유라가 자사의 전장 설계 설루션 ‘캐드바이저(CADvizor)’에 제조 설계 자동화 시스템을 선보였다고 전했다. 차량 전장용 와이어링 하네스 생산 기업인 유라는 IT 사업 본부를 통해 제품 개발과 생산에 필요한 다양한 설루션을 자체 개발해 공급하고 있다. 그 중 캐드바이저는 전기 설계를 위한 ECAD 제품으로, 전장 와이어링 하네스 설계에 최적화된 설루션을 제공한다. 이번 제조 설계 자동화 시스템 도입으로 조인트는 이제 수동 배치 대신 3D 경로 데이터를 바탕으로 와이어 길이와 재질 단가를 함께 고려해, 총비용이 최소가 되는 지점에 자동 배치된다. 이 결과가 제조용 배선도에 자동 반영되고, 이어 작업지시서 생성까지 연결돼 설계부터 생산 준비까지의 흐름이 하나로 이어진다.     이번 캐드바이저의 고도화 효과에 대해 유라는 프로젝트 기준 수작업 192시간이 12시간으로 줄어 93.8%의 시간 절감이 기대된다고 설명했다. 현장에서는 자동 배치 후 간단한 검토·보정만으로 곧바로 출도가 가능하고, 원가 측면에서도 배치 최적화로 와이어 사용량이 감소해 10만 대 기준 9.0~10.5억 원 규모의 절감이 예상된다는 것이다. 캐드바이저는 특히 자동차 전장 하네스 개발·생산팀이 겪어온 빈번한 변경에 따른 배선도 재작업, 작업자별 편차, 작업지시 전달 지연 같은 문제에 대해 ‘배선도 자동 설계 − 원가 최소 배치 − 작업지시서 자동 생성’을 한 흐름으로 묶어 속도·일관성·비용 측면에서 동시에 풀어낼 수 있도록 했다. 유라는 배선도 자동 설계·원가 최소 배치·작업지시서 생성을 하나로 묶어 자동 배치 → 검토·보정 → 확정(출도)의 간결한 절차를 구축, 설계부터 생산 준비까지의 자동화를 강화했다고 밝혔다. 이어 2026년에는 회로 설계 단계에 AI 기반 자동 설계·원가 최적화·라이브러리 추천을 도입하고, 디지키·마우저 등 대형 부품 공급사 데이터와 연계해 부품 선택을 고도화함으로써 회로 설계 → 3D 경로 설계 → 제조 설계 → 작업지시서까지 전 과정을 완성할 것이라고 덧붙였다.

벡터코리아는 AUTOSAR Classic 표준을 준수하는 자사의 ECU 개발 설루션 ‘MICROSAR Classic’과 시높시스의 ‘시높시스 실버(Synopsys Silver)’를 통합하여, ECU(전자제어장치) 개발 검증 시뮬레이션을 초기단계부터 확장하여 실행할 수 있도록 지원한다고 밝혔다. 시높시스 실버는 실제 하드웨어 없이 소프트웨어 개발 초기 단계부터 가상 환경에서 전자 제어 장치(vECU)를 생성하고 테스트하는 소프트웨어 인 더 루프(SiL) 설루션이다. 벡터와 시높시스는 지난 3월, 소프트웨어 정의 차량(SDV)의 개발 가속화를 위해 전략적 협력을 맺은바 있다. 양사는 협력을 통해 벡터의 소프트웨어 팩토리 전문성과 시높시스의 전자 디지털 트윈 기술을 사전 통합(pre-integrated)한 설루션을 제공한다. 자동차 제조업체는 설루션을 활용해 소프트웨어 검증 과정을 앞당겨 개발 생산성을 개선하고, 차량 수명주기 전반에 걸쳐 소프트웨어 개발 및 배포 속도를 높일 수 있다. 최근 SDV 아키텍처의 소프트웨어 복잡성이 증가함에 따라 ECU, ZCU(존 컨트롤 유닛 : Zonal Control Unit), CCU(중앙 컴퓨트 유닛 : Central Compute Unit) 등의 개발 주기가 길어지고 임베디드 디바이스 배포가 지연되는 문제가 발생하고 있다. 이러한 과제를 해결하기 위해서는 자동차 제조사와 공급사가 ECU, ZCU, CCU를 개별적으로 그리고 상호 연동된 상태에서 가능한 한 이른 단계부터 검증하는 것이 중요하다. 이러한 조기 검증을 위해, 가상 프로토타이핑(virtual prototyping) 기반 시뮬레이션 도구는 가상 환경에서의 통합 및 테스트를 가능하게 하여 문제를 조기에 발견하고 물리적 프로토타입 필요성을 줄여준다. 이로써 소프트웨어 품질이 향상되고 초기 피드백 확보가 가능해진다.     시높시스 실버는 가상 프로토타이핑 환경에서 ECU, ZCU, CCU 등 다양한 ECU 유형을 가상 ECU(vECU)로 개발 및 테스트할 수 있도록 지원한다. 이를 통해 소프트웨어 개발 속도를 가속화하고, 공급사와 제조사가 하드웨어 디바이스나 프로토타입에 의존하지 않고 소프트웨어를 통합·테스트·디버깅할 수 있다. 시높시스 실버는 임베디드 스택(Embedded Stack)을 가상 하드웨어 위에 배치하여 애플리케이션 통합, 미들웨어 통합, 운영체제 통합(Level 1~Level 3 vECU)을 지원한다. 이를 통해 ECU 소프트웨어의 모듈·레이어·조합을 격리해 수직적·수평적 통합은 물론, 개발 초기 단계에서 ECU 복합 검증(Compound Validation)이 가능하다. 벡터의 MICROSAR Classic은 시높시스 실버와 통합되면서 vECU 단위의 시스템 수준 통합 및 검증이 가능해졌다. 이 과정에서 운영체제와 드라이버는 실버 시뮬레이션 모듈로 대체되며, 임베디드 스택은 가상 하드웨어 환경에서 실행된다. 애플리케이션 소프트웨어는 OEM이 개발하고, BSW(Basic Software)와 RTE(Runtime Environment)는 MICROSAR Classic이 제공한다. 이를 위한 워크플로우는 다빈치 컨피규레이터 클래식(DaVinci Configurator Classic)을 통해 진행된다. 다빈치 컨피규레이터 클래식은 AUTOSAR 기반 ECU 개발 도구로, BSW와 RTE를 설정하고 코드를 생성한다. 가상 통합 단계에서는 실버 시뮬레이션 모듈이 실제 드라이버를 대체하며, 외부 코드 생성기를 통해 시뮬레이션용 소스 코드가 생성된다. 이후 vECU는 SIL(Software-in-the-Loop) 테스트에 활용될 수 있으며, 필요 시 벡터의 CANoe에 SIL Kit을 통해 연결할 수도 있다. 한편, MICROSAR Classic은 실시간 처리가 가능한 임베디드 기본 소프트웨어 스택(Embedded Base Software Stack)으로, 모든 하드웨어 및 주변장치 드라이버를 포함한 모듈형 구조를 제공한다. 사용자는 런타임 환경(RTE)을 직접 정의할 수 있으며, 하드웨어 위나 Vector OS 및 타 OS 환경에서도 실행이 가능하다. 이는 고성능 멀티코어 시스템뿐 아니라 리소스가 제한된 단일 코어 환경에서도 유연하게 적용될 수 있다.

산업통상부는 10월 1일 AI 팩토리 M.AX 얼라이언스 전략 회의를 개최하고, 대한민국 제조업의 인공지능 전환(M.AX)을 통한 2030 제조 AI 최강국 도약을 위한 성과와 전략을 점검했다. 삼성전자, 현대자동차, LG엔솔, 삼성중공업 등 국내 대표 제조 기업들이 한자리에 모여 제조 혁신의 의지를 다졌다. 김정관 장관은 "AI 시대는 속도와의 전쟁이다. AI 팩토리는 빠르게 세계 1위를 도전할 수 있는 분야"라며, "정책과 자원을 집중해 순풍을 만들겠다"고 밝혔다.   AI 팩토리 선도사업, 2030년까지 500개로 대폭 확대 AI 팩토리 선도사업은 제조 공정에 AI를 접목해 생산성을 획기적으로 높이고 제조 비용과 탄소 배출 등을 감축하는 핵심 프로젝트이다. 이날 회의를 계기로 삼성전자, 현대자동차, LG전자, LG엔솔, SK에너지, HD현대중공업, 농심 등 업종 대표 기업들이 신규 참여를 확정했다. 이에 따라 현재 102개인 AI 팩토리 선도 사업은 2030년까지 500개 이상으로 확대될 계획이다. 주요 기업들은 AI 팩토리를 통해 혁신적인 성과를 목표로 했다. 삼성전자는 AI를 통해 HBM(고대역폭메모리반도체)의 품질을 개선한다. HBM은 ’28년까지 연평균 100% 이상 급성장이 기대될 정도로 각광받는 AI 반도체이다. 삼성전자는 현재 전반적으로 사람이 수행중인 HBM 불량 식별 공정에 AI를 도입할 계획이다. AI가 발열검사 영상, CT 이미지 등을 분석해 품질검사의 정확도를 99% 이상 높이고, 영상·이미지 등의 비파괴 검사를 통해 검사시간도 25% 이상 단축할 것으로 기대된다. HD현대중공업은 함정 MRO용(Maintain 유지보수, Repair 수리, Overhaul 정비) 로봇 개발을 추진한다. 보통 선체의 10% 면적에 따개비·해조류 등의 오염물질이 부착되면 연료소비가 최대 40%까지 증가한다. HD현대중공업은 숙련공에 의존하던 해양생물 제거, 재도장 등의 작업을 AI 로봇에 맡겨, MRO효율을 80% 이상 향상시키고 작업자 안전사고 등을 방지할 계획이다. 현대자동차는 셀방식 생산방식에 핵심이 되는 AI 다기능 로봇팔을 개발한다. 자동차산업은 소품종 대량생산의 컨베이어벨트 방식에서, 제품별로 공정을 다르게 적용해 유연생산이 가능한 셀기반 방식으로 전환되고 있다. 현대차는 힌지·도어 조립, 용접품질 검사 등 다양한 공정을 자율적으로 수행가능한 AI 로봇팔을 공정에 도입하여, 시장수요 변화에 신속히 대응하고 생산성을 30% 이상 높일 계획이다. 농심은 라면 제조설비에 AI 기반 자율정비 시스템을 도입한다. 원료공급, 제면, 포장 등의 라면 제조공정은 연속작동 설비가 많아 한 부분의 예기치 못한 고장으로 생산라인 전체가 중단될 수 있다. 이에 각 공정별로 다양한 이상 징후를 조기에 탐지하는 자율정비 시스템을 도입해 설비 효율성을 10% 이상 제고하고, 유지보수 비용은 10% 이상 절감할 계획이다. 현재까지 AI 팩토리 선도사업에 참여중인 업종별 주요기업 자동차 반도체 전자(가전 등) 철강 조선 현대차, LG이노텍, 한국타이어, 기아 삼성전자, 케이씨텍, 이수페타시스 LG전자, 쿠첸, LS전선 포스코, KG스틸, 대한제강 삼성중공업, HD현대삼호 항공·방산 식품·바이오 이차전지 석유화학·섬유 기계·건설 대한항공, KAI. 한화시스템 농심, 삼양식품, 한국콜마 LG에너지솔루션, 삼성SDI SK에너지, GS칼텍스, 코오롱 HD현대건설기계, 코넥 휴머노이드 로봇, 금년부터 제조 현장 실증 본격 투입 AI 팩토리 전략의 한 축으로, 제조 현장 휴머노이드 로봇 투입을 위한 실증 계획도 공개되었다. 금년에는 디스플레이, 조선, 물류 등 6개 현장에 휴머노이드가 투입된다. 분야 수요기업 공급기업 휴머노이드 주요 과업 디플 삼성디스플레이 레인보우로보틱스 레이저 장비내 렌즈교체, 검사 JIG 교체 작업 등 조선 HD현대미포 에이로봇 각종 상황과 이음 형태에 맞는 용접 작업 수행 　 삼성중공업 에이로봇 다양한 장애물, 협소 공간, 비평탄면 등 극복을 통해 자율 이동하며 용접·청소 등 가전 LG전자 로브로스 인간 수준 핸들링 작업 및 보행을 바탕으로 가전제품 공장 내 조립·운송 화학 SK에너지 홀리데이로보틱스 석유화학 제품 검사, 유압/가스 밸브 등 조작, 시료 제조, 검사 시료 운송 등 수행 유통 CJ대한통운 레인보우로보틱스 피킹·분류·검수·포장 등 복잡한 물류 작업 동작을 다양한 상품에 맞게 자율적으로 수행 산업부는 올해부터 2027년까지 100개 이상 휴머노이드 실증 사업을 통해 핵심 데이터와 기술을 확보하고, 2028년부터는 본격적인 양산 체계에 돌입할 계획이다. 선도사업 성과 가시화, 세계 최고 업종별 제조 AI 모델 개발 착수 현재까지 진행된 AI 팩토리 선도 사업에서는 이미 가시적인 성과가 도출되고 있다. GS칼텍스는 AI를 통해 정유 공정 데이터를 분석해 연료 비용을 20%가량 감축했으며, 온실가스 배출 저감 효과도 달성했다. HD현대미포는 AI 로봇을 투입해 용접 검사·조립 작업시간을 12.5% 단축했다. 반도체 기업인 대덕전자와 신한다이아몬드는 AI 도입으로 기존 육안 품질 검사 시간을 각각 90%, 30% 단축하는 성과를 보였다. 이러한 성과를 바탕으로 AI 팩토리 M.AX 얼라이언스는 세계 최고 수준을 목표로 하는 업종별 특화 제조 AI 모델 개발에 착수했다. 제조 AI에 특화된 전문가를 비롯해 뉴욕대 조경현 교수, 멜버른대 한소연 교수 등 초거대 AI 모델 전문가 23명이 공동으로 참여한다. 개발된 모델은 2028년 완료를 목표로 하며, 제조 현장 배포 시 기업들은 개발 비용 50%, 개발 시간 40%를 줄일 수 있을 것으로 기대했다. '다크 팩토리' 구현 위한 AI 팩토리 사업 확대 전략 산업부는 AI 팩토리 사업을 확대·개편해 내년부터 완전 자율형 AI 공장인 AI 팩토리(다크 팩토리) 건설에 필요한 기술 개발과 실증 사업을 추진한다. 제조 공정뿐 아니라 공장 설계, 시생산, 공급망 관리, 물류, A/S 등 제조 전 단계를 아우르는 AI 모델을 개발·확산할 계획이다. 특히 엔비디아 CEO 젠슨 황이 강조한 디지털 트윈을 활용한 '가상공장(Virtual Factory)' 구현을 전략의 한 축으로 삼았다. 가상공장을 통해 기업은 시스템 변경, 설비 고장, 공급망 변동 등 다양한 상황에서 공정 가동을 미리 테스트하고, 실제 공장과 연동해 모니터링, 예지 보전, 원격 제어 등에 활용할 수 있게 된다. 이러한 기술을 바탕으로 2030년까지 우리나라가 세계 최고의 AI 팩토리 수출국으로 발돋움하는 것을 목표로 관련 전략을 수립했다.

산업 디지털 전환을 가속화하는 버추얼 트윈 (7)   현대 산업 시스템이 복잡해지면서 개발 초기 단계의 정확한 요구사항 검증이 중요해졌다. 특히 안전이 중요한 시스템에서 발생하는 오류는 치명적인 결과를 초래할 수 있다. 하지만 자연어 기반의 전통적인 요구사항 명세는 모호하여 해석 오류를 낳고, 요구사항 간 충돌이나 누락을 발견하기 어렵다는 한계를 갖는다. 이번 호에서는 모델 기반 시스템 엔지니어링(MBSE) 접근법을 지원하는 다쏘시스템의 요구사항 시뮬레이션 도구 스티뮬러스(STIMULUS)를 통해 개발 초기부터 정확성, 완전성, 일관성을 검증하는 새로운 해결책을 살펴본다.   ■ 신효주 다쏘시스템코리아의 Industry Process Consultant로 모델 기반 시스템 엔지니어링 설루션을 담당하고 있다. 자동차, 항공, 전자제품 등 다양한 산업 분야에서 프로젝트를 수행하며 복잡한 시스템 개발 과정에서의 어려움을 파악하고 이를 해결하기 위한 방법론과 MBSE 기반의 설루션을 제안하고 있다. 특히, 요구사항 검증 및 시스템 아키텍처 방법론을 중심으로 고객의 개발 효율성과 품질 향상을 지원하는 역할을 수행한다. 홈페이지 | www.3ds.com/ko   MBSE 접근을 통한 요구사항 검증 현대의 산업 시스템은 점점 더 복잡해지고 있으며, 이에 따라 시스템 개발 초기 단계에서의 정확한 요구사항 정의와 검증의 중요성이 커지고 있다. 특히 항공우주, 자동차, 철도, 의료기기 등 안전이 중요한 산업 분야에서는 시스템 오류가 치명적인 결과로 이어질 수 있어, 개발 초기 단계에서의 철저한 요구사항 검증이 필수이다. 그러나 전통적인 요구사항 관리 방식은 여러 가지 심각한 한계점을 가지고 있다. 가장 근본적인 문제는 자연어를 사용한 요구사항 명세에서 시작된다. 자연어의 본질적 모호성으로 인해 동일한 요구사항에 대해 서로 다른 해석이 가능하며, 이는 개발 과정에서 심각한 오해와 실수로 이어질 수 있다. 예를 들어 “시스템은 빠르게 응답해야 한다”와 같은 요구사항은 ‘빠르게’라는 단어의 모호성으로 인해 개발자와 사용자 간에 기대치의 차이를 초래할 수 있다. 또한, 수백 혹은 수천 개의 요구사항이 존재하는 대규모 시스템에서는 요구사항 간의 상충 관계를 수동으로 발견하는 것이 거의 불가능하다. 시스템의 특정 상태나 조건에 대한 요구사항이 누락되었을 때도 이를 문서 검토만으로는 발견하기 어렵다. 더욱 심각한 문제는 대부분의 요구사항 오류가 설계 단계나 심지어 구현 단계에서야 발견된다는 점이다. 이 시점에서의 수정은 많은 비용과 시간을 필요로 하며, 전체 프로젝트의 지연으로 이어질 수 있다. 현대의 복잡한 시스템에서는 이러한 문제가 더욱 심화된다. 정적인 문서로는 여러 컴포넌트가 동시에 상호작용하는 시스템의 동적 동작을 완전히 이해하고 검증하는 것이 불가능하다. 특히 실시간 시스템에서 중요한 타이밍 제약조건을 문서만으로는 충분히 검증할 수 없으며, 요구사항 변경이 시스템의 다른 부분에 미치는 영향을 파악하고 추적하는 것도 매우 어려운 과제이다. 이러한 한계를 극복하기 위해 선진 기업에서는 MBSE 접근법을 주목하고 있으며, 그 중에서도 다쏘시스템의 스티뮬러스(STIMULUS)는 혁신적인 요구사항 시뮬레이션 기능을 통해 새로운 해결책을 제시한다. 스티뮬러스의 Requirement-In-the-Loop(RIL) 시뮬레이션을 통해 요구사항을 형식화 하고 실행 가능한 모델로 변환하여, 개발 초기 단계에서 요구사항의 정확성, 완전성, 일관성을 검증할 수 있다.   모델 기반 요구사항 검증 방법 시스템 개발에서 요구사항의 정확한 명세와 검증은 성공적인 프로젝트 수행을 위한 핵심 요소이다. 이번 호에서는 먼저 스티뮬러스의 핵심 기능인 Requirement-In-the-Loop(RIL) 시뮬레이션에 대해 살펴보려고 한다.   그림 1. 랜딩기어 시스템 핸들 명령 요구사항 모델링   요구사항 모델링 시스템의 기능을 검증하기 위해서는 두 가지 주요 요구사항 관점을 이해해야 한다. 첫 번째는 ‘What’ 관점으로, 시스템이 수행해야 하는 구체적인 동작이나 특정 기능을 명시하는 요구사항을 의미한다. 예를 들어 랜딩기어(landing gear) 시스템에서 “핸들 명령이 down일 때, 모든 랜딩기어는 15초 이내에 확장되고 모든 도어는 닫혀야 한다”와 같은 요구사항이 이에 해당된다. 두 번째는 ‘How well’ 관점으로, 시스템이 기능 요구사항을 얼마나 잘 충족하는지 즉 안전성과 성능, 사용성 등 시스템의 품질 속성을 정의하는 요구사항을 의미한다. 랜딩기어 시스템이 15초 이내에 모든 기어를 확장하고 모든 도어를 닫는 데 성공하는지 여부가 이러한 관점의 예시가 될 수 있다. RIL 시뮬레이션에서는 두 가지 관점 중에서도 ‘What’ 관점의 기능 요구사항을 주로 사용한다. 스티뮬러스는 이러한 기능 요구사항을 형식화하기 위해 일련의 문장 템플릿을 제공하며, 이를 레고 블록처럼 조합하여 정형화된 요구사항을 만들 수 있다. 랜딩기어 시스템에서 ‘핸들 명령이 down일때, 모든 랜딩 기어는 15초 이내에 확장되고 모든 도어는 닫혀야 한다’라는 요구사항을 스티뮬러스에서 형식화하기 위해 ‘When’, ‘is’, ‘shall be’와 같은 기본 템플릿을 조합하게 된다. ‘When’, ‘is’, ‘shall be’와 같은 템플릿은 단순한 문장 구조를 넘어 정확한 의미를 내포하고 있다. 예를 들어 ‘When’ 템플릿은 조건이 참일 때 특정 동작을 활성화하는 상태 기계(state machine)로 정의되어 있으며, ‘is’ 템플릿은 수학적 동등성을 의미한다. 이렇게 명확한 의미가 정의되어 있기 때문에 특정 기능 요구사항에 대해 모두가 동일한 방식으로 스티뮬러스 요구사항 모델을 정의하고, 동등한 의미로 해석할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (3)   지난 호에서는 로코드 분석 솔루션인 KNIME(나임)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 진행해 보았다. KNIME을 통해 ‘데이터 불러오기’와 ‘데이터 병합’에 대한 분석을 진행하였다. 이를 통해 KNIME이 어떻게 동작하는지 그리고 어떻게 데이터 분석을 시작할 수 있는지 대략적으로는 파악할 수 있었을 것으로 생각하고 있다. 이번 호에서는 지난 호에 이어서 나머지 전력 판매량 예측 따라하기 부분을 완성해 보도록 하겠다.   ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자   ■ 윤경렬 현대자동차 연구개발본부 책임연구원   ■ 김도희 잘레시아 DX 프로   규칙 엔진과 데이터 전처리   그림 1   우선 진행해야 할 부분은 Rule Engine(규칙 엔진)이다. Rule Engine이 무엇이고 어떤 데이터 노드인지 알아보자.   그림 2   KNIME 왼쪽 상단의 info 탭을 클릭해서 Rule Engine에 대한 설명을 찾아보도록 하자. 대략의 내용을 읽어보면 Rule Engine은 사용자가 정의할 수 있는 규칙(Rule) 목록을 설정하는 기능인데, 해당 규칙에 매칭이 이루어지면 칼럼(Column)이 새롭게 추가된다. 여기서 규칙은 해당 라인(line)별로 정의되어야 하며, 해당 칼럼은 $name$로 표현되어야 한다.   그림 3   Rule Engine을 통해 시간대별 발전량에서 발전량이 있는 경우를 1, 없는 경우를 0으로 분류하고 ‘is_y_positive’라는 칼럼을 생성하였다. Rule은 $9H$ > 0 => 1로 설정하면 되고, Append column = is_y_positive로 입력한다.   그림 4   노드를 실행(Excute)해 보면 ‘is_y_positive’라는 칼럼이 추가된 것을 알 수 있다.   그림 5   이제 is_y_positive 컬럼이 추가되었으니, 우선 발전량이 있는 경우와 없는 경우로 나누어 각각 얼마나 되는지 카운트해보자.(Value counter 노드)   그림 6   노드를 실행(Excute)해보면 <그림 7>과 같이 발전량이 없는 경우가 12건이 있고, 발전량이 있는 경우는 1448건이라는 것을 알 수 있다.   그림 7     ■ 자세한 기사 내용은 PDF로 제공됩니다.

에픽게임즈는 다양한 산업 분야의 크리에이터를 위한 신규 기능 및 개선 사항이 추가된 ‘트윈모션 2025.2(Twinmotion 2025.2)’를 출시했다고 발표했다. 트윈모션은 언리얼 엔진 5를 기반으로 건축과 영화 & TV, 자동차, 제품 디자인 등 다양한 산업 분야에서 빠르게 사실적인 시각화 작업을 지원하며, 직관적이고 쉬운 UI와 강력한 라이브러리 제공을 통해 전문가와 초보자 모두 누구나 손쉽게 사용할 수 있는 리얼타임 3D 시각화 설루션이다.     최신 버전인 트윈모션 2025.2에서는 ▲나나이트(Nanite) 가상화된 지오메트리 ▲빠르고 쉬운 시각화 ▲향상된 렌더링 기능 ▲향상된 애니메이션 ▲버추얼 카메라(VCam) ▲향상된 머티리얼 할당, 편집, 구성 등 다양한 산업 분야의 크리에이터를 위한 새로운 기능과 향상된 워크플로를 제공한다. 2년 전 언리얼 엔진 5의 다이내믹 글로벌 일루미네이션 시스템 ‘루멘(Lumen)’이 트윈모션에 도입된 데 이어, 이번 버전에서는 UE5의 또 다른 기능인 나나이트 가상화된 지오메트리 시스템이 추가됐다. 나나이트는 보이는 데이터만 필요할 때 자동으로 스트리밍하는 기능으로, 수억 개 또는 수십억 개의 폴리곤으로 구성된 여러 개의 초고해상도 복잡한 메시도 실시간 성능을 유지하면서 작업할 수 있다. 이를 통해 파일을 임포트하기 전에 최적화할 필요가 없어 시간을 절약할 수 있다. 메시는 임포트할 때나 임포트 후에도 나나이트로 변환할 수 있으며, 해당 오브젝트의 모든 메시를 일괄 변환할 수 있는 것은 물론 메가스캔 3D 애셋 및 3D 식물, 스케치팹 애셋도 나나이트로 변환할 수 있다. 트윈모션 2025.2 버전에는 빠르고 쉬운 시각화를 위해 기존과 같은 수준의 시각화를 더 빠르고 간편하게 구현하면서도, 성능 부담을 줄여주는 신규 기능이 추가됐다. 먼저, ‘패럴랙스 윈도우’를 지원한다. 패럴랙스 윈도우는 오픈 셰이딩 언어(OSL) 셰이더를 통해 단순한 가벼운 평면에 실내 공간의 깊이감을 만들어 내 복잡한 3D 지오메트리 없이도 방이나 건물 내부를 시뮬레이션할 수 있는 기능이다. 창문을 모델링할 필요 없이 외부 표면에 패럴랙스 윈도우를 배치하기만 하면 된다. 라이브러리에는 사무실, 주거 공간, 헬스장, 소매점 등 27가지 인테리어가 포함된 패럴랙스 윈도우 폴더가 추가됐다. 이와 함께, ‘애니메이션 포그 카드’를 통해 신에 사실감을 손쉽게 구현할 수 있다. 라이브러리 VFX 폴더에 포함된 17종의 새로운 애니메이션 포그 카드를 사용하면 성능에 미치는 영향을 최소화하면서도 드래그 앤 드롭으로 손쉽게 안개를 배치하고 연출할 수 있다. 안개는 신의 바람이나 카드별로 바람 속도, 방향에 따라 반응할 수 있도록 설정이 가능하다. 트윈모션 2025.2는 향상된 렌더링 기능으로 포토리얼한 트윈모션에서 좀 더 자유로운 스타일이 필요할 때 활용할 수 있도록, 해칭, 쿠와하라 필터링, 펜 등 회화 및 스케치 스타일 효과와 같이 더욱 유연하고 향상된 비주얼 퀄리티를 제공하기 위해 전체 ‘FX 포스트 프로세싱’ 시스템을 개편했다. 또한, 이제 .cube 형식의 자체 룩업 테이블(LUT)을 임포트할 수 있어, 특정 컬러 룩을 구현하고 여러 샷이나 프로젝트 간에 컬러 일관성을 유지하며 컬러 그레이딩 과정을 간소화할 수 있다. 정적인 신에서 움직임을 빠르게 시뮬레이션할 때 유용한 ‘스태틱 오브젝트에 선형 또는 방사형 모션 블러 적용’ 기능과 비디오나 시퀀스를 익스포트할 때 더 높은 퀄리티의 사실적인 모션 블러를 적용할 수 있는 옵션도 추가됐다. 트윈모션 2025.2에는 향상된 애니메이션으로 선택한 형태(평면, 원기둥, 구체)에 따라 오브젝트를 원래 위치에서 바깥쪽이나 안쪽으로 이동시켜 기술 프레젠테이션이나 극적인 연출에 활용할 수 있는 분해도 애니메이션 ‘익스플로더’가 추가됐다. 기존의 트랜슬레이터 및 로테이터 애니메이터에도 ‘스태거 오프셋’이 추가돼 오브젝트가 하늘에서 떨어지거나 지면에서 솟아오르는 효과 그리고 순차적으로 회전하는 것과 같이 신에 역동적인 연쇄 연출을 손쉽게 만들 수 있게 됐다. 또한, 애니메이터를 ‘시퀀스 툴’에서 트랙으로 사용할 수 있어, 애니메이션의 시작 시각 변경, 재생 시간 조절, 다른 애니메이션 요소와 동기화하는 것이 간편해졌으며, 애니메이션을 멈추고 정확한 순간을 선택해 촬영할 수 있도록 이미지 속성에 새로운 글로벌 ‘스태틱/리얼타임 애니메이션’ 재생 옵션이 추가됐다. 이번 버전은 촬영감독부터 시각화 전문가에 이르기까지 누구나 활용 가능한 버추얼 카메라(VCam)를 새롭게 지원한다. 트윈모션을 안드로이드 또는 iOS에서 언리얼 VCam 앱에 연결하면 휴대용 디바이스를 움직이는 것만으로 신에 버추얼 카메라를 배치할 수 있다. ‘샷 탐색’ 기능을 활용하면 신을 자유롭게 탐색하면서 카메라 배치, 각도, 노출, 초점, 배율 등의 설정을 1인칭 시점에서 실험해 볼 수 있으며, ‘디자인 리뷰’에서는 가상의 애셋을 실제로 걸어 다니면서 모든 각도에서 살펴볼 수 있다. 트윈모션 2025.2에서는 향상된 머티리얼 할당, 편집, 구성을 통해 머티리얼 도크에서 머티리얼을 폴더로 정리하고 이름으로 검색할 수 있으며, 머티리얼을 알파벳순으로 정렬할 수 있다. 또한 툴바에 ‘멀티드롭’ 툴 버튼이 추가되어 신에서 마우스 클릭 한 번으로 머티리얼을 빠르게 적용할 수 있어 반복적인 드래그 앤 드롭 작업이 필요 없어졌다. 머티리얼 속성 패널을 탭으로 구성해 가독성을 높이는 한편 주요 설정에 더 쉽게 접근할 수 있고, UV, 엑스레이, 양면과 같은 일부 속성을 서로 다른 유형의 여러 머티리얼을 선택해서 일괄 변경할 수도 있다. 이 탭 중 하나는 해당 머티리얼이 어떤 메시에 할당되어 있는지 확인하고 선택할 수 있는 새로운 기능을 제공한다. 이 외에도, 이번 버전에서는 트윈모션 뷰포트 카메라 위치 및 속성을 DCC 뷰포트 카메라와 동기화할 수 있으며, 컨피규레이션 일괄 익스포트, 클라우드 호스팅 콘텐츠 기능, 3D 잔디, 파노라마 세트, 알리아스(*.wire) 파일 테셀레이션 옵션 등 더욱 향상된 다양한 기능을 만나볼 수 있다.

시높시스와 통합 시너지 강화… AI로 엔지니어링 혁신 이끈다   제품이 복잡해지면서 반도체 설계와 전체 시스템의 구현을 통합하는 엔지니어링이 필수가 됐다. 앤시스는 EDA(전자 설계 자동화) 기업 시높시스와 통합을 통해 제품 개발의 전체 과정을 단일 플랫폼으로 지원한다는 비전을 마련했다. 이와 함께 AI(인공지능) 기술을 자사 포트폴리오 전반에 적용해, 전문가의 전유물이었던 시뮬레이션의 장벽을 허문다는 전략도 제시했다. ■ 정수진 편집장   ▲ 앤시스 패드메쉬 맨들로이 부사장   ‘실리콘부터 시스템까지’ 아우르는 엔지니어링 시대 연다 제품이 점차 스마트해지고 복잡해지면서 물리 세계와 전자 세계의 만남이 그 어느 때보다 중요해지고 있다. 앤시스와 시높시스는 지난 7월 통합 완료를 발표했는데, 두 회사는 각자의 전문성을 결합해 반도체 칩 설계(실리콘)부터 최종 시스템에 이르는 전체 과정을 지원하는 통합 설루션을 제공할 계획이다. 앤시스의 패드메쉬 맨들로이(Padmesh Mandloi) 고객지원 부문 아시아 부사장은 “오늘날의 제품은 단순히 기능을 수행하는 것을 넘어 스스로 사고하고, 협업하며, 환경에 적응하는 지능형 시스템으로 발전하고 있다. 이런 변화는 엔지니어링의 복잡성을 가중시키고 있으며, 반도체 설계와 물리적 시스템의 구현을 별개로 볼 수 없게 되었다”면서, “시뮬레이션 분야의 선도 기업 앤시스와 EDA 1위 기업 시높시스가 손을 잡은 것은 이런 시대적 요구에 부응하기 위한 것”이라고 설명했다. 맨들로이 부사장은 “시스템은 실리콘의 요구사항을, 실리콘은 시스템의 요구사항을 정확히 이해해야 한다”고 짚었다. 예를 들면, 자동차 기업이 자율주행 기능을 구현하기 위해서는 AI 반도체 설계를 고려해야 하고, 반도체 기업은 칩이 자동차에 쓰일지 데이터센터에 쓰일지에 따라 다른 접근법을 선택해야 한다는 것이다. 제품 개발을 위해 엔지니어링 시뮬레이션과 EDA의 긴밀한 상호작용이 필수가 되면서, 앤시스는 시높시스와의 통합이 큰 시너지를 낼 수 있을 것으로 기대하고 있다.   물리 기반 시뮬레이션을 EDA 흐름에 통합 양사 통합의 핵심 전략은 앤시스의 강점인 물리 기반 시뮬레이션을 시높시스의 EDA 설계 흐름에 통합하는 것이다. 이를 통해 차세대 인공지능(AI) 칩, 3D IC 등 고도의 반도체를 설계할 때 필수로 고려해야 하는 열, 구조 변형, 뒤틀림 같은 물리적 문제를 설계 초기 단계부터 해결할 수 있게 된다는 것이다. 앤시스코리아의 박주일 대표는 “특히 고대역폭 메모리(HBM)와 같이 여러 칩을 쌓는 ‘스택 구조’에서 이러한 통합 설루션의 가치가 크다. 앤시스는 이미 HBM의 전력 무결성, 열, 구조적 스트레스 분석 분야에서 삼성전자, SK하이닉스 등과 협력해왔다. 앞으로 시높시스와 함께 칩 설계 단계부터 최종 분석까지 아우르는 단일 플랫폼을 제공할 수 있을 것”이라고 전했다. 앤시스와 시높시스는 조직을 통합하기보다는 각자의 비즈니스 운영 방식을 유지하며 시너지를 낼 수 있는 분야를 탐색하는 데 집중하고 있다. 시높시스가 소수의 반도체 기업을 깊이 있게 지원하는 반면, 앤시스는 수천 개의 다양한 산업군 고객을 보유하고 있어 사업 운영 방식에 차이가 있기 때문이라는 것이 박주일 대표의 설명이다. 그는 “다만, HBM 설루션처럼 시장의 요구가 높은 분야의 기술 통합은 더 빠르게 진행될 수 있다”고 덧붙였다. 앤시스는 시높시스와의 통합 설루션이 특히 복잡한 요구조건을 가진 첨단 산업에서 강점을 발휘할 것으로 보고 있다. 앤시스의 월트 헌(Walt Hearn) 글로벌 세일즈 및 고객 담당 부사장은 “이번 합병이 고객들에게 새로운 기술과 기회를 제공할 것으로 기대한다"면서, “물리 시뮬레이션과 EDA의 결합은 제품 개발의 어려운 과제를 해결하는 최고의 포트폴리오가 될 것”이라고 말했다.   ▲ 앤시스 월트 헌 부사장   AI로 엔지니어링의 문턱 낮춘다 앤시스는 인공지능(AI) 기술을 자사 포트폴리오 전반에 통합해 시뮬레이션의 효율과 속도를 높이고, 전문가 수준의 지식이 필요했던 기술의 문턱을 낮추는 데 주력하고 있다. 복잡한 제품 개발 환경에서 더 많은 엔지니어가 시뮬레이션 기술을 쉽게 활용하도록 돕는 것이 앤시스 AI 전략의 핵심이다. 맨들로이 부사장은 “시뮬레이션은 고도의 전문 지식을 갖춘 전문가의 영역으로 여겨져 왔다. 하지만 디지털 전환이 가속화되면서 기업의 비용 절감과 시장 출시 기간 단축을 위해 시뮬레이션의 활용을 확대하려는 요구가 커졌다”면서, “앤시스는 전문 지식에 대한 의존도를 낮추고 더 많은 사용자가 쉽게 접근할 수 있도록 AI 기술이 탑재된 플랫폼을 제공하는 것을 최우선 과제로 삼고 있다”고 설명했다. AI 기술은 초기 머신러닝(ML) 기반의 최적화 도구를 넘어, 대규모 언어 모델(LLM)과 AI 비서를 거쳐 완전히 자율화된 에이전틱 AI(agentic AI)로 나아가고 있다. 헌 부사장은 크게 네 가지 방향에서 AI를 앤시스 설루션에 적용하고 있다고 소개했다. 스마트 UI(사용자 인터페이스) : UI에 AI를 내장해 반복적인 작업을 자동화함으로써 엔지니어의 작업 효율을 높인다. 앤시스GPT(AnsysGPT) : 오픈AI의 기술을 기반으로 하는 앤시스GPT는 자연어 질의응답을 통해 사용자가 엔지니어링 문제에 대한 답을 더 빠르게 찾도록 돕는다. AI 내장 솔버 : 엔지니어링 해석의 핵심 엔진인 솔버 자체에 AI 기술을 통합해 문제 해결 속도를 이전보다 크게 높였다. 심AI(Ansys SimAI) : 과거의 방대한 시뮬레이션 데이터셋을 학습한 AI 솔버이다. 예를 들어, 기존에 일주일이 걸리던 자동차 외부 공기역학 해석 작업에 심AI를 활용하면 단 하루 만에 완료할 수 있다. 헌 부사장은 “앤시스GPT는 이미 2만여 고객사에서 활발히 사용되고 있으며, ‘앤시스 엔지니어링 코파일럿’도 개발하고 있다. 이 코파일럿은 지난 50년간 축적된 앤시스의 제품 개발 지식을 LLM에 탑재한 형태이다. 유동, 구조, 전자기학 등 모든 분야의 엔지니어링 콘텐츠를 단일 플랫폼 안에서 쉽게 검색하고 활용할 수 있게 될 것”이라고 소개하면서, “이런 혁신을 바탕으로 앤시스와 시높시스는 고객이 미션 크리티컬한 과제를 해결하고 AI 기반 제품과 서비스를 성공적으로 개발할 수 있도록 지원을 아끼지 않겠다”고 밝혔다.   솔버 최적화와 클라우드로 컴퓨팅 인프라 부담 해결 시뮬레이션과 AI 기술은 모두 대량의 컴퓨팅 자원을 필요로 한다. 기업에서는 컴퓨팅 인프라의 구축과 운용에 대한 부담이 클 수밖에 없다. 헌 부사장은 “소프트웨어 최적화와 유연한 클라우드 지원을 통해 고객들이 인프라 제약 없이 혁신에 집중할 수 있도록 돕겠다”고 밝혔다. 우선 R&D 차원에서 앤시스는 자사 솔버의 코드를 전면 재작성하고 있다. CFD(전산 유체 역학)와 전자기를 비롯해 모든 분야의 솔버를 GPU(그래픽 처리 장치) 환경에서 구동되도록 최적화하는 것이 핵심이다. 또한, 앤시스는 AWS(아마존 웹 서비스) 및 마이크로소프트 애저(Azure)와 협력해 클라우드 서비스를 제공하고 있다. 고객사가 대규모 해석과 같이 추가적인 컴퓨팅 성능이 필요할 경우 언제든지 클라우드 자원을 활용해 작업을 확장할 수 있도록 하겠다는 것이다. 헌 부사장은 “시높시스 역시 자체 클라우드를 통해 컴퓨팅 리소스를 제공하고 있는데, 향후 이를 통합하면 더욱 시너지를 낼 수 있을 것”이라고 전했다.   ▲ 앤시스코리아 박주일 대표   한국은 가장 복잡한 제품 개발하는 전략적 요충지 앤시스코리아는 최근 몇 년간 두 자릿수의 성장세를 유지하고 있으며, 올해는 예년보다 더 큰 폭의 성장을 예상하고 있다. 박주일 대표는 “이런 성장의 배경에는 국내 시장의 확고한 디지털 전환(DX) 트렌드와 갈수록 복잡해지는 제품 설계 환경이 있다”고 짚었다. 그는 “한국 기업들은 반도체, 자동차, 조선, 항공우주 등 모든 산업 영역에서 최고 수준의 복잡한 제품을 설계하며 글로벌 기업과 경쟁하고 있으며, 그만큼 국내 고객의 기술적 요구 수준 또한 높다”면서, “앤시스 코리아는 높은 수준의 국내 고객 요구를 시뮬레이션 기술로 충족시키는 것을 최우선 과제로 삼고 있으며, 이를 위해 국내 리소스뿐만 아니라 글로벌 조직과의 긴밀한 협업을 통해 한국 시장과 고객을 적극 지원하고 있다”고 설명했다. 앤시스는 HBM, 3D IC와 같은 스택 구조 반도체의 전력 무결성, 열, 구조 변형 문제 해결을 위해 국내 반도체 기업들과 협력하고 있다. 그리고 고밀도 AI 칩을 개발하는 국내 스타트업들과도 협력을 진행 중이다. 우주 산업에서는 국내 스타트업과 협력해 인공위성의 수명과 성능을 위협하는 우주 잔해물 문제 해결을 돕고 있다. 또한, 삼성전자, LG전자, 현대자동차 등 국내 대기업을 중심으로 AI 기술이 탑재된 시뮬레이션 설루션 도입을 빠르게 진행 중이다. 맨들로이 부사장은 “한국 앤시스 고객의 만족도는 96.8%로 역대 최고치를 기록했으며, 이는 지난 몇 년간 꾸준히 상승해 온 결과이다. 앤시스는 이러한 높은 만족도에 큰 자부심을 가지고 있으며, 앞으로도 최고의 기술을 통해 한국 고객들을 지원하는 데 집중할 것”이라고 전했다.    ▲ 앤시스코리아는 9월 17일 연례 콘퍼런스 ‘시뮬레이션 월드 코리아 2025’를 열고, 최신 기술 트렌드와 함께 자사의 비전, 신기술, 고객 사례를 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.