심센터 HEEDS 더 깊게 살펴 보기 (10)   자동화의 다음 단계는 단순히 스크립트를 더 많이 작성하는 것이 아니다. 엔지니어가 전달한 목표를 이해하고, 필요한 스킬과 툴을 선택하며, 실행 결과를 다시 확인하는 워크플로를 구성하는 것이다. 심센터 AI 에이전트(Simcenter AI Agents)는 엔지니어링 애플리케이션과 AI 에이전트를 연결하여 이러한 에이전틱 엔지니어링 워크플로를 구현하는 방향을 제시한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 AI 에이전트로 확장하는 엔지니어링 워크플로 자동화 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   시뮬레이션 기반 설계와 검증 업무가 복잡해질수록 엔지니어가 직접 수행해야 하는 반복 작업도 함께 증가한다. CAD 모델을 불러오고, 형상을 정리하며, 메시(mesh)와 물성, 경계조건을 설정한 뒤 솔버(solver)를 실행하는 과정은 해석의 핵심이지만, 실제 업무 시간의 상당 부분은 파일을 찾고 설정을 확인하며 결과를 정리하는 데 사용된다. 기존에는 이러한 반복 작업을 줄이기 위해 매크로, 파이썬 스크립트, 배치 파일, API를 사용했다. 정해진 절차를 빠르고 일관되게 반복한다는 점에서 스크립트 기반 자동화는 여전히 중요한 기술이다. 그러나 작업 조건이 달라지거나 여러 해석 도구를 연결해야 하는 경우에는 어떤 스크립트를 실행할지, 어떤 순서로 작업할지, 결과를 어떻게 해석할지를 사람이 직접 판단해야 한다. 심센터 AI 에이전트는 이 지점에서 기존 자동화를 확장하는 접근 방식이다. 사용자의 자연어 요청을 바탕으로 작업을 단계별로 나누고, 필요한 스킬과 MCP 툴을 선택하며, 엔지니어링 애플리케이션에서 실제 작업을 수행하도록 연결한다. 실행 후에는 결과와 상태를 확인하고, 다음 작업이나 추가 확인 사항을 제시할 수 있다. 이번 호에서는 심센터 AI 에이전트의 개념과 구성 요소를 소개하고, 에이전트·스킬·MCP·엔지니어링 애플리케이션이 어떻게 연결되는지 살펴본다. 또한 심센터 심랩(Simcenter SimLab)을 중심으로 소개된 전처리 및 다중 스킬 워크플로 사례를 통해 기존 자동화 스크립트가 에이전틱 엔지니어링 워크플로로 어떻게 확장될 수 있는지 설명한다.   그림 1. 엔지니어링 AI의 발전 방향   엔지니어링 AI의 세 가지 방향 엔지니어링 분야에서 AI의 활용은 하나의 방식으로만 이루어지지 않는다. 이미 많은 설계·해석 업무에서 AI는 계산 결과를 빠르게 예측하거나, 여러 설계안을 비교하고, 복잡한 데이터를 시각화하는 데 사용되고 있다. 심센터 AI 에이전트 자료에서는 엔지니어링 AI를 크게 세 가지 방향으로 설명한다. 첫 번째는 엔지니어링 AI(Engineering AI)이다. 물리 기반 AI(physics-based AI)와 대리 모델(surrogate model)을 이용해 설계 공간을 빠르게 탐색하고, 고비용 시뮬레이션을 대신하거나 보완하는 방향이다. 예를 들어 다수의 CFD 또는 FEA 결과로부터 ROM(축소 차수 모델)을 구축하면 새로운 설계 조건에 대한 응답을 빠르게 예측할 수 있다. 이 접근 방식은 계산 속도를 높이고 설계 검토에 필요한 시간을 줄이는 데 초점을 둔다. 두 번째는 엔지니어링 인텔리전스(Engineering Intelligence)이다. 시뮬레이션, 테스트, CAD, PLM, 과거 프로젝트(historical project)와 같은 여러 엔지니어링 데이터와 지식을 연결하여 엔지니어가 더 빠르게 판단하도록 지원하는 방향이다. 단순히 결과값을 보여주는 데 그치지 않고, 과거 프로젝트와 유사한 사례를 찾거나 조직의 베스트 프랙티스를 재사용할 수 있도록 한다. 세 번째는 엔지니어링 에이전트(Engineering Agents)이다. AI가 단일 질문에 답하는 것을 넘어 여러 단계의 엔지니어링 워크플로를 조정하고 실행하는 방향이다. 모델 준비, 메시 생성, 솔버 설정, 결과 후처리, 리포트 작성과 같이 순서와 조건이 필요한 작업을 에이전트가 연결하여 수행한다. 이 세 가지 방향은 서로 대체 관계가 아니다. 대리 모델은 계산을 빠르게 만들고, 엔지니어링 인텔리전스는 판단에 필요한 맥락을 제공하며, 엔지니어링 에이전트는 이러한 기능과 엔지니어링 툴을 실제 워크플로 안에서 조정한다. 따라서 AI 에이전트를 도입할 때에는 단순한 챗봇(chatbot) 기능보다 어떤 데이터와 툴을 연결하고 어떤 업무를 자동화할지 정의하는 것이 중요하다.   엔지니어링 에이전트는 기존 자동화와 무엇이 다른가 기존 자동화 스크립트(automation script)는 미리 정의된 명령을 정해진 순서로 실행한다. 예를 들어 파이썬 스크립트가 입력 파일을 읽고, 특정 값으로 변경한 뒤, 솔버를 실행하고, 결과 파일에서 응답을 추출하도록 구성할 수 있다. 이 방식은 동일한 작업을 반복하는 데 매우 강력하며, 실행 결과도 비교적 예측하기 쉽다. 반면 에이전틱 워크플로는 먼저 사용자의 목표를 작업 단위로 분해한다. 사용자가 “이 모델에서 정상 모드 해석을 수행하고 주요 결과를 정리해 달라”고 요청하면, 에이전트는 모델 확인, 메시와 물성 확인, 경계조건 준비, 설루션 생성, 솔버 실행, 결과 확인, 리포트 작성과 같은 하위 작업을 구성할 수 있다. 두 방식의 차이는 다음과 같다. 스크립트 자동화(script automation)는 정해진 절차를 빠르고 일관되게 반복한다. AI 에이전트는 목표를 여러 작업으로 나누고 필요한 절차를 선택한다. 스크립트는 입력 조건이 바뀌면 사람이 코드를 수정해야 하는 경우가 많다. 에이전트는 등록된 스킬과 툴의 설명을 바탕으로 적용 가능한 절차를 탐색한다. 스크립트는 실행 완료 후 결과를 사람이 확인하는 경우가 많다. 에이전트는 결과와 로그(log)를 분석하여 다음 단계나 확인 사항을 제안할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

아카디아를 활용한 아키텍처링 극대화하기 (1)   시스템 공학(System Engineering)과 MBSE(모델 기반 시스템 공학)는 많이 들어본 용어이지만, 여전히 개념이 잘 이해되지 않고 구체적으로 무엇이 좋은 것인지 느끼기 어렵다는 경우도 많다. 앞으로 5회에 걸쳐서 아카디아(Arcadia)와 카펠라(Capella)에 대해 알아보고자 한다. 시스템 공학과 MBSE의 개념을 이해하고 한단계 나아가기 위한 설루션은 가능하면 개인 사용자에게는 무료이고 글로벌 차원에서 커뮤니티가 발전되어 있을수록 좋다고 생각한다. 카펠라는 아카디아 방법론에 기반한 설루션으로, 개인 사용자뿐만 아니라 회사에서도 무료로 사용할 수 있는 오픈소스 툴이다. 이번 연재에는 코파일럿(Copilot), 챗GPT(ChatGPT), 클로드(Claude) 등 충실하고 똑똑한 조수의 도움을 활용하고자 한다.   ■ 연재순서 제1회 시스템 공학과 MBSE에 대한 어렵지 않은 관점 제2회 아카디아에 대해 이해 그리고 카펠라 제3회 카펠라를 공부해 보자 제4회 아카디아와 카펠라를 활용해 보자 제5회 클라우드와 SaaS 환경 알아보기   ■  윤경렬 현대자동차 AVP서버인프라팀 책임연구원   ■ 심정환 로터스정보기술 대표 홈페이지 | www.lotustech.co.kr   아카디아와 카펠라가 무엇인지에 대해 이해하기에 앞서 시스템 공학(System Engineering : SE)과 MBSE(Model based System Engineering)에 대해 언급을 하지 않을 수 없다. 그동안 훌륭한 분들의 수많은 강좌와 이벤트를 통해 SE와 MBSE에 배워왔고 이미 충분히 잘 알고 있는 내용일 수도 있다. 사실 SE와 MBSE는 아무리 들어도 직관적으로 이해하기 어려운 부분이 존재할 수 있고, 이는 특히 3차원 형상(shape) 중심의 설계(design), 해석(simulation) 및 시험(test) 영역에서 오랜 시간 제품 개발 역량을 쌓아온 연구자들조차도 어려움에 빠질 수 있다. 하지만 다시 한번 이 부분을 언급하지 않고는 더 나아갈 수 없기 때문에 설명을 하고자 한다. 사실 무엇인가를 시작하는 데는 항상 개념에 대한 이해를 위해 정의(definition)를 살펴보는 시간이 필요하다.   시스템 그리고 시스템 공학에 대해 우선 시스템 공학에 대한 정의를 살펴보자. NASA에서는 다음과 같이 시스템 공학을 정의하고 있다. “‘systems engineering’ is defined as a methodical, multidisciplinary approach for the design, realization, technical management, operations, and retirement of a system.” “A ‘system’ is the combination of elements that function together to produce the capability required to meet a need.” “The elements include all hardware, software, equipment, facilities, personnel, processes, and procedures needed for this purpose; that is, all things required to produce system-level results.” 정의를 요약해 보면 “시스템 공학은 시스템의 설계, 구현, 운영 및 폐기에 이르는 전반적인 영역에 대해 체계적이고 다분야를 융합하는 해결 방법이다. 그리고 시스템은 요구사항을 만족하기 위해 구성 요소들이 상호 연결되어 조합된다.” 좀 더 이해하기 쉽게 코파일럿에 고등학교 수준으로 설명을 해달라고 요청을 해보자.(그림 1)   그림 1   생각보다 빠르고 이해하기 쉽도록 자료 작성을 만들어 주고 있다는 생각이 든다. 종합해 보면 시스템 공학은 시스템을 만들고 운영하기 위해 필요한 모든 것을 체계적으로 계획, 설계, 개발, 검증, 운영하는 공학적 접근 방법이라고 볼 수 있다. 여기서 중요한 부분은 시스템 엔지니어링의 과정에 대한 설명인데, 대체로 ‘요구사항 분석−설계−개발−검증−운영 및 유지보수’의 절차로 구성되어 있다는 것을 알아두자. 이제 대략적으로 시스템과 시스템 공학에 대한 감(느낌)이 있을 것이라 기대하고 있는데, 하지만 여전히 시스템이 약간 피상적으로 느껴질 수도 있다. 왜 필요한지는 알겠는데, 어떻게 시스템이 작동하고 구성 요소들이 어떻게 상호 작용하고 있는지 막상 피부로 와닿지 않을 수 있다. 설명을 위해 필자가 종종 활용하는 예제는 태양계(solar system)이다. 잘 알고 있듯이 지구는 태양을 중심으로 구성된 태양계 안에 속해 있다. 여기서 태양계는 수성, 지구, 화성, 목성 등의 요소(elements)가 상호작용하여 태양을 중심으로 자전과 공전을 체계적으로 수행하고 있고 안정적으로 운영되고 있는 시스템이다. 그러니까 태양계는 하나의 목적을 성공적으로 달성하고 있는 전체(whole)인 셈이다. 시스템과 요소에 대한 이해가 되었으면 하는 바람이다.   그림 2   그렇다면 태양계는 누군가가 시스템 공학 과정을 통해 정교하게 만들어낸 것일까? 정확한 답은 모르겠지만 오랜 시간 작동하는 상당히 우수한 시스템이라는 것은 분명하다. 여기서 우리가 한 가지 명확하게 이해해야 하는 것은, 시스템과 시스템 공학을 구별할 수 있어야 한다는 것이다. 항상 시스템 공학을 통해서만 시스템을 만들 수 있는 것은 아니지만, 우리가 시스템을 효과적이고 체계적으로 만들기 위해서는 무언가 방안이 필요하다. 그걸 제공하는 좋은 방법 중에 하나가 바로 시스템 공학이라는 점이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (9)   매번 같은 설정을 반복하고 있다면, 그 작업은 이미 자동화할 대상이다. HEEDS(히즈)에서는 GUI에서 수행한 설정을 스크립트(script)로 기록하고, 이를 재사용 가능한 파이썬 API(Python API) 흐름으로 발전시킬 수 있다. 이번 호에서는 복잡한 프로젝트 설정을 한 번의 실행으로 처리하는 오토메이션 스크립트(automation script)의 구성 방법을 살펴 본다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   시뮬레이션 기반 설계 탐색을 수행할 때 가장 많은 시간이 소요되는 부분은 해석 자체가 아닐 수 있다. 해석 모델과 입력 파일을 연결하고, 설계변수와 응답을 정의하며, 실행 조건과 결과 저장 방식을 설정하는 과정에서 반복적인 수작업이 발생하기 때문이다. 같은 형식의 프로젝트를 여러 번 구성하거나, 여러 해석 모델에 동일한 규칙을 적용해야 한다면 이 부담은 더욱 커진다. 심센터 HEEDS(Simcenter HEEDS)는 이러한 설정 작업을 파이썬 기반 오토메이션 스크립트로 자동화할 수 있도록 스크립트 레코딩(Script Recording)과 HEEDS 파이썬 API(HEEDS Python API)를 제공한다. 사용자가 GUI에서 수행한 작업을 스크립트로 기록한 뒤, 필요한 부분을 정리하고 API를 이용해 프로젝트 생성, 파일 연결, 변수 및 응답 설정, 스터디(study) 실행과 리포트(report) 작성까지 하나의 흐름으로 구성할 수 있다. 이번 호에서는 HEEDS 오토메이션 스크립트의 기본 개념부터 프로젝트 설정 자동화, 실행 검증, 사용자 정의 도구와 배치(batch) 실행까지 살펴본다. 단순히 스크립트를 실행하는 방법이 아니라, 반복되는 설정을 재사용 가능한 표준 절차로 바꾸는 방법에 초점을 둔다.   반복 설정 작업이 만드는 자동화의 병목 HEEDS를 이용한 최적화 프로젝트는 일반적으로 Process, Analysis, Input File, Output File, Variable, Response, Study와 같은 객체를 조합하여 구성한다. 각각의 객체는 해석 모델과 최적화 알고리즘을 연결하기 위해 필요한 설정을 갖는다. 예를 들어 하나의 프로젝트를 구성할 때에도 다음 작업이 필요하다. 해석 솔버(solver)와 실행 명령 설정 입력 파일(input file)과 출력 파일(output file) 등록 입력 파일 위치에 설계변수 연결 출력 파일 위치에 응답값 연결 변수의 기준값과 탐색 범위 정의 목적함수와 제약조건 설정 스터디 방법과 평가 횟수 설정 실행 자원과 결과 저장 옵션 설정 이 작업을 한 번 수행하는 경우에는 GUI(그래픽 사용자 인터페이스)가 직관적인 방법이 될 수 있다. 그러나 동일한 구조의 프로젝트를 여러 개 만들거나, 설계변수의 개수가 수십 개 이상으로 늘어나면 사람이 직접 설정하는 방식은 한계가 있다. 변수 이름의 오타, 파일 경로의 불일치, 누락된 태깅(tagging), 잘못된 실행 명령과 같은 오류가 해석 시작 이후에 발견될 수도 있다. 오토메이션 스크립트의 목적은 GUI를 없애는 데 있지 않다. GUI는 처음 프로세스를 구성하고 기능을 확인하는 데 유용하다. 스크립트는 검증된 설정을 저장하고, 반복 작업에 재사용하며, 여러 모델에 동일한 규칙을 적용하는 역할을 한다.   스크립트 레코딩으로 첫 번째 자동화 만들기 HEEDS MDO Help의 ‘Scripting with Simcenter HEEDS’ 절에서는 GUI에서 수행하는 작업을 파이썬 스크립트로 기록하는 방법을 설명한다. File 탭에서 ‘Record new script’를 선택하고 작업을 수행하면, 대부분의 명령이 파이썬 코드로 기록된다. 작업을 마친 뒤 ‘Stop recording’을 선택하면 기록된 스크립트를 저장할 수 있다.   그림 1. 스크립트 레코딩(Script Recording) 기능 위치   그림 2. 스크립트 레코딩 기능 위치   기록된 스크립트는 HEEDS 파이썬 API를 학습하기 위한 출발점으로 사용할 수 있다. GUI에서 한 동작씩 수행한 결과가 코드로 나타나기 때문에, 어떤 객체가 생성되고 어떤 속성이 변경되는지 확인하기 쉽다. 다만 녹화된 코드는 GUI에서 수행한 순차적인 동작을 그대로 반영하므로, 최종 자동화용으로는 불필요한 명령을 정리하고 여러 속성을 한 번에 설정하는 과정이 필요하다.   그림 3. 스크립트 레코딩 및 파이썬 코드 예시   <그림 3>의 예시는 GUI 작업을 기록한 스크립트가 단순한 매크로에 머무르지 않고, 파이썬에서 임포트(import)하여 재사용할 수 있는 함수 구조로도 작성될 수 있음을 보여준다. 따라서 다음과 같은 방식으로 스크립트를 발전시킬 수 있다. 첫 번째 단계 : GUI 작업을 기록하여 API 사용법을 확인한다. 두 번째 단계 : 프로젝트 경로와 파일 이름을 변수로 분리한다. 세 번째 단계 : 반복되는 설정을 함수로 묶는다. 네 번째 단계 : 프로젝트 구성 후 오류 검사를 추가한다. 다섯 번째 단계 : 프로젝트 저장, 실행, 리포트 생성까지 연결한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (8)   이번 호에서는 어떠한 형식의 해석 입출력 파일이라도 직관적이고 효율적으로 연결할 수 있도록 돕는 5가지 태깅 모드(tagging mode)의 원리와 특징을 소개한다. 나아가 수십· 수백 개의 매개변수를 다룰 때 작업 시간을 획기적으로 단축할 수 있는 오토 태깅(auto-tagging) 워크플로와 파이썬 로직을 결합한 고급 실무 활용 사례까지 함께 살펴보고자 한다. 이를 통해 데이터 연결 작업의 진입 장벽을 낮추고, 설계 탐색에 온전히 집중할 수 있는 방향을 제시할 것이다. ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   시뮬레이션 자동화 및 최적화 프로세스를 성공적으로 구축하기 위해 가장 기본적이면서도 중요한 단계는 바로 해석 모델과 최적화 알고리즘 간의 ‘매개변수(parameter) 연결’이다. 최적화 알고리즘이 광범위한 설계 공간을 탐색하기 위해서는, 매 해석 사이클마다 입력(input) 파일의 특정 변수 값을 변경하여 모델을 구동하고, 해석이 완료된 후에는 수많은 데이터가 담긴 결과(output) 파일에서 원하는 성능 지표를 한 치의 오차 없이 추출할 수 있어야 한다. 심센터 HEEDS(Simcenter HEEDS)는 이러한 매개변수 연결 과정을 ‘태깅(tagging)’이라는 직관적이고 유연한 기능으로 제공한다. 사용자가 입력 파일의 특정 위치를 태깅하면, HEEDS(히즈)는 기존에 적혀 있던 기준값(baseline value)을 새로운 설계안의 값으로 치환하여 해석을 수행한다. 반대로 출력 파일에서 특정 위치를 태깅하면, HEEDS는 해당 위치의 데이터를 읽어와 최적화 결과 지표로 활용한다. 이번 호에서는 단순한 텍스트 파일부터 복잡한 상용 해석 툴의 데이터 구조까지, 어떠한 형태의 파일이라도 매끄럽게 연결할 수 있도록 HEEDS가 제공하는 다섯 가지 태깅 모드를 깊게 살펴본다. 아울러 이 과정에서 사용자 인터페이스(UI)가 어떻게 구성되어 있는지, 수백 개의 변수를 다룰 때 작업 효율을 어떻게 극대화할 수 있는지 통합적인 관점에서 소개한다.   그림 1. HEEDS의 태깅 개념   직관적인 UI를 결합한 5가지 태깅 모드 딥다이브 HEEDS는 해석 툴의 특성과 파일 구조의 복잡성에 따라 맞춤형으로 대응할 수 있는 5가지의 태깅 모드를 제공한다. 각 모드는 사용자 친화적인 설정 화면과 함께 고유의 파싱(parsing) 능력을 발휘한다.   구분자/고정 폭 기준 태깅 : 정적 ASCII 파일의 완벽한 제어 해석 입출력 파일로 가장 널리 쓰이는 CSV나 텍스트(TXT) 형식의 파일은 보통 특수한 기호로 데이터가 구분되어 있거나, 일정한 글자 폭을 기준으로 데이터가 나열되어 있다. 구분자 기준 태깅(Delimited Tagging) : 공백(space), 탭(tab), 쉼표(comma) 등의 구분자(delimiter)를 기준으로 파일을 행과 열로 분할한다. 엑셀과 같이 익숙한 스프레드시트 형태로 파일 내용이 표시되며, 사용자는 원하는 셀을 클릭하여 태그를 생성할 수 있다. 필요에 따라 `="()`와 같은 복잡한 사용자 정의 구분자도 추가할 수 있어 유연성이 높다. 고정 폭 기준 태깅(Fixed-Width Tagging) : 과거부터 사용되어 온 일부 레거시 FEA 코드(예 : 나스트란 등)는 열 너비(column width)가 엄격하게 정해져 있어, 값이 특정 위치를 벗어나면 해석 오류를 일으킨다. HEEDS는 이러한 파일의 열 너비를 시각적으로 지정하여 데이터를 분할할 수 있게 해주며, 태깅된 변수에 값을 쓸 때도 지정된 고정 폭(fixed-width format)을 유지하도록 보장한다.   그림 2. 구분자 및 고정폭 설정 예시   그림 3. 구분자 및 고정 폭 설정 예시   XML 태깅과 계층 구조 제어 최신 해석 툴이나 복잡한 설정 파일은 태그(element)와 속성(attribute)이 중첩된 트리 형태의 XML(또는 HTML) 형식을 취하는 경우가 많다. XML 파일은 구조적이지만, 사람이 직접 텍스트로 보며 태깅하기에는 눈이 쉽게 피로해진다. HEEDS의 XML 태깅 모드는 파일을 파싱하여 ‘요소 ID(element ID)’와 ‘태그 값(tag value)’만을 깔끔한 표 형태로 나타낸다. 여기서 가장 돋보이는 기능은 XML Element Configuration 창에서 불필요한 하위 요소(child elements)의 표시 여부를 체크박스로 켜거나 끄는 것이 가능하다는 점이다. 이를 통해 사용자는 수만 줄에 달하는 방대한 XML 파일에서도 원하는 데이터 노드만을 화면에 필터링해 띄워 놓고 손쉽게 태깅을 진행할 수 있다.   그림 4. XML 파싱 및 하위 요소 제어 화면   스크립트 태깅의 강력한 커스터마이징과 즉각 검증 해석이 끝난 후 생성되는 결과 파일(예 : `*.f06`, 동적 `*.csv` 등)은 매 해석마다 출력되는 텍스트의 줄 수나 위치가 달라질 수 있다. 이런 동적인 파일 구조에서는 고정된 행/열을 지정하는 방식이 통하지 않는다. 이때 HEEDS 고유의 스크립트 태깅(script tagging)이 진가를 발휘한다. 파이썬(Python) 기반으로 설계된 이 모드는 코딩 지식이 없어도 제공되는 버튼 명령어를 블록 쌓듯 조합하여 강력한 스크립트를 작성할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (7)   이번 호에서는 HEEDS(히즈)의 Run Condition 기능을 활용해 if-else 조건 분기형 워크플로를 구성하는 방법을 설명한다. 해석 자동화와 최적화 프로세스에서는 모든 해석을 항상 동일하게 실행하지 않고, 이전 해석 결과에 따라 후속 해석 경로를 다르게 선택해야 하는 경우가 있다. 단순 기능 소개가 아니라, 조건 분기 설정 시 반드시 고려해야 하는 응답 추출, 중복 태깅, Optional Response 처리까지 함께 살펴본다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   HEEDS에서 If-Else 조건 분기를 활용한 자동화 워크플로 구현 방법 CAE 자동화와 설계 탐색 프로세스를 구성하다 보면 모든 해석을 항상 동일한 순서로 실행하는 방식만으로는 부족한 경우가 있다. 특정 해석 결과가 기준값을 만족하면 한 가지 후속 해석을 수행하고, 기준을 만족하지 못하면 다른 해석 경로로 진행해야 하는 상황이 대표적이다. 예를 들어 1차 해석 결과가 안정 영역에 있으면 상세 성능 평가를 수행하고, 그렇지 않으면 보정 또는 대체 해석을 수행하는 방식이다. 이러한 구조는 일반적인 프로그래밍의 if-else 조건문과 유사하다. HEEDS에서는 이와 같은 조건부 실행을 Run Condition 기능을 통해 구현할 수 있다.   조건 분기 워크플로의 기본 개념 일반적인 HEEDS 프로세스에서는 여러 해석을 직렬 또는 병렬로 배치해 실행한다. 직렬 실행은 분석 블록을 가로 방향으로 배치해 왼쪽에서 오른쪽으로 진행되도록 구성하고, 병렬 실행은 분석 블록을 세로 방향으로 쌓아 동시에 실행되도록 구성한다. 하지만 실제 자동화 워크플로에서는 모든 분석이 항상 실행될 필요는 없다. 상위 분석 결과에 따라 일부 분석만 선택적으로 실행해야 하는 경우가 있다. 이때 사용하는 기능은 Run Condition이다. Run Condition은 특정 조건이 만족될 때만 해당 분석이 실행되도록 제어하는 기능이다. 조건은 앞선 분석에서 계산된 응답 값을 기준으로 정의할 수 있다.   그림 1. 조건 분기 워크플로 개념안   <그림 1>에서는 A_1 분석에서 계산된 응답값 S를 기준으로 다음과 같은 조건 분기를 구성한다. S >= 0이면 A_2, A_3, A_6 실행 S < 0이면 A_4, A_5, A_6 실행  즉, A_1의 결과가 후속 분석 경로를 결정한다. A_2와 A_4는 서로 다른 조건에서 실행되는 대체 관계이며, A_3와 A_5 역시 같은 방식으로 분기된다. 반면 A_6는 두 조건 모두에서 실행되는 공통 후속 분석이다.   워크플로 배치 구조 만들기 조건 분기를 구현하려면 먼저 분석 블록의 배치 구조를 적절히 구성해야 한다. 처음에는 모든 분석이 직렬로 배치되어 있을 수 있다. 하지만 if-else 분기 구조에서는 서로 대체 관계에 있는 분석을 세로로 배치해야 한다. 예를 들어 A_2와 A_4는 같은 위치에서 조건에 따라 둘 중 하나만 실행되어야 한다. 따라서 A_4를 A_2 아래에 수직으로 배치한다. 마찬가지로 A_5는 A_3 아래에 배치한다. 이렇게 하면 워크플로는 다음과 같은 개념적 구조를 갖는다.   그림 2. 심센터 HEEDS에서 조건 분기 워크플로 구성   여기서 A_2와 A_4, A_3와 A_5는 각각 조건에 의해 선택되는 분기 경로이다. 이 분석들은 Parallel Group 안에 배치하는 것이 좋다. 이때 Parallel Group은 반드시 동시에 실행시키기 위한 목적만은 아니다. 조건 분기 구조를 안정적으로 만들고, 분기별 응답 처리와 의존 관계를 명확히 하기 위한 구성으로 이해하는 것이 적절하다. 실제로 A_2와 A_4에는 서로 반대되는 조건이 적용되므로, 하나의 설계안에서는 둘 중 하나만 실행된다. 따라서 수직 배치를 사용하더라도 조건 설정에 따라 일반적인 의미의 병렬 실행과는 다르게 동작한다.   Run Condition 정의와 적용 워크플로 구조를 만든 뒤에는 조건을 정의해야 한다. 예제에서는 A _1에서 계산된 응답값 S를 기준으로 두 개의 Run Condition을 만든다. 첫 번째 조건은 S >= 0이다. 이 조건은 A_2와 A_3에 적용된다. 두 번째 조건은 S < 0이다. 이 조건은 A_4와 A_5에 적용된다.   그림 3. 조건 분기를 위한 Run Condition 정의     ■ 자세한 기사 내용은 PDF로 제공됩니다.

CAE·가상 개발 기반의 MBSE 및 MBD 프로세스 구축 (1)   현대 제품 개발은 복잡성 증가, 다분야 협업, 짧은 리드타임 등 다양한 도전 과제에 직면해 있다. 이에 대응하기 위한 전략으로 CAE 기술의 고도화와, 모델 기반 시스템 엔지니어링(MBSE) 및 모델 기반 개발(MBD)의 통합 프로세스가 주목받고 있다. 이번 호부터 디지털 엔지니어링 관점에서 CAE 기술을 기반으로 한 MBSE/MBD 프로세스의 구축 전략을 소개하고, 이를 실무에서 실현하기 위한 연결기술, 다분야 통합 해석, 설계–검증 연계, 시스템 수준 최적화 방법 등을 종합적으로 제시한다. 또한, 기능–구조–물리 모델 간 연계, 1D/3D 시뮬레이션 통합, 데이터 자산화, 대리 모델 기반 설계, 코시뮬레이션(co-simulation), 디지털 트윈 등 최신 기술 요소를 포괄적으로 다루어, 실제 산업 현장과 연구개발 조직에서 실천 가능한 디지털 제품 개발 전략을 구체화한다.   ■ 오재응 한양대학교 명예교수   많은 기업과 연구기관에서 CAE 해석 기술과 MBD 방법론을 적용하고 있음에도 불구하고, 여전히 시스템 수준의 요구사항 추적과 검증, 다물리 통합 시뮬레이션, 협업 설계 및 지식 재활용 등의 영역에서 실질적인 한계를 경험하고 있다. 특히 다음과 같은 배경은 이번 연재의 주요한 동기가 되었다. MBSE와 CAE의 분절적 적용 : 설계 초기의 아키텍처 모델과 후속 해석 모델이 연계되지 않아 반복 설계와 검증의 비효율이 발생함 도구 기반 접근의 한계 : SysML, 시뮬링크(Simulink), 모델리카(Modelica) 등 다양한 도구의 활용이 실질적인 프로세스와 연결되지 못해 정착되지 못함 설계 데이터의 단절 및 축적 미비 : 프로젝트 간 설계 자산이 재사용되지 못하고, 조직 내 설계 지식이 흩어져 있음 연결 기술(integration technology)의 부재 : 톱다운(top-down)과 보텀업(bottom-up) 사이의 구조적 연결, 기능과 물리 모델 간의 연계가 설계 전반에 적용되지 못함 이러한 문제의식을 바탕으로, 이번 연재에서는 CAE–MBSEMBD를 하나의 통합된 가상 제품 개발 체계로 정립하고, 실무자와 조직이 직면한 장벽을 실천적으로 해결할 수 있는 전략을 제시하고자 한다. 특히 기계 시스템, 제어, 전장 등 다양한 도메인을 포함한 다분야 협업 설계의 실현과, 시뮬레이션 기반의 최적 설계 환경 구축을 목표로 하고 있다.   CAE와 MBSE의 관계 디지털 엔지니어링을 위한 고급 CAE 기술은 제품 개발 과정에서 필수 역할을 한다. 특히, MBSE(Model-Based Systems Engineering)와 연계하여 전체 시스템의 설계 및 검증을 체계적으로 수행할 수 있다. 시스템 레벨 시뮬레이션을 위한 요구 정의 및 개념 설계는 시장 요구 및 성능 목표를 기반으로 시스템 설계를 시작한다. 안정성 및 신뢰성 분석은 시스템이 예상한 성능을 충족하는지 검토한다. 검증 및 테스트에서 설계된 시스템이 실제 운영 환경에서도 신뢰성을 유지하는지 확인한다. 디지털 엔지니어링 플랫폼은 설계, 해석, 검증을 통합하여 최적화된 시스템을 개발할 수 있도록 지원한다. 주요 요소는 다음과 같다. 3D 시뮬레이션 : 초기 설계 단계에서 CAE 기반 가상 엔지니어링을 수행하여 비용 절감 및 최적화를 가능하게 한다. MILS/SILS/HILS 검증 프로세스 : 모델, 소프트웨어, 하드웨어 단위로 점진적인 검증을 수행하여 신뢰성을 확보한다. RPA(로봇 프로세스 자동화) 및 기계학습 최적화 : 반복적인 시뮬레이션과 최적화 작업을 자동화하여 개발 효율을 극대화한다. 하드웨어 및 소프트웨어 설계 : 하드웨어 설계는 형상 설계 및 성능 설계를 통해 물리적 구현을 최적화한다. 소프트웨어 설계는 임베디드 시스템 및 소프트웨어의 로직을 구성하여 시스템과의 호환성을 확보한다. 특히 모델 기반 개발에서 기구 모델과 제어 모델을 통합 설계한다. 따라서 CAE 및 MBSE를 활용한 디지털 엔지니어링 프로세스는 제품 개발의 효율과 신뢰성을 향상시키는 핵심 전략이다. 요구 분석에서부터 최종 검증까지 체계적인 설계 프로세스를 적용하면 비용 절감과 성능 최적화를 동시에 달성할 수 있다.   그림 1. 디지털화 추진을 위한 CAE 기술 및 디지털 엔지니어링 플랫폼   CAE에서 MBSE로 전환 : 시스템 수준 통합을 위한 계층적 모델 기반 접근 현대 제품 개발 환경에서 복잡성과 다분야 연계성의 증대는 단순한 해석 중심의 접근만으로는 한계를 드러낸다. 이에 따라 CAE 기반 설계 방식에서 MBSE로의 전환이 중요한 과제로 부상하고 있다. 특히, 제품 요구사항부터 물리적 구현까지 전 과정을 모델로 체계화함으로써 설계 효율성 품질을 동시에 확보할 수 있는 기반이 마련된다. MBSE의 적용을 위한 단계적 접근은 계층적 모델링을 중심으로 전개된다. 이 계층적 구조는 시장 및 사용자 요구로부터 시작하여 점차 구체적인 시스템 구성 요소로 세분화되며, 다음과 같은 흐름을 따른다. 시장 요구 → 기능 설계 → 성능 목표 물리적 콘텐츠 → 물리 모델링 시스템 → 시스템 모델 서브시스템 → 서브시스템 모델 컴포넌트 → 상세 모델 재료 수준의 최종 세부 요소   그림 2. CAE에서 MBSE로 전환   이러한 구조는 단순한 부품 중심 해석이 아닌, 전체 시스템의 동작을 포괄적으로 이해하고 최적화하기 위한 토대를 제공한다. 상단의 상위 프로세스에서는 요구 분석과 아키텍처 설계가 중심이 된다. 이 단계에서는 시스템 및 서브시스템의 요구사항을 정의하고, 이를 정량화하여 성능 목표로 변환한다. 예를 들어 제품의 출력, 온도 유지, 내구성, 소음 및 진동과 같은 요소를 수치적으로 설정하고, 이를 설계 초기 단계부터 고려함으로써 전체 개발 과정에서의 목표 일관성을 확보할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (6)   최근 제조 산업의 제품 개발 프로세스는 다학제간 최적화(MDO)를 필수로 요구하고 있다. 하지만 엔지니어링 현장에는 전용 인터페이스가 없는 사내 자체 개발 코드나 레거시 솔버가 여전히 핵심 역할을 수행하며 자동화의 단절을 가져 오고 있다. 이번 호에서는 이러한 ‘도구의 파편화’를 극복하고 진정한 엔지니어링 민주화를 실현하기 위한 핵심 도구인 HEEDS 제너럴 포털(HEEDS General Portal)의 기술적 작동 원리부터, 이를 활용해 지능형 샘플링(adaptive sampling)과 피직스AI(PhysicsAI)를 연계한 엔드 투 엔드 AI 자동 학습 파이프라인을 구축하는 전략까지 살펴본다. 이를 통해 독자들 이 도구의 한계에 갇히지 않고 프로세스 중심의 혁신적인 최적화 환경을 구축하는 데 실무적인 통찰을 얻기를 기대한다. ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   다학제간 최적화의 병목 현상, ‘도구의 파편화’ 현대의 제품 개발 프로세스는 구조, 유체, 열, 전자기장 등 상호 연관된 다양한 물리 현상을 동시에 고려해야 하는 다학제간 최적화(MDO : multi-disciplinary optimization) 시대로 완전히 진입했다. 설계의 목표는 이제 단일 부품의 강성을 높이는 수준을 넘어, 시스템 전체의 에너지 효율을 극대화하고 중량을 최소화하며 제조 비용까지 동시에 만족시키는 복합적인 최적점을 찾는 데 있다. 하지만 이러한 이상적인 설계 탐색 과정을 가로막는 가장 큰 실질적 장벽은 바로 ‘엔지니어링 도구의 파편화’이다. 글로벌 주요 CAE 툴들은 각기 다른 데이터 구조와 실행 환경을 가지고 있으며, 심지어 동일한 기업 내에서도 부서마다 선호하는 툴이나 버전이 상이한 경우가 허다하다. 더욱이 기업이 수십 년간 현장에서 검증하며 축적해 온 사내 자체 개발 코드(in-house code)나 특정 공정에 특화된 레거시 시스템은 상용 최적화 도구들이 제공하는 표준적인 ‘전용 포털(direct portal)’만으로는 포섭하기 어려운 영역이다. 이러한 ‘연결의 공백’은 엔지니어가 수작업으로 데이터를 옮기고 인풋 파일을 수정하며 솔버를 구동하는 반복적인 수동 프로세스를 야기한다. 이는 단순히 시간의 낭비를 넘어, 최적화 루프의 흐름을 끊고 데이터의 누락이나 인적 오류를 발생시키는 치명적인 병목 현상이 된다. 결국 아무리 뛰어난 최적화 알고리즘을 보유하고 있더라도, 도구 간의 끊김 없는 연결(seamless integration)이 전제되지 않는다면 진정한 의미의 프로세스 자동화와 설계 혁신은 불가능하다. 이번 호에서는 이러한 도구의 제약을 뛰어넘어 엔지니어가 가진 모든 전문 지식과 소프트웨어 자산을 하나의 유기적인 파이프라인으로 통합해 주는 HEEDS 제너럴 포털의 기술적 가치를 살펴보고, 이를 통해 구축할 수 있는 차세대 AI 기반 엔지니어링 환경에 대해 논의하고자 한다.   HEEDS 제너럴 포털의 기술적 상세 설명 HEEDS(히즈)의 제너럴 포털은 특정 소프트웨어 제조사의 생태계에 종속되지 않는 범용 인터페이스이다. 이는 ‘텍스트 기반의 입출력이 가능하고 명령행(command line) 실행이 가능한 모든 프로그램’을 최적화 루프의 일원으로 수용한다.   전용 포털 vs. 범용 포털의 상세 비교 상용 최적화 도구는 일반적으로 주요 CAE 소프트웨어와의 직접적인 연동을 지원하는 전용 포털(direct portal)을 제공한다. 하지만 실무 환경은 상용 툴뿐만 아니라 기업 고유의 로직이 복잡하게 얽혀 있는 생태계이기에, 각 포털의 특성을 정확히 이해하고 선택하는 것이 중요하다.   그림 1. 심센터 HEEDS에서 제공하는 전용 포털 목록 중 일부   표 1   <그림 1>의 전용 포털은 ‘설계 생산성’에 초점을 맞춘다. 소프트웨어 내부 아키텍처에 직접 접근하여 설계 변수를 자동으로 추출해 주기 때문에, 사용자는 기술적 구현보다 최적화 전략 수립에 더 많은 시간을 할애할 수 있다. 하지만 소프트웨어가 버전업될 때마다 포털의 호환성을 체크해야 하는 단점이 있다. 반면, 범용 포털(general portal)은 ‘엔지니어링 자유도’에 그 가치를 둔다. 특정 툴의 API에 의존하지 않고 텍스트 파일이라는 보편적인 언어로 통신하기 때문에, 툴의 버전 변화에 거의 영향을 받지 않는 강건한 자동화 환경을 구축할 수 있다. 특히 해석 전후로 파이썬(Python) 등을 활용한 사용자 정의 로직을 자유롭게 삽입할 수 있어, 단순히 툴을 실행하는 단계를 넘어 기업 고유의 설계 노하우가 집약된 ‘맞춤형 프로세스’를 완성할 수 있게 한다. 결국 성공적인 자동화 환경은 이 두 가지 포털을 적재적소에 배치하는 하이브리드 전략에서 시작된다. 표준적인 해석은 전용 포털로 빠르게 구축하고, 기업만의 특화된 핵심 로직은 범용 포털로 유연하게 포섭하는 것이 이상적인 형태이다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  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     2026-6 from 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (7)   최근의 MBSE(모델 기반 시스템 엔지니어링) 환경은 개별 도구를 연계하던 전통적 방식에서 벗어나, 요구사항부터 시뮬레이션, 형상 관리까지 전 과정을 하나의 플랫폼에서 관리하는 ‘디지털 스레드’ 기반의 통합 환경으로 진화하고 있다. 이번 호에서는 모델링 도구인 ‘랩소디(Rhapsody)’와 ‘카메오 시스템 모델러(Cameo Systems Modeler)’의 특징을 살펴보고, 효율적인 설계 환경 구축 전략을 짚어본다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   모델링 도구 여기에서는 모델링 도구로서 랩소디(Rhapsody)의 특징과 기능을 간단하게 소개하고 있으며, 특히 시스템 아키텍처 설계와 모델 일관성 유지에 있어 랩소디가 어떤 역할을 수행하는지를 설명한다. IBM의 랩소디는 UML 및 SysML 기반의 시스템 모델링 도구로, 아키텍처 모델을 통해 시스템 설계 정보를 저장할 수 있는 동적인 데이터베이스 구조를 제공한다. 사용자가 정의한 각 모델 객체(예 : 블록, 컴포넌트 등)는 한 번 정의되면 그것이 표현되는 모든 다이어그램 상에서 동일한 특성과 속성을 유지한다. 이를 통해 전체 모델의 일관성과 추적성이 자연스럽게 보장된다. 또한 랩소디는 요구사항과 직접 연계된 설계 모델을 지원함으로써, 요구사항-설계 간의 정합성 확보를 용이하게 한다. 이를 통해 설계 변경이 요구사항과의 연동 하에 즉시 반영될 수 있어, 시스템 개발 전 과정에서 신뢰성 있는 모델 기반 설계를 실현할 수 있다. 결과적으로, 랩소디는 다양한 UML/SysML 도구 중 하나로, 특히 복잡한 시스템의 모델링, 시뮬레이션, 코드 생성까지 연결 가능한 통합 모델링 환경을 제공한다.   랩소디 보기   그림 1. 랩소디 도구의 대표적인 사용자 인터페이스 구성 요소   <그림 1>은 랩소디 도구 환경을 보여주며, 시스템 모델링 또는 소프트웨어 모델링을 수행할 때 사용되는 대표적인 사용자 인터페이스 구성 요소를 설명하고 있다. 랩소디 보기는 사용자가 랩소디에서 모델을 어떻게 시각적으로 확인하고 조작하는지를 이해하는 데 중점을 둔다. 전체 인터페이스 구성은 랩소디가 모델 기반 시스템 및 소프트웨어 설계를 위한 도구로, 브라우저 영역과 그리기 영역 등의 주요 영역으로 구성되어 있다. <그림 1>의 화면 왼쪽에는 브라우저 영역(Browser View)이 위치해 있다. 이 영역은 프로젝트 내에 정의된 모든 요소를 계층적 트리 구조로 정리하여 보여주며, 클래스, 패키지, 상태도, 시퀀스 다이어그램 등 다양한 모델링 요소를 탐색하고 선택할 수 있다. 사용자는 이 영역에서 모델 구조를 확인하고, 필요한 항목을 선택하여 편집 창으로 열 수 있다. 주로 사용하는 항목은 모델 구성요소(예 : 클래스, 컴포넌트, 상태 등)이다. 설계 계층 구조는 각 요소의 속성 및 동작이 연결되어 있다. <그림 1>의 화면 오른쪽에는 그리기 창(Drawing Window)이 위치하며, 사용자가 실제로 다이어그램을 작성하고 편집하는 작업 공간이다. 이 영역은 선택된 모델 요소의 시각적 표현을 위한 공간으로, 예를 들어 상태 다이어그램, 블록 다이어그램, 시퀀스 다이어그램 등을 작성하고 구성 요소 간의 연결 관계를 설정할 수 있다. 사용자의 활동 예는 상태 전이 정의, 신호 흐름 연결, 동작 논리 시각화, 모델 요소 간 연결 구성이 있다. 랩소디는 모델 탐색과 시각적 설계를 동시에 지원하기 위해 좌측 브라우저 영역과 오른쪽 그리기 창을 중심으로 UI(사용자 인터페이스)를 구성하고 있으며, 이를 통해 사용자는 설계 구조와 논리를 직관적으로 접근하고 조작할 수 있다. 이와 같은 인터페이스는 SysML, UML, 자동차 및 항공 우주 분야의 MBD 등 다양한 모델링 작업을 효율적으로 수행할 수 있도록 지원한다.   랩소디 vs. 카메오 시스템 모델러 비교 IBM 랩소디와 카메오 시스템 모델러(Cameo Systems Modeler)는 모두 SysML 기반의 시스템 모델링 도구로 널리 사용되고 있다. 그러나 이 두 도구는 설계 접근 방식, 사용자 인터페이스, 시뮬레이션 및 협업 방식에서 차별점이 존재한다. 도구의 철학과 접근 방식 : 랩소디는 임베디드 시스템 및 소프트웨어 개발에 특화된 도구로, 주로 상태 기반(state-based) 모델링과 코드 생성(code generation) 기능이 강력하다. UML 기반의 객체지향 소프트웨어 개발, 상태 머신 구현 등에 많이 활용되며, 특히 자동차, 항공, 방위 산업 등에서 많이 사용된다. 반면에 카메오 시스템 모델러(MagicDraw 기반)는 시스템 아키텍처 및 요구사항 중심 설계에 중점을 둔 MBSE 도구이다. RFLP(Requirement, Functional, Logical, Physical) 구조와 트레이스 기능이 강력하며, PLM·SPDM 시스템과의 통합이 잘 되어 있어 디지털 스레드 구축에 적합하다. 대부분의 대기업 MBSE 전환 프로젝트에서 선택되고 있다. 사용자 인터페이스 및 작업 구조 : 랩소디는 전통적인 IDE 스타일의 인터페이스(<그림 1>처럼 왼쪽 탐색기 + 오른쪽 다이어그램 편집기)를 가지고 있으며, 실시간 코드 시뮬레이션 및 상태 전이 구현에 용이하다. 카메오 시스템 모델러는 모델 요소 중심 탐색 트리, 다중 다이어그램 탭, 자동 연결 도우미, 속성 창 기반 작업이 잘 정비되어 있으며, 직관적인 GUI로 인해 다양한 다이어그램 작성이 빠르고 정확하게 이루어진다. 사용자 친화성이 높은 편이다. 시뮬레이션 및 해석 기능 : 랩소디에는 UML/SysML 상태 머신을 기반으로 한 Statechart Simulation이 내장되어 있어, 논리적 동작 검증이나 이벤트 시퀀스 분석에 유리하다. C/C++ 코드 생성 및 디버깅 기능도 내장되어 있어, 소프트웨어 통합 단계까지 연결하기 좋다. 카메오 시스템 모델러는 카메오 시뮬레이션 툴킷(Cameo Simulation Toolkit :CST)을 통해 SysML 모델의 시뮬레이션이 가능하며, 파라메트릭 다이어그램(Parametric Diagram) + 수식 기반 계산 + 외부 FMU 연동을 지원한다. 특히 시뮬링크(Simulink), 모델리카(Modelica) 등과의 코시뮬레이션(co-simulation) 및 FMI 기반 연동이 강력하다. 협업 및 형상 관리 연동 : 랩소디는 RTC, ClearCase, GIT 등과 연계가 가능하지만, 협업 기능이 독립적으로 강력하지는 않다. 기업 내부 커스터마이징이 필요한 경우가 많다. 카메오 시스템 모델러는 팀워크 클라우드(Teamwork Cloud : TWC)라는 중앙 저장소 기반 협업 서버를 통해 모델 단위 버전 관리, 권한 제어, 변경 추적, 분기 관리(branching) 기능을 지원하며, 팀 단위 협업 및 모델 기반 리뷰에 적합하다. PLM, SPDM 및 외부 툴 연동 : 랩소디는 외부 연동이 상대적으로 제한적이며, 별도 게이트웨이 또는 커스터마이징이 필요하다. 카메오 시스템 모델러는 3D익스피리언스(다쏘시스템), 윈칠(PTC), 팀센터(지멘스) 등의 PLM 시스템과 연계가 용이하며, MBSE–PLM–SPDM 간의 디지털 연계(traceability)가 수월하게 이루어진다. 정리하면 랩소디는 코드 생성, 상태 머신 중심이고 카메오 시스템 모델러는 요구사항–기능–물리 구조 연계 중심이다. 사용 분야는 랩소디가 임베디드 소프트웨어, 제어 시스템에 사용되며 카메오 시스템 모델러는 시스템 아키텍처, MBSE를 총괄하는데 사용된다. 시뮬레이션에는 랩소디가 상태 기반 시뮬레이션에 사용되며, 카메오 시스템 모델러는 파라메트릭, 시퀀스, 코시뮬레이션이 가능하다. 협업 관점에서 랩소디는 RTC/파일 기반으로 이용되며, 카메오 시스템 모델러는 팀워크 클라우드 기반 모델 협업에 활용된다. 외부 툴과 연동은 랩소디는 제한적이며 커스터마이징이 필요하다. 반면에 카메오 시스템 모델러는 FMI, PLM, 시뮬링크 등과 강력하게 연동된다.    ■ 자세한 기사 내용은 PDF로 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (5)   심센터 HEEDS(Simcenter HEEDS) 2604 릴리스는 설계 파라미터와 시뮬레이션 워크플로를 유기적으로 연결하여 최적의 설계안을 자동으로 도출하는 역할을 더욱 공고히 하기 위해 계산 리소스의 효율적 관리, AI를 활용한 워크플로 가속화, 그리고 다목적 트레이드오프 스터디의 실시간 가시성 확보라는 세 가지 핵심 방향으로 혁신적인 기능을 담았다.이번 릴리스를 통해 복잡성 모델링(model the complexity), 가능성 탐색(explore the possibilities), 속도 향상(go faster), 통합 유지(stay integrated)라는 네 가지 기둥 아래 엔지니어링 시뮬레이션의 새로운 기준을 제시한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   전산 자원 관리의 재구상 : 새로운 리소스 카탈로그 기존 방식의 한계 엔지니어링 최적화 스터디는 단 한 번의 시뮬레이션으로 끝나는 작업이 아니다. 수십 번에서 수천 번의 반복 해석을 수행해야 하며, 이를 위해서는 로컬 워크스테이션, 사내 HPC 클러스터, 클라우드 컴퓨팅 플랫폼 등 다양한 전산 자원을 조합하여 활용해야 한다. 기존의 HEEDS(히즈)는 이러한 원격 실행 환경을 프로젝트별로 설정해야 했기 때문에, 팀 내의 여러 엔지니어가 동일한 클러스터를 사용하더라도 각자 동일한 설정 과정을 반복해야 하는 비효율이 존재했다. 특히 HPC 클러스터의 경로, 인증 정보, 작업 스케줄러 파라미터를 매번 수동으로 입력해야 하는 번거로움은 첫 번째 설계 최적화를 시작하기도 전에 엔지니어의 시간을 낭비하게 만들었다.   리소스 카탈로그의 등장 심센터 HEEDS 2604는 원격 실행 기능을 새로운 ‘리소스 카탈로그(Resource Catalog)’로 전면 개편하여 이 문제를 근본적으로 해결했다. 리소스 카탈로그는 전산 자원 정보를 프로젝트에 종속된 설정이 아닌, 전사적으로 공유 가능한 독립적 자산으로 관리하는 방식이다. 이제 로컬 머신, 원격 클러스터, 리스케일(Rescale)과 같은 HPC 클라우드 플랫폼, 또는 작업 스케줄러를 사용하는지의 여부와 관계 없이 프로젝트 전체에서 리소스 구성을 더 쉽게 설정하고 재사용할 수 있다.   그림 1. 리소스 카탈로그 설정 환경   그림 2. 작업 수행을 위해 미리 설정된 리소스 선택   주요 기능 및 이점 원클릭 리소스 생성 : 사용자가 리소스 유형을 선택하면, 해당 유형에 적합한 모든 설정 항목이 기본값으로 미리 채워진 상태로 나타난다. 처음 사용하는 엔지니어도 복잡한 설정 파라미터를 일일이 파악할 필요 없이 빠르게 시작할 수 있다. 관리형 카탈로그(Managed Catalogs) : 조직의 IT 관리자 또는 HEEDS 전문가가 심센터 HEEDS 커넥트(Simcenter HEEDS Connect)를 통해 표준 리소스 프로필을 미리 구성하면, 팀의 다른 구성원이 이를 즉시 다운로드하여 사용하거나 로컬 카탈로그로 복사하여 필요에 맞게 조정할 수 있다. 이는 조직 전체가 동일한 리소스 표준을 따르도록 하는 ‘단일 정보 소스(single source of truth)’ 역할을 수행하여 설정 오류와 불일치를 원천적으로 방지한다. 다중 제출 항목(Multiple Submission Items) : 하나의 물리적 서버에서도 PBS, LSF, SLURM, MSHPC, 또는 다이렉트 서브미션(Direct submission) 등 다양한 방식의 작업 스케줄러를 위한 복수의 제출 항목을 생성할 수 있다. 예를 들어, 빠른 소규모 해석을 위한 인터랙티브 대기열과 대규모 최적화를 위한 배치 대기열을 동일한 클러스터에서 각각 별도의 리소스 프로필로 관리할 수 있다. 리소스 구성 확인 기능 : 복잡한 네트워크 환경에서 원격 리소스가 실제로 접근 가능한지, 또는 올바르게 설정되었는지 확인하는 것은 종종 어려운 문제였다. 새로운 ‘Run test now’ 기능을 통해 사용자는 설정 완료 즉시 리소스의 접근 가능성과 동작 상태를 확인할 수 있다. 테스트 결과는 Not tested(미실행), Passed(성공), Error(오류)의 세 가지 상태로 직관적으로 표시되어 문제 발생 시 신속한 보정이 가능하다. 지속적 구성 : 매핑된 로컬 및 원격 드라이브 설정이 모든 프로젝트에 걸쳐 유지되므로, 프로젝트를 새로 만들 때마다 리소스를 재구성할 필요가 없다. 한 번 설정한 리소스 카탈로그는 이후 모든 프로젝트에서 즉시 재사용 가능하다.   비최적화 스터디를 위한 효율적 데이터 및 리소스 운용 디스크 공간의 숨겨진 병목 실험계획법(Design of Experiments : DOE), 강건성(robustness) 분석, 신뢰성(reliability) 분석, 또는 단순히 특정 설계 후보를 일괄 평가하는 ‘Evaluation Only’ 스터디는 최적화 알고리즘이 동반되지 않는 빠른 유형의 설계 탐색이다. 이러한 스터디는 개별 해석이 비교적 짧게 완료되기 때문에, HEEDS는 실행 스택을 가득 채워 최대한 많은 병렬 해석을 동시에 구동하려 한다.   그림 3. 프로세스의 병렬 해석 진행 상황 예시   그런데 여기서 예상치 못한 문제가 발생한다. 해석이 매우 빠르게 완료되기 때문에 각 해석의 임시 작업 디렉토리와 결과 파일이 시스템에 쌓이는 속도도 매우 빠르다. 짧은 시간 안에 수백 개의 해석 폴더가 생성되어 디스크 공간을 순식간에 소진할 수 있으며, 이는 특히 로컬 워크스테이션이나 디스크 할당량이 제한된 HPC 환경에서 심각한 장애 요인이 될 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.