2023년 건축서비스산업 실태조사 결과 건축공간연구원에서 2023년 한 해 동안 건축서비스산업의 구조, 경영 활동, 시장 현황 등을 종합적으로 조사한 '2023년 건축서비스산업 실태조사 결과'를 발표했다. 본 실태조사는 「통계법」에 따라 국가 승인을 받은 주요 통계 정보이며, 「건축서비스산업 진흥법」에 근거하여 2022년부터 매년 시행되고 있다. 2024년 조사는 총 1,049개 사업체를 대상으로 46개 문항에 대한 온라인 조사 방식으로 진행되었다. 조사 대상은 한국표준산업분류(제11차) 중 건축서비스산업에 해당하는 사업체이며, 주요 조사 내용은 업무 분야 및 수주·생산성, 해외 사업 및 해외 업체 협업, 정보기술 활용, 교육 및 홍보, 인력 및 근로환경 등에 관한 현황이다. 2023년 건축서비스산업 실태조사의 주요 결과는 다음과 같다.   주요 업무 분야 건축 계획 및 설계: 59.7%로 가장 높은 비중을 차지 감리: 40.4% 건축구조 계획 및 설계: 17.6% 인테리어 디자인: 14.1%   사업체 수 전체 사업체 수: 약 3만 개 (31,476개) 건축 설계 및 관련 서비스업: 18,963개 (60.2%)로 가장 많음 건물 및 토목 엔지니어링 서비스업: 7,792개 (24.8%) 인테리어 디자인업: 4,721개 (15.0%) 종사자 규모별: 1~4명 소규모 사업체가 25,141개 (79.9%)로 대다수, 100명 이상 대규모 사업체는 196개 (0.6%)   종사자 수 전체 종사자 수: 약 27만 명 (274,351명) 건축 설계 및 관련 서비스업: 119,271명 (43.5%) 건물 및 토목 엔지니어링 서비스업: 126,436명 (46.1%) 인테리어 디자인업: 28,645명 (10.4%) 종사자 규모별: 1~4명 규모 사업체 종사자가 95,240명 (34.7%)으로 가장 높은 비중 매출액 전체 매출액: 약 43.5조 원 건축 설계 및 관련 서비스업: 약 19.0조 원 (43.6%) 건물 및 토목 엔지니어링 서비스업: 약 15.6조 원 (35.9%) 인테리어 디자인업: 약 8.9조 원 (20.5%) 종사자 규모별: 1~4명 규모 사업체가 총 매출액의 약 17.1조 원 (39.2%) 차지   ------------------------------------------------------------------- 목차 제1장 조사 개요 1. 조사목적 2 2. 조사연혁 2 3. 법적근거 3 4. 조사주기 및 시기 5 5. 조사기관 및 추진체계 5 6. 조사대상 6 7. 조사방법 6 8. 조사부문 6 9. 조사항목 7 10. 자료 처리 및 분석 8 11. 결과 공표 8 12. 주요 용어 8   제2장 표본 설계 1. 모집단 정의 14 2. 모집단 분포 14 3. 표본의 크기 결정 15 4. 표본 배분 방법 16 5. 표본의 추출 18 6. 가중치의 극단값 처리 18 7. 추정식 19 8. 통계자료 공표 21 9. 유효표본수 확보 방안 및 무응답 처리기준 21 10. 유효표본수 22   제3장 조사 결과분석 1. 업무 분야 및 수주, 생산성 24 2. 해외 업체와의 협업, 해외 프로젝트 49 3. 정보기술 활용 현황 59 4. 교육 및 홍보 67 5. 인력 및 근로환경 74 6. 사업체 일반현황 104   제4장 조사 결과표 1. 업무 분야 및 수주, 생산성 108 2. 해외 업체와의 협업, 해외 프로젝트 148 3. 정보기술 활용 현황 164 4. 교육 및 홍보 177 5. 인력 및 근로환경 185 6. 사업체 일반현황 233   부록 1. 주요변수 허용오차 및 상대표준오차 240 2. 조사표 242 관련 영상보기 • 행사명 : 건축서비스산업 실태조사 포럼 • 주  제 : 건축서비스산업 실태조사 속 현안과 이슈 • 일  시 : 2025.3.21.(금) 14:00 ~ 17:30 https://youtu.be/7Jkq-dLZux0   2023년 건축서비스산업 실태조사 결과 다운로드 하기 #건축서비스산업 #실태조사 #산업 통계

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.

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.

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.

한국레노버가 레노버 최초의 온디바이스 AI 태블릿인 ‘요가 탭 플러스 AI(Yoga Tab Plus AI)’를 국내 공식 출시했다. 안드로이드 14 운영체계를 지원하는 요가 탭 플러스 AI는 사용자 개인에게 맞춤화된 생성형 AI를 기반으로 각종 문서, 창작, 엔터테인먼트 작업에서 향상된 성능을 제공할 수 있다. 퀄컴 스냅드래곤 8 3세대(Snapdragon 8 Gen 3)와 45W 급속 충전 기능을 지원하는 10,200mAh 배터리 용량을 탑재해 쾌적한 사용 환경을 제공한다.     요가 탭 플러스 AI는 메타 라마 3 (Llama 3)의 로컬 LLM 기반으로 구축된 레노버 프리미엄 온디바이스 AI 비서 ‘레노버 AI 나우(Lenovo AI Now)’를 탑재했다. 레노버 AI 나우는 문서 요약, 지식 기반 검색, 워크플로 지원 등의 작업을 자연어로 처리할 수 있으며, 모든 데이터를 디바이스에 저장 및 처리해 오프라인 상태에서도 실시간 AI 기능을 제공한다. 사용자는 간단한 타이핑으로 필요한 문서를 빠르게 찾는 것은 물론 AI가 제공하는 제안 및 요약 기능을 활용해 생산성을 높일 수 있다. 요가 탭 플러스 AI는 보안 처리 장치(SPU)와 암호화된 생체 인식으로 사용자만 액세스가 가능하도록 해서 안전성을 높였다. 레노버 AI 나우를 기반으로 구동되는 ‘레노버 스마트 커넥트(Lenovo Smart Connect)’ 앱은 PC 또는 스마트폰과 태블릿의 연동을 지원한다. 스마트 클립보드 기능을 활용하면 텍스트 또는 이미지를 복사에 다른 디바이스로 손쉽게 옮길 수 있어 효율적인 멀티 태스킹 작업을 돕는다. ‘레노버 AI 노트(Lenovo AI Note)’는 연속 쓰기 및 다시 쓰기 기능을 지원해 콘텐츠의 정확성을 높인다. 40개 이상의 다국어를 기반으로 한 트랜스크립션 기능은 음성과 텍스트를 실시간으로 번역해 미팅이나 회의 시에도 유용하다. 12.7인치 3K 퓨어사이트 프로(PureSight Pro) 디스플레이는 144Hz의 화면 재생률과 최대 900니트의 밝기를 지원해 몰입감 넘치는 엔터테인먼트 경험을 제공한다. DCI-P3을 지원해 풍부한 색감을 경험할 수 있으며, 색 정확도는 델타E 값 1 미만(ΔE<1)으로 낮은 오차 범위를 보인다. 블루라이트를 차단하는 TUV 인증을 통과해 장시간 사용에도 눈의 피로감을 낮춘다. 하만카돈, 돌비 애트모스 프리미엄 사운드를 지원하는 6개의 스피커는 입체적인 사운드를 더한다. 특히 탑재된 4개의 SLS 서브 우퍼 스피커는 음향 왜곡을 낮춰 더욱 선명한 사운드를 뒷받침한다. 요가 탭 플러스 AI는 사용에 편의를 더하는 ‘레노버 탭 펜 프로(Lenovo Tab Pen Pro)’와 ‘레노버 투인원 키보드 팩(Lenovo 2-in-1 Keyboard Pack)’을 기본 구성에 포함했다. 햅틱 피드백 기술이 적용된 레노버 탭 펜 프로는 정밀한 크리에이티브 작업을 지원한다. 펜에 적용된 AI 기능이 압력 감도, 기울기 등을 감지해 완성도 높은 작업을 돕는다. 또한 정밀한 타이핑을 지원하는 투인원 키보드 팩에 적용된 전용 키를 통해 스마트 기능에 빠르게 접속할 수 있다. 기본 구성에 역시 포함된 1.5m 6Amp USB 케이블은 일반적인 20W 충전보다 최대 3배 빠른 속도를 제공한다. 한편, 한국레노버는 사용자 부담을 줄이기 위해 각 1년간 우발적 손상 보장(ADP) 서비스와 프리미엄 케어 서비스를 제공한다고 전했다. 이를 통해 고객 과실로 발생한 파손의 경우에도 무상 수리를 지원한다. 또한 제품에 이상이 생길 경우 실시간으로 전문 엔지니어와 전화, 이메일 등을 통해 상담 받을 수 있다. 하드웨어 장애 발생 시 퀵·택배를 통한 수리 서비스를 지원하며, 연 1회 제품 정기 점검 등의 혜택이 주어진다. 한국레노버는 신제품 출시를 기념해 요가 탭 플러스 AI를 구매한 모든 고객에게 어도비 익스프레스 프리미엄(Adobe Express Premium)과 어도비 라이트룸(Lightroom)의 2개월 무료 체험 기회를 제공한다. 또한 추첨을 통해 요가 프로 마우스를 사은품으로 증정한다. 한국레노버의 신규식 대표는 “요가 탭 플러스 AI는 레노버의 기술 혁신이 집약된 레노버 최초의 온디바이스 AI 기반 태블릿으로, 언제 어디서든 강력한 AI 성능을 활용해 생산성과 창의성을 극대화하도록 설계되었다”면서, “이번 신제품에 적용된 다양한 AI 기능으로 스마트한 사용 경험과 함께 한 차원 높은 수준의 디지털 라이프를 즐기길 바란다”고 밝혔다. 요가 탭 플러스 AI의 국내 출시 공식 소비자가는 기본 모델 기준 79만 9000원이다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (17)   이번 호에서는 메시 어댑테이션(mesh adaptation)의 개념을 살펴보고, 피델리티 2024.1(Fidelity 2024.1)의 최신 메시 적응 기능을 소개한다. 또한 케이던스 피델리티(Cadence Fidelity)의 메시 어댑테이션의 장점과 모범 사례를 공유하고, 피델리티 2024.1에서 메시 어댑테이션을 사용할 때 중요한 고려 사항을 중점적으로 다룬다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr     항공우주 및 방위 산업은 설계 프로세스를 가속화하는데 필수인 정확하고 효율적인 시뮬레이션을 보장하기 위한 과제를 계속 해결해 나가고 있다. 유동장 예측을 향상시키기 위해 메시 생성 프로세스를 자동화하는 다양한 기술이 개발되었다. 기존에는 전산 유체 역학(CFD)을 위한 메시를 생성하려면 물리학에 대한 깊은 이해와 복잡한 모범 사례를 준수해야 했기 때문에, 결과가 일관되지 않는 경우가 많았다. 이로 인해 특히 중요한 흐름 영역에서 성능이 과도하게 향상되거나 성능이 저하되는 그리드가 제대로 정제되지 않았다. 이 문제에 대한 잠재적인 해결책은 정확도를 개선하고 셀 수를 관리 가능한 수준으로 유지하는 아웃풋 기반 어댑티브 리메싱(Out-Put Based Adaptive Remeshing)이다.   메시 어댑테이션 소개 메시 조정에는 기존 메시를 변경하여 필수적인 흐름 특징을 보다 정확하게 캡처함으로써, 궁극적으로 계산 비용을 크게 늘리지 않고 시뮬레이션 결과를 개선하는 작업이 포함된다. 이 메시 조정 프로세스는 더 작은 셀 크기를 필요로 하는 중요한 흐름 특징이 있는 특정 영역을 타기팅하여 메시 개선 프로세스를 자동화한다. 이 최적화를 활용하면 정확도가 향상되고 관리 가능한 셀 수를 유지하여 전체 CFD 워크플로 처리 시간을 개선할 수 있다.   피델리티 2024.1의 메시 적용 피델리티 2024.1의 최신 업데이트는 피델리티 CFD의 밀도 기반 솔버(DBS) 기능을 향상시켜 피델리티 포인트와이즈(Fidelity Pointwise) 및 피델리티 헥스프레스(Fidelity Hexpress) 메시로 어댑티브 리메싱을 수행할 수 있도록 한다. 이 메시 개선 방식은 정확도와 성능을 개선하기 위해 절단 오차 추정치를 사용한다. 이는 포인트 클라우드 데이터 파일(pcd 파일)을 내보내면 메시를 수정할 위치를 알려주어 워크플로를 조정할 수 있다. 또한 리메싱 프로세스를 자동화하기 위해 새로운 파이썬 스크립트(Python Script)가 개발되었다. 시뮬레이션을 설정할 때 사용자는 특정 파라미터를 사용하여 메시 적응 기능을 활성화할 수 있다. 이 기능을 선택하면 시뮬레이션이 끝날 때 pcd 파일이 생성된다. 피델리티 CFD에는 리메싱 프로세스를 자동화하는 파이썬 스크립트가 포함되어 있어 메시 적응 워크플로를 간소화한다. 수동으로 리메싱을 수행하고 적응된 메시로 시뮬레이션 설정을 재설정하는 작업은 시간이 많이 소요되는 문제점이 있다. 케이던스 피델리티에서 이 문제점을 해결하기 위해 만들어진 파이썬 스크립트는 시뮬레이션부터 피델리티 포인트와이즈 또는 피델리티 헥스프레스의 리메싱까지 모든 메시 적응 단계를 자동화하여 이 과정을 간소화한다. 이 스크립트를 실행하는 방법은 일괄 실행 또는 GUI에서 실행하는 두 가지가 있다. 사용자는 수행할 총 리메싱 횟수를 지정하고 지정된 횟수 동안 워크플로를 실행할 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

통합 시각화 파이프라인으로 새로운 경험 제공   리얼타임 3D 콘텐츠 제작 기술이 날로 진화함에 따라 버추얼 아티스트, 유튜버 등 디지털 휴먼 시장도 함께 성장하고 있는 가운데, 대한민국에는 데뷔 1년여 만에 실제 아이돌 못지 않은 인기를 누리고 있는 버추얼 아이돌이 있다. 바로 플레이브(PLAVE)다. ■ 자료 제공 : 에픽게임즈   ▲ 이미지 출처 : ‘언리얼 엔진으로 전례 없는 경험을 제공하는 PLAVE’ 영상 캡처   플레이브는 예준, 노아, 밤비, 은호, 하민 등 다섯 명의 멤버가 작사, 작곡 그리고 안무까지 직접 제작하는 버추얼 보이 그룹이다. 2023년 3월 12일 데뷔 이후 버추얼 아이돌 최초로 지상파 음악방송에서 1위를 차지한 것은 물론, 최근에는 잠실 실내체육관에서 양일간 오프라인 단독 라이브 콘서트를 개최해 전석이 매진되는 등 인기를 누리고 있다. 플레이브의 인기 비결에는 여러 요소가 있겠지만 언리얼 엔진의 리얼타임 기술로 자연스러운 비주얼 퀄리티뿐만 아니라, 매주 라이브 방송을 통해 팬들과 소통하며 아티스트의 진면목을 전할 수 있던 점을 꼽을 수 있다. 시네마틱 영상, 라이브 방송 그리고 오프라인 라이브 콘서트까지 어떻게 언리얼 엔진으로 통합 제작 파이프라인을 구축해 아티스트의 본질을 전달할 수 있었는지 살펴보기로 하자.    시네마틱 콘텐츠를 위한 리얼타임 통합 파이프라인   ▲ DCC 툴을 병합한 기존의 시네마틱 콘텐츠 제작 파이프라인(이미지 제공 : 블래스트)    ▲ 언리얼 엔진과 통합한 시네마틱 콘텐츠 제작 파이프라인(이미지 제공 : 블래스트)   플레이브의 소속사인 블래스트는 설립 초창기부터 여러 작품을 통해서 언리얼 엔진의 가능성을 확인했기 때문에, 버추얼 IP 파이프라인이라는 회사의 비전을 바탕으로 시네마틱과 라이브 콘텐츠를 모두 제작할 수 있는 언리얼 엔진 통합 파이프라인을 구축하고자 했다. 플레이브의 첫 뮤직비디오인 ‘기다릴게’를 제작하던 때만 해도 언리얼 엔진 제작 경험이 제한적이었기 때문에 레벨 디자인, 라이팅, 렌더링은 언리얼 엔진으로, 이펙트 및 의상 시뮬레이션, 합성 등은 기존의 DCC 툴을 사용하는 방식을 채택했다. 그렇지만 이러한 제작 방식은 언리얼 엔진의 리얼타임 렌더링의 장점을 극대화하지 못하고 전체적인 콘텐츠 제작 속도를 저하시켰다. 또한, 본래 언리얼 엔진 중심의 통합 파이프라인을 구축하려고 했던 블래스트의 비전과 맞지 않는다는 판단 하에, 파이프라인을 언리얼 엔진으로 완전히 대체하기로 결정했다.     ▲ 플레이브 ‘WAY 4 LUV’ 뮤직비디오 영상   의상 및 헤어 시뮬레이션을 언리얼 엔진의 실시간 시뮬레이션으로 완전히 전환하면서, 이제는 애니메이션이 수정될 때마다 라이브 방송처럼 실시간으로 시뮬레이션되어 임포트 과정이 간소화되었다. 렌더링을 위해 라이브 시뮬레이션을 베이크해야 하는 경우 역시 언리얼 엔진의 테이크 레코더를 사용하면 바로 결과를 확인할 수 있어, 전체적인 작업 과정이 효율적으로 향상되었다. 또한, 이펙트 제작에는 언리얼 엔진의 나이아가라 시스템을 전면 도입하여 룩뎁 아티스트들은 모든 최종 연출 요소를 실시간으로 확인하며 함께 작업할 수 있게 되었다. 애니메이션, 시뮬레이션, 이펙트 등의 모든 최종 연출 요소가 엔진으로 통합되면서, 언리얼 엔진을 컴포지터로까지 활용할 수 있었다. 그 결과 ‘WAY 4 LUV’의 시네마틱 영상부터는 모델링, 애니메이션, 룩뎁 등 각 제작 요소가 통합된 최종 결과물을 언리얼 엔진에서 실시간으로 렌더링할 수 있게 되어, 작업의 효율과 퀄리티를 향상시킬 수 있었다.   고도화된 리얼타임 모션 캡처로 아티스트의 진심을 전한 라이브 방송   ▲ 플레이브의 첫 라이브 방송(이미지 제공 : 블래스트)   ▲ 플레이브의 최근 라이브 방송(이미지 제공 : 블래스트)   라이브 방송은 플레이브의 강력한 팬덤을 구축하는 데 있어 매우 중요한 역할을 하고 있는 만큼, 블래스트는 아티스트의 매력과 진심을 잘 전할 수 있도록 많은 노력을 기울여 왔다. 특히 아티스트의 모든 모션이 자연스럽게 보이도록 하기 위해 언리얼 엔진의 라이브 링크로 스트리밍한 모션 캡처 원시 데이터를 실시간으로 가공할 수 있는 다양한 설루션을 개발하는데 많은 정성을 들였다.   ▲ 실시간 간섭 회피 설루션 전후 비교(이미지 제공 : 블래스트)   개발된 설루션은 다양한 체형 사이에 애니메이션을 이질감 없이 자연스럽게 전환할 수 있는 리타기팅 설루션, 매 촬영 때마다 발생하는 마커의 위치 오차를 모션으로 측정하여 보정하는 캘리브레이션 설루션, 신체 비율 또는 외형 차이에 따른 메시 간섭 문제를 실시간으로 해결하는 간섭 회피 설루션, 정확한 포즈와 자연스러운 주변 환경과의 인터랙션 사이를 상황에 따라 적절하게 전환할 수 있는 Dynamic FK/ IK 설루션, 골반 너비와 신발 밑창 및 볼 너비까지 보정해 지면과 발의 접지를 정교하게 표현하는 Foot IK 설루션 등이다. 이를 통해 기존에는 실시간으로 처리하기 어려워서 라이브 콘텐츠에서 적용할 수 없었던 모션 캡처 데이터의 실시간 가공 기술을 자체적으로 개발하여 언리얼 엔진에 통합했다. 이러한 기술 투자 덕분에 버추얼 아이돌임에도 아티스트의 진심을 잘 전할 수 있는 기술적 기반을 갖추게 되었다.   리얼타임 통합 파이프라인의 화룡점정, 오프라인 라이브 콘서트 플레이브는 시네마틱 영상을 매 앨범 발매 시 제작하고 라이브 방송을 지난 1년 반 동안 매주 4시간씩 진행하면서, 언리얼 엔진 중심의 리얼타임 파이프라인을 고도화할 수 있었다. 그리고 그 과정에서 블래스트가 깨달은 점은 두 파이프라인을 서로 구분할 필요가 없다는 점이었다. 아티스트의 퍼포먼스를 실시간으로 보여 줄 지, 녹화해 두고 퀄리티를 올린 후에 보여 줄 지의 차이만 있을 뿐, 두 파이프라인은 모두 라이브 모션 캡처에서 시작한다는 점에서 근본적으로 동일했기 때문이다. 이러한 깨달음을 바탕으로 블래스트는 모든 콘텐츠가 라이브 모션 캡처로부터 시작되는 통합 파이프라인을 개발하였고, 이를 통해 제작 흐름이 간소화되고 직관적으로 개선되어 작업의 효율을 높일 수 있었다. 무엇보다도 큰 이점은 통합된 파이프라인을 통해 콘서트 제작 및 연출에 필요한 역량을 미리 내재화할 수 있었다는 점이다.   ▲ 시네마틱과 라이브 콘텐츠 제작 파이프라인이 통합된 전체 파이프라인(이미지 제공 : 블래스트)   콘서트는 연출뿐만 아니라 제작 파이프라인에서도 시네마틱과 라이브 콘텐츠의 특성을 모두 가지고 있는 특별한 무대다. 수많은 무대의 동선을 사전에 미리 짜맞추며 연출을 확정해 놓으면서도 리허설 때마다 라이브로 전환해야 하므로, 콘서트 작업에는 녹화와 라이브를 수시로 전환할 수 있는 파이프라인이 필수적이다. 이를 위해서 메타휴먼의 캐릭터 설계에 힌트를 얻어 시네마틱 퀄리티와 라이브 퍼포먼스를 모두 만족하는 유연하고 모듈화된 통합 캐릭터 시스템을 개발했다. 이 시스템은 콘서트에 필요한 모든 상황을 지원하기 위해 스켈레탈 메시를 분리해서 적절한 계층구조로 설계하고, 각각의 스켈레탈 메시 컴포넌트는 시퀀서의 애니메이션 트랙을 재생하는 모드와 라이브 링크 모션 캡처 및 실시간 시뮬레이션을 적용하는 모드 사이를 자유롭게 전환할 수 있도록 구현했다. 또한, 라이브 캐릭터 전용 기능은 모두 별도의 컴포넌트로 모듈화시켜 필요한 기능만 라이브 방송 시나리오에 맞춰 적용할 수 있도록 설계했으며, 추가로 룩뎁 아티스트가 일관적인 퀄리티로 작업할 수 있도록 캐릭터 클래스의 모든 기능이 프리뷰 모드와 플레이 모드에서 동일하게 동작하도록 개발했다. 이런 통합 캐릭터 클래스 설계 덕분에 언제든지 시네마틱과 라이브를 간단하게 전환하면서 작업 효율도 높일 수 있게 되었다.   ▲ 스켈레탈 메시의 계층 구조 및 모듈화된 컴포넌트(왼쪽), 컴포넌트 단위로 두 가지 모드를 자유롭게 전환 가능(오른쪽)(이미지 제공 : 블래스트)   통합 캐릭터 클래스와 더불어 좀 더 파이프라인을 단순화하기 위해 언리얼 엔진의 테이크 레코더 기능을 활용한 새로운 모션 캡처 녹화 파이프라인을 구축했으며, 그 덕분에 이제는 모션 캡처부터 시네마틱까지 모든 과정을 언리얼 엔진 내에서 진행할 수 있게 되었다. 이로써 시네마틱용 애니메이션을 제작하기 위해 여러 소프트웨어를 오갈 필요 없이 언리얼 엔진 하나로 모든 작업이 가능해졌다. 또한, 이 새로운 파이프라인을 사용해 자체적으로 개발한 신체 간섭 회피, 캘리브레이션, 리타기팅 기능을 언리얼 엔진 안에서 바로 녹화할 수 있어, 평소 라이브 방송과 동일한 수준의 모션 캡처 퀄리티를 얻을 수 있게 되었다. 이렇게 테이크 레코더의 기능을 통해 녹화 직후 바로 결과를 확인할 수 있어 작업의 효율이 크게 향상되었고, 특히 현장에서 실시간으로 피드백을 주고받을 수 있게 되면서 기획과 디렉팅 측면에서도 큰 발전을 이룰 수 있었다.   ▲ 기존의 모션 캡처 녹화 파이프라인(이미지 제공 : 블래스트)   ▲ 언리얼 엔진으로 통합 후 테이크 레코더를 활용한 모션 캡처 녹화 파이프라인(이미지 제공 : 블래스트)   시네마틱과 라이브 파이프라인의 통합이 더욱 높은 효과를 내기 위해서는 앞서 언급된 기능의 개발과 함께 현장 오퍼레이팅에 대한 지원도 필요했다. 버추얼 파이프라인에서는 여러 소프트웨어를 함께 사용해야 했기 때문에 언리얼 엔진 설정, 녹화 설정, 심지어 단순한 녹음 작업까지 모두 오퍼레이터와 소통해야 했다. 그래서 작업 과정을 단순화하고 자동화하기 위해 언리얼 엔진 기반의 ‘버추얼 슬레이트’라는 태블릿 애플리케이션을 개발했다. 이 애플리케이션은 스튜디오 내 여러 장치와 소프트웨어를 연결하여 원격으로 동시 제어할 수 있고, 녹화 버튼 하나로 언리얼 엔진의 녹화 기능, 모션 캡처 소프트웨어, 여러 채널의 비디오 및 오디오를 동시에 녹화할 수 있다. 그리고 녹화가 끝나면 자동으로 모든 파일의 이름과 저장 위치를 정리하고, 미리보기 장면을 만들어 준다. 이제는 오퍼레이터가 초기 설정만 도와주면, 콘텐츠 제작자들이 직접 모션 캡처 녹화를 할 수 있어 제작자와 아티스트는 서로 의견을 주고받으며 촬영을 진행할 수 있게 되었다.   ▲ 기존의 오퍼레이팅 소통 방식(이미지 제공 : 블래스트)   ▲ 향상된 오퍼레이팅 소통 방식(이미지 제공 : 블래스트)   한편, 시네마틱과 라이브를 결합한 오프라인 라이브 콘서트는 관객에게 높은 몰입감을 전달하는 것이 매우 중요하다. 그렇기 때문에 현실의 무대에 실존하는 아티스트를 보는 것과 같은 스케일과 원근감을 현실감 있게 잘 반영하는 것도 중요한 과제였다. 이 과제를 풀기 위해서는 LED 스크린에 투사된 결과를 미리 예측할 수 있어야 했는데, 이를 위해 언리얼 엔진 내에 실제 공연장과 동일한 크기의 디지털 트윈 레벨을 제작하고 가상 공연장의 LED 스크린에 최종 이미지를 투사했다. 그런 뒤에 관객의 시점에서 VR로 이를 감상하는 방식으로 관객의 시점을 미리 시뮬레이션하며 스케일과 원근감을 조정해 나갔다. 이러한 방법으로 플레이브의 콘서트는 대형 콘서트장의 어떤 좌석에서도 눈앞의 무대에 멤버들이 실존한다는 현실감을 관객에게 전달할 수 있었다.   ▲ 가상에서의 VR 시뮬레이션(이미지 제공 : 블래스트)   ▲ 실제 무대 연출 장면(이미지 제공 : 블래스트)   LED 그 이상의 무한한 상상력을 담게 해 준 언리얼 엔진 블래스트는 2차원의 LED 스크린 평면을 넘어 공연장 전체라는 3차원의 경험으로 관객의 경험을 확장시켜, 플레이브 콘서트에서만 느낄 수 있는 새로운 경험을 만들어나가기 위해 고민했다. 이러한 고민의 결과로 실존하는 아티스트의 콘서트에서는 불가능한 아이디어와 연출, 예를 들면 탑의 꼭대기처럼 다양한 공간을 이동하며 노래 부르기, 바이크를 탄 채로 무대로 등장하고 연출의 단절 없이 공연 시작하기, 등장이나 퇴장 시에 꽃잎을 흩뿌리면서 나타나고 사라지기 등 그야말로 버추얼 아이돌이기에 가능한 연출을 실현할 수 있었다. 이러한 시각적 효과에서 더 나아가 연기와 같은 실제 무대 장치를 결합하여 일반적인 콘서트에서는 불가능한 특별한 연출을 시도할 수 있었다. 그 중에서도 플레이브의 세계관에 등장하는 큐브로 가득찬 ‘아스테룸’이라는 공간에서 세계관 속 빌런과 벌인 박진감 넘치는 격투 액션 신은 버추얼이 아니었다면 불가능한 무대였을 것이다. 또한, 언리얼 엔진은 LED 스크린 너머의 공간에 원하는 환경을 효율적으로 제작하고 다양한 연출들을 자유롭게 시도할 수 있게 해 주었다. 물리적인 시공간의 제약 속에서 짧은 기간 내에 다수의 조직이 동시 협업해야 하기 때문에 작업 충돌을 피하면서도 변경 사항들을 실시간으로 동기화할 수 있는 파이프라인이 매우 중요한데, 여기에 언리얼 엔진의 레벨 스트리밍과 서브 시퀀스 기능이 큰 도움이 되었다. 레벨 스트리밍 덕분에 레벨 디자인, 애니메이션, 룩뎁 작업을 분리하여 하나의 퍼시스턴트 레벨에 스트리밍하는 방식으로 각 팀의 작업 공간을 분리하면서도 동시에 협업이 가능했다. 또한, 룩뎁 레벨 시퀀스 안에 애니메이션 서브 시퀀스를 적용하여 애니메이터와 룩뎁 아티스트의 작업 시퀀스를 분리하면서도 서로의 변경 사항을 함께 업데이트할 수 있었다.   ▲ 레벨과 시퀀스 구조(이미지 제공 : 블래스트)   콘서트 현장의 분위기를 고조시키는 현란한 DMX 조명 연출 역시 언리얼 엔진의 뛰어난 DMX 연동 지원 덕분에 가능했다. 언리얼 엔진 공연 조명을 전문으로 다루는 메타로켓과 협업하여 언리얼 엔진 내에서 실제 콘서트 현장 조명을 시뮬레이션하면서 현실과 가상의 무대 조명을 완성했다.   ▲ 메타로켓과의 협업으로 완성된 공연장 무대 조명(이미지 제공 : 블래스트)   무엇보다 비주얼 퀄리티까지 보장된 리얼타임 렌더링이라는 언리얼 엔진의 강점이 가장 큰 도움이 되었다. 덕분에 콘서트 2~3일 전까지도 끊임없이 수정하며 퀄리티를 끌어올릴 수 있었고, 콘서트 직전의 리허설까지도 이슈를 확인하고 해결할 수 있었기 때문에 촉박한 시간임에도 완성도 높은 콘서트를 제작할 수 있었다.     ■ 기사 내용은 PDF로도 제공됩니다.

개발 및 공급 : 다쏘시스템코리아 주요 특징 : 협업 및 데이터 관리 향상, 부품/어셈블리/도면/3D 치수 및 허용오차/전기 및 파이프 라우팅/ECAD-MCAD 협업/렌더링 등 워크플로 간소화, 3D익스피리언스 클라우드 플랫폼과 통합 등   ▲ 솔리드웍스 2025의 Mass Property Calculation 기능    다쏘시스템이 3D 설계 및 엔지니어링 애플리케이션 솔리드웍스 의 최신 버전 ‘솔리드웍스 2025(SOLIDWORKS 2025)’를 출시했다. 이제 전 세계 수백만 명의 혁신가들이 사용자 경험과 성능을 개선하는 수백 가지의 사용자 요청 사항을 반영한 기능을 통해 신제품 개발을 가속화하고 고객에게 더 나은 제품 경험을 제공할 수 있게 됐다.  이번에 출시된 ‘솔리드웍스 2025’는 향상된 협업 및 데이터 관리, 부품, 어셈블리, 도면, 3D 치수 및 허용오차, 전기 및 파이프 라우팅, ECAD/MCAD 협업, 렌더링을 위한 간소화된 워크플로를 제공한다. 또한 더욱 빠르고 향상된 설계를 위한 솔리드웍스 PDM, 솔리드웍스 시뮬레이션(SOLIDWORKS Simulation), 솔리드웍스 일렉트리컬 스케메틱(SOLIDWORKS Electrical Schemetic), 드래프트사이트(DraftSight) 등 모든 솔리드웍스 제품군의 업데이트가 포함됐다.  이제 솔리드웍스 사용자들은 데이터, 애플리케이션 및 최신 기술을 통합해 최신 파일로 협업할 수 있으며, 이를 지원하는 다쏘시스템의 클라우드 기반 3D익스피리언스 플랫폼과 솔리드웍스의 원활한 통합을 통한 지속적인 혜택을 받을 수 있다.    ▲ 솔리드웍스 2025의 Real Time Notifications 기능    11월 15일 온라인을 통해 정식 출시되는 솔리드웍스 2025의 주요 기능은 다음과 같다.  솔리드웍스에서 직접 커뮤니티에 참여해 업계 동료들과 협업하고, 모델에서 수행된 모든 작업에 대한 실시간 알림을 받을 수 있다.  AI 기술이 반영된 명령 예측기를 통해 설계자는 특정 메뉴를 찾을 필요 없이 빠르고 효율적으로 설계 작업을 할 수 있다.  대규모 설계 검토 모드(LDR)에서 간섭 탐지가 가능하여, 대형 어셈블리의 검토를 빠르게 진행하여 설계 품질을 빠르게 올릴 수 있다.  설계 데이터의 기본 축 선언 옵션(Z-Up)으로 다른 CAD와의 호환성을 극대화하였다.  어셈블리 구성 요소와 관련한 고급 및 기계식 메이트를 복사할 수 있는 기능을 통해 어셈블리 생성 속도가 빨라진다.  시뮬레이션에서는 스프링 커넥터 기능이 향상되어 스프링의 거동을 더 손쉽게 실제와 같이 표현한다.  연결된 모든 장치에서 언제든지 도면에 다중 승인 스탬프를 찍을 수 있어 시간을 절약할 수 있고, 편리성이 향상됐다.  PDM(데이터 관리 시스템) 저장 속도가 개선되어, 빠른 업무 처리가 가능해졌다.    ▲ 솔리드웍스 2025의 Defeature 기능      ■ 자세한 기사 내용은 PDF로 제공됩니다.

태성에스엔이는 9월 11일 서울 aT센터에서 'CAE×AI 세미나 2024'를 개최했다. 이날 세미나에는 300명 이상의 업계 전문가들이 참석한 가운데, 앤시스의 해석 프로그램과 AI의 접목을 통한 혁신적인 해석 기법들이 소개되었다. 참석자들은 최신 CAE 해석 기술과 AI의 융합을 통해 향후 제조업과 설계 분야의 발전 가능성에 대한 인사이트를 얻었다. ■ 박경수 기자      AI/ML을 활용한 해석 혁신 이번 세미나에서는 AI/ML 기술의 CAE 해석 적용을 주제로 앤시스 심AI(Ansys SimAI)와 앤시스GPT(AnsysGPT)를 포함한 다양한 AI 트렌드가 소개되었으며, 이를 활용해 더 빠르고 효율적인 해석 결과를 도출할 수 있는 방법이 논의되었다.  태성에스엔이 노은솔 매니저와 김도현 매니저는 ‘기초 이론과 사례로 살펴보는 인공지능’을 주제로, AI 도입으로 해석 부문이 어떤 변화가 생겼는지 설명했다. 이어 윤진환 이사는 '태성에스엔이와 Ansys의 AI 기술과 고객 서비스'를 소개하며, AI 기술이 CAE 해석에 어떻게 실질적으로 적용되고 있는지 설명했다. 권기태 수석매니저는 ‘태성에스엔이가 제공하는 시뮬레이션 데이터 기반 AI/ML 서비스’를 주제로, AI가 시뮬레이션 데이터를 활용해 성능을 최적화하는 방법에 대해 심도 깊은 논의를 진행했다.    Stochos와 AI 응용사례 CADFEM Germany GmbH의 다니엘 수쿠프(Daniel Soukup)는 Stochos라는 온프레미스 기반 AI 프로그램을 소개했다. Stochos는 신경망과 가우시안 프로세스를 결합한 Deep Infinite Mixture of Gaussian Processes(DIM-GP) 알고리즘을 통해 소량의 데이터로도 높은 예측 정확도를 제공하는 기술이다. 특히, 확률론적 머신러닝을 도입해 예측 결과의 신뢰도를 함께 제시하여 엔지니어들이 AI 결과를 더욱 신뢰할 수 있도록 만들어 준다. 이 기술은 복잡한 시뮬레이션 문제 해결에 있어 뛰어난 성능을 발휘하며 관심을 끌었다.   CAE와 AI 융합의 미래 이외에도 이번 행사에서는 앤시스의 최적화 전용 프로그램인 옵티스랭(optiSLang)에서 AI 사용 방법, 심AI, 앤시스GPT, 트윈AI(Ansys TwinAI) 등 AI를 접목한 앤시스의 최적화 기술이 차례로 소개되었고, 다양한 시각에서 AI 기술이 CAE에 어떻게 접목될 수 있는지 소개됐다.  태성에스엔이는 CAE와 AI의 결합을 통한 미래 산업의 변화 가능성에 대해 참석자들과 함께 토론하는 시간을 가지며 세미나를 마무리했다. AI 기반의 CAE 해석 기술은 향후 설계 및 제조 산업의 혁신을 주도할 중요한 요소로 자리잡을 것으로 기대된다.   ‘CAE×AI 세미나 2024’ 인터뷰  CAE×AI 세미나 2024 행사 관련해 태성에스엔이의 석진 영업본부 이사, 윤진환 기술본부 이사, 권기태 기술본부 AI 팀 수석매니저와 이야기를 나눴다. Q. 이번 세미나에서 발표된 AI/ML 기술 적용 사례 중, 특히 성공적인 사례를 하나 꼽는다면? 해당 사례에서는 어떤 방식으로 해석 프로세스를 개선했는지? ■ 윤진환 : 많은 분들이 AI/ML의 도입은 아직 시기상조이거나, 중견기업 이상의 대형 기업에서만 시험적으로 적용되고 있다고 생각할 수 있다. 하지만, 태성에스엔이의 AI 팀이 개발한 AI/ML 솔루션은 이미 국내 중소기업에서 실사용 되고 있는 사례를 보여드리고자 했다. 이 프로그램은 AI 모델 자동 생성 프로그램으로, 앤시스 일렉트릭 데스크톱(Ansys Electric Desktop)에서 계산된 시뮬레이션 결과를 기반으로 AI 모델을 자동으로 생성한다. 해석자가 앤시스 일렉트릭 데스크톱에서 설계 형상에 대한 변수만 지정해 두면, 본 프로그램은 자동으로 해당 변수를 추출해 실험계획법(DoE)을 기반으로 여러 번의 해석을 진행한 뒤, AI 모델을 구축한다.   ▲ 해석팀 : 해석 변수 자동 추출 및 AI모델 생성 자동화    이후, 설계자는 구축된 AI 모델을 기반으로, 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과값을 확인할 수 있다.   ▲ 설계팀 : AI 모델을 통한 실시간 성능 예측   이후 설계자는 구축된 AI 모델을 바탕으로 임의의 설계 변수 값을 입력해 실시간으로 해당 설계안에 대한 예측 결과를 확인할 수 있다. 이 기능 덕분에 해석자는 설계팀으로부터 반복되는 동일 작업 요청을 줄일 수 있었고, 더 높은 수준의 분석이나 추가적인 AI 모델 구축에 시간을 투자할 수 있게 되었다. 설계팀 또한 실시간 예측을 통해 빠른 결과 분석을 반영해 작업 효율을 크게 향상시킬 수 있었다. 이 프로그램은 유사한 환경에서 구조해석, 열해석 등에도 적용 가능하며, 맞춤형 UI와 다양한 AI 기능을 구현할 수 있어 여러 기업으로부터 관심을 받고 있다.   Q. 심AI와 앤시스GPT와 같은 최신 기술 및 제품 트렌드가 CAE 해석 분야에서 어떤 변화를 가져올 것으로 기대하나? 이 기술들이 현장에서 어떻게 적용되고 있으며, 궁극적으로 해석 결과의 품질에 어떤 영향을 미칠 것으로 보는지? ■ 석진 : 심AI와 같은 AI 기반 도구는 반복적인 작업을 자동화하여 사용자가 모델링부터 해석에 이르는 전 과정을 보다 신속하게 수행할 수 있도록 지원한다. 설계 초기 단계에서 최적화를 진행할 수 있는 가능성이 높아지며, 이를 통해 설계 주기가 단축될 것이다. 또한, 인적 오류를 최소화함으로써 실험과 프로토타입 제작에 소요되는 비용과 시간을 절감하여 궁극적으로 시장 출시 주기를 획기적으로 단축시킬 것으로 기대된다. AI 기술을 활용해 대량의 해석 데이터를 분석하고 패턴을 인식함으로써 더 나은 설계 결정을 지원할 수 있으며, 앤시스GPT는 앤시스 공식 웹사이트 내에서 사용자 질문에 대한 정확하고 신뢰할 수 있는 답변을 제공하거나 최적의 설계 옵션을 제안하는 데 유용할 것이다. 이러한 기술은 CAE 도구의 사용을 더욱 쉽게 만들어 준다. 예를 들어, 복잡한 해석 과정이나 설정에 대한 자동 안내 및 추천 기능은 비전문가들도 손쉽게 접근할 수 있도록 도와준다. 또한, 다양한 팀과 부서 간 협업도 향상될 것이다. AI 기반 도구는 설계, 해석, 생산 팀 간의 원활한 커뮤니케이션을 지원하여 더 통합된 접근 방식을 가능하게 한다. 결론적으로, 심AI, 앤시스GPT, 앤시스 AI+ 등 앤시스의 AI 솔루션은 CAE 해석의 정확성, 효율성, 접근성을 크게 향상시킬 것으로 기대하며, 이는 산업 전반에 혁신적인 변화를 가져올 것이다.   Q. CAE 프로그램에 AI를 접목했을 때 해석 속도와 정확도는 얼마나 향상되었는지? 이런 기술적 통합이 실무 현장에서 얼마나 실질적인 성과를 보여주고 있다고 보는지? ■ 권기태 : 앤시스는 다음 그림과 같이 CAE 프로그램에 순차적으로 AI 기능을 추가하고 있다.  그 중 앤시스 CFD AI+ 기능을 하나의 사례로 소개하겠다. 플루언트(Ansys Fluent)에서 제공하는 Generalized k-ω Model(GEKO) 난류 모델은 사용자가 직접 계수를 설정해야 하며, 도메인 내에서도 각기 다른 계수를 설정해야 하는 어려움이 있다. 이러한 문제를 해결하기 위해 앤시스 CFD AI+는 Adjoint Solver와 Neural Network/Machine Learning 기법을 결합하여 GEKO 모델의 계수를 자동으로 조정하는 기능을 제공한다.  AI 기술의 효과를 확인하기 위해 S805 Airfoil 문제에 GEKO 모델 계수의 자동 튜닝 기능을 적용한 결과 GEKO 기본 계수를 사용할 때 오차는 기준값 대비 13.2%였지만, AI 기반 자동 튜닝 계수를 적용한 경우 오차가 0.2%로 크게 감소한 것을 확인할 수 있었다. 앤시스 AI+를 통해 CAE 프로그램과 AI 기술을 기술적으로 통합함으로써 해석 속도와 정확도를 개선하고 있다. 또한, 시뮬레이션 결과 데이터에 AI 기술을 적용하여 실무 현장에서 많은 성과를 보이고 있다. 심AI 프로그램은 형상과 시뮬레이션 필드 결과 데이터를 활용해 시뮬레이션 솔버를 대체할 수 있는 인공지능 모델을 제작할 수 있는 사례를 보여 준다. 이 모델을 사용하면 형상을 입력하여 기존 시뮬레이션 솔버에 비해 10배에서 최대 1000배 더 빠르게 필드 결과를 예측할 수 있다.  디지털 트윈 분야에서는 복잡한 물리 기반의 시뮬레이션 모델을 ROM(축소 차수 모델)이라는 머신러닝 기법을 통해 시스템 수준의 해석 모델로 전환하여, 실시간 물리적 예측이 가능하며 빠른 속도와 높은 정확도를 제공한다.  향후 품질 및 생산 관리와 같은 측정 데이터 기반 인공지능 모델이 많이 사용되는 영역에서도 시뮬레이션 데이터 기반 인공지능 모델의 사용이 활발해질 것으로 기대된다. 이를 통해 시뮬레이션 기술은 설계 단계에만 머무르지 않고, 공정 및 품질 개발, 생산 및 품질 관리, 그리고 디지털 트윈과 같은 장치의 효율적인 운용 단계까지 그 활용 범위가 더욱 확장될 것이다.   Q. Stochos와 같은 온프레미스 기반의 AI 프로그램이 다른 클라우드 기반 AI 프로그램과 비교했을 때 어떤 차별화된 장점이 있다고 보나? 특히 보안성과 데이터 처리 측면에서 어떤 이점이 있는지? ■ 윤진환 : CAE 분야에서 클라우드 기반의 AI를 이용하는 이유는 사용자의 접근성을 높이기 위한 목적도 있지만, AI 학습을 위해서는 고가의 고성능 GPU가 필요하며 때로는 여러 대의 GPU를 묶어야 학습이 가능하기 때문에 장비 구축 비용이 매우 높다는 현실적인 이유도 있다. 다시 말해 온프레미스 환경에서 CAE에 대한 AI를 학습할 수 있다는 것은 기존의 AI 알고리즘과 달리 상대적으로 적은 계산 장비 리소스만으로도 정확하고 빠르게 학습할 수 있는 AI 기술을 보유하고 있다는 의미다.  Stochos는 일반적인 신경망 기반의 AI와 Gaussian Process기법을 결합한 DIM-GP 기법을 이용하여 적은 샘플수로도 높은 정확성의 AI모델을 만들어 내며, 저가의 GPU 또는 CPU만으로도 빠른 속도로 학습할 수 있다. 또한 Scalar, Signal, 이미지, 3D 형상, 정상상태, 과도상태 등의 다양한 해석 데이터와 일반 정보에 대한 AI 모델을 만들 수 있어서 활용도도 넓다. 특히 AI 모델 생성 시의 내부변수 설정(하이퍼파라미터)을 별도로 조절할 필요가 없으며, 자동으로 노이즈를 처리하는 기능이 있어 복잡한 AI 설정 과정이 필요 없는 것이 큰 장점이다.  보안성과 데이터 처리 부분에서는 클라우드 기반의 AI와 비교했을 때 사내 장비에서 모든 작업을 할 수 있어 데이터 유출이나 유실의 우려를 원천적으로 차단할 수 있으며, 사내망에서 구동되므로 데이터 전송 및 예측 속도가 빠르다는 장점이 있다. 따라서 보안 문제에 대한 우려가 있거나 사내 AI 장비 구축 비용에 부담을 느끼고 있다면, 이 솔루션이 훌륭한 대안이 될 수 있다고 생각한다.      Q. 태성에스엔이는 향후 AI 관련 기술을 어떻게 발전시켜 나갈 계획인지? 앞으로 예상되는 CAE 해석 관련 기술 발전 방향 및 비전에 대한 설명도 부탁드린다. ■ 윤진환 : 태성에스엔이는 열유동/구조/전기전장/시스템/광학/최적화 등의 분야에 대한 100여명의 전문엔지니어를 보유하고 있으며, 앤시스 AI+, 심AI, 앤시스GPT에 대해서는 모든 엔지니어가 각자의 해석분야와 산업분야에 대한 초기 대응을 수행하고 있다.  이에 더해 태성에스엔이에는 AI를 위한 전문 그룹이 구성되어 있다. 이 그룹은 기술 엔지니어 중에서 AI 분야의 전문성을 가진 인원들로 이루어졌으며, 다양한 산업군에서 필요로 하는 CAE AI 응용 방안을 고객과 논의하여 선제적이고 맞춤형 서비스를 제공하는 것을 목적으로 하고 있다.  그리고 상용 AI 프로그램인 Stochos과 오픈소스를 활용해 맞춤형 AI 환경을 구축하거나 AI 모델 생성 서비스를 제공하는 것도 주요 사업 중 하나이며, 엔비디아 옴니버스(Omniverse)와의 협업을 통해 3차원 실시간 그래픽 플랫폼에 CAE AI를 적용하는 작업도 병행하고 있다. 각종 학회, 기업체 연구소, 프로그램 개발 업체 등에서 CAE에 AI 기술을 접목하고 응용 방안을 연구하는 활동이 그 어느 때보다 활발히 진행되고 있다. CAE 자체의 해석 속도와 전후 처리 속도 향상, 그리고 편의성 증대는 전문 해석자의 업무 부담을 덜어줄 것이다. 또한, CAE AI 모델 구축을 통한 빠른 예측과 실시간 결과 도출은 설계자와 해석자 간의 협업을 더욱 긴밀하게 하여 해석이 실제 업무 현장에 더 활발하게 활용될 것으로 예상된다. 이에 따라 해석자는 CAE를 통해 AI 모델을 구축하고 배포하며, 이를 사내에서 쉽게 활용할 수 있도록 하는 플랫폼 환경 구축 업무가 꾸준히 증가할 것으로 예상된다.     ■ 기사 내용은 PDF로도 제공됩니다.