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

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  

AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (2)   영상 제작은 수작업 중심의 접근 방식에서 디지털화와 함께 컴퓨터 기반의 자동화된 워크플로까지 변화했다. 최근에는 AI 기술과 멀티모달 제작 방식이 결합되어 콘텐츠 제작의 효율과 창의성을 극대화하고 있다.   ■ 연재순서 제1회 AI 영상 제작 생태계의 현재와 미래 제2회 AI 기반 크리에이티브 워크플로 혁신 제3회 소셜 미디어 최적화 AI 영상 제작 전략 제4회 AI 특수효과 및 후반작업 마스터하기 제5회 AI 기반 몰입형 사운드 디자인   ■ 최석영 AI프로덕션 감성놀이터의 대표이며, 국제고양이AI필름페스티벌 총감독이다. AI 칼럼니스트로도 활동하고 있다.    이미지와 영상 제작을 위한 기존의 제작 방식   그림 1. ‘달리는 열차(Arrival of a Train at La Ciotat)’, 뤼미에르 형제, 1896   아날로그 제작 방식 : 개념과 흐름 디지털 도구가 도입되기 전에, 이미지와 영상 제작은 사전 기획과 여러 단계에 걸친 수작업 과정을 기반으로 한 접근 방식을 따랐다. 이 과정에서 기획자는 제작자와 협력하여 구체적인 제작을 위한 기획 단계를 만들어 낸다. 모든 작업은 계획적으로 이루어지며, 각 단계에서 창작자의 직접적인 개입과 섬세한 조정이 이루어진다. 디지털 도구가 상용화되기 전에는 스토리보드 작성, 레이아웃 결정, 시나리오 등이 기획 단계에서 만들어졌다. 영화용 카메라로 장면을 촬영하고, 촬영 감독과 조명 팀이 각종 기기를 수동으로 조작하며 원하는 장면을 구현한다. 후반 작업에서는 필름을 절단하고 이어 붙여 편집하며, 음향은 따로 녹음하여 영상을 보완한다. 이러한 방식은 기술적인 장치뿐만 아니라 창작자의 기술과 창의성에 크게 의존하며, 디지털화가 이루어지기 전까지 오랜 시간 이어져 온 기본적인 영상 제작 방식이다.   그림 2. ‘달나라 여행(Le Voyage dans la Lune)’, 1902   ‘달나라 여행’ 작품은 아이디어가 스토리보드화되어 영상화되는 전형적인 제작 과정으로 만들어졌다. 영상 제작 과정을 3단계로 보통 나누어지는데, 좀 더 자세히 5단계로 구조화하여 설명한다.  기획 단계 디자인 및 촬영 준비 제작 단계 후반 작업 단계 배포 및 관리 기존의 제작 방식은 오랜 기간 창작자의 창의적 역량을 극대화하고, 하나의 결과물을 정교하게 다듬는 데 중점을 둔 체계적인 접근법이었다. 하지만 이 과정은 기술적 도구와 인력이 많이 요구되며, 비용과 시간이 많이 들었다. 이러한 점에서 기존 제작 방식은 디지털화를 통해 새로운 워크플로로 발전하게 되었다.   디지털 도구의 도입과 디지털화된 제작 방식   그림 3. The iconic ship · ‘스타워즈’의 특수 효과,1977   디지털 도구의 도입 이후, 이미지와 영상 제작은 큰 변화를 겪으며 효율성과 창의성을 동시에 향상시킬 수 있는 새로운 접근 방식을 채택하게 되었다. 디지털화된 제작 방식은 전통적인 수작업 기반 방식에서 벗어나, 컴퓨터와 소프트웨어를 활용한 자동화 및 고도화된 기술을 중심으로 이루어진다.  이 과정은 기획, 디자인 및 촬영 준비, 제작 단계, 후반 제작 단계, 배포 및 관리 등 여러 단계로 나뉘며, 각 단계마다 디지털 기술이 어떻게 적용되는지 구체적으로 살펴볼 수 있다.    그림 4. ‘아바타’의 제임스 카메론 감독   필자가 영화를 공부하던 1997년에는 전통적인 아날로그 제작 방식을 공부하면서 비디오 캠코더가 나왔으며, 촬영과 후반 제작 과정에서 디지털화가 가속화되었다. 컴퓨터의 발전과 응용 프로그램의 향상에 힘입어, ‘스타워즈’가 아날로그 촬영을 디지털화하고 CG를 추가하여 다시 상영하였다. 아날로그 제작 방식과 디지털 제작 방식 믹스되는 부분이 있었으며, 2000년대 이후 점차 디지털화되어 갔다. 현재의 방식은  촬영, 편집, 후반 제작 과정 모두 디지털화(데이터로 저장)하여 제작되고 있다. 디지털화된 제작 방식에 모션 캡처나 리얼타임 엔진을 활용한 가상 프로덕션 등 새로운 기술이 적용되고 있다. 대표적인 예로 영화 ‘아바타’의 혁신을 말할 수 있다. ‘아바타’는 디지털 기술과 혁신된 모션 캡처 방식을 활용하여 영화 제작 방식을 혁신적으로 변화시켰다. 특히, 3D 촬영 기술과 모션 캡처 기술을 통해 캐릭터와 환경을 사실감 있게 재현하며 영화의 몰입감을 극대화했다. 이러한 시각적 혁신은 3D 영화의 새로운 가능성을 열었고, 3D 영화의 인기를 끌어올리는 데 큰 역할을 했다. 또한, 디지털 환경 디자인과 가상 세트를 활용하여 판도라라는 상상의 세계를 창조했으며, 이는 다른 영화가 디지털 가상 세트를 활용하는 데 영향을 미쳤다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

슈나이더 일렉트릭이 자사의 ‘지속가능성 컨설팅 프레임워크’를 기반으로 국내 기업들의 ESG 경영 목표 달성을 적극 지원하고 있다고 밝혔다. 기후 위기와 자원 고갈 문제가 전 세계적으로 심화되면서, 지속가능성은 이제 기업 경영의 핵심 과제로 자리잡았다. 각국 정부는 탄소중립(net-zero) 정책과 온실가스 배출 규제를 강화하고 있으며, 투자자와 소비자 역시 ESG 요소를 기준으로 기업 가치를 평가하는 흐름이 확산되고 있다. 이에 따라 산업계에서는 에너지 효율 개선, 재생에너지 도입, 공급망 탈탄소 전략 수립이 필수로 떠오르고 있으며, 전문적인 컨설팅 수요 또한 빠르게 증가하고 있다. 슈나이더 일렉트릭은 ▲전략 수립(Strategize), ▲디지털화(Digitize), ▲탈탄소화(Decarbonize)라는 3가지 핵심 축으로 구성된 지속가능성 컨설팅 프레임워크를 통해 기업들의 ESG 경영을 돕고 있다. 전략 수립 단계에서는 Scope 1, 2, 3에 해당하는 온실가스 배출량 산정과 함께 각 기업 맞춤형 감축 시나리오를 수립하고, 탄소중립 로드맵과 기후 리스크 평가 체계 마련을 지원한다.     디지털화 단계에서는 슈나이더 일렉트릭의 ‘리소스 어드바이저(Resource Advisor)’와 ‘PME(Power Monitoring Expert)’ 솔루션을 활용해 ESG 데이터를 통합 관리하고, 배출량을 실시간으로 모니터링할 수 있는 기반을 마련한다. 이를 통해 글로벌 ESG 공시 기준에 대응할 수 있는 데이터 기반 경영 체계를 강화한다. 특히 디지털화 전략의 일환으로, 슈나이더 일렉트릭은 산업 현장의 에너지 효율을 극대화하고 탄소 배출을 줄이기 위한 ‘DC 배전 설루션’을 적극 도입하고 있다. 기존의 AC 기반 설비 대비 최대 70%의 배전 손실 효과를 제공하며, 하이브리드 AC/DC 방식의 미래형 공장 및 빌딩 설계 적용 시 최대 10%의 에너지 효율 향상이 가능하다. 슈나이더 일렉트릭은 이를 위해 AC/DC 컨버터, 솔리드 스테이트 차단기, DC 부스웨이(Busway), DC MCCB 등 핵심 장비를 기반으로 하는 통합 DC 배전 설루션을 제공하고 있다. 마지막으로 탈탄소화 단계에서는 전사 에너지 효율 향상 프로그램을 비롯해, 기업 전반의 재생에너지 도입 및 공급망까지 확장된 재생에너지 조달 프로그램을 통해 실질적인 탄소 배출 저감 효과를 실현한다. 또한 슈나이더 일렉트릭 코리아는 국내 주요 기업과의 협력을 통해 재생에너지 조달 및 PPA(전력구매계약) 기반 프로젝트도 활발히 전개하고 있다. 2022년부터 2024년까지는 에코프로비엠과 협력해 헝가리 사업장의 PPA 기반 재생에너지 조달 자문을 지원했으며, 2023년부터 2024년까지는 LG에너지솔루션의 폴란드 사업장에 대한 PPA 기반 재생에너지 조달 자문을 수행했다. 슈나이더 일렉트릭 코리아 지속가능성 사업부의 김민영 부문장은 “기업의 지속가능성 전환은 이제 선택이 아닌 생존 전략”이라며, “슈나이더 일렉트릭은 전략 수립부터 실행, 디지털 기반 ESG 관리까지 전 주기적인 컨설팅 역량을 바탕으로 고객의 넷제로 목표 달성을 돕고, 한국 산업계의 탄소중립 실현에 기여하고자 한다”고 강조했다.

  [자료] 고속도로 지반분야 BIM 활용 방안 연구  발행 : 2025. 2.  형식 : pdf 137 page 제작 : 한국도로공사 도로교통연구원   목차 목 차    i 표 목 차    v 그림목차    vii 요 약 문    ix ABSTRACT    x 서 론    1 1.1    배경과 목적    1 1.1.1    배경과 필요성    1 1.1.2    연구의 목적    3 1.2    연구 내용, 연구 방법, 연구 기간    4 1.2.1    연구 범위와 내용    4 1.2.2    연구 방법    5 1.2.3    연구 기간    5 국내외 BIM 적용 현황 조사    6 2.1    BIM 일반사항    6 2.1.1    BIM의 정의와 핵심 요소    6 2.1.2    BIM의 활용 (BIM uses)    8 2.1.3    BIM 성숙도 수준 (Maturity Level)    10 2.1.4    BIM 표준 (BIM Standard)    11 2.1.5    BIM 요구사항과 실행    12 2.1.6    BIM 장점과 효과    13 2.1.7    유지·운영 단계 BIM 활용    14 2.2    국외 BIM 현황    15 2.2.1    BIM 도입 국가 2.2.2    국가별 BIM 도입 정책    16 2.2.3    국외 도로관리기관의 BIM 도입    18 2.3    국내 BIM 현황    19 2.3.1    국내 BIM 도입 경과    19 2.3.2    국토부 BIM 도입 정책    20 2.4    한국도로공사 BIM 도입 현황    22 2.4.1    고속도로의 BIM 도입 현황    22 2.4.2    고속도로의 BIM 도입 시사점    23 지반 BIM 모델의 개념    25 3.1    지반 BIM 정의    25 3.1.1    지반BIM과 GeoBIM의 이해    25 3.1.2    지반 BIM 모델의 구성    27 3.2    지반 BIM 모델 작성 방법    29 3.2.1    지반 정보의 표준화    29 3.2.2    지반 BIM 모델 작성 절차    31 3.2.3    지반BIM 작성의 역할론    32 지반분야 BIM S/W 조사    33 4.1    일반 BIM 소프트웨어    33 4.1.1    BIM 소프트웨어 개발사 현황    33 4.1.2    개발사별 BIM 소프트웨어 특징    35 4.1.3    전문분야별 BIM 저작 및 해석 도구    39 4.1.4    BIM 소프트웨어 현황분석 결과    42 4.2    지반분야 BIM 소프트웨어 현황    43 4.2.1    Autodesk – Civil 3D (Geotechnical Modeler)    43 4.2.2    Bentley – Leapfrog Works (with Central)    45 4.2.3    Bentley – OpenGround    48 4.2.4    Fine Software – Geo 5    48 4.2.5    MidasIT – CIM    50 지반 BIM 모델 활용 사례    51 5.1.    국외 지반 BIM 활용 사례    51 5.1.1.    영국의 실버타운 터널 프로젝트 (Merdan and Horatiu, 2018)    51 5.1.2    해안 안벽(DWQ, Deep Water Quay wall) 기본설계 검토 (Brennan, E. 2021)    52 5.1.3    영국 Crossrail 2 Project (Ben Gilson et al, 2021)    54 5.1.4    브라질의 Underground Rerservoir 건설 프로젝트 (Henriques et al, 2024)    55 5.1.5    뉴질랜드의 지반 BIM 모델 활용 사례 (Adam et al, 2019)    56 5.2    국내 지반 BIM 활용 사례    58 5.2.1    제주도 천연동굴 3D 디지털화 사례 (한국건설기술연구원)    58 5.2.2    터널 페이스 매핑 자료를 이용한 지반 BIM모델 구축(한국터널지하공간학회)    59 5.2.3    고속도로 설계에 활용된 지반 BIM 모델 (대산-당진 4공구)    60 지반 BIM 모델 시범 구축    61 6.1    지반 BIM모델 시범 구축 개요    61 6.1.1    지반 BIM 시범구축 목표    61 6.1.2    시범 구축 대상 사업 및 자료 준비    62 6.2    지반 BIM모델 시범을 위한 BIM S/W    63 6.3    지반 BIM 모델 시범 구축 프로세스    66 6.3.1    지반 BIM모델 입력 자료 준비    66 6.3.2    지반 BIM 모델 작성 프로세스    70 6.4.    지반 BIM 모델 구축    76 6.4.1    전구간 지반 BIM 모델    76 6.4.2    교량구간 지반 BIM 모델    78 6.4.3    터널구간 지반 BIM 모델    80 6.4.4    토공구간(절토사면) 지반 BIM 모델    81   6.5    지반 BIM모델의 활용    83 6.5.1    지층단면도의 작성 (종단, 횡단)    83 6.5.2    절토 및 성토수량 산정    88 6.5.3    지반수치해석과 연계 활용    92 6.6    지반 BIM 모델구축과 활용의 시사점    101 지반 BIM 활용에 대한 의견 수렴    103 7.1    대내외 실무자 및 전문가 대상 의견 수렴    103 7.1.1    공사내 실무자 대상 의견수렴    103 7.1.2    외부 전문가 대상 의견 수렴    104 7.1.3    BIM 업무 관련자 의견수렴    111 7.2    의견 수렴 시사점    112 지반분야 BIM 중장기 연구 방향    113 8.1    중장기 연구방향    113 8.2    후속 연구과제 제안    115 요약 및 결론    117 참고문헌    118  

한국산업지능화협회는 ‘2025 산업지능화 콘퍼런스’가 ’DX to AX – 산업 AX로 가는 여정’을 주제로 3월 13일~14일 코엑스에서 개최되었다고 전했다.   ‘2025 스마트공장 자동화산업전’과 동시 개최된 이번 콘퍼런스에는 국내외 DX/AX 선도기업 28개사가 참여하여, 디지털 전환(DX)을 넘어 인공지능 전환(AX)으로 나아가는 방향에서 새로운 비즈니스 모델과 기업의 생존 전략을 제시했다. 특히 올해는 8개 기조세션과 26개 기술세션을 통해 제조업 AX 확산을 위한 AI 기술 도입전략 및 활용 혁신사례를 선보였다. 콘퍼런스 1일차인 3월 13일에는 LG CNS, 한국IBM, 한국미쓰비시전기오토메이션, 원프레딕트의 기조세션 발표가 진행되었다. LG CNS 박재원 화학사업 담당은 ‘AX를 통한 제조기업의 혁신적 경쟁력 확보 방안’을 주제로, 제조기업이 AI 도입 시 사전에 고려해야 할 사항과 제조 현장에서의 AI 활용 관점 및 방안에 대해 제시했다. 한국IBM 박정선 실장은 AI를 통해 설비 자산 관리의 효율을 높이는 사례를 설명하며, 검사 자동화, 고장 예측 및 예지보전, 현장 작업 지원 등에서의 실제 유스 케이스를 소개했다. 한국미쓰비시전기오토메이션 주식회사의 이노우에 나오타케 FA엔지니어링사업부장은 미쓰비시전기가 추구하는 디지털 제조의 방향성을 제시하고, 디지털 제조 추진의 3요소로 ‘생산현장의 자동화’, ‘업무의 디지털화’ 및 ‘시스템 통합’을 소개했다. 원프레딕트의 윤병동 대표는 AI가 산업 생산성 관점에서 파괴적 혁신을 가져다 줄 수 있는가에 대해 화두를 던지며, 산업 AX를 기반으로 O&M 업무 프로세스를 파괴적으로 혁신하는 미래 방향성을 제언했다. 2일차인 14일에는 현대오토에버, 로크웰 오토메이션, 헥사곤 매뉴팩처링 인텔리전스, 다임리서치의 기조세션 발표가 진행되었다. 현대오토에버 장연세 상무는 제조 혁신을 위한 소프트웨어 중심의 SDF(소프트웨어 정의 공장) 체계를 실현하기 위해 제조 산업에서 DI/DX의 이니셔티브에 대해 설명하고, 현대오토에버가 정의하고 만들어나가는 SDF에 대해 소개했다. 로크웰 오토메이션의 앤드류 엘리스 부사장은 AI를 활용한 자율 제조 생태계 구축을 위한 핵심 요소와 단계적 접근법을 제시했다. 헥사곤 매뉴팩처링 인텔리전스 홍석관 부사장은 제조산업의 효율성을 높이고 로봇의 활용 범위를 확대할 수 있는 방안을 제시하며, 제조산업 자산 DX, DR 및 데이터 관리 설루션과 효율적 로봇 성능 향상 기술을 소개했다. 다임리서치 장영재 대표이사는 중견기업/소기업의 무인·자율공장 도입 방안을 실증 사례를 통해 소개했다. 그는 신공장 설계에서 자동화 구축 시뮬레이션 검증 방식을 소개하고, 기존 공장이 디지털 공장으로 변화할 수 있는 방안을 다뤘다.     한편, 이틀에 걸쳐 DX/AX 혁신 기술·설루션과 유스케이스를 소개하는 기술 세션도 진행되었는데, 특히, 제조산업의 AI 기술 적용사례에 대해 참관객의 관심이 집중되었다. 생성형 AI 활용 방안, 로봇 AI 기술 및 로보타이제이션 등의 유스 케이스들이 소개되며, 제조업의 AI 혁신을 모색하는 기업 관계자들에게 실질적인 인사이트를 제공했다. 기술세션은 ▲제조 AI(아비바코리아, 인이지, 슈퍼브에이아이, 데이터디자인엔지니어링, 인터엑스, 엠아이큐브솔루션, 넥스톰) ▲산업 데이터 스페이스(인터엑스, 피티씨-켑웨어) ▲제조 OT 기술(주한스위스대사관 무역투자청, 로볼리전트, 오토스토어시스템, 씨메스, 비앤드알 산업자동화, 유진로봇) ▲제조 IT 기술(로크웰 오토메이션, 유비씨, 아이투맥스, 마이링크, 일루넥스, 시제, 쿤텍, LG전자 생산기술원) 등 4개의 트랙으로 구성되었다. 이 외에도 디지털 기반 제조산업 생태계 구현을 위한 필수요소로 중요성이 대두되고 있는 산업 데이터 스페이스(IDS)를 키워드로 포럼 및 세미나가 함께 열렸다. 1일차에는 ‘글로벌 제조 혁신의 새로운 언어 – 산업 데이터 스페이스’를 주제로 ‘2025 글로벌 첨단제조 표준화 포럼’이 진행되었다. 이번 포럼에서는 제조업 혁신을 실현하기 위한 필수요소로 표준의 중요성을 강조하며, 첨단 제조 기술의 표준화 추진 전략 및 주요 사례를 소개했다. 2일차에 열린 ‘산업 데이터 스페이스 기술위원회 세미나’에서는 산업 데이터 혁신 전략을 중심으로 제조기업과 IT 기업 간 협업 방안을 통한 생태계 조성과 AX 구현 방향을 제시했다. 이어지는 패널 토론에서는 ‘기업의 산업 데이터 기반 공급망 현황과 방향성’을 논의하는 자리가 마련되었다. 한국산업지능화협회의 김태환 부회장은 “생성형 AI는 4차 산업혁명 시대에 산업의 게임 체인저로 자리매김할 것이 확실시되고 있다”면서, “산업지능화 콘퍼런스를 AI, 빅테이터 등 첨단 기술을 활용한 혁신적인 비즈니스 모델과 기업의 생존 전략을 논의하는 장으로 지속 발전시켜 나가겠다”고 밝혔다. 

디지털 트윈에 대한 이해 및 동향, 관련 제품 및 업체 소개 등을 집대성한 <디지털 트윈 가이드>가 발간되었습니다.  <디지털 트윈 가이드>는 한국산업지능화협회 PLM 기술위원회의 주도 하에 업계의 다양한 흐름들을 제시하고, 디지털 트윈에 대한 이해와 트렌드, 디지털 트윈 시스템 구축시 알아두어야 할 전략과 구축 가이드, 관련 소프트웨어 및  공급 업체 소개, 제품리스트 등을 집대성하였습니다.    공저 : 한국산업지능화협회 PLM기술위원회 한순흥 / 손지연 / 권순재 / 양영진 / 안창원 / 박수진 / 류수영 / 박양호 / 강태신 / 오병준 / 진득호 / 김지인 / 문명수 / 손대식 / 김준형 / 신민용 / 조형식 / 김성희 / 류용효 / 차석근 / 안영규 / 전완호 / 이지수 / 최창현 / 김형중 외  페이지 : 272쪽 정가 : 30,000원   목차 머리말 - <디지털 트윈 가이드> 발간에 부쳐 / 최경화   Part 1. 디지털 트윈 개론 8    디지털 트윈 개론    한순흥 Part 2. 디지털 트윈 핵심 기술 24    제조 디지털 트윈 표준 모델 및 연동 가이드라인 소개    손지연 32    디지털 트윈 구축을 위한 BIM 기반 3D 개체의 필요성    권순재 Part 3. 디지털 트윈 도입 전략과 가이드 38    디지털 트윈의 이해와 구현 방법    양영진 45    디지털 트윈 정부 전략 및 로드맵    안창원 50    디지털 트윈을 처음 도입하는 기업을 위한 가이드    박수진 58    디지털 트윈 기술발전에 따른 단계별 구축 가이드    류수영 63    국제 표준 기반 제조 디지털 트윈 스마트 내비게이션 시스템 구축 방안    박양호 70    디지털 트윈 : 엔지니어의 상상은 현실이 된다    강태신 74    기업의 디지털 전환을 위한 총체적 접근 방식    오병준 80    디지털 트윈 가이드: 리얼타임 렌더링으로 살펴보는 디지털 트윈 트렌드    진득호 86    3D CAD 를 활용한 디지털 트윈 도입 가이드    김지인 90    스마트 제조의 분수령, 디지털 트윈의 혁명    문명수 95    디지털 트윈 도입 검토 보고서 작성법    손대식 100    AWS 디지털 트윈 구축 전략과 성공 사례    김준형 106    제조업의 성공적인 디지털 트윈 도입을 위한 여정    신민용 Part 4. 디지털 트윈 최신 트렌드 114    미래의 디지털 트윈에 대해서    조형식 118    AI 시대의 디지털 트윈    김성희 124    AI 기반 디지털 트윈 : 산업 혁신의지능형 미래     류용효 Part 5. 디지털 트윈 적용 사례 130    디지털 트윈 구축을 위한 제조 데이터 표준화 구축 및 사례    차석근 136    가상 제품 개발 및 검증을 위한 디지털 트윈    안영규 142    디지털 전환 성공을 위한 CAE, AI/ML과 디지털 리얼리티 플랫폼 기술 제안    전완호 146    가상과 현실의 완벽한 동기화, 디지털 트윈의 산업 재창조    이지수 152    디지털 트윈의 새로운 패러다임: GPU 가속 기반 소프트웨어와 하드웨어의 효과적인 융합    나인플러스아이티 157    디지털 트윈과 몰입형 기술 트렌드와 적용 사례     유니티 162    스마트시티와 건설 디지털 트윈 기술 현황 및 시사점    최창현 168    스마트 공항, OpenBIM 모델링 구축 사례    비아이엠팩토리 172    디지털 트윈과 AI를 활용한 소방 시스템 도입사례: 중국 대련 소방대와의 협력    아브로브소프트코리아 175    산업 안전을 위한 디지털 트윈 활용    김형중, 우종헌 Part 6. 주요 디지털 트윈 소프트웨어 소개 180    Ansys Twin Builder    디지털 트윈 모델 생성 및 배포 솔루션 182    ARAS PLM    오픈소스 PLM 소프트웨어 184    AutoForm Assembly    차체 제작 조립 공정 디지털화 소프트웨어  185    AutoForm Car Body Planner    차체 구매 견적 및 비용 산출 프로세스 186    AutoForm-Sigma    스탬핑 공정의 안정성과 효율성 향상 소프트웨어 188    Cadence Fidelity CFD    고성능 멀티피직스 플랫폼 191    Emulate3D    디지털 트윈 소프트웨어  192    CATIA    제품 설계 및 협업 솔루션 193    DELMIA Digital Manufacturing    제품 설계/생산 전 과정 시뮬레이션 및 최적화 솔루션 194    CP(Collaboration Platform)     제조기업 디지털 트윈기반 협업 플랫폼  197    FlexSim    3D 시뮬레이션 소프트웨어  198    CupixWorks(큐픽스웍스)    AI 기반 4D 디지털 트윈 플랫폼 200    DTDon    실시간 원격 협업 도구운용성 향상을 위한 솔루션 202    DTDsquare    산업용 디지털 트윈 플랫폼 204    guardione turbo(가디언 터보)    산업용 AI 솔루션 206    HxGN EAM    제조기업 차세대 설비자산관리솔루션 208    HxGN SDx    스마트 디지털 리얼리티 209    LinkBiz    제조 IT 솔루션 210    NDX PRO    데이터 기반 디지털 트윈 플랫폼 212    NFLOW    입자 시뮬레이션 소프트웨어 215    mago3D    디지털 트윈 플랫폼 216    Nexus    엔지니어링과 생산 협업을 위한 개방 플랫폼 219    Nextspace    3D GIS 디지털 트윈 제작 및 시각화 플랫폼 220    NVIDIA Omniverse(엔비디아 옴니버스)    3D 애플리케이션 개발 플랫폼  222    NX X    클라우드 기반 제품 엔지니어링 솔루션 223    One Total Twin    디지털 트윈 솔루션 225    OCMS    해상공사 통합관리 시스템 226    SynchroSpace    전자·전기·기구 통합 PLM 시스템 228    TROSAR CyberSpace    디지털 블록 기반 확장현실 솔루션 231    Smart Digital Twin    제조에 특화된 디지털 트윈 플랫폼 232    TeamPlus    도면 및 기술정보관리 솔루션  234    TTM 3D TWINS    디지털 트윈 플랫폼 237    Teamcenter X    PLM을 위한 SaaS 솔루션 238    Unity Industry(유니티 인더스트리)    실시간 3D 콘텐츠 제작 및 성장 플랫폼 240    Unreal Engine(언리얼 엔진)    건축, 제조, 영화 등 활용 가능한 게임 엔진 241    Visual Components    3D 시뮬레이션 소프트웨어 242    Universal Plant Viewer    플랜트 운영 및 엔지니어링을 위한 디지털 트윈 244    WAiSER (와이저)    디지털 트윈 구축을 위한 BAS 기반 플랫폼 245    VIZZARDX    대용량 엔지니어링 데이터의 경량 시각화 솔루션 246    OCTOPUS Hub    실시간 데이터 수집 및 분석, 2D/3D 가상화 솔루션 248    디지털 작업절차서 통합 시스템    3D 모델링 기반 작업 절차서 지원 250    3DxSUITE, CADdocor    이기종 시스템 간의 3D 데이터 상호운용성 향상을 위한 솔루션 252    Part 7. 디지털 트윈 관련 업체 리스트     가이아3D / 나인플러스아이티 / 다쏘시스템코리아 / 동양대학교  / 디엑스티 / 로크웰 오토메이션 / 마이링크 / 비아이엠팩토리&한국공항공사 / 소프트힐스 / 씨이랩 / 아마존웹서비스(AWS) / 아브로소프트코리아 / 아이지피넷 / 아이티언 / 알씨케이 / 앤시스코리아 / 에스더블유에스 / 에픽게임즈 / 엔비디아 / 엠아이큐브 / 오토데스크 / 오토폼 / 원프레딕트 / 유니티 / 유비씨 / 이안 / 이에이트 / 이엔지소프트 / 젠스템 / 지멘스 디지털 인더스트리 소프트웨어 / 큐픽스 / 타임텍 / 태성에스엔이 / 팀솔루션 / 포디게이트 / 프라이스워터하우스컨설팅(PWC) / 플랜트에셋 / 한국알테어 / 헥사곤ALI / 헥사곤MI      266    Part 8. 업체별 주요 디지털 트윈 관련 제품 리스트       ----------------------------- 이 책자는 디지털 트윈 관련 저변 확대와 활성화를 위해 온라인과 오프라인에서 판매하고자 합니다.   도서 구입도 가능합니다. 이북은 첨부 파일 누르시면 결제 후 파일 다운로드 가능합니다.  다운로드가 안될 경우 메일로 요청해 주세요   제목 : 디지털 트윈 가이드 이북 결제 완료 에러 파일 요청 구입자명 :  받으실 메일주소 전화번호 :  보내실 곳 : info@cadgraphics.co.kr   ------------------------- 실물 도서로도 구입 가능합니다.  도서 구입하러 가기      

헥사곤 매뉴팩처링 인텔리전스가 포뮬러원(F1) 팀인 오라클 레드불 레이싱과의 혁신 파트너십을 갱신한다고 발표했다. 지난 18년간 오라클 레드불 레이싱과 기술 파트너십을 진행해 온 헥사곤은 첨단 3D 레이저 스캐닝 및 디지털화 솔루션을 제공해 팀이 정상의 자리를 지킬 수 있도록 지원할 계획이다. 양사는 파트너십을 기반으로 지난 2024년 팀 소속 드라이버 맥스 페르스타펜(Max Verstappen)의 월드 드라이버 챔피언십 4연패에 이어 양 사 간의 혁신, 비즈니스 지원 및 성공을 이어갈 것이다. 또한 헥사곤은 파트너십을 확장해 오라클 레드불 심 레이싱(Sim Racing) 팀을 지원하게 된다. 이로써 가상 레이싱과 실제 F1 레이싱 간의 기술적 간극을 좁힐 것으로 기대된다. 이번 파트너십은 2026년 시즌부터 적용되는 F1의 새로운 기술 규정을 앞두고 특히 중요한 의미를 갖는다. 2026년에는 모든 F1 팀이 차량을 완전히 새롭게 설계해야 하는 대대적인 규정 변화가 예정되어 있다. 국제자동차연맹(FIA)은 이러한 변화가 더 민첩하고, 경쟁력 있으며, 안전하고 지속 가능한 레이싱의 시대를 열 것이라고 설명했다. 헥사곤은 오라클 레드불 레이싱이 이러한 규정 변화 속에서도 혁신을 주도하고, 새로운 규정에 최적화된 경쟁력 있는 차량을 개발할 수 있도록 디지털 기술을 지원한다는 계획이다.     헥사곤은 매 시즌 수천 개의 설계 변경이 필요한 F1 환경에서 자사의 품질 검사와 디지털화 기술을 레드불 레이싱의 엔지니어링 과정에 통합했다. 이를 통해 팀은 높은 수준의 속도와 민첩성을 확보할 수 있게 됐다. 헥사곤 기술이 가진 정확성은 F1에서 요구되는 높은 정밀도와 품질을 보장해 신뢰성과 생산성을 실현한다. 또한 헥사곤의 빠른 데이터 수집 능력은 오라클 레드불 레이싱이 경쟁 우위를 유지하고, 신속한 설계 개발에 필요한 신뢰할 수 있는 정보를 확보할 수 있게 한다. 이러한 기술적 혁신 덕분에 오라클 레드불 레이싱은 지난 2년간 부품 결함을 50% 줄이는 성과를 달성했다. 헥사곤의 초고속 3D 스캐닝 기술로 수집된 데이터는 매 경주마다 차량을 재조립할 때 모든 부품이 정확히 조립되도록 보장한다. 이는 FIA 규정에서 요구하는 품질 기준을 충족시키기 위해 필수적인 요소로, 팀이 지출 상한선을 준수하면서도 고도의 정밀도를 유지할 수 있게 한다.  2025년 F1 시즌은 10개 참가팀 중 8개 팀이 시즌 중간에 드라이버를 교체함에 따라, 그 어느 때보다 치열한 경쟁이 예상된다. 이런 상황에서 헥사곤의 3D 레이저 스캐닝 기술과 트랙 사이드 지원은 공기저항을 정밀하게 개선하고, 매 경주마다 팀이 그리드 최전방에 설 수 있도록 정확한 세팅을 보장하는 핵심 역할을 수행한다. 특히 헥사곤의 기술은 차량의 공기역학적 성능을 최적화해 항력(drag)을 줄이고 다운포스(downforce)를 증가시키는 데 기여하고 있다.  오라클 레드불 레이싱의 크리스찬 호너(Christian Horner) CEO 겸 단장은 “헥사곤은 레이싱 팀의 성공에 오랜 기간 핵심적인 역할을 해온 중요한 파트너”라면서, “오라클 레드불 레이싱은 기술 파트너 선정에 매우 신중한데, 헥사곤은 앞으로도 레드불 레이싱의 경쟁력을 뒷받침할 것”이라고 말했다. 헥사곤 매뉴팩처링 인텔리전스의 조쉬 와이즈(Josh Weiss) 글로벌 총괄 사장은 “헥사곤의 첨단 측정 기술은 실제 경기 성과로 이어지는 데 중요한 역할을 해왔다. 양사는 혁신과 탁월함을 추구하는 가치를 공유하고 있으며, 앞으로의 시즌 도전은 물론 2026년부터 시작될 더욱 친환경적이고 역동적인 F1의 새 시대를 함께하게 되어 기쁘다”고 말했다.