오라클이 ‘오라클 데이터베이스 23ai(Oracle Database 23ai)’의 정식 출시를 발표했다. 오라클의 최신 융합형 데이터베이스인 오라클 데이터베이스 23ai는 폭넓은 클라우드 서비스를 통해 사용 가능하다.  장기 지원 릴리스인 오라클 데이터베이스 23ai는 데이터베이스 AI 기능 사용 간소화, 앱 개발 가속화, 미션 크리티컬 워크로드 실행 등을 지원하는 오라클 AI 벡터 검색(Oracle AI Vector Search) 및 기타 300개 이상의 신기능을 제공한다. AI 벡터 검색 기능은 고객의 문서, 이미지 및 기타 비정형 데이터 검색과 프라이빗 비즈니스 데이터 검색을 안전하게 결합시키고, 그 과정에서 데이터를 별도의 장소로 이동하거나 복제하지 않는다. 오라클 데이터베이스 23ai는 AI 알고리즘 적용을 위해 데이터를 별도의 장소로 이동시키는 대신, 데이터가 저장된 장소에서 바로 AI 알고리즘을 실행한다. “결과적으로 오라클 데이터베이스 내에서 AI 알고리즘이 실시간으로 실행되며 효과, 효율성, 보안성이 향상된다”는 것이 오라클의 설명이다. 오라클 AI 벡터 검색은 특정 단어, 픽셀 또는 데이터 값이 아닌 개념적 콘텐츠를 기반으로 문서, 이미지, 관계형 데이터를 간편하게 검색할 수 있는 기능이다. AI 벡터 검색은 LLM 자연어 인터페이스를 통한 프라이빗 비즈니스 데이터 쿼리를 지원하고, LLM이 더욱 정확하고 관련성 높은 결과를 생성하는데 기여한다. 또한 개발자는 AI 벡터 검색을 사용해 신규 및 기존 애플리케이션에 시맨틱 검색 기능을 손쉽게 추가할 수 있다. 이제 오라클 데이터베이스의 모든 미션 크리티컬 기능이 AI 벡터와 함께 투명하게 작동하므로 오라클의 고객사는 자사의 미션 크리티컬 애플리케이션에도 AI 벡터 검색을 적용할 수 있다. 동일한 고성능 데이터베이스에서 비즈니스 데이터 및 벡터 데이터를 함께 저장 및 처리하므로, 고객사는 기존의 데이터 보안 태세를 그대로 유지하며 자사의 비즈니스 애플리케이션에 AI 벡터 검색을 원활하게 통합해 새롭고 혁신적인 AI 사용 사례를 구현할 수 있다.     오라클 데이터베이스 23ai에 새롭게 추가되는 데이터용 AI 기능으로는 엑사데이터 스마트 스토리지를 사용하면 AI 벡터 검색을 가속화할 수 있는 오라클 엑사데이터 시스템 소프트웨어 24ai(Oracle Exadata System Software 24ai), 이기종 벡터 스토어 간의 실시간 벡터 복제 기능이 추가된 OCI 골든게이트 23ai(OCI GoldenGate 23ai) 등이 있다. 앱 개발을 가속화하기 위한 기능도 제공된다.  JSON 관계형 이원성(JSON Relational Duality)을 통해 일부 애플리케이션의 데이터 사용 방식과 관계형 데이터베이스의 데이터 저장 방식이 불일치하는 문제를 해결할 수 있도록 하고, 운영 속성 그래프(Operational Property Graph)는 개발자가 속성 그래프 쿼리를 사용해 데이터 간 및 데이터 내부의 연결성을 탐색하기 위한 애플리케이션을 간단히 구축할 수 있도록 지원한다. 상시 무료 자율운영 데이터베이스(Always Free Autonomous Database) 서비스는 오라클 APEX(Oracle APEX), 셀렉트AI(Select AI), 데이터베이스 도구(Database Tools), 머신러닝(Machine Learning), 그래프(Graph) 등의 다양한 도구가 내장된, 클라우드에서 무제한 사용 가능한 무료 자율운영 데이터베이스 서버리스(Autonomous Database Serverless) 인스턴스를 2개 제공한다.  오라클 데이터베이스 23ai는 오라클 엑사데이터 데이터베이스 서비스(Oracle Exadata Database Service), 오라클 엑사데이터 클라우드앳커스터머(Oracle Exadata Cloud@Customer), 오라클 기본 데이터베이스 서비스(Oracle Base Database Service), 오라클 데이터베이스앳애저(Oracle Database@Azure) 상의 오라클 클라우드 인프라스트럭처(OCI) 서비스 사용자들에게 제공된다. 오라클의 후안 로이자(Juan Loaiza) 미션 크리티컬 데이터베이스 기술 총괄 부사장은 “오라클 데이터베이스 23ai는 전 세계의 기업 고객들을 위한 ‘게임 체인저(game changer)’다. 이번 릴리스를 통해 선보이는 혁신적인 AI 기술들의 중요성을 감안해 제품명을 오라클 데이터베이스 23ai로 변경했다”면서, “새로운 통합 개발 패러다임과 미션 크리티컬 기능이 결합된 AI 벡터 검색은 개발자 및 데이터 전문가가 지능형 앱을 간단히 구축하고, 개발자 생산성을 향상시키며 미션 크리티컬 워크로드를 실행할 수 있도록 지원한다”고 소개했다.

슈나이더 일렉트릭이 영국의 기후 스타트업인 브릴리언트 플래닛(Brilliant Planet)에 ‘에코스트럭처 오토메이션 엑스퍼트(EcoStruxure Automation Expert : EAE)’ 솔루션을 공급했다. 브릴리언트 플래닛은 미세조류(microalgae)로 상승하는 지구 온도를 억제하는 기술을 갖고 있다. 대기 중의 이산화탄소를 끌어내기 위해서 해안 사막과 야외 연못에서 미세조류를 전문적으로 재배하고 있으며, 이는 동일한 숲 면적보다 최대 30배 이상의 대기 중 탄소를 격리할 수 있다. 실제로 대기 중에서 이산화탄소를 격리하는 탄소 포집 기술은 기후 변화에 대처하기 위한 중요한 노력 중 하나다. 브릴리언트 플래닛은 모로코에 위치한 시설에서 전세계 현장에 배포할 수 있는 탄소 포집 플랫폼을 개발하고 있으며, 이 프로세스에는 필요에 따라 쉽게 확장할 수 있는 매우 유연하고 효율적인 제어 시스템의 구축을 필요로 했다. 슈나이더 일렉트릭은 브릴리언트 플래닛에 운영에 대한 가시성과 제어를 제공하기 위해 영국 엔지니어링 기업인 플래티넘 일렉트리컬 엔지니어링(Platinum Electrical Engineering)과 함께 소프트웨어 중심 범용 자동화 솔루션인 EAE를 공급했다. 슈나이더 일렉트릭의 EAE는 IEC61499 국제 표준을 기반으로 한 범용 자동화 솔루션이다. 개발툴과 컨트롤러, 아카이브, 시스템 통합 기구 등으로 구성된 분산형 자동화 시스템으로, 프로그래밍 소프트웨어(IDE)와 범용 제어 장치(PLC), PC 등과 상호 연동되어 운영된다.     개방형 플랫폼인 EAE는 기본 하드웨어 인프라와 상관없이 독립적으로 소프트웨어 애플리케이션을 모델링하고 배포해 소프트웨어 중심의 자동화 애플리케이션을 구축할 수 있다. 엔지니어는 소모적인 수작업을 자동화하고, 중복 작업을 제거해 업무 효율성을 높일 수 있다. 이를 통해 기존의 자동화 작업을 수행하는데 걸리는 시간을 2~7배 단축할 수 있다. 또한, EAE는 개방성과 호환성을 가진 것이 특징이다. 자동화 시스템 중 타사 PLC가 탑재되더라도 소프트웨어는 정상 작동하기 때문이다. 여기에 드래그앤드롭 방식 인터페이스 구성으로 작업자도 손쉽게 사용할 수 있다. 슈나이더 일렉트릭의 산지스 싱(Sanjith Singh) 소프트웨어 중심 자동화 부문 글로벌 부사장은 “지속 가능성과 차세대 산업 자동화라는 사명을 달성하려면 신뢰할 수 있는 얼라이언스 파트너와 소중한 고객으로 구성된 네트워크가 필요하다”면서, “브릴리언트 플래닛이 슈나이더 일렉트릭의 EAE 솔루션을 통해 기후 변화 문제에 대응하기 위한 지속 가능한 솔루션을 제공할 수 있길 기대한다”라고 설명했다.

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.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI의 멀티모달 딥러닝 기술 확산의 계기가 된 오픈AI(OpenAI)의 CLIP(Contrastive Language-Image Pre-Training, 2021) 코드 개발 과정을 분석하고, 사용하는 방법을 정리한다.    ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast CLIP은 구글이 개발한 자연어 번역 목적의 트랜스포머 모델, 비전 데이터 변환에 사용되는 VAE(Variational Autoencoder) 개념을 사용하여 멀티모달 학습 방식을 구현하였다. 이번 호에서는 그 과정을 설명하고 파이토치로 직접 구현하는 과정을 보여준다. CLIP을 이용하면 유튜브, 넷플릭스와 같은 영상에서 자연어로 질의해 해당 장면을 효과적으로 검색할 수 있다. 참고로, CLIP에서는 트랜스포머가 핵심 컴포넌트로 사용되었다. CLIP과 같이 트랜스포머가 자연어 번역 이외에 멀티모달의 핵심 기술이 된 이유는 비정형 데이터를 연산 가능한 차원으로 수치화할 수 있는 임베딩 기술의 발전과 트랜스포머의 Key, Query, Value 입력을 통한 여러 학습 데이터 조합이 가능한 특징이 크게 작용했다.    그림 1. 멀티모달 시작을 알린 오픈AI의 CLIP 모델(Learning Transferable Visual Models From Natural Language Supervision, 2021)   트랜스포머와 VAE를 이용한 멀티모달 CLIP 네트워크를 좀 더 깊게 파헤쳐 보도록 한다. 앞서 설명된 트랜스포머, 임베딩과 관련된 개념에 익숙하다면, CLIP을 이해하고 구현하는 것이 그리 어렵지는 않을 것이다.    CLIP에 대한 이해 오픈AI에서 개발한 CLIP 모델은 공유 임베딩 공간 내에서 이미지 및 텍스트 형식을 통합하는 것을 목표로 했다. 이 개념은 기술과 함께 이미지와 텍스트를 넘어 다른 양식을 수용한다.(멀티모달) 예를 들어, 유튜브 등 비디오 애플리케이션 내에서 텍스트 검색 성능을 개선하기 위해 공통 임베딩 공간에서 비디오 및 텍스트 형식을 결합하여 모델을 학습시켰다. 사실, 임베딩 텐서를 잠재 공간(Latent Space)으로 이기종 데이터를 변환, 계산, 역변환할 수 있다는 아이디어는 VAE 기술, 구글의 트랜스포머 논문(2017)을 통해 개발자들 사이에 암시되어 있었다. 이를 실제로 시도해본 연구가 CLIP이다.  참고로, CLAP(Contrastive Language-Audio Pretraining)은 동일한 임베딩 공간 내에서 텍스트와 오디오 형식을 통합하는 또 다른 모델로, 오디오 애플리케이션 내에서 검색 기능을 개선하는 데 유용하다. CLIP은 다음과 같은 응용에 유용하다. 이미지 분류 및 검색 : CLIP은 이미지를 자연어 설명과 연결하여 이미지 분류 작업에 사용할 수 있다. 사용자가 텍스트 쿼리를 사용하여 이미지를 검색할 수 있는 보다 다양하고 유연한 이미지 검색 시스템을 허용한다. 콘텐츠 조정 : CLIP은 부적절하거나 유해한 콘텐츠를 식별하고 필터링하기 위해 이미지와 함께 제공되는 텍스트를 분석하여, 온라인 플랫폼의 콘텐츠를 조정하는 데 사용할 수 있다. 참고로, 메타 AI(Meta AI)는 최근 이미지, 텍스트, 오디오, 깊이, 열, IMU 데이터 등 6가지 양식에 걸쳐 공동 임베딩을 학습하는 이미지바인드(ImageBind)를 출시했다. 두 가지 모달리티를 수용하는 최초의 대규모 AI 모델인 CLIP은 이미지바인드 및 기타 다중 모달리티 AI 시스템을 이해하기 위한 전제 조건이다. CLIP은 배치 내에서 어떤 N×N(이미지, 텍스트) 쌍이 실제 일치하는지 예측하도록 설계되었다. CLIP은 이미지 인코더와 텍스트 인코더의 공동 학습을 통해 멀티모달 임베딩 공간을 만든다. CLIP 손실은 트랜스포머의 어텐션 모델을 사용하여, 학습 데이터 배치에서 N개 쌍에 대한 이미지와 텍스트 임베딩 간의 코사인 유사성을 최대화하는 것을 목표로 한다.  다음은 이를 설명하는 의사코드이다. 1. img_en = image_encoder(I)   # [n, d_i] 이미지 임베딩 인코딩을 통한 특징 추출  2. txtxt_emdn = textxt_emdncoder(T)    # [n, d_t] 텍스트 임베딩 인코딩을 통한 특징 추출 3. img_emd = l2_normalize(np.dot(img_en, W_i), axis=1)    # I×W 결합(조인트) 멀티모달 임베딩 텐서 계산 4. txt_emd = l2_normalize(np.dot(txtxt_emdn, W_t), axis=1)  # T×W 결합(조인트) 멀티모달 임베딩 텐서 계산 5. logits = np.dot(img_emd, txt_emd.T) * np.exp(t)   # I×T * E^t 함수를 이용한 [n, n]코사인 유사도 계산 6. labels = np.arange(n) 7. loss_i = cross_entropy_loss(logits, labels, axis=0)  # 이미지 참값 logits과 예측된 label간 손실 8. loss_t = cross_entropy_loss(logits, labels, axis=1)  # 텍스트 참값 logits과 예측된 label간 손실 9. loss = (loss_i + loss_t)/2   # 이미지, 텍스트 손실 평균값   실제 오픈AI 논문에는 <그림 2>와 같이 기술되어 있다.(동일하다.)   그림 2     ■ 자세한 기사 내용은 PDF로 제공됩니다.

새로워진 캐디안 2024 살펴보기 (5)   ■ 최영석 캐디안 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 이메일 | cad@cadian.com 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian 지난 연재를 통해 오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian) 2024 버전에서 이용 가능한 몇 가지 부가 기능에 대해서 알아보았다. 이번 호에서는 이전 버전부터 계속 지원되던 스크립트(script) 기능을 알아보고, 활용 방법에 대해서 살펴보도록 하겠다.    스크립트 기능 소개 캐디안을 사용하여 도면 작업을 진행할 때 동일한 명령을 수차례 또는 수 백차례 반복하는 경우, 키보드와 마우스를 이용해서 명령어 또는 좌표를 일일이 직접 입력하려면 많은 시간과 노력이 소모된다. 이렇게 유사한 반복되는 일련의 작업을 자동으로 실행하도록 마련된 기능이 스크립트(script)이다. 스크립트 파일의 오토캐드 사용자 인터페이스에서 일련의 명령을 실행하는 대신, 스크립트 파일을 사용하여 동일한 입력을 사용하는 명령 시퀀스를 실행할 수 있다.    SCR 파일 형식 캐디안 스크립트 파일의 확장자는 *.SCR이다. 일반적으로 스크립트 파일은 텍스트 형식으로 작성되며, 사용자가 수행하려는 명령을 포함한다. 사용자가 직접 메모장을 열어서 스크립트를 작성해도 정상적으로 이용이 가능하다.   명령 자동화 캐디안의 스크립트 기능을 사용하면 사용자가 수동으로 일일이 입력하거나 실행해야 하는 일련의 명령 및 좌표 입력, 수치 입력을 모두 자동화할 수 있다. 이를 통해서 사용자들의 입력 실수를 줄일 수 있고, 반복적이고 지루한 작업을 보다 빠르게, 자동으로 처리할 수 있다.   반복 작업 처리 스크립트 기능을 사용하면 동일한 명령을 여러 번 또는 수십, 수백번 반복 실행하여 작업을 처리할 수 있다. 작업자가 수동으로 일일이 입력하거나 실행하는 것보다 속도도 빠를 뿐 아니라, 오타나 잘못된 값을 입력해서 생기는 문제를 미연에 방지할 수도 있다.   배치 처리 스크립트 기능을 사용하면 여러 파일이나 도면에 대해 동일한 작업을 일괄 처리할 수 있다. 특정한 폴더에 있는 여러 장의 도면에 특정한 부분에 문자를 수정하거나 좌표를 입력하는 등의 작업을 진행할 수 있어서, 대규모 프로젝트의 일괄 처리 기능을 통한 작업 효율 증대가 가능하다.   스크립트 작성하기 캐디안을 사용하면서 마우스와 키보드 입력을 그대로 따라하도록 스크립트를 작성하는 실제 사례를 확인하도록 하겠다. 다음과 같은 순서대로 진행하는 경우 도면의 0, 0 지점에 지름 100인 원을 자동으로 작도하는 스크립트를 작성할 수 있다. 차후에 다른 도면을 연 상태에서 작성한 스크립트를 로딩하여 실행하면 0, 0 지점에 지름 100인 원을 자동으로 작도하게 된다.   1. 리본 메뉴에서 도구 → 응용프로그램 → 스크립트 기록 항목을 선택하거나, 명령창에 ‘recscript’를 입력하여 스크립트 기록을 실행한다.      2. 스크립트 파일을 저장할 폴더와 파일명을 입력한 뒤 ‘저장’ 버튼을 클릭한다.     3. 좌표 0, 0에 지름 100인 원을 그리기 위해서 다음과 같이 명령 및 옵션, 좌표를 입력한다. 명령창에 circle 입력 → 원의 중심점 : 0, 0 입력 → d 옵션 입력 → 지름 : 100을 입력하는 순서로 진행한다.     4. 스크립트 기록을 종료하기 위해서 녹화 중지 기능을 실행해야 한다. 리본 메뉴에서 도구 → 응용프로그램 → 녹화 중지 항목을 선택하거나, 명령창에 ‘stopscript’를 입력하여 스크립트 기록을 중지한다.      5. 그림과 같이 스크립트가 작성된다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (1)   DWG 호환 CAD인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(trinity) CAD라고 부른다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025 버전과 아레스 제품군의 새로운 기능을 간단하게 알아보도록 하겠다.   ■ 천벼리 인텔리코리아 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.   이메일 | ares@cadian.com 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert  유튜브 | www.youtube.com/GraebertTV   오토캐드 호환성 － 전환을 용이하게 하는 개선된 UI 명령어 : OPTIONS     옵션 대화 상자는 모든 설정을 한데 모아 단위 및 사용자 설정을 포함해 쉽게 접근할 수 있다. 검색 기능이 강화되어 필요한 설정을 손쉽게 찾을 수 있게 개선되었다. 또한, 치수 스타일을 더욱 빠르게 조정할 수 있는 새로운 대화 상자가 추가되어 오토캐드처럼 세부 사항을 사용자 맞춤 설정할 수 있다. 검색 도구에는 사용자가 입력하기 시작하면 사라지는 ‘설정 검색’ 힌트 텍스트가 포함된 입력 상자가 있어, 정확하거나 부분적으로 일치하는 설정을 쉽게 찾을 수 있다. 사용자가 제안된 옵션 위로 마우스를 가져가면 해당 선택을 확인할 수 있는 상세 정보가 표시된다.  이번 버전에서는 오토캐드 사용자가 아레스로 부드럽게 전환할 수 있도록 치수 스타일 편집 기능이 오토캐드 인터페이스와 유사하게 개선되어, 사용자 정의가 더욱 직관적이고 간편해졌다.   인공지능 － 아레스 AI 어시스트 명령어 : ARESAIASSIST     오픈AI(OpenAI) 기반의 아레스 AI 어시스트(A3)는 다양한 언어로 아레스 사용자를 지원하는 인공지능이다. 기능 사용 방법 설명, 인터페이스 탐색, 질문 응답, 사용자 인터페이스 맞춤화, 변환 및 계산, 다양한 언어로의 텍스트 번역 등을 수행한다.  A3는 기본적으로 활성화되어 있으며, 필요에 따라 켜거나 끌 수 있다. 모든 사용자에게 유용하며, 특히 새 사용자는 트리니티(Trinity) 협업 기능과 BIM 기능 학습에서 도움을 받을 수 있다.   상호 운용성 － 아레스 커맨더의 시빌 3D 지원     오토데스크 시빌 3D(Civil 3D) 엔티티 지원을 새롭게 도입하여, 아레스 환경 내에서 시빌 3D 엔티티의 시각화를 가능하게 한다. 초기 버전은 제한된 기능을 제공하지만, 향후 릴리스를 통해 이 기능은 지속적으로 발전될 예정이다. 이러한 발전은 아레스 커맨더와 시빌 3D 간의 상호 운용성을 강화하여, 토목 공학 및 인프라 프로젝트의 설계와 문서화에 종합적인 솔루션을 제공할 것이다.   상호 운용성 － DWG에서 DGN으로 내보내기 명령어 : EXPORTDGN(DGNEXPORT)     DWG 파일을 DGN 형식으로 내보낼 수 있는 기능을 제공한다.  이 기능은 특히 벤틀리 시스템즈의 마이크로스테이션(MicroStation) 사용자나 프로젝트와이즈(ProjectWise)와 작업하는 고객에게 유용하며, 이를 통해 상호 운용성이 향상된다. DGN 파일은 토목 공학, 건축 등 다양한 분야에서 사용되며, 마이크로스테이션 및 인터그래프 소프트웨어의 주요 파일 형식이다. 아레스 커맨더의 이 기능은 단순한 파일 변환을 넘어 DWG와 DGN 형식 간 스타일 차이를 조정하고 이러한 설정을 저장하는 매핑 설정을 제공하여, 사용자가 더 세밀한 변환을 할 수 있도록 지원한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

더욱 빠르고 효율적인 제품 개발을 위한 AI 기술 본격화 추진   제조산업에서도 AI(인공지능)에 대한 관심이 높아지고 있다. 한편으로 실질적인 AI 도입과 활용에 대한 제조업계의 고민도 커졌다. 알테어는 시뮬레이션, HPC, 클라우드, 데이터 애널리틱스 등 자사의 기술 역량을 바탕으로 제조산업을 위한 AI 기술 개발을 가속화하고 있으며, 향후 본격적으로 제조시장에 확산시킨다는 전략을 내세웠다. ■ 정수진 편집장   ▲ 한국알테어 이승훈 기술 총괄 본부장은 제품 개발에서 AI의 활용이 구체화되고 있다고 짚었다.   제조산업에서 AI에 대한 관심이 높아지고, 도입과 활용이 확산되는 배경은 무엇이라고 보는지 제품의 생산 방식이 다품종 소량 생산 방식이 확대되면서 제품의 개발 주기가 꾸준히 짧아지고 있다. 이에 따라 제품 개발과 관련한 예측과 의사결정은 더욱 빨라져야 한다는 요구도 높다. 이를 위해 프로토타입을 만들어 실험하는 방식에서 컴퓨터와 CAE 소프트웨어를 사용하는 시뮬레이션으로 변화해 왔는데, 시뮬레이션 역시 해결해야 하는 과제가 있다. 시뮬레이션을 활용하려면 전문적인 엔지니어링 지식이 필요하고, 시뮬레이션에 걸리는 시간이 더욱 빨라지는 제품 개발 주기에 맞추기 어려워졌다. 시뮬레이션이 제품의 초기 개발에서 생산까지 더욱 폭넓게 쓰이는 상황이 시뮬레이션 기반의 의사결정에 걸리는 시간을 늘리게 된 측면도 있다. AI는 이에 대한 해결책으로 관심을 모으고 있다. 제조업체에서 실험 데이터와 해석 데이터가 상당히 쌓여 있는 상황인데, 이를 AI 학습에 활용해서 빠르게 인사이트를 얻고 제품 개발에 반영할 수 있겠다는 아이디어가 이제 구체화되고 있는 시점이라고 볼 수 있겠다.   최근 AI와 관련한 제조산업의 동향이나 이슈가 있다면 제조업체에서 해석 데이터와 실험 데이터가 쌓여 있기는 한데, 이 데이터가 각 엔지니어의 PC에 흩어져 있는 것이 현실이다. 이에 따라 여러 곳에 저장된 데이터를 통합 관리하는 시스템에 대한 요구가 있다. 또한, 이 데이터를 AI에 활용하기 위한 추가 가공의 자동화에 대한 목소리도 있다. 엔지니어링 데이터를 AI에 활용하기 위해서는 AI에 맞는 데이터의 전처리(pre-processing)가 중요하다. 전처리란, 아무렇게나 쌓여 있는 데이터를 분류하고 AI에 적용하기 위해 적절한 포맷의 데이터로 변환하는 작업을 가리킨다. 이 부분에서 많은 제조기업 고객사들이 데이터를 어떻게 가공해야 할 지에 대한 고민을 갖고 있기도 하다. 이전에는 파이썬(Python)과 같은 프로그래밍 언어를 배워서 데이터 변환 코드를 만들어야 했는데, 알테어는 데이터를 자동으로 변환할 수 있는 솔루션을 제공해 쌓여 있는 데이터의 분류와 정제 과정을 더 쉽게 할 수 있도록 돕는다. 이런 부분에서 LG전자의 사레를 소개할 만하다. LG전자는 알테어와 협업해서 해석 엔지니어가 퇴근한 후에 해석 데이터를 취합하고 변환과 AI 학습까지 수행하는 자동화 시스템을 구축했다. 학습된 AI는 웹 환경에서 설계 엔지니어에게 필요한 데이터를 제공하고, 설계 엔지니어는 제품에 대한 치수나 조건을 입력하면 시뮬레이션을 거치지 않고 빠르게 가상 시험 결과를 확인할 수 있게 됐다. AI는 제품의 초기 개발 단계뿐 아니라 전체 개발 과정에 적용할 수 있다. 초기 단계에서는 실험에서 나온 데이터가 존재한다면 이를 기반으로 어떤 결과가 나올지 쉽게 확인할 수 있다. 이후 단계에서도 다양한 데이터를 학습해 추가적인 예측을 할 수 있고, 대시보드 등을 통해 누구나 데이터 및 예측 결과를 확인하거나, 몇 가지 조건을 입력해 새로운 예측을 할 수 있는 단계로 나아갈 수도 있다. 최종 단계의 데이터는 후속 제품이나 다른 제품을 개발할 때 활용하는 것도 가능하다.   제품 개발 사이클의 단축이라는 점에서는 시뮬레이션이 가져다 줄 수 있는 이점과 비슷한 부분이 있어 보인다. AI의 역할은 시뮬레이션을 보완하는 것인가, 아니면 시뮬레이션을 대신할 수 있는 것인가 지금은 AI가 기존의 시뮬레이션을 완전히 대체할 수 있는 단계는 아니다. 하지만 AI를 통해 제품의 초기 개발 단계에서 데이터 기반의 예측 결과를 빠르게 얻을 수 있고, 향후 설계를 위한 인사이트를 얻을 수 있다는 점에서 의미가 있다. AI를 학습시키기 위한 데이터는 필요하기 때문에 시뮬레이션은 여전히 중요하다. 지금의 상황은 실험이나 해석 데이터를 기반으로 AI를 통해 인사이트를 얻는 단계라고 볼 수 있다. 시뮬레이션이 자리잡기까지의 과정을 살펴보면, 초기에는 실험과 시뮬레이션을 함께 사용하다가 시뮬레이션 부분이 강화되면서 실험의 비중을 줄여 왔다. 앞으로 AI 기술이 더욱 발전하고 데이터가 더 많이 쌓인다면 AI가 확대되고 시뮬레이션이 줄어들 수도 있을 것 같다. 이런 흐름은 단계적으로 일어날 수도 있고, 제품별로 변화의 속도가 달라질 수도 있다고 본다.   ▲ 알테어는 시뮬레이션과 연계해 제조 분야에서 활용할 수 있는 AI 솔루션을 내세운다.   제조산업의 AI 활용을 위한 알테어의 기술 차별점은 무엇인지 알테어는 멀티피직스 시뮬레이션뿐 아니라 복잡한 시뮬레이션을 활용하기 위한 고성능 컴퓨팅(HPC)과 클라우드, 데이터 애널리틱스와 AI 등 폭넓은 기술 역량을 갖추었다는 점에서 차별점이 있다고 본다. 이는 온프레미스와 클라우드, CPU 컴퓨팅과 GPU 컴퓨팅을 모두 지원해 시뮬레이션 및 AI를 유연하게 활용하도록 도울 수 있다는 뜻이다.  알테어는 지난 2022년 데이터 기반 AI를 위한 머신러닝 분석 플랫폼인 래피드마이너(RapidMiner)를 인수하면서 AI 분야 진출을 시작했다. 래피드마이너는 제조뿐 아니라 BFSI(은행.금융.서비스.보험) 등 다양한 산업에서 활용할 수 있는 솔루션이다. 예를 들어, 고객 지원이나 불만사항에 대한 다응, 주가 예측 등에도 래피드마이너가 유용하다. 또한, 2023년부터는 래피드마이너 등 기존 제품군으로 AI 시장에 대응하는 것 외에 제조산업을 타깃으로 하는 특화 기술을 개발했고, 올해는 이 부분을 본격적으로 선보이고자 한다. 제조산업을 위한 알테어의 AI 기술로는 설계 탐색과 최적화를 위한 디자인AI(DesignAI), 비슷한 형상을 자동 인식하고 분류하는 셰이프AI(shapeAI), 해석 결과를 학습해 물리현상을 빠르게 예측하는 피직스AI(physicsAI), 시스템 레벨에서 빠른 3D → 1D 변환을 위한 롬AI(romAI)가 있다.  이런 AI 기술은 적은 수의 데이터로도 학습이 가능하며, 알테어의 기존 시뮬레이션 솔루션 제품군에 들어가는 형태로 제공되어 익숙한 인터페이스로 사용할 수 있다. 하이퍼메시(HyperMesh)에는 이미 피직스AI와 셰이프AI가 포함되어 있고 향후 심랩(SimLab)과 인스파이어(Inspire)를 비롯해 다양한 솔루션에 AI가 추가될 예정이다. 알테어는 래피드마이너를 활용한 데이터 기반의 AI와 시뮬레이션 기반의 AI를 모두 지원한다. 그리고 타사 솔루션의 데이터를 활용할 수 있는 개방성과 유연한 라이선스 사용도 장점으로 내세우고 있다.    향후 제조 분야의 AI 전망과 알테어의 전략을 소개한다면 AI에 대한 고객들의 기대치가 높다고 느낀다. 알테어는 지난 4월 4일 ‘AI 워크숍’을 진행했는데, 기업의 의사결정권자부터 현업 엔지니어까지 예상보다 많은 분들이 참여해 높은 관심을 보였다. 관심이 높은 만큼 실제 활용 방향에 대한 고민이 많다는 것을 알 수 있었다. 사용자의 기대치와 실제로 할 수 있는 것 사이의 거리, 알테어와 같은 솔루션 기업과 사용자인 제조기업의 시각차도 어느 정도 확인할 수 있었다. 이런 부분은 고객들을 많이 만나고 의견을 나누면서 간극을 좁혀야 할 것 같다. 당장 AI가 시뮬레이션을 완벽하게 대체하기는 어렵겠지만, 클라우드 기반의 통합 환경에서 시뮬레이션과 AI를 통합해 사용할 수 있도록 하는 것을 목표로 삼고 있다. 클라우드는 데이터의 통합 관리와 공유 측면에서도 이점이 있다고 본다. 시뮬레이션과 AI를 위해 대규모 데이터를 관리하기 어려운 소규모 기업은 클라우드의 장점에 주목할 만하다고 본다. 한편으로 보안 등의 우려를 가진 기업에게는 프라이빗 클라우드 환경을 제공해 데이터 보안을 유지하면서 알테어 원 클라우드와 동일한 환경에서 작업할 수도 있다. 알테어는 AI 솔루션 제품군을 빠르게 업데이트하면서 사용자의 피드백을 반영하고 있다. 고객들이 AI에 대해 갖고 있는 기대치 또는 눈높이가 상당히 높은 것으로 보여서, 이에 대응해 경쟁 우위를 확보하고자 노력 중이다. 제조 분야에서도 AI에 대한 관심이 높지만, 어떻게 활용할지에 대한 고민이 큰 상황으로 보인다. 알테어는 이런 부분에서 도움을 줄 수 있도록 AI 기술 개발과 함께 커스터마이징과 컨설팅 등을 폭넓게 제공하고자 한다. 본사의 개발팀과도 활발히 소통하면서 사용성이나 적용 범위 등에 대한 고객의 어려움을 덜고, 최대한 빠르게 고객이 원하는 AI를 구현할 수 있도록 할 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.

2024 스마트공장·자동화산업전이 3월 27일부터 29일까지 코엑스 전관에서 개최되었다. 이 전시회는 Smart Factory Expo(제9회 스마트공장엑스포), aimex(제34회 국제공장자동화전), Korean Vision Show(제12회 한국머신비전산업전) 등 3개의 전시회로 구성되었으며, 지속 가능한 공장(Make Your Factory More Sustainable)을 주제로 450개 업체, 2000여 부스, 6만여 명이 참가했다. ■ 최경화 국장     스마트공장엑스포 전시회 개최 한국산업지능화협회(이하 협회)와 코엑스가 공동 주최한 스마트공장엑스포는 코엑스 3층에서 개최되었으며, 산업 AI 기술을 적용하여 디지털 전환을 추진 중인 국내외 기업들의 수요·공급기업간 디지털 전환 협업사례, 산업현장 중심의 최신 기술 및 동향을 소개했다. 이번 전시회에는 LS 일렉트릭, 한국미쓰비시전기오토메이션, 한국지멘스, 로크웰오토메이션코리아, LG CNS, CJ올리브네트웍스, SK주식회사 C&C, 한화로보틱스 등 다양한 기업들이 참여했다. 한국지멘스에서는 “생산을 위한 혁신 가속화”를 주제로 디지털 트윈, 인더스트리 엣지, SIMATIC 로봇 통합솔루션을 선보였다. 한국미쓰비시전기오토메이션은 FA기술과 IT를 활용하여, 개발·생산·보수의 토탈 코스트를 절감하는 FA-IT 통합솔루션 ‘e-F@ctory’ 등 지속가능한 미쓰비시의 디지털 솔루션을 공개했다.  SK C&C는 고객과 사회의 통합 디지털 전환 파트너로서 AI/Cloud/Digital Manufacturing/Digital ESG 등 디지털 실행 가속화를 통한 SK의 미래전략을 선보였으며, 메가존 클라우드는 클라우드 도입시 컨설팅과 전략, 구축, 운영에 대한 라이프사이클의 체계적인 방법론을 바탕으로 고객의 니즈에 맞는 I.P.A.D (Infrastructure, Platform, Application, Data) 오퍼링 서비스 솔루션을 전시했다.   산업지능화 컨퍼런스, 제조분야 데이터 & AI 활용 소개 전시회 부대행사로 3월 28~29일에는 ’산업지능화 컨퍼런스‘가 ‘Sustainable DX, Discover Your Digital Potential’ 지속가능한 미래를 위한 제조산업의 디지털 혁신을 주제로 개최되었다. 이번 콘퍼런스에서는 ▲산업 AI 도입을 통한 생산성 향상 ▲인공지능 아키텍처 ▲ESG 및 탈탄소 실현 ▲데이터 금융 ▲밸류체인 지능·고도화 ▲자율제조화 등 혁신적 변화를 가속화하는 기술·솔루션, 적용 사례를 선보였다.  이번 콘퍼런스는 양일 각각 5개의 기조연설과 제조지능화, 데이터 플랫폼, 디지털 트윈 등 개별 기술 세션으로 진행되었다. 1일차 기조세션으로 한국지멘스 디지털 인더스트리 백광희 상무는 ‘지멘스가 제시하는 제조산업의 탈탄소화 미래’라는 제목으로 기조강연을 진행했다. 지속 가능성으로의 전환을 위해서는 제품 라이프사이클 전반에 걸친 디지털화가 필수적이라며, 지멘스의 탄탄소화를 선도하는 기술을 활용한 구체적인 사례를 소개했다. LG CNS 명창국 담당은 ‘로보틱스, AI 발전이 가져온 스마트 로지스틱스 확장’이라는 제목으로 발표했다. 퍼스트마일(FirstMile), 미들마일(MiddleMile) 그리고 라스트마일(LastMile)은 제품이 생산에서 최종 소비자에게 도달하기까지의 여정 단계를 나타낸다. 옴니마일(OmniMile)은 이 모든 단계, 개념을 포괄하며, 물류 과정의 모든 단계가 서로 연결되어 있으며, 통합적인 관점에서 AI와 로봇 기반으로 자동화되고 최적화되어야 함을 의미한다. 명창국 담당은 “코로나19 전후로 이커머스의 급성장에 따른 라스트마일에 대한 관심과 투자가 최근 생산공정에서의 무인화, 지능화, 자율화 즉 퍼스트마일로 빠르게 확대되고 있다”고 밝혔다. SK C&C 방수인 그룹장은 ‘Twin Transition, 제조업 ESG 실행 가속화를 위한 디지털 전략’이라는 제목으로 발표했다. 탄소배출량의 낮고 높음, 수출 기업의 여부와 상관없이 사실상 국내의 모든 기업 경영에 영향을 미치고 있는 ESG 대응과 준비에 대해, Twin Transition이라는 거대한 화두에서 디지털 전략을 활용하고 ESG를 가속화하기 위한 SK의 전략과 실행 노력에 대해 소개했다. 메가존클라우드 김영상 부사장은 Smart Workplace 구현을 위한 Smart Space 추진 전략 및 사례라는 제목으로 메가존의 스마트 스페이스 사업을 소개를 통해 스마트 빌딩 등 공간의 디지털화를 위한 비즈니스 접근 전략과 사례에 대해 소개했다. 스마트제조혁신추진단 안광현 단장은 ‘중소기업 디지털 제조혁신 전략’이라는 제목으로 정부가 중소제조업 디지털 제조혁신을 지속적으로 추진하기 위해 지난해 9월 발표한 ‘신 디지털 제조혁신 추진 전략에 대해 소개했다. 과거 2019년~2022년 1기 스마트공장 정책이 3만개 달성을 목표로 ‘양적 확대’를 통한 기반조성 집중해왔다면, 이번 2024년~2027년 2기 정책은 민간이 주도하고 정부가 지원하는 ‘스케일업’ 정책이다. 안 단장은 이를 구현하기 위한 현장 수요를 반영한 기업 DX역량 수준별(우수, 보통, 취약) 지원체계 구축, 제조데이터 기반 제조 혁신 생태계 조성, 민간·지역 주도의 협력 네트워크 강화, 기술력 있는 공급기업 육성이라는 총 4개의 핵심전략에 대해 소개했다. 대표적인 정책은 ‘자율형공장’으로, 2027년 20개의 자율형공장 구축을 목표로 하고 있다고 밝혔다.     2일차 기조세션에서 다쏘시스템코리아 양경란 총괄대표는 ‘지속가능한 제조체계를 완성하는 버추얼트윈 UniVeRse’에 대해 소개했다. 시스코 시스템즈 코리아 임근수 이사는 ‘제조업의 진화, 스마트 팩토리를 넘어 DX의 세계로’라는 제목으로 발표했고, 한국미쓰비시전기오토메이션 미즈시마 카즈야 부장은 ‘글로벌 경쟁에서 이기기 위한 제조현장 개혁: 성공적인 DX의 필수조건에 대해 소개했다.  델 테크놀로지스 최영복 상무는 제조 산업을 위한 생성형 AI 전략과 솔루션 및 활용 사례를, 인도네시아 국가개발기획부/바페나스 아말리아 아디닝가위디아산티 경제부 차관은 ‘블루 이코노미 혁신을 통한 인도네시아 경제 전환 추진’에 대해 소개했다. 또한, 협회는 이번 전시회에서 ‘KOIIA ENC 기업지원라운지’를 마련하여 대·중견·중소기업별로 참여가 가능한 지원사업 및 혜택 안내까지 패키지 상담을 지원했다. 한국산업지능화협회 김도훈 회장은 ”탄소중립과 디지털화에 따른 산업구조 전환은 기업의 사업전환을 촉발함에 따라 협회가 전문성을 보유한 디지털 전환을 바탕으로 기업이 맞닥뜨린 고충을 선제적으로 해결할 수 있도록 실효성 있는 컨설팅을 제공할 계획”이라며 “앞으로도 협회는 우리기업의 산업DX 및 사업전환에 필요한 기업 진단부터, 맞춤형 컨설팅, 인증 등 연계 지원을 통해 새로운 도약의 기회를 제공하는 역할을 수행할 것이다”라고 밝혔다.     ■ 기사 내용은 PDF로도 제공됩니다.

마이다스아이티가 지난 4월 16일 CAE 기술 콘퍼런스인 ‘MTS SQUARE 24’를 개최했다. ‘사람을 위한 기술, 새로운 세상과 연결’을 테마로 한 이번 이벤트에서 마이다스아이티는 자사의 CAE 기술 로드맵을 소개하는 한편, CAE 기술 연구와 활용 사례 및 첨단 기술의 미래에 대한 인사이트 등을 소개했다. ■ 정수진 편집장     CAE의 진입장벽 낮추는 기술 개발 이번 행사에서 마이다스아이티 김종성 프로는 “시뮬레이션의 목적은 설계 단계에서 많은 문제점을 컴퓨터 소프트웨어를 통해 발견하고 해결하는 것”이라면서, 설계자가 손쉽게 활용할 수 있는 CAE 솔루션과 기술 개발 방향에 대해 소개했다. 디지털 전환, ESG(환경·사회적 책임·거버넌스) 등 시대 변화에 따라 시뮬레이션의 필요성이 늘고, 설계자의 시뮬레이션 활용도 확대되고 있다. 김종성 프로는 “한편으로 CAE가 발전하면서 CAE 소프트웨어가 공부해야 하는 학습의 대상이 되었다”고 짚었다. CAE를 효과적으로 수행하고 결과를 이해하기 위해서는 공학 지식을 바탕으로 해석을 위한 수치해석 모델을 만들어야 한다. 또한, 원활한 해석을 할 수 있도록 해석 대상을 작게 나누는 메시(mesh)를 만들어야 한다는 점도 CAE의 접근성을 떨어뜨리는 한계로 지적되어 왔다. 김종성 프로는 “이를 해소하기 위해 마이다스아이티는 메시프리(meshfree) 기술을 적용한 ‘마이다스 메시프리’를 개발했다”고 소개했다. 마이다스 메시프리는 형상을 불러오고 해석 조건을 설정한 후 해석을 진행해 결과를 분석하는 3단계 프로세스를 제공한다. 또한 설계 변경 내용을 빠르게 반영하는 오토 업데이트를 제공하면서 전반적인 해석 퍼포먼스를 높이는 데에 주력했다. 마이다스아이티는 향후 마이다스 메시프리에서 스폿 용접, 라인 용접, 볼트 정의 등을 자동 연결할 수 있는 연결성을 강화할 계획이다.     기업의 시뮬레이션 문화 정착에 기여할 것 또한, 마이다스아이티는 최적설계를 위한 다분야 통합 솔루션인 ‘마이다스 NFX’를 제공한다. 지난 2008년 공급을 시작한 마이다스 NFX는 유동해석 . 구조해석 . 위상최적화를 연계할 수 있고, 실무에서 많이 쓰이는 핵심 기능의 편의성을 높이는 방향으로 개발되고 있다. 김종성 프로가 소개한 마이다스 NFX의 개발 방향은 편의성, 연결성  기술지원 강화 등이다. 마이다스  NFX는 UI(사용자 인터페이스)와 워크플로를 더욱 직관적이면서 간결하게 만들 예정이다. 파트간 연결 기능이나 열유동 . 열응력 해석 연계 등 해석 분야간 연결성을 높이는 한편, 나스트란, 아바쿠스, 앤시스 등의 CAE 솔루션과의 호환성도 강화할 계획이다. 김종성 프로는 “마이다스 NFX는 지금까지 1000여 라이선스를 공급하면서, 연구자가 아닌 엔지니어 중심의 개발로 블루오션 시장을 공략하고 있다. 마이다스 NFX를 통해 기업의 시뮬레이션 문화 정착과 제품 개발 실무자의 역량 강화에 기여하고자 한다”고 전했다.   신규 패키지 및 AI 가술 지원 등 로드맵 소개 마이다스아이티는 기술지원을 강화할 계획인데, 여기에는 기술지원에 AI(인공지능)를 활용하는 것도 포함된다. 마이다스아이티가 축적한 기술자료와 다양한 분야의 해석 보고서, 기술지원 문건 등을 AI가 학습해 효과적인 고객 지원이 가능할 것이라는 설명이다. 김종성 프로는 “테스트 결과 사용자의 요구에 맞춰 기술문서, 보고서, 동영상 등 다양한 자료를 제공할 수 있어 AI의 가능성을 확인했다”면서, “향후 기존 소프트웨어에 AI 기술지원 기능을 결합할 계획도 있다”고 소개했다. 이외에, 김종성 프로는 마이다스 NFX와 마이다스 메시프리 및 기술 지원을 결합한 ‘마이다스 MTS’ 패키지도 소개했다. 마이다스 MTS는 실무에서 많이 쓰이는 해석 작업을 하나의 라이선스로 활용할 수 있다는 점을 내세운다.     사람을 위한 기술과 함께 살아가는 방법 고민 이번 MTS SQUARE 24 행사에서는 ‘사람과 AI’, ‘사람과 시뮬레이션’, ‘사람을 위한 기술’ 등의 주제로 국내 연구자들의 CAE 기술 개발 내용이 소개되었으며, 발전하는 기술을 어떻게 이해하고 활용해야 할 지에 대한 인사이트를 얻을 수 있는 기회가 마련됐다. 아주대학교의 이진우 교수는 생성적 설계(제너레이티브 디자인) 기법을 활용해 새로운 음향 특성을 가진 메타구조체를 개발한 내용을 소개했고, 영남대학교의 유기수 교수는 전기자동차 배터리의 열거동과 열폭주 현상을 CAE로 예측하기 위한 방법론을 소개했다. 건국대학교의 김창완 교수는 꾸준히 확대되고 있는 다중물리해석(멀티피직스 해석)이 발전하고 있는 방향에 대해 짚었다. 자동차부품산업진흥재단의 김명섭 전문위원은 국내 제조산업의 지속 성장을 위한 디지털 전환의 필요성과 추진 전략을 설명했다. 경희대학교의 김상욱 교수는 더 이상 피할 수 없는 AI와 사람의 ‘공존’을 위해 어떤 가치를 추구해야 할 지 짚고, UCLA의 데니스 홍 교수는 로봇 기술의 본질은 결국 사람을 위한 것이라고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

한국오라클이 지난 4월 16일 ‘모던 데이터 플랫폼 및 데이터베이스 혁신 전략’을 주제로 기자간담회를 열고, 융합형 데이터베이스(Converged DB)를 중심으로 한 오라클의 포괄적인 기업 데이터 관리 기술의 현재와 미래에 대해 소개했다.  ■ 박경수 기자   기자간담회에는 ‘DB의 아버지’라 불리는 오라클의 앤디 멘델손(Andy Mendelsohn) DB 서버 기술개발사업부 총괄 부사장이 참석해 ‘데이터, AI 및 앱 개발의 미래’를 주제로 발표하고, 오라클 DB 솔루션이 향후 AI 시대를 주도할 데이터 플랫폼의 미래 시장에서 어떤 가치를 갖고 있는지 설명했다.   오라클 모던 데이터 플랫폼 오라클 모던 데이터 플랫폼(Oracle Modern Data Platform)은 전체 라이프사이클을 간소화하고 더 빠른 속도로 통찰력을 제공한다는 점이 특징이다. 단일 플랫폼 상에서 모든 트랜잭션, 웨어하우스, 분석 및 인공지능(AI)/머신러닝(ML) 자산에 대한 수집, 선별(curation) 및 관리를 통해 기업이 데이터에 대한 더 큰 통제 권한을 얻을 수 있다. 오라클은 온프레미스, 하이브리드, 규제, 퍼블릭 클라우드 솔루션 등 원하는 형식이 무엇이든 지원할 수 있다고 강조했다. 모던 데이터 플랫폼은 기업 조직에 데이터 저장, 처리 및 분석을 위한 통합 환경을 제공하는 중앙 집중형 인프라로, 일반적으로 데이터 웨어하우스, 데이터 레이크, 추출, 변환, 로드(ETL) 파이프라인 및 분석 도구 등의 기술들을 포함하고 있다.  모던 데이터 플랫폼은 표준화 및 통합된 데이터 관리 접근방식을 확립해 기업 조직이 귀중한 통찰력을 얻고, 데이터 기반 의사결정을 내릴 수 있도록 하는 지원하는 것을 주된 목표로 삼는다. 단일 통합 저장소에서 데이터 자산을 중앙 집중형으로 관리해 데이터에 대한 더 쉬운 액세스, 협업 및 통제를 가능케 한다.   ▲ 오라클 모던 데이터 플랫폼 기자간담회 모습   융합형 데이터베이스 중심의 기업 데이터관리 앤디 멘델손 부사장은 “오라클의 데이터베이스 비전은 기업 앱 및 분석 개발 운영을 어떠한 활용 사례 및 규모에서든 수월하게 만드는 것”이라며, “전략적 핵심은 기업의 개발뿐만 아니라, 생성형 AI 및 LLM 결합을 통해 생성까지 쉽게 만드는 것”이라고 말했다. 이러한 비전 달성을 지원하는 두 가지 핵심 축은 ‘융합형 DB’ 및 ‘자율운영 DB’이다. 오라클의 융합형 DB는 23c 버전을 클라우드 환경으로 정식 출시됐고, 곧 사내구축형 환경으로도 출시될 예정이다. 멘델손 부사장은 오라클이 2023년 9월에 발표한 차세대 융합형 DB인 오라클 DB 23c가 기존 관계형 모델과 JSON 및 그래프 모델 간의 통합을 구현하는 혁신을 이뤘다고 소개했다. 또한 최근의 앱은 관계형뿐만 아니라 JSON, 그래프 등 다양한 데이터 유형이 혼합 운영되는 가운데, 개발자는 오라클 DB 23c를 통해 3가지 유형의 데이터 장점을 모두 활용하는 앱을 개발, 운영하고 있으며 그 과정에서 데이터의 일관성을 손쉽게 유지할 수 있다고 설명했다. 융합형 DB는 멀티 모델, 멀티 테넌트 및 멀티 워크로드 DB로, 각 개발팀이 원하는 데이터 모델과 액세스 방법을 지원하면서 불필요한 기능으로 방해받지 않도록 한다. 또한 각 개발 팀이 필요로 하는 모든 워크로드(OLTP, 분석, IoT 등)를 탁월한 성능으로 지원한다.  한편 오라클은 지난해 9월 오라클 데이터베이스23c(Oracle Database 23c)에 AI 벡터를 사용하는 시맨틱 검색 기능을 추가할 계획이라고 발표했다. AI 벡터 검색(AI Vector Search)이라는 기능 모음에는 새로운 벡터 데이터 유형, 벡터 인덱스, 벡터 검색 SQL 연산자 등이 포함되어 있다.   ▲ 오라클의 앤디 멘델손 DB 서버 기술개발사업부 총괄 부사장   생성형 AI 기술과 데이터베이스 접목 멘델손 부사장은 또 오라클 DB 비전과 관련해 생성형 AI를 접목한 융합형 DB(Converged Database)와 이를 구동하는 자율운영 DB(Oracle Autonomous Database)를 통해 모던 앱 및 분석을 생성 및 운영하는 작업이 간소화될 것이라고 강조했다. 이를 통해 융합 개방형 SQL DB가 기존 단일목적 상용 DB를 대체함으로써, 기업 개발자와 IT 전문가가 데이터 통합 시간을 줄이고 혁신에 더 집중하도록 돕는다는 전략이다. 오라클은 생성형 AI 기능을 자사 DB 포트폴리오에 내장하고 있는데, 기업이 오라클의 AI 기반 애플리케이션을 구축하도록 지원하기 위함이다. 대표적인 예로, 기업은 자율운영 데이터베이스 셀렉트 AI(Autonomous Database Select AI) 기능을 사용해 자체 엔터프라이즈 데이터와 생성형 AI가 제공하는 생산성 및 창의성의 장점 모두를 활용함으로써 애플리케이션 개발을 가속화할 뿐만 아니라, 신규 비즈니스 솔루션 구축을 진행할 수 있다. 또한 오라클은 OCI 데이터 사이언스(OCI Data Science)의 기능도 확장하고 있으며, 이를 통해 기업이 허깅페이스(Hugging Face)의 트랜스포머(Transformers) 또는 파이토치(PyTorch)와 같은 오픈소스 라이브러리를 사용해 복수의 LLM을 구축, 훈련, 배포 및 관리하도록 지원한다.   ▲ 차세대 융합형 데이터베이스, 오라클 DB 23c   오라클 글로벌 분산형 자율운영 데이터베이스 오라클 글로벌 분산형 자율운영 데이터베이스(Oracle Globally Distributed Autonomous Database)는 기업이 데이터 레지던시 요건을 충족시키고, 비즈니스 크리티컬 애플리케이션에 생존성을 제공하며, 클라우드급 DB 성능을 제공하도록 지원하는 완전 자동화된 분산형 클라우드 DB다.  또한 Oracle DB 샤드 세트로 분산된 단일 논리적 오라클 DB로, 각 샤드는 논리적 DB 데이터의 하위 집합을 호스팅하는 독립적인 오라클 DB 인스턴스다. 다수 샤드를 하나의 OCI 가용성 도메인, 여러 OCI 가용성 도메인 또는 리전, 또는 상이한 지역의 OCI 리전에서 실행해 각각 성능 극대화, 최상의 가용성 확보 및 데이터 레지던시 요건을 지원할 수 있다. 이 밖에도 기업의 핵심 워크로드 구동에 최적화된 고성능 및 고안정성을 제공하는 동시에, 데이터 주권 및 보안 강화를 지원하는 오라클의 서비스로는 오라클 융합형 DB(Oracle Converged Database), 오라클 자율운영 DB(Oracle Autonomous Database), 오라클 엑사데이터 클라우드앳커스터머(Oracle Exadata Cloud@Customer), MySQL 히트웨이브(MySQL HeatWave) 등이 있다. 또한 오라클은 기업 요구사항을 충족시킬 수 있는 DB 및 분석 서비스에 지속적으로 투자하고 있다.   멀티 클라우드 지원 오라클의 또 다른 전략적 핵심은 '멀티 클라우드 지원'이다. 오라클과 마이크로소프트는 주로 애저(Azure) 클라우드 이용 약정 계약을 맺고 있다. 애저 환경에서 자사의 앱 및 오라클 DB를 함께 운영하길 원하는 양사 고객들을 위해 ‘오라클 데이터베이스앳애저(Oracle Database@Azure)’를 발표했다.  해당 오퍼링은 물리적인 엑사데이터(Exadata) 하드웨어를 애저 클라우드 리전 안에 위치시켜 애저 클라우드 데이터 센터 안에서 바로 엑사데이터 기반 클라우드 서비스를 제공하는 변화를 선보였다. 이를 통해 양사 고객들은 기존 애저 클라우드 서비스에 대한 이용 약정 계약 금액만으로 애저 클라우드 및 오라클 데이터베이스 클라우드 서비스를 모두 사용할 수 있게 됐다. 향후 오라클은 MS 외에도 타 클라우드 기업들과 파트너십 확대를 전략적 목표로 삼고 있으며, 올해 오라클 클라우드 월드에서 관련 내용을 소개할 예정이다.  이번 기자간담회를 통해 오라클은 오라클 DB에 많은 양의 비즈니스 데이터를 보유한 기업들이 강력한 AI 기술 및 SQL을 손쉽게 활용해 간단한 방식으로 데이터 검색을 지원하는데 초점을 맞추고 있다는 것을 알 수 있다. 이를 통해 기업은 내부 독점 데이터를 더 잘 활용하는 것은 물론 이해할 수 있게 될 것으로 전망하고 있다. 또한 표준 SQL 기반으로 제공되는 AI 기술이기 때문에 컴퓨터 공학 부문에서 높은 학위가 없다고 하더라도 SQL을 이용할 수 있는 모든 DBA(데이터베이스 관리자)가 활용할 수 있다는 점도 특징이다.    질의 응답 Q. 오라클 DB의 자연어 질문 및 답변 지원 기능과 관련해, 이를 일반적 챗GPT와 비교 시, 기업 내 환경에서는 일반 사용자들이 경험하는 환각현상 같은 것들이 허용되지 않고 정확해야 하는데 이에 대한 관점은 A. 회사 내 데이터에 대해 LLM 기반 검색은 말씀하신 그런 LLM 모델로는 좋은 답을 제공할 수 없다. 말씀한 모델은 인터넷에 공개된 방대한 데이터에 대해 훈련됐지만, 기업 보유의 프라이빗 데이터에 대해서는 전혀 알지 못하기 때문이다. 비즈니스적인 질문을 비즈니스 데이터에 대해 할 경우에 자연어로 질문을 할 때 LLM이 올바른 SQL 질문을 만들 수 있도록 도울 수 있는 데이터 강화가 필요하다. 그래서 사용자의 질문의 맥락에 따라서 가장 적절하다고 생각되는 데이터베이스 스키마를 생성 및 제공해야 한다.  이에 오라클은 LLM이 SQL 생성 후 적절한 오라클 데이터베이스에 있는 스키마만 참조할 수 있도록 하며, 인터넷 공개 데이터로 답변하지 않도록 한다. 애널리스트들이 자주 묻는 질문을 알고 있기 때문에, 이것을 기반으로 관계형 뷰를 만들어서 여기서 가장 자주 묻는 질문에 해당하는 스키마 생성 및 이를 LLM에 전송해서 기업 맥락에 맞는 답변할 수 있도록 보완한다.    Q. 자율운영 DB 개념과 다른 리전에서 고가용성 및 레지던스 확보를 지원하는 기능에 대해 설명해 달라 A. 글로벌 분산형 자율운영 DB는 전 세계적으로 각국 정부가 데이터 주권 규제 강화하고 있는 추세를 지원하고자 출시했다. 예를 들어 현대기아자동차 같이 글로벌하게 운영하는 기업은 전 세계 고객에 대한 DB를 갖고 있다. 데이터 주권 규제로 인해 고객 DB를 국가별로 분산해서 나눠서 관리해야 하는 의무가 있다. 하나의 단일한 고객 DB를 통합해서 관리할 수 없고, 중국, EU 등으로 나눠서 관리해야 하며 이것을 데이터베이스 샤딩이라는 용어로 표현하고 있다. 그래서 23c에서 글로벌 샤딩을 쉽게 만드는 기술을 포함하고 있다.   Q. 파운데이션 LLM 사업을 직접 하지 않는 이유와 최근에 등장하는 경쟁력 있는 MS 오픈 AI, 구글 제미나이 등에 모델을 올리기 어려운 점에 대한 관점은 A. 챗GPT 같은 파운데이션 LLM 모델 개발 구축에 많은 비용이 들며, 시장의 무료 모델을 쓸 수 있기 때문이다. 또한 셀렉트 AI 등 오라클이 AI로 LLM 활용을 지원하는 기술들 중 좋은 API로 연결해 시중의 인기 있는 널리 사용되고 있는 LLM 모델과 잘 연동되고 지원하도록 기술을 고도화하고 있다. 오라클 클라우드 관점에서 오픈AI 등 LLM 벤더와 파트너십을 맺어서 오라클 클라우드를 사용하도록 움직이고 있다. 말하자면 프라이빗 LLM 만들 수 있도록 지원하는 것이다. 현재 AI 커뮤니티에서 굉장히 많은 개발 움직임이 있는데, 그 중 하나가 업무별로 특화된 LLM을 만드는 것이다. 이 경우 운영 비용이 굉장히 저렴해질텐데, 예를 들면 SQL 생성에 특화된 LLM 만든다고 했을 때, 이런 쪽과 협력해서 특화된 기술을 저렴한 비용으로 사용할 수 있도록 하는 협력을 진행하고 있다.      ■ 기사 내용은 PDF로도 제공됩니다.