최적화 문제를 통찰하기 위한 심센터 히즈 (3)   이번 호에서는 심센터 히즈(Simcenter HEEDS)를 사용하여 수집된 외부 데이터를 시각화하고 분석하는 데 초점을 맞추고, 데이터 시각화의 중요성과 분석 기법의 활용 방안을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   데이터 분석의 중요성 오늘날 데이터는 우리의 일상과 비즈니스 운영에서 점점 더 중요한 역할을 하고 있다. 수집되고 측정된 데이터의 양이 증가하면서 이를 효과적으로 처리하고 분석하는 방법은 더욱 필요해지고 있다. 이러한 변화 속에서, 지멘스의 심센터 히즈는 강력한 데이터 분석 및 시각화 기능을 제공하여 다양한 산업 분야에서 최적의 해결책을 찾는 데 기여하고 있다. 이번 호에서는 히즈의 기능을 효과적으로 활용하여 어떻게 복잡한 데이터를 이해하고 의미 있는 인사이트를 얻을 수 있는지 살펴볼 것이다.   히즈의 데이터 분석 기능 히즈의 Discover(디스커버) 탭은 사용자가 데이터 사이의 관계 및 최적화 가능성을 탐구할 수 있도록 다양한 도구를 제공한다. Discover 기능은 주요한 데이터 분석 및 이해를 도와주는 여러 방법을 포함하고 있다.    그림 1   다음은 각각의 기능에 대한 설명이다.  Closest : 특정 데이터 포인트에 가장 가까운 변화를 식별한다. 이를 통해 최적화 과정에서의 데이터 민감성을 이해하고 결정에 도움을 줄 수 있다.  Similar : 사용자가 선택한 기준에 따라 유사한 데이터 집합을 찾는 기능이다. 이는 집합의 규칙 또는 모델을 파악하는 데 유용하다. Clusters : 데이터 세트를 서로 연관된 그룹으로 분류한다. 군집화 기법을 통해 데이터의 패턴을 식별하고 알고리즘에 의한 데이터 이해를 개선할 수 있다.  Trade-offs : 다수의 설계 목표 간의 상충 관계를 분석한다. 이를 통해 각각의 설계 대안이 어떻게 특정 목표를 달성하는지에 대해 명확하게 이해할 수 있다.  Patterns : 데이터 내의 반복되는 경향이나 구조를 발견하여 예측 및 모델링에 도움을 주는 기능이다. 패턴 인식은 정보의 신뢰도를 높이는 데 중요하다.  Preview History : 사용자가 수행한 변경이나 실행의 기록을 미리 보면서 데이터 분석의 이력을 관리할 수 있다.  Design Set : 여러 디자인 시나리오를 만들고 비교하여 최적의 설계를 도출하는 데 도움을 준다.  Performance & Plot : 데이터의 성능을 평가하고 시각적으로 플롯하여 분석 결과를 명확하게 표현한다.  Discover 탭의 이러한 기능은 히즈 사용자가 데이터를 깊이 이해하고 시뮬레이션 최적화 과정에서 효과적인 의사 결정을 내리도록 돕는다. 이를 바탕으로 보다 정확하고 신뢰성 있는 설계와 분석 결과를 도출할 수 있다.   데이터 분석을 위한 예제   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa  최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5,000 mm  Load P : 6,500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm 히즈의 Discovery Method를 사용하여 분석할 데이터는 우리가 지금까지 계속 예제로 사용한 외팔보의 처짐 문제를 기반으로 Adaptive Sampling Study(어댑티브 샘플링 스터디)에서 500개의 데이터를 생성하여 사용할 것이다. 아니면 독자들이 가지고 있는 데이터를 사용해도 괜찮다.   그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

지난 4월 2일부터 5일까지 부산 벡스코와 경남 창원 DN솔루션즈 본사에서 열린 '제15회 DN솔루션즈 국제공작기계 전시회(DIMF 2025)'는 국내외 제조 업계의 이목을 집중시켰다. DN솔루션즈는 이번 전시회를 통해 첨단 공작기계와 자동화 설루션, 그리고 적층제조(Additive Manufacturing : AM)의 새로운 기술을 선보이며, 제조 혁신의 새로운 방향을 제시했다. ■ 박경수 기자   ▲ DIMF 2025가 열린 지난 4월 2일 부산 BEXCO 전시장   금속 적층제조의 미래, 새로운 DLX 시리즈 공개 DIMF는 DN솔루션즈가 1997년부터 격년으로 개최하는 자체 전시회로, 올해로 15회를 맞아 ‘공작기계 가공 공정 전반을 위한 오토메이션 플랫폼’을 주제로 열렸다. 총 50여 종의 첨단 공작기계와 자동화 설루션이 전시되어 관심을 모았는데, 국내외 고객 1000여 명을 포함한 5000여 명의 관람객이 다녀갔다. 이번 전시회의 하이라이트는 DN솔루션즈가 고성능 산업용 ‘금속 3D 프린터’로 알려진 LPBF(Laser Powder Bed Fusion) 방식의 금속 적층 장비 ‘DLX 시리즈(DLX 325, DLX 450)’를 최초로 공개한 것이다. 이 기술은 금속 적층제조 방식 중 발전된 기술이자 활용도가 높은 공법으로, 현재 금속 적층 시장의 약 80%를 차지하고 있다. DLX 450은 알루미늄 합금, 인코넬, 타이타늄 등 분말 소재를 활용해 최대 450×450×450mm 크기의 정밀 부품 제작이 가능하다. DLX 시리즈는 3D 프린팅 장비와 함께 적층제조 전반의 과정을 지원하는 맞춤형 소프트웨어를 함께 제공한다. DN솔루션즈 김원종 대표는 “DN솔루션즈는 지금까지 반세기 동안 전 세계에 총 29만대의 공작기계를 판매했다”며, “우리는 이 같은 고객의 신뢰를 바탕으로, 전통적인 공작기계를 넘어 오토메이션 플랫폼이나 금속 적층 장비처럼 수요 산업의 전반을 혁신할 수 있는 설루션을 제시하고자 한다”고 밝혔다.   ▲ DN솔루션즈 김원종 대표가 적층제조로 제작된 부품을 설명하고 있다.   글로벌 시장 공략을 위한 전략적 투자 이들 소프트웨어는 ▲적층제조를 적용할 수 있는 부품을 찾아내고 ▲부품당 비용을 계산하며 ▲적층 시 필요한 최적 서포트를 설계하고 ▲신규 소재 공정을 개발하는 등의 기능을 통해 고객의 생산성과 효율성을 극대화하는 데 초점을 맞췄다. 또한 DN솔루션즈는 적층제조 방식으로 제작된 복합가공기용 ‘밀링 스핀들 캡’ 부품도 전시해 관심을 모았다. 이 샘플은 적층제조 특화 설계를 통해 기존 방식 대비 약 20%의 성능 개선 효과를 보였다. 한편 DN솔루션즈는 금속 적층제조 분야의 글로벌 시장 공략을 위해 독일에 ‘적층제조 솔루션 센터(ASC)’를 새롭게 설립했다. 이 센터는 최적 부품 선정, 맞춤형 설계(DfAM), 공정 개발 및 생산·서비스까지 전 주기를 아우르는 시스템을 구축하여 유럽 시장을 적극 공략한다는 계획이다. 또한 인도의 금속 적층제조 장비·설루션 전문 기업인 인텍(INTECH Additive Solutions)과 전략적 투자 및 파트너십 계약을 체결하며, 아시아 시장에서도 입지 강화에 나섰다. DN솔루션즈 김원종 대표는 “인텍과의 투자 협력을 통해 금속 절삭뿐만 아니라 금속 적층제조까지 포함해 장비, 공정 기술, 소프트웨어 전반의 설루션을 제공할 수 있게 되었다”며, “자동차, 항공우주, 의료기술, 전기전자 등 시장에서 복잡한 형상과 내부 구조, 소재 효율성을 요구하는 분야나, 반도체 산업 공급 업체를 포함한 다양한 제조업 고객의 성공을 지원할 수 있을 것으로 기대한다”고 말했다.   ▲ 제15회 DN솔루션즈 국제 공작기계 전시회(DIMF 2025) 현장 모습   파트너십을 통한 성장과 전문성 강화 이번 파트너십으로 DN솔루션즈의 금속 절삭 가공 분야의 전문성과 인텍의 금속 적층제조를 위한 360도 종합 솔루션의 결합이 가능해졌다. 특히 DN솔루션즈는 금속 적층 분야에서 가장 활용도가 높고 발전된 기술인 레이저 파우더 베드 퓨전(LPBF) 기술을 추가하며 제품 포트폴리오를 확대할 수 있게 되었다. LPBF 기술은 금속 적층제조 시장의 약 80%를 차지하며, 금속 분말을 얇게 도포한 후 레이저를 이용하여 금속 분말을 선택적으로 응용 및 융합하여 적층하는 방식으로 작동한다. 적층을 위한 플랫폼이 아래로 이동하면서 추가 금속 분말이 도포되고 다시 용융(Melting) 및 융합(Fusion)하는 과정을 반복적으로 수행하여 점진적으로 최종 형상이 만들어지게 된다. DN솔루션즈 김원종 대표는 “금속 적층 방식은 가공 후 조립 과정을 단축하고, 절삭으로 구현이 불가능한 형상을 만들 수 있어 무한한 혁신 가능성이 있다”며, “2030년까지 금속 적층제조와 절삭 가공의 시너지를 극대화하겠다”고 밝혔다.   인터뷰 : DN솔루션즈 적층제조 부문 부사장 비노 순타라쿠마란 박사     이번에 발표한 내용을 조금 더 자세히 설명한다면 적층제조, 자동화, 소프트웨어 세 가지를 하드웨어적으로 통합하여 고객 산업 제조를 가능하게 한다. 소프트웨어는 이를 연결하고, 서비스는 고객 여정 전반을 지원하는 것이 우리의 미션이다. 단순한 장비 공급을 넘어 통합 제조 플랫폼으로 진화하며, 고객의 제조 프로세스를 처음부터 끝까지 지원한다는 전략이다.   적층제조 기술이 절삭가공과 어떻게 시너지를 내고 있는지 시장에서는 고품질과 표준화를 기대한다. 우리는 절삭가공과 적층제조를 연결하는 프로세스 체인을 가능하게 하는 장비를 개발하고 있다. 기존 강점인 절삭가공 기술과의 하이브리드 제조 체인 구축을 통해 생산성과 품질을 동시에 향상시키는 전략을 추진 중이다.   DLX 시리즈의 소프트웨어는 어떤 기능을 제공하는지 현재 알고리즘 기반 소프트웨어를 운영하고 있고, 향후 프린팅에 적합한 데이터 판단 기능이 포함된 AI 기반의 소프트웨어로 진화해 나갈 계획이다.   후처리 공정이 어렵다고 이야기했는데, 어떤 점이 특히 어려운지 후처리는 전문 지식이 없이는 어렵다. 그래서 우리는 이를 쉽게 알려주고, 자동화할 수 있는 소프트웨어를 함께 제공한다. 적층제조 확산의 걸림돌인 후공정 난이도를 극복하기 위한 소프트웨어 자동화 설루션 개발이 핵심 전략이다.   내부적으로 레퍼런스 사례가 있다면 NX2000 장비를 도입해 내부 설계자가 기존 부품을 통합해 효율성을 20% 이상 향상시켰다. 이처럼 적층제조 도입이 성능 향상과 부품 최적화로 이어지는 검증된 성과가 있으며, 실질적 레퍼런스를 통해 시장 신뢰도를 확보해 나가고 있다.   글로벌 시장 진출 전략은 무엇인지 우리는 유럽, 미국, 한국에 팀을 운영 중이며 글로벌 확장 준비를 마쳤다. 가격 경쟁력과 다양한 애플리케이션 적응력을 갖추고 있다.   한국 제조업이 적층제조 시장에서 어떤 가능성을 가지고 있는지 한국은 반도체, 자동차 등 제조 강국이다. 적층제조는 이노베이션을 위한 핵심 기술이기 때문에, 곧 시장이 열릴 것이라 확신한다. 제조 인프라가 강한 한국은 적층제조 확산의 최적지이며, DN솔루션즈는 국내 산업에 이를 선도하는 포지셔닝을 유지해 나갈 계획이다.   ■ 기사 내용은 PDF로도 제공됩니다.

에픽게임즈 코리아는 ‘시작해요 트윈모션 & 언리얼 2025’를 4월 23일부터 시작한다고 밝혔다. ‘시작해요 트윈모션 & 언리얼 2025’는 트윈모션과 언리얼 엔진을 사용하는 것이 처음이거나 아직 익숙하게 다루지 못하는 초심자를 위한 튜토리얼 형식의 웨비나로, 4월 23일부터 5월 28일까지 6주간 매주 수요일 오후 2시에 에픽 라운지에서 진행된다. 이번 ‘시작해요 트윈모션 & 언리얼 2025’는 트윈모션과 언리얼 엔진을 활용한 고퀄리티 인터랙티브 3D 콘텐츠 제작을 목표로 기초 개념과 워크플로 전반에 대해 배우고, 결과물까지 제작하는 과정으로 강연이 진행된다.     웨비나의 1~3주 차에는 트윈모션을 활용한 모델링 파일 임포트부터 환경 구성, 인터랙션 구현을 위한 내용으로 진행된다. ▲1주 차에는 ‘트윈모션 시작하기’를 주제로, 트윈모션 및 기본 UI에 대해 알아보고, 전시공간 샘플 모델링 파일 임포트와 전시공간 익스테리어 환경 구성에 대해 설명한다. ▲2주 차에는 ‘트윈모션에서 전시공간 구성하기’를 통해 전시공간 인테리어 라이팅 및 맵핑, 루멘과 패스트레이서를 활용한 렌더링, 제품 모델링 파일을 임포트해 장면을 구성하는 방법에 대해 설명한다. ▲3주 차 '트윈모션에서 시각화 및 인터랙션 고도화하기' 시간에는 컨피규레이션 기능을 통한 상호작용 구현, HDRI 백드롭 시각화 툴을 활용한 신속한 시각화, 이미지, 영상, 로컬 프레젠테이션 실행파일 등으로 결과물을 출력하는 방법에 대한 학습이 진행된다. 웨비나 4~6주 차에는 언리얼 엔진에서 트윈모션 프로젝트를 활용해 메타휴먼, 언리얼 모션그래픽(Unreal Motion Graphics : UMG)을 적용하는 요소를 소개한다. ▲4주 차에는 '언리얼 엔진으로 트윈모션 프로젝트 가져오기'를 주제로 언리얼 엔진에 대해 알아보고, 데이터스미스 임포트, 데이터프랩으로 머티리얼을 자동 변환하는 방법에 대해 설명한다. ▲5주 차에는 '언리얼 엔진에서 리얼타임으로 제품 전시하기'를 통해 메타휴먼을 제작해 전시공간을 둘러보고, 리얼타임으로 제품 및 공간과 상호작용하는 방법을 설명한다. 마지막 ▲6주 차 ‘언리얼 엔진에서 인터랙티브 컨피규레이터 구성하기’ 시간에는 UMG로 제품 정보 표시, 제품의 머티리얼 교체, 시퀸서로 제품의 애니메이션 연출을 추가하는 방법에 대해 배운다. 고퀄리티 인터랙티브 3D 콘텐츠를 제작하고 싶은 사람이라면 전공 여부와 무관하게 학생, 직장인 등 누구나 무료로 등록할 수 있다. 에픽게임즈는 참가자들의 학습에 대한 이해도를 돕고자 매주 도전과제를 출제해 강좌 내용을 완전히 습득할 수 있도록 지원하며, 참가자들은 라이브 Q&A와 채팅을 통해 연사 및 커뮤니티와 실시간 소통할 수 있다. 또한, 매주 웨비나를 끝까지 시청하면 트윈모션과 언리얼 엔진 굿즈를 증정하는 '시청 이벤트'에 자동응모 되며, 출제되는 도전과제를 수행한 참석자에게 한정판 굿즈를 제공하는 '도전과제 이벤트'도 매주 진행된다. 이 밖에도 ‘도전과제 위클리픽’, ‘도전과제 완주 이벤트’ 등의 다양한 이벤트가 진행될 예정이다.

DN솔루션즈는 지난 4월 2일부터 5일까지 부산 벡스코에서 '제15회 DN솔루션즈 국제 공작기계 전시회(DIMF 2025)'를 성공적으로 개최했다고 밝혔다. DIMF(DN Solutions International Machine Tool Fair)는 국내외 고객 및 협력사들과 DN솔루션즈의 기술·제품 비전을 공유하고 있다. ▲ 제15회 DN솔루션즈 국제 공작기계 전시회(DIMF 2025) ▲ 제15회 DN솔루션즈 국제 공작기계 전시회(DIMF 2025)   이번 전시회에서 DN솔루션즈는 ‘공작기계 가공 공정 전반을 위한 오토메이션 플랫폼(Automation Solutions Platform for All Machining Process with Machine tools)’를 주제로 50여종의 첨단 공작기계, 다양한 자동화 솔루션, 맞춤형 소프트웨어, 금속적층 제조(Additive Manufacturing, AM)용 신기종 DLX 시리즈 등을 전시했다.  DN솔루션즈는 매회 DIMF를 계기로 전시장을 방문하는 국내외 고객 중 다수가 대규모 계약 상담·발주를 진행하고 있으며, 부산·경남 지역상권도 활기를 띄고 있다고 밝혔다. 또한 올해는 해외 고객 1,000여 명을 비롯한 5,000여 명의 국내외 관람객들이 방문했다고 전했다. DN솔루션즈 김원종 대표는 “DN솔루션즈는 지금까지 반세기 동안 전 세계에 총 29만대의 공작기계를 판매했다”며 “우리는 이 같은 고객의 신뢰를 바탕으로, 전통적 공작기계를 넘어 오토메이션 플랫폼이나 금속적층 장비처럼 수요 산업의 공정 전반을 혁신할 수 있는 솔루션을 제시하려 한다”고 말했다. ▲ DN솔루션즈 김원종 대표 DN솔루션즈는 고성능 산업용 ‘금속 3D 프린터’로 알려진 LPBF(Laser Powder Bed Fusion) 방식의 금속적층 장비 ‘DLX’ 시리즈(DLX 325, DLX 450)를 최초 공개했다. 전시장에서는 DLX 450 장비가 실제 작동하며 방문객들의 많은 관심을 받았다.  LPBF는 3차원 CAD 모델을 기반으로 금속 분말을 레이저로 녹여 수십 마이크로미터 높이의 레이어를 쌓아 올려 제품을 만드는 제조 방식이다. 이 기술은 금속 적층 제조 방식 중 가장 발전된 기술이자 활용도가 높은 공법으로 꼽힌다. 현재 금속 적층 시장의 약 80%를 차지하고 있다. DLX 450는 알루미늄 합금, 인코넬, 타이타늄 등의 분말 소재를 활용해 최대 450 mm x 450 mm x 450mm 크기의 결과물을 제작할 수 있다.   ▲ 지난 4월 2일 ,DIMF 중 DLX 제품 공개 행사에서 금속적층 방식으로 제작된 복합가공기용 부품인 밀링 스핀들 실린더 캡을 들고 설명하고 있는 DN솔루션즈 김원종 대표 DN솔루션즈의 새 금속적층 장비들은 첨단 하드웨어 스펙과 함께 적층 제조 과정에서 필요한 맞춤형 소프트웨어들을 모두 갖췄다. 이들 소프트웨어는 ▲적층 제조를 적용할 수 있는 부품을 찾아내고 ▲부품당 비용을 계산하며 ▲적층시 필요한 최적 서포트를 설계하고 ▲신규 소재 공정을 개발하는 등의 기능으로 고객들의 생산 과정을 통합적이고 일관되게 지원한다.  한편, DN솔루션즈는 인도의 금속 적층 제조 장비·솔루션 전문 기업인 인텍(INTECH Additive Solutions)과 전략적 투자 및 파트너십 계약을 체결했다고 밝혔다. 이번 파트너십은 금속 적층 가공 분야에서의 시너지를 극대화하기 위한 결정이다. DN솔루션즈는 인텍의 금속 적층 제조 역량을 바탕으로 자사의 제조 솔루션 포트폴리오를 확대하고, 특히 레이저 파우더 베드 퓨전(LPBF) 기술을 활용한 고부가가치 금속 가공 시장에 본격 진출한다는 전략으로 풀이된다.   ▲ DN솔루션즈의 적층 제조 부문 부사장 비노 순타라쿠마란(Dr.-Ing. Vino Suntharakumaran) 박사 ▲ 제15회 DN솔루션즈 국제 공작기계 전시회(DIMF 2025) 현장 모습 DN솔루션즈의 새 금속적층 장비들은 첨단 하드웨어 스펙과 함께 적층 제조 과정에서 필요한 맞춤형 소프트웨어들을 모두 갖췄다. 이들 소프트웨어는 ▲적층 제조를 적용할 수 있는 부품을 찾아내고 ▲부품당 비용을 계산하며 ▲적층시 필요한 최적 서포트를 설계하고 ▲신규 소재 공정을 개발하는 등의 기능으로 고객들의 생산 과정을 통합적이고 일관되게 지원한다.  DN솔루션즈는 이번 전시에서 적층 제조 방식으로 제작한 복합가공기용 ‘밀링 스핀들 실린더 캡’ 부품을 전시했다. 이 샘플은 적층 제조 특화설계를 통해 기존 방식 대비 약 20%의 성능 개선 효과가 있었다.  이와 함께 DN솔루션즈는 독일에 적층 제조 솔루션 센터(ASC)를 새로 구축하고, 적층 제조 최적부품 선정, 맞춤형 설계(DfAM) 및 공정개발, 생산 및 서비스 등을 지원할 준비도 갖췄다.  DN솔루션즈 김원종 대표는 “금속적층 방식은 가공 후 조립 과정을 단축하고, 절삭으로 구현이 불가능한 형상을 만들 수 있어 무한한 혁신 가능성이 있다”며 “2030년까지 금속적층 제조와 절삭 가공의 시너지를 극대화하겠다”고 밝혔다.

최적화 문제를 통찰하기 위한 심센터 히즈 (2)   연재를 통해 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 과정에서 심센터 히즈(Simcenter HEEDS)를 활용하는 방법에 대해 살펴보고자 한다. 이번 호에서는 최적화 기법 중에서 근사모델 기반 최적화와 직접 검색 기반 최적화에 대해 짚어보고, 심센터 히즈를 사용하여 근사 및 직접 최적화를 진행하는 과정을 소개한다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 및 사례 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 및 사례 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 및 사례 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 및 사례 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 및 사례   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   최적화 기법의 중요성 최적화는 다양한 산업 분야에서 설계의 성능을 개선하고 자원을 효율적으로 활용하는 데 있어 필수 과정이다. 특히, 복잡한 공학 문제나 다목적 설계에서 최적화는 품질 향상과 비용 절감을 동시에 달성하는 핵심 도구로 활용된다. 현대 산업에서는 제품 개발 주기의 단축과 고성능 요구가 증가함에 따라, 신뢰성 있는 최적화 기법의 선택이 더욱 중요해지고 있다. 근사모델 기반 최적화와 직접 검색 기반 최적화는 이러한 요구를 충족하기 위해 자주 사용되며, 각 접근법은 문제의 특성과 목표에 따라 상이한 성능을 보인다.   근사모델 기반 최적화와 직접 검색 기반 최적화의 개요 근사모델 기반 최적화는 복잡한 시뮬레이션이나 계산 비용이 큰 문제에서 실험 데이터를 바탕으로 근사함수를 생성한 후, 해당 함수를 활용해 최적해를 탐색하는 방법이다. 근사함수를 생성하기 위해서는 주로 반응표면법(RSM), 머신러닝 모델 등이 사용되며, 계산 자원을 절감하고 빠른 최적해 도출이 가능하다는 장점이 있다. 반면, 모델 정확도에 따라 해의 품질이 좌우되고, 고차원 문제에서 모델링이 어려울 수 있다. 직접 검색 기반 최적화는 목적 함수의 수학적 형태를 몰라도 입력과 출력 간 관계를 직접 탐색하며 최적해를 구하는 방법이다. 비선형성이나 불연속성이 있는 문제에도 적용할 수 있는 장점이 있지만, 계산 비용이 크고 수렴 속도가 느릴 수 있어서 고비용 시뮬레이션 환경에서는 활용에 한계가 있을 수 있다.   최적화를 위한 예제 지난 호에서 사용한 외팔보의 처짐 문제를 사용하겠다. 외팔보의 체적을 최소화하는 최적화 문제를 다음과 같이 정의하였다. 빠른 계산을 위해 파이썬(Python)으로 계산한다.   그림 1   목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 Mpa 최대 끝단 처짐(δ) ≤ 2 mm 설계 변수 Length : 5,000 mm Load P : 6,500 N E : 200 Mpa H : 50 mm ≤ H ≤ 100 mm h1 : 5 mm ≤ h1 ≤ 30 mm b1 : 50 mm ≤ b1 ≤ 100 mm b2 : 5 mm ≤ b2 ≤ 50 mm 외팔보의 체적, 응력, 처짐량은 다음의 관계식으로 계산한다. Volume = [2*h1*b1 + (H – 2*h1)*b2]*L Stress = P*L*H/(2*I) Deflection = P*L3/(3*E*I) where : I = 1/12*b2*(H-2*h1)^3 + 2*[1/12*b1*h13 + b1*h1*(H-h1) 2/4]   히즈 기본 설정 파이썬 포털(Python portal)을 사용하여 예제의 Input/Output file을 등록하였다.    그림 3     ■ 자세한 기사 내용은 PDF로 제공됩니다.

인텔은 새로운 인텔 AI 에지 시스템(Intel AI Edge Systems), 에지 AI 스위트(Edge AI Suites) 및 오픈 에지 플랫폼(Open Edge Platform) 이니셔티브에 대한 내용을 발표했다. 이 제품들은 기존 인프라와 통합을 단순화함으로써 소매, 제조, 스마트 시티, 미디어 및 엔터테인먼트와 같은 산업 분야에서 에지에서의 AI 사용을 간소화 및 가속화하도록 지원한다. 에지 AI는 기업 혁신의 핵심 요소로 떠오르고 있다. 가트너는 올해 말까지 기업에서 관리하는 데이터의 50%가 기존 데이터 센터나 클라우드 외부, 즉 리테일, 제조 공장, 의료 시설 등에서 처리될 것이며, 2026년까지 에지 컴퓨팅 배포의 절반 이상이 머신 러닝을 포함할 것으로 예측하고 있다.  인텔은 “에지에서 수십 년의 경험을 가지고 있을 뿐만 아니라 파트너와 함께 10만 건 이상의 실제 에지 구현을 통해 이러한 고유한 과제를 잘 이해하고 있다”고 밝혔다. 에지 AI 사용 사례는 산업별로 매우 다양하며, 각기 다른 성능 및 전력 요구 사항이 있다. 클라우드 제공 기업에 적합한 방식은 AI를 통합하면서 기존 플랫폼과 소프트웨어를 유지해야 하고, 최적의 TCO와 적절한 전력 수준을 확보해야 하는 에지용으로는 적절하지 않다. 전용 AI 인프라를 갖춘 대규모 데이터 센터와 달리 에지 AI 배포는 기존 IT 시스템에 원활하게 통합되어야 하며 종종 전력 제한, 공간 제약, 비용에 민감한 환경인 경우가 많다.     인텔 AI 에지 시스템과 에지 AI 스위트 소프트웨어 및 오픈 에지 플랫폼은 이미 에지에 널리 도입된 인텔의 기술을 기반으로 구축되어, 이러한 문제를 해결하고 생태계가 에지 AI를 더 빠르고 효율적으로 시장에 출시할 수 있도록 지원한다. 인텔은 개방형 에지 접근 방식을 통해 다양한 주요 산업 분야에서 더 나은 엔드 투 엔드 성능과 전반적인 TCO를 일관되게 제공할 수 있다는 점을 내세운다. 에지 AI 영상 분석 사용 사례의 경우, 초당 테라연산(TOPs)만으로는 실제 성능 요구 사항을 충족하기 어렵다. 인텔은 “주요 AI 경쟁 제품과 인텔 코어 울트라 프로세서를 비교하면, 경쟁 제품이 TOP에서 앞설 수 있으나 인텔이 엔드 투 엔드 파이프라인 성능에서 최대 2.3배, 달러 당 성능은 최대 5배 더 우수하다”고 주장했다. 현재 많은 에지 환경에서 기존 머신러닝과 컴퓨터 비전을 활용하여 AI를 도입하고 있는데, 인텔 AI 에지 시스템, 에지 AI 스위트, 오픈 에지 플랫폼은 고급 AI 애플리케이션의 배포를 가속화하도록 설계되었다. 인텔은 신뢰할 수 있는 파트너들로 구성된 생태계를 통해 기업이 산업 별로 다양한 과제를 해결하고, 에지 AI 배포에서 혁신을 촉진할 수 있도록 지원한다고 밝혔다. 인텔의 에지 시스템은 에지에서 AI 배포 속도를 높인다. OEM(주문자 상표 부착 생산) 및 ODM(제조자 개발 생산)를 포함한 제조업체는 에지 AI 활용 사례에 최적화된 표준화된 청사진, 벤치마크, 검증 툴을 활용할 수 있다. 이러한 리소스를 통해 고객과 설루션 제공업체는 비전 또는 생성형 AI 성능 요구사항을 충족하는 시스템을 쉽게 구성할 수 있다. 또한, 다양한 전력 수준, 크기 및 성능 옵션을 갖춘 이러한 설루션은 하드웨어와 소프트웨어의 최적의 통합을 보장한다. 에지 AI 스위트는 독립 소프트웨어 벤더(ISV), 시스템 통합업체(SI), 설루션 개발자를 위해 설계된 개방형 산업별 AI 소프트웨어 개발 키트(SDK)이다. 이 스위트는 레퍼런스 애플리케이션, 샘플 코드, 벤치마크를 제공하여 AI 애플리케이션 개발을 신속하게 시작할 수 있도록 지원하며, 다양한 산업을 위한 맞춤형 AI 설루션을 쉽게 만들 수 있도록 한다. 인텔은 현재 유통, 제조, 스마트 시티, 미디어 및 엔터테인먼트 분야에 최적화된 네 개 스위트를 제공하고 있다. 오픈 에지 플랫폼은 모듈형 오픈소스 플랫폼으로, 클라우드처럼 간편하게 에지 및 AI 애플리케이션을 대규모로 개발, 배포 및 관리할 수 있도록 지원한다. 이 플랫폼을 통해 ISV, 설루션 빌더, 운영체제 공급업체는 소프트웨어 구성 요소를 더욱 효율적으로 통합하고, 인텔의 최신 소프트웨어 최적화를 통해 성능을 극대화할 수 있다. 또한, 파트너는 현장을 방문할 필요 없이 원격 에지 디바이스에서 컨테이너화 된 워크로드를 쉽게 배포할 수 있으고, 인텔 vPro/인텔 액티브 관리 기술과 같은 툴로 배포된 시스템을 관리할 수 있으며, 소프트웨어 생태계 전반적으로 협업을 강화하고 혁신을 가속화한다. 인텔의 에지 컴퓨팅 그룹을 총괄하는 댄 로드리게즈(Dan Rodriguez) 부사장은 “고객은 TCO(총소유비용), 전력 및 성능 목표를 달성할 수 있는 방식으로 기존 인프라와 에지 워크플로에서 AI 사용을 확대하고 싶어 한다”면서, “에지 컴퓨팅 분야에서 쌓은 수십 년의 경험을 바탕으로 인텔은 인텔 AI 에지 시스템, AI 스위트 및 오픈 에지 소프트웨어를 통해 에지 AI 제품 및 지원을 한 단계 더 발전시켜, 광범위한 에코시스템이 AI 지원 설루션을 더 빠르게 제공할 수 있도록 지원하고 있다”고 밝혔다.

폼랩이 교육기관을 대상으로 특별 할인 프로모션을 실시한다. 폼랩은 학생, 교육자, 연구자들이 3D 프린팅 기술을 보다 쉽게 활용하도록 지원하는 것을 목표로 이번 프로그램을 마련했다고 밝혔다. 이번 혜택을 통해 교육기관은 고성능 SLA 및 SLS 3D 프린터를 저렴한 비용으로 도입할 수 있다. 할인 대상 설루션은 폼 4(Form 4) 및 폼 4B(Form 4B), 대형 SLA 3D 프린터인 폼 4L(Form 4L) 및 폼(Form 4BL), SLS 3D 프린터인 퓨즈 1+ 30W(Fuse 1+ 30W) 등이다.   ▲ 폼랩의 퓨즈 1+ 30W 에코시스템   폼랩은 이들 장비 및 일부 액세서리에 대해 10% 할인 혜택을 제공해, 교육 및 연구 현장에서 창의적인 실험과 혁신적인 프로젝트를 경제적으로 수행하도록 지원한다. 특히 교육기관은 폼랩의 OMM(Open Material Mode)을 무료로 사용할 수 있다. OMM은 일반적으로 고가의 라이선스가 필요하지만, 이번 혜택을 통해 교육기관은 추가 비용 없이 이를 활용할 수 있다. 또한 폼랩은 소재 대량 주문 시 할인 혜택을 제공하고, 교육기관 담당자와 연구자들이 3D 프린팅 품질을 직접 경험할 수 있도록 무료 샘플 파트를 지원한다. 이를 통해 교육기관은 실제 프린팅 결과물을 확인하고 연구 및 교육에 적합한 설루션을 선택할 수 있다. 폼랩코리아의 고유성 지사장은 “학생과 연구원에게 최신 기술을 제공하는 것은 미래의 리더를 양성하는 데 필수”라면서, “이번 교육기관 특별 가격 프로그램을 통해 더 많은 연구자와 교육자가 첨단 3D 프린팅 기술을 활용할 수 있기를 바란다”고 밝혔다.

AMD가 5세대 AMD 에픽 임베디드 프로세서(AMD EPYC Embedded)를 발표하면서 x86 임베디드 프로세서 포트폴리오를 강화한다. AMD 에픽 임베디드 9005 시리즈 CPU는 임베디드 시장을 겨냥한 제품으로, 첨단 컴퓨팅 기능과 제품 수명, 안정성, 시스템 복원성 및 임베디드 애플리케이션 개발의 용이성을 개선하는 특수 목적의 임베디드 기능을 균형 있게 제공한다. ‘젠 5(Zen 5)’ 아키텍처를 기반으로 하는 이 프로세서는 업계 최고 수준의 성능과 에너지 효율을 통해 네트워크, 스토리지 및 산업용 에지 시스템이 더 많은 데이터를 더 빠르고 효율적으로 처리할 수 있도록 지원한다. AMD 에픽 임베디드 9005 시리즈 프로세서는 단일 소켓에서 8~192개의 코어를 지원하며, 연산 집약적 임베디드 시스템을 위한 고성능을 제공한다. 높은 코어 밀도를 통해 네트워크 및 스토리지 워크로드에서 각각 최대 1.3배 및 1.6배 향상된 데이터 처리 능력을 갖추고 있으며, 네트워크 및 보안 방화벽 플랫폼, 스토리지 시스템 및 산업용 제어 애플리케이션에 적합한 성능을 제공한다. 특히, 일부 제품에 적용된 새로운 ‘젠 5c(Zen 5c)’ 코어 아키텍처는 최대 1.3배 늘어난 소켓 처리량, 경쟁 제품 대비 1.3배 향상된 와트당 성능을 제공한다. 또한, 소켓당 최대 6TB의 DDR5 메모리 용량, CXL 2.0으로 최대 160개의 PCIe Gen5 레인을 지원하는 확장된 I/O 연결을 통해 네트워크 및 스토리지 애플리케이션의 용량 확장 및 고속 데이터 전송을 가능하게 한다.     AMD는 에픽 임베디드 9005 시리즈 프로세서가 플랫폼의 신뢰성과 안정성, 보안성 및 수명 주기 강화를 위해 설계된 고급 임베디드 기능을 포함한다고 설명했다. AMD 에픽 임베디드 9005 시리즈 CPU는 7년의 긴 제품 제조 지원을 제공하여 시스템 개발사에 장기적인 제품 가용성을 보장한다. 또한 AMD는 현재 샘플링 중인 AMD 에픽 임베디드 9005 시리즈 CPU의 설계 수명 운영 목표를 5년에서 7년으로 연장하여 임베디드 시스템의 장기적인 제품 안정성을 보장할 계획이다.  에픽 임베디드 9005 시리즈는 내결함성 다중 호스트 구성에서 높은 가용성을 제공하기 위한 NTB(Non-Transparent Bridging) 기능을 포함한다. NTB는PCIe를 통해 활성화된 두 CPU 간의 데이터 교환을 가능하게 하여 장애 발생 시에도 지속적으로 작동할 수 있도록 네트워크 및 스토리지 시스템의 리던던시 및 장애 조치 기능을 개선한다. DRAM 플러시(DRAM Flush) 기능은 전원 장애 시 DRAM에서 비휘발성 메모리로 데이터를 플러싱하여 데이터 손실을 방지함으로써 필수 스토리지 배포의 안정성을 향상시킨다. 또한, 듀얼 SPI(Serial Peripheral Interface)는 고객이 보안 부트로더를 통해 플랫폼을 인증할 수 있도록 지원하며, 신뢰할 수 있는 실행 환경을 보장한다. 한편, AMD는 차세대 임베디드 프로세서의 시장 출시를 위해 시스코와 IBM 등 생태계 파트너 및 업계 주요 ODM과 OEM과 긴밀히 협력하고 있다고 덧붙였다. AMD는 현재 에픽 임베디드 9005 시리즈 프로세서의 얼리 액세스 고객을 대상으로 샘플을 제공하고 있으며, 양산 출하는 2025년 2분기 시작할 예정이다. AMD 에픽 임베디드 9005 시리즈 프로세서는 이전 세대 제품인 AMD 에픽 임베디드 9004 시리즈와 호환 가능한 SP5 소켓 폼팩터로 제공되어 간편한 업그레이드가 가능하다. AMD의 적응형 및 임베디드 컴퓨팅 부문을 총괄하는 살릴 라지(Salil Raje) 수석 부사장은 “AI 기반 네트워크 트래픽과 폭발적으로 증가하는 데이터 스토리지 요구 사항, 산업용 에지 컴퓨팅의 확장으로 인해 임베디드 플랫폼에서 더 높은 컴퓨팅 성능에 대한 수요가 증가하고 있다”고 설명했다. 또한 그는 “5세대 AMD 에픽 임베디드 프로세서는 업계 최상의 성능과 효율성, 긴 제품 수명 주기와 향상된 시스템 복원력을 제공해 임베디드 고객이 탁월한 시스템을 설계할 수 있도록 지원하고 까다로운 ‘올웨이즈 온’ 환경에서 지속적인 운영을 보장한다”고 밝혔다.

최적화 문제를 통찰하기 위한 심센터 히즈 (1)   이번 호부터 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 과정에 심센터 히즈(Simcenter HEEDS)를 활용하는 방법을 살펴보고자 한다. AI 모델을 학습시키기 위해서는 AI 모델이 정확한 패턴을 학습할 수 있도록 고품질의 데이터를 사용해야 한다. 이번 호에서는 심센터 히즈의 어댑티브 샘플링(Adaptive Sampling)과 SHERPA를 활용하여 양질의 데이터를 효율적으로 생성하는 과정을 살펴본다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ 제7회 프로세스 자동화 Ⅱ 제8회 프로세스 자동화 Ⅲ 제9회 프로세스 자동화 Ⅳ 제10회 프로세스 자동화 Ⅴ   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR   설계 업무에서 AI를 활용하는 이유 AI는 다양한 영역에서 업무를 보조할 수 있다. 이번 연재에서는 많은 양의 데이터를 분석하여 설계 변수와 제품 성능 간의 관계에서 패턴과 트렌드를 식별하고, 데이터 기반 의사 결정을 지원하는 AI 모델을 학습시키는 것과 관련되어 있다. 잘 학습된 AI는 설계의 품질과 성능을 높이는 데 기여한다. 문제에 따라서는 기존 설계 패러다임에 도전하는 비정형적인 설계 설루션을 발견할 수 있다. 전반적으로는 설계 업무의 디지털 전환을 촉진하고, 전통적인 설계 방법의 한계를 극복하는 데 기여한다. 이는 설계의 효율성을 높이고, 혁신적인 설루션을 개발하는 데 도움을 준다.   AI 모델의 학습을 위한 데이터 AI 학습을 위해 필요한 데이터의 품질은 AI 모델의 성능과 정확성에 직접 영향을 미친다. 고품질의 데이터는 AI 모델이 정확한 패턴을 학습하고 신뢰할 수 있는 결정을 내릴 수 있도록 돕는다. 반대로, 저품질의 데이터는 모델의 성능을 떨어뜨리고 편향된 결과를 초래할 수 있다. 고품질의 데이터는 이러한 편향성을 줄이고 공정한 결과를 도출하는 데 기여한다. 데이터의 품질이 높을 수록 모델의 훈련 효율이 높아진다. 데이터가 일관성 있고 정확하면 모델이 더 빠르게 학습할 수 있다. 따라서 정확하고 일관성 있는 데이터는 모델이 올바른 결정을 내리는 데 필수이다.   시뮬레이션 데이터 생성의 자동화   그림 1   히즈는 제품 개발 프로세스에서 사용되는 다양한 설루션의 연결과 데이터 처리를 쉽게 진행할 수 있도록 자동화된 워크플로 구성환경을 제공한다. 상용 CAD 및 CAE 도구에 대한 광범위한 인터페이스를 사용하므로, 스크립트 개발이나 수동 조작 없이 많은 기술을 빠르고 쉽게 통합한다. 자동화된 워크플로에서는 서로 다른 모델링 및 시뮬레이션 간에 데이터를 자동으로 공유할 수 있다. 사용자는 프로세스의 자동화를 통해서 설계 공간 탐색을 보다 쉽고 효율적으로 수행할 수 있다. 사용자는 반복적인 업무를 벗어나 설계를 더 깊이 이해하고 성능 개선과 생산 품질 향상에 가장 적합한 조건을 선택하는 더 중요한 업무에 더욱 집중할 수 있다.    AI 학습 데이터 생성을 위한 예제 외팔보의 처짐 문제를 사용하여 데이터를 생성하고 AI 모델을 학습시키는 예제를 통해 기능을 비교해 보겠다. 외팔보의 체적을 최소화하는 최적화 문제를 다음과 같이 정의하였다. 빠른 계산을 위해 파이썬(Python)으로 계산한다.   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa • 최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5000 mm  Load P : 6500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm  외팔보의 체적, 응력, 처짐량은 다음의 관계식으로 계산한다.  Volume = [2*h1*b1 + (H – 2*h1)*b2]*L  Stress = P*L*H/(2*I)  Deflection = P*L3/(3*E*I)  where : I = 1/12*b2*(H-2*h1)^3 + 2*[1/12*b1*h13 + b1*h1*(H-h1) 2/4]   히즈 기본 설정 파이썬 포털(Python portal)을 사용하여 예제의 입력(input)/출력(output) 파일을 등록하였다.    그림 4   전통적인 실험계획법에 의한 데이터 생성 방법 <그림 6>과 같이 4개의 설계변수를 기반으로 전통적인 실험계획법으로 데이터를 생성해보겠다. 여기서는 3 Level의 Full factorial을 사용하여 81개의 데이터가 생성된다.   그림 6   ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 BIM(건설 정보 모델링) 포맷 중 하나인 IFC(Industry Foundation Classes) 파일을 세슘(Cesium) 플랫폼에 3D 타일(tiles)로 가시화하는 방법을 간략히 설명한다. 세슘은 디지털 트윈 산업 표준 플랫폼으로 많이 알려져 있다. 이번 호에서는 BIM 가시화 방법을 설명하고, 마지막 부분에 3D 타일 개념과 구조를 간략히 소개한다. 참고로, 세슘에서 개발된 3D 타일은 3D 고속 렌더링을 위한 모델 구조와 렌더링 메커니즘을 제공한다. 이 기술은 현재 공간정보 산업 표준을 담당하는 OGC(Open Geospatial Consortium)와 유기적 협력을 통해 발전하고 있다.   그림 1. 세슘의 3D 타일 가시화 모습 예시   ■ 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   세슘은 구글 어스와 유사한 지구 스케일의 디지털 트윈 플랫폼이다. 이를 이용하면 도시 차원에서 분석하거나 실내 건물을 탐색하는 등의 유스케이스를 개발할 수 있다. 국내 대부분의 3차원 도시 플랫폼 기반 서비스에서 세슘이 사용되고 있다. 세슘은 디지털 트윈 모델을 다루기 위한 저작도구도 함께 제공한다. 개발자는 서비스에 필요한 메뉴 기능, 대시보드에 표출한 데이터 처리에만 신경을 쓰면 된다.   그림 2. 세슘 저작도구 예시   공간정보 기술을 연구하다 보면, 가끔 BIM 파일 포맷 중 하나 인 IFC를 세슘 위에 가시화해야 하는 경우가 종종 발생한다. 하지만 세슘은 IFC를 직접적으로 지원하지 않는다.   그림 3. IFC 추가 에러 발생 모습   세슘은 IFC를 포함한 모든 3D 모델 파일을 3D 타일로 변환해 업로드하도록 하고 있다. 이는 무거운 3D 모델의 가시화 성능을 고려한 것이다. 3D 타일은 웹에서 가시화하기에 무거운 3D 파일을 공간 인덱싱 기법을 이용해 Octree 형식으로 표현하고, 각 노트에 분할된 3D 모델의 부분을 담아둔다. 메시 간략화 기법을 이용해, 카메라가 모델을 비추는 거리에 따라 적절한 LoD(Level of Detail)의 메시를 보여준다. 이는 게임에서 FPS 성능을 올리기 위해 개발된 기법과 매우 유사하다. glTF(https://github.com/ KhronosGroup/glTF)는 3D 타일의 기본 형식이다. 세슘은 다양한 샘플 코드를 샌드캐슬(sandcastle)이란 플랫폼으로 제공하여 편리한 개발을 지원하고 있다.   그림 4. glTF 2.0 기능(3차원 점군, 텍스쳐, 모델 지원 예시)    그림 5. 세슘의 코드 예제   3D 타일 모델 변환 및 업로드 먼저, 다음 링크를 방문해 세슘 아이온(Cesium ion)에 가입한다. Cesium ion – Cesium(https://cesium.com/platform/ cesium-ion) 이후, 세슘의 API, 애셋(asset)을 관리하는 클라우드, 자바스크립트 기반 예제 등을 무료로 사용할 수 있다. 여기서 애셋이란 플랫폼에서 사용하는 GIS, BIM 등 모든 파일 및 데이터셋을 의미한다. 가입 후, <그림 6>의 화면에서 ‘New story’를 클릭해 애셋을 추가해 보자.   그림 6. 세슘 아이온 메뉴 화면   세슘은 3D 모델을 3차원 타일 형식으로 내부 표현한다. 이 형식을 지원하는 파일 포맷은 <그림 7>과 같다.    그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.