인텔은 클라우드 환경에서 동급 인텔 프로세서 중 가장 높은 성능과 가장 빠른 메모리 대역폭을 제공하는 P-코어를 탑재한 인텔 제온 6 프로세서(Intel Xeon 6 processors with P-cores) 기반의 신규 EC2(Amazon Elastic Compute Cloud) R8i 및 R8I-플렉스 인스턴스를 아마존웹서비스(AWS)에서 출시한다고 밝혔다. 이번 새로운 인스턴스는 인텔과 AWS 간 수년간 협력을 바탕으로, 확장성, 비용 효율성 및 고성능 클라우드 인프라를 추구하는 고객에게 최신 실리콘 혁신과 밀접하게 통합된 소프트웨어 최적화를 제공한다. 기업의 실시간 데이터 처리, 인공지능(AI), 컴플라이언스 집약적인 워크로드 활용이 점점 늘어남에 따라, 유연한 고성능 클라우드 인프라에 대한 필요도가 더 높아졌다. 인텔은 제온 6 프로세서가 전문적인 가속기에 대한 의존도를 최소화하면서 유연한 다목적 컴퓨팅 플랫폼을 제공하며, 다양한 활용 사례에 대한 배포 및 관리를 간소화해준다고 설명했다.     새로운 제온 6 기반 인스턴스의 주요 특징은 ▲고집적도 컴퓨팅 ▲ 클라우드 상에서 가장 빠른 DDR5 지원 ▲ 내장형 AI 가속 ▲인텔 QAT(QuickAssist Technology) 등이다. 제온 6는 재설계된 코어 아키텍처와 향상된 파이프라인, 더 많은 코어 수를 통해 성능과 스레드 확장성을 향상시켰다. 이를 통해 AWS는 최대 96xlarge와 같은 대규모 인스턴스 크기를 제공해 고객이 워크로드에 필요한 컴퓨팅 자원을 더욱 높은 집적도로 활용할 수 있도록 지원한다. 신규 인스턴스는 DDR5 메모리 속도 최대 7200 MT/s를 지원하며 분석, 머신러닝(ML), 인메모리 데이터베이스에 적합한 고대역폭 메모리 및 낮은 지연 시간을 제공한다. 또한, 인텔 AMX(Intel Advanced Matrix Extensions)를 통합해 AI 추론 및 머신러닝 성능을 최대 2배 향상시키며, 외부 가속기 사용 필요성을 줄이고 배포를 간편하게 한다. 이외에도 하드웨어 가속화된 암호화 및 압축을 지원하여 CPU 리소스를 절감하고, 금융, 의료, 공공 애플리케이션 등 보안에 민감하거나 규제 대상인 워크로드 성능을 향상시킨다. 인텔은 프로세서 마이크로아키텍처와 펌웨어 튜닝부터 하이퍼바이저 튜닝, 가상화, 소프트웨어 프레임워크에 이르기까지 스택(stack)의 모든 계층을 아우르는 최적화를 진행했다. 고객들은 이러한 통합을 통해 AWS의 글로벌 인프라 전역에서 제온 6의 성능을 최대한 활용할 수 있다. 인텔은 이번 협력으로 AWS 및 더 광범위한 클라우드 생태계에서 핵심 기술 제공 기업으로서의 입지를 강화할 수 있을 것으로 기대하고 있다. 개발자, 데이터 사이언티스트, IT 리더들이 보다 빠르고 효율적으로 혁신하고, 규모를 확장하며, 서비스를 배포할 수 있도록 지원하겠다는 것이다. AWS의 니샨트 메타(Nishant Mehta) EC2 제품 관리 부사장은 “고객들은 가장 요구도가 높은 워크로드 속도에 맞춘 인프라가 필요하다”면서, “인텔과의 협력을 통해 새로운 아마존 EC2 R8i 및 R8i-플렉스 인스턴스는 전 세대 대비 메모리 대역폭은 2.5배 더 향상되었고 가격 대비 성능은 15% 더 우수하다. 이는 고객이 성능을 극대화하면서 비용을 절감할 수 있도록 지원하는 혁신”이라고 말했다. 인텔의 로낙 싱할(Ronak Singhal) 선임 펠로우는 “인텔 제온 6 프로세서로 구동되는 8세대 EC2 인스턴스 출시는 AWS와의 협업에서 중요한 이정표”라며, “인텔과 AWS는 AI 가속화, 메모리 성능 향상, 쉬운 배포를 통해 고객이 인사이트를 빠르게 얻고 강력한 투자수익률(ROI)을 달성할 수 있도록 지원하는 인프라를 함께 구축했다”고 밝혔다.

PLM 전략 경영 컨설팅 및 리서치 기업인 심데이터(CIMdata)는 ‘심데이터 시뮬레이션 및 해석(S&A) 시장 분석 보고서’를 발표한다고 밝혔다. ‘심데이터 2025 PLM 시장 분석 보고서 시리즈’의 일부로 수행된 S&A 시장 분석을 확장한 이 보고서는 전 세계 S&A 시장을 다양한 차원에서 상세히 설명한다. 또한 심데이터의 S&A 시장 세분화에 대한 업데이트, S&A 산업의 동향에 대한 논의, 상위 S&A 설루션 공급업체에 대한 최신 정보를 포함한다. 심데이터 보고서에 따르면, 2024년 전 세계 시뮬레이션 및 해석 시장 매출은 2023년의 100억 달러(약 13조 9000억 원)에서 8.8% 증가한 109억 달러(약 15조 1510억 원) 규모로 나타났다.  심데이터는 PLM 시장 전체가 강력한 성장을 지속할 것으로 보았는데, 이 중 S&A 부문은 2025년에 10.7% 성장하여 매출 규모가 120억 달러(약 16조 6800억 원)를 약간 넘을 것으로 전망했다.     또한, 이번 보고서에서는 2024년 업계를 근본적으로 재편한 세 가지 핵심 동향으로 ▲EDA(전자 설계 자동화)와 S&A의 통합 ▲인공지능(AI)/머신러닝(ML) 통합의 부상 ▲ 디지털 트윈의 성숙 등을 꼽았다. 전자 및 반도체 시스템은 더 이상 특정 산업 영역이나 응용 분야에 국한되지 않고, 모든 신제품 및 프로세스 개발의 중심 부분이 되고 있다. 이러한 핵심적인 산업 수요에 따라, EDA 설루션 공급업체들은 ‘실리콘에서 시스템까지’ 아우르는 소프트웨어 스택 비전을 실현하기 위해 빠르게 움직이고 있다. 물리 기반 시뮬레이션 기술은 이들 제품의 핵심적인 부분으로 자리 잡고 있다. AI와 머신러닝 기능은 오랫동안 시뮬레이션 워크플로에 내장되어 주로 배경적인 역할을 수행해 왔다. 그러나 GPU 컴퓨팅 발전과 생성형 AI가 불러일으킨 큰 관심에 힘입어, 신생 스타트업과 기존 설루션 공급업체 모두 시뮬레이션 워크플로를 재창조하고 있다. 여기에는 과거의 시뮬레이션 및 테스트 데이터를 사용한 모델 개발(핵심 머신러닝), 훈련 시간 및 데이터 요구사항을 줄이기 위한 물리 정보 AI 훈련 방법 사용, 기하학적 딥러닝을 기본 구성 요소로 활용하는 것 등이 포함된다. 많은 기업이 ‘파운데이션 모델’을 개발하려 시도하고 있으며, 이를 통해 완전히 훈련된 모델을 사용한 추론으로 시뮬레이션의 패러다임을 전환하고 있다. 디지털 트윈 기술은 개념적 아이디어에서 여러 산업에 걸친 실질적인 구현 단계로 발전했다. 시뮬레이션 및 해석은 디지털 트윈의 기본 요소로서, 예측 통찰력에 필요한 물리 기반 모델링을 제공한다. 기업은 예측 유지보수 및 가상 시운전과 같은 응용 분야에 디지털 트윈을 활용하여 제품 운영과 설계 간의 폐순환(closed-loop) 시스템을 구축하고 있다.

델 테크놀로지스가 아시아 태평양 지역 기업의 인공지능(AI) 도입 동향을 분석한 보고서의 내용을 소개했다. 이번 보고서에서는 아태지역에서 AI 도입이 빠르게 확산하고 있지만, 전문 인력 부족과 데이터 관련 문제는 여전한 과제라고 분석했다. 델 테크놀로지스와 엔비디아의 후원으로 진행된 IDC 인포브리프 ‘AI 구현을 위한 전략적 계획 수립’ 보고서는 2023년 8월부터 2024년 8월까지 아태지역의 여러 산업에 걸쳐 최대 919명의 응답자를 대상으로 한 IDC의 여러 데이터 소스 및 설문조사를 기반으로 작성됐다. 이 조사는 AI, 생성형 AI 및 ML 도입 동향, 과제 및 구현에 대한 전략적 접근 방식을 평가했다. 보고서에 따르면 아태지역에서 AI, 생성형 AI, 머신러닝 기술의 채택이 빠르게 확산되며 비즈니스 혁신을 이끌고 있다. AI를 위한 서버 시장은 2025년까지 239억 달러(약 32조 5000억 원) 규모에 이를 전망이다. 생성형 AI에 대한 투자도 늘고 있다. 올해 아태지역 기업의 84%는 생성형 AI에 100만 달러에서 200만 달러(약 13억 원~27억원)를 투자할 계획이다. 아태지역 기업들은 AI 예산의 38%를 생성형 AI에 할당하는 것으로 나타났는데, 이는 전 세계 기업의 33%에 비해 높은 수치이다.  특히 한국은 AI 도입에 더욱 적극적인 것으로 나타났다. 국내 기업 32%가 이미 AI를 직무에 도입했거나 경쟁우위의 핵심으로 인식하고 있었다. 이는 아태지역 평균인 24%를 웃도는 수치다. 반면 자사의 AI 역량이 초기 단계에 머물러 있다고 답한 비율은 26%로, 아태지역 평균(31%)보다 낮았다. 보고서는 아태지역의 빠른 AI 성장세에도 불구하고 인재 부족, 데이터 준비 현황, 복잡한 시스템 구성 등의 문제가 남아있다고 짚었다. 숙련된 AI 인재 부족은 시장 경쟁을 심화시키고 비용 상승을 유발하고 있다. AI 숙련도 격차는 디지털 전환 속도를 늦추고, 제품 개발을 더디게 하는 한편 품질 결과에 영향을 미칠 수 있다. 이 외에도 증가하는 IT 비용, 정부 규제, 데이터 보안 문제 등이 AI 도입을 가로막는 주요 원인으로 꼽혔다. 이러한 문제를 해결하기 위해 많은 기업이 외부 전문가와 협력하고 있었다. 아태지역 응답자의 60%는 외부 개발자에 의존해 AI 애플리케이션을 개발하고 있다. 자체 개발하는 경우는 30%에 그쳤고, 약 10%는 상용 AI 설루션을 사용하고 있는 것으로 나타났다. 여러 어려움에도 불구하고, 응답 기업들은 생성형 AI가 운영 효율 향상, 고객 만족도 개선, 새로운 비즈니스 모델 창출을 이끌 수 있기 때문에 투자할 가치가 있다고 판단했다.  아태지역 기업들은 영향력이 높고 도입 효과를 측정하기 용이한 사용 사례들를 우선적으로 도입하며 단계적 접근 방식을 취하고 있다. 또한, AI가 산업 전반에 빠르게 스며들고 있는 것으로 나타났다. 금융, 제조, 에너지, 헬스케어, 소매 등 다양한 분야에서 AI를 활용한 혁신이 진행 중이다. 특히 제조산업에서는 공급망 최적화와 예측 유지보수, 품질 관리 등에 AI를 사용하고 있다. AI 기반의 수요 예측 및 실시간 생산 모니터링은 다운타임을 줄이고, 낭비를 최소화하며, 운영 정밀도를 높일 수 있도록 돕는다. 보고서에 따르면 제조업체 응답자의 52%는 생성형 AI가 18개월 내에 이 부분을 혁신할 것이라고 답했다. 자동화된 생산, 예측 리드 스코어링 및 디지털 트윈 모델을 가속화하여 스마트 제조와 민첩하고 고정밀 생산 라인을 발전시킬 것이라는 전망이다. 한국 델 테크놀로지스의 김경진 총괄사장은 “한국을 포함한 아태지역은 AI 도입과 혁신을 선도할 엄청난 잠재력을 보유하고 있다. 이제 기업들은 개념 검증(POC)을 넘어 측정 가능한 투자 수익률(ROI) 달성에 집중해야 할 때”라고 말했다. 그리고 “일관된 ROI를 달성하는 과정은 복잡하며, 전략, 사용 사례 개발, 데이터 준비, 거버넌스, 최적화, AI 구현 확장 등 모든 단계에서 포괄적인 지원이 필요하다. 델 테크놀로지스와 같은 전문 파트너의 지원을 통해 기업들은 도입 장애물을 극복하고 AI 성과를 달성하는 길을 가속화할 수 있다”고 덧붙였다.  

전력 계측 및 AI 기반 모터 진단 솔루션 전문기업, 엔텍시스템   산업 현장에서 고장이나 생산이 중단될 수 있는 상황을 미리 예측해, 장비 가동 중지 등의 사태를 막는 예지보전의 중요성이 높아지고 있다. AI 기반 산업 진단 기술 전문기업 엔텍시스템(www.nteksys.com)은 전력 계측과 모터 진단 분야에서 20년 이상 축적된 기술력으로 산업 설비의 안전성과 효율성을 높이는 데 앞장서고 있다.   엔텍시스템 김영식 부사장   산업 현장의 숨은 위험 신호, AI가 먼저 알아챈다 2002년 설립된 엔텍시스템은 전력 계측 및 AI 기반 모터 진단 솔루션을 전문으로 제공하는 기술 기업이다. 전기 신호 분석과 머신러닝 기술을 융합해 설비의 이상을 조기에 탐지하고, 운영 최적화를 유도하는 ‘AI 예지정비’ 분야에서 독자적 위치를 구축해왔다. 주요 제품으로는 ▲멀티채널 미터(GEMS 3500 시리즈) ▲AI 모터 진단 시스템(GEMS 5500 시리즈) ▲전기실 온라인 진단 시스템(EMS) 등이 있다. 이 중 멀티채널 미터는 수배전반의 인입 및 분기 회로를 동시에 고정밀 측정하여 에너지 효율과 전력 품질 감시에 활용되고, AI 모터 진단 솔루션은 전기 신호를 분석해 이상 징후를 조기에 탐지하고 머신러닝 기반 예지보전으로 설비 안정성 및 운영 효율을 향상시킨다. 또 전기실 온라인 진단 시스템은 실시간 전력 감시와 변압기 진단을 가능케 하여 원격 모니터링과 이상 감지에 강점을 보이고 있다. 삼성전자·LG전자·포스코 등 100여 개 이상의 기업과 150여 개 공장에 솔루션을 공급해 온 엔텍시스템은  2024년에는 미국 메릴랜드 법인을 설립하며 본격적인 글로벌 시장 공략에도 나섰다. 이와 함께 CE, UL, FCC 등 국제 인증을 확보하여 글로벌 경쟁력을 강화하고 있다. 산업AI EXPO에서 혁신적인 AI 진단시스템과 산업현장 적용 사례 소개 이 회사는 9월 3일부터 5일까지 코엑스 마곡에서 열리는 2025 산업AI EXPO에 참가해 대표 제품인 ‘SV500’ 모터 진단 시스템과 클라우드 기반 SaaS 서비스를 선보이며, 산업계의 스마트 유지보수 전환을 본격화할 계획이다. 엔텍시스템이 산업AI EXPO 2025 참가를 결정한 배경에는 “AI 기술의 실효성과 방향성을 업계에 선도적으로 제시하고자 하는 의지”가 있다. “국내 산업 AI 생태계 확산을 위한 첫 이정표로서, AI 기술의 방향성과 산업 현장 적용 사례를 업계에 선도적으로 알릴 수 있는 중요한 기회라고 판단해 산업AI EXPO에 참가하게 되었다”는 엔텍시스템 관계자는 “이번 전시를 통해 이미 여러 산업 현장에서 적용 사례를 갖춘 솔루션인 SV500의 기술 신뢰성과 실제 효과를 널리 알리고 싶다”고 전했다. 엔텍시스템이 주력으로 전시할 SV500은 24비트 해상도와 8kHz 샘플링의 전류·전압 실시간 파형 분석을 기반으로 인버터와 모터 전기 신호를 정밀 분석한다. 또 디지털 트윈 기술을 활용한 이상 탐지와 토크·고조파 분석, 웹기반 대시보드 시각화로 현장 상태를 실시간 확인할 수 있다. 이와 함께 이 회사의 전시부스에서는 클라우드 기반 실시간 모터 진단 SaaS 서비스도 선보일 예정이다. 이 서비스는 모터 이상 탐지 및 진단, 시공간 제약 없이 진단 현황 확인, 원격 실시간 모니터링 기능을 제공하여 현장 유지보수 업무의 효율성을 극대화한다. “산업AI EXPO는 산업계와 AI 기술이 실질적으로 만나는 통합 플랫폼으로서 의미가 크다”는 김영식 부사장은 “제조, 에너지, 인프라 분야에서 디지털 전환이 가속되는 가운데, 기업 간 AI 적용 경험과 니즈를 공유하고 협력할 수 있는 소통의 장이 될 것”이라고 덧붙였다. 특히 엔텍시스템은 이번 EXPO 참가를 통해 ‘스마트 유지보수의 새로운 기준’을 제시하며, 다양한 산업 고객 및 파트너와 실질적인 비즈니스 협업을 확대하는 계기로 삼을 계획이다. 이를 위해 전시 기간 내 SV500 실물 데모를 운영하여 방문객들이 센서 설치와 웹 대시보드를 직접 체험하도록 할 예정이다. 맞춤형 AI 유지보수 솔루션으로 산업계 표준 제시 엔텍시스템의 향후 목표는 명확하다. 산업 현장에서 발생할 수 있는 다양한 모터 고장 패턴을 AI가 정확히 예측할 수 있도록 머신러닝 및 딥러닝 알고리즘을 고도화하고, 고객 맞춤형 유지보수 기능을 강화해 신뢰도 높은 예지보전 시스템을 완성하겠다는 것이다. 특히 사용자 맞춤 알람 임계값 설정 기능, 모바일 최적화 UI·UX 개선, 클라우드 기반 플랫폼 강화 등을 통해 산업 전반에 AI 유지보수 솔루션을 표준화해 나갈 계획이다. 더불어, 일본, 베트남, 중동 등지로의 해외 진출도 확대하며 글로벌 SaaS 플랫폼 기업으로의 도약을 준비 중이다.  

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (1)   이번 호부터 로코드(low code) 설루션을 활용하여 데이터 분석을 활용하는 방법에 대해 설명하고자 한다. 앞으로 4회에 걸쳐 데이터 분석을 위한 로코드 분석 설루션이 어떤 장점을 가지고 있으며 어떻게 활용될 수 있는지 살펴보고, 간단한 데이터 분석 예제를 따라해 보면서 활용하는 방법을 배워보도록 하겠다.   ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 제3회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제4회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 김도희 잘레시아 DX 프로   머신러닝 및 딥러닝 기술의 급격한 발전에 힘입어 최근 몇 년사이에 데이터 분석 시장은 폭발적으로 성장해 왔다. 데이터의 분석을 통해서 패턴을 찾고 이를 통해 행동을 예측할 수 있는 사례는 많은 이들의 관심을 불러 일으켰고, 파이썬(Python) 언어와 관련 라이브러리의 사용법을 배우는 강좌도 덩달아 큰 인기를 누리게 되었다. 이는 지식의 저변 확대와 관련 산업의 활성화라는 측면에서 상당히 좋은 방향이지만, 실제 현장에서는 상대적으로 쉽다고 알려져 있는 파이썬 언어도 교육 강좌를 수강한 이후 막상 본인의 업무에 적용하려고 하면 적지 않은 어려움에 직면하게 된다. 이유는 파이썬 언어의 사용이 어려워서라기보다는 CDS(Citizen Data Scientist : 시민 데이터 과학자)에게는 익숙하지 않기 때문이다. 특히 프로그래밍 언어를 이용한 코딩은 텍스트에 기반한 정보이기 때문에 직관적이지 않고 시행착오를 반복해야 어느 정도 활용 레벨에 올라갈 수 있다. 최근 이러한 문제를 해결하기 위해 로코드 분석 설루션(low code analysis solution)이 대안으로 시도되고 있으며 유의미한 결과를 보여주고 있다.   일반적인 데이터 분석 과정 데이터 분석은 보통 요청을 접수하는 것부터 시작되며, 이 단계에서는 무엇을 분석해야 하는지, 분석의 목적은 무엇인지 명확히 파악하는 것이 중요하다. 분석 대상과 기대하는 결과가 정해지면 그에 필요한 관련 데이터를 확보하게 된다. 이 때 데이터는 내부 시스템, 데이터베이스, 외부 파일 등 다양한 경로를 통해 수집될 수 있다. 다음은 확보한 데이터를 개괄적으로 파악하는 과정인데, 이 때 주요 칼럼과 데이터의 값을 확인하고 누락된 값 또는 이상치가 있는지 등을 점검하게 된다. 데이터의 품질을 빠르게 진단하는 이 단계는 이후 분석의 방향에 큰 영향을 미치게 되기 때문에 아주 중요하다. 이렇게 데이터의 상태를 파악하고 난 뒤에는 분석 전략을 수립하게 되는데, 여기서는 어떤 방식으로 데이터를 다루는 것이 좋을지, 어떤 분석 기법을 적용하는 게 좋을지를 구체적으로 준비하게 된다. 세 번째 단계로는 그 동안 수립한 분석 계획에 따라 본격적인 데이터 정제 작업을 시작하게 된다. 구체적으로는 전처리, 필터링, 파생 변수 생성 등의 작업을 포함하여 분석에 적합한 형태로 데이터를 정돈하는 단계로 볼 수 있다. 다음은 실제 분석을 수행하고 필요한 시각화를 통해 인사이트를 도출하는 것으로 통계 분석, 머신러닝 모델링, 상관관계 파악 등 다양한 방법이 이 부분에 포함된다. 마지막으로 분석 결과는 보고서 형태로 문서화하거나 대시보드로 시각화하여 공유되며, 이는 분석 요청자 또는 조직 내 이해관계자가 쉽게 결과를 활용하여 의사결정을 수행하도록 지원할 수 있다. 요청 접수 → 데이터 확보 → 데이터 검토(칼럼/누락/이상치 확인) → 분석 전략 수립 → 데이터 정제 및 가공 → 분석 수행 및 시각화 → 결과 공유   파이썬 코딩과 로코드 기반 분석의 비교 이제부터 본격적으로 데이터 분석을 진행하기 위해, 우리는 데이터 분석에 대한 요청을 받은 CDS라고 가정을 해 보자. 우리는 유관부서로부터 전력 판매량(Electric Power Sales) 예측에 대한 분석을 요청 받은 상태이고, 언제나처럼 기한은 촉박한 상황이다. 우리에게 주어진 데이터는 발전소 데이터, 기상 정보 데이터, 날짜 및 요일 데이터 등 세 가지로 다행스럽게도 소스 데이터는 엑셀 형태로 정리되어 입수한 상태이다. 우선 ‘발전소 데이터’를 살펴 보면 일자별로 특정 발전소에서 일일 발전량이 자세하게 표시되어 있다. 결국 첫 번째 데이터는 Electricity_sales로, 발전소 명칭, 측정 일자(년, 월, 일), 시간대별 전력 판매량으로 구성되어 있는데 이는 머신러닝에서 예측하게 될 Y값(종속변수)이 포함된 핵심 데이터 영역이다.   그림 1. 발전소 데이터   다음은 ‘기상 정보 데이터’로 일자별로 특정 지역의 날씨 정보가 정리되어 있다. 발전소 위치에 따른 기상 정보로 일시, 평균기온, 강수량, 풍속, 습도, 일사량 등의 정보가 담겨 있다.    그림 2. 기상 정보 데이터   마지막으로 ‘날짜 및 요일 데이터’는 일자별로 요일을 숫자로 매핑한 데이터이다. 날짜 데이터에 매핑 가능한 공휴일 정보가 담겨 있는 데이터 영역이다.   그림 3. 날짜 및 요일 데이터   결국 요청 받은 데이터 분석을 완료하기 위해서는 입수한 데이터에 전처리를 수행하고 이를 기반으로 다중 회귀 분석을 수행하여 머신러닝 예측 모델을 구성해야 한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

오라클은 포스코가 전사 데이터 관리 간소화, 인사이트 확보 및 운영 비용 절감을 위해 오라클 자율운영 데이터베이스(Oracle Autonomous Database : ADB)를 도입 및 구축했다고 밝혔다. 포스코는 오라클 자율운영 데이터 웨어하우스(Oracle Autonomous Data Warehouse : ADW)를 도입해 대용량 데이터를 저장·관리하는 데이터 레이크 내의 구조화된 데이터를 효과적으로 분석할 수 있는 환경을 구축했다. ADW는 분석 워크로드에 최적화된 자율운영 데이터베이스 설루션이다. 또한 ADB와 ADW 환경을 통합함으로써 전사 데이터를 일원화하여 관리하는 글로벌 수준의 데이터 관리 체계를 마련했다. 오라클은 “포스코가 일관된 데이터 거버넌스 체계를 도입하여 분석 업무를 이전보다 2.4배 빠르게 수행할 수 있게 되었으며, 첨단 분석과 자동화를 기반으로 스마트 제조 혁신을 더욱 가속화할 수 있게 됐다”고 평가했다. ADW는 내장형 머신러닝 기반의 자동 조정과 확장, 패치, 암호화 기능을 제공하여 수동으로 데이터베이스를 관리해야 하는 번거로움을 줄인다. 포스코는 이와 같은 자율운영 관리를 활용하여 분산 저장/운영되던 분석계 데이터베이스를 최소한의 수동 개입만으로 효율적으로 운영하며, 안전한 고가용성 데이터 웨어하우스를 안정적으로 구축했다. 또한, 유지보수 부담이 적은 인프라 환경을 기반으로 고급 분석업무를 더욱 빠르고 효율적으로 수행하고 비용 효율적인 방식으로 운영을 확장하며, 전사적 의사결정 역량 또한 강화할 수 있게 됐다. 포스코는 경쟁력 있는 IT 비용 구조 확보와 급변하는 글로벌 비즈니스 환경에 따른 대응력 강화를 목표로 클라우드 기반의 디지털 전환을 추진해 왔다. 또한 통합 데이터 분석 시스템을 정립하여 다양한 소스에서 수집되는 데이터의 전사적 활용을 극대화하고자 했다. 이에 맞춰 포스코는 오라클 ADB 기반의 안정적인 고성능, 고효율 데이터 레이크와 데이터 웨어하우스를 구축하여 데이터 혁신의 기반을 마련했다.     포스코 DX전략실의 한석희 리더는 “포스코는 인텔리전트 팩토리 전략의 일환으로, 단순 자동화를 넘어 데이터 기반의 의사결정을 구현하는 지능형 제조 시스템을 구축하고 있다. 이러한 혁신을 통해 주문부터 생산, 영업 및 마케팅에 이르는 전 프로세스에서 효율성과 제품 품질, 운영 안전성을 모두 향상시킬 수 있을 것으로 기대한다”면서, “오라클의 검증된 AI 기반 클라우드 및 데이터 관리 설루션을 활용함으로써 혁신을 가속화하고 글로벌 경쟁력을 한층 강화할 수 있을 것으로 기대한다”고 밝혔다. 한국오라클 김성하 사장은 “역동하는 국제 시장 환경에서 철강 산업이 유연하게 대응하고자 하는 가운데, 포스코는 데이터 기반의 제조 혁신으로 미래 경쟁력을 강화하고 있다”면서, “글로벌 철강 산업을 선도하는 포스코와의 협력은 ADB의 뛰어난 성능과 확장성 및 안정성을 입증하는 중요한 사례다. 오라클은 앞으로도 더 많은 제조업 선도 기업이 IT 혁신을 통해 비즈니스 성과를 극대화할 수 있도록 지속적으로 지원할 것”이라고 전했다.

주요 디지털 트윈 소프트웨어   디지털 트윈 플랫폼, mago3D   개발 및 자료 제공 : 가이아쓰리디, 042-330-0400, www.gaia3d.com   2000년에 설립한 가이아쓰리디는 전통적인 3차원 공간정보(3D GIS)를 기반으로 우주, 위성, 기상분야까지 적용분야를 확장해 온 공간정보기술 전문 소프트웨어 회사이다. mago3D(마고쓰리디)는 2023년 국토교통부와 조달청의 심의를 통과하여 우수연구개발 혁신제품으로 지정되었고, 총 8건의 국내외 특허가 등록되어 있다.   1. 주요 특징 mago3D는 대용량 3차원 데이터(BIM/AEC/GIS)를 독자적인 경량화 알고리즘으로 자동변환하여 웹에서 빠르게 가시화하고, 각종 센서 데이터를 실시간 연동하여 모니터링한다. 웹 기반의 디지털 트윈 솔루션으로 별도의 소프트웨어 설치 없이 누구나 웹 브라우저나 모바일 기기로 접근하여 단순한 객체 On/Off 에서부터 바람장이나 열섬현상, 오폐수/기름/화학물질 유출, 대기질 변화 등과 같이 현실에서 시각적으로 식별이 어려운 각종 현상까지도 가상공간에서 시뮬레이션할 수 있다.   2. 주요 기능 mago3D은 mago3D CMS를 중심으로 2D/3D데이터 변환과 관리, 시뮬레이션 관리, 대시보드와 환경설정, 사용자 관리 기능 등을 수행한다. 3DTiler 와3DTerrainer로 구성된 mago3D Converter를 통해 다양한 데이터를 웹서비스에 최적화된 데이터로 자동 변환하고, mago3D JS는 순수 웹 브라우저 기술 html, css, javascript만을 이용하여 3D 데이터와 시뮬레이션 결과를 3차원 가상공간에서 입체적으로 표시한다. 3. 도입 효과 mago3D는 기본에 충실하다. 다양한 3차원 데이터를 웹 가시화에 최적화된 포맷으로 변환하여 빠르게 가시화하고, IoT 센서데이터를 실시간으로 연계하여 현실과 결합된 디지털 트윈을 구축하며, 3차원 시각화, 각종 시뮬레이션, 머신러닝(AI), 빅데이터 분석을 통해 현실 문제에 대한 최적의 답을 찾아낸다.   4. 주요 고객 사이트 국토교통부, 환경부, 서울특별시, 전라남도, 울주군, 한국토지주택공사, 한국국토정보공사, 국립재난안전연구원, 국방과학연구소, 서울대학교, 경희대학교 등 정부부처 및 지자체, 산학연의 많은 고객과 협력하고 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’가 지난 6월 20일 서울 코엑스에서 열렸다. ‘제조의 미래를 위한 PLM 혁신과 AX 전략’을 주제로 한 이번 행사에서는 제조산업에서 불확실한 외부 환경에 대응하고 기술 및 비용 경쟁력을 확보하기 위한 통합 PLM(제품 수명주기 관리) 설루션과 인공지능 전환(AX)의 중요성을 강조했다. ■ 정수진 편집장     ‘PLM/DX 베스트 프랙티스 컨퍼런스 2025’의 오전 시간에는 세 편의 기조연설이 진행됐다. 기조연설에서는 제조 산업의 미래를 위한 PLM 기반의 통합적 디지털/ AI 전환 전략을 통해 경쟁력을 강화하고 새로운 가치를 창출해야 한다는 메시지와 함께, 단순한 기술 도입을 넘어 데이터 통합과 표준화 그리고 궁극적으로 일하는 방식과 조직 문화의 근본적인 변화가 필요하다는 지적이 있었다.   ■ 같이 보기 : [포커스] PLM/DX 베스트 프랙티스 컨퍼런스 2025, 제조 혁신을 위한 PLM과 AI 전략을 짚다   기조연설에 이어 오후 시간에는 ▲베스트 프랙티스 ▲트렌드/신기술/설루션 ▲ SDM(MES/MOM) 등 세 개의 트랙에서 18편의 발표가 진행됐다. 발표자들은 불확실성의 시대에 제조 경쟁력을 확보하기 위해 PLM을 중심으로 한 전사적인 디지털 전환 및 AI 전환을 추진하고, 이를 위해 데이터 통합, 표준화, 그리고 업무 방식 및 조직 문화의 변화가 필수임을 강조했다.   PLM 기반의 디지털 전환 및 AI 활용 사례 소개 베스트 프랙티스 트랙에서 GM 테크니컬 센터 코리아(GM TCK) 김성진 부장은 ‘PLM 기반 싱글 BOM 구현을 통한 자동차 산업의 디지털 전환 가속화’를 주제로, PLM에 기반한 통합 엔지니어링 변경 관리를 통해 디지털 전환을 가속화하기 위한 GM TCK의 전략, 비전 및 베스트 프랙티스를 소개했다.   ▲ GM TCK 김성진 부장   아비바코리아 조영찬 프로는 ‘디지털 자산 수명주기의 혁신 : AVEVA와 Aras 기반의 통합 ALM 전략’ 발표에서 PLM 설루션인 아라스 이노베이터(Aras Innovator) 플랫폼과 협력해 자산 수명주기 관리(Asset Lifecycle Management : ALM)를 구현한 아비바의 설루션 기술에 대해 소개했다.   ▲ 아비바코리아 조영찬 프로   지멘스 디지털 인더스트리 소프트웨어 노은희 이사는 ‘PLM의 미래 - 디지털 스레드 기반의 지멘스 AI 전략’ 발표를 통해 AI, 디지털 트윈, 디지털 스레드를 기반으로 사람과 프로세스를 유기적으로 연결하는 지멘스의 PLM 미래 전략을 제시했고, 이를 통해 현재 직면한 복잡성을 혁신의 기회로 바꾸는 방안을 설명했다.   ▲ 지멘스 디지털 인더스트리 소프트웨어 노은희 이사   퍼시스홀딩스 정연석 팀장은 ‘퍼시스그룹의 DX 전략 : 설계 데이터 기반 디지털 트윈 자동 생성 및 전사 활용’ 발표에서 퍼시스가 고민한 디지털 전환 전략과 함께 주문품의 Configure to Order를 위해 설계 및 BOM(Bill-of-Materials) 데이터를 기반으로 디지털 트윈을 자동으로 생성하고 전사적으로 활용한 사례에 대해 소개했다.   ▲ 퍼시스홀딩스 정연석 팀장   PTC코리아 이봉기 상무는 ‘AI 기반 차세대 인텔리전트 PLM 전략’ 발표를 통해 AI 기술 발전과 PLM의 접목을 통해 제조 기업이 제품 개발 속도 향상, 품질 개선, 데이터 기반 의사 결정 등 실질적인 비즈니스 성과를 도출할 수 있다고 강조했다. 또한 제품 개발의 전체 과정에서 에이전트 AI 기술을 활용하여 혁신을 이루기 위한 PTC의 전략을 소개했다.   ▲ PTC코리아 이봉기 상무   KAIST 윤희택 교수는 ‘AI 자율 제조를 위한 로봇 기술 동향과 사이버물리 시스템 적용 사례’ 발표를 통해 제조산업의 위기 상황에서 주목을 받고 있는 자율 제조를 위한 로봇, 인공지능, 디지털 트윈을 융합한 사이버 물리 동향과 함께 현재 진행 중인 연구 내용을 소개했다.   ▲ KAIST 윤희택 교수   AI, 디지털 트윈, 로코드를 활용한 제조 혁신 전략 트렌드/신기술/설루션 트랙에서 다쏘시스템코리아의 김병균 파트너는 ’생성형 경험과 AI 기반 PLM 혁신 : 제품 개발과 제조의 새로운 미래’ 발표를 통해 PLM에 생성형 경험(generative experience) 및 AI 기술을 적용하여 제품 개발, 설계, 생산 전 과정에서 업무 효율을 높이고, 데이터 분석을 통해 예측 및 최적화를 실현하는 방안을 소개했다.   ▲ 다쏘시스템코리아 김병균 파트너   씨이랩 김건우 매니저는 ‘엔비디아 옴니버스만 가능한 디지털 트윈의 비즈니스 실현’ 발표에서, 인공지능과 XR(확장현실) 기술의 발전에 따라 다양한 영역에서 적용되는 디지털 트윈 가운데 엔비디아 옴니버스(NVIDIA Omniverse)가 구현할 수 있는 비즈니스 혁신 방안을 소개했다.   ▲ 씨이랩 김건우 매니저   아이지피넷 윤정두 차장은 ‘성공적인 PDM 라인 구축의 열쇠 3D-SUITE’ 발표에서 고도의 PDM(제품 데이터 관리)을 실현하기 위해 회사, 부서, 프로세스 간 원활한 정보 전달 및 여러 시스템 연동 환경이 필수라고 강조했다. 또한 3차원 데이터의 변환, 검증, 수정, 비교, 단순화 등 디지털 엔지니어링에 필요한 데이터 최적화를 지원하는 3D-스위트(3D-SUITE) 설루션을 소개했다.   ▲ 아이지피넷 윤정두 차장   세원에스텍 윤중근 이사는 ‘Fast Forward : 디지털 전환과 제품 개발’ 발표를 통해 불확실하고 혼란스러운 시대에 기업의 경쟁력과 회복탄력성 유지를 위한 디지털화의 중요성을 강조했다. 그리고, CONTACT Elements 기반 설루션과 엔지니어링 분야의 AI 활용을 통해 디지털 전환과 제품 개발을 가속화하는 방안을 소개했다.   ▲ 세원에스텍 윤중근 이사   팀솔루션 송희삼 상무는 ‘현장이 원하는 디지털 트윈 : 최소 인프라, 최대 효과를 위한 접근법’ 발표에서 3D CAD 데이터를 기반으로 한 3D 산업 콘텐츠를 제작하여 실제 제조 현장의 작업 매뉴얼 및 교육 콘텐츠로 적용한 사례를 공유하면서, 최소 인프라로 최대 효과를 얻기 위한 디지털 트윈 전략과 그 성과를 소개했다.   ▲ 팀솔루션 송희삼 상무   한화시스템 박성수 팀장은 ‘제조 영역에서의 로코드 및 AI 기반 개발 방식의 변화’ 발표를 통해 AI 기반의 로코드(low-code) 개발 방식이 제조 현장에 가져 올 수 있는 혁신을 소개했다. 그리고 OutSystems의 Mentor 기능을 활용하여 MVP(최소 기능 제품) 시스템을 단기간 내 구현하는 실질적인 접근 방법을 공유했다.   ▲ 한화시스템 박성수 팀장   소프트웨어 기반의 미래 제조와 스마트 공장 SDM(MES/MOM) 트랙에서는 인더스트리4.0협회 명예회장인 박한구 스마트엠앤에프그룹 대표가 ‘미래 제조 패러다임 전환, SDM 기반 자율제조 생산 체계 도입’ 발표에서 미래의 제조는 SDM(소프트웨어 정의 제조) 기반의 자율성 및 유연성을 핵심으로 하며, 데이터 중심의 통합·지능형 생산 체계로 전환될 것이라고 소개했다.   ▲ 스마트엠앤에프그룹 박한구 대표(인더스트리4.0협회 명예 회장)   다쏘시스템코리아 장희준 파트너는 ‘MES 도입과 진화 : 글로벌 트렌드와 국내 적용 전략’ 발표를 통해 글로벌 MES(제조 실행 시스템) 트렌드와 국내 활용 사례를 통해 성공적인 MES 구축을 위한 핵심 고려사항을 제시했다.   ▲ 다쏘시스템코리아 장희준 파트너   에스에이치아이엔티 이종수 부장은 ‘자동차 부품 산업의 디지털 혁신을 위한 AI 기반 DX 플랫폼 개발 사례’ 발표에서 디지털 트윈, AI, 머신러닝 기반의 지능형 생산이 적용되는 중소기업 스마트 공장의 연구 및 실제 적용 사례가 부족한 현실을 언급하면서, 자동차 부품 중소기업의 디지털 전환을 위한 사전 준비, 연구 개발 및 공정 적용 사례를 AI 및 지능형 생산 시스템 기술 개발 산학연 과제와 함께 설명했다.   ▲ 에스에이치아이엔티 이종수 부장   슈나이더일렉트릭코리아 김건 매니저는 ‘Software-Defined Automation(소프트웨어 정의 자동화)’ 발표를 통해 산업 자동화 분산 제어를 위한 국제 표준인 IEC61499를 기반으로 하며, 자동화의 모듈화 및 애플리케이션 중심 설계를 가능케 하는 슈나이더 일렉트릭의 SDA(Software-Defined Automation)를 소개했다.   ▲ 슈나이더일렉트릭코리아 김건 매니저   호서대학교 산학협력단 디지털팩토리연구센터장인 김수영 교수는 ‘AI-DX-FOMs 기반 현장/실무 중심의 스마트팩토리 전략 : MES 연동부터 AI 챗봇, 자율 제조까지’ 발표에서 제조 기업이 보유한 레거시 시스템과 연계한 KPI(핵심 성과 지표) 다차원 분석 및 MES 연동부터 AI 챗봇, 자율 제조에 이르는 제조 현장 맞춤형 스마트 공장 구축 전략에 대해 소개했다.   ▲ 호서대학교 김수영 교수   첨단제조표준화포럼 차석근 운영위원장은 ‘AX, DX와 관련 제조 데이터 표준화 구현과 도전 분야’ 발표를 통해 최근 산업용 AI를 활용한 자율 제조 및 SDM 관련 요구사항이 늘어나고 있다고 지적했다. 또한, 생산 자원(4M2E) 제조 데이터의 표준화 없이는 이러한 혁신이 불가능하다고 강조하면서 표준화 구현 방안 및 도전 분야에 대해 설명했다.   ▲ 첨단제조표준화포럼 차석근 운영위원장