엔비디아가 복잡한 자율 로봇 조작 분야를 발전시키기 위해 알파벳(Alphabet)의 소프트웨어와 AI 로보틱스 회사인 인트린직(Intrinsic)과 협력해 엔비디아 AI와 아이작(Isaac) 플랫폼 기술을 통합했다고 소개했다. 미국 시카고에서 열리는 오토메이트(Automate) 전시회에서 인트린직은 로봇 파지(grasp) 기술의 발전 내용을 소개한다. 또한 엔비디아 아이작 매니퓰레이터(Isaac Manipulator)로 구현된 파운데이션 모델로 산업 확장성을 지원해, AI를 통한 산업 자동화의 새로운 가치를 선보일 예정이다. 엔비디아는 지난 3월 GTC에서 파운데이션 모델과 모듈식 GPU 가속 라이브러리의 모음인 아이작 매니퓰레이터를 공개했다. 아이작 매니퓰레이터는 산업 자동화 기업의 AI 모델 훈련과 작업 재프로그래밍을 가속화해, 동적 조작 작업을 위한 확장과 반복이 가능한 워크플로를 구축할 수 있도록 지원한다. 파운데이션 모델은 신경망이 데이터의 관계를 추적해 학습하게 하는 트랜스포머 딥러닝 아키텍처를 기반으로 한다. 일반적으로 방대한 데이터 세트에 기반해 학습되며, 텍스트용 챗GPT(ChatGPT)처럼 센서와 로봇 정보를 처리하고 이해하는 데에 사용할 수 있다. 이를 통해 이전과는 전혀 다른 로봇의 인식과 의사 결정이 가능해지며, 사전 예제 없이도 작업을 수행할 수 있는 제로샷 러닝(zero-shot learning)을 제공한다.      파지 기술은 로봇 공학에서 오랫동안 추구된 기술로, 지금까지는 프로그래밍하는데 드는 많은 시간과 비용의 문제로 인해 확장하기가 어려웠다. 그 결과 지금까지 로봇은 반복적인 픽앤플레이스(pick-and-place) 조건을 원활하게 처리하는데 어려움이 있었다. 이런 문제는 시뮬레이션을 활용함으로써 개선할 수 있을 전망이다. 인트린직은 엔비디아 아이작 심(Isaac Sim)과 함께 엔비디아 옴니버스(Omniverse) 플랫폼에 합류했다. 이들은 판금과 흡입 그리퍼의 컴퓨터 지원 설계 모델을 사용해 진공 그립을 위한 합성 데이터를 생성했다. 이를 통해 인트린직은 산업용 공작 기계의 선두 제조업체인 트럼프 머신 툴스(Trumpf Machine Tools)의 고객사를 위해 프로토타입을 제작할 수 있었다. 이 프로토타입은 AI 기반 로봇 솔루션용 개발자 환경인 인트린직 플로우스테이트(Flowstate)를 사용해 프로세스, 관련 인식 그리고 모션 계획을 시각화한다. 아이작 매니퓰레이터가 포함된 워크플로를 통해 파지 자세와 쿠다(CUDA) 가속 로봇 모션을 구현할 수 있다. 또한 인트린직 플랫폼으로 실제 환경에 배포하기 전에 이를 먼저 아이작 심을 사용한 시뮬레이션으로 평가해 비용을 절감할 수 있다. 이번 협력을 통해 엔비디아와 인트린직은 로봇 팔을 위한 최첨단의 조작 민첩성과 모듈식 AI 기능을 제공할 계획이다. 이는 강력한 파운데이션 모델 모음과 GPU 가속 라이브러리를 통해 보다 많은 새로운 로봇 공학과 자동화 작업 가속화를 가능하게 한다. 엔비디아는 인트린직과 협업을 통해 그리퍼(gripper), 환경 그리고 물체 전반에 걸쳐 보편적으로 적용할 수 있는 로봇 파지 기술의 잠재력을 소개한다는 비전을 내세운다. 인트린직의 웬디 탠 화이트(Wendy Tan White) CEO는 “광범위한 업계에서 엔비디아와의 협력은 파운데이션 모델이 얼마나 큰 영향을 미칠 수 있는지 보여준다. 여기에는 오늘날의 처리 과제를 대규모로 관리하기 쉽게 만들고, 이전에는 실현 불가능했던 애플리케이션을 만들고, 개발 비용을 절감하고, 최종 사용자를 위한 유연성을 높이는 것이 포함된다"고 말했다. 

레노버는 에지부터 클라우드까지 하이브리드 AI 혁신을 지원하기 위해 새로운 맞춤형 AI 인프라 시스템 및 솔루션 제품군을 발표했다. 레노버는 다양한 환경과 산업에서 컴퓨팅 집약적인 워크로드를 처리하기 위해 폭넓은 GPU 옵션과 높은 냉각 효율성을 지닌 솔루션을 선보인다.    ▲ 씽크시스템 SR685a V3 GPU 서버   레노버는 AMD와 협력하여 씽크시스템(ThinkSystem) SR685a V3 GPU 서버를 선보였다. 이 서버는 고객에게 생성형 AI 및 대규모 언어 모델(LLM)을 포함해 컴퓨팅 수요가 많은 AI 워크로드를 처리하는데 적합한 성능을 제공한다. 또, 금융 서비스, 의료, 에너지, 기후 과학 및 운송 업계 내 대규모 데이터 세트를 처리하기 위한 빠른 가속, 대용량 메모리 및 I/O 대역폭을 제공한다. 새로운 씽크시스템 SR685a V3은 엔터프라이즈 프라이빗 온프레미스 AI와 퍼블릭 AI 클라우드 서비스 제공자 모두에게 최적화된 솔루션이다. 씽크시스템 SR685a V3는 금융 서비스 분야에서 사기 탐지 및 예방, 고객확인정책(KYC) 이니셔티브, 리스크 관리, 신용 발행, 자산 관리, 규제 준수 및 예측을 지원하도록 설계되었다. 4세대 AMD 에픽(EPYC) 프로세서와 AMD 인스팅트 MI300X GPU을 탑재하고 있으며, AMD 인피니티 패브릭으로 상호연결되어 1.5TB의 고대역폭(HBM3) 메모리, 최대 총 1TB/s의 GPU I/O 대역폭 성능을 제공한다. 공기 냉각 기술로 최대 성능을 유지하고 엔비디아의 HGXTM GPU와 향후 AMD CPU 업그레이드를 지원하는 등 유연성도 높였다. 레노버는 AMD EPYC 8004 프로세서를 탑재한 새로운 레노버 씽크애자일(ThinkAgile) MX455 V3 에지 프리미어 솔루션으로 에지에서 AI 추론 및 실시간 데이터 분석을 제공한다. 이번 다목적 AI 최적화 플랫폼은 에지에서 새로운 수준의 AI, 컴퓨팅 및 스토리지 성능을 제공하며, 높은 전력 효율성을 제공한다. 온프레미스 및 애저 클라우드와의 원활한 통합을 지원하며, 고객이 간소화된 라이프사이클 관리를 통해 총소유비용(TCO)을 절감하고 향상된 고객 경험을 얻으며 소프트웨어 혁신을 보다 빠르게 채택하도록 돕는다. 리테일, 제조 및 의료 분야에 최적화된 해당 솔루션은 낮은 관리 오버헤드, 레노버 오픈 클라우드 자동화(LOC-A) 툴을 통한 신속한 배포, 애저 아크(Azure Arc) 지원 아키텍처을 통한 클라우드 기반 매니지먼트, 마이크로소프트와 레노버가 검증한 지속적인 테스트와 자동화된 소프트웨어 업데이트를 통한 보안, 신뢰성 향상 및 다운타임 절감 등을 주요 특징으로 한다.   ▲ 씽크시스템 SD535 V3 서버   레노버와 AMD는 열효율성이 뛰어난 다중 노드의 고성능 레노버 씽크시스템 SD535 V3 서버도 공개했다. 이 제품은 단일 4세대 AMD 에픽 프로세서로 구동되는 1S/1U 절반 너비 서버 노드로 집약적인 트랜잭션 처리를 위해 랙당 퍼포먼스를 극대화시켰다. 이는 모든 규모의 기업을 위한 클라우드 컴퓨팅, 대규모 가상화, 빅 데이터 분석, 고성능 컴퓨팅 및 실시간 전자 상거래 트랜잭션을 포함해 워크로드에 대한 처리 능력과 열 효율성을 극대화한다. 한편, 레노버는 기업이 AI 도입으로 역량을 강화하고 성공을 가속화할 수 있도록 레노버 AI 자문 및 프로페셔널 서비스를 발표했다. 이 서비스는 모든 규모의 기업이 AI 환경에서 효율적인 비용으로 신속하게 알맞는 솔루션을 도입하고 AI를 구현할 수 있도록 다양한 서비스, 솔루션 및 플랫폼을 제공한다. 이 과정은 5단계, ‘AI 발견, AI 자문, AI의 빠른시작, AI 배포 및 확장, AI 관리’로 정리할 수 있다. 레노버는 먼저 보안, 인력, 기술 및 프로세스 전반에 걸쳐 조직의 AI 준비도를 평가하고, 이를 기반으로 조직의 목표에 맞는 가장 효과적인 AI 채택 및 관리 계획을 제안한다. 그런 다음, 레노버 전문가들은 이에 필요한 AI 요소를 설계 및 구축하고, AI 구현을 위한 도구 및 프레임워크를 배포하며, AI 시스템을 유지, 관리 및 최적화할 수 있는 지침을 제공한다. 마지막으로 레노버는 고객과 협력하여 배포부터 시작해 IT 제품 라이프사이클 전반을 지원하고, AI 사용 사례와 AI 성숙도가 함께 성장할 수 있도록 AI 이노베이터 생태계를 지속적으로 관리 및 발전시키고 있다.  레노버 AI 자문 및 프로페셔널 서비스를 통해 고객은 전문적인 IT 팀의 지원을 받아 AI 구현의 복잡성은 완화하고 실질적인 비즈니스 성과를 빠르게 낼수 있다. 레노버는 엔드 투 엔드 서비스, 하드웨어, AI 애플리케이션 및 서비스를 총동원해 고객이 AI 여정의 모든 단계에서 성장하도록 돕는다. 이는 결국 AI 도입을 간소화하여 모든 규모의 조직을 대상으로 AI 접근성을 높이고 산업 전반에 걸쳐 혁신적인 인텔리전스를 구현할 수 있도록 지원한다.  금융 서비스나 의료 업계 분야의 고객은 대량의 데이터 세트를 관리해야 하며 이는 높은 I/O 대역폭을 필요로 하는데, 레노버의 이번 신제품은 중요한 데이터 관리에 필수인 IT 인프라 솔루션에 초점을 맞추었다. 레노버 트루스케일 (Lenovo TruScale)은 고객이 까다로운 AI 워크로드를 서비스형 모델로 원활하게 통합할 수 있도록 유연성과 확장성을 지원한다. 또, 레노버 프로페셔널 서비스(Lenovo Professional Services)는 고객이 AI 환경에 쉽게 적응하고, AI 중심 기업들이 끊임없이 진화하는 요구사항과 기회를 충족할 수 있도록 돕는다. 레노버의 수미르 바티아(Sumir Bhatia) 아시아태평양 사장은 “레노버는 AMD와 함께 획기적인 MI300X 8-GPU 서버를 출시하며 AI 혁신에 앞장섰다. 레노버는 대규모 생성형 AI 및 LLM 워크로드를 처리할 수 있는 고성능을 제공함으로써 AI의 진화를 포용할 뿐만 아니라 더욱 전진시키고 있다. AMD의 최첨단 기술을 기반에 둔 우리의 최신 제품은 시장을 선도하겠다는 포부를 담고 있다. CIO의 AI 투자가 45% 증가할 것으로 예상됨에 따라, AMD MI300X 기반 솔루션의 포괄적인 제품군은 조직의 지능적인 혁신 여정에 힘을 실어줄 것”이라고 말했다.  레노버 글로벌 테크놀로지 코리아 윤석준 부사장은 “레노버는 하이브리드 AI 솔루션을 통해 국내에 다양한 기업을 지원하며 AI 혁신에 앞장서고 있다. 올해 한국 기업의 95% 이상이 생성형 AI에 투자할 계획을 갖고 있는 가운데, AI 도입이 증가하고 있다는 사실은 분명하다. 우리는 AI가 경쟁 우위를 확보하는 데 중추적인 역할을 한다는 점을 인지하고 AMD와 협력하여 포괄적인 AI 시스템 및 솔루션 제품군을 출시했다. 레노버는 금융 서비스 분야의 통찰력 가속화부터 의료산업 내 성능 강화까지 혁신적인 인텔리전스 분야를 선도하고 있다. AMD 기술로 구동되는 신규 씽크시스템 및 씽크애자일 제품은 에지 및 클라우드 환경 전반에 걸쳐 전례 없는 성능과 효율성을 제공하며 AI 배포를 혁신한다”고 전했다.

주영섭 특임교수 / 서울대학교 공학전문대학원(前 중소기업청장)   매년 1월 초 미국 라스베이거스에서 열리는 CES(소비자전자쇼)는 미래 기술 트렌드를 제시하는 세계 최대 기술 전시회라는 면에서 그 중요성이 날로 커지고 있다. CES는 1967년 뉴욕에서 시작하여 초기에는 가전제품을 중심으로 열렸으나, 2000년대 들어 자동차 및 헬스케어 분야로 확대되고 최근 AI(인공지능), 5G/6G 통신, 로봇, 드론, 메타버스 등 디지털 기술을 물론 우주, 스마트 시티, 푸드테크, 블록체인 및 웹3.0 등 사실상 첨단기술 전 분야를 망라하고 있다. 세계가 디지털·그린·문명 대전환 시대를 맞이하고 과학기술이 국가와 기업의 명운을 좌우하는 기술패권 시대로 접어들면서 기술의 트렌드를 이해하고 기술 역량을 확보하는 것이 생존과 발전의 필수 요건이 되고 있다. CES가 기업인은 물론 정부 관계자들이 반드시 가봐야 하는 중요한 전시회가 되고 있는 이유다. 특히 작년부터 전 세계를 강타하고 있는 챗(Chat)GPT 등 생성형 AI가 CES 2024의 핵심 화두가 되면서 새해 세계인의 관심이 더욱 집중된 바 있다. 올해 CES 2024에는 153개국에서 4,300개사가 전시업체로 참여하여 작년 3,200개를 훨씬 상회하고 참관 인원도 13만 5천명으로 작년의 11만 5천명을 대폭 초과하는 성황을 이루었다. 국가별로 전시업체 수를 비교해 보면 1위는 주최국인 미국으로 1,201개, 2위는 중국으로 1,115개, 3위가 한국으로 784개다. 우리나라는 올해 작년의 598개 대비 대폭 증가한 역대 최다 전시업체 참여로 CES 주관기관이 올해 핵심 키워드가 ‘Korea’라며 향후 CES의 주도국으로 큰 기대감을 내비치고 있다. 과거 우리 기업의 CES 참가는 삼성, LG, 현대기아차 등 대기업 중심으로 이루어졌으나 최근 스타트업‧벤처 기업 참여의 증가세가 괄목할 만하다. 올해 600개사 참여로 역대 최다 기록이다. 전 세계 1,200개 스타트업 기업의 혁신 기술 경연장이 된 유레카관에 우리 스타트업 기업이 443개 참여하여 프랑스 180개, 일본 60개, 네덜란드 60개 등 다른 나라를 압도하였다. 향후 많은 개선의 여지는 있으나 우리 기업과 정부의 다년간의 스타트업 육성 및 글로벌화 의지에서 나온 고무적 성과다. CES를 주도하고 있는 첨단 기술분야가 사실상 제조업의 현재와 미래를 망라하고 있다. 전자·ICT, 반도체, 배터리, 모빌리티, 로봇, 바이오, 헬스케어, 우주항공 등이 모두 첨단 제조업이다. 구조적으로 수출 등 해외의존도가 높은 우리 경제에서 제조업의 중요성이 절대적인 만큼 CES의 중요성도 대단히 중요하다. 이러한 맥락에서 CES에서 우리 대기업 및 스타트업‧벤처 기업의 존재감과 활약의 대폭 확대는 중장기적으로 큰 전략적 의미를 가지고 있다고 하겠다.   CES 2024  전시회    CES 2024가 제시한 기술 트렌드 및 패러다임 혁신은 우리 기업에 많은 시사점을 던지고 있다. 먼저 ‘기술 중심’에서 ‘기술의 목적(Purpose) 중심’으로 패러다임이 전환되고 있음을 주목해야 한다. 즉, 기술을 위한 기술 혁신이 아니라 인류를 위한 기술 혁신이어야 한다는 목적 중심으로의 관점 전환이 중요하다. CES는 작년부터 ‘모두를 위한 인류 안보 (Human Security for All)’라는 핵심 슬로건을 제시하며 세계가 모두 함께 기술 혁신으로 인류의 문제를 해결하자고 역설했다. 환경, 식량, 의료, 경제, 개인 안전 및 이동, 공동체 안전, 정치적 자유의 7개 분야에 올해 AI 등 기술이 추가된 8개 분야에서 인류가 당면하고 있는 큰 위험으로부터 인류를 구해내기 위해서는 새로운 기술혁신이 필요하다는 것이다. 우리 제조업의 당면과제인 ‘빠른 추격자(Fast Follower)’에서 ‘선도자(First Mover)’로의 전환에 성공하려면 세계인에 새로운 시대정신 기반의 ‘인류를 위한 기술 혁신’을 제시할 수 있어야 한다. CES의 핵심 슬로건인 ‘모두를 위한 인류 안보’는 우리 제조업의 기술 혁신이 지향할 목적으로 의미가 크다. 다음으로 CES 2024의 핵심 키워드인 ‘AI 전환(AX)’과 ‘지속가능성’에 주목해야 한다. AX는 디지털 전환(DX)의 핵심으로 기존의 분류형·예측형 AI에 생성형 AI가 가세함으로써 모든 산업 및 기업에 AX는 필수적 기본이 되고 있다. AX는 연결·데이터·AI가 3대 핵심요소인 DX의 핵심이지 별개가 아님은 두말할 여지가 없다. 우리 모든 기업, 기관 및 정부의 AX가 시급하다. 기업의 AX는 두 가지로 추진되어야 한다. 하나는 AI를 기반으로 개인화 및 맞춤화 등을 포함한 제품 및 서비스의 혁신이고, 또 하나는 AI를 통한 업무 및 작업의 생산성과 효율성의 획기적 제고다. 올해 AI 기반의 제품 혁신에서는 ‘온 디바이스(On-Device) AI’가 크게 부각되었다. 스마트폰, PC 및 노트북, 자동차, 로봇, 가전제품에 AI를 올리기 위한 ‘온 디바이스 AI’가 급속도로 확산될 전망이다. 이에 따라 AI 반도체, 센서, 클라우드 및 데이터 인프라, 디바이스 등 AI 생태계 구축이 국가적 과제가 되고 있다. 지속가능성’은 ‘환경’과 ‘사회’의 두 방향으로 추구되고 있다. ‘환경의 지속가능성’은 그린 대전환(GX)의 핵심이며 CES 2024에서는 탄소중립을 목표로 친환경 소재, 순환경제, 재생에너지 인프라, 수소, 핵융합 등 대체에너지가 큰 주목을 받았다. ‘사회의 지속가능성’은 ESG(환경·사회·지배구조)의 중요 축이며 사회 양극화, 젠더, 노소, 인종, 소외계층 등 사회문제 해결에 기여하는 포용적 기술 혁신이 크게 부상하였다. 이 역시 우리 제조업에의 시사점이 크다. 끝으로, 협력의 중요성이다. 속도가 너무 빠른 기술 혁신과 목적 중심의 패러다임 전환에 따라 협력 및 융합이 필수적으로 요구되고 있다. CES 2024에서도 이종 업종 간은 물론 동종 업종 내에서도 다양한 협력 사례가 제시되었다. AI 생태계 구축, 연결의 상호호환성 표준 등이 좋은 예다. 역시 우리 제조업계가 많은 노력을 해야 할 대목이다.  

스트라타시스가 나일론(PA) 계열 및 PP 파우더 재료 기반 자사의 선택적흡수융합(SAF : Selective Absorption Fusion) 기술을 고도화해 한층 업그레이드한 고해상도 3D 프린터 ‘H350 버전 1.5 (H350 V1.5)’를 출시했다. 스트라타시스는 이번 업그레이드로 보다 폭넓은 산업 공정에서 한층 정밀해진 3D 프린팅을 적층제조(additive manufacturing)에 도입할 수 있을 것으로 기대하고 있다. H350 V1.5는 센서와 원격 서비스 기능이 개선되어 프린터 작동과 관리가 간편해졌다. 기존의 H350 모델도 펌웨어 업데이트를 통해 SAF 기술이 적용된 고해상도 프린팅을 구현할 수 있다. SAF 기술 고도화로 추가된 고해상도 기능은 더욱 정교한 프린팅을 지원한다. 이를 통해 제조기업은 3D 프린팅 공정을 안정적으로 반복해 적층제조를 빠르게 확장하고, 복잡한 부품의 제작과 설계까지 제작 역량을 확장할 수 있다. 항공우주, 자동차, 의료 등의 산업 분야의 기업은 SAF 열 제어를 활용해 기어 및 메커니즘과 같이 부드럽고 정밀한 기능이 필요한 애플리케이션을 제작할 수 있다.      스트라타시스의 아담 엘리스(Adam Ellis) 기업 애플리케이션 매니저는 “고해상도 프린팅을 통해 더 강한 내구성, 이동식 조립 공정 및 새로운 범위의 애플리케이션을 고객에게 제공할 수 있게 됐다”면서, “이번 기술 출시로 고객의 생산 역량을 확장 및 개선하고 제조 분야에서 3D 프린팅 도입을 확대하는 데 도움이 될 것”이라고 말했다. 스트라타시스의 토벤 랑가(Torben Lange) SAF 연구 개발 담당 부사장은 “추가 기능이 업그레이드된 H350은 고객이 원하는 성능에 부합하는 제품으로, 특히 적층제조 및 SAF 기술의 이점을 극대화할 수 있도록 지원한다”면서, “새로운 애플리케이션과 사용 사례를 통해 제조업체는 속도나 품질 저하 없이 보다 복잡한 부품을 생산할 수 있게 될 것”이라고 말했다.

AI 영상 분석 전문기업인 씨이랩은 5월 1일~3일 서울 코엑스에서 열리는 ‘2024 국제인공지능대전(AI EXPO KOREA 2024)’을 통해 영상분야에 특화된 AI 제품을 선보였다고 전했다. 씨이랩은 이번 전시회에서 ▲AI 영상 분석 서비스 ‘비디고(VidiGo)’ ▲합성 데이터 생성 솔루션 ‘엑스젠(X-GEN)’ ▲쿠버네티스 기반 AI 플랫폼 ‘아스트라고(astrago)’ 등 자사의 비전 AI 기술이 적용된 주요 제품을 출품했다. 특히 씨이랩은 클라우드 기반 AI 영상분석 서비스 비디고의 신규 버전인 ‘비디고 서치엔진(VidiGo Search Engine)’을 공개했다. 비디고 서치엔진은 영상을 시청하지 않고도 검색을 통해 특정 객체나 장면을 AI가 빠르게 찾아낸다. 영상을 요약하거나 숏폼을 제작하는 ‘비디고 하이라이트(VidiGo Highlight)’의 후속 제품이다. 씨이랩의 최원준 리더는 “비디고 하이라이트는 누구나 쉽게 AI 영상 분석을 진행할 수 있도록 카카오톡 채널을 통해 출시한 반면, 비디고 서치엔진은 대규모의 영상을 보유한 기업을 타기팅하고 있다. 이번 행사에서 비디고의 주요 타깃인 미디어 산업 분야의 참관객들에게 높은 관심을 받았다”고 말했다.     한편, 씨이랩은 AI 엑스포의 부대행사로 ‘비전 AI의 현재와 미래’라는 주제의 세미나를 진행했다. 세미나에서 씨이랩의 채정환 부사장은 “현재의 AI 시장은 초거대 언어 모델(LLM) 중심으로 발전해왔고, 머지않아 초거대 비전 모델(LVM : Large Vision Model) 중심으로 확대될 것으로 전망한다”고 밝히며, 엔비디아 옴니버스 플랫폼과의 협력을 통한 LVM 구성 전략을 제시했다.

ingectar-e 저자(글) / 구수영 번역 / 20,000원 / 제이펍 '갖고 싶다'라는 생각이 들게 하는 좋아 보이는 디자인에서 더 좋아 보이는 디자인은 어떻게 만드는 것일까? 갈수록 디자인 경쟁이 치열해지면서 실시간 온라인 검색을 통해 더 예쁘고 독특하고 눈에 잘 띄는 디자인 제품을 찾는 시대에 살고 있다. 소비자의 지갑을 열 수 있는 무한 경쟁의 시대에 상품을 선택하는 기준의 큰 차이가 디자인도 한몫을 담당하고 있다. <퀴즈로 배우는 디자인>은 어떤 게 더 좋아 보이냐고 질문을 던지고, 선택한 디자인이 맞는지 틀리는지 정답을 알려주면서 왜 그 디자인이 좀 더 눈길을 끄는지 소상하게 알려준다. 총 47개의 퀴즈를 풀면서 디자인 감각을 키울 수 있도록 구성된 이 책은 누구나 쉽게 디자인의 매력에 빠질 수 있도록 안내하고 있다. 하지만 퀴즈 문제의 정답만을 찾는 것이 능사는 아니다. 이 책에서는 A와 B 타입의 조금씩 다른 디자인을 사진을 보여주면서 어떤 게 더 좋은 디자인이지 알려준다. 이렇게 하나씩 퀴즈를 풀다 보면 디자인 기초를 닦는 것은 물론, 전달 능력이 향상된다거나 머릿속 이미지를 구체화하는 등 디자인 속에 담긴 비밀의 열쇠를 하나씩 돌려 열 수 있게 될 것이다. 특히 레이아웃부터 컬러, 디자인 마케팅까지 평생 써먹을 수 있는 디자인의 숨겨진 비밀이 무엇인지 궁금하다면 이 책을 꼭 살펴보시기 바란다. 이 책은 더 좋아 보이는 디자인을 고르는 방법을 퀴즈 형식으로 구성해 다양한 디자인 감각을 좀 더 쉽게 배울 수 있도록 구성되어 있다. 총 47종류의 디자인 페이지를 보다 보면 어느 것이 더 좋아 보이는지 보는 눈의 감각을 키울 수 있다. 또한, 2가지 중에서 선택한 디자인이 더 좋아 보이는 이유와 관련 디자인 지식까지 체계적으로 배울 수 있다. 지금부터라도 디자인 감각을 한층 더 끌어올리고 싶은 크리에이터나 예비 디자이너에게 추천한다.

시뮤텐스 소프트웨어를 활용한 복합소재 해석 (2)   시뮤텐스(SIMUTENCE)의 시뮤필(SimuFill)은 성형 프로세스 모델링을 위한 기존 소프트웨어 아키텍처(아바쿠스 및 몰드플로우 플러그인)를 개선하여 고급 압축 및 사출 성형 분석이 가능하다. 시트 몰딩 컴파운드(SMC), 장섬유 강화 열가소성 수지(LFT) 및 유리 매트 열가소성 수지(GMT)의 압축 성형은 단섬유 섬유 복합재에 가장 많이 적용되는 제조 공정 중 하나이다. 그러나 이러한 재료를 성형하면 부분적으로 채워진 캐비티(미충진 영역)가 수반될 수 있어, 섬유 배향의 변화와 같은 흐름에 따른 효과 분석이 필요하다. ■ 자료 제공 : 씨투이에스코리아, www.c2eskorea.com   시뮤필(SimuFill) 제품을 통해 제공되는 몰드플로우 애드온(Moldflow Add-on)은 PVT 거동을 경화도의 함수로 모델링할 수 있으며, 각각 열가소성 수지와 열경화성 수지의 결정화 및 경화 동역학을 예측하는 것이 포함된다.   LFT 스트랜드에 대한 섬유 배향 초기화 유동 길이가 충분히 짧은 경우 초기 섬유 배향은 최종 섬유 배향에 큰 영향을 미친다. LFT 스트랜드(strands)에서 국부적인 섬유 배향은 불균일하며 압출 공정을 통해 결정된다. 시뮤필을 사용하면 분석 방정식을 사용하여 LFT 스트랜드의 로컬 섬유 배향을 초기화할 수 있다.     결정화 및 경화 동역학 시뮤필을 사용하면 열가소성 재료(LFT, GMT)의 결정화 역학과 열경화성 재료(SMC)의 경화 역학을 예측할 수 있다. 이는 결정화/경화도를 초기 조건으로 고려하여 금형 충진 및 부품 변형/스프링을 정확하게 예측할 수 있다. 시뮤필은 아바쿠스(Abaqus)의 후 변형 분석용 추가 기능인 시뮤워프(SimuWarp)에서도 사용되는 몰드플로우용 Nakamura-Ziabicki 모델(결정화 모델)을 제공한다.     PVT 모델링 PVT 거동의 정확한 모델링은 열 신장 및 수축으로 인한 잔류 변형률을 정확하게 예측하는 데에 중요하다. 잔류 변형은 잔류 응력과 변형을 유발한다. 시뮤필은 열가소성 수지와 열경화성 수지 모두에 대한 경화도의 함수로서 PVT 거동을 예측하기 위한 정교한 모델을 제공한다.     프레스 톤수 최적화 프레스 톤수는 제조에 매우 중요하고 자본 투자에 있어 비용을 유발하는 요소이다. 복잡한 재료 거동, 설계 반복 및 처리 전략은 필요한 공정 톤수에 큰 영향을 미친다. 시뮤필을 사용한 성형 시뮬레이션은 공정력을 신뢰할 수 있는 추정을 가능하게 하므로 자본 투자를 줄이는 데에 핵심 역할을 한다.     초기 Charge 성형 대부분의 시뮬레이션 접근 방식은 재료 흐름이 시작되기 전에 복잡한 초기 Charge 구성의 성형을 포착하지 못한다. 시뮤필을 사용하면 복잡한 초기 Charge 구성을 설명하기 위해 재료 성형 및 재료 흐름을 예측하는 순차적 접근 방식이 가능하다. 초기 Charge 구성을 고려하고 최적화하면 완전한 금형 충진과 공정 시간 단축이 보장된다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공사례   파이앤시스(PyAnsys)는 파이썬(Python)을 활용하여 앤시스(Ansys) 제품을 사용할 수 있는 라이브러리를 뜻한다. 파이앤시스는 구조해석과 관련한 PyMAPDL, PyMechanical과 전처리 및 후처리에 대한 PyDPF가 있다. 이와 같은 라이브러리를 이용하면 파이썬 내에 있는 패키지와 함께 다양한 작업이 가능해진다. 이번 호에서는 파이앤시스 중에서도 PyMAPDL에 대한 사용 방법과 활용 예시를 소개하고자 한다.   ■ 노은솔 태성에스엔이 구조 3팀 매니저로 구조해석 및 자동화 프로그램에 대한 기술 지원을 담당하고 있다. 이메일 | esnoh@tsne.co.kr 홈페이지 | www.tsne.co.kr   앤시스에서 구조, 열, 음향 등 다양한 해석에 사용되는 유한요소 솔버 중 하나인 Mechanical APDL은 명령어를 기반으로 구동된다. 복잡한 연산이나 매개변수 설정 및 자동화 기능이 가능하기 때문에 여전히 많이 사용되고 있다. 하지만 앤시스 워크벤치(Ansys Workbench)의 제한적인 기능을 활용할 경우, 추가적으로 APDL 명령어를 사용해야 한다. 말하자면 APDL 명령어로 여러 기능을 구현할 수 있지만, 넓은 범위에서 적용하기에는 한계가 있는 것이다. 예로 머신러닝이나 딥러닝과 관련한 라이브러리인 텐서플로(TensorFlow)나 케라스(Keras) 등은 APDL 명령어 내에서는 사용할 수 없으며, 파이썬과 APDL 연동에도 한계가 있다.  이 때 PyMAPDL 라이브러리를 사용하면 파이썬 내에서 APDL을 사용하기 때문에 활용도가 넓어진다. 이번 호에서는 PyMAPDL의 사용 방법과 활용 예시를 다뤄보고자 한다.    PyMAPDL 사용 방법 PyMAPDL은 파이썬에서 사용될 때 gRPC(Google Remote Procedure Call)를 기반으로 파이썬 명령어를 APDL 명령어로 변환하여 MAPDL 인스턴스(Instance)에 전송하고, 결과를 파이썬으로 다시 반환한다. 이러한 작업 과정 때문에 파이썬과 MAPDL 간 원활한 데이터 통신이 가능해지며, 다수의 MAPDL 인스턴스를 생성하여 다른 명령으로 동시 작업 또한 가능하다.   그림 1. PyMAPDL gRPC   먼저 PyMAPDL을 사용하기 위해서 앤시스 메커니컬(Ansys Mechanical)이 설치되어 있어야 하며, 관련 라이선스를 보유하고 있어야 한다. 현재 파이앤시스 홈페이지에 따르면 파이썬 3.8 이상 버전을 지원하고 있으며, gRPC 기반으로 사용하기 위해서 앤시스 2021 R1 이상을 권장한다. 파이썬과 앤시스 모두 설치되어 있는 환경이라면 추가적으로 PyMAPDL 라이브러리를 설치해야 한다. 터미널 창에 ‘pip install ansys-mapdl-core’ 한 줄의 입력으로 쉽게 설치되며, 버전을 따로 지정하지 않을 경우 최신 버전으로 설치된다. PyMAPDL은 <그림 2>와 같이 ‘launch_mapdl’ 함수를 호출하여 사용한다. 이는 Mechanical APDL Product Launcher를 실행하는 것과 유사하다. 해당 함수를 활용할 때 입력 가능한 주요 인자들을 입력하여 작업 폴더 위치나 파일 이름, 계산 방식 및 라이선스 등을 지정할 수 있다.    그림 2. PyMAPDL 실행 명령어   기존에 APDL에서 육면체 형상을 모델링하여 요소를 생성하는 과정은 <그림 3>과 같이 작성되고, 동일한 작업을 PyMAPDL로는 <그림 4>와 같이 구성할 수 있다. 작성된 APDL과 PyMAPDL 명령어를 비교하면 형태가 매우 유사한 것을 볼 수 있다. 이 때 PyMAPDL은 파이썬에서 두 가지 방식으로 사용된다. 첫 번째는 ‘run’ 명령어를 활용하여 APDL 명령어를 스트링(string)으로 입력해 직접 실행하는 방법이며, 두 번째는 파이썬 명령어로 변환해서 처리하는 방법이다.   그림 3. MAPDL 모델링 및 요소 생성 예시   그림 4. PyMAPDL 모델링 및 요소 생성 예시     ■ 자세한 기사 내용은 PDF로 제공됩니다.

산업 디지털 전환을 위한 버추얼 트윈 (1)   이번 호부터 산업 분야에서 버추얼 트윈(virtual twin)을 구축하고 활용하기 위한 다쏘시스템의 솔루션을 살펴본다. 첫 번째로 소개하는 다이몰라(CATIA Dymola)는 모델 기반 시스템 설계와 시뮬레이션을 위한 툴이다. 다이몰라는 다양한 산업 분야에서 사용되며, 기계, 전기, 열, 유체, 제어 시스템 등 다양한 시스템의 거동(behavior)을 모델링 및 시뮬레이션할 수 있다. 다이몰라를 알기 위해서는 우선 모델리카(Modelica)에 대해 알아야 한다.   ■ 안치우 다쏘시스템코리아의 카티아 인더스트리 프로세스 컨설턴트로 CATIA Dymola를 활용한 1D 시뮬레이션을 담당하고 있다. 관심 분야는 Modelica, FMI, 1D~3D 코시뮬레이션, SysML 기반의 Modelica 모델 개발이며 LG전자, 삼성전자, SK하이닉스 등 다수의 프로젝트 및 제안을 수행하고 있다. 홈페이지 | www.3ds.com/ko   1D 시뮬레이션이란 시간의 흐름에 따라 지배 방정식을 1차원으로 한정지어 계산하는 방법을 의미한다. 예를 들어, 스프링-댐퍼 시스템에서 길이 방향인 하나의 차원에서 수학적 모델링을 통해 빠른 시간 내에 결과를 도출해 검토할 수 있다. 장점으로는 모델 구성 및 검토의 시간이 빠르고, 표현의 제약이 적으며, 시스템간 상호 작용을 효율적으로 검토 가능하다. 단점으로는 시스템의 기능을 수식화하기 위해 도메인(domain)에 대한 높은 이해도가 필요하고, 인풋(input) 정보의 품질에 따라 아웃풋(output)이 민감하게 반응한다.   모델리카는 시스템 모델링을 위한 언어이다. 모델리카(Modelica)는 1996년 모델리카 어소시에이션(Modelica Association)에 의해 개발된 시스템 모델링을 위한 언어이다. 무료로 사용할 수 있고, 여러 개발자 및 전문가에 의해 개발되고 있다. 모델리카는 시스템 모델링을 지원하며, 다쏘시스템에서는 시스템 모델링의 원활한 시뮬레이션을 위한 솔버 알고리즘을 개발하고 있다. 다이몰라에는 모델 시뮬레이션을 위한 다양한 솔버가 내장되어 있다. 사용자는 문제 해결을 위한 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현함으로써 시뮬레이션을 위한 모델링은 끝났다고 볼 수 있으며, 이러한 이유 때문에 모델리카는 C, C++, 포트란(Fortran) 등 타 언어에 비해 코드량이 적다는 것을 알 수 있다. 모델리카의 모델링 방법에는 텍스트 타입으로 방정식을 정의할 수 있고, 또한 유저에게 친근한 GUI(그래픽 사용자 인터페이스)를 활용한 객체 모델링 기반으로 모델을 구성할 수 있다.    모델리카는 비인과적/인과적 해석을 모두 지원한다. 인과적(causal) 모델링과 비인과적(acausal) 모델링은 둘 다 시스템이나 현상을 설명하고 예측하기 위한 방법론이다.   그림 1   비인과적 모델링은 원인과 결과 간의 인과 관계를 명확히 구분하지 않고 시스템의 구성요소 간의 관계를 모델링하는 방법이다. 이 방법은 일반적으로 동적 시스템의 거동을 설명하거나 예측할 때 사용하며, 시스템의 구성 요소와 그들 간의 관계를 수학적 방정식으로 표현하여 시스템의 동작을 설명한다. 각 요소가 다른 요소에 의해 어떻게 영향을 받는지를 보다 전체적으로 이해하는 데에 도움이 된다. 인과적 모델링은 원인과 결과 간의 인과관계를 중심으로 모델을 구성한다. 이 모델링 기법은 일반적으로 인과관계를 고려하여 시스템의 동작을 설명하고 예측한다. 예를 들면 A가 B에 어떻게 영향을 주는지, 또는 어떤 요인이 결과에 어떻게 기여하는지를 분석한다. 주로 원인과 결과 간의 관계를 나타내는 도표나 그래프를 사용해 시각화하며, 시간의 흐름을 고려하여 이전 사건이 이후 사건에 어떻게 영향을 미치는지를 이해한다.  비인과적 모델링은 물리적 시스템의 동작을 설명하는데 유용하다. 예를 들어, 열 전달, 유체 흐름, 전기 회로 등과 같은 시스템에서 원인과 결과 간의 명확한 인과 관계를 파악하기 어려운 경우가 있다. 이러한 시스템은 에너지, 질량 또는 정보의 흐름을 모델링하여 설명할 수 있다.    모델리카는 해석 솔버에 대한 개발이 필요 없다. 실제 모델링 후 유저는 소스코드를 볼 수 있고, 해석 결과를 확인 할 수 있다. 그렇지만 솔버에 대한 구현 방식은 확인할 수 없다. 다이몰라에 솔버가 내장되어 있어 유저는 미분방정식에 대한 표현을 모델리카 문법에 맞게 표현하면, 유저가 모델링한 시스템에 대한 해석 결과를 확인할 수 있다. 이러한 이유로 인해 모델리카의 코드량은 타 언어에 비해 적다. 솔버가 해석 결과를 보여주기 위해 <그림 2>를 참조하면, 모델리카 file(*.mo)를 C 언어로 변환하고 참조할 라이브러리와 함께 컴파일을 수행하기 때문에 유저는 이 과정을 인식하지 못하는 경우가 많다.   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.