캔바, 한국 첫 브랜드 캠페인 공개…일상 속 창의력 발휘 조명 신입사원의 캔바   세계 유일의 올인원 비주얼 커뮤니케이션 및 협업 플랫폼 캔바(Canva)가 한국 시장을 겨냥한 첫 브랜드 캠페인을 공개하며 국내 사용자들과의 소통 강화에 나섰다. ‘뭐든지 만든다’는 핵심 메시지를 담은 이번 캠페인은 지난 5월 1일과 5일, 두 편의 감각적인 영상을 통해 공개되어 창의력이 업무에서 일상까지 매 순간을 특별하게 변화시키는 놀라운 힘을 보여준다. 한국 업무 문화에서 영감…일상 속 창의력 발휘하는 캔바 활용법 제시 이번 캠페인은 한국 특유의 활기차고 열정적인 업무 문화에서 영감을 받아 제작되었다. 영상은 신입사원의 풋풋한 시작부터 워킹맘의 바쁜 일상까지, 캔바를 통해 삶의 다양한 영역에서 창의력을 발휘하는 다채로운 모습을 생생하게 담아냈다. 이는 디자인의 힘을 모든 이들에게 제공하고자 하는 캔바의 핵심 가치를 다시 한번 강조하며, 창의력이 변화와 혁신, 그리고 사람 간의 연결을 촉진하여 개인의 잠재력을 극대화하고 아이디어를 현실로 구현하는 데 캔바가 어떤 역할을 하는지 효과적으로 보여준다. "신입사원의 캔바" 편…능숙한 캔바 활용으로 아이디어 현실화 캠페인의 첫 번째 영상인 "신입사원의 캔바"는 열정 넘치는 신입 마케터의 설레는 첫 출근 날을 그린다. 영상 속 신입사원은 캔바의 직관적인 다양한 도구들을 활용하여 시선을 사로잡는 SNS 게시물, 흥미로운 릴스 영상, 설득력 있는 프레젠테이션 자료 등을 막힘없이 제작해나간다. 태블릿과 데스크톱을 자유롭게 넘나들며 아이디어를 생생하게 구현하는 모습과 함께, 제작한 콘텐츠가 성공적으로 바이럴되는 순간을 보여주며 캠페인의 핵심 메시지인 “좋아하는 거라면 뭐든지 만든다”를 효과적으로 전달한다.   "워킹맘의 캔바" 편…따뜻한 감성으로 전하는 마음 두 번째 영상 "워킹맘의 캔바"는 바쁜 업무 마감과 육아를 캔바를 통해 여유롭고 창의적으로 병행하는 워킹맘의 따뜻한 일상을 섬세하게 담아냈다. 영상 속 엄마는 캔바의 편리한 화이트보드 기능과 프레젠테이션 기능을 활용하여 중요한 제안서를 성공적으로 준비하는 프로페셔널한 모습을 보여준다. 동시에, 가장 아끼는 인형을 잃어버려 슬픔에 빠진 딸을 위해 동일한 도구를 사용하여 인형의 상상 속 모험 이야기를 담은 감성적인 디지털 동화책을 직접 만들어 선물한다. 이는 직장 상사의 마음뿐만 아니라 딸의 마음까지 사로잡는 감동적인 순간을 연출하며, “전하고 싶은 마음까지 뭐든지 만든다”는 캔바의 캠페인 메시지를 시청자들에게 깊이 각인시킨다. 한국 시장 성장세 발맞춰 사용자 관계 강화 이번 브랜드 캠페인은 한국 사용자들과의 관계를 더욱 돈독히 하고자 하는 캔바의 적극적인 의지를 보여주는 중요한 이정표가 될 것으로 보인다. 실제로 지난해 캔바의 국내 월간 활성 사용자 수는 놀랍게도 두 배 이상 증가했으며, 개인 사용자뿐만 아니라 기업 및 교육 분야에서도 캔바의 입지는 꾸준히 확대되고 있다. 김대현 캔바 코리아 지사장은 “이번 캠페인은 한국 사용자들이 실제 일상 속에서 캔바를 어떻게 활용하고 있는지에 대한 진솔한 이야기를 담고자 노력했다”며 “캔바는 사용자들이 창의성을 발휘하여 일상의 부담감을 덜고, 평범한 작업들을 더욱 의미 있고 만족스러운 경험으로 변화시킬 수 있도록 돕는다. 우리는 창의력이 개인의 잠재력을 무한히 확장시킨다고 믿으며, 캔바를 통해 모든 사람들이 자신의 창의력에 쉽게 접근하여 생산성과 정서적인 교감을 높일 수 있도록 꾸준히 지원할 것”이라고 강조했다. 한편, 이번 캠페인은 광고대행사 이노션(Innocean)과의 긴밀한 협력을 통해 제작되었으며, ‘모두가 디자인할 수 있는 세상(Empowering the world to design)’이라는 캔바의 핵심 미션을 효과적으로 전달하는 동시에 캔바의 다양한 기능들을 자연스럽게 녹여냈다는 평가를 받고 있다. 캠페인 영상은 현재 TV와 다양한 디지털 플랫폼을 통해 활발하게 방영되고 있다.   캔바는 어떤 회사? 2013년 호주에서 설립된 캔바는 디자인 경험이 없는 초보자부터 전문가까지 누구나 쉽고 빠르게 전문가 수준의 디자인 결과물을 만들 수 있도록 지원하는 플랫폼이다. 직관적인 인터페이스와 방대한 템플릿, 이미지, AI 기반 도구를 제공하며, 개인 작업은 물론 팀 협업에도 최적화된 환경을 자랑한다. 현재 190개국 이상에서 1억 7천만 명 이상의 사용자를 확보하며 세계적인 디자인 플랫폼으로 성장했다.    

  서비스나우(ServiceNow)가 연례 최대 규모의 고객 및 파트너 행사인 ‘K25(Knowledge 2025)’에서 새로운 서비스나우 AI 플랫폼을 공개했다. 이번 플랫폼은 엔비디아(NVIDIA), 마이크로소프트(Microsoft), 구글(Google), 오라클(Oracle) 등 전략적 파트너들과의 통합을 강화하며, 기업들이 AI, 에이전트, 모델을 전사적으로 활용할 수 있도록 지원한다. 이번 플랫폼은 엔비디아(NVIDIA), 마이크로소프트(Microsoft), 구글(Google), 오라클(Oracle) 등 전략적 파트너들과 통합을 한층 강화하고, 플랫폼 전반에 걸친 혁신을 통해 전사적 통합 운영을 가속화한다. 어도비(Adobe), 앱티브(Aptiv), 북미아이스하키리그(NHL), 비자(Visa), 웰스 파고(Wells Fargo) 등 글로벌 선도 기업들은 이미 서비스나우 AI를 활용해 실질적인 비즈니스 성과를 창출하고 있다. AI 혁신으로 기업 운영 최적화 전 산업에 걸쳐 선도기업들은 복잡한 과제를 안고 있다. 그 배경에는 분산된 시스템, 일관성 없는 데이터, AI 전략의 부재, 제한된 자원 속에서 더 많은 성과에 대한 압박이 있다. AI 혁신은 비즈니스 운영 방식을 근본적으로 변화시켜 회복탄력성, 효율성, 비용 절감은 물론, 기술 부채와 예측 불가능성 해소에 기여한다. 하지만 이러한 혁신을 성공적으로 이끌기 위해서는, 미래를 대비한 플랫폼과 함께 AI 에이전트를 적극 수용하려는 명확한 비전과 실행 의지가 필요하다. AI를 선제적으로 도입한 기업들은 이미 조직 전반에서 생산성을 높이며 가시적인 성과를 내고 있다. 재무적 효과도 뚜렷하다. 서비스나우 엔터프라이즈 AI 성숙도 지수(Enterprise AI Maturity Index)[1]에 따르면, AI 에이전트를 도입한 조직의 55%가 수익성이 개선된 것으로 나타났으며, 도입을 고려하지 않는 조직은22%에 그쳤다. 20년 이상의 자동화 경험과 복잡한 엔터프라이즈 워크플로우 문제를 해결해온 검증된 성과를 바탕으로, 서비스나우 AI 플랫폼은 사람을 위한 AI 도입을 검토하는 기업들에게 게임 체인저로 자리매김하고 있다. 빌 맥더멋(Bill McDermott) 서비스나우 회장 겸 CEO는 “서비스나우는 서비스나우 AI 플랫폼을 통해 기업 혁신의 새로운 시대를 열고 있다. 우리는 산업, 에이전트, 워크플로우를 막론하고 AI의 잠재력을 실현하고 있다”고 말했다. 이어 그는 “수십 년 동안 CEO들은 기술이 비즈니스 혁신의 속도를 높이길 기대해 왔다. 이제 이 차세대 아키텍처를 통해 통합된 기업을 실시간으로 운영할 수 있는 기반을 마련했다. 서비스나우는 AI, 데이터, 워크플로우를 단일 플랫폼에서 조율할 수 있는 유일한 기업이다. 지금이야말로 서비스나우를 21세기의 AI 운영 체제로 삼아 미래의 기회를 현실로 만들 때다”라고 강조했다. 전 세계 선도 기업들은 이미 서비스나우의 AI 에이전트를 활용해 운영 방식, 혁신 전략, 서비스 제공 방식을 근본적으로 변화시키고 있다. 글로벌 기업들의 AI 도입 사례 · 어도비는 IT 및 업무 환경 전반에 걸쳐 자동화를 가속화하기 위해 서비스나우의 AI 에이전트를 도입해 혁신과 성장을 추진하고 있다. 비밀번호 재설정, 인증서 관리 등 반복적인 요청에 AI 에이전트를 적용해 티켓(지원 요청) 발생 건수를 줄이고, 처리 시간을 단축하며, 직원 생산성을 향상시키고 있다. 어도비는 AI 에이전트 도입을 확대할 계획이다. · 앱티브와 서비스나우는 핵심 산업 분야에서 지능형 자동화와 운영 회복력을 함께 강화하고 있다. 서비스나우 AI 플랫폼의 기술력과 앱티브의 엣지 인텔리전스(edge intelligence)를 결합해 자동화 수준과 운영 효율을 높이기 위한 파트너십 체결을 최근 발표했다. · 북미아이스하키리그(NHL)는 조직의 운영을 간소화하기 위해 서비스나우 AI를 적극 도입하고 있다. 이를 통해 직원들이 보다 신속하게 문제를 해결할 수 있도록 돕고, 경기장 기술진이 경기 당일 경험을 개선함으로써 수백만 팬들에게 더욱 향상된 서비스를 제공하고 있다. · 웰스 파고는 랩터DB(RaptorDB)와 서비스나우 AI를 함께 도입해 복잡한 워크플로우를 자동화하고, 실시간 데이터 처리 환경을 구축해 AI 기반 의사결정을 전사적으로 강화하고 있다. · 비자는 서비스나우와 공동 개발한 AI 기반 분쟁 해결 시스템인 ‘서비스나우 분쟁 관리(ServiceNow Disputes Management)’를 도입할 예정이다. 이 시스템은 서비스나우 플랫폼 상에서 운영되며, AI 에이전트 기능을 탑재하고 있다. 이번 제품 출시의 성공에 힘입어 비자는 서비스나우의 AI 기술을 활용해 자체 관리형 분쟁 처리 서비스(Managed Dispute Services)를 제공할 계획이다. 서비스나우 AI 플랫폼 주요 기능 새롭게 재구성된 서비스나우 AI 플랫폼은 인텔리전스, 데이터, 오케스트레이션을 통합하고, 스마트한 대화형 AI 참여 계층(AI Engagement Layer)을 통해 파일럿 단계를 넘어 실제 업무에 AI를 본격 적용할 수 있도록 돕는다. 이 AI 참여 계층은 서비스나우의 놀리지 그래프(Knowledge Graph), 워크플로우 데이터 패브릭(Workflow Data Fabric), AI 에이전트 패브릭(AI Agent Fabric)을 기반으로 하며, 여러 시스템에 걸쳐 복잡한 업무를 처리할 수 있도록 지원한다. 각 요소들은 모두 기업 내 데이터 시스템과 에이전트 기반 프레임워크와 연결돼, 조직 전반의 AI 활용을 뒷받침한다. 이번 플랫폼 혁신은 파트너십 확대, 수천 개의 즉시 활용 가능한 AI 에이전트, 그리고 ‘서비스나우 AI 컨트롤 타워(AI Control Tower)’ 출시를 비롯해, AI 기술을 중심으로 한 서비스나우 생태계의 확장을 본격화하고 있다. 서비스나우는 AI 플랫폼과 함께 이 강력한 기능들을 도입해, AI의 가치를 기업 전반으로 확장하고 있다. 주요 신기술 및 파트너십은 다음과 같다. · AI 컨트롤 타워: 서비스나우 및 타사 AI 에이전트, 모델, 워크플로우를 단일 플랫폼에서 관리, 통제, 보호하며 실질적 가치를 실현할 수 있도록 지원하는 중앙 통합 지휘 센터로, 원활한 협업, 강력한 통제, 전사적 자동화를 가능하게 한다. · AI 에이전트 패브릭: 기업 내 AI 에이전트 생태계를 위한 소통의 기반으로, 다양한 도구, 팀, 공급업체 전반에서 AI 에이전트 간 협업을 지원한다. 마이크로소프트, 엔비디아, 구글, 오라클 등과 같은 파트너들과의 매끄러운 연동을 지원하며, 서비스나우, 파트너, 내부 팀이 구축한 에이전트와 오케스트레이터가 컨텍스트를 공유하고 작업을 조율하며 기업 생태계 전반에서 결과를 이끌어낸다. · 차세대 CRM: 판매, 주문 처리, 고객 서비스를 하나의 플랫폼으로 통합한 AI 기반의 고도화된 CRM 솔루션. 수동적인 고객 지원에서 벗어나, 고객 여정 전반에 걸친 능동적이고 전략적인 고객 관리가 가능하다. 구성·가격·견적(CPQ)부터 주문 이행, 고객 지원, 계약 갱신까지 전 과정을 아우르며, 현대 비즈니스 환경에 최적화된 CRM 경험을 제공한다. · 아프리엘 네모트론 15B(Apriel Nemotron 15B): 서비스나우와 엔비디아가 공동 개발한 새로운 추론형 대형 언어 모델(LLM)로, 대규모 AI 에이전트 구현을 위해 설계됐다. 이 언어 모델은 우수한 성능, 비용 효율성, 높은 확장성을 갖추고 있으며, 뛰어난 정확도와 낮은 지연 시간, 저렴한 추론 비용을 통해 더 빠르고 효과적인 AI 에이전트를 구현할 수 있도록 지원한다. AI 교육 및 인재 양성 서비스나우는 서비스나우 유니버시티(ServiceNow University)를 새롭게 출시해 기업의 AI 활용 역량을 강화하고, 인재 양성을 지원한다. 이번 AI 플랫폼 공개로 서비스나우는 AI, 데이터, 워크플로우를 단일 플랫폼에서 조율하는 기업으로 자리매김하고 있다. AI 기반 기업 운영 혁신이 더욱 가속화될 것으로 기대된다.

디지털 트윈과 산업용 메타버스 트렌드   영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다 이 글에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   장영재 교수 / 카이스트  “헬기를 몰 줄 알아요?” 남자 요원이 동행한 여자 요원에게 물었다. “아니요. 아직은요. 잠시만 기다리세요.” 그리고 즉시 여자 요원은 무전로 본부에 연락해, 헬기 시뮬레이션 교육프로그램을 업로드 해달라 본부에 요청했다. 본부에서는 즉시 시뮬레이션 교육프로그램을 가속으로 돌려 헬기 조정 능력을 여자 요원의 머리에 업로드하였다. 여자요원은 불과 몇 초 사이에 수백시간 걸릴 헬기훈련을 마친 베터랑 헬기 조정사 능력을 가지게 되었다. 그리고 여자 요원은 외쳤다. “빨리 헬기를 몰고 도망칩시다!” 그리고 여자 요원은 능숙한 솜씨로 헬기를 몰고 남자요원과 함께 탈출한다. 1999년 개봉된 영화 매트릭스의 한 장면이다. 가상의 세상과 실제 세상을 오가며 과연 무엇이 진실이며 실제 (real)이란 무엇일까란 질문을 던지는 매우 철학적인 영화다 .  영화 매트릭스가 개봉된 지 20년이 더 지난 2020년대에 이러한 가상 세상은 영화가 아닌 실제 산업 현장에서 구현되어 산업 혁신을 주도하고 있다. 바로 ‘디지털 트윈 (Digital Twin)’이다. 본 특집에서는 디지털 트윈의 의미와 제조 산업 특히 로봇 기반 자동화에서 디지털 트윈이 어떻게 제조현장을 혁신하는지 실증 사례를 기반으로 소개한다.   1. 시뮬레이션과 디지털 트윈의 차이 우리나라 과학기술정보 통신부에서는 디지털 트윈을 다음과 같이 정의하고 있다.  “가상세계에서 실제 사물의 물리적 특징을 동일하게 반영한 쌍둥이 (Twin)을 3D 모델로 구현하고 제 사물과 실시간으로 동기화 및 시뮬레이션을 통해 관제, 분석, 예측 등 현실의 의사결정에 활용하는 기술” 그러나 이러한 정의만으로는 구체적으로 디지털 트윈을 파악하기에 모호하다. 시뮬레이션과 디지털 트윈의 차이가 무엇인지, 실시간 동기화가 왜 필요한지, 관제, 분석, 예측은 이미 다양한 방식으로도 가능한데 디지털 트윈이 제공하는 또 다른 가치가 있는지 설명이 부족하다. 최근 디지털 트윈 관련 이슈가 많다 보니 기업들도 앞 다투어 디지털 트윈을 기술을 확보했다는 등의 보도자료를 통해 기술 홍보를 하기도 한다. 이런 대부분은 공장의 가공 로봇이 움직임을 실시간 3D 애니메이션으로 구현해서 실제 로봇의 움직임을 컴퓨터에 시연하는 정도다. 그러나 이러한 시연을 보면 대부분 사람들의 반응은 “이것으로 무엇을 하지요?” “굳이 거액을 들여 실물의 움직임을 컴퓨터 그래픽으로 그대로 보여줄 필요 있나요? 그저 CCTV 하나 설치하면 컴퓨터에서 영상으로 볼 수 있는 것을 굳이 컴퓨터 그래픽 3D영상으로 구현할 필요가 있나요?” 등의 반응이다. 그렇다면 우선 시뮬레이션과 디지털 트윈의 차이가 무엇일까? 2. 디지털 트윈이 과연 무엇인가?   시뮬레이션은 가상의 시나리오를 기반으로 그 결과를 재현해 보는 것을 의미한다. 내가 A란 결정을 했을 때 그 결과가 어떻게 나올지를 유추해 보는 것이 시뮬레이션이다. 우리가 일반적으로 잘 알고 있는 시뮬레이션이 컴퓨터 시뮬레이션이다. 즉 컴퓨터가 구현한 상황에서 특정 의사결정에 대해 그 결과를 컴퓨터를 통해 산출하는 것이다. 컴퓨터 시뮬레이션 활용의 대표적인 예가 워 게임 (War Game)이다. 군에서는 전략전술 교본이나 전술, 그리고 무기 체계 설계를 할 때 컴퓨터를 통한 시뮬레이션을 활용한다. 평가나 실험을 위해 실제 전투나 전쟁을 치를 수 없기에 컴퓨터를 통해 가상의 적군과 전투를 하며 훈련을 하거나 전술 평가에 활용한다. 실제 컴퓨터 시뮬레이션 활용에 대한 연구가 가장 활발히 이뤄지는 분야가 국방 시뮬레이션 분야인 이유다.  우리 일상 생활에서도 이러한 시뮬레이션이 실제 많이 활용된다. 대표적인 예가 바로 자동차 네비게이션이다. 10년전 네비게이션을 떠올리면 전형적인 시뮬레이션 장비라 할 수 있다. 목적지를 입력하면 내 위치에서 목적지까지 수많은 대안 경로 중 최적 경로를 제안해 준다 . 그러나 당시 네비게이션은 실시간 교통정보를 경로 탐색에 담지 않았다. 그러다 보니 출퇴근 교통혼잡이나 사고로 인한 교통 체증과 같은 상황에서도 일반 상황과 동일한 이동경로 시간 산출과 경로를 제시하는 한계가 있었다. 최근 자동차 네비게이션이나 스마트폰 차량 맵은 실시간 교통정보를 포함해 다양한 대안 경로를 제시한다. 즉 실시간 GPS 정보를 통해 내 차량의 위치는 클라우드의 컴퓨터로 전송이 되고 또한 다양한 교통정보를 기반으로 실시간으로 대안경로를 찾고 도착시간을 지속해서 업데이트 한다. 그리고 내차의 이동 경로와 교통 상황은 사용자가 직관적으로 파악할 수 있도록 컴퓨터 그래픽으로 전달된다. 즉 실시간 교통정보를 기반으로 지속적인 업데이트된 경로를 제공하는 스마트폰 네비 앱이 디지털 트윈의 가장 대표적인 사례다. 학문에서는 디지털 트윈의 조건을 아래로 정의한다. 1. 실물과 가상의 시스템이 거의 실시간 (near real-time)으로 연동되어야 한다. 2. 다양한 상황의 시나리오를 검토하고 대안을 제시할 수 있어야 한다. 3. 사용자의 의사결정을 지원하며 사용자가 쉽게 의사결정 상황을 직관적으로 파악할 수 있는 인터페이스를 제공해야 한다.   스마트폰 네비는 위 조건을 모두 만족한다. 실시간으로 차량의 위치가 GPS로 전송되고 교통정보도 활용한다는 점에서 1번 조건을 만족하며, 다양한 대안경로를 검토함으로 2번 조건을 만족하며, 사용자의 최적경로를 제안하며 이러한 경로를 그래픽으로 전달하는 방식으로 3번 조건을 만족한다. 즉 스마트폰 네비가 우리 생활의 디지털 트윈이라 할 수 있다. 이런 의미를 보면 굳이 디지털 트윈이 현실과 매우 흡사한 고퀄리티 네비를 제공해 줄 의무는 없고 3D그래픽을 제공하는 것도 조건은 아니다. 사람의 의사결정을 직관적으로 지원해 줄 수 있는 정도면 기능이 충분하다 할 수 있다. 3. 로봇 기반 제조 운영에서의 디지털 트윈   이러한 디지털 트윈 활용의 가장 대표적인 예가 제조 물류 자동화 시스템 설계 및 운영이다. 최근 제조 시스템의 가장 큰 변화 중의 하나는 컨베이어 벨트가 없는 자동화(Beltless Automation)로 표현되는 군집 로봇 기반 물류 자동화다. 1916년 포드 T모델이 컨베이어 방식으로 생산되며 제조 자동화 혁명을 가져왔다. 이후 컨베이어 벨트 기반 물류 자동화는 공장 자동화의 표준 생산이 되었다. 그러나 이러한 컨베이어 방식은 단일 품종 대량 생산에는 적합하지만 다품종 소량 생산과 같은 현대 소비 시장의 욕구를 충족하는 데는 한계가 있다. 차량 모델이 바뀔 때 마다 공장을 세우고 컨베이어 벨트와 설비 위치를 재 조정해야 하는 등 상당한 재투자가 필요하다. 카이스트 산업 및 시스템 공학과 졸업생들이 2020년에 창업하여 카이스트 및 네이버가 투자한 다임리서치는 디지털 트윈 기술을 기반으로 AGV나 ARM의 이동을 관제하고 제어하는 솔루션을 개발하여 LG전자뿐만 아닌 국내 반도체 및 2차전지 기업에 공급하고 있다.      상세 내용은 PDF로 제공됩니다.    

오토폼엔지니어링이 올리비에 르퇴르트르(Olivier Leteurtre) CEO의 방한과 함께 한국 시장을 위한 기술 협력과 인재 양성 전략을 발표했다. 이번 전략은 국내 고객과의 디지털 협업을 확대하고, 지역 기반 산학협력을 통해 디지털 금형 생태계를 구축하는 데 중점을 두고 있다. 르퇴르트르 CEO는 “제조업의 미래는 디지털 협업 생태계 위에서 결정된다. 오토폼은 금형 산업의 복잡한 공정과 데이터를 정밀하게 연결해, 더 이상 ‘경험’이 아닌 ‘데이터’로 예측하고 판단하는 환경을 만들어가고 있다”면서, “특히 한국은 자동차 산업의 글로벌 중심지이자, 디지털 제조 혁신이 가장 빠르게 진화하는 시장으로, 이 전환의 최전선에 서 있다. 오토폼은 이곳에서 디지털 트윈과 시뮬레이션을 통해 제조 방식의 새로운 기준을 제시하고, 산업의 미래를 주도해 나가겠다”고 밝혔다.     오토폼은 국내 주요 자동차 및 전자 산업의 OEM 기업과 협력하며 금형 설계, 시뮬레이션, 공정 최적화 등 다양한 디지털 전환 프로젝트를 전개하고 있다고 소개했다. 특히 ‘디지털 프로세스 트윈’을 구현함으로써 설계 초기부터 품질을 예측하고 리스크 줄이는 시스템을 현실화해 불량률을 줄이며, 실제 제조 현장에서의 리드타임 단축과 생산성 향상에 기여하고 있다. 이 같은 기술은 ESG 경영 요구에 대응하는 스마트 제조 구현에도 핵심 역할을 하고 있다는 것이 오토폼의 설명이다. 또한 오토폼은 국내 제조업 밸류체인 전반의 디지털 역량 강화를 위해, 중소 협력업체 지원에도 적극 나서고 있다고 밝혔다. 경일대학교 내에 설립 예정인 ‘디지털 트라이아웃 랩(Digital Tryout Lab)’은 고가의 소프트웨어나 전문 인력 없이도 시뮬레이션 기반 공정 해석을 적용할 수 있도록 돕는 기술 거점으로, 기존에 디지털 전환에서 소외됐던 2차·3차 벤더의 실질적 변화와 기술 내재화를 지원한다. 이 센터는 아진산업 등과 연계해 실무 중심의 시범 프로젝트를 수행하고 있으며, 향후 다양한 협력사들이 활용할 수 있는 공동 인프라로 확대될 예정이다. 오토폼은 기술 지원과 더불어 인재 양성 측면에서도 산학 협력을 강화하고 있다. 오토폼은 경북기계공업고등학교와 디지털 금형 분야 인재 양성을 위한 업무협약(MOU)을 체결하고, 지역 기반의 실무형 교육 생태계 조성에 나선다고 전했다. 이번 협약은 교내 실습과 인턴십, 산업 현장과의 채용 연계를 포함한 통합형 프로그램으로 구성되며, 디지털 제조 환경에 특화된 현장 맞춤형 기술 인재를 체계적으로 육성하는 데 초점을 맞추고 있다. 이외에도 오토폼은 국립창원대학교에 600억 원 규모의 소프트웨어를 3년간 기증해 ‘글로컬 산업기술거점센터’를 설립하고, 지역 기업과 연계한 실무 교육 및 취업 연계 프로그램을 운영하고 있으며, 성균관대학교와는 복합재료 기반의 공동 연구와 실무형 교육을 통해 차세대 제조 인재를 양성하고 있다. 오토폼엔지니어링코리아의 조영빈 대표는 “디지털 전환은 더 이상 대기업만의 과제가 아니며, 금형 산업의 디지털화는 선택이 아닌 생존의 문제다. 오토폼은 중소 협력사를 포함한 밸류체인 전반을 디지털 협업 구조로 연결해, 제조 생태계 전체의 경쟁력을 함께 끌어올리고자 한다”면서, “기술은 나눌 때 그 가치가 배가되고, 사람은 연결될 때 성장한다고 믿는다. 특히 기술과 인재를 지역 현장에서 직접 연결하는 산학협력 모델을 통해, 지속 가능한 산업 성장의 토대를 함께 만들어가겠다”라고 전했다.

<디지털 트윈 전문가 기본 교육>은 매년 실시되고 있으며, 올해는 3회를 맞아 더 업그레이드 된 내용으로 진행될 예정입니다. 한국산업지능화협회 PLM 기술위원회는 제조 엔지니어링 분야의 발전을 위하여 관련 교육을 진행하고 있습니다. 디지털 트윈에 대한 개념 정리부터 방향, 실제 구축을 위해 고민하는 분들에게 많은 도움이 되기를 바랍니다.  #디지털트윈 #교육 #한국산업지능화협회 #PLM기술위원회 #digital twin   디지털 트윈 전문가 기본 교육 내용이 보이지 않으면 여기를 클릭하십시오.

2023년 건축서비스산업 실태조사 결과 건축공간연구원에서 2023년 한 해 동안 건축서비스산업의 구조, 경영 활동, 시장 현황 등을 종합적으로 조사한 '2023년 건축서비스산업 실태조사 결과'를 발표했다. 본 실태조사는 「통계법」에 따라 국가 승인을 받은 주요 통계 정보이며, 「건축서비스산업 진흥법」에 근거하여 2022년부터 매년 시행되고 있다. 2024년 조사는 총 1,049개 사업체를 대상으로 46개 문항에 대한 온라인 조사 방식으로 진행되었다. 조사 대상은 한국표준산업분류(제11차) 중 건축서비스산업에 해당하는 사업체이며, 주요 조사 내용은 업무 분야 및 수주·생산성, 해외 사업 및 해외 업체 협업, 정보기술 활용, 교육 및 홍보, 인력 및 근로환경 등에 관한 현황이다. 2023년 건축서비스산업 실태조사의 주요 결과는 다음과 같다.   주요 업무 분야 건축 계획 및 설계: 59.7%로 가장 높은 비중을 차지 감리: 40.4% 건축구조 계획 및 설계: 17.6% 인테리어 디자인: 14.1%   사업체 수 전체 사업체 수: 약 3만 개 (31,476개) 건축 설계 및 관련 서비스업: 18,963개 (60.2%)로 가장 많음 건물 및 토목 엔지니어링 서비스업: 7,792개 (24.8%) 인테리어 디자인업: 4,721개 (15.0%) 종사자 규모별: 1~4명 소규모 사업체가 25,141개 (79.9%)로 대다수, 100명 이상 대규모 사업체는 196개 (0.6%)   종사자 수 전체 종사자 수: 약 27만 명 (274,351명) 건축 설계 및 관련 서비스업: 119,271명 (43.5%) 건물 및 토목 엔지니어링 서비스업: 126,436명 (46.1%) 인테리어 디자인업: 28,645명 (10.4%) 종사자 규모별: 1~4명 규모 사업체 종사자가 95,240명 (34.7%)으로 가장 높은 비중 매출액 전체 매출액: 약 43.5조 원 건축 설계 및 관련 서비스업: 약 19.0조 원 (43.6%) 건물 및 토목 엔지니어링 서비스업: 약 15.6조 원 (35.9%) 인테리어 디자인업: 약 8.9조 원 (20.5%) 종사자 규모별: 1~4명 규모 사업체가 총 매출액의 약 17.1조 원 (39.2%) 차지   ------------------------------------------------------------------- 목차 제1장 조사 개요 1. 조사목적 2 2. 조사연혁 2 3. 법적근거 3 4. 조사주기 및 시기 5 5. 조사기관 및 추진체계 5 6. 조사대상 6 7. 조사방법 6 8. 조사부문 6 9. 조사항목 7 10. 자료 처리 및 분석 8 11. 결과 공표 8 12. 주요 용어 8   제2장 표본 설계 1. 모집단 정의 14 2. 모집단 분포 14 3. 표본의 크기 결정 15 4. 표본 배분 방법 16 5. 표본의 추출 18 6. 가중치의 극단값 처리 18 7. 추정식 19 8. 통계자료 공표 21 9. 유효표본수 확보 방안 및 무응답 처리기준 21 10. 유효표본수 22   제3장 조사 결과분석 1. 업무 분야 및 수주, 생산성 24 2. 해외 업체와의 협업, 해외 프로젝트 49 3. 정보기술 활용 현황 59 4. 교육 및 홍보 67 5. 인력 및 근로환경 74 6. 사업체 일반현황 104   제4장 조사 결과표 1. 업무 분야 및 수주, 생산성 108 2. 해외 업체와의 협업, 해외 프로젝트 148 3. 정보기술 활용 현황 164 4. 교육 및 홍보 177 5. 인력 및 근로환경 185 6. 사업체 일반현황 233   부록 1. 주요변수 허용오차 및 상대표준오차 240 2. 조사표 242 관련 영상보기 • 행사명 : 건축서비스산업 실태조사 포럼 • 주  제 : 건축서비스산업 실태조사 속 현안과 이슈 • 일  시 : 2025.3.21.(금) 14:00 ~ 17:30 https://youtu.be/7Jkq-dLZux0   2023년 건축서비스산업 실태조사 결과 다운로드 하기 #건축서비스산업 #실태조사 #산업 통계

디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  

앤시스 워크벤치를 활용한 해석 성공 사례   해석을 하다 보면 사용자의 실수나 다른 외부 문제로 진행 중이던 해석이 중단되는 경우가 발생한다. 이러한 경우, 앤시스 LS-DYNA(엘에스 다이나)의 ‘리스타트(Restart)’ 기능을 활용하면 해석 시뮬레이션을 처음부터 다시 수행하지 않고 해석이 중단된 특정 시점부터 재시작할 수 있다. 또한 이미 완료된 해석에 대해 조건을 변경하여 해석 시뮬레이션을 이어서 진행할 수도 있다. 이번 호에서는 LS-DYNA의 리스타트 기능에 대해 소개하고, 예제를 통해 LS-PrePost(엘에스 프리포스트)와 워크벤치(Workbench) 환경에서 활용하는 방법을 알아본다.   ■ 김혜영 태성에스엔이 MBU팀에서 수석매니저로 근무하고 있으며, LS-DYNA 해석 기술지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   리스타트 해석의 수행 조건 리스타트 해석을 사용하기 위해서는 다음과 같은 조건이 필요하다.  동일한 실행 솔버(Executable)를 사용하는가?(예 : lsdyna_sp.exe)  동일한 CPU 개수인가?  Dump 파일이 생성되었는가? 덤프(Dump) 파일은 리스타트를 위한 바이너리 아웃풋(Binary Output) 파일로 특정 시점의 응력, 변형률, 변형량 등 해석 결과를 완전히 기록한다. LS-DYNA에는 두 가지 유형의 덤프 파일이 있다. 그 중 한 유형인 D3DUMP 파일은 특별히 설정하지 않아도 해석이 정상 종료되면 d3dump01 파일이 생성된다. 이 파일에 대하여 *DATABASE_BINERY_ D3DUMP 키워드를 통해 사용자가 정의한 간격에 따라 D3DUMP 파일을 주기적으로 생성할 수 있고, 생성된 파일 뒤에 숫자가 붙어 주기마다 증가하고 해석 폴더 내에서 d3dump01, d3dump02 등으로 확인할 수 있다. 다른 유형의 덤프 파일은 RUNRSF로 *DATABASE_BINERY_RUNRSF 키워드를 통해 사용자가 정의한 간격에 따라 파일을 생성하지만, NR 매개변수가 사용되지 않는 한 동일한 파일에 덮어씌워져서 생성된다. 이 두 가지 덤프 파일은 함께 사용할 수 있다. <그림 1>은 D3DUMP 파일을 주기적으로 저장하기 위한 *DATABASE_BINARY_D3DUMP 키워드 예시이다.   그림 1. D3DUMP 저장 간격 키워드 예시   리스타트 타입 LS-DYNA의 리스타트 타입(Restart Type)은 이전 해석에 이어서 수행하는 기능으로, 크게 세 가지로 나눌 수 있다. 심플 리스타트(Simple Restart) 스몰 리스타트(Small Restart) 풀 리스타트(Full Restart) 그러면, 이전 해석에 이어서 진행해야 하는 몇 가지 상황에 따라 어떤 타입의 리스타트 기능을 사용하는지 알아보자.    실수로 해석창을 닫았어요! – 심플 리스타트 심플 리스타트는 종료시간(Termination Time) 이전에 해석이 중단된 경우에, 사용자가 설정한 주기마다 저장된 d3dump 파일을 사용하여 특정 시점부터 해석을 다시 시작하는 기능이다. 따라서 변경 사항이 없어 입력 파일(Keyword Input Deck)이 필요하지 않고 d3dump 파일만 활용한다.    그림 2. 일반적인 해석 실행 화면(LS-RUN)   그림 3. 일반적인 해석 실행 화면(CMD 창)   <그림 2>와 같이 LS-RUN을 사용하여 해석을 수행한 경우 <그림 3>과 같은 CMD 창이 팝업되고, 해석 진행에 따른 메시지를 바로 확인할 수 있다. <그림 1>의 키워드 예시처럼 사용자가 덤프 파일의 저장 주기를 미리 설정하였다면, CMD 창에 나타난 메시지처럼 지정된 주기인 5000 사이클마다 덤프 파일이 저장되고 있음을 알 수 있다.  만약 1만 사이클 이후 실수로 해석 CMD 창을 닫아 해석이 중단되었다면, d3dump02를 사용하여 리스타트 해석을 수행할 수 있다. <그림 4>처럼 LS-RUN의 Expression 설정에서 i=$INPUT 대신 r=d3dump02로 명령어를 수정하면 덤프 파일을 사용하여 해석을 이어갈 수 있다.   그림 4. 심플 리스타트 해석 실행 화면(LS-RUN)   그림 5. 심플 리스타트 해석 실행 화면(CMD창)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 11.0 (12)   이번 호에서는 크레오 파라메트릭 11(Creo Parametric 11)에서 도면 기호를 생성하는 기능에 대해 알아보자.   ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   기호(심벌)는 도면 작업에서 반복적으로 사용하는 형상이나 텍스트를 한 번에 등록해두고 재활용할 수 있다는 점에서 많은 이점을 제공한다. 반복되는 정보를 직접 그릴 필요 없이 기호로 배치하면, 작업 시간을 단축하면서도 도면의 표준화와 일관성을 유지할 수 있다. 또한 매개변수를 이용해 도면 속 정보를 자동으로 연동하면, 설계 변경이 발생하더라도 관련 내용이 신속하고 정확하게 갱신되어 오류 발생을 줄일 수 있다. 특히 기호가 시각적 요소를 간결하게 전달한다는 점은 협업 환경에서 매우 유용하다. 복잡한 어셈블리나 전기 부품도 기호로 정의해두면, 도면을 처음 접하는 사람이라도 해당 요소를 쉽게 파악할 수 있기 때문이다. 결과적으로 기호를 적절히 활용하면 도면의 이해도를 높이고, 작업 효율은 물론 품질 또한 크게 향상시킬 수 있다.   기호(Symbol) 탭 UI 기호(Symbol) 탭은 새로운 기호를 배치하거나, 이미 도면에 배치된 기호를 선택할 때 표시되는 탭이다. 이 탭을 통해 새 기호를 손쉽게 추가하고, 선택한 기호의 속성을 직관적으로 수정할 수 있다.      기호를 배치하거나 이미 배치된 기호를 선택할 때는 여러 가지 옵션을 통해 작업을 보다 직관적이고 효율적으로 진행할 수 있다. 기호 배치 과정에서 사용할 수 있는 주요 기능에 대해 알아보자.   갤러리(Gallery)     기호를 배치할 때 갤러리 아이콘(아래 화살표)을 클릭하면, 최근에 사용한 기호나 고정(Pinned)된 기호, 그리고 사용자 정의·시스템 정의 기호 목록을 한눈에 확인할 수 있다. 필요에 따라 ‘최근 항목 지우기(Clear Recent Items)’ 또는 ‘고정된 항목 지우기(Clear Pinned Items)’ 기능을 이용해 기호 목록을 정리하거나, 특정 기호만 골라 고정을 해제할 수도 있다. 이를 통해 반복해서 사용하는 기호를 효율적으로 관리하며, 불필요하게 쌓이는 기호를 깔끔하게 정돈할 수 있다.   기호 팔레트(Symbol Palette)     전용 *.dwg 시트(DRAW_SYMBOL_PALETTE) 형태로 구성된 기호 팔레트에서는 자주 사용하는 기호 인스턴스를 저장해 두고 쉽게 재활용할 수 있다. 여러 개의 드로잉 시트를 사용할 수 있을 경우 팔레트를 열면 최근에 사용한 시트가 먼저 표시되고, 화살표 버튼을 눌러 다른 시트로 이동할 수 있다. 이렇게 분류된 시트를 통해 필요한 기호를 빠르게 찾고, 여러 도면에서 일관된 형식으로 기호를 배치할 수 있다.   기호 사용자 지정(Symbol Customization)     ‘기호 사용자 지정’을 클릭하면 그룹화(Grouping), 미리 보기(Preview), 가변 텍스트(Variable Text) 등으로 구성된 대화 상자가 열려 기호의 세부 속성을 설정할 수 있다. 그룹화 옵션을 통해 기호에 적용된 그룹화 방식을 확인·수정하고, 미리 보기 영역에서 기호의 확대·축소나 텍스트 변경 사항을 즉시 확인할 수 있다. 또한 사용자 정의(Customization) 메뉴에서는 기호 정의 이름을 복사해, 메모 콜아웃 등에 편리하게 활용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.