심센터 HEEDS 더 깊게 살펴 보기 (4)   이번 호에서는 심센터 HEEDS(Simcenter HEEDS)의 핵심 최적화 엔진인 SHERPA의 성능을 비약적으로 가속화시키는 AI 시뮬레이션 프레딕터(AI Simulation Predictor) 기술에 대해 자세히 살펴본다. 지난 호에서 다룬 SHERPA의 지능형 탐색 방식에 AI의 예측 통찰력을 결합하여, 어떻게 해석 시간의 병목을 해결하고 검색 효율을 극대화하는지 조명할 예정이다. 이를 통해 고비용 해석 모델에서도 실질적인 리드타임을 단축하고 더 우수한 설계안을 도출해 내는 원리를 알아보고자 한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   최적화의 병목, 해석 시간과 비용의 문제 고충실도(High-Fidelity) 해석의 딜레마 현대 엔지니어링 설계의 정점은 전산유체역학(CFD)이나 비선형 구조해석과 같은 고성능 계산 과정을 필수로 한다. 이러한 고충실도 해석은 제품 성능을 가상 공간에서 정밀하게 모사할 수 있게 해 주지만, 치명적인 약점이 있다. 복잡한 모델의 경우 1회 해석에 수 시간에서 수 일이 소요되기도 하며, 수백 번의 반복 계산이 필요한 최적화 과정에서 이는 극복하기 어려운 시간적 병목(bottleneck)이 된다.   MDAO 과정에서 직면하는 실제 문제들 연재의 배경이 되는 다분야 설계 분석 및 최적화(MDAO : Multidisciplinary Design Analysis and Optimization) 환경에서는 다음과 같은 네 가지 핵심 문제에 직면한다. 시뮬레이션 시간 & 계산 비용 : 장기간의 CAE 실행은 컴퓨터 자원의 점유와 라이선스 비용 부담을 가중시킨다. 신뢰성 : 시간 제약으로 인해 충분한 설계안을 검토하지 못하면 결과의 신뢰성이 떨어진다. 지식의 재사용 : 이전 프로젝트의 방대한 시뮬레이션 데이터를 현재 최적화에 제대로 자산화하지 못하는 한계가 있다. 시프트 레프트(shift left) : 제품 개발 초기 단계에서 오류를 발견하지 못하면 이후 단계에서 대규모 수정 비용이 발생한다.   기존 대안 : 전통적 최적화 프로세스와 근사 모델의 한계 해석 시간을 줄이기 위해 전통적인 설계 공간 탐색(design space exploration) 과정에서는 반응표면법(RSM)이나 크리깅(kriging)과 같은 근사 모델(surrogate model)이 널리 사용되어 왔다. 하지만 이러한 전통적인 방식은 프로세스 측면에서의 번거로움과 기술적 모델 구축 측면에서의 한계를 동시에 안고 있다.   그림 1   첫째, 전문가 중심의 복잡한 다단계 프로세스로 인한 고충(pain points)이 크다. 목적 정의부터 모델 단순화, 알고리즘 선택 및 튜닝, 탐색 수행, 결과 해석으로 이어지는 과정은 매우 정교한 전문 지식을 요구하며 다음과 같은 문제를 일으킨다. 모델 단순화의 오류 가능성 : 변수 선별이나 응답면 모델을 수동으로 생성하는 과정은 오류가 개입되기 매우 쉽다.(too error-prone) 알고리즘 선택 및 튜닝의 고비용 구조 : 적절한 검색 알고리즘을 결정하기 위해 수많은 반복 시도가 필요하며, 파플레이션 크기나 변이율 등 세부 매개변수 설정에 고도의 전문성이 요구되어 시간과 비용이 많이 든다.(too costly & too difficult) 제한적인 혁신 : 이러한 난이도 탓에 최적화 기술이 일부 전문가에 의해 매우 한정적인 문제에만 적용되어, 결과적으로 설계 혁신의 폭이 좁아지는 결과를 초래한다. 둘째, 기술적으로 구축된 근사 모델 자체가 가진 결정적인 한계가 존재한다. 초기 데이터 확보의 높은 비용 : 신뢰할 수 있는 모델을 구축하기 위해서는 설계 공간 전체에 걸쳐 상당수의 초기 샘플 해석이 선행되어야 하며, 고성능 CAE 환경에서는 이 초기 샘플링 과정 자체가 막대한 병목이 된다. 정적 구조의 경직성 : 한 번 구축된 모델은 최적화가 진행되는 동안 설계 공간의 특성 변화나 새로운 유망 영역의 발견을 실시간으로 반영하여 스스로 업데이트되지 않는다. 전역적 경향성과 국부적 정밀도의 딜레마 : 전체적인 경향성은 파악하지만 최적해 주변의 미세한 비선형적 거동을 포착하는 데 한계가 있어, 최종 설계안이 실제 해석 결과와 괴리를 보이는 경우가 빈번하다.   그림 2   반면, 심센터 HEEDS는 이러한 복잡한 중간 단계를 ‘Automated Search’ 하나로 통합하여 엔지니어가 본연의 설계 업무인 목적 정의와 결과 분석에만 집중할 수 있는 환경을 제공한다. 이번 호에서 다룰 AI 프레딕터(AI Predictor)는 이 혁신적인 자동 탐색 과정을 한 단계 더 가속하여 기술적 한계를 극복하고 진정한 설계 디스커버리(discovery)를 실현하는 핵심 기술이다.   기술 혁신 : Boosting SHERPA의 정의와 전략적 가치 AI 시뮬레이션 프레딕터란 무엇인가? 심센터 HEEDS의 AI 시뮬레이션 프레딕터는 최적화 검색 과정을 가속시키는 퍼포먼스 부스터(Performance Booster)이다. 단순히 정해진 데이터를 학습하는 것을 넘어, SHERPA 검색 프레임워크 상단에서 작동하는 AI 오버레이(AI Overlay) 기술을 통해 실시간으로 데이터를 학습(on-the-fly)하여 해석이 필요한 위치(DOE)를 지능적으로 선별한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   과거 십수 년간 전 세계 기업들을 관통한 화두는 ‘디지털 전환(digital transformation : DX)’이었다. 아날로그 데이터를 디지털화하고, 클라우드와 모바일 환경을 구축하며 비즈니스의 민첩성을 확보하는 것이 생존의 필수 조건이었다. 하지만 이제 시대의 흐름은 단순한 디지털화를 넘어 ‘AI 전환(AI transformation : AX)’이라는 새로운 국면으로 접어들고 있다.   그림 1. 디지털 전환의 진화   기술의 도입을 넘어 조직의 재설계로 많은 이가 디지털 전환을 IT 인프라의 현대화나 소프트웨어 도입 정도로 오해하곤 한다. 그러나 디지털 전환의 진정한 가치는 기술 그 자체가 아니라, 기술을 중심에 두고 ‘조직을 재설계하는 것’에 있었다. 기존의 파편화된 업무 프로세스를 통합하고, 데이터가 흐르는 구조를 만들어 의사결정의 근거를 마련하는 과정이 바로 DX의 핵심이었다. 하지만 데이터가 쌓이는 것만으로는 충분하지 않다. 방대한 데이터 속에서 의미를 추출하고, 이를 실시간 비즈니스 액션으로 연결해야 하는 과제가 남았다. 여기서 AI 전환의 필요성이 대두된다. 특히 디지털 스레드(digital thread)는 의미 없는 데이터를 연결하여 맥락(context)를 주고 스토리텔링(storytelling)을 만들어서 인간의 감성을 움직인다. 예를 들어서 대부분의 사람들이 매일 스마트폰으로 엄청난 양으로 사진을 찍지만, 대부분을 관리하지 않는다. 그리고 이 사진은 필요할 때 찾지 못해서 사용하지 못하고 있다. 이것은 현대 사회의 일면이다. 자료를 엄청나게 생성하지만 사용하기는 쉽지 않다는 것이다. 기업의 데이터도 마찬가지이다. 또한 이것은 디지털 트윈(digital twin : DT)의 형태로 인간의 현실 세계(real world), 증강현실/가상현실 (AR/VR) 그리고 메타버스(metaverse)의 영역까지 연결할 수 있다. 이것은 미래 기업의 존재 방식이 어떤 형태든 가질 수 있다는 것이다.   AI 전환 : 조직을 하나의 지능으로 만드는 과정 AI 전환은 단순히 업무에 챗봇을 도입하거나 분석 도구를 활용하는 수준을 의미하지 않는다. AX의 진정한 지향점은 ‘조직을 하나의 지능으로 만드는 것’이다.   그림 2. 인지 디지털 전환의 형태   기존의 조직이 각 부서의 매뉴얼과 개인의 경험에 의존해 움직였다면, AI 전환을 이룬 기업은 조직 전체가 유기적으로 연결된 하나의 거대한 지능체처럼 작동한다. 마케팅의 데이터가 생산으로 흐르고 고객의 피드백이 실시간으로 제품 설계에 반영되는 구조, 즉 데이터와 알고리즘이 조직의 혈관 역할을 하며 판단과 실행을 주도하는 상태를 의미한다. 그리고 이런 조직은 현실 세계와 연동되는 디지털 트윈의 형태가 될 수도 있고, 가상의 형태가 될 수 있다.   효율적 집단에서 지능 시스템으로의 진화 AI 전환을 통해 기업은 단순한 ‘효율적 집단’에서 ‘지능적 시스템’으로 진화한다. 이러한 진화는 세 가지 차원에서 기업의 존재 방식을 재정의한다. 첫 번째 – 더 빠른 학습 : 시장의 변화와 고객의 패턴을 실시간으로 흡수하여 조직의 지식 자산으로 축적한다. 인공지능의 최대의 장점은 일반적인 학습이다. 두 번째 – 더 정확한 판단 : 인간의 편향이나 정보의 누락 없이, 방대한 데이터를 기반으로 최적의 의사결정을 내린다. 인간은 물론 인공지능도 편향을 가지고 있다. 세 번째 – 더 창의적인 행동 : 반복적이고 소모적인 판단 업무에서 벗어난 인적 자원이 더 높은 차원의 전략과 창의적 비즈니스 모델 창출에 집중한다. 아직도 인공지능은 창의적 생각을 하기는 부족하지만, 인간은 인공지능의 도움을 받아 더 효과적으로 창의성을 발휘할 수 있다. 제조업 분야에서는 피지컬 AI(physical AI)와 자율 제조 시스템(autonomous manufacturing system)의 연결이 될 것이다. 그러나 우리의 기대처럼 될 것 같지는 않다. 부분적으로 실현될 가능성이 높다. 현실적으로 아직도 해결해야 할 과제가 너무 많이 있다. 미래에 대해서 누구나 이야기할 수 있다. 왜냐면 미래는 증명할 필요가 없이 그럴듯하고 듣기 좋은 이야기가 항상 인기 있기 때문이다.   리스크 : AI 전환은 동시에 ‘위험 전환’ AI 전환은 강력한 기회인 동시에, 전례 없는 리스크를 동반한다. 주요 리스크는 데이터 프라이버시, 알고리즘 편향성, 설명 불가능성, 규제 리스크(예 : EU AI Act)이다. 특히 중요한 것은 ‘AI는 정확할 수는 있지만, 항상 공정한 것은 아니’라는 것이다. 따라서 기업은 반드시 설명 가능한 인공지능(explainable AI : XAI)와 윤리적 AI 가이드라인 지속적 감사 체계를 구축해야 한다.   그림 3. AI 시대의 단계   맺음말 : 지능의 확장이 가져올 미래 디지털 전환은 이제 AI 전환으로 진화하고 있다. 우리가 반드시 기억해야 할 점은, 디지털 전환의 궁극적인 목표가 단순한 자동화나 비용 절감을 통한 효율화가 아니라는 사실이다. 그 본질은 ‘인간 조직의 지능을 확장하는 것’이다. AI 전환은 바로 이 지점에서 시작된다. 기업은 이제 기술을 도구로 사용하는 단계를 지나 스스로 더 빠르게 학습하고, 더 정확하게 판단하며, 더 창의적으로 행동하는 ‘지능적 시스템(intelligent system)’으로 거듭나야 한다. 결국 디지털 전환이 ‘조직을 재설계하는 것’이었다면, AI 전환은 그 설계를 바탕으로 ‘조직을 하나의 살아있는 지능으로 만드는 것’이다. 이 거대한 흐름 속에서 AI를 조직의 일부로 내재화하는 기업만이 미래 경쟁력을 선점하게 될 것이다. 우리는 이것은 인지적 디지털 전환(cognitive digital transformation) 이라고 부를 지도 모른다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (3)   이번 호에서는 심센터 HEEDS(Simcenter HEEDS)의 핵심 최적화 엔진인 SHERPA Search Framework에 대해 자세히 살펴본다. 기존의 전통적인 최적화 알고리즘과 비교 분석하여, SHERPA(셰르파)만이 가지는 차별화된 탐색 방식과 뛰어난 성능을 조명할 예정이다. 이를 통해 복잡한 설계 공간에서 사용자의 개입을 최소화하고 가장 효율적으로 최적해를 도출해 내는 원리를 알아보고자 한다.   ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 비롯하여 통합 설루션을 활용한 프로세스 자동화와 데이터 분석, 최적화에 대한 설루션을 담당하고 있다. 근사최적화 기법 연구를 전공하고 다양한 산업군에서 15년간 유한요소해석과 최적화 분야의 기술지원과 컨설팅을 수행하였다. 홈페이지 | www.sw.siemens.com/ko-KR 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   최적화의 난제와 ‘No Free Lunch’ 이론 엔지니어링 최적화의 현실 현대의 엔지니어링 환경에서 ‘최적화(optimization)’는 선택이 아닌 필수가 되었다. 제품의 경량화, 성능 향상, 비용 절감이라는 상충되는 목표를 동시에 만족시켜야 하기 때문이다. 그러나 설계 변수가 증가함에 따라 설계 공간(design space)은 기하급수적으로 복잡해진다. 비선형성(non-linearity), 다봉성(multimodality), 그리고 수치적 노이즈(noise)가 뒤섞인 예측 불가능한 지형에서 최적해를 찾는 것은 매우 도전적인 과제이다. 엔지니어에게 중요한 것은 이론적으로 완벽한 ‘절대 최적해’를 찾는 것보다, 제한된 시간과 비용 내에서 ‘실현 가능한 더 나은 해(feasible better design)’를 발견하는 것이다.   No Free Lunch Theorem(NFL)의 시사점 최적화 이론에는 ‘공짜 점심은 없다(No Free Lunch Theorem)’라는 유명한 정리가 존재한다. 이는 ‘모든 종류의 문제에 대해 평균적으로 우수한 성능을 보이는 단일 최적화 알고리즘은 존재하지 않는다’는 것을 의미한다. 즉, 특정 문제(예 : 매끄러운 단봉형 함수)에 뛰어난 성능을 보이는 알고리즘이라도, 다른 문제(예 : 복잡한 다봉형 함수)에서는 성능이 현저히 떨어질 수 있다.   그림 1   그림 2   이 이론은 엔지니어에게 큰 부담을 안겨준다. 최적화 문제를 풀기 위해 엔지니어는 자신의 문제 특성을 정확히 파악해야 하며, 이에 적합한 알고리즘을 선정하고, 수많은 파라미터를 튜닝해야 하는 ‘최적화를 위한 최적화’ 과정에 매몰된다.   전통적 최적화 기법의 한계와 파라미터 튜닝의 딜레마 전통적인 최적화 기법들은 각자의 영역에서 훌륭한 성능을 발휘하지만, 비전문가가 다루기에는 ‘튜닝의 어려움(tuning difficulty)’이라는 명확한 진입장벽이 존재한다. <그림 3>과 같이 심센터 HEEDS(히즈)에서 제공하는 전통적인 최적화 기법의 설정 환경을 기반으로 설명하겠다.   그림 3   2차 계획법 2차 계획법(Quadratic Programming : QP)은 목적함수를 2차 함수로 근사하여 최적해를 탐색하는 구배(gradient) 기반 기법이다. 매끄러운 함수에서는 빠른 수렴 속도를 보이지만, 실제 엔지니어링 문제에서는 다음과 같은 튜닝의 어려움과 한계가 있다.   그림 4   튜닝의 복잡성 : 사용자는 ‘Maximum outer iterations(전체 반복 횟수)’, ‘Maximum line search iterations(탐색 방향 결정 후 반복 횟수)’, ‘Gradient step size(미소 변위량)’ 등을 직접 설정해야 한다. 특히 스텝 크기(step size)가 너무 작으면 노이즈에 민감해지고, 너무 크면 정확도가 떨어지는 딜레마가 있다. 조기 종료(Early Termination) 문제 : 예를 들어 최대 반복 횟수를 50회로 설정했더라도, 탐색 도중 국부 최적해(local optima)에 갇혀 기울기가 0에 가까워지면 알고리즘은 20~25회 만에 탐색을 종료해 버린다. 이는 전역 최적해를 찾지 못했음에도 불구하고 해석 기회를 스스로 포기하는 결과를 낳는다.   다중 시작 국부 탐색 다중 시작 국부 탐색(Multi-Start Local Search : MS)은 이러한 국부 탐색의 한계를 극복하기 위해, 여러 초기점에서 국부 탐색을 수행하여 전역해를 찾으려는 시도이다. 그러나 이 역시 사용자의 파라미터 설정 능력에 크게 의존한다.   그림 5   총 해석 횟수 계산의 번거로움 : SHERPA와 달리 총 해석 횟수(evaluation)를 직접 입력하는 것이 아니라, ‘Number of Starts(시작점 개수)’와 ‘Evaluations per Start(각 탐색별 반복 횟수)’를 곱하여 계산해야 한다. 200회 설정의 함정 : 만약 사용자가 총 200회의 해석 예산(evaluation budget)을 가지고 ‘Max Evaluations’를 200으로 설정하더라도, 기본값인 ‘Number of cycles(Starts)’를 100으로 둔다면 치명적인 문제가 발생한다. 각 시작점(cycle)에서 평균 2회(200/100)밖에 탐색하지 못하기 때문이다. 이는 수렴은커녕 수박 겉핥기식 탐색(shallow search)에 그치게 된다. 제대로 된 탐색을 위해서는 사용자가 사이클을 4~5회(각 40~50회 탐색) 수준으로 직접 대폭 줄여야 하는 번거로움이 있다.   전역 탐색 및 메타 휴리스틱 유전 알고리즘(GA)이나 입자 군집 최적화(PSO), 시뮬레이티드 어닐링(SA)과 같은 전역 탐색(global search) 기법은 국부해 탈출 능력은 뛰어나지만, 파라미터 설정의 난이도는 더욱 높다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

개발 : Stonex 주요 특징 : 동적·정적 스캔을 결합한 하이브리드 스캐닝 모드, 내장 SSD로 실시간 결과 확인 및 처리, 강력한 SLAM 알고리즘 및 안전성, 휴대폰에서 실시간 프리뷰 지원 등 자료 제공 : 지오시스템     Stonex X70GO 핸드스캐너는 복잡한 설치 과정 없이 걸어 다니는 것만으로도 70m 측정 범위 내에서 초당 20만 포인트의 정밀한 3D 데이터를 신속하게 취득할 수 있는 스캐닝 설루션이다. 관성 항법 모듈(IMU), 고성능 컴퓨터와 저장 시스템이 통합되어 있어, 현장을 3D 디지털화하는 데이터 취득 속도와 정밀도, 사용자 편의성을 모두 갖춘 ‘현장을 디지털화하는 차세대 설루션’이라는 점을 내세운다.   주요 특징 하이브리드 스캐닝(X-Whizz 모드) 이동하면서 빠르게 데이터를 수집하는 SLAM 스캔(동적 스캔)과 모노포드 등에 장착하여 특정 지점을 고해상도로 정밀하게 스캔하는 고정 스캔(정적 스캔)이 결합되어 있다. 속도를 요구하는 신속한 스캔 작업 외에도 디테일이 요구되는 상황에서는 정지 상태에서 데이터를 취득하는 기능이 결합되어, 더 높은 밀도와 고해상도의 데이터를 제공하는 작업에 적합하다.   ▲ 이미지 제공 : Stonex   실시간 결과 확인 및 처리 512GB의 내장 SSD가 탑재되어 있어 데이터 수집 완료 후 현장에서 시스템을 통해 즉시 매핑 결과를 출력할 수 있고, 현장에서 바로 데이터를 확인할 수 있다.   강력한 SLAM 알고리즘 및 안전성 현장을 이동하면서 70미터의 측정 범위에서 초당 20만 포인트 데이터를 수집하는 데이터 획득 능력을 갖추었으며, 1200만 화소의 비주얼 카메라와 RGB 카메라가 통합되었다. 이에 따라 구조적 질감이 약한 환경에서도 SLAM 알고리즘이 안정적으로 작동해 고해상도의 색상 데이터를 제공하며, 휴대폰에서 실시간 프리뷰를 지원한다.   주요 기능 기준점 측정 데이터 취득 시 지면이나 벽면의 기준점(control points)을 함께 수집하여, 스캐닝 데이터 후처리 시 정밀한 지오레퍼런싱(georeferencing)을 할 수 있다.   ▲ 이미지 제공 : Stonex   360° 회전 스캐닝 헤드 전방위 시야각(360°H, -7~52°V)을 확보하여 빠짐없는 데이터 수집이 가능하다.   ▲ 이미지 제공 : Stonex   고해상도 텍스처 매핑 1200만 화소 카메라를 통해 포인트 클라우드에 실제 색상을 입혀 현실감 있는 3D 모델을 생성한다.   ▲ 이미지 제공 : Stonex   RTK 모듈 확장성 옵션으로 제공되는 RTK(실시간 측량) 모듈을 추가하면, GNSS 위치 정보를 SLAM 알고리즘에 결합하여 더욱 정확한 글로벌 좌표 기반의 데이터를 얻을 수 있다.   ▲ 이미지 제공 : Stonex   전문 후처리 소프트웨어 윈도우 기반의 GOpost 및 Cube-3d 소프트웨어를 통해 노이즈 제거, 필터링, 포인트 클라우드 최적화 및 타사 CAD/BIM 시스템과의 호환을 지원한다.   주요 고객 사이트 건설, 건축사사무소 등에서 건축 구조 검토를 위해 시간이 많이 소요되는 고가의 고정식 스캐너를 대체하여 합리적인 가격대인 핸드스캐너 X70GO를 적용하고 있다. 넓은 면적의 재건축 현장에 빠른 시간에 3D 측량이 가능하고 보상 기준 등에 활용할 수 있다.     활용 분야 숲, 지하 공간 및 터널(GNSS 수신 불가 지역) 복잡한 지형의 숲이나 동굴, 터널 내부 등 GNSS 연결이 불가능한 지역의 실내나 지하에서 라이다(LiDAR)와 관성 측정 장치(IMU)를 활용한 SLAM 기술만으로 자신의 위치를 파악하고 정확한 매핑을 수행할 수 있다.     ▲ 이미지 제공 : Stonex   현장 매핑 및 건축물 기록 70m의 데이터 취득 범위와 하이브리드 스캐닝 모드(X-Whizz)를 통해 넓은 광산, 토목 건설 현장의 토공량 계산이나 현장 진척도를 모니터링할 수 있다. 이외에도 주변 경관을 빠르게 스캔하고, 문화재 건축물 등의 세부사항 등을 고해상도로 정밀하게 기록하여 도면화하거나 3D 디지털 자료를 구축할 수 있다.   ▲ 이미지 제공 : Stonex   복잡한 산업 플랜트 및 설비 수많은 파이프, 시설물 및 복잡한 구조물이 있는 환경에서는 고정된 위치에 한정하지 않고 현장을 이동하며 걸어 다니는 것만으로도 원하는 지역 전체의 3D 데이터를 수집할 수 있어 작업 시간을 단축할 수 있다.     ▲ 이미지 제공 : Stonex     ■ 기사 내용은 PDF로도 제공됩니다.

마이크로소프트가 전 세계 고객 및 파트너사의 AI 기반 비즈니스 혁신 사례를 공개하며, ‘프론티어 전환(Frontier Transformation)’을 제시했다. 마이크로소프트는 프론티어 전환을 중심으로 조직의 성장을 지원하고 있다. 이는 효율과 생산성에 집중했던 기존 AI 전환을 넘어, 지능의 보편화를 통해 전 세계 조직과 개인의 창의성을 극대화하고 비즈니스 모델 전반을 재구상하는 전략을 의미한다. 마이크로소프트는 프론티어 기업들이 지능과 신뢰를 기반으로 세 가지 핵심 특성을 공유한다고 소개했다. ▲코파일럿과 에이전트를 실무 도구에 배치해 인간의 열망을 실제 성과로 연결하는 업무 흐름 속 AI ▲모든 직무 구성원에게 혁신 권한을 부여해 창의성을 극대화하는 전방위적 혁신 ▲기술 계층 전반의 보안과 거버넌스를 통해 결과의 신뢰를 보장하는 가시성 확보 등이다. 이러한 세 가지 핵심 특성은 마이크로소프트의 새로운 지능 레이어를 통해 구현된다. 지능 레이어에는 ▲사람의 업무 방식을 이해하는 업무 IQ(Work IQ) ▲조직의 데이터를 기반으로 추론을 지원하는 패브릭 IQ(Fabric IQ) ▲안전하고 확장 가능한 에이전트 환경을 구축하는 파운드리 IQ(Foundry IQ)가 포함된다. 아울러 통합 제어 설루션인 에이전트 365(Agent 365)는 조직 내 모든 AI 자산을 관측하고 보안 및 거버넌스를 관리하는 컨트롤 플레인(control plane)으로서, 마이크로소프트 플랫폼뿐만 아니라 타사 플랫폼 기반의 에이전트까지 아우르는 통합된 가시성을 제공한다.     마이크로소프트가 소개한 기업 사례는 ▲모든 산업과 직무에서 인간의 열망을 실제 성과로 연결하고 ▲모든 구성원의 창의성 극대화 및 비즈니스 영향력 가속화를 실현하며 ▲전 계층에 걸친 보안 및 거버넌스로 비즈니스 신뢰를 구축한 것들이다. 글로벌 의류 기업인 리바이 스트라우스(리바이스)는 마이크로소프트 365 코파일럿과 파운드리를 전사 표준 플랫폼으로 채택해, 디자이너부터 물류 센터까지 전 직군을 연결하는 통합 AI 작업 환경을 구축했다. 이를 통해 기존 시스템 간의 데이터 단절을 해소하고 시장 수요 예측과 제품 출시 속도를 최적화했다. 어도비는 마이크로소프트 애저, 코파일럿 및 마이크로소프트 파운드리를 제품 생태계 전반에 도입해 핵심 비즈니스 프로세스를 재설계하고 있다. 특히 깃허브 코파일럿(GitHub Copilot)을 통한 개발 생산성 향상은 물론, 포토샵과 아크로뱃 등 주요 제품 워크플로에 에이전트 기술을 긴밀히 결합함으로써 작업 속도의 혁신적인 가속화를 구현하고 있다. 메르세데스-벤츠는 전사 50개 이상의 사업 영역에서 코파일럿 스튜디오를 활용해 자체 에이전트를 구축하고 워크플로를 자동화했다. 특히 30개 승용차 공장을 연결하는 데이터 플랫폼 MO360을 기반으로 ‘디지털 팩토리 챗(Digital Factory Chat)’ 멀티 에이전트 시스템을 구축했으며, 이를 통해 기존 며칠이 소요되던 문제 진단 시간을 몇 분 단위로 단축했다. 마이크로소프트는 최근 메르세데스-AMG 페트로나스 F1 팀과 파트너십을 발표하며, 레이싱 운영 전반의 혁신을 함께 추진하고 있다. 마이크로소프트는 애저 AI, 마이크로소프트 365, 깃허브 등 마이크로소프트의 통합 클라우드 및 엔터프라이즈 AI 스택을 활용해 데이터를 실시간 인텔리전스로 전환함으로써, 트랙 안팎에서 신속한 의사결정과 정교한 경기 전략 수립을 돕고 있다. 글로벌 색채 기업 팬톤은 마이크로소프트 파운드리와 애저 AI를 기반으로 ‘팬톤 팔레트 제너레이터’를 출시하고, 수십 년간 축적된 컬러 전문 지식을 AI 서비스로 전환했다. 이를 통해 수 주가 소요되던 컬러 연구 작업을 단 몇 초 만에 완료할 수 있는 환경을 구현했으며, 색채 과학 알고리즘 고도화 등 핵심 기술 역량 강화에 주력하고 있다. 마이크로소프트의 저드슨 알소프(Judson Althoff) 커머셜 비즈니스 부문 CEO는 “지능과 신뢰라는 토대 위에 구축된 ‘프론티어 전환’을 통해 고객과 파트너들은 비즈니스 성취의 개념을 새롭게 재정의하고 있다”며, “마이크로소프트는 개방적인 이기종 플랫폼을 통해 기업의 지능 자산과 조직 내 인간의 열망을 통합함으로써, 모든 조직이 AI 퍼스트 혁신을 확장하고 비전을 실현할 수 있도록 적극 지원할 것”이라고 강조했다.

DJI가 자사의 첫 번째 올인원 로봇 청소기 시리즈 ROMO(로모)를 한국 시장에 공식 출시한다. ROMO는 DJI 플래그십 드론에 적용된 정밀 감지 기술과 매핑·내비게이션 노하우를 바탕으로, 고성능 센서와 스마트 알고리즘, 강력한 흡입력을 결합한 프리미엄 로봇 청소기다. ROMO는 딱딱한 바닥은 물론 카펫 환경에서도 높은 청소 성능을 구현하며, 인텔리전트 셀프 클리닝 시스템을 통해 유지 관리 부담을 크게 줄인 것이 특징이다. 특히 프리미엄 모델인 ROMO P는 스테이션과 로봇 본체에 투명 패널을 적용해, DJI의 정밀한 엔지니어링 설계가 반영된 내부 구조를 시각적으로 드러내는 디자인을 채택했다. ROMO에는 고성능 듀얼 어안 비전 센서와 광각 듀얼 트랜스미터 솔리드 스테이트 라이다(LiDAR)로 구성된 첨단 장애물 감지 시스템이 적용됐다. 머신러닝 기반 인식 기술을 통해 2mm 두께의 충전 케이블부터 얇은 카드 한 장까지 정밀하게 감지하고 회피할 수 있다. 다중 센서 데이터를 통합해 주변 환경을 입체적으로 인식하며, 침대나 소파 아래처럼 조도가 낮은 공간에서도 안정적인 주행이 가능하다. 넓은 시야각을 기반으로 사각지대를 최소화하고, 불규칙한 가구 배치 환경에서도 효율적인 경로를 설계한다.     DJI가 드론 매핑과 내비게이션 분야에서 축적해 온 기술력은 ROMO의 경로 계획 알고리즘에 그대로 적용됐다. 이를 통해 집 안 전체를 효율적으로 커버하는 스마트 청소 경로를 자동으로 생성한다. ROMO는 장애물의 유형에 따라 주행 및 청소 전략을 실시간으로 조정한다. 전선이나 테이블 다리, 모서리 구간에서는 밀착 주행으로 청소 효율을 높이는 한편, 양말이나 액체 오염물과 같은 요소는 우회해 기기 멈춤이나 오염 확산을 방지한다. 실시간 매핑과 적응형 가장자리 알고리즘을 기반으로 작동하는 ‘듀얼 플렉서블 암(Flexible Arms)’은 공간 형태에 맞춰 자동으로 확장·수축하며, 가구 하단이나 다리 주변, 굴곡진 벽면까지 꼼꼼하게 청소한다. 흡입 범위를 물걸레 경로보다 넓게 설계해, 걸레질 전 흡입 과정을 선행함으로써 먼지가 퍼지는 현상도 줄였다. ROMO의 베이스 스테이션은 오염 축적을 줄이고 유지 관리를 간소화하도록 설계됐다. 4개의 고압 워터 제트와 16mm 대구경 배수구, 물걸레 패드에 가해지는 12N의 하향 압력을 통해 오염물을 효과적으로 세척하고 배출한다. 이를 통해 최대 200일간 별도의 관리 없이도 안정적인 작동이 가능하다. 또한 긴 머플러 덕트와 챔버 구조를 적용한 3단계 소음 저감 시스템을 통해, 먼지 수집 시 발생하는 소음을 최대 80%까지 줄여 보다 조용한 사용 환경을 제공한다. ROMO는 고성능 모터와 최적화된 공기 흐름 설계를 통해 최대 2만 5000Pa(파스칼)의 흡입력과 초당 20리터의 공기 흐름을 구현한다. 비전 센서가 고양이 모래와 같은 입자형 이물질을 감지하면 주행 속도와 사이드 브러시 회전 속도를 자동으로 조절해 이물질이 날리는 것을 줄인다. 두 개의 고토크 모터로 구동되는 롤러 브러시는 이물질을 중앙으로 모아 효율적으로 흡입할 수 있도록 했다. 머리카락부터 미세먼지, 큰 입자까지 효과적으로 흡입하며, 머리카락 엉킴을 최소화해 관리 편의성을 높였다. 실시간 매핑과 적응형 가장자리 알고리즘을 기반으로 하는 ROMO의 듀얼 암은 공간의 형태에 따라 자동으로 확장 및 수축한다. 이를 통해 수납장이나 대형 가전 하단, 테이블과 의자 다리 주변, 굴곡진 벽면 등 평소 손이 닿기 어려운 구석진 곳까지 깊숙이 침투해 먼지를 제거한다. 또한 물걸레 경로보다 넓은 범위를 먼저 쓸어내는 설계로, 걸레질 전 흡입 과정을 선행하여 오염이 번지는 것을 막는다. ROMO는 164ml 용량의 내장 물탱크를 탑재해 넓은 공간에서도 물걸레 패드를 일정하게 유지하며, 청소 후반부에 패드가 마르면서 청소 효율이 떨어지는 현상을 방지한다. 또한 청소 중 오염도에 따라 물 분사량을 자동 조절하며, 오염이 심한 구간에는 보다 많은 물을 분사해 세정력을 강화한다. ROMO P 모델은 클리닝 설루션 외에도 바닥 탈취제를 수납할 수 있는 전용 공간을 갖췄다. 사용자는 필요에 따라 클리닝 설루션이나 바닥 탈취제를 물걸레 패드에 직접 분사하도록 설정할 수 있다. 주방의 기름때를 제거할 때는 클리닝 설루션을, 집안 전체에 산뜻한 향기를 더하고 싶을 때는 바닥 탈취제를 사용하는 등 공간별 맞춤 청소가 가능하다. 또한 내부의 소음 감소 챔버가 공기 흐름 소음을 효과적으로 줄여줘, 일상을 방해받지 않는 정숙하면서도 강력한 청소 경험을 제공한다. ROMO 시리즈와 긴밀하게 연동되는 DJI Home(DJI 홈) 앱은 미니멀한 인터페이스를 통해 직관적인 제어 환경을 제공한다. 사용자는 다양한 사전 설정 스마트 청소 모드를 이용할 수 있으며, 원탭 퀵 스타트를 통해 맞춤형 청소 계획을 손쉽게 실행할 수 있다. 또한 정수 탱크의 물 부족이나 오수 탱크의 만수 상태를 미리 알려주는 사전 알림 기능을 갖춰, 끊김 없는 청소 경험을 위한 체계적인 관리가 가능하다. 주요 맞춤형 청소 모드는 ▲스마트 카펫 청소 ▲지능형 문턱 인식(Intelligent Threshold Recognition) ▲주방 및 욕실 맞춤 청소 ▲반려동물 구역 특화 청소 등이 있다. ROMO에 탑재된 센서를 활용하면 외부에서도 집안 내부를 원격으로 확인하거나, 가족 및 반려동물과 실시간으로 소통할 수 있다. 개인정보 보호를 위해 카메라 접근 시 최초 사용 단계에서 2단계 인증을 거쳐야 하며, 영상 데이터 전송 시 암호화 기술이 적용된다. 또한 영상 기능은 필요하지 않을 때 완전히 비활성화할 수 있어 안심하고 사용 가능하다. 충전 성능 또한 뛰어나, 55W 고속 충전을 통해 2.5시간 만에 완전 충전이 가능하다. DJI ROMO 시리즈는 DJI 공식 온라인 스토어와 공인 리테일 파트너를 통해 사전 주문 가능하다. 가격은 모델별로 DJI ROMO P 194만 원, DJI ROMO A 179만 원, DJI ROMO S 159만 원이다. 한편, DJI는 ROMO 시리즈의 국내 첫 출시를 기념해 2월 14일까지 한정 프로모션을 진행한다고 밝혔다. 프로모션 기간 내 구매 고객에게는 최대 29만 1000원 즉시 할인 혜택이 적용되며, 여기에 더해 약 11만 9000원 상당의 청소 액세서리 패키지를 무료로 증정한다. 이번 증정 액세서리는 약 6개월간의 클리닝 사용량을 충족하는 구성으로, 초기 사용 부담을 줄이고 ROMO의 성능을 보다 완성도 있게 경험할 수 있도록 마련됐다. 이번 출시 기념 프로모션은 DJI 공식 온라인 스토어를 비롯해 쿠팡, 네이버, 롯데하이마트, DJI 공식 매장에서 동시 진행된다.

데이터 기반 의사결정과 자동화 혁신, 씨에스리    데이터 기반 의사결정과 업무 자동화가 산업 경쟁력의 핵심으로 부상하는 시대, 씨에스리가 ‘현장에서 바로 쓸 수 있는’ AI·RPA 융합 데이터 분석 솔루션 ‘빅재미(BigZami)’를 앞세워 시장을 공략하고 있다. 설립 이후 축적한 데이터 아키텍처와 분석 컨설팅 노하우를 토대로, 코딩 없이도 데이터 수집부터 분석·시각화·보고까지 원스톱으로 처리할 수 있는 빅재미를 선보이며, 제조·물류·공공 등 다양한 산업 현장의 디지털 전환과 의사결정 속도를 높이는 해법을 제시할 계획이다.     가치 기반의 산업 디지털전환 솔루션 제공기업, 씨에스리 2013년 설립된 씨에스리는 “가치 있는 IT, 가치를 만들어내는 IT”를 모토로, IT 기술을 통해 고객에게 실질적인 가치를 제공하는 디지털 전환(DX) 전문 기업이다. 설립 초기에는 데이터 아키텍처(DA, TA, SWA, Cloud Architect), 데이터 모델링, DB 튜닝 등 전통적인 데이터베이스 기술 컨설팅을 중심으로 성장했으며, 이후 빅데이터·AI 기반 기획·분석·교육·ISP까지 서비스 영역을 확대했다. 씨에스리는 공공기관과 대기업은 물론, 중소·중견기업의 디지털 전환 및 자동화 수요에도 대응하며, 산업 전반에서 데이터 활용성과 업무 효율성을 높이는 실질적인 기술 파트너로 자리매김하고 있다. 코딩 없이 원스톱 데이터 분석 가능한 ‘빅재미(BigZami)’ 씨에스리는 대표 솔루션 ‘빅재미’를 선보인다. 빅재미는 데이터 수집·전처리·분석·시각화·보고까지 한 번에 처리할 수 있는 데이터 분석 RPA 솔루션으로, 복잡한 프로그래밍이나 언어 없이도 직관적인 UI 환경에서 누구나 손쉽게 데이터를 다룰 수 있다. R, SQL, Q-GIS 등 별도의 프로그램 설치 없이 원스톱 분석이 가능하며, 반복 업무를 줄이고 데이터 기반 의사결정의 속도와 정확성을 높인다. 여기에 탑재된 AI Agent 기능을 통해 비전문가도 데이터를 분석·해석할 수 있으며, 맞춤형 최적 알고리즘 추천, 실시간 대시보드 모니터링, AI 기반 이상 감지 기능까지 제공한다. 또한 70여 종 이상의 전처리 기능과 다양한 분석 알고리즘을 통해 분석 생산성과 재사용성을 강화한다. 전체 분석 과정의 80%를 차지하는 전처리 작업을 간편하게 처리할 수 있으며, 분석 알고리즘 시뮬레이션 기능으로 업무 생산성을 높이고 분석 과정의 투명성과 신뢰도를 확보한다. 자주 사용하는 분석 모델은 템플릿으로 제작·공유·배포하여 표준화된 업무 자동화와 조직 내 데이터 활용 표준화를 실현한다.   현장 적용성을 높이는 AI·RPA 융합 경쟁력 최근 산업AI 시장은 ‘기술의 복잡성’보다 ‘현장 적용성’이 중요해지고 있다. 변화 속도가 빠른 산업 환경에서는 데이터 기반 의사결정을 빠르게 실행할 수 있는 실용적 솔루션이 각광받고 있다. 씨에스리는 오랜 데이터 아키텍처 및 분석 컨설팅 경험을 바탕으로, 단순 AI 적용이 아닌 비즈니스 가치를 실현하는 방향으로 솔루션을 설계해 왔다. 특히 AI와 RPA 기술을 융합한 빅재미를 통해, 누구나 쉽게 데이터를 활용하고 직접 인사이트를 도출할 수 있는 환경을 제공한다.   향후 목표 – ‘한국형 팔란티어’로 성장 씨에스리는 최근 데이터와 AI(인공지능) 서비스로 매우 핫한 기업인 팔란티어와 같은 회사가 되는 것이 목표이다. 이를 위해 글로벌 데이터·AI 솔루션 기업을 벤치마킹해, 국내 기업과 공공 분야의 다양한 문제를 해결하는 핵심 솔루션 제공자로 성장할 계획이다. 이와 함께 메타 기반 설계·구축·관리 역량을 토대로, 데이터에 담긴 문제를 정의하고 빅데이터·AI 기술로 해결책을 제시하는 역할을 강화할 계획이다.   씨에스리 이춘식 대표    

델 테크놀로지스가 엔터프라이즈 AI 여정을 간소화하고 가속하도록 돕는 ‘델 AI 팩토리(Dell AI Factory)’의 제품 라인업을 강화했다. 델은 확장된 포트폴리오를 통해 AI 워크로드의 병목 현상을 제거해 성능 및 자동화 기능을 강화하는 한편, 기업이나 기관이 보다 탄력적이고 통합된 환경의 온프레미스 인프라를 갖추고 강력한 제어 권한을 가질 수 있게끔 돕는다는 계획이다. 이에 따라 ‘델 오토메이션 플랫폼(Dell Automation Platform)’이 ‘델 AI 팩토리’로 지원을 확장하여, 보안 프레임워크를 통해 검증되고 최적화된 설루션을 배포함으로써 보다 스마트하고 자동화된 경험을 제공한다. ‘델 오토메이션 플랫폼’의 업데이트를 통해 탭나인(Tabnine)의 AI 코드 어시스턴트 및 코히어 노스(Cohere North)의 에이전틱 AI 플랫폼 등의 소프트웨어 기반 도구가 자동화되었다. 이는 AI 워크로드를 더 빠르게 운영 환경에 적용하고 운영을 간소화하며 확장성을 강화한다. 델 프로페셔널 서비스(Dell Professional Services)는 실제 고객 데이터를 활용한 턴키 방식의 대화형 AI 사용 사례 파일럿을 제공하여, 본격적인 프로젝트 착수에 앞서 비즈니스 가치를 검증한다. 전문가 주도의 파일럿으로서 명확한 KPI(핵심 성과 지표)가 제공되는 핸즈온 프리뷰를 통해 실질적인 ROI(투자 대비 수익)를 실현하게끔 방향을 제시한다. 데이터 관리를 강화하는 ‘델 AI 데이터 플랫폼(Dell AI Data Platform)’의 스토리지 엔진인 델 파워스케일(Dell PowerScale)과 델 오브젝트스케일(Dell ObjectScale)은 성능, 확장성 및 데이터 탐색 기능이 향상됐다. 델 파워스케일은 델 파워엣지 R7725xd와 같이 관련 요건이 갖춰진 델 서버 상에서 설치할 수 있는 소프트웨어 라이선스로 형태로 제공될 예정이다. 이러한 새로운 구성은 클라우드 서비스 제공업체가 인프라 요구를 충족하기 위해 최신 서버 및 네트워킹 기술을 유연하게 채택해 더 뛰어난 AI 성능을 실현하도록 확장성과 선택의 폭을 넓혔다. 그리고, 델 파워스케일 병렬 NFS(pNFS) 지원과 플렉서블 파일 레이아웃(Flexible File Layout)을 통해 메타데이터 서버와 클라이언트 간 양방향 통신이 가능해져 파워스케일 클러스터 내 여러 노드에 걸쳐 데이터를 더 효율적으로 병렬 분배할 수 있다. 이번 업데이트는 병렬 처리 능력을 강화하여 까다로운 AI 워크플로에 맞춤화된 대규모 확장성과 처리량을 제공하도록 고안됐다. 델은 오브젝트스케일 AI 맞춤형 검색(Dell ObjectScale AI-Optimized Search) 기능으로 두 가지 상호 보완적인 AI 최적화 검색 기능인 S3 테이블(S3 Tables)과 S3 벡터(S3 Vector)를 제공한다. 이 두 가지 특수 API는 오브젝트스케일에 직접 저장된 복잡한 데이터에 대한 고속 액세스를 제공하여 분석 및 추론, 검색 강화 생성(RAG)과 같은 주요 AI 워크로드를 지원한다. 대규모 데이터 세트를 보다 용이하게 저장, 검색하고, 더 빠르게 의사 결정할 수 있다.     델 파워엣지(Dell PowerEdge) 서버는 엔터프라이즈 AI의 초석으로서 더 빠른 훈련, 분산 추론을 실현하는 한편 다양한 프로세서와 냉각 방식을 제공한다. AI를 위한 파워엣지 서버 포트폴리오에 추가된 모델은 XE9785, XE9785L, R770AP 등이다. 10U 폼팩터의 공랭식 델 파워엣지 XE9785 서버와 3OU 폼팩터의 DLC(다이렉트 리퀴드 쿨링) 방식 델 파워엣지 XE9785L 서버는 듀얼 소켓 AMD 에픽(EPYC) 프로세서와 노드당 8개의 AMD 인스팅트(Instinct) MI355X GPU가 탑재된다. AMD 펜산도 폴라라(Pensando Pollara) 400 AI NIC(네트워크 인터페이스 카드) 및 델 파워스위치(Dell PowerSwitch) AI 패브릭과 결합하여 확장 가능한 컴퓨팅 성능과 운영 비용 절감을 실현할 수 있다.  새롭게 공개된 델 파워엣지 R770AP는 향상된 병렬 처리, 메모리 지연 시간 단축 및 풍부한 PCIe 레인을 제공하여 가속화된 트레이딩 알고리즘, 확장 가능한 메모리 구성 및 개선된 네트워크 성능을 제공한다. 공랭식의 이 모델은 인텔 제온(Intel Xeon) 6 P-코어 6900 시리즈 프로세서를 탑재해, 높은 CPU 코어 개수와 대용량 캐시 및 CXL 메모리 확장 지원을 특징으로 한다.  AI를 위한 네트워킹 고도화를 위해 델은 오픈 네트워킹을 발전시키고, AI 패브릭 구축을 가속화하여 급증하는 네트워킹 수요에 맞춘 확장성을 지원한다. 델 파워스위치(Dell PowerSwitch) Z9964F-ON 및 Z9964FL-ON은 브로드컴 토마호크6(Broadcom Tomahawk-6) 기반으로, 여러가지 전송 속도 설정이 가능하며 초당 102.4테라바이트의 스위칭 용량을 제공한다. AI 워크로드와 HPC 데이터센터를 가속화하며, 10만 개 이상의 가속기 칩을 지원하는 공랭식 및 다이렉트 리퀴드 쿨링(DLC) 방식의 대규모 구축이 가능하다. 델 테크놀로지스가 지원하는 엔터프라이즈 소닉 배포판(Enterprise SONiC Distribution by Dell Technologies)과 소닉을 위한 스마트패브릭 매니저(SmartFabric Manager for SONiC)를 결합하면 획기적인 네트워킹 기능을 보다 쉽게 구현하고, 대규모 AI 패브릭을 가속화하는 동시에 구축, 라이프사이클 관리 및 모니터링을 간소화하고 자동화할 수 있다. ‘델 AI 팩토리’에 통합된 스마트패브릭 매니저는 자동화된 블루프린트를 통해 AI 인프라 구축을 간소화하고 더 빠르고 오류 없는 설정을 가능하게 한다, 델 파워스케일 스토리지 설루션에 대한 새로운 자동 적용을 포함하여 최소한의 수동 개입으로 구축 시간을 단축한다. 또한 오픈매니지 엔터프라즈(OpenManage Enterprise)와의 랙 스케일 통합을 통해 GPU 인프라 전반에 걸친 포괄적인 종단 간 가시성을 제공함으로써 보다 빠르게 문제를 해결할 수 있도록 돕는다. 한편, 델은 AI PC를 위한 에코시스템을 확장한다고 소개했다. AMD 라이젠(Ryzen) AI 프로세서를 포함해 실리콘 지원을 넓혔다. 간소화된 워크플로 및 성능 최적화와 더불어 호환성을 향상시킴으로써 온디바이스 AI 애플리케이션을 보다 효율적으로 생성할 수 있도록 지원한다. 탄력적인 통합 인프라를 위한 제어 측면 또한 강화됐다. 델의 ‘통합 랙 스케일러블 시스템(Dell Integrated Rack Scalable Systems, IRSS)’ 프로그램에 새롭게 추가된 기능과 설루션은 다음과 같다. ‘오픈매니지 엔터프라이즈(OpenManage Enterprise : OME)’로 개별 서버 및 랙 규모 환경을 통합 관리할 수 있다. OME는 컴퓨팅, 전력 및 냉각 관리를 단일 콘솔로 통합하여 최대 2만 5000대의 디바이스를 자동화하며, 내장된 누수 모니터링 및 자동 대응 기능을 통해 가동 시간을 극대화한다. 통합 랙 컨트롤러(Integrated Rack Controller : IRC)는 하드웨어와 소프트웨어가 결합된 설루션으로 OME 및 iDRAC(델 통합 원격 액세스 컨트롤러)와 원활하게 연동된다. 랙 내부의 누수가 생길 경우, 신속하고 자동적으로 누수 감지 및 대응이 가능해져 가동 중단 시간과 위험을 최소화한다. 델 파워쿨 랙 장착형 냉각수 분배 장치(PowerCool Rack-mount Coolant Distribution Unit. 이하 RCDU)는 고성능의 컴팩트한 4U 액체 냉각 설루션으로, 에너지 효율적인 AI 구축을 위해 최대 150kW의 랙 밀도를 지원한다. 19인치 델 IR5000 랙 및 OCP 표준 기반 21인치 델 IR7000 랙과 호환되며, 중앙 집중식 냉각 생태계 관리를 위해 OME에 연결된다. 델 프로서포트(Dell ProSupport)를 통해 예방적 유지보수를 제공하고 최상의 성능과 안정적인 시스템 지원을 보장한다. 델은 ‘엔비디아 기반 델 AI 팩토리(Dell AI Factory with NVIDIA)’ 포트폴리오를 강화함으로써 기업이 더 빠르게 성과를 창출하고 복잡성을 줄이는 한편 투자 수익을 극대화하도록 지원에 나선다고 전했다.  델 AI 데이터 플랫폼의 비정형 데이터용 스토리지 엔진인 델 파워스케일 및 오브젝트스케일이 엔비디아 다이나모(NVIDIA Dynamo)의 일부인 엔비디아 NIXL 라이브러리와 통합된다. 이를 통해 확장 가능한 KV 캐시 오프로딩이 가능해져, 131K 토큰의 전체 컨텍스트 윈도우에서 1초의 첫 토큰 처리 시간(TTFT)을 달성한다. 이는 표준 vLLM보다 19배 빠른 속도이며, 인프라 비용을 절감하고 GPU 메모리 용량 병목 현상을 해소한다. ‘엔비디아 기반 델 AI 팩토리’ 포트폴리오에 엔비디아 RTX PRO 6000 블랙웰 서버 에디션 GPU 및 엔비디아 호퍼(Hopper) GPU를 탑재한 델 파워엣지 XE7740 및 XE7745 모델이 추가됐다. 대규모 멀티 모달 모델부터 새로운 에이전틱 AI 애플리케이션과 더불어 엔터프라이즈급 추론부터 훈련 워크로드에 이르기까지 다양한 사용 사례를 실행할 수 있다. 데이터센터 설루션 외에도 AI PC 생태계 지원을 확대해 폭넓은 실리콘 옵션을 제공한다. 엔비디아 RTX 블랙웰 GPU(NVIDIA RTX Blackwell GPU)와 엔비디아 RTX 에이다 GPU(NVIDIA RTX Ada GPU)를 지원해 델 제품과의 호환성을 넓혔다. 델과 엔비디아는 AI 에코시스템을 확대하기 위해 ‘엔비디아 기반 델 AI 팩토리’를 위한 레드햇 오프시프트(Red Hat OpenShift) 검증 제품을 추가했다. 델 파워엣지 R760xa에 더해 엔비디아 H100 및 H200 텐서 코어 GPU를 탑재한 델 파워엣지 XE9680에 대한 지원이 추가되어, 대규모 AI 도입 가속화를 필요로 하는 기업 및 기관에 폭넓은 선택지를 제공한다.

지더블유캐드코리아가 9월 26일 서울 양재 엘타워에서 ’2025 ZWCAD KOREA user Conference’를 개최하고, AEC(건축·토목·건설) 및 MFG(기계·제조) 산업의 디지털 혁신 방향을 제시했다. 이번 행사는 약 200여 명의 고객사가 참석했으며, CAD·CAM·CAE 전반을 아우르는 통합 설루션 비전과 로드맵이 공유됐다. ■ 최경화 국장     이번 콘퍼런스는 ’Designed by All, Built for All’을 주제로, 고객과 함께 설계하고 성장해 온 ZWCAD와 ZW3D의 여정을 넘어 디지털 건설 및 제조 산업의 미래를 함께 그려나갈 협력적 비전을 담았다. 지더블유캐드코리아 최종복 대표는 “2011년부터 약 15년간 한국에서 서비스를 이어왔으며, 앞으로 10년, 20년, 나아가 50년 이상 대한민국에서 함께 디자인할 것”이라며, “고객과 함께 성장하는 동반자로서의 역할을 강화하겠다”고 밝혔다.   ▲ 지더블유캐드코리아 최종복 대표   AEC 디지털 전환 전략과 ZW Solution 로드맵 공개 오전 세션에서는 AEC 분야의 디지털 전환 전략이 집중적으로 다뤄졌다. 주요 발표는 ZW Solution 전략 및 로드맵, 고객 중심으로 재정의된 ZWCAD의 가치, 클라우드 기반 협업 플랫폼 ZW365 등이다. 지더블유캐드코리아 김승택 팀장은 ZW Solution의 발전 방향을 고객 경험 중심의 전략과 기술 융합으로 설명하며, 더 직관적이고 효율적인 설계 환경을 만들겠다는 비전을 제시했다. 이는 고객의 요구를 반영해 설계 프로세스를 개선하는 데 중점을 둔 전략이다. 지더블유캐드코리아의 주요 제품은 독점적인 2D CAD 시장 속에서 새로운 대체제로 부상한 ZWCAD와 미국 VX사로부터 인수한 3D CAD/CAM 소프트웨어인 ZW3D이다. 김승택 팀장은 “ZWCAD는 단순한 대안 CAD를 넘어 주류 CAD로 자리 잡기 위해 제품 완성도를 높이고 있으며, ZW3D는 오버드라이브(Overdrive)라는 자체 커널의 안정화를 통해 글로벌 CAD/ CAM 시장에서도 긍정적 평가를 받고 있다”고 말했다. 지더블유캐드코리아는 AEC 산업의 BIM, MFG 산업의 PLM 및 PDM 분야에도 투자를 확대하고 있으며, AI 기반 디지털 트윈, 클라우드, 탄소중립 등 핵심 키워드 분석을 통해 플랫폼화 전략을 추진 중이다. 고객 패널 발표에서는 디에이건축 조태용 전무가 ZWCAD 도입 과정과 실무 적용 경험을 공유했다. 조 전무는 TF팀 설립부터 시작된 도입 과정을 상세히 설명하며 ZWCAD의 필요성과 효과를 강조했다. 조태용 전무는 “익숙한 환경 속에서 비용 부담을 줄일 수 있고, 실무에서 합리적으로 쓸 수 있다면 좋은 대안이라고 생각한다”면서 ”대안 CAD를 넘어 진보된 생태계에 맞는 고급 기능 개발과 투자가 필요하다. 또한 가성비를 넘어 BIM, AI, 알고리즘 기반 설계까지 포용할 수 있는 확장성을 갖추었으면 한다. 그리고 이를 잘 쓸 수 있도록 알려준다면 더 좋은 설루션이 될 수 있을 것”이라고 밝혔다. 이밖에도 가람건축 이득영 대표가 공간 계획부터 설계 프로세스까지 실제 프로젝트에서 ZWCAD를 적용한 사례를 소개했다.   ▲ 디에이건축 조태용 전무   제조 혁신 가속화 위한 ZW3D와 CAM 고도화 전략 오후 세션은 제조업 분야의 디지털 전환 설루션에 초점을 맞췄다. 지더블유캐드코리아 김경호 차장은 ’디지털 트랜스포메이션의 시작, ZW3D’를 주제로 발표했으며, 이어 강준 파트장이 가공 자동화를 중심으로 한 ZW3D CAM 고도화 전략을 소개했다. 효율적인 가공 프로세스를 지원하는 템플릿 기반 툴패스와 생산성 향상을 위한 자동화 전략이 주요 내용으로 다뤄졌다. 스폰서 세션으로는 폼랩코리아 고유성 지사장이 3D 프린팅 기술의 건축 및 제조 산업 적용 사례를 소개했다. 폼랩코리아와 지더블유캐드코리아는 올해 MOU를 체결해 공동 기술 마케팅을 추진하며 시너지 효과를 기대하고 있다.   CAD/CAM/CAE 통합 플랫폼의 새로운 좌표 제시 이어진 CAE 전략 세션에서는 지더블유캐드코리아 최예찬 파트장이 독자 개발 중인 해석 플랫폼 ‘ZWSIM’을 소개했다. ZWSIM은 구조물에 작용하는 힘, 열, 진동, 충격 등 다양한 물리 현상을 분석할 수 있는 구조 및 유체 해석 모듈을 포함하며, 자동차, 기계, 전자 등 다양한 산업군 요구를 반영해 해석 시뮬레이션 적용 가능성을 넓혔다. 마지막 세션에서는 CAD/CAM/CAE 통합 플랫폼 비전이 발표됐다. 지더블유캐드코리아 이장근 전무는 설계·해석·가공·데이터 관리 전 과정이 유기적으로 연결되는 ‘Connected Intelligence’ 전략을 소개하며, 산업 전반의 디지털 혁신 가속화를 위한 방향을 제시했다. 이번 콘퍼런스에서는 처음으로 제품 데이터 관리(PDM) 설루션인 ‘ZWTEAMMATE’를 선보여 주목을 받았다. ZWTEAMMATE는 PDM과 PLM(제품 수명주기 관리)을 아우르며, 설계, 엔지니어링, 제조 과정의 데이터 관리 프로세스를 하나의 통합 플랫폼으로 연결해 기업의 비용 절감, 효율성 향상, 제품 개발 주기의 혁신적 단축을 지원한다. ZWCAD코리아는 이번 콘퍼런스를 통해 고객과 함께 디지털·피지컬 융합의 새로운 패러다임을 열어갈 혁신 파트너로서의 입지를 강화했으며, 내년에는 한층 고도화된 기술과 설루션으로 산업계의 성장을 이끌어갈 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.