헥사곤이 CNC(컴퓨터 수치 제어) 프로그래밍 노력을 줄이고 제조업체의 복잡한 가공 환경 관리를 돕는 에스프리 엣지(ESPRIT EDGE)의 새로운 기능을 발표했다. 최근 기계 성능이 고도화됨에 따라 프로그래밍과 검증에 필요한 공수도 함께 늘어나고 있다. 2026년 예정된 네 차례의 업데이트 중 첫 번째인 이번 버전은 선삭 자동화, 스위스형 가공, 다축 툴패스 생성, 중절삭 가공 및 클라우드 연결 워크플로 전반에 걸친 개선 사항을 담고 있다.     이번 릴리스는 선삭, 밀턴(mill-turn), 스위스 프로그래밍을 위한 ‘프로플랜AI(ProPlanAI)’를 도입했다. 프로플랜AI는 소재 제거량과 이전 가공 전략을 고려해 수동 입력을 줄이면서도 정확한 공정 정의를 지원한다. 또한 머신 모델에 직접 가이드 부싱 구성을 내장해 처커 모드(chucker-mode) 등 설정을 머신 정의 재구축 없이 간편하게 전환할 수 있다. 고급 3축 선삭의 충돌 감지 기능이 강화되어, B축이나 Y축 제어를 통해 공구 방향이 바뀔 때 비절삭 요소까지 고려해 툴패스 안전성을 보장한다. 5축 복합 가공 업데이트는 외부 드라이브 서면 없이 공구 모션 생성을 자동화하여 복잡한 형상의 프로그래밍 준비 시간을 단축한다. 새 릴리스에서는 공구가 회전하고 부품은 고정된 상태에서 밀링 머신 선삭을 가능하게 하는 U축 선삭 기능을 미리보기 형태로 선보였다. 이는 프로그래밍 가능한 선형 축으로 직경 변화를 제어해 대형 부품 및 고급 가공 시나리오에 대응한다. 재설계된 클라우드 커넥터는 문서와 소프트웨어 확장에 대한 접근성을 높였다. 지식 기반 가공(knowledge-based machining) 업데이트는 드릴링 사이클의 피드 정의를 세밀하게 제어해 툴링 전략 간의 호환성을 개선하고 일관되지 않은 공구 적용을 방지한다. 헥사곤 프로덕션 소프트웨어 디비전의 올리비에 테노(Olivier Thenoz) 수석 제품 매니저는 “기계 성능은 빠르게 발전했지만 프로그래밍 복잡성도 그만큼 증가했다”면서, “이번 업데이트는 다축 및 다채널 가공 환경에서 신뢰할 수 있는 CNC 프로그램을 준비하는 데 드는 노력을 줄이는 데 집중했다”고 밝혔다.

세일즈포스가 맞춤형 AI 에이전트인 슬랙봇(Slackbot)을 국내에서 처음으로 선보였다. 또한, 세일즈포스는 슬랙을 중심으로 인간과 AI 에이전트가 유기적으로 협업하는 ‘에이전틱 엔터프라이즈(Agentic Enterprise)’ 비전과 혁신 전략을 발표했다. 4월 8일 진행된 기자간담회에서 세일즈포스 코리아 박세진 대표는 슬랙을 사람과 AI 에이전트, 데이터가 연결되는 ‘에이전틱 업무 운영체제(Agentic Work OS)’로 정의했다. 세일즈포스는 이번 슬랙봇 출시를 기점으로 비즈니스 맥락을 이해하는 AI 에이전트 역량을 강화해 기업의 에이전틱 엔터프라이즈 전환을 지원할 계획이다. 세일즈포스의 설명에 따르면, 슬랙봇은 데이터 파운데이션을 기반으로 슬랙에 축적된 모든 비즈니스 데이터를 활용한다. 이를 통해 사용자의 조직 내 역할과 특성에 맞춘 비서이자 동료 역할을 수행한다. 슬랙봇은 회의 내용을 자동으로 기록하고 요약하는 미팅 인텔리전스 기능을 제공한다. 이 기능은 세일즈포스 CRM과 연계해 고객 맞춤형 후속 과제를 연결한다. 또한 AI 스킬 기능을 통해 반복 업무를 표준화하고 직무별 워크플로를 효율적으로 운영하도록 돕는다. 데스크톱 어시스턴트는 여러 업무용 애플리케이션에서 필요한 작업을 단일 워크플로 내에서 처리할 수 있게 지원한다. 슬랙봇은 모든 업무를 하나의 대화형 인터페이스로 통합한다. 사용자는 슬랙 내에서 데이터 마이그레이션 없이 영업 기회 업데이트, 연락처 관리, 고객 서비스 담당자 배정 등의 업무를 즉시 처리할 수 있다. 사용자의 업무 방식을 학습하는 메모리 기능과 음성 입력 기능도 더해졌다. 조직 내 모든 에이전트와 앱을 통합하는 MCP 클라이언트 기능도 함께 공개됐다. 사용자는 권한에 따라 세일즈포스의 에이전트포스와 서드파티 에이전트를 포함한 기업 내 모든 앱에 접근할 수 있다. 슬랙 마켓플레이스에 있는 2600개 이상의 앱과 세일즈포스 앱익스체인지의 6000개 이상 앱을 연동해 활용하는 것도 가능하다.     기자간담회에서는 당근마켓과 우아한형제들의 슬랙 활용 사례도 소개됐다. 당근마켓은 배포 알림과 장애 감지 등 모든 비즈니스 맥락을 슬랙에서 관리하고 있다. 특히 사내 AI 에이전트 카비를 슬랙에 도입해 리포트 작성과 메시지 데이터 분석에 활용 중이다. 당근마켓 이예찬 엔지니어는 “슬랙은 단순한 소통 창구를 넘어 조직의 살아있는 기억”이라고 말했다. 우아한형제들은 슬랙 엔터프라이즈 그리드를 통해 글로벌 조직과 협업하며 슬랙 커넥트로 외부 파트너와 사람, 데이터를 연결하고 있다. 우아한형제들 이청규 담당은 “슬랙봇 도입으로 신규 입사자의 적응을 돕고 불필요한 커뮤니케이션에 소모되는 비용이 줄어들 것으로 기대한다”고 밝혔다. 박세진 대표는 기업이 이제 AI 도입을 넘어 실질적인 비즈니스 가치를 창출하는 에이전틱 엔터프라이즈로 전환해야 한다고 강조했다. 그는 “강력한 에이전트의 지능은 신뢰할 수 있는 데이터 위에서 완성된다”고 설명하며, “보안 가드레일인 트러스트 레이어와 강화된 데이터 파운데이션을 기반으로 한국 기업의 혁신을 지원하겠다”고 덧붙였다.

앤시스 워크벤치를 활용한 해석 성공 사례   일반적으로 모델의 특성을 해석할 때 전자기, 구조, 유동 등 각 물리 영역만 해석하는 방법을 사용해왔다. 하지만 실제 모델이 동작함에 따라 하나의 물리 영역으로만 해석한 결과와 실제 결과가 상이한 부분이 있고, 이를 해결하기 위하여 다중 물리 해석을 하고 있다. 이번 호에서는 전자기와 구조의 양방향 연성해석(다중 물리 해석)에 대하여 소개하고자 한다. 전자기(Ansys HFSS)에서 해석한 결과(EM loss)를 구조(Ansys Mechanical) 영역으로 전달하고, 이 데이터를 기반으로 구조에서 열과 열 변형을 확인하게 된다. 이때 단순히 전자기에서 구조로 전달만 한다면 단방향(1-way) 해석이라 하며, 구조에서 열 변형된 정보가 다시 전자기로 적용되어 전자기 특성 해석을 한다면 양방향(2-way) 해석이라 칭한다. 앤시스 워크벤치(Ansys Workbench)를 이용하여 HFSS to Ansys Mechanical Simulation을 사용한 연성해석 사례를 통하여 알아보자.   ■ 박장순 태성에스엔이 ES2팀의 매니저이며, SI/PI/ EMI/RF 해석 엔지니어로 근무하고 있다. 홈페이지 | www.tsne.co.kr   HFSS to Mechanical 양방향 해석 오버뷰 HFSS to Mechanical 양방향 해석에 대한 오버뷰(overview)와 유의사항에 대해서 미리 살펴보고자 한다. 양방향 해석은 앤시스 워크벤치에 HFSS, Steady-State Thermal, Static Structural tool을 이용하여 진행한다. <그림 1>은 이번 호의 최종 결과이다. 왼쪽 그림은 다이플렉서(diplexer)를 HFSS에서 본 모습이고, 오른쪽 그림은 앤시스 메커니컬(Ansys Mechanical)의 열 변형 결과를 HFSS로 불러온 모습이다. 여기서 보이는 작은 삼각형들이 컴퓨터가 3D 모델을 해석하기 위해 만드는 사면체 구조로 메시(mesh)라고 부른다. 불러온 메시를 기준으로 HFSS에서 다시 해석을 진행하며 이때 나온 해석 결과가 열 변형이 적용된 결과이다.   그림 1. 다이플렉서 모델과 최종 결과   <그림 2>는 워크벤치에서 HFSS, Steady-State Thermal, Static Structural tool을 연결한 것이다. <그림 2>의 위쪽을 보면 번개 모양이나 물음표 등 일부 체크가 되어 있지 않은 모습을 볼 수 있다. 이는 워크벤치를 사용하면서 가장 유의해야 할 부분이다. <그림 2>의 아래쪽과 같이 모든 항목이 초록색 체크 표시가 되도록 설정을 진행하며 업데이트 확인은 필수이다.   그림 2. 앤시스 워크벤치에서 HFSS to Mechanical 연결   HFSS 설정 <그림 3>은 다이플렉서 해석 파일을 워크벤치에 넣는 방법이다. 만들어 놓은 AEDT 파일을 프로젝트 스키매틱(Project Schematic)에 끌어다 놓으면 활성화되며, ‘Solution’에서 ‘Edit’를 누르면 HFSS가 실행된다.   그림 3. 앤시스 워크벤치에 HFSS 인서트 및 실행 방법   <그림 4>는 HFSS에서 필요한 설정이다. Design명에서 마우스 우클릭해서 Object의 Temperature와 Deformation을 그림과 같이 설정해주고 HFSS를 종료한다. HFSS를 종료한 후 Solution에서 마우스 우클릭 후 ‘Update’를 선택해서 항목 모두 초록색 체크 표시가 되게 해 준다. 이 화면에서 ‘Enable Feedback’을 체크하지 않는다면 앤시스 메커니컬의 정보를 불러올 수 없으니 유의하도록 한다.   그림 4. Temperature & Deformation 설정     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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.

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.

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.

데스크톱/모바일/클라우드를 지원하는아레스 캐드 2026 (12)   대형 건설 프로젝트가 일상화된 오늘날에도 설계와 시공 현장 사이에는 여전히 과제로 남은 문제들이 존재한다. 설계 환경은 점차 디지털화되고 고도화되어 왔지만, 건설 현장에서는 여전히 종이 도면과 PDF를 주된 정보 전달 수단으로 활용하고 있기 때문이다. 특히 DWG 기반 2D 도면은 건설 산업에서 핵심적인 소통 수단으로 자리잡아왔으며, 수십 년간 축적된 도면 자산과 업무 흐름을 단기간 내에 완전히 대체하기란 쉽지 않은 현실이다. 이러한 상황에서 많은 건설사가 공유하는 고민은 ‘기존 DWG 도면 중심의 업무를 유지하면서도 현장과 설계 간 연결성을 어떻게 개선할 것인가’ 하는 것이다.   ■ 최하얀 캐디안 마케팅팀의 주임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV   종이 도면 중심 업무의 구조적 한계와 비효율     이런 문제의식 아래, 일본의 종합건설사인 다이세이(Taisei)는 설계 사무실과 수많은 건설 현장을 하나의 디지털 네트워크로 연결하는 현실적인 방안을 찾아 나섰다. 단순히 도면을 디지털 파일로 변환하는 것을 넘어, 현장 인력까지 포함한 전체 업무 프로세스를 근본적으로 재설계하는 접근이 필요했다. 가장 큰 문제는 도면 생성과 활용 주체가 달랐다는 점이다. 도면은 사무실에서 CAD 시스템으로 작성되지만, 현장에서는 대부분 출력물이나 PDF 형태로만 전달되어 사용되었다. 도면 변경 시마다 재출력과 재배포가 불가피했고, 이 과정에서 비용과 시간 낭비, 버전 관리 오류가 반복되었다. 뿐만 아니라 현장 환경 특성상 종이 도면은 훼손되기 쉽고 보존과 관리가 어려웠다.   디지털 전환 핵심 전략 : DWG 기반 페이퍼리스 환경과 아레스 캐드 도입     기존 건설 현장에서는 현장 작업자가 도면을 단순히 ‘참조’하는 데 머물렀고, 시공 중에 발생하는 수정 사항이나 개선 의견이 설계팀에 즉각 전달되기 어려웠다. 이로 인해 의사결정 과정이 지연되고, 현장과 설계팀 간 소통 비용이 커져 프로젝트 효율 저하로 이어졌다. 다이세이는 이러한 구조적 한계를 극복하지 않으면 대규모 프로젝트의 효율과 품질을 동시에 높이기 어렵다고 판단했다.     이에 다이세이는 기존의 DWG 기반 업무 자산과 프로세스를 유지하면서, 클라우드와 모바일 기술을 결합해 페이퍼리스 환경을 구축하는 전략을 수립했다. 주요 목표는 도면을 PDF나 출력물로 변환해 전달하는 전통적인 방식을 탈피해, DWG 원본 파일을 현장까지 실시간으로 공유하고 편집할 수 있도록 하는 것이었다. 이를 실현하기 위해 그래버트(Graebert)의 아레스 캐드( ARES CAD) 설루션을 도입했다. 설계팀은 데스크톱 환경에서 아레스 커맨더(ARES Commander)를 활용하여 정밀한 CAD 작업을 수행하고, 현장 작업자는 아이패드에 설치된 아레스 터치(ARES Touch) 앱을 통해 동일한 DWG 도면을 실시간으로 열람하고 주석을 추가하거나 직접 편집하는 방식으로 업무를 수행하게 됐다. 이로써 현장과 설계 사무실 간 소통이 실시간으로 이루어지면서 시공 중 발생하는 문제점이나 변경 요구사항이 즉각 반영될 수 있게 되었고, 의사결정 속도가 빨라지면서 전체 프로젝트 일정과 비용 관리에도 긍정적인 영향을 미쳤다. 또한 현장 작업자는 도면을 더욱 정확히 이해할 수 있게 되어 시공 오류 가능성이 줄어들고, 설계 의도와 시공 현장 간 괴리를 최소화하는 효과도 나타났다. 나아가 DWG 기반의 통합된 작업 환경 덕분에 설계 변경 내역도 자동 동기화되어, 최신 버전 도면 공유가 자동으로 보장되는 등 협업의 신뢰성이 향상되었다.   엔터프라이즈 환경 맞춤 보안과 관리 체계 구축 다이세이는 현재 400대가 넘는 아이패드를 현장에 배포하여 모바일 CAD 환경을 성공적으로 운영 중이다. 대규모 조직 특유의 복잡한 관리 및 보안 요구 사항을 충족하기 위해 마이크로소프트 인튠(Microsoft Intune) 기반의 중앙 집중형 모바일 기기 관리(MDM) 시스템을 도입했다. 이를 통해 앱 설치, 업데이트, 접근 권한 설정 등 모바일 기기 전체를 효율적으로 관리하며, 현장 장비 운영의 일관성과 안전성을 확보하고 있다.     ■ 기사 상세 내용은 PDF로 제공됩니다.

이번 리뷰는 HP Z북 울트라 G1a(HP ZBook Ultra G1a)를 활용해 실제 CAE 실무 환경에서의 성능을 검증한 기록이다. 14인치의 컴팩트한 폼팩터에 탑재된 AMD 라이젠 AI 맥스 프로(AMD Ryzen AI Max PRO) 프로세서와 통합 메모리 시스템이 복잡한 전처리부터 후처리까지의 해석 루틴을 얼마나 안정적으로 수행하는지 분석하였다. 실무자의 관점에서 이동성과 전문가급 시뮬레이션 성능의 조화를 직접 확인해 보았다.   리뷰 배경 HP Z북 울트라 G1a는 14인치의 워크스테이션급 특성을 넣은 노트북이다. AMD 라이젠 AI 맥스 프로 시리즈 프로세서 기반으로, CPU와 GPU가 하나의 메모리 풀을 공유하는 통합 메모리 아키텍처를 전면에 내세운다. 제품 소개 기준으로 최대 128GB 통합 메모리 구성이 가능하며, 이 중 최대 96GB까지를 GPU 전용 메모리로 할당해 그래픽 작업에서 병목을 줄이는 방향으로 설계되었다. 이 노트북을 처음 마주한 인상은 워크스테이션이라는 단어와 외형이 잘 연결되지 않는다는 점이었다. CPU 성능은 AMD 라이젠 AI 맥스 + 395를 기반으로 그래픽은 라데온 8060S(Radeon 8060S)로 확인된다. 이 정도의 성능을 노트북에서 볼 수 있다는 점에서 시뮬레이션을 당장이라도 돌려봐야겠다고 판단하였다.   그림 1. HP Z북 울트라 G1a   HP Z북 울트라 G1a는 14인치급의 얇은 노트북 형태라 이동이 쉽고, 포트 구성도 업무용에 딱 맞춰져 있다. 특히 HDMI 2.1, 썬더볼트 4(USB-C) 등 USB-C 포트를 3개 보유하고 있다. 외부 모니터 연결이나 현장, 회의실 등 이동이 잦은 사용자라면 노트북 자체의 무게 관점에서는 엄청난 점수를 주게 된다. <그림 2>의 왼쪽은 Z북 울트라 G1a의 상판 디자인이다. 그레이 톤에 로고 중심의 미니멀함이 인상이 강하고, 표면 마감도 업무용 워크스테이션답게 차분한 편이다. <그림 2>의 오른쪽 사진은 휴대성 체감을 주기 위해 12.9형 아이패드 프로를 함께 놓고 비교한 장면이다. 태블릿을 키보드 위에 올려두면 느껴지듯, 본체의 면적이 아이패드 프로급과 크게 동떨어지지 않아 가방에서 차지하는 부피 부담이 생각보다 적다. 실제로 태블릿을 넣던 공간에 함께 운용하기 수월했고, 연구실과 세미나실처럼 이동이 잦은 환경에서 편리함을 만들어주는 크기였다.   그림 2. HP Z북 울트라 G1a의 외관(왼쪽) 및 태블릿과의 크기 비교(오른쪽)   CAE 해석 관련 제품 시연 CAE 해석 관련 제품 시연을 보면 대개는 깔끔한 브래킷 한 개, 공기 층이 크게 없는 외부 유동, 혹은 요소 수를 의도적으로 낮춘 모델로 구성된다. 하지만 실제 대학원 연구나 현업 엔지니어가 사용하는 모델은 굉장히 높은 밀도의 요소 수를 가지고 있는 경우가 대부분이다. CAE 해석은 계산 시간만으로는 평가하기 어렵다. 실제로는 모델을 가져오고, 형상을 단순화하고, 메시를 증가시키고, 수렴을 잡고, 결과를 후처리하고, 마지막으로 보고서까지 정리하는 과정이 하나의 루틴으로 이어진다. 이 루틴 중 어느 구간에서든 시스템이 멈추거나 응답성이 크게 떨어지면, 그 순간부터는 업무가 끊기게 된다. 필자는 구조/유동 해석을 병행하는 대학원생 연구원으로서, 이번 대여 장비를 단순 벤치마크가 아닌 실제 연구 및 과제에서 수행하는 순서 그대로 테스트해보기로 했다. 목표는 명확하다. 다음의 두 가지를 중점으로 검토하였다. 전처리부터 후처리까지, 끊김 없이 반복 수행 가능한가? 구조 해석(선형/비선형)과 유동 해석(정상/과도)을 섞었을 때도 안정적으로 유지되는가? 이번 리뷰는 실제 진행했던 해석 프로젝트를 기반으로 진행하였다. 대외비로 인해 전체 형상보다 해석 진행에 맞춘 단순화 모델을 사용하였다. CFD 유동 해석 1건을 먼저 수행해 시스템의 기본 워크플로 안정성을 우선 확인한 뒤, 본 테스트인 XY 스테이지 프로젝트로 넘어가는 방식으로 구성했다. 세 가지 테스트는 해석 솔버 진행 시 해석 엔지니어가 체감하기에 가장 어려움을 겪는 상황에 대해 상세하게 설명하는 것을 목표로 한다. 해석 엔지니어는 대부분 직접 모델링, 전처리에서 후처리까지 모두 진행하기 때문에, 이 모든 과정에서 HP Z북 울트라 G1a의 성능이 성과를 좌우할 수 있다. 이에 따라 대표적인 해석 방법 세 가지(유동, 정적, 열적 해석)을 선정하였다.   그림 3. 분야별 테스트 계획   테스트 1 : 유체 시뮬레이션 전처리(앤시스)   그림 4. 전처리 메시 작업(노트북 자체 화면)   첫 번째 테스트는 유체 해석으로 시작했다. 대상은 다수의 오리피스(Orifice)가 배열된 에어베어링 타입 유동 형상으로, 단순히 솔버만 돌리는 것이 아니라 전처리부터 해석, 후처리까지 모든 워크플로를 수행하였다. 이 유형의 모델은 형상 자체도 복잡하지만, 메시 해상도를 올리는 순간부터 작업감이 급격하게 달라진다. 특히 요소 수가 많아지면 워크벤치(Workbench)에서 해당 프로젝트에 접근하는 ‘클릭 한 번’부터 초기 반응이 늦어지는 경우가 흔하다. 즉, 실제 체감 성능은 메시 창 진입부터 차이가 드러난다. Z북 울트라 G1a의 흥미로운 점은 소음 특성이다. 동일한 워크로드를 워크스테이션급 컴퓨터에서 수행할 때는 팬의 소음이 뚜렷하게 들릴 정도로 동작하는 경우가 있었는데, 이번 테스트에서 수행할 때는 메시 작업창을 여는 순간 짧게 팬이 동작하는 느낌이 있다가, 이후에는 지속적으로 소음이 커지지 않고 비교적 낮은 수준으로 유지되는 느낌을 받았다. 필요한 구간에서만 짧게 소음이 개입하니, 작업하는 엔지니어 입장에서는 안정감을 받으며 작업을 할 수 있었다.   그림 5. 앤시스 워크벤치 프로젝트(유체 해석)   유체 해석 파트는 한 번 돌려서 끝이 아니라, 워크벤치에서 여러 케이스를 동시에 관리하는 형태로 구성했다. <그림 5>처럼 Fluid Flow 시스템을 다수 배치하고, 각 시스템을 Geometry, Mesh, Setup, Solution, Results 순서의 단계로 동일한 구조로 유지한 뒤 케이스별로 필요한 변경만 최소화하여 반복 실행했다. 연구실에서 실제로 유동 해석을 수행할 때는 한 조건으로 끝나기보다 간극, 입력조건, 수치 설정을 바꿔가며 다음 케이스로 넘어가는 일이 일반적이기 때문에, 이번 리뷰에서도 그 흐름을 그대로 가져갔다. 이번 구성의 핵심은 파라미터 기반 분기이다. 간극 조건을 여러 파라미터 케이스로 나누어 두고, 수치 설정을 달리한 케이스도 별도로 두어 같은 프로젝트 내에서 연속적으로 비교할 수 있도록 구성했다. 동일한 방식으로 여러 케이스를 파이프로 연결하여 시뮬레이션했을 때, 데스크톱 워크스테이션에서는 약 5시간, Z북 울트라 G1a에서는 약 7시간 정도가 소요되었다. 실제 솔버에 사용한 코어 수는 동일하게 맞추어 진행했다.(비교에 사용한 데스크톱 워크스테이션 사양은 13세대 인텔 코어 i7-13700KF(16코어/24스레드), RAM 128GB, 엔비디아 RTX A4000(전용 16GB)이다.) 시간 차이는 장비 구성 차이(특히 메모리 용량 등)에서 발생할 수 있으며, 이번 파트에서는 다중 케이스 구성을 프로젝트 단위로 묶어 하나의 파라미터 사이클을 중단 없이 완주했다는 점에 의미를 두었다.   테스트 1-1 : 유체 시뮬레이션(앤시스)   그림 6. 플루언트 해석 단계   이번 테스트는 플루언트 시스템을 구성한 뒤, 실제 설정과 실행은 플루언트 내부에서 진행했다. 실제 유체 해석을 경험하였을 때, CFD 솔버 창 로드가 가장 느리게 뜬다. 이 구간이 실무적으로는 가장 시간을 많이 쓰는 편이다. 이유는 체감 병목이 반드시 솔버에만 있지 않기 때문이다. 큰 메시를 불러오고, 화면에 표시하고, 경계면을 선택하고, 설정 탭을 오가며 저장 및 갱신하는 과정에서 프리징이 발생하면, 계산 시간이 짧더라고 작업은 길어진다. 이 노트북에서는 이 작업이 굉장히 깔끔하다. 예를 들어 Fluid 형상을 Solid로 바꾸는 경우에는 물성 자체를 바꾸기 때문에 체감상 30~50초 정도 지연이 발생했다. 하지만 그 외의 모든 대부분의 기능은 끊김 없이 설정 변경이 가능했다. 팬 소음도 이전과 같이 임포트 시 및 솔버 작동 시를 제외한 부분에서는 거의 들리지 않았다.   그림 7. 유체 해석 결과 컨투어   이번 테스트에서는 해석 대상에서 계산된 압력 분포를 보여준다. 워크스테이션급 노트북에서 이 정도 규모의 모델을 끝까지 수렴시키고, 후처리까지 안정적으로 가져갈 수 있었다는 점에서 굉장히 큰 장점을 느꼈다. 특히 컨투어(contour)가 계단형처럼 깨지지 않고 등압선이 부드럽게 이어지는 점이 비교를 위해 해석을 동일하게 진행한 데스크톱 워크스테이션에서 확인할 수 있는 그래픽과 동일한 수준이다. 압력 분포뿐만 아니라 실제 산업에서 요구하고 검토해야 하는 유동 관련 모든 후처리를 모두 확인할 수 있었다. 노트북 한 대로 연구 및 업무에서 필요한 해석의 한 사이클인 전처리, 해석, 후처리까지를 노트북에서 완주할 수 있었다는데 의미가 있다.   테스트 2 : XY 스테이지 정해석(솔리드웍스 & 앤시스)   그림 8. 시뮬레이션 대상인 XY 스테이지 모델링   시뮬레이션을 수행하기 위해, 연구실에서 실제로 다루는 XY 스테이지의 실물 크기와 구성 방식을 최대한 반영하여 모델링을 진행하였다. 단순한 데모 형상이 아니라, 연구 환경에서 반복적으로 부딪히는 조건을 고려해 임포트, 단순화, 해석용 형상 정리를 여러 번 반복하는 방식으로 접근했다. 모델링 단계에서 가장 먼저 확인한 것은 ‘한 번이라도 흐름이 끊기지 않는지‘였다. 모델링 툴에서 가장 문제가 되는 상황은 복잡한 형상을 다룰 때 화면의 프리징이나 입력 지연인데, 이번 작업에서는 XY 스테이지를 구성하는 형상을 만들고 수정하는 과정에서 눈에 띄는 버벅임이 거의 발생하지 않았다. 단순히 고사양 CPU와 GPU가 있다라는 의미가 아니라, 실제로 커서 이동, 스케치 입력, 피처 생성과 같이 모델링 진행 시 기본적인 동작이 꾸준하게 유지되는지가 체감하는 성능을 결정한다. 이러한 관점에서 작업감이 안정적이었다. 특히, 해석 툴(앤시스 워크벤치)을 완전히 종료하지 않고 백그라운드에 실행해 둔 상태에서 모델링을 병행했을 때다. 일반적으로 해석 툴을 켜 둔 채로 CAD 작업을 하면 메모리나 리소스 점유로 인해서 스케치가 끊기거나 곡선 입력이 느려지는 경험을 하는 경우가 많다. 반면 Z북 울트라 G1a은 워크벤치가 백그라운드에 올라간 상태에서도 솔리드웍스에서 스케치를 그리고 곡선을 생성하는 과정이 딜레이 없이 매끄럽게 이어진다. 하지만 아무래도 해석 솔버를 모든 코어를 사용해서 돌려놓으면 솔버가 돌아가는 동안 솔리드웍스에서 약간의 프리징이 발생한다. 사용자는 해석 솔버 상에서 직접적으로 코어의 개수를 할당해줄 수 있는데, 코어를 조절하여 4코어는 CAD 툴, 4코어는 해석 툴과 같이 나누어 작업을 진행할 때 큰 버벅거림 없이 조작이 가능했다. 코어를 나눴기 때문에 솔버 시간 지연은 발생하지만, 동시 작업이 깔끔하게 진행되는 것 자체로도 해석 엔지니어에게는 큰 장점으로 느껴진다.   테스트 2-1 : XY 스테이지 정해석(앤시스)   그림 9. 앤시스 워크벤치 프로젝트(정해석, 열해석, 모달해석)   이번 테스트는 여러 파이프로 연결된 워크벤치를 구동하는데, 서로 다른 해석 시스템을 한 프로젝트 안에서 연결한다는 점이 중요하다. 실제 연구나 업무 환경에서는 한 번 만든 CAD를 기반으로 정적 강성, 열 영향, 진동 특성을 연속으로 확인하는 경우가 많고, 이때 프로젝트가 분리되어 있으면 형상 수정이나 단순화가 생길 때마다 각 해석을 따로 업데이트해야 해서 시간이 굉장히 지연된다. 상단의 메인 플로는 세 가지로 구성했다. 정적 구조로 기본 강성과 변위를 확인하고, 같은 지오메트리를 기반으로 열 조건을 부여하였을 때 온도 분포를 점검한 다음, 모달로 고유 진동수와 모드 형상을 확인하는 흐름이다. 이 구조로 구성하면 형상 단순화나 치수 수정이 생겼을 때 업데이트 프로젝트(Update Project) 한 번으로 메인 3개의 해석의 기반 데이터가 함께 따라온다. 실무에서는 굉장히 많은 파라미터를 연속적으로 연결해 두어야 하는데, 이는 노트북으로 해석할 때 중요한 작업 흐름을 끊지 않는 운영 방식으로 직결된다.   테스트 2-2 : XY 스테이지 정해석 메시 작업(앤시스)   그림 10. XY 스테이지 모델링 전처리(메싱)   전처리 작업에서의 메시 작업은 실사용에서는 메시 직후 작업이 끝나는 경우가 거의 없다. 접촉 및 구속을 다시 확인하거나, 특정 부위를 더 촘촘히 쪼개거나, 단순화가 부족한 부분을 다시 CAD로 되돌려 수정하는 등 ‘다시 돌아가는’ 작업이 필연적으로 발생한다. 이때 중요한 건 계산 성능보다도 프로젝트가 계속 이어지는지 여부다. 메시가 늘어난 상태에서 트리 이동, 특정 파트 및 면 선택 같은 동작이 불규칙하게 멈추면 이후 단계에서 재 메시나 후처리로 넘어가는 속도가 눈에 띄게 떨어진다. 이번 구성에서는 메시를 1mm로 굉장히 작게 분할하여도 작업을 중단시킬 정도로 흔들리는 형태는 두드러지지 않았다.   테스트 2-3 : XY 스테이지 정해석(앤시스)   그림 11. XY 스테이지 정해석 컨투어   이번 테스트는 Static Structural의 결과가 Mechanical에서 로드되어, 컨투어로 시각화되었다. 계산 후 결과를 불러와 렌더링하고, 필요한 뷰를 만들고, 캡처 가능한 상태로 정리하는 후처리 루틴이 매끄럽게 진행되었다. 현업과 연구에서 시간은 계산에서만 쓰이지 않는다. 결과를 열고, 표시 항목을 바꾸고, 시점을 정리하고 캡처하는 과정이 반복된다. 특히 조립체 모델에서는 내가 보고 싶은 위치에 대한 시점 찾기 과정에서 버벅임이 심한 경우가 대다수다. 이번 테스트에서는 결과 컨투어를 띄운 이후 확대 및 회전 등 기본 조작을 수행하며 캡처 가능한 상태로 정리하는 흐름으로 진행되었고, Z북 울트라 G1a에서 충분히 프로젝트 관리가 가능하였다. 해석 솔버 작동 시간은 유체 해석급으로 복잡한 메시와 연산량이 요구되지는 않았기에 10분 이내로 해석은 완료되었다.   테스트 3 : XY 스테이지 열해석(앤시스)   그림 12. XY 스테이지 열해석 컨투어   이번 테스트의 경우 정상상태 열 해석의 결과 화면이며, 각각 온도와 열량 결과 항목을 표시하였다. 이번 테스트는 정적, 열 해석을 각각 돌린 것이 아니라 워크벤치에서 하나의 프로젝트를 묶어 반복 업데이트하는 형태로 운영하였다. 실제 해석 업무에서 체감 생산성을 좌우하는 것은 솔버의 단발적인 성능만이 아니다. 경계조건인 열원, 대류, 접촉 등을 수정하고, 다시 업데이트한 뒤, 동일한 뷰에서 결과를 재확인 및 캡처하는 과정을 반복하면서 목표하는 컨투어가 나오고, 분석한 결과와 동일한지 확인하는 과정이 정말 중요하다. 열 해석은 15분 이내 수준에서 비교적 빠르게 완료되었다. 이 정도 솔버 시간이 확보되면 열원 크기나 경계조건 같은 변수를 바꿔가며 파라미터 시뮬레이션 형태로 반복 실행하는 운영도 현실적인 선택지가 된다.   테스트 4 : AMD 소프트웨어를 통한 해석 속도 개선 테스트   그림 13. 아드레날린 에디션 그래픽 설정   Z북 울트라 G1a는 AMD 전용 그래픽 드라이버 및 그래픽 옵션 설정을 통합 관리하는 소프트웨어 아드레날린 에디션(Adrenalin Edition)을 적용할 수 있는데, 이를 통해 <그림 13>과 같이 Gaming → Graphics 메뉴에서 그래픽 옵션을 선택할 수 있다. 이 화면은 본래 게임 환경을 대상으로 한 옵션이 포함되어 있으나, 이번 테스트에서는 해석에 필요한 더 조밀한 메시와 대형 형상들의 결과 표시를 검토하는 상황에서 실무자의 뷰포트 조작이 더 부드러워지는지, 또는 반대로 표시 지연이 발생하는지 확인하는 목적으로 진행된다.   테스트 4-1 : 메시 사이즈 조밀화 구간 작업감 검증 테스트   그림 14. A : 메시 1mm Sizing 적용 시   그림 15. B : 메시 0.5mm Sizing 적용 시   앞선 테스트 2-2(메시 작업)에서 강조했던 포인트는 단순히 메시가 생성되느냐가 아니었다. 실사용에서 메시 작업은 직후에 끝나는 경우가 거의 없고, 모델을 다시 손보거나(형상 수정과 구속 변경), 특정 부위만 더 촘촘히 쪼개거나(Refine), 조건은 바꿔 반복 수행하는 과정이 기본 루틴이 된다. 이때 체감상 생산성을 좌우하는 건 계산 성능만이 아니라 메시가 늘어난 상태에서도 트리 이동, 파트 및 면 선택, 화면 회전과 같은 기본 조작이 끊기지 않고 이어지는지에 있다. 한 번 버벅거림이 시작되면, ‘재메시 – 솔브 – 후처리’로 넘어가는 전체 흐름이 눈에 띄게 느려진다는 점이 있다. 이번 테스트 4에서는 AMD의 아드레날린 에디션 소프트웨어를 설치한 뒤, 그래픽 옵션을 적용한 상태에서 해석 프로그램 메시 조밀화 구간의 작업감을 다시 확인하는 형태로 진행했다. 메시 사이즈를 낮춰 요소 수가 증가하는 상황에서 안정성이 유지되는지 체크하는 것을 목적으로, 테스트는 기존 프로젝트 흐름을 유지하되 메시 사이즈를 다르게 적용하여 비교했다. 비교 조건은 A와 B로 메시를 생성한 후 화면 회전과 줌, 그리고 트리 이동과 특정 파트의 면 선택 등을 반복하였다. 결과적으로 조밀화 자체가 부담인 B 조건에서도 멈춤이 덜한 것을 확인하였다. 이 작업에서 핵심 부담은 결국 작업의 흐름이 끊기는 것이다. 이번 설정에서는 조밀한 메시에서도 작업을 중단시킬 정도로 흔들리는 패턴은 보이지 않았다. 메시 사이즈를 0.5mm까지 낮춰도 조작이 꺾이지 않는다는 점과 아드레날린 설정 적용 이후 메시 상태에서의 화면 반응성이 안정적으로 유지되는 방향으로 체감되었다.   테스트 4-2 : 모달해석 테스트   그림 16. 모달해석 결과 화면(모드 형상 컨투어)   아드레날린 설정 후, 기존 XY 스테이지 프로젝트 흐름에 모달해석을 추가로 수행했다. 특히 모달해석은 결과 확인 과정에서 모드 형상 확인, 애니메이션 재생, 값 확인 및 캡처를 반복 수행하게 되는데, 그래픽과 솔버 시간 감소를 확인하기 위해 필수적으로 해석을 진행하였다. 모달해석 결과는 Mechanical에서 바로 로드되어 모드(Mode) 별 주파수 테이블과 함께 표시되었고, 결과 항목을 전환해도 화면 반응이 끊기지 않았다. 특히 모달해석에서는 에니메이션 재생을 수행했을 때 조작이 툭툭 끊기는 것 없이 안정적으로 확인이 가능하였다. 이어서 모달해석은 다른 구조 해석이나 열 해석과는 상이하게 경계 조건에 따라 솔버 시간이 3~4배는 더 걸리게 된다. 아드레날린 설정을 통해 그래픽 끊김이 발생하지 않는 선에서 옵션을 변경하여 솔버를 진행하였을 때 소요되는 결과를 확인하였다.   그림 17. 아드레날린 에디션 적용 전/후 솔브 시간 비교   <그림 17>에서 확인할 수 있듯이 동일 모달해석 케이스에서 약 32분에서 23분으로 솔버 시간이 줄어드는 결과를 확인했으며, 약 9분 31초 수준으로 29% 수준의 시간 단축을 통해 솔버 사용 속도가 눈에 띄게 증가했음을 확인하였다. 이 차이는 단일 요인(그래픽 옵션)만으로 원인을 단정하기는 어렵지만, 단일 해석 설정에서 아드레날린 에디션 적용 이후 동일 케이스를 반복 수행했을 때 솔버 시간이 감소하는 경향이 확인되었다는 점에서 의미가 있었다. 특히 연구 및 실무 환경에서는 모달해석을 단독으로 한 번만 돌리는 경우가 드물고, 메시 조정과 결과 확인이 반복되기 때문에, 5~10분 단위의 차이도 누적되면 전체 작업 흐름에 영향을 준다. 이번 테스트에서는 그 누적이 실제로 체감될 정도로 줄어들었고, 속도 개선 가능성을 확인할 수 있었다. XY 스테이지 테스트는 한 번 만든 지오메트리를 워크벤치에서 계속 돌릴 때, 실제로 프리징 없이 곧바로 다음 루프로 넘어갈 수 있는지를 확인하는 과정이었다. 기본 테스트(테스트 1~3)만으로도 Z북 울트라 G1a은 해석자로서 굉장히 만족스러웠고, 특히 작업 흐름을 끊어버리는 프리징이 거의 없었다는 점에서 큰 점수를 주고 싶었다. 여기에 추가로 테스트 4인 AMD 아드레날린 에디션 적용 후의 작업 흐름도 함께 확인하였다. 조밀 메시에 대한 결과 화면처럼 그래픽적으로 무거워지는 구간에서도 전체 해석 흐름이 무너지지 않는지를 다시 점검하였고, 추가로 수행한 모달 해석에서도 결과 확인 과정이 한 번에 이어지는 형태로 진행됐다. 특히 솔버 시간 측면에서는 동일 케이스에서 소요시간이 감소하는 결과도 확인되어, 단순하게 돌아간다는 수준을 넘어 반복 수행 관점에서 체감 효율을 한 단계 더 끌어올릴 여지가 있다는 인상을 받았다. 결국 해석 실무자 입장에서 중요한 것은 케이스를 최적화하기 위해 나누고 설정을 바꾸고 결과를 정리하는 과정을 포함해 작업자가 하루 동안 수행하는 작업을 노트북에서 유지할 수 있는가에 있다. 이번 리뷰는 그 과정이 끊기지 않는지에 초점을 두고 진행했고, 추가 테스트 적용 결과까지 포함해 그 목적에 맞는 형태로 마무리되었다. 견적 상담 문의하기 >> https://www.hp.com/kr-ko/shop/hp-workstation-amd-app   ■ 정수진 한국공학대학교 메카트로닉스공학과 석사과정으로, CAE 해석 및 설계 검증, 시뮬레이션 최적화, 멀티피직스 관련 연구과제를 담당하고 있으며, 주로 구조, 열, 유체 시뮬레이션 기반 해석 연구를 진행하고 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

심센터 HEEDS 더 깊게 살펴 보기 (2)   이번 호에서는 유연한 SaaS(서비스형 소프트웨어) 기반의 다중 도메인 엔지니어링 시뮬레이션 제품으로 새롭게 출시된 심센터 X 어드밴스드(Simcenter X Advanced)와 히즈(HEEDS)에서 새로워진 부분에 대해서 살펴본다. 이 클라우드 기반 설루션은 모든 과제를 해결하고 성능 엔지니어링의 힘을 발휘할 수 있도록 지원한다. ■ 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   효율적인 엔지니어링 시뮬레이션 소프트웨어 활용의 필요성 엔지니어링 시뮬레이션은 제품 개발을 간소화하고 제품을 더 빠르고 비용 효율적으로 시장에 출시하는 효율적인 방법을 제공한다. 그러나 다음과 같은 수많은 과제로 인해 시뮬레이션 소프트웨어 투자 효과를 극대화하지 못할 수 있다.   그림 1   라이선스 활용도 저하 : 데스크톱 소프트웨어에 대한 IT 지출의 활용도 저하나 낭비는 상당한 비용 요인이다. 이는 항상 가동 가능한 접근성과 유연한 사용을 위한 라이선싱 모델을 보장하는 배포 방법이 필요함을 의미한다. 시뮬레이션 비즈니스 사례 변화 : 오늘날 시뮬레이션의 핵심 가치 창출 요소는 시장 출시 기간 단축이다. 이는 시뮬레이션 프로세스 체인의 모든 요소를 가속화하여 시뮬레이션 처리량을 극대화해야 함을 의미한다. 복잡성의 폭발적 증가 : 하이테크 기업 관계자들은 제품 복잡성을 주요 과제로 꼽는다. 이러한 제품 복잡성은 엔지니어링 분야 간 장벽을 허물고 효과적이며 추적 가능한 협업을 촉진해야 할 필요성으로 이어진다. 이와 같은 이유로 엔지니어링 시뮬레이션 도구의 배포 및 활용 효율성을 극대화해야 한다. 이러한 경쟁력을 유지하려면 특히 다음과 같은 문제를 해결해야 한다. 배포, 라이선스 및 사용자 관리의 복잡성을 어떻게 줄일 수 있을까? 엔지니어링 시뮬레이션 소프트웨어의 최적 활용을 어떻게 보장할 수 있을까? 엔지니어의 생산성을 극대화하기 위해 시뮬레이션 도구를 어떻게 제공할 수 있을까? 복잡한 제품을 다루고 디지털 스레드의 힘을 발휘하기 위해 엔지니어링 부서 간 장벽을 어떻게 허물 수 있을까? 심센터 X 제품을 IT 담당자 입장에서 살펴 보면, 간단하고 유연하며 관리하기 쉬운 라이선싱 모델을 통해 IT 소유 비용을 절감하고 소프트웨어 라이선스를 최대한 활용할 수 있고, 중앙 집중식 관리 콘솔을 활용하여 통합 클라우드 권한 부여를 통해 시뮬레이션 소프트웨어 사용자를 신속하고 쉽게 온보딩함으로써 소프트웨어 배포를 간소화하고 효율화할 수 있다. 해석 엔지니어 또는 CAE 팀 책임자의 입장에서는 AI 기술과 다중 물리 해석 협업, 내장형 데이터 관리로 생산성을 높일 수 있고, 주요 엔지니어링 시뮬레이션 분야(예 : 전산 유체 역학, 기계, 시스템 시뮬레이션, 다학제 설계 분석 및 최적화) 전반에 걸쳐 온디맨드 기능을 간편하게 언제 어디서나 이용할 수 있다.   그림 2   심센터 X는 산업 소프트웨어의 대규모 생태계에 통합된 설루션으로서 지멘스의 개방형 디지털 비즈니스 플랫폼인 지멘스 엑셀러레이터(Siemens Xcelerator)의 핵심 구성 요소로, 고객의 디지털화 여정을 가속화하는 촉매제 역할을 담당한다. 동시에 지멘스는 클라우드와 SaaS가 미래의 보편적인 사용 환경으로 전환될 것으로 판단하여 지멘스의 모든 포트폴리오를 빠르게 클라우드로 이전하고 있다. 이미 심센터 X는 지멘스 엑셀러레이터 SaaS 생태계의 핵심 구성 요소로 자리매김하며, NX X, 팀센터 X(Teamcenter X) 등 다양한 DISW 제품군과 함께 제공될 예정이다. 이러한 전략적 통합은 지멘스의 포괄적인 디지털 스레드 비전을 실현하기 위한 것으로, 모든 제품군에 걸쳐 원활하고 일관된 사용자 경험과 IT 팀을 위한 효율적인 라이선스 관리를 보장한다.   모든 것을 위한 단일 플랫폼 : 심센터 X와 지멘스 엑셀러레이터의 중앙 집중식 클라우드 라이선싱 다양한 엔지니어링 소프트웨어에 대한 라이선스 관리는 IT 팀에게 상당한 도전과 노력을 요구한다. 라이선스 서버 구성은 복잡해지고, 온프레미스 라이선스 배포는 오랜 시간이 소요되며, ‘익명’ 사용자 프로필로 인한 사용자 관리가 어렵다. 이 모든 것은 IT 부담을 최소화하고 라이선스 활용도를 최적화함으로써 엔지니어링 시뮬레이션 소프트웨어의 투자 수익률(ROI)을 극대화하려는 목표 달성에 위험 요소가 된다. 좋은 소식은 심센터 X가 라이선스 관리를 간편하게 만든다는 점이다. 지멘스가 호스팅하고 소유하는 클라우드 기반 권한 부여 및 라이선스 관리 시스템을 통해, 심센터 X는 IT 관리자와 최종 사용자 모두에게 제품 사용 및 배포를 단순화시킬 수 있다. 새로운 라이선스를 기다리는 일은 이제 과거의 일이 되었다. 라이선스 관리자가 라이선스 파일을 생성, 검증 및 전송하는 번거로운 과정과 고객이 라이선스 서버를 설치 및 설정하는 과정은 이제 옛날 이야기다. IT 관리자가 지멘스 엑셀러레이터 어드민 콘솔(Siemens Xcelerator Admin Console)이라는 단일 통합 시스템을 통해 지멘스 엑셀러레이터 전반의 모든 제품을 관리할 수 있도록 한다. 라이선스의 사용도 특정 국가나 사무실에 국한된 것이 아니라, 전 세계 어디에서든 사용을 위해 할당할 수 있다. 더불어서 가격 책정 체계도 대폭 간소화되었다.   다분야 엔지니어링 시뮬레이션 및 설계 최적화를 간편하게 전산 유체 역학(CFD)부터 기계 및 시스템 시뮬레이션을 거쳐 다분야 설계 해석 및 최적화(MDAO)에 이르기까지, 심센터 X 어드밴스드는 엔지니어와 엔지니어링 팀이 다분야 시뮬레이션 및 최적화를 원활하게 설정하고 실행할 수 있도록 지원한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

모두솔루션은 지난 1월 14일 ‘2026 지스타캐드 파트너 킥오프’를 열고, 국내 파트너사를 대상으로 2026년 사업 전략과 파트너 협력 방향을 공유했다. 지스타캐드(GstarCAD)를 국내 공급하는 모두솔루션은 이 자리에서 2025년 지스타캐드 사업 성과와 2026년 영업 및 마케팅 전략을 소개했다. 또한 지스타캐드 개발사인 지스타소프트가 글로벌 비즈니스 전략을 설명하는 한편, 산업 기술 및 활용 사례 발표와 파트너 어워드 시상 등도 진행됐다. ■ 정수진 편집장     지스타캐드 시장 안착, 파트너 시너지와 고객 만족에 집중 모두솔루션의 정충구 대표는 “모두솔루션은 지난 2004년에 설립되어 2D/3D CAD, PDM, PLM, 설계 자동화 등 다양한 제품과 서비스를 제공하고 있으며, 파트너들과 함께 지스타캐드를 국내 시장에서 성장시켜 왔다”면서, “지스타캐드는 합리적인 가격과 안정적인 성능, 그리고 기술 지원을 바탕으로 국내 CAD 시장에서 의미 있는 대안을 만들어가고 있다”고 강조했다. 모두솔루션의 성기정 상무는 2025년 지스타캐드 국내 비즈니스 성과를 발표하면서, “공격적인 마케팅 활동과 파트너사들의 적극적인 영업 활동을 통해 지스타캐드에 대한 시장의 관심이 높아졌다”고 설명했다. 2025년에는 환율 상승의 영향으로 전년도 대비 매출 이익은 소폭 줄었지만, 전체적인 판매 수량과 매출 규모는 예년 수준을 유지하며 성장세를 이어갔다는 것이 성기정 상무의 분석이다. 또한 성기정 상무는 파트너를 통한 세일즈 비중이 늘어나고 있다면서, “이는 파트너사와 본사의 매출이 함께 증가하는 건전한 비즈니스 선순환 구조가 자리 잡고 있다는 긍정적인 신호”라고 평가했다. 한편으로, 모두솔루션이 매년 실시하는 제품 및 서비스 만족도 조사에서는 전년 대비 소폭 하락한 4.1점이 나왔는데, 성기정 상무는 사용자 만족도를 다시 끌어올리는 것이 2026년의 중요한 과제라고 덧붙였다.   ▲ 모두솔루션 정충구 대표   ▲ 모두솔루션 성기정 상무   CAD를 넘어 통합 산업 플랫폼으로 지스타소프트의 메이유 황(Meiyu Huang) 부사장은 “지난 1992년 설립된 지스타소프트는 현재 윈도우, 리눅스, 맥, 안드로이드, iOS 등 다양한 운영체제를 지원하는 코어 기술을 갖추고 있으며, 전 세계 100개 이상의 국가에서 1억 명 이상의 사용자를 가진 글로벌 제품으로 성장했다”고 소개했다. 황 부사장은 급변하는 산업 환경 속에서 지스타캐드가 나아가야 할 방향으로 ▲AI 기술의 설계 프로세스 통합 및 설계 자동화 등의 기술 흐름과 ▲설계를 넘어 협업과 관리까지 가능한 플랫폼 역량에 대한 고객 요구에 주목했다. 또한 “개인 사용자부터 대기업, 개발자에 이르기까지 세분화된 고객 니즈를 모두 충족하기 위해서는 단일 도구가 아닌 통합 플랫폼 구축이 필수”라고 짚으면서, “독자적인 코어 기술과 크로스 플랫폼 능력, 그리고 상장을 통해 확보한 자금력을 바탕으로 M&A와 R&D 투자를 가속화하면서 제품과 기술의 통합을 이뤄낼 것”이라고 밝혔다. 황 부사장이 꼽은 향후 3~5년 간의 핵심 과제는 ▲높은 성능과 안정성 확보 ▲지속적인 기능 혁신 ▲멀티 플랫폼 호환성 강화 ▲개방형 생태계 구축 등 네 가지이다. 제품의 성능 측면에서는 렌더링 엔진과 메모리 관리, 핵심 알고리즘을 최적화하여 대형 도면 작업에서도 쾌적한 속도를 제공할 계획이다. 지스타캐드 2026 버전은 파일 열기, 저장, 편집 등 주요 작업에서 성능을 높였고, 시스템 아키텍처를 모듈화하여 각 기능이 독립적으로 작동하게 함으로써 안정성을 높였다. 자동 업그레이드 메커니즘을 도입해 유지보수 비용을 낮추는 구조적 재설계도 진행된다. 기능 혁신과 관련해서는 파라메트릭 구속(parametric constraint) 기능을 강화하여 논리 기반의 설계를 지원하고, 다중 단말과 전문 영역 간의 실시간 협업이 가능한 통합 설계 기능을 고도화해 설계부터 검수까지 이어지는 표준화된 관리 체계를 구축할 예정이다. 또한 AI 기술과 CAD의 융합을 적극 추진하여 지능형 명령어 추천, 자연어 상호작용, 도면 인식 및 자동 주석 기능 등을 탑재할 계획이다. 제품 라인업과 생태계 확장 계획에 대해서 황 부사장은 엔터프라이즈 설계 플랫폼으로서 ‘지스타캐드 365’를 강화하고, 아치라인(ARCHLine.XP) 인수 후 기능을 보강 중인 ‘지스타캐드 BIM(GstarCAD BIM)’과 기능이 지속적으로 추가되는 도면 열람&편집 툴 ‘DWG 패스트뷰(DWG FastView)’ 등의 포트폴리오를 완성해 나가겠다고 전했다. 지스타소프트는 GRX(Graphics Runtime Extension), COM(Component Object Model), 닷넷(.NET), LISP(리스프), 파이썬(Python) 등 커스텀 개발을 위한 생태계 지원도 이어나갈 계획이다.   ▲ 지스타소프트 메이유 황 부사장   3D·BIM 시장 공략 및 서드파티 강화… 지스타캐드의 인지도 높일 것 지스타캐드는 오토캐드 대체 시장을 넘어 제조, 건설, 플랜트 등 산업별 특화 수요로 시장을 빠르게 확장하고 있다. 모두솔루션은 2026년에는 파트너 중심의 세일즈 체계를 더욱 강화하는 한편, 시장에서 3D CAD에 대한 수요가 꾸준히 증가하고 있는 상황에 맞춰 3D 제품군 및 BIM 설루션을 2026년에 본격 선보이면서 시장 대응력과 사업 경쟁력을 함께 높인다는 전략을 소개했다. 제품 측면에서는 2025년 출시한 클라우드 기반 설계 협업 플랫폼 ‘지스타캐드 365 비즈니스(GstarCAD 365 Business)’를 국내 시장에 안착시키기 위해 레퍼런스 구축에 집중하고, 향후 선보일 BIM 및 3D CAD 제품 역시 파트너와의 협업을 통해 단계적으로 시장에 소개할 예정이다. 성기정 성무는 “특히 그동안 약점으로 지적되던 서드파티 및 라이브러리 부족 문제를 해결하기 위해 2025년에 베타 버전으로 출시했던 ‘드림플러스(DreamPlus)’의 정식 버전을 올해 출시하고 AEC 시장을 본격 공략하겠다”는 구상을 제시했다. 또한 성기정 상무는 경쟁 제품 사용자를 타깃으로 한 공격적인 프로모션 전략도 공개했다. “오토캐드 LT의 1년 구독 비용 수준으로 지스타캐드 스탠더드 제품을 3년간 사용할 수 있게 하는 ‘1+2 프로모션’을 기획해서, 시장의 반응을 살피고 파트너들의 의견을 수렴해 전략을 고도화해 나갈 것”이라는 설명이다. 이외에도 성기정 상무는 설계 작업 자동화를 지원하는 라이브러리 프로그램인 멕클릭(MecClick)의 성능 향상 및 규격 확대 업데이트 소식을 공유하면서, 진화하는 지스타캐드와 지능형 라이브러리의 결합을 통해 시장에서 좋은 성과를 얻고자 한다고 전했다. 모두솔루션 마케팅팀의 한운선 부장은 “2026년에는 고객 데이터베이스 확보를 넘어서 실제 구매 가능성이 높은 고객 수요(리드)를 창출하고 영업 파이프라인을 확장하는 데 마케팅의 초점을 맞출 것”이라면서, “지스타캐드의 인지도를 구축하고 신뢰도 높은 콘텐츠 자산을 중심으로 마케팅 체계를 강화해, 고객이 지스타캐드를 스스로 찾을 수 있는 환경을 만들고자 한다”고 설명했다.     ■ 기사 내용은 PDF로도 제공됩니다.