한국공작기계산업협회는 4월 13일~17일 일산 킨텍스에서 열리는 ‘제21회 서울국제생산제조기술전(SIMTOS 2026)’을 앞두고 3월 10일 기자간담회를 진행했다. 이번 전시회는 ‘AI 자율제조, 인재와 연결하다’라는 주제 아래 디지털 제조 혁신과 AX 전략을 집중적으로 선보일 예정이다. 협회는 GTX 개통에 따른 접근성 향상과 전시 콘텐츠 고도화를 통해 이번 행사가 ‘세계 4대 제조 기술 전시회’로서의 위상을 다질 것으로 기대하고 있다. ■ 정수진 편집장     제조 혁신과 글로벌 연결의 장 마련 한국공작기계산업협회 박재훈 상근부회장은 기자간담회 환영사를 통해 개막을 앞둔 SIMTOS 2026의 준비 현황과 주요 내용을 공유하며 행사의 성공적인 개최를 다짐했다. 이번 SIMTOS 2026 전시회는 35개국 1300개 기업이 6000 부스 규모로 참가 신청을 마쳤고, 약 10만 명의 참관객이 방문할 것으로 예상된다. 박재훈 상근본부장은 “이는 어려운 경제 여건 속에서도 새로운 판로 개척과 글로벌 시장 진출, 기술 경쟁력 강화를 향한 생산 제조업계의 강한 의지가 집약된 결과”라고 평가했다. 또한 “이러한 산업계의 기대에 부응하기 위해 이번 행사를 단순한 전시회를 넘어 기술과 산업, 기업과 시장을 연결하는 뜻깊은 장으로 만들 계획”이라고 전했다. SIMTOS 2026은 첨단 생산 제조 기술과 글로벌 산업 트렌드를 한자리에서 효율적으로 파악할 수 있도록 ▲금속절삭 및 금형기술관 ▲소재부품 및 제어기술관 ▲툴링 및 측정기술관 ▲절단가공 및 용접기술관 ▲프레스 및 성형기술관 등 5개의 전문관과 1개의 특별전을 구성해 운영한다. 특히 ‘로봇 및 디지털 제조 기술 특별전(M.A.D.E. in SIMTOS)’ 내의 ‘머신 온 AI(Machine on AI) 테마관’ 등을 통해 제조 AX(AI 전환)로 나아가는 새로운 가능성과 발전된 기술 흐름을 중점적으로 선보일 예정이다. 또한 전시회를 더욱 풍성하게 만들어 줄 프로그램도 마련된다. 국내외 바이어 상담 프로그램인 ‘매치메이킹 포유’를 비롯해 ‘글로벌 제조 AX 혁신 콘퍼런스’, 새롭게 선보이는 채용 박람회인 ‘커리어커넥트’, 차세대 여성 인재와 산업 현장을 연결하는 ‘여성 엔지니어 네트워크 포럼’ 등 다양한 부대행사가 전시회와 함께 진행될 예정이다.   AI 자율제조와 글로벌 생산기술의 흐름을 한 눈에 SIMTOS 2026의 준비 현황과 주요 콘텐츠를 소개한 한국공작기계산업협회 박재현 전시사업본부장은 “1984년 처음 개최된 SIMTOS는 2004년 대비 2024년에 부스 규모가 498%, 참관객이 243% 증가하는 등 눈에 띄는 만한 성장을 이뤄냈으며, 초창기 공작기계 중심에서 생산 제조 기술 전반으로 전시 콘텐츠를 꾸준히 확장해 왔다”면서, “현재 SIMTOS는 국내 최고 수준의 전시 경쟁력을 입증하며 중국의 CIMT, 독일의 EMO, 미국의 IMTS와 어깨를 나란히 하는 세계 4대 생산 제조 기술 전시회로 자리매김했다”고 소개했다. 이번 SIMTOS 2026은 ▲글로벌 위상 확장 ▲데이터 기반의 제조 AX 혁신 ▲산업과 인재의 연결 ▲브랜드 확산이라는 핵심 포인트를 바탕으로 기획되었다. 이를 위해 해외 기자단 및 바이어 초청을 대폭 확대하고, 실제 장비가 구동되는 제조 AX 테마관을 운영하며 통합 생산라인 중심의 전시 콘텐츠를 고도화할 계획이다. 또한 기업과 인재, 바이어를 1대1로 연결하는 매칭 플랫폼을 새롭게 운영하고 일반 대중을 대상으로 인지도 확대를 위한 거점 광고도 추진하고 있다. 박재현 본부장은 “킨텍스 주차장 공사로 인한 불편을 해소하기 위해 인근 임시 주차장 확보와 참가 업체 대상 무료 주차장 및 셔틀버스 운영 등 다양한 편의를 제공하고 있으며, 최근 GTX-A 노선 개통으로 지방 참관객의 접근성이 크게 높아질 것”이라면서, “SIMTOS는 단순한 산업 전시회를 넘어 글로벌 제조 산업의 기술 방향을 제시하는 플랫폼으로서 한국 제조 산업을 대표하는 전시회로 그 역할을 끝까지 책임지겠다”고 전했다.     피지컬 AI와 지능형 제조 설루션의 진화 한편, 기자간담회에서는 주요 참가업체가 각사의 최신 기술과 전시 방향을 미리 선보이는 프리뷰가 진행되었다. 프리뷰를 통해 ▲하드웨어와 소프트웨어의 융합 및 피지컬 AI(pnysical AI)의 본격 도입 ▲공정 전체를 아우르는 자동화 기술의 진입 장벽 해소 및 효율 극대화 ▲첨단 산업 수요에 맞춘 목적형 특화 장비의 라인업 확대 등의 트렌드를 엿볼 수 있었다.  DN솔루션즈는 레드닷 어워드를 수상한 새로운 디자인 아이덴티티를 적용한 기기들을 선보이며, 반도체 및 우주항공 산업에 특화된 장비와 자체 운영체제 기반의 인공지능 활용 앱 등 디지털 설루션을 출품한다. SMEC(스맥)은 머시닝 센터와 CNC 선반 등을 소개하며, 자체 ICT 사업부의 5G 특화망 기술을 연계한 자동화 설루션과 반도체 특화 장비 전시를 통해 관람객 친화적인 이벤트를 마련할 계획이다. 위아공작기계는 21종의 장비를 바탕으로 피지컬 AI 기반의 지능형 자율 제조 비전을 제시하며, 타사와의 협업을 통한 가상현실 모니터링 및 다크 팩토리(무인으로 가동되는 완전 자동화 공장) 실증 모델을 선보일 예정이다. 화천기계는 지난 전시회 대비 출품 장비 수를 7대로 압축하여 기계의 기술적 방향성과 소프트웨어의 확장성을 명확히 전달하는 데 집중하며, 자체 제어 시스템인 하모니와 인공지능을 결합한 통합 운영 환경을 제공한다. 산업용 고출력 레이저 업체인 HK는 레이저 가공기와 산업용 로봇을 결합한 완전 자동화 생산 시스템을 공개하며, 단순한 장비 공급을 넘어 판금 가공 공정 전체를 아우르는 지능형 토털 설루션을 제시한다. 한국트럼프는 소형 자동 창고 등 다섯 가지 제품으로 첨단 기술과 자동화의 도입 장벽을 낮추는 데 초점을 맞추었으며, 인공지능 기반의 절단 품질 최적화 설루션과 공정 전체를 단일 화면으로 제어하는 소프트웨어를 소개한다. 인터엑스는 엔비디아의 에지 디바이스를 위아공작기계의 장비에 탑재해 기계 스스로 상태를 파악하고 의사결정을 내리는 세계 최초의 완전 자율 머신을 시연하며, 피지컬 인공지능 중심의 제조 혁신을 현장에서 증명할 계획이다. 공장 자동화 물류 설비 전문 기업인 세창인터내쇼날은 스마트 산업 환경에 최적화된 전기 구동 방식의 컨베이어 시스템을 비롯해 공간 효율을 높인 스파이럴 컨베이어와 자율 주행 셔틀 기반의 RGV(레일 가이디드 비클) 시스템 등 첨단 이송 설루션을 전시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아는 GTC 2026에서 케이던스, 다쏘시스템, PTC, 지멘스, 시높시스 등 글로벌 산업용 소프트웨어 선도 기업과의 협력 내용을 소개했다. 이번 협력은 엔비디아 쿠다-X, 엔비디아 옴니버스, GPU 가속 산업용 소프트웨어를 제공해 설계와 엔지니어링, 제조 과정을 혁신하는 데 목적을 둔다. 이를 통해 삼성, SK하이닉스, HD현대, TSMC 등 주요 기업들은 AI 기반 에이전틱 설루션을 활용해 업무 효율을 높일 수 있게 된다. 엔비디아의 설루션은 아마존웹서비스, 구글 클라우드, 마이크로소프트 애저, 오라클 클라우드 인프라스트럭처 등 주요 클라우드 서비스와 델, HPE, 슈퍼마이크로 등 제조사의 가속 시스템에서 구동된다. 엔비디아 젠슨 황 CEO는 “피지컬 AI와 자율형 AI 에이전트가 산업 전반을 근본적으로 재창조하는 새로운 혁명이 시작됐다”고 평가하면서, “엔비디아는 글로벌 생태계를 하나로 묶어 모든 산업이 이러한 비전을 실현할 수 있도록 전례 없는 규모와 속도를 지원하는 풀스택 가속 컴퓨팅을 제공하고 있다”고 덧붙였다.     주요 산업 소프트웨어 기업들은 AI 에이전트를 자사 플랫폼에 도입해 복잡한 워크플로를 간소화한다. 케이던스의 칩스택 AI 슈퍼에이전트는 반도체 설계와 검증 작업을 수행하며, 다쏘시스템은 3D익스피리언스 플랫폼에서 역할 기반 AI 에이전트인 버추얼 동반자를 구축해 워크플로를 관리한다. 지멘스의 퓨즈 EDA AI 에이전트와 시높시스의 에이전트엔지니어 역시 반도체와 시스템 설계의 자율성을 높이는 데 기여한다. 자동차와 항공우주 분야에서도 가속 컴퓨팅의 성과가 나타나고 있다. 혼다는 엔비디아 그레이스 블랙웰 플랫폼을 활용해 공기역학 시뮬레이션을 기존 CPU 대비 34배 빠르게 수행하며 개발 주기를 단축했다. JLR과 메르세데스 벤츠는 지멘스의 심센터 스타-CCM+ 소프트웨어를 활용해 엔지니어링 워크플로를 혁신하고 있다. 항공우주 분야의 어센던스는 엔비디아 GPU로 구동되는 케이던스 피델리티를 사용해 복잡한 공기역학 시뮬레이션을 단 하루 만에 수행하는 성과를 거뒀다. 에너지와 반도체 제조 분야의 효율 역시 향상됐다. 솔라 터빈은 10억 셀 규모의 연소기 시뮬레이션을 14시간 만에 수행해 청정 에너지 설루션 혁신을 가속화한다. 삼성과 SK하이닉스는 엔비디아 가속 기술이 적용된 델과 HPE의 시스템을 도입해 DRAM과 플래시 메모리 생산을 위한 물리적 검증 과정을 간소화하고 있다. TSMC와 미디어텍 역시 엔비디아 가속 도구를 활용해 첨단 제조와 칩 설계 속도를 높이는 중이다. 산업용 디지털 트윈 기술은 스마트 공장과 물류 혁신을 뒷받침한다. 지멘스의 디지털 트윈 컴포저는 폭스콘, HD현대, 펩시코 등이 대규모 산업용 메타버스 환경을 구축할 수 있도록 지원한다. PTC는 엔비디아 아이작 심을 활용해 로봇 시스템을 가상 환경에서 설계하고 검증할 수 있는 워크플로를 발표했다. 키온은 자율주행 창고 설루션을 고도화하고 있으며 물류 서비스 기업인 GXO는 엔비디아 젯슨 기반의 자율주행 지게차를 훈련하고 테스트하며 운영 효율을 높이고 있다.

최근 AI에 대한 국내외적인 열풍은 산업화를 거쳐 정보화를 넘은 인류에게 미래 지능화 사회로 가는 길을 보여주고 있다. 2016년 세상의 모든 바둑 기보를 학습한 구글의 알파고로 세계 1등 AI 바둑 기사를 선보인 이후 2023년에 세계인들에게 소개된 챗GPT는 세상에 알려진 모든 상식을 학습한 AI 상식 전문가가 되었다. 이렇게 세상 모두에게 알려진 데이터를 학습한 AI를 범용AI라고 한다.  이제 인간의 완벽한 모방을 추구하는 인공지능 기술은 보다 세분화되고 있다. 대표적으로 버티컬AI는 특정 분야의 모든 전문데이터를 학습한 분야별 AI이다. 산업AI는 대표적인 버티컬AI이다. 제조, 의료 및 법률 등 다양한 산업분야에서 인간 전문가를 대체하도록 특화된 AI이다. 이러한 기술의 발전은 자연스럽게 개별기업의 모든 내부데이터를 학습하여 직원을 대신하여 회사 업무를 처리하는 프라이빗AI로 진화하고 있다. 데이터 접근성이 갈라놓은 인공지능의 발전 방향 AI가 적용되는 방향을 보면 한 가지 의미 있는 사실을 알 수 있다. 과거 산업화나 정보화 시대에서는 일반적으로 개별 회사에서 개발된 새로운 기술이나 서비스는 해당 분야나 지역에서 먼저 적용된 후 세계적으로 확대되는 방향이지만 AI의 발전은 반대 방향으로 적용되고 있다. 그 이유는 AI가 학습하는 대상 데이터의 접근성과 완결성이다. 알파고가 학습한 수십 년간의 많은 프로 바둑 기보 데이터는 공개되어 접근성이 높았고, 챗GPT는 개방된 인터넷에 잘 정리된 엄청난 양의 데이터를 학습하였다. 결국 범용AI가 먼저 성공한 이유는 학습시키고자 하는 지식을 갖는 많은 양의 데이터에 대한 접근성이 확보되었기 때문이다.  최근 전 세계적으로 범용AI 기술에 대한 경쟁이 치열하지만 AI의 승패는 결국 프라이빗AI의 주도권을 누가 먼저 확보하는가에 달려있다.  범용AI에 뒤진 우리나라가 현실적으로 잘할 수 있는 것이 산업AI이다. 우리나라는 산업화를 넘어 완벽한 정보사회를 실현하면서 기업별로 방대한 양의 업무 데이터를 보유하고 있고, 기업 간의 업무가 모두 정보화되어 있어 데이터 자원 측면에서 산업AI에 대한 엄청난 잠재력을 갖는다.  한국 산업 인공지능의 잠재력과 해결해야 할 난제 산업AI는 해당 산업에서 발생하는 다양한 데이터를 학습시켜 해당 산업의 인간 전문가를 대체하는 것이다. 예를 들면 의료산업AI는 병원, 약국, 의과대학, 의약품 유통회사 등 다양한 의료분야 회사들의 방대한 양의 데이터를 이용하여 하나의 AI모델로 학습시킨다. 하지만 우리가 산업AI의 주도권을 가지려면 2가지 난제를 해결해야 한다.  첫째는 기업 데이터에 대한 접근성 확보이다. 국가 차원에서는 엄격한 국내 개인정보보호법으로 원본데이터를 엄격하게 보호하는 현실에서 2020년 데이터3법 개정으로 공익목적으로 가명정보 결합 활용이 가능해졌다. 하지만 산업 목적 활용은 아직 불가능하고 물물교환 방식의 데이터 유통만 가능하다. 우리와 AI 경쟁국인 미국과 중국은 법 체계적으로 이 문제로부터 자유롭다. 또한 기업 차원에서는 업무 기밀정보의 보호가 필수적이다. 이러한 이유로 우리나라에서는 기업 데이터에 대한 외부 접근성이 엄격하게 차단되어 있다.  둘째는 얼어붙은 데이터 유통 시장의 현실이다. 산업화 시대에는 하드웨어 제품을, 정보화 시대에는 소프트웨어 제품을 생산하여 유통했다. 지능화 시대에는 데이터 제품을 생산하여 자유롭게 결합하여 부가가치가 높은 융합데이터 제품으로 유통할 수 있어야 한다. 하지만 우리나라에서는 이미 만들었던 데이터 유통 시장들도 폐쇄되고 있는 현실이다.  성숙한 정보사회에서 모든 내외부 업무가 정보화된 국내 기업이나 공공기관에서 엄청난 양의 업무데이터가 생산되고 있지만, 방대한 업무데이터는 내부 창고에 생산된 그대로로 저장만 하고 있다. 21세기 원유인 원시데이터를 뒷마당에 계속 쌓아만 놓는 것과 같다. 그 이유는 내부데이터를 외부로 유통할 때의 개인정보와 기밀정보의 유출로 인한 법적 책임과 경영 악화 등에 대해 강한 우려를 갖기 때문이다. 하지만 국가의 분야별 산업AI와 기업의 프라이빗AI 경쟁력 확보는 미래 지능화시대를 선도하기 위해 피할 수 없는 과업이다. 기업의 데이터에 대한 우려를 불식시키기 위해서는 기업에 있는 각 정보시스템에 어떤 데이터가 어디에 어떻게 저장 관리되고 있는지, 데이터 오류나 품질은 제대로 유지되는지, 동일 또는 유사 데이터가 어디에 얼마나 있는지, 외부 데이터와 결합하여 고활용성 융합데이터로 만들 수 있는 데이터가 어디에 있는지, 고활용성 데이터에 개인정보와 기밀정보가 어디에 얼마나 포함되어 있는지 등을 상세하게 파악하고 있어야 한다. 이러한 작업을 총칭해서 전사적 데이터거버넌스라고 한다.  그 결과물로 전체 데이터를 시각화하고 데이터의 흐름, 위치, 관계 등을 한눈에 파악할 수 있는 전사적 정밀 데이터지도를 가지고 있어야 한다. 이 지도를 보고 개별 AI 적용 업무 모델을 학습하기 위한 고활용성 원시데이터를 손쉽게 찾아 개인정보나 기업정보를 확실하게 제거하여 해당 목적의 학습용 데이터를 만들 수 있다. 동일한 방법으로 외부 유통용 원시데이터를 찾아 다른 데이터 제품과 결합 가능한 형태의 재현데이터로 가공해서 합법적으로 외부 유통이 가능한 익명데이터 제품으로 생산할 수 있기 때문이다. 결과적으로 기업이 프라이빗AI를 실현하거나 외부 유통용 데이터 제품을 생산하려면 자기 “데이터를 지배하고 있어야 한다”는 뜻이다.  전통적으로 데이터 거버넌스 영역은 엔터프라이즈 아키텍처(EA)와 같이 정형데이터만을 대상으로 수동적으로 관리하였다. 하지만 산업AI를 위한 정밀 데이터지도는 비정형데이터를 포함한 모든 데이터를 읽고 비교해서 데이터 요소들 간의 유사성 및 중복성, 분포성 그리고 변화성 등을 주기적으로 측정해서 정밀지도로 관리해야 하므로 자동화되어야 한다.  기업이 스스로 이런 작업을 진행하려면 많은 비용과 시간이 소요되는 작업이지만 프라이빗AI를 추구하는 기업이라면 반드시 수행해야 한다.  국가 차원으로는 많은 기업들이 프라이빗AI를 구축했을 때 산업AI를 보다 효과적으로 실현할 수 있다. 즉 기업에 AI를 적용하기 위해서 전사적 정밀데이터 지도를 구축한 기업이 외부 유통용 데이터 제품을 쉽게 만들 수 있기 때문이다. 결과적으로 모든 기업의 정밀 데이터 지도 구축은 우리나라의 프라이빗AI와 산업AI의 경쟁력을 동시에 확보하는 지름길이다.  개별 기업이 정밀 데이터지도 환경을 스스로 구축하려면 내부 데이터로 만든 자사 데이터 제품을 외부로 유통해서 수익을 낼 수 있어야 한다. 이 말은 기업이 판매한 데이터 제품이 구매자에게 가치가 있어야 한다는 뜻이다. 이를 위해서는 많은 기업이 참여하는 시장에서 데이터 제품의 객관적인 가치를 경쟁 체계로 평가하면서 이종 데이터 제품들을 결합하여 고부가가치 융합데이터로 재생산하는 데이터 수퍼마켓을 실현해야 한다. 즉 기업의 적극적인 데이터 제품 생산과 국내 데이터 유통 시장 활성화는 무엇이 먼저냐는 선후관계의 문제가 아니라 서로 밀접하게 연계된 문제이다. 따라서 현재의 척박한 우리 데이터 유통 환경을 개선하기 위해서는 정부 차원의 마중물이 절실하다. 기업이 전사적 정밀데이터 지도를 구축하는 비용을 적극적으로 지원해서 내부 프라이빗AI 기초를 만들게 하면서 기업에게 외부 유통용 데이터 제품을 생산하도록 하고 동시에 자유로운 데이터 유통 환경을 구축해야 한다. 지금은 정부가 다시 한 번 과감하고 선제적인 전략으로 AI 시대를 준비해야 할 시점이다. 산업AI와 프라이빗AI의 구현, 그리고 이를 기반으로 한 휴머노이드 로봇 기술의 발전은 단순한 기술 진보를 넘어, 우리 사회 전반의 지능화를 이끄는 핵심 동력이 될 것이다.  특히, 산업AI는 인구감소와 지역소멸이라는 국가적 위기에도 해법을 제시할 수 있다. 지능형 로봇과 자동화 시스템을 통해 노동력 부족 문제를 해소하고, 지역의 산업과 서비스를 유지·혁신할 수 있는 기반이 마련되기 때문이다. 정부의 현명한 정책과 민간의 혁신 역량이 결합된다면, 우리는 미래 지능화 사회의 주도국으로 도약할 수 있을 것이다.   이원석 / 연세대학교 인공지능융합대학 컴퓨터과학과 교수  

엔비디아가 전자 설계 자동화(EDA) 소프트웨어 기업인 시높시스와 20억 달러(약 2조 9400억 원) 규모의 전략적 파트너십을 맺었다. 양사의 동맹은 겉으로는 칩 설계 기술 분야의 협력이지만, 시높시스가 인수한 앤시스의 CAE 및 엔지니어링 시뮬레이션 기술이 엔비디아의 생태계 속에 더욱 깊이 들어왔다는 점도 놓칠 수 없다. 하드웨어(GPU)와 설계 소프트웨어(EDA)에 물리 시뮬레이션(CAE)까지 결합해 반도체의 설계부터 제조 그리고 디지털 트윈까지 전체 가치 사슬을 완성하는 그림을 그릴 수 있게 되었다는 것이다. ■ 정수진 편집장     AI 가속 컴퓨팅과 EDA의 결합, 20억 달러 규모의 전략적 동맹 엔비디아와 시높시스의 이번 파트너십은 거대 자본의 이동과 최첨단 기술의 통합이라는 두 가지 계층에서 진행된다. 우선 엔비디아는 시높시스의 보통주를 주당 414.79달러에 매입하는 방식으로 총 20억 달러를 투자해, 시높시스 전체 발행 주식의 약 2.6%를 확보했다. 하지만 이 거래의 본질은 단순한 지분 투자가 아닌 기술적 동맹에 있다. 양사는 엔비디아의 가속 컴퓨팅을 위한 하드웨어 및 AI 역량과 시높시스의 엔지니어링 설루션을 통합하기로 합의했다. 이번 협력에서 주목할 만한 기술적 화두는 ‘에이전틱 AI(agentic AI)’ 엔지니어링의 공동 개발이다. 기존의 AI가 엔지니어의 명령을 수동적으로 수행하는 도구에 머물렀다면, 에이전틱 AI는 엔지니어처럼 스스로 생각하고 복잡한 설계 작업을 주도적으로 수행하는 ‘대리인(에이전트)’ 역할을 지향한다. 엔비디아의 젠슨 황(Jensen Huang) CEO는 “CUDA GPU 가속 컴퓨팅은 설계 방식을 혁신하고 있다. 원자에서 트랜지스터, 칩에서 완전한 시스템에 이르기까지 어느 때보다 빠르고 대규모로 시뮬레이션이 가능하며, 컴퓨터 내에서 완전한 디지털 트윈을 구현할 수 있다”면서, “엔비디아는 가속 컴퓨팅과 AI의 힘을 활용해 엔지니어링과 설계를 새롭게 정의하고 있다. 시높시스와의 파트너십을 통해 엔지니어들이 우리의 미래를 만들 혁신적인 제품을 발명할 수 있도록 지원할 것”이라고 전했다. 이를 위해 엔비디아는 자사의 최신 AI 모델인 ‘네모트론(Nemotron)’과 마이크로서비스인 ‘NIM(NVIDIA Inference Microservices)’ 등의 AI 기술 스택을 제공하고, 시높시스는 이를 자사의 EDA 툴에 탑재해 반도체 설계의 자동화 수준을 한 단계 끌어올릴 계획이다. 더불어 엔비디아의 가상 세계 구축 플랫폼인 ‘옴니버스(Omniverse)’와 시높시스의 물리 시뮬레이션 기술을 결합하여, 반도체 칩뿐만 아니라 자동차나 로봇 같은 물리적 시스템 전체를 가상 공간에 구현하는 디지털 트윈 사업도 확대될 전망이다.   엔비디아의 생태계 확장과 시높시스의 기술 도약 이번 투자는 양사 모두에게 시장 경쟁력을 높이고 다른 회사의 추격을 막을 진입 장벽을 구축할 수 있는 윈–윈(win–win) 전략이 될 수 있다. 엔비디아 입장에서 이번 동맹은 자사의 가속 컴퓨팅 생태계를 반도체 개발의 뿌리 단계까지 확장하는 계기가 된다. 시높시스의 설계 소프트웨어가 엔비디아의 GPU 가속 기술인 쿠다(CUDA) 등을 기반으로 구동된다면, 전 세계 반도체 설계 회사들이 자연스럽게 엔비디아 GPU를 서버 인프라로 채택하게 되기 때문이다. 즉, 엔비디아의 칩은 AI 서비스용 연산 장치를 넘어, ‘반도체를 만드는 필수 도구’로 자리 잡게 되는 것이다. 시높시스 입장에서도 이번 협력은 기술적 한계를 돌파하고 재무적 안정을 추구할 기회이다. 반도체 미세 공정이 나노미터(nm) 단위로 내려가면서 설계 검증에 소요되는 시간은 기하급수적으로 늘어나고 있는데, 엔비디아의 GPU 가속을 활용하면 이 시간을 크게 단축할 수 있을 것으로 보인다. 시높시스의 사신 가지(Sassine Ghazi) CEO는 “차세대 지능형 시스템 개발의 복잡성과 비용은 전자공학과 물리학의 더 깊은 통합, 그리고 AI와 컴퓨팅을 통한 가속화를 요구한다. 시높시스와 엔비디아는 통합된 AI 기반 시스템 설계 설루션을 제공할 수 있다”면서, “양사가 함께 엔지니어링을 혁신하고, 전 세계 혁신가들이 더욱 효율적으로 아이디어를 실현할 수 있도록 힘을 보탤 것”이라고 밝혔다. 시높시스는 이러한 성능 향상으로 경쟁사와 기술 격차를 벌리는 무기를 얻게 됐다. 또한, 최근 앤시스 인수로 막대한 자금을 사용한 상태에서, 엔비디아의 20억 달러 투자를 통해 재무 부담을 덜고 연구개발에 집중할 수 있는 실탄을 확보하게 되었다.   ▲ 가속 컴퓨팅과 생성형 AI를 위한 엔비디아의 블랙웰 아키텍처(출처 : 엔비디아)   AI 칩 개발 속도 혁명과 반도체 설계 패러다임의 전환 양사의 동맹은 반도체 산업과 AI 산업 전반에 적지 않은 파도를 일으킬 것으로 보인다. 무엇보다 ‘AI가 AI 반도체를 만드는’ 시대가 본격적으로 열리면서 칩 개발 속도에 혁명이 일어날 것이다. 지금까지 고성능 AI 반도체를 설계하려면 수백 명의 숙련된 엔지니어와 수년의 시간이 필요했다. 하지만 에이전틱 AI가 상용화되어 복잡한 배선 배치나 검증을 자동 수행하게 되면, 반도체의 개발 기간이 크게 줄어들 수 있다. 이러한 변화는 ‘반도체 설계의 대중화’를 앞당겨, 빅테크 기업뿐만 아니라 스타트업도 맞춤형 AI 칩을 더 쉽게 개발할 수 있는 환경을 만들 것이다. 또한, 반도체 설계 인프라의 중심축이 중앙처리장치(CPU)에서 그래픽처리장치(GPU)로 급격히 이동할 전망이다. 전통적인 EDA 작업은 주로 CPU 기반 서버에서 이루어졌으나, 엔비디아와 시높시스의 협력은 이 워크플로를 GPU 중심으로 이동시킨다. 2025년 10월 경주 APEC 기간 중에는 삼성전자와 SK하이닉스가 엔비디아 GPU 기반의 대규모 ‘AI 팩토리’를 구축하고, 반도체 연구 개발과 생산 고도화에 활용할 계획을 밝히기도 했다. 향후 반도체 기업들이 데이터센터를 구축할 때 CPU보다 GPU 확보에 더 많은 예산을 투입하게 만든다면, 엔비디아는 시장 지배력을 높일 수 있을 것이다. 나아가 설계–검증–제조로 이어지는 반도체 전체 공급망을 기술적으로 통제하는 거대 플랫폼 기업을 노리는 것도 가능하다.   AI 반도체 개발의 생태계 장악 노리나 한편, 이번 투자는 최근 AWS(아마존웹서비스), 구글, 마이크로소프트 등 빅테크 기업들이 자체 NPU(신경망처리장치)를 개발하며 ‘탈 엔비디아’를 시도하는 흐름에 대한 전략적 대응으로 볼 수도 있다. 빅테크 기업들이 엔비디아 GPU에 대한 의존도를 줄이기 위해 독자적인 AI 연산 칩을 개발하고 있다. 이런 상황에서 엔비디아와 시높시스의 협력은 ‘칩을 만드는 도구’ 자체를 엔비디아 생태계에 묶어두는 전략이 된다. 구글의 TPU(텐서처리장치), AWS의 트레이니엄(Trainium) 등을 만드는 과정에서 가장 효율적인 설계 도구가 ‘엔비디아 GPU 가속이 적용된 시높시스 설루션’이라면, 경쟁사들은 엔비디아를 이기기 위해 엔비디아의 장비를 써야 하는 상황에 놓일 수 있다는 것이다. 엔비디아의 이번 투자는 자사 GPU가 단순한 AI 연산 도구를 넘어, AI 반도체 산업 전체의 필수 인프라로 자리잡게 하는 효과도 기대할 수 있다. 경쟁자들의 하드웨어 독립 시도를 막을 수는 없더라도, 그 설계 및 검증 과정에서 엔비디아의 영향력을 높은 수준으로 유지하려는 생태계 잠금(lock-in) 전략이 될 수 있다는 것이다.   디지털 트윈을 완성하는 퍼즐, CAE 전체 그림에서 시높시스가 품은 앤시스의 역할도 주목된다. 시높시스는 2024년 1월 엔지니어링 시뮬레이션 분야의 주요 기업인 앤시스를 약 350억 달러(약 46조 원)에 인수한다고 발표했고, 2025년 7월 인수를 완료했다. 이는 반도체 설계와 물리 시뮬레이션이라는 두 영역을 통합해서, 칩 단위를 넘어 시스템 전반을 검증할 수 있는 역량을 확보하기 위한 전략적 결정이었다. 시높시스 산하에 들어간 앤시스는 이번 협력의 범위를 반도체 밖으로 확장하는 열쇠를 쥐고 있다. 최신 AI 칩은 많은 전력을 소모하고 높은 열을 내기 때문에, 단순히 회로를 그리는 것을 넘어 열을 식히고 전기적 간섭을 막는 물리적 설계가 필수이다. 앤시스의 다중 물리(멀티피직스) 시뮬레이션은 바로 이 난제를 해결하는 핵심 기술이고, 엔비디아 GPU의 강력한 연산 능력은 복잡한 물리 계산을 빠르게 처리하는 최적의 도구가 된다. 나아가 앤시스는 엔비디아가 꿈꾸는 ‘완전한 디지털 트윈’을 구현하는 데 결정적인 역할을 한다. 엔비디아 옴니버스가 가상 공간의 외형을 만든다면, 앤시스는 그 안에 실제 세계의 물리 법칙을 적용시킬 수 있다. 앤시스는 시높시스와 엔비디아의 협력이 반도체 설계를 넘어 자동차, 항공우주, 스마트 공장 등 다양한 영역을 아우루는 ‘산업용 AI(industrial AI)’로 확장되도록 돕는 다리 역할을 할 수 있을 것으로 보인다.   ▲ 앤시스는 반도체 개발뿐 아니라 산업용 디지털 트윈까지 확장하기 위한 시뮬레이션 기술을 제공할 수 있다.(출처 : 앤시스)   전자–기계의 경계가 무너진다 : CAE 기술의 미래 시높시스와 앤시스의 결합 외에도 최근 몇 년간 CAE 및 시뮬레이션 업계는 서로 다른 영역에 있던 기업들이 경계를 허물고 통합되는 지각 변동을 겪고 있다. 2025년 지멘스가 데이터 분석 및 시뮬레이션 기업인 알테어를 인수한 것, 2024년 시높시스의 경쟁사인 케이던스(Cadence)가 자동차 및 항공우주 구조 해석 기술 기업인 베타 CAE 시스템즈(BETA CAE Systems)를 인수한 것이 대표 사례다. 또한 계측 장비 기업인 키사이트(Keysight)는 가상 프로토타이핑 기업 ESI 그룹(ESI Group)을 지난 2023년에 인수했다. 이런 인수합병의 흐름은 전자 설계(EDA)와 기계 설계(CAE)의 융합을 뜻하며, 향후 AI 및 반도체 시장에서 시뮬레이션 기술이 단순한 검증 도구를 넘어 핵심 원천 기술로 입지를 높일 것임을 시사한다. 첫째, CAE/시뮬레이션은 산업용 AI를 위한 ‘데이터 창고’의 역할을 한다. 산업용 AI를 학습시키기 위한 양질의 고장 데이터나 사고 데이터를 현실에서 구하는 것은 어렵기 때문에, 물리 법칙에 기반한 가상 환경에서 합성 데이터(synthetic data)를 생성해 AI에 공급하는 것이 필수가 되고 있다. 둘째, 반도체 시장에서는 패키징의 한계를 넘는 열쇠가 된다. 미세 공정의 한계로 인해 칩을 3차원으로 쌓는 기술이 중요해지면서, 열과 구조적 안정성을 해석하는 CAE 설루션은 이제 선택이 아닌 ‘차세대 칩 설계의 필수 전제 조건’이 되고 있다. 엔비디아의 시높시스에 대한 투자는 전 세계 기술 산업이 ‘설계–시뮬레이션–제조–구동’이 하나로 연결된 거대한 디지털 생태계로 재편되고 있음을 보여주는 신호탄이다. 엔비디아는 칩을 넘어 ‘플랫폼’이 되려고 하고, 시높시스 및 CAE 업계는 해석 도구를 넘어 ‘지능형 통합 설루션’으로 진화하고 있다. 전자(electronics)와 기계(mechanics)의 경계가 사라지고 AI가 융합되는 모습이다. 이들의 결합은 향후 반도체 및 AI 산업의 기술 표준을 누가 주도할 지에 대한 예상과 함께, 새롭게 구축되는 거대한 생태계 안에서 기업들이 어떤 생존 전략을 모색해야 할 지에 대한 고민도 안겨준다.

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 내용은 PDF로도 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