액센츄어가 제조업체들이 기존 및 미래의 공장과 창고를 혁신하여 소프트웨어 정의 시설로 전환할 수 있도록 돕는 설루션인 ‘피지컬 AI 오케스트레이터(Physical AI Orchestrator)’를 출시했다. 이 클라우드 기반 설루션은 엔비디아 옴니버스(NVIDIA Omniverse), 엔비디아 메트로폴리스(NVIDIA Metropolis), 그리고 액센츄어의 AI 리파이너리(AI Refinery) 플랫폼의 AI 에이전트를 결합한다. 소프트웨어 정의 시설에서는 가상 복제본이 물리적인 자동화 공장이나 창고 및 장비를 미러링한다. 이러한 라이브 디지털 트윈은 문제를 감지하고 정확한 물리학을 사용해 잠재적인 공정 변경의 영향을 실시간으로 시뮬레이션한다. 그다음 AI 에이전트가 통찰력을 정확한 지침으로 변환하여, 물리적 공장이 변화하는 수요, 품질 또는 일정에 적응할 수 있도록 한다. 제조업체는 피지컬 AI 오케스트레이터를 통해 컨베이어, 산업용 및 모바일 로봇부터 작업 현장 및 창고 레이아웃에 이르기까지, 계획되거나 기존의 물리적 자산에 대한 라이브 디지털 트윈을 구축하고 이를 물리적 대상에 연결할 수 있다.     피지컬 AI 오케스트레이터는 ▲리얼리티 캡처 ▲AI 에이전트 ▲비전 분석 ▲자산 커넥터 ▲XR 확장 등의 기능을 제조업체에 제공한다. 리얼리티 캡처(Reality capture)는 공장 및 장비의 디지털 트윈을 생성하기 위한 자동화 AI 기반 프로세스 세트이다. 비디오와 스캔 데이터가 사실적인 3D 모델로 변환되어 레이아웃 변경을 감지하고 디지털 트윈을 최신 상태로 유지한다. AI 에이전트는 과거 프로젝트의 전문 지식을 바탕으로 새로운 생산 라인을 설계, 시뮬레이션, 설치하는 등의 전체 과정에서 엔지니어를 지원한다. 비전 분석(Vision analytics) 기능은 정확한 시뮬레이션 실행에 필요한 시설 내 작업자, 차량, 자재 이동과 같은 실시간 비디오 데이터를 캡처하고 수집한다. 자산 커넥터(Asset connectors)는 기존 장비를 플러그 앤 플레이 방식으로 시뮬레이션에 통합하며, XR 확장(XR extensions) 기능은 고품질 증강 환경에서 디지털 트윈과 상호 작용하고 공유 가상 공간에서 훈련 및 협업을 가능하게 한다. 액센츄어는 피지컬 AI 오케스트레이터를 초기에 도입 기업들이 측정 가능한 이점을 확인했다고 전했다. 이 설루션은 제품 설계 비용과 신규 공장 건설을 위한 자본 비용을 낮추고 더 높은 공장 계획 정확도를 제공하도록 설계되었다. 네트워크 및 데이터 설루션 제공업체인 벨덴(Belden)은 피지컬 AI 오케스트레이터를 사용하여 지속적인 작업을 방해하지 않으면서 로봇 주변에 안전 구역을 생성하는 가상 안전 펜스(virtual safety fence) 설루션을 개발했다. 이 설루션은 에지 AI(edge AI)를 사용해 시설 내 작업자, 차량, 로봇의 움직임과 장비 경로를 센티미터 수준의 정밀도로 감지하고 모델링한다. 이를 통해 사람이 로봇의 작업 구역에 들어가면 로봇이 자동으로 중지되거나 경로가 변경된다. 한 소비재 제조업체는 이 회사는 피지컬 AI 오케스트레이터를 사용해 창고 운영의 디지털 트윈을 구축하여 작업자 이동, 피킹(picking) 비율, 컨베이어 시스템을 분석해 처리량 격차와 레이아웃 비효율을 파악했다. 디지털 트윈은 레이아웃 설계 및 자원 배분에 대한 조정을 권장했다. 그 결과 컨베이어 흐름을 최적화하여 처리량이 20% 향상되었고, 반복적인 시행착오 재설계를 없애 자본 지출을 15% 절감했다. 액센츄어 인더스트리 X(Industry X)의 프라사드 사티야볼루(Prasad Satyavolu) 디지털 엔지니어링 및 제조 서비스 미주 지역 책임자는 “피지컬 AI 오케스트레이터는 물리적 공간을 위한 두뇌 역할을 한다. 엔비디아 옴니버스 기술과 액센츄어 AI 리파이너리로 구동되는 이 설루션은 소프트웨어 정의 공장을 구현하고, 에이전틱 AI(agentic AI)와 피지컬 AI(physical AI)를 제조 구조의 일부로 만들도록 설계되었다”고 전했다. 또한 “우리는 이미 이 설루션이 전 세계 고객에게 빠르고 지속적인 이점을 제공하는 것을 목격하고 있다. 이는 특히 미국 기업들에 해당하는데, 미국에서는 제조 혁신이 재산업화(reindustrialization)의 전제 조건이기 때문”이라고 덧붙였다.

디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   제조 시설은 지속적인 문제에 직면해 있다. 정비 일정은 일반적으로 실제 마모와 관계없이 3개월마다 부품을 점검하고 6개월마다 구성 요소를 교체하는 등 엄격한 일정을 따른다. 그 결과 불필요한 점검과 교체로 인한 비효율적인 시간 낭비가 발생하고, 반대로 정비 일정 전에 부품이 고장 나는 일도 생긴다. 센트랄수펠렉-파리 사클레대학교(CentraleSupélec–Université Paris-Saclay)의 지궈 젠(Zhiguo Zeng) 교수와 그의 연구팀은 디지털 트윈 기술과 딥러닝을 결합한 혁신적인 접근 방식을 통해 이 문제를 해결하고 있다. 그들의 목표는 모든 중요 부품에 센서를 배치할 필요 없이 시스템 수준의 모니터링 데이터만으로 로봇 시스템의 구성요소 수준의 고장을 감지하는 것이다. 젠 교수는 “유지보수는 공장에서 매우 큰 문제”라면서, “기계에 유지보수가 필요한 시기를 미리 안다면 주문이 적은 시기에 수리 일정을 잡을 수 있어 생산성 손실을 최소화할 수 있다”고 말했다. 그는 신뢰성 공학과 수명 예측 분야에서 풍부한 경험을 갖고 있지만, 디지털 트윈 기술은 그의 이전 연구와는 결이 다른 새로운 영역이었다. 센트랄수펠렉의 안 바로스(Anne Barros) 교수와 페드로 로드리게스-아예르베(Pedro Rodriguez-Ayerbe) 교수가 주도하는 학제 간 프로젝트인 ‘미래의 산업(Industry of the future)’에 참여하면서, 그는 디지털 트윈이 어떻게 강력한 시뮬레이션 도구를 물리적 시스템에 실시간으로 직접 연결할 수 있는지 깨달았다. 젠 교수는 “디지털 트윈은 결함 진단에 매우 유용하다. 이를 실제 기계의 데이터에 연결하여 그 데이터로 모델을 개선할 수 있다”고 설명했다.  제조업, 자동차, 항공우주 및 기타 분야로 활용 영역이 확대되면서, 디지털 트윈은 인더스트리 4.0에서 유망한 기술 중 하나로 자리잡고 있다. 물리적 객체나 시스템의 가상 복제본인 디지털 트윈(digital twin)을 생성함으로써, 조직은 운영 현황과 유지보수 필요성을 명확하게 파악할 수 있다. 또한 디지털 트윈은 예측 유지 관리 시스템 개발의 어려운 측면 중 하나인 고장 데이터의 부족에 대한 해결책을 제시한다. 젠 교수는 “현실에서는 고장이 자주 발생하는 걸 보기는 어렵다. 그래서 이제는 시뮬레이션을 통해 고장 데이터를 만들어낸다”고 설명했다.   가상과 물리의 가교 역할 디지털 트윈 프로젝트는 물리적 시스템과 가상 시스템 간의 다양한 수준의 통합을 통해 구현 옵션을 제공한다. 젠 교수의 연구팀은 세 가지 서로 다른 수준의 디지털 표현으로 작업했다. 기본 수준에서 디지털 모델은 기존 시뮬레이션처럼 작동하며, 물리적 시스템과 데이터를 교환하지 않는 정적 모델로 오프라인에서 실행된다. 그다음 단계는 디지털 섀도로, 가상 모델이 물리적 시스템의 데이터를 받아 그 행동을 미러링하지만 제어하지는 않는다. 가장 발전된 구현은 데이터와 정보의 양방향 흐름을 갖춘 진정한 디지털 트윈이다. 여기서 모델은 관찰을 바탕으로 스스로 업데이트하고 물리적 시스템을 제어하는 실시간 결정을 내린다. 연구팀은 테스트용으로 ArmPi FPV 교육용 로봇을 선택했다. 이 로봇은 5개의 관절과 하나의 엔드이펙터로 구성되며, 6개의 서보 모터로 제어된다. 결함 진단의 기초가 될 만큼 정확한 디지털 트윈을 만드는 것은 어려운 일이었다. 또한 기존 모니터링 접근 방식의 한계를 해결해야 했다. 젠 교수는 “대부분의 산업 사례에서 베어링을 진단하려면 베어링 수준의 센서가 필요하며, 이는 쉽지 않은 일이다. 내부에 베어링이 있는 큰 기계를 상상해보면 센서를 설치하기 위해서는 기계를 분해해야 하는데 때로는 공간이 충분하지 않을 때도 있다”고 말했다.   그림 1. ArmPi FPV 교육용 로봇(출처 : 센트랄수펠렉)   그들의 접근 방식은 시스템 수준 데이터(로봇 엔드 이펙터의 이동 궤적)를 사용하여 구성 요소 수준의 오류(개별 모터 문제)를 진단하는 것이었다. 또한 디지털 트윈을 사용하여 관찰할 수 있는 것과 감지해야 할 것 사이의 격차를 해소하고자 했다. 연구팀은 시뮬링크(Simulink)와 심스케이프 멀티바디(Simscape Multibody)를 사용하여 디지털 트윈을 구축했으며, 구성요소와 시스템 수준 동작을 모두 나타내는 계층적 모델을 만들었다. 젠 교수는 “모든 것은 시뮬레이션 모델을 설계하는 것으로 시작한다. 동적 시스템과 그 제어기를 모델링하고 싶다면 시뮬링크는 매우 강력하다”고 말했다. 연구팀은 시뮬링크를 사용해 모터 제어기를 PID 제어기로 모델링하면서 실험적으로 조정한 게인 값을 활용했다. 또한, 시뮬링크의 시각화 기능을 적극적으로 활용해 시뮬레이션 데이터와 실제 로봇의 센서 데이터를 연동할 수 있는 인터페이스를 구축하고, 실시간 모니터링 환경을 구성하였다. ROS 툴박스(ROS Toolbox)는 로봇 하드웨어와의 연결에서 유용한 역할을 했다. 젠 교수는 “로봇 운영 체제(Robot Operating System : ROS)를 사용하려면 일반적으로 ROS와 파이썬(Python) 환경을 별도로 구성하고 모든 연결을 직접 처리해야 한다”면서, “ROS 툴박스를 사용하면 이런 설정이 자동으로 관리되기 때문에 많은 노력을 아낄 수 있다”고 설명했다. 연구팀은 AI 모델 학습을 위한 데이터 준비 과정에서는 두 가지 접근 방식을 시도하였다. 먼저, 로봇에 입력되는 모터 명령과 그에 따른 그리퍼(gripper)의 움직임 패턴과 같은 원시 계측값을 기반으로 데이터를 수집하였다. 이후에는 디지털 트윈을 활용한 방식을 도입하였다. 시뮬레이션을 통해 로봇이 명령에 따라 어떻게 움직여야 하는지를 예측하고, 이 결과를 실제 움직임과 비교함으로써 예상과 실제 간의 차이를 도출하였다. 이러한 차이는 미세한 고장을 감지하는 데 유용한 지표로 작용하였다.   그림 2. 심스케이프 멀티바디의 로봇 팔에 대한 시뮬링크 모델(출처 : 센트랄수펠렉)   연구팀은 딥 러닝 툴박스(Deep Learning Toolbox)를 사용하여 장단기 메모리(Long Short-Term Memory : LSTM) 신경망을 훈련하여 특정 실패를 나타내는 패턴을 식별했다. 모델 아키텍처에는 각각 100개의 숨겨진 단위가 있는 두 개의 LSTM 계층, 그 사이의 드롭아웃 계층 및 완전히 연결된 분류 계층이 포함된다. 연구팀은 매트랩 앱 디자이너(MATLAB App Designer)를 사용하여 각 모터의 위치, 전압 및 온도를 포함한 실시간 데이터를 수집하는 그래픽 사용자 인터페이스를 설계했다. 이 인터페이스를 통해 로봇의 상태를 모니터링하고 오류 진단 모델의 예측을 검증할 수 있었다. 이러한 통합 도구들이 원활하게 함께 작동하면서, 연구팀은 소프트웨어 호환성 문제와 씨름하기보다는 효율적으로 기술적 과제 해결에 집중할 수 있었다.   현실 격차에 도전하다 연구팀은 실제 로봇에서 훈련된 모델을 테스트했을 때 연구원들이 ‘현실 격차’라고 부르는 시뮬레이션과 현실 세계 간의 불일치에 직면했다. 결함 진단 모델은 시뮬레이션에서 98%의 정확도를 달성하여 모터 고장의 위치와 유형을 모두 정확하게 식별했지만, 실제 로봇에서 테스트했을 때 성능은 약 60%로 떨어졌다. 젠 교수는 “시뮬레이션이 현실과 일치하지 않는 이유를 분석하고 있다”고 말하며, “실제 세계를 시뮬레이션 상에서 표현할 때 고려하지 못한 요소들이 있다”고 설명했다. 젠 교수와 그의 연구팀은 통신 신뢰성 문제, 시뮬레이션에서 고려되지 않은 모터 노이즈, 제어 명령과 모니터링 활동 간의 동기화 문제 등 성능 격차에 기여하는 여러 요인을 확인했다.   그림 3. 정상 상태 오류에서 로봇 팔의 애니메이션 및 관련 혼동 매트릭스(출처 : 센트랄수펠렉)   이러한 과제는 디지털 트윈 애플리케이션의 광범위한 문제를 반영한다. 현실은 가장 정교한 시뮬레이션보다 더 복잡하다. 연구팀은 낙담하기보다는 실제 노이즈 패턴을 시뮬레이션 하는 모듈을 디지털 트윈에 추가하고 전이 학습에 도메인 적응 기술을 적용하는 등 이러한 격차를 해소하기 위한 방법을 개발했다. 젠 교수는 “디지털 트윈 모델을 개발할 때 보정 테스트를 하긴 하지만, 이 역시 통제된 환경에서 이루어진다”고 말했다. 이어서 “하지만 산업 현장에 모델을 실제로 적용하면 훨씬 더 많은 노이즈가 포함된 데이터를 접하게 된다. 이처럼 현실의 노이즈를 알고리즘 관점에서 어떻게 보정할 것인가는 매우 도전적인 연구 주제”라고 설명했다. 이러한 수정을 통해 연구팀은 실제 세계 정확도를 약 85%까지 개선했다. 이는 실용적 구현을 향한 중요한 진전이다.   소규모 실험실에서 스마트 공장으로 연구팀의 작업은 단일 로봇을 넘어서 확장되고 있다. 이들은 다수의 로봇이 협업하며 생산 라인을 구성하는 소규모 스마트 공장 환경을 구축하고 있으며, 이를 통해 고장 진단 알고리즘을 보다 실제에 가까운 조건에서 실험하고자 한다. 젠 교수는 “우리는 미니 스마트 공장을 구축하려고 한다”면서, “생산 설비와 유사한 환경을 만들어 로봇에 알고리즘을 적용해, 실제 생산 스케줄링에 통합될 수 있는지를 실험하고 있다”고 설명했다. 이러한 접근 방식은 교육적 효과도 크다. 센트랄수펠렉의 공학과 학생들은 수업과 프로젝트를 통해 디지털 트윈, 로보틱스, 머신러닝 기술을 실습 기반으로 학습하고 있다. 젠 교수는 “학생들이 처음부터 가상 공간에서 모델을 직접 설계하고 이를 점차 실제 로봇과 연결해가는 과정을 보면, 그들이 이 과정을 진심으로 즐기고 있다는 걸 알 수 있다”고 전했다. 이 연구는 제조업뿐 아니라 물류, 스마트 창고 등 다양한 산업 분야로의 확장이 가능하다. 예를 들어 스마트 창고에서는 로봇이 정해진 경로를 따라 이동하지만, 장애물이 나타나면 이를 인식하고 경로를 유동적으로 조정해야 한다.   그림 4. 여러 로봇이 소규모 스마트 공장 환경의 생산 라인에서 협력하여 작동한다.(출처 : 센트랄수펠렉)   젠 교수는 “스마트 창고에서 로봇은 사전 정의된 규칙을 따르지만, 패키지가 떨어지고 경로가 막히는 등 경로를 리디렉션하고 다시 프로그래밍해야 하는 경우가 있을 수 있다. 이런 경우 로봇을 조정하기 위해 각 로봇의 실시간 위치를 알아야 하기 때문에 디지털 트윈 시스템이 필요하다”고 설명했다. 연구팀은 구성요소가 고장 날 때 로봇의 움직임을 조정하는 것과 같은 내결함성 제어를 포함한 추가 응용 프로그램을 모색하고 있다. 또한 연구자들은 에너지 소비만 고려하는 것이 아니라, 궤적 최적화 모델에서 각 모터의 성능 저하 수준과 잔여 유효 수명도 고려하는 건전성 인식 제어를 개발하고 있다. 그들의 코드, 모델, 데이터 세트를 깃허브 저장소(GitHub repository)를 통해 자유롭게 공개하고 있으며, 다른 연구자들이 이를 바탕으로 연구를 확장해 나가기를 기대하고 있다. 목표는 개선의 출처가 어디든 간에, 보다 나은 고장 진단 시스템을 구축하는 것이다. 젠 교수는 “누군가 우리보다 더 나은 결과를 만들어낸다면 정말 기쁠 것”이라고 전했다. 중국 제조업 현장에서 일하던 부모님의 영향을 받아 공학자의 길을 걷게 된 젠 교수에게 이번 연구는 단순한 학문적 탐구를 넘어선 개인적인 사명이기도 하다. 젠 교수는 “어릴 때 제조업에서 일하는 것이 얼마나 힘든 일인지 직접 보며 자랐다”면서, “내가 그렸던 비전은 그런 육체 노동을 로봇이 대체하게 해 사람들이 보다 나은 삶을 살 수 있도록 하는 것이었다”고 전했다.   ■ 이웅재 매스웍스코리아의 이사로 응용 엔지니어팀을 이끌고 있으며, 인공지능·테크니컬 컴퓨팅과 신호처리·통신 분야를 중심으로 고객의 기술적 성공을 지원하는 데 주력하고 있다. LG이노텍과 LIG넥스원에서 연구개발을 수행하며 신호처리와 통신 분야의 전문성을 쌓아왔다.     ■ 기사 PDF는 추후 제공됩니다.

개방형 커미셔닝과 협업 혁신으로 제조업을 재정의하다   스피라텍(SpiraTec) 그룹은 디지털 전환, 엔지니어링, 로봇 공학, 자동화 및 산업 IT를 전문으로 하는 공정 산업의 산업 공학 및 설루션 분야의 글로벌 플레이어이다. 스피라텍의 가상 커미셔닝 전문성은 제조사가 프로세스를 최적화하고 비용을 절감하며 전 세계적으로 디지털화를 가속화하는 데 도움을 준다. 이번 호에서는 스피라텍이 고객이 주요 산업 과제를 해결하도록 돕는 방법과 유니티(Unity)를 기반으로 가상 커미셔닝을 위한 협업적이고 접근 가능한 설루션을 목표로 하는 오픈 소스 이니셔티브인 ‘오픈 커미셔닝’의 배경과 여정을 소개한다. ■ 자료 제공 : 유니티 코리아   ▲ 생산 라인의 디지털 트윈 : PLC 및 로봇 컨트롤러 통합으로 물질 흐름 시뮬레이션   산업이 디지털 전환을 가속화함에 따라 제조사는 제품을 더 빠르게 시장에 출시하고 비용을 줄이며 지속 가능성 목표를 달성해야 한다는 압박을 받고 있다. 이 모든 과정에서 단편화된 데이터, 구식 방법론 및 제한된 표준화로 어려움을 겪고 있다. 이러한 도전 과제는 더 스마트하고 통합된 설루션을 요구한다. 그리고 여기서 디지털 트윈과 가상 커미셔닝이 등장한다. 글로벌 디지털 트윈 시장은 수요가 급증하고 있다. 2024년에는 177억 3000만 달러로 평가되며, 2025년에는 244억 8000만 달러에서 2032년에는 2593억 2000만 달러로 성장할 것으로 예상된다. 캡제미니 리서치 인스티튜트(Capgemini Research Institute)의 디지털 트윈 리포트에 따르면, 57%의 조직이 지속 가능성을 디지털 트윈 투자에 대한 주요 동력으로 언급하며, 51%는 이러한 기술이 환경 목표 달성에 도움이 될 것으로 기대하고 있다. 디지털 트윈 기술의 주요 응용 프로그램인 가상 커미셔닝은 디지털화의 게임 체인저로, 제조사가 실제 배포 전에 프로세스를 시뮬레이션하고 최적화할 수 있게 하여 자원 소비를 줄이고 비용을 절감한다.   가상 커미셔닝 이해하기 전통적으로 자동화에서 커미셔닝은 새로운 시스템(장치, 기계, 공장 등)을 완전 작동 가능한 생산 준비 상태로 만드는 과정을 의미한다. 과거에는 대부분의 PLC(프로그래머블 로직 컨트롤러) 프로그래밍 및 시스템 테스트가 물리적 하드웨어가 제자리에 있어야 했으며, 이는 종종 비용이 많이 드는 지연과 막판 문제 해결을 초래했다. 가상 커미셔닝은 이 패러다임을 뒤집고 전체 커미셔닝 프로세스를 디지털 환경에서 복제한다. 실제 장치, 센서 및 액추에이터와 통신하는 대신, PLC는 디지털 트윈과 통신한다. 이는 실제 시스템의 동작을 정확하게 반영하는 에뮬레이션 모델이다. 중요하게도, 동일한 PLC 프로그램 코드는 가상 및 물리적 단계 모두에 사용되어, 물리적 하드웨어가 준비되면 코드 수정이나 막판 재작성 없이 원활한 인계를 보장한다.   ▲ 가상 커미셔닝 : 물리적 배포 전에 디지털 프로세스 시뮬레이션 및 최적화   가상 커미셔닝이 실제 가치를 제공하는 방법 효율성 향상 가상 커미셔닝은 현장 테스트와 물리적 프로토타입의 필요성을 줄여 시간과 비용을 절감한다. 또한 디지털 환경에서 팀이 신속하게 반복할 수 있도록 하여 개발 주기를 가속화하고 시장 출시 시간을 단축한다.   위험 감소 시뮬레이션을 통해 오류를 조기에 발견함으로써, 가상 커미셔닝은 비용이 많이 드는 실수의 위험을 줄인다. 더욱이, 팀이 위험한 작업을 디지털로 시뮬레이션할 수 있도록 하여 물리적 구현 전에 잠재적 위험을 제거함으로써 더 안전한 배포를 지원한다.   협업 및 혁신 현실적인 시뮬레이션은 교차 기능 팀 간의 더 나은 정렬을 촉진한다. 가상 공간에서 시스템을 시각화하고 상호작용함으로써 이해관계자는 더 깊은 통찰력을 얻고, 전반적인 커뮤니케이션을 향상시켜 창의성과 혁신을 촉진한다.   제약에서 능력으로 : 유니티로의 전환 스피라텍은 고객이 가상 커미셔닝을 운영에 원활하게 통합하도록 돕는 단일 목표를 추진해 왔다. 스피라텍은 제한된 확장성을 가진 폐쇄 시스템, 작은 사용자 커뮤니티 및 최소한의 응용 프로그래밍 인터페이스(API)에 직면했다. 이러한 조건은 공급업체 종속을 촉진하고 프로젝트 위험을 증가시켰다. 이러한 제한은 종종 시간 지연을 일으키고, 고객이 필요로 하는 접근 가능하고 확장 가능한 설루션의 가능성을 없앴다. 유니티는 스피라텍의 큰 장애물을 극복하는 열쇠가 된 실시간 3D 엔진이다. 유니티의 편집기의 힘을 활용함으로써 스피라텍은 최첨단 물리학 및 렌더링 기능을 얻었을 뿐만 아니라, 디지털 트윈 모델 개발에 대한 전체 접근 방식을 근본적으로 변화시켰다. 유니티의 다양한 기술 및 기능은 여러 문제를 해결하고 스피라텍의 디지털 트윈 개발 프로세스를 형성하는 데 도움이 되었다. 프리팹 시스템 : 객체 지향적 접근 방식을 통해 재사용 가능한 구성 요소 라이브러리를 활용하여 디지털 트윈을 생성할 수 있다. 이는 다양한 프로젝트에서 일관된 품질을 유지하면서 개발 속도를 크게 가속화한다. 픽시즈(Pixyz) : CAD 데이터를 원활하게 가져오고 특정 메타데이터 및 고객 기준에 따라 디지털 트윈을 생성하기 위한 규칙 기반 워크플로를 설정할 수 있다. 사용자 인터페이스(UI) 툴킷 : 편집기 및 런타임을 위한 UI 콘텐츠의 생성 및 향상을 가능하게 하여, 사용자 정의 도구 및 인터페이스에 대해 더 매끄러운 사용자 경험을 제공한다. 작업 시스템 : 복잡한 프로세스(예 : 유체 흐름, 대량 물질 이동 및 스트레스 모델링) 및 대규모 디지털 트윈 프로젝트의 효율적인 다중 스레드 시뮬레이션을 가능하게 한다. 분석기 및 저장 프로파일러 : 성능 병목 현상에 대한 자세한 통찰력을 제공하여 배포 전에 프로젝트 품질을 최적화하고 개선할 수 있게 하며, 궁극적으로 고객에게 더 신뢰할 수 있는 설루션을 제공한다.   대규모 디지털 트윈 내부 : 창고 커미셔닝의 재구상 물류 회사의 창고 시뮬레이션을 특징으로 하는 성공 사례에서 스피라텍은 12개의 가상 PLC를 완전한 디지털 환경에 통합했다. 모델은 필드버스 에뮬레이션과 드라이브, 안전 모듈 및 RFID 리더와 같은 산업 구성 요소의 시뮬레이션을 특징으로 했다. 사용성을 높이기 위해 대규모 시뮬레이션에 최적화된 경량의 강력한 독립 실행형 *.exe 애플리케이션을 제공하는 맞춤형 사용자 인터페이스가 개발되었다. 또한 시스템은 창고 관리 시스템(WMS)과 원활하게 통합되어, 안전한 가상 환경에서 실시간 제품 데이터 관리를 위한 네이티브 텔레그램 통신을 가능하게 했다. 이는 물리적 기계가 존재하기도 전에 포괄적인 소프트웨어 검증을 보장하여 품질을 크게 향상시키고 배포 위험을 줄였다. 이 이니셔티브는 커미셔닝 시간을 30% 줄였다, 프로젝트 일정을 가속화하면서 비용과 위험을 줄였다. 효율성 향상을 넘어, 이는 부서 간 협업을 강화하여 비용 효율적인 반복 개발과 더 빠른 개념 증명 검증을 가능하게 했다.   ▲ 개방형 커미셔닝으로 구축된 창고 운영 시뮬레이션   효율을 넘어 : 시뮬레이션을 통한 지속 가능성 추진 가상 커미셔닝에 대한 대화는 종종 단축된 커미셔닝 시간과 개선된 협업에 초점을 맞추지만, 이러한 이점은 지속 가능성과 관련하여 특히 실질적인 비즈니스 가치로 직접 전환된다. 스피라텍은 고객과 협력하여 후속 제품 수명주기 전반에 걸쳐 디지털 트윈의 사용을 확장하기 시작했으며, 지속 가능성과 비용 절감의 잠재력은 크다. 프로세스를 간소화하고 고충실도 시뮬레이션을 활용함으로써 기업은 다음과 같은 효과를 얻을 수 있다. 장비 수명의 연장 : 시뮬레이션 데이터로 훈련된 예측 유지보수 알고리즘을 사용하여 조직은 마모를 최소화하고 비용이 많이 드는 교체 및 수리를 연기한다. 고장 감소는 유지보수 비용을 직접 낮추고 계획되지 않은 다운타임을 줄인다. 자원 소비의 절감 : 가상 환경에서 제어 논리와 워크플로를 검증함으로써, 팀은 에너지 사용을 줄이고 자재 낭비를 최소화하는 효율성 격차를 식별할 수 있다. 이러한 개선은 환경 목표를 달성하는 데 도움이 될 뿐만 아니라 운영 비용을 줄인다. 시장 출시 시간의 가속화 : 가상 커미셔닝은 물리적 프로토타입과 긴 현장 테스트의 필요성을 최소화한다. 결과적으로 기업은 제품을 더 빠르게 출시하고, 시장 점유율을 더 빨리 확보하며, R&D 투자에 대한 더 빠른 수익을 실현할 수 있다. 현장 면적의 축소 : 더 적은 문제 해결 방문과 짧은 설치 시간은 여행 관련 배출가스와 비용을 줄인다. 이 혜택은 여러 글로벌 시설을 가진 조직에 대해 크게 확장된다.   미래를 함께 형성하기 : 커뮤니티 주도 이니셔티브 협업과 개방성이 가상 커미셔닝의 가장 큰 혁신을 이끌어낼 것이며, 이는 계속 발전할 것이다. 개방형 커미셔닝(open commissioning)을 통해 스피라텍은 단순히 도구를 공유하는 것이 아니라, 혁신적인 아이디어가 다듬어지고 테스트되며 실제 문제를 해결하는 데 적용될 수 있는 커뮤니티 주도 생태계를 구축하고 있다. 가장 흥미로운 발전은 아직 오지 않았다. 스피라텍의 다음 진화는 생성형 AI와 실시간 클라우드 시뮬레이션을 통합하고, 데이터 표준을 설정하며, 산업 연결성을 확장하는 것이다. 제조의 미래는 협업적이고, 데이터 기반이며, 친환경적으로 더 스마트하고 지속 가능한 산업 환경을 만들어 나가는 데 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아가 에지 환경에서 실시간 AI 추론을 수행할 수 있는 엔비디아 젯슨 토르(NVIDIA Jetson Thor) 모듈을 출시했다. 젯슨 토르는 연구와 산업 현장의 로봇 시스템에서 두뇌 역할을 수행하며, 휴머노이드와 산업용 로봇 등 다양한 로봇이 보다 스마트하게 동작하도록 지원한다. 로봇은 방대한 센서 데이터와 저지연 AI 처리를 요구한다. 실시간 로봇 애플리케이션을 실행하려면 여러 센서에서 동시 발생하는 데이터 스트림을 처리할 수 있는 충분한 AI 컴퓨팅 능력과 메모리가 필요하다. 현재 정식 출시된 젯슨 토르는 이전 모델인 엔비디아 젯슨 오린(Orin) 대비 AI 컴퓨팅이 7.5배, CPU 성능이 3.1배, 메모리 용량이 2배 향상돼 이러한 처리를 디바이스에서 가능하게 한다. 이러한 성능 도약은 로봇 연구자들이 고속 센서 데이터를 처리하고 에지에서 시각적 추론을 수행할 수 있도록 한다. 이는 기존에는 동적인 실제 환경에서 실행하기에는 속도가 너무 느려 실행하기 어려웠던 워크플로이다. 이로써 휴머노이드 로보틱스와 같은 멀티모달 AI 애플리케이션의 새로운 가능성을 열어주고 있다.   ▲ 엔비디아 젯슨 AGX 토르 개발자 키트   휴머노이드 로보틱스 기업인 어질리티 로보틱스(Agility Robotics)는 자사의 5세대 로봇인 디지트(Digit)에 엔비디아 젯슨을 통합했다. 이어서 6세대 디지트에는 온보드 컴퓨팅 플랫폼으로 젯슨 토르를 채택할 계획이다. 이를 통해 디지트는 실시간 인식과 의사결정 능력을 강화하고 점차 복잡해지는 AI 기술과 행동을 지원할 수 있게 된다. 디지트는 현재 상용화됐으며, 창고와 제조 환경에서 적재, 상차, 팔레타이징(palletizing) 등 물류 작업을 수행하고 있다. 30년 넘게 업계 최고 수준의 로봇을 개발해온 보스턴 다이내믹스(Boston Dynamics)는 자사 휴머노이드 로봇 아틀라스(Atlas)에 젯슨 토르를 탑재하고 있다. 이를 통해 아틀라스는 이전에는 서버급에서만 가능했던 컴퓨팅, AI 워크로드 가속, 고대역폭 데이터 처리, 대용량 메모리를 디바이스 내에서도 활용할 수 있게 됐다. 휴머노이드 로봇 외에도, 젯슨 토르는 더 크고 복잡한 AI 모델을 위한 실시간 추론을 통해 다양한 로봇 애플리케이션을 가속화할 예정이다. 여기에는 수술 보조, 스마트 트랙터, 배송 로봇, 산업용 매니퓰레이터(manipulator), 시각 AI 에이전트 등이 포함된다. 젯슨 토르는 생성형 추론 모델을 위해 설계됐다. 이는 차세대 피지컬 AI 에이전트가 클라우드 의존도를 최소화하면서 에지에서 실시간으로 실행될 수 있도록 한다. 차세대 피지컬 AI 에이전트는 대형 트랜스포머 모델, 비전 언어 모델(vision language model : VLM), 비전 언어 행동(vision language action : VLA) 모델을 기반으로 구동된다. 젯슨 토르는 젯슨 소프트웨어 스택으로 최적화돼 실제 애플리케이션에서 요구되는 저지연과 고성능을 구현한다. 따라서 젯슨 토르는 모든 주요 생성형 AI 프레임워크와 AI 추론 모델을 지원하며, 탁월한 실시간 성능을 제공한다. 여기에는 코스모스 리즌(Cosmos Reason), 딥시크(DeepSeek), 라마(Llama), 제미나이(Gemini), 큐원(Qwen) 모델과 함께, 로보틱스 특화 모델인 아이작(Isaac) GR00T N1.5 등이 포함된다. 이를 통해 개발자는 손쉽게 로컬 환경에서 실험과 추론을 실행할 수 있다. 젯슨 토르는 생애 주기 전반에 걸쳐 엔비디아 쿠다(CUDA) 생태계의 지원을 받는다. 또한 젯슨 토르 모듈은 전체 엔비디아 AI 소프트웨어 스택을 실행해 사실상 모든 피지컬 AI 워크플로를 가속화한다. 여기에는 로보틱스를 위한 엔비디아 아이작, 영상 분석 AI 에이전트를 위한 엔비디아 메트로폴리스(Metropolis), 센서 처리를 위한 엔비디아 홀로스캔(Holoscan) 등의 플랫폼이 활용된다. 이러한 소프트웨어 도구를 통해 개발자는 다양한 애플리케이션을 손쉽게 구축하고 배포할 수 있다. 실시간 카메라 스트림을 분석해 작업자 안전을 모니터링하는 시각 AI 에이전트, 비정형 환경에서 조작 작업을 수행할 수 있는 휴머노이드 로봇, 다중 카메라 스트림 데이터를 기반으로 외과의에게 안내를 제공하는 스마트 수술실 등이 그 예시이다. 젯슨 토르 제품군에는 개발자 키트와 양산용 모듈이 포함된다. 개발자 키트에는 젯슨 T5000 모듈과 다양한 연결성을 제공하는 레퍼런스 캐리어 보드, 팬이 장착된 액티브 방열판, 전원 공급 장치가 함께 제공된다. 엔비디아는 젯슨 생태계가 다양한 애플리케이션 요구사항과 고속 산업 자동화 프로토콜, 센서 인터페이스를 지원해 기업 개발자의 시장 출시 시간을 단축한다고 전했다. 하드웨어 파트너들은 다양한 폼팩터로 유연한 I/O와 맞춤형 구성을 갖춰 생산에 준비된 젯슨 토르 시스템을 개발하고 있다. 센서 및 액추에이터 업체들은 엔비디아 홀로스캔 센서 브릿지(Sensor Bridge)를 활용하고 있다. 이 플랫폼은 센서 융합과 데이터 스트리밍을 간소화하며, 카메라, 레이더, 라이다 등에서 발생한 센서 데이터를 초저지연으로 젯슨 토르 GPU 메모리에 직접 연결할 수 있게 해준다. 수천 개의 소프트웨어 기업들은 젯슨 토르에서 구동되는 다중 AI 에이전트 워크플로를 통해 기존 비전 AI와 로보틱스 애플리케이션 성능을 향상시킬 수 있다. 그리고 200만 명 이상의 개발자들이 엔비디아 기술을 활용해 로보틱스 워크플로를 가속화하고 있다.

주요 디지털 트윈 소프트웨어   3D 시뮬레이션 소프트웨어, FlexSim   개발 : 오토데스크, www.autodesk.com, www.flexsim.com 자료제공 : 오토데스크코리아, www.autodesk.co.kr 오토데스크(Autodesk)는 건축, 엔지니어링, 제조, 미디어 및 엔터테인먼트 산업을 위한 설계 및 엔지니어링 소프트웨어를 제공하는 글로벌 선도 기업으로, 1982년에 설립되었다. 오토캐드(AutoCAD)와 같은 혁신적인 CAD(컴퓨터 지원 설계) 소프트웨어로 시작해, 현재는 3D 설계, 시뮬레이션, 시각화, BIM(빌딩 정보 모델링) 및 클라우드 기반 협업 도구까지 폭넓은 솔루션을 제공 중이며, 창의성과 효율성을 향상시키는 기술로 고객의 설계 및 제작 방식을 혁신하며 지속 가능한 미래를 지원하는 데 중점을 두고 있다.  1. FlexSim AutoCAD(오토캐드), Inventor(인벤터), Fusion(퓨전)과 같은 오토데스크 설계 도구는 이미 업계에서 널리 알려져 있으나 더 나아가 최근에는 오토데스크가 새롭게 출시한 소프트웨어 FlexSim(플렉심)이 주목받고 있다. FlexSim은 오토데스크에 인수합병된 이후 산업계에서 큰 관심을 끌고 있으며, 3D 시뮬레이션 소프트웨어로, 제조, 물류, 헬스케어 등 다양한 산업에서 시스템 성능을 분석하고 최적화하는데 사용되고 있다.   2. 주요 특징 ■ 3D 비주얼 시뮬레이션  플렉스심(FlexSim)은 실제 시스템을 시각적으로 표현하여 복잡한 공정이나 프로세스를 쉽게 이해할 수 있게 한다. 직관적인 3D 모델은 비전문가도 공정의 흐름과 병목 현상을 쉽게 파악할 수 있다. ■ 사용자 친화적인 인터페이스  드래그 앤 드롭 방식의 모델링 기능을 제공하며, 프로그래밍 지식 없이도 사용할 수 있다. 이는 초보자부터 전문가까지 모두가 쉽게 접근할 수 있는 환경을 제공해서 편리하다. ■ 강력한 분석 기능  FlexSim은 다양한 데이터와 통계 분석 도구를 통해 병목 현상을 식별하고 생산성을 최적화할 수 있도록 지원한다. 예측 모델링과 성능 평가를 통해 운영상의 문제를 사전에 해결할 수 있다. ■ 유연한 확장성  맞춤형 스크립트와 플러그인을 통해 필요한 기능을 추가할 수 있다. 이는 기업이 자신의 특화된 요구에 맞게 소프트웨어를 최적화할 수 있음을 의미한다. ■ 다양한 산업 적용  FlexSim은 제조 라인, 창고 운영, 병원 프로세스 등 다양한 분야에서 활용되고 있다. 이를 통해 기업은 운영 효율성을 높이고 비용을 절감할 수 있다.  3. 향후 전망 FlexSim은 단순히 시스템을 시뮬레이션하는 도구를 넘어 시스템의 효율성을 높이고 개선점을 찾는데 필수적인 솔루션으로 자리 잡고 있다. 실제 데이터를 기반으로 한 시뮬레이션은 더 나은 의사결정을 가능하게 하고, 산업의 경쟁력을 강화한다.  오토데스크의 FlexSim은 혁신적인 기술과 실용성을 겸비하여 다양한 산업에서 필수적인 도구이다. 복잡한 시스템의 이해와 최적화를 원하는 기업이라면, FlexSim을 통해 새로운 가능성을 탐색해 보기 바란다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

개발 및 공급 : 이노쏘비 주요 특징 : 제조 물류 전반에 걸친 시뮬레이터/디지털 트윈/AI 에이전시의 통합 플랫폼, 설계~운영 과정의 최적화 지원, 다양한 제조 운영 시스템과 실시간 연동으로 대용량 데이터를 수집 및 처리, LLM/sLLM을 활용해 직관적인 데이터 분석 및 의사결정 지원 등 사용 환경(OS) : 윈도우 10/11(64비트) 시스템 권장 사양 : 인텔 i5 10세대 이상 또는 AMD 라이젠 5 이상 CPU, 최소 16GB RAM(32GB 권장), 엔비디아 RTX 4060 이상 GPU(AI 기능 사용 시 필요), 30GB 이상 여유 저장공간   최근 제조 기업들은 디지털 트윈 기반의 스마트 공장 도입과 더불어 급속한 디지털 전환(DX)을 위해 노력하고 있다. 불과 몇 해전만 하더라도 그 실체와 사례에 대해 의문이 있었지만, 다양한 도입 사례와 성과가 공개되면서 이제는 DX에서 나아가 AI 기술 도입과 AI로의 전환(AX : AI Transformation)을 활발히 검토하고 있고, 적극적인 도입 의사를 밝히고 있다. ‘PINOKIO(피노키오)’는 최신 기술 흐름을 반영해 탄생한 차세대 물류 디지털 트윈 설루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는데 최적화된 해답을 제시한다. 기술 대전환의 시대를 맞아 기존의 전통적인 DX 설루션 기업들은 3D 모델링 및 시뮬레이션 등 낮은 단계의 디지털 트윈 기술을 기반으로 DX 설루션으로 개선 및 확장하고 있다. 이와 달리, PINOKIO는 초기부터 현장의 대용량 데이터 기반 실시간 물류 모니터링 및 실시간 시뮬레이션을 제공하는 디지털 트윈 기반의 운영 시스템을 목적으로 출발하였다. 그 결과 SK 하이닉스, LG전자 등 대량의 혼류 생산 제조 현장에서 디지털 트윈의 정합성과 예측의 정확도 등을 검증받았고 도입 효과를 증명했다. 이를 바탕으로 최근에는 기존 상용 설루션보다 높은 성능의 시뮬레이터까지 라인업하여 다양한 요구를 충족시킬 수 있게 되었다. 기존 상용 물류 시뮬레이션 설루션은 대부분 20~30년 전 개발된 구조를 가지고 있어, 최신 IT/OT 시스템과의 연동과 AI 기술을 적용하기 어렵다. 이로 인해 대용량 데이터 처리에 한계가 있으며, 사용자 API(애플리케이션 프로그래밍 인터페이스) 미제공으로 커스터마이징과 타 시스템 연계, 현장 실시간 운영에 필요한 유연성과 확장성에서도 제약이 있다. PINOKIO는 이러한 기존 설루션의 문제점을 개선해 제조 물류 관련 다양한 AI 모델을 지원하며, 기존 설루션 대비 높은 모델링 속도를 구현할 수 있다. 그리고 멀티 스레드, GPU 기반의 고속 시뮬레이션 연산 기능과 2차전지, AMR(자율이동로봇), OHT(오버헤드 트랜스퍼), 자동창고 등 다양한 제조 환경에 맞는 특화 라이브러리를 제공한다. 특히, 생산 현장에서 발생하는 실시간 빅데이터를 효과적으로 처리하고, 대화형 어시스턴트(assistant) 방식의 직관적인 사용자 인터페이스(UI)를 통해 사용자 편의성을 높였다. 또한, 사용자 API를 통한 고도화된 커스터마이징이 가능하며, MES(제조 실행 시스템), 센서, PLC(프로그래머블 로직 컨트롤러), IoT(사물인터넷) 등 다양한 운영 시스템과의 실시간 연동 기능도 갖췄다. 나아가, 전력 사용량 분석과 탄소세 예측 기능까지 탑재돼 지속 가능한 제조 환경 구축을 위한 의사결정도 지원한다. PINOKIO는 AI 기반 제조 혁신의 길을 여는 실질적인 도구로, 앞으로 제조업계의 디지털 전환을 선도할 핵심 설루션으로 자리매김할 전망이다.   주요 기능 소개 PINOKIO는 시뮬레이터, 디지털 트윈, AI 에이전시(agancy)를 통합한 차세대 DES(이산 이벤트 시뮬레이션) 기반 플랫폼으로, 제조 물류 전반에 걸친 통합 설루션을 제공한다. PINOKIO는 세 가지 핵심 모듈로 구성된다. 첫 번째는 ‘Pino SIM’으로, 공정 흐름 설계부터 시뮬레이션, 분석까지 수행하는 시뮬레이터다. Pino SIM은 도면 편집과 레이아웃 설계를 위한 Pino Editor를 내장하고 있어, 단순한 시뮬레이션을 넘어 제조 기준정보 입력, 물류 시나리오 구성, 시뮬레이션 실행 및 시각화 분석까지 다양한 기능을 제공한다. 이를 통해 설계 초기 단계부터 실제 운영에 이르기까지 전 과정의 최적화를 효과적으로 지원한다. 두 번째는 실시간 디지털 트윈 모듈인 ‘Pino DT’다. MES, IoT, PLC, 센서 등 다양한 제조 운영 시스템과의 실시간 연동을 통해 대용량 데이터를 실시간으로 수집하고 처리하며, 이를 바탕으로 실시간 모니터링은 물론 미래 상황 예측, 예지 보전 기반의 시뮬레이션이 가능하다. 이는 생산 현장의 가시성과 민첩성을 높이는 데 기여한다. 세 번째는 인공지능 기반의 ‘Pino AI’다. LLM(대규모 언어 모델)과 sLLM(전문 도메인 특화 언어 모델)을 활용한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다. 또한 목적에 따라 강화학습, 파라미터 최적화 등 다양한 AI 기법을 적용할 수 있어 생산성과 품질 향상을 동시에 도모할 수 있다. PINOKIO는 엔비디아 옴니버스(NVIDIA Omniverse)와 같은 고급 시각화 플랫폼과 연동 가능하며, 파이썬(Python) 개발 환경 확장도 지원함으로써 사용자 맞춤형 라이브러리 개발이 가능하다. 이를 통해 제조 기업은 사전 공정 및 물류 최적화는 물론 실시간 생산 모니터링, 미래 예측, AI 기반 정확도 향상 등 다양한 지능형 서비스를 구현할 수 있다. 제조업의 디지털 전환이 본격화되는 시대에 PINOKIO는 스마트 공장을 넘어 AI 전환을 실현하는 핵심 파트너로 부상하고 있다.   PINOKIO의 특징 PINOKIO는 고도화된 시뮬레이션 엔진과 AI 통합 기능을 바탕으로 대규모 데이터 처리 및 실시간 예측 분석을 지원하며 스마트 제조 시대의 경쟁력을 강화하고 있다. PINOKIO는 이벤트 처리 기법 최적화 및 단순화된 시뮬레이션 엔진 설계로 빠른 연산 속도를 제공한다. 특히, 초당 60프레임(FPS) 기준으로 500만 개 수준의 대규모 3D 데이터를 안정적으로 처리할 수 있으며, 선택적 컴파일 방식(C# 기반 네이티브 코드)을 활용한 별도 계산 도구를 통해 집약적인 연산 작업도 고속으로 수행할 수 있다. 디지털 트윈 구축에서도 PINOKIO는 강력한 성능을 발휘한다. MES, ACS, MCS 등 다양한 제조 운영 시스템과 연동과 IoT, 센서, PLC 등 생산 현장에서 수집되는 대용량 데이터를 실시간으로 처리한다. 이를 통해 실시간 모니터링과 동시에 백그라운드 시뮬레이션을 수행하고, 타임 호라이즌(Time Horizon) 방식의 미래 예측 기술을 통해 병목, 이상 징후 탐지 및 알람 기능도 제공된다. 또한, AI를 활용하기 위한 정상/이상 데이터 제공과 파라미터 최적화 및 시나리오별 분석 기능이 포함되어 있으며, LLM과 sLLM, 챗GPT(ChatGPT), 메타 라마(Meta LLaMA) 등 다양한 AI 모델을 통합한 AI 에이전시 기능을 통해 대화형 데이터 분석, 자동 의사결정 지원, 데이터 해석 및 운영 최적화를 구현한다. 시뮬레이션 설계 및 모델링 측면에서도 사용자 편의성이 강화됐다. Pino Editor를 활용해 레이아웃 도면을 직관적으로 확인 및 편집할 수 있으며, 제조 기준 정보 입력 및 템플릿 매칭 기능을 통해 모델링 작업 시간을 획기적으로 단축시킨다. 또한, 2차전지 및 반도체 공정에 특화된 전용 라이브러리도 제공되며, 고객 맞춤형 커스터마이징 시뮬레이터를 통해 사용자의 목적에 따라 분석 및 최적화가 가능한 유연한 개발 환경을 지원한다. 이처럼 PINOKIO는 고속 시뮬레이션, 실시간 예측, AI 기반 의사결정, 그리고 유연한 모델링 기능을 종합적으로 제공하며, 제조업의 지능화·자동화를 실현하는 설루션이다.   그림 1. PINOKIO UI 화면 – 반도체 FAB   사전 레이아웃 및 물류 검토를 위한 설루션 : Pino SIM 디지털 트윈 구축 시 미래 예측을 위한 시뮬레이터 역할과 기존 상용 설루션과 같이 공장 신축 또는 생산 라인 변경 등 제조 현장의 변화가 요구된다. 이런 상황에서 Pino SIM은 사전에 최적의 물류 계획과 레이아웃 구성을 지원하고 공정의 효율성과 안정성을 미리 확보할 수 있는 디지털 전환 핵심 도구이자 가상 공장 구현 설루션이다. Pino SIM은 제조 기준 정보(제품, 공정, 레이아웃, 물류 흐름, 작업 순서, 스케줄링 등)를 기반으로 공정을 시뮬레이션하며, 그 결과를 차트, 그래프 등 다양한 시각화 도구를 통해 분석할 수 있다. 이를 통해 레이아웃 검증 및 최적화, 생산성 향상 등 공장 운용 전반의 효율화를 실현할 수 있다. 특히, OHT, AMR 등 신 산업군을 위한 특화 라이브러리를 제공하며, 이송 설비 구현을 위한 이동, 충돌 방지, 회피 제어를 위한 OCS, ACS 기능도 탑재되어 있다. 이를 통해 코드 작성 오류를 줄이고 디버깅 시간을 줄일 수 있으며, 보다 쉽고 효율적으로 시뮬레이션 모델을 구축할 수 있다. 또한, 자동창고 모델링에 필요한 Stocker(Crane, Rack, Rail)를 그룹화 형태로 제공하여 빠른 모델링이 가능하다. 환경과 에너지 측면에서도 전력 사용량 및 탄소 배출량(탄소세) 분석 기능을 통해 지속 가능한 생산 전략 수립에 도움을 주며, 제조업의 친환경화와 ESG 경영 대응에도 기여할 수 있다. 이처럼 Pino SIM은 공장 설계 단계에서의 의사결정 품질을 높이고, 새로운 제조 환경에 유연하게 대응할 수 있는 설루션이다.   그림 2. 라이브러리 제공 – Stocker   그림 3. 개발(코딩) 없이 기능 구현   그림 4. 시뮬레이션 결과 리포트 예제   디지털 트윈 설루션 : Pino DT 제조 현장에서 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려는 노력이 이어져왔다. 기존의 물류 설루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정하는 과정에서 다양한 제약으로 인해 어려움이 있었다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. Pino DT는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도에 이점이 있는 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여 기존 설루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증하였다.   그림 5. Pino DT의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 Pino DT는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 설루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 6. Pino DT의 모니터링 화면   디지털 트윈 실시간 시뮬레이션 : 미래 예측 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고, 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 부품이 5분 뒤에 부족하다는 알람을 작업자에게 즉시 전달하여 선제적 대응을 가능케 함으로써, 라인 정지 등 비상 상황을 사전에 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 고속 시뮬레이션 엔진을 보유하고 있다.   그림 7. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 물류 현장에 특화된 AI 플랫폼 : Pino AI AI를 이용한 설루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성 상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, Pino DT 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. Pino DT에서 획득한 데이터를 파이썬, C, 자바(JAVA) 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다. 이를 통해 예측 정확도 향상, 데이터 기반 의사 결정, Scheduling, Routing, Dispatching 등 목적에 따라 AI 활용이 가능하다. 또한 LLM, sLLM, 챗GPT(ChatGPT), 메타 라마(Meta Llama) 등과 결합한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다.   그림 8. 대화형 UI 및 결과 리포트   그림 9. Pino DT와 AI 모델 활용 원리   Pino DT와 현장 데이터 인터페이스 디지털 트윈에 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 설루션이 현장과의 연결을 위한 인터페이스를 지원하지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. Pino DT는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 Pino DT가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 Pino DT에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. Pino DT에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   PINOKIO의 기대 효과 PINOKIO는 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 사용자와 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이 때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 손실(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체 등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   맺음말 생산 계획 단계에서 Pino SIM을 통해 레이아웃 검증과 물류를 최적화하고, Pino SIM 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다. 다음 호부터는 Pino SIM, Pino DT, Pino AI 등 각 제품별 소개 및 적용 사례를 소개하고자 한다.   그림 11. 디지털 트윈을 위한 플랜트 시뮬레이션과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다. 

주요 디지털 트윈 소프트웨어   디지털 트윈 소프트웨어, Emulate3D ■ 개발 및 자료 제공 : 로크웰 오토메이션, 02-2188-4400, www.rockwellautomation.com/ko-kr.html   Emulate3D(에뮬레이트3D)는 2005년 영국 리딩에서 설립 후 2019년 로크웰 오토메이션이 인수하여 전 세계 다양한 산업 분야의 고객을 지원하고 있다. 이 소프트웨어는 실제 장비를 가상에서 검증할 수 있는 동적 3D 기반 디지털 트윈 기술로 제조 생산 라인, 창고 자동화, 자재 취급 및 유통, 수하물 처리, 기계 장비 구축분야 등 다양한 산업에서 활용된다.   1. 주요 특징   Emulate3D는 사용자의 편의를 고려해 직관적인 인터페이스를 제공하며, 사전 프로그래밍된 카탈로그 사용으로 비전문가도 쉽게 사용할 수 있도록 설계되었다. 다양한 PLC(Programmable Logic Controller) 브랜드와의 전용 프로토콜 및 OPC(Open Platform Communications)로 연결이 가능하고 클라우드 기반 배포 옵션을 통해 버전 제어, 협업 등의 유연성을 극대화한다. 이러한 특성은 교육 및 훈련에 효과적일 뿐만 아니라, 다양한 운영 환경에서 활용할 수 있는 확장성을 제공한다. 최근 엔비디아 옴니버스 API(NVIDIA Omniverse API)와의 통합으로 실사 수준의 그래픽 질감과 공장 규모의 동적 디지털 트윈 생성이 가능해져 여러 기계와 시스템 간의 상호작용을 실시간으로 분석하고 최적화할 수 있게 됐다.   2. 주요 기능   Emulate3D는 현실감 있는 시뮬레이션과 에뮬레이션을 통해 물리적 충돌, 중력 가속도, 마찰 계수 등의 물리 엔진을 반영한 정밀한 테스트 환경을 제공한다. 가상 시운전을 통해 실제 시스템 구현 전 동일한 조건에서 제어 로직을 사전에 검증할 수 있으며, 설계 단계에서부터 문제를 식별하고 해결할 수 있다. 이를 통해 프로젝트 일정이 단축되고 불필요한 재설계 및 재작업 등의 시간과 비용이 절감된다. 제조라인의 처리량 실험 기능으로 물류 차량, 설비 배치를 검토하는 시뮬레이션 환경을 제공하며 PLC 및 상위 시스템을 연결하여 생산 라인 또는 장비의 가상 시운전을 유연하게 테스트할 수 있는 에뮬레이션 기능을 제공하여 엔지니어는 현장에서 소프트웨어를 재테스트하는 시간을 줄이고 프로젝트 일정을 단축할 수 있다.   3. 도입 효과   작업자 교육에서도 Emulate3D는 물리적으로 위험하거나 재현하기 어려운 상황을 가상 환경에서 안전하게 시뮬레이션하여 작업자의 숙련도를 높이고 사고 위험을 줄이는데 기여한다. Emulate3D는 단순히 자동화를 지원하는 도구를 넘어 디지털 트윈 기술로 혁신을 주도하는 플랫폼으로 기업은 더 나은 결정을 내리고 경쟁력을 강화할 수 있도록 돕는다.   4. 주요 고객 사이트   로크웰 오토메이션의 Emulate3D는 자동차, 생명 과학, 소비재, 식음료, 반도체 제조, 자재 취급, 자동창고 및 물류시스템 등 다양한 산업 분야의 광범위한 고객들이 사용하고 있다. 또한 공항 수하물 처리 시스템, 우편 물류시스템과 같은 복잡한 자동화 환경에서도 성공적으로 활용되고 있다.  주요 고객사로는 쿠카(Kuka), 히라타(Hirata), 에이티씨 오토메이션(ATC Automation), 바스티안 솔루션(Bastian Solutions), 인트라록스(Intralox) 등이 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

한국레노버가 태블릿 판매 채널을 오프라인으로 확장한다고 밝혔다. 이로써 주요 온라인 쇼핑몰과 전국 각지의 대형마트에서도 레노버 태블릿을 구매할 수 있다. 이번 오프라인 판매처 확대에 포함되는 주요 제품은 레노버의 프리미엄 플래그십 태블릿 ‘아이디어 탭 프로(Idea Tab Pro)’다. 아이디어 탭 프로는 서클 투 서치(Circle to Search)와 구글 제미나이(Google Gemini) 등 AI 기능을 탑재해 스마트한 학습 환경을 제공한다. 또한, 12.7인치 3K 디스플레이와 미디어텍 디멘시티 8300으로 시스템 성능을 강화해 레크리에이션을 즐기기에도 적합하다.   ▲레노버 아이디어 탭 프로   한국레노버는 제품을 제공하는 주요 대형마트를 확장하며 국내 오프라인 시장에서의 입지를 더욱 강화하고 소비자 접점을 지속적으로 확대해 나갈 계획이다. 특히 6월 12일 평택에 새롭게 오픈하는 창고형 대형마트에서는 ‘요가 탭(Yoga Tab)’을 직접 체험할 수 있는 팝업 공간을 마련해 소비자에게 차별화된 태블릿 경험을 제공할 예정이다. 소비자들은 ‘아이디어 탭 프로’를 포함해 게이밍 특화 태블릿 ‘리전탭 Y700 3세대’, 온디바이스 AI 태블릿 ‘요가 탭 플러스 AI’, 보급형 안드로이드 태블릿 ‘탭 M 시리즈’까지 폭넓은 라인업을 코스트코를 비롯한 다양한 오프라인 매장에서 만나볼 수 있다. 현재 레노버 태블릿은 전국 노브랜드 매장 150개 지점, 트레이더스 23개 지점, 일렉트로마트 3개 지점, 하이마트 전 지점, 코스트코 매장 17개 지점, 그리고 용산 전자상가에 입점되어 있다. 또한, 쿠팡, 네이버쇼핑, 지마켓 등 국내 주요 온라인 오픈 마켓에서도 구매할 수 있다. 한국레노버는 사용자 편의를 강화하고 부담은 줄이는 프리미엄 사후 서비스도 제공한다. 태블릿을 구매한 모든 고객은 1년간 지원되는 ‘우발적 손상 보장(ADP) 서비스’를 통해 과실로 인한 파손에도 무상 수리를 받을 수 있다. 365일, 24시간 상시 대기하는 전문 엔지니어와 전화, 이메일, 채팅 등을 통해 최적의 설루션을 신속하게 제공하는 ‘프리미엄 케어 서비스’도 1년간 받아볼 수 있다. 한국레노버 신규식 대표는 “폭넓은 고객층이 모이는 전국 각지의 대형마트 입점을 통해 프리미엄 모델부터 게이밍 모델까지 다양한 라인업을 더욱 가까운 일상 속에서 만나볼 수 있게 됐다”며, “앞으로도 더 많은 고객이 레노버의 차별화된 제품과 서비스를 직접 경험할 수 있도록 적극적으로 오프라인 채널을 확대해 나가겠다”고 밝혔다.

팀뷰어가 3월 31일~4월 4일 열리는 ‘하노버 산업박람회 2025(하노버 메세 2025)’에서 효율적인 산업 교육 및 온보딩 프로세스를 위한 첨단 공간 컴퓨팅(spatial computing) 설루션 ‘팀뷰어 프론트라인 스페이셜(TeamViewer Frontline Spatial)’을 발표했다. 산업용 증강현실(AR)을 포함한 디지털 워크플레이스 설루션을 제공하는 팀뷰어는 올해 하노버 산업박람회에서 항공우주, 자동차, 기계공학 등 다양한 산업 고객이 공간 컴퓨팅을 어떻게 교육 프로그램을 혁신하고 있는지 시연을 통해 소개했다. 대표적인 사례로, 항공기 엔진 기업인 GE 에어로스페이스는 팀뷰어와 기술 파트너인 지멘스의 공동 고객사로, 팀뷰어 프론트라인 스페이셜을 도입해 자사 상업용 엔진의 인터랙티브 디지털 트윈을 AR 기술로 구현해 항공기 기술자들에게 제공함으로써, 전 세계 수백 개 지역에서 비용 효율적으로 고품질의 원격 교육을 운영하고 있다. 이번 박람회에서는 팀뷰어의 올리버 스테일(Oliver Steil) CEO가 GE 에어로스페이스의 자스윈더 왈리아(Jaswinder Walia) CIO 및 지멘스 디지털 인더스트리의 토니 헤멀건(Tony Hemmelgarn) CEO와 함께 패널 토론에 참여해 공간 컴퓨팅의 이점과 GE의 실제 활용 사례를 소개했다. 또한, 올리버 스테일 CEO는 제조 분야 애프터서비스를 주제로 한 기조연설에서도 공간 컴퓨팅을 비중 있게 소개했다.     이밖에도 팀뷰어는 포뮬러 원 레이스카 엔진과 산업 현장에서 이용되는 3D 모델을 활용한 공간 컴퓨팅을 직접 시연하고 주요 포트폴리오의 향상된 기술도 선보였다. 팀뷰어는 실제 생산 환경에서 제로 트러스트(zero-trust) 기반의 원격 액세스 및 원격 지원 설루션이 어떻게 운영되는지 시연했다. 그리고 팀뷰어는 AR 기반 워크플로와 원격 지원 설루션을 통해 기술 현장 서비스와 창고 피킹(picking) 작업을 보다 스마트하고 효율적으로 구현하는 방법을 소개했다. 또한, AI 및 DEX(디지털 직원 경험) 관리 도구의 최신 기술에 팀뷰어의 원격 연결 기능을 연계해 미래의 디지털 워크플레이스 지원 방식이 어떻게 구현될지도 선보였다.  한편, 팀뷰어는 글로벌 기술 파트너인 SAP, 마이크로소프트, 지멘스 부스에서 협업 및 공동 설루션을 선보였다. 특히, 마이크로소프트 부스에서는 팀뷰어의 아터스 루팔라(Artus Rupalla) 제품관리 이사와 사스차 발웨그(Sascha Ballweg) 시니어 제품 관리자가 ‘AI 기반의 스마트 서비스와 원활한 IT/OT 연결을 통한 현장 근로자 및 비즈니스 인력의 역량 강화’라는 주제로 발표를 진행했다. 올리버 스테일 CEO는 “공간 컴퓨팅은 엔지니어링 분야에 전례 없는 기회를 제공한다. 디지털화된 원격 및 현장 학습을 통해 기업은 자원을 보다 효율적으로 배치하고 숙련된 인력의 부족 문제를 완화하며 출장과 비용을 절감할 수 있다”면서, “팀뷰어는 파트너사들과 함께 3D 기반의 몰입형 사용자 경험을 제공해 전 세계 기술자와 현장 근로자들이 엔지니어링 데이터를 보다 직관적이고 생생하게 구현할 수 있도록 지원할 것”이라고 말했다.