유니티가 유니티 6에서 ‘안드로이드 XR(Android XR)’을 공식 지원한다고 발표했다. 유니티는 이를 통해 개발자들이 자사의 게임과 애플리케이션을 새로운 사용자층과 다양한 플랫폼으로 더욱 손쉽게 확장할 수 있을 것이라고 전했다. 안드로이드 XR은 구글, 삼성전자, 퀄컴이 공동 개발한 XR(확장현실) 플랫폼으로, 삼성이 새롭게 출시한 ‘갤럭시 XR’ 헤드셋에 탑재됐다. 유니티의 안드로이드 XR 지원은 게임, 교육, 엔터테인먼트, 산업 등 다양한 분야의 개발팀이 기존 유니티 프로젝트를 안드로이드 XR 생태계로 신속히 포팅하거나 새로운 XR 경험을 손쉽게 구축할 수 있도록 돕는다. 또한, 삼성 갤럭시 XR의 출시와 함께 유니티로 제작된 다양한 콘텐츠가 공개되었다. 구글은 유니티를 활용해 안드로이드 XR 버전의 구글 지도를 개발했다. ‘구글 맵스 XR(Google Maps XR)’은 안드로이드 XR용으로 새롭게 선보이는 구글 지도이다. ‘몰입형 뷰(Immersive View)’ 기능을 통해 사용자가 장소를 세밀한 3D 환경에서 탐험할 수 있도록 한 것이 특징이다.     스테이터스프로(StatusPRO Inc.)의 ‘NFL 프로 에라(NFL Pro Era)’는 미국프로풋볼(NFL) 공식 라이선스를 받은 가상현실 시뮬레이션 게임으로, 안드로이드 XR은 물론 메타 퀘스트(Meta Quest), 플레이스테이션 VR(PlayStation VR), 윈도우 버전으로도 출시된다. 아울케미 랩스(Owlchemy Labs)의 ‘인사이드 잡(Inside [JOB])’은 안드로이드 XR 인터랙션을 소개하는 혼합현실(MR) 콘텐츠이다. 또한 ‘베케이션 시뮬레이터(Vacation Simulator)’, ‘잡 시뮬레이터(Job Simulator)’, ‘디멘셔널 더블시프트(Dimensional Doubleshift)’ 등 아울케미 랩스의 인기작이 유니티를 통해 안드로이드 XR로 포팅되었다. 아울케미 랩스의 앤드루 아이시(Andrew Eiche) CEO는 “유니티의 안드로이드 XR 지원 덕분에 개발을 매우 수월하게 시작할 수 있었다”면서, “약 일주일 만에 대표작들을 안드로이드 XR로 이식해 추가적인 큰 작업 없이 더 많은 플레이어에게 도달할 수 있었다. 또한 절약된 시간 덕분에 완전히 새로운 작품인 ‘인사이드 잡’의 개발에도 집중할 수 있었다”고 말했다. 유니티의 알렉스 블룸(Alex Blum) 최고운영책임자는 “구글 및 삼성과의 긴밀한 협업을 통해 유니티 6의 초기 단계부터 안드로이드 XR 개발 도구를 통합하고, 정식 출시 이전부터 실제 프로덕션 환경에서 개발자들과 함께 검증을 완료했다”면서, “유니티는 특정 헤드셋 하나에 최적화하는 데 그치지 않고, 개발자들이 더 적은 노력으로 더 많은 시장에 자신 있게 진출할 수 있도록 개방적이고 확장 가능한 안드로이드 XR 생태계를 구축하고 있다”고 밝혔다.

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.

한국산업지능화협회는 10월 17일 서울 위플레이스 강남교육장에서 중견기업을 대상으로 ‘디지털혁신형 사업전환 교육’을 개최했다고 밝혔다. 이번 교육은 중견기업 핵심인재 육성 아카데미의 일환으로, 산업 구조 변화에 대응해 디지털 기술을 기반으로 한 기존 사업 고도화 역량을 강화하기 위해 마련됐다. 교육은 ▲산업전환 정책 동향과 구조적 사업전환의 필요성 ▲국내외 중견기업의 전환 성공사례를 중심으로 진행됐으며, ▲디자인 씽킹을 활용한 기존사업 재해석 ▲가치사슬 재편 ▲디지털 프로세스 개선 등 실무 중심의 전략을 중점적으로 다루었다. 이어 디지털 전환 수준 진단 워크숍을 통해 자가진단 툴을 활용한 조직 내 디지털 준비도 점검과 변화 인식 진단이 이뤄졌고, 데이터 기반 신사업 기획 세션에서는 참가자들이 자사 상황에 맞는 시장 탐색, 고객 분석, MVP 기획 등을 구체화해보는 실습도 진행했다. 또한 AI·IoT·RPA 등 기술 공급기업의 협력 사례와 정부 연계사업 활용방안이 공유되었으며, 참가자들은 자사 중심의 사업전환 전략을 수립하고 전문가의 1:1 피드백을 통해 실질적인 개선 방향을 모색했다.     한국산업지능화협회 추현호 센터장은 “이번 교육이 중견기업이 디지털 기술을 활용해 기존 사업을 고도화하고, 새로운 성장 방향을 모색하는 데 실질적 도움이 되었기를 바란다”며, “협회는 앞으로도 현장 중심의 교육과 연계를 통해 중견기업의 디지털혁신 역량 강화를 지속 지원하겠다”고 밝혔다. 한편 협회는 이번 교육에 이어 오는 10월 23일 ‘산업일자리전환 우수기업 벤치마킹’, 10월 24일 ‘중견DX 커넥티드 데이’를 개최해 중견기업 간 디지털 혁신성과 공유와 협력 네트워킹을 이어갈 예정이라고 전했다.

한국플랜트정보기술협회 PMP 교육 일정 안내입니다. 일시(26기): 25년 11/29(토), 11/30(일),12/6(토),7(일) 09:30~18:30, 주말반 4일간, 35시간 장소: GJ빌딩 5층 (서울 서초구 서초대로56길 40,  교대역 1번 출구) CU ARO  한국플랜트정보기술협회 교육 안내입니다. 내용이 잘 보이지 않으면 여기를 클릭하십시오. 협회 연간교육일정 확인하기

트림블 코리아는 자사의 BIM 소프트웨어 테클라(Tekla)를 기반으로 마련된 ‘BIM 전문가 2급’ 자격증 시험이 오는 11월 1일 2차 수시로 진행될 예정이라고 밝혔다. 이 자격증 시험은 한국BIM학회와 한국디지털교육원이 공동 주관하며, 국내에서는 처음으로 트림블의 테클라 설루션으로 실무 역량을 검증하는 BIM(건설 정보 모델링) 자격 검증 시험이다. 제1회 시험은 지난 8월 30일 시행됐다. 이번 자격 시험은 최근 건설업계의 화두인 구조 안정성 및 철근 시공 관리 강화 요구에 부응하기 위해 마련됐다. 트림블 코리아는 응시자들이 실무 중심의 평가 과정을 통해 정확한 철근 모델링과 구조 검증 역량을 객관적으로 검증받는 기회가 될 것으로 기대하고 있다. 트림블의 테클라 스트럭처스(Tekla Structures)는 구조 설계와 철근 모델링에 특화된 BIM 설루션으로 설계부터 제작, 시공에 이르는 건설 전 과정을 지원한다. 이를 통해 정밀하고 시공성이 우수한 모델을 생성·관리함으로써 건설 프로젝트의 효율성과 정확성을 높이고, 이해관계자 간의 원활한 협업을 지원한다.     트림블 코리아의 박완순 사장은 “국내서 처음으로 테클라 기반 BIM 자격 검증 시험이 시행됨으로써 실무 역량을 갖춘 BIM 전문가 양성이 한층 가속화될 것으로 기대한다. 앞으로도 트림블은 다양한 교육 과정을 지원하고, 적극적인 협력을 통해 국내 BIM 인재들이 구조 안전성과 품질 향상에 기여할 수 있도록 적극 협력할 것”이라고 말했다. 한편, 트림블 코리아는 지난 8월 6일 한국디지털교육원과 BIM 활성화를 위한 전략적 업무 협약(MOU)을 체결했다. 이번 협약을 통해 양 기관은 BIM 교육 공동 운영, 자격증 제도 협력, 세미나·워크숍 개최 등 BIM 인재 교육 지원에 협력할 예정이다. 또한 한국디지털교육원은 테클라 기반 ‘BIM 전문가 2급’ 자격증 대비 과정을 개설해 교육을 운영하고 있다. 이 밖에도 트림블 코리아는 국내 BIM 인재 양성을 위해 노력하고 있다고 소개했다. 한국폴리텍대학 인천캠퍼스에서 중소기업 종사자와 학생들을 대상으로 무료 Cost-BIM 교육을 제공했으며, ‘BIM 어워즈’ 후원을 통해 국내 건설 산업의 BIM 기술 확산을 지원하고 있다. 또 2016년부터는 연 2회(하계·동계) 산학협력 프로그램 ‘트림블 캠프’를 운영하며 차세대 전문가 양성에 힘써왔다.

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (3)   크레오 시뮬레이션 라이브(Creo Simulation Live)는 설계자 중심의 실시간 통합 해석 설루션으로, 빠르고 쉽게 구조·열·모달·유체 해석을 수행할 수 있는 설루션이다. 크레오 12.0 크레오 시뮬레이션 라이브에서는 더욱 향상된 기능으로 제품 개발 효율과 품질을 동시에 높일 수 있다. 이번 호에서는 크레오 12.0에서 추가된 패스너(fastener) 추가 및 예비 하중(preload) 조건 적용, 자동 접촉(contact) 감지 및 생성을 기반으로 하여 구조 해석을 진행해보자.   ■ 김주현 디지테크 기술지원팀의 차장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   이번 호에서는 다음과 같은 어셈블리를 해석해보자. 해석하고자 하는 모든 부품에 필요한 재료를 지정한다.     해석을 하기 위해 메뉴에서 ‘라이브 시뮬레이션’을 선택한다.     ‘시뮬레이션 추가’에서 원하는 해석 유형을 선택한다. 이번 호에서는 구조해석을 하기 위해 ‘구조 시뮬레이션 검토’를 선택한다.     어셈블리를 모두 해석하지 않고 원하는 부품만 해석하기 위해 ‘범위’를 통해 부품을 지정한다. ‘B02482.prt’, ‘B02400.prt’ 이 두 부품을 제외하고 나머지 부품을 모두 선택한다.     다음으로 제약조건을 설정해 보자. ‘고정’ 아이콘을 선택한다.     고정하고자 하는 서피스 면을 선택한 후 확인한다. 예제에서는 그림과 같이 네 개의 구멍을 선택한다.     다음으로는 베어링 하중을 부여한다. 크레오 12.0 라이브 시뮬레이션에서는 베어링 하중을 부여할 수 있다. 베어링 하중을 부여하는 경우 힘이 핀/구멍 연결로 적용되며, 하중 분포는 지정된 방향으로 원통의 절반에 걸쳐 자동으로 적용된다. 베어링 하중은 완전 원통형에서만 지원되고, 강도 및 방향의 기준으로 정의되거나 방향 컴포넌트의 기준으로만 정의될 수 있다. 베어링 하중을 부여할 수 있게 되면서 핀/구멍 연결 하중을 좀 더 정확하게 시뮬레이션할 수 있게 되었다. 메뉴에서 ‘베어링 하중’을 선택한다.     그림과 같이 ‘B02521.prt’의 안쪽 면을 참조로 선택한 후 방향에 값을 입력한다. 이번 호에서는 X 방향으로 ‘-500N’, Z 방향으로 ‘-200N’을 입력한 후 확인한다.     다음으로 두 번째 베어링 하중을 입력한다. 베어링 하중 아이콘을 선택한 후 이번에는 ‘GB6LASTSN001228.prt’의 서피스 면을 참조면으로 선택한다. 하중의 값은 X 방향으로 ‘-200N’, Z 방향으로 ‘50N’의 힘을 입력한 후 확인한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공 사례   터보기기 해석에 많이 쓰이는 앤시스 설루션으로 앤시스 CFX(Ansys CFX)가 있다. 앤시스 플루언트(Ansys Fluent)를 이용하여 터보기기를 해석할 수 없는 것은 아니었지만, 굳이 애써서 할 필요성은 없었다. 하지만 플루언트의 GPU 솔버가 적극적으로 도입된 이 시점에서, GPU를 이용하여 터보기기를 해석할 수 있다면 해석 속도에 있어서 상당한 이점을 가져올 수 있다. 플루언트의 터보 워크플로(Turbo Workflow)는 사용자 편의성을 갖추어 손쉽게 터보기기 해석을 할 수 있도록 지원하고 있다. 플루언트의 터보 워크플로를 이용하여 터보기기를 해석하는 방법을 예제를 통하여 알아보자.   ■ 한성훈 태성에스엔이 FBU-F3팀에서 수석매니저로 근무하고 있으며, 유동 해석 기술 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   해석 모델 이번 호에서 다루는 해석 모델은 TFD Hannover 축류압축기이며, <그림 1>과 같이 앞쪽에서부터 총 3 Rows(1.5 단)를 해석 대상으로 한다. 각 단은 IGV – Rotor – Stator로 구성되어 있다. 격자 파일은 플루언트 튜토리얼 turbo_workflow.zip을 다운로드하여 압축을 해제하면 얻을 수 있으며, 앤시스 터보그리드(Ansys TurboGrid)로 생성된 세 개의 파일(IGV.gtm, R1.gtm, S1.gtm)로 구성된다. IGV는 26개, Rotor는 23개, Stator는 30개로 이루어져 있으며, 해석에서는 주기 경계조건을 적용하여 각각 1개의 섹터만을 모델링한다.   그림 1. Schematic Rows   터보 워크플로 시작하기 터보 워크플로는 다음의 경로에서 터보 워크플로를 활성화하여야 시작할 수 있다. Domain → Turbomachinery → Turbo Workflow → Enable Workflow   그림 2. 터보 워크플로 활성화   활성화가 되면 <그림 3>과 같이 Workflow 작업 메뉴들이 생성된다.   그림 3. Turbo Workflow Task   Turbo와 관련된 환경설정 Cell과 Face zone 및 Turbo Topology에 적절한 영역을 할당하기 위해 연관성 설정을 수행한다. 이를 통해 플루언트가 특정 문자열 구성을 일정한 순서로 인식하도록 지시하여, 영역 매핑을 보다 쉽게 수행할 수 있다. File → Preference → Turbo Workflow에서 <그림 4>와 같이 세팅한다.   그림 4. Preference turbo workflow   Describe Component Component Type : Axial Compressor Component Name : hannover Number of Rows : 3 Row1 : name – igv, Type – stationary, #sectors – 26, End Wall Gap – no Row2 : name – r1, Type – rotating, #sectors – 23, End Wall Gap – yes Row3 : name – s1, Type – stationary, #sectors – 30, End Wall Gap – no   그림 5. Describe component     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 글로텍 www.glotechsoft.com 주요 특징 : BIM 기반 수량–공사비 자동 산출, CBS 단가 DB 연동 공사비 자동 산출, OBS/WBS 연동으로 공정·기성관리까지 지원, 기존 2D 산출 방식과의 통합 지원 등 사용 환경(OS) : 윈도우 10 이상 시스템 권장 사양 : 인텔 코어 i5 이상 CPU, 16GB 이상 RAM, 엔비디아 GTX 1060 이상 GPU(나비스웍스 연동 시), 10GB 이상 여유 저장공간 소프트웨어 요구사항 : .NET Framework 4.7 이상, 레빗 또는 나비스웍스(2022~2024) 설치 권장   그림 1. BIM 기반 견적 산출 설루션 NaviQ v2.0   NaviQ(나비큐) v2.0은 글로텍이 개발한 BIM 기반 견적 산출 설루션으로, 설계자가 작성한 BIM(건설 정보 모델링) 모델로부터 수량을 자동 산출하고, CBS 단가 데이터베이스(DB)와 연계하여 공사비 내역서를 자동 작성할 수 있는 실무형 통합 설루션이다. 이 제품은 철도, 도로, LH, 건축, 항만 등 다양한 인프라 분야에서 설계-시공-기성관리 전 단계를 아우르는 비용 자동화 기능을 지원하며, 특히 기존 EBS 사용자에게 친숙한 인터페이스를 제공하여 도입 장벽을 낮춘 것이 특징이다.   NaviQ 2.0의 주요 특징 BIM 모델 기반 수량 산출(체적, 면적, 길이, 갯수 자동 인식) CBS 일위대가 DB 연동 공사비 자동 산출 OBS(단위 기준), WBS(공정 기준)와의 매핑을 통한 공정 연계 기존 2D 산출 수량과의 혼합 사용 가능 가근거, 수량근거 자동 기록 및 내역서 엑셀 출력 무료 뷰어 및 7일 체험판(trial) 제공으로 도입 부담 최소화   제품 구성   그림 2. NaviQ v2.0 제품군   NaviQ v2.0은 다음과 같은 구성으로 이루어져 있다. NaviQ Viewer : BIM 수량 확인 전용 툴(무상 배포) NaviQ Trial : 7일간 전체 기능 사용 가능 NaviQ Standard : 1년 기간제 라이선스(1 유저), 정식 제품(단가DB 연동, 자동산식 적용, 내역서 출력 등 전체 기능 포함) NaviQ Site : 1년 기간제 라이선스(1 사이트), Standard 제품을 한 개 회사가 인원 제한 없이 사용할 경우   NaviQ 2.0의 주요 기능 NaviQ v2.0은 설계자가 작성한 BIM 모델을 기반으로 수량 – 공사비 – 공정 – 기성관리까지 전 주기 데이터를 자동으로 연계할 수 있는 BIM 5D 실무 특화 설루션이다. 특히 국내 표준품셈 기반의 CBS 일위대가 DB를 직접 연동하고, BIM 물량을 공정 단위(WBS)로 분개하여 기성관리까지 연결할 수 있는 구조를 갖추고 있다. 뿐만 아니라 기존 2D 방식의 수동 산출 물량도 함께 병합할 수 있어 디지털 전환에 대한 진입 장벽을 낮추었으며, CBS-WBS 매트릭스 구조 기반의 정량화된 내역서 산출도 가능하다. 또한, 상용 공정관리 소프트웨어와의 연동을 통해 기성율, 공정 진척도, 물량 실적까지 통합 관리할 수 있다.   그림 3. NaviQ v2.0의 사용자별 활용 시나리오   CBS 일위대가 DB 데이터 활용 가능 : 국내 표준품셈 기반 CBS 단가 DB와 자동 연동되어 BIM 수량에 따른 재료비, 노무비, 경비가 자동 산출되며, 내역서 구조에 맞게 자동 적용된다. BIM 산출물량 WBS 단위 물량분개 : BIM 모델로부터 추출한 자동 수량은 WBS 공정 단위별로 분개되며, 각 공정에 해당하는 수량·공사비·일정 정보를 정량화할 수 있다. 수동물량 산입 및 WBS 단위 물량분개 : BIM 미적용 구간의 수동 물량(2D CAD 기반 또는 직접 입력)은 자동 수량과 병합 가능하며, 동일하게 WBS 단위로 분배되어 기성관리까지 연계된다. 매트릭스 기반 CBS-WBS 조합 5D 내역서 산출 : CBS(공사비 단가 기준)와 WBS(공정 기준)를 매트릭스(matrix) 형태로 매핑하여 각 공정별 비용 집계와 실행 계획 비교가 가능하며, 실시간 내역서 산출이 이루어진다. 상용 공정관리 SW 연동을 통한 공정–기성 관리 : MS 프로젝트(MS Project), 프리마베라(Primavera) 등 상용 공정관리 소프트웨어와 연동되어 기성 진척도·공정률·수량 실적을 통합 추적할 수 있으며, 실적 기반 예산 통제가 가능하다.   그림 4. NaviQ v2.0의 BIM 견적산출 실행 화면   고객 지원 전략 NaviQ v2.0의 개발·공급·확산은 3개사의 전략적 협업을 기반으로 시작되었다. 제품의 개발 및 기술지원은 글로텍이 주관하고, 공식 판매는 라인테크가 담당하며, 사용자 교육과 도입 지원은 한국디지털교육원이 맡는 구조로 3개사가 MOU를 체결하고 제품 생태계를 공동 구축하고 있다. 이러한 역할 분담 체계는 단순한 유통을 넘어, 고객의 도입–학습–실무 적용까지 전 주기를 통합 지원할 수 있는 파트너십 기반 운영 모델로 자리 잡고 있으며, 향후에는 NaviQ 제품을 도입한 설계사, 시공사, 발주기관 고객을 비즈니스 파트너로 확대 공유하는 전략도 함께 추진 중이다. 특히 BIM 기반 공공사업 확대와 디지털 건설 수요가 증가하는 가운데, 파트너 기업 간 공동 브랜딩, 공동 제안, 공동 마케팅 체계를 통해 기술 + 서비스 + 확산 전략이 결합된 실질적 BIM 5D 산업 플랫폼 구축을 목표로 하고 있다.   향후 계획 글로텍은 2025년 하반기를 NaviQ 신제품의 본격적인 시장 랜딩 시점으로 설정하고, 이를 위해 다각도의 홍보 전략을 추진할 계획이다. 포털 키워드 광고, 전문지 신문기사, SNS·블로그 채널을 활용한 온라인 홍보는 물론, 설계사·시공사·발주처 등 핵심 타깃을 대상으로 한 제품 설명회 및 세미나도 개최하여 인지도 확대와 실질적 도입 확산을 동시에 노린다. 이와 함께, 2026년부터는 사용자 현장의 피드백을 반영한 고도화 업데이트를 지속적으로 추진할 예정이다. BIM 5D 기반의 기능을 넘어 디지털 트윈 연계, AI 기반 수량 예측·기성 분석, 실적 리포트 자동화 등 차세대 건설 자동화를 실현하기 위한 기술 개발이 본격화될 전망이다. 이를 위해 글로텍은 전담 기술지원 조직을 통해 사용자 교육, 온라인 매뉴얼 제공, 커뮤니티 운영, 정기 기술 세미나 개최 등 제품 사용 전·중·후 단계 전반에 걸친 지원 체계를 갖추고 있으며, 공공기관의 BIM 의무화 정책 흐름에 발맞춰 관련 인증 획득과 제도 연계 확대도 병행하여 추진할 방침이다.   ■ 같이 보기 : [피플&컴퍼니] 글로텍 이재홍 센터장, 한국철도기술연구원 박영곤 수석연구원     ■ 기사 내용은 PDF로도 제공됩니다.

포지FX가 VR 훈련 설루션을 만드는 방법   콘크리트 레벨링 기술 기업인 소메로 엔터프라이즈(Somero Enterprises)는 포지FX(ForgeFX)와 파트너십을 맺고 S-22EZ 레이저 스크리드 장비용 몰입형 가상 현실(VR) 설루션으로 작업자 교육에 혁신을 가져왔다. 콘크리트 전문가를 위한 이 몰입형 교육 설루션은 높은 교육 비용과 물류 문제를 줄이는 동시에 작업자에게 안전하고 참여도가 높은 실습 학습 환경을 제공한다. 소메로와 같은 제조업체는 유니티(Unity)의 기술 및 XR 인터랙션 툴킷(XR Interaction Toolkit)과 같은 툴을 활용하여 교육 프로세스를 간소화하고, 운영자의 숙련도를 개선하며, 운영상의 제약을 줄일 수 있다. ■ 자료 제공 : 유니티 코리아     오늘날 건설 업계에서 숙련된 인재를 찾는 것은 인력 부족으로 인해 프로젝트가 중단될 위기에 처한 것과 마찬가지로 벅찬 일이다. 2024년 미국 건설업협회에 따르면, 현재 건설업체의 79%가 숙련된 인력을 구하기 어려워 프로젝트 일정과 비용에 영향을 받고 있다고 한다. 전미 주택 건설업자 협회에 따르면 2031년까지 인력의 41%가 은퇴할 것으로 예상되는 등 인력 고령화도 이러한 격차의 원인 중 하나이다. 건설업계의 기술 인력 부족에 대한 스마트 설루션의 필요성이 그 어느 때보다 커졌다.   기존 교육의 과제 소메로는 고품질의 평탄한 콘크리트 바닥을 만들기 위한 핵심 도구인 S-22EZ 레이저 스크리드 기계를 비롯한 레이저 유도 콘크리트 스크리드 장비 전문 업체이다. 이들의 목표는 높은 출장 비용, 장비의 마모, 물류의 한계 등 글로벌 수용 능력의 제약을 해결하면서, 안전하고 효율적으로 운영자를 교육할 수 있는 VR 시뮬레이터를 개발하는 것이었다. 교육생들은 물리적 기계 없이도 컨트롤을 다루고 공간 역학을 이해하는 경험이 필요했다. 콘크리트 평탄화 기술을 마스터하려면 단순한 도구가 아니라 수년간의 신체적 연습을 통해 연마한 기술을 전수받아야 한다. 소메로의 데이브 라사카(Dave Raasakka) 글로벌 고객 지원 담당 부사장은 “콘크리트는 부패하기 쉬운 제품이다. 일단 땅에 떨어지면 한 시간 내에 완료해야 한다. 그렇지 않으면 문제가 생길 수 있다”고 설명했다. S-22EZ 레이저 스크리드 장비와 같은 중장비 교육에는 일반적으로 기계 자체, 레이저 트랜스미터와 같은 특수 장비, 적절한 콘크리트 형태와 타설 조건을 갖춘 전용 교육 공간 등 광범위한 물리적 자원이 필요하다. 이러한 실제 시나리오는 종종 기계의 마모를 포함하여 높은 비용을 수반하며 장비 가용성, 악천후, 높은 부품에 접근하는 동안의 미끄러짐 및 추락과 같은 위험과 같은 요인으로 인해 방해를 받을 수 있다. 6개의 글로벌 서비스 센터와 연간 수백 명의 교육생을 보유한 소메로 콘크리트 인스티튜트(Somero Concrete Institute)는 이러한 물류, 재무 및 안전 문제를 효과적으로 해결할 수 있는 확장 가능한 설루션이 필요했다. 소메로는 그들의 요구 사항을 충족하고 제약 조건을 해결하는 일관된 고품질 학습 경험을 제공하기 위해 대체 교육 설루션으로 포지FX 시뮬레이션(ForgeFX Simulations)을 선택했다. 실제 기계로 작업하는 경험을 모방하는 데 필요한 촉각적 피드백과 시각적 사실감을 포착하는 등 레이저 스크리드의 작동을 정확하게 재현하는 몰입형 교육 시뮬레이터를 설계해야 하는 복잡한 과제에 직면했다. 유니티 기반의 이 설루션은 S-22EZ의 복잡한 컨트롤을 복제하여 교육생에게 가상 환경에서 실제와 같은 실습 경험을 제공하므로 학습 과정에서 물리적 장비가 필요하지 않다.     사실감을 높여주는 기술/기능 유니티의 XR(확장현실) 툴은 S-22EZ 레이저 스크리드 VR 시뮬레이터를 구동하여 사실적인 몰입형 3D 환경에서 장비 동작을 정밀하게 재현할 수 있다. 유니티 클라우드(Unity Cloud)의 예외 보고 기능은 실행 가능한 스택 추적을 제공하여 최소한의 수동 개입으로 QA 및 이슈 추적을 지원한다. 성능의 경우, 유니티의 CPU 및 GPU 프로파일러를 사용하여 병목 현상을 진단하고 프레임 속도를 최적화하여 원활하고 반응이 빠른 VR 경험을 보장한다. 이러한 도구는 특히 물리 계산에서 비효율적인 부분을 파악하고 해결하여, 원활한 상호 작용과 안정적인 시뮬레이션을 유지하도록 안내한다. XR 인터랙션 툴킷(XRITK)은 가상 상호작용을 간소화하는 직관적인 크로스 플랫폼 설루션으로, 소메로 트레이닝 시뮬레이터의 몰입도와 운영 효율을 높인다. 유니티는 XRITK를 사용하여 VR 릭을 관리함으로써 메타 퀘스트 3에서 컨트롤러와 고급 핸드 트래킹 기능을 지원하여 교육생의 몰입도를 극대화하는 원활하고 반응이 빠른 교육 환경을 만들 수 있었다. 이 설정은 스냅 회전, 순간 이동, 오브젝트 조작과 같은 인터랙션 구성 요소를 표준화하여 개발 시간을 최소화하고 향후 하드웨어 및 소프트웨어 업데이트에도 시뮬레이터가 적응력을 유지할 수 있도록 한다.   ▲ 충돌기가 작동하는 모습을 보여주는 개발자 화면   유니티의 잡 시스템을 사용하면 메인 스레드의 성능에 영향을 주지 않고 보조 스레드에서 콘크리트를 사실적으로 시뮬레이션할 수 있다. 트리거 충돌기를 바운딩 박스로 사용하여 의도적이든 비의도적이든 콘크리트에 영향을 줄 수 있는 요소(예 : 스크리드 헤드 또는 기계 타이어로 인한 요소)를 정의했다. 여기에는 강체(rigid body)가 없고 충돌(collision)에 대한 레이어 마스크가 아무것도 포함하지 않도록 설정되어 있으므로, 메인 스레드에서 최소한의 작업이 수행되고 있다. 작업 시스템을 사용하면 메인 스레드 성능에 영향을 주지 않고 독립형 퀘스트 헤드셋에서 최대 4개의 스레드를 동시에 실행할 수 있다.(메인 스레드에서는 콘크리트에 영향을 줄 수 있는 기계 조각을 나타내는 바운딩 박스의 위치를 추적한다.)   ▲ 핸드 트래킹을 통해 기계 컨트롤과 현실감 있게 상호작용할 수 있다.   유니티는 다음을 활용한다. 유니티 터레인(Unity Terrain)을 활용하여 콘크리트 표면을 사실적으로 렌더링하고 텍스처를 블렌딩하여 타설 전반에 걸쳐 다양한 마감과 일관성을 반영한다. 유니티 잡(Unity Job)은 커스텀 콘크리트 시뮬레이션의 계산을 오프로드하여 쟁기나 진동기와 같은 콘크리트 충돌기가 콘크리트의 매끄러움이나 거칠기에 미치는 영향과 표면에서 콘크리트를 밀고 당기는 방식을 결정하는 커스텀 콘크리트 시뮬레이션에 배포된다. ‘러프’ 및 ‘스무스’ 텍스처가 있으며, 기본값은 러프이다. 지형 높이 맵의 각 지점에서 얼마나 부드러운 텍스처를 표시할지에 대한 알파 값을 설정한다. 메인 스레드에는 작업에 쓰이는 하이트맵 및 알파 맵 데이터와 일치하도록 지형을 업데이트하는 두 가지 빠른 함수가 있다. 이러한 시스템은 사용자가 콘크리트 작업의 시각적, 촉각적 뉘앙스를 경험할 수 있는 몰입형 가상 환경을 강화하여 복잡한 건설 활동을 충실하게 재현함으로써 교육 효과와 사용자 참여를 높인다.   ▲ 워크어라운드 검사 강의 시연하기   고객 피드백 파일럿 단계가 끝날 무렵, 소메로는 VR 교육을 마친 후 22EZ 레이저 스크리드에서 작업자 기술이 향상되었음을 보여주는 두 가지 사례 연구를 수행했다. 사례 1 : 비사용자 직원이 VR 교육을 받고 성공적으로 기계 사용법을 시연할 수 있었다. 사례 2 : 교육을 받은 비사용자를 대상으로 설문조사를 실시한 결과, 기계 작동에 자신감이 생겼다고 응답했다.   시뮬레이터의 향후 계획 보다 효과적인 교육 소메로 S-22EZ 고급 레이저 스크리드 VR 교육 시뮬레이터는 건설 교육 기술의 도약을 상징한다. 이 몰입형 교육 플랫폼은 기존 교육 방법의 문제를 해결함으로써 전 세계 운영자에게 높아진 정확성, 접근성 및 참여도를 제공한다. 복잡한 실제 시나리오를 시뮬레이션하고 환경에 미치는 영향을 줄이며 기술 유지를 강화하는 기능을 갖춘 이 시뮬레이터는 작업자가 최적의 성과를 낼 수 있도록 준비할 뿐만 아니라 소메로가 더 높은 효율과 ROI를 달성할 수 있도록 지원한다.   시장 도달 범위 확대 이 시뮬레이터는 유통업체가 대규모 기계를 원격으로 대화형으로 시연할 수 있는 기능을 제공함으로써, 소메로의 글로벌 시장 진출에 긍정적인 영향을 미칠 것으로 보인다. 소메로는 판매 주기를 가속화하고, 고객의 의사 결정을 개선하며, 글로벌 입지를 확장하는 동시에 기존 장비 쇼케이스와 관련된 물류 비용과 환경에 미치는 영향을 줄일 수 있는 잠재력을 가지고 있다.   체계적인 수업 그 이상 소메로는 시뮬레이터 2단계에 대한 추가 테스트를 진행하면서 3단계 로드맵을 구상하고 있다. 다양한 슬럼프 수준이나 건조 단계와 같은 요소를 재현하는 고급 콘크리트 시뮬레이션, 구조화된 수업 단계를 넘어, 교육생이 가상 기계와 자유롭게 상호작용할 수 있는 샌드박스 스타일의 수업 등이 잠재적인 집중 분야이다. 포지FX와 소메로는 유니티 플랫폼에서 혁신을 거듭하면서, 제조 업계에서 혁신적인 교육 경험을 제공할 수 있는 가능성을 높이고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.