#태성에스엔이 #CAE #컨퍼런스 구조/유동/열 해석부터 AI 연계까지 | TSTS 2026 기술 컨퍼런스 안내      이 내용이 제대로 보이지 않으면 행사 상세 페이지에서 확인하시기 바랍니다. 엔지니어링 경쟁력은 더 이상 기술의 보유 여부가 아니라 얼마나 빠르고 효과적으로 활용하는가에 의해 결정됩니다. 특히 AI와 시뮬레이션의 결합은 제품 개발 속도와 의사결정 방식 전반에 의미 있는 변화를 만들어오고 있습니다. TSTS 2026에서는 다양한 산업의 실제 적용 사례를 통해 엔지니어링 혁신이 어떻게 개발 기간 단축, 비용 절감, 경쟁력 강화로 이어지는지를 확인하실 수 있습니다. - 개발 리드타임 단축 및 비용 절감 사례 - 데이터 기반 설계 의사결정 고도화 전략 - 기업 경쟁력 강화를 위한 기술 활용 방향 이번 행사를 통해 귀사의 엔지니어링 전략을 점검하고, 실질적인 성과로 이어질 수 있는 방향을 확인하시기 바랍니다. 출장공문 다운로드 ■ AGENDA 기조연설 : 10:00 ~ 11:20 르웨스트홀 A 10:00 – 10:30  |  #Ai 반도체 Agentic AI 인공지능을 위한 HBM-HBF 메모리 구조의 혁신 Physical AI 시대로의 진입에 따라 AI의 성능은 이제 GPU가 아닌 '메모리 대역폭과 용량'에 의해 결정됩니다. 본 강연에서는 초거대 AI 데이터 센터의 핵심 전략이 될 HBM-HBF 최적화 구조를 제안합니다. 차세대 기술인 HBDF와 3차원 통합 구조를 통해 미래 AI 서비스를 위한 메모리 기술 혁신의 방향성을 확인하시기 바랍니다. 김정호 교수  KAIST 10:30 – 11:00  |  #방산/구조해석 고밀도 AESA 레이더 시스템을 위한 구조해석 기반 수냉식 냉각판 설계와 검증: 내압 성능 예측부터 헬륨 기밀시험을 통한 프로토타입 검증까지 근접방어무기체계(CIWS)의 핵심인 AESA 레이더는 고밀도 발열 소자를 포함한 TRM의 안정적 냉각이 운용 신뢰성을 좌우합니다. 본 발표에서는 복잡한 냉각 유로를 내장한 수냉식 냉각판의 설계 단계에서 구조해석을 통해 내압 성능과 최대 변위를 사전 검증한 과정을 소개합니다. 제작 공정 안정화를 거쳐 완성된 프로토타입에 대한 헬륨 기체 내압시험 결과를 통해 설계 기준 충족 여부를 확인하시기 바랍니다. 신동준 수석연구원  LIG D&A 11:00 – 11:20  |  #Ai+Ansys From Physics to AI: The Evolution of Simulation with Ansys and Tae Sung S&E AI의 기능 확대에 따라, 공학 시뮬레이션 분야에서도 '정확한 물리 해석'을 유지하면서 '속도와 자동화'를 극대화할 수 있는 도구로서의 개발이 활발히 진행되고 있습니다. 본 세션에서는 Ansys의 AI의 기술개발 현황과 함께 이의 올바른 적용을 위한 태성에스엔이의 서비스를 설명합니다. 윤진환 본부장  태성에스엔이 Lunch Break 11:30 - 12:50 산업군 트랙 : 12:50 ~ 17:00 르웨스트홀 4F 각 세션장 전기/전자/ 반도체 자동차/ 모빌리티 항공우주/ 방산 에너지/중공업/ 플랜트 헬스케어  Agenda 한 눈에 보기 ■ 사전등록 안내 기간 : 2026.04.01.~05.08. 한정된 좌석으로 인하여 조기 마감 될 수 있습니다. 혜택 1 사전등록 후 현장참여 선착순 300분께 태성에스엔이의 키링을 제공합니다.   혜택 2 사전등록 후 현장참여 선착순 500분께 점심식사를 제공합니다.   ＊ 행사 종료 후 진행되는 설문조사에 참여해 주세요. 소중한 의견을 주신 분들께 깜짝 기념품을 드립니다. 사전신청 바로가기 Sponsor Platinum Gold Silver

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   최근 인공지능 분야의 주요 화두는 단연 ‘공간 지능(spatial intelligence)’의 구현이다. 단순 2D 이미지나 단일 3D 객체(object) 생성에 머물렀던 기존의 기술적 한계를 넘어, 물리적 환경의 기하학적 구조와 상호작용을 포괄적으로 이해하는 거대 월드 모델(LWM : Large World Models)이 새로운 대안으로 부상하고 있다. 특히, 페이페이 리(Fei-Fei Li) 교수가 이끄는 월드랩스(World Labs)의 ‘마블(Marble)’ 출시는 이러한 패러다임 전환을 알리는 핵심 마일스톤이다. 이번 호에서는 최근 오토데스크와 월드랩스의 대규모 전략적 파트너십을 중심으로, 마블의 기술적 아키텍처와 통합 파이프라인, 그리고 이에 대응하는 오픈소스 3D 생성 모델의 발전 동향을 기술적 관점에서 분석하고자 한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. 월드랩스가 개발한 오토데스크의 마블 서비스   그림 2. 월드랩스가 개발한 오토데스크의 마블 서비스   오토데스크 마블의 기술적 배경 마블은 오토데스크가 직접 개발한 제품이 아니다. 이 모델은 ‘AI의 대모’라 불리는 페이페이 리 교수가 설립한 AI 스타트업 월드랩스가 개발한 핵심 생성형 3D 월드 모델이다. 오토데스크는 2026년 2월 월드랩스에 대규모 전략적 투자를 단행하며, 자사 소프트웨어와의 통합 파트너십을 발표했다.   그림 3. 페이페이 리 교수의 월드랩 연구실 멤버들(출처 : techfundingnews)   마블의 구체적인 첫 코드 작성일이 공식적으로 공개되지는 않았으나, 회사의 설립과 주요 제품 마일스톤을 통해 개발 타임라인을 추론할 수 있다. 초기 R&D 및 시작(2024년 1월) : 페이페이 리 교수를 비롯한 최고 수준의 AI 연구진이 3D 환경 생성과 실시간 시뮬레이션을 목표로 2024년 1월에 월드랩스를 공동 창립했다. 마블의 근간이 되는 ‘공간 지능’ 연구와 코어 모델 개발은 이때 본격적으로 시작되었을 것으로 분석된다.을 거쳐, 마블의 첫 번째 제한적 베타 버전이 공개되었다. 프로토타입 및 베타(2025년 9월) : 약 1년 8개월의 딥테크 연구 기간 정식 출시(2025년 11월 12일) : 텍스트, 이미지, 비디오 등을 입력받아 상호작용 가능한 3D 환경을 즉석에서 구축하는 마블 프론티어 모델이 일반 대중에게 정식 론칭되었다.   마블의 핵심 기술 스택 마블은 단순히 2D 이미지를 이어 붙이는 비디오 생성 AI가 아니라, 물리적 공간의 3차원 구조를 완벽히 이해하는 거대 월드 모델(LWM) 아키텍처를 채택하고 있다. 3D 표현 포맷(3D Gaussian Splatting) : 시점이 변하면 형태가 무너지는 기존 생성 모델의 한계를 극복하고, 변형 없이 영구적으로 보존되는 3D 환경을 생성한다. 결과물은 3D 가우시안 스플랫이나 메시(mesh) 형태로 다운로드하여 언리얼, 유니티 등 다른 게임 엔진으로 내보낼 수 있다. 실시간 프레임 모델(RTFM : Real-Time Frame Model) : 2025년 10월에 도입된 핵심 렌더링 기술이다. 단일 GPU 환경에서도 실시간으로 월드를 생성하고 상호작용할 수 있도록, 기존 프레임들을 일종의    ‘공간 메모리’로 활용해 높은 디테일을 유지한다. 웹 렌더링 엔진(SparkJS.dev) : 별도의 무거운 클라이언트 없이 웹 브라우저 환경에서 매끄러운 3D 렌더링을 구현하기 위해 Three.js를 기반으로 한 독자 렌더러 ‘SparkJS.dev’를 사용한다. 이는 가우시안 스플랫과 전통적인 WebGL 애셋(glTF 모델 등)을 자연스럽게 혼합한다. 공간 편집 도구(Chisel) : 사용자가 직접 상자나 평면 같은 단순한 원시 도형(primitive)으로 3D 뼈대를 잡으면, AI가 맥락을 파악해 시각적 디테일과 텍스처를 입히는 하이브리드 3D 편집을 지원한다.   오토데스크 생태계와의 결합 전략 기존 스테이블 디퓨전 기반 3D 생성이 단일 객체를 깎아내는 데 집중했다면, 마블은 단일 이미지나 텍스트에서 거대한 3D 가상 세계 전체를 생성한다. 이를 오토데스크의 생태계와 결합하는 것이 이번 협업의 핵심이다. 백본 모델(backbone models) : 단순 2D 픽셀 패턴 모방을 넘어 3D 공간의 기하학(geometry), 재질, 빛의 반사, 물리 법칙을 추론하는 거대 세계 모델(LWM)을 백본으로 사용한다. 월드랩스의 핵심 개발진(NeRF 창시자 등)의 배경을 고려할 때, NeRF 및 차세대 뉴럴 렌더링 기술이 결합되어 시점 변화에 완벽히 대응하는 일관된 3D 신(scene)을 연산한다. 학습 데이터 종류(training data) : 일반적인 2D 이미지 쌍을 넘어 3D 레이아웃, 공간 깊이(depth) 데이터, 카메라 트래킹(pose)이 포함된 다중 시점 영상, 그리고 오토데스크가 강점을 가진 기하학적/물리적 CAD 시뮬레이션 데이터 등 복합적인 고차원 데이터로 학습된다. 오토데스크와의 통합 파이프라인(integration workflow) 편집 가능한 3D 신 : 비디오 영상(예 : 오픈AI 소라)이 아닌, 구조화되고 상호작용 가능한 3D 환경 자체를 출력한다. 라스트 마일 편집(last-mile editing) 생태계 : 마블이 프롬프트로 전체 공간의 초안을 생성하면, 이를 오토데스크의 마야, 3ds 맥스, 레빗 같은 전통적인 소프트웨어로 넘긴다. 이후 아티스트나 엔지니어가 직접 폴리곤 토폴로지, 리깅, 정밀한 재질 수정을 거쳐 최종 결과물을 완성한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 : Ansys 주요 특징 : 엔지니어링 프로세스를 하나로 연결하는 통합 시높시스–앤시스 워크플로 제공, 생성형 AI와 에이전틱 엔지니어링 기능으로 설계 탐색 가속/전처리 자동화/시스템 수준 인사이트 확보 지원, 확장된 디지털 트윈 역량 및 연결된 모델링 워크플로로 시스템 전반에 대해 리얼월드 기반의 인사이트 제공 강화 등 공급 : 앤시스 코리아   ‘앤시스 2026 R1(Ansys 2026 R1)’은 시높시스와 앤시스가 보유한 공학 역량을 결합해, 시높시스-앤시스 통합 기능을 본격적으로 선보인다. 앤시스 2026 R1은 시뮬레이션 AI 포트폴리오를 확장해 학습 효율을 높이는 AI 강화 트레이닝 제공과 함께 고급 AI 기능도 강화했다. 이를 통해 엔지니어링 팀은 초기 개발 단계에서 시스템 수준 인사이트를 확보함과 동시에 물리 시험 의존도를 줄이며, 소프트웨어 중심 제품이 고도화되는 환경에서도 성능 최적화를 보다 효율적으로 추진할 수 있게 됐다.   ▲ 출처 : 시높시스   시스템 인지 엔지니어링의 미래를 가속하는 공동 설루션 앤시스 2026 R1은 시스템 복잡성 증가, AI 기반 제품 수요 확대, 그리고 산업 전반의 조기 검증 전환이 맞물리며 변화하는 엔지니어링 환경에서 새로운 흐름의 출발점이 될 것으로 전망된다. 시높시스는 이러한 변화에 대응하기 위해, 시높시스와 앤시스의 주요 기술을 연동해 하나의 통합된 시스템처럼 작동하도록 지원한다. 이를 통해 초기 설계 탐색을 가속하고 도메인 간 협업을 강화하며, 주요 산업 전반에서 더 깊은 인사이트를 제공하는 고효율 워크플로를 제시한다. 이번 앤시스 2026 R1에 포함된 신규 시높시스-앤시스 공동 설루션은 다음과 같다. 시높시스 VC 펑셔널 세이프티 매니저(Synopsys VC Functional Safety Manager, VC FSM)와 앤시스 메디니 애널라이즈(Ansys medini analyze)가 시스템 수준과 실리콘 수준 안전 분석을 연결하는 엔드 투 엔드 기능 안전 워크플로로 연동된다. 이를 통해 시스템 안전 엔지니어와 칩 안전 검증 엔지니어 간 협업이 간소화되며, 시스템부터 칩까지 추적성(traceability)이 자동화된다. 또한 도구 간 수작업 데이터 공유를 줄여 자동차 및 항공우주 안전 등 핵심 적용 분야에서 시간 절감 효과를 기대할 수 있다. 시높시스 퀀텀ATK(Synopsys QuantumATK)와 앤시스 그란타 MI(Ansys Granta MI) 플랫폼이 소재 워크플로로 통합되어 원자 스케일부터 엔터프라이즈까지 이어지는, 소재 발굴, 신소재 개발, 제조 공정 개선을 지원한다. 검증된 소재 물성치를 그란타 MI로 직접 내보낼 수 있어 소재 과학자와 설계 엔지니어 간 협업 효율이 높아진다. 또한 반복 가능하고 재사용 가능한 워크플로를 통해 정제되고 일관된 소재 레코드를 구축함으로써 초기 단계에서 성능 예측과 데이터 기반 의사결정을 지원한다. 시높시스 옵토컴파일러(Synopsys OptoCompiler)와 앤시스 루메리컬 FDTD(Ansys Lumerical FDTD)가 디바이스 수준 포토닉 설계와 고급 시스템 수준 광학 시뮬레이션을 연결하는 설계 워크플로로 통합된다. 또한 Verilog-A 모델 생성 자동화와 도구 간 광학 거동 일관성 확보를 통해 디바이스 설계자와 시스템 수준 포토닉 엔지니어 간 협업을 강화한다. 이를 통해 설계·시뮬레이션 환경 간 수작업 데이터 변환을 줄이고, 고도화된 포토닉 애플리케이션에서 시간 절감과 신뢰성 향상을 지원한다. 앤시스 스케이드(Ansys SCADE) 모델 기반 소프트웨어 개발 설루션에 더해, 시높시스는 제어 소프트웨어를 위한 테스트 자동화 설루션 TPT를 제공한다. SCADE는 안전 필수 소프트웨어 개발 환경을 제공하고, TPT는 테스트 생성·실행·분석을 자동화해 설계 반복을 가속하고 조기 검증을 강화하며 복잡한 제어 소프트웨어 품질 향상을 지원한다. 두 설루션을 결합하여 ADAS, 전동화 파워트레인, 비행 제어, 엔진 제어, 항공전자 등 미션 크리티컬 제어 시스템 개발에서 수작업 검증 부담을 줄이고 자동화 수준을 높일 수 있다.   ▲ 출처 : 시높시스   AI 기반 디지털 엔지니어링으로 더 빠르고 스마트한 설계 반복 지원 앤시스 2026 R1은 생성형 AI와 에이전틱 기능을 도입해, 검증을 가속하고 설계 탐색을 확대하며 복잡한 워크플로의 자동화를 강화했다. 이를 통해 엔지니어링 팀은 개발 전체 과정에서 더 빠르고 스마트한 인사이트를 확보할 수 있다. 앤시스 지옴AI(Ansys GeomAI) 지오메트리 플랫폼은 생성형 AI 기반의 개념 설계 탐색을 통해, 지오메트리 콘셉트를 보다 창의적이고 효율적으로 빠르게 생성·평가·개선할 수 있도록 지원한다. 레퍼런스 설계로부터 직접 학습함으로써 초기 혁신을 가속하는 동시에, 엔지니어링 의도를 보존해 AI가 생성한 콘셉트가 예측 가능하고 신뢰할 수 있으며 후속 검증 단계로 자연스럽게 이어질 수 있도록 돕는다. 또한 메시 에이전트는 앤시스 메카니컬(Ansys Mechanical)에서 탐색적 사용으로 제공되는 신규 기능으로, 모델 전처리 과정에서 발생하는 메싱 실패 원인을 진단하고 해결하는 데 도움을 준다. 검증된 개선 절차를 기반으로 엔지니어를 안내해 자동화 전처리에 대한 신뢰를 높인다. 현재 초기 고객 평가 단계에 있는 ‘디스커버리 검증 에이전트’는 앤시스 디스커버리(Ansys Discovery)에 탑재돼, 수십 년간 축적된 공학 전문성을 바탕으로 문맥 정보와 산업 모범 사례를 활용해 설정 이슈를 선제적으로 식별한다. 이를 통해 엔지니어가 작업을 더 빠르게 진행하고 비용이 큰 실수를 줄이며, 초기부터 더 높은 성능의 설계를 만들 수 있도록 지원한다. 앤시스 2026 R1의 추가 AI 업데이트 사항은 다음과 같다. 앤시스 SimAI(Ansys SimAI) 시뮬레이션 플랫폼은 두 가지 제공 형태를 지원한다. 기존 제품인 앤시스 SimAI 프리미엄 SaaS와, 로컬 데이터 저장이 필요한 프로젝트를 위해 데스크톱 환경에서 사용할 수 있도록 설계된 앤시스 SimAI Pro가 포함된다. 앤시스 옵티스랭(Ansys optiSLang)의 SimAI 커넥터를 통해 학습 데이터 생성, AI 학습, 최적화 및 설계 스터디까지 엔드투엔드 워크플로를 구현할 수 있다. 앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)이 메디니 애널라이즈, 앤시스 모델센터(Ansys ModelCenter), 앤시스 록키(Ansys Rocky)에서 제공돼 사용자 인터페이스 내에서 지능형 AI 가이드 지원을 제공한다. 옵티스랭과 디스커버리 간 신규 통합으로 민감도 분석과 원클릭 최적화를 지원하는 AI-레디 워크플로가 제공된다. 이를 통해 엔지니어는 메카니컬, 플루언트 또는 앤시스 아이스팩(Ansys Icepak)에서 개념을 검증하기 전에, 초기 단계에서 더 빠르게 설계 대안을 탐색할 수 있다.   ▲ 출처 : 시높시스   리얼월드 디지털 트윈으로 시스템을 연결하고 성능 최적화 앤시스 2026 R1에서 확장된 디지털 트윈 혁신은 물리적 프로토타이핑 이전 단계에서 사용자들이 더 깊은 리얼월드 인사이트를 확보할 수 있도록 지원한다. 앤시스 트윈AI(Ansys TwinAI)는 시뮬레이션 데이터와 센서·테스트 정보를 더 정교하게 얼라인하는 신규 퓨전 모델링 방식과, 대규모 시계열 모델링 및 학습 효율을 강화하는 템포럴 퓨전 트랜스포머를 도입했다. 또한 트윈AI ROM(차수 축소 모델) 위저드는 고정밀 ROM의 생성 및 배포를 제공하여 리얼타임 디지털 트윈 제공을 가속한다. 또한, 앤시스 AV엑셀러레이트 센서(Ansys AVxcelerate Sensors)는 신규 GPU 가속 멀티스펙트럴 광 전파 엔진과 엔비디아 옴니버스와의 통합 확대를 포함한 기능 강화를 통해 통합된 3D 디지털 트윈 파이프라인을 구현한다. 이를 통해 시나리오 전반에서 더 물리적으로 정확한 카메라 동작, 표면 반사 그리고 엣지케이스 재현성을 제공한다.     ■ 기사 내용은 PDF로도 제공됩니다.

엔비디아와 로레알 협력 확대, 알케미 AI로 뷰티 연구 및 배합 최적화 100배 가속 AI 컴퓨팅 기술 분야의 선두주자인 엔비디아가 세계 최대 AI 가속 컴퓨팅 콘퍼런스인 GTC 2026에서 글로벌 뷰티 기업 로레알과의 협력 확대를 발표했다. 이번 파트너십을 통해 엔비디아의 화학 및 소재 혁신을 위한 AI 연구소인 알케미(ALCHEMI)가 수십억 달러 규모의 스킨케어 시장에 전격 도입되어 제품 개발 공정을 혁신할 전망이다. 로레알, 엔비디아 알케미 도입으로 연구 효율 극대화 로레알은 엔비디아 가속 컴퓨팅 기반의 알케미를 활용해 컴퓨터 시뮬레이션을 통한 배합 물성 예측의 속도와 정확도를 대폭 높이고 있다. 기존의 자외선 차단제 개발은 방대한 분자 조합을 일일이 실험실에서 테스트해야 하는 한계로 인해 수년에 걸친 복잡한 과정을 거쳐야 했다. 그러나 로레알 연구진은 이제 알케미를 통해 자외선 차단제 분자 조합을 기존 시뮬레이션 방식 대비 최대 100배 더 빠르고 효율적으로 선별할 수 있게 됐다.   AI 기반 배합 최적화로 신소재 발굴 및 비용 절감 로레알은 스킨케어, 헤어케어, 메이크업, 향수 등 다양한 분야에서 매년 3400개 이상의 신규 배합을 개발하고 있으며, 연간 13억 유로 이상을 연구개발(R&D)에 투자하고 있다. 연구의 핵심인 배합 공정에 엔비디아 알케미가 적용되면서, 그동안 컴퓨팅 복잡성으로 인해 탐색이 어려웠던 방대한 화학 조합을 효과적으로 분석할 수 있는 길이 열렸다. 이는 신소재 발굴 기간 단축과 비용 절감으로 이어져 화학 및 소재 과학 산업 전반의 제품 개발을 가속하고 있다. 뷰티 산업을 넘어 화학 및 소재 분야 전반으로 확산 이번 기술 협력의 이점은 단순히 화장품 산업에 국한되지 않는다. 로레알은 배합 최적화를 통해 피부 보호와 조기 노화 방지에 기여하는 활성 성분의 효능을 극대화하고 있으며, 이는 향후 헬스케어 분야에도 긍정적인 영향을 미칠 것으로 보인다. 또한 엔비디아 알케미는 자외선 차단제와 향수의 복잡한 화학 구성을 넘어 반도체 소재, 페인트, 코팅제 등 다양한 산업 분야의 배합 최적화에도 폭넓게 활용될 수 있어 소재 공학의 새로운 패러다임을 제시하고 있다.  

SIMTOS 2026  - 캐드앤그래픽스 주관 컨퍼런스 Day 2 4.17(금) - 뿌리산업 & 소부장 컨퍼런스 발표자 및 발표 내용 소개 1. 2026년 소부장 R&D 정책지원 방향 한국산업기술기획평가원(KEIT) 정민하 본부장 [강연 내용]  소부장 및 공급망 현안과 소부장 관련 기업지원 정책 및 소부장 지원정책 활용 방법과 소부장 관련 기관 지원을 위한 사업 및 예산에 대해 소개한다. [약력] 한국산업기술기획평가원 전략기획팀장 한국산업기술기획평가원 소재부품전략팀장 2. 제조 AX 기반 반도체 소부장 경쟁력 강화전략 성균관대 권석준 교수(부학장) [강연 내용] 소버린 AI가 국가 정책으로 부상하면서 AI 모델 자립은 물론, 향후 기존 산업으로의 확장을 염두에 둔 M.AX(제조업 AI 전환) 방향이 구체화되고 있다. 특히 한국 수출 산업 중 가장 큰 비중을 차지하는 반도체에서는 대기업뿐만 아니라 반도체 소부장의 경쟁력 강화를 위해 제조 AX 전략이 어떻게 합치될 수 있을지 논한다. [약력] 서울대학교 공과대학 화학생물공학부 학석사(02,04), MIT 화학공학과 공학박사(13), 한국과학기술연구원(KIST) 첨단소재연구본부 선/책임연구원 (13-21), 성균관대학교 화학공학부 교수 및 공과대학 부학장 (현재), 과기정통부 국가전략기술 반도체 분과위원   3. 공작기계에서 '지능형 제조 에이전트'로: AX를 통한 제조 플랫폼의 진화 DN솔루션즈 엄재홍 상무 [강연 내용] AI 산업 전환(AX)에 대해 기계 산업과 AI 관점에서 살펴보고 시사점을 논의한다. [약력] ㈜디엔솔루션즈 AI담당 임원 (전) 현대오토에버㈜ AI 기술팀장, ㈜LG LGSP AI 기술팀장 등 연사는 AI 기술 전문성과 4대 그룹 주요 산업 경험을 바탕으로 현장의 AI 기반 산업 전환을 이끌고 있다. 4. AI(인공지능) 기반 자율제조 대응 방안 및 추진 전략 화신 이기동 상무 [강연 내용]  최근 데이터 기반 중심 제조 환경 패러다임 변화 자율 제조 개념 (자율 제조 정의 및 단계) 현재 제조 시스템 현황 및 한계 자동차 부품개발 및 제조 전문 업체인 화신의 기술개발 사례 [약력] 1992년 1월 ~ 화신 입사 주요경력 : 제품 설계, 금형 설계, 해외 법인 구축 전) 신사업부문장, 현) 화신 생산기술본부장    5. 항공엔진용 핵심 부품소재의 신뢰성 확보 및 기술개발 추진 전략 한화에어로스페이스 송덕용 수석연구원 [강연 내용] 항공엔진의 고온·고응력 운용환경 대응을 위한 핵심 부품소재의 설계-공정-시험·평가·인증 절차를 확립하고, 통계 데이터 기반의 신뢰성 확보 전략 및 산학연 협력 기술개발 방안을 제안한다. [약력] 2012~2018 두산에너빌리티, 원자력발전용 핵심 부품소재 국산화 기술개발 2018~2020 한국금속재료연구조합, 산업부 소부장 기술개발 사업 기획위원 2020~2024 한국생산기술연구원, 뿌리산업 진흥과 첨단화를 위한 정책 및 신규 Project 기획 2024~ 현재 한화에어로스페이스, 항공엔진용 소재부품 국산화 기술개발 SIMTOS 2026 컨퍼런스 상세 내용 보러가기 >>

SIMTOS 2026  - 캐드앤그래픽스 주관 컨퍼런스 Day 1  4.16(목) - 피지컬 AI & 디지털트윈 컨퍼런스 발표자 및 발표 내용 소개 1. 피지컬AI의 부상, 제조 강국의 길 한국로봇산업진흥원 제조로봇본부 전진우 수석연구원 [강연 내용] 피지컬AI에 대한 이해와 국내외 동향을 살펴보고 왜 제조분야에 도입이 필요한 가에 대한 기술, 경제, 문화적 관점의 해석을 통해    한국이 제조 강국을 유지하기 위해 가야할 길을 모색해 보고자 한다. [약력] 공학박사(Ph.D) 한국로봇산업진흥원 로봇클러스터사업단장, 정책기획실장 로봇학회 이사, 재활로봇학회 이사, 인공지능윤리학회 이사 숭실대 스마트산업안전공학과 겸임교수(기계로봇 안전) 2. Beyond Possibility, Autonomous Manufacturing Transformation - Physical AI와 디지털 트윈을 통한 자율제조혁신) 현대자동차·기아 민정국 상무 [강연 내용] 1. 자동차 제조 산업의 변화 2. 새로운 여정 : 자율제조공장 3. 자동화의 진화 : 자율제조혁신 [약력] ■ 현대자동차·기아 제조SW개발실 상무 ■ LG 디스플레이 - CTO VD, VP / Technology Fellow ■ 삼성전자    . 혁신센터 - Principal Researcher   . 반도체 연구소 CAE팀 - Senior Researcher   . SSIT(삼성전자공과대학교) - Visiting Professor, Industrial AI/Advanced CMOS ■ IBM New York - Technology CAD Researcher ■ 공학박사 - 성균관대 반도체디스플레이 및 산업공학 (Industrial AI & Digital Twin)             - 삼성전자 Fellowship 3Yrs 조기졸업  ■ KAIST - Executive Course in Artificial Intelligence 수료   3. 조선 미래를 위한 차세대 설계/생산 통합 플랫폼과 피지컬 AI HD현대 이태진 전무(CDO) [강연 내용] 한국의 조선산업은 새로운 도약을 준비하고 있다. 전통적인 노동 집약 산업에서 디지털 기술과 AI를 활용한 지능형 자율 운영 조선소의 비전을 실현하고자 한다. D현대 그룹은 FOS(Future of Shipyard)프로젝트의 일환으로 차세대 설계/생산 통합 플랫폼과 AI를 활용하여 선박 제조 밸류 체인의 가상화, 지능화, 자율화를 완성하고자 한다.    [약력] 현재 HD현대 그룹의 CDO(Chief Digital Officer)로 그룹 내 조선, 중장비, 에너지 산업의 디지털전환을 이끌고 있다. 과거 액센츄어 코리아의 제조 산업 부문 리드로서 다수의 중공업 및 기계 산업 고객의 프로세스 혁신 및 디지털 전환 프로젝트를 수행한 바 있다.   4. 제조AX(M.AX) 얼라이언스 구성·성과 및 운영방향 한국산업기술기획평가원(KEIT) 김성호 본부장 [강연 내용]  제조 AX(M.AX) 얼라이언스 추진 배경, 구성 및 목표, 주요 성과, 운영 방향 등에 대해 소개한다. [약력] 한국산업기술기획평가원 AI자율제조추진단장, 휴머노이드추진단장 한국산업기술기획평가원 주력산업본부장 5. 제조 피지컬 AI & 제조 자동화  KAIST 장영재 교수 [강연 내용] 제조 피지컬 AI와 소프트웨어 중심적 공장 (SDF)에 대한 개념과 실제 사례를 소개한다. AI의 물리적 요소를 고려한 시스템을 피지컬 AI라 정의하고 있다. 자율주행 자동차 및 로봇이 피지컬 AI의 대표적인 사례다. 그러나 제조 피지컬 AI는 거대 시스템과 다양한 복합 장비를 다룸으로 그 구성과 운영의 차별성이 필요하다. 이러한 차별점의 핵심이 바로 SDF이다. 소프트웨어 중심적 설계를 통해 공장을 하나의 거대한 AI 시스템으로 설계하고 이를 기반으로 자율운영을 가능하게하는 것이 SDF의 본질이다. 실제 국내 사례를 통해 이들 개념 및 자율공장이 어떻게 구축되었는지 살펴볼 것이다. [약력] 산업 및 시스템 공학과에서 "스마트 팩토리" 및 "지능형 물류 및 공급사슬망 시스템" 관련 연구를 진행하고 있다. 또한 2025년 12월에 설립된 <카이스트 제조 피지컬 AI 연구소> 소장을 역임하고 있다. 카이스트 부임 전 미국 반도체 메모리 제조사인 마이크론 테크놀로지 (Micron Technology)에서 4년간 현장에서 공장 자동화 및 운영 관련 업무를 수행하였다. MIT 공대 기계 공학과에서 박사학위를 취득했다. 2020년에는 연구실 박사 졸업생 4명과 함께 <다임리서치>를 창업했다. 현재 국제저널인 Computers and Industrial Engineering (SCIE:2.62) 의 부편집장 (Associate Editor)를 맡고 있으며 International Journal of Production Research, IEEE Power Electronics 등 국제 저널 특별호의 편집장 및 부 편집장과 반도체 운영 전문가들의 국제 학회인 (International Symposium on Semiconductor Intelligence) 및 Winter Simulatoin Conference MASM의 학회장을 역임했다.  SIMTOS 컨퍼런스 2026 상세 내용 보러가기 >>

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 독일 뮌헨공과대학교(TUM) 연구팀이 개발하여 공개한 세계 최대 규모의 3D 건물 지도 데이터셋인 ‘글로벌 빌딩 아틀라스(Global Building Atlas)’ 프로젝트에 대해 설명한다. 특히, 인공지능과 위성 영상 분석 기술을 결합하여 전 세계에 존재하는 건물을 3차원 모델로 구현한 방법을 기술적 관점에서 나눔한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/ GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   그림 1. Literally a Map Showing All the Buildings in the World(https://gizmodo.com/literally-a-map-showing-all-thebuildings-in-the-world-2000694696)   이 결과는 오픈소스로 공개되었으며, 기존에 가장 방대하다고 알려진 데이터셋이 포함하던 약 17억 개의 건물 수치를 크게 웃도는 규모로 개발되었다. 그동안 디지털 지도 데이터에서 소외되었던 아프리카, 남미, 아시아의 농촌 지역 건물들까지 정밀하게 포착해냈다는 점에서 기술적 진보를 보여준다.   개발 과정 지도의 기반이 된 데이터는 주로 2019년에 촬영된 플래닛스코프(PlanetScope) 위성 이미지를 활용하였으며, 연구팀은 이를 통해 각 건물의 2D 바닥 면적뿐만 아니라 높이 정보까지 정밀하게 추출했다. 이 지도가 제공하는 높이 데이터의 해상도는 3×3미터 수준으로, 기존의 글로벌 건물 높이 데이터셋들이 주로 90미터 해상도에 그쳤던 것과 비교하면 약 30배 이상 정밀도가 향상된 수치이다. 제공되는 데이터는 건물의 대략적인 형태와 높이를 단순화하여 표현하는 LoD1(Level of Detail 1) 수준의 3D 모델 형식을 따르고 있어, 전 지구적 규모의 방대한 데이터를 다루면서도 활용성을 확보했다.   그림 2. 3차원 건물 모델 데이터셋 자동화 결과물   이 연구는 기존 데이터셋이 가진 커버리지의 한계와 3D 정보의 부재를 해결하기 위해 진행되었으며, 전 세계 약 27억 5000만 개의 건물을 포함하는 방대한 규모의 데이터를 구축하였다. 이는 기존의 가장 포괄적인 데이터베이스보다 10억 개 이상 많은 수치로, 그동안 데이터상에서 누락되었던 전 세계 건물의 약 40% 이상을 메우는 성과이다. 연구팀은 이 데이터셋 구축을 위해 플래닛스코프 위성 이미지만을 사용하는 머신러닝 기반 파이프라인을 개발했다. 이 과정은 크게 건물 폴리곤 생성과 높이 추정의 두 단계로 나뉘며, 기존의 오픈소스 건물 데이터(오픈스트리트맵, 구글, 마이크로소프트 등)와 자체 생성한 데이터를 ‘품질 기반 융합 전략’을 통해 결합하여 데이터의 완성도를 극대화했다. 이를 통해 완성된 ‘GBAHeight’는 3×3미터의 공간 해상도를 제공하는데, 이는 기존 글로벌 제품들이 제공하던 90미터 해상도보다 약 30배 더 정밀한 수준이며 이를 통해 지역 및 전 지구 규모에서 신뢰할 수 있는 건물 부피 분석이 가능해졌다. 또한 연구팀은 건물 높이 정보를 포함한 ‘GBA-LoD1’ 모델을 생성하여 약 26억 8000만 건의 건물 인스턴스를 구현했으며, 이는 전체의 97%에 달하는 높은 완성도를 보인다.  높이 추정의 정확도를 나타내는 RMSE(평균제곱근오차)는 대륙별로 1.5미터에서 8.9미터 사이로 나타났으며, 특히 오세아니아와 유럽에서 높은 정확도를 보였다. 데이터 분석 결과 아시아가 건물 수와 총 부피 면에서 압도적인 비중을 차지하는 반면, 아프리카는 건물 수는 많으나 총 부피가 작아 소규모 또는 비공식 건물이 다수 분포함을 시사했다.     그림 3. 공개된 글로벌 빌딩 아틀라스 LoD1 웹 서비스(선릉역 및 뉴욕 근처의 생성된 3D 건물 모델)   AI 모델 개발 접근법 인공지능 모델 개발 및 활용 관점에서 본 글로벌 빌딩 아틀라스(GBA) 프로젝트는 3미터 해상도의 단일 시점(monocular) 위성 영상인 플래닛스코프 데이터를 입력으로 받아 전 지구적 규모의 3D 건물 모델을 생성하는 파이프라인을 구축했다는 점에서 기술적 의미가 있다. 전체 시스템은 크게 2D 건물 폴리곤 생성을 위한 의미론적 분할(semantic segmentation) 네트워크와 3D 높이 추정을 위한 단안 높이 추정(monocular height estimation) 네트워크로 이원화되어 설계되었다. 2D 건물 폴리곤 생성 모델의 경우, 연구팀은 UPerNet(Unified Perceptual Parsing Network) 아키텍처를 기반으로 하되 백본(backbone)으로 ConvNeXt-Tiny를 사용했다. 모델의 성능을 높이기 위해 ‘추출(extraction)’과 ‘정규화(regularization)’라는 두 단계의 네트워크를 직렬로 구성한 점이 특징이다. 첫 번째 네트워크가 위성 영상에서 1차적인 이진 마스크를 생성하면, 동일한 아키텍처를 가진 두 번째 정규화 네트워크가 이를 입력받아 노이즈를 제거하고 건물 경계를 다듬는다. 특히 정규화 네트워크 학습 시에는 깨끗한 폴리곤 마스크에 인위적인 노이즈를 주입한 것을 입력 데이터로 사용하여, 모델이 거친 마스크를 정제된 형태로 복원하는 일종의 디노이징(denoising) 기능을 수행하도록 훈련시켰다.   그림 4. GBA 딥러닝 모델 아키텍처     ■ 기사 상세 내용은 PDF로 제공됩니다.

XR과 AI로 건설 분야의 차세대 전기 공학자 양성   지멘스는 건설업계 및 전기 산업의 인력 부족 문제를 해결하고자, 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이번 호에서는 누마가 어떻게 하나의 원활하고 기기에 구애받지 않는 허브에서 XR 기반 학습, AI 기반 지원, 모바일용 기술 문서에 대한 액세스를 제공하는지 살펴본다. ■ 자료 제공 : 유니티 코리아     지멘스는 전기화, 자동화, 소프트웨어 및 디지털 트윈 연료 산업, 인프라 및 운송 분야의 글로벌 기술 기업이다. 미국에 있는 지멘스는 인프라를 개선하고, 산업 생산성을 높이고, 지속 가능한 에너지 시스템을 구현하는 혁신적인 설루션을 제공한다. 지멘스는 스마트 인프라스트럭처 전기 제품 부문 내에서 주택 건물부터 병원 및 데이터 센터와 같은 중요한 인프라에 이르기까지 안전하고 효율적인 전기 설치를 보장하는 포괄적인 로드 센터, 회로 차단기, 패널보드, 스위치 장치, 측정 설루션 및 제어 제품 포트폴리오를 제공한다. 지멘스는 미국 건설업계, 특히 전기 산업에서 급격한 숙련된 인력 부족에 직면하여 교육과 인력 개발을 현대화하기 시작했다. 도전 과제는 디지털을 우선시하는 최신 학습자의 참여를 유도하는 확장 가능하고 접근성이 뛰어난 인터랙티브 학습 플랫폼을 만들어 효율, 안전성, 실무 성과를 개선하는 것이었다. 이러한 요구 사항을 충족하기 위해 지멘스는 에듀케이션XR(EducationXR)을 활용하는 차세대 교육 및 영업 지원 플랫폼인 누마(Pneuma)를 구축했다. 이 플랫폼은 모든 모바일, 데스크톱 및 VR 헤드셋에 몰입형 경험을 제작 및 배포하는 데 사용되는 유니티(Unity) 개발자 플랫폼이다.   결과 XR 시뮬레이션을 사용하여 지식 보존을 3배 개선 주요 전기 설치 작업에 대한 숙련도를 높이는 데 필요한 시간을 70% 단축 처음 6개월 동안 1만 개 이상의 AI 기반 질문에 답변 외부 사용자의 주당 참여율(85% 이상) 지멘스 에듀케이트 아메리카(Siemens Educates America)를 통해 2만 5000명의 학습자와 교육 담당자에게 도달 미국 전역에서 누마에 액세스하는 내부 및 고객 사용자 1000명 이상 중앙 집중형 셀프 서비스 콘텐츠 액세스를 통해 교육 및 지원 비용 대폭 절감 유니티의 크로스 플랫폼 엔진 덕분에 모바일, 데스크톱, AR, VR 기기 전반에 원활하게 배포 가능   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   ▲ 출처 : 에듀케이션XR   직원의 과제 : 디지털 세계에서 기술 격차 해소 미국 건설 산업, 특히 전기 산업은 급급한 기술 부족에 직면하고 있다. 인력의 노화, 전기화 수요 증가, 프로젝트 복잡도 증가, 새로운 디지털 기술의 조합으로 인해 교육 역량과 실제 수요 사이의 격차가 커지고 있다. 전기 인프라가 복잡해질수록 영업 엔지니어, 전기 시공사, 학습자 등 전문가는 정확한 제품 정보를 빠르게 찾고, 설치 절차를 이해하고, 새로운 디지털 툴을 활용하는 데 어려움을 겪고 있다. 기존의 교육 방식은 더 이상 충분하지 않다. 학습자와 숙련된 전기 공학자는 위험, 다운타임, 불일치 없이 실습을 진행할 수 있는 유연하고 확장 가능하며 기술적인 설루션을 필요로 하며, 이런 설루션은 디지털 노멀과 네이티브 모두에게 매력적이다. 지멘스는 자체 교육 툴과 내부 지원 시스템을 발전시킬 필요성을 인식하고 몰입형 기술에서 해결책을 찾았다. 이전에는 지멘스의 XR 교육 모듈이 수동으로 VR 헤드셋에 추가되었으며 배포, 확장성 또는 유저 친화적인 액세스를 위한 중앙 집중형 플랫폼이 부족했다. ‘광고 지면’의 타깃 고객 액세스 경험은 단편화되어 리소스를 많이 사용했다.   ▲ 출처 : 에듀케이션XR   누마, 더 스마트한 인력을 위한 스마트 교육 지멘스는 기술 가이드, 몰입형 학습 및 AI 기반 지원을 위한 원스톱 허브 역할을 하는 혁신적인 애플리케이션인 누마를 도입했다. 누마는 내부 팀과 외부 고객 모두를 염두에 두고 설계되었으며 인터랙티브 콘텐츠, 실시간 데이터 액세스, 크로스 디바이스 접근성을 지능적으로 조합한다. 누마는 유니티 실시간 3D 엔진과 에듀케이션XR 플랫폼을 활용하여 다음과 같은 기능을 제공하여 기존의 교육과 최신 디지털 요구 사항 간의 격차를 해소한다. 몰입형 XR 교육 모듈 : 실시간 전압이나 하드웨어 없이 실전 전기 훈련을 위한 사실적인 시뮬레이션 3D 및 XR 호환 제품 시각화 : 전기 부품을 설치하기 전에 살펴보고 학습할 수 있는 인터랙티브 모델 AI 기반 콘텐츠 검색 : 제품 질문에 답변하고, 기술 자료를 추천하고, 학습 가이드를 제공하는 생성형 AI 어시스턴트이다. 실무 지원 : 3D 조립 및 설치 지침 가이드 중앙 집중식 리소스 액세스 : 사양 시트부터 동영상 튜토리얼까지 누마는 모바일, 데스크톱 및 VR 전반에 걸쳐 통합된 콘텐츠 경험을 제공한다.   주요 기능 모든 기기에서 웹 및 모바일 액세스 가능 크로스 플랫폼 XR 학습 환경 인터랙티브 튜토리얼 및 가이드식 시뮬레이션 제품 쿼리, 문제 해결, 애셋 추천을 위한 생성형 AI 확장 가능한 교육 과정 개발을 위한 에듀케이션XR 기반 콘텐츠 제작 에듀케이션XR의 코리 하이젠레이더(Cory Heizenrader) CEO는 “에듀케이션XR은 크로스 플랫폼 자동 멀티플레이어(폰, 태블릿, 데스크톱, VR 등)를 갖춘 제작 제품군이다. 우리는 최첨단 XR 지원과 유연성 때문에 유니티를 선택했다”고 전했다.   유니티로 구축한 누마의 기반 기술 유니티는 누마의 몰입형 경험의 기반이 된다. 유니티 크로스 플랫폼 기능을 통해 지멘스와 에듀케이션XR은 모든 기기에서 통합되고 일관된 교육 및 지원 경험을 제공할 수 있으며, 이는 현장의 디지털 네이티브에 도달하는 데 필수이다. 이 과정은 크리에이터가 에듀케이션XR의 카페인(Caffeine) 패키지를 유니티 에디터로 다운로드하여 에듀케이션XR 자격 증명을 통해 로그인하거나, 조직에서 에듀케이션XR과 IT를 통합하기로 결정한 경우 안전한 SSO를 통해 로그인한다. 디자인 단계가 끝나면 3D 모델을 유니티 가져와서 단계별 인터페이스를 통해 크리에이터가 간단한 방식으로 콘텐츠를 제작하는 방법을 안내한다.   ▲ 출처 : 지멘스   유니티가 지멘스의 누마 플랫폼 각 레이어를 지원하는 방법은 다음과 같다. 카페인으로 콘텐츠 제작 : 지멘스는 에듀케이션XR의 커스텀 유니티 패키지인 카페인을 유니티 에디터에서 직접 사용한다. 커스텀 에듀케이션XR 언어인 플로(Flow)를 통한 비주얼 스크립팅과 모든 경험 수준의 크리에이터를 위한 드래그 앤 드롭 유저. ‘광고 지면’의 타깃 고객 경험이 포함되어 있다. 교육 모듈, 제품 데모, 시뮬레이션은 15분 만에 제작할 수 있으며, 에듀케이션XR의 클라우드 인프라를 통해 자동으로 배포되므로 실행 파일을 생성하고 배포할 필요가 없다. 크로스 플랫폼 배포 : 유니티의 렌더링 파이프라인과 XR 통합(URP, AR Foundation, AI Navigation, Splines)을 통해 모바일, 데스크톱, VR 및 AR 플랫폼에 원활하게 배포할 수 있다. 누마는 윈도우, 맥OS, 안드로이드, 퀘스트(Quest), 피코(Pico) 및 패스스루 지원 XR 헤드셋에서 실행된다. XR 모드를 위한 AR 파운데이션 : 유니티의 AR 파운데이션(AR Foundation)은 휴대폰을 공간 교육 기기로 변환한다. 교육생은 모바일 AR을 사용하여 가상 환경을 보고 상호 작용할 수 있다. VR 헤드셋이 필요하지 않다. 실시간 시뮬레이션 및 멀티플레이어 : 유니티는 모든 디바이스에서 멀티플레이어(multiplayer) 시뮬레이션을 지원하므로, 하드웨어와 관계없이 팀이 함께 훈련할 수 있다. 이렇게 하면 강의실, 작업 현장, 원격 장소에서 동기화된 학습이 가능하다. 지멘스는 유니티 에듀케이션XR을 통해 기기나 경험 수준에 관계없이 모든 유저. '광고 지면'의 타깃 고객이 일관되고 최첨단 디지털 학습을 이용할 수 있도록 지원한다.   ▲ 출처 : 에듀케이션XR   지멘스의 데이비드 콰텔라(David Quatela) 북미지역 일렉트리컬 제품 마케팅 매니저는 “유니티 엔진과 강력한 성능을 에듀케이션XR의 출력 및 별도의 기능과 결합하는 능력은 인력 개발 및 건설 기술 작업을 통해 지멘스의 시장 진출 방식을 바꿔 놓았다”고 설명했다.   스파크 변경 결과 누마는 6개월 만에 지멘스의 인력과 확장된 전기 산업 생태계에 혁신적인 영향을 미쳤다. 누마의 AI 기반 어시스턴트를 통해 1만 개 이상의 제품 및 설치 질문에 대한 답변을 얻어, 매뉴얼을 검색하거나 지원 티켓을 확대하는 데 소요되는 시간을 절약할 수 있었다. 기술 지식에 대한 즉각적인 액세스 덕분에 효율이 향상되었을 뿐만 아니라, 작업에 대한 유저 및 ‘광고 지면’의 타깃 고객 신뢰도도 높아졌다. 유니티 기반 XR 교육 모듈 덕분에 지멘스는 지식 보존이 세 배 증가하여 학습자가 복잡한 절차를 더 효과적으로 수용할 수 있도록 지원했다. 실제 시나리오에서는 중요한 설치 및 문제 해결 작업에 필요한 시간을 70% 단축하여 시간을 절약하고, 비용이 많이 드는 오류를 줄이면서 건설 현장의 다운타임을 최소화할 수 있다. 신속하고 열정적인 도입이 이루어졌다. 지멘스의 내부 팀, 계약업체, 유통 파트너를 아우르는 1000명 이상의 사용자를 바탕으로, 누마는 몰입형 교육과 지원을 위한 핵심 지점으로 빠르게 자리매김하고 있다. 지멘스 에듀케이트 아메리카 이니셔티브를 통해 2만 5000명 이상의 학습자와 강사가 참여하여 업계의 증가하는 기술 격차를 해소할 수 있었다. 외부 사용자도 참여를 유지하고, 매주 상호 작용률이 85% 이상이며, 하루 평균 125건의 AI 기반 콘텐츠 쿼리로 플랫폼 가치가 있을 뿐만 아니라 필수라는 확실한 신호이다.   ▲ 출처: 지멘스   측정할 수 있는 결과와 높은 참여도의 조합을 통해 유니티의 기술과 에듀케이션XR의 교육 모듈 및 지멘스의 심층적인 업계 전문 지식이 어떻게 전체 전기 생태계에서 전문가 교육, 지원 및 역량 강화 방식을 적극적으로 재구성하고 있는지 확인할 수 있다. 실시간 제품 데이터와 AI 기반 영업 툴에 액세스할 수 있는 배포업체 단계별 AR 지침 및 가상 시뮬레이션을 활용할 수 있는 건축업체 XR 모듈 및 온디맨드 지원을 통해 실습 학습을 경험하는 학습자 더 빠른 온보딩, 더 높은 일관성, 미래 지향적 인재 확보를 위한 기업   숙련된 무역의 미래 : 확장형 학습을 위한 장벽 해소 지멘스는 더 많은 AI 기반 콘텐츠 제작 툴, 콘텐츠 라이브러리의 추가 XR 교육 모듈, 더 많은 트레이드 역할을 지원하기 위해 다양한 분야에 걸쳐 광범위한 롤아웃을 통해 누마를 확장하고 있다. 유니티 모듈식 툴셋과 커스텀 스크립팅, 애셋 파이프라인, 기기 호환성에 대한 광범위한 지원은 이러한 비전을 확장하는 데 핵심 역할을 할 것이다.   ▲ 출처 : 지멘스   현대적인 인력 개발을 위한 청사진 지멘스는 단순히 교육 문제를 해결하는 것이 아니라 업계의 인력 개발 및 지원 방식을 더 광범위하게 바꾸는 데 기여하고 있다. 몰입형 XR 학습, AI 기반 지원, 기술 정보에 대한 일관된 온디맨드 액세스를 통합함으로써, 누마는 조직이 온보딩 시간을 줄이고, 작업의 정확도를 높이고, 지속적인 기술 개발을 지원하도록 지원하고 있다. 이러한 툴은 반드시 기존의 학습을 대체할 필요가 없으며, 이를 보완하고 강화하여 교육의 접근성과 참여도를 높이고 현재 건설 환경의 현실에 더 잘 부합한다. 지멘스는 지멘스 에듀케이트 아메리카와 같은 프로그램 및 NECA, IBEW 및 IEC와의 파트너십을 통해 업계에 진출하는 숙련된 인재의 파이프라인을 강화하는 데 도움을 준다. 지식을 더 쉽게 공유하고 전문가가 최신 인프라 및 전기화의 요구 사항을 충족할 수 있도록 더 잘 준비된 미래를 지원한다.     ■ 기사 내용은 PDF로도 제공됩니다.