트렌드에서 얻은 것 No. 23   “AI는 모든 산업에 새로운 가능성을 열어 준다. 중요한 것은 기술이 아니라, 그것을 어떻게 활용하느냐이다.” – 사티아 나델라(Satya Nadella), 마이크로소프트 CEO 마이크로소프트는 생성형 AI를 다양한 산업에 통합하며, 기술의 활용 방식에 중점을 두고 있고,  나델라의 말은 기술 도입보다 전략적 활용이 중요하다는 점을 강조한다.   생성형 AI와 함께 설계하고, 시뮬레이션하고, 개선하라 지금 이 이야기를 한국의 제조기업에 가서 한다면, 이상한 사람 취급을 받을 수 있다. 당장, 어떻게 할 수 있는지 이야기할 수 있느냐? 우리도 그렇게 하고 싶은데, 어떻게 할 수 있는지 제대로 나온 것도 없고, 사례가 있는지 등의 얘기가 자연스럽게 나온다. 맞는 말이다. 하지만, 지금은 레이스의 출발선에서 모두 같은 상황일 것이다. 다만, 전체를 제어하고 미래를 설계하는 혜안이 있는 사람이나 조직 유무에 따라 회사들의 달리기 속도는 분명 차이가 날 것이다.  우리는 그런 시대를 살아가고 또 지나가고 있다. 뉴스에서 다른 회사의 소식을 들으면서 탄식을 하고 있을 것인가, 아니면 고통스럽더라도 뭔가 해 보는 것이 낫지 않느냐의 갈림길에 있다. “그럼에도 불구하고, 우리는 설계할 수 있다.” 그렇다. ‘생성형 AI로 설계하고, 시뮬레이션하고, 개선하라’는 말은 지금의 제조 현장에선 거대한 간극처럼 느껴진다. 공장의 열기와 노하우 속에서 살아온 실무자에게는 뜬구름 잡는 이야기처럼 들릴 수 있다. “AI가 좋다는데, 어디까지 해봤나?”, “누가 이걸 설계에 실제로 썼대?” 이런 질문은 당연한 것이고, 오히려 현실을 잘 아는 사람일 수록 더 조심스러운 반응을 보인다. 그러나 지금, 우리는 모두 레이스의 출발선에 서 있다. 완성된 길도, 검증된 답도 아직 없다. 그러니 이 때 필요한 건 기술보다 먼저 혜안을 가진 사람, 구조를 설계할 수 있는 리더다. 단 한 줄의 프로토타입이라도 그려보려는 엔지니어, 익숙한 보고서보다 새로운 질문을 고민하는 팀장, 시행착오를 감수하고 방향을 잡으려는 임원이 지금 이 시대의 속도를 결정짓는다. 그리고 그 ‘혜안’은 거창한 청사진이 아닐 수도 있다. 단 하나의 설계 데이터를 기반으로 AI에게 첫 도면을 그리게 해보는 실험, 실시간 현장 일지에서 이상 징후를 요약하게 해 보는 시도, 현장의 사진 데이터로 품질 검사 자동화를 위한 검출 모델을 훈련해 보는 도전 등이 현 시점에서 예상해 볼 수 있는 가까운 미래 모습일 것 같다. “우리는 예상치 못한 상황을 목격하고, 예상된 상황을 보고하며, 결국 승리할 것입니다.” – 알렉스 카프, 팔란티어 CEO 카프는 AI를 활용한 제조업의 혁신이 불확실성을 극복하고 성공으로 이끄는 열쇠라고 보고 있으며, 이는 생성형 AI를 통한 제조업의 미래를 긍정적으로 전망한다.    그림 1. 실용형 AI 맵 ‘제조 미래를 바꾸다’(Map by 류용효) (클릭하면 큰 이미지로 볼 수 있습니다.)   제조, AI를 다시 만나다 “설계는 끝났지만, 고객은 원하지 않는다.”  “시뮬레이션은 끝났지만, 현장은 여전히 오류를 반복한다.”  “보고서는 쌓이지만, 문제는 여전히 현재진행형이다.” 이 문장들은 지금도 수많은 제조 현장에서 반복되고 있다. 전통적인 제조 프로세스는 분업과 효율을 중심으로 설계되었지만, 급변하는 고객의 요구와 복잡해진 제품 환경은 기존 체계의 민첩성과 창의성에 한계를 드러낸다. 이제 제조기업은 하나의 질문 앞에 서 있다. “우리는 더 빠르고 똑똑한 공장을 가질 준비가 되었는가?” 생성형 AI는 단순한 자동화 기술이 아니다. 설계자의 의도를 읽고 CAD 모델을 생성하며, 수십 개의 시뮬레이션으로 프로세스 병목을 알려주고, 품질 이상을 예측할 뿐 아니라 원인을 유추해주는 ‘설계적 사고를 하는 AI’가 등장하고 있다. 이는 기술의 도입이 아니라 제조기업의 ‘운영 철학’ 자체가 전환되는 순간이다. 제조기업이 생성형 AI와 함께 앞으로 어떻게 설계하고, 시뮬레이션하고, 개선할 수 있을지를 구체적으로 조망한다. “AI는 인류가 만든 가장 중요한 기술이다. 우리는 그것을 책임감 있게 개발하고 활용해야 한다.” – 순다르 피차이(Sundar Pichai), 구글 CEO 구글은 AI 개발에 있어 윤리적 책임과 사회적 영향을 고려하고 있으며, 피차이의 말은 기술 발전과 함께 그에 따른 책임도 중요하다는 점을 상기시켜 준다.   디자인의 재정의 - AI는 창의적인 엔지니어인가? 전통적인 제조 설계 과정은 복잡한 조건 설정, 반복적인 수정, 협업 간의 커뮤니케이션 비용 등으로 인해 수많은 시간과 리소스를 요구해왔다. 하지만 이제, 생성형 AI는 텍스트 한 줄로 설계를 시작하게 한다. “3개의 모듈로 구성된 소형 드론 프레임을 설계해 줘. 탄소 섬유 기반으로 무게는 150g 이하로.” 이 한 문장으로 AI는 초기 설계안을 생성하고, 다양한 대안 모델을 제공하며, 사용자 요구조건에 따라 자동 최적화를 제안한다. AI는 도면을 '그리는 도구'가 아니라, '제안하고 비교하는 동료 엔지니어'로 진화하고 있다. 예를 들어, 오토데스크의 퓨전 360(Fusion 360), 엔톱(nTop), 다쏘시스템의 3D익스피리언스 웍스(3DEXPERIENCE Works)는 이미 생성형 디자인 기능을 내장하고 있다.  디자이너는 아이디어를 제공하고, AI는 그에 기반한 설계 패턴을 도출한다. 이는 ‘무에서 유를 만드는’ 것이 아니라, 수많은 설계 데이터를 학습한 AI가 새로운 패턴과 조합을 도출해내는 방식이다. 결과적으로 설계자는 더 이상 반복적인 CAD 작업자가 아니다. 이제 디자이너는 ‘기획자’이자 ‘비평가’, 그리고 ‘AI와 협력하는 설계 전략가’가 된다. 또한, 이러한 생성형 설계는 대량 맞춤형 생산(mass customization)과의 결합으로 그 진가를 발휘한다. 기존에는 옵션이 제한된 범용 제품만이 경제성이 있었지만, 생성형 AI는 고객의 요구사항을 빠르게 읽고 즉시 설계에 반영할 수 있다. 이는 ‘고객이 참여하는 설계’, 즉 코디자인(co-design) 시대의 도래를 가능하게 한다. 기업은 더 빠르게 시장에 대응하고, 고객은 더 높은 만족도를 경험한다. 이처럼 생성형 AI는 설계를 단순히 ‘빠르게’ 만드는 기술이 아니라, 설계의 개념 자체를 ‘재정의’하는 도구이자 기업의 창의성과 기민함을 확장하는 전략 자산이 되고 있다. “퍼플렉시티(Perplexity)는 단순한 답변 엔진에서 행동 엔진으로 전환하고 있다. 이제는 단순히 질문에 답하는 것을 넘어, 사용자에게 행동을 제안하고 실행하는 단계로 나아가고 있다.” – 아라빈드 스리니바스(Aravind Srinivas), 퍼플렉시티 AI CEO 아라빈드의 말은 AI 기술이 단순한 정보 제공을 넘어, 사용자와의 상호작용을 통해 실제 행동을 유도하고 실행하는 방향으로 발전하고 있음을 의미한다.   시뮬레이션의 혁신 - 빠른 판단과 적은 비용 과거의 시뮬레이션은 전문 소프트웨어와 고성능 컴퓨팅 자원, 그리고 숙련된 엔지니어의 직관과 경험에 크게 의존해 왔다. CAE는 분명 설계 검증과 최적화의 핵심이었지만, 조건 설정 → 모델링 → 결과 해석 → 반복이라는 고비용 순환은 여전히 제품 개발의 병목으로 작용해왔다. 그러나 생성형 AI는 이 병목을 타파하는 새로운 접근을 제시한다. 자연어로 “강풍 조건에서 뒤틀림이 가장 적은 하우징 구조를 찾아줘”라고 지시하면, AI는 자동으로 물리 조건을 추론하고, 유사 데이터 기반의 시뮬레이션 템플릿을 구성하며, 수십 개의 대안 시나리오를 병렬 생성해 ‘예측 – 설명 – 추천’이라는 삼중 루프를 빠르게 수행한다. 이러한 기술은 시뮬레이션의 대중화(simulation democratization)를 이끈다. 기술 전공자가 아니어도, 제품 매니저나 품질 담당자가 AI의 도움으로 설계안의 응력 분포나 유동 조건에 대해 인사이트를 얻을 수 있다. 이는 실무자가 더 빠르게 결정을 내릴 수 있도록 돕고, 의사결정의 지연 대신, 다중 시나리오 기반의 ‘실험적 사고’를 가능하게 만든다. 대표적인 사례로는 알테어의 AI 기반 인스파이어 플랫폼(AI-driven Inspire Platform), 앤시스의 AI 기반 시뮬레이션 자동화, 그리고 다쏘시스템의 솔리드웍스 생성형 시뮬레이션(Generative Simulation for SOLIDWORKS)이 있다. 이들은 기존 FEM/CFD 분석의 시간과 비용을 줄이는 동시에, 경험 기반 의사결정에서 데이터 기반 최적화로의 전환을 이끌고 있다. 궁극적으로 생성형 AI는 단순히 ‘더 빠른 계산’을 넘어서, “어떤 시나리오를 먼저 고려해야 하는가?”, “이 조건에서 실패할 가능성은 무엇인가?”라는 전략적 질문에 답하는 보조 엔진이 되어 준다. 이는 시뮬레이션을 단지 제품 검증의 도구가 아니라, 경영 의사결정과 R&D 전략 수립의 인공지능 파트너로 진화시키는 변화의 시작점이다.  “AI는 우리가 상상하는 것보다 훨씬 더 빠르게 발전하고 있다. 자율주행차는 그저 시작일 뿐이다.” – 일론 머스크(Elon Musk), 테슬라 CEO 테슬라는 자율주행 기술 개발에 AGI 수준의 AI를 활용하고 있으며, 이는 단순한 기능 향상을 넘어 차량 설계와 운행 방식 전반을 재정의하는 접근이다.   업무 분석과 프로세스 개선 - 데이터는 말하고 AI는 듣는다 제조 현장의 데이터는 언제나 풍부했다. 작업자 일지, 설비 로그, 유지보수 메모, 품질검사 리포트, 현장 사진과 동영상, 고객 클레임 이메일… 하지만 이들 대부분은 정형화되지 않은 ‘텍스트’와 ‘문서’ 형태로 존재하며, 기존 시스템은 이를 ‘기록’하는 데에만 집중했고, 의미를 해석하고 연결하는 능력은 인간의 몫이었다. 이제 생성형 AI는 이 방대한 비정형 데이터의 숲에서 맥락을 이해하는 나무를 찾는다. 작업자가 남긴 “라인 3에서 어제도 제품 정렬이 안 맞았고, 자동 이젝터가 두 번 멈췄다”는 기록은, AI에겐 단순한 텍스트가 아니라 ‘패턴’과 ‘이상’의 시그널이다. LLM은 이런 문장을 분석해 작업 단계별 이벤트를 분해하고, 관련된 설비 로그와 품질 데이터를 연결하여 문제 지점을 도출한다. 이제 업무는 ‘기록하고 보고하는 일’이 아니라, ‘데이터가 스스로 분석하고 말하는 환경’으로 바뀌고 있다. 대표적인 활용 사례는 다음과 같다. 업무 요약 자동화 : 업무 일지를 요약해 경영진에게 핵심 이슈를 전달 프로세스 병목 식별 : 여러 부서의 텍스트 기반 보고서에서 공통 키워드와 불만 분석 문서 자동 생성 : SOP(표준작업지침서), 회의록, 개선안 보고서 등의 자동 초안 작성 협업 인텔리전스 : 여러 팀 간의 커뮤니케이션 데이터를 분석해 협업 지연 포인트 도출 실제로 지멘스는 AI 기반 자연어 처리 기술(Natural Language Processing : NLP)을 통해 디지털 작업지시서와 실시간 현장 대응 리포트를 자동 생성하는 기능을 도입했고, 보쉬는 AI를 통해 품질 클레임 문서에서 반복 출현하는 원인 유형을 추출하여 품질 개선의 단초로 활용하고 있다. 핵심은 이것이다. 현장의 수많은 대화와 기록이 AI에게 ‘말을 거는 데이터’가 되었고, AI는 그 말을 듣고, 요약하고, 통찰을 제시하며, 업무 개선을 스스로 제안하는 존재가 되었다는 점이다. 이제 우리는 묻지 않을 수 없다. 우리는 AI에게 말 걸 준비가 되어 있는가? 그리고 그 대답을 조직이 들을 준비는 되었는가? “가장 큰 위험은 아무런 위험도 감수하지 않는 것이다. 모든 것이 급변하는 시대에서 위험을 회피하는 전략은 반드시 실패로 이어진다.” — 마크 저커버그, 메타 CEO 저커버그는 변화와 혁신의 시대에 기존의 방식을 고수하며 위험을 회피하려는 태도가 오히려 더 큰 실패를 초래할 수 있음을 경고한다.   품질 관리의 진화 - AI는 예지적 감각을 가질 수 있는가 품질 관리는 제조업의 마지막 방어선이자, 가장 정교한 신경망이다. 그러나 지금까지의 품질 관리는 주로 사후 대응(postdefect 대응)에 집중되어 있었다. 불량이 발생한 후 원인을 찾고, 재발 방지책을 수립하고, 문서를 정리하는 ‘후행적 품질 관리’가 일반적이었다. 이제 생성형 AI는 이 전통적 프레임을 근본부터 흔들고 있다. AI는 ‘불량을 감지’하는 것이 아니라, ‘불량을 설명하고 예측’하려 한다. 예를 들어, 제품 표면의 이미지를 기반으로 한 비전 검사 시스템은 단순히 OK/NG를 판단하는 데서 그치지 않고, “이 영역의 텍스처 패턴은 온도 편차에 의한 수축 변형일 가능성이 높습니다”라고 말할 수 있는 설명형 모델로 진화하고 있다. 나아가, 생성형 AI는 텍스트, 이미지, 센서 데이터를 통합적으로 분석해 복합적인 이상 징후를 감지하고, 불량의 '가능성'과 '잠재 원인'을 추론해낸다. 예를 들어 다음과 같은 조합이 가능해진다. 작업자 일지 : “이틀 전부터 용접기압이 다소 약한 것 같다.” 센서 로그 : 오전 9~11시에 기압 편차 발생 불량 이미지 : 비드 형성 불균형 AI는 이를 연결해 “용접 조건의 경미한 변화가 반복 불량의 근본 원인일 수 있다”고 보고한다. 이는 단순한 예측모델이 아니다. ‘설명 가능한 품질 관리(Explainable Quality)’, 즉 AI가 품질 이슈에 대해 왜 그런 판단을 했는지를 근거와 함께 제시함으로써, 품질팀은 더 이상 직감이나 경험에만 의존하지 않고 데이터 기반의 합리적 개선 프로세스를 수립할 수 있다. 이미 보쉬, 토요타, GE 항공 등은 ▲AI 기반 비전 검사 시스템에서 ‘불량 예측 + 원인 설명’을 제공하는 모델을 구축 중이고 ▲ISO 9001과 연동되는 AI 품질 리포트 자동화 시스템을 테스트하고 있다. 이는 곧 ‘AI가 품질 시스템의 일원으로 공식 포함되는 시대’가 오고 있음을 뜻한다. 품질의 정의는 바뀌고 있다. 과거의 품질은 발견과 수정의 문제였지만, 앞으로의 품질은 예지와 설득의 문제다. AI는 이제 불량을 찾아내는 것이 아니라, 불량이 만들어지지 않도록 ‘생산 과정 그 자체를 개선하자’고 제안하는 동료가 되어가고 있다. “AI는 전기를 발견한 것과 같은 혁신이다. 모든 산업에 스며들 것이며, 그 영향을 무시할 수 없다.” – 앤드류 응(Andrew Ng), AI 전문가 앤드류 응은 AI의 보편성과 산업 전반에 미치는 영향을 강조하고 있다. 그의 말은 제조업에서도 AI의 통합이 필수임을 시사한다.   경고와 제언 - 생성형 AI는 도입이 아니라 전환이다 많은 제조기업이 생성형 AI에 주목하고 있다. 설계 자동화, 시뮬레이션 최적화, 업무 요약, 품질 예측… 도입 사례는 늘고 있지만, 도입이 곧 성공을 의미하진 않는다. 생성형 AI는 단순한 툴이 아니라, 운영 철학의 변화를 요구한다. 기존의 프로세스는 ‘정해진 절차와 역할’ 속에서 최적화를 추구해왔지만, 생성형 AI는 ‘질문을 던지고 시나리오를 비교하며 판단을 내리는 유연한 사고방식’을 요구한다. 즉, 기술만 바꾸는 것이 아니라 조직의 사고 체계와 역할 구조 자체를 재설계해야 하는 것이다. 예를 들어 <표 1>과 같은 전환이 필요하다.   표 1   하지만 문제는 기술이 아니다. 가장 큰 장벽은 조직이 AI를 받아들일 준비가 되어 있느냐는 것이다. 임원은 AI를 단순히 ‘자동화 툴’로 간주하는 경향이 많고, 현장은 여전히 ‘내 일을 뺏는 존재’로 AI를 경계한다. 이 간극을 메우지 않으면, AI는 시연 단계에서 멈추고, 조직은 변화의 본질을 놓친다. 따라서 다음과 같은 전환 전략이 필요하다. 파일럿이 아닌 전환 설계 특정 부서에서 테스트하는 것이 아니라, 조직 전체의 프로세스 전환 시나리오를 기획해야 한다. ‘도입 교육’이 아닌 ‘공감 설계’ 기술 사용법이 아니라, 왜 이 기술이 필요한지에 대한 비즈니스 관점에서의 스토리텔링이 필요하다. AI Co-Worker 관점 전환 AI는 도구가 아니라, 함께 판단하고 실험하는 동료로 봐야 한다. 이를 위해 직무 정의서(JD)도 다시 써야 한다. 성과 기준의 재정립 AI 도입 이후에는 ‘정확도’보다 ‘학습 속도’와 ‘적응력’이 핵심 성과 지표가 된다. 결국, 생성형 AI는 ‘도입해야 할 기술’이 아니라 ‘다르게 일하고, 다르게 생각하고, 다르게 운영하는 기업’으로 전환하기 위한 촉매제다. 이제 경영진에게 남은 질문은 단 하나다. “우리는 기술을 도입할 준비가 되었는가?”가 아니라, “우리는 조직을 전환할 용기를 가졌는가?”이다. “지금은 스타트업의 시대… 세상은 여전히 변화의 가능성에 잠들어 있다.” – 샘 올트먼, 오픈에이아이 CEO 올트먼은 기술 혁신의 시기에 기존 기업들이 변화에 둔감해질 수 있음을 경고하며, 새로운 도전과 변화를 추구하는 조직만이 미래를 선도할 수 있다는 메시지를 담고 있다.   맺음말 : 생성형 AI 시대의 제조 기업, 당신은 어떤 그림을 그리고 있는가 미래의 공장은 단지 더 정교하고, 더 빠르며, 더 자동화된 곳이 아니다. 그곳은 데이터를 읽고, 상황을 이해하고, 사람과 함께 결정하는 공장이다. 문제를 발견하기 전에 감지하고, 작업자를 지원하며, 스스로 최적의 방식을 제안하는 공장이다. 그리고 그 공장의 핵심 파트너는 인간의 상상력을 확장하는 생성형 AI다. 이제 중요한 질문은 이것이다. “우리는 어떤 그림을 그리고 있는가?” 기술은 빠르게 진화한다. 생성형 AI는 설계와 시뮬레이션, 업무 분석과 품질 관리까지 제조의 전 과정을 유기적으로 연결하며 ‘스마트’를 넘어 ‘지능적’으로 만들고 있다. 하지만 진정한 경쟁력은 기술의 채택이 아닌, 기술과 함께 일하는 방식의 변화에서 비롯된다. 아직 많은 제조기업은 ‘가능성 탐색’ 단계에 머물러 있다. 하지만 머뭇거릴 시간이 없다. AI는 이미 조직 구조, 업무 정의, 리더십의 방식까지 영향을 미치기 시작했다. 이제는 기술을 배우는 것이 아니라, 기술과 함께 일할 조직을 설계해야 할 때다. 생성형 AI 시대의 제조 기업은 세 가지 질문에 답할 수 있어야 한다. 우리는 상상할 수 있는가? 생성형 AI는 ‘주어진 문제를 해결’하는 것이 아니라 ‘가능성을 확장’한다. 제조기업의 조직은 아직도 문제만 찾고 있는가, 아니면 새로운 기회를 그리고 있는가? 우리는 받아들일 수 있는가? AI는 사람의 영역을 침범하지 않는다. 다만 그 옆에 선다. 우리는 전환할 수 있는가? 우리는 그것을 파트너로 받아들일 준비가 되어 있는가? AI 도입은 기술의 문제가 아니라, 사고방식과 리더십의 전환이다. 과연 지금의 조직은 그 전환을 감당할 수 있는가? 미래의 공장은 말하고 있다. “나는 설계하고, 시뮬레이션하고, 개선할 준비가 되어 있다. 너는 나와 함께 걸을 준비가 되어 있는가?”   ■ 류용효 디원의 상무이며 페이스북 그룹 ‘컨셉맵연구소’의 리더로 활동하고 있다. 현업의 관점으로 컨설팅, 디자인 싱킹으로 기업 프로세스를 정리하는데 도움을 주며, 1장의 빅 사이즈로 콘셉트 맵을 만드는데 관심이 많다.(블로그)     ■ 기사 내용은 PDF로도 제공됩니다.

건설 프로세스에서 협업을 대중화하다   일본의 건설회사인 오바야시(Obayashi)는 유니티 엔진과 픽시즈(Pixyz), 유니티 애셋 매니저(Unity Asset Manager) 등의 설루션을 사용해 모든 수준의 관계자가 어디서나 3D 모델에 즉각적으로 액세스하고 사용할 수 있는 3D 협업 뷰어와 애플리케이션을 구축했다.약 20곳의 건축 현장에서 6개월간 시범 사업을 진행한 오바야시는 모든 직원이 기술 수준에 관계없이 3D 모델에 쉽게 액세스하고 사용할 수 있는 협업 환경으로 업계 표준을 높이고 있다. ■ 자료 제공 : 유니티 코리아     오바야시는 오래 전부터 프로젝트의 기획 및 디자인 단계에서 3D 모델을 활용했다. 그러나 건설 단계에서 이러한 3D 모델을 효과적으로 구현하려는 경우 큰 과제가 있다. 바로 고성능 기기나 전문 기술 없이도 모든 작업자가 대규모 3D 모델에 액세스할 수 있도록 하는 것이었다. 이를 해결하기 위해 오바야시는 유니티의 실시간 3D 설루션으로 전환하여 몰입형 3D 협업 애플리케이션인 커넥티아(CONNECTIA)를 개발했다. 이 애플리케이션의 주요 성과는 다음과 같다.  저사양 PC에서도 대규모 BIM(건설 정보 모델링) 및 포인트 클라우드 3D 모델의 효율적인 렌더링 고급 3D 소프트웨어 기술이 없는 작업자도 손쉽게 사용할 수 있는 사용자 친화적 UI 조사를 진행한 14개 현장 중 71%는 근시일 내에 1인당 월 10시간 이상을 단축할 것으로 예상 커넥티아 애플리케이션의 개발 과정과 오바야시가 데이터 접근성 문제를 극복하기 위해 이 애플리케이션을 어떻게 활용했는지 자세히 알아보자.  “유니티는 말 그대로 ‘건설 현장의 3D 모델을 게임처럼 다룰 수 있게 한다’는 개념을 실현한다.” – 유아사 도모히데 매니저, 오바야시   오바야시의 설루션 : 커넥티아 커넥티아는 모든 현장 작업자가 3D 모델에 액세스하고 이를 실용적으로 사용하도록 할 때 발생하는 문제를 해결하기 위한 오바야시의 설루션이다. 이 설루션을 개발하기 전 오바야시는 기존 BIM 소프트웨어를 주로 활용하여 모델을 구축, 시각화 및 수정했다. 하지만 다음과 같은 문제가 있었다.  하드웨어 문제 : 저사양 PC에서는 대규모 BIM 및 포인트 클라우드 3D 모델을 다루기가 어렵다. 소프트웨어 문제 : 비기술 부문 직원들은 소프트웨어의 복잡성으로 인해 어려움을 겪는 경우가 많았고, 따라서 시간과 리소스가 많이 소요되는 추가 교육이 필요했다. 커넥티아는 오바야시의 기존 3D 모델을 통합하여 직관적인 통합 플랫폼 역할을 한다. 이를 통해 다양한 분야와 배경의 팀원 간 인터랙티브 협업과 3D 모델의 실시간 수정이 훨씬 더 쉬워진다. 개발 프로세스에서 유니티의 설루션은 크게 세 가지 측면으로 중요한 역할을 했다.     애셋 시각화 및 관리 최적화 오바야시는 디테일 수준(LOD) 및 텍스처 압축과 같은 유니티의 고급 렌더링 기술을 활용하여 CAD, BIM, 포인트 클라우드와 같은 복잡한 3D 데이터 소스를 몰입형 협업 애플리케이션 내에서 시각화할 수 있는 즉시 사용 가능한 애셋으로 변환했다. 메타데이터는 건설 작업에서 3D 모델의 가치와 유용성, 수명을 향상시키는 데 중요한 역할을 한다. 오바야시는 픽시즈를 통해 데이터를 애플리케이션에 통합하는 동안 필수 메타데이터를 보존했다. 또한, 픽시즈와 포인트 클라우드 데이터의 호환성 덕분에 오바야시는 기존 BIM 및 CAD 데이터로는 불가능한 수준의 디테일과 정확도를 실시간으로 구현할 수 있었다. 유니티 애셋 매니저는 오바야시의 건설 프로젝트 전반에서 BIM 데이터를 관리하는 중앙 집중식 허브 역할을 한다. 애셋 매니저의 주요 장점 중 하나는 데이터 변환과 버전 관리를 자동으로 처리할 수 있다는 점이다. 이러한 자동화를 통해 오바야시 개발 팀의 부담이 크게 줄어들었으며, 수동 변환이나 다양한 파일 포맷에 대한 개별 지원이 필요하지 않게 되었다. 유니티 애셋 매니저와 커넥티아의 통합 덕분에 추가 개발 작업 없이 3D 모델에 대한 업데이트를 애플리케이션에 쉽게 푸시할 수 있다. 관계자는 이러한 실시간 동기화를 통해 최신 프로젝트 정보에 즉각적으로 액세스하여 협업을 강화하고, 오래된 데이터로 인한 오류의 위험을 줄일 수 있다.   개발 가속화 오바야시는 유니티에서 제공하는 사전 빌드된 프로젝트를 통해 개발을 시작하여 신속하게 커넥티아를 제작했다. 이를 통해 밑작업을 추가로 진행하지 않고도 완전한 기능을 제공하는 사전 구축 몰입형 협업 툴을 활용할 수 있었다. 사전 설정된 환경과 애셋이 포함되어 있어 반복적인 설정 작업이 필요 없기 때문에, 개발 일정을 단축하고 개발자도 처음부터 핵심 기능에 집중할 수 있다. 사전 구축된 프로젝트의 모듈식 디자인 덕분에 오바야시는 필요에 따라 기능을 손쉽게 교체하고 새로운 기능을 추가할 수 있었다. 오바야시에서 추가한 기능은 다음과 같다.  세부 측정 : 중장비 개발을 위한 공간이 충분한지 확인하는 등, 현장 계획 및 의사 결정에 필수적인 데이터를 제공하는 공간 치수를 정밀하게 분석할 수 있도록 지원한다. SSO 로그인 : 마이크로소프트 TIS(Treasury Intelligence Solutions)와 통합을 지원한다. 일정 조정 : 관계자가 시간 경과에 따른 공사 진행 상황을 시각화하여, 실시간 데이터를 기반으로 일정과 리소스를 선제적으로 조정할 수 있다. 실시간 뷰 : 작업자가 실제 건설 현장의 상황을 실시간으로 시각화하여 팀이 효율적으로 작업할 수 있도록 지원한다.   데이터의 접근성 높이기 커넥티아 애플리케이션은 최소한의 그래픽스 기능만 갖춘 기기에서도 3D 데이터에 쉽게 액세스할 수 있도록 하여 관계자 간의 협업을 강화하도록 만들어졌다. 따라서 고성능 기기를 다루지 못할 수 있는 현장 작업자도 이를 통해 중요한 프로젝트 정보는 계속 확인할 수 있다. 오바야시가 유니티를 사용하기로 한 결정적인 이유는 접근성을 보장하는 데 필요한 유니티의 광범위한 플랫폼 지원이었다. 유니티의 플랫폼 확장성을 활용하면 모바일, 데스크톱, AR/VR 등 다양한 기기에서 몰입도 높은 경험을 구현할 수 있다. 이러한 기능으로 사용자는 경험을 공유하고, 3D 공간 컨텍스트에서 모델을 확인하며, 사무실에서 근무하는 관계자와 현장 운영을 원활하게 연결할 수 있다. 또한 커넥티아에는 협업을 더욱 강화하고 모든 관계자가 프로젝트 전반에 걸쳐 일관성을 유지할 수 있도록 하는 다양한 기능이 포함되어 있다. 오브젝트 배치 기능 : 사용자는 이 기능을 통해 3D 환경에서 상호 작용 방식으로 모델을 배치, 정렬, 제거할 수 있으므로 시공 계획을 종합적으로 검토하고 프로젝트 상태를 효율적으로 전달할 수 있다. 주석 기능 : 3D 환경 내에서 오브젝트에 대한 주석을 작성하고, 답글을 달고, 편집하고, 보관할 수 있다.     향후 계획 오바야시는 이 애플리케이션을 사용하여 모델을 제작하고 완성하는 데 드는 노력과 비용을 크게 줄인다는 계획이다. 오바야시는 AI 기능을 통합하여 데이터를 분석하고 반자동식 예비 조사를 수행함으로써 건설 계획 프로세스를 간소화할 수 있는 방안을 구상하고 있다.  “건설 현장의 실시간 정보를 더 많이 확보하면 원격으로 안전 관리 및 품질 관리를 구현할 수 있다. 커넥티아는 이러한 비전에 반드시 필요한 첫 번째 이니셔티브이다.” - 모리 유스케 매니저, SEIBU NUMABUKURO JV CONSTRUCTION OFFICE     ■ 기사 내용은 PDF로도 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (19)   터보 기계는 흐르는 유체와 회전하는 요소 사이에서 에너지 전달이 일어나는 기계에 초점을 맞춘 기계공학의 한 분야이다. 이러한 장치는 많은 산업 분야에서 중추적인 역할을 한다. 이번 호에서는 터보 기계의 시뮬레이션을 위한 솔버의 선택과 설정, 후처리 및 분석, 최적화 등의 과정을 살펴본다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   로터-스테이터 인터페이스 성능을 결정하고 잠재적인 문제를 식별하는 데 필수인 터보 기계의 회전 및 고정 구성 요소 간의 상호 작용을 모델링하는 방법에는 여러 가지가 있다. 다음에 설명된 방법은 동적 영역과 정적 영역 간의 정확한 흐름 전달을 보장하기 위해 로터-회전자 인터페이스를 올바르게 모델링하는 데에 사용된다.  혼합 평면 접근법 : 이 방법은 인터페이스 전반의 유동 특성을 평균화하여 회전 영역과 고정 영역 사이의 인터페이스를 모델링하는 데 사용되는 계산적으로 효율적인 정상 상태 근사치이다. 이 방법은 이들 영역 사이의 흐름을 효과적으로 ‘혼합’하여 안정된 인터페이스 조건을 제공하므로, 로터 블레이드가 고정자 베인을 통과할 때 발생하는 실제 불안정한 현상을 해결하지 않아 시뮬레이션을 단순화한다. 도메인 스케일링 방법 : 이 불안정 기법은 도메인의 물리적 치수를 스케일링하여 로터와 고정자 사이의 상대적인 움직임을 시뮬레이션하는 것이다. 다양한 회전 속도의 효과를 모델링하거나 전체 지오메트리를 명시적으로 모델링하지 않고 정수가 아닌 블레이드 수 비율을 맞추기 위해 자주 사용된다. 이 방법은 로터/스테이터 인터페이스 전체에 동일한 메시 주기성을 적용하여 양쪽에서 일관된 흐름 특성을 보장한다. 위상 지연 방법 : 이 방법은 주기성을 가정하고 도메인의 여러 세그먼트 간에 위상 변이를 적용하여 불안정한 회전자-회전자 상호 작용을 시뮬레이션할 수 있다. 이 방법을 사용하면 전체 도메인의 불안정한 동작을 표현하면서 지오메트리의 일부를 시뮬레이션할 수 있으므로 계산 비용을 줄일 수 있다. 위상 지연 방식은 반복 패턴이나 주기적 대칭이 있는 경우에 특히 유용하다. 회전 기준 프레임(RRF) : RRF 방법은 로터와 함께 회전하는 기준 프레임에서 유동 방정식을 푸는 방식이다. 이 방법은 로터 동작의 물리적 시뮬레이션 없이도 구성 요소 회전으로 인한 흐름 효과를 시뮬레이션한다. 이 방법은 정상 및 비정상 시뮬레이션 모두에 사용할 수 있다. 정상 시뮬레이션에 사용할 경우 회전하는 부품과 정지된 부품 간의 통신을 위한 인터페이스 처리가 필요한 경우가 많으며, 이때 혼합 평면 접근법을 적용할 수 있다. 슬라이딩 메시 방법 : 이 기법은 과도 시뮬레이션에 사용되며 로터와 고정자 사이의 시간에 따라 변화하는 상호작용을 캡처할 수 있다. 로터 도메인의 메시가 고정자 도메인의 고정 메시와 관련하여 움직이거나 미끄러지므로 실제 회전 및 관련 불안정 유동 현상을 시뮬레이션할 수 있다. 다중 참조 프레임(MRF) : MRF는 회전하는 영역의 흐름을 평균화하는 정상 상태 접근 방식이다. 그러나 이 방법을 사용하면 시뮬레이션 도메인의 여러 영역이 서로 다른 기준 프레임에 있을 수 있다. 따라서 회전자 도메인은 회전하는 기준 프레임에 설정하고 고정자 도메인은 고정된 상태로 유지할 수 있다. 고정 회전자 접근법 : 로터와 스테이터 위치가 서로에 대해 고정되어 있는 정상 상태 근사치로, 시간의 스냅샷을 시뮬레이션한다. 슬라이딩 메시 방식보다 계산 비용이 저렴하지만 실제 과도 효과를 포착할 수 없다.   그림 1. 특정 경우와 일반적인 경우의 로터-스테이터 처리 순서도   <그림 1>의 순서도는 특정 유동 특성에 따라 정상 상태 계산에서 로터-스테이터 인터페이스 처리를 선택하기 위한 의사 결정 프로세스를 제공한다. 시뮬레이션에 회전하는 임펠러와 고정된 볼류트 케이스 사이의 상호작용이 포함된 경우, 상세한 국소 유동 변화를 포착하고 계면 전체의 질량, 운동량 및 에너지 보존을 국소적으로 보장하기 위해 국소 보수적 결합을 권장한다. 다음으로, 계면 근처에 충격파가 존재하여 유동장에 강한 영향을 미칠 수 있는 고구배 유동 특성인 경우 1D 또는 2D 비반사 경계 조건이 제안된다. 이러한 조건은 시뮬레이션 결과를 손상시킬 수 있는 경계에서 충격파의 인위적인 반사를 최소화하도록 설계되었다. 마지막으로, 인터페이스 근처에 충격파가 없는 경우 전체 비일치 혼합 평면 또는 보수적 결합 방법을 사용하는 것이 좋다. 완전 비일치 혼합면 방법은 계면 전체의 유동 특성을 평균화하므로 회전자-회전자 상호 작용의 상세한 시간 정확도 캡처가 중요하지 않은 경우에 적합하다. 보수적 결합 접근법은 메시 적합성 없이 인터페이스 전체에서 질량, 운동량 및 에너지를 보존해야 하는 시나리오에 이상적이며, 따라서 회전자 메시와 고정자 메시 간의 어느 정도의 정렬 불일치 또는 비적합성을 수용할 수 있다. <표 1>에는 안정된 시뮬레이션에 사용할 수 있는 다양한 로터-스테이터 인터페이스 처리 방법이 요약되어 있다.   표 1. 회전자-고정자 인터페이스 처리 방법     ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2025 (11)   DWG 호환 CAD인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되므로 이를 삼위일체형(trinity) CAD라고 불리며, 효율적이고 통합적인 작업 환경을 제공한다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반의 아레스 커맨더 2025의 BIM 치수 체인(BIM Dimension Chain) 기능에 대해 간단하게 알아보도록 하겠다.   ■ 천벼리 캐디안 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV    그림 1. BIM 치수 체인   BIM 치수 체인 명령을 사용하면 BIM(건설 정보 모델링) 도면 요소의 치수 체인을 자동 생성할 수 있다. 이 기능은 BIM 도면에서 적절한 치수점을 자동 감지하며, 입구 및 벽 선분의 치수를 보다 명확하게 표시할 수 있도록 체인 내 치수를 그룹화할 수도 있다. 이 명령은 BIM 설정 옵션에서 지정한 치수 규격과 공차를 자동 적용하여 작업의 일관성을 유지한다. 또한, BIM 치수 체인은 BIM 요소와 연동되어 있으며, 도면이 변경될 경우 치수도 자동으로 업데이트된다. 수동으로 생성하거나 BIM 도면 자동화 기능을 활용하여 자동 생성할 수도 있다. 수동 또는 자동으로 실행할 수 있는 BIM 치수 체인 명령으로, 수직 또는 수평, 정렬 요소(객체)의 치수 체인을 생성할 수 있다.   BIM 치수 체인 명령 실행 방법 리본 메뉴에서 BIM → 주석 → 치수 체인(Dimension Chain)을 클릭한다. 메뉴 바에서 BIM → 주석 → 치수 체인(Dimension Chain)을 클릭한다. 명령어 입력 창에 ‘BIMDimensionChain’을 입력한다.   그림 2. BIM 치수 체인 명령 실행   BIM 치수 체인의 주요 기능 자동 중첩 방지 요소들이 너무 가까이 배치되었을 경우, 텍스트가 겹치는 것을 자동으로 방지하는 새로운 옵션을 제공한다. 보다 깔끔하고 가독성 높은 도면 작업이 가능하다.   그림 3. 자동 중첩 방지 예시     ■ 자세한 기사 내용은 PDF로 제공됩니다.  

한국후지필름비즈니스이노베이션(한국후지필름BI)이 특수 토너를 탑재해 더욱 풍부한 컬러 표현이 가능한 고품질 디지털 인쇄기 ‘레보리아 프레스(Revoria Press)’ 신제품 4종을 출시했다. 한국후지필름BI는 2021년 7월 디지털 인쇄 브랜드 ‘레보리아’를 출범하고, 상업 인쇄의 디지털 전환을 가속화하기 위해 다양한 제품을 선보여 왔다. 고해상도 인쇄 품질과 인공지능(AI) 기반 이미지 최적화 기술을 적용한 레보리아 시리즈는 일반 복사부터 디자인·상업 인쇄 등 다양한 분야에서 활용되는데, 이번 신제품은 상업 인쇄에 특화된 ‘레보리아 프레스 EC2100S·EC2100’과 오피스 환경에서도 활용할 수 있는 ‘레보리아 프레스 SC285S·SC285’ 등 총 4종으로 구성됐다. 레보리아 프레스 EC2100S와 레보리아 프레스 SC285S는 CMYK 기본 컬러 외에도 클리어, 핑크 등 특수 토너를 추가해 색상 표현의 폭을 넓혔다. 향후에는 골드, 실버, 화이트 컬러를 추가하여 더욱 다채로운 색감 구현에 나설 예정이다. 또한, 하이엔드 모델에서 사용되는 ‘수퍼 EA-에코 토너(Super EA-Eco)’와 고화질 LED 프린트 헤드를 적용해 최대 2400dpi의 고해상도 출력을 지원하며, 정밀한 이미지 표현이 요구되는 상업 및 디자인 인쇄 환경에 최적화되었다.     이번 신제품은 전사 기능을 향상시키고 토너 상태를 안정화하여 엠보 용지나 거친 용지, 봉투에도 얼룩과 주름 없이 선명한 출력이 가능하다. 용지 수용성도 향상되어 90mm 너비의 봉투부터 330×1300mm 크기의 포스터와 세로형 달력까지 다양한 인쇄물의 고품질 출력이 가능하다. 레보리아 프레스 EC2100S·EC2100은 A4 기준 분당 100매, SC285S·SC285는 분당 85매를 최대 400gsm까지 용지 두께에 상관없이 최대 속도를 유지하며 출력할 수 있어, 상업 및 사내 인쇄 환경에서 더욱 효율적으로 활용할 수 있다. 새롭게 추가된 ‘스마트 모니터링 게이트(Smart Monitoring Gate D1)’ 기능은 인쇄 중 색상 변화와 앞뒤 정렬 상태를 실시간으로 감지하고 자동 보정해, 높은 인쇄 품질을 유지하면서도 생산성을 극대화한다. 더불어 AI를 기반으로 구축된 프린트 서버 ‘레보리아 플로우(Revoria Flow)’가 각 장면을 분석해 최적의 이미지 보정을 적용하며, 정전기 제거 장치와 말림 보정 기능 등 향상된 후가공 옵션을 통해 더욱 정밀한 출력 결과를 제공한다. 한국후지필름BI의 하토가이 준 대표는 “이번 신제품은 생동감 넘치는 컬러와 빠른 출력 속도로 상위 모델급 성능을 제공하며, 공간 효율적인 설계를 적용해 사내 인쇄부터 상업 인쇄까지 폭넓게 활용할 수 있다”면서, “앞으로도 고객의 다양한 요구에 부응하는 혁신적인설솔루션을 지속적으로 선보이며 디지털 인쇄 시장을 선도해 나갈 것”이라고 밝혔다.

개발: ZWSOFT 주요 특징 : 제조/기계 분야에 특화된 설계 기능 탑재, 6만 개 이상의 표준 부품 라이브러리 제공, 하드웨어 가속화 기능 결합해 대용량 도면 작업의 속도 향상, 제조/기계 설계에 필요한 세부 사항 설계 및 엔지니어링 도구 추가 제공 등 공급 : 지더블유캐드코리아   지더블유캐드코리아가 제조 및 기계 설계 부문에서 혁신적인 설계 효율성과 사용자 요구를 반영한 최신 버전 ‘ZWCAD(지더블유캐드) LM 2025’와 ‘ZWCAD MFG 2025’를 선보였다. 제조/기계 분야에 특화된 설계 기능과 6만 개 이상의 표준 부품 라이브러리를 갖춘 두 제품은 범용 CAD 소프트웨어보다 설계 작업의 효율성을 높이며, 대용량 도면 작업 시에도 높은 성능을 제공한다. 특히 ZWCAD LM 2025는 꼭 필요한 기능만으로 제조 설계에 최적화된 설루션을 제공하며, ZWCAD MFG 2025는 BOM 기능과 정밀한 기계 주석 기능까지 지원하여 도면 생산성 향상에 기여한다. 이를 통해 제조/기계 설계 부문 종사자가 더욱 빠르고 정확하게 설계 작업을 수행하고, 설계자는 대규모 프로젝트에서 발생하는 반복적인 작업을 단축하는 동시에 설계 데이터의 정확도를 높여, 최종 도면 완성도와 생산성을 동시에 높이는 데에 기여할 것으로 보인다.   ZWCAD LM 2025 ZWCAD LM 2025는 제조업 설계에 필수적인 기능만을 담아 더욱 효율적인 작업 환경을 제공하는 2D CAD 소프트웨어다. 이 소프트웨어는 6만 개 이상의 기계 표준 부품과 기계 엔지니어링 도구를 탑재하여, 일반적인 ZWCAD 설계 작업 대비 시간 절감 효과를 실현하며, DWG 형식과 100% 호환성을 통해 디자인 작업의 개방성과 편리성을 높인다. 특히 ZWCAD의 자체 엔진과 하드웨어 가속화 기능이 결합되어, 100MB 이상의 대용량 도면에서도 빠른 작업이 가능해 타 소프트웨어 대비 높은 성능을 제공한다. ZWCAD LM 2025는 표준 부품 라이브러리 기반의 표준 도면 생성, 효율적인 주석 도구, 파워 치수 기능 등 제조 부문에 특화된 기능을 포함하여 설계 작업을 더욱 가볍고 신속하게 진행할 수 있도록 최적화되어 있다.    ▲ ZWCAD LM 2025의 기계 도면 메뉴   ▲ ZWCAD LM 2025의 기계 주석 메뉴   부품 라이브러리 및 생성기 앞서 소개한 대로 ZWCAD LM 2025는 설계 작업을 더욱 신속하고 체계적으로 처리할 수 있도록, 6만 개 이상의 표준 기계 부품이 포함된 라이브러리를 제공한다. 나사, 너트, 워셔, 핀, 리벳, 스프링, 베어링 등 다양한 부품이 포함되어 있어 설계자는 필요한 부품을 라이브러리에서 즉시 찾아 사용할 수 있다. 또한 부품 라이브러리에는 치수를 자동으로 생성하고 블록, 그룹, 개별 객체 형태로 내보낼 수 있는 옵션이 있어, 설계의 유연성을 높이면서 시간을 절감할 수 있다.   ▲ ZWCAD LM 2025의 부품 설계 및 개발 시스템 프레임   STEP 파일 가져오기 ZWCAD LM 2025는 국제적인 기계 산업 파일 형식인 STEP 파일의 가져오기를 지원하여, 설계 부서와 제조 부서 간의 파일 전송 효율을 높인다. 지원하는 STEP 버전은 AP203과 AP214이며 위치, 가져오기 방법, 디스플레이 설정을 포함한 세부적인 설정 옵션을 통해 사용자 맞춤형 가져오기가 가능하다. 이를 통해 파일 전송 및 호환성 문제로 인한 시간과 비용을 줄일 수 있어, 설계 과정의 연속성을 보장한다.    ▲ ZWCAD LM 2025의 STEP파일 불러오기 옵션   파워 치수 ZWCAD LM의 파워 치수 기능은 설계 과정의 정확도와 효율성을 높여주는 도구다. 일반적인 치수 표시뿐 아니라 공차와 끼워맞춤 같은 정밀한 치수 설정이 가능해, 제조업에서 필수인 정밀 설계를 손쉽게 구현할 수 있다. 다양한 치수 기능을 통해 설계자는 작업 목적에 맞는 치수를 더욱 직관적으로 표현할 수 있으며, 이를 통해 도면의 품질을 높이고 생산성까지 높일 수 있다.  ZWCAD LM 2025는 이러한 고급 기능을 통해 설계자들이 대규모 프로젝트에서도 효율적으로 작업할 수 있는 환경을 제공하며, 설계 품질과 정확도를 한층 높여 제조업 설계의 새로운 기준을 제시한다.    ▲ ZWCAD LM 2025의 파워치수 옵션   ZWCAD MFG 2025  ZWCAD MFG 2025는 6만 개 이상의 표준 기계 부품과 기계 엔지니어링 도구를 제공하여, 일반적인 ZWCAD FULL 제품보다 더욱 빠르게 설계 작업을 수행할 수 있는 환경을 조성한다. 이를 통해 설계자는 반복 작업을 단축하고 도면 생산성을 높이며, 전반적인 작업 시간을 절감할 수 있다.  또한, ZWCAD FULL 버전의 모든 기능을 지원하면서 제조/기계 설계에서 필요한 세부 사항 설계 및 엔지니어링 도구를 추가로 제공해, 산업별 맞춤형 설계가 가능하다.  ZWCAD MFG 2025는 기계 설계 작업에 필수적인 2D 시트 도면을 위해 다양한 도구를 갖추고 있다. 샤프트 생성기, 기하공차, 치수, 표면 텍스처 기호, 풍선(balloon), BOM, 표준 부품 등 세부적인 설계 기능이 포함되어 있어, 정밀하고 체계적인 도면 작업을 지원한다. 특히 BOM 기능은 부품 목록을 체계적으로 관리할 수 있어, 효율적인 자재 관리와 생산 계획 수립에 도움을 준다.   기계 부품 라이브러리&샤프트 및 기어 생성 ZWCAD MFG 2025가 제공하는 라이브러리에는 나사, 너트, 워셔, 핀, 리벳, 스프링, 베어링 등이 포함되어 있어, 설계자는 필요한 부품을 손쉽게 검색하고 치수 자동 생성 기능을 통해 설계의 유연성을 극대화할 수 있다. 또한, 부품을 블록, 그룹, 개별 객체로 내보낼 수 있는 옵션이 있어, 작업의 다양성과 효율성을 높인다. 샤프트 및 기어 생성기 또한 파라미터 입력만으로 다양한 샤프트와 기어를 신속하게 생성할 수 있어 복잡한 기계 설계 작업의 시간을 줄인다.    ▲ ZWCAD MFG 2025의 샤프트/기어 생성 옵션   지능적인 풍선 기호와 BOM 기능 ZWCAD MFG 2025의 풍선 기호 및 BOM 기능은 설계의 정확도와 일관성을 유지하면서도 효율적인 자재 관리가 가능하도록 설계되었다. 설계자는 다양한 옵션을 통해 풍선 기호를 쉽고 빠르게 삽입하고, 이를 정렬 및 편집할 수 있으며, 풍선 기호에 대한 모든 변경 사항은 자동으로 BOM에 반영되어 데이터의 최신 상태가 유지된다. 또한 표준 부품을 자동으로 인식하여 BOM에 요약 표시해, 생산 계획 수립 및 자재 조달 시 일관성을 보장한다.    ▲ ZWCAD MFG 2025의 표준 부품 BOM 요약 표시   확장된 제조용 도구 : 구성선 구성선 도구는 32가지의 옵션을 제공해 설계자가 원하는 기준선을 쉽게 설정할 수 있다. 이 구성선은 도면의 기본적인 형태와 구조를 정의하는 데에 필수이며, 복잡한 설계를 체계적으로 정리할 수 있도록 돕는다. 추가로 7개의 옵션을 통해 구상원(구형을 위한 기준 원)을 생성할 수 있어, 원형 부품이나 구형 형태의 설계를 빠르게 시각화할 수 있다.    ▲ ZWCAD MFG 2025의 구성선 선택 모드   확장된 제조용 도구 : 중심선 중심선 도구는 기계 설계에서 가장 자주 사용하는 기능 중 하나로 직사각형, 원, 또는 다양한 객체를 선택하여 중심선을 빠르고 정확하게 생성할 수 있다. ZWCAD MFG 2025는 단일 대상뿐만 아니라 복수의 대상을 선택해 동시에 중심선을 그릴 수 있는 기능을 지원하여, 복잡한 도형이나 구조물을 설계할 때에도 유용하게 쓰인다. 중심선은 기계 부품의 대칭성을 강조하고, 설계의 정확도를 높이는데 필수인 요소로, 부품 간의 관계를 명확히 하여 설계 의도를 더욱 쉽게 전달할 수 있게 한다.    ▲ ZWCAD MFG 2025의 중심선 표시   확장된 제조용 도구 : 상세 도구 ZWCAD MFG 2025의 상세 도구는 도면의 특정 부분을 원하는 축척으로 확대하여 표시할 수 있는 기능을 제공한다. 이는 설계에서 특히 세밀한 부분을 강조하고자 할 때 유용하며, 복잡한 영역이나 작은 치수를 기입하기 어려운 부분에 대해 명확하게 작업할 수 있는 환경을 조성한다. 상세 도구는 확대된 섹션을 도면의 다른 위치에 배치할 수 있어, 전체적인 도면 흐름을 방해하지 않으면서도 세밀한 정보를 전달할 수 있다. 이러한 기능은 설계의 명확성과 시각적 이해도를 높여주며, 작업자 간 원활한 협업을 가능하게 한다.   ▲ ZWCAD MFG 2025의 상세보기 옵션     ■ 기사 내용은 PDF로도 제공됩니다.

  캐드앤그래픽스에서는 귀사(기관)를 무료(희망시 유료)로 홍보할 수 있는 '디지털 트윈 가이드’ 책자 발간을 준비 중에 있습니다. 디지털 트윈 분야의 변화하고 있는 트렌드를 담을 수 있도록 다양한 내용으로 구성할 예정입니다. 책자는 2025년 3월 정도 출간 예정하고 있습니다. 한국산업지능화협회와 캐드앤그래픽스가 공동으로 진행하는 이번 프로젝트에 많은 관심과 참여를 부탁드립니다. * 수록 내용은 캐드앤그래픽스 잡지에도 공유될 수 있습니다. 1. 디지털 트윈 소개 및 기술/동향에 대한 기고 요청 - 디지털 트윈 개론 - 디지털 트윈 핵심 기술 - 디지털 트윈 도입 전략과 구축 가이드 - 디지털 트윈 최신 트렌드 - 디지털 트윈 적용 사례 - 기타 관련 기술 기고 원고 분량 : A4 용지 2~6매 내외(워드로 작성 권장)  *  해당 주제 파트에 관련된 세부 원고들이 들어갈 예정입니다.    2. 기고 원고 및 자료 제출 방법 및 마감일  - 기고 제목 마감일 : 2025년 1월 10일 - 기고 희망시 제목 먼저 보내주세요(조율 예정) * 기고 원고는 마감하였습니다.  보낼 내용(제목 : 디지털 트윈 가이드 참여 요청, 작성자 이름 및 소속, 연락처, 작성할 원고 제목 및 간단 요약) * 기고 승인 받은 원고에 한해 진행 예정 - 원고 마감일 :  1차 12월 20일 /  최종 2025년 2월 12일  3. 문의 : 캐드앤그래픽스 취재부 / 02-333-6900 /  plm@cadgraphics.co.kr   4. 업체 무료 홍보 관련 안내 (솔루션 벤더사) * 솔루션 판매 벤더사의 경우 별도 양식과 안내문을 보내드립니다. (업체 소개 지면 구성 - 업체소개/솔루션 소개/제품리스트 표) - 벤더사는 개별로 메일 보내드릴 예정이며, 받지 못하신 분은 연락주시면 보내드리겠습니다.  - 기본 무료로 홍보 가능(마감)하며, 원하실 경우 유료 참여도 가능합니다. (무료 참여 종료) - 유료 참여 및 광고 게재 문의(2월 28일까지)   <디지털 트윈 가이드> 기고 희망 신청 및 업체 홍보 안내 양식 신청하기 ----------------------------------------------------- 5. 기술 원고 기고문 작성 요령 *기고문 쓰실 분은 사전 신청 후 진행해주세요   (1) 제출물 : 원고, 그림이 삽입되어 있는 원본, 그림 별도 파일   (2) 사용 소프트웨어 : 워드, 한글, TXT 파일 등(파워포인트, 엑셀 파일은 불가)   (3) 분량 : A4 기준 2~6장 내외(그림 별도)   (4) 그림 : 원고에 삽입되어 있는 원본 그림 파일을 전달해 주시면 됩니다. 별도 그림 첨부(그림파일명은 1,2,3,4---.jpg 등 순차적으로 써주시거나 원고에 파일명으로 표기) 그림 파일 형식 : jpg, png, bmp 등(gif는 가능하면 사용하지 말아주세요.) 그림 해상도 : 200dpi 이상 또는 가로 사이즈 700px 이상을 권장합니다. 그림 원본이 파워포인트일 경우 파워포인트 파일도 함께 전달해 주시면 좋습니다. 화면 캡처시 이미지(검정색 바탕에 실선이 가늘게 있을 경우 인쇄에서 잘 보이지 않을 수 있습니다. 인쇄를 해도 무난하고 잘 보이는 색으로 선정해서 잘 보일 수 있도록 작업을 해주시면 감사하겠습니다.)   저작권 문제가 없는 이미지를 사용해 주세요.  (5) 원고 작성시 번호 체계 가능하면 번호를 이용해 체계적으로 정렬하여 주시면 정리하는데 도움이 됩니다. 작성 순서는 1.  (1)   1)   가.  ① 순으로 해주시면 좋습니다. (6) 제목과 전문 머리글(시작하는 글)은 기고 시작에 앞서 하고 싶은 얘기나 원고의 핵심 내용을 요약해, 3~4줄 정도로 정리해주시면 됩니다. (7) 필자 소개 소속, 업무 내용, 경력, 연구분야 등을 2~3줄 분량으로 소개해 주시면 됩니다. 사진, 이메일 주소를 함께 보내주세요.(공개 가능하신 경우)   현재 참여의사 밝혀주신 업체들(2025.1.24 기준) - 누락되었거나 추가로 참여하고 싶은 업체는 연락주세요 - 아래 명단은 현재 자료가 왔거나 보내주시기로 한 업체소개 참여 업체 예정리스트 입니다.  AWS ACS 가이아3D 나인플러스아이티 디지털트윈연구소 로크웰 오토메이션 마이링크 소프트힐스 아이지피넷 아이티언 알씨케이 앤시스 에스더블유에스 에픽게임즈 엔비디아 엠아이큐브 오토데스크 오토폼 원프레딕트 유니티 이안 이에이트 이엔지소프트 지멘스 큐픽스 타임텍 태성에스엔이 플랜트에셋 한국알테어 헥사곤ALI 헥사곤MI 비아이엠팩토리&한국공항공사 씨이랩 아브로소프트코리아  오라클 유비씨 젠스템 지멘스 DI 포디게이트 프라이스워터하우스컨설팅(PWC) 한국지멘스

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (6)   이번 호에서는 크레오 파라메트릭 11(Creo Parametric 11)의 개선된 인터페이스에 대해 알아보자.   ■ 박수민  디지테크 기술지원팀의 과장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다.  홈페이지 | www.digiteki.com   크레오 파라메트릭 11의 최신 버전은 설계 작업에서 효율성과 편의성을 크게 향상시킨다. 디스플레이 품질 개선으로 더욱 정교한 화면 표시가 가능해져 설계 세부사항을 정확하게 볼 수 있으며, 옵션 대화 상자의 검색 기능 덕분에 필요한 설정을 빠르게 찾을 수 있다. 그리고 메시지 로그에 타임스탬프 기능이 추가되어 문제 발생 시 시간별 추적이 용이하고, 모델 트리와 탐색 트리의 워크플로 개선으로 설계 구조를 더 쉽게 관리할 수 있다.  또한, 파일 정렬 기능 개선으로 설계 파일을 효율적으로 탐색할 수 있으며, 서피스 선택 기능 향상으로 3D 주석 및 색상 지정 작업이 더 빨라진다. 맵키 구성도 분리되어 맞춤형 설정을 더 쉽게 관리할 수 있어, 복잡한 설계 환경에서도 유연한 작업이 가능해졌다. 이러한 개선들은 설계 시 작업 효율을 높일 수 있다.    디스플레이 품질 개선을 위한 기본 설정 옵션 변경  디스플레이 품질을 개선하고 기본 환경을 최적화하기 위해 설정 옵션의 기본값이 조정되었다. 이 기능 개선으로 인해 다음과 같은 변경 사항이 적용된다.      디스플레이 품질을 개선하기 위해 여러 가지 세부 기능이 변경되었다. 모서리의 쪽맞춤 품질과 음영처리 및 모서리 품질이 향상되었으며, 축, 점, 좌표계, 회전 중심의 디스플레이가 꺼짐 상태로 기본 설정되었다. 또한, 탄젠트 서피스 간의 모서리 치수 지정이 가능해졌고, FSAA(전체 화면 에일리어싱 제거) 기능이 활성화되었다. 모델 트리, 레이어 트리 또는 포인터 아래의 3D 세부 트리가 미리 강조표시되며, 동적 회전 중에도 기준 피처가 표시된다.  이러한 개선을 통해 디스플레이 품질을 높이고, 전체적인 사용자 경험을 향상시킨다.    옵션의 사용자 인터페이스의 검색 기능  추가 파일 → 옵션에서 오른쪽 상단에 옵션명을 검색하는 기능이 추가되었다. 검색을 통해 원하는 옵션을 더 빠르게 찾고 수정할 수 있다.      크레오 옵션 대화 상자에 검색 도구가 추가되어 옵션과 구성 설정을 빠르게 검색할 수 있게 되었다. 사용자는 검색 조건 및 동작을 사용자 정의할 수 있으며, 옵션 이름, 설명, 도구 설명, 레이블 또는 값을 기준으로 검색이 가능하다. 두 글자 이상 입력하면 검색 결과가 표시되며, 포인터를 항목에 놓으면 해당 옵션이 강조 표시된다. 또한, 사용자 인터페이스에 없는 config.pro 옵션도 결과에 포함되며, 이를 직접 변경할 수 있어 사용자 경험이 향상된다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.