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.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스의 밀레니엄 M1 CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 소개한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   자동차 산업은 거의 매일 새로운 혁신과 개발이 등장하며 끊임없이 발전하고 있다. 자동차 업계는 전기 구동 차량과 대량 생산이 증가하는 추세에 발맞춰, 보다 지속 가능한 미래를 만들기 위해 노력하고 있다. 2022년 전 세계 자동차 생산량은 5.7% 증가하여 8540만 대를 생산할 것으로 예상된다. 그러나 업계는 여러 디자인 또는 새로운 헤드라이트, 스플리터, 사이드 스커트 추가와 같은 아주 작은 디자인 변경에 대해서도 풍동 테스트 또는 프로토타입 테스트를 수용하면서 연비 기준을 충족해야 하는 과제에 직면해 있다. 그 결과, 항력 계수 등 관심 있는 유동장 정보와 성능 관련 수치를 예측하여 필요한 실험 횟수를 크게 줄일 수 있는 시뮬레이션 기반 접근 방식이 점점 더 인기를 얻고 있다. 유체 흐름의 난류를 이해하고 전산 유체 역학(CFD) 시뮬레이션을 통해 동일한 난류를 재현하려면 다양한 난류 모델을 사용해야 한다. 자동차 애플리케이션과 리소스 가용성에 따라 적합한 난류 모델을 선택하면 설계 주기를 단축하는 데 도움이 될 수 있다.      유체의 난류 모델링 난류는 압력과 속도의 혼란스러운 변화를 특징으로 하는 불규칙한 흐름을 일컫는 용어이다. 우리는 일상 생활에서 난류를 경험하며 공기 역학, 연소, 혼합, 열 전달 등과 같은 다양한 엔지니어링 응용 분야에서 중요한 역할을 한다. 하지만 유체 역학을 지배하는 나비에-스토크스 방정식은 매우 비선형적인 편미분 방정식이며 난류에 대한 이론적 해법은 존재하지 않는다. 난류는 광범위한 공간적, 시간적 규모를 포함하기 때문에 모델링과 시뮬레이션이 어려울 수 있다. 일반적으로 큰 와류는 난기류에 의해 생성된 에너지의 대부분을 전달하고 작은 와류는 이 에너지를 열로 발산한다. 이 현상을 ‘에너지 캐스케이드’라고 한다. 수년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명하면 다음과 같다.   직접 수치 시뮬레이션(DNS) DNS에서는 모델이나 근사치 없이 미세한 그리드와 매우 작은 시간 단계를 사용하여 모든 규모에서 난기류를 해결한다. DNS의 계산 비용은 엄청나게 높지만 결과는 가장 정확하다. DNS 시뮬레이션은 난류장에 대한 포괄적인 정보를 제공하기 위한 ‘수치 실험’으로 사용된다.   대규모 와류 시뮬레이션(LES) 이름에서 알 수 있듯이 이 난류 모델링 기법은 큰 소용돌이를 해결하고 보편적인 특성을 가진 작은 소용돌이를 모델링한다. LES 시뮬레이션은 최소 길이 스케일을 건너뛰어 계산 비용을 줄이면서도, 시간에 따라 변화하는 난기류의 변동 요소를 자세히 보여준다.   레이놀즈-평균 나비에-스토크스 모델(RANS) RANS 방정식은 나비에-스토크스 방정식의 시간 평균을 취하여 도출되었다. 난기류 효과는 미지의 레이놀즈 응력 항을 추가로 모델링하여 시뮬레이션한다. RANS 시뮬레이션은 평균 흐름을 해결하고 난류 변동을 평균화하므로 다른 두 가지 접근 방식보다 훨씬 비용 효율적이다.   올바른 선택 - DNS, LES 또는 RANS 올바른 난류 모델을 선택하는 것은 모든 시뮬레이션의 중요한 측면이며, 이는 주로 시뮬레이션의 목적, 흐름의 레이놀즈 수, 기하학적 구조 및 사용 가능한 계산 리소스에 따라 달라진다. 학술 연구의 경우 DNS 시뮬레이션은 난류의 근본적인 메커니즘과 구조를 이해하는데 가장 적합한 결과를 제공한다. DNS는 레이놀즈 수가 낮은 경우에 적합하지만, 막대한 시간과 리소스가 필요하기 때문에 대부분의 산업 분야에서는 실용적인 선택이 아니다. 반면에 LES는 일반적으로 레이놀즈 수가 높은 복잡한 형상을 포함하는 산업용 사례를 처리하는데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다. RANS 시뮬레이션은 LES에 비해 근사치의 범위가 넓기 때문에 정확도가 떨어진다. 그러나 정확도와 계산 비용 간의 균형으로 인해 RANS는 계산 리소스와 시뮬레이션 시간이 제한된 업계 사용자에게 일반적인 솔루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 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.

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     4월 5일 ‘뿌리산업 컨퍼런스’에서는 ‘뿌리산업 대전환, DX와 스마트팩토리’를 테마로 5편의 발표가 진행됐다. 한국생산기술연구원의 최태훈 연구소장은 ‘미래 산업환경 대응 지능화 뿌리기술’에 대해 발표했다. 디지털화(digitalization) 및 디지털 전환(DX)은 대량의 데이터를 수집/분석할 수 있는 기술로 꼽힌다. 주요 선진국은 매스 커스터마이제이션(대량맞춤생산) 및 퍼스널라이제이션(개인화)으로 대표되는 경제 패러다임의 변화에 대응하기 위해 DX 기술을 기반으로 생산 제조 시스템 및 서비스 시스템의 변화를 추진하고 있다. 데이터의 활용을 기반으로 서비스를 개인화/자동화하며 프로세스를 혁신하는 인더스트리 4.0과 스마트 공장이 대표적이다. 스마트 공장의 구성 요소로 ▲공장 내 모든 장비의 소통 ▲공장 내 모든 구성요소의 역할 파악과 협업 ▲자율 운영 등을 꼽은 최태훈 연구소장은 “스마트 공장의 목적과 활용도 측면에서 생산성 향상에 아직 집중하고 있는 것이 국내 뿌리기업의 현실”이라면서, 공정 최적화를 넘어 유연생산과 자율제조를 추진해야 한다고 짚었다. 또한 중견/중소기업의 디지털 전환 확산을 위해서는 대기업의 상생 노력 및 정부의 정책 고민도 중요하다고 덧붙였다.   ▲ 한국생산기술연구원 최태훈 연구소장   LG전자의 송시용 상무는 ‘스마트 팩토리 구축 여정과 사례’ 발표에서 “스마트 공장의 목적을 명확히 하고 긴 여정을 짧게 가져가는 것이 경쟁력이 될 것”이라고 전했다. 송시용 상무가 바라보는 스마트 공장은 새로운 생산 시스템의 초기 기획부터 구축, 안정화, 양산 운영까지 전체 라이프사이클의 경쟁력을 확보하는 수단이다. 이를 위해 양산 운영 단계까지 빠르게 도달하는 것이 스마트 공장 성공의 열쇠라는 것이다. 또한, 송시용 상무는 LG전자가 구축한 스마트 공장인 ‘드림 팩토리’의 사례를 소개했다. 드림 팩토리는 양산 3년 전부터 초기 기획을 진행했고, 자동화를 위한 표준화와 공용화 등을 선결 과제로 추진했다. 이를 통해 제품 개발, 생산 시스템 및 SCM(공급망 관리), 공법 및 장비 등의 영역에서 자동화와 운영 최적화, AI 기반의 성능 예측과 실시간 설비 데이터 기반 고장 예지 등의 기능을 구축했다. 송시용 상무는 “생산 현장의 직접 영역 외에 간접 영역의 디지털 전환도 함께 추진해야 효용을 높일 수 있다”고 덧붙였다.   ▲ LG전자 송시용 상무   현대자동차의 최영태 상무는 ‘현대자동차 HMGIS 스마트 팩토리 구축 사례 소개’에 대해 발표했다. 현대자동차는 미래 자동차 생산 기술을 연구 및 실증하기 위한 싱가포르 글로벌 혁신센터(HMGIS)를 구축했다. HMGIS는 현대자동차그룹의 스마트 공장 브랜드인 ‘이포레스트(E-FOREST)’를 실증하기 위한 테스트베드의 역할도 한다. 최영태 상무는 현대자동차가 추구하는 스마트 제조 플랫폼의 핵심 가치로 ▲휴머노이드 로봇 등을 활용한 자동화 ▲공장의 자율 운영 및 소프트웨어 정의 공장(SDF) ▲인체공학적인 스마트 공장 기술 ▲수소 에너지 기반의 넷제로 공장 등을 꼽았다. 또한, 스마트 공장 추진 사례로 ▲산업용 로봇/협동로봇, 머신비전, AI 기술을 활용한 조립 자동화 시스템 ▲자율주행, 통합 관제 기술 등을 활용한 경로 이송 물류작업의 자동화 시스템 ▲제조 현장의 데이터를 시각화/공유하는 IoT 기반의 팩토리 BI(비즈니스 인텔리전스) ▲데이터 분석/비전 품질 검사/생산 관련 정보 및 자동화 가이던스 제공 등을 위한 팩토리 AI를 소개했다.   ▲ 현대자동차 최영태 상무   에스엔에이치의 민태기 연구소장은 ‘공작기계의 역사와 제조업의 과거와 미래’에 대해 발표하면서 스마트 공장에 대한 큰 그림을 그리는 데에 도움이 될 만한 내용을 소개했다. 공작기계의 역사는 우리가 생각하는 것보다 오래 되어, 맷돌도 초보적인 공작기계로 볼 수 있을 정도이다. 이후 산업혁명 시기에는 증기기관 방적기가 등장하면서 의류의 생산성이 높아지고, 난방과 조리에 쓰고 남은 열을 활용할 수 있게 되면서 조리 기술이 발달하는 등 기계가 생활을 변화시키기도 했다. 특히 정밀가공 기술의 발전은 대포의 성능을 크게 높이면서 국제정세의 변화를 이끌었다. 비교적 최근에는 직렬 공정의 리스크에 대한 고민이 분산시스템과 CPS(사이버 물리 시스템) 등을 고민하게 했고, CNC 머신의 등장은 4차 산업혁명으로 이어지는 시작점이 되었다. 민태기 연구소장은 “이후에도 공작기계는 더 많은 산업과 우리 생활 가까이 자리잡고 있다”면서, “제조현장과 제품 생산의 미래는 성능과 생산성을 넘어 ‘우리의 삶을 어떻게 바꿀 것인가’라는 흥미와 관심이 주도할 것”이라고 전했다.   ▲ 에스엔에이치 민태기 연구소장   산업통상자원 R&D전략기획단의 임영목 MD는 ‘산업 R&D 정책 방향’에 대한 발표에서 “우리 정부는 자유무역 체제 하에서 기술 패권, 생산성 강화, 디지털 전환과 같은 글로벌 환경 변화에 대응해야 한다는 측면에서 R&D 및 정책 모델의 전환을 추진 중”이라면서, “첨단 전략 기술, 혁신 인재, 개방형 혁신, 산업 융합, 스케일업 등의 키워드를 정책에 반영할 필요성이 커졌다”고 전했다. 정부는 파편적인 과제 지원에 그치지 않고 전략적인 목표 아래 다양한 전문 분야를 연결해 산업 혁신으로 이어질 수 있는 정책 거버넌스에 대한 고민을 하고 있다. 임영목 MD는 이런 흐름에서 향후 정부 R&D 지원 정책의 주된 방향으로 ▲고위험 차세대 기술에 대한 R&D 투자 집중 ▲기업 등 민간의 기술 수요자 중심으로 프로세스 변화 ▲ 산업 단위의 공통 핵심기술에 대한 투자 확대 ▲기업 수요 기반으로 전략적 글로벌 공동 연구 추진 ▲민관 공동투자 대상 기업의 스케일업 지원 ▲선진 연구자의 참여 및 성장 지원 등을 꼽았다.   ▲ 산업통상자원 R&D전략기획단 임영목 MD   같이 보기 : [포커스] 디지털 제조 컨퍼런스, 제조산업 혁신 전략과 디지털 트윈의 활용 방안 소개

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     한국공작기계산업협회의 김경동 선임본부장은 개회사에서 “최근 AI 기반 자율 제조와 디지털 전환의 가속화 등 트렌드가 제조산업의 변화와 혁신을 요구하고 있다. 이러한 변화와 혁신에 대응하기 위해서는 더욱 스마트하고 효율적인 생산 방식을 채택하여 산업 경쟁력을 강화하고, 지속 가능한 발전을 이룰 수 있도록 해야 한다”고 짚었다. 그리고 “이번 행사를 통해 변화에 대응하기 위한 해결책으로서 반도체, 자동차, 조선 등 수요산업과 절삭, 가공 산업의 AI 자율 제조 구현을 살펴보는 동시에, 제조업의 당면 과제 해결을 위한 다양한 솔루션과 방향성을 찾는 기회가 마련되길 바란다”고 전했다. 4월 4일 ‘디지털 제조 컨퍼런스’에서는 ‘AI 제조 혁신과 디지털 트윈’을 테마로 5편의 발표가 진행됐다. DN솔루션즈의 이병곤 부사장은 ‘절삭 가공 산업의 AI 기반 자율 제조’에 대해 소개하면서, 절삭 가공 등 공작기계 산업의 자율 제조 시스템 구축을 위한 모티베이션으로 반도체 산업과 자동차 산업의 사례를 들었다. 반도체 산업의 경우 지난 수십 년간의 노력을 통해 높은 수준의 무인 자동화를 이뤘으며, 2030년까지 공장 장비의 유지보수까지 무인화하는 자율제조 체계 구축을 추진하고 있다. 반면 공작기계 산업에서는 자동화의 진행이 상대적으로 느린 상황이다. 이병곤 부사장은 “자율주행자동차의 발전 단계외 비슷한 아키텍처를 공작기계 산업의 자율 제조에도 적용할 수 있을 것”이라고 짚었다. 이병곤 부사장은 다수 장비의 자율 운영을 위한 표준화 및 공장 전체의 엔지니어링 데이터와 운영 시스템을 통해 공장의 자율제조 구현이 가능할 것으로 보았다. 그리고 “DN솔루션즈는 데이터 플랫폼, 제조 실행 플랫폼, 의사결정 플랫폼 등 세 가지 플랫폼을 중심으로 공장의 디지털 트윈 및 표준 제어 솔루션 등 전체 아키텍처를 구성하고, 상향식(bottom-up)으로 필요한 기능을 갖추면서 AI 기반의 자율제조 비전을 실현해 나가고자 한다”고 전했다.   ▲ DN솔루션즈 이병곤 부사장   네이버 클라우드의 하정우 센터장은 ‘챗GPT 1년, 초거대 AI가 불러온 변화와 우리의 전략’을 주제로 발표를 진행했다. 발표에서는 올해 생성형 AI(generative AI)의 주요한 트렌드로 ▲글/그림/영상/오디오 등 다양한 AI 서비스의 본격화 ▲스마트폰이나 로봇 등에 탑재되는 온디바이스(on-device) AI ▲AI의 안전성과 책임을 강화하기 위한 노력 ▲실제 산업과 일상생활에서 의미 있는 성과 창출 ▲사람의 편향성이 투영된 합성 데이터의 문제 해결 등을 꼽았다. 하정우 센터장은 “제조산업은 생성형 AI의 도입이 상대적으로 늦을 것이라는 시각도 있지만, 결국 모든 산업이 생성형 AI의 영향을 받을 것”이라면서, “현장 전문가의 지식과 노하우를 AI가 학습함으로써 지속가능한 기술 공유 및 기업 능력 강화가 가능하며, 제조산업에 특화된 데이터를 활용해서 생성형 AI를 만들고 이를 로봇과 연계해 생산성을 높일 수 있다. 이처럼 아날로그 시대에 정의된 프로세스를 디지털화하는 것에 그치지 않고, 새로운 기술을 고려해 프로세스 자체를 새롭게 정의해야 디지털 전환의 효과를 크게 만들 수 있을 것”이라고 전했다.   ▲ 네이버 클라우드 하정우 센터장   HD현대미포의 김희원 상무는 ‘조선산업의 설계-생산이 일관화된 디지털 생산 플랫폼 구축 전략과 현황’에 대해 소개했다. 글로벌 환경규제, 경쟁국가와의 격차 감소, 고숙련 인력의 부족 등은 조선산업이 해결해야 할 과제로 꼽힌다. 이에 따라 HD현대미포는 조선해양 산업의 미래 비전 수립하고 해양 모빌리티, 해양 디지털 솔루션, 해양 에너지 밸류체인의 구축 등을 추진하고 있다. 김희원 상무는 지능형 미래 조선소를 구현하기 위한 HD현대미포의 노력을 소개했다. HD현대미포는 네이버와 함께 대규모 AI 도입을 진행하는 한편, 지멘스와 협력해 4세대 조선 CAD 개발을 진행 중이다. 특히 디지털 조선소를 구현하기 위해 설계와 생산이 일관화된 디지털 제조 환경을 마련하는 데에 주력하고 있는데, 가상 공간에서 설계와 생산 검증을 진행하고 자동화 운영까지 단일 환경 기반으로 구현하는 것이 핵심이다. 또한, 김희원 상무는 BOM 자동 구축, 생산 공장의 시뮬레이션 기반 최적화, 시뮬레이션-생산 설비 연결, 생산 자동화 장비 개발 등 선박 블록 생산을 위한 디지털 매뉴팩처링 체계 구축 사례도 소개했다.   ▲ HD현대미포 김희원 상무   KAIST의 장영재 교수는 ‘AI 자율제조의 미래와 유연 공작셀 소개’를 주제로 한 발표에서 로봇이 자재를 갖고 필요한 공정으로 움직여 작업을 하는 셀(cell) 기반의 자동화 시스템이 전통적인 컨베이어 벨트 생산 시스템을 대체하고 있다고 전했다. 셀의 개념은 1980년대에 등장했지만 최근 기술의 발전에 힘입어 본격화되고 있다는 것이다. 장영재 교수는 “최근에는 자동화를 넘어서 자율화, 무인화로 패러다임이 바뀌고 있다”면서, “컨베이어 벨트를 대신하는 로봇, 인식과 판단을 위한 인공지능, 디지털 트윈 기반의 가상 검증, 소프트웨어의 원격 구축 및 업그레이드를 돕는 클라우드 등의 기술을 통해 변화하는 환경을 기계가 스스로 인식하고 자율적으로 판단, 행동하는 자율제조가 공장에 적용되고 있다”고 짚었다. 또한, 장영재 교수는 이런 자율제조 유연셀을 구현하기 위한 기술 개발 사례도 소개했다. 여기에는 ▲디지털 트윈을 통한 로봇의 가상 검증 및 로봇 동선 자동 설계 ▲외국인 작업자가 생산 스케줄을 수립/운영할 수 있는 LLM(대규모 언어 모델) 기반 스케줄링 자율화 ▲이기종 로봇의 연결 및 단일 소프트웨어 기반 제어 등이 있다.   ▲ KAIST 장영재 교수   포스코DX의 김미영 상무는 ‘제조 혁신의 미래, 디지털 트윈 추진 사례’를 주제로, 제조산업의 생존과 경쟁력 강화를 위한 디지털화 전략을 제시했다. 김미영 상무가 꼽은 제조 디지털 전환 접근법은 ▲스마트한 현장의 센싱 ▲스마트한 현장 관찰 ▲스마트한 분석과 판단 ▲스마트한 시뮬레이션 ▲스마트한 제어 등 다섯 가지이다. “제조산업의 당면 과제 해결과 생존을 위해서는 기존 산업의 도메인 지식에 IT 기술을 접목해 디지털 전환을 추구해야 한다”고 짚은 김미영 상무는 “포스코는 세계 시장에서 경쟁력 있는 철강기업으로 자리매김하고자 지난 2015년부터 스마트화를 추진해 왔으며, 가상 환경에서 전체 가치사슬을 모니터링 및 시뮬레이션하고 실시간 원격 제어가 가능한 디지털 트윈 공장을 구축하고 있다”고 소개했다. 지능화 공장을 통해 제조 현장의 폭넓은 문제 해결 및 최적의 의사결정이 가능할 것으로 전망한 김미영 상무는 전체 공장에 걸쳐 연결과 협업을 중심으로 하는 ‘초연결 메타 팩토리’로 나아간다는 포스코의 비전을 소개했다.   ▲ 포스코DX 김미영 상무   같이 보기 : [포커스] 뿌리산업 컨퍼런스, 제조산업의 디지털 전환을 위한 노력 짚다     ■ 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.

빌딩스마트협회는 4월 16일 논현동 건설회관 대회의실에서 빌드스마트 포럼(buildSMART FORUM) 2024를 개최했다. 빌드스마트 포럼 2024에서는 ‘변화하는 AEC : 생성형 Al와 메타버스의 시너지’라는 주제 아래 최근 화제로 떠오르고 있는 생성형 AI와 메타버스가 AEC에서 어떻게 활용되고 있고, 앞으로는 어떻게 발전하며, 업계에서는 어떻게 대응해야 하는지 확인하는 자리를 가졌다. ■ 최경화 국장     이번 포럼에서는 카이스트 손훈 교수, DL이앤씨 이상영 담당, 카이스트 김영철 교수가 기조연설을 진행하였으며, 데이튼대학의 김남균 교수, 에스엘즈 정재헌 대표, 수민함디자인의 함수민 대표, 홍콩폴리텍대학 키이춘(KEE Yee Chun) 교수, 홍콩시립대 하오정(Hao Zheng) 교수 등이 국내외의 다양한 AI 및 메타버스, 그리고 스마트건설 사례와 가능성에 대하여 발표했다.  빌딩스마트협회 안대호 회장은 “다양한 조건을 고려하여 최적의 설계를 도출할 수 있는 생성 Al와 가상공간에서의 협업을 가능케 하는 메타버스 기술의 접목은 시간과 비용을 절감하면서도 혁신적으로 설계 및 시공 프로세스를 개선할 것이다. 이를 통해 우리 산업의 디지털 전환속도를 더욱 가속화하고 획기적인 변화를 만들어낼 수 있을 것으로 기대한다”면서, “이번 포럼이 AEC 산업 변화의 기폭제가 되기를 바란다”고 말했다.   콘퍼런스 주요 발표 소개  DL이앤씨 이상영 담당은 “DL은 2009년부터 BIM을 도입했고, 2017년부터는 BIM으로 건설관리 혁신을 위한 본격적인 노력을 시작했다. 공사관리, 원가관리, 설계관리, MEP 등 다양한 분야에서 건설을 혁신할 수 있는 BIM 시스템을 개발했고, 개발된 시스템을 현업과 프로젝트에 적용하고 있다”고 소개했다.  BIM 시스템을 개발함에 있어서 추구하는 원칙은 개발이 완료되면 즉시 현업에 적용하고 사용 가능한 현실적인 시스템이어야 한다는 것이다. 그렇게 하기 위해서는 내재화하여 만들어져야 하고, 비용 측면에서는 신기술임에도 기존 비용과 동등 이하로 책정되어야 하며, 프로세스 측면에서는 동등 이하의 시간이 소요되어야 한다. 이를 위해 BIM 조직을 갖추고, 비용 절감을 위한 자동화와 공급망을 구축하며, 중요 알고리즘의 기획을 내부 인력으로 자체적으로 수행하고 있다고 밝혔다.  또한 “이제부터는 DL이앤씨가 직접 만든 BIM과 스마트 기술을 내부에서만 활용하는 것이 아니라 활용 범위를 확장하여 건설사의 비즈니스 모델이 신축공사에 치중되어 있는 현실을 타파하고, 스마트 건설 서비스로 사업 영역을 확대하여 대한민국의 건설 기술을 한 단계 성장시키고 건설사의 새로운 수익 모델을 창출하는데 이바지해 나갈 것”이라고 밝혔다. 한국과학기술원 김영철 부교수는 최근 KAIST 스마트시티연구센터와 KAIST 도시설계연구실에서 인공지능을 도시 분석과 도시 설계에 접목하려는 시도의 연구 결과를 소개했다. 그리고, 새롭게 개발되고 발전하는 인공지능 기술은 도시 분석과 설계 분야에도 많은 변화를 줄 수 있어 효과적으로 활용하기 위해서는 적극적 고려가 필요하다고 밝혔다.  한국과학기술원 손훈 교수는 지난 30년간 스마트 센싱 기술 연구 개발, 현장 적용, 실용화 및 상용화를 수행하면서 개인적으로 취득한 경험 및 앞으로 스마트 센싱 기술의 상용화를 위해 노력해야 하는 부분에 대해서 소개했다. 에스엘즈 정재헌 대표는 AEC 분야에서 알고리즘의 단순연산율 넘어 ‘Al를 통해 무엇을 만들고 의미를 담을지에 대한 고민의 흔적을 소개했다. 첫 번째로 연산과 검측, 예즉 가능한 Al를 만드는 긴 여정을 소개하고, 두 번째로 연산 결과물의 자동생성 과정을 자체 개발한 GE/SE 알고리즘 사례, CPU와 GPU 병렬연산을 통한 BIM 자동생성 전략에 대해 소개했다. 이와 함께 Al로 생성된 결과물들을 시각화 및 AR 내에서 동작하는 방법을 통해 시공성과 현장성을 높이는 기술에 대해 발표했다.     빌딩스마트협회 정기총회 개최와 주요 사업 소개 빌딩스마트협회는 제27회 정기총회를 개최하고, 안대호 회장(나우동인건축사사무소 대표)을 연임하기로 의결했다.  빌딩스마트협회는 한국공항공사 ‘공항시설정보 통합관리시스템(KAC-BIM)’ 기반체계 구축용역(2021. 7~2024. 3), 인공지능 기반의 건축설계 자동화 기술개발(2021. 4~2025. 12), 광역단위 노후건축물 디지털 안전워치 기술개발(2022. 4~2025. 12) 등 연구 사업들을 진행하고 있으며, BIM AWARD, 콘퍼런스와 포럼, 교육 및 자격 사업 등을 진행하고 있다.      ■ 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.