디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   제조 시설은 지속적인 문제에 직면해 있다. 정비 일정은 일반적으로 실제 마모와 관계없이 3개월마다 부품을 점검하고 6개월마다 구성 요소를 교체하는 등 엄격한 일정을 따른다. 그 결과 불필요한 점검과 교체로 인한 비효율적인 시간 낭비가 발생하고, 반대로 정비 일정 전에 부품이 고장 나는 일도 생긴다. 센트랄수펠렉-파리 사클레대학교(CentraleSupélec–Université Paris-Saclay)의 지궈 젠(Zhiguo Zeng) 교수와 그의 연구팀은 디지털 트윈 기술과 딥러닝을 결합한 혁신적인 접근 방식을 통해 이 문제를 해결하고 있다. 그들의 목표는 모든 중요 부품에 센서를 배치할 필요 없이 시스템 수준의 모니터링 데이터만으로 로봇 시스템의 구성요소 수준의 고장을 감지하는 것이다. 젠 교수는 “유지보수는 공장에서 매우 큰 문제”라면서, “기계에 유지보수가 필요한 시기를 미리 안다면 주문이 적은 시기에 수리 일정을 잡을 수 있어 생산성 손실을 최소화할 수 있다”고 말했다. 그는 신뢰성 공학과 수명 예측 분야에서 풍부한 경험을 갖고 있지만, 디지털 트윈 기술은 그의 이전 연구와는 결이 다른 새로운 영역이었다. 센트랄수펠렉의 안 바로스(Anne Barros) 교수와 페드로 로드리게스-아예르베(Pedro Rodriguez-Ayerbe) 교수가 주도하는 학제 간 프로젝트인 ‘미래의 산업(Industry of the future)’에 참여하면서, 그는 디지털 트윈이 어떻게 강력한 시뮬레이션 도구를 물리적 시스템에 실시간으로 직접 연결할 수 있는지 깨달았다. 젠 교수는 “디지털 트윈은 결함 진단에 매우 유용하다. 이를 실제 기계의 데이터에 연결하여 그 데이터로 모델을 개선할 수 있다”고 설명했다.  제조업, 자동차, 항공우주 및 기타 분야로 활용 영역이 확대되면서, 디지털 트윈은 인더스트리 4.0에서 유망한 기술 중 하나로 자리잡고 있다. 물리적 객체나 시스템의 가상 복제본인 디지털 트윈(digital twin)을 생성함으로써, 조직은 운영 현황과 유지보수 필요성을 명확하게 파악할 수 있다. 또한 디지털 트윈은 예측 유지 관리 시스템 개발의 어려운 측면 중 하나인 고장 데이터의 부족에 대한 해결책을 제시한다. 젠 교수는 “현실에서는 고장이 자주 발생하는 걸 보기는 어렵다. 그래서 이제는 시뮬레이션을 통해 고장 데이터를 만들어낸다”고 설명했다.   가상과 물리의 가교 역할 디지털 트윈 프로젝트는 물리적 시스템과 가상 시스템 간의 다양한 수준의 통합을 통해 구현 옵션을 제공한다. 젠 교수의 연구팀은 세 가지 서로 다른 수준의 디지털 표현으로 작업했다. 기본 수준에서 디지털 모델은 기존 시뮬레이션처럼 작동하며, 물리적 시스템과 데이터를 교환하지 않는 정적 모델로 오프라인에서 실행된다. 그다음 단계는 디지털 섀도로, 가상 모델이 물리적 시스템의 데이터를 받아 그 행동을 미러링하지만 제어하지는 않는다. 가장 발전된 구현은 데이터와 정보의 양방향 흐름을 갖춘 진정한 디지털 트윈이다. 여기서 모델은 관찰을 바탕으로 스스로 업데이트하고 물리적 시스템을 제어하는 실시간 결정을 내린다. 연구팀은 테스트용으로 ArmPi FPV 교육용 로봇을 선택했다. 이 로봇은 5개의 관절과 하나의 엔드이펙터로 구성되며, 6개의 서보 모터로 제어된다. 결함 진단의 기초가 될 만큼 정확한 디지털 트윈을 만드는 것은 어려운 일이었다. 또한 기존 모니터링 접근 방식의 한계를 해결해야 했다. 젠 교수는 “대부분의 산업 사례에서 베어링을 진단하려면 베어링 수준의 센서가 필요하며, 이는 쉽지 않은 일이다. 내부에 베어링이 있는 큰 기계를 상상해보면 센서를 설치하기 위해서는 기계를 분해해야 하는데 때로는 공간이 충분하지 않을 때도 있다”고 말했다.   그림 1. ArmPi FPV 교육용 로봇(출처 : 센트랄수펠렉)   그들의 접근 방식은 시스템 수준 데이터(로봇 엔드 이펙터의 이동 궤적)를 사용하여 구성 요소 수준의 오류(개별 모터 문제)를 진단하는 것이었다. 또한 디지털 트윈을 사용하여 관찰할 수 있는 것과 감지해야 할 것 사이의 격차를 해소하고자 했다. 연구팀은 시뮬링크(Simulink)와 심스케이프 멀티바디(Simscape Multibody)를 사용하여 디지털 트윈을 구축했으며, 구성요소와 시스템 수준 동작을 모두 나타내는 계층적 모델을 만들었다. 젠 교수는 “모든 것은 시뮬레이션 모델을 설계하는 것으로 시작한다. 동적 시스템과 그 제어기를 모델링하고 싶다면 시뮬링크는 매우 강력하다”고 말했다. 연구팀은 시뮬링크를 사용해 모터 제어기를 PID 제어기로 모델링하면서 실험적으로 조정한 게인 값을 활용했다. 또한, 시뮬링크의 시각화 기능을 적극적으로 활용해 시뮬레이션 데이터와 실제 로봇의 센서 데이터를 연동할 수 있는 인터페이스를 구축하고, 실시간 모니터링 환경을 구성하였다. ROS 툴박스(ROS Toolbox)는 로봇 하드웨어와의 연결에서 유용한 역할을 했다. 젠 교수는 “로봇 운영 체제(Robot Operating System : ROS)를 사용하려면 일반적으로 ROS와 파이썬(Python) 환경을 별도로 구성하고 모든 연결을 직접 처리해야 한다”면서, “ROS 툴박스를 사용하면 이런 설정이 자동으로 관리되기 때문에 많은 노력을 아낄 수 있다”고 설명했다. 연구팀은 AI 모델 학습을 위한 데이터 준비 과정에서는 두 가지 접근 방식을 시도하였다. 먼저, 로봇에 입력되는 모터 명령과 그에 따른 그리퍼(gripper)의 움직임 패턴과 같은 원시 계측값을 기반으로 데이터를 수집하였다. 이후에는 디지털 트윈을 활용한 방식을 도입하였다. 시뮬레이션을 통해 로봇이 명령에 따라 어떻게 움직여야 하는지를 예측하고, 이 결과를 실제 움직임과 비교함으로써 예상과 실제 간의 차이를 도출하였다. 이러한 차이는 미세한 고장을 감지하는 데 유용한 지표로 작용하였다.   그림 2. 심스케이프 멀티바디의 로봇 팔에 대한 시뮬링크 모델(출처 : 센트랄수펠렉)   연구팀은 딥 러닝 툴박스(Deep Learning Toolbox)를 사용하여 장단기 메모리(Long Short-Term Memory : LSTM) 신경망을 훈련하여 특정 실패를 나타내는 패턴을 식별했다. 모델 아키텍처에는 각각 100개의 숨겨진 단위가 있는 두 개의 LSTM 계층, 그 사이의 드롭아웃 계층 및 완전히 연결된 분류 계층이 포함된다. 연구팀은 매트랩 앱 디자이너(MATLAB App Designer)를 사용하여 각 모터의 위치, 전압 및 온도를 포함한 실시간 데이터를 수집하는 그래픽 사용자 인터페이스를 설계했다. 이 인터페이스를 통해 로봇의 상태를 모니터링하고 오류 진단 모델의 예측을 검증할 수 있었다. 이러한 통합 도구들이 원활하게 함께 작동하면서, 연구팀은 소프트웨어 호환성 문제와 씨름하기보다는 효율적으로 기술적 과제 해결에 집중할 수 있었다.   현실 격차에 도전하다 연구팀은 실제 로봇에서 훈련된 모델을 테스트했을 때 연구원들이 ‘현실 격차’라고 부르는 시뮬레이션과 현실 세계 간의 불일치에 직면했다. 결함 진단 모델은 시뮬레이션에서 98%의 정확도를 달성하여 모터 고장의 위치와 유형을 모두 정확하게 식별했지만, 실제 로봇에서 테스트했을 때 성능은 약 60%로 떨어졌다. 젠 교수는 “시뮬레이션이 현실과 일치하지 않는 이유를 분석하고 있다”고 말하며, “실제 세계를 시뮬레이션 상에서 표현할 때 고려하지 못한 요소들이 있다”고 설명했다. 젠 교수와 그의 연구팀은 통신 신뢰성 문제, 시뮬레이션에서 고려되지 않은 모터 노이즈, 제어 명령과 모니터링 활동 간의 동기화 문제 등 성능 격차에 기여하는 여러 요인을 확인했다.   그림 3. 정상 상태 오류에서 로봇 팔의 애니메이션 및 관련 혼동 매트릭스(출처 : 센트랄수펠렉)   이러한 과제는 디지털 트윈 애플리케이션의 광범위한 문제를 반영한다. 현실은 가장 정교한 시뮬레이션보다 더 복잡하다. 연구팀은 낙담하기보다는 실제 노이즈 패턴을 시뮬레이션 하는 모듈을 디지털 트윈에 추가하고 전이 학습에 도메인 적응 기술을 적용하는 등 이러한 격차를 해소하기 위한 방법을 개발했다. 젠 교수는 “디지털 트윈 모델을 개발할 때 보정 테스트를 하긴 하지만, 이 역시 통제된 환경에서 이루어진다”고 말했다. 이어서 “하지만 산업 현장에 모델을 실제로 적용하면 훨씬 더 많은 노이즈가 포함된 데이터를 접하게 된다. 이처럼 현실의 노이즈를 알고리즘 관점에서 어떻게 보정할 것인가는 매우 도전적인 연구 주제”라고 설명했다. 이러한 수정을 통해 연구팀은 실제 세계 정확도를 약 85%까지 개선했다. 이는 실용적 구현을 향한 중요한 진전이다.   소규모 실험실에서 스마트 공장으로 연구팀의 작업은 단일 로봇을 넘어서 확장되고 있다. 이들은 다수의 로봇이 협업하며 생산 라인을 구성하는 소규모 스마트 공장 환경을 구축하고 있으며, 이를 통해 고장 진단 알고리즘을 보다 실제에 가까운 조건에서 실험하고자 한다. 젠 교수는 “우리는 미니 스마트 공장을 구축하려고 한다”면서, “생산 설비와 유사한 환경을 만들어 로봇에 알고리즘을 적용해, 실제 생산 스케줄링에 통합될 수 있는지를 실험하고 있다”고 설명했다. 이러한 접근 방식은 교육적 효과도 크다. 센트랄수펠렉의 공학과 학생들은 수업과 프로젝트를 통해 디지털 트윈, 로보틱스, 머신러닝 기술을 실습 기반으로 학습하고 있다. 젠 교수는 “학생들이 처음부터 가상 공간에서 모델을 직접 설계하고 이를 점차 실제 로봇과 연결해가는 과정을 보면, 그들이 이 과정을 진심으로 즐기고 있다는 걸 알 수 있다”고 전했다. 이 연구는 제조업뿐 아니라 물류, 스마트 창고 등 다양한 산업 분야로의 확장이 가능하다. 예를 들어 스마트 창고에서는 로봇이 정해진 경로를 따라 이동하지만, 장애물이 나타나면 이를 인식하고 경로를 유동적으로 조정해야 한다.   그림 4. 여러 로봇이 소규모 스마트 공장 환경의 생산 라인에서 협력하여 작동한다.(출처 : 센트랄수펠렉)   젠 교수는 “스마트 창고에서 로봇은 사전 정의된 규칙을 따르지만, 패키지가 떨어지고 경로가 막히는 등 경로를 리디렉션하고 다시 프로그래밍해야 하는 경우가 있을 수 있다. 이런 경우 로봇을 조정하기 위해 각 로봇의 실시간 위치를 알아야 하기 때문에 디지털 트윈 시스템이 필요하다”고 설명했다. 연구팀은 구성요소가 고장 날 때 로봇의 움직임을 조정하는 것과 같은 내결함성 제어를 포함한 추가 응용 프로그램을 모색하고 있다. 또한 연구자들은 에너지 소비만 고려하는 것이 아니라, 궤적 최적화 모델에서 각 모터의 성능 저하 수준과 잔여 유효 수명도 고려하는 건전성 인식 제어를 개발하고 있다. 그들의 코드, 모델, 데이터 세트를 깃허브 저장소(GitHub repository)를 통해 자유롭게 공개하고 있으며, 다른 연구자들이 이를 바탕으로 연구를 확장해 나가기를 기대하고 있다. 목표는 개선의 출처가 어디든 간에, 보다 나은 고장 진단 시스템을 구축하는 것이다. 젠 교수는 “누군가 우리보다 더 나은 결과를 만들어낸다면 정말 기쁠 것”이라고 전했다. 중국 제조업 현장에서 일하던 부모님의 영향을 받아 공학자의 길을 걷게 된 젠 교수에게 이번 연구는 단순한 학문적 탐구를 넘어선 개인적인 사명이기도 하다. 젠 교수는 “어릴 때 제조업에서 일하는 것이 얼마나 힘든 일인지 직접 보며 자랐다”면서, “내가 그렸던 비전은 그런 육체 노동을 로봇이 대체하게 해 사람들이 보다 나은 삶을 살 수 있도록 하는 것이었다”고 전했다.   ■ 이웅재 매스웍스코리아의 이사로 응용 엔지니어팀을 이끌고 있으며, 인공지능·테크니컬 컴퓨팅과 신호처리·통신 분야를 중심으로 고객의 기술적 성공을 지원하는 데 주력하고 있다. LG이노텍과 LIG넥스원에서 연구개발을 수행하며 신호처리와 통신 분야의 전문성을 쌓아왔다.     ■ 기사 PDF는 추후 제공됩니다.

델 테크놀로지스가 오픈랜(Open RAN) 및 클라우드랜(Cloud RAN)에 적합한 최적의 성능과 연결성을 제공함으로써 에지 및 통신 인프라 혁신을 견인하는 서버 신제품 ‘델 파워엣지 XR8720t(Dell PowerEdge XR8720t)’를 공개했다. 전통적으로 클라우드랜 및 고도화된 에지 컴퓨팅을 구축하기 위해서는 여러 대의 서버를 설치해야 했기 때문에 높은 비용, 운영상의 복잡성, 공간 부족, 전력 수요 등이 걸림돌로 지적됐다. 이러한 비효율성과 확장성의 제한으로 차세대 애플리케이션에 필요한 실시간 성능 요구 사항을 충족하기 어려웠다. 델 파워엣지 XR8720t는 단일 서버 기반 클라우드랜 설루션으로, 인프라를 간소화하고 성능과 효율을 강화하며, 최신 네트워크 및 에지 구축 환경에서 총소유비용(TCO)을 절감하도록 돕는다.      파워엣지 XR8720t 컴퓨팅 슬레드는 델 파워엣지 XR8000 플랫폼과 통합되며, 까다로운 환경에서의 인프라 구축에 걸림돌이 되는 성능 문제를 해결하게끔 설계됐다. 향상된 처리 능력과 확장된 연결성을 통해 고성능 애플리케이션을 강력하게 지원할 수 있다.  파워엣지 XR8720t는 클라우드와 기존 RAN 아키텍처 간의 성능 격차를 해소하며, 이전 세대 대비 두 배 이상의 처리 성능을 제공한다. 컴팩트한 2U 구성에서 최대 72코어와 24개의 SFP28 연결 포트를 지원한다. 단일 서버 통합으로 다중 서버 아키텍처 대비 구축 시간, 유지보수 및 운영의 복잡성을 낮췄다.  XR8720t는 인텔 vRAN 부스트(Intel vRAN Boost)와 인텔 이더넷(Intel Ethernet) E830-XXVDA8F 네트워킹 기술이 통합된 인텔 제온 6 SoC(Intel Xeon 6 SoC)로 구동된다. 정밀한 네트워크 타이밍 동기화를 위해 PTP, PTM 및 SyncE를 지원하며, 하드웨어 기반 타이밍 팔로어를 탑재했다. 까다로운 클라우드랜 워크로드에 필요한 처리 성능, 포트 밀도(24x SFP28) 및 네트워크 대역폭(600GbE)을 제공하며, 공간 제약이 있는 셀 사이트 구축을 위해 설계된 430mm 깊이의 컴팩트한 사이즈가 특징이다. CPU 기반 워크로드에 AI 기능을 활용하여 에이전틱 AI, 실시간 분석 및 머신러닝과 같은 고급 에지 AI 사용 사례를 지원한다. 유연한 구성으로 필요에 따라 GPU 지원도 가능하여 AI 잠재력을 더욱 확장시킬 수 있다. 극한 환경을 위해 설계된 XR8720t는 영하 5℃에서부터 영상 55℃까지 작동하며, 모듈식 설계로 손쉬운 유지보수 및 업그레이드가 가능하다. 네트워크 장비 구축 시스템(NEBS) 레벨 3 준수 서버로, 전면 접근형 I/O를 통해 가동 중단 시간 및 운영 복잡성을 줄인다. 통신, 에지, 군용 애플리케이션을 위한 확장된 내구성과 신뢰성을 갖췄으며, 지능형 냉각 설계로 비좁은 공간에서도 최적의 냉각 성능을 구현한다. 통신 사업자들은 이 설루션을 활용해 성능 집약적 애플리케이션을 효과적으로 운영하는 동시에 비용을 절감하며, 에지에서 AI를 수월하게 구동시킬 수 있다. 텔레콤뿐 아니라, 리테일, 국방, 제조 등 다양한 분야의 기업들이 AI, 머신러닝 및 기타 컴퓨팅 집약적 워크로드와 높은 수준의 동기화가 요구되는 정밀한 작업을 수행할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “델 테크놀로지스는 통신 및 에지 인프라 혁신에 지속적으로 기여하고 있다”고 말하며, “고객들은 델 파워엣지 XR7620t를 활용해 구축하기 까다로운 오픈랜이나 클라우드랜 인프라를 단순화하고, 더 강력하고 효율적이며 AI에 최적화된 네트워크를 완성시킬 수 있을 것으로 기대한다”고 덧붙였다.

시높시스와 통합 시너지 강화… AI로 엔지니어링 혁신 이끈다   제품이 복잡해지면서 반도체 설계와 전체 시스템의 구현을 통합하는 엔지니어링이 필수가 됐다. 앤시스는 EDA(전자 설계 자동화) 기업 시높시스와 통합을 통해 제품 개발의 전체 과정을 단일 플랫폼으로 지원한다는 비전을 마련했다. 이와 함께 AI(인공지능) 기술을 자사 포트폴리오 전반에 적용해, 전문가의 전유물이었던 시뮬레이션의 장벽을 허문다는 전략도 제시했다. ■ 정수진 편집장   ▲ 앤시스 패드메쉬 맨들로이 부사장   ‘실리콘부터 시스템까지’ 아우르는 엔지니어링 시대 연다 제품이 점차 스마트해지고 복잡해지면서 물리 세계와 전자 세계의 만남이 그 어느 때보다 중요해지고 있다. 앤시스와 시높시스는 지난 7월 통합 완료를 발표했는데, 두 회사는 각자의 전문성을 결합해 반도체 칩 설계(실리콘)부터 최종 시스템에 이르는 전체 과정을 지원하는 통합 설루션을 제공할 계획이다. 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장은 “오늘날의 제품은 단순히 기능을 수행하는 것을 넘어 스스로 사고하고, 협업하며, 환경에 적응하는 지능형 시스템으로 발전하고 있다. 이런 변화는 엔지니어링의 복잡성을 가중시키고 있으며, 반도체 설계와 물리적 시스템의 구현을 별개로 볼 수 없게 되었다”면서, “시뮬레이션 분야의 선도 기업 앤시스와 EDA 1위 기업 시높시스가 손을 잡은 것은 이런 시대적 요구에 부응하기 위한 것”이라고 설명했다. 맨들로이 부사장은 “시스템은 실리콘의 요구사항을, 실리콘은 시스템의 요구사항을 정확히 이해해야 한다”고 짚었다. 예를 들면, 자동차 기업이 자율주행 기능을 구현하기 위해서는 AI 반도체 설계를 고려해야 하고, 반도체 기업은 칩이 자동차에 쓰일지 데이터센터에 쓰일지에 따라 다른 접근법을 선택해야 한다는 것이다. 제품 개발을 위해 엔지니어링 시뮬레이션과 EDA의 긴밀한 상호작용이 필수가 되면서, 앤시스는 시높시스와의 통합이 큰 시너지를 낼 수 있을 것으로 기대하고 있다.   물리 기반 시뮬레이션을 EDA 흐름에 통합 양사 통합의 핵심 전략은 앤시스의 강점인 물리 기반 시뮬레이션을 시높시스의 EDA 설계 흐름에 통합하는 것이다. 이를 통해 차세대 인공지능(AI) 칩, 3D IC 등 고도의 반도체를 설계할 때 필수로 고려해야 하는 열, 구조 변형, 뒤틀림 같은 물리적 문제를 설계 초기 단계부터 해결할 수 있게 된다는 것이다. 앤시스코리아의 박주일 대표는 “특히 고대역폭 메모리(HBM)와 같이 여러 칩을 쌓는 ‘스택 구조’에서 이러한 통합 설루션의 가치가 크다. 앤시스는 이미 HBM의 전력 무결성, 열, 구조적 스트레스 분석 분야에서 삼성전자, SK하이닉스 등과 협력해왔다. 앞으로 시높시스와 함께 칩 설계 단계부터 최종 분석까지 아우르는 단일 플랫폼을 제공할 수 있을 것”이라고 전했다. 앤시스와 시높시스는 조직을 통합하기보다는 각자의 비즈니스 운영 방식을 유지하며 시너지를 낼 수 있는 분야를 탐색하는 데 집중하고 있다. 시높시스가 소수의 반도체 기업을 깊이 있게 지원하는 반면, 앤시스는 수천 개의 다양한 산업군 고객을 보유하고 있어 사업 운영 방식에 차이가 있기 때문이라는 것이 박주일 대표의 설명이다. 그는 “다만, HBM 설루션처럼 시장의 요구가 높은 분야의 기술 통합은 더 빠르게 진행될 수 있다”고 덧붙였다. 앤시스는 시높시스와의 통합 설루션이 특히 복잡한 요구조건을 가진 첨단 산업에서 강점을 발휘할 것으로 보고 있다. 앤시스의 월트 헌(Walt Hearn) 글로벌 세일즈 및 고객 담당 부사장은 “이번 합병이 고객들에게 새로운 기술과 기회를 제공할 것으로 기대한다"면서, “물리 시뮬레이션과 EDA의 결합은 제품 개발의 어려운 과제를 해결하는 최고의 포트폴리오가 될 것”이라고 말했다.   ▲ 앤시스 월트 헌 부사장   AI로 엔지니어링의 문턱 낮춘다 앤시스는 인공지능(AI) 기술을 자사 포트폴리오 전반에 통합해 시뮬레이션의 효율과 속도를 높이고, 전문가 수준의 지식이 필요했던 기술의 문턱을 낮추는 데 주력하고 있다. 복잡한 제품 개발 환경에서 더 많은 엔지니어가 시뮬레이션 기술을 쉽게 활용하도록 돕는 것이 앤시스 AI 전략의 핵심이다. 맨들로이 부사장은 “시뮬레이션은 고도의 전문 지식을 갖춘 전문가의 영역으로 여겨져 왔다. 하지만 디지털 전환이 가속화되면서 기업의 비용 절감과 시장 출시 기간 단축을 위해 시뮬레이션의 활용을 확대하려는 요구가 커졌다”면서, “앤시스는 전문 지식에 대한 의존도를 낮추고 더 많은 사용자가 쉽게 접근할 수 있도록 AI 기술이 탑재된 플랫폼을 제공하는 것을 최우선 과제로 삼고 있다”고 설명했다. AI 기술은 초기 머신러닝(ML) 기반의 최적화 도구를 넘어, 대규모 언어 모델(LLM)과 AI 비서를 거쳐 완전히 자율화된 에이전틱 AI(agentic AI)로 나아가고 있다. 헌 부사장은 크게 네 가지 방향에서 AI를 앤시스 설루션에 적용하고 있다고 소개했다. 스마트 UI(사용자 인터페이스) : UI에 AI를 내장해 반복적인 작업을 자동화함으로써 엔지니어의 작업 효율을 높인다. 앤시스GPT(AnsysGPT) : 오픈AI의 기술을 기반으로 하는 앤시스GPT는 자연어 질의응답을 통해 사용자가 엔지니어링 문제에 대한 답을 더 빠르게 찾도록 돕는다. AI 내장 솔버 : 엔지니어링 해석의 핵심 엔진인 솔버 자체에 AI 기술을 통합해 문제 해결 속도를 이전보다 크게 높였다. 심AI(Ansys SimAI) : 과거의 방대한 시뮬레이션 데이터셋을 학습한 AI 솔버이다. 예를 들어, 기존에 일주일이 걸리던 자동차 외부 공기역학 해석 작업에 심AI를 활용하면 단 하루 만에 완료할 수 있다. 헌 부사장은 “앤시스GPT는 이미 2만여 고객사에서 활발히 사용되고 있으며, ‘앤시스 엔지니어링 코파일럿’도 개발하고 있다. 이 코파일럿은 지난 50년간 축적된 앤시스의 제품 개발 지식을 LLM에 탑재한 형태이다. 유동, 구조, 전자기학 등 모든 분야의 엔지니어링 콘텐츠를 단일 플랫폼 안에서 쉽게 검색하고 활용할 수 있게 될 것”이라고 소개하면서, “이런 혁신을 바탕으로 앤시스와 시높시스는 고객이 미션 크리티컬한 과제를 해결하고 AI 기반 제품과 서비스를 성공적으로 개발할 수 있도록 지원을 아끼지 않겠다”고 밝혔다.   솔버 최적화와 클라우드로 컴퓨팅 인프라 부담 해결 시뮬레이션과 AI 기술은 모두 대량의 컴퓨팅 자원을 필요로 한다. 기업에서는 컴퓨팅 인프라의 구축과 운용에 대한 부담이 클 수밖에 없다. 헌 부사장은 “소프트웨어 최적화와 유연한 클라우드 지원을 통해 고객들이 인프라 제약 없이 혁신에 집중할 수 있도록 돕겠다”고 밝혔다. 우선 R&D 차원에서 앤시스는 자사 솔버의 코드를 전면 재작성하고 있다. CFD(전산 유체 역학)와 전자기를 비롯해 모든 분야의 솔버를 GPU(그래픽 처리 장치) 환경에서 구동되도록 최적화하는 것이 핵심이다. 또한, 앤시스는 AWS(아마존 웹 서비스) 및 마이크로소프트 애저(Azure)와 협력해 클라우드 서비스를 제공하고 있다. 고객사가 대규모 해석과 같이 추가적인 컴퓨팅 성능이 필요할 경우 언제든지 클라우드 자원을 활용해 작업을 확장할 수 있도록 하겠다는 것이다. 헌 부사장은 “시높시스 역시 자체 클라우드를 통해 컴퓨팅 리소스를 제공하고 있는데, 향후 이를 통합하면 더욱 시너지를 낼 수 있을 것”이라고 전했다.   ▲ 앤시스코리아 박주일 대표   한국은 가장 복잡한 제품 개발하는 전략적 요충지 앤시스코리아는 최근 몇 년간 두 자릿수의 성장세를 유지하고 있으며, 올해는 예년보다 더 큰 폭의 성장을 예상하고 있다. 박주일 대표는 “이런 성장의 배경에는 국내 시장의 확고한 디지털 전환(DX) 트렌드와 갈수록 복잡해지는 제품 설계 환경이 있다”고 짚었다. 그는 “한국 기업들은 반도체, 자동차, 조선, 항공우주 등 모든 산업 영역에서 최고 수준의 복잡한 제품을 설계하며 글로벌 기업과 경쟁하고 있으며, 그만큼 국내 고객의 기술적 요구 수준 또한 높다”면서, “앤시스 코리아는 높은 수준의 국내 고객 요구를 시뮬레이션 기술로 충족시키는 것을 최우선 과제로 삼고 있으며, 이를 위해 국내 리소스뿐만 아니라 글로벌 조직과의 긴밀한 협업을 통해 한국 시장과 고객을 적극 지원하고 있다”고 설명했다. 앤시스는 HBM, 3D IC와 같은 스택 구조 반도체의 전력 무결성, 열, 구조 변형 문제 해결을 위해 국내 반도체 기업들과 협력하고 있다. 그리고 고밀도 AI 칩을 개발하는 국내 스타트업들과도 협력을 진행 중이다. 우주 산업에서는 국내 스타트업과 협력해 인공위성의 수명과 성능을 위협하는 우주 잔해물 문제 해결을 돕고 있다. 또한, 삼성전자, LG전자, 현대자동차 등 국내 대기업을 중심으로 AI 기술이 탑재된 시뮬레이션 설루션 도입을 빠르게 진행 중이다. 맨들로이 부사장은 “한국 앤시스 고객의 만족도는 96.8%로 역대 최고치를 기록했으며, 이는 지난 몇 년간 꾸준히 상승해 온 결과이다. 앤시스는 이러한 높은 만족도에 큰 자부심을 가지고 있으며, 앞으로도 최고의 기술을 통해 한국 고객들을 지원하는 데 집중할 것”이라고 전했다.    ▲ 앤시스코리아는 9월 17일 연례 콘퍼런스 ‘시뮬레이션 월드 코리아 2025’를 열고, 최신 기술 트렌드와 함께 자사의 비전, 신기술, 고객 사례를 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.

미라콤 솔루션 페어   미라콤아이앤씨가 9월 25일 '미라콤 솔루션 페어 2025(MSF 2025)'를 개최하고, 핵심 주제인 '제조 AX(인공지능 전환)'를 중심으로 제조 특화 AI 솔루션인 'Nexphere AI(넥스피어 AI)'와 구체적인 AX 로드맵을 공개했다. 미라콤아이앤씨가 매년 하반기에 주최하는 이 전문 행사는 서울 드래곤시티 호텔에서 열렸다. 제조 AX를 이끌 최신 기술 트렌드 총망라 이번 MSF 2025에서는 제조 혁신을 이끌 최신 인사이트가 대거 공개된다. 행사의 첫 순서인 키노트 세션에서는 삼성SDS 김긍환 그룹장이 연사로 나서 'AI Agent 시대, 제조업의 새로운 가능성'이라는 주제로 발표했다. 김 그룹장은 사람의 개입 없이 AI 시스템이 스스로 작업을 수행하는 'Agentic AI'와 데이터 간 관계와 맥락을 부여해 AI의 정교한 추론을 돕는 '데이터 온톨로지' 등 최신 기술 트렌드를 언급하며 AI 시대에 국내 제조 기업들이 나아가야 할 방향을 제시할 예정이다. 제조 현장에서는 이 기술들을 활용해 고도화된 설비 파라미터 설정과 불량 원인 분석 등의 작업을 수행할 수 있을 것으로 전망된다. Agentic AI를 IT 리소스와 연결하면 제조 현장에 자율 지능형 AI 도입이 가능해진다. Nexphere AI로 실현하는 제조 AX 로드맵 키노트 이후에는 △Track1(Connect) △Track2(Activate) △Track3(Realize) 3개 트랙에서 총 12개의 세션이 이어진다. 특히, 미라콤아이앤씨 이송완 랩장은 Track1 'Connect'에서 'AX로 여는 자율제조의 미래: SDF 완성을 위한 플랫폼 핵심전략'을 주제로 발표한다. 이 랩장은 미라콤아이앤씨의 제조 AI인 Nexphere AI와 자체 플랫폼인 'Nexphere Platform'을 중심으로 구체적인 제조 AX 실현 로드맵을 제시한다. Nexphere Platform 위에서 제공되는 핵심 솔루션은 'Nexphere Analytics'와 'Nexphere Chat'이다. Nexphere Analytics는 데이터 전처리와 머신러닝, 딥러닝 기반의 예측 및 분석을 통해 제조 현장에서 활용할 수 있는 인사이트를 제공한다. Nexphere Chat은 제조 데이터를 실시간으로 조회하거나 기업의 문서와 자료를 지식화하여 자연어로 질의응답을 할 수 있도록 만든 협업 솔루션이다. 미라콤아이앤씨는 Nexphere Platform 내 학습 및 운영을 통해 AI Agent를 확보하고, 궁극적으로 이를 제조 특화 Agentic AI로 발전시키겠다는 로드맵을 가지고 있다. 행사 현장에는 Nexphere AI를 비롯해 6개의 제조 혁신 솔루션 데모가 마련되어 있어 관람객들이 직접 체험해볼 수 있다. 미라콤아이앤씨 강석립 대표이사는 "2025년은 제조 AX가 본격적으로 시작되는 원년"이라며 "올해 MSF 2025에서 제조 AX의 구체적인 전략과 방향성을 확인하길 바란다"고 말했다. 상세 내용은 홈페이지에서 확인 가능하다.

매스웍스는 한국전자통신연구원(ETRI)이 매스웍스의 매트랩(MATLAB)과 시뮬링크(Simulink)를 활용하여 직교형 레이더 신호 송수신용 실시간 신호처리 모듈을 개발했다고 발표했다. 이 모듈은 내셔널인스트루먼트(NI) FPGA(Field-Programmable Gate Array) 기반 레이더 에뮬레이션 동작을 가속화한다. ETRI 입체통신연구소의 전파연구본부는 소출력 레이더 시스템에서 동작하는 직교형 레이더 신호 송수신이라는 복잡한 신호 처리 과제를 해결하기 위해, 매트랩과 시뮬링크를 활용한 모델 기반 설계(MBD) 접근 방식을 도입했다. 이를 통해 알고리즘을 시스템 수준에서 설계하고 검증한 뒤 자동 HDL 코드 생성과 하드웨어 구현까지 가능해졌으며, FPGA 기반 실시간 처리 시스템의 개발 효율성과 구현 정확도를 동시에 향상시켰다. 실시간 신호처리 모듈을 개발하는 과정에서 ETRI 연구팀은 그래픽 프로그래밍 환경을 이용한 기존의 CPU 기반 실행 방식만으로는 정해진 시간 내에 다중 신호를 동시에 분석하고 처리해야 하는 성능 요구사항을 충족할 수 없음을 확인했다. 신호 간섭을 줄이기 위한 정합 필터 뱅크(matched filter bank)와 같은 병렬 처리 알고리즘은 실시간 실행이 필요했고, 직교 신호 수신기는 파이프라인 구조로 구현되어야 했다. 이에 연구팀은 이러한 성능 목표 달성을 위해 NI FPGA로의 전환이 필수라고 판단했다. 그러나 매트랩 알고리즘을 HDL 코드로 변환하는 과정은 비효율적이고 오류가 발생하기 쉬웠으며, 특히 알고리즘이 변경될 때마다 수동으로 코드를 업데이트해야 하는 문제가 있었다.  또한, 알고리즘과 HDL 코드 간의 구조적 불일치로 인해 디버깅 과정이 복잡해졌다.     이러한 문제를 해결하기 위해 연구팀은 알고리즘을 시뮬링크 모델로 변환한 후 HDL 코더(HDL Coder)를 통해 HDL 코드를 자동 생성하는 워크플로를 선택했다. 이러한 접근 방식을 통해 아키텍처, 고정소수점 데이터 타입, 구현 방법 등 FPGA 구현을 위한 다양한 설계 옵션을 쉽게 평가할 수 있었다. 또한 매스웍스의 HDL 베리파이어(HDL Verifier)를 활용해 생성된 HDL 코드와 원본 알고리즘의 동작을 코시뮬레이션을 통해 비교함으로써, 시스템 수준에서의 동작 검증과 성능 테스트를 효과적으로 수행했다. ETRI는 기존의 수동 코딩 워크플로 대비 HDL 코드 구현과 검증에 소요되는 시간과 노력을 약 50% 절감할 수 있었다. 더 나아가, 알고리즘 설계자와 하드웨어 엔지니어 간의 워크플로를 통합하여 반복 작업을 줄이고 인적 오류를 최소화했다. ETRI는 머신러닝 기반 알고리즘이 포함된 향후 프로젝트에서도 동일한 방식으로 HDL Coder를 활용한 자동 코드 생성을 적극 적용할 계획이다. 한국전자통신연구원 전파연구본부의 책임연구원인 김형중 박사는 “매트랩 펑션 블록(MATLAB Function blocks)을 사용하면 주요 알고리즘 코드 대부분을 별도 작업 없이 그대로 사용할 수 있어 특히 유용하다”면서, “HDL 전문 지식이 없어도 HDL 코더를 사용해 알고리즘을 HDL 코드로 쉽게 변환할 수 있었다”고 설명했다. 매스웍스코리아의 정승혁 애플리케이션 엔지니어는 “한국전자통신연구원의 직교형 레이더 신호 개발에서복잡한 신호처리 알고리즘을 FPGA 하드웨어로 효율적으로 구현하는 데 매트랩과 시뮬링크가 핵심 역할을 했다. 이번 성과는 매스웍스의 모델 기반 설계 접근법이 한국의 첨단 연구개발 프로젝트에서 실질적인 혁신을 가능하게 한다는 것을 보여준다”면서, “매스웍스는 앞으로도 한국의 선도적인 연구기관들과 지속적인 협력을 통해 차세대 기술 개발에 적극 지원할 것”이라고 말했다.

브이이엔지가 ‘VENG Technical Day 2025’를 지난 9월 4일 광교 차세대융합기술연구원에서 진행했다고 밝혔다. 이번 행사는 산업 설계와 해석 기술의 최신 동향을 조망하는 한편, 엔지니어링 시뮬레이션 기술 생태계의 확장을 모색하는 자리로 마련됐다. 이번 행사에서 브이이엔지는 데이터와 시스템 통합의 중요성을 강조하며, 고객과의 협력을 통해 지속적인 기술 혁신을 이어가겠다는 비전을 제시했다.  행사에 참석한 다쏘시스템코리아 정운성 대표는 인사말을 통해 디지털 전환 시대의 핵심 기술로서 버추얼 트윈과 AI의 융합을 강조했다. 그는 “제조업의 지속가능한 혁신을 위해서는 단순한 자동화를 넘어, 현실과 가상을 연결하는 정밀한 데이터 기반의 시뮬레이션이 필수”라며, “다쏘시스템은 3D익스피리언스 플랫폼을 통해 제품의 기획부터 설계, 생산, 운영까지 전 과정을 디지털로 통합하고 있다”고 밝혔다. 또한, “AI는 단순히 사람을 대체하는 기술이 아니라, 반복적이고 시간이 오래 걸리는 작업을 줄여주고, 사람은 보다 창의적인 영역에 집중할 수 있도록 돕는 협업 파트너”라고 강조하며, 산업 현장을 지키는 기술로서의 AI의 역할을 재조명했다. 이번 행사는 총 15개 세션으로 구성되었으며, 다양한 산업 분야에서의 시뮬레이션 적용 사례와 최신 기술 트렌드를 소개했다. 브이이엔지의 중장기 기술 전략 및 비전 발표와 함께 ▲자동차 산업에서 CAE 기반 내구 해석 및 엘라스토머 피로 분석 적용 사례 ▲Wave6를 활용한 NVH 해석 접근법 ▲머신러닝 기반 시뮬레이션 최적화와 멀티스케일/멀티피직스 해석 기술 등의 내용이 소개됐다. 각 세션은 해당 분야 전문가가 직접 발표하고 참가 고객과의 질의응답을 통해 기술 논의가 진행되었다는 것이 브이이엔지의 설명이다. 이번 행사의 협찬사인 다쏘시스템코리아는 3D익스피리언스(3DEXPERIENCE) 플랫폼을 기반으로 한 디지털 트윈 및 설계 자동화 기술을 소개하며, 산업 전반의 혁신 방향을 제시했다. 또한 인터아이코리아는 강력한 하드웨어 인프라를 기반으로 브이이엔지와 협력을 통해 시뮬레이션 생태계의 확장에 기여하고 있다고 전했다. 브이이엔지의 김창훈대표는 “이번 행사는 단순한 기술 발표를 넘어 AI를 활용한 시뮬레이션이 열어갈 산업의 미래를 함께 고민하는 의미 있는 자리였다”면서, “참가자들에게 실질적인 영감을 제공하고 AI를 활용한 해석 기술의 새로운 가능성을 제시한 것에 큰 의의가 있다”고 전했다.  

카스퍼스키는 자사의 플래그십 제품군인 카스퍼스키 넥스트(Kaspersky Next)를 강화하기 위해, 중소 및 중견기업을 위한 설루션 카스퍼스키 넥스트 XDR 옵티멈(Kaspersky Next XDR Optimum)과 카스퍼스키 넥스트 MXDR 옵티멈(Kaspersky Next MXDR Optimum)을 새롭게 출시했다. 이번 신제품은 강화된 보호, 자동화된 대응, 손쉬운 배포, 그리고 관리형 보안을 제공하여, 기업이 기존 자원을 과도하게 소모하지 않고도 현대적 위협을 효과적으로 차단하고 리스크를 최소화할 수 있도록 지원한다. 사이버 위협이 점점 더 복잡해지고 비용 부담이 커짐에 따라, 중견기업은 합법적인 도구를 악용하거나 탐지를 회피하는 고도화된 공격에 직면하고 있다. 동시에, 제한된 예산과 숙련된 보안 인력 부족은 첨단 보안 대책의 구축과 운영을 어렵게 만든다. 카스퍼스키는 이러한 기업들이 과도한 비용 부담 없이 효과적으로 자신을 보호할 수 있도록, 사용하기 쉽고 강력한 설루션인 카스퍼스키 넥스트 XDR 옵티멈과 카스퍼스키 넥스트 MXDR 옵티멈을 출시했다. 카스퍼스키 넥스트 XDR 옵티멈은 모든 규모의 기업을 위한 카스퍼스키의 플래그십 제품군 카스퍼스키 넥스트에 새롭게 추가된 설루션이다. 이 제품은 IT 인프라가 구축되어 있으며, 중간 수준의 보안 예산을 가지고 소규모 보안 조직이 관리하는 중소·중견기업에 특히 적합하다. 이 설루션은 카스퍼스키의 AI 기반 보안 전문성을 바탕으로 한 종합적이고 관리 가능한 보안을 제공한다. 강화된 엔드포인트 보안과 자동 위협 대응은 물론, 합리적인 비용으로 사용하기 쉬운 탐지·대응 툴을 제공하여 회피형 공격을 효과적으로 식별, 분석, 무력화할 수 있다. 또한 클라우드 및 온프레미스 환경 모두에 유연하게 배포할 수 있다. 이 제품은 엔드포인트 보호를 위한 머신러닝 기반의 안티랜섬웨어 및 안티멀웨어 도구를 통해, 알려진 위협과 알려지지 않은 위협 모두로부터 감염을 차단하여 업무 중단을 예방한다. 엔드포인트 내외부 위협 움직임에 대한 통합 가시성을 확보하고, 자동화 및 가이드 기반 대응을 통해 공격에 신속히 대처할 수 있으며, 고급 조사 도구를 통한 활동 추적도 지원한다. 또한, 클라우드 샌드백스(Cloud Sandbox)와 통합되어 악성 파일을 신속하게 분석하고, 샘플 업로드 및 평판 조회를 수초 내에 수행하여 향후 IoC 스캔을 강화할 수 있다. IT팀 및 직원들에게 핵심 보안 지식을 제공하여 조직 전반에 보안 인식 문화를 확산하는 한편, 사용자 행위 기반의 시스템 하드닝을 통해 공격 표면을 줄이고, 중앙집중식 취약점 관리, 패치 및 암호화 관리로 시간을 절약한다. 조직에서 사용 중인 클라우드 서비스를 모니터링하여 무단 접근을 차단하고, 마이크로소프트 365(Microsoft 365) 앱 내 민감 데이터 저장 현황을 파악하여 데이터와 직원을 보호하는 것도 가능하다. 기존에 카스퍼스키 넥스트 EDR 옵티멈(Kaspersky Next EDR Optimum)을 사용 중인 기업은 카스퍼스키 넥스트 XDR 옵티멈으로 원활하게 업그레이드할 수 있으며, 데이터 손실 없이 기존 인터페이스를 그대로 유지한 채 더 진화된 XDR급 기능을 활용할 수 있다.     카스퍼스키 넥스트 MXDR 옵티멈은 광범위한 보호를 원하지만 내부 보안 역량 구축 부담은 피하고자 하는 기업을 위한 제품이다. 24/7 관리형 보안 설루션으로, 카스퍼스키 넥스트 XDR 옵티멈의 핵심 기능을 기반으로 한 강력한 위협 탐지 및 대응을 제공한다. 기업의 내부 팀은 IoC 스캔과 클라우드 샌드박스 등 기본 툴로 초기 위협 분석을 수행하고, 카스퍼스키팀은 실시간 데이터 내 고급 위협 탐지, AI 기반 알림 분석, 신속한 대응 또는 상세한 복구 가이드를 제공한다. 이 협업 접근법을 통해 기업은 빠른 사고 해결과 전반적인 보안 체계 강화를 동시에 달성할 수 있다. 카스퍼스키의 일리야 마르켈로프 통합 플랫폼 제품 라인 총괄은 “카스퍼스키 넥스트 XDR 옵티멈과 카스퍼스키 넥스트 MXDR 옵티멈은 수많은 독립 기관의 평가로 입증된 높은 수준의 엔드포인트 보호를 기반으로, 추가적인 시스템 컴포넌트 도입 없이도 기존 인프라에 원활히 통합될 수 있다. 최소한의 시간과 자원으로 회피형 공격에 대한 방어 능력을 크게 강화할 수 있으며, 고객은 카스퍼스키 전문가의 모니터링 및 대응 서비스(MXDR)를 선택하거나, 독립적으로 XDR 설루션을 운영하는 방식 중 원하는 방법을 선택해 고품질 보호를 보장받을 수 있다”고 밝혔다. 카스퍼스키 이효은 한국지사장은 “한국 기업들은 점점 더 은밀한 표적 공격에 직면하고 있으며, 하이브리드 근무 환경과 클라우드 전환은 방어 부담을 가중시키고 있다. 이번에 발표한 카스퍼스키 넥스트 XDR 옵티멈과 카스퍼스키 넥스트 MXDR 옵티멈은 한국의 중소·중견기업을 위해 설계된 설루션으로, AI 기반 자동 방어 및 유연한 배포 기능을 제공하여 하이브리드 클라우드 환경에 최적화되어 있다. 파일리스 공격등 신종 위협에도 대응할 수 있으며, 운영 단순화와 로컬 팀 협업을 통해 취약점 관리와 위협 추적을 강화하여 비즈니스 연속성을 보장하고, 한국의 사이버 보안 전략에 부합하는 방어 체계를 마련할 수 있다”고 말했다.

헥사곤 매뉴팩처링 인텔리전스는 9월 3일 서울 양재동 aT센터에서 ‘헥사곤 라이브 이노베이션 서밋 코리아 2025(Hexagon Live Innovation Summit Korea 2025)’를 개최했다고 전했다. 이번 서밋에서 헥사곤은 ▲정밀 측정 하드웨어와 소프트웨어 ▲지오매직 리버스 엔지니어링 및 품질 검사 설루션 ▲CAD/CAM 소프트웨어 ▲라이카 지오시스템즈의 3D 스캐닝 기술을 폭넓게 선보이고, 헥사곤 포트폴리오 기반의 실제 적용 사례를 통해 디지털 혁신과 정밀 측정의 미래를 조명했다. 행사 기조연설은 헥사곤 매뉴팩처링 인텔리전스의 림분춘 아세안·태평양·인도 지역 사장이 맡아 정밀 측정과 스마트 디지털 트윈이 제조업 혁신을 견인하는 핵심 동력임을 강조했다. 그는 포레스터와 함께 발간한 ‘2025 첨단 제조 산업 보고서’를 인용하며, 디지털 트윈이 기업의 민첩성과 품질 혁신을 가능하게 하는 가장 중요한 투자 영역으로 부상하고 있음을 지적했다. 이어 헥사곤이 현실과 가상을 연결하는 정밀 측정 기술과 데이터 기반 설루션을 통해 이러한 산업적 전환을 지원하며, 제조업이 자율성과 경쟁력을 갖춘 미래로 나아가도록 기여하고 있음을 강조했다.     이어서 라이카지오시스템즈 칸 파힘(Khan Faheem) 아시아 사장이 현실 공간 데이터를 활용한 비즈니스 인사이트와 스마트 제조의 접목 가능성을 소개했으며, 헥사곤 매뉴팩처링 인텔리전스의 홍석관 사장은 헥사곤 데이터 기반의 스마트 제조 전략을 발표했다. 또한 헥사곤 매뉴팩처링 인텔리전스의 권의중 본부장은 측정 기술과 품질 혁신의 새로운 패러다임을 제시했으며, 문장희 팀장은 라이카 앱솔루트 트래커 ATS800(Leica Absolute Tracker ATS800)을 활용한 대형 정밀 측정의 업계 표준을 소개하며 제조 현장의 적용 가능성을 공유했다. 또한, 이번 행사에는 한국생산기술원과 DN솔루션즈를 비롯한 주요 고객사와 산업 관계자들이 함께 참여해 헥사곤 설루션의 실제 적용 사례와 협업 성과를 공유했다. 한국생산기술원 김성현 수석연구원은 레이저 트래커 연동 실시간 피드백 제어를 활용한 고정밀 로봇 가공 기술을 소개하며 연구 성과를 공유했다. 또한 DN솔루션즈 박성철 상무는 헥사곤 설루션을 기반으로 한 제조 공정 혁신 사례를 발표해 현장의 생산성 향상과 품질 경쟁력 확보 방안을 제시했다. 주요 관계자의 발표뿐만 아니라 헥사곤의 측정 설루션 시연, 산업별 적용 사례 발표, 전시 및 네트워킹도 함께 진행됐다. 전시에서는 각 분야의 설루션이 소개되었으며 특히, 라이카 앱솔루트 트래커 ATS800과 더불어 초고속 디지털 3차원 측정기(CMM) 마에스트로(MAESTRO), 앱솔루트 암(Absolute Arm), 스마트 스캔 VR800(SmartScan VR800) 등 정밀 측정 하드웨어를 선보였다. 또한 AI 및 머신러닝 기반 제조 공정 최적화 기술인 프로플랜AI(ProplanAI), 3D 스캔 데이터의 CAD 변환을 지원하는 지오매직 디자인X(Geomagic Design X), 휴대형 3D 스캐닝을 지원하는 라이카 BLK2GO 등 CAD/CAM 및 지오매직 소프트웨어, 라이카 지오시스템즈(Leica Geosystems)의 대표 설루션을 소개하며 리얼리티 캡처와 디지털 트윈을 통한 데이터 기반 품질 관리와 공정 혁신의 실질적 적용 방안을 제시했다. 올해 5월 새롭게 출시된 ATS800은 최대 40미터 거리에서도 리플렉터 없이 고정밀 측정이 가능해 대형 구조물의 품질 검사를 자동화할 수 있는 차세대 레이저 트래커로, 항공우주와 풍력 등 대규모 제조 현장에서 활용도가 높다. 같은 달 공개된 마에스트로는 속도, 정밀도, 연결성을 강화한 차세대 CMM으로, 직관적인 인터페이스와 클라우드 기반 소프트웨어를 통해 품질 검사 프로세스를 간소화하고 생산성을 높일 수 있는 설루션이다. 홍석관 사장은 “이번 행사를 통해 헥사곤의 최신 측정 설루션과 다양한 산업별 적용 사례를 국내 고객과 직접 공유할 수 있어 뜻깊다”면서, “앞으로도 헥사곤은 정밀 측정과 디지털 트윈을 기반으로 자동차, 항공우주, 전자 등 다양한 제조 산업에서 고객이 품질과 생산성을 높이고 디지털 혁신을 가속화할 수 있도록 적극 지원해 나갈 것”이라고 말했다.

비행 훈련부터 제품 개발·운영까지 아우르는 핵심 인프라를 목표로   최근 몇 년 사이 시뮬레이션 산업은 디지털 트윈, AI(인공지능), VR(가상현실)/AR(증강현실) 등 첨단 디지털 기술 중심으로 빠르게 재편되고 있다. KAI(한국항공우주산업)는 이러한 흐름에 발맞춰 언리얼 엔진을 도입함으로써 항공산업 전반에 걸친 디지털 혁신을 추진하고 있다. ■ 자료 제공 : 에픽게임즈   KAI는 KT-1 기본 훈련기, T-50 고등훈련기, 수리온 기동헬기, 송골매 무인기 등 다양한 항공우주 시스템을 자체적으로 설계 및 제작하며, 지난 40년간 항공산업 및 국방산업을 선도해 온 종합 항공우주 설루션 기업이다. 최근에는 소형무장헬기(LAH)와 차세대 전투기 KF-21 개발을 비롯해 위성과 발사체 총조립 등 우주 분야로도 사업을 확대하고 있다. KAI는 2024년 ‘언리얼 페스트 시애틀 2024(Unreal Fest Seattle 2024)’에 참가해 자사의 시뮬레이션 전략을 소개하는 세션을 진행했다. 이번 호에서는 이 발표 내용을 바탕으로 시뮬레이션 산업의 급변하는 흐름 속에서 KAI가 어떻게 대응하고 있는지, 언리얼 엔진을 중심으로 한 시뮬레이션 통합 전략과 실제 적용 사례, 그리고 향후 비전 등을 중심으로 KAI의 기술 혁신에 대해 살펴본다.   ▲ 이미지 출처 : ‘KAI의 언리얼 엔진 기반 차세대 시뮬레이션 에코시스템 | 언리얼 엔진’ 영상 캡처   시뮬레이션 산업의 변화와 KAI의 대응 최근 시뮬레이션 산업은 빠르게 발전하며 구조적인 변화를 겪고 있다. 클라우드 기반 시뮬레이션 도입으로 언제 어디서든 고성능 자원에 접근할 수 있게 되었고, 디지털 트윈, AI, 머신러닝 기술의 결합을 통해 시뮬레이션은 단순한 재현을 넘어 예측과 최적화를 수행할 수 있는 툴로 진화하고 있다. 또한 VR/AR/MR(혼합현실) 기술은 훈련의 몰입감과 현실감을 높여 실제 환경과 유사한 시뮬레이션을 가능하게 하고, 마이크로서비스 아키텍처를 기반으로 한 소프트웨어 설계는 유연성과 확장성을 높이고 있다. KAI는 이러한 디지털 전환에 적극 대응하기 위해 전통적인 레거시 시뮬레이션 시스템을 언리얼 엔진과 통합하고 있다. 핵심 전략은 세 가지이다. 첫째, 언리얼 엔진을 활용한 빠른 프로토타이핑으로 기술 검증과 적용 속도를 높이는 것이다. 둘째, 표준화된 인터페이스를 통해 기존 시스템과의 원활한 연동을 실현하는 것이다. 셋째, 지속 가능한 콘텐츠 개발을 위한 플랫폼 설계로 장기적인 생태계 구축을 추진하는 것이다. 이를 통해 KAI는 기존 자산의 가치를 극대화함과 동시에 급변하는 기술 환경에 유연하고 효율적으로 대응하고 있다.   언리얼 엔진이 변화하는 시뮬레이션 산업에 주는 영향 언리얼 엔진은 시뮬레이션 산업의 진화에 있어 중요한 역할을 하고 있다. 우선 고품질의 리얼타임 3D 그래픽을 통해 현실감 있는 몰입형 시뮬레이션 환경을 구현할 수 있어, 훈련과 테스트의 효율성을 높이고 있다. 또한 VR/AR/MR과의 통합 지원은 다양한 산업에서 실제 같은 체험 기반 학습을 가능하게 한다. 언리얼 엔진의 모듈형 아키텍처와 개방된 생태계는 기존 레거시 시스템과의 통합을 쉽게 하고, 새로운 기술이나 기능을 빠르게 적용할 수 있는 유연성을 제공한다. 특히 디지털 트윈, AI, 머신러닝 등 최신 기술과의 연계가 원활하여 복잡한 시스템의 설계, 유지보수, 운영 효율을 높일 수 있다. KAI와 같은 기업에게 언리얼 엔진은 단순한 툴을 넘어, 지속 가능한 시뮬레이션 콘텐츠를 개발하고 새로운 시뮬레이션 생태계를 구축하는 핵심 기술로 자리잡고 있다.   ▲ KAI의 시뮬레이터로 본 FA-50의 모습(이미지 출처 : KAI)   기존 시스템에 언리얼 엔진을 통합한 사례 KAI는 항공기 훈련 체계에 언리얼 엔진을 도입해 현실성과 효율을 갖춘 시뮬레이터를 개발하고 있다. 대표적으로 VR 시뮬레이터의 경우, 조종사가 풀 플라이트 시뮬레이터에 들어가기 전 VR 기기를 통해 절차와 조작 감각을 사전에 익힐 수 있도록 돕고 있다. 언리얼 엔진으로 실제 항공기와 동일한 가상 조종석을 구현해 이륙/착륙, 비상절차, 항전 장비 조작 등을 별도 교관 없이 반복 학습할 수 있도록 했다. 기존의 시뮬레이터는 실제 항공기 수준의 조작감과 훈련 효과를 제공하지만, 높은 구축 비용과 운영 비용, 전용 시설의 필요 등으로 대량 보급에 한계가 있었다. KAI는 이러한 문제를 보완하기 위해 VR 기술을 도입했다. 언리얼 엔진은 영상 발생 장치, 계기 패널, 입출력 장치 등을 대체한 것은 물론, VR HMD(헤드 마운트 디스플레이) 하나만으로 기존의 여러 장치를 필요로 하는 대형 시현 시스템의 효과를 구현할 수 있게 했다. 또한 KAI는 독자적인 역학 모델과 항전 시스템을 언리얼 엔진의 실시간 렌더링과 결합해 실제 조종과 유사한 수준의 훈련 환경을 제공하고 있다. GIS(지리 정보 시스템), DEM(수치 표고 모델) 등 초정밀지도 기반의 한반도 3D 지형을 재현해 조종사의 임무 지역 지형 학습까지 지원하고 있다. 정비 훈련 분야에서도 언리얼 엔진은 핵심 플랫폼으로 활용되고 있다. 2024년 I/ITSEC 전시회에서 공개된 FA-50 정비 훈련 시뮬레이터는 VR 환경에서 점검과 부품 교체를 실습할 수 있을 뿐만 아니라, 사용자가 직접 교육 과정을 만들 수 있도록 설계됐다. 이를 통해 기존 문서와 평면형 CBT(컴퓨터 기반 훈련), 반복 시나리오 기반의 실습 중심 교육의 한계를 극복할 대안을 제시했다. 또한 같은 행사에서 선보인 수리온 헬기 비행 시뮬레이터(VFT)는 디지털 트윈과 고해상도 시각화를 통해 실제 기체 성능과 지형 정보를 반영한 몰입형 훈련 환경을 제공했다.   ▲ FA-50 비행 시뮬레이션의 디스플레이 장면(이미지 출처 : KAI)   시뮬레이션·시스템 개발에서 언리얼 엔진의 기여도 언리얼 엔진 도입 이후 KAI의 시뮬레이션 제작 파이프라인에는 큰 변화가 있었다. 데이터스미스를 활용해 카티아 등 설계 도구의 3D 모델을 쉽게 불러올 수 있어, 실제 설계 기반의 가상 조종석과 기체 모델을 빠르게 구축하고 별도의 모델링 없이 제작 시간을 줄일 수 있었다. 또한 자체 개발한 비행역학 엔진과 항공전자 시뮬레이션 소프트웨어를 언리얼 엔진과 실시간으로 연동해, 백엔드 시스템과 시각화 프론트엔드를 효과적으로 통합함으로써 전반적인 생산성이 향상되었다. 특히 조종사가 시각과 청각 정보를 통해 상황을 판단하는 VR 시뮬레이터 개발에서는 언리얼 엔진의 렌더링, 사운드, 애니메이션 기능이 핵심 도구로 사용되었다. 물리 기반 렌더링(PBR)은 금속, 유리, 계기판 등 재질을 사실적으로 구현했으며, 파티클 시스템과 머티리얼 노드를 통해 연기, 공기 왜곡 등의 시각 효과도 유연하게 조정할 수 있었다. 사운드 역시 메타사운드를 통해 엔진 RPM이나 환경 변화에 따라 실시간으로 반응하며, 조종사에게 실제 비행과 유사한 감각을 제공했다. 또한 애니메이션 블루프린트를 활용해 조종간, 계기판, 비행 제어면 간 연동 애니메이션의 비주얼을 직관적으로 구현할 수 있었으며, 스카이 애트머스피어, 볼류메트릭 클라우드, 하이트 포그 등의 기능은 대기 표현과 공간 인식 훈련의 몰입감을 높였다. 지형 구현에서도 언리얼 엔진의 LWC(Large World Coordinates)를 통해 수천 km 단위의 지형에서도 고속 이동 시 정밀도를 유지할 수 있었고, 풀 소스 코드를 활용해 AI 훈련 체계에 맞는 좌표 변환, 시스템 연동, 정밀 지형 구조를 구현할 수 있었다. 이 과정에서 실제 지형 데이터, 항공 사진, 고도 정보를 언리얼 엔진에 통합했고, GIS, DEM 기반의 정밀 지형 정보를 효과적으로 활용해 복잡한 비행 경로, 저공 비행 훈련, 목표 탐색 등 고난도 시나리오도 현실감 있게 구현할 수 있었다. 그 결과 KAI는 초대형 지형 데이터, 초정밀 위치 기반 훈련, 외부 시스템과의 정밀한 좌표 연동을 모두 만족하는 차세대 항공기 시뮬레이터 플랫폼을 성공적으로 구축할 수 있었다. 이외에도 다양한 플러그인, 하드웨어 인터페이스, 형상 관리 툴 연동, 이제는 리얼리티스캔으로 변경된 리얼리티캡처, 마켓플레이스 등을 활용하여 프로젝트 확장성과 콘텐츠 제작 유연성이 높아졌다.   ▲ 애니메이션 블루프린트를 활용해 구현한 조종간(이미지 출처 : KAI)   대규모 전술 훈련을 위한 AI 에이전트를 언리얼 엔진에 도입 KAI는 차세대 전술 훈련 시뮬레이터 개발을 위해 강화학습 기반의 AI 에이전트를 실제 훈련 시나리오에 연동하는 작업을 진행 중이다. 특히, 복잡한 전장 환경에서는 다양한 무기 체계와 플랫폼이 동시에 운용되기 때문에, 이를 하나의 시뮬레이션 공간에서 유기적으로 연동하는 기술이 매우 중요하다. 기존 상용 시뮬레이터 설루션의 경우 외부 시스템 연동이나 커스터마이징에 제약이 많지만, 언리얼 엔진은 C++ 기반의 풀 소스 코드 접근이 가능해 이러한 한계를 극복할 수 있다. KAI는 이러한 개방성을 바탕으로 자체 개발한 AI 에이전트를 정밀하게 통합해, 복잡한 상호작용이 필요한 전술 훈련 시나리오에서도 실질적인 이점을 확보할 수 있었다. 이와 같은 통합은 단순히 AI를 활용하는 수준을 넘어, 인간 조종사와 AI가 동일한 시뮬레이션 환경에서 훈련하고 상호 작용할 수 있는 구조를 의미한다. 기존의 설루션으로는 구현하기 어려웠지만 KAI는 언리얼 엔진을 도입해 이를 실현할 수 있었다. 결과적으로 언리얼 엔진은 AI, 실시간 시뮬레이션, 데이터 피드백이 통합된 플랫폼을 제공하며, KAI의 차세대 전술 훈련체계 구현에 핵심 역할을 하고 있다.   ▲ 지형 데이터 통합으로 구현한 대규모 도시 지역 디지털 트윈(이미지 출처 : KAI)   향후 시뮬레이션 에코시스템의 방향과 KAI의 비전 향후 시뮬레이션 에코시스템은 개방성, 지속 가능성, 개인화를 중심으로 발전해 나갈 것이다. AI와 빅데이터를 기반으로 한 맞춤형 훈련 시스템, 클라우드 환경에서의 지리적 제약 없는 고성능 시뮬레이션 그리고 VR/AR, 웨어러블 기술 등을 활용한 몰입형 실시간 피드백 시스템이 표준이 되어갈 것으로 전망된다. 이러한 변화 속에서 KAI는 기술 통합형 플랫폼과 자체 시뮬레이션 에코시스템을 구축하며, 대한민국 시뮬레이션 산업의 지속 가능한 성장 기반을 마련할 예정이다. 언리얼 엔진을 단순한 개발 툴이 아닌 시뮬레이션 엔진으로 활용하며, 플랫폼을 중심으로 고퀄리티 콘텐츠를 빠르게 생산할 수 있는 시뮬레이션 콘텐츠 파이프라인을 개발 중이다. KAI의 비전은 국내를 넘어 글로벌 시뮬레이션 에코시스템과 연결되는 것이다. 언리얼 엔진의 개방성과 기술력을 바탕으로 산업 전반에 걸쳐 공유 가능한 시뮬레이션 플랫폼을 만들고, 이를 통해 다양한 산업, 기관, 개발자가 협력할 수 있는 건강하고 확장 가능한 에코시스템을 조성하는 것이 목표다. 이러한 방향성과 비전을 바탕으로, KAI는 시뮬레이션 기술을 단순한 훈련 도구를 넘어 제품 개발, 유지보수, 운영 효율 개선을 위한 핵심 인프라로 성장시키고자 한다.     ■ 기사 내용은 PDF로도 제공됩니다.