성공적인 유동 해석을 위한 케이던스의 CFD 기술   터빈의 성능 향상은 터보머신의 효율과 신뢰성을 높이는 데 매우 중요하다. 터빈 성능에 큰 영향을 미치는 핵심 요인 중 하나는 2차 유동(secondary flow)으로, 축류 터빈에서 전체 공기역학적 손실의 최대 50%까지 차지할 수 있다.(Khadim et al., 2017) 첨단 시뮬레이션 기술을 통해 이 러한 손실을 이해하고 완화하는 것은 터빈 설계와 기능 최적화를 목표로 하는 엔지니어에게 필수이다. 이번 호에서는 아헨(Aachen) 축류 터빈에서의 2차 유동의 복잡한 물리학과 케이던스 피델리티(Cadence Fidelity) CFD 소프트웨어를 사용하여 이를 완화하는 방법을 설명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr     2차 유동의 이해 2차 유동은 주유동(primary flow) 방향과 수직으로 발생하는 유체 움직임을 의미하며, 모든 유형의 터보머신에서 다양한 복잡도로 관찰된다. 축류 터빈에서 날개의 기하학적 구조와 곡률은 압력 구배를 생성하여 와류(vortex) 또는 회전 유동 패턴을 형성하게 한다. 이러한 2차 유동은 이상적인 유동장을 방해하여 에너지 손실을 증가시키고 전체 터빈 효율을 감소시킨다. 2차 유동의 역학은 복잡하고 본질적으로 비정상적(unsteady)이며, 유동 내에서의 3차원 상호작용으로 인해 발생한다. 따라서 이러한 유동을 정확하게 시뮬레이션하는 것은 엔지니어와 연구자에게 상당한 도전이 된다. 케이던스 피델리티 플랫폼과 같은 첨단 계산 도구는 심층 분석과 문제 해결을 용이하게 한다.   2차 유동 역학 시뮬레이션 사례 연구 이번 호에서는 1.5단(1.5-stage) 아헨 축류 터빈에 초점을 맞추고 있으며, 3D 메싱부터 고급 후처리까지 모든 단계를 포함한 종합 터보머신 모델링 설루션인 피델리티 파인 터보(Fidelity Fine Turbo)를 활용한다. 이 소프트웨어의 기능은 2차 유동 현상을 철저히 탐구할 수 있도록 하여, 엔지니어가 터빈 성능을 향상시키는 데 필요한 도구를 제공한다.   ▲ 1.5단 아헨 터빈 및 블레이드 통로의 확대도   아헨 터빈 설계는 원통형, 꼬임 없는 에어포일 형상의 날개가 장착된 슈라우드 없는(rotor unshrouded) 로터를 특징으로 한다. 날개의 곡률은 압력 차이를 발생시키며, 압력면(PS)에서는 고압, 흡입면(SS)에서는 저압이 생성된다. 이 압력 차이로 인해 PS에서 SS로 유동이 발생하며, 축 방향 주유동(axial flow)에서 벗어난 횡방향 2차 유동(transverse secondary flow)이 형성된다.   ▲ 터빈 블레이드 통로 내 2차 유동 구조의 시각화(Khadim et al., 2017)   2차 유동 형성 메커니즘을 이해하려면 경계층(boundary layer) 효과를 고려해야 한다. 낮은 운동량 유체는 벽 근처에 축적되며, 압력에 의해 생성된 횡유동(cross-flow)에 의해 제거된다. 이 과정에서 말굽형 와류(horseshoe vortex : HSV)가 발생하며, 스태그네이션 포인트(stagnation point)에서 두 개의 가지로 나뉘어 통로 와류(passage vortex : PV) 및 벽 와류(wall vortices)를 형성한다. 또한 날개-벽 접합부에서는 경계층과 횡유동의 상호작용으로 코너 와류(corner vortex)가 생성된다.   피델리티 CFD 플랫폼을 활용한 시뮬레이션 설정 2차 유동 문제를 해결하기 위한 첫 번째 단계는 탄탄한 시뮬레이션 환경을 구축하는 것이다. 피델리티 CFD는 복잡한 형상을 CFD 분석용 고품질 메시로 변환하는 고해상도 메시 생성 기능을 제공한다. structured 및 unstructured 멀티블록 메싱(multi-block meshing)을 능숙하게 처리하여 유동 역학을 정밀하게 포착할 수 있다. 이번 호에서는 미리 정의된 터보머신 템플릿을 사용하여 사용자 입력을 최소화하면서 각 행(row)당 하나의 통로(passage)에 대해 구조화된 멀티블록 메시가 생성된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   혁신은 오랫동안 ‘번뜩이는 아이디어’의 영역으로 여겨져 왔다. 많은 기업들은 해커톤, 아이디어 공모전, 혁신 캠프와 같은 이벤트를 통해 새로운 가능성을 찾으려 한다. 그러나 냉정하게 돌아보면 대부분의 혁신 활동은 행사로 끝난다. 아이디어는 발표 순간 박수를 받지만, 시간이 지나면 자료 폴더 속에 묻히고 만다. 왜 이런 일이 반복될까? 이유는 간단하다. 혁신의 과정이 연결되어 있지 않기 때문이다.   그림 1. 왜 혁신은 지속되지 않는가?   오늘날 기업이 직면한 가장 큰 문제는 아이디어의 부족이 아니다. 오히려 문제는 너무 많은 아이디어가 단절된 채 사라진다는 데 있다. 누가 어떤 문제를 발견했는지, 왜 특정한 결정을 내렸는지, 어떤 시행착오를 거쳤는지, 그리고 무엇을 배웠는지가 조직 안에서 축적되지 않는다. 결국 혁신은 경험이 아니라 이벤트로 소비되고 만다.   그림 2. 혁신을 시스템으로   이제 혁신은 단발성 활동이 아니라 데이터로 연결된 지속 가능한 시스템으로 진화해야 한다. 여기서 중요한 개념이 바로 디지털 스레드(digital thread) 기반 혁신이다. 디지털 스레드는 단순한 데이터 관리 체계가 아니다. 그것은 아이디어의 탄생부터 실행, 실패, 개선, 그리고 최종 결과에 이르기까지의 전 과정을 하나의 흐름으로 연결하는 구조다. 다시 말해 혁신의 ‘흔적’을 남기는 것이다. 중요한 것은 단순히 결과만 저장하는 것이 아니라, 그 과정 속에서 발생한 판단과 맥락, 그리고 학습 내용을 함께 기록하는 데 있다. 예를 들어 한 엔지니어가 새로운 생산 방식을 제안했다고 가정해보자. 기존 조직에서는 최종 결과만 보고된다. 성공 여부만 남고 중간 과정은 사라진다. 하지만 디지털 스레드 기반 혁신에서는 전혀 다르다. 어떤 현장에서 문제를 발견했는지, 어떤 데이터를 근거로 판단했는지, 어떤 대안을 검토했는지, 왜 특정 결정을 선택했는지까지 모두 연결된다. 이 과정은 단순한 기록이 아니라 조직의 지식 자산이 된다. 이러한 구조에서 가장 중요한 첫 번째 요소는 추적성(traceability)이다. 혁신은 본질적으로 불확실성을 다루는 과정이다. 따라서 결과보다 중요한 것은 ‘왜 그런 결정을 했는가’이다. 추적성이 확보되면 조직은 과거의 판단을 복기할 수 있다. 성공한 프로젝트뿐 아니라 실패한 프로젝트에서도 중요한 통찰을 얻는다. 실패의 원인을 정확히 이해하는 조직은 같은 실패를 반복하지 않는다.   그림 3. 추적성은 결과가 아닌 이유를 기록하라   두 번째 핵심은 연속성(continuity)이다. 대부분의 혁신 활동은 단계가 바뀌는 순간 단절된다. 아이디어 단계와 개발 단계, 개발과 운영 단계, 운영과 서비스 단계 사이에는 항상 보이지 않는 벽이 존재한다. 그 결과 초기의 의도가 현장에서 왜곡되거나 사라진다. 디지털 스레드는 이 단절을 제거한다. 모든 과정이 하나의 흐름으로 연결되기 때문에 혁신의 맥락이 유지된다.   그림 4. 연속성이 핵심이다.   세 번째는 검증성(verifiability)이다. 과거의 혁신은 종종 ‘좋은 아이디어였다’는 감각적 평가에 의존했다. 그러나 데이터 기반 혁신에서는 모든 활동이 검증 가능해야 한다. 어떤 아이디어가 실제 비용 절감에 기여했는지, 어떤 의사결정이 품질 향상으로 이어졌는지, 어떤 실험이 실패했는지를 데이터로 증명할 수 있어야 한다. 혁신이 감각이 아니라 증명 가능한 가치 창출 활동으로 바뀌는 순간이다.   그림 5. 직관을 가설로, 실행을 실험으로   여기서 더욱 중요한 개념은 재사용성(reusability)이다. 많은 조직은 실패를 폐기물처럼 취급한다. 하지만 디지털 스레드 기반 혁신에서는 실패조차 자산이 된다. 특정 프로젝트에서 실패했던 원인과 조건이 구조적으로 기록되면, 미래의 다른 프로젝트는 그 실패를 반복하지 않는다. 즉 조직은 실패를 비용이 아니라 학습 데이터로 전환하게 된다.   그림 6. 실패의 자산화    또 하나 주목해야 할 요소는 확장성(scalability)이다. 전통적인 혁신은 종종 특정 개인의 역량에 의존했다. 뛰어난 리더 한 명, 천재적 엔지니어 한 명이 조직의 혁신을 이끌었다. 그러나 개인 중심 혁신은 재현이 어렵다. 반면 디지털 스레드는 개인의 경험을 조직 전체의 지식으로 확장한다. 한 사람의 통찰이 데이터 구조 속에 축적되면, 그것은 조직 전체가 공유하고 활용할 수 있는 집단 지성이 된다.   그림 7. 개인의 경험을 산업의 표준으로   결국 미래의 혁신 경쟁력은 아이디어의 개수에서 나오지 않는다. 진짜 경쟁력은 조직이 얼마나 체계적으로 지식을 연결하고 축적하는가에서 결정된다. 이제 혁신은 ‘무엇을 생각했는가’보다 ‘어떻게 연결했는가’의 문제다. 인공지능 시대에는 이 흐름이 더욱 중요해진다. AI는 단순히 데이터를 많이 가진 조직보다, 의미 있게 연결된 데이터를 가진 조직에서 더 강력하게 작동한다. 연결되지 않은 데이터는 단순한 저장물에 불과하지만, 디지털 스레드로 구조화된 데이터는 조직의 기억이자 학습 체계가 된다. 그리고 이것이 바로 미래 기업의 새로운 운영체제(operation system)와 산업 인공지능 온톨로지(industrial AI ontology)가 될 가능성이 높다.   그림 8. 혁신은 사건이 아니라 시스템이다.   혁신은 더 이상 천재의 직관에 의존하는 시대를 지나고 있다. 이제 혁신은 기록되고, 연결되고, 학습되며, 재사용되는 구조로 진화하고 있다. 디지털 스레드는 단순한 기술 개념이 아니다. 그것은 조직이 경험을 자산으로 바꾸는 방식이며, 미래 경쟁력을 만드는 새로운 문법이다. 결국 살아남는 조직은 가장 많은 아이디어를 가진 조직이 아니라, 가장 잘 연결된 지식을 가진 조직이 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설 턴트를 걸쳐서 디지털 지식 전문가 로 활동하고 있다. 현재 디지털지식 연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스 트로 활동하고 있다. 보잉, 삼성항 공우주연구소, 한국항공(KAI), 지 멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

지멘스가 심센터 피직스AI(Simcenter PhysicsAI) 소프트웨어를 통해 자사의 고급 엔지니어링 시뮬레이션 및 테스트 설루션 포트폴리오를 확장한다고 발표했다. 지멘스에 따르면 심센터 피직스AI는 엔지니어가 혁신적인 설계 개념과 다양한 변형안을 거의 즉시 평가할 수 있도록 지원한다. 심센터 피직스AI는 지멘스 심센터 STAR-CCM+ 소프트웨어의 기하학적 딥러닝 기술을 활용해 AI 기반 설계 탐색을 가속한다. 새로 도입된 기능을 통해 엔지니어는 전산 유체 역학(CFD) 시뮬레이션 데이터로부터 고효율 AI 차수 축소 모델(ROM)을 생성하고, 기존 워크플로 대비 약 1000배 빠른 속도와 더 적은 컴퓨팅 자원으로 다양한 설계 시나리오를 탐색할 수 있다는 것이 지멘스의 설명이다. 지멘스는 심센터 피직스AI를 통해 엔지니어들이 기존 CFD 결과를 기하학적 딥러닝(GDL) 훈련 데이터로 재사용하고 예측 모델을 더 빠르게 구축할 수 있다고 전했다. 심센터 STAR-CCM+의 애드온으로 제공되는 이 소프트웨어는 엔지니어가 시뮬레이션 결과를 토대로 AI 대리 모델(surrogate model)을 훈련하고 검증할 수 있도록 지원한다. 또한 통합된 시뮬레이션 환경 내에서 새로운 형상에 대한 예측을 거의 즉시 실행할 수 있으며, 검증 기준으로 고충실 CFD 시뮬레이션을 손쉽게 활용할 수 있도록 한다. 이를 통해 엔지니어링 팀은 설계 검토 시간을 수 분 단위로 단축하고, 더 적은 컴퓨팅 자원으로 더 많은 설계를 탐색하며, 의사결정 속도를 높일 수 있다.     엔지니어를 위해 설계된 심센터 피직스AI는 AI ROM의 생성과 활용을 간소화해 다양한 기능을 지원한다. 기하학적 데이터에 최적화된 고급 트랜스포머 신경망 아키텍처를 활용해 예측 모델을 훈련함으로써, 수천 개의 설계 변형에 대한 성능을 몇 분 만에 신속하게 평가할 수 있다. 기존 실험계획법(DOE) 연구를 포함한 과거 데이터와 신규 생성 결과를 토대로 AI 모델을 훈련할 수 있어, CFD 시뮬레이션 재실행 부담을 줄이고 기존 시뮬레이션 자산의 재사용성을 높인다. 심센터 피직스AI는 초기 단계의 설계 선별 과정을 솔버 실행에서 AI 추론 기반으로 전환해 더 빠른 반복 주기를 제공한다. AI ROM을 최적화 연구에 통합하면 몇 주가 걸리던 수백 개 설계 변형 탐색을 몇 시간 만에 수행할 수 있다. 오차 지표와 검증 도구를 통해 예측 정확도를 정량화하고, AI 모델이 올바른 성능 추이를 반영하도록 보장해 내장 검증 기능과 신뢰성을 확보한다. 심센터 피직스AI는 GPU 가속을 활용해 최적의 성능을 제공하며, GPU 기반 예측은 CPU 대비 최대 100배 빠르게 수행된다. 지멘스 디지털 인더스트리 소프트웨어의 샘 마할링엄 시뮬레이션·HPC·AI 부문 수석 부사장은 “엔지니어링 시뮬레이션의 한계는 물리 법칙이 아니라 얼마나 빠르게 가능성을 탐색할 수 있는지에 달려 있다. 지멘스의 전략은 고객이 과거 작업에서 학습하고, 탐색 속도를 높이며, AI를 혁신을 위한 방향 제시 엔진으로 활용하도록 돕는 것이다. 지멘스는 결정론적 진실을 대체하는 것이 아니라, 이를 확장 가능하고 즉각적으로 활용할 수 있도록 하는 데 집중하고 있다”면서, “지멘스는 AI를 활용해 엔지니어가 문제 해결을 위한 최적의 설루션을 빠르게 탐색하고 찾아낼 수 있도록 지원하고 있다. 심센터 피직스AI는 전례 없는 속도와 지능으로 문제 해결을 지원하며, 엔지니어가 반복 작업과 파편화된 데이터에서 벗어나 창의성과 혁신 가속에 집중할 수 있도록 돕는다”고 말했다. 심센터 피직스AI는 현재 심센터 STAR-CCM+의 애드온으로 제공된다. 기존 고객과 신규 고객 모두 지멘스 및 알테어 통합 제품 생태계 전반에 걸쳐 지속적인 혁신과 확장된 기능의 혜택을 누릴 수 있다.

PTC 크레오 (Creo)  Flow Analysis로 방열·유동 설계 검증 도메인 자동 추출 · 업데이트부터 경계조건, 메싱, 솔빙(수렴), 결과 시각화까지 Creo U에서 확인하세요.   이미지가 안보이신다면, 이곳을 클릭해주세요.

  INFOWORLD   Focus 15　심센터 테크놀로지 콘퍼런스 2026, 지멘스-알테어 통합 시너지와 AI 기반 시뮬레이션 혁신 제시 18　트림블, AI와 혁신 기술이 이끄는 건설 패러다임의 변화와 비전 소개 20　OSC 모듈러 포럼 2026, 건설 산업의 디지털 전환과 생산성 혁신 전략 논의 45　태성에스엔이, 시뮬레이션과 AI의 융합으로 예측 중심의 제조 혁신 가속화 48　인텔, 코어 울트라 200S 플러스 및 아크 프로 B 시리즈로 로컬 AI 시장 공략 강화 50　유아이패스코리아, 에이전틱 AI 전략 공개… 지능형 오케스트레이션으로 진화   Hot Window 22　조선소 디지털 트윈과 피지컬 AI의 실체적 구현 / 이태진 26　데이터·온톨로지·인과추론으로 다시 짜는 한국 반도체 생태계의 운영체계 / 권석준   People & Company 32　피앤피어드바이저리 유영진 대표　전략 컨설팅부터 시스템 구축까지… 제조 AX 이끄는 ‘조율자’로 도약   Case Study 34　실시간 협업과 시뮬레이션의 가치를 구현하는 팀 셋업 전략　연결된 데이터를 인터랙티브 3D 경험으로 전환 40　로보틱스 시뮬레이션의 핵심 플랫폼, 언리얼 엔진　합성 데이터로 피지컬 AI의 진화를 이끌다   New Products 53　이달의 신제품 56　임베디드 시스템 개발에 신뢰할 수 있는 AI 구현　매트랩 및 시뮬링크 R2026a   Column 58　디지털 지식전문가 조형식의 지식마당 / 조형식　디지털 스레드 기반 혁신 61　트렌드에서 얻은 것 No. 31 / 류용효　기업의 경쟁력은 데이터가 아니라 컨텍스트다   64　News   Directory 107　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 67　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (2) / 최하얀　아레스 커맨더 2027의 MVSETUP 기능 심층 분석 70　새로워진 캐디안 2026 살펴보기 (7) / 최영석　유틸리티 기능 외   Visualization 74　생성형 AI 영상 제작의 기술과 전략 (1) / 최석영　AI 프로덕션 워크플로   Mechanical 79　AI 전기 도면으로 제조 애셋의 가치를 깨운다 / 구형서　지능형 공장을 위한 AI 전기 도면 및 데이터 자산화 전략 82　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (11) / 김성철　향상된 복합재 설계 및 제조 Ⅰ 88　산업을 위한 AI와 버추얼 트윈 기술 (4) / 오은정　엔지니어의 새로운 가상 동반자 − AI로 강화된 3D익스피리언스 카티아   Analysis 92　심센터 HEEDS 더 깊게 살펴 보기 (6) / 이종학　모두를 위한 제너럴 포털과 맞춤 설정 96　앤시스 워크벤치를 활용한 해석 성공 사례 / 정준영　앤시스 메커니컬 비선형 접촉 해석을 위한 팁 99　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스IT　피델리티 CFD를 활용한 터보머신의 2차 유동 효과 해결 102　CAE·가상 개발 기반의 MBSE 및 MBD 프로세스 구축 (1) / 오재응　CAE 기반 MBSE 전환의 필요성과 계층적 접근 전략       캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

성공적인 유동 해석을 위한 케이던스의 CFD 기술   해상풍력 산업은 현대 사회의 에너지 위기를 해결하기 위한 대안으로 꼽히지만 복합적인 설치, 운영, 그리고 유지보수상의 다양한 과제에 직면해 있다. 이번 호에서는 피델리티 CFD(Fidelity CFD) 플랫폼 내의 피델리티 파인 마린(Fidelity Fine Marine)을 활용하여 홀더(Houlder)가 이러한 과제 중 일부를 해결하는 포괄적인 접근법을 어떻게 구현하고 있는지 살펴본다. 또한 해양 파력에 대한 모노파일의 내구성을 주제로 한 사례 연구를 통해 홀더의 전문성을 조명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   해상풍력 에너지는 현대 사회가 직면한 에너지 위기를 해결하기 위한 핵심적인 대안으로 평가된다. 해상에서 발생하는 강력하고 지속적인 바람을 효율적으로 활용함으로써, 보다 청정하고 환경적으로 지속 가능한 미래를 구현할 수 있다. 2023년 기준 전 세계 해상풍력 발전 설비 용량은 약 75기가와트(GW)에 이르며, 2030년에는 200기가와트를 상회할 것으로 전망된다. 이러한 괄목할 만한 성장은 해상풍력 산업이 기후변화 대응에 기여할 수 있는 막대한 잠재력과 함께, 메가와트시(MWh)당 약 40달러 수준의 발전 단가로 기존 화석연료 기반 에너지원보다 우수한 경제성을 지니고 있음을 보여준다.     그 잠재력에도 불구하고, 해상풍력 산업은 복합적인 설치, 운영, 그리고 유지보수상의 다양한 과제에 직면해 있다. 유한요소해석(FEA)과 전산유체역학(CFD)을 비롯한 첨단 전산지원공학(CAE) 도구를 활용하면 이러한 문제를 완화하고, 해상풍력을 주요 에너지원으로 채택하는 과정을 가속화할 수 있다.   홀더에 대하여 홀더는 그 역사가 1800년대까지 거슬러 올라가는 다학제적(多學際的) 해양 전문 기업이다. 이 회사는 해양 기술 분야에서의 엔지니어링, 설계, 그리고 혁신 역량으로 알려져 있다. 홀더는 전 세계 해운 산업의 탈탄소화를 선도하는 최적의 파트너가 되는 것을 목표로 하고 있다.     홀더의 핵심 운영 부문 중 하나는 선박 분석 팀(Vessel Analysis Team)이다. 이 팀은 계측된 해상 시운전(instrumented sea trials) 및 컴퓨터 시뮬레이션과 같은 첨단 기법을 활용하여 선박의 설계와 성능을 개발 및 최적화한다. 이들의 연구는 에너지 절감 장치나 풍력 보조 추진 기술(wind-assist technologies)과 같은 설루션의 개념 설계 및 성능 평가를 지원하며, 해양 산업의 지속가능성 향상에 기여하고 있다.     해상풍력 설치의 현재 과제 해상풍력 터빈의 설계와 설치는 복잡한 구조적 과제를 수반한다. 터빈은 극한의 기상 조건을 견딜 수 있도록 설계되어야 하며, 그 핵심은 기초(foundation) 설계에 있다. 해저 지반 조건과 수심에 따라 모노파일(monopile), 중력식(gravity base), 트라이포드(tripod) 등 적절한 기초 형식을 신중히 선택해야 하며, 이는 측면 하중(lateral forces)과 퇴적물 이동(sediment movement)에 대한 안정성을 확보하기 위한 필수 과정이다. 또한 파랑(wave action)과 해류(ocean currents) 같은 유체역학적 힘(hydrodynamic forces)을 이해하는 것은 기초 구조의 건전성을 유지하는 데 필수이다. 염수 부식(saltwater corrosion) 문제 역시 중요하며, 부식 분석(corrosion analysis)을 통해 취약점을 파악하고 보호 대책을 마련함으로써 구조물의 수명을 연장할 수 있다. 한편, 해저 케이블(subsea cable)의 설치와 관리도 또 다른 주요 과제이다. 케이블은 설치 과정에서 손상되지 않도록 신중히 취급하고 매설해야 하며, 악천후 속에서 유지보수를 위해 터빈에 접근하는 일 또한 큰 운영상의 어려움을 가져올 수 있다. 이러한 요소를 효과적으로 조율하는 것이 해상풍력 터빈의 성공적인 설치와 운영의 핵심이다.   해상풍력 설치 과제 해결을 위한 CFD 및 FEA 도구 CFD와 FEA 도구는 해상풍력 설치와 관련된 다양한 기술적 과제를 해결하는 데 점점 더 널리 활용되고 있다. FEA는 특히 모노파일이나 재킷(jacket) 등 기초 구조물 설계에서의 응력(stress)과 변형(deformation)을 시뮬레이션하는 데 유용하다. 이를 통해 엔지니어는 파랑과 해류의 영향을 평가하고, 응력 집중 영역을 식별하며, 재료 선정과 보호 코팅과 같은 설계 결정을 보다 정교하게 내릴 수 있다. CFD는 변화하는 해양 조건에서의 케이블 성능을 이해하는 데 중요한 역할을 한다. 이를 통해 설치 계획 및 터빈 유지보수용 선박 설계를 최적화할 수 있다. 또한 CFD는 퇴적물 확산(sediment dispersion)과 수질 변화(water quality change)를 모델링함으로써, 환경 영향을 최소화하기 위한 전략 수립에도 기여한다. CFD와 FEA를 효과적으로 병행 활용함으로써 해상풍력 산업은 설치 안전성과 효율을 크게 향상시킬 수 있으며, 보다 지속가능한 풍력 에너지 활용 방안을 마련할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   18세기 애덤 스미스는 ‘보이지 않는 손’이라는 직관적인 은유를 통해, 개인의 이기적인 선택이 중앙 통제 없이도 시장 전체의 효율적인 균형을 만들어낸다고 설명했다. 20세기 후반에는 대니얼 카너먼이 ‘전망 이론(prospect theory)’과 행동경제학을 통해, 인간은 합리적 존재가 아니라 손실 회피와 심리적 프레이밍에 영향을 받는 편향된 존재임을 밝히며 고전 경제학의 전제를 뒤흔들었다. 그러나 디지털 전환(DX)과 인공지능 전환(AX)이 고도화된 오늘날, 우리는 기존의 이론적 프레임워크로는 시장의 미래를 예측하기 어려운 새로운 한계에 직면했다.   그림 1. 인간 중심의 의사결정 모델   전통 경제학과 행동경제학은 공통적으로 의사결정의 주체를 ‘인간’으로 상정한다는 근본적인 한계를 지닌다. 하지만 현재 우리는 인간 외부에 존재하는 지능이 시장을 재구성하는 시대에 진입하고 있다. 오늘날의 시장에서는 AI가 인간보다 빠르게 선택지를 평가하며, 자동화된 거래 시스템이 가격을 형성하고, 데이터 기반 예측이 생산과 공급을 결정한다. 이처럼 추천 알고리즘이 소비에 선행하는 구조 속에서는 더 이상 개인의 선택이 시장 결과로 직결된다는 단순한 공식이 성립하지 않으며, 소비자의 선택은 자유의지가 아니라 AI의 설계에 의해 사전에 구조화된다.   그림 2. 인공지능 중심의 의사결정 모델   이러한 변화의 핵심 축으로 등장한 것이 바로 ‘보이지 않는 뇌(invisible brain)’이다. 이는 단순한 은유를 넘어 추천 알고리즘, 강화학습 기반 의사결정 엔진, 데이터 플랫폼, LLM(대규모 언어 모델) 기반 지식 추론 시스템 등이 결합된 새로운 경제 패러다임의 실체다. 보이지 않는 뇌는 정보 필터링을 통해 인간이 무엇을 볼지 결정하고, 선택지 자체를 재설계하며, 인간의 행동을 특정 방향으로 유도함과 동시에 수요와 공급을 동적으로 재조정하는 역할을 수행한다. 결과적으로 현대 시장은 보이지 않는 손이 이끄는 ‘자율적 균형’이나 편향에 의한 ‘왜곡된 선택’을 넘어, 보이지 않는 뇌가 주도하는 ‘설계된 균형(설계된 선택)’을 형성하게 된다.   그림 3. 경제학 패러다임의 진화   이제 경제는 단순한 교환의 장이 아니라, 디지털 스레드(digital thread)와 지능형 시스템이 결합된 ‘인지 인프라(cognitive infrastructure)’ 위에서 작동하는 시스템으로 진화했다. 이는 기업들의 경쟁 방식 또한 근본적으로 바꿔놓았다. 과거 기업들이 제품 자체나 마케팅 경험으로 경쟁했다면, 이제는 의사결정을 설계하는 능력에 경쟁 우위가 달려 있다. 아마존이 상품을 파는 대신 ‘선택’을 설계하고, 넷플릭스가 콘텐츠 대신 ‘취향’을 설계하며, 테슬라가 단순한 자동차가 아닌 ‘주행 데이터 기반 의사결정 시스템’을 구축하는 것이 바로 보이지 않는 뇌를 활용한 경쟁의 대표적인 사례다.   그림 4. 새로운 경쟁의 법칙   구조적으로 볼 때, 보이지 않는 뇌는 제품의 전 생애 흐름인 PDT, 지식과 의사결정의 흐름인 KDT, 그리고 개인의 경험과 행동인 LDT가 연결된 디지털 스레드 위에서 실질적인 실행 엔진으로 기능한다. 전통 경제학이 시장의 ‘예측’을, 행동경제학이 인간 행동의 ‘설명’을 목표로 했다면, AI 시대의 경제는 알고리즘이 가격을 만들고 수요를 생성하며 선택을 구조화한다는 완전히 다른 차원의 특성을 지닌다.   그림 5. 3대 스레드의 융합   결론적으로 우리는 시장의 자율성과 인간의 비합리성을 지나, 인공지능과 데이터가 결합된 새로운 경제 운영 체계에 도달했다. 다가오는 미래 경제의 승패는 단순히 ‘누가 더 많은 데이터를 가지는가’가 아니라, 누가 보이지 않는 뇌를 통해 시장의 균형을 더 정교하게 설계할 수 있는가에 달려 있을 것이다.   그림 6. 보이지 않는 뇌의 해부도   경제학의 역사적 흐름을 애덤 스미스의 보이지 않는 손과 대니얼 카너먼의 행동경제학을 거쳐 현대의 인공지능 중심 패러다임으로 설명한다. 과거의 이론이 인간의 합리성이나 심리적 편향에 집중했다면, 오늘날의 시장은 알고리즘과 데이터가 주도하는 보이지 않는 뇌 체제로 전환되고 있다. 이제 소비자의 선택은 자유의지가 아닌 AI의 설계와 데이터 플랫폼에 의해 사전에 구조화되며, 시장은 자율적 균형을 넘어 알고리즘적 최적화를 지향한다. 결과적으로 현대 경제는 단순한 거래의 장이 아니라 디지털 스레드와 지능형 시스템이 결합된 새로운 인지 인프라 위에서 작동하고 있음을 강조한다. 이러한 변화는 기업의 경쟁 우위가 제품 자체보다 의사결정 설계 능력에 달려 있음을 시사한다.   그림 7. 3대 스레드의 융합   보이지 않는 손이 인간의 손이 아니듯 보이지 않는 뇌 역시 인간의 뇌가 아니다. 보이지 않는 뇌는 인공지능, 디지털 트윈, 그리고 디지털 스레드가 결합된 새로운 경제 운영 체계이다.    ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Focus 17　제조 AX’로 일하는 방식을 바꾸다… 피지컬 AI·데이터 통합으로 지능형 생태계 구축 22　매스웍스, “MBD와 AI 결합으로 설계 복잡성 줄이고 신뢰성 높인다” 25　“화려한 기술보다 탄탄한 데이터가 우선”… 제조 AI 전환의 실질적 해법은 28　유니티 스튜디오, 노코드와 웹 기반으로 산업용 3D 제작 문턱 낮춘다 31　세일즈포스, ‘에이전틱 엔터프라이즈’ 제시… 슬랙이 핵심 업무 운영체제 된다   People & Company 34　옥타브 산업 컨설팅 부문 김세환 기술 이사　산업AI의 성패, 데이터의 ‘양’이 아닌 ‘맥락’으로 승부   Case Study 36　다이슨 워시G1의 모델 기반 설계 도입 사례 / 이웅재　시스템 레벨 시뮬레이션, 일상 가전의 개발 방식까지 바꾸다 39　시각화 워크플로로 구현하는 리얼타임 스토리텔링　영화의 복잡한 샷에서 빠른 반복 작업을 지원한 언리얼 엔진 42　데이터 사일로 해소부터 거버넌스 수립까지, 전사 협업의 효율 혁신　3D 애셋 데이터를 위한 SSOT 구축   New Products 50　이달의 신제품   Column 53　디지털 지식전문가 조형식의 지식마당 / 조형식　보이지 않는 뇌 56　트렌드에서 얻은 것 No. 30 / 류용효　AI 에이전트 이후의 시대, ‘판단하는 시스템’의 탄생   48　New Books   Directory 107　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 58　새로워진 캐디안 2026 살펴보기 (6) / 최영석　사각형 작도 외 62　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (1) / 최하얀　아레스 커맨더 2027이 제시하는 새로운 CAD 작업 방식 65　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　루비 온 레일즈 기반 빌딩 모니터링 서비스 개발 방법   Mechanical 72　엔지니어링의 진화, 항공우주 산업의 복잡성을 넘어서다 / 오병준　디지털 전환이 이끄는 항공우주 시스템 엔지니어링의 미래 76　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (10) / 박수민　크레오 파라메트릭 12.0으로 애니메이션 생성하기   Analysis 81　앤시스 워크벤치를 활용한 해석 성공 사례 / 황정필　앤시스 아쿠아를 이용한 LNG 운반 선박의 운동 해석 방법 90　심센터 HEEDS 더 깊게 살펴 보기 (5) / 이종학　심센터 HEEDS 2604 업데이트 96　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (7) / 오재응　모델 기반 시스템 엔지니어링의 모델링 도구 104　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스 IT 　홀더의 지속 가능한 해상풍력 설치 접근법   PLM 100　산업을 위한 AI와 버추얼 트윈 기술 (3) / 이종혁　데이터 온톨로지 기반 3D 모델의 지능화     2026-5-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

오토데스크가 국내 토목 엔지니어링 기업 건화와 인공지능(AI) 기반의 엔지니어링 디지털 전환을 위한 업무협약을 체결했다고 전했다. 양사는 이번 협력을 통해 엔지니어링 설계의 효율을 높이고 데이터 중심의 협업 환경을 구축하는 데 집중하기로 했다. 최근 엔지니어링 업계에서는 설계 변경 시 파일을 개별적으로 공유하거나 데이터를 반복해서 입력하는 등의 비효율적인 업무 방식이 생산성 저하의 원인으로 꼽히고 있다. 오토데스크와 건화는 이러한 문제를 해결하기 위해 AI와 클라우드 기술을 도입하고, 업무 전반의 과정을 고도화하는 데 힘을 모을 계획이다. 이번 협약의 주요 내용은 세 가지 분야로 나뉜다. 우선 프로젝트 정보를 한곳에서 통합 관리하는 AI 기반 공통 데이터 환경(CDE) 플랫폼을 구축한다. 클라우드를 통해 설계 도면과 검토 의견, 변경 이력 등을 체계적으로 관리함으로써 실시간 정보를 바탕으로 한 협업 체계를 마련한다는 구상이다. 상하수도 분야에서는 ‘오토데스크 워터 인프라스트럭처(Autodesk Water Infrastructure : AWI)’를 활용해 설계와 분석, 운영 전반의 디지털 고도화를 추진한다. 건화가 보유한 산업 전문성과 오토데스크의 기술력을 결합해 데이터 기반의 의사결정을 강화하고 수자원 인프라 분야에서 새로운 혁신 사례를 만든다는 전략이다. 또한 복잡한 변수를 처리해야 하는 전산유체역학(CFD) 해석 자동화를 위한 기술 검증(PoC)도 진행한다. 오토데스크는 유체 해석 업무의 분석 효율을 높여 엔지니어가 보다 핵심적인 업무에 집중할 수 있는 환경을 조성할 수 있다고 설명했다.     오토데스크코리아 오찬주 대표는 “상하수도와 국토 개발, 교통 인프라 등에서 풍부한 경험을 갖춘 건화와 협력해 AI 기반 엔지니어링 환경을 구체화할 계획”이라고 전하며, “의미 있는 성공 사례를 발굴해 국내 엔지니어링 산업의 AI 전환을 지속적으로 지원하겠다”고 밝혔다. 건화의 황규영 대표이사는 “글로벌 엔지니어링 시장의 화두인 디지털 전환을 가속화하기 위해 오토데스크와 협력하게 되어 뜻깊다”면서, “건화의 실무 경험과 오토데스크의 클라우드, AI 설루션이 시너지를 내어 기술력을 한 단계 높이는 혁신적인 표준을 만들어 가길 기대한다”고 전했다.

산업을 위한 AI와 버추얼 트윈 기술 (2)   이번 호에서는 다쏘시스템의 LBM 기반 CFD 설루션인 파워플로(PowerFLOW)를 활용하여, 하중 및 회전에 의해 변형되는 트레드 타이어를 반영한 정밀 유동 예측 워크플로를 제시한다. 드라이브에어(DrivAer) 모델 적용을 통해 접지면과 사이드월 돌출부 형상 변화가 차량 항력 및 후류 구조에 미치는 영향을 분석하고, 실제 주행 조건을 고려한 차세대 공력 최적화 설계 프로세스의 방향성을 제안한다.   ■ 고석원 다쏘시스템의 유동해석 컨설턴트로, 국내 완성차 업체의 공력 및 공력소음 분야 CFD 프로젝트 수행 및 기술 지원을 담당하고 있다. 홈페이지 | www.3ds.com/ko   EV(전기자동차) 시대에 접어들면서 공력 성능은 단순한 항력 계수(Cd : Drag Coefficient) 저감의 문제가 아니라, 에너지 효율과 주행거리 경쟁력을 결정하는 핵심 설계 변수로 자리잡았다. 특히 고속 주행 영역에서는 타이어 주변에서 형성되는 복잡한 와류 구조가 전체 항력에 상당한 영향을 미친다. 그러나 현재까지 많은 외부 유동해석은 계산 효율과 모델 단순화를 이유로 강체 타이어 형상을 가정해왔다. 실제 주행 조건에서는 차량 하중과 회전에 의해 타이어 접지면이 평탄화되고, 트레드 패턴이 국부적으로 변형된다. 이러한 기하학적 변화는 경계층 발달과 박리 위치, 그리고 후류 구조에 직접적인 영향을 미친다. 그럼에도 불구하고 설계 단계에서 이러한 변형 효과는 충분히 반영되지 못하는 경우가 많다. 이 간극은 단순한 수치 오차를 넘어, 설계 의사 결정의 신뢰성 문제로 이어질 수 있다. 기존의 전산유체역학(CFD : Computational Fluid Dynamics) 접근에서는 회전 조건을 MRF(Moving Reference Frame) 혹은 LRF(Local Reference Frame) 기법을 구현하고, 접지부는 이상적인 평면 조건으로 단순화한다. 이 방식은 빠른 비교 분석에는 적합하지만, 접지부 인근의 비대칭 유동 구조와 시간에 따라 변화하는 와류 변동을 충분히 재현하기 어렵다. 특히 하중에 의해 형성되는 접지부 형상 변화는 타이어 하부 압력 분포를 바꾸고, 이는 차체 하부 유동과 상호작용하며 항력 특성에 영향을 미친다. 고속 주행 시에는 원심력에 의한 외경 변화까지 더해져 형상 변형이 복합적으로 발생한다. 따라서 현실 기반 공력 예측을 위해서는 타이어 변형을 포함한 해석 전략이 요구된다.   파워플로 기반 정밀 유동 예측 방법론 이번 호에서는 LBM(Lattice Boltzmann Method) 기반 CFD 설루션인 파워플로를 활용하여 하중 및 회전 변형을 반영한 해석 환경을 구축하였다. 차량 모델은 <그림 1>과 같이, 오픈소스 표준 차체 형상인 드라이브에어 모델을 적용하였다. 타이어 형상은 단순 강체 모델과 실제 하중 조건을 반영한 변형 트레드 타이어 모델을 사용하였다. 변형 형상은 파워플로의 전처리 모듈인 파워델타(PowerDELTA)를 통해 구현되었으며, <그림 2>와 같이 정적 하중에 의해 형성되는 접지면(contact patch)과 사이드월 돌출부(bulge)를 기하학적으로 재현하였다. 수치해석 방법에는 회전하는 타이어에 IBM(Immersed Boundary Method)을 적용하여 타이어 인근에서 시간에 따라 변화하는 유동 구조와 후류 거동을 정밀하게 분석하였다.   그림 1. 드라이브에어 차량 형상   그림 2. 접촉면과 돌출부의 형상(왼쪽 : 접촉면, 오른쪽 : 돌출부)   해석 케이스 구성 해석 케이스는 변형 타이어의 적용 유무와 <그림 3>에 나타낸 바와 같이, 타이어 변형 효과를 체계적으로 비교하기 위해 다음 세 가지 인자를 독립적으로 변화시켰다. 사이드월 돌출부(bulge, B) 횡방향 삽입각(slip angle, α) 접지면 폭(contact patch width, W)   그림 3. 변형 타이어 인자 변화 조건   각 변수 변화에 따른 항력 특성 및 후류 구조 변화를 비교함으로써, 설계 관점에서 지배적인 인자를 도출하고자 하였다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.