중인 매트랩(MATLAB) 및 시뮬링크(Simulink)의 활용 방안을 소개할 예정이다. 삼성전자의 한상민 수석은 ‘매트랩을 활용한 오픈 무선 장치(RU) 테스트 플랫폼 구축 방법’을 소개하며, 현대자동차의 우민수 글로벌 R&D 마스터와 SK텔레콤의 김장면 매니저는 각각 자동차 성능 예측 및 분석 시스템과 인공지능 기반 위성 통신 최적화 기술에 대해 발표한다.     한편, 이번 행사에는 벡터코리아, 이노엑스, 위드비어, 모라이, NI, 백호프, 알테라, 팝콘사, PTC 등 매스웍스의 파트너사가 참여해 기술 데모 부스를 운영할 예정이며, 세션에서 소개된 매스웍스 설루션의 신기능을 직접 체험할 수 있는 9개의 데모 부스도 운영된다. 데모가 진행되는 전시 공간에서는 다양한 산업군에 적용할 수 있는 모델 기반 설계(MBD)와 인더스트리 트렌드를 반영한 AI 관련 기술, 그리고 전동화와 무선에 관한 최신 기술이 중점적으로 선보이게 된다. 특히 올해는 국내 대학에서 이공계열 학생들을 가르치는 교수 및 강사를 대상으로 매트랩, 시뮬링크, 심스케이프(Simscape)를 활용한 시각화 및 상호작용 기반 엔지니어링 교육 세션이 마련된다. 이 세션에서는 학생들이 질량, 운동량, 에너지 보존과 같은 핵심 공학 원리를 넘어 전체 시스템을 이해하고 설계할 수 있는 시스템 레벨 역량을 키울 수 있도록 풍부한 시각화와 상호작용 경험을 제공하는 방법을 소개한다. 또한 매스웍스 설루션을 교육 현장에 도입해 학생들의 실무 역량을 성공적으로 향상시킨 사례도 함께 소개될 예정이다. 매스웍스코리아의 이종민 대표는 “매트랩 엑스포는 지난 수 년간 국내 공학 시스템 관련한 엔지니어, 과학자, 연구원, 교육자들이 기술 동향과 연구 성과를 나누고 교류하는 대표적인 행사로 자리매김했다”면서, “이번 행사에서 매스웍스가 엄선한 세계 유수 기업의 기술 전문가 발표와 다양한 체험형 데모를 통해 참가자들이 매트랩과 시뮬링크를 활용한 혁신적인 연구 방안을 발견하는 의미 있는 자리가 되길 바란다”고 말했다.

무엇을 위해서 모델을 활용하는가?   자동차 뿐만 아니라 다양한 분야에서 모델 기반 개발을 도입하려는 노력이 지난 몇 년 동안 가속적으로 진행되고 있다. 한편, 대처를 시작했지만 설계 개발의 현장에서는 잘 활용할 수 없는, 어느 새 수단이 목적화되어 대처가 형해화되고 있는 과제가 현실화되고 있는 것도 사실이다. 이번 호에서는 MBD(모델 기반 개발)를 활용한 프로세스의 모습과 현상을 대비하면서, 어떻게 ‘현장에 뿌리내린’ 틀을 구축해 가는지 그 포인트와 비결을 설명하고자 한다.   ■ 오재응 LG전자 기술고문, 한양대학교 명예교수   제조 관점에서 MBD에 대한 기대 MBD에 기대되고 있는 것은 제조의 관점에서 두 개의 포인트로 나타나고 있다. 탄력성 – 공급자 체인의 강인화 : 최근의 반도체 부족과 같이, 갑자기 재료나 부품을 입수할 수 없게 되는 리스크에 대해서 어떠한 대응을 취할지 생각해 둘 필요가 있다. 녹색 – 탄소 중립에 대응 : 예를 들어, 애플은 제조에서 폐기, 재활용에 이르는 제품의 라이프사이클 전체에서 탄소 중립을 목표로 하기 위해 각 공급업체에 대해서도 탄소 풋프린트를 제공하도록 요구하고 있다. 또한 2030년~2035년에 사실상 내연기관을 가진 신차의 판매는 금지된다는 규칙이나 규격의 변경에 의한 리스크에도 대비해야 한다. 그렇다면 실제로 어떻게 준비해야 할까? 제조 관점에서 두 개의 관점을 바탕으로 설명한다. 기술적 효율성 – Ordinary Capability : 이것은 설계 개발의 효율성을 찾는 것이다. 기존 모델 기반 개발에서 기대해온 비용 절감, 업무 효율성 및 업무 품질 개선, 설계 품질 향상, 제품 성능 향상이 가능하다. 고객 요구사항 일치 – Dynamic Capability : 변화하는 고객의 요구에 대응하기 위해서는 유연성을 착용하는 것이 중요하다는 것을 보여준다. 이를 위해 필요한 능력은 세 가지가 있다.  위협 기회의 감지 기회를 보충하고 자원을 재구축·재결합하여 경쟁 우위를 획득 경쟁 우위를 지속 가능하게 하기 위해 조직 전체를 변환 이것을 실현하기 위한 하나의 수단으로서 디지털 트랜스포메이션(DX)을 강화하는 것이 필요하다. 즉, 이 ‘Dynamic Capability’는 비즈니스 환경과 고객의 요구 변화에 대해 ‘유연’하고 ‘신속성’에 대응하는 힘이라고 말할 수 있다.  종래의 설계 개발에 비추어, 이 변화에 대한 유연하고 신속한 대응이라고 하는 것은 어떤 것인지, 이미지를 간단하게 정리했다. 예를 들어, 법규제가 엄격화되고 보다 정숙성이 요구되게 된다는 규칙이나 규격이 바뀌는 리스크에 대한 대응에 있어서는, 원래의 시스템의 구조나 설계, 요소를 어떻게 바꾸면 그 요구를 실현할 수 있는지 생각해 볼 수 있다. 또, 반도체 소자의 공급이 부족해 대체품을 검토해야 하는 설계 변경이 행해졌다고 하는, 재료나 부품을 입수할 수 없게 되는 리스크에 대응해서는 원래의 시스템에 요구된 요건이나 성능이 어떻게 바뀌는지, 종래의 성능을 담보하기 위한 대체안은 존재하는지 등을 생각한다. 따라서, 설계 개발 프로세스의 모습으로는 종래의 시스템의 컴포넌트의 최적화라고 하는 모델 기반 개발을 통해 디지털 기술을 적극적으로 사용하는 것에 의해, 우선은 기능적 효율성을 실행하고 이 과정에서 얻은 지식을 축적하고 업무 효율의 개선에 의해 획득한 자원을 활용함으로써 향후 설계 변경에 유연하고 신속하게 대응할 수 있도록 데이터를 활용한다. 고객 요구와의 일치를 연마하는 것이 모델 기반 개발에 요구되는 모습이라고 생각한다.    그림 1. CAE에서 MBD로   MBD 성공을 위한 비결 먼저 모델 기반 개발은 상류 측에서 요구 분석, 아키텍처 설계를 실시해 전반에서는 시스템 설계나 서브 시스템의 설계에 1D CAE를 사용한 기능 설계를 도입한다.(그림 1) 여기에서는 시스템의 거동의 검증이나 최적 제원, 목표 달성도의 예측 등에 모델을 활용한다. 그런 다음 점진적으로 설계를 상세화하고 마지막으로 CAE의 형상 설계 영역으로 들어가 치수 값을 결정한다. 이 프로세스를 한 단계 상위의 계층과 한 단계 하위의 계층으로 작은 루프를 돌리면서 실시해 가는 것이 일반적인 모델 기반 개발의 이미지라고 생각한다. 이런 과정의 실현을 막는 벽이 있는 것도 사실이다. 필자가 평소에 이야기하는 가운데 벽이 되어있지 않다고 생각하는 것을 몇 가지 구체적으로 소개한다.  벽 1 : 요구 분석이나 아키텍처 설계를 실시하기 위해서 기능 변동이나 SysML 툴을 도입해 보았지만, 어떻게 설계에 활용해야 좋을지 모른다.  벽 2 : 1D CAE(1차원 CAE)를 이용한 기능 설계나 시스템 설계를 진행하고 싶지만, 개발 프로세스에 침투시킬 수 없다.  벽 3 : 기능 설계와 형상 설계 과정이 분리되어 있다.  벽 4 : 설계 업무로 CAE나 최적화 기술을 정착시킬 수 없다. 이러한 과제를 극복하려면 어떻게 해야 하는지를 설명한다. 현재 비교적 많은 회사에서 운용하고 있는 모델 활용의 모습으로 기획에서 성능, 품질, 비용 등 제품에 대한 요구가 내려온다. 기능 설계 단계에서 매우 세밀한 거친 1D 모델로 각 구성 요소에 목표를 할당한다. 여기서 사용되는 모델은 원리 원칙에 근거한 수식으로 이루어진 간이 모델이다. 그런 다음 컴포넌트 설계는 이미 할당된 목표 값에 대해 3D CAE를 사용하여 상세한 설계를 수행한다. 이후 완성된 것을 조립해 실기 평가에 의해 그 성능을 검증한다.   ■ 자세한 기사 내용은 PDF로 제공됩니다.