CAE 컨퍼런스 행사장 모습(사진은 CAE 컨퍼런스 2024 전경) 국내 제조업의 디지털 전환을 이끌 ‘CAE 컨퍼런스 2025’가 오는 11월 7일(금) 수원컨벤션센터에서 열린다. 올해로 15회를 맞는 이번 행사는 ‘시뮬레이션의 미래: AI와 디지털 트윈이 주도하는 제조 혁신’을 주제로, AI(인공지능)와 CAE(Computer Aided Engineering)의 융합이 만들어내는 산업 변화와 최신 기술 트렌드를 조명한다. 이번 행사는 월간 캐드앤그래픽스가 주최하고, CAE 컨퍼런스 준비위원회가 주관하며, ‘제7회 스마트공장구축 및 생산자동화전(SMATEC 2025)’과 함께 개최된다.  올해 컨퍼런스에서는 디지털 트윈과 생성형 AI를 접목한 최신 시뮬레이션 기술이 집중적으로 다뤄진다. 앤시스코리아 강태신 전무는 ‘디지털 제조 혁신을 위한 Ansys End-to-End 솔루션’을 주제로, AI 기반 통합 시뮬레이션 전략을 통한 생산성 향상 방안을 제시한다. 연세대학교 이종수 교수는 ‘자율지능 에이전트를 위한 물리모델 기반 시스템엔지니어링 & 생성적 산업인공지능’ 발표를 통해, 분포 외(OOD) 환경에서도 신뢰성을 확보하는 모델기반 접근법을 소개한다. 나니아랩스 강남우 대표는 ‘생성형 AI에서 Agentic AI까지: 자율설계의 미래’를 주제로, 스스로 설계 의사결정을 내리는 Agentic AI 기술과 설계 자동화 사례를 공개한다. 피도텍 최병열 연구위원은 ‘RBDO, 데이터 시대에 무결점 설계를 향해’ 발표를 통해 신뢰도 기반 최적설계의 최신 적용 사례를 다룬다.  또한 메타리버테크놀로지 서인수 이사는 'GPU 기반 입자해석기술(samadii)을 활용한 반도체·디스플레이 응용 사례'를, AWS 전병승 솔루션즈 아키텍트는 ‘클라우드 기반 CAE 혁신’을 주제로 AI와 클라우드를 결합한 차세대 시뮬레이션 환경을 소개한다. 한국알테어 이승훈 본부장은 ‘CAE 최신 동향과 AI 기반 디지털 트윈 가속화’ 발표를 통해 Meshless·Multi-Physics·Cloud 기술 트렌드와 AI 가속화 사례를 발표한다. LG전자 문강석 책임은 ‘파우치형 배터리 실링 공정의 시뮬레이션 최적화’, 장일주 책임은 ‘TV 제품 CAE 자동화 및 AI 활용 사례’를 발표하며, 시뮬레이션이 제조 공정의 신뢰성과 효율성을 동시에 높이는 방법을 제시한다. 현대자동차 한만용 책임연구원은 ‘승객 모니터링과 인체모델의 융합을 통한 디지털 트윈 기술’을 통해 SDV(Software Defined Vehicle) 시대의 고객 중심 설계 혁신 사례를 소개한다. CAE 컨퍼런스 준비위원장 이종수 교수는 “생성형 AI와 물리기반 모델의 결합이 가속화되며, 신뢰성 확보와 시뮬레이션 자동화가 산업의 핵심 이슈로 부상하고 있다”고 강조했다. 그는 이어 “AI·MLOps·클라우드 기반 시뮬레이션이 주도하는 새로운 패러다임 속에서, 지속가능하고 효율적인 제조 혁신 방향을 논의하는 장이 될 것”이라고 덧붙였다. 이번 컨퍼런스에는 현대자동차, LG전자, 앤시스코리아, 피도텍, 나니아랩스, 메타리버테크놀로지, AWS, 한국알테어 등 주요 제조기업과 CAE 솔루션 기업이 참여해 최신 기술과 사례를 공유한다. 또한 SMATEC 2025 전시회와의 연계로 다양한 CAE·AI·디지털 트윈 솔루션을 현장에서 직접 체험할 수 있다. 사전등록은 CAE 컨퍼런스 공식 홈페이지(www.cadgraphics.co.kr/cae)에서 가능하다. 한편, 10월 20일에는 캐드앤그래픽스 지식방송 CNG TV에서 프리뷰 방송이 진행되어, 한국기계연구원 박종원 단장과 태성에스엔이 김지원 이사가 CAE 기술의 방향성과 AI 융합 트렌드를 소개했다.   CAE 컨퍼런스 2025 발표자 - 연세대 이종수 / 앤시스코리아 강태신 /  나니아랩스 강남우 / 피도텍 최병열 / 메타리버테크놀러지 서인수 / AWS 전병승 / 한국알테어 이승훈 / 현대자동차 한만용 / LG전자 장일주 / LG전자 문강석

앤시스코리아가 10월 23일 서울 국제항공우주 및 방위산업 전시회(ADEX 2025)에서 한화에어로스페이스와 함께 국내 항공엔진 개발 역량 강화와 디지털 엔지니어링 기반 혁신 생태계 조성을 위한 업무협약(MOU)을 체결했다고 밝혔다.   이번 협약은 한화에어로스페이스의 차세대 항공엔진 개발 프로젝트에 앤시스코리아의 첨단 시뮬레이션 기술과 디지털 엔지니어링 역량을 결합해, 설계부터 검증·운용까지 전 과정을 디지털 중심으로 혁신하기 위한 협력의 일환이다. 양사는 ▲앤시스의 첨단 시뮬레이션 기술 및 기술 지원을 기반으로 한 공동 기술 협력 ▲한화에어로스페이스의 투자 및 협력 인프라 구축 ▲디지털 미션 엔지니어링(DME) 분야의 상호 협력을 추진할 예정이다.   특히 DME는 실제 운용 환경을 가상으로 재현하여 시스템 수준의 성능을 통합적으로 분석할 수 있는 차세대 엔지니어링 접근법으로, 기존의 부품 단위 해석을 넘어 비행 궤적, 대기 조건, 임무 환경 등 실제 상황을 반영한 ‘디지털 트윈’ 시뮬레이션을 구현할 수 있다. 이를 통해 한화에어로스페이스는 개발 과정에서 발생할 수 있는 리스크를 최소화하고, 시험 주기 단축·개발비 절감·품질 향상 등 실질적인 성과를 기대할 수 있다. 앤시스코리아는 이번 MOU를 통해 엔진 설계부터 임무 수행까지 전 과정을 아우르는 시뮬레이션 기술을 지원할 계획이다. DME 기반의 통합 해석을 통해 개발 효율과 신뢰성을 높이는 한편, 국내 디지털 엔지니어링 생태계를 한층 고도화할 방침이다. 또한 앞으로 국내 항공·방산 기업들과의 협력을 확대해 항공우주 기술의 글로벌 경쟁력 강화에도 기여할 예정이다.   앤시스코리아 박주일 대표는 “이번 협력은 한국 항공우주산업의 디지털 혁신을 가속화하기 위한 중요한 이정표”라며, “앤시스의 시뮬레이션과 디지털 미션 엔지니어링 역량을 통해 한화에어로스페이스의 엔진 개발 전 과정이 한 단계 진화할 것으로 기대한다”고 말했다.  

한국후지필름비즈니스이노베이션(이하 한국후지필름BI)이 지난 9월 18일부터 9월 30일까지 20대부터 50대 직장인 1180명을 대상으로 실시한 ‘직장인 AI·AX 설루션 인식 조사’ 결과를 발표했다. 이번 조사는 AI 기술이 업무 현장에 어떤 방식으로 도입·활용되고 있는지와 이에 대한 직장인들의 인식을 알아보기 위해 실시됐다. 조사에 따르면 응답자의 66%가 현재 업무에서 인공지능(AI) 툴을 활용하고 있다고 답했다. 이는 직장인 3명 중 2명이 AI를 업무에 도입해 사용 중임을 의미하며, AI 기술이 빠르게 직장 내 업무 환경 전반으로 확산되고 있음을 보여준다. 가장 많이 사용되는 AI 툴(복수응답)은 챗지피티(ChatGPT, 85%)가 압도적인 비중을 차지했으며, 이어 제미나이(Gemini, 36%), 퍼플렉시티(Perplexity, 27%), 마이크로소프트 코파일럿(Microsoft Copiliot, 15%)순으로 나타났다. AI 툴 사용자들은 ‘업무 속도 향상’(70%)과 ‘결과물 품질 개선’(46%)을 주요 만족 요인으로 꼽았다. 반면, 응답자의 절반 가까이(48%)는 “효율은 높아졌지만 정확도와 의존성 문제도 경험했다”고 답했으며, ‘개인정보·영업비밀 유출 위험’(47%)과 ‘답변의 편향성·공정성 문제’(44%) 역시 주요 우려 요인으로 지적됐다. 이는 기업에서의 AI 툴 활용 확산의 지속을 위해선 보안과 신뢰성 확보가 뒷받침되어야 함을 보여준다. 한편, AI 툴을 사용하지 않는 직장인 중 절반은 ‘회사 차원의 지원 부재’(48%)를 비사용 이유로 꼽았다. 이들 중 향후 AI 툴 도입 의향이 있는 응답자들은 ‘회사 계정·툴 제공’(69%)과 ‘교육 및 가이드 제공’(57%)을 필요 요소로 선택해, AI 확산의 관건이 개인 역량보다 조직적 인프라와 정책 정비에 있음을 시사했다. 조직 차원의 AI 툴 도입 현황을 묻는 질문에서는 ‘아직 도입하지 않았다’는 응답이 47%로 가장 높았으며, 도입의 주요 장벽으로는 ‘데이터 보안 및 관리 문제’(37%)가 꼽혔다. 이는 개인뿐 아니라 조직 차원에서도 보안에 대한 우려가 AI 도입을 주저하게 만드는 핵심 요인으로 작용하고 있음을 보여준다. 결국 AI 도입의 핵심 과제는 보안이며, 디지털 전환(DX)과 AI 혁신(AX)의 성공 역시 AI에 대한 신뢰도 확보에 달려 있음을 시사한다. 한국후지필름BI의 하토가이 준 대표는 “이번 조사를 통해 AI가 이미 업무 환경에서 적극 활용되고 있지만, 결과물의 정확도와 보안, 조직 차원의 인프라 부족 등 다양한 과제가 남아있음을 확인했다”며, “앞으로 한국후지필름BI는 AI를 기반으로 협업·자동화 환경을 고도화해 중소기업 시장의 차세대 업무 생태계 구축을 선도해 나갈 것”이라고 말했다.  

슈나이더 일렉트릭이 선박 자동화 환경에 최적화된 HMI(Human Machine Interface) 설루션으로 ‘프로페이스(Pro-face) HMI GP6000’ 시리즈를 앞세워 스마트십 시장 공략에 속도를 내고 있다. 최근 해양 및 조선 산업은 IMO(국제해사기구)의 온실가스 규제 강화와 친환경 선박으로의 전환이라는 복합적인 과제에 직면해 있다. 특히, 선박의 디지털화와 자율 운항 기술 도입이 가속화되면서, 선원과 선박 시스템 간의 정보를 연결하고 제어하는 HMI의 역할이 중요해지고 있다. 이러한 흐름 속에서 슈나이더 일렉트릭은 해양 환경의 엄격한 요구사항을 충족시키고 스마트십(Smart Ship)의 완성도를 높이는 차세대 선박용 HMI인 '프로페이스 HMI GP6000’ 시리즈를 통해 해양 자동화 시장에서 입지를 강화하고 있다.     GP6000 시리즈는 해양 산업의 혹독한 운용 환경을 고려해 설계됐다. 극한의 온도 변화, 외부 충격, 염분과 습기, 직사광선 등 다양한 외부 요인에도 안정적으로 작동해 선박 및 해양 플랜트에서 요구되는 높은 내구성과 신뢰성을 갖춘 것이 특징이다. IP66F, IP67F, UL 50/50E 등 다양한 국제 방진·방수 규격을 충족하며, DIN 장착형은 -20°C~+60°C, 패널 장착형은 0°C~+60°C의 온도 범위에서도 문제없이 작동한다. 내부 구조는 강한 진동과 충격에 견딜 수 있도록 보강되었고, 강한 햇빛에서도 뛰어난 시인성을 확보하기 위해 안티글레어 시트를 옵션으로 제공한다. 또한 EMC 테스트를 통해 전자기 잡음에 대한 저항성도 입증받았다. 특히 GP6000 시리즈의 DC 모델은 DNV, NK, CCS EU RO MR, IACS UR E10 등 선박용 기자재에 필수로 요구되는 주요 글로벌 인증을 획득하여 다양한 해양 운항 환경에 유연하게 적용이 가능하다. 슈나이더 일렉트릭은 사용성 편의성도 GP6000 시리즈의 강점으로 내세운다. 장갑을 착용한 상태에서도 조작이 가능한 선택형 터치 모드를 지원해 선교나 엔진룸처럼 조작이 열악한 환경에서도 안정적인 제어가 가능하다. 또한, 0~100단계의 정밀한 밝기 조절 기능을 통해 암전 상태나 야간 운항 시에도 우수한 가시성과 안전성을 보장한다. 보안 측면에서는 프로페이스 커넥트(Pro-face Connect)를 기반으로 한 암호화 통신 기능, 부팅 시 보안 점검, 탬퍼-에비던트 씰(Tamper-Evident Seal) 등을 통해 장비의 무결성을 확보했다. 국제 산업 사이버 보안 표준인 IEC 62443을 준수하여, 선박 사이버 보안 규제에도 대응할 수 있다는 것이 슈나이더 일렉트릭의 설명이다. 지속가능성 또한 주요 설계 요소 중 하나다. 디스플레이와 I/O 유닛이 분리된 모듈형 구조로 유지보수가 간편하며, 원격 모니터링 및 직관적인 가이드 기반 트러블슈팅 기능을 통해 장애 대응 시간을 최소화한다. 에너지 효율 면에서도 평균 13%의 전력 절감 효과를 제공하며, 절전 모드에서는 최대 30%까지 에너지 사용을 줄일 수 있다. 더불어 저탄소 알루미늄과 바이오 플라스틱 사용, 100% 재활용 가능한 패키징을 통해 IMO의 환경 규제에도 부합하는 친환경 설계를 실현했다. 슈나이더 일렉트릭 코리아 산업 및 공정 자동화 사업부의 채교문 본부장은 “프로페이스 HMI GP6000 시리즈는 국제 인증, 내구성, 사이버 보안 등 선박용 HMI에 요구되는 핵심 요소를 모두 갖춘 최적의 설루션”이라며, “특히 DNV 인증, IEC 62443 보안 대응, 모듈형 설계 등은 실제 해양 운용 현장에서 강력한 차별화 요소로 작용하고 있으며, 이를 기반으로 해양 자동화 시장에서의 입지를 더욱 강화해 나갈 계획”이라고 전했다.

오라클은 더 많은 기업이 퍼블릭 클라우드의 민첩성, 경제성 및 확장성을 누릴 수 있도록 오라클 클라우드 인프라스트럭처(OCI) 전용 리전25(Dedicated Region25)를 출시했다고 발표했다. 기업은 OCI 전용 리전25를 통해 단 몇 주 내에 최소 3개의 랙으로 구성된 풀스택 OCI 환경을 구축할 수 있으며, 공간 제약이 있는 환경에서도 손쉽게 전용 리전을 배포할 수 있다. 지난 2020년 처음 출시된 OCI 전용 리전(OCI Dedicated Region)은 대규모 하이퍼스케일 폼팩터에서 더욱 유연한 배포 형태로 발전해 왔다. 현재 전 세계적으로 60개 이상의 OCI 전용 리전과 오라클 알로이(Oracle Alloy) 리전이 운영 중이거나 계획되어 있으며, 고객은 성능, 거버넌스, 퍼블릭 OCI 환경의 호환성을 저해하지 않으면서 자사 비즈니스 규모에 최적화된 배포 모델을 선택할 수 있다.     OCI 전용 리전25는 OCI의 분산형 클라우드 제품군에 속하며, 모듈형 인프라와 간소화된 서비스 설계를 갖춘 엔터프라이즈급 소버린 클라우드를 통해 공공 및 민간 조직이 민첩성을 높이고 제품 출시 기간을 단축하도록 지원한다. 오라클은 “200개 이상의 AI 및 클라우드 서비스가 내장된 완전한 퍼블릭 클라우드 리전을 3개 랙만으로 구축 가능하고, 하이퍼스케일 수준까지 확장 가능하며, 고객 데이터센터 내에서 안전하게 운영할 수 있도록 지원한다”고 소개했다. 이에 따라 시공간적 제약 혹은 규제 관련 제약으로 전용 클라우드 리전 운영이 어려웠던 고객도 혁신을 가속화하고 새로운 비즈니스 모델을 구현할 수 있게 된다는 것이 오라클의 설명이다. 기존의 전용 클라우드 리전은 많은 조직의 전면적 클라우드 전환에 걸림돌이 되었다. OCI 전용 리전25는 ▲고도화된 네트워크 중심의 모듈형 확장성 ▲하이퍼컨버지드 표준 인프라 ▲통합 다계층(multi-layered) 보안 ▲SaaS, AI를 포함한 퍼블릭 클라우드 수준의 서비스 제공 ▲데이터 주권 요건 지원 ▲오라클 운영 클라우드 리전 등의 이점을 제공하여 클라우드 전환의 방해요소를 제거한다. OCI 전용 리전25는 최소 3개 랙으로 시작해 다운타임이나 재설계 없이 네트워크 확장 랙을 추가함으로써 하이퍼스케일까지 원활하게 확장할 수 있다. 그리고 오라클의 표준화된 고밀도 컴퓨팅 및 스토리지 랙을 활용해 데이터센터 공간 및 전력 사용을 절감할 수 있다. 고객은 더 높은 신뢰성, 빠른 복구 시간, 최대 가동 시간을 확보할 수 있으며, 복잡한 운영 부담 없이 컴팩트한 규모로 운영 가능하다. OCI 전용 리전25는 물리, 가상 전 계층에 걸친 다중적 보안 장치로 데이터와 워크로드를 보호해 높은 수준의 보안, 프라이버시, 규제 요건을 충족할 수 있도록 한다. 통합 다계층 보안 기능으로는 생체인식 잠금(biometric-locked) 랙, 암호화된 소프트웨어 정의 네트워크 패브릭 등이 포함된다. 또한 200개 이상의 OCI AI 및 클라우드 서비스를 고객 환경에서 직접 제공함으로써 데이터 주권 및 데이터 지역성 요건을 충족하면서도 퍼블릭 OCI와 동일한 운영 환경을 구현할 수 있다. 이외에도 정부 및 공공기관이 전체 오라클 클라우드 스택을 자체 환경에 배포하고 데이터 및 시스템에 대한 완전한 통제권을 유지할 수 있도록 함으로써 엄격한 수준의 데이터 주권, 프라이버시, 보안, 규제 요건을 충족할 수 있도록 지원한다. OCI 전용 리전25는 오라클이 직접 운영하는 완전한 클라우드 운영 서비스 형태로 제공되므로, 고객은 인프라 관리가 아닌 혁신에 집중할 수 있다. 스콧 트와들 OCI 제품 및 산업 담당 수석 부사장은 “기업은 가장 큰 가치 창출이 가능한 곳에서 AI와 클라우드 서비스를 자유롭게 구동하길 원하며, 소버린 AI(sovereign AI)에 대한 관심이 높아짐에 따라 데이터의 위치와 데이터 통제에 대한 요건이 엄격해져 이러한 요구 사항이 더욱 강화되고 있다”면서, “OCI 전용 리전25의 출시로 오라클은 사실상 모든 데이터센터로 오라클 클라우드의 역량을 확장할 수 있게 되었다. 이 새로운 배포 옵션은 탁월한 유연성, 운영 단순성 및 엔터프라이즈급 데이터 주권을 제공해 전용 클라우드의 기준을 새롭게 정의하고, 고객이 미래 혁신을 대비할 수 있도록 돕는다”고 말했다.

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.

슈나이더 일렉트릭이 조선·해양 산업의 설비 운용 효율과 안정성을 높일 수 있는 방법으로 자사의 실시간 모터 관리 설루션인 ‘테시스 테라(TeSys Tera)’를 제시했다. 조선·해양 산업에서 모터는 전기 에너지를 회전 및 기계 에너지로 변환하는 핵심 장비로, 전체 전력 소비의 약 80%를 차지할 만큼 에너지 소모가 큰 설비다. 때문에 모터의 안정적인 운전과 체계적인 유지관리는 산업 전반의 효율과 직결되며, 최근에는 친환경 규제 강화 및 스마트 선박 기술 도입에 따라 더욱 정교한 모터 관리 설루션의 필요성이 부각되고 있다. 슈나이더 일렉트릭의 테시스 테라는 이러한 산업 트렌드에 부합하는 디지털 기반의 고도화된 모터 관리 시스템이다. 테시스 테라는 지정된 통신 버스를 통해 모터의 상태, 운전 전류, 전압, 전력, 역률, 외부 냉각 팬 동작까지 실시간으로 수집·모니터링하며, 인더스트리 4.0 표준을 충족해 중앙 제어 시스템과의 연동을 지원한다. 슈나이더 일렉트릭은 “특히 모터 권선과 베어링, 본체 온도를 측정하는 외부 센서를 통해 과열이나 냉각 이상 등 이상 징후를 사전에 감지할 수 있어 치명적인 고장을 예방하고 유지보수 비용을 절감에도 기여한다. 또한 고조파까지 정밀하게 측정할 수 있는 기능은 슈나이더 일렉트릭의 고도화된 전력 관리 기술력을 잘 보여준다”고 소개했다.     진단 기능과 관련해서는 각 보호 기능별 트립(차단) 횟수를 개별적으로 기록하며, 최대 100개의 이벤트를 시간 정보와 함께 순차적으로 저장하는 FIFO(선입선출) 방식 로그 기능을 지원한다. 더불어 열 메모리, 선 전류, 접지 전류 등 20개의 상세 고장 로그를 기록해 고장 원인 분석과 시스템 개선에 유용한 데이터를 제공한다. 시동 전류 곡선은 최대 250포인트까지 기록할 수 있어, 실제 운전 조건에 따른 보호 설정(Trip Class 등)을 최적화할 수 있으며, 시간 기반의 로그 데이터는 공정 정지나 시스템 장애 발생 시 정확한 사건 순서(SOE)를 파악할 수 있게 해준다. 이는 24시간 가동이 필수적인 조선·해양 현장에서 더욱 높은 신뢰성과 운영 효율성을 확보하는 데 도움이 된다. 아울러 테시스 테라는 온도 센서를 활용해 모터 권선, 베어링, 본체 각각에 대해 개별적인 보호 기능을 제공해 과열로 인한 손상을 사전에 방지한다. 모든 보호 기능은 활성화/비활성화, 경보 및 차단 수준 설정, 자동 또는 원격 리셋 기능(시간 지연 포함) 등 사용자가 공정 환경에 맞춰 완벽하게 구성할 수 있다. 또 외부 디지털·아날로그 입력도 고장 조건으로 인식하도록 설정 가능하다. 사용자 친화적인 소프트웨어 인터페이스도 특징이다. 윈도우 기반의 다국어 지원 소프트웨어는 메뉴와 아이콘 중심의 직관적인 UI를 제공한다. 동일 기능 내 여러 데이터를 한 화면에서 탐색할 수 있도록 안내형 내비게이션을 지원함으로써, 복잡한 설정이나 진단 과정도 간소화했다. 또한 별도의 HMI(Human-Machine Interface)를 통해 현장에서 직접 제어기 구성 및 파라미터 변경이 가능하며, 제어 키패드가 내장된 HMI는 상태 확인과 제어 명령을 로컬에서 즉시 수행할 수 있어 네트워크 연결이 원활하지 않은 환경에서도 독립적인 운용이 가능하다. 슈나이더 일렉트릭 코리아 파워 프로덕트 사업부의 김은지 본부장은 “슈나이더 일렉트릭의 디지털 모터 관리 설루션 테시스 테라는 실시간 디지털 모니터링과 정밀한 보호 기능을 통해 모터의 성능 저하와 고장을 사전에 방지함으로써 조선 및 해양 산업의 안전성과 생산성을 높이는 필수적인 설루션으로 주목받고 있다”고 말했다. 한편 슈나이더 일렉트릭 코리아는 오는 10월 21일부터 부산 벡스코에서 개최되는 조선·해양 산업 전문 전시회인 ‘코마린(KORMARINE) 2025’에 참가해 테시스 테라를 선보일 예정이라고 전했다.

시놀로지가 디스크스테이션 매니저(DSM) 7.3의 출시를 발표했다. 이번 버전은 향상된 스토리지 효율성, 강화된 보안 및 신뢰성, 그리고 새로운 생산성 기능을 제공한다. 시놀로지 DSM 7.3에서 제공하는 시놀로지 티어링(Synology Tiering)은 액세스 패턴을 기반으로 파일을 자동으로 이동시켜, 자주 사용하는 ‘핫’ 데이터는 고성능 스토리지에, 드물게 접근하는 ‘콜드’ 데이터는 비용 효율적인 티어에 배치한다. 또한 수정 시간이나 접근 빈도에 따라 사용자가 정책을 지정해 데이터 이동 시점과 방식을 세밀하게 제어할 수 있다.     지난 12개월간 DSM은 50건 이상의 선제적 보안 업데이트를 적용했으며, DSM 7.3에서는 KEV, EPSS, LEV 등 업계 표준 위험 지표를 도입해 위협 우선순위 지정과 보호 기능을 더욱 강화했다. 오피스 스위트(Office Suite)도 커뮤니티의 요구를 반영해 개선됐다. 시놀로지 드라이브(Synology Drive)는 공유 라벨, 간소화된 파일 요청, 향상된 파일 잠금 기능을 제공해 협업을 더 원활하게 지원한다. 또한 메일플러스(MailPlus)는 이메일 검토 기능으로 보안을 강화하고, 도메인 공유 기능을 추가해 분산된 인프라 전반에서 사용자 신원을 통합할 수 있도록 했다. 시놀로지 AI 콘솔(Synology AI Console)은 2025년 8월 출시 이후 지금까지 43만 대 이상의 시놀로지 시스템에 배포돼, 온프레미스 환경에서 AI 기반 협업과 관리를 지원하고 있다. DSM 7.3에서는 맞춤형 데이터 마스킹과 필터링 기능이 추가되어, 민감한 정보가 타사 AI 서비스로 전송되기 전에 로컬에서 보호할 수 있도록 하여 보안성과 워크플로 신뢰성을 한층 높인다. 또한, 시놀로지 AI 콘솔은 앞으로 모든 OpenAI 호환 API 지원을 추가할 예정이며, 이를 통해 프라이빗 AI 인프라와의 원활한 통합이 가능해지고, 조직은 완전한 데이터 프라이버시와 보안 하에 AI 서비스를 유연하게 배포할 수 있다. 시놀로지는 신뢰할 수 있고 고성능의 스토리지 시스템 제공에 전념하고 있다. 하드웨어와 소프트웨어 구성 요소 모두에 대한 엄격한 검증은 오랜 기간 핵심 개발 우선순위였다. 시놀로지 스토리지 드라이브는 타사 검증 프로그램과 함께 DSM에서 최고의 신뢰성을 제공하도록 설계되었다. 시놀로지는 드라이브 제조업체와 협력하여 인증된 저장 매체의 범위를 확대하고, 더 신뢰할 수 있는 옵션을 제공한다. 한편, 2025년형 DiskStation Plus, Value, J 시리즈는 DSM 7.3에서 타사 드라이브를 사용한 설치 및 스토리지 풀 생성을 지원하여 사용자의 유연성을 높인다. 시놀로지의 케네스 수(Kenneth Hsu) 시스템 그룹 디렉터는 “데이터가 빠르게 증가함에 따라 이를 관리하고 처리하며 가치를 극대화할 수 있는 고급 설루션이 필요하다”면서, “DSM 7.3은 안전하고 신뢰할 수 있으며, AI 혁신까지 지원할 준비가 된 플랫폼 위에서 고객이 변화하는 데이터 관리 과제를 자신 있게 해결할 수 있도록 돕는다”고 전했다.