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.

지난 2월 14일 ‘플랜트 조선 컨퍼런스 2025’가 서울 백범김구기념관에서 진행됐다. ‘AI 시대, 디지털 전환으로 여는 플랜트·조선 산업의 미래’를 주제로 한 이번 행사에서는 산업 AI, 디지털 트윈, 스마트 제조 등 최신 디지털 기술을 통한 플랜트·조선 산업의 혁신 방안을 논의하고, 미래 경쟁력 강화를 위한 다양한 사례와 전략이 공유되었다. ■ 정수진 편집장     한국플랜트정보기술협회 신안식 회장은 개회사를 통해 “한국플랜트정보기술협회는 설립과 동시에 플랜트 조선 컨퍼런스를 기획하여 지금까지 이어오고 있으며, 국내 플랜트 엔지니어의 지속적인 성장과 발전을 위한 다양한 활동을 전개하고 있다”고 소개했다. 또한, “최근 플랜트/조선 산업에서 가장 주목 받는 이슈인 디지털 전환은 전 세계적으로도 중요한 화두가 되고 있다. 그러나 중소기업과 대기업 간의 기술 격차가 커서 디지털 전환이 쉽지만은 않은 상황이다. 이번 행사가 중소기업이 디지털 혁신을 효과적으로 도입할 수 있는 계기가 되기를 기대한다”고 전했다. ‘플랜트 조선 컨퍼런스 2025’에서는 세 편의 기조연설이 진행됐으며, 이후 두 개의 트랙으로 나누어 디지털 엔지니어링&컨스트럭션과 스마트 십&스마트 테크에 관한 다양한 발표가 진행됐다.    ■ 같이 보기 : [포커스] ‘플랜트 조선 컨퍼런스 2025’ 트랙 발표 내용 정리   ▲ 한국플랜트정보기술협회 신안식 회장   생산성 향상과 자율 제조를 실현하는 산업 AI 서울대학교 교수인 원프레딕트의 윤병동 CEO는 ‘산업 AIX(AI Transformation) – 산업 생산성 관점에서 ‘파괴적 혁신’이 가능한가’라는 주제로 첫 번째 기조연설을 진행했다. 산업 AI(인공지능)는 산업 생산성을 획기적으로 향상시킬 수 있는 필수 기술 혁신 요소로 꼽힌다. 윤병동 CEO는 “현재 한국 경제는 장기적인 저성장 국면에 있으며, 특히 생산 가능 인구가 2050년까지 31% 감소할 것으로 예상된다. 이런 상황에서 기존의 방식만으로는 지속 가능한 성장을 이루기 어려우며, 산업 AI를 활용한 혁신적 전환이 필요하다”고 짚었다. 산업 AI는 데이터 수집(지각), 분석/추론(사고), 실행(행동)의 세 단계로 구성되며, 이를 통해 산업 설비가 스스로 데이터를 감지하고 분석하여 최적의 결정을 내리는 자율 시스템을 구축할 수 있다. 이는 제조산업에서 기존의 자동화를 넘어, AI 기반의 완전한 자율 제조 패러다임을 구현하는 것이라고 할 수 있다. 윤병동 CEO는 산업 AI 기술의 활용 사례도 소개했다. AI 기반의 데이터 필터링 및 분석 기술을 적용하면 불필요한 데이터를 제거하여 저장 용량을 최적화하고, 설비 유지보수 및 품질 관리의 효율성을 극대화할 수 있다. 또한, AI를 활용한 고장 예측과 최적의 정비 설루션을 통해 산업 설비의 안정성과 운영 효율을 높일 수 있다. 한편, 이러한 혁신을 실현하기 위해서는 산업 도메인의 전문성과 AI 기술의 결합이 필수로 꼽힌다. AI의 해석 가능성을 높이고 산업 환경에 적합한 모델을 구축하기 위해서는 전문적인 데이터 처리 기술과 AI 모델링 역량이 요구된다는 것이 윤병동 CEO의 설명이다. 그는 “앞으로 5~10년이 산업 AI 혁신의 결정적 시기가 될 것이다. 기업들은 단순한 AI 설루션 도입을 넘어 데이터 인프라 구축과 AI 기반 의사결정 체계 마련을 통해 산업 경쟁력을 강화해야 한다”고 짚었다.   ▲ 원프레딕트 윤병동 CEO   디지털 트윈 중심으로 조선 산업의 혁신 추진 HD현대삼호의 유영웅 상무는 두 번째 기조연설에서 ‘조선 디지털 혁신과 디지털 트윈’을 주제로 발표했다. HD현대삼호는 2030년까지 지능형 자율 운영 조선소를 구축하는 것을 목표로 디지털 혁신을 추진하고 있다. 이를 위해 디지털 트윈과 차세대 CAD 플랫폼을 도입하고, 설계 및 생산 자동화를 강화하는 전략을 펼치고 있다. HD현대삼호는 방대한 설계 및 생산 데이터를 효율적으로 관리하기 위해 3D 모델 기반 정의(MBD) 및 디지털 트윈 기술을 도입하고 있다. 형상 정보만 저장하는 3D 모델링에 그치는 것이 아니라 용접, 공차, 재질 등 다양한 데이터를 포함한 MBD까지 포함하여 생산 공정과 직접 연계할 수 있도록 차세대 CAD 플랫폼을 도입하고, PLM(제품 수명주기 관리) 시스템과의 통합을 추진 중이다. 그리고 디지털 트윈 기술을 활용하여 설계, 생산, 운영을 통합하고 실시간 데이터를 연계해 효율성을 극대화하고자 한다. 생산 공정에서 실시간 데이터를 수집하고 분석하여 최적의 작업 흐름을 유지하고, 로봇 및 자동화 장비와 연계한 스마트 생산 시스템을 구축하는 것도 주요한 방향이다. HD현대삼호는 생산 과정에서 실시간 데이터를 수집하고 분석하여 최적의 작업 흐름을 유지하고, 선급과의 승인 절차도 디지털화하여 3D 데이터를 기반으로 협업하는 방안을 검토하고 있다. 유영웅 상무는 이러한 변화가 조선 산업의 글로벌 경쟁력을 유지하기 위한 필수 전략이라고 설명했다. 그는 “중국 조선소가 대형화를 통해 시장 점유율을 높이는 가운데, 한국 조선소들은 경쟁이 아닌 공동 협력을 통해 디지털 혁신을 가속화할 필요가 있다. 정부 차원의 지원과 글로벌화 정책 마련 등도 우리 조선 산업의 지속 가능한 성장 도모에 도움이 될 것 같다”고 전했다.   ▲ HD현대삼호 유영웅 상무   인공지능과 디지털 트윈 결합해 산업 효율 극대화 소프트힐스의 최우영 부사장은 ‘인간과 인공지능, 디지털 트윈으로 소통하다’를 주제로 세 번재 기조연설을 진행했다. 인공지능과 디지털 트윈 기술은 산업 전반에서 점점 더 긴밀히 결합되며 발전하고 있다. 인공지능은 데이터를 분석하고 예측하는 역할을 하며, 디지털 트윈은 실제 환경을 가상 공간에서 구현하는 기술이다. 최우영 부사장은 두 기술이 만나 산업의 효율성을 극대화할 수 있다고 짚었다. 기술 발전에 따라 단순한 반복 업무는 자동화되고, 창의적이거나 협업이 필요한 직업은 더욱 중요해질 전망이다. 특히, 디지털 트윈은 인공지능과 인간의 중간 매개체로 작용하며, 직관적인 인터페이스를 제공해 실시간 데이터 분석과 예측을 가능하게 한다. 산업 분야별로 살펴보면, 항공 산업에서는 인공지능을 활용한 결함 탐지 및 무인화 기술이 발전하고 있으며, 자동차 산업에서는 운전자의 경험을 반영한 인공지능 최적화가 이루어지고 있다. 제조업에서는 스마트 공장을 구축해 생산성을 높이고, 공장 내 설비 데이터를 디지털 트윈으로 구축하여 실시간 모니터링 및 최적화에 활용하고 있다. 조선·해양 및 플랜트 산업에서는 안전 관리와 최적의 운영 계획 수립을 위해 디지털 트윈이 활용된다. 선박 및 야드 내 자재 이동을 추적하고 인공지능을 통해 작업 동선을 최적화할 수 있다. 도시 관리에서는 스마트시티의 구현과 도시 운영 관리의 최적화를 위해 다양한 디지털 트윈 기술이 적용되고 있다. 최우영 부사장은 “디지털 트윈과 인공지능이 결합된 기술은 산업의 자율화와 최적화를 가속화하며, 인간과 인공지능 간의 효율적 소통을 가능하게 하고 있다”고 소개했다.    ▲ 소프트힐스 최우영 부사장   이외에도 이번 ‘플랜트 조선 컨퍼런스 2025’에서는 부스 전시에서 최신 디지털 기술과 사례를 접해볼 수 있었고, VIP 간담회를 통해 산업과 기술의 미래 전망을 공유하는 자리가 마련됐다.   ▲ 아비바 부스   ▲ 소프트힐스 부스   ▲  클루닉스 부스   ▲ 다우데이타 부스   ▲ 오토스 부스   ▲ VIP 간담회     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Editorial 17　제조업의 디지털 전환, ‘사람 중심의 혁신’이 성패 가른다   Focus 18　플랜트 조선 컨퍼런스 2025, 산업 디지털 전환과 AI 혁신 비전을 찾다 24　오라클, “AI의 핵심은 데이터… 강력하면서 유연한 클라우드 기술로 AI 혁신 지원”   Case Study 26　건설 장비의 유지에 증강현실 활용한 HD현대인프라코어　산업 현장의 기술 통합 돕는 AR 가이던스   New Products 31　클라우드·AI·데이터 혁신 가속화를 위한 디지털 엔지니어링 설루션　앤시스 2025 R1 34　AI로 제품 개발 및 HPC 스케줄링 효율 향상　하이퍼웍스 2025 / HPC웍스 2025 36　클라우드 기반 ADAS 및 AD 개발 및 검증 설루션　Virtual Test Drive X 38　소프트웨어 개발 라이프사이클에 로코드와 AI 결합　멘딕스 10.18 40　다양한 산업 분야를 위한 실시간 시각화 기능 강화　트윈모션 2025.1 62　이달의 신제품   Culture 42　AI 스터디와 네트워크를 위한 스터디 모임 ‘AI 바우하우스랩’   Column 49　책에서 얻은 것 No. 24 / 류용효　2025 AI 대전환 : 주도권을 선점하라 52　디지털 지식전문가 조형식의 지식마당 / 조형식　인공지능 시대에 나는 무엇을 아는가?   On Air 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　자동차 산업의 미래, 메가캐스팅 해석과 활용 47　캐드앤그래픽스 CNG TV 지식방송 지상중계　자율 제조의 핵심 기술, SDM과 AI의 만남 48　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털과 현실의 경계를 넘는 차세대 몰입형 협업 설계   54　News 60　New Books   Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 65　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　세슘 기반 BIM IFC 가시화 방법과 3D 타일 구조 72　새로워진 캐디안 2025 살펴보기 (4) / 최영석　유틸리티 기능 소개 Ⅱ 177　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (11) / 천벼리　BIM 치수 체인   Mechanical 75　제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (10) / 김주현　크레오 파라메트릭에서 파이핑 생성하기 Ⅰ   Reverse Engineering 84　시점 - 사물이나 현상을 바라보는 눈 (3) / 유우식　관찰의 시점과 관점   Analysis 92　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (19) / 나인플러스IT　터보 기계 시뮬레이션을 위한 엔지니어 가이드 Ⅳ 97　최적화 문제를 통찰하기 위한 심센터 히즈 (1) / 이종학　AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 104　앤시스 워크벤치를 활용한 해석 성공 사례 / 전상우　전자장비 방열을 위한 팬 단순화 원리와 해석 적용 방법 112　MBD를 성공적으로 도입하기 위한 비결 / 오재응　무엇을 위해서 모델을 활용하는가?   3D Printing 108　시제품 제작을 혁신하는 3D 프린팅 / 김진호　자동차 내장 부품의 디자인 검증용 시제품 개발 사례   PLM 120　BPMN을 활용하여 제품 개발의 소통과 협업 극대화하기 (1) / 윤경렬, 가브리엘 데그라시　비즈니스 프로세스 모델링이 필요한 이유     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (9)   이번 호에서는 크레오 11(Creo 11)이 모델 기반 정의(Model-Based Definition, 이하 MBD) 워크플로를 혁신적으로 개선해 설계와 제조 프로세스의 효율성을 높이고 데이터의 명확성을 강화한 내용을 알아보자. 특히, 주석 관리, 조합 상태, 상속 모델, 표 생성 및 관리 등에서 사용자 경험을 크게 향상시킨 부분을 중점적으로 살펴보자.    ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   MBD에서 테이블 생성 및 활용 방법     모델을 열어 MBD 작업을 진행하기 위해 보기 관리자 아이콘을 선택하여 ‘모두’ 탭에서 ‘결합된 보기 표시’를 체크하고 보기 관리자 창을 닫는다.     사전에 생성한 보기들이 아래 탭에서 쉽게 전환할 수 있게 되어 MBD 작업을 편하게 할 수 있다.     크레오 11에서는 주석 달기에서 기존 도면 작업과 같이 테이블을 삽입하는 기능이 새롭게 추가되었다. MBD 작업을 위해 ‘주석 달기’ 탭으로 이동하여 5×4 테이블을 생성한다.     테이블을 생성한 후, 위쪽의 대시보드에서 테이블 속성 값을 바로 변경할 수 있다. 또한, 생성된 테이블을 선택하면 나타나는 팝업 창을 통해서도 속성 값을 편리하게 수정할 수 있다. 두 가지 방법 모두 테이블 속성을 빠르고 직관적으로 관리할 수 있도록 돕는다.      기존에 만들어 둔 테이블은 파일에서 테이블 삽입이나 빠른 테이블 기능을 통해 불러와 재사용할 수 있다. 이를 통해 필요한 테이블을 효율적으로 관리하고 작업 시간을 줄일 수 있다.      ‘파일에서 테이블 삽입’을 선택하여 배치하려는 테이블 파일을 불러온다.     불러온 테이블을 화면에 배치하고 이동하려는 모서리를 선택하여 Shift를 누른 상태로 드래그하면, 배치된 방향을 기준으로 수평/수직의 형태로 이동할 수 있다. Shift를 누르지 않고 드래그하면 임의대로 배치 이동을 할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.