가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (7)   최근의 MBSE(모델 기반 시스템 엔지니어링) 환경은 개별 도구를 연계하던 전통적 방식에서 벗어나, 요구사항부터 시뮬레이션, 형상 관리까지 전 과정을 하나의 플랫폼에서 관리하는 ‘디지털 스레드’ 기반의 통합 환경으로 진화하고 있다. 이번 호에서는 모델링 도구인 ‘랩소디(Rhapsody)’와 ‘카메오 시스템 모델러(Cameo Systems Modeler)’의 특징을 살펴보고, 효율적인 설계 환경 구축 전략을 짚어본다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   모델링 도구 여기에서는 모델링 도구로서 랩소디(Rhapsody)의 특징과 기능을 간단하게 소개하고 있으며, 특히 시스템 아키텍처 설계와 모델 일관성 유지에 있어 랩소디가 어떤 역할을 수행하는지를 설명한다. IBM의 랩소디는 UML 및 SysML 기반의 시스템 모델링 도구로, 아키텍처 모델을 통해 시스템 설계 정보를 저장할 수 있는 동적인 데이터베이스 구조를 제공한다. 사용자가 정의한 각 모델 객체(예 : 블록, 컴포넌트 등)는 한 번 정의되면 그것이 표현되는 모든 다이어그램 상에서 동일한 특성과 속성을 유지한다. 이를 통해 전체 모델의 일관성과 추적성이 자연스럽게 보장된다. 또한 랩소디는 요구사항과 직접 연계된 설계 모델을 지원함으로써, 요구사항-설계 간의 정합성 확보를 용이하게 한다. 이를 통해 설계 변경이 요구사항과의 연동 하에 즉시 반영될 수 있어, 시스템 개발 전 과정에서 신뢰성 있는 모델 기반 설계를 실현할 수 있다. 결과적으로, 랩소디는 다양한 UML/SysML 도구 중 하나로, 특히 복잡한 시스템의 모델링, 시뮬레이션, 코드 생성까지 연결 가능한 통합 모델링 환경을 제공한다.   랩소디 보기   그림 1. 랩소디 도구의 대표적인 사용자 인터페이스 구성 요소   <그림 1>은 랩소디 도구 환경을 보여주며, 시스템 모델링 또는 소프트웨어 모델링을 수행할 때 사용되는 대표적인 사용자 인터페이스 구성 요소를 설명하고 있다. 랩소디 보기는 사용자가 랩소디에서 모델을 어떻게 시각적으로 확인하고 조작하는지를 이해하는 데 중점을 둔다. 전체 인터페이스 구성은 랩소디가 모델 기반 시스템 및 소프트웨어 설계를 위한 도구로, 브라우저 영역과 그리기 영역 등의 주요 영역으로 구성되어 있다. <그림 1>의 화면 왼쪽에는 브라우저 영역(Browser View)이 위치해 있다. 이 영역은 프로젝트 내에 정의된 모든 요소를 계층적 트리 구조로 정리하여 보여주며, 클래스, 패키지, 상태도, 시퀀스 다이어그램 등 다양한 모델링 요소를 탐색하고 선택할 수 있다. 사용자는 이 영역에서 모델 구조를 확인하고, 필요한 항목을 선택하여 편집 창으로 열 수 있다. 주로 사용하는 항목은 모델 구성요소(예 : 클래스, 컴포넌트, 상태 등)이다. 설계 계층 구조는 각 요소의 속성 및 동작이 연결되어 있다. <그림 1>의 화면 오른쪽에는 그리기 창(Drawing Window)이 위치하며, 사용자가 실제로 다이어그램을 작성하고 편집하는 작업 공간이다. 이 영역은 선택된 모델 요소의 시각적 표현을 위한 공간으로, 예를 들어 상태 다이어그램, 블록 다이어그램, 시퀀스 다이어그램 등을 작성하고 구성 요소 간의 연결 관계를 설정할 수 있다. 사용자의 활동 예는 상태 전이 정의, 신호 흐름 연결, 동작 논리 시각화, 모델 요소 간 연결 구성이 있다. 랩소디는 모델 탐색과 시각적 설계를 동시에 지원하기 위해 좌측 브라우저 영역과 오른쪽 그리기 창을 중심으로 UI(사용자 인터페이스)를 구성하고 있으며, 이를 통해 사용자는 설계 구조와 논리를 직관적으로 접근하고 조작할 수 있다. 이와 같은 인터페이스는 SysML, UML, 자동차 및 항공 우주 분야의 MBD 등 다양한 모델링 작업을 효율적으로 수행할 수 있도록 지원한다.   랩소디 vs. 카메오 시스템 모델러 비교 IBM 랩소디와 카메오 시스템 모델러(Cameo Systems Modeler)는 모두 SysML 기반의 시스템 모델링 도구로 널리 사용되고 있다. 그러나 이 두 도구는 설계 접근 방식, 사용자 인터페이스, 시뮬레이션 및 협업 방식에서 차별점이 존재한다. 도구의 철학과 접근 방식 : 랩소디는 임베디드 시스템 및 소프트웨어 개발에 특화된 도구로, 주로 상태 기반(state-based) 모델링과 코드 생성(code generation) 기능이 강력하다. UML 기반의 객체지향 소프트웨어 개발, 상태 머신 구현 등에 많이 활용되며, 특히 자동차, 항공, 방위 산업 등에서 많이 사용된다. 반면에 카메오 시스템 모델러(MagicDraw 기반)는 시스템 아키텍처 및 요구사항 중심 설계에 중점을 둔 MBSE 도구이다. RFLP(Requirement, Functional, Logical, Physical) 구조와 트레이스 기능이 강력하며, PLM·SPDM 시스템과의 통합이 잘 되어 있어 디지털 스레드 구축에 적합하다. 대부분의 대기업 MBSE 전환 프로젝트에서 선택되고 있다. 사용자 인터페이스 및 작업 구조 : 랩소디는 전통적인 IDE 스타일의 인터페이스(<그림 1>처럼 왼쪽 탐색기 + 오른쪽 다이어그램 편집기)를 가지고 있으며, 실시간 코드 시뮬레이션 및 상태 전이 구현에 용이하다. 카메오 시스템 모델러는 모델 요소 중심 탐색 트리, 다중 다이어그램 탭, 자동 연결 도우미, 속성 창 기반 작업이 잘 정비되어 있으며, 직관적인 GUI로 인해 다양한 다이어그램 작성이 빠르고 정확하게 이루어진다. 사용자 친화성이 높은 편이다. 시뮬레이션 및 해석 기능 : 랩소디에는 UML/SysML 상태 머신을 기반으로 한 Statechart Simulation이 내장되어 있어, 논리적 동작 검증이나 이벤트 시퀀스 분석에 유리하다. C/C++ 코드 생성 및 디버깅 기능도 내장되어 있어, 소프트웨어 통합 단계까지 연결하기 좋다. 카메오 시스템 모델러는 카메오 시뮬레이션 툴킷(Cameo Simulation Toolkit :CST)을 통해 SysML 모델의 시뮬레이션이 가능하며, 파라메트릭 다이어그램(Parametric Diagram) + 수식 기반 계산 + 외부 FMU 연동을 지원한다. 특히 시뮬링크(Simulink), 모델리카(Modelica) 등과의 코시뮬레이션(co-simulation) 및 FMI 기반 연동이 강력하다. 협업 및 형상 관리 연동 : 랩소디는 RTC, ClearCase, GIT 등과 연계가 가능하지만, 협업 기능이 독립적으로 강력하지는 않다. 기업 내부 커스터마이징이 필요한 경우가 많다. 카메오 시스템 모델러는 팀워크 클라우드(Teamwork Cloud : TWC)라는 중앙 저장소 기반 협업 서버를 통해 모델 단위 버전 관리, 권한 제어, 변경 추적, 분기 관리(branching) 기능을 지원하며, 팀 단위 협업 및 모델 기반 리뷰에 적합하다. PLM, SPDM 및 외부 툴 연동 : 랩소디는 외부 연동이 상대적으로 제한적이며, 별도 게이트웨이 또는 커스터마이징이 필요하다. 카메오 시스템 모델러는 3D익스피리언스(다쏘시스템), 윈칠(PTC), 팀센터(지멘스) 등의 PLM 시스템과 연계가 용이하며, MBSE–PLM–SPDM 간의 디지털 연계(traceability)가 수월하게 이루어진다. 정리하면 랩소디는 코드 생성, 상태 머신 중심이고 카메오 시스템 모델러는 요구사항–기능–물리 구조 연계 중심이다. 사용 분야는 랩소디가 임베디드 소프트웨어, 제어 시스템에 사용되며 카메오 시스템 모델러는 시스템 아키텍처, MBSE를 총괄하는데 사용된다. 시뮬레이션에는 랩소디가 상태 기반 시뮬레이션에 사용되며, 카메오 시스템 모델러는 파라메트릭, 시퀀스, 코시뮬레이션이 가능하다. 협업 관점에서 랩소디는 RTC/파일 기반으로 이용되며, 카메오 시스템 모델러는 팀워크 클라우드 기반 모델 협업에 활용된다. 외부 툴과 연동은 랩소디는 제한적이며 커스터마이징이 필요하다. 반면에 카메오 시스템 모델러는 FMI, PLM, 시뮬링크 등과 강력하게 연동된다.    ■ 자세한 기사 내용은 PDF로 제공됩니다.

LG에너지솔루션 최호득 책임연구원     ‘매트랩 엑스포 2026 코리아’에서 LG에너지솔루션의 최호득 책임연구원은 MIL(model-inthe-loop) 환경에서 배터리 SOX 로직을 매트랩과 시뮬링크 도구를 활용하여 테스트 스위트를 구성하고, 이를 동적으로 검증하는 프로젝트를 소개했다.   – LG에너지솔루션 및 현재 맡은 업무에 대해 LG에너지솔루션은 자동차, IT 및 로봇, ESS(에너지 저장 시스템) 등에 필요한 배터리 셀, 배터리 팩, BMS(배터리 관리 시스템)를 제공하는 회사이다. 이 가운데 주로 자동차 배터리에 탑재되는 BMS의 기능 검증 및 검증 자동화 업무를 수행하고 있다. 최근에는 BMS 없이 가상 ECU를 검증하는 SIL(software-in-the-loop) 환경 구축이나, 개발된 특정 소프트웨어를 활용해서 모델 내에서 검증하는 MIL 검증을 진행하고 있다.   – 시뮬링크를 적용한 업무는 어떤 것이며, 시뮬링크를 적용하게 된 배경은 무엇인지 이번에 적용한 업무는 매트랩 툴박스(MATLAB Toolbox) 내에 있는 시뮬링크 테스트(Simulink Test)를 기존 테스트 환경에 반영하는 것이다. 시뮬링크 테스트는 시뮬링크 모델을 테스트 하네스(test harness)로 만들어 테스트 스위트를 구성하고 검증하는 방식이다. 개발팀은 주로 특정 모듈을 검증하지만, 검증팀은 대규모 개발 모델과 검증 모델을 통합하여 보다 정확한 검증을 위해 트랜지션(transition)을 사용할 수 있다. 또한, 기존에 사용하던 엑셀 기반의 시나리오 테스트 케이스를 매트릭스 구조로 읽어와 테스트 어세스먼트(test assessment) 블록에 이관하여 검증할 수 있어 검증 효율성을 높일 수 있다는 점에서 시뮬링크 테스트를 활용하게 되었다.   – 현재 시뮬링크를 어떻게 활용하고 있는지 현재 시뮬링크는 두 가지 측면에서 활용하고 있다. 첫 번째는 구성한 테스트 스위트를 활용하여 수동으로 검증할 때이다. 자동화 환경을 구성하기 전에 정의한 변수와 실행이 올바르게 이루어지는지 확인하고, 자동화 검증 결과에 이상이 있을 때 특정 포인트를 직접 눈으로 보면서 로직을 확인한다. 두 번째는 테스트 자동화를 위해 시뮬링크 모델을 래핑한 후, 엑셀에 설계된 테스트 시나리오를 기반으로 개발팀이 배포한 소프트웨어의 기능을 검증하는 목적으로 사용하고 있다.   – 시뮬링크 활용을 통해 얻은 효과에 대해 시뮬링크를 활용함으로써 얻은 효과로는 세 가지가 있다. 첫째는 직관성이다. 시뮬링크는 모델로 구성되어 시간적 순서에 따라 인과관계에 근거하여 동작한다. 이 때문에 구성된 로직이 시간의 순서에 맞추어 동작하는지, 주변 로직에서 영향을 받지 않는지 등의 디버깅이 용이하다. 두 번째는 모델 배포의 용이성이다. 특정 모델을 분리하여 동료에게 배포하기가 쉽다. 배포된 모델은 유닛 테스트 및 동료 검토(예 : Failure 시뮬레이션)가 용이하다. 코드가 아닌 모델로 구성되어 있기 때문에 로직을 보다 쉽게 이해할 수 있다. 마지막은 변수 제어이다. 시뮬링크를 사용하여 시뮬레이션을 진행할 때 시뮬레이션 중 변수 제어가 되지 않는 문제가 있었지만, 이번에 적용한 시뮬링크 테스트를 활용하면 특정 포인트에서 원하는 값을 제어하며 모델을 운영할 수 있다.   – 향후 시뮬링크의 활용 계획에 대해 향후에는 시뮬링크를 현재 수준으로 계속 활용하면서, 매트랩의 통계 함수와 연동하여 검증된 결과에 대한 통계 분석 등 후처리 시뮬레이션(post simulation)을 더욱 적극적으로 활용할 계획이다. 또한, 내장된 툴박스의 기능을 보다 많이 파악하여 현재까지 인지하지 못한 유용한 기능을 활용함으로써, 검증 품질을 높이고자 한다.   – 시뮬레이션 활용 확대를 위해 현업에서 어떤 부분을 고려해야 할지 자동차 및 ESS 프로젝트를 진행하면서 다양한 형태의 데이터 파일을 현장에서 받게 된다. 이러한 데이터를 쉽게 가져와 개발된 모델과 연동하여 사용하는 방법에 대한 고민이 필요하다. 또한, 기존 데이터를 의미 있는 범위 내에서 왜곡하여 시뮬레이션함으로써 로직의 강건성을 검증하는 방법에 대한 고민도 필요하다. 매트랩과 시뮬링크의 시뮬레이션 결과는 동적인 형태로 출력되는데, 이러한 패턴을 검증할 수 있는 기술 개발 역량 강화가 필요할 것 같다.   같이 보기 : [포커스] 매스웍스, MBD와 AI 결합으로 제조 혁신 가속화… “설계 복잡성 줄이고 신뢰성 높인다”

매스웍스는 4월 7일 개최한 ‘매트랩 엑스포 2026 코리아’ 행사를 통해 엔지니어링과 과학적 혁신을 가속화하기 위한 비전을 제시하면서, ‘임베디드 인텔리전스’를 통한 설계 방식의 변화를 강조했다. 특히 AI(인공지능)는 코드 작성과 문제 해결 루프를 직접 제어함으로써 개발 복잡성을 해결하고 시장 출시 기간을 줄이는 기술로 자리매김하고 있다. 매스웍스는 모델 기반 설계(MBD)와 AI의 결합을 통해 더욱 신속하고 정교한 설계 환경을 구축한다는 전략을 내세웠다. ■ 정수진 편집장   매스웍스는 지난 1984년 설립 이래 MBD(model-based design) 방법론을 자동차와 항공 등 안전이 필수인 산업 분야를 중심으로 적용해 왔다. MBD는 제품 개발의 복잡도가 높아지는 흐름에 맞춰 다양한 물리 영역과 다중 도메인 시스템을 복합적으로 시뮬레이션하고 상호 영향을 검증하는 환경을 제공한다. 매스웍스는 작은 오류가 치명적인 결과로 이어질 수 있는 엔지니어링 현장에서 MBD 방법론이 강력한 검증 및 확인 워크플로를 거쳐 시스템의 안정성을 보장한다고 설명한다. 매스웍스는 이런 MBD의 기반 위에서 최근 산업계의 화두인 AI 기술을 안전하게 융합한다는 접근법을 내세웠다. 완전히 새로운 AI 플랫폼을 구축하는 것이 아니라, 수십 년간 현장에서 검증된 자사의 MBD 플랫폼 내에 인공지능 기능을 자연스럽게 내재화하겠다는 것이다.   ▲ 매스웍스는 생성형 AI가 제품 개발 루프를 가속화할 수 있다고 설명한다.   생성형 AI가 이끄는 설계 패러다임의 변화 매스웍스의 사미르 M. 프라부(Sameer M. Prabhu) 인더스트리 부문 이사는 AI가 엔지니어링 설계의 전 영역에 걸쳐 이미 실질적인 변화를 만들어내고 있다고 강조했다. 엔지니어링 설계의 핵심은 끊임없이 반복되는 ‘문제 해결 루프’에 있다. 과거에는 엔지니어가 직접 설계 공간을 탐색하며 해답을 찾았다면, 인공지능은 엔지니어가 정의한 목표와 제약 조건 안에서 스스로 방대한 설계 공간을 탐색하며 최적의 설루션을 빠르게 도출해낼 수 있다는 것이다. 이러한 변화를 보여주는 기술이 바로 AI 기반의 차수 축소 모델(reduced order model : ROM)이다. 프라부 이사는 자동차 부품의 설계 파라미터 최적화에 물리 기반 시뮬레이션을 활용한 사례를 소개했다. “기존 방식으로는 수천 번의 시뮬레이션을 반복하는 연산에 16일의 시간이 필요했다. 하지만 실험 데이터를 바탕으로 딥러닝 기반의 인공지능 차수 축소 모델을 학습시켜 최적화 루프에 적용한 결과, 단 5분 만에 작업을 끝낼 수 있었다”는 것이 프라부 이사의 설명이다. 무겁고 복잡한 해석 모델을 가벼운 인공지능 모델로 대체하여 설계 속도를 크게 높일 수 있었다는 것이다. 또한, 빠르게 발전하고 있는 생성형 AI(generative AI)는 반복되는 검증 작업이나 코드 생성을 빠르게 자동화하여, 엔지니어가 더 높은 수준의 추상화 및 목표 지향적 설계에 집중할 수 있도록 돕는다. 프라부 이사는 “미래 엔지니어의 핵심 역량은 목표 지향적 사고와 설계 루프 자체를 설계하는 능력이 될 것”이라고 전망했다.   ▲ 매스웍스 사미르 M. 프라부 이사   MBD 환경에서 AI의 생산성 높인다 MBD를 구현하는 매스웍스의 핵심 플랫폼인 시뮬링크(Simulink)는 전통적으로 AI 알고리즘을 정교한 룩업 테이블의 발전된 형태로 통합해 활용해 왔다. 엔지니어는 매트랩(MATLAB) 등에서 훈련한 AI 모델과 특징 추출 코드를 시뮬링크로 가져와 프로세서 탑재 제어 모듈용 C 코드를 자동 생성해 하드웨어에 곧바로 배포할 수 있다. 매스웍스는 최근 이 환경에 생성형 AI의 생산성을 결합한 시뮬링크 코파일럿(Simulink Copilot)을 도입하여 플랫폼을 한 단계 더 진화시켰다. 시뮬링크 코파일럿은 MBD 환경에 생성형 AI의 생산성을 결합했다. 대화형 챗 인터페이스를 통해 복잡한 시뮬링크 모델의 동작 원리를 자연어로 사용자에게 설명해 준다. 또한 특정 제어 시스템이나 상태 머신 모델을 개선하기 위한 구체적인 아이디어를 제안할 수 있다. 코파일럿은 단순히 조언을 건네는 데 그치지 않고, 해당 작업에 바로 적용할 수 있는 최적의 도구와 관련 기술 문서까지 함께 추천하며 설계 과정의 어려움을 해결하도록 돕는다. 프라부 이사는 “우리의 비전은 생성형 AI와 MBD 모델 기반 설계를 사용해서 이런 챗 인터페이스와 함께 생성형 AI의 생산성 향상을 제공하고, 사용자가 결과를 빠르게 얻을 수 있도록 하는 것”이라면서, 시뮬링크 코파일럿의 새로운 기능이 엔지니어의 작업 속도와 전반적인 효율을 높여 줄 열쇠라고 강조했다.   ▲ 매스웍스코리아 박주일 사장   제조업 경쟁력 강화를 위한 전략과 미래 비전 매스웍스는 크게 두 가지의 AI 전략을 소개했다. 첫째는 물리적 하드웨어를 대체하거나 보완하기 위해 AI 모델을 최종 시스템의 구성 요소로 직접 내장하는 방식이다. 둘째는 AI가 스스로 방대한 설계 공간을 탐색하며 문제 해결 루프 자체를 주도하도록 만드는 방식이다. 또한, 매스웍스는 매트랩 코파일럿과 시뮬링크 코파일럿 등 생성형 AI를 자사의 기존 플랫폼에 내재화하여 일상적인 코딩과 검증 업무의 자동화까지 지원할 계획이라고 밝혔다. 다만 안전이 최우선인 엔지니어링 산업의 특성상, AI의 환각 현상이나 비결정적 특성은 치명적인 위험을 일으킬 수 있다. 이에 대해 박주일 사장은 “기존에 있는 플랫폼에 AI가 들어가기 때문에 워크플로간 충돌이나 정합성 이슈가 상대적으로 적다는 것이 매스웍스의 유니크한 강점”이라고 설명하면서, “수십 년간 업계 표준으로 자리 잡은 MBD 플랫폼과 강력한 검증 및 확인 워크플로를 통해 AI 결과물의 신뢰성을 통제할 수 있을 것”이라고 전했다. 한국 시장에서 매스웍스가 그리는 청사진은 한국 제조업의 근원적인 경쟁력을 한 단계 끌어올리는 데 집중되어 있다. 기하급수적으로 증가하는 제품 개발의 복잡도와 출시 기간 단축이라는 압박 속에서, 매스웍스는 국내의 엔지니어링 커뮤니티를 기술적으로 뒷받침하는 조력자 역할을 하겠다는 계획이다. 나아가 기업에 대한 지원뿐 아니라 학계와의 협력을 통해 미래 공학 인력을 양성하는 일에도 투자할 것이라고 밝혔다. 박주일 사장은 “자동차 산업에서 촉발된 소프트웨어 정의 제품(software-defined product)의 흐름이 우주항공, 조선, 에너지 등 모든 산업으로 확장되는 변화가 일어나고 있다. 매스웍스코리아는 새로운 산업 영역의 기술적 간극을 메우고 디지털 전환을 선도하는 핵심 파트너로 자리매김하고자 한다”고 전했다.   ■ 같이 보기 : [인터뷰] 시뮬링크로 배터리 BMS 신뢰성 확보 및 로직 검증 자동화 구현     ■ 기사 내용은 PDF로도 제공됩니다.

매스웍스는 매트랩(MATLAB)과 시뮬링크(Simulink) 제품군의 릴리스 2026a를 발표하고 임베디드 시스템 개발을 위한 새로운 AI 기능을 공개했다. 이번 릴리스는 엔지니어링 팀이 설계의 정확성을 유지하면서 생산성을 높일 수 있도록 돕는 코파일럿 기능을 강화한 것이 특징이다. R2026a는 모델 기반 설계(MBD)를 지원하는 시뮬링크 코파일럿(Simulink Copilot)과 임베디드 소프트웨어 코드 분석을 개선하는 폴리스페이스 코파일럿(Polyspace Copilot)을 새롭게 도입했다. 이를 통해 요구사항부터 설계와 코드에 이르는 전 과정을 추적 가능하게 관리하고, 동일한 결과를 재현할 수 있는 개발 프로세스를 구축할 수 있다. 엔지니어는 더 이른 단계에서 문제를 수정하고 개발부터 검증, 실제 운영 단계까지 효율적으로 진행하는 것이 가능하다. 매스웍스는 두 가지 방식으로 엔지니어링 분야의 AI 기술을 고도화하고 있다. 먼저 매트랩, 시뮬링크, 폴리스페이스 등 엔지니어가 이미 활용 중인 환경에 코파일럿을 직접 통합했다. 또한 매트랩 MCP 코어 서버(MATLAB MCP Core Server)와 매트랩 에이전틱 툴킷(MATLAB Agentic Toolkit)을 통해 매트랩과 시뮬링크 기능을 에이전틱 워크플로에 통합하고 있다. 이러한 접근을 통해 설계 팀은 설계를 더 빠르게 이해하고 소프트웨어 문제를 조기에 해결하며 일관된 워크플로를 적용할 수 있다.     시뮬링크 코파일럿은 사용자의 모델과 팀이 정의한 프로세스, 매스웍스 공식 문서를 기반으로 맞춤형 가이드를 제공한다. 모델에 대한 설명을 생성하고, 동작에 관한 질문에 답하며, 모델 내 관련 블록과 서브시스템을 찾는 작업을 지원한다. 문제를 특정해 해결 방안을 제시하고 다음 단계를 안내함으로써 설계 작업을 신속하게 진행하도록 돕는다. 폴리스페이스 제품군에는 폴리스페이스 코파일럿과 폴리스페이스 애즈 유 코드(Polyspace as You Code)가 추가됐다. 폴리스페이스 코파일럿은 분석 결과를 기반으로 엔지니어가 정적 분석 결과를 해석하고 문제를 파악하도록 돕는다. 폴리스페이스 애즈 유 코드는 코드 작성 과정에서 C 및 C++ 코딩 규칙을 점검하고 AI가 생성한 코드를 포함한 결함과 취약점을 식별한다. 이외에도 통합 구성 관리를 위한 데스크톱 애플리케이션과 폴리스페이스 버그 파인더 확장 기능, 런타임 오류 분석을 위한 폴리스페이스 테스트 기능 등이 포함됐다. 이번 R2026a에는 교육자와 개발자를 위한 다양한 신제품과 업데이트도 포함됐다. 교육자가 매트랩과 시뮬링크를 활용해 교육과정과 실습을 개발할 수 있는 매트랩 코스 디자이너와 독립형 기능 목업 유닛을 생성하는 시뮬링크 FMU 빌더가 새롭게 출시됐다. 매트랩은 설치 없이도 시각화가 포함된 대화형 웹페이지를 구축해 공유할 수 있는 기능을 제공하며 파이썬 환경 관리 및 데이터 교환 기능이 개선됐다. 시뮬링크는 작업 중심 컨텍스트 메뉴로 효율을 높였으며 모델 내에서 C 및 C++ 코드를 직접 시뮬레이션할 수 있다. 이 밖에도 무선 통신 네트워크 분석을 위한 와이어리스 네트워크 툴박스, 매트랩 코파일럿으로 테스트를 생성하는 매트랩 테스트, 지리공간 분석을 강화한 매핑 툴박스, 디지털 필터 설계가 가능한 시그널 프로세싱 툴박스 등이 업데이트됐다. 매스웍스의 아비나시 네헤미아 설계 자동화 부문 제품 관리 및 마케팅 총괄은 “엔지니어링 설계와 소프트웨어 검증에서는 엄격성, 추적성, 신뢰성의 희생을 담보로 생산성 향상이 이뤄져서는 안 된다”면서, “매스웍스는 팀이 속도를 높이면서도 복잡한 시스템 개발에 요구되는 규율과 신뢰를 유지할 수 있도록 돕는 근거 기반 AI 툴 제공에 전념하고 있다”고 밝혔다.

헥사곤이 CNC 프로그램의 작성 및 검증 속도를 개선한 엣지캠(EDGECAM) 최신 버전을 공개했다. 이번 업데이트는 시뮬레이션 검토 시간 단축, 현장 작업자와의 소통 강화, 가공 전략 고도화와 더불어 CAM 워크플로 내 실질적인 AI 지원 기능을 도입한 것이 특징이다. 제조 현장의 가공 전략이 복잡해지고 납기 준수 압박이 거세짐에 따라 CNC 프로그래머들은 신속하고 신뢰할 수 있는 프로그램을 제작해야 하는 과제에 직면해 있다. 현대의 CAM 시스템은 강력한 기능을 제공하지만, 프로그램이 길어지고 공정이 복잡해질수록 툴패스 검증과 시뮬레이션 검토, 현장 전달 과정에서 소모되는 시간도 함께 늘어나고 있다. 헥사곤 생산 소프트웨어 사업부는 이러한 요구에 부응하기 위해 프로그램 검증 가속화와 프로그래밍–생산 팀 간의 협업 개선, 그리고 소프트웨어 조작 편의성 증대에 중점을 둔 신규 기능을 선보였다. 헥사곤의 졸탄 토모가(Zoltan Tomoga) 제품 매니저는 “이번 신규 버전은 일상적인 프로그래밍 작업에서 발생하는 지연 요소를 제거하는 데 집중했다”면서, “긴 시뮬레이션을 즉각 검토하고 현장 작업자가 가공 공정을 명확히 이해하도록 돕는 것이 핵심”이라고 설명했다.     가장 눈에 띄는 변화는 시뮬레이션 성능의 향상이다. 엣지캠은 이제 시뮬레이션 중 각 공구 교체 시점마다 스냅샷을 저장하여 사용자가 가공 순서를 훨씬 빠르게 되돌려 볼 수 있도록 지원한다. 복잡한 작업의 경우 기존에 30초가량 소요되던 되감기 시간이 1초 내외로 단축되어 프로그래머의 업무 흐름이 끊기지 않게 돕는다. 프로그래밍 팀과 생산 현장 간의 소통 도구도 강화됐다. 전체 3D 장비 시뮬레이션을 녹화하여 ‘라이브 작업 보고서(Live Job Reports)’에 직접 포함할 수 있다. 현장 작업자는 별도의 엣지캠 라이선스 없이도 브라우저에서 대화형으로 가공 공정을 검토할 수 있다. 화면 확대와 회전, 재생 속도 조절 등을 통해 실제 가공 시작 전 프로그래밍된 전략을 파악할 수 있다. 이는 다축 가공이나 대형 고정구 사용 등 안전이 중요한 설정에서 특히 유용하다는 것이 헥사곤의 설명이다. 가공 성능을 높이기 위한 툴패스 사이클 개선도 이루어졌다. 평행 레이스(Parallel Lace) 사이클의 렌즈 공구 지원, 페이스 밀링(Face Milling)의 부드러운 진입 동작, 잔삭 황삭(Rest Roughing)의 홀더 간섭 체크 강화 등이 포함됐다. 이를 통해 표면 품질을 높이고 수동 조정을 최소화하는 효율적인 툴패스 생성이 가능해졌다. 특히 이번 버전에서는 자연어 지원 기능인 ‘헥사곤 코파일럿(Hexagon Copilot)’이 도입됐다. 프로그래머는 워크플로 내에서 질문을 던지거나 기능을 검색하고 안내를 받을 수 있어, 복잡한 메뉴나 매뉴얼을 뒤지는 시간을 획기적으로 줄일 수 있다. 토모가 매니저는 “코파일럿은 프로그래머가 시스템을 더 쉽게 탐색하고 학습할 수 있도록 설계되어 실질적인 업무 효율을 높여줄 것”이라고 덧붙였다.

지멘스가 4월 20일~24일 독일 하노버에서 열리는 산업 박람회 ‘하노버 메세 2026’에 참가한다. 지멘스는 이번 박람회에서 산업 현장의 혁신을 가속하고 생산성과 효율성을 높이는 산업용 AI 기반 혁신 기술을 선보일 계획이라고 전했다. ‘미래를 위한 혁신의 가속화’라는 주제로 열리는 이번 전시에서 지멘스는 개방형 디지털 비즈니스 플랫폼 ‘지멘스 엑셀러레이터’와 생성형 AI 기반의 ‘산업용 AI 코파일럿’을 중심으로 제조 산업의 디지털 전환과 AI 전환을 지원하는 방법을 집중 조명한다. 지멘스 부스에서는 산업용 AI, 디지털 트윈, 소프트웨어 기반 기술이 현실과 디지털 세계를 어떻게 융합하는지 보여주는 시연과 시뮬레이션을 체험할 수 있다. 전시 공간은 이노베이션 허브, 소비재 산업을 위한 디지털 엔터프라이즈, 딥 다이브 등 세 가지 주제로 구성된다. 이노베이션 허브는 인공지능이 데이터를 기반으로 제품 설계를 최적화하는 단계부터 공정을 실시간으로 조정하는 적응형 생산 체계까지 지멘스의 핵심 기술력을 집약해 보여준다. 소비재 산업을 위한 디지털 엔터프라이즈 존에서는 산업용 AI 디지털 트윈을 기반으로 설계, 생산, 공급망, 운영을 유기적으로 연결하는 제조 방식을 제시한다. 반죽 제조 공정에 인공지능과 디지털 트윈 기술을 적용해 적응형 공장으로 전환한 미국 스낵 브랜드 프링글스의 사례가 대표적이다. 글로벌 식품 기업 펩시코는 지멘스 엑셀러레이터 포트폴리오를 활용해 설비 변경 없이도 문제의 90%를 사전에 식별하는 성과를 거두었다. 브라질 화장품 기업 나투라는 디지털 트윈 기술로 에센셜 오일 추출 공정의 효율성과 지속 가능성을 개선했다. 기술별 딥 다이브 존에서는 시스템 엔지니어링과 AI를 결합해 제품 개발 기간을 단축하고 디지털 트윈으로 공정을 사전에 검증하는 기술 기반을 소개한다. 모듈형 설계를 통한 장비 운영의 유연성 확보와 에너지 인프라 기술을 활용한 공장 운영 효율 개선 방안도 함께 전시한다. 항공우주, 전자, 산업용 장비, 데이터 센터 등 다양한 산업의 실제 적용 사례도 확인할 수 있다.     한편, 250명 이상의 전문가가 참여해 산업 AI와 관련된 180여 개의 주제를 다루는 프로그램도 현장에서 진행된다. 업계 리더와 기술 전문가들은 디지털 혁신의 실제 모습과 성공 사례를 발표하며, 산업 메타버스와 인공지능이 식음료 산업을 어떻게 변화시키는지에 대한 토론도 이어진다. 이 프로그램은 온라인 플랫폼을 통해 생중계된다. 한국지멘스의 정하중 대표이사는 “산업용 AI와 디지털 트윈을 비롯한 지멘스의 혁신 기술은 숙련 인력 환경 변화와 에너지 비용 증가 속에서 기업들이 효율적인 운영 방안을 찾는 데 도움이 될 것으로 기대한다”면서, “이번 박람회가 국내 기업들이 글로벌 제조 혁신의 방향을 이해하고 인공지능을 활용한 경쟁력 강화 가능성을 검토하는 계기가 되길 바란다”고 밝혔다.

다이슨(Dyson)은 최적의 물청소 솔루션을 개발하기 위해 새로운 접근 방식이 필요하다는 연구 결과를 도출했다. 그 결과물이 바로 수세기의 역사를 지닌 가정용 청소 도구인 대걸레를 재해석한 청소기 ‘다이슨 워시G1(Dyson WashG1)’이다. 다이슨 엔지니어들은 이 제품을 개발하기 위해 항공우주 산업 등 복잡한 시스템 설계에 쓰이는 엔지니어링 방법론을 일상 제품에 적용했다. 기존 제품의 개선 버전을 개발할 때는 효과적이었던 다이슨의 문서 기반 워크플로가 완전히 새로운 제품군을 만드는 데는 적합하지 않았기 때문이다. 이에 다이슨의 첨단 제어 시스템 수석 엔지니어인 로맹 기셰르(Romain Guicherd)는 팀을 설득해 모델 기반 설계(model-based design : MBD)를 도입했다. 모델 기반 설계란 시스템 레벨 시뮬레이션 모델을 활용해 시스템 개발 방식을 개선하는 방법론이다. 이를 통해 개발 워크플로를 가속화하고, 테스트를 위한 보다 강건한 코드를 구현할 수 있었다.   모델 기반 설계로 바꾼 제품 개발 방식 다이슨은 진공청소기 등 기존 제품 라인업의 신제품을 개발할 때, 팀 간 요구사항의 전달에서 서면으로 된 문서 기반 방식을 사용해 왔다. 이러한 방식은 이전의 설계 및 임베디드 소프트웨어를 참고하고 반복 개선할 수 있어, 이미 안정화된 기존 제품군 개발에 적합한 방식이다. 그러나 완전히 새로운 제품군을 개발하는 과정에서는 이러한 문서 전달 방식이 오히려 혼선을 초래할 수 있었다. 문서로 작성된 설계 사양은 엔지니어마다 요구사항을 다르게 해석할 가능성이 있기 때문이다. 새로운 제품군 개발은 팀 간 오해를 줄이고 보다 원활한 협업을 가능하게 하는 새로운 개발 방식을 모색하게 하는 계기가 됐다.    ▲ 다이슨 워시G1은 습식 오염과 건식 이물질을 모두 제거한다.   다이슨은 모델 기반 설계가 새로운 기능과 설계 방향을 탐색하는 데 적합한 개발 방식이라고 봤다. 개발 초기에는 다양한 개념과 방향을 동시에 검토해야 했는데, 시뮬링크(Simulink) 기반의 모델 기반 설계를 도입한 덕분에 팀은 기존 문서 기반 프로세스 대비 두 배 빠르게 새로운 아이디어를 구현할 수 있었다. 워시G1의 핵심 세척 방식은 촘촘한 마이크로파이버 천으로 감싼 역방향 회전 롤러를 탑재한 세척 헤드를 중심으로 구성된다. 습식 오염과 건식 이물질을 분리하기 위해 보조 롤러가 고체 이물질을 트레이에 모으고, 트레이 바닥의 메시 필터를 통해 액체가 오수 탱크로 흘러내려가는 구조다. 기셰르의 팀은 이 모든 기능을 구현하고 다양한 상황에 대응하기 위해, 상호작용하는 시스템 구성요소의 시뮬레이션을 용이하게 하고 설계부터 코드 생성, 소프트웨어 테스트까지 전 과정을 아우르는 툴이 필요했다. 팀은 세척 롤러 제어 장치 개발을 위해 심스케이프 일렉트리컬(Simscape Electrical)로 폼 롤러 모터와 모터 드라이브를 모델링했다. 또한 스테이트플로(Stateflow)를 활용해 청소기에 탑재된 두 개의 펌프, 즉 깨끗한 물로 롤러에 수분을 공급하는 펌프와 오수를 배출하는 펌프의 스케줄링과 제어 로직을 설계했다. 제품의 자동 세척 메커니즘 구현에도 스테이트플로가 활용됐다. 워시G1의 세척 성능을 구현하기 위해서는 단계별로 선택 가능한 수분 공급 수준과 각 단계의 세밀한 민감도 조정이 모두 뒷받침돼야 했다. 다양한 설정 값과 세척 부하 변화에 대응하려면 정밀한 전압 제어가 필수였다. 팀은 시뮬링크 모델로 매개변수를 조정하고 다양한 값을 반복 테스트하며 모터 전압 제어 로직을 빠르게 최적화했다. 실제 프로토타입을 제작하지 않고도 시뮬레이션만으로 설계 변경의 영향을 사전에 파악할 수 있었다는 점도 개발 효율을 높이는 데 크게 기여했다.   ▲ 심스케이프로 모델링된 다이슨의 롤러 기술   다이슨은 요구사항 툴박스(Requirements Toolbox)를 활용해 요구사항을 시뮬링크 모델에 연결함으로써 각 요구사항이 제품 기능으로 어떻게 구현되는지 확인할 수 있었다. 요구사항 툴박스(Requirements Toolbox)를 사용하기 전에는 하드웨어 테스트 단계에 이르러서야 요구사항의 오류를 발견할 수 있었다. 하지만 요구사항을 모델에 연결한 이후로는 각 요구사항의 구현 방식과 요구사항 간 상호 관계를 사전에 명확히 파악할 수 있게 됐다.   시스템 시뮬레이션이 설계에 가져온 변화 시뮬링크와 심스케이프를 활용한 모델 기반 설계는 보다 체계적인 개발 접근 방식을 가능하게 했고, 다이슨이 프로토타입을 제작하고 테스트하기에 앞서 다양한 유형의 인더루프(in-the-loop) 테스트를 수행할 수 있도록 하였다. 모델 기반 설계 덕분에 엔지니어는 멀티도메인 모델링을 수행하고 타 팀과 긴밀하게 협업할 수 있었다. 일례로 기셰르의 팀은 배터리 셀 및 배터리 관리 시스템 팀의 데이터를 활용해 정밀한 4셀 배터리팩 모델을 구축했다. 또한 전자팀과 협력해 심스케이프 일렉트리컬로 전력전자 하드웨어의 동작을 모델링하고 시뮬레이션했다. 시뮬링크를 통한 시스템 레벨 시뮬레이션은 더 많은 설계 옵션을 검토하고 트레이드오프를 비교할 수 있는 환경을 만들어줬다. 그 결과 팀은 프로젝트의 설계 단계에 더 많은 시간을 투자할 수 있었고, 설계 오류와 통합 문제를 수정하기 훨씬 쉽고 비용도 적게 드는 초기 단계에서 발견할 수 있었다.   소프트웨어 아키텍처와 임베디드 코드 개발 이후 프로젝트에서 팀은 소프트웨어 아키텍처 개발을 위해 시스템 컴포저(System Composer)를 추가로 도입했다. 시스템 컴포저를 통해 제품팀과 소프트웨어팀은 소프트웨어 인터페이스와 스케줄링을 함께 개발하고 다양한 시나리오를 모델링할 수 있었다. 또한 대규모 모델을 논리적 단위로 구조화해 병합 충돌 없이 원활한 팀 간 협업이 가능해졌다. 시뮬링크 모델은 제품 동작을 시각적으로 표현함으로써 개발 전 과정에 걸쳐 팀원 간의 협업을 촉진했다. 제어 시스템 모델에서는 C 코드가 생성됐다. 팀은 모델을 수정하고 일부 구간에 주석을 달거나 새로운 블록을 추가하는 방식으로 소프트웨어 엔지니어에게 청소기의 새로운 동작을 보여줬다. RCP(Rapid Control Prototyping)를 활용하면 코드를 빠르게 생성하고, 다음 날 바로 실험실에서 제품의 동작을 확인할 수 있었다. 팀은 직접 코딩 대신 임베디드 코더(Embedded Coder)로 시뮬링크 모델에서 C 코드를 자동 생성했고, 소프트웨어팀은 이를 NXP 마이크로컨트롤러의 메인 코드에 통합했다. 임베디드 코더 도입 이후 소프트웨어 릴리스 주기는 기존 약 10주에서 9일로 단축됐다. 초기에는 실험실 환경에서의 동작 구현에 집중하였기 때문에 모델과 코드 생성을 핵심으로 삼았지만, 곧 모델과 코드, 테스트, 커버리지가 함께 어우러질 때 제품 완성도가 한층 높아진다는 사실을 확인했다.   테스트 효율을 높인 모델 기반 개발 팀은 이전 제품 개발 때보다 설계 개선에 더 많은 시간을 쏟았다. 시뮬링크를 통해 시뮬레이션 중 발생한 오류를 신속하게 수정할 수 있었고, 그 효과는 테스트 단계에서 그대로 나타났다. 이 테스트 단계는 과거보다 훨씬 단순하고 빨라졌으며, 팀의 개발 시간과 노력을 절감하는 데 기여했다. 모델에서 정상 작동하도록 설계한 것은 실제 제품에 적용해도 동일하게 구현됐고, 이는 무결점 제품 출시로 이어졌다. 워시G1의 모델 기반 설계와 코드 자동 생성이 성공을 거두면서, 초기에 회의적이었던 소프트웨어팀의 시각도 달라졌다. 자동 생성 코드가 내부 표준 준수와 실행 효율성을 담보할 수 있을지 우려하던 소프트웨어팀은 이제 코드에 대한 확신을 갖게 됐다. 현재 소프트웨어팀은 하드웨어팀과 협력해 자동 생성 코드의 API를 함께 정의하고 있으며, 모델 기반 설계에 시뮬링크를 활용하면서 유연성과 개발 속도 모두를 향상시켰다. 이제는 소프트웨어팀이 먼저 나서서 동일한 프로세스를 다른 제품에도 적용해 달라고 요청할 만큼, 프로젝트 복잡도가 높아질수록 모델 기반 설계의 가치는 더욱 분명해지고 있다. 다이슨 팀은 향후 워시G1 후속 모델 개발 시 기존 모델의 구성 요소를 재사용할 수 있다. 또한 이번 모델 기반 설계 방법론의 성공 사례는 사내 다른 부서에서도 주목받고 있다. 헤어 케어 제품과 다른 플로어 케어 제품군에도 이를 적용하는 방안이 검토되고 있어, 다이슨 내 추가 혁신 가능성을 넓히고 있다.   ■ 이웅재 | 매스웍스코리아 이사     ■ 기사 내용은 PDF로도 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.

델 테크놀로지스가 온디바이스 AI 성능을 강화하고 하이브리드 근무 환경에 최적화된 기업용 PC 포트폴리오 ‘델 프로’ 신제품을 발표했다. 이번 신제품은 AI 처리 능력을 높인 노트북과 공간 효율을 극대화한 데스크톱 등 PC 라인업을 중심으로 구성됐다.   ▲ 델 프로 3,5,7 및 델 프로 14 프리미엄 노트북   ‘델 프로 14 프리미엄’은 델 프로 노트북 라인업 중 가장 가벼운 1.15kg의 무게로 경영진을 겨냥한 제품이다. 최신 인텔 코어 울트라 시리즈 3(팬서레이크) 프로세서를 탑재했으며 50 TOPS 성능의 NPU를 통해 코파일럿 등 AI 어시스턴트를 기기 자체에서 구동한다. 두께는 이전 세대보다 7% 얇아진 16.78mm로 설계됐으며 마그네슘 합금 소재를 사용해 휴대성과 내구성을 동시에 확보했다. 탠덤 OLED 디스플레이 옵션과 800만 화소 HDR 카메라를 통해 시각적 경험과 화상 회의 품질을 높였다. 메인스트림 노트북 라인업인 델 프로 3/5/7 시리즈는 사용자의 업무 특성에 맞춰 인텔과 AMD 프로세서 중 선택할 수 있는 폭을 넓혔다. ‘델 프로 5’는 14인치와 16인치로 출시되며 업무 흐름에 맞춰 메모리와 저장장치를 자유롭게 구성할 수 있는 확장성이 특징이다. ‘델 프로 3’는 14인치 기준 약 1.34kg의 무게와 세련된 메탈릭 마감을 갖춘 실속형 모델이다. 프리미엄 라인인 ‘델 프로 7’은 이전보다 최대 18% 얇아진 디자인을 적용했으며 일반 노트북 형태와 투인원 모델로 구분해 출시된다. 데스크톱 라인업에서는 1.2리터 크기의 초소형 폼팩터를 갖춘 ‘델 프로 5 마이크로’를 처음으로 선보였다. 데스크톱 PC이면서도 최신 모바일용 팬서레이크 CPU를 탑재해 좁은 공간에서도 높은 연산 능력과 전력 효율을 제공한다. 최대 64GB DDR5 메모리를 지원하며, 100W 전원 공급이 가능한 USB-C 포트를 통해 케이블 하나로 모니터와 연결해 사용할 수 있다. 델의 모듈식 설계와 지능형 냉각 시스템을 적용해 고부하 작업 시에도 소음과 발열을 안정적으로 관리한다.   ▲ 델 프로 5 마이크로 데스크톱 PC   델 테크놀로지스는 모든 델 프로 PC 제품군에 강력한 보안 계층을 구축했다고 소개했다. 미래의 암호화 위협으로부터 BIOS를 보호하는 양자 내성 기술을 적용하고, 랜섬웨어 방지 설루션인 할시온을 기본 탑재해 하드웨어 수준의 보안력을 높였다. IT 관리자는 클라우드 기반 인텔 v프로(vPro) 설루션을 활용해 많은 기기를 원격으로 한꺼번에 배포하고 관리할 수 있다. PC와 함께 사용하는 주변기기도 강화됐다. 화상 회의에 특화된 ‘델 프로 P 34 USB-C 허브 모니터’는 AI 오토 프레이밍 카메라와 소음 제거 마이크를 내장했다. 5초 충전으로 하루 종일 사용 가능한 터보 차지 기술이 적용된 무선 키보드 세트와 지문 인식 센서가 탑재된 유선 마우스도 함께 공개됐다. 한국 델 테크놀로지스 김경진 총괄사장은 “AI 시대에 기업용 PC는 단순한 도구를 넘어 비즈니스 혁신의 핵심 플랫폼으로 진화하고 있다”면서, “이번 델 프로 라인업은 엄격한 보안 기준을 충족하면서도 실무자들이 선호하는 최신 하드웨어를 제약 없이 도입할 수 있도록 설계했다”고 밝혔다.