슈나이더 일렉트릭이 AI 기반 데이터센터 수요 증가에 대응하여 고도화된 전력 관리 및 냉각 설루션을 통해 스마트 에너지 관리를 실현하고 있다고 밝혔다. 고성능 GPU 서버 기반의 AI 데이터센터는 일반적인 IT 인프라에 비해 훨씬 큰 전력 소모와 발열을 발생시킨다. 이에 따라 안정적인 전력 공급과 효율적인 에너지 관리가 비즈니스 연속성을 좌우하는 핵심 요소로 부상하고 있다. 슈나이더 일렉트릭은 고성능 UPS(무정전 전원 공급장치), DC(직류) 배전 시스템, 그리고 고밀도 서버 환경에 최적화된 액체 냉각 설루션 등 데이터센터 전력 인프라 전반에 걸친 포트폴리오를 통해 이러한 니즈에 대응하고 있다. 특히, 슈나이더 일렉트릭의 ‘갤럭시 V 시리즈(Galaxy V-Series) UPS’는 AI 워크로드에 특화된 고효율 전력 백업을 제공하는 UPS다. 고효율 운영 모드를 통해 최대 99%의 효율성을 제공하며, UPS의 전력 소비를 3배 이상 감소시키는 이컨버전(eConversion) 모드를 적용했다.     이 중 ‘갤럭시(Galaxy) VXL’은 500~1,250kW(400V) 용량을 지원하는 3상 무정전전원장치(UPS)로, 고밀도 기술은 물론 안정적이고 내결함성 있는 설계를 모두 갖춰 대규모 데이터센터와 클라우드 및 서비스 제공업체 시설의 핵심 IT 인프라에 최적화된 성능을 제공한다. 슈나이더 일렉트릭은 이 제품이 컴팩트한 사이즈로 기존 갤럭시 V 시리즈 UPS 대비 설치 공간을 50~70% 절약하며, 높은 에너지 효율성을 제공한다는 점을 내세운다. 더불어 라이브 스왑(Live Swap) 기능으로 시스템 중단 없이 주요 부품 교체가 가능해 가용성을 극대화하고 운영 효율성과 핵심 부하 보호 기능을 강화하여 총소유비용(TCO)을 절감할 수 있다. 이와 함께 슈나이더 일렉트릭은 전통적인 AC 중심 전력 시스템의 한계를 극복하기 위한 직류(DC) 배전 설루션도 소개했다. 슈나이더 일렉트릭의 직류 배전 시스템은 에너지 변환 손실을 최소화하고 전력 사용 효율을 높여, AI 데이터센터의 운영 안정성과 에너지 절감을 동시에 실현하는 데에 초점을 맞추었다. 한편, 슈나이더 일렉트릭은 2024년 미국의 냉각 설루션 전문기업 ‘모티브에어(Motivair)’를 인수하며, AI 서버의 발열을 효과적으로 제어할 수 있는 ‘다이렉트 투 칩(D2C)’ 액체 냉각 기술을 포함한 고밀도 쿨링 설루션 포트폴리오를 확대했다. 이를 통해 냉각 에너지 효율을 극대화하고, AI 데이터센터의 전력 소비를 줄이는 데 기여하고 있다. 이와 함께, 슈나이더 일렉트릭은 최근 엔비디아, SK텔레콤과 지속 가능한 전력 공급 및 열 관리 기술 확보를 목표로 AI 데이터센터의 차세대 전력 인프라 구축을 위한 MOU를 체결했다. 이를 통해 국내외 AI 데이터센터 생태계의 안정성과 지속 가능성을 높이는 데 일조하고 있다. 슈나이더 일렉트릭 코리아 시큐어파워 사업부의 최성환 본부장은 “단순한 IT 시설을 넘어 초고밀도 전력 소비가 집중되는 미래 핵심 인프라인 AI 데이터센터는 전력 품질과 안정성의 무엇보다 중요하다”면서, “슈나이더 일렉트릭은 UPS, 배전, 냉각 등 전력 인프라 전반에서 스마트하고 지속 가능한 설루션을 제공하며 고객의 디지털 전환 여정을 지원하고 있다”고 전했다.

델 테크놀로지스가 AMD의 차세대 AI PC 프로세서인 ‘라이젠 AI 프로 300 시리즈(코드명 크라켄 포인트)'를 탑재한 기업용 노트북인 ‘델 프로 노트북(Dell Pro laptop)’ 신제품 5종을 공개했다. 델 테크놀로지스는 고객의 다양한 요구사항에 최적화된 AI PC를 제공하기 위해 인텔, AMD, 퀄컴 등 글로벌 반도체 기업과 협업하고 있다. 이번에 선보인 델 프로 노트북은 최대 50 TOPS를 지원하는 AMD 차세대 APU를 탑재한 델의 첫 번째 기업용 노트북으로, 강력한 온-디바이스 AI 기능과 함께 고급스러운 디자인과 휴대성을 갖추었다. ‘델 프로 플러스(Dell Pro Plus)’ 제품군은 다양한 사양을 제공하는 메인스트림 기업용 노트북으로, 사용자의 니즈에 따라 다양한 스펙, 폼 팩터(클램셸 및 투인원), 디스플레이 크기(13, 14, 16형)를 선택할 수 있다는 점이 특징이다. 이번에 발표된 신제품인 AMD 기반 ‘델 프로 13, 14 및 16 플러스(Dell Pro 13, 14, 16 Plus)’는 각각 13, 14, 16형 디스플레이를 탑재한 고급형 기업용 노트북으로, 올해 출시한 AMD 라이젠 AI 프로 300 시리즈를 탑재했다. 언어 번역 및 고급 AI 이미지 생성 등을 포함하는 코파일럿+(Copilot+) 기능을 지원하고, 최대 50 NPU TOPS의 AI 처리 능력을 갖춰 즉각적인 트랜스크립션과 같은 비즈니스 생산성을 구현한다. 이들 제품은 2024년에 출시한 ‘AMD 라이젠 AI 프로 300 시리즈’의 고성능 스트릭스 포인트 프로세서와 ‘AMD 라이젠 AI 프로 200 시리즈(호크 포인트)’ 옵션도 제공한다. 이번 AMD 기반 델 프로 플러스 신제품 가운데 ‘델 프로 14 플러스(Dell Pro 14 Plus)’ 및 ‘델 프로 16 플러스(Dell Pro 16 Plus)’는 각각 ‘AMD 라이젠 AI 5 프로 340’, ‘AMD 라이젠 AI 7 프로 350’ 프로세서를 탑재했으며, 두 모델 모두 ‘AMD 라이젠 AI 9 HX 프로 370’ 프로세서(코드네임 스트릭스 포인트) 옵션을 제공한다. 16:10 화면비의 디스플레이, 긴 배터리 수명, 슬림하고 내구성이 뛰어난 폼팩터로 하이브리드 업무 환경의 비즈니스 사용자에게 적합한 제품이다. FHD+ 해상도에서 각각 최대 14.5시간, 11.5시간의 긴 배터리 지속 시간을 지원해 전원 연결 없이 작업이 가능하며, 화상 회의 시 열악한 조명 조건에서도 이미지 디테일을 정확하게 캡처하는 HDR 기반 5MP 카메라가 옵션으로 탑재되어 있다. 아울러, 사용자가 직접 교체할 수 있는 ‘모듈형 USB-C 포트’를 적용하여 수리용이성을 강화했다. 내구성이 강한 알루미늄 소재를 적용하여 차분하고 세련된 플래티넘 실버 색상으로 제공되며, 기존 클램셸 형태 외에 투인원 폼 팩터로도 선택할 수 있다.   ▲ AMD 라이젠 AI 프로 300 시리즈를 탑재한 델 프로 16 플러스   델 프로 제품군은 일상적인 업무를 위한 필수 성능을 제공하는 것이 특징으로, 이번 신제품인 AMD 기반 ‘델 프로 14(Dell Pro 14)’ 및 ‘델 프로 16(Dell Pro 16)’은 각각 14,16형 디스플레이에 최대 ‘AMD 라이젠 AI 7 프로 350’ 프로세서를 탑재한 기업용 노트북이다. 이전 세대 대비 각각 5% 및 10% 넓어진 화면 영역으로 한층 시원한 시야감을 구현했고, 1kg대의 가벼운 무게감과 긴 배터리 수명은 다양한 장소에서 멀티태스킹을 해야 하는 사용자에게 최적의 사용자 경험을 제공한다. FHD+ 해상도에서 각각 최대 15.1시간, 11.1시간의 배터리 지속 시간을 제공하며, 미국 국방성 내구성 표준 테스트(MIL-STD)를 거쳐 내구성과 안정성까지 보장한다. 이들 제품은 시크한 메탈릭 마감(플래티넘 실버 색상)으로 제공된다. AMD 라이젠 200 시리즈를 탑재한 델 프로 14 및 델 프로 16 노트북은 질감이 느껴지는 마그네타이트 색상으로 제공된다. 이와 함께, 델 테크놀로지스는 AMD 라이젠 프로 데스크톱 프로세서를 탑재한 기업용 데스크톱 PC인 ‘‘델 프로 데스크톱(Dell Pro Desktops)’ 신제품 2종도 선보였다. 마이크로형(micro)과 슬림형(slim)의 두 가지 폼 팩터로 제공되는 이 제품군은 AI에 최적화된 성능과 높은 전력 효율을 제공한다. 마이크로형은 좁은 업무 공간에서도 효율성과 생산성을 극대화하도록 설계된 초소형 데스크톱이며, 슬림형은 높은 보안 및 관리 용이성 설루션을 갖춘 공간 절약형 데스크톱이다. 이들 제품은 AMD 라이젠 7 프로 데스크톱 프로세서를 기반으로 강력한 성능은 물론, 기업 환경에 최적화된 보안 및 관리 기능, 안정성 및 일관된 수명 주기를 제공하며, 세련된 디자인과 견고한 내구성까지 겸비했다. 델 프로 노트북과 델 프로 데스크톱에서는 델의 온-디바이스 AI 애플리케이션 개발 툴킷인 ‘델 프로 AI 스튜디오(Dell Pro AI Studio)’를 구동할 수 있다. 이는 개발자와 IT 관리자가 인터넷 연결 없이 AI 애플리케이션을 개발하고 배포할 수 있도록 지원하는 포괄적인 툴킷으로, 개발자는 이를 활용해 혁신적인 AI 애플리케이션을 빠르게 개발하고, IT 관리자는 기업 환경에 배포한 애플리케이션을 효율적으로 관리할 수 있다. NPU를 활용하기에 AI 워크로드를 보다 민첩하고 효율적으로 처리하고, 델 검증 도구, 프레임워크, 템플릿 및 모델 세트를 통해 AI 프로젝트 개발 기간을 대략 6주로 대폭 줄일 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “AI PC는 컴퓨팅의 새로운 지평을 열며, 비즈니스 환경을 탈바꿈시키는 중요한 툴로 다시 한 번 부상하고 있다”면서, “델은 혁신적인 PC 경험을 제공하기 위해 최신 AI 기술과 다양한 프로세서 옵션을 전체 포트폴리오에 빠르게 적용하고, 통합 리브랜딩으로 사용자들이 각자 니즈에 맞게 최적의 AI 디바이스를 선택할 수 있게끔 지원하고 있다”고 말했다.

팀뷰어가 한국 사용자를 위한 한국어 공식 커뮤니티를 공식 론칭했다고 밝혔다. 이번 커뮤니티 론칭은 빠르게 증가하는 한국 내 사용자 기반을 지원하고, 보다 긴밀한 소통과 지식 공유를 촉진하기 위한 사용자 중심 전략의 일환이라는 것이 팀뷰어의 설명이다. ‘팀뷰어 커뮤니티(TeamViewer Community)’는 기존의 글로벌 영어 포럼 외에도 한국어 전용 공간을 마련함으로써, 사용자들이 자국어로 보다 쉽게 질문을 올리고, 제품 활용 팁을 공유하며, 원하는 지식을 빠르게 얻을 수 있도록 구성됐다. 특히, 원격 액세스 및 지원 설루션 ‘팀뷰어 리모트(TeamViewer Remote)’, 기업용 원격 연결 설루션 ‘팀뷰어 텐서(TeamViewer Tensor)’, 산업용 증강현실(AR) 플랫폼 ‘팀뷰어 프론트라인(TeamViewer Frontline)’ 등 제품군별로 전문 게시판을 운영하여 전문성과 접근성을 강화했다.     팀뷰어 한국어 사용자 커뮤니티는 사용자 간 의견을 나눌 수 있는 ‘지원 포럼’과 최신 업데이트 정보를 확인할 수 있는 ‘변경 로그’ 메뉴로 구성된다. 즉, 제품군별 전문 토론 공간을 마련하여 질문과 답변을 통한 사용자 간 경험 공유 및 전문가와의 직접 소통으로 실시간 지원을 강화한다. 특히, 중요한 제품 변경 사항과 보안 이슈를 한국어로 신속하게 안내하는 최신 공지사항 및 보안 업데이트 제공 게시판, 다양한 성공 사례를 통한 사용자 업무 생산성 향상 활용 사례와 인사이트 게시판도 한국어로 제공된다. 팀뷰어는 원격제어, 원격지원, IT 모니터링, 산업용 AR 설루션 등 다양한 분야에서 혁신을 추진하고 있으며 제조, 금융, 의료 등 디지털 전환 수요가 높은 산업군이 다수 포진해 있는 한국에 대해 자사의 글로벌 전략에서 중요한 시장이라고 보고 있다. 팀뷰어코리아의 이혜영 대표이사는 “국내 사용자들은 기술 이해도가 높고, 디지털 전환에 대한 기대치 또한 매우 높다. 이번 한국어 커뮤니티 론칭을 통해 사용자와의 접점을 확대하고, 팀뷰어 사용자의 열정과 지식을 결합해 해결 방안을 도출하며, 아이디어를 실현해 사용자 모두가 성장할 수 있는 공간을 만들고자 한다”면서, “팀뷰어 한국어 사용자 커뮤니티를 통해 국내 고객과 사용자들에 대한 지원을 강화하고, 사용자 간 교류와 지식 공유를 활성화해 팀뷰어 설루션이 가진 놀라운 가능성을 함께 경험해 볼 수 있기를 바란다”고 전했다.

AutoForm Car Body Planner   개발 : AutoForm, www.autoform.com 자료 제공 : AutoForm, 02-6332-1150, www.autoform.com/kr   AutoForm(오토폼)은 제품 설계부터 차체 조립에 이르기까지 전체 개발 프로세스 체인의 디지털화를 지원하는 통합 플랫폼을 제공한다. 특히, 디지털화 노력이 상대적으로 미진했던 차체 구매 부문의 견적 및 비용 산출 프로세스의 투명성을 확보하기 위해 ‘AutoForm CarBody Planner’를 도입하여 구매 프로세스의 디지털화를 추진하고 있다. 이는 ESG 경영과 맞물려 고객사로부터 큰 주목을 받고 있다. 또한, ESG 경영을 위한 디지털 트랜스포메이션을 통해 지속 가능한 경영을 실현하고, 환경적, 사회적, 거버넌스 측면에서의 책임을 다하기 위해 노력하고 있다. 1. 주요 특징  자동차 차체 개발 프로세스에서 초기 제품 설계 후, OEM 협력사의 구매 부서가 CBP를 통해 자동으로 수율을 검토한다. 이를 통해 빠른 대응과 OEM의 입찰 원가인 수율 보고서 작성이 간소화된다. 또한, OEM 구매 부서는 차종별 수율 이력 관리를 통해 효율성을 높이고, 협력사의 작업 시간을 단축하며, 입찰 정보 계산의 디지털화를 통해 경험에 의한 편차를 줄일 수 있다. 2. 주요 기능 ■ 웹사이트 기반에서 차체 전체 입력 및 각 제품의3D확인 가능 ■ 제품의 소제 및 정보를 차제 제품 입력과 동시에 적용 가능 ■ AutoForm Simulation 기반의 전체 제품 자동 수율 계산   3. 도입 효과 OEM 구매팀의 입찰 결정 시 정합성 확보로 신뢰성이 높아지며, 자동 수율 검토 덕분에 빠르고 효율적인 대응이 가능하다. 입찰 정보 계산의 디지털화로 경험에 의한 편차가 제거되고, 협력사의 업무 효율성 증대와 작업 시간 단축으로 생산성이 향상된다. 마지막으로, 클라우드 기반의 협업 공간 제공으로 부서 간 원활한 협업이 가능하다. 이러한 특징과 효과를 통해 AutoForm의 디지털 트랜스포메이션은 구매 프로세스의 혁신을 이끌고, ESG 경영을 실현하는데 큰 기여를 하고 있다. 4. 주요 고객 사이트 오토폼은 전 세계 50여 개국, 1,000여 개 회사에서 3,500명 이상의 사용자가 주요 엔지니어링 및 제조 공정을 위해 신뢰하고 있다. 주요 고객은 자동차 및 기타 OEM, 금형 및 스탬핑 업체, 철강 및 알루미늄 공급업체이며, 항공 우주 산업뿐만 아니라 의료, 가전 및 백색 가전 산업으로도 점점 더 진출하고 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

2023년 건축서비스산업 실태조사 결과 건축공간연구원에서 2023년 한 해 동안 건축서비스산업의 구조, 경영 활동, 시장 현황 등을 종합적으로 조사한 '2023년 건축서비스산업 실태조사 결과'를 발표했다. 본 실태조사는 「통계법」에 따라 국가 승인을 받은 주요 통계 정보이며, 「건축서비스산업 진흥법」에 근거하여 2022년부터 매년 시행되고 있다. 2024년 조사는 총 1,049개 사업체를 대상으로 46개 문항에 대한 온라인 조사 방식으로 진행되었다. 조사 대상은 한국표준산업분류(제11차) 중 건축서비스산업에 해당하는 사업체이며, 주요 조사 내용은 업무 분야 및 수주·생산성, 해외 사업 및 해외 업체 협업, 정보기술 활용, 교육 및 홍보, 인력 및 근로환경 등에 관한 현황이다. 2023년 건축서비스산업 실태조사의 주요 결과는 다음과 같다.   주요 업무 분야 건축 계획 및 설계: 59.7%로 가장 높은 비중을 차지 감리: 40.4% 건축구조 계획 및 설계: 17.6% 인테리어 디자인: 14.1%   사업체 수 전체 사업체 수: 약 3만 개 (31,476개) 건축 설계 및 관련 서비스업: 18,963개 (60.2%)로 가장 많음 건물 및 토목 엔지니어링 서비스업: 7,792개 (24.8%) 인테리어 디자인업: 4,721개 (15.0%) 종사자 규모별: 1~4명 소규모 사업체가 25,141개 (79.9%)로 대다수, 100명 이상 대규모 사업체는 196개 (0.6%)   종사자 수 전체 종사자 수: 약 27만 명 (274,351명) 건축 설계 및 관련 서비스업: 119,271명 (43.5%) 건물 및 토목 엔지니어링 서비스업: 126,436명 (46.1%) 인테리어 디자인업: 28,645명 (10.4%) 종사자 규모별: 1~4명 규모 사업체 종사자가 95,240명 (34.7%)으로 가장 높은 비중 매출액 전체 매출액: 약 43.5조 원 건축 설계 및 관련 서비스업: 약 19.0조 원 (43.6%) 건물 및 토목 엔지니어링 서비스업: 약 15.6조 원 (35.9%) 인테리어 디자인업: 약 8.9조 원 (20.5%) 종사자 규모별: 1~4명 규모 사업체가 총 매출액의 약 17.1조 원 (39.2%) 차지   ------------------------------------------------------------------- 목차 제1장 조사 개요 1. 조사목적 2 2. 조사연혁 2 3. 법적근거 3 4. 조사주기 및 시기 5 5. 조사기관 및 추진체계 5 6. 조사대상 6 7. 조사방법 6 8. 조사부문 6 9. 조사항목 7 10. 자료 처리 및 분석 8 11. 결과 공표 8 12. 주요 용어 8   제2장 표본 설계 1. 모집단 정의 14 2. 모집단 분포 14 3. 표본의 크기 결정 15 4. 표본 배분 방법 16 5. 표본의 추출 18 6. 가중치의 극단값 처리 18 7. 추정식 19 8. 통계자료 공표 21 9. 유효표본수 확보 방안 및 무응답 처리기준 21 10. 유효표본수 22   제3장 조사 결과분석 1. 업무 분야 및 수주, 생산성 24 2. 해외 업체와의 협업, 해외 프로젝트 49 3. 정보기술 활용 현황 59 4. 교육 및 홍보 67 5. 인력 및 근로환경 74 6. 사업체 일반현황 104   제4장 조사 결과표 1. 업무 분야 및 수주, 생산성 108 2. 해외 업체와의 협업, 해외 프로젝트 148 3. 정보기술 활용 현황 164 4. 교육 및 홍보 177 5. 인력 및 근로환경 185 6. 사업체 일반현황 233   부록 1. 주요변수 허용오차 및 상대표준오차 240 2. 조사표 242 관련 영상보기 • 행사명 : 건축서비스산업 실태조사 포럼 • 주  제 : 건축서비스산업 실태조사 속 현안과 이슈 • 일  시 : 2025.3.21.(금) 14:00 ~ 17:30 https://youtu.be/7Jkq-dLZux0   2023년 건축서비스산업 실태조사 결과 다운로드 하기 #건축서비스산업 #실태조사 #산업 통계

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (21)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스 밀레니엄 M1(Cadence Millennium M1) CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 설명한다.   ■ 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. 자동차 생산량은 꾸준히 늘고 있지만, 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.   그림 1   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.    난류의 모델링 기법 ‘난류’는 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. 몇 년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명한다. Direct Numerical Simulation(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. Large-Eddy Simulation(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. Reynolds-Averaged Navier-Stokes Model(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 이해하는 데 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 처리하는 데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다.   그림 2    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 설루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (2)   DWG 호환 CAD인 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(Trinity) CAD라고 부른다.  이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2026 버전(4월1일 출시)의 높은 생산성과 오토캐드에서의 쉬운 전환, 아레스 커맨더에 탑재된 AI 기반 기능을 간단하게 알아보도록 하겠다.   ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.  홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   생산성 향상과 오토캐드에서의 손쉬운 전환 새로워진 시작 탭과 UI 구성     아레스 커맨더를 실행하면 가장 먼저 눈에 띄는 변화는 새롭게 구성된 Start(시작) 탭이다. 이제 사용자는 매일 작업을 시작할 때 더욱 직관적이고 편리한 방식으로 업무를 시작할 수 있다. 기존의 복잡한 다이얼로그 창 대신, 핵심 기능들이 한눈에 보이도록 정리된 간결하고 환영하는 분위기의 인터페이스가 사용자를 맞이한다. 새로운 Start 탭은 Home(홈), My Setup(내 설정), Learn More(학습) 의 세 가지 섹션으로 구성되어 있으며, 초보자부터 숙련된 사용자까지 누구나 필요한 기능을 빠르게 찾을 수 있도록 설계되었다. 각 섹션에서는 프로젝트 시작, 개인 설정, 학습 자료 접근 등 다양한 기능을 직관적으로 제공하여, 사용자 경험을 한층 더 향상시킨다. 아레스 캐드를 처음 접하는 국내 사용자도 이 새로운 인터페이스 덕분에 보다 빠르게 적응하고, 효율적으로 작업을 시작할 수 있다.   더욱 직관적으로 개선된 리본 메뉴와 작업 공간 구성     사용자 편의성과 전체적인 작업 경험 향상을 위해, 아레스 커맨더는 리본 메뉴 레이아웃과 작업 공간 옵션을 정교하게 다듬었다. 우선, 리본 메뉴 최적화(Ribbon Optimization)를 통해 각 탭의 구성 방식을 개선했다. 명령어가 보다 체계적으로 분산되어 배치됨으로써, 불필요한 혼잡함은 줄이고 명령 접근성을 높였다. 특히 Home 탭은 자주 사용하는 핵심 명령어들에 집중되어 있어, 일상적인 작업의 효율성을 더욱 높여준다. 새롭게 구성된 리본과 작업 공간 덕분에, 초보 사용자도 쉽게 필요한 기능을 찾고 숙련자 역시 더 빠른 작업 흐름을 경험할 수 있다. 아레스 커맨더는 사용자 중심의 CAD 환경을 지향하며, 한국 사용자에게도 익숙하고 쾌적한 설계 환경을 제공한다.   그래디언트와 패턴을 위한 상황별 리본 메뉴 제공     아레스 커맨더는 선택한 객체나 작업 상황에 따라 관련 도구만을 표시해주는 ‘상황별 리본(Contextual Ribbon)’ 기능을 통해 작업 효율을 한층 더 끌어올렸다. 이 기능은 사용자가 필요한 명령어를 일일이 찾아다니는 시간을 줄여주어, 보다 빠르고 직관적인 작업 흐름을 가능하게 한다. 이번 업데이트에서는 기존의 해치(Hatch) 리본에 이어, 그래디언트(Gradient) 와 패턴(Pattern)에 대한 새로운 상황별 리본 메뉴가 추가되었다. 이들 기능은 각각 그래디언트 채우기와 패턴 디자인을 보다 정밀하고 빠르게 조정할 수 있도록 도와주며, 시각적으로 완성도 높은 결과물을 손쉽게 만들어낼 수 있도록 해 준다. 이처럼 아레스 커맨더는 사용자의 작업 맥락을 이해하고 그에 맞는 도구만을 깔끔하게 보여줌으로써, 초보자부터 전문가까지 모두가 생산성 높은 CAD 환경을 경험할 수 있도록 설계되었다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

실시간 3D 엔진을 활용해 더욱 현실적인 시뮬레이션 구축   시뮬레이션은 어느새 산업에서 반드시 거쳐야 하는 단계로 자리잡았다. 이번 호에서는 자율주행 시뮬레이터 기술을 개발하는 모라이(MORAI)의 모라이 시뮬레이션 플랫폼(MORAI Simulation Platform)을 소개한다. ■ 자료 제공 : 유니티 코리아     모라이 시뮬레이션 플랫폼 모라이는 주로 ‘디지털 트윈’, ‘개발 도구’, ‘검증 도구’로 불리는 시뮬레이션 툴을 통해 자율주행 기술의 안전성과 신뢰성을 검증한다. 실제 도로에서 발생할 수 있는 다양한 돌발 상황을 가상화한 환경에서 테스트하고 개발함으로써, 실제 도로에서의 복잡하고 위험한 테스트를 대신할 수 있다. 이를 통해 개발자는 안전하고 효율적으로 자율주행 시스템을 검증하고 개선할 수 있다. 모라이에서 개발한 모라이 시뮬레이션 플랫폼은 자율주행, 자율 비행 등 자율 이동체를 테스트하고 개발할 수 있는 종합적인 미래 모빌리티 시뮬레이터이다. 이 솔루션은 자율주행 자동차, UAM(도심 항공 모빌리티), 무인 로봇, 무인 선박 등 다양한 차세대 모빌리티 산업에 적용되며, 자율주행 상용화를 가속화하는 핵심 가상 검증 플랫폼으로 주목받고 있다.   유니티를 도입하게 된 이유 유니티의 강력한 기능과 사용자 친화적인 인터페이스 덕분에, 짧은 시간 내에 모라이가 원하는 가상 환경 및 시뮬레이터를 개발할 수 있었다. 이는 특히 프로젝트의 초기 단계에서 도움이 되었다. 유니티를 통해 현실적이고 정교한 3D 시뮬레이션 환경을 구현함으로써, 자율주행 기술의 테스트와 검증 과정을 더욱 효율적이고 안전하게 수행할 수 있는 기능을 개발할 수 있었다. 이와 함께, 유니티의 커뮤니티와 풍부한 리소스는 문제 해결과 기술 향상에 도움이 되었다. 다양한 예제와 튜토리얼을 통해 개발자들이 빠르게 학습하고, 프로젝트에 필요한 기능을 구현할 수 있었다. 결과적으로, 유니티 도입 이후 모라이는 프로젝트의 개발 속도와 품질을 높였으며, 더 나은 자율주행 시뮬레이션 환경을 제공할 수 있게 되었다.   플랫폼 구성 요소 기본적으로 가상 환경을 렌더링하고 사용자 인터페이스를 제공하는 베이스 플랫폼(Base Platform)이 중심을 이룬다. 이 베이스 플랫폼 위에 다양한 모듈이 결합되어, 정밀하고 현실적인 시뮬레이션 환경을 구현한다. 첫 번째로 정밀 지도 도로 모듈이 있다. 이 모듈은 실제 도로와 동일한 환경을 가상으로 재현하며, 자율주행 차량이 운행할 수 있는 도로 네트워크를 제공한다. 이를 통해 현실적인 도로 상황에서의 테스트와 검증이 가능하다.  두 번째로 차량 동역학(Vehicle Dynamics) 모듈이 있다. 이 모듈은 차량의 물리적 특성과 동역학을 시뮬레이션하여, 다양한 운전 조건에서 차량의 반응을 정확하게 모델링한다. 이를 통해 차량의 주행 성능과 안전성을 평가할 수 있다. 세 번째로 센서 모델(Sensor Model) 모듈이 있다. 이 모듈은 자율주행 차량에 장착된 다양한 센서의 데이터를 시뮬레이션한다. 카메라, 라이다, 레이더 등의 센서가 실제 환경에서 어떻게 작동하는지를 가상으로 재현하여, 센서의 정확도와 신뢰성을 검증할 수 있다. 네 번째로 교통 모델(Traffic Model) 모듈이 있다. 이 모듈은 다양한 교통 상황을 시뮬레이션하여, 자율주행 차량이 실제 도로에서 마주할 수 있는 다양한 교통 상황을 가상으로 재현한다. 이를 통해 교통 혼잡, 돌발 상황, 보행자와의 상호작용 등을 테스트할 수 있다. 마지막으로 인터페이스(Interface) 모듈이 있다. 이 모듈은 외부 시스템과의 연동을 가능하게 하여, 다양한 테스트 시나리오와 데이터를 효율적으로 관리하고 분석할 수 있게 한다. 이를 통해 개발자가 자율주행 시스템을 더 효과적으로 개발하고 검증할 수 있다. 이 모든 구성 요소가 결합되어, 모라이 시뮬레이션 플랫폼은 자율주행 시스템의 개발, 테스트, 검증을 위한 강력한 도구로서의 역할을 수행한다.     가상환경과 현실의 차이를 최소화하기 위한 노력 모라이가 시뮬레이션 플랫폼을 구축하면서 가장 신경 썼던 부분은 현실과의 차이를 최소화하는 것이었다. 이를 위해 고충실도 시뮬레이션 환경을 제공하고, 실제 지도 데이터, 교통 데이터, 센서 데이터를 기반으로 가상과 실제 환경의 갭을 최소화하는 데 집중했다. 이를 위해 자율주행차가 실제 도로에서 맞닥뜨릴 수 있는 거의 모든 상황을 가상 환경에서 묘사할 수 있도록 다양한 요소 기술을 개발하고 있다. 이는 사람이 실제 도로에 나가지 않더라도 최대한 많은 테스트를 할 수 있도록 하기 위한 것이다. 예를 들어, 보행자 충돌 위험성 등 실제 도로에서 검증하기 어려운 시나리오를 수만 번 반복하여 테스트할 수 있다. 이를 통해 자율주행 개발 기업과 연구원들은 더욱 신뢰성과 안전성을 갖춘 검증을 할 수 있다. 또한, 가상과 실제 환경이 직접적으로 연계될 수 있도록 설계했다. 시뮬레이션이 실제 환경의 데이터와 상호작용할 수 있도록 하여, 개발자들이 현실적인 조건에서 자율주행 시스템을 테스트하고 개선할 수 있게 했다. 이와 같은 접근 방식은 실제 도로에서 발생할 수 있는 다양한 상황을 사전에 예측하고 대응하는 데 도움이 된다.   모라이 시뮬레이션 플랫폼에 대한 고객의 니즈 우선 고객사들은 현실적인 그래픽과 정밀한 도로 환경을 원했다. 자율주행 차량은 다양한 도로 상황과 환경에서 운행되므로, 시뮬레이터가 실제 도로와 유사한 환경을 재현해야 한다. 이를 통해 개발자는 도시, 고속도로, 교외 지역 등 다양한 도로 상황에서 자율주행 시스템의 성능을 테스트할 수 있다. 또한 다양한 교통 상황과 돌발 상황을 시뮬레이션할 수 있어야 했다. 교통 혼잡, 보행자와의 상호작용, 돌발적인 장애물 등 실제 도로에서 발생할 수 있는 모든 상황을 가상 환경에서 재현하여, 자율주행 시스템이 어떻게 대응하는지 평가할 수 있어야 한다. 아울러, 고객사들은 다양한 센서 데이터를 필요로 했다. 자율주행 차량은 카메라, 라이다, 레이더 등의 센서를 통해 주변 환경을 인식하기 때문에, 시뮬레이터는 이러한 센서의 데이터를 정확하게 생성하고, 실제 환경에서의 센서 성능을 재현할 수 있어야 한다.   개발 시 어려웠던 점과 해결 방법 자율주행 시뮬레이터를 개발하는 것은 다양한 기술을 통합해야 하기 때문에 많은 어려움이 따른다. 기본적으로 3D 엔진에 대한 이해도가 필요하며, 그 위에 올라가는 센서, 차량 동역학, 통신 등 각각의 모듈에 대한 깊은 이해와 적절한 통합 과정이 필요하다. 이 과정에서 각 개발자의 이해도와 전문 분야가 다르기 때문에, 이를 하나의 시뮬레이터로 통합하는 것이 가장 어려운 부분이었다. 다행히, 유니티는 이러한 다양한 요소들을 모두 통합할 수 있는 개발 환경을 제공했다. 각 모듈 개발자들이 개발할 때마다 바로 결과를 확인할 수 있었고, 다른 모듈에 대한 이해도를 높일 수 있었다. 이를 통해 각 모듈이 전체 시스템에 어떤 영향을 미치는지 파악할 수 있었고, 빠르게 개발을 진행할 수 있었다. 또한, SDV(Software Defined Vehicle : 소프트웨어 정의 차량)와 UAM 등의 복잡한 시뮬레이션 환경을 구축하는 데 있어서도 유니티의 유연한 개발 환경이 도움이 되었다. 유니티의 그래픽 엔진과 실시간 데이터 처리 능력을 활용하여 현실과 유사한 고충실도의 시뮬레이션 환경을 구현할 수 있었고, 이를 통해 다양한 테스트와 검증을 효율적으로 수행할 수 있었다.     모라이의 목표 모라이는 자율주행 시뮬레이션 시장에서 개발뿐만 아니라 검증과 인증까지 가능한 시뮬레이터를 제공하고자 한다. 앞서 설명한 대로 개발자들이 손쉽게 사용할 수 있는 가상 공간과 시뮬레이션 도구를 공급하여, 이 툴을 기반으로 빠르게 기술을 개발하고 정량적으로 시험 평가할 수 있도록 하는 것이 모라이의 목표이다. 또한, 모라이는 고객이 많은 노력을 들이지 않아도 바로 이해하고 현업에 적용할 수 있는 개발 도구를 제공하는 것을 중요하게 생각하고 있다. 이를 통해 고객은 복잡한 설정이나 학습 없이도 자율주행 기술을 개발하고 테스트할 수 있게 된다.  궁극적으로는 자율주행 자동차, UAM, 무인 로봇, 무인 선박 등 모든 무인 이동체의 기술 개발 및 통합 검증에 사용되는 도구가 되는 것이 모라이의 목표이다.  모라이의 공동설립자인 홍준 CTO는 “이 과정에서 유니티는 핵심 개발 도구로서 중요한 역할을 하고 있다. 유니티의 강력한 3D 엔진과 사용자 친화적인 인터페이스 덕분에 우리는 고품질의 시뮬레이션 환경을 빠르게 개발할 수 있다. 또한, 유니티의 지속적인 기술 지원과 업데이트는 우리가 최신 기술을 빠르게 도입하고, 고객의 요구에 맞는 기능을 신속하게 제공하는 데 큰 도움이 된다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

리얼타임 3D 기술을 도입하여 한층 발전된 프로젝션 매핑 구현   화재로 큰 피해를 입은 파리의 노트르담 대성당이 5년에 걸친 복원 끝에 재개관했다. 복원된 성당을 더욱 돋보이게 한 프로젝션 매핑 작업은 언리얼 엔진의 실시간 렌더링 기술을 활용해 역사적 건축물을 사실적이고 정교하게 되살린 혁신적인 사례로 주목받고 있다. ■ 자료 제공 : 에픽게임즈   ▲ 이미지 제공 : 코스모 AV    2019년 4월, 파리의 상징인 노트르담 대성당에서 끔찍한 화재가 발생했다. 건물 처마 밑에서 시작된 불길은 곧 첨탑과 목조 지붕 대부분을 집어삼키며 다음 날 아침까지 밤새 타올랐다. 이후 장대한 복원 프로젝트가 진행되었으며, 5년에 걸쳐 1200명 이상의 인원이 재건에 힘을 쏟았다. 채석장 작업자와 목수, 모르타르 제조자, 석공 등 숙련된 장인이 고용되어 12세기 건축 당시와 똑같은 재료와 기법으로 대성당을 재건했다.  2024년 12월, 잿더미에서 부활한 노트르담 대성당의 재개관식이 TV 시청 황금 시간대에 방송되었다. 프랑스 텔레비지옹(France Télévisions)은 복원된 대성당의 영광스러운 모습을 선보이기 위해 비디오 매핑 회사인 코스모 AV(Cosmo AV)에 의뢰했고, 코스모 AV는 프로젝션 매핑 전문가 앙투안 부르구앵(Antoine Bourgouin)에게 재개관식을 위한 멋진 건축 라이팅을 제작해 달라고 요청했다.   ▲ 이미지 제공 : 코스모 AV   언리얼 엔진을 사용한 프로젝션 매핑 지난 2010년, 앙투안 부르구앵은 거대한 트롱프뢰유를 보여줄 캔버스로 건물을 사용하는 데 처음 관심을 갖게 되었다. 트롱프뢰유는 ‘눈속임’이라는 뜻의 프랑스어로, 2차원 표면에 3차원 공간과 물체를 표현하는 극사실적인 착시 기법을 나타내는 미술 용어다. 이는 주로 회화에서 관람자가 그림 속의 사물이나 공간을 실제처럼 인식하도록 속이는 기법을 일컫는다. 초기에는 이러한 종류의 작업을 구현할 수 있는 툴이 시중에 없어, 건물의 윤곽과 규모에 맞는 비주얼을 제작하려면 직접 컴퓨터 프로그램을 개발해야 했다. 하지만 부르구앵은 비디오 프로젝터 컨트롤러와 같은 역할을 하는 소프트웨어인 모듈로 플레이어(Modulo Player)를 사용하여 벽이나 건물과 같은 표면에 영상을 투영하여 재생하고, 각 표면에 맞게 영상을 정밀하게 변형시키고 조정할 수 있도록 했다. 특히, 부르구앵은 이 과정에 리얼타임 기술을 도입하여 프로젝션 매핑 기술을 더욱 발전시키고 있다. 전통적인 비디오 매핑은 사전 녹화된 영상을 투영하는 방식이었지만, 부르구앵은 언리얼 엔진을 사용해 개발한 비주얼을 실시간으로 건물에 투영한다. 이러한 혁신적인 아이디어로 그는 플레이어의 스마트폰을 게임 패드처럼 사용하는 비디오 게임을 제작하겠다는 아이디어로 메가그랜트를 지원하게 되었다. 이러한 아이디어를 실현하고자 부르구앵은 코스모 AV의 CEO이자 인텐스시티(IntensCity)의 공동 설립자인 피에르 이브 툴로(Pierre-Yves Toulot)를 만났다.    ▲ 이미지 제공 : 코스모 AV   3D 모델에 라이팅 매핑 코스모 AV는 프랑스 국영 텔레비전 방송사인 프랑스 텔레비지옹으로부터 노트르담 대성당 재개관을 위한 프로젝션 매핑 비주얼 제작을 의뢰받았다. 그 요청 중 하나는 대성당의 외관을 돋보이게 할 아름다운 라이팅 연출을 제작하는 것이었다. 툴로와 부르구앵은 이전에도 비슷한 프로젝트에서 협업한 적이 있었는데, 특별하면서도  우아함이 필요한 작업에서는 뛰어난 전통 건축 라이팅 디자이너인 장 프랑수아 투샤(Jean-François Touchard)의 기술을 활용했다. 툴로가 노트르담 프로젝트에 부르구앵과 투샤를 합류시킨 것은 당연한 결정이었다. 먼저 부르구앵은 노트르담 대성당의 3D 스캔 모델을 언리얼 엔진으로 가져왔고, 이 과정은 FBX 파일을 임포트하는 것만큼이나 간단했다. 부르구앵은 “언리얼 엔진과 나나이트(Ninite) 기술 덕분에 이제는 임포트한 메시의 폴리곤 밀도에 더 이상 신경 쓰지 않아도 된다. 노트르담 모델은 400만 개의 트라이앵글로 구성된 메시 구조였지만, 현재 언리얼 엔진에서는 이 정도의 폴리곤 수를 아주 쉽게 처리할 수 있다”고 말했다. 나나이트는 언리얼 엔진 5의 가상화된 지오메트리 시스템으로, 성능에 미치는 영향을 최소화하면서 방대한 양의 폴리곤으로 구성된 디테일한 3D 모델을 제작할 수 있다. 이 시스템은 활용해 대성당의 매우 정밀한 메시를 렌더링하는 데 쓰였으며, 가장 작은 디테일까지 정확하게 구현할 수 있었다. 팀은 대성당의 모든 디테일을 강조하기 위해 3D 모델에 옴니 라이트, 스포트 라이트, 렉트 라이트 등 500개의 라이트를 배치했다. 이 라이트는 강도와 온도, 색상이 조화를 이루도록 하는 것이 중요했다. 부르구앵은 “조작해야 하는 라이트의 수량이 이 프로젝트에서 가장 큰 과제였다. 하지만 즉석에서 바로 만든 블루프린트를 사용하고 라이트 액터에 태그를 지정하여 다른 그룹을 나누는 방식으로 매우 원활하게 작업할 수 있었다”고 설명했다. 툴로는 아트 디렉터 역할을 했고, 장 프랑수아는 대성당의 디테일한 부분에 대한 라이팅을 실제로 구현하는 데 전문성을 발휘했다. 팀은 조각상마다 두세 개의 스포트 라이트를 배치하고 그림자를 세심하게 조작하여 조각상의 형태와 입체감을 강조했다. 또한, IES(Illuminating Engineering Society)의 라이트 프로파일을 사용해 3D 라이팅이 실제 라이트처럼 각 아치와 발코니, 기타 건축 요소의 디테일과 정확하게 일치하도록 했으며, 깊이를 강조하기 위해 라이트 온도를 조정했다. 라이팅 구성을 이미지로 렌더링한 다음 모듈로 플레이어 시스템과 연결된 30대의 고광도 파나소닉(Panasonic) 비디오 프로젝터를 사용하여 노트르담 대성당에 투영했다.   ▲ 이미지 제공 : 코스모 AV   메가라이트와 루멘 활용 노트르담 프로젝트에서 팀은 사전 녹화된 영상을 대성당에 투영할 예정이었지만, 리얼타임 기술을 사용하면서 라이팅 디자인에서 많은 이점을 얻을 수 있었다. 라이팅이 실제 건물에서 어떻게 보일지 테스트하기 위해 팀은 현장에서 언리얼 엔진으로 3D 모델을 바로 업데이트하여, 대성당에서 즉시 결과를 확인하고 필요에 따라 조정할 수 있었다. 부르구앵은 언리얼 엔진으로 작업을 완성할 수 있었던 주요 이유로 나나이트와 결합된 강력한 라이팅 시스템의 성능을 꼽았다. 부르구앵은 “라이트 수가 많은 하이 폴리곤 메시에서 직관적인 편집 방식(WYSIWYG)으로 원활하게 작업할 수 있었다. 이로써 기존의 3D 모델링 소프트웨어에서처럼 렌더링 결과를 상상할 필요가 없었다”고 말했다. 또한 최근 언리얼 엔진 5.5에 출시된 강력한 신규 기능인 메가라이트에 대해서도 높이 평가했다. 메가라이트는 아티스트가 신(scene)에 다이내믹 섀도를 드리우는 수백 개의 라이트를 추가할 수 있게 해주는 실험적인 도구다. 언리얼 엔진의 다이내믹 글로벌 일루미네이션 및 리플렉션 기능인 루멘과 함께 사용하면 매우 사실적인 라이팅을 구현할 수 있다. 부르구앵은 “메가라이트는 상당히 유용한 기능 중 하나였다. 실시간으로 그림자를 유지하면서 수백 개의 라이트로 작업할 수 있었다. 루멘을 보완하는 환상적인 기능”이라고 말했다.   되찾은 노트르담의 영광 툴로, 장 프랑수아와 함께 한 부르구앵의 라이팅 작업은 파리에서 가장 유명한 기념물 중 하나인 대성당의 재개관식에서 중요한 역할을 했다. 언리얼 엔진 덕분에 팀은 복원가들의 놀라운 작업을 빛내고 노트르담 대성당의 영광스러운 모습을 선보일 수 있었다. 부르구앵은 “파리의 노트르담 대성당은 프로젝션 매핑 작업을 하는 사람들이라면 누구나 꿈꾸는 건물 중 하나다. 이 작업에 기여할 수 있32 · 어서 정말 큰 영광이었다”라고 말했다.      ■ 기사 내용은 PDF로도 제공됩니다.