가트너(Gartner)가 ‘2025 AI 하이프 사이클(2025 Gartner Hype Cycle for Artificial Intelligence)’ 보고서를 통해 주목해야 할 주요 AI 혁신 기술을 발표했다. 가트너는 2025년 가장 빠르게 발전하는 기술로 ‘AI 에이전트(AI Agents)’와 ‘AI 레디(AI-Ready) 데이터’를 꼽았다. 이들 기술은 올해 높은 관심을 받고 있으며, 낙관적인 전망 및 투기적인 약속이 이어지면서 부풀려진 기대의 정점에 도달한 것으로 나타났다. 가트너 하이프 사이클은 기술 및 애플리케이션의 성숙도와 도입 현황을 시각적으로 표현하고, 실제 비즈니스 문제 해결 및 새로운 기회 창출과의 잠재적 연관성을 제시한다. 이 방법론은 시간 흐름에 따른 기술 또는 애플리케이션 발전 과정을 조망하고, 특정 비즈니스 목표의 맥락에서의 효과적인 도입 관리를 위한 신뢰 있는 인사이트를 제공한다.     AI 에이전트는 AI 기술을 활용해 디지털, 물리 환경에서 인지하고, 의사결정을 내리며, 행동을 수행하고 목표를 달성하는 자율 또는 반자율 소프트웨어다. 기업은 대형 언어 모델(LLM)을 비롯한 다양한 AI 기술과 사용 사례를 활용해 복잡한 작업을 수행할 수 있는 AI 에이전트를 개발 및 배포하고 있다. AI 레디 데이터는 데이터 세트가 AI 애플리케이션에 최적화되도록 보장해 정확성과 효율성을 향상시킨다. 데이터의 준비 상태는 특정 AI 사용 사례에 대해 얼마나 적합한 데이터인지로 결정되며, 이는 해당 사용 사례와 AI 기술 맥락에서 결정될 수 있다. 이는 데이터 관리에 대한 새로운 접근 방식을 요구한다. 가트너는 AI에 대규모로 투자하는 기업이 데이터 관리 관행과 역량을 AI 환경에 맞게 발전시켜야 한다고 조언했다. 이를 통해 기존 및 향후 비즈니스 요구사항 충족, 신뢰 확보, 위험 및 준수 문제 방지, 지적 재산 보호, 편향과 환각 감소를 달성할 수 있다고 전했다. 또한, 가트너는 ‘멀티모달(Multimodal) AI’와 ‘AI 신뢰, 위험, 보안 관리(TRiSM)’가 향후 5년 내 AI 혁신 기술의 주류가 될 것이며 부풀려진 기대의 정점을 주도하고 있다고 분석했다. 이러한 기술 발전은 보다 강력하고 혁신적이며 책임감 있는 AI 애플리케이션을 구현해 기업의 운영 방식을 변화시킬 것으로 전망된다. 멀티모달 AI는 이미지, 비디오, 오디오, 텍스트 등 여러 유형의 데이터를 동시에 학습하는 모델이다. 다양한 데이터 소스를 통합하고 분석함으로써 단일 유형의 데이터만 사용하는 모델보다 복잡한 상황을 더 효과적으로 이해할 수 있다. 이를 통해 사용자에게 더 명확한 정보를 제공하고 AI 애플리케이션의 새로운 가능성을 열 수 있다. 가트너는 멀티모달 AI가 향후 5년 동안 모든 산업 분야의 애플리케이션과 소프트웨어 제품의 성능 향상에 점점 더 필수 요소로 자리 잡을 것으로 전망했다. AI TRiSM은 윤리적이고 안전한 AI 도입을 위한 핵심 기술 프레임워크이다. 이는 모든 AI 사용 사례에 대한 기업 정책을 지원하고, AI 거버넌스, 신뢰성, 공정성, 안전성, 보안, 개인정보 보호, 데이터 보호를 보장하는 기술 계층으로 구성되어 있다. 가트너의 하리타 칸다바투(Haritha Khandabattu) 시니어 디렉터 애널리스트는 “올해도 AI에 대한 투자가 활발하게 이어지는 가운데 운영 확장성, 실시간 인텔리전스를 위한 AI 활용이 주목받고 있다”며, “생성형 AI 중심에서 AI 에이전트, AI 레디 데이터와 같은 지속 가능한 AI 제공을 지원하는 기반 기술로 이동하는 추세”라고 전했다. 이어서 칸다바투 시니어 디렉터 애널리스트는 “AI는 막대한 비즈니스 잠재력을 가지고 있지만 이는 저절로 실현되지 않는다. 목표 달성을 위한 핵심은 비즈니스와 연계된 파일럿 프로젝트, 인프라 벤치마킹, 가치 창출을 위한 AI와 비즈니스 팀 간 협력”이라고 강조했다.

디지털 지식전문가 조형식의 지식마당   인공지능(AI)은 단순한 기술을 넘어 우리의 삶과 산업 전반을 재편하는 거대한 흐름이 되었고, 이 거대한 흐름 속에서 스마트 디지털 트윈(smart digital twin)과 디지털 스레드(digital thread)는 미래 혁신을 이끌 핵심 동력으로 될 것으로 생각된다. 이번 호 칼럼에서는 AI 시대에 이 두 가지 개념이 왜 필수인지 그 핵심 역할과 의미, 그리고 우리가 직면한 과제를 심층 조명하고자 한다. 미래 제품 개발의 최전선에는 스마트 디지털 트윈이 자리하고 있다. 이는 단순한 물리적 객체의 디지털 복제본을 넘어선다. 우리는 이를 ‘인공지능 중심 디지털 트윈 (AI defined digital twin)’이라고 부르며, 궁극적으로는 AI 에이전트 디지털 트윈으로 진화할 것으로 생각된다.   그림 1. 인공지능 중심의 디지털 트윈과 디지털 스레드의 통합(출처 : Lifecycle Insights)   스마트 디지털 트윈의 핵심은 미래 예측과 시뮬레이션 능력에 있다. 가상 환경과 인공지능 환경에서 미래 제품의 성능과 기능을 사전에 예측하고 다양한 시나리오를 시뮬레이션함으로써, 우리는 현실 세계에서 발생할 수 있는 시행착오를 최소화하고 최적의 설계를 도출할 수 있다. 예를 들어, 자율주행 자동차를 개발할 때 스마트 디지털 트윈은 수십만 가지의 주행 상황을 가상으로 재현하고 AI 모델을 훈련시켜 실제 도로에서의 안전성을 극대화할 수 있다. 이는 제품 개발의 시간과 비용을 획기적으로 절감할 뿐만 아니라, 혁신적인 제품의 출시를 가속화하는 핵심 역할을 수행한다. 그러나 스마트 디지털 트윈이 그 잠재력을 온전히 발휘하기 위해서는 거대한 양의 데이터가 끊김 없이 흐르고, 이 데이터가 의미 있는 정보로 변환되어 AI의 추론과 학습에 활용될 수 있는 환경이 조성되어야 한다. 바로 이 지점에서 디지털 스레드의 역할이 부각된다. 인공지능이 강화되는 스마트 디지털 트윈 환경에서 디지털 스레드는 단순한 연결을 넘어 혁신의 실핏줄과 같은 역할을 수행한다. 이는 정보의 단절, 즉 데이터 사일로(data silo)를 극복하고 정보의 흐름을 원활하게 하는 유일무이한 기술이다. 기존의 단절된 시스템과 프로세스 속에서는 데이터가 각자의 고립된 공간에 갇혀 효율적인 활용이 불가능했다. 디지털 스레드는 이러한 장벽을 허물고, 정보가 마치 혈액처럼 유기적으로 순환하며 지식으로 축적될 수 있도록 도와준다. 디지털 스레드의 핵심 기능은 크게 다섯 가지 유형의 단절된 데이터 사일로를 연결하는 데 있다. 첫째, 제품 수명주기(product lifecycle) 내 소통이다. 요구사항 정의에서부터 제품 스펙, 엔지니어링 BOM(Bill Of Materials), 제조 BOM, Bill of Process, 그리고 서비스 BOM에 이르기까지, 제품의 전 수명주기 단계에서 발생하는 모든 데이터가 디지털 스레드를 통해 끊김 없이 연결된다. 과거에는 각 단계별로 데이터가 사일로화되어 정보 흐름이 원활하지 못했고, 이는 곧 비효율적인 의사결정과 불필요한 재작업으로 이어졌다. 디지털 스레드는 이러한 문제점을 해결하여 제품 개발의 전 과정에서 일관된 정보와 최신 데이터를 공유할 수 있도록 한다. 둘째, 제품 수명주기 관리(PLM)와 인공지능 간의 소통이다. 제품 개발 환경에서 인간의 생각과 인공지능의 추론 기능 간에는 디지털 온톨로지(digital ontology)의 표준적 개념과 디지털 스레드를 통해 다양하고 복잡한 생각과 용어 등이 소통될 필요가 있다. 디지털 스레드는 복잡한 제품 구조, 기능, 요구사항 등을 AI가 이해하고 추론할 수 있도록 의미론적으로 연결하는 다리 역할을 한다. 이를 통해 AI는 단순한 데이터 분석을 넘어, 인간의 의도를 파악하고 창의적인 해결책을 제시하는 진정한 협력자가 될 수 있다. 셋째, 서로 다른 설루션 간의 소통이다. 소프트웨어 형상 관리 설루션, PLM, 요구사항 관리 설루션, 해석 데이터 관리 설루션 등 수많은 서로 다른 설루션이 존재하지만, 이들 간의 데이터 연동은 늘 골칫거리였다. 디지털 스레드는 이처럼 분리된 설루션을 메시(mesh) 관계로 연결하여 데이터가 원활하게 연동될 수 있도록 한다. 마치 거미줄처럼 촘촘하게 연결된 이 망은 각 설루션이 생성하는 데이터가 실시간으로 다른 설루션과 공유되고 활용될 수 있는 기반을 제공한다. 넷째, 서로 다른 조직 간의 소통이다. 마케팅 부서, 기본 설계 부서, 생산 부서, 그리고 최종 서비스 부서 등 각기 다른 용어와 문화를 가진 조직간의 소통은 늘 쉽지 않은 과제였다. 디지털 스레드는 이러한 소통 장벽을 허물고 협업을 원활하게 한다. 각 조직이 사용하는 용어와 개념을 디지털 스레드 위에서 표준화하고 연결함으로써, 오해를 줄이고 목표 지향적인 협업을 가능하게 하는 것이다. 이는 궁극적으로 조직 전체의 시너지를 극대화하고, 혁신적인 아이디어가 자유롭게 교환될 수 있는 환경을 조성한다. 다섯째는 세렌디피티(serendipity)이다. 이런 거미줄 같은 메시 관계에서 오는 네트워크된 지식(Networked Knowledge) 생태계는 이해당사자인 개발책임자, 엔지니어, 생산 엔지니어, 마케팅 전문가, 안전 전문가, 형상관리자 등에게 생각지 못한 발견과 창의적 환경을 제공하며, 자료를 찾는데 소모되는 엄청난 시간과 노력을 절감하게 하며 더 창조적인 작업에 투자할 수 있다.   그림 2. 제품 수명주기의 디지털 스레드 지식 그래프(knowledge graph)(출처 : Eigner Engineering Consult)   이처럼 디지털 스레드는 AI 시대, 특히 스마트 디지털 트윈 환경에서 데이터의 고립을 해소하고, 정보의 흐름을 최적화하며, 궁극적으로는 AI의 잠재력을 최대한으로 끌어내는 필수 기반 기술이라고 할 수 있다. 인공지능 시대에 디지털 스레드를 통한 창조성과 필연적 세렌디피티가 분야 전문가의 유일한 생존 전략이라고 할 수 있다. 그럼에도 불구하고 디지털 스레드는 여전히 많은 이에게 생소하고 도전적인 개념으로 여겨진다. 현장에서는 디지털 트윈 개발에 디지털 스레드가 필수임에도 불구하고 고객을 설득하기 쉽지 않다는 어려움을 토로한다. 심지어 일부 미국 전문가 사이에서는 ‘디지털 스레드 무용론’이 제기되기도 한다. 이러한 오해와 도전은 디지털 스레드가 가지는 혁신적인 속성 때문일 수 있다. 우리가 직면한 과제는 명확하다. 첫째, 설득의 어려움이다. 디지털 스레드의 필요성을 현장의 이해관계자에게 명확히 전달하고 공감대를 형성하는 것이 중요하다. 단기적인 효율 증대 뿐만 아니라 장기적인 관점에서 AI 시대의 경쟁 우위를 확보하는 핵심 요소임을 강조해야 한다. 둘째, 개념의 생소함과 도전적인 특성이다. 현재에도 디지털 스레드에 대해 정확하게 아는 사람이 드물며, 이는 비교적 생소하고 혁신적이며 도전적인 개념이기 때문이다. 따라서 이에 대한 지속적인 교육과 홍보, 그리고 성공 사례 발굴을 통해 이해의 폭을 넓혀야 한다. 그러나 이러한 도전에도 불구하고, 인공지능 시대에 스마트 디지털 트윈에서 디지털 스레드가 필요한 이유는 존재하는 것이 아니라 만드는 것이라는 관점에서 접근해야 한다. 이는 디지털 스레드가 단순히 현존하는 문제를 해결하는 도구를 넘어, 미래의 복잡한 인공지능 기반 시스템을 구축하고 그 잠재력을 최대한 발휘하기 위한 능동적이고 필수적인 기반임을 시사한다. 디지털 스레드는 이미 존재하는 데이터나 시스템을 연결하는 수동적인 도구가 아니다. 그것은 미래에 우리가 만들어낼 혁신 제품과 서비스를 위한 데이터와 정보의 연결고리를 능동적으로 구축하는 의미를 가진다. AI 시대의 복잡성은 끊임없이 새로운 데이터 유형과 상호작용 방식을 요구할 것이다. 디지털 스레드는 이러한 변화에 유연하게 대응하며 새로운 연결고리를 지속적으로 생성하고 발전시키는, 살아있는 유기체와 같다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

딜로이트(Deloitte)는 인더스트리 4.0을 직접 체험할 수 있는 스마트 공장의 모델 시설을 독일 뒤셀도르프에 열었다고 밝혔다. 이 스마트 공장은 사이버-물리 시스템(CPS)의 개발 및 생산에 관련된 모든 산업을 대상으로 하며, 여러 전문 부서 간의 협업을 조율하고 회사 내외부의 수많은 이해관계자를 통합해야 하는 기업을 위해 마련되었다. 딜로이트와 프로스텝(PROSTEP)은 이 공장에서 엔드 투 엔드 데이터 프로세스를 위한 실용적인 활용 사례를 구현했으며, 요구사항 공학, 모델 기반 시스템 엔지니어링(MBSE) 및 개발을 연결하는 디지털 프로세스 체인을 그 예로 들 수 있다. 이들 사용 사례는 엔드 투 엔드 추적성이 어떻게 작동하는지와 AI 지원 프로세스의 기반을 어떻게 마련할 수 있는지를 보여준다. 딜로이트와 프로스텝은엔드 투 엔드 엔지니어링 프로세스 체인 개발을 위해 긴밀히 협력했으며, 이 과정에서 딜로이트의 프로세스 노하우와 프로스텝의 PLM(제품 수명주기 관리) 통합 노하우가 결합되었다. 프로스텝의 설루션인 오픈PDM(OpenPDM)이 통합의 기반을 제공하며, 이는 프로스텝 디지털 스레드 플랫폼의 일부이다. 오픈PDM은 주요 PLM, ALM, ERP 시스템에 대한 표준 커넥터를 제공하여 통합 및 유지보수 비용을 최소화한다. 통합된 IT 시스템 환경은 시스템 개발에서 원활한 협업을 촉진하여, 다양한 전문 부서가 선호하는 전문 시스템에서 높은 수준의 품질과 효율성을 달성할 수 있도록 한다. 또한 개발 주기를 단축하고 A-SPICE, CSMS 표준, MDR(의료기기 규정) 등에서 요구하는 추적성 관련 규정 준수 요건을 충족하는 데 도움이 된다.     이런 사용 사례는 V-모델(V-model)을 따르는 일반적인 개발 프로세스를 기반으로 한다. 이해관계자의 요구사항은 먼저 PTC 코드비머(PTC Codebeamer)에 기록된 후, 다쏘시스템의 카티아 매직 사이버 시스템즈 엔지니어(Catia Magic Cyber Systems Engineer)로 전송되어 시스템 아키텍처를 모델링하고 추가적인 기능 및 시스템 요구사항을 도출하는 데 사용된다. 특정 성숙도에 도달하면 전체 요구사항 패키지는 추가 개발을 위해 지멘스 팀센터(Siemens Teamcenter)로 전달된다. 프로스텝의 피터 팔츠그라프(Peter Pfalzgraf) 파트너 매니저는 “이렇게 구현된 사용 사례의 주요 장점은 자동화된 데이터 인터페이스가 도메인 경계를 넘나드는 협업을 용이하게 한다는 점”이라면서, “이 설루션은 연결된 IT 시스템에서 일관된 데이터 상태를 보장하고 시스템 간 추적성을 지원한다. 이를 통해 여러 전문 부서 간의 협력이 필요한 복잡한 시스템의 개발 속도를 높이는 데 기여한다”고 밝혔다. 딜로이트의 티노 크루거(Tino Krüger) 제품 전략 및 수명 주기 관리 파트너는 “프로스텝이 규제 산업에서 이기종 시스템 환경을 통합한 수십 년의 경험을 가지고 있어 파트너로 선택했다”면서, “두 회사는 자동차, 방위, 항공우주, 의료 기술, 플랜트 엔지니어링, 조선 등 수많은 다양한 산업에서 사업을 운영하고 있다. 우리는 서로를 완벽하게 보완한다”고 전했다.

주요 디지털 트윈 소프트웨어 전자·전기·기구 통합 PLM 시스템, SynchroSpace   개발 및 자료 제공 : 이로젠, 032-351-1624, www.elozen.com     SynchroSpace(싱크로스페이스)는 워크플로 기반의 웹 애플리케이션으로 전자·전기·기구 CAD 툴 및 ERP 등 기간시스템과 연동되어 One DB에서 제품개발시작에서 완료까지 데이터와 프로세스를 관리하는 제품 수명주기 관리 시스템이다. 특히, 전자·전기 개발 데이터와 프로세스 관리에 특화되어 있다. 1. 주요 특징  중소기업의 경우 대기업과 다르게 개발업무 프로세스가 다양하고, 업무프로세스 변화가 자주 발생하고, 시스템 관리인력이 부족하기 때문에 PLM 시스템은 핵심기능 위주로 사용이 쉽고, 변화대응이 빨라야 한다. 국내 자체 기술, 최신 UI/UX 및 Workflow To-Do 기반으로 사용이 쉽고 고객의 니즈를 빠르게 적용할 수 있다. (1) 최신 UI/UX로 EASY-TO-USE  1시간 교육 후 바로 사용 가능 ■ 타사대비 직관적인 UI/UX로 필요한 정보만을 빠르고, 쉽게 접근  ■ To-Do 기반으로 사용이 쉽고 업무 효율성 강화 (2) 워크플로우 기반 One DB 웹 애플리케이션 ■ 모듈화로 확장이 용이한 워크플로우 기반 웹 애플리케이션 ■ 모듈화된 기능 및 전자·전기·기구 데이터 통합 관리 ■ 카드 방식 워크플로 제공 (3) Multi CAD 통합  다양한 EDA/ECAD/MCAD와 연계를 통한 자동화 구현 ■ 전자·전기 부품 라이브러리를 EDA/ECAD의 회로도에 삽입 ■ CAD BOM(Partlist·CAD Structure)및 산출물 자동 생성 및 등록 (4) 고객 맞춤형 솔루션 제공: 자체 솔루션으로 고객 요구사항 적용 용이 ■ 전자, 전기, 기구 각각 구축 가능 및 일괄 구축 가능 ■ 고객만의 특화된 기능 개발 및 Customization 용이 2. 주요 기능 (1) Item 관리 Item 대상은 전자(Component, PCB, PBA, Firmware, Board), 전기(Component, Wire/Cable, Assembly), 기구(Part, Assembly), Product 등으로 관리 대상이다. ■ Item별 분류, 채번, 속성, 첨부문서 관리 ■ Item별 Workflow 관리 (2) BOM 관리 BOM 대상은 전자(회로도 설계기준 Partlist, PCB설계기준 Partlist, PBA BOM, Board BOM), 전기(회로도 설계기준 Partlist, 3D배선 기준 Partlist, Wire/Cable List), 기구(Assembly CAD Structure), 제품(Engineering BOM, Preliminary BOM) 등으로 관리 대상이다. (3) 설계 데이터 관리 도면대상은 전자(전자회로 설계 데이터, PCB 설계 데이터, 거버 데이터, 조립 데이터), 전기(전기회로설계 데이터, 2D배선 설계 데이터, 3D배선 설계 데이터), 기구(3D파트 설계 데이터, 3D Assembly설계 데이터, 2D Drawing 도면) 등으로 관리 대상이다. (4) 배포 및 설계변경 관리 ■ 사내배포  ■ 설계변경요청(ECR), 설계변경주문(ECO)관리 ■ 설계변경실행 시 Where-Use 및 역전개를 통한 선택 또는 일괄변경 실행 ■ Item Status 및 Item Revision 관리 3. 도입 효과 매출 7,000억 원(2015년 기준) 자동차 전장부품 개발회사에 적용된 사례 분석 결과로 설계기간 및 재설계회수 30% 절감, 연간 22.5억 원의 개발비용 절감  ※ 2020년 기준으로 매출액 및 제품개발모델이 약 2배 이상 증가했음에도 개발 인원은 그대로 유지됨   4. 주요 고객 사이트 자동차 전장부품, 산업 부품, 디스플레이, 생활가전, 통신 장비, 2차전지, 조명, 카메라, 의료기기, 휴대폰 등을 개발하는 다양한 기업에서 사용 중이다. 상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

지멘스 디지털 인더스트리 소프트웨어, 지멘스 EDA 사업부는 잠실롯데 호텔에서 연례 EDA 행사인 ‘지멘스 EDA 포럼(Siemens EDA Forum) 2025’을 개최하고, 설계・검증 및 제조에 대한 통합적이고 전체적인 접근 방식을 소개했다고 밝혔다. ‘지멘스 EDA 포럼 2025‘에서는 여러 업계 전문가, 지멘스 EDA 전문가, 고객 및 파트너가 모여 새로운 관점을 공유하고 IC 및 시스템 설계의 모범 사례를 공유했다. 이 행사에서 지멘스 EDA의 마이크 엘로우(Mike Ellow) CEO는 기조 연설을 통해, 소프트웨어 인텔리전스와 실리콘 성능의 융합을 통해 높은 기술 역량과 시장 기회를 창출하는 새로운 설계 패러다임을 소개했다. 엘로우 CEO는 반도체 산업이 글로벌 변화를 주도하는 핵심이라는 점을 강조했다. 그는 “이러한 급진적인 전환은 컴퓨팅 인프라에 있어 유례 없는 수요를 만들어내고 있다. AI 연산은 기하급수적으로 성장하고 있으며, 그에 따른 연산 자원의 확장은 전 세계적으로 핵심적인 과제가 되었다. 이에 대응하기 위해 새로운 세대의 소프트웨어 혁신이 출현하고 있으며, 복잡해지는 컴퓨팅 환경을 조율하고 최적화하며 통합 관리할 수 있는 솔루션에 대한 수요는 날로 증가하고 있다”면서, “이 모든 변화의 중심에는 ‘반도체’가 존재하며, 반도체는 이제 소프트웨어 정의 경제의 핵심 기반으로서 그 중요성이 날로 커지고 있다”고 짚었다.     하지만 기업이 이 거대한 변화의 흐름 속에서 경쟁력을 확보하려면, 단순한 기술 도입 이상의 전략이 필요하다. 현재 전 세계 전자 설계팀들은 물리적 한계에 직면한 스케일링 문제, 다양한 도메인의 설계 복잡성, 시스템 통합 단계에서의 단절된 데이터 흐름, 그리고 엔지니어링 인력 부족이라는 복합적인 도전에 직면하고 있다. 엘로우 CEO는 이러한 도전을 극복하기 위해 필요한 핵심 전략으로 ‘디지털 트윈’의 전면적인 활용을 내세웠다. 단순한 시뮬레이션을 넘어선 디지털 트윈은 생산 수준의 AI 도구 도입, 체계적인 요구사항 캡처 방식 확립, 그리고 소프트웨어/하드웨어 동시 설계를 가능케 하는 통합적 접근을 요구한다. 엘로우 CEO는 “지멘스는 전자 시스템 설계를 위한 포괄적인 디지털 트윈 프레임워크를 제공함으로써, 기업이 변화하는 환경에 민첩하게 대응하고 통합적인 설계 접근 방식을 채택할 수 있도록 지원한다. 지멘스는 앞으로도 고객과 파트너와의 긴밀한 협력을 통해, AI 중심의 소프트웨어 정의 세계에서 기업들이 경쟁력을 확보하고 지속 가능한 성공을 거둘 수 있도록 혁신을 지속할 것”이라고 전했다. 지멘스 EDA는 시스템 설계에 대한 통합 접근 방식과 포괄적인 EDA 설루션을 결합해 반도체 혁신을 이끌겠다는 비전을 내세웠다. 또한, 자사의 포괄적인 디지털 트윈 기술이 전자 설계 자동화(EDA)의 맥락에서 전자 시스템 개발의 다양한 측면을 포괄하면서 복잡한 전자 시스템의 설계, 검증 및 제조에 중요한 역할을 할 것으로 보고 있다. 지멘스 EDA는 조기 소프트웨어 검증, 제조 인식 설계, AI로 강화된 설계 자동화 기술, 개방형 에코시스템 지원, 첨단 EDA 툴을 제공하고 있으며, 고객들이 차세대 고품질 첨단 시스템을 개발할 수 있도록 지원하고 있다.

이 내용은 한국생산성본부(KPC)가 수행한 제조업 디지털전환(DX,  Digital Transformation) 및 AI 활용도 관련 공식 조사 결과이다.   주요 조사 결과 요약 AI 실제 도입률 제조업 응답 기업의 약 90%가 실제로 AI를 도입하지 않은 것으로 나타났습니다. 이는 제조업 내 AI 도입률이 3.9%에 그치는 등, 타 산업(정보통신 25.7%)에 비해 현저히 낮은 수치입니다. AI 도입 저해 요인 AI 도입이 저조한 주요 원인으로는 다음이 꼽혔습니다. 인프라 부족: 고성능 컴퓨팅 환경, 네트워크 등 AI 활용에 필요한 인프라가 미흡함. 산업 데이터 확보의 어려움: 제조 현장에서 발생하는 데이터의 품질 및 통합 문제, 데이터 자체의 부족이 큰 장벽으로 작용함. 전문 인력 부족, 초기 투자비용 부담, 기존 시스템과의 연계성 문제 등도 복합적으로 영향을 미침. 추가 참고 AI 활용률이 낮은 배경에는 산업 데이터의 관리 및 공유가 어렵고, AI 도입에 따른 실질적 변화(생산성, 비용 등)가 아직 제한적이라는 현장 평가도 반영되어 있습니다. 기업들은 AI 도입 필요성은 인식하고 있으나, 실제 활용률은 30% 미만, 제조업은 20% 내외로 조사되었습니다. 결론 한국생산성본부(KPC)가 발표한 제조업 디지털전환 및 AI 활용 실태조사 결과는 KPC 공식 홈페이지 공지사항에서 확인할 수 있습니다. 제조업의 AI 도입률은 매우 낮으며, 인프라와 데이터 확보의 어려움이 핵심 저해 요인임이 명확히 드러났습니다 ----------------------------------- 1.    조사 배경    인공지능, 빅데이터 등 디지털 기술의 등장은 과거 전통적 산업 간의 경계를 희미하게 만드는 동시에, 경제 성장의 새로운 원동력으로 각광받고 있음     이들 기술을 활용한 디지털 전환(DX; Digital Transformation)은 공정의 최적화는 물론, 제품 지능화, 서비스 고도화를 통해 산업에 당면한 과제를 해결하고 새로운 가치를 창출한다는 점에서 의미가 매우 크나, 현실적으로 중견, 중소기업에서는 인력, 자금 등의 문제로 산업 디지털 전환이 필요함에도 추진하기에 어려운 부분이 존재함     이처럼 기업의 애로사항과 불확실성이 존재하는 상황에서 정부에서 의결한 ‘산업 디지털 전환 촉진법’은 디지털 전환과 관련된 법적 사각지대를 해소하고 법률적 기반을 마련하는 계기가 될 것임     향후 산업 디지털 전환과 관련된 종합계획이 수립되고 각종 세부 정책들이 본격적으로 추진되기 위해서는 디지털 전환 역량이나 준비도 등의 산업계 실태를 면밀하게 파악하는 것이 선행되어야 함. 특히,  산업 디지털 데이터의 공유와 협업을  통한 수익 창출과 관련된 규범이 새롭게 마련된 만큼 이를 위한 정책적 근거자료 마련이 필수적임   조사 근거 : 산업디지털전환촉진법 2.    조사 목적     규모별 디지털 전환(DX) 인식 수준, 산업의 데이터 활용률, 디지털 전환 역량 및 애로사항, 요구사항 등을 종합적으로 조사함으로써 DX 역량진단 및 기업 수준을 분석, 평가할 수 있는 기초자료를 수립하고자 함     또한, 각종 데이터 수집 현황,  분석 및 활용 역량,  데이터 협력·거래  등 산업 데이터 역량과 니즈를 확인함으로써  실제  사업 수행 시 기업 간 매칭 및 맞춤형 지원사업을 가능토록 하고자 함   산업데이터 생성ㆍ활용의 활성화와 지능정보기술의 산업 적용을 통하여 산업의 디지털 전환을 촉진함으로써, 산업 경쟁력을 확보하고 국민의 삶의 질 향상과 국가 경제발전에 이바지하기 위해 필요한 ‘산업 디지털전환 종합 계획’ 수립 및 시행을 위한 관련 현황, 통계 및 실태 파악   목차 제 1장. 서론    1 01.    조사  배경 및 목적    3 1.    조사 배경    3 2.    조사 목적    3 01.    표본설계    4 1.    조사 대상    4 2.    모집단  분포 및 표본틀    5 3.    표본설계    6 4.    가중치와 추정    8 02.    조사 개요    11 1.    조사 개요    11 2.    조사 항목    11 03.    응답자 특성    13 제 2장. 조사결과    14 01.    디지털 전환 인식    16 (1)    DX에    대한 임직원의 인지도    16 (2)    디지털    비전과 리더십 단계    17 (3)    디지털    전략 단계    18 (4)    디지털    기술과 솔루션 이해도    19 02.    산업 데이터 역량    20 1.    데이터 수집    20 (1)    시장 및 고객 데이터 수집 방법, 비중    20 (2)    공정  데이터  수집 방법, 비중    21 (3)    제품 및 서비스 데이터 수집 방법, 비중    22   (4)    데이터 인프라    23 (5)    데이터  품질관리 성숙도 단계    24 (6)    데이터 수집시 애로사항    25 2.    데이터 분석·활용    26 (1)    ‘데이터    사용/관리’ 변화 정도    26 (2)    데이터    분석·활용 역량 수준    27 (3)    데이터    관련 전문인력 현황, 필요 규모    28 (4)    데이터    분석·활용 시 장애요인    29 3.    데이터 협력·거래    30     (1) 데이터 협력, 거래 활동 여부    30 (1-1) 데이터 협력, 거래 활동 목적    31 (1-2) 데이터 협력, 거래 활동이 없는 이유    32 (2)    데이터    협력,    거래를 위한 정보 획득 경로    33 (3)    데이터    협력,    거래의 애로사항    34 (4)    데이터    협력,    거래 과정에서 경험한 부당한 대우, 침해행위    35 4.    인공지능(AI) 활용    36 (1)    인공지능(AI) 기술의 업무 활용 여부    36 (2)    인공지능 기술을 업무에 활용하는 목적    37 (3)    인공지능 기술을 업무에 활용 시, 가장 어려웠던 점    38 (4)    인공지능 기술을 업무에 활용하지 않는 이유    39 03.    디지털 기반 프로세스 혁신    40 1.    디지털  프로세스 혁신 활동    40 (1)    업무 프로세스에 적용하고 있는  디지털 기술    40 (1-1) 디지털 기술별 적용  업무 프로세스_빅데이터    41 (1-2) 디지털 기술별 적용  업무 프로세스_인공지능    42 (1-3) 디지털 기술별 적용  업무 프로세스_IoT    43 (1-4) 디지털 기술별 적용  업무 프로세스_클라우드    44 (1-5) 디지털 기술별 적용  업무 프로세스_AR/VR    45 (1-6) 디지털  기술별 적용 업무  프로세스_지능형 협동 로봇    46 (1-7) 디지털  기술별 적용  업무 프로세스_RPA    47   (1-8) 디지털 기술별 적용 업무 프로세스_디지털마케팅솔루션    48 (1-9) 디지털 기술별 적용 업무 프로세스_3D 프린팅    49 (1-10) 디지털 기술별 적용 업무 프로세스_모바일 기술    50 (1-11) 디지털 기술별 적용 업무 프로세스_5G 기술    51 (1-12) 디지털 기술별 적용 업무 프로세스_보안    52 (2)    각 디지털 기술별로 과거부터 현재까지 예상되는 투자 비중    53 (3)    지난 1년간 디지털 기술 관련 투자액    54 (4)    빅데이터 부문 투자 금액(최근 1년)    55 (5)    인공지능 부문 투자 금액(최근 1년)    56 (6)    도입한 디지털 기술/도입하지는 않았으나 도입 효과가 좋을 것으로 예상되는 기술 · 57 (7) 디지털 기술 도입에 있어 자체 도입 & 아웃소싱 비중    59 (8) 디지털 기술 도입 후,  사후 관리    60 2.    (8-1) 사후 활동이 잘 되지 않는 이유    61 (9)    ‘정보화  준비도’ 변화 정도    62 (10)    ‘정보화  기술  수준’ 변화 정도    63 디지털  기반  프로세스 혁신 성과    64 (1)    ‘업무 프로세스 개선’ 변화 정도    64 (2)    자동화를    통한 업무시간 단축 여부 및 단축된 시간    65 (3)    프로세스    자동화율    66 (4)    프로세스    지능화율    67 (5)    프로세스    통합 연계율    68 04. 디지털 신기회    창출    69 1.    비즈니스 모델 혁신 활동    69   (1)    ‘비즈니스 모델’ 변화 정도    69 (2)    최근 3년간 디지털 기반 비즈니스 모델 혁신 및 변경 시도 여부    70 (2-1) 비즈니스 모델 혁신을 위한  시도의 목적    71 (2-2) 디지털 기반 비즈니스 모델  혁신의 유형    72 (3)    ‘고객 관련 업무’ 변화 정도    73 2.    디지털 제품 및 서비스 창출    74 (1)    최근 3년 디지털 연구 성과  창출 경험    74 (2)    ‘신제품/서비스 개발’ 변화 정도    75 (3)    최근 3년간 디지털 기술 적용을 통한 획기적 개선, 새롭게 출시된 제품 및 서비스 · 76 (3-1) 제품 및 서비스 개선, 출시를 위해 적용한 디지털 기술    77 (3-2) 제품 및 서비스 혁신을 위해 적용된 디지털 기술 획득 경로    78 (3-3) 전체 매출액에서 디지털 혁신 제품 및 서비스 매출이 차지하는 비중    79 (3-4) 디지털 혁신 제품 및 서비스가 개선, 출시되지 않은 이유    80 05.    디지털 전환 역량    81 (1)    ‘정보화 비전과 전략’ 변화 정도    81 (2)    ‘디지털 전환 인식’ 변화 정도    82 (3)    ‘혁신 문화 수준’ 변화 정도    83 (4)    디지털 전환 추진 여부    84 (4-1) 디지털  전환 추진 주도 부서    85 (5)    디지털 부문 연구개발 투자 금액(최근 1년)    86 (6)    디지털 부문 연구개발 인력 수    87 (7)    ‘정보화 인력 수준’ 변화 정도    88 (8)    디지털 전환 추진계획 보유 여부    89 (8-1) 디지털 전환 추진 시기    90 (8-2) 디지털 전환 추진을 위한  자금 조달 방식    91 (9)    디지털 전환 관심 분야    92 (10)    디지털 전환 관련 인력 양성을 위한 직원 교육 프로그램 실시 여부    93 (11)    디지털 전환 추진을 위한 인력 양성 및 외부 충원 계획 여부    94 (11-1) 디지털 전환 추진을 위해 필요한  인력 유형    95 (12)    디지털 전환 관련 협업 여부    96 (12-1) 디지털 전환 관련 외부 협업  유형별 수요    97 (13)    ‘지식 공유 수준’ 변화 정도    98 (14)    디지털 전환 관련 수출 애로사항    99 06.    디지털 전환 애로사항 및 정책 수요    100 (1)    디지털 전환 추진 애로사항    100 (2)    정부 및 지자체의 디지털 전환 정책지원 수요    101 (2-1) 정책지원을 받지 않은 이유    102 (3)    필요로 하는 디지털 전환 관련 정부  정책 분야    103   (4)    ‘정부    DX 지원 및 규제 환경’ 변화 정도    104 (5)    ‘시장    환경’ 변화 정도    105 (6)    ‘기술    환경’ 변화 정도    106 (7)    ‘경쟁    환경’ 변화 정도    107 부록. 설문지    108 상세내용 보러가기

별에서 영감을 받은 지리 갤럭시 E8의 스마트 콕핏   갈릴레오 갈릴레이부터 에드윈 허블과 미국 항공우주국의(NASA)에 이르기까지 수많은 천문학의 선구자들을 매료시킨 밤하늘의 상상력을 담은 자동차가 있다. 갤럭시 E8(Galaxy E8)은 지리(Geely)의 플래그십 모델이자 브랜드 최초의 순수 전기차로, 인류의 우주에 대한 열정과 문명, 기술 혁신을 하나의 차체 안에 담아내고 있다. ■ 자료 제공 : 에픽게임즈   ▲ 이미지 제공 : Geely Auto   갤럭시 E8은 차량의 내/외부를 통해 유저 중심의 프리미엄 경험을 제공하도록 설계되었다. 공기역학적인 실루엣은 별빛을 연상시키는 반짝임으로 표현되며, 실내에는 경계 없는 8K 해상도를 지원하는 45인치 대형 스마트 스크린이 탑재된 디지털 콕핏 시스템을 갖추고 있다. 또한 퀄컴 스냅드래곤(Qualcomm Snapdragon) 8295 플래그십 콕핏 칩과 언리얼 엔진(Unreal Engine)을 기반으로 2D 및 3D 그래픽이 구현된다.   언리얼 엔진 기반 경험 언리얼 엔진은 이 차량의 인터페이스와 시각적 몰입감을 극대화하는 데 핵심 역할을 수행했다. 예를 들어, 시간의 흐름에 따라 앰비언트 조명이 자연스럽게 변화하도록 설계되었으며, 비가 오거나 눈이 내리는 날 사용자가 문을 열면 시뮬레이션된 별빛이 한쪽에서 다른 쪽으로 흐르며 몰입감 있고 분위기 있는 효과를 연출한다. 디지털 트윈 경험에서는 데스크톱을 통해 갤럭시 E8의 인터랙티브 3D 모델을 확인할 수 있으며, 이를 통해 헤드라이트, 도어, 창문, 트렁크 등의 기능을 직접 제어할 수 있다. 에어컨의 공기 흐름과 같은 세부적인 제어 기능 역시 언리얼 엔진 기반으로 설계되어 실시간 상호작용이 가능하다. 미니멀한 UI 디자인은 사용 편의성과 연속적이고 부드러운 인터랙티브 경험을 완성하며, 몰입감 있는 시청각 경험까지 제공한다.  지리 자동차 연구소(Geely Automobile Research Institute, 이하 GARI)의 스마트 콕핏 팀은 언리얼 엔진을 사용하여 몰입감 있고 지능적이며 안전한 콕핏 경험을 개발할 수 있었다.   ▲ 이미지 제공 : Geely Auto   지리 HMI의 도전 과제와 설루션 갤럭시 E8의 8K 디스플레이를 개발하는 과정에서 GARI 팀이 직면한 주요 도전 과제는 시스템 리소스를 최소화하면서도 실시간 성능과 뛰어난 비주얼 퀄리티를 동시에 구현하는 휴먼-머신 인터페이스(HMI)를 설계하는 것이었다. 이를 해결하기 위해 GARI 팀은 복합적인 전략을 마련하고 단계적으로 적용했다. 먼저, 다이내믹 프레임 전략을 도입하여 시각적 요소와 인터랙션 유형에 따라 프레임 레이트를 유동적으로 적용했다. 원활한 인터랙션을 위해 전경 요소는 25fps(초당 프레임)로 고정해 부드러운 반응성을 확보했으며, 상대적으로 우선순위가 낮은 시나리오에는 15fps, 5fps, 동결 모드로 구성된 3단계 프레임 전략을 적용함으로써 시스템 리소스를 효율적으로 분배했다. 다음으로 계층적 리소스 관리를 통해 8K 화면의 리소스에 2D 및 3D 애셋을 1:9 비율로 포함했다. 부드럽게 전환되고 지연 없는 경험을 만들기 위해 3D 자동차 모델만 메모리에 저장하고, 다른 모든 애셋은 백그라운드에서 조용히 로드되도록 했다. 마지막으로 인터랙티브 전략을 통해 시스템 반응성과 데이터 흐름의 안정성을 강화했다. HMI 시스템에서 발생하는 신호 소스는 HMI 내부 신호와 터치 입력으로 제한하고, 실시간으로 처리해야 할 신호와 사전에 저장된 데이터 링크를 명확히 구분했다. 또한 신호가 순서대로 도착하지 않거나 반복적으로 입력되는 경우에는 L2 캐싱 및 분류 시스템을 활용해 이를 체계적으로 관리함으로써, 인터페이스의 안정성과 효율을 높였다.   지리가 HMI 제작에 언리얼 엔진을 선택한 이유 지리의 HMI 프로젝트에서는 코드 수준에서의 광범위한 통합이 가능한 커스텀 운영 체제(Galaxy N-OS)의 개발이 필요했다. 이에 따라 GARI 팀은 기존 개발 툴보다 더 향상된 기능과 확장성을 제공할 수 있는 게임 엔진의 가능성에 주목하고, 다양한 상용 엔진을 면밀히 평가했다. 최종적으로 GARI 팀은 언리얼 엔진을 선택했다. 그 결정의 핵심에는 언리얼 엔진의 리얼타임 렌더링 성능과 커스터마이징 가능성이 있었다. 특히 언리얼 엔진이 오픈소스로 제공된다는 점은 팀원들이 다양한 기능을 직접 개발하고 효과적으로 커스터마이징할 수 있도록 해 주었으며, 성능 최적화 측면에서도 높은 유연성을 확보할 수 있게 했다. 여러 리얼타임 렌더링 엔진을 검토한 결과, GARI 팀은 언리얼 엔진이 통합된 개발 도구 생태계와 렌더링 품질, 그리고 기본 DCC 작업부터 레벨 임포트까지의 과정을 간소화해주는 레벨 디자인 툴 등 포괄적인 개발 환경을 갖추고 있다는 점에서 가장 적합하다고 판단했다. GARI 팀이 특히 주목한 언리얼 엔진의 기능 중 하나는 블루프린트 비주얼 스크립팅 시스템이다. 이를 활용한 비주얼 프로그래밍으로 복잡한 인터랙션 로직을 시각적으로 설계하고 구현할 수 있게 하여, HMI 시스템 개발을 보다 직관적으로 수행할 수 있도록 돕는다. 레벨, 노멀, 게임플레이, 머티리얼 블루프린트를 포함되어 있으며, 블루프린트 노드를 통해 로직, 머티리얼, 트랜지션 등을 빠르게 구현할 수 있어 POC(개념 검증) 단계는 물론 이후 프로젝트 엔지니어링의 효율성도 크게 향상된다. 또한 언리얼 엔진의 고급 렌더링 기능은 사실적인 사용자 인터페이스와 몰입감 있는 비주얼 효과 구현을 가능하게 하여 고퀄리티의 그래픽을 안정적으로 제공한다. 피직스 시뮬레이션 시스템은 현실의 물리 효과를 정밀하게 재현하여 차량 본체와의 인터랙션을 더욱 사실감 있게 구현하고, 몰입도를 높여준다. 여기에 더해, 언리얼 엔진은 PC, 게임 콘솔, 모바일 디바이스 등 다양한 플랫폼에 폭넓게 대응할 수 있어 개발된 HMI 시스템의 배포와 실행이 용이하다는 장점도 있다. 결론적으로 GARI 팀은 언리얼 엔진의 도입이 HMI 경험의 혁신을 이끌었다고 평가하고 있다.   ▲ 이미지 제공 : Geely Auto    HMI 개발을 위한 언리얼 엔진의 핵심 기능 HMI 개발을 위한 언리얼 엔진의 핵심 기능은 지리의 고유한 커스터마이징 프로세스 전반에 걸쳐 적용되었다. 이 프로세스는 콘셉트 제안, 요구사항 분석, 인터페이스 콘셉트 디자인, 3D 엔진 아트 복원, 엔진 소프트웨어 개발, 차량 기능 통합, 엔진 및 시스템 통합, 온보드 테스트 및 납품 등 여러 단계로 구성되어 있다. 지리는 전체 개발 과정에서 언리얼 엔진의 다양한 기능과 툴을 적극적으로 활용했다. 레벨(Level) 은 신(scene) 간의 매끄러운 전환과 원 테이크 기반의 연속적인 사용자 경험을 지원하며, 베리언트(Variant)는 런타임 중 애셋 관리를 간소화하고 처리 속도를 높이는 데 기여했다. 시퀀서(Sequencer)는 레벨 시퀀스와 함께 활용되어 트랜지션을 효율적으로 제어하고 애니메이션 제작을 보다 간편하게 수행할 수 있도록 도왔다. 또한 애니메이션과 머티리얼 개발에는 블루프린트를 폭넓게 사용했으며, 라이트맵과 포스트 프로세스 이펙트 등 다양한 기능을 통해 완성도 높은 HMI를 구현했다. 특히 8K 디스플레이 환경에서 고해상도 인터페이스를 안정적으로 구현하기 위해 최적화 작업이 중요했다. 초기 구동 시점과 실시간 사용자 인터랙션 중에도 시스템이 원활하게 작동하도록 하기 위해 지리는 언리얼 엔진의 여러 최적화 툴을 함께 사용했다. 언리얼 인사이트(Unreal Insights)를 통해 시작 시간을 단축하고, 언리얼 프론트엔드(Unreal Frontend)를 통해 전반적인 성능을 최적화했으며, 명령줄 기반의 디버깅 툴인 통계 시스템과 Memreport를 활용하여 세부적인 성능 데이터를 분석했다. 또한, 언리얼 엔진의 기본 툴 외에도 스냅드래곤 프로파일러(Snapdragon Profiler)를 병행해 사용함으로써 개발 효율성과 분석 정확도를 높였다. 이와 함께 안드로이드 스튜디오 프로파일러(Android Studio Profiler), 안드로이드 디버그 브리지(Android Debug Bridge, ADB), 렌더독(RenderDoc), 부트차트(Bootchart), 비지박스(BusyBox) 등 Android 및 Linux 기반의 전문 툴도 적재적소에 활용했다.   ▲ 이미지 제공 : Geely Auto   앞으로의 계획 지리는 이번 프로젝트를 성공적으로 완료한 이후, 새로운 기술을 수용하고 HMI 혁신을 지속적으로 발전시키는 데 더욱 집중하고 있다. 앞으로 지리의 차세대 스마트 드라이빙 시스템에는 갤럭시 어시스트 드라이빙(Galaxy Assisted Driving), 자동 주차, 홈존 주차 지원 등 새로운 기능이 추가될 예정인데, 지리는 이를 통해 사용자 편의성과 주행 안전성을 한층 더 끌어올릴 수 있을 것으로 기대하고 있다. 장기적으로는 대형 AI 모델과 3D 엔진이 통합된 HMI 시스템이 운전 경험을 근본적으로 변화시킬 것으로 전망된다. 이러한 기술 혁신을 실현하기 위해서는 3D 엔진 개발자와 자동차 제조업체 간의 더욱 긴밀한 협업이 필수이다. 언리얼 엔진은 첨단 주행 기능을 시각적으로 구현하는 가상 뷰를 구축하는 데 핵심 역할을 수행하며, 커스텀 운영 체제 시스템의 거의 모든 요소에 긴밀하게 통합되어 HMI의 기능성과 사용자 경험을 동시에 향상시키고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

앤시스는 자율주행차 시대에 요구되는 안전성과 성능을 충족하는 전자식 파워 스티어링 시스템(EPS : Electronic Power Steering system) 개발을 위해 폭스바겐과 협력하고 있다고 소개했다. 자율주행차, 차량 공유 및 배송 서비스가 머지않아 일상 속에서 주류 기술로 자리잡을 것으로 전망된다. 맥킨지 미래 모빌리티 센터는 자율주행 기술이 오는 2035년까지 3000억~4000억 달러의 수익을 창출할 수 있을 것으로 내다봤다. 이는 자율주행차 개발에 투자하고 있는 완성차 제조업체(OEM) 및 티어 공급업체에게 긍정적인 신호로 해석된다. 다만 이러한 기술이 본격적으로 상용화되기 위해서는 새로운 기술 역량의 확보는 물론, 안정성과 관련된 다양한 우려를 해소할 수 있는 능력이 성공의 핵심으로 작용할 것이다. 폭스바겐은 EPS를 개발하면서 급변하는 자동차 산업 환경과 자율주행 기술의 진화에 발맞춰 혁신을 추진하고 있다. 특히, EPS의 성능과 안전성을 빠르게 개선해 관련 요구 사항의 임계값을 충족시키는 동시에, 자사 브랜드 고유의 정확하고 반응성이 뛰어난 핸들링 성능을 강화하기 위해 앤시스의 시뮬레이션 소프트웨어를 적극 도입하고 있다. EPS는 다양한 주행 시나리오에서 스티어링 프로세스를 정밀하게 제어할 수 있는 복잡한 기능을 갖추고 있다. 이러한 진화 덕분에 최신 자동차는 차선 유지 보조 시스템, 고속도로 주행 시나리오의 일시적 자율주행, 자동 주차 그리고 무인 호출 기능까지 다양한 자동화 기술을 탑재하고 있다. 앞으로의 발전 방향은 ‘스티어-바이-와이어(Steer-by-wire)’ 시스템으로 나아갈 것으로 예상된다. 이 시스템은 운전자와 앞바퀴 간의 기계적 연결 없이도 차량을 제어할 수 있도록 하며, SAE 레벨 3 이상의 고도 자율주행을 실현하는 핵심 기술로 주목받고 있다.   ▲ 폭스바겐 프리미엄 플랫폼용 전자식 스티어링 시스템의 주요 사양   승차감과 핸들링을 좌우하는 스티어링 시스템 개발은 폭스바겐의 차량 설계에서 핵심적인 역할을 담당한다. 차량 주행 중의 변화는 대부분 소프트웨어 기능에 의해 밀리초 단위로 정밀하게 조정되며, 운전자가 무의식적으로 감지하는 미세한 차이가 성능에 대한 인식으로 이어지는 경우가 많다. 특히, 운전자의 직접적인 입력이 제한되는 자율주행차에서는 더욱 복잡하게 작용한다. 현재 폭스바겐은 프리미엄 플랫폼 전기차에 적용 가능한 첨단 모듈형 스티어링 시스템을 개발 중이다. 이러한 시스템은 스티어링 보조 기능의 갑작스러운 상실이나 예기치 못한 스티어링을 포함한 자율주행 관련 위험을 효과적으로 완화한다. 또한, 자율주행 환경에서 요구되는 EPS 시스템의 복잡성에 대응하기 위해 폭스바겐은 다양한 물리 영역을 아우르는 테스트를 수행하고 있다. 이는 약 150명의 엔지니어가 75만 줄의 코드를 기반으로 8000개 이상의 요구 사항을 만족시키는 소형 전자 제어 장치(ECU)에 대한 테스트, 유효성 검토 및 검증 작업을 책임지고 있다. 이러한 작업은 고성능이면서도 비용 효율적인 ECU의 개발을 가능케 한다. 특히 폭스바겐은 테스트 시나리오 전반에 걸친 시간 및 비용 부담을 최소화하고 개발 속도와 효율성을 동시에 확보하기 위해 제품과 프로세스 전반의 간소화를 적극적으로 추진하고 있다. 앤시스의 쇠렌 슈라이너(Soeren Schreiner) 수석 애플리케이션 엔지니어는 “자율주행 기술처럼 복잡성과 변동성이 높은 분야에서는 적응력이 뛰어난 설루션이 필수이다. 동시에 비용 효율성과 안전성 또한 충족되어야 한다. 특히 안전은 전체 개발 비용에서 가장 큰 비중을 차지하는 요소 중 하나”라고 강조했다. 자율주행 기술의 복잡한 시스템의 안전성을 보장하기 위해, 폭스바겐 엔지니어들은 국제적 안전 표준을 충족하는 방식으로 시스템 소프트웨어를 개발했음을 적극적으로 입증해야 한다. 이를 위해 폭스바겐은 차량용 전기·전자(E/E) 시스템의 기능적 안전을 규정한 국제 표준 ISO 26262를 기반으로, 가장 높은 수준의 안전 등급인 ASIL-D를 준수하고 있다. ASIL-D는 EPS와 같은 안전 필수 시스템의 설계·개발 시 적용되는 핵심 프레임워크다. 또한, 폭스바겐의 스티어링 시스템은 자동차 임베디드 소프트웨어 개발의 글로벌 품질 기준인 ASPICE(Automotive SPICE)의 레벨 2(L2) 요구 사항을 충족해야 한다. ASPICE L2는 차량 소프트웨어 개발 표준의 이행 여부를 평가해, 신뢰 가능한 결과물을 일관되게 제공할 수 있는지를 검증하는 체계다. 이러한 표준을 만족시키기 위해 폭스바겐은 앤시스의 시스템 및 소프트웨어 아키텍처 설계(SCADE Architect), 주요 임베디드 소프트웨어를 위한 모델 기반 개발 환경(SCADE Suite), 임베디드 소프트웨어 테스트(SCADE Test) 및 소프트웨어 라이프 사이클 관리(SCADE LifeCycle) 등 다양한 개발 도구를 활용해 엔드 투 엔드 모델 기반 시스템 및 소프트웨어 설계 툴체인을 구축했다. 이 새로운 툴체인은 소프트웨어 개발 및 배포 효율성을 높이는 동시에, 고난도 안전 제약 기준을 충족해야 하는 시스템 내에서 ISO 26262 ASIL-D 및 ASPICE L2를 준수할 수 있도록 지원한다. 앤시스의 쇠렌 슈라이너 수석 애플리케이션 엔지니어는 “폭스바겐과 함께 개발한 이번 워크플로는 효율성과 유연성을 모두 갖춘 것이 특징이다. 이 프로세스를 통해 복잡한 다단계 소프트웨어 아키텍처 모델을 정의하고 유지하면서도 설계 모델과 기능 테스트 간의 자동 동기화, 전체 개발 과정에 걸친 요구사항 추적성 확보가 가능해졌다”라고 설명했다.

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

캐드앤그래픽스 디지털 트윈 설문조사 분석   디지털 트윈 기술에 대한 관심이 국내 제조 및 엔지니어링 업계를 중심으로 높아지고 있지만, 실제 산업 현장에서는 여전히 다양한 현실적 제약에 직면해 있는 것으로 나타났다. 캐드앤그래픽스는 국내 디지털 트윈 현황을 집대성한 ‘디지털 트윈 가이드’를 발간하고, 국내 제조 및 엔지니어링 업계 관계자를 대상으로 3월 13일부터 4월 14일까지 ‘국내 디지털 트윈 현황 설문조사’를 실시했다. 총 1212명이 참여한 이번 설문조사에서는 디지털 트윈의 이해도, 적용 분야, 도입 단계, 구축 시 어려움 등 다양한 관점에서 기술의 현주소를 조망했다. 특히 디지털 트윈을 실제로 사용 중인 기업과 종사자를 대상으로 진행한 심층 조사에서는 기술 도입 과정에서의 구체적인 어려움과 향후 투자 계획 등 실질적인 인사이트가 도출됐다. ■ 최경화 국장   설문조사 개요 및 참가자 현황 이번 설문조사는 국내 제조 엔지니어링 업계 관계자 1212명을 대상으로 진행되었다. 설문 참가자들의 배경은 다양한 산업 분야에 걸쳐 있었으며, 이는 디지털 트윈 기술이 단일 산업에 국한되지 않고 여러 분야에서 관심을 받고 있음을 시사한다. 참가자들의 직무 또한 연구개발, 설계, 생산, 관리 등 다양한 영역에 분포하고 있어, 디지털 트윈 기술이 기업 내 여러 부서와 직무에 걸쳐 중요성을 인정받고 있음을 알 수 있었다. 디지털 트윈 관련 업무 분야에서도 다양한 응답이 나타나, 이 기술의 응용 범위가 넓어지고 있음을 확인할 수 있다.   주력 산업 분야 설문 응답자들의 주력 산업 분야는 ‘건축/건설/토목’(22.7%)과 ‘전기전자/하이테크/반도체’(17.9%), ‘시각화/그래픽/디자인’(14.2%) 등이 높은 비중을 차지했으며, 자동차, 플랜트 등 다양한 산업 분야가 분포되어 있음을 알 수 있다.   그림 1. 설문 응답자 현황 - 주력 산업 분야   직무 분야 설문 응답자들의 직무 분포는 ‘엔지니어’(41.2%)가 압도적으로 높은 비율을 보였고, ‘경영진/임원’(15.9%), ‘SW 개발’(14.3%) 순으로 나타나, 기술 및 관리 직무 종사자들의 높은 관심을 반영했다.   그림 2. 설문 응답자 현황 – 직무   디지털 트윈 관련 업무 분야 설문 응답자들의 디지털 트윈 관련 업무 분야에 대해서는 CAD/3D 모델링이 가장 높게 나타났고, AI/머신러닝, CAE/시뮬레이션 순으로 나타났다.    그림 3. 설문 참가자 현황 - 디지털 트윈 관련 업무 분야   국내 디지털 트윈 도입 현황 - 뜨거운 기대감과 더딘 현실 디지털 트윈 이해 수준 기술에 대한 이해 수준은 아직 부족한 것으로 나타났다. 디지털 트윈 이해 수준에 대해서는 ‘대체로 알고 있다’(36.8%)와 ‘조금 알고 있다’(37.2%)가 비슷한 비율을 보였으며, ‘매우 잘 알고 있다’ (10.4%)는 소수에 불과했다. ‘잘 모른다’(15.6%)는 응답도 상당수를 차지했다. 이는 기술에 대한 인지도는 높지만, 깊이 있는 이해와 활용 능력은 아직 부족하다는 점을 시사한다.   그림 4. 디지털 트윈에 대한 이해 수준   디지털 트윈 발전 전망 반면, 디지털 트윈의 미래에 대한 업계의 기대는 매우 컸다. 향후 디지털 트윈 발전 전망에 대한 응답에 따르면 ‘매우 중요하게 성장할 것’(66%)과 ‘다소 성장할 것’(30.5%)이라는 답변이 전체의 압도적인 대다수를 차지했다. 또한 전체 응답자의 96.5%가 기술의 중요성과 잠재력에 대해 폭넓은 공감대를 형성하고 있음을 확인시켜 주었다.   그림 5. 디지털 트윈 향후 발전 전망   디지털 트윈 사용 기업 및 도입 현황 디지털 트윈을 실제로 사용하고 있는 기업 및 유저를 대상으로 한 심층 조사에는 총 385명이 참여했다. 이들 기업의 규모는 매출액과 직원 수를 기준으로 다양하게 분포하고 있어, 디지털 트윈 기술이 대기업뿐 아니라 중소기업에서도 점차 도입되고 있음을 알 수 있다.   디지털 트윈 사용 기업 규모 디지털 트윈 사용 기업의 매출액은 5000억원 이상이 48.8%를 차지해 가장 높은 분포를 보였으며, 1000억원 이상~500억원 미만이 13.2%로 큰 기업들이 주로 관심을 가지고 있었음을 알 수 있었다. 직원 수도 5000명 이상이 32.2%로 가장 높은 수치를 차지했으며, 1000명~5000명 미만이 17.9%, 100명~500명 미만이 11.7% 순으로 나타났다.    그림 6. 디지털 트윈 사용 기업 매출액   디지털 트윈 사용 기업 적용 분야 디지털 트윈 적용 분야는 ‘제품 설계 및 시뮬레이션’(66.8%), ‘생산/제조 운영’(43.9%), 설비 모니터링 및 유지보수(39.2%) 순으로, 제품 개발과 생산 영역에 활용이 집중되는 경향을 보였다. 제조 분야에 비해서는 사용이 적지만 도시, 에너지, 교통, 물류, 의료 등 다양한 영역에서 활용되고 있음을 확인할 수 있다. 특히 제조업 분야에서는 생산 공정 최적화, 품질 관리, 설비 예지 보전 등의 목적으로 활용되고 있을 것으로 추정된다.   그림 7. 디지털 트윈 적용 분야   디지털 트윈 적용 목적 디지털 트윈을 적용하는 주요 목적은 ‘설계 최적화’(61.0%), ‘생산성 향상’(54.5%), ‘운영 효율화’(46.2%) 등 효율성 증대 관련 항목들이 우위를 점했다.   그림 8. 디지털 트윈 적용 목적   디지털 트윈 도입 단계 아직까지 디지털 트윈에 대한 관심은 높지만 실제 사용 보다는 검토 중인 기업이 많은 것으로 나타났다. 디지털 트윈 사용 기업의 도입 단계 관련 답변을 보면, ‘도입 검토 중’(43.6%)이 가장 큰 비중을 차지했다. 이어 ‘일부 시스템 도입 완료’(18.4%), ‘PoC(파일럿) 진행 중’(12.2%), ‘전사 확산 및 활용 중’은 4.2% 순으로, 본격적인 활용 단계에 진입한 기업은 소수임을 알 수 있었다. ‘도입 계획 없음’(17.9%)이라는 응답도 적지 않았다.    그림 9. 디지털 트윈 도입 단계   다양한 상용 디지털 트윈 툴 사용… 자체 개발·검토도 다수 디지털 트윈 기술의 확산과 함께, 국내 기업들이 활용 중인 디지털 트윈 소프트웨어 및 플랫폼은 매우 다양하며, 기업별로 도입 단계나 활용 수준에서도 큰 차이를 보이는 것으로 나타났다. ‘현재 사용 중인 디지털 트윈 툴’에 대한 주관식 응답 결과를 분석해 보면, 국내 산업계는 BIM 기반 플랫폼, CAE 시뮬레이션 도구, PLM 및 협업 플랫폼, 그리고 게임 엔진 기반 시각화 도구를 중심으로 디지털 트윈 기술을 도입하고 있는 것으로 나타났다. 아래 내용은 답변 내용을 중심으로 정리한 것이다.   BIM 및 설계 중심 소프트웨어의 강세 디지털 트윈 구축의 초기 단계에서 가장 두드러지는 분야는 설계 기반 모델링(BIM) 도구다. 응답자 중 상당수가 오토데스크의 레빗(Revit), 오토캐드, 시빌 3D(Civil 3D), 나비스웍스(Navisworks) 등을 사용하고 있다고 응답했다. 벤틀리 시스템즈의 아이트윈(iTwin), 트림블의 테클라(Tekla) 및 트림블 커넥트(Trimble Connect), 아비바의 아비바 E3D(AVEVA E3D) 등도 건설·플랜트 산업에서 활용하고 있다고 답변했다.   정밀 해석 기반의 시뮬레이션 툴 확산 앤시스(Ansys), 아바쿠스(Abaqus), 하이퍼웍스(HyperWorks), LS-DYNA, 시뮬링크(Simulink), 아담스(Adams), GT-스위트(GT-Suite), 플렉스심(FlexSim) 등 해석 전문 툴의 사용도 두드러졌다. 특히 제품 설계나 공정 시뮬레이션에서 정밀한 모델링이 필요한 제조업, 자동차, 중공업 분야에서는 다물리 해석 툴 기반의 디지털 트윈 구현이 주를 이뤘다.   PLM 기반 통합 디지털 플랫폼도 주목 설계-생산-운영 전 주기를 통합 관리하기 위한 PLM 기반 플랫폼도 활발히 사용되고 있다. 다쏘시스템즈의 3D익스피리언스(3DEXPERIENCE), 카티아(CATIA), 에노비아(ENOVIA), 지멘스의 NX, 팀센터(Teamcenter), 플랜트 시뮬레이션(Plant Simulation), PTC의 크레오(Creo), 윈칠(Windchill), 씽웍스(ThingWorx) 외에도 전문 툴인 비주얼컴포넌트 등은 스마트 공정 및 운영 관리까지 연계된 디지털 트윈 구현에 활용되고 있는 것으로 보인다.   게임엔진 기반 실시간 시각화 기술 부상 유니티(Unity), 언리얼 엔진(Unreal Engine), 트윈모션(Twinmotion), 엔비디아 옴니버스(Omniverse) 등 게임엔진 기반 시각화 도구는 실시간 협업과 현장 시뮬레이션에서 각광받고 있다. 특히 언리얼엔진, 유니티와 옴니버스 등은 다른 플랫폼과의 연동성을 강화해 디자인 협업 및 공정 검증에 널리 활용되고 있다.   자체 설루션 및 커스터마이징 비율도 높아 이밖에도 국산 설루션인 이에이트, 소프트힐스, 버넥트, 한국디지털트윈연구소 설루션을 이용하고 있다는 응답도 있었다. 흥미로운 점은 응답자의 상당수가 ‘인하우스 개발’ 또는 ‘자체 플랫폼’, ‘프로젝트마다 요구사항 수렴 방식’ 등의 형태로 독자적인 디지털 트윈 시스템을 운영하고 있다는 것이다. 이는 특정 상용 설루션만으로는 각기 다른 업무 흐름이나 도메인 지식을 완벽히 반영하기 어렵기 때문으로 분석된다. 또한 ‘아직 도입 예정’ 또는 ‘검토 단계’라는 응답도 적지 않아, 디지털 트윈 도입의 확산은 진행 중인 흐름임을 알 수 있다.   넘어야 할 장벽 : 현장의 목소리로 본 핵심 과제 디지털 트윈의 확산이 더딘 배경에는 공통적으로 지적된 여러 장애물이 존재했다. 특히 높은 비용과 불확실한 ROI는 가장 큰 걸림돌로 지목됐다.   디지털 트윈 시스템 구축의 어려움 디지털 트윈 사용 기업이 꼽은 구축 시 가장 큰 어려움으로 ‘초기 투자 비용’(24.4%)과 ‘전문 인력 부족’(20.5%)이 가장 높은 비율을 차지했다. 그 뒤를 이어 ‘ROI 분석의 어려움’(16.6%), ‘경영진의 이해 부족’(15.1%) 순으로 나타났다. 주관식 답변에서는 고비용의 소프트웨어, 외산 설루션 및 3D 프로그램의 높은 라이선스 비용, 디지털 전환(DX) 도입 및 유지보수 비용 과다 등 경제적 부담에 대한 토로가 많았다. 특히 기대효과가 명확해야 한다, 비용 대비 효율이 확보되지 않으면 불가능하다, 실질적인 경영 효과로 어떻게 연결되는지 의문이라며, 투자를 정당화할 명확한 성과 측정과 검증된 성공 사례 부족을 지적했다. 전문 인력 부족 문제는 교육 시스템의 부재와 연계돼 있으며, 현장에서는 관련 교육 기회가 부족하다는 지적이 많았다. 경영진의 이해 부족도 중요한 문제로 나타났다.   그림 10. 디지털 트윈 구축 시 어려움   디지털 트윈 시스템 구축 관련 투자 계획 이러한 어려움에도 불구하고, 향후 디지털 트윈에 대한 투자 의향은 비교적 긍정적이었다. 사용 기업의 향후 투자 계획을 보여주는 그래프를 보면, ‘2년 이내’(31.4%), ‘1년 이내’(19.0%), ‘6개월 이내’(11.4%) 등 2년 내 투자 계획이 있다는 응답이 전체의 61.8%를 차지했다. 반면에 ‘도입 계획 없음’(26.2%)도 상당수 있었다.   그림 11. 향후 투자 계획   미래 투자 방향과 나아갈 길 전체 응답자가 디지털 트윈 확산을 위해 가장 필요하다고 꼽은 요소를 가중치 순으로 나타낸 그래프를 보면, ‘경영진의 의지와 디지털 트윈에 대한 이해’가 다른 항목을 큰 차이로 앞서며 압도적인 1위를 차지하고 있음을 확인할 수 있다. 또한 실제 사용 기업이 겪는 어려움에서도 ‘경영진의 이해 부족’이 중요한 요인으로 드러났다. 주관식 답변에서는 ROI 증명의 어려움과 맞물려 경영진 설득의 어려움을 토로하거나, 심지어 “실제 시험을 안 해도 된다고 생각하는 경영진이 많다”는 언급까지 나와, 리더십의 인식 개선이 시급함을 알 수 있었다. 표준화의 부재 역시 반복적으로 지적되었다. 응답자들은 데이터 표준화, 3D CAD 포맷 변환, 시스템 간 호환성 부족 등을 구체적인 문제로 언급했다.   그림 12. 디지털 트윈 시스템 구축과 확대를 위해 가장 필요한 것   구체적 정보와 성공 사례의 부족 또한 큰 장벽이다. 응답자들은 산업별 사례, 성공 및 실패 경험 등을 통한 실질적 정보 공유를 절실히 요구하고 있다. 이 밖에도 데이터 확보의 어려움, 외산 소프트웨어 의존도, 기술 복잡성, 국산 소프트웨어 개발의 필요성 등이 복합적으로 언급되며, 생태계 전반에 대한 개선이 필요함을 시사했다. 따라서 성공적인 디지털 트윈 도입과 확산을 위해서는 산적한 과제를 해결하기 위한 다각적인 노력이 필요하다. 현장의 목소리와 설문 데이터는 다음과 같은 방향을 제시하고 있다. 정부의 적극적인 역할 : 중소기업 지원 확대 , R&D 지원 및 국산 소프트웨어 육성, 산업 표준화 주도, 선도적인 인프라 투자 및 정책 지원 등 정부의 체계적이고 일관성 있는 지원 정책이 요구된다. 실질적 가치 증명 및 정보 공유 : 명확한 ROI 산정 모델 개발, 산업별 성공/실패 사례 발굴 및 투명한 공유, 기술 효용성에 대한 적극적인 홍보와 교육 강화가 필요하다. 표준화 및 기술 개발 : 데이터 형식 통일, 호환성 확보 등 산업 표준을 조속히 마련하고, 사용자 편의성을 높인 기술 및 플랫폼 개발 노력이 필요하다. 인력 양성 및 생태계 조성 : 실무 중심의 교육 프로그램 개발발 및 전문가 양성 시스템 구축, 산학연관 협력 시스템 강화가 필요하다.   맺음말 : 잠재력 현실화 위한 협력과 실질적 노력 시급 이번 설문조사는 디지털 트윈에 대한 국내 산업계의 높은 관심과 함께, 도입을 가로막는 다양한 현실적 장애 요인을 통계와 목소리로 생생하게 보여준 것이라고 할 수 있다. 이 같은 결과는 국내 산업계에서 디지털 트윈 도입이 활발히 이루어지고 있으나, 여전히 도입 도구의 표준화, 조직 내 전사적 활용, 실제 업무 흐름과의 통합 등에서 과제가 많다는 점을 보여준다. 향후에는 상용 툴과 자체 개발 플랫폼 간의 융합 전략, 그리고 데이터 연동성과 유지관리 측면에서의 체계적인 접근이 더욱 중요해질 것으로 보인다. 또한 디지털 트윈이 제조업 혁신의 핵심 동력으로 자리매김하기 위해서는 산업계, 정부, 학계가 함께 협력해 실질적인 해결책을 모색하고, 지속 가능한 생태계를 조성하려는 노력이 절실하다고 할 것이다.     ■ 기사 상세 내용은 PDF로 제공됩니다.