다쏘시스템은 5월 29일 서울 코엑스에서 ‘3D익스피리언스 콘퍼런스 코리아 2025(3DEXPERIENCE CONFERENCE KOREA 2025)’를 개최한다고 밝혔다. ‘모두를 위한 모든 것의 버추얼 트윈(Virtual Twin of Everything for Everyone)’을 주제로 열리는 이번 행사는, 생성형 AI와 결합해 한층 진화한 버추얼 트윈 기술을 중심으로 대한민국 산업의 미래를 만들어 나갈 혁신 비전을 소개한다. 이번 콘퍼런스에서는 다쏘시스템이 올해 초 새롭게 발표한 기술 비전 ‘3D유니버스(3D UNIV+RSES)’를 소개하고, 7개 혁신 브랜드를 통해 다양한 산업 분야에 적용되는 최신 기술 트렌드를 선보인다. 특히 다쏘시스템은 ▲40개 이상의 전문 세션 ▲산업 전문가들이 직접 전하는 실무 지식과 노하우 등 프로그램을 통해 참석자들에게 실질적 인사이트를 제공할 예정이다.     오전에 진행되는 제네럴 세션은 다쏘시스템코리아 정운성 대표이사의 환영사로 시작한다. 기조연설자로 초청된 LG전자 ES연구소의 황윤제 기술고문은 ‘모델 기반 가상화 R&D를 통한 디지털 혁신 : AI 시대의 도전과 미래’를 주제로, 디지털 전환(DX)을 이끄는 AI 기술과 버추얼 목업 제작을 더욱 용이하게 하는 모델 기반 시스템 엔지니어링의 중요성에 대해 발표한다. 황윤제 기술고문은 가상화 분야에서 현재 직면한 주요 도전 과제가 무엇인지 살펴보고, 이를 극복함으로써 열릴 미래의 가능성에 대한 인사이트를 제공할 예정이다. 오후에는 바이오비아(BIOVIA), 에노비아/넷바이브(ENOVIA/NETVIBES), 카티아/3D익사이트(CATIA/3DEXCITE), 델미아(DELMIA), 시뮬리아(SIMULIA)의 5개의 브랜드 트랙과 별도 마련된 SDV(Software-Defined Vehicle) 트랙이 진행된다. 각 트랙을 통해 다쏘시스템의 전문가와 브랜드별 고객사는 최신 기술 동향과 다양한 산업 적용 사례를 폭넓게 소개하며, 특히 3D익스피리언스 기반 통합 업무 환경을 심도 있게 다룰 예정이다. 특히 추가로 마련된 SDV 트랙은 총 3개의 발표로 구성되어, 다쏘시스템의 SDV 설루션 전략과 함께 모델 기반 시스템 엔지니어링(MBSE : Model-Based Systems Engineering), 하드웨어/소프트웨어 통합, 가상 검증 등 제품 전체 관점의 개발 방향을 소개한다. 아울러 미래 모빌리티 산업의 도전과제와 설루션 방안, 메카트로닉스(mechatronics) 및 소프트웨어 중심 경험(software-driven experiences)을 위한 엔드 투 엔드 통합 업무 환경 구축 전략을 다룬다.   다쏘시스템코리아 정운성 대표이사는 “3D익스피리언스 콘퍼런스 코리아 2025는 가상과 현실을 끊임없이 연결하는 기술로 산업 혁신의 방향을 제시하는 자리”라며, “모두를 위한 모든 것의 버추얼 트윈이라는 이름에 걸맞게, 다쏘시스템은 앞으로도 다양한 산업의 전문가들과 함께 버추얼 트윈으로 미래 산업을 혁신하고, 무한한 가능성을 만들어 나갈 것”이라고 밝혔다.

어도비가 소셜 미디어, 전자상거래, 모바일 등 다양한 채널에서 급증하는 개인화된 콘텐츠 수요에 맞춰 기업의 효과적인 콘텐츠 제작을 지원하는 어도비 파이어플라이 서비스(Adobe Firefly Services) 및 파이어플라이 커스텀 모델(Firefly Custom Models)의 새로운 역량을 발표했다. 이번 발표로 기업을 위한 크리에이티브 및 생성 API 콜렉션인 파이어플라이 서비스는 영상과 3D를 비롯한 더욱 다양한 콘텐츠 유형을 지원하며 기업의 멀티미디어 제작 확대를 돕는다. 파이어플라이 서비스로 구동되는 새로운 파이어플라이 크리에이티브 프로덕션(Firefly Creative Production)은 노 코드(no-code) 인터페이스에서 주요 미디어 유형에 걸쳐, 반복적인 콘텐츠 제작 작업을 처리할 수 있도록 지원한다. 또한 파이어플라이 커스텀 모델과 퍼포먼스 마케팅용 어도비 Gen스튜디오(Adobe GenStudio for Performance Marketing)의 통합으로 브랜드 가이드라인을 준수하는 광고 콘텐츠를 한층 쉽게 확대할 수 있게 됐다.  이 같은 어도비의 혁신은 어도비 AI 에이전트와 모델을 통합하는 어도비의 AI 플랫폼으로 구동된다. 해당 플랫폼은 어도비 애플리케이션 전반에서 자사 데이터 인사이트, 서드파티 생태계의 AI 에이전트,  상업적으로 안전한 어도비 파이어플라이 및 안전한 서드파티 모델 등을 포함한다. 이처럼 어도비는 AI 플랫폼을 통해 마케팅과 크리에이티브를 통합하며 대규모로 개인화된 경험을 제공한다. 액센츄어(Accenture), 덴츠(Dentsu), 헨켈(Henkel), IPG 헬스(IPG Health), 태피스트리(Tapestry), 몽크스(Monks), 펩시코/게토레이(PepsiCo/Gatorade), 퍼블리시스(Publicis), 스태크웰(Stagwell), 에스티 로더 컴퍼니(The Estée Lauder Companies) 등 주요 기업과 에이전시는 어도비 파이어플라이(Adobe Firefly), 파이어플라이 서비스 및 커스텀 모델을 활용해 캠페인을 론치하는 데 걸리는 시간을 단축하며, 새로운 고객과 소통하며, 생성형 AI로 워크플로우를 간소화하고 크리에이티브 결과물을 강화하고 있다. 포레스터(Forrester) 총 경제 영향 조사(Total Economic Impact Study)에 따르면 기업은 어도비 파이어플라이 제품군을 통해 에셋 변형 제작을 70%-80%까지 확대하는 한편, 에셋 검토 및 수정에 소요되는 시간을 75% 나 단축하며(3년 기준), 전환율 개선을 위한 개인화된 경험을 확장하고 수익 증대를 모색하고 있다. 바룬 파머(Varun Parmar) 어도비 Gen스튜디오 및 파이어플라이 엔터프라이즈 솔루션 부문 총괄은 “기업들은 어도비 파이어플라이 서비스와 커스텀 모델을 활용해 효율적인 콘텐츠 공급망을 구축하며 놀라운 성과를 내고 있다”며 “생성형 AI는 마케터와 크리에이티브 담당자의 역량을 강화하고 이들이 중요한 작업에 집중할 수 있도록 지원한다”고 말했다.

주요 디지털 트윈 소프트웨어 디지털 트윈 모델 생성 및 배포 솔루션, Ansys Twin Builder 개발 : Ansys, www.ansys.com 자료 제공 : Ansys Korea, 02-6009-0500, www.ansys.com   Ansys Twin Builder는 디지털 트윈(Digital Twin) 기술을 활용하여 실제 물리 시스템을 가상 환경에서 시뮬레이션하고 최적화할 수 있는 솔루션이다. 멀티피직스 시뮬레이션 기술을 기반으로 물리 모델과 실시간 센서 데이터를 결합하여 예측 유지보수 및 성능 최적화를 지원한다. 제조, 자동차, 항공우주, 전자, 에너지, 의료 등 다양한 산업에서 활용된다.   1. 주요 특징 (1) Physics 기반의 디지털 트윈 구축 IoT 데이터 및 시뮬레이션 모델을 결합하여 정밀한 디지털 트윈 모델 생성 (2) 실시간 시뮬레이션 및 예측 유지보수 지원  센서 데이터를 활용하여 장비의 고장 가능성 예측 및 유지보수 최적화 (3) 멀티피직스 통합 분석  전자기, 유체, 구조, 열 해석을 통합하여 복잡한 시스템 성능 분석 가능 (4) AI 및 머신러닝 연계 가능  OptiSLang을 활용한 AI 기반 최적화 및 데이터 분석 지원 (5) IoT 및 클라우드 플랫폼과 연계  AWS, Microsoft Azure, PTC ThingWorx 등 다양한 IoT 플랫폼과의 호환성 제공 2. 주요 기능 (1) 디지털 트윈 생성 및 실행  시뮬레이션 모델을 물리 데이터와 연결하여 실시간 가상 시뮬레이션 수행 (2) Model-Based Systems Engineering(MBSE) 지원  시스템 레벨 설계를 위한 MBSE 기반 시뮬레이션 제공 (3) 고급 시뮬레이션 및 자동화  MATLAB, Simulink, FMI 모델과 통합 가능하여 복잡한 시스템 해석 (4) PLM 및 데이터 관리 통합  Siemens Teamcenter, PTC Windchill 등 주요 PLM 시스템과 연계하여 제품 수명주기 관리 지원 (5) Predictive Maintenance 기능 내장  실시간 데이터 분석을 통해 유지보수 전략 개선 3. 도입 효과 ■ 설비 가동률 향상: 디지털 트윈을 활용한 사전 예측 유지보수로 시스템 다운타임 감소 ■ 제품 개발 기간 단축: 프로토타입 제작 없이 가상 환경에서 제품 설계 검증 가능 ■ 운영 비용 절감: 최적화된 유지보수 전략을 통해 운영 및 유지보수 비용 절감 ■ 설계 품질 향상: 실제 운영 데이터를 기반으로 제품 설계 개선 및 성능 최적화 4. 주요 고객 사이트 ■ 제조업: 두산 그룹, POSCO  ■ 자동차: 현대자동차그룹, LS Automotive Technologies, HL Mando ■ 항공우주: Korea Aerospace Industries (KAI), Hanwha Aerospace ■ 반도체/전자: Samsung Electronics, SK Hynix, LG Electronics, Samsung Electro-Mechanics, Samsung Display, LG Display, LG Innotek, LX Semicon ■ 에너지: LG Energy Solution, SK On, Samsung SDI, Hyundai Electric & Energy Systems, Doosan Enerbility, Hanwha Solutions   상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

최적화 문제를 통찰하기 위한 심센터 히즈 (3)   이번 호에서는 심센터 히즈(Simcenter HEEDS)를 사용하여 수집된 외부 데이터를 시각화하고 분석하는 데 초점을 맞추고, 데이터 시각화의 중요성과 분석 기법의 활용 방안을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 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   데이터 분석의 중요성 오늘날 데이터는 우리의 일상과 비즈니스 운영에서 점점 더 중요한 역할을 하고 있다. 수집되고 측정된 데이터의 양이 증가하면서 이를 효과적으로 처리하고 분석하는 방법은 더욱 필요해지고 있다. 이러한 변화 속에서, 지멘스의 심센터 히즈는 강력한 데이터 분석 및 시각화 기능을 제공하여 다양한 산업 분야에서 최적의 해결책을 찾는 데 기여하고 있다. 이번 호에서는 히즈의 기능을 효과적으로 활용하여 어떻게 복잡한 데이터를 이해하고 의미 있는 인사이트를 얻을 수 있는지 살펴볼 것이다.   히즈의 데이터 분석 기능 히즈의 Discover(디스커버) 탭은 사용자가 데이터 사이의 관계 및 최적화 가능성을 탐구할 수 있도록 다양한 도구를 제공한다. Discover 기능은 주요한 데이터 분석 및 이해를 도와주는 여러 방법을 포함하고 있다.    그림 1   다음은 각각의 기능에 대한 설명이다.  Closest : 특정 데이터 포인트에 가장 가까운 변화를 식별한다. 이를 통해 최적화 과정에서의 데이터 민감성을 이해하고 결정에 도움을 줄 수 있다.  Similar : 사용자가 선택한 기준에 따라 유사한 데이터 집합을 찾는 기능이다. 이는 집합의 규칙 또는 모델을 파악하는 데 유용하다. Clusters : 데이터 세트를 서로 연관된 그룹으로 분류한다. 군집화 기법을 통해 데이터의 패턴을 식별하고 알고리즘에 의한 데이터 이해를 개선할 수 있다.  Trade-offs : 다수의 설계 목표 간의 상충 관계를 분석한다. 이를 통해 각각의 설계 대안이 어떻게 특정 목표를 달성하는지에 대해 명확하게 이해할 수 있다.  Patterns : 데이터 내의 반복되는 경향이나 구조를 발견하여 예측 및 모델링에 도움을 주는 기능이다. 패턴 인식은 정보의 신뢰도를 높이는 데 중요하다.  Preview History : 사용자가 수행한 변경이나 실행의 기록을 미리 보면서 데이터 분석의 이력을 관리할 수 있다.  Design Set : 여러 디자인 시나리오를 만들고 비교하여 최적의 설계를 도출하는 데 도움을 준다.  Performance & Plot : 데이터의 성능을 평가하고 시각적으로 플롯하여 분석 결과를 명확하게 표현한다.  Discover 탭의 이러한 기능은 히즈 사용자가 데이터를 깊이 이해하고 시뮬레이션 최적화 과정에서 효과적인 의사 결정을 내리도록 돕는다. 이를 바탕으로 보다 정확하고 신뢰성 있는 설계와 분석 결과를 도출할 수 있다.   데이터 분석을 위한 예제   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa  최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5,000 mm  Load P : 6,500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm 히즈의 Discovery Method를 사용하여 분석할 데이터는 우리가 지금까지 계속 예제로 사용한 외팔보의 처짐 문제를 기반으로 Adaptive Sampling Study(어댑티브 샘플링 스터디)에서 500개의 데이터를 생성하여 사용할 것이다. 아니면 독자들이 가지고 있는 데이터를 사용해도 괜찮다.   그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

산업 디지털 전환을 가속화하는 버추얼 트윈 (2)   이번 호에서는 VMU(가상 목업)의 개념과 기술적 특성, 주요 산업 사례, 그리고 VMU의 혁신적 가치와 향후 확장 가능성에 대해 살펴본다.    ■ 최윤정 다쏘시스템의 기술 컨설턴트로 디자인&엔지니어링 팀에서 3DEXPERIENCE CATIA 제품을 담당하고 있다. 자동차 산업을 위한 고급 서피스 모델링 및 가상 검증 영역을 전문으로 하고 있으며, 제조업의 VMU 도입 효과성 관련 학술연구 또한 수행 중에 있다. 홈페이지 | www.3ds.com/ko   가상 시뮬레이션 기술이 점차 고도화됨에 따라, 제품 개발 전 과정에서 디지털 모델을 활용하여 제품 품질과 개발 효율성을 높이려는 시도가 활발하게 이루어지고 있다. VMU(Virtual Mock-Up, 가상 목업) 기술은 3D익스피리언스 카티아(3DEXPERIENCE CATIA)에 기반한 가상 검증 프로세스로, 설계 오류와 품질 상의 문제점을 조기에 식별·개선하고 개발 비용과 시간을 절감하는 혁신적 방식으로 주목받고 있다. 제품의 실물을 제작하지 않고도 고품질 렌더링을 통해 시각적·감성적 요소를 평가할 수 있기 때문에, 다양한 산업 분야에서 VMU의 필요성이 커지고 있다.   그림 1. 카티아 설계 데이터 화면   그림 2. 카티아에서 재질을 적용한 설계 데이터 화면   VMU의 개념과 기술적 특징 VMU는 고품질 렌더링 기술을 활용해 설계 데이터를 가상 환경에서 실물과 유사하게 재현하여, 설계 오류와 품질 상의 문제점을 조기에 식별·개선하는 기술이다. 이 프로세스는 실물 목업을 제작하지 않고도 제품 외관을 정확히 시뮬레이션함으로써 제품 개발 시간과 비용을 단축한다. 기존의 DMU(Digital Mock-up, 디지털 목업)는 주로 설계 과정에서 형상과 구조 검증에 초점을 둔다. 즉, 3D 설계 데이터 상에서 간섭 검사, 조립 순서·공정 시뮬레이션, 각 부품의 형상 적합성 등을 확인하는 용도로 사용된다. 한편, VMU는 DMU에서 한발 더 나아가, 광학 특성(반사·굴절), 질감, 점등 이미지 등 외관 품질을 실사 수준으로 구현하며, 인체공학 기반의 휴먼 모델(human model)을 연계해 실제 사용 환경에서의 조작성, 시야 확보성 등을 종합적으로 검토할 수 있다. XR(확장현실) 기술과의 융합을 통해 몰입형 품평 환경도 제공된다. 자동차 외장 램프처럼 미세한 빛의 반사·굴절을 예측 및 검증해야 하는 제품은 VMU를 활용할 경우 실물 목업 없이 외관 이미지를 높은 정확도로 검토함으로써 개발 리스크를 크게 줄일 수 있다. 기존에 카티아를 기반으로 제품 설계를 하고 있는 다양한 산업군에서 VMU는 이미 필수 프로세스로 자리매김하고 있다. 설계, 렌더링, 검증 및 품평을 하나의 일관된 프로세스로 결합함으로써 제품 개발 방식에 혁신적인 변화를 가져올 수 있다. 데이터 변환이나 별도 인터페이스가 필요 없이 동일 플랫폼에서 모든 단계가 이뤄지므로, 데이터 손실이나 형상 왜곡을 최소화하고 기존에 없던 빠르고 유연한 협업 환경을 구축할 수 있다. 이를 통해 제품의 완성도와 품질을 높이는 긍정적 효과가 입증되었다.    표 1. 실물 목업 및 기존 렌더링 툴과의 비교   3D익스피리언스 카티아 기반의 VMU 프로세스 적용 사례 자동차 외장 램프 품질 검증 사례 자동차 외장 램프는 외관과 점등 이미지가 모두 중요하여, 시각적 품질 검증이 설계 단계에서 핵심 과제로 부각된다. 기존에는 정확도를 높이기 위해 실물 금형과 목업을 제작했으나, 이 방식은 과도한 시간과 비용 투자를 요구했다. 대체 방법으로 3D 프린팅 등의 기술을 이용하기도 했지만, 정밀도가 부족하다는 한계가 있었다. 이 문제를 해결하기 위해 최근 카티아 기반 VMU 프로세스를 적용한 디지털 선행 검증이 주목을 받고 있다. 미세 광학 요소와 복잡한 반사·굴절 특성을 지닌 램프를 고정밀 시뮬레이션할 수 있어, 점등·비점등 시의 실제 이미지를 실물 목업 수준으로 재현한다. 특히 스캔을 통해 확보한 시편 데이터의 정확한 물성을 설계 데이터에 적용함으로써 곡률에 따른 왜곡이나 광원으로 인한 반사를 사실적으로 재현하고, 실차에 장착했을 때 예상되는 품질 이슈까지 가상 환경에서 검토할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

AI∙데이터 인프라 설루션 전문 기업 HS효성인포메이션시스템이 차세대 스토리지 플랫폼인 ‘VSP(Virtual Storage Platform) One’의 새로운 기능을 공개했다. 이번 업데이트는 복잡해지는 기업 환경 속에서 요구되는 보안 강화, 에너지 효율 제고, 지속가능한 IT 운영까지, 폭넓은 과제를 해결하도록 설계됐다. 최근 IT 인프라 관리와 운영이 복잡해지면서 많은 기업이 보안 위협, ESG(환경∙사회∙지배구조) 경영 등 다양한 과제에 직면해 있다. 특히 랜섬웨어 공격, 데이터 유출 등 보안 문제에 대응하는 사이버 복원력 확보가 IT 운영의 핵심 요소로 떠올랐다. 스플렁크와 영국 경제 분석기관 옥스퍼드 이코노믹스가 공동 발표한 글로벌 보고서 ‘다운타임의 숨겨진 비용(The Hidden Costs of Downtime)’에 따르면, 글로벌 2000대 기업은 사이버 사고로 인한 다운타임으로 연간 수익의 약 9%에 해당하는 비용을 지출하는 것으로 나타났다. 이에 따라 에너지 소비 최적화, 탄소 발자국 추적 및 비용 절감을 위한 지속가능한 IT 설루션 수요가 증가하고 있다.     VSP One의 새로운 기능은 보안성, 운영 효율, 지속가능성을 동시에 충족한다. 사이버 복원력과 지속가능성 측면 모두 서비스수준협약(SLA)을 보장하며, 기업이 IT 운영을 간소화하고 사이버 위협에 빠르게 대응하며 에너지 효율까지 높일 수 있도록 지원한다. 특히 VSP One Block 스토리지는 랜섬웨어를 비롯한 사이버 공격이 원천적으로 차단된 변경 불가 스냅샷을 이용해 공격 발생 전 백업된 스냅샷 데이터를 통한 즉각적인 데이터 복구를 보증한다. 이를 통해 데이터 손실과 시스템 다운타임을 획기적으로 줄여 비즈니스 연속성을 확보할 수 있다. 또한, 에너지 효율적인 아키텍처와 정밀한 보고 기능을 기반으로 전력 사용량과 탄소 배출량을 최대 40%까지 줄이고, 전력 효율 SLA를 통해 지속가능성과 비용 절감이라는 두 가지 목표를 동시에 달성할 수 있다. 이외에도 ▲중단 없는 데이터 접근을 보장하는 100% 데이터 가용성 보증 ▲4:1 비율의 데이터 절감 보증으로 저장 효율성 향상 ▲무중단 업그레이드가 가능한 최신 스토리지 환경 등의 기능이 함께 제공된다. 특히 단일하고 직관적인 통합 플랫폼 기반 설계로 데이터 관리의 복잡성을 최소화하고 운영 부담을 줄일 수 있다. HS효성인포메이션시스템의 양정규 대표는 “VSP One의 새로운 기능은 사이버 복원력과 지속가능성 확보라는 두 과제를 함께 해결하도록 설계됐다”며 “앞으로도 혁신적인 엔터프라이즈 설루션을 제공해 고객이 안정적이고 유연한 인프라 위에 비즈니스를 효율적으로 운영할 수 있도록 도울 것”이라고 밝혔다.

인텔은 ML커먼스(MLCommons)가 발표한 최신 MLPerf 추론 v5.0(MLPerf Interference v5.0) 벤치마크에서 인제온 6 P-코어(Intel Xeon 6 with Performance-cores)의 성능을 입증했다고 밝혔다. 6가지 주요 벤치마크에서 진행된 테스트 결과, 제온 6는 이전 세대 프로세서 대비 인공지능(AI) 성능이 1.9배 향상된 것으로 나타났다. AI 도입이 가속화됨에 따라, CPU는 데이터 전처리, 전송, 시스템 오케스트레이션 등 핵심 기능을 관리하는 호스트 노드로서 AI 시스템 운영에 필수 요소로 자리잡고 있다. 인텔은 MLPerf에 서버용 CPU 성능 결과를 제출했는데, 인텔 제온 6 P-코어는 MLPerf 추론 v5.0의 ResNet50, RetinaNet, 3D-UNet 및 신규 GNN-RGAT를 포함한 주요 벤치마크에서 5세대 인텔 제온 프로세서 대비 평균 1.9배 높은 성능을 기록했다. 이런 결과에 대해 인텔은 “제온 6가 AI에 적합한 CPU임을 입증하는 동시에, 소형 언어 모델(SLM)을 위한 경쟁력 있는 대안이 될 수 있음을 보여준다”고 설명했다.     인텔은 지난 2021년 3세대 인텔 제온 프로세서를 MLPerf에 처음 제출한 이후 ResNet50 성능은 15 배 향상됐으며, 소프트웨어 최적화를 통해 GPT-J에서는 22%, 3D U-Net에서는 11% 추가 성능 향상을 달성했다고 소개했다. 또한, “새로운 MLPerf 결과는 OEM(주문자 상표부착 생산) 및 생태계 파트너 설루션 전반에서 인텔 제온의 성능을 입증한다”면서, “AI 워크로드가 엔터프라이즈 시스템과 점점 더 통합됨에 따라, OEM은 고객이 최상의 AI 성능을 구현할 수 있도록 제온 기반 시스템을 우선 채택하고 있다”고 전했다. 인텔은 시스코, 델 테크놀로지스, 콴타, 슈퍼마이크로 등 4개의 주요 OEM 파트너사와 협력해 인텔 제온 6 P코어에 대한 MLPerf 결과를 함께 제출하며 다양한 AI 워크로드와 배포 역량을 선보였다. 인텔의 데이터센터 및 AI 그룹을 임시 총괄하는 카린 엡시츠 시갈(Karin Eibschitz Segal) 부사장은 “이번 MLPerf 벤치마크 결과는 인텔 제온 6가 고성능과 에너지 효율의 완벽한 균형을 제공하는 AI 워크로드에 가장 적합한 중앙처리장치(CPU)임을 입증한다”면서, “세대를 거듭할수록 다양한 AI 벤치마크에서도 꾸준히 성능이 개선되고 있어, 인텔 제온이 여전히 AI 시스템용 CPU 시장에서 선도적인 입지를 유지하고 있음을 보여준다”고 설명했다.

어도비가 AI를 활용해 영상 및 오디오 클립을 즉시 생성하고 길이를 확장할 수 있는 프리미어 프로(Premiere Pro)의 생성형 확장(Generative Extend)과 테라바이트급 푸티지에서 특정 클립을 몇 초 만에 빠르게 찾아내는 AI 구동 미디어 인텔리전스(Media Intelligence)를 출시했다. 상업적으로 안전하게 사용할 수 있는 파이어플라이 비디오 모델로 구동되는 생성형 확장을 통해 편집자는 4K 및 가로, 세로형 영상, 오디오 클립과 함께 길이를 조절할 수 있어, 푸티지 내 부족한 부분을 채우는 방식을 혁신적으로 개선할 수 있다. 또한 애프터 이펙트(After Effects)는 향상된 성능과 3D 도구를 제공하며, 프레임닷아이오(Frame.io)는 저장, 대본, 다양한 문서 형식을 지원하도록 업그레이드됐다. 이번에 공개된 생성형 확장과 미디어 인텔리전스는 어도비 크리에이티브 커뮤니티에서 높은 기대를 모은 영상 역량으로, 수년간의 연구와 베타 고객의 피드백을 거쳐 정식 출시됐다. 또한 프리미어 프로에 다국어 캡션 생성을 자동화하는 AI 구동 캡션 번역(Caption Translation) 기능도 새롭게 추가되어, 영상 전문가들이 전 세계 시청자들과 더 손쉽게 소통할 수 있도록 지원한다. 뿐만 아니라, 카메라로 촬영한 RAW 영상 및 로그(LOG) 푸티지를 프리미어로 가져오는 즉시 해당 클립을 HDR 또는 SDR로 자동 변환해, 색 보정 작업의 정확도를 높이는 프리미어 색상 관리(Premiere Color Management)도 정식 출시됐다. 프리미어 프로의 전반적인 성능 향상과 더불어, 이러한 신규 기능들은 편집 작업을 더욱 빠르고 효율적으로 만들어준다.     4K 및 세로형 영상을 지원하는 생성형 확장 정식 출시로, 영상 편집 시 종종 발생하는 짧은 클립으로 인한 편집 문제를 쉽게 해결할 수 있다. 전문 편집 툴인 생성형 확장 기능은 클립의 길이를 늘려 푸티지의 영상 또는 오디오 공백을 채우고 장면 전환을 매끄럽게 하며 샷을 길게 유지해 완벽한 타이밍의 편집을 가능케한다. 클릭 및 드래그만으로 사실적인 영상과 오디오를 확장할 수 있어, 품질 저하 없이 타임라인을 유연하게 조정할 수 있다. 또한 세로형 영상도 지원해, 편집자는 별도의 프레임 재조정 없이 소셜미디어에 최적화된 콘텐츠를 쉽게 제작하고 내보낼 수 있다. 생성형 확장은 상업적으로 안전한 파이어플라이 비디오 모델로 구동된다. AI 생성 콘텐츠에 대한 투명성을 높이고자, 생성형 확장으로 제작된 콘텐츠 결과물에는 디지털 미디어의 '영양 성분 표시'와 같은 역할을 하는 콘텐츠 자격증명(Content Credentials)이 첨부된다. 프리미어 프로 및 애프터 이펙트 업그레이드를 통해 영화 제작자는 몇 초 내로 테라바이트 크기의 푸티지를 검색하고 시각 효과 및 모션 그래픽 워크플로를 간소화할 수 있게 됐다. 프리미어 프로의 AI 구동 미디어 인텔리전스 기능은 편집자가 프로젝트 푸티지를 다루는 방식을 근본적으로 바꾸고 시간을 절약한다. 번거로운 수동 검색을 대신해 미디어 인텔리전스는 개체, 위치, 카메라 각도, 촬영 날짜, 카메라 유형 등 메타데이터를 포함한 클립 콘텐츠를 자동 인식해 편집자가 필요할 때 원하는 장면을 찾을 수 있도록 돕는다.  프리미어 프로의 AI 구동 캡션 번역(Caption Translation)은 몇 초 만에 캡션을 27개 언어로 번역할 수 있는 기능으로, 수동 번역으로 인해 속도가 느려지고 워크플로가 중단되거나 비용이 추가되는 상황을 개선한다. 또한 프리미어 프로는 새로운 컬러 시스템을 제공해, 기존 대비 더 높은 정확도와 일관된 색상을 구현하고 거의 모든 카메라의 로그 영상을 HDR및 SDR 콘텐츠로 자동 변환한다. 이를 통해 편집자는 푸티지 편집 작업을 빠르게 시작하고 완벽한 피부 톤, 보다 생생한 색상, 향상된 다이내믹 레인지(Dynamic Range)로 어느 때보다 쉽게 멋진 영상을 제작할 수 있다. 애프터 이펙트는 고성능 미리보기 재생(High-Performance Preview Playback)을 통해 모든 컴퓨터에서 전체 컴포지션을 어느 때보다 빠르게 재생할 수 있게 됐고, 애니메이션 환경 조명(Animated Environment Light) 등 확장된 3D 툴로 보다 빠르고 사실적인 3D 합성을 지원한다. 애프터 이펙트의 HDR 모니터링(HDR Monitoring) 기능은 HDR 콘텐츠를 정확하게 재생하고 작업함으로써 더욱 밝고 생동감 있는 모션 디자인 작업을 할 수 있다. 크리에이티브 팀에 따라 조정할 수 있는 프레임닷아이오 V4의 확장된 스토리지는 다양한 클라우드 플랫폼에 파일을 저장해, 워크플로 분절 없이 방대한 양의 미디어를 한곳에서 협업할 수 있도록 지원한다. 많은 크리에이티브 팀이 대규모 콘텐츠 제작과 빠르게 증가하는 수요에 대응하는 데 어려움을 겪고 있는 가운데, 프레임닷아이오 V4는 스크립트, 촬영지 사진, 원본 미디어 등 모든 것을 단일 플랫폼에서 저장, 관리, 협업 및 배포할 수 있도록 돕는다. 프레임닷아이오에는 스크립트, 브리핑 문서, 예산, 제안서, 장면 세부 묘사, 스토리보드 및 기타 제작 자료에 대한 협업을 지원하는 확장된 텍스트 문서 검토 툴(Expanded text document review tools), 영상 및 오디오 파일을 빠르게 텍스트로 변환할 수 있는 대본 생성(Transcription generation, 베타), 편집 중인 콘텐츠를 보호할 수 있도록 영상, 이미지 및 문서에 적용 가능한 맞춤형 텍스트 워터마크, 대규모 팀의 사용자 그룹 관리자가 워크스페이스 및 프로젝트 전반에서 대량 사용자 접근 권한을 자동화할 수 있는 접근 허용 그룹(Access Groups, 베타) 등의 기능이 제공된다. 이 밖에도 어도비는 고성능 미리보기 재생 엔진, 강력한 신규 3D 모션 디자인 툴, HDR 모니터링 등 애프터 이펙트의 신규 기능도 공개했다. 또한 프레임닷아이오 V4 업그레이드에는 팀 단위로 사용 가능한 확장 스토리지가 포함돼, 워크플로 단절 없이 편집 중인 작업물과 완성된 애셋을 자유롭게 공유하고, 관리, 정리할 수 있도록 지원한다. 어도비의 애슐리 스틸(Ashley Still) 디지털 미디어 부문 총괄 겸 수석 부사장은 “4K에서 가능한 생성형 확장 기능과 AI 구동 미디어 인텔리전스를 활용해, 프리미어 프로 이용자들이 어떤 상상력을 자극하는 다채로운 영상을 만들어낼지 기대된다”면서, “파이어플라이의 강력한 성능과 어도비의 첨단 AI 역량을 통해 영상 편집의 새 지평을 열고 있으며, 이용자들이 가장 중요한 일, 즉 생동감 있고 매력적인 스토리텔링에 온전히 집중할 수 있도록 돕고 있다”고 말했다.