로코드를 활용하여 엔지니어링 데이터 분석극대화하기 (5)   지난 호까지 로코드 분석 설루션인 나임(KNIME)을 데스크톱 환경(클라이언트 환경)에서 활용하는 방법을 중심으로 다루었다. 이번 호에서는 연재의 마지막 회로, 클라우드 서버 환경에서의 특징에 대해 살펴보도록 하겠다.   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 윤민영 잘레시아 부장   클라이언트 환경의 한계와 클라우드 설루션의 필요성 직장에서 업무 관점에서 데이터 분석을 하든 역량 향상 관점에서 개인적으로 활용을 하든 로코드 분석 설루션의 클라이언트 환경은 매력적인 것이 사실이다. 더군다나 오픈소스 소프트웨어로 프리 라이선스(free license)를 제공한다는 것은 큰 장점이다. 트라이얼 라이선스(trial license)로 1~2달 동안의 지원을 받고 그 기간에 데이터 분석 설루션의 특징을 파악하는 것은 상당히 어려운 경우가 많다. 물론 벤치마크를 한다든지 이미 충분히 준비된 데이터와 절차를 가지고 집중적으로 설루션의 기능을 탐색하여 아웃풋을 만들어야 하는 경우는 예외적이다. 하지만 대부분의 시민 데이터 과학자(citizen data scientist)는 1~2달 동안 집중적으로 데이터 분석에 매달릴 수 있는 여건이 안된다. 심지어 일주일을 집중적으로 쓰기도 어려울 수 있다. 본인의 주요 업무는 데이터 분석 과학이 아니기 때문에 1~2달의 트라이얼 라이선스를 지원받고도 1~2번 사용해보고 라이선스 지원기간이 종료되기도 한다. 하지만 이때부터는 라이선스 구독(license subscription)을 해야 하는데, 비용 투자에 대한 승인을 받기도 어려워지고 결국 데이터 분석에 대한 희망은 그냥 묻어두게 된다. 오픈소스 소프트웨어의 프리 라이선스는 이러한 장벽을 뛰어넘는데 유용하다. 종종 ‘글로벌 대기업은 R&D 비용이 많아서 라이선스 투자에 관대하고 필요하면 다 구입해 준다’고 생각하는 분들을 만날 때가 있는데, 그동안 만나 본 국내외 유수의 기업에서 풍족한 라이선스 투자를 마음껏 해준다는 이야기를 들어본 적은 거의 없다. 심지어 수년 전에 엔비디아 본사 인원과 협업을 한 적이 있는데, 생각보다 내부에서 오픈소스 소프트웨어를 많이 사용하고 있었고 주요 이유 중에 하나는 비용 절감이었다. 하지만 대규모 오픈소스 소프트웨어를 개발하는 회사는 어떻게 개발 비용을 충당하고 운영을 할 수 있을까? 라는 궁금증이 생기게 된다. 유일한 정답은 아닐 수 있지만, 대부분의 회사에서 클라우드를 포함한 서버 버전은 프리 라이선스가 아니라 라이선스 구독을 받고 있고, 이를 구축하는 비용을 별도로 받는 경우가 많다. 당연한 말이겠지만, 이는 개발과 운영에 많은 리소스가 소요되고 결국 비용이 필요한 일이기 때문이다. 그렇다면 또 다른 의문이 생길 수 있다. 왜 클라우드 또는 서버 버전이 필요한 것일까? 간단하게 핵심을 요약하면, 다른 이들(동료, 부서 등)과의 효율적인 협업과 대98 · 규모 데이터 분석 실행 환경이 필요하기 때문이다.   그림 1   나임 클라우드 환경의 구조와 핵심 이점 나임의 클라우드(서버) 환경은 나임 비즈니스 허브(KNIME Business Hub)라고 불리우고 있는데, 이제부터 나임 비즈니스 허브에 대해 살펴보도록 하겠다. 쉽게 정리해 보면, 나임 애널리틱스 플랫폼(KNIME Analytics Platform)은 기본적으로 개인 PC에 설치해 사용하는 소프트웨어(클라이언트 애플리케이션)이고, 나임 비즈니스 허브는 조직 단위의 데이터 분석 워크플로 협업, 배포 및 모니터링을 위한 서버 플랫폼이다. 나임 애널리틱스 플랫폼과 나임 비즈니스 허브에 대한 관계 구조를 정리해 보면 <그림 1>과 같다. 어렵지 않게 파악할 수 있듯이, 나임 애널리틱스 플랫폼이 사용자(데이터 과학자)와의 접점을 이루고 있고 실행, 배포(deploy) 및 협업(collaboration) 측면은 나임 비즈니스 허브와 연계되어 있다는 것을 알 수 있다. 결국 사용자는 나임 애널리틱스 플랫폼에서 사용하는 환경과 유사하지만, 나임 비즈니스 허브가 필요한 상황에서는 동일한 방식으로 워크플로를 실행하고 데이터 분석을 수행할 수 있다. 그렇다면 나임 비즈니스 허브와 같은 클라우드 서버 환경은 어떤 장점이 있을까? 크게 다섯 가지 관점으로 정리해 볼 수 있다.   데이터 분석 워크플로의 중앙 집중형 관리 데이터 분석 워크플로의 중앙 관리 시스템을 제공하여 팀 내 협업 시스템을 구현할 수 있다. 개인의 로컬 PC에서 워크플로를 관리할 경우 버전 충돌, 중복 작업, 지식 공유의 어려움 등의 문제에 직면하게 된다. 반면 중앙 집중형 관리는 모든 워크플로를 한곳에 저장하고 관리함으로써 구성원이 최신 버전의 분석 로직에 상시 접근하고, 표준화된 분석 프로세스를 공유하며, 효율적인 협업환경을 구축할 수 있도록 지원할 수 있다.(그림 2)   그림 2   데이터 분석 워크플로의 자동화 및 스케줄링 데이터 분석 작업은 주기적으로 반복되거나 특정 조건에 따라 반복 실행되어야 하는 경우가 많다. 클라우드 서버 환경을 통해 분석 워크플로를 사전에 정의된 규칙에 따라 자동으로 실행하고, 특정 시간이나 이벤트에 맞춰 스케줄링을 수행할 수 있다.(그림 3)   그림 3     ■ 기사의 상세 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   디파이(Dify)는 대규모 언어 모델(LLM)을 활용한 에이전트 서비스를 전문적인 코딩 지식 없이 개발하고 효율적으로 운영할 수 있도록 지원하는 LLMOps(대규모 언어 모델 운영) 플랫폼 및 도구이다. 이 도구는 LLM과 같은 개발에 필요한 도구를 팔래트에서 가져와 캔버스에 배치하고, 이들의 작업 흐름을 연결함으로써 손쉽게 AI 에이전트 서비스를 개발할 수 있다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 디파이로 개발된 챗봇 에이전트 예시   디파이는 사용자가 아이디어를 실제 AI 서비스로 신속하게 전환할 수 있도록 설계된 통합 개발 환경을 제공한다. 가장 큰 특징은 복잡한 백엔드(backend) 인프라나 API 연동 과정을 추상화하여, 사용자가 시각적인 인터페이스를 통해 애플리케이션의 핵심 로직과 기능 구현에만 집중할 수 있도록 한 것이다.   기능 소개 디파이의 주요 기능은 다음과 같다. 시각적 프롬프트 오케스트레이션 : 사용자는 텍스트 입력, LLM 호출, 조건 분기, 외부 도구(API) 사용 등의 과정을 블록처럼 연결하여 정교한 워크플로를 설계할 수 있다. 이를 통해 단순한 질의응답을 넘어 복잡한 추론과 작업 수행이 가능한 AI 에이전트를 구축하는 것이 가능하다. RAG(검색 증강 생성) 엔진 : 자체 데이터(PDF, TXT, 마크다운 등)를 업로드하여 AI 모델이 해당 정보를 기반으로 답변하도록 만드는 RAG 기술을 손쉽게 구현할 수 있다. 디파이는 문서 자동 전처리, 벡터화, 청킹(chunking) 등 복잡한 과정을 내부적으로 처리하여 사용자의 부담을 최소화한다. 모델 호환성 및 관리 : 오픈AI(OpenAI)의 GPT 시리즈, 앤트로픽(Anthropic)의 클로드(Claude), 구글의 제미나이(Gemini) 등 20개 이상의 상용 및 오픈소스 LLM을 지원한다. 사용자는 여러 모델을 프로젝트에 등록해두고 특정 작업에 가장 적합한 모델을 선택하거나, A/B 테스트를 통해 성능을 비교 분석할 수 있다. 배포 및 운영 : 개발이 완료된 애플리케이션은 즉시 사용 가능한 웹 API 엔드포인트(endpoint)나 독립적인 웹 사이트 형태(웹앱)로 배포된다. 또한 사용자 피드백 수집, 모델 성능 모니터링, 프롬프트 개선 등 지속적인 운영 및 관리를 위한 대시보드를 제공하여 서비스 품질을 유지하고 발전시키는 데 도움을 준다. 더 자세한 정보는 디파이 공식 웹사이트(https://dify.ai)에서 확인할 수 있다.   개발 배경 디파이는 2023년 5월에 설립된 랭지니어스(LangGenius, Inc.)에 의해 개발되었으며, 생성형 AI 기술의 급격한 발전 속에서 LLM을 실제 비즈니스에 적용하려는 수요와 기술적 장벽 사이의 간극을 메우기 위해 탄생했다. 초기 LLM 애플리케이션 개발은 파이썬(Python) 라이브러리인 랭체인(LangChain)이나 라마인덱스(LlamaIndex) 등을 활용하는 개발자 중심의 영역이었다. 하지만 이는 프롬프트 엔지니어링, 벡터 데이터베이스 관리, API 연동 등 상당한 전문 지식을 요구했다. 랭지니어스 팀은 이러한 기술적 복잡성이 AI 기술의 대중화와 비즈니스 혁신을 저해하는 주요 요인이라고 판단했다. 이에 따라 기획자, 디자이너, 마케터 등 비개발 직군도 직접 AI 서비스를 만들고 테스트할 수 있는 직관적인 플랫폼을 목표로 디파이를 개발했다. 특히, 모든 소스코드를 공개하는 오픈소스 전략을 채택하여 개발자 커뮤니티의 참여를 유도하고, 데이터 보안에 민감한 기업이 자체 서버에 직접 설치(self-hosting)하여 사용할 수 있도록 유연성을 제공했다. 디파이의 소스코드는 깃허브 저장소(https://github.com/langgenius/dify)에서 확인할 수 있다.   유사 도구 디파이와 유사한 기능을 제공하는 AI 개발 플랫폼은 다수 존재하며, 각각의 도구는 고유한 특징과 목표 시장을 가지고 있다. 플로와이즈AI(FlowiseAI) : 디파이와 마찬가지로 노드를 연결하여 LLM 기반 워크플로를 구축하는 오픈소스 플랫폼이다. UI/UX 측면에서 더 개발자 친화적인 경향이 있으며, LangChain.js를 기반으로 하여 자바스크립트(JavaScript) 생태계와의 통합이 용이하다는 장점이 있다.(https://flowiseai.com) 보이스플로(Voiceflow) : 주로 대화형 AI, 특히 음성 기반 챗봇 및 어시스턴트 제작에 특화된 로코드 플랫폼이다. 시각적인 대화 흐름 설계 도구가 강력하며, 프로토타이핑부터 실제 배포까지 전 과정을 지원하여 고객 서비스 자동화 분야에서 많이 사용된다.(https://www. voiceflow.com) 버블(Bubble) : 웹 애플리케이션 개발을 위한 대표적인 노코드 플랫폼이다. AI 기능이 내장된 것은 아니지만, 높은 유연성과 확장성을 바탕으로 디파이나 오픈AI에서 제공하는 API를 연동하여 복잡한 웹 서비스 내에 AI 기능을 통합하는 방식으로 활용될 수 있다.(https://bubble. io) n8n : 워크플로 자동화에 중점을 둔 오픈소스 도구이다. AI 기능보다는 수백 개의 다양한 서드파티 애플리케이션(예 : 구글 시트, 슬랙, 노션)을 연결하여 데이터 동기화 및 업무 자동화를 구현하는 데 강점을 보인다.(https://n8n.io)     ■ 기사의 상세 내용은 PDF로 제공됩니다.

  INFOWORLD   Editorial 17　2026년, AI는 ‘증명’의 심판대에 오른다   Case Study 18　인프라 프로젝트에 실시간 시각화 기술 활용한 에이프리　대규모 데이터를 효과적으로 시각화해 커뮤니케이션 개선 20　세이코 엡손의 로봇 시뮬레이션 소프트웨어 업그레이드　첨단 3D 엔진으로 시뮬레이터 개발의 효율 향상   Hot Window 23　RBDO, 데이터 시대에 무결점 설계를 향해 / 최병열 28　입자 기반 다중물리 해석 설루션의 개발과 진화 / 서인수   Focus 32　PTC, “제조 산업의 라이프사이클을 AI로 혁신한다” 34　AI 시대의 경쟁력을 위한 열쇠는 데이터 전략에 있다   People&Company 37　지멘스 디지털 인더스트리 소프트웨어 존 폭스 마케팅 부사장　디자인센터 솔리드 엣지, 브랜드 통합과 AI로 제품 설계 효율 높인다 40　OSC모듈러산업협회 김인한 회장　현장 노동에서 공장 제조로… 건설 산업의 패러다임 혁신 이끌 것 42　콘택트 소프트웨어 칼 하인츠 자크리스 CEO　제조 경쟁력을 위한 PLM 플랫폼 및 한국 맞춤형 성공 모델 구축 추진   On Air 44　캐드앤그래픽스 CNG TV 지식방송 지상중계　“설계자는 해석을 못한다?”… 단순화 노하우로 해석 진입장벽 낮춰 45　캐드앤그래픽스 CNG TV 지식방송 지상중계　설계 가능한 인과 기반 AI : 지식조립공장의 시대가 온다 46　캐드앤그래픽스 CNG TV 지식방송 지상중계　생성형 AI 영상 제작 기술의 변화와 제작 노하우… 낙서가 영화가 되는 시대   Column 47　디지털 지식전문가 조형식의 지식마당 / 조형식　AI 시대의 인류 생존 전략과 새로운 불의 발견 50　현장에서 얻은 것 No. 25 / 류용효　나의 비서 – AI 활용 점수는?   52　이달의 신제품   Directory 115　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 54　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (10) / 최하얀　설계 협업의 패러다임을 바꾸는 트리니티 58　새로워진 캐디안 2026 살펴보기 (2) / 최영석　스마트 치수 63　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　코딩 없는 LLM 기반 에이전트 개발 도구, 디파이   Mechanical 66　전기 설계에서 AI 활용의 의미 그리고 위기와 기회 / 구형서　AI 시대의 새로운 제사장, 정보 권력의 재구성 71　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (6) / 김주현　서피스 모델 생성하기   Manufacturing 80　산업 디지털 전환을 가속화하는 버추얼 트윈 (10) / 김수훈　디지털 연속성의 시대, 기준 정보가 이끄는 AR 현장의 진화   Analysis 83　심센터 HEEDS 더 깊게 살펴 보기 (1) / 이종학　심센터 HEEDS 커넥트와 MBSE 방법론 90　앤시스 워크벤치를 활용한 해석 성공 사례 / 이광희　10분만에 이해하는 열전달 메커니즘 94　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스IT　산업 전반에 걸친 고충실도 CFD 시뮬레이션의 잠재력 98　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (5) / 윤경렬, 윤민영　데이터 분석 로코드 설루션을 클라우드로 확장해 보자 102　설계, 데이터로 다시 쓰다 (4) / 최병열　Hello World 110　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (3) / 오재응　다양한 도메인에 통합 적용되는 MBSE         캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

지능형 에지 소프트웨어를 제공하는 윈드리버가 엔터프라이즈 고객들을 위해 자사 데이터센터 내에서 서비스나우 AI 플랫폼(ServiceNow AI Platform)을 직접 호스팅할 수 있는 신규 설루션을 발표했다. 이 설루션은 윈드리버 클라우드 플랫폼(Wind River Cloud Platform)을 기반으로 하며, 기업이 온프레미스 환경에서 서비스나우 애플리케이션을 배포·확장·업그레이드·관리할 수 있도록 지원한다. 이를 통해 프라이버시, 데이터 거버넌스, 운영 제어를 강화하는 동시에 다양한 산업군과 사용 사례에 유연하게 대응할 수 있다는 것이 윈드리버의 설명이다. 윈드리버 클라우드 플랫폼은 가상화 및 컨테이너화된 애플리케이션을 위한 온프레미스 오픈소스 프라이빗 클라우드 설루션이다. 대규모 확장성과 고가용성을 위해 설계되었으며, 복잡한 클라우드 아키텍처를 엔터프라이즈 환경에서도 쉽게 배포·운영할 수 있도록 지원한다. 컨테이너와 VM 워크로드를 지원하는 프로덕션급 분산형 쿠버네티스(Kubernetes) 기반을 제공하며, 오케스트레이션·자동화·분석 도구가 통합되어 운영 효율성과 서비스 제공 속도를 높인다. 서비스나우 AI 플랫폼은 워크플로 자동화를 위한 다양한 AI 기반 엔터프라이즈 비즈니스 애플리케이션, 고성능 데이터베이스, 로코드/노코드 개발 도구를 포함한 클라우드 기반 플랫폼이다. 다양한 비즈니스 기능과 핵심 시스템을 단일 플랫폼으로 연결해 워크플로를 디지털화하고, 기존 기술 투자의 가치를 극대화하며, 비용 절감 및 핵심 비즈니스 프로세스의 혁신을 실현한다.     서비스나우와 통합된 윈드리버 클라우드 플랫폼은 보안성과 성능, 컴플라이언스를 모두 확보한 온프레미스 AI 환경을 제공한다. 실시간 데이터 처리 및 자동화를 통해 데이터 주권 요건 충족, 지연시간 단축, 운영 회복력 강화를 실현하며, 운영 인텔리전스와 에이전틱 AI(agentic AI) 기능을 확장하여 데이터 분석, 이상 감지, 자율적 조치 실행을 지원한다. 이를 통해 기업은 보다 신속하고 적응적인 의사결정을 가능하게 한다. 윈드리버와 서비스나우의 통합 설루션이 제공하는 주요 이점은 ▲서비스나우 AI 플랫폼의 자동 활성화 ▲지능형 라이프사이클 관리 ▲데이터 및 인프라의 주권형 통제 ▲에지의 실시간 성능 ▲통합 인프라 기반 등이다. 통합 설루션은 서비스나우 AI 플랫폼의 수동 설치 단계를 제거해 온프레미스 환경에서 신속하게 배포 가능하며, IT팀의 복잡도를 줄이고 가치 실현 속도를 높인다. 그리고 윈드리버의 고급 오케스트레이션 및 자동화 기술을 활용해 애플리케이션 업그레이드 및 업데이트를 원활하게 수행한다. 또한 워크로드를 로컬 환경에 유지해 컴플라이언스·데이터 거주·거버넌스 요건을 충족하며, 규제 산업 및 민감한 환경에 적합하다. 이외에도 데이터 소스 근처에서 처리해 지연시간을 최소화하고, 응답성을 높이는 한편 가용성, 안정성, 서비스 품질을 강화한다. AI 및 자동화부터 운영 시스템에 이르기까지 안전하고 확장 가능한 프라이빗 클라우드 기반에서 다양한 애플리케이션을 지원한다는 점도 내세운다. 윈드리버 클라우드 플랫폼은 엔터프라이즈 및 미션 크리티컬 워크로드를 위한 프라이빗 클라우드 기반을 제공한다. 서비스나우 AI 플랫폼뿐만 아니라 다양한 엔터프라이즈 워크로드를 동일 인프라에서 구동하게끔 지원하는 윈드리버 클라우드 플랫폼을 통해 기업에서는 성능, 보안, 효율성을 확보하는 동시에 데이터 주권 및 규제 요건을 충족할 수 있으며, IT/OT 융합, 하이브리드 클라우드 구축 등 고도화된 활용 사례를 구현할 수 있다. 윈드리버의 산딥 모드바디아 제품 총괄 책임자는 “데이터 통제, 컴플라이언스, 운영 민첩성에 대한 수요가 높아짐에 따라 IT와 OT의 융합, 그리고 주권형 프라이빗 클라우드는 이제 선택이 아닌 필수”라고 말하며, “이번 설루션은 윈드리버와 서비스나우가 함께 디지털 워크플로와 실시간 운영 환경을 통합하면서도, 규제 환경 속에서도 데이터와 인프라에 대한 완전한 통제권을 유지할 수 있도록 돕는다”고 덧붙였다. 서비스나우의 마이클 박 글로벌 파트너십 및 채널 담당 수석부사장은 “지능형 시대로 전환하는 기업이라면 비즈니스의 모든 계층에 사이버보안과 회복탄력성을 내재시켜야 한다”고 설명하며, “서비스나우 AI 플랫폼 기반의 윈드리버 클라우드 플랫폼은 기업이 위험을 선제적으로 관리하고, 컴플라이언스 워크플로를 간소화하며, 안정적으로 운영을 보호할 수 있도록 지원한다. 양사는 신뢰 기반의 확장 가능한 디지털 생태계를 구축하는 데 AI를 실질적으로 활용하고 있다”고 말했다.

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4)   지난 호에서는 로코드 분석 설루션인 나임(KNIME)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 완성해 보았다. 나임을 활용해 코딩에 크게 의존하지 않으면서 비교적 쉽고 간단하게 데이터 분석을 수행할 수 있다는 것을 확인해 볼 수 있었다. 이번 호에서는 전형적인 데이터 분석 유형과는 좀 다른 과제에 도전해 보고자 한다.   ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 김도희 잘레시아 DX 프로   대부분의 데이터 분석 과제는 데이터를 수집하고 정리하고 가공하는 과정이 복잡하고 어려운 경우가 많다. 특히 데이터에 대한 구조와 규칙을 이해하고 이를 정제하는 과정은 중요하지만 업무 성과로서 크게 돋보이지도 않는 경우도 종종 있다. 하지만 일단 제대로 정리해놓고 나면(전처리) 데이터를 활용하여 중요한 정보를 얻을 수도 있고 핵심적인 인사이트를 찾는 것도 용이할 수 있다. 어떤 면에서 진정한 데이터 분석 워크플로의 핵심 노하우는 머신러닝 분석 기술을 사용했는지가 아니라 데이터 전처리를 어떻게 수행해 왔는지에 달라질 수 있다고도 볼 수 있다. 그래서 이번 호에서는 다소 복잡해 보일수도 있지만 차량 부품(프런트 범퍼 빔) 파트에 대한 시뮬레이션 데이터 정리를 나임을 통해 정리해 나가는 방법을 보여주고자 한다. 분석 영역 : 차량 범퍼 빔(bumper beam) 파트 분석 데이터 : 시뮬레이션(CAE) 모델 데이터 유형 : NASTRAN(진동소음해석 분석을 위해 사용하는 솔버 포맷)  데이터 분석 목표 : 면적(area) + 체적(volume) 구하기   그림 1   시뮬레이션(CAE) 모델 및 나스트란(NASTRAN)에 대한 자세한 설명은 이번 호 내용의 범위를 벗어나기 때문에 넘어가도록 하겠다. <그림 1>의 차량 범퍼 빔 파트 모델은 삼각형 요소(tria element)와 사각형 요소(quad element)로 구성되어 있는데 상대적으로 삼각형 요소가 적으므로(26개) 삼각형 요소에 대한 면적을 구하는 과정을 진행해 보도록 하겠다.   그림 2   차량 범퍼 빔 파트 모델을 나스트란 포맷으로 익스포트(export)해 보면 <그림 3>과 같은 텍스트 형식으로 출력이 된다는 것을 알 수 있다. 노트패드++(Notepad++)같은 텍스트 에디터 소프트웨어를 통해 파일을 오픈할 수 있다. 설명을 용이하게 하기 위해 실제 데이터에서 일부만 샘플로 추출한 내용으로 설명하도록 하겠다. 참고를 위해 나스트란 데이터에 대한 설명을 간결하게 진행해 보자. GRID는 3차원 공간상의 점(point/node)을 나타내는 것으로 ID/좌표 X/좌표 Y/좌표 Z로 구성되어 있다.  CTRIA3는 공간상의 삼각형 요소를 나타내는 것으로 ID/PSHELL ID/GRID ID1/GRID ID2/GRID ID3로 구성되어 있다.  CQUAD4는 공간상의 사각형 요소를 나타내는 것으로 ID/PSHELL ID/ GRID ID1/GRID ID2/GRID ID3/GRID ID4로 구성되어 있다.  PSHELL은 요소들(elements)이 속한 그룹에 대한 정보로 ID/ MAT1 ID/두께 등의 정보로 구성되어 있다.  MAT1은 PSHELL이 속한 재질(material)에 대한 정보를 담고 있는 것으로 ID/탄성계수(elastricity)/포아송비(poisson ratio)/밀도(density)로 구성되어 있다. 나임을 실행하고 나서 처음으로 해야 할 일은 데이터를 불러오는 것이다. 지난 연재에서 설명한 것과 같이 CSV Reader 노드를 사용하면 편리하다.   그림 3   그림 4   그림 5     ■ 자세한 기사 내용은 PDF로 제공됩니다.

  INFOWORLD   Editorial 17　AI와 CAE의 융합, ‘지능형 시뮬레이션’ 시대를 연다    Hot Window 18　말하면 설계하는 시대를 향해 – AI로 그리는 설계의 미래 / 한명기 21　리얼타임을 통한 디지털 트랜스포메이션의 진화 / 권오찬   Focus 26　AWS, 산업 혁신 이끄는 AI 에이전트 비전과 전략 공개 28　AEC/MFG 산업의 미래는? 지더블유캐드코리아, CAD/CAM/CAE 통합 플랫폼 비전 제시 30　유니티, “게임 엔진 넘어 AI·디지털 트윈 시대의 산업 기반 기술로”   Case Study 33　핵융합 실험을 위한 3D 시뮬레이션 플랫폼 개발　유니티로 구현한 핵융합 디지털 트윈, V-KSTAR 36　인더스트리 4.0을 위한 로봇 예측 유지보수의 발전 / 이웅재　디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   People&Company 40 　지더블유캐드코리아 최종복 대표이사　CAE·PDM까지 라인업 확장… ‘가성비’ 넘어 AI·성능으로 승부   New Product 42　HP Z2 미니 G1a 리뷰 / 이민철　BIM 엔지니어의 실무 프로젝트 성능 검증 50　3D 설계 환경에 통합된 전문 CAE 시뮬레이션　ZW3D Structural & Flow 54　접촉·포스 성능 향상 및 MFBD 후처리, 산업별 툴킷 기능 강화　리커다인 2026 57　실시간 3D 시각화 워크플로의 생산성 향상　트윈모션 2025.2 74　이달의 신제품   On Air 62　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI와 BIM의 융합, 건축 설계의 패러다임을 바꾸다 64　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 산업에서의 사이버 보안과 위기 상황 대응 방안 65　캐드앤그래픽스 CNG TV 지식방송 지상중계　시뮬레이션의 미래 : AI와 디지털 트윈이 주도하는 제조 혁신   Column 66　디지털 지식전문가 조형식의 지식마당 / 조형식　인공지능 시대의 서바이벌 노트 : 인공지능 마인드세트와 원칙 69　현장에서 얻은 것 No. 23 / 류용효　나만의 AI 에이전트 필살기 Ⅲ – 본질에 집중하는 삶   76　New Books 78　News   Directory 147　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 81　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　코드로 강력한 수학 그래픽 애니메이션을 만드는 매님 84　새로워진 캐디안 2025 살펴보기 (12) / 최영석　유틸리티 기능 소개 Ⅹ 88　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (8) / 천벼리　아레스 커맨더의 동적 블록과 트리니티 블록 라이브러리   Reverse Engineering 91　시점 – 사물이나 현상을 바라보는 눈 (11) / 유우식　무엇을 믿을 것인가?   Mechanical 98　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (4) / 박수민　모델 기반 정의 개선사항   Analysis 104　앤시스 워크벤치를 활용한 해석 성공 사례 / 장형진　앤시스 LS-DYNA S-ALE를 활용한 폭발 성형 해석 방법 108　최적화 문제를 통찰하기 위한 심센터 히즈 (9) / 이종학　프로세스 자동화 Ⅳ – 다물리 시스템 최적화 118　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (27) / 나인플러스IT　차세대 다중물리 CFD 설루션의 ‘4A’ 122　설계, 데이터로 다시 쓰다 (2) / 최병열　DX 시대에서 AX 시대로 126　로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4) / 윤경렬, 김도희　로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 132　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (1) / 오재응　디지털 모델 중심 시스템 설계로의 전환 전략   Manufacturing 138　자율제조를 위한 데이터 표준화와 사이버 보안 강화 전략 (2) / 차석근　산업 사이버 위협을 돌파하기 위한 IEC 62443   PLM 144　산업 디지털 전환을 가속화하는 버추얼 트윈 (8) / 이희라　부품 공용화 및 표준화를 위한 AI 기반 3D 형상 분석 설루션     캐드앤그래픽스 2025년 11월호 목차 - 산업 디지털 전환을 위한 실시간 시각화 및 AI 설계 기술 from 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (3)   지난 호에서는 로코드 분석 솔루션인 KNIME(나임)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 진행해 보았다. KNIME을 통해 ‘데이터 불러오기’와 ‘데이터 병합’에 대한 분석을 진행하였다. 이를 통해 KNIME이 어떻게 동작하는지 그리고 어떻게 데이터 분석을 시작할 수 있는지 대략적으로는 파악할 수 있었을 것으로 생각하고 있다. 이번 호에서는 지난 호에 이어서 나머지 전력 판매량 예측 따라하기 부분을 완성해 보도록 하겠다.   ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 김도희 잘레시아 DX 프로   규칙 엔진과 데이터 전처리   그림 1   우선 진행해야 할 부분은 Rule Engine(규칙 엔진)이다. Rule Engine이 무엇이고 어떤 데이터 노드인지 알아보자.   그림 2   KNIME 왼쪽 상단의 info 탭을 클릭해서 Rule Engine에 대한 설명을 찾아보도록 하자. 대략의 내용을 읽어보면 Rule Engine은 사용자가 정의할 수 있는 규칙(Rule) 목록을 설정하는 기능인데, 해당 규칙에 매칭이 이루어지면 칼럼(Column)이 새롭게 추가된다. 여기서 규칙은 해당 라인(line)별로 정의되어야 하며, 해당 칼럼은 $name$로 표현되어야 한다.   그림 3   Rule Engine을 통해 시간대별 발전량에서 발전량이 있는 경우를 1, 없는 경우를 0으로 분류하고 ‘is_y_positive’라는 칼럼을 생성하였다. Rule은 $9H$ > 0 => 1로 설정하면 되고, Append column = is_y_positive로 입력한다.   그림 4   노드를 실행(Excute)해 보면 ‘is_y_positive’라는 칼럼이 추가된 것을 알 수 있다.   그림 5   이제 is_y_positive 컬럼이 추가되었으니, 우선 발전량이 있는 경우와 없는 경우로 나누어 각각 얼마나 되는지 카운트해보자.(Value counter 노드)   그림 6   노드를 실행(Excute)해보면 <그림 7>과 같이 발전량이 없는 경우가 12건이 있고, 발전량이 있는 경우는 1448건이라는 것을 알 수 있다.   그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.