에스엘즈가 8월 27일 오후 4시부터 1시간 동안 CNG TV 웨비나를 통해 '로보틱스(Robotics)를 활용한 초고용량 BIM 데이터 자동생성 및 증강 기술'을 주제로 소개할 예정이다.  이번 웨비나에서 에스엘즈 정재헌 대표는 로보틱스(Robotics)와 인공지능(AI)을 이용해 초고용량 BIM 데이터 자동생성 및 운용 효율을 혁신하는 기술, 그리고 산업플랜트 데이터 기반 공간지능(Physical AI) 적용 성과를 소개할 예정이다. 이 기술은 방대한 구조 데이터를 로봇으로 빠르게 수집하고, 이를 BIM 형식으로 실시간 변환·최적화해 건설·플랜트 분야 고정밀 3D 모델링과 디지털 트윈 구현을 앞당길 전망이다. 이번 발표는 국내 건설·제조·엔지니어링 업계의 디지털 전환 흐름과 맞물려 많은 관심을 받고 있다. 이번 웨비나는 사전등록을 통해 무료로 참관할 수 있다.

캐디안이 웹 브라우저 기반 CAD 뷰어인 ‘캐디안 뷰Q(CADian ViewQ)’를 출시했다고 밝혔다. 캐디안 뷰Q는 AEC(건축·토목·엔지니어링) 분야의 2D 도면 포맷인 DWG, DXF, DWF(이상 오토캐드 파일), DGN(마이크로스테이션 파일)과 더불어 BIM(건설 정보 모델링) 기반의 3D 파일 형식인 IFC, RVT(레빗 파일), 그리고 3D 모델링 파일 OBJ, STL 등 다양한 산업 포맷을 폭넓게 지원한다. 앞으로 현장에서 필요한 도면 파일 포맷이 계속 추가될 예정이다. 웹 브라우저 기반으로 작동해 별도의 프로그램 설치 없이 크롬, 엣지, 사파리 등 주요 브라우저에서 즉시 도면 열람이 가능하며, 장소나 디바이스의 제약 없이 도면 접근성과 협업을 강화한 것이 특징이다.      캐디안 뷰Q는 직관적인 UI와 함께 ▲도면 확대, 이동, 회전 ▲도면층의 리스트, 색상 확인 및 온/오프 설정 기능 ▲객체 속성 정보 확인 ▲거리 및 면적 측정 후 엑셀 파일로 내보내기 ▲도면을 PNG 또는 JPG 이미지로 변환해 빠른 뷰잉 지원 ▲텍스트 추가, 마크업(markup) 기능 ▲스크린 캡처 방지 등 보안 강화 ▲이메일로 첨부된 도면의 미리보기 ▲데스크톱 CAD 인 캐디안 프로(CADian Pro)와 연동으로 편집 가능 등 건설·설계·유지관리 분야의 실무자가 요구하는 핵심 기능을 반영하였다. 캐디안은 RESTful API 기반으로 개발된 뷰Q가 향후 BIM, GIS, PDM, PLM, ERP, FMS(시설물 관리), 스마트 공장, 스마트 건설, IoT(사물인터넷), 빅데이터, 클라우드 컴퓨팅, AI(인공지능), 디지털 전환(DX), VR/AR 등 다양한 외부 시스템과의 연동도 유연하게 확장할 수 있을 것으로 전망하고 있다. 또한, 캐디안 뷰Q 출시와 함께 캐디안은 동시 API 호출 10만 건 이상을 안정적으로 처리할 수 있는 로드 밸런싱 기반 서버 아키텍처를 구축했다고 전했다. 캐디안 뷰Q에 지능형 로드 밸런싱 기술을 적용함으로써 서버 풀 분산 처리, 자동 확장, 세션 유지, 캐싱·큐 기반 처리 등을 통해 트래픽 과부하 상황에서도 빠른 응답 속도와 무중단 CAD 협업을 지원한다는 것이 캐디안의 설명이다. 캐디안은 뷰Q를 앞세워 글로벌 SaaS형 웹 캐드 설루션 시장 진출을 본격화할 계획이다. 이를 통해 ▲대기업·공공기관의 대용량 CAD 협업 지원 ▲글로벌 사용자 간 CAD 파일 공유 및 접근성 향상 ▲오프라인 중심의 CAD 환경을 클라우드로 전환하는 것을 목표로 하고 있으며, B2B 대상의 공급 확대도 적극 추진 중이다. 캐디안은 현재 5000명 규모의 베타 사용자(PC, 스마트폰, 태블릿)에게 뷰Q 무료 체험 서비스를 제공하고 있다. 캐디안의 박승훈 대표는 “캐디안 뷰Q는 대규모 디지털 건설·설계 프로젝트에서 CAD 데이터를 신속하게 불러오고 공유할 수 있는 클라우드 기반 협업 툴로서 생산성 향상에 기여할 것”이라며, “로드 밸런싱 기술을 통해 병목 없이 다수 사용자의 실시간 CAD 협업이 가능해졌다”고 말했다. 

캐드앤그래픽스에서 HP Z2 Mini G1a 데스크톱 성능을 체험 리뷰하실 리뷰어를 찾습니다. 리뷰 기사는 캐드앤그래픽스 2025년 10월호에 실릴 예정이며, 리뷰용 제품을 받으신 후 실제로 사용해 보시고, 9월 12일(금요일)까지 리뷰 원고를 보내 주시면 됩니다. (Z2 Mini G1a 데스크탑과 24인치 모니터 배송 예정) 잡지에 실리는 리뷰 기사에 대해서는 소정의 원고료를 드립니다. 리뷰를 원하시는 분은 간단한 자기소개 및 사용하시는 소프트웨어에 관한 내용을 메일(cadgraphpr@gmail.com)로 보내주세요. - 제목 :  HP Z2 미니 G1a 리뷰어 지원 - 보내실 내용 : 간단 약력 등 자기소개, 사용 소프트웨어, 전화/메일/소속 (참고할 만한 기고 이력이나 블로그 링크 등 있을 경우 같이 기재) - 모집기간 : 선정시(선착순, 이력 검토 후 선정) - 모집 마감되었습니다. 문의 : 02-333-6900 리뷰어 모집 대상  :  제조, 건축, 엔지니어링 분야 엔지니어(캐드, CAE, 3D 디자인 및 렌더링 등 사용자)     ------------------------------------------------------------------------------------------------------ HP Z2 Mini G1a 데스크톱 워크스테이션 소개   HP Z2 Mini G1a는 컴팩트한 크기에 강력한 성능을 담은 미니 워크스테이션으로, 복잡한 3D 디자인, 그래픽 프로젝트, 로컬 AI 모델(LLM) 환경에 적합합니다. 최고 사양의 AMD Ryzen™ AI Max+ PRO 시리즈 프로세서(최대 16코어/32스레드, 5.1GHz 부스트, 64MB 캐시)가 장착되며, 내장 그래픽(최대 AMD Radeon™ 8060S)을 통해 별도의 외장 GPU 없이도 GPU 가속 3D 작업 및 AI 추론을 실행할 수 있습니다. 최대 128GB LPDDR5x 통합 메모리 중 96GB까지 그래픽 갯수에 할당 가능하므로, 여러 개 전문 애플리케이션을 동시에 실행해도 병목 현상이 적습니다. 스토리지는 NVMe M.2 SSD 슬롯 2개를 사용해 최대 8TB까지 확장 가능하며, RAID 0/1을 지원합니다. 연결성도 우수합니다. Thunderbolt™ 4 USB-C 포트, Mini DisplayPort 2.1, 10GbE LAN, Wi-Fi 7 등 최신 포트를 모두 지원하며, 내부 전원 어댑터(300W 내장)로 외부 어댑터 없이 간결한 설치가 가능합니다. 냉각 설계는 대형 방열판과 팬 조합, 3D 메쉬 흡기 구조 등으로 내부 발열을 최소화합니다. 시스템 RAM은 납땜되어 교체는 불가능하지만, 두 개의 PCIe Gen4 M.2 슬롯으로 저장장치 확장이 자유롭습니다. Geekbench 6 기준 CPU 멀티코어 점수 약 17,210점, GPU OpenCL 점수 91,591점을 기록하며, 최신 워크스테이션 수준의 성능을 입증했습니다. ISV 인증과 HP Wolf Security(BIOS~OS)로 전문적인 워크플로우와 기업 보안, 안정성까지 제공합니다. 작은 공간, 고성능 AI·그래픽 작업, 3D 디자인, 콘텐츠 크리에이션, 엔터프라이즈 환경에 모두 어울립니다. 공식 제품 정보는 HP 웹사이트(https://www.hp.com/kr-ko/workstations/z2-mini-a.html)에서 확인할 수 있습니다.     참고 후기 HP Z북 울트라 G1a 리뷰 (1) - AI 크리에이터와 3D 작업을 위한 최적화 HP Z북 울트라 G1a 리뷰 (2) - 설계 엔지니어 관점에서 본 고성능 노트북

PTC가 엔비디아와의 협력을 확대하며, 자사의 CAD 소프트웨어 '크레오(Creo)'와 PLM 솔루션 '윈칠(Windchill)'에 엔비디아 옴니버스(NVIDIA Omniverse) 기술을 통합한다고 발표했다. 이번 통합으로 제조 및 제품 기업들은 고성능 AI 인프라 하드웨어와 같은 복잡한 제품을 더욱 효율적으로 설계, 시뮬레이션하고 협업할 수 있게 될 전망이다. PTC는 또한 OpenUSD 얼라이언스(AOUSD)에 가입하며, AI 개발을 위한 개방형 표준과 데이터 상호운용성 강화에 대한 의지를 보였다.    PTC, 엔비디아 옴니버스와 손잡고 AI 인프라·차세대 제품 혁신 가속화 PTC 크레오·윈칠에 엔비디아 옴니버스 기술 통합 이번 협력의 핵심은 PTC의 솔루션과 엔비디아의 '실시간 시뮬레이션 플랫폼'을 연결하는 것이다. 윈칠은 옴니버스의 OpenUSD 및 RTX 라이브러리를 통해 고품질의 실시간 시뮬레이션 뷰포트를 구현한다. 이를 통해 사용자는 PLM 환경을 벗어나지 않고도 설계 데이터를 몰입형 3D 환경에서 시각화하고 실시간 협업을 할 수 있게 된다. 제품 개발 과정에서 엔지니어링, 마케팅 등 여러 부서는 버전 관리가 된 제품 정보를 실시간으로 공유하며 의사결정 속도를 높이고 개발 리스크를 줄일 수 있다. 특히, 설계 엔지니어는 복합 어셈블리를 실시간으로 분석하고 실제 작동 환경을 시뮬레이션하여 제품 품질을 향상시킬 수 있다. 이러한 디지털 트윈 워크플로우는 개발 프로세스를 가속화하고, 복잡한 3D 설계 콘텐츠에 대한 접근성을 높여 더 많은 사용자가 손쉽게 활용할 수 있도록 돕는다. 닐 바루아 PTC 사장 겸 CEO는 "AI 하드웨어처럼 복잡한 첨단 제품 개발에 있어 엔비디아와의 협력 강화는 매우 중요하다"며, "옴니버스 기술 통합을 통해 고객들이 실시간 시뮬레이션 환경에서 설계 데이터를 활용하고, 제품 수명주기 전반에 걸쳐 협업을 강화할 수 있을 것"이라고 말했다. 엔비디아 하드웨어 설계 파트너로서 협력 확대 이번 통합은 PTC가 엔비디아의 AI 하드웨어 개발을 지원해온 오랜 파트너 관계에서 비롯되었다. 엔비디아는 PTC의 크레오 및 윈칠 솔루션을 활용하여 제품 개발 프로세스를 정밀하고 효율적으로 진행해 왔다. 이제 PTC의 솔루션이 엔비디아 옴니버스 개발 플랫폼에 통합되고, 윈칠에 옴니버스 뷰포트가 내장되면서 실시간 시뮬레이션과 시각화가 개발 워크플로의 핵심 요소로 자리 잡게 되었다. 레브 레바레디안 엔비디아 옴니버스 및 시뮬레이션 기술 부문 부사장은 "PTC는 제조 설계 솔루션 분야의 글로벌 선도 기업으로, 옴니버스 기술을 통합함으로써 설계자와 제조 기업들이 개발 전 과정을 더욱 빠르고 정밀하게 수행할 수 있도록 지원할 것"이라며, "PTC의 OpenUSD 및 개방형 표준에 대한 노력은 글로벌 AI 인프라 산업의 연결과 통합을 가속화하는 데 기여할 것"이라고 강조했다.    

PTC는 엔비디아 옴니버스(NVIDIA Omniverse) 기술을 자사의 크레오(Creo) CAD 및 윈칠(Windchill) PLM 설루션에 통합하면서, 엔비디아와의 협력을 확대한다고 밝혔다. PTC는 옴니버스를 활용해 고성능 PCB, 고급 냉각 시스템, 대규모 데이터센터 장비와 같은 AI 인프라의 기본 하드웨어를 포함한 복잡한 제품의 설계, 시뮬레이션, 협업 방식을 혁신한할 수 있을 것으로 기대하고 있다. 또한 PTC는 오픈USD 얼라이언스(Alliance for OpenUSD : AOUSD)에 합류해, 개방적이고 상호 운용 가능한 3D 데이터 표준인 오픈USD에 대한 노력을 강화할 계획이다. 윈칠을 옴니버스의 사실적인 실시간 시뮬레이션 개발 플랫폼과 연결하면, 공유된 몰입형 환경에서 크레오 설계 데이터를 시각화하고 상호 작용할 수 있게 된다. PTC는 옴니버스 오픈USD 및 RTX 라이브러리를 사용하여 윈칠에 대화형 실시간 뷰포트를 구현하고, 사용자가 PLM 환경을 벗어나지 않고도 고충실도 3D 시뮬레이션에 접근할 수 있도록 지원한다. 이런 통합은 엔지니어링부터 마케팅까지 모든 사용자에게 추적 가능하고 버전 관리를 포함하는 제품 정보에 대한 접근을 제공하여, 팀이 더 빠른 의사 결정을 내리고 개발 위험을 줄일 수 있도록 한다. 엔지니어는 윈칠에서 직접 가져온 실시간 데이터를 사용하여 여러 분야의 조립품을 탐색하고 실제 성능을 시뮬레이션하며 기능 전반에 걸쳐 협업할 수 있다. 이러한 디지털 트윈 워크플로는 기업이 개발 프로세스를 가속화하고, 제품 품질을 높이며, 복잡한 3D 설계 콘텐츠에 대한 접근을 대중화할 수 있도록 지원한다. 이번에 발표된 통합은 AI 혁신을 주도하는 고성능 PCB부터 차세대 데이터센터 시스템에 이르기까지, PTC가 엔비디아의 첨단 하드웨어 공급을 지원해 온 역사에서 비롯되었다. 엔비디아는 PTC의 크레오와 윈칠 설루션을 활용하여 정밀성, 속도, 확장성을 바탕으로 제품 개발 프로세스를 간소화해왔다. 이제 이들 도구를 엔비디아 옴니버스 개발 플랫폼에 통합하고 옴니버스 뷰포트를 윈칠에 내장함으로써, 실시간 시뮬레이션과 몰입형 시각화를 개발 워크플로의 중심에 직접 도입하게 되었다. PTC는 이런 통합으로 기업이 공동 혁신의 속도와 품질을 향상시킬 수 있도록 지원하며, 생태계 전반의 다른 AI 하드웨어 파트너에게 이러한 기능을 확장하는 청사진이 될 것으로 기대하고 있다.     PTC의 닐 바루아(Neil Barua) 사장 겸 CEO는 “AI 하드웨어부터 산업 기계에 이르기까지 오늘날 가장 진보한 제품들은 그 어느 때보다 복잡하고 통합적이며 엔지니어링 집약적”이라면서, “엔비디아와 협력을 강화하고 오픈USD 얼라이언스에 합류함으로써 고객에게 실시간 몰입형 시뮬레이션 환경에서 설계 및 구성 데이터를 통합할 수 있는 능력을 제공하게 되었다. 옴니버스 기술을 크레오와 윈칠에 통합함으로써 팀은 개발을 가속하고 제품 품질을 개선하며 전체 제품 수명 주기에 걸쳐 더 효과적으로 협업할 수 있을 것”이라고 전했다. 엔비디아의 레브 레바레디안(Rev Lebaredian) 옴니버스 및 시뮬레이션 기술 부문 부사장은 “PTC는 제조 설계 설루션 분야의 글로벌 리더이다. PTC는 옴니버스 기술을 크레오와 윈칠에 통합함으로써 설계자와 제조업체가 개념 구상부터 생산까지 더 빠르고 정밀하게 진행할 수 있도록 지원한다”면서, "오픈USD와 개방형 표준에 대한 PTC의 노력은 설계에서 제조에 이르기까지 글로벌 AI 인프라 산업을 연결하고 통합하는 우리의 능력을 가속화할 것”이라고 밝혔다.

앤시스 워크벤치를 활용한 해석 성공 사례   오늘날 도시화와 인구 증가에 따라 공동주택의 필요성이 증가함에 따라, 공동주택 건설은 지속적으로 연구되며 다양한 방식으로 발전해왔다. 그러나 벽, 바닥, 천장 등 구조물을 공유하는 특성상 층간 소음 문제는 여전히 해결되지 않고 있다. 층간 소음을 최소화하기 위한 다양한 차단 방법이 고안 및 시공되고 있지만, 충격음 저감 대책에 따른 소음 예측은 주택별로 구조물 형태나 저감 대책 등 다양한 변수를 고려해야 하기 때문에 해석만으로는 거의 진행되지 않고 실험 위주 혹은 병행하며 이뤄지고 있다. 이번 호에서는 기존 실험조건의 문헌에 맞춘 해석 모델을 생성하고, 충격음에 대해 예측하는 방법에 대해 소개하고자 한다.    ■ 이효행 태성에스엔이 MBU-F4 팀의 수석 매니저로 원자력, 엔지니어링, 건설, 시험기관 업체를 담당하고 있다. 담당 업무로는 구조해석의 기술지원 및 사내/사외 교육, 세미나, 용역 업무가 있다. 특화된 해석 분야는 구조해석 중 dynamics와 acoustic, geomechanic이며, 20년 넘게 앤시스를 사용하여 구조해석을 수행하고 있다. 홈페이지 | www.tsne.co.kr   바닥 충격음의 제도 변화 바닥 충격음을 최소화하고 건물 내부의 소음 환경을 개선하기 위해 다양한 기술과 방법이 도입되고 있다. 또한 건축물의 품질과 주민의 생활 편의성을 향상시키기 위해 제도 또한 시간이 흐름에 따라 변화하고 발전해왔다. 시기별로 바닥 충격음 제도는 다음과 같이 변화했다. 2003년 4월 22일 개정 정성적인 문구에서 정량적인 기준으로 변경 경량충격음은 58데시벨 이하, 중량충격음은 50데시벨 이하로 제한 표준바닥구조와 바닥 충격음 차단성능등급이 도입 2013년 5월 6일 개정 표준바닥구조의 슬래브 두께가 규정에 포함 중량충격음은 표준 중량충격력 특성-1(뱅머신)로 측정, 평가는 역A-가중 최대 바닥 충격음레벨로 진행 2022년 8월 4일 개정 경량충격음 기준은 58dB 이하에서 49dB 이하로, 중량충격음 기준은 50dB 이하에서 49dB 이하로 강화 중량충격음은 표준 중량충격력 특성-2(임팩트볼)로 측정, 평가는 A-가중 최대 바닥 충격음레벨로 진행 이와 같이 해석만으로 인증을 진행하는 경우는 없으며, 골조 완공 후 건축물의 내부에서 측정하여 인증을 진행한다.   해석 개요 대부분의 예측이 그렇지만, 특히나 바닥 충격음을 예측하기 위해서는 해석만으로는 어렵다. 따라서 실험과 병행해야 하며 해석에 대한 오차를 줄여야 한다. 이에 따라 다음과 같은 순서로 진행하는 것을 권장한다.   ① 바닥 충격음 실험 ② 실험과 유사한 해석 모델 구현 및 해석 ③ 고유진동수와 FRF를 비교 분석(필요에 따라 ②에서 다시 시작) ④ 발생 소음 상대 비교   구조물(구조 평면)이 달라질 경우 전달되는 충격에 따른 소음의 특성이 변화하며, 저감 대책에 변화가 필요할 수도 있다. 직접 실험을 진행하기 어렵기 때문에 참고자료 1)을 바탕으로 해석을 진행하였다. 해석 모델이 실험의 동특성을 유사하게 구현(<표 1>의 Test No. 1 & 2)되었음을 확인하였으며, <표 1>과 같이 해석 설정에 따라 어떠한 변화가 있는지 확인하고자 한다. 비교 대상은 다음과 같다. 구조물의 고유진동수와 FRF는 참고자료 1)과 유사하게 발생하도록 설정 단위하중을 가하여 참고자료 1)의 가속도 FRF와 유사하게 발생하는지 비교 단위하중을 가한 부분에 한하여 MSUP 방식과 FULL method와 소음 해석 결과를 비교 음향 해석을 위해 velocity mapping과 coupled-field FSI 방식의 소음 차이 확인 중량 충격(1500N)에 따른 소음 변화 확인 하중 면적에 따른 소음 변화 확인 뜬바닥 구조(바닥 마감 구조 시공)는 비교하지 않음   표 1. Hyper parameters design to train BIM-based LLM   해석 모델 참고자료 1)을 참고하여 다음과 같이 해석 모델을 생성하였다.    (a) Full   (b) Section  그림 1. 해석 모델   Room 내부 크기 : 4.5m×5.1m×2.7m(Slab 두께가 변경되더라도 receive room inner size는 동일) 벽체 두께 : 150mm     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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.

지멘스 디지털 인더스트리 소프트웨어는 7월 9일 ‘NX 데이(NX Day)’ 행사를 진행했다. 이 자리에서는 지멘스의 제품 개발 설루션인 NX 및 NX X의 최신 업데이트가 소개됐다. 특히 AI 코파일럿, 소니와 협력을 통한 몰입형 엔지니어링, 제조를 위한 설계 기술, CAD와 통합된 시뮬레이션 등 지난 7월에 발표된 주요 기능에 초점을 맞춰 디지털 트윈 구현을 위한 NX의 발전된 내용을 소개했다. 지멘스는 향상된 NX가 클라우드 기반의 협업과 지속 가능한 설계까지 지원하면서 제품 개발 전반의 효율과 품질을 높일 수 있게 돕는다고 전했다. ■ 정수진 편집장   제품 개발의 포괄적인 가치 제공을 추구 지멘스 디지털 인더스트리 소프트웨어의 안지훈 본부장은 NX 데이의 환영사에서 “기술이 더욱 스마트해지고 연결성이 복잡해지는 시대적 변화에 발맞춰, 지멘스는 고객이 제품 개발 및 제조 전반에서 더 빠르고 효율적으로 혁신을 이룰 수 있도록 지원하는 방안을 끊임없이 고민하고 있다”고 전했다. 지멘스는 올해 설계 전문성을 강화하기 위해 NX와 솔리드 엣지(Solid Edge)를 ‘디자인센터(Designcenter)’라는 단일 브랜드 아래 묶었다. 디자인센터는 지멘스의 통합 제품 포트폴리오인 ‘엑셀러레이터(Siemens Xcelerator)’의 일부로서, 시뮬레이션 및 테스트 설루션인 심센터(Simcenter), 제품 수명주기 관리(PLM) 설루션인 팀센터(Teamcenter), 운영 관리 설루션인 옵센터(Opcenter)에 이어 제품 설계 관련 기술을 아우르는 브랜드가 될 전망이다. 안지훈 본부장은 디자인센터가 제공하는 핵심 가치로 ▲합리적인 가격과 폭넓은 라인업을 통한 확장성 ▲설계, 해석(CAE), 제조(CAM)를 아우르는 포괄적인 기능 ▲히스토리 기반 및 동기식 기술 등 다양한 모델링 방식을 목적에 맞춰 제공하는 유연성을 꼽았다. NX는 인공지능(AI), 클라우드, 디지털 트윈, 디지털 스레드라는 네 가지 핵심 기술을 녹여 낸 엑셀러레이터의 일부로서, 단순한 3D 모델링을 넘어 AI 기반 자동화 등 시장이 요구하는 복합적인 기능을 갖춘 3D CAD를 지향한다는 것이 지멘스의 설명이다.    ▲ NX의 AI 기능 개발은 제품 개발을 위한 실용성에 초점을 맞추고 있다.   AI·클라우드·VR과 결합한 제품 개발의 미래 제시 NX는 6개월 단위로 새로운 버전을 출시하는 ‘지속적 릴리스(Continuous Release)’ 전략을 채택하고 있다. 핵심은 고객의 요구 사항을 빠르게 반영하면서, 과거의 데이터도 최신 버전에서 호환되도록 하여 안정성을 보장하는 것이다. 또한, 정식 출시 3개월 전 새로운 기능을 미리 체험하고 피드백을 제공할 수 있는 EAP(Early Adopter Program)를 운영하며 고객과의 소통을 강화하고 있다. 지멘스 디지털 인더스트리 소프트웨어의 고창환 본부장은 “NX는 기구 설계의 효율이라는 기본에 충실한 MCAD 설루션”이라면서, 동시에 지멘스의 다양한 기술과 결합해 포괄적인 포트폴리오를 제공한다고 소개했다. 여기에는 팀센터 기반의 데이터 관리 및 협업, 멘토그래픽스(현 지멘스 EDA)의 기술을 반영한 MCADECAD 통합, AI 설계 자동화 및 클라우드 기반 설루션, 최근 지멘스가 인수한 알테어를 포함하는 심센터의 해석 기술 연동, 공장 자동화(PLC) 설루션과 연결한 가상 시운전 등이 포함된다. 또한, 고창환 본부장은 고객의 요구 사항을 반영해 NX에 탑재된 최신 기술을 다섯 가지로 나누어 소개했다. 협업 엔지니어링 : 클라우드 기반 설루션인 NX X는 사용자가 언제 어디서든 ID 로그인만으로 NX를 사용할 수 있는 환경을 제공한다. 특히 라이브 셰어(Live Share) 기능을 통해 여러 설계자가 하나의 부품에 대해 동시에 작업하면서 실시간으로 변경 사항을 공유하는 협업이 가능해졌다. 다분야 설계 : ‘시프트 레프트(Shift Left)’ 개념을 도입해 설계자가 해석 전문가의 도움 없이도 NX 내에서 직접 간단한 구조 및 유동 해석을 수행할 수 있다. 복셀(voxel) 방식을 이용해 메시가 필요 없는(meshless) 해석 기술로 설계 변경에 따른 영향을 즉시 평가하여 개발 초기에 완성도를 높일 수 있다. 몰입형 환경 : 지멘스와 소니가 협력해 개발한 VR 헤드셋과 NX를 연동하면, 복잡한 데이터 변환 없이 설계 데이터를 가상현실에서 체험할 수 있다. VR 환경에서 간섭 체크, 단면 보기, 마크업 등 설계 검토 작업을 수행할 수 있으며, 여러 사용자가 동시 접속하는 가상 회의도 지원한다. 나아가 엔비디아 옴니버스(NVIDIA Omniverse) 기반의 팀센터 XR (Teamcenter XR)을 통해 더욱 사실적인 메타버스 환경을 제공한다. 인공지능 : NX의 AI는 ▲사용자 패턴을 학습해 다음 명령을 추천하는 적응형 AI(adaptive AI) ▲유사 형상을 자동 검색하거나 최적 설계를 제안하는 보조 AI(assistive AI) ▲자연어 명령에 기반한 모델링 추천과 요구 사양에 맞는 형상의 직접 생성을 지향하는 생성형 AI(additive AI) 등 3단계로 발전하고 있다. 지멘스는 제품 개발에서 직접 효과를 구현할 수 있는 실용적인 AI를 추구한다. 친환경 : 설계자가 재료, 형상, 제조 공정을 선택하면 예상되는 이산화탄소 배출량과 에너지 소비량, 재활용 효과 등을 리포트로 바로 확인할 수 있어 지속 가능한 제품 개발을 지원한다.   ▲ SaaS 설루션으로 제품 개발부터 협업까지 속도와 효율을 높인다는 것이 지멘스의 전략이다.   클라우드 기반의 SaaS(서비스형 소프트웨어)는 빠르게 변하는 기술 환경에서 제품 개발의 속도와 효율을 높이기 위한 새로운 기술로 여겨진다. 안지훈 본부장은 NX를 구독 기반의 SaaS 모델로 전환한 NX X는 인터넷만 연결되면 언제 어디서든 사용할 수 있으며, IT 인프라 투자나 복잡한 설치 과정에 대한 고민을 덜 수 있다고 전했다. NX X는 클라우드에서 NX의 핵심 기능을 제공하는 ‘NX X 에센셜(NX X Essential)’과 클라우드 저장/협업 공간인 ‘팀센터 셰어(Teamcenter Share)’의 결합으로 이뤄진다. NX X 에센셜은 CAD/CAE/CAM의 핵심 기능을 추린 웹 브라우저 기반 설루션이다. 동기식 기술이 적용된 다이렉트 모델링을 지원해 웹 환경에서 직관적인 형상 편집과 간단한 어셈블리 작업이 가능하다. 2.5축 CAM 프로그래밍과 G-코드 자동 생성 기능으로 웹에서 간단한 가공 경로를 생성 및 검증할 수 있으며, 응력, 처짐, 고유 진동수 등 단품에 대한 간단한 구조 해석을 태블릿이나 웹 브라우저에서 수행할 수 있다. 팀센터 셰어는 팀을 생성하고 내외부 관계자를 초대해 데이터를 안전하게 공유할 수 있는 클라우드 기반의 협업 허브이다. 사용자당 200GB의 보안 클라우드 저장소를 무료로 제공하고, 웹 기반 뷰어를 통해 다양한 포맷의 3D 모델을 별도의 프로그램 설치 없이 직접 확인하거나 마크업과 의견 교환을 통해 신속한 의사결정을 지원한다. 데이터는 권한 기반의 링크로 공유해 보안을 유지하며, 로컬 폴더나 파일 서버와 데이터를 동기화하여 항상 최신 정보를 클라우드에 보관할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

아마존웹서비스(AWS)는 최근 진행한 설문조사를 통해 국내 기업들의 AI 활용 현황과 과제를 짚었다. 또한, 신뢰할 수 있는 고성능의 인공지능 에이전트(AI agent)를 구축하고 배포할 수 있는 환경을 제공하면서 한국 시장에 지원을 강화하고 있다고 밝혔다. AWS는 AI의 도입과 활용 과정에서 기업이 겪는 기술적 어려움을 줄이고, 더 많은 기업이 쉽고 안전하게 생성형 AI를 도입하여 비즈니스 가치를 창출할 수 있도록 돕는 데 집중하고 있다. ■ 정수진 편집장    기업의 AI 도입률 높지만…고도화 위한 과제는?  AWS와 스트랜드 파트너스(Strand Partners)는 2025년 4월 한국 기업 1000곳과 일반인 1000명을 대상으로 AI에 대한 행동과 인식에 대한 설문조사를 진행하고, 그 결과를 바탕으로 한국 기업의 AI 활용 현황을 평가했다. 이 조사는 유럽에서는 3년째 진행되어 왔는데, 이번에 글로벌로 확장해 동일한 방법론을 적용했다. 스트랜드 파트너스의 닉 본스토우(Nick Bonstow) 디렉터는 설문조사 보고서의 내용을 소개하면서, 한국 기업의 AI 도입 현황과 주요 과제를 분석했다. 조사에서는 한국 기업의 48%가 AI를 도입 및 활용하고 있는 것으로 나타났는데, 이는 전년 대비 40% 성장한 수치이다. 유럽 기업의 평균 AI 도입률인 42%보다 높았는데, 특히 지난해에만 약 49만 9000 개의 한국 기업이 AI를 처음 도입한 것으로 추정된다. 본스토우 디렉터는 “AI를 도입한 기업들은 실질적인 이점을 경험하고 있다. 56%가 생산성 및 효율성 향상으로 매출 증가를 경험했고, 79%는 업무 생산성 향상 효과를 확인했다. 그리고 AI 도입에 따라 주당 평균 13시간의 업무 시간을 절감했다”고 소개했다. AI 도입률은 높지만, 국내 기업의 70%는 여전히 챗봇이나 간단한 반복 업무 자동화와 같은 기초적인 수준의 AI 활용에 머무르고 있는 상황이다. AI를 다양한 업무 영역에 통합하는 중간 단계는 7%, 여러 AI 도구나 모델을 결합하여 복잡한 업무를 수행하거나 비즈니스 모델을 혁신하는 변혁적 단계는 11%에 불과했다. 본스토우 디렉터는 “기업들이 AI의 잠재력을 완전히 활용하기 위해 더 높은 단계로 나아가야 할 필요가 있다”고 짚었다. 본스토우 디렉터는 국내 기업의 AI 도입이 양극화되고, AI 혁신의 편차를 키울 수 있다고 전했다. 한국 스타트업의 70%가 AI를 확대하고 있는데 이는 유럽의 58%보다 높은 수치로, 국내 스타트업 생태계는 AI 도입에서 뚜렷한 강점을 보였다. 스타트업의 33%는 AI를 비즈니스 전략 및 운영의 핵심 요소로 두고 있으며, 32%는 가장 고도화된 방식으로 AI를 활용하고 있다. 또한, 21%는 AI 기반의 새로운 제품 및 서비스를 개발 중이다. 반면, 국내 대기업의 69%는 여전히 AI를 효율 개선, 업무 간소화 등 기초적인 수준에서만 활용하고 있는 것으로 나타났다. 대기업의 10%만이 AI 기반 신제품 또는 서비스 개발 단계에 진입했는데, 이는 스타트업의 절반 수준이다. 이번 조사에서는 AI 도입의 주요 장애 요인으로 기술 및 디지털 인재의 부족, 자금 접근성, 규제 환경 등이 꼽혔다. 조사 응답 기업의 43%가 디지털 인재를 확보하지 못해 AI 도입 또는 확산에 어려움을 겪고 있다고 응답했고, 지난 1년간 디지털 역량 교육에 참여한 직원은 약 34%였다. 67%의 기업은 정부의 지원 정책이 AI 도입 결정에 중요하다고 응답했으며, 45%의 스타트업은 벤처 자본 56 · 접근성이 성장을 위한 핵심 요소라고 평가했다. 그리고 국내 기업들은 기술 예산 가운데 평균 23%를 규제 준수 비용에 투입하고 있으며, 34%는 AI 기본법 등 관련 입법으로 인해 이 비용이 증가할 것으로 예상했다. 본스토우 디렉터는 “한국이 AI 부문에서 세계를 선도할 수 있는 인프라와 스타트업 생태계 그리고 강한 열정을 가지고 있음을 확인했다. 하지만 AI 활용의 깊이를 더해주는 변혁적인 활용으로 나아가지 못하고 있는 점과 인재 부족, 규제 불확실성 등의 장애 요인을 해결해야 AI를 미래의 성장 동력과 경쟁력의 원천으로 삼을 수 있을 것”이라고 평가했다. 그리고, 이를 위해 한국 정부가 ▲기술 인재에 대한 투자 ▲혁신 친화적이고 명확한 규제 환경 조성 ▲공공 부문의 기술 현대화 및 디지털 전환 추진 등에 관심을 기울일 것을 제안했다.   ▲ AWS 김선수 AI/ML 사업 개발 수석 스페셜리스트   기업의 생성형 AI 활용 문턱 낮춘다 AWS의 김선수 AI/ML 사업 개발 수석 스페셜리스트는 국내 기업들이 AI를 잘 활용할 수 있도록 돕는 AWS의 생성형 AI 기술 스택과 주요 서비스를 소개했다. 그는 “2023년이 생성형 AI 개념 검증(PoC)의 해였다면 2024년은 생산 적용, 2025년은 비즈니스 가치 실현의 해가 될 것”이라고 짚었다. 또한 복잡한 작업을 자율적으로 수행하는 에이전트 AI에 대한 관심이 커지고 있다면서, 가트너(Gartner)의 전망을 인용해 “2026년까지 기업의 80% 이상이 생성형 AI API(애플리케이션 프로그래밍 인터페이스)를 사용하거나 관련 기능이 탑재된 애플리케이션을 배포할 것”이라고 전망했다. AWS는 생성형 AI를 위한 기술 스택을 세 가지 계층으로 제공한다. 가장 아래쪽에는 GPU, AI 프로세서 등을 포함해 모델 훈련과 추론에 필요한 인프라 레이어가 있고, 중간에는 AI 모델에 연결하여 각 기업에 최적화된 생성형 AI 애플리케이션을 구현하도록 돕는 모델/도구 레이어, 가장 위쪽에는 복잡한 개발 없이 쉽고 빠르게 활용할 수 있는 생성형 AI 애플리케이션 레이어가 있다. 이 기술 스택의 핵심으로 AWS가 내세운 것이 아마존 베드록(Amazon Bedrock)이다. 베드록은 생성형 AI 애플리케이션을 쉽게 구축하고 확장할 수 있도록 지원하는 완전 관리형 서비스이다. 앤트로픽, 메타, 미스트랄 AI 등 12개가 넘는 AI 기업의 파운데이션 모델(FM)을 선택해 활용할 수 있다는 점이 특징이다. 아마존 베드록은 비용, 지연 시간, 정확도를 최적화할 뿐만 아니라 기업의 필요에 맞게 모델을 맞춤 설정하거나 유해 콘텐츠/프롬프트 공격 등을 필터링해 안전한 AI 활용 환경을 갖출 수 있도록 돕는다. 김선수 수석 스페셜리스트는 “베드록은 프롬프트 엔지니어링, 검색 증강 생성(RAG), 미세조정(파인 튜닝) 등 다양한 방식으로 모델을 활용할 수 있도록 지원한다. 특히 RAG 구현을 위한 지식 베이스 및 벡터 검색 기능을 기본으로 제공해, 기업의 내부 데이터를 안전하게 연결하고 관련성 높은 답변을 생성할 수 있다”고 전했다. 최근 생성형 AI는 어시스턴트(assistant)를 넘어 워크플로를 자동화하는 에이전트(agent)로 진화하고 있으며, 궁극적으로는 사람의 개입 없이 AI끼리 자율적으로 협업하는 에이전틱 AI(agentic AI) 시스템으로 나아갈 것으로 보인다. AWS는 생성형 AI 에이전트 구축을 위해 ▲아마존 Q 디벨로퍼(Amazon Q Developer)와 같이 사전 구축된 에이전트 제품 ▲아마존 베드록 에이전트(Amazon Bedrock Agents)와 같이 내장된 오케스트레이션을 제공하는 완전 관리형 설루션 ▲스트랜드 에이전트(Strands Agents)와 같은 경량 오픈소스 SDK(소프트웨어 개발 키트)를 활용해 직접 에이전트를 구축할 수 있는 제품 등을 선보이고 있다.    ▲ AWS는 AI 에이전트의 구축과 배포를 위해 다양한 기술을 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.