카스퍼스키는 ‘2026 산업 제어 시스템(ICS) 보안 트렌드’를 발표했다. 최신 카스퍼스키 보안 보고서(Kaspersky Security Bulletin)에 따르면, 악성코드 공격을 받은 ICS 컴퓨터 비율은 지난 1분기 21.9%에서 3분기 20%까지 소폭 하락했으나 여전히 높은 수준을 유지한 것으로 나타났다. 이는 공격자의 전술이 지속적으로 진화하는 가운데, 기업들이 사이버 보안 측면에서 점진적으로 방어 역량을 강화하고 있음을 보여준다. 특히 지역별 편차도 확인되었으며, 아프리카·동남아시아·동아시아·중동·남아시아가 공격을 받은 ICS 기기 비중이 가장 높았다. 산업군별 공격 노출 정도는 고르게 나타나지 않았으며, 악성 객체가 차단된 ICS 컴퓨터 기준 27.4%를 기록한 생체 인식 산업이 가장 높은 비율을 보였다. 다음으로 빌딩 자동화(23.5%), 전력(21.3%), 건설(21.1%), OT 엔지니어링 및 통합(21.2%), 제조(17.3%), 석유·가스(15.8%) 순이었다. 이 데이터는 모든 핵심 산업이 여전히 위협 행위자의 주요 표적임을 보여준다.     공격자들은 공급망 공격과 신뢰 기반 공격을 더욱 강화하고 있으며, 현지 벤더, 외부 계약업체, 통신 사업자 등 핵심 서비스 제공업체로 위장 악용해 기존 방어 경계를 우회했다. 특히 AI를 활용한 공격은 악성코드를 AI로 위장하는 수준을 넘어, 자율형 AI 에이전트가 침투 작업을 수행하는 방식까지 급격히 확대되었다. 인터넷에 노출된 OT 장비를 겨냥한 공격도 증가했으며, 특히 현대적 사이버 위협을 견디도록 설계되지 않은 OT 방화벽에 의존하는 원격 사이트가 주요 표적이 되었다. 카스퍼스키는 2026년에는 글로벌 물류 및 하이테크 공급망을 교란하는 사고가 증가하는 한편, 스마트 교통 시스템, 선박, 열차·대중교통, 스마트 빌딩, 위성 통신 등 비전통적 대상에 대한 공격도 확대될 것으로 예상했다. APT, 지역 기반 조직, 핵티비스트, 랜섬웨어 조직 등 위협 행위자들은 아시아·중동·라틴아메리카로 활동 범위를 확대할 것으로 전망된다. 아울러 AI 에이전트 기반 운영 및 자율적 악성 오케스트레이션 프레임워크 확산으로 대규모 산업 공격의 진입 장벽은 더욱 낮아질 것으로 보인다. 카스퍼스키의 이효은 한국지사장은 “2025년 산업 환경은 지속적인 압박 속에서 글로벌 위협 지형이 더욱 복잡해졌다. 산업별로 공격 강도는 달랐지만, 모든 핵심 산업군이 주요 공격 대상이 되었다. 공격자들은 공급망 및 신뢰 기반 공격을 강화하고 있으며, AI 기반 공격 또한 급증하고 있다. 2026년에는 이러한 위험이 더 심화될 수 있다. 이에 산업 기업은 정기적 보안 평가, 적기 업데이트, 전문 보안 설루션 활용, 인력 기술 역량 강화 등을 통해 견고한 보안 방어선을 구축해야 한다”고 말했다. 카스퍼스키의 에브게니 곤차로프 ICS CERT 책임자는 “산업 조직은 그 어느 때보다 빠르고 지능적이며 비대칭적인 공격 환경에 직면하고 있다. 올해만 해도 저희는 고도화된 피싱 및 DLL 사이드로딩(악성 DLL 파일을 신뢰할 수 있는 프로그램이나 시스템에서 실행 중인 것처럼 속여 로드시키는 공격 방식)을 통해 제조·통신·물류 기업을 공격한 ‘살몬 슬라롬(Salmon SLAlom, 정식 클라우드와 소프트웨어를 활용해 기존 탐지 방법을 우회한 다단계 악성코드 배포 방식)’과 공학계열 학교 및 산업 설계 환경을 침해한 Librarian Ghouls(공식 문서나 결제 요청 등으로 위장한 이메일을 통해 악성코드 유포)를 조사했다. 이러한 사례는 글로벌 공급망과 지역 기술 생태계 모두가 위험에 처해 있음을 보여주며, 모든 산업 기업은 이미 공격 대상이라는 전제로 대응해야 한다”라고 말했다.

주문형 AI 3D 프린트 플랫폼을 개발·운영하는 어바스가 3D 형상 분석을 기반으로 공정·소재·견적 구성을 자동 추천하는 AI 어시스턴트 엔진을 첫 상용 가동하고, 이를 적용한 3D 프린트 자동 견적 주문 서비스인 엠피니티(MPNITE)를 공식 선보였다.  이번에 공개된 엠피니티는 사용자가 3D 도면 파일을 업로드하면 형상, 두께, 크기, 예상 용도 등을 자동 분석해 FDM, SLA, SLS, MJF 등 적합한 공정과 소재를 추천하고, 내부 구조와 두께 같은 구성 조건까지 제안한다. 추천 결과를 바탕으로 견적과 납기가 자동 산출되며, 플랫폼에 등록된 3D 프린터 가운데 조건에 가장 잘 맞는 장비를 자동으로 매칭해 주문까지 이어지도록 설계된 것이 특징이다.     어바스는 이러한 기능을 통해 중소 제조기업, 메이커, 스타트업 등이 공정과 소재 선택 과정에서 겪는 시행착오와 시간, 비용 부담을 줄일 수 있을 것으로 기대하고 있다. 동시에 3D 프린터를 보유한 수행사 입장에서는 유휴 장비를 줄이고 가동률을 높일 수 있어, 수요자와 공급자 모두에게 효율적인 구조를 만들겠다는 전략이다. 어바스는 향후 CNC 가공, 판금, 사출금형, 시사출 등 중소기업과 산업단지를 중십으로 적용 범위를 넓혀, 종합 스마트 제조 플랫폼으로 엠피니티를 성장시킬 계획이다. 우정석 대표는 “3D 프린트 작업의 가장 큰 장벽 중 하나는 다양한 공정과 다양한 소재에 대한 적합한 구성을 전문가의 도움 없이 진행하기가 어렵다는 점”이라며, “엠피니티는 이 부분을 AI가 학습을 통하여 먼저 정리해 주는 제조 어시스턴트 역할을 하도록 기획됐다”고 설명했다. 그는 이어 “앞으로 축적되는 제조 데이터를 바탕으로 공정 추천 정확도와 납기 예측 성능을 고도화해, 보다 완성도 높은 주문형 AI 제조 설루션으로 발전시켜 나가겠다”고 밝혔다.

개발 및 공급 : 앤시스코리아 주요 특징 : 원클릭으로 전문 지식에 접근 가능한 AI 기반 어시스턴트 지원, AI+ 기능이 탑재된 7종 제품을 통한 시뮬레이션 효율 및 접근성 향상, 데이터 관리 및 워크플로 자동화 강화를 통한 AI 통합 효과 향상 등   앤시스는 자사 전 제품에 AI 기반 시뮬레이션 기능을 확대 적용한 최신 릴리스 ‘앤시스 2025 R2(Ansys 2025 R2)’를 발표했다. 앤시스 2025 R2는 시뮬레이션 속도와 접근성을 크게 향상시키는 동시에 강화된 솔버, 간소화된 워크플로, 파이썬(Python) 호환성 확대, 온디맨드 클라우드 컴퓨팅 지원 등을 통해 설계 유연성과 생산성을 높인다. 특히, 초기 설계 단계에서의 스마트한 의사결정을 가능하게 하여, 차세대 위성부터 데이터센터 설계에 이르기까지 다양한 산업 분야에서 실질적인 가치를 제공한다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스의 시뮬레이션은 물리 기반 설계의 기준점이자 이론과 실험을 연결하는 가교 역할을 해왔다. 50년 이상의 고급 물리 해석 경험을 바탕으로, 앤시스 2025 R2는 더욱 스마트하고 빠르며 복잡한 시뮬레이션을 구현할 수 있도록 지원한다”면서, “모델·메타데이터·추적성·표준 기반의 데이터 활용을 통해 미래의 혁신적인 제품 개발을 위한 엔지니어링 역량을 강화할 것”이라고 강조했다. 앤시스 2025 R2는 AI 기반 다양한 도구와 기능을 통해 시뮬레이션 도입 장벽을 낮추고, 팀 간 협업을 촉진하며, 전사적인 생산성을 향상시켜 더 나은 결과를 창출할 수 있도록 지원한다.   ▲ 앤시스 2025 R2는 시뮬레이션 워크플로 전반의 생산성, 정확성, 인사이트를 향상시키는 AI 기반 기술을 새롭게 선보인다.   물리 기반 AI로 직관적인 시뮬레이션 앤시스 2025 R2는 AI 기반 가상 어시스턴트인 ‘앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)’을 포함한 다양한 신기능을 통해 시뮬레이션의 접근성과 설계 효율, 정확도를 높인다. 앤시스 엔지니어링 코파일럿은 앤시스 GPT(Ansys GPT), 앤시스 웹사이트, 수천 개의 기술 문서, 800개 이상의 이노베이션 강의, 글로벌 포럼, 지원 케이스 생성/추적 기능에 바로 접근할 수 있다. 마이크로소프트 애저(Microsoft Azure)의 니디 체펠(Nidhi Chappell) AI 인프라 부문 부사장은 “마이크로소프트 애저 AI 파운드리와 앤시스 GPT의 통합을 통해 엔지니어들은 핵심 정보에 신속하게 접근하고, 앤시스의 깊이 있는 엔지니어링 전문성을 활용함으로써 생산성을 높이고 혁신을 가속화할 수 있다”고 전했다. 2025 R2는 앤시스 포트폴리오 전반에 AI 기능을 추가했다. 이를 통해 충실도가 높은 시뮬레이션을 자동으로 생성, 검증 및 최적화하여 모델 생성 속도를 높이고, 수동 작업을 줄이며 인적 오류를 줄일 수 있다. 앤시스 엔지니어링 코파일럿은 앤시스 메카니컬(Ansys Mechanical), 앤시스 디스커버리(Ansys Discovery), 앤시스 플루언트(Ansys Fluent), 앤시스 HFSS(Ansys HFSS), 앤시스 일렉트로닉 데스크톱(AEDT), 앤시스 스케이드 원(Ansys Scade One), 앤시스 스피오스(Speos), 앤시스 맥스웰(Maxwell), 앤시스 옵티스랭(optiSLAng), 앤시스 루메리컬(Ansys Lumerical) 등 주요 설루션에 통합되어 있으며, 클릭 한 번으로 축적된 엔지니어링 전문 지식에 대한 즉각적 접근 가능 HFSS 기반 방사 패턴 시뮬레이션의 연산 속도는 17배 향상, 위상 배열 안테나의 빔 조향 정확도 개선으로 5G/6G, 레이더 센서, 위성통신 등 고주파 애플리케이션 최적화 이러한 기능을 향상된 데이터 처리 및 자동화와 결합함으로써, 기업은 새로운 효율을 확보하고 보다 간소화되고 확장 가능한 워크플로를 구축할 수 있다.   데이터 처리 및 자동화를 통한 AI 활용 극대화 앤시스 2025 R2는 복잡한 데이터 처리 및 관리 작업을 간소화함으로써 디지털 엔지니어링의 생산성과 협업 수준을 높인다. 견고한 데이터 관리 체계를 기반으로 제품 수명주기 전반에 걸쳐 데이터를 최대한 활용하고, AI 모델 학습 및 신뢰성 높은 합성 데이터 생성을 지원한다. 또한, 모델 기반 시스템 엔지니어링(MBSE)의 기능이 한층 강화되어 팀 간 신뢰 기반 협업은 물론, 디지털 연속성과 조직 간 통합된 워크플로 체계를 안정적으로 유지할 수 있다. 파이썬 호환성 확장을 통해 워크플로 자동화와 데이터 관리 유연성이 강화되었으며, 반복 가능한 프로젝트 운영과 품질 향상에 기여하고 있다. 40개 이상의 파이썬(Python) 라이브러리를 포함한 파이앤시스(PyAnsys) 컬렉션은 신규 도구인 파이에스티케이(PySTK) 및 파이켐킨(PyChemkin)을 통해 앤시스 설루션과의 자동화 연동을 강화 및 다양한 산업 애플리케이션 내 생산성·효율성 강화 웹 기반 협업 플랫폼인 앤시스 메디니 사이버 보안(Ansys medini Cybersecurity) SE는 위협 분석 및 취약점 관리 자동화 통해 사이버 보안 리스크 최소화 SysML v2 기반 웹 플랫폼 앤시스 시스템 아키텍처 모델러(Ansys System Architecture Modeler : SAM)를 통한 소프트웨어·안전·시뮬레이션 통합, 포괄적 MBSE 구현 지원 스마트 자동화와 고도화된 데이터 관리 기술은, 조직 내 다양한 팀들 간의 유기적이고 효율적인 협업 환경을 구축하고, 고성능 연산 기반으로 도출된 인사이트는 실행 가능한 결과로 제안되어, 정확하고 신속한 의사결정을 지원한다. 대표 사례로, 에너지 효율형 모터 제어 설루션 분야의 글로벌 선도 기업인 댄포스 드라이브(Danfoss Drives)는 앤시스의 시뮬레이션을 활용해 복잡한 시스템 설계를 검증하고, 성능 최적화, 에너지 절감, 운영 신뢰성 향상 등 산업 전반의 지속 가능한 혁신적인 드라이브 기술을 구현하고 있다. 댄포스 드라이브의 가상 설계·테스트·최적화 총괄 책임자인 마이클 라우르센(Michael Laursen)은 “파이앤시스는 사용자 맞춤형 자동화, 시스템 통합, 확장성을 구현하는 핵심 도구이다. 개방형 생태계를 기반으로 다양한 툴을 유기적으로 연결하고 AI 기능을 접목함으로써 설계부터 최적화까지의 워크플로를 가속화할 수 있다”고 밝혔다. 또한 “앤시스 기술은 디지털 설계 프로세스를 고도화하는 동시에 빠르게 변화하는 산업 환경에 유연하게 대응할 수 있는 기반을 마련해줄 뿐만 아니라, 비용 절감과 제품 개발 기간 단축에도 실질적으로 기여하고 있다”고 전했다.   현실을 모사하는 고성능 물리 시뮬레이션 정교한 물리 모델과 시뮬레이션 기술은 복잡한 설계 과제를 해결하는 데 필수이다. 앤시스는 핵심 엔지니어링 역량을 지속적으로 고도화하며, 사용자가 보다 신속하게 시뮬레이션 결과를 도출하고 혁신 기회를 창출할 수 있도록 지원한다. 앤시스 메카니컬(Ansys Mechanical)의 신규 혼합 솔버는 대형 과도 모델의 연산 속도 향상 및 시간에 따른 열 변화 분석 지원 복잡한 적층형 전자 시스템 메싱 작업의 자동화 및 속도·정확도·사용성 향상, 신규 메싱 플로 기능을 통한 수작업 간소화 앤시스 록키(Ansys Rocky) 및 프리플로우(Ansys FreeFlow)를 통한 고급 다물리(multiphysics) 연성 해석 기능 제공, 열·유체-구조·전자기 결합을 포함한 상세 시뮬레이션 및 성능 최적화 지원 앤시스 파워X(Ansys PowerX) 디버깅 툴을 통한 반도체 전력 소자의 설계 시간 단축, 기생 성분 이슈의 신속한 식별, 설정 간소화 및 효율적인 2D 메싱 작업 지원 RF 전력 분야의 기업인 앰플리온은 앤시스의 고급 시뮬레이션 기술을 활용해 4G LTE 및 5G NR 인프라는 물론 산업, 과학, 의료, 방송, 항법, 안전 무선통신용으로 사용되는 고신뢰·고성능 GaN 및 LDMOS 설루션을 설계하고 있다. 앰플리온의 모델링 및 특성화 그룹 팀장인 비토리오 쿠오코(Vittorio Cuoco, Ampleon) 박사는 “전자기, 열, 기계 간의 복잡한 상호작용을 효과적으로 제어하며 RF 전력 제품을 설계하는 일은 매우 까다로운 과제”라며, “앤시스의 설루션은 이러한 복잡성을 정면으로 해결할 수 있는 정밀한 시뮬레이션을 제공해 설계 리스크를 줄이고 제품 신뢰성을 높이는 데 도움이 되며, 그 결과는 성능 향상, 에너지 절감, 그리고 더 높은 효율성이라는 측면에서 크다”라고 전했다. 이러한 가속화는 클라우드 기반 시뮬레이션의 유연성을 통해 한층 강화된다. 온디맨드 방식의 기술을 적극 활용함으로써, 기업은 디지털 전환을 보다 수월하게 실현할 수 있다.   클라우드 기반 시뮬레이션 통한 디지털 전환 가속 앤시스 2025 R2는 클라우드 기술, 고성능 컴퓨팅(HPC), GPU 최적화 인프라를 적극 활용하여 연산 효율과 시뮬레이션 확장성을 극대화한다. 이를 통해 고객은 더 많은 설계 가능성을 더 짧은 시간 안에 탐색할 수 있으며, 웹 기반 및 온디맨드 기능 확장을 통해 엔지니어는 필요한 툴에 손쉽게 접근할 수 있으며 데스크톱 환경을 넘어서는 개발 역량 확보가 가능해졌다. 앤시스 아이스팩(Ansys Icepak) 및 플루언트 GPU 솔버(Fluent GPU Solver)를 통한 전자 냉각 시뮬레이션 연산 속도 최대 2.5배 향상, 앤시스 플루언트(Ansys Fluent) 웹 인터페이스에서는 제한적 GPU 솔버 기반의 실시간 모니터링 기능 제공 앤시스 디스커버리(Ansys Discovery)의 메싱 기능 개선을 통한 시뮬레이션 신뢰도 및 품질 향상, GPU 기반의 셋업 속도 개선으로 더 빠르고 안정적인 해석 환경 구현 앤시스 클라우드 버스트 컴퓨팅(Ansys Cloud Burst Compute)의 온디맨드(on-demand) HPC 성능이 앤시스 스피오스(Speos) 및 루메리컬 FDTD(Lumerical FDTD) 포함한 6종 제품에 적용, 별도 설치나 IT 지원 없이 고성능 클라우드 환경 활용 가능     ■ 기사 내용은 PDF로도 제공됩니다.

3D CAD 데이터 경량화 및 디지털 트윈 포맷 변환 솔루션, DXE TraSLAtor    ■ 개발 및 자료제공 : 팀솔루션, www.timsolution.io   최근 많은 기업에서 디지털 전환 과정에서의 3D 모델링 과정에 초기비용 부담과 편집 등의 활용이 어려운 한계를 겪고 있다. 이러한 문제를 해결하기 위해서 팀솔루션은 3D CAD의 구조를 편집하는 솔루션을 출시했다. 이러한 솔루션을 이용하여 조선선박, 자동차, 반도체, 기계설비 등 제조산업의 고객사들은 초기 디지털 트윈 환경을 구현하는데 과도한 비용을 투자하지 않아도 되고, 실시간 데이터를 역동적으로 볼 수 있으며, 도입 이후 장기적 유지보수에도 효율적인 디지털 트윈 솔루션을 구현할 수 있다. 1. 제품의 주요 특징  팀솔루션의 주요 제품인 DXE TranSLAtor(딕시 트랜스레이터)의 가장 큰 특징은 고객이 이미 보유하고 있는 기업 자산인 3D CAD 데이터를 활용한다는 것이다. 이를 통해서 고객은 디지털 트윈 진입 장벽을 낮추는 동시에 정밀도 높은 디지털 트윈 구현이 가능하다. 2. 주요 기능 DXE TranSLAtor는 30여종의 3D CAD 데이터를 5가지 범용적 디지털 트윈 포맷으로 변환하는 한편, 3D CAD의 외형 추출, 구조 경량화, mesh 등의 형상경량화를 노코딩 환경으로 지원한다. 이는 전문지식을 갖춘 프로그래머가 아니더라도 3D 모델과 디지털 트윈에 대한 손쉬운 학습과 유지보수를 가능하게 한다. 3. 도입 효과 DXE TranSLAtor는 3D CAD 데이터의 구조 중에서 필요한 데이터만 추출하는 동시에 외형은 그대로 유지하여 방법을 채택했는데 이 덕분에 고객은 이 디지털 트윈 자산과 3D CAD 데이터를 여러번 재사용하는 것이 가능하다. 결국 고객은 프로젝트 단위별, 혹은 부서별 예산 지출이 아닌 전사적 디지털 전환 예산 사용을 통해 장기적이고 효율적인 디지털 트윈 운영이 가능하다. 4. 주요 고객 사이트 현대중공업, 한국조선해양, 현대자동차 등    상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

3D시스템즈 3D 프린터 리스 프로모션 진행됩니다. PLSA 270 리스 프로모션 상담 신청 및 브로셔 다운로드 고객을 위한 이벤트 진행됩니다.   쓰리디시스템즈 내용이 잘 보이지 않으십니까? 여기를 클릭하십시오.

앤시스 워크벤치를 활용한 해석 성공 사례   오늘날 도시화와 인구 증가에 따라 공동주택의 필요성이 증가함에 따라, 공동주택 건설은 지속적으로 연구되며 다양한 방식으로 발전해왔다. 그러나 벽, 바닥, 천장 등 구조물을 공유하는 특성상 층간 소음 문제는 여전히 해결되지 않고 있다. 층간 소음을 최소화하기 위한 다양한 차단 방법이 고안 및 시공되고 있지만, 충격음 저감 대책에 따른 소음 예측은 주택별로 구조물 형태나 저감 대책 등 다양한 변수를 고려해야 하기 때문에 해석만으로는 거의 진행되지 않고 실험 위주 혹은 병행하며 이뤄지고 있다. 이번 호에서는 기존 실험조건의 문헌에 맞춘 해석 모델을 생성하고, 충격음에 대해 예측하는 방법에 대해 소개하고자 한다.    ■ 이효행 태성에스엔이 MBU-F4 팀의 수석 매니저로 원자력, 엔지니어링, 건설, 시험기관 업체를 담당하고 있다. 담당 업무로는 구조해석의 기술지원 및 사내/사외 교육, 세미나, 용역 업무가 있다. 특화된 해석 분야는 구조해석 중 dynamics와 acoustic, geomechanic이며, 20년 넘게 앤시스를 사용하여 구조해석을 수행하고 있다. 홈페이지 | www.tsne.co.kr   바닥 충격음의 제도 변화 바닥 충격음을 최소화하고 건물 내부의 소음 환경을 개선하기 위해 다양한 기술과 방법이 도입되고 있다. 또한 건축물의 품질과 주민의 생활 편의성을 향상시키기 위해 제도 또한 시간이 흐름에 따라 변화하고 발전해왔다. 시기별로 바닥 충격음 제도는 다음과 같이 변화했다. 2003년 4월 22일 개정 정성적인 문구에서 정량적인 기준으로 변경 경량충격음은 58데시벨 이하, 중량충격음은 50데시벨 이하로 제한 표준바닥구조와 바닥 충격음 차단성능등급이 도입 2013년 5월 6일 개정 표준바닥구조의 슬래브 두께가 규정에 포함 중량충격음은 표준 중량충격력 특성-1(뱅머신)로 측정, 평가는 역A-가중 최대 바닥 충격음레벨로 진행 2022년 8월 4일 개정 경량충격음 기준은 58dB 이하에서 49dB 이하로, 중량충격음 기준은 50dB 이하에서 49dB 이하로 강화 중량충격음은 표준 중량충격력 특성-2(임팩트볼)로 측정, 평가는 A-가중 최대 바닥 충격음레벨로 진행 이와 같이 해석만으로 인증을 진행하는 경우는 없으며, 골조 완공 후 건축물의 내부에서 측정하여 인증을 진행한다.   해석 개요 대부분의 예측이 그렇지만, 특히나 바닥 충격음을 예측하기 위해서는 해석만으로는 어렵다. 따라서 실험과 병행해야 하며 해석에 대한 오차를 줄여야 한다. 이에 따라 다음과 같은 순서로 진행하는 것을 권장한다.   ① 바닥 충격음 실험 ② 실험과 유사한 해석 모델 구현 및 해석 ③ 고유진동수와 FRF를 비교 분석(필요에 따라 ②에서 다시 시작) ④ 발생 소음 상대 비교   구조물(구조 평면)이 달라질 경우 전달되는 충격에 따른 소음의 특성이 변화하며, 저감 대책에 변화가 필요할 수도 있다. 직접 실험을 진행하기 어렵기 때문에 참고자료 1)을 바탕으로 해석을 진행하였다. 해석 모델이 실험의 동특성을 유사하게 구현(<표 1>의 Test No. 1 & 2)되었음을 확인하였으며, <표 1>과 같이 해석 설정에 따라 어떠한 변화가 있는지 확인하고자 한다. 비교 대상은 다음과 같다. 구조물의 고유진동수와 FRF는 참고자료 1)과 유사하게 발생하도록 설정 단위하중을 가하여 참고자료 1)의 가속도 FRF와 유사하게 발생하는지 비교 단위하중을 가한 부분에 한하여 MSUP 방식과 FULL method와 소음 해석 결과를 비교 음향 해석을 위해 velocity mapping과 coupled-field FSI 방식의 소음 차이 확인 중량 충격(1500N)에 따른 소음 변화 확인 하중 면적에 따른 소음 변화 확인 뜬바닥 구조(바닥 마감 구조 시공)는 비교하지 않음   표 1. Hyper parameters design to train BIM-based LLM   해석 모델 참고자료 1)을 참고하여 다음과 같이 해석 모델을 생성하였다.    (a) Full   (b) Section  그림 1. 해석 모델   Room 내부 크기 : 4.5m×5.1m×2.7m(SLAb 두께가 변경되더라도 receive room inner size는 동일) 벽체 두께 : 150mm     ■ 자세한 기사 내용은 PDF로 제공됩니다.