앤시스를 인수한 시높시스가 미국 NASA의 차세대 달 탐사 프로젝트인 아르테미스 프로그램을 지원하기 위해 기술 협력을 확대한다고 밝혔다. 시높시스는 EMA 및 시지엄과 손잡고 달 환경에서 사용할 우주복의 안전성 분석과 통신 시스템 개발을 돕고 있다. 시높시스는 NASA 존슨 우주센터 및 글렌 연구센터와 협력해 달 표면에서 발생하는 전하 축적 현상을 분석한다. 또한 디지털 트윈 기반의 가상 달 환경을 활용해 통신 네트워크 구축을 검증하고 있다. 시높시스에 따르면 이러한 시뮬레이션 기술은 실제 장비를 제작하기 전 단계에서 성능을 검증함으로써 개발 위험을 줄이고 임무의 신뢰성을 높이는 데 기여한다.     EMA와 함께 진행하는 전자기 시뮬레이션은 달 환경의 정전기가 우주유영 시스템과 전자 장비에 미치는 영향을 파악하는 데 중점을 둔다. 달의 토양과 마찰하며 생기는 대전 현상이나 우주 플라스마 환경에서의 정전기 방전은 통신과 생명 유지 장치에 문제를 일으킬 수 있다. 시높시스는 앤시스 차지 플러스 설루션을 사용해 다층 구조로 된 우주복 내부의 전하 흐름을 3차원으로 해석하고 있다. 이 데이터는 EMA 연구소의 실험 결과와 병행하여 정밀한 검증 체계를 갖추는 데 쓰인다. 통신 분야에서는 시지엄과 협력해 달의 3D 지형 데이터를 바탕으로 한 디지털 트윈 환경을 구축했다. 시높시스의 전자기 해석 도구인 앤시스 HFSS 등을 활용해 우주복과 로버에 장착된 안테나의 성능을 분석하고 통신 연결성을 평가한다. NASA 글렌 연구센터는 이 기술을 통해 달의 크레이터나 암석 지형 때문에 생기는 통신 음영 지역을 미리 찾아내고 효율적인 네트워크 설계를 진행하고 있다. 전 NASA 국장이자 시높시스 산하 AGI 어드바이저인 짐 브라이든스타인은 “하드웨어 제작 이전에 가상 환경에서 설계를 모델링하고 테스트하는 디지털 엔지니어링 기술은 혁신을 가속화하는 핵심 요소”라고 밝혔다. 아르테미스 프로그램은 단순한 달 탐사 재개를 넘어 인류가 우주에 지속 가능한 기반을 구축하는 것을 목표로 삼고 있다.

오토데스크가 에너지 인프라 전문 기업인 두산에너빌리티와 해외 EPC 건설 현장의 디지털 전환과 관리 체계 강화를 위한 업무협약을 체결했다. EPC 산업은 설계부터 시운전까지 여러 파트너사가 참여하며 대규모 엔지니어링 문서와 도면, 품질 및 안전 데이터를 관리해야 하는 복잡한 구조를 가진다. 최근 프로젝트의 규모가 커짐에 따라 현장 데이터를 실시간으로 통합 관리하는 디지털 협업 환경의 필요성이 커지고 있다. 이번 협약으로 오토데스크는 두산에너빌리티가 추진하는 스마트 해외 EPC 건설 현장 디지털 전환 전략을 지원한다. 양사는 공통 데이터 환경(CDE)을 중심으로 프로젝트를 수행하며 해외 현장 운영의 디지털 워크플로를 고도화한다는 계획이다. 오토데스크는 자사의 오토데스크 포마(Autodesk Forma)를 기반으로 프로젝트 전반에서 정보를 일관되게 관리하도록 기술 지원을 제공한다. 두 회사는 네 가지 핵심 분야에서 협력하기로 했다. 통합 CDE를 통한 데이터 통합과 시공 일정 및 현장 비용의 실시간 모니터링 체계 구축이 포함된다. 또한 자재와 시공 검측, 전자서명, 품질 및 안전 이슈 추적을 모바일 기반으로 디지털화한다. 건설 현장 대시보드를 활용해 실시간으로 프로젝트를 모니터링하고 관리하는 체계도 구현한다. 공통 데이터 환경이 마련되면 설계와 시공, 시운전 단계에서 발생하는 모든 문서와 도면을 오토데스크 포마 내에서 일관된 기준으로 관리할 수 있다. 프로젝트 담당자는 통합 관리 프레임워크를 통해 현장 정보를 즉시 파악하고 체계적인 계획 수립과 리스크 대응이 가능해진다. 모바일 기반 품질 검측과 디지털 전자서명은 현장 정보를 자동으로 수집하는 환경을 구축하는 데 활용한다. 오토데스크는 두산에너빌리티와 정기적인 기술 미팅을 진행하고 오토데스크 유니버시티를 통해 기술 교류를 강화한다. 오토데스크 포마의 도입 범위를 국내외 EPC 프로젝트 전반으로 넓혀갈 예정이다. 오토데스크코리아의 오찬주 대표는 “데이터 연동과 자동화를 통해 스마트 해외 EPC 건설 현장의 디지털 전환을 지원하고 사업 혁신과 경쟁력 강화에 기여하겠다”고 밝혔다.  

산업 특화 AI와 클라우드 플랫폼 통해제조·건설 경쟁력 강화 지원   오토데스크코리아는 플랫폼과 AI를 결합한 ‘디자인 & 메이크(Design & Make)’ 전략을 통해 설계·시공·제조 전 과정의 데이터 단절을 해소하고, 현장 중심의 실질적인 성과 창출에 주력했다. 특히 BIM, 클라우드, 시뮬레이션, 생성형 AI를 기반으로 고객 사례를 확대하며 AX 실행 단계로의 전환을 가속화했다. 올해 오토데스크는 산업 특화 AI와 클라우드 플랫폼을 통해 국내 제조·건설 기업의 경쟁력 강화를 꾸준히 지원할 계획이다. ■ 최경화 국장     지난해 국내 제조/건축 시장에 대해 평가한다면? 지난해 국내 제조 및 건축 시장은 투자 위축, 원자재 비용 부담 등 복합적인 외부 환경 속에서 전반적으로 보수적인 기조를 유지한 한 해였다. 특히 건설 시장은 기존 자산의 효율적 운영과 비용 관리에 초점이 맞춰졌고, 제조 산업 역시 대규모 설비 투자보다는 생산성 개선과 공정 최적화 중심의 전략이 두드러졌다. 다만 이러한 환경 속에서도 대형 건설사를 중심으로 디지털 전환을 통해 사업 경쟁력을 강화하려는 움직임이 가시화되었다. 단순한 툴 도입을 넘어 데이터 기반의 의사결정 체계를 구축하려는 시도가 늘어난 한 해였다고 평가한다.   지난해 오토데스크의 주요 화두와 이로 인해 기대하는 변화는? 지난해 오토데스크의 핵심 화두는 ‘플랫폼’과 ‘AI’였다. 오토데스크는 개별 소프트웨어 공급을 넘어 설계부터 시공, 제조, 운영에 이르는 전 과정을 데이터로 연결하는 ‘디자인 & 메이크’ 플랫폼 기업으로 도약하기 위해 전략을 강화하고 있다. 산업 현장에서는 그동안 데이터가 단절되어 비효율이 발생하곤 했다. 하지만 오토데스크의 플랫폼 전략과 AI 기술이 결합되면서, 고객들은 단순 반복 작업에서 벗어나 창의적인 문제 해결에 집중할 수 있게 되었다. 특히 데이터와 자동화를 통해 단절된 워크플로를 연결함으로써 생산성을 획기적으로 높이는 변화가 현장에서 실제로 일어나고 있다.   지난해 주요한 비즈니스 성과 및 고객 성공사례를 소개한다면? 지난해 오토데스크는 단순 라이선스 공급을 넘어, 고객사가 명확한 비즈니스 목표를 달성할 수 있도록 돕는 ‘컨설팅 파트너’의 역할을 강화했다. 기술은 수단일 뿐이며 고객이 해결하고자 하는 품질, 안전, 원가 등의 문제를 정의하고 이를 해결하는 설루션을 함께 설계하는 데 집중했다. 대표적인 성공 사례로 GS건설과의 협업을 꼽을 수 있다. GS건설은 오토데스크 컨스트럭션 클라우드(ACC)를 도입하여 현장 검측 프로세스를 디지털화했다. 이를 통해 기존에 수작업으로 진행되던 검측 업무 준비 시간을 73% 단축했고, 태블릿과 웹을 통해 최신 BIM 모델을 실시간으로 확인하면서 연간 약 20만 장의 종이 문서를 절감하는 성과도 거두었다. 무엇보다 단순한 문서 관리를 넘어, 현장의 모든 데이터가 플랫폼에 축적되어 향후 자산으로 활용될 수 있는 기반을 마련했다는 점에서 디지털 전환의 모범 사례라고 할 수 있다. 또 다른 사례로는 행림종합건축사사무소가 있다. 행림종합건축사사무소는 오토데스크 포마(Autodesk Forma)의 생성형 AI 기능을 실무에 적극 도입하여 초기 설계 단계의 효율을 극대화했다. 지형, 일조, 소음, 바람 등 복잡한 환경 변수를 자동으로 분석하고, 수십 가지의 설계 대안을 생성·비교함으로써 최적의 결과물을 신속하게 도출해냈다. 이를 통해 초기 설계 검토 시간을 대폭 줄이고 정확도를 높였을 뿐만 아니라, 관련 데이터를 향후 프로젝트에서 활용 가능한 디지털 자산으로 축적한다는 점에서 AI 기반 설계 혁신의 좋은 사례라 할 수 있다.   최근 인수한 회사 및 이로 인한 변화, 전망에 대해 소개한다면? 오토데스크는 디자인 & 메이크 플랫폼의 완성을 위해 핵심 기술을 보유한 기업을 전략적으로 인수해왔다. 이는 각 분야별 전문성을 플랫폼에 통합하여 고객에게 끊김 없는 워크플로 환경을 제공하기 위한 것이다. 먼저 오토데스크 포마(Autodesk Forma)는 2020년 인수한 스페이스메이커(Spacemaker)를 기반으로 발전한 AI 네이티브 플랫폼으로, 설계 초기 단계에서 환경 분석과 대안 검토를 자동화해 보다 나은 의사결정을 지원한다. 최근에는 오토데스크 컨스트럭션 클라우드와의 통합을 통해 기획–설계–시공–운영을 하나의 연속된 흐름으로 연결하는 기반을 마련했다. 또한, 2021년 물 인프라 데이터 분석 및 시뮬레이션 전문 설루션 이노바이즈(Innovyze) 인수를 통해 상하수도 및 배수 시스템의 설계부터 운영까지 아우르는 디지털 트윈 설루션을 확보했다. 기후 변화로 인한 물 관리 중요성이 커지는 가운데, 이노바이즈의 시뮬레이션 기술은 지속 가능한 도시 인프라 구축에 핵심적인 역할을 하고 있다. 2023년 인수한 플렉스심(FlexSim)은 공장 및 물류 센터 시뮬레이션 설루션이다. 이를 통해 오토데스크는 공장 설계뿐만 아니라, 실제 공장 운영 시의 물류 흐름과 병목 현상을 디지털 환경에서 미리 검증할 수 있게 되었다. 제조 프로세스의 최적화를 지원하여 스마트 공장 구현을 가속화할 수 있는 기반을 마련했다.   엔지니어링 소프트웨어 분야에서 AI 대응을 위한 전략은? 오토데스크의 AI 전략은 보여주기 식이 아닌, 현장에서 바로 활용 가능한 실용성에 초점을 두고 있다. 데이터와 자동화를 통해 설계–제작–운영 전 과정의 단절된 워크플로를 연결하고 생산성을 높일 수 있는 고도화된 AI 기능을 제공한다. 오토데스크 AI(Autodesk AI)는 반복 작업 자동화, 축적된 데이터 기반 인사이트 제공, 기존 작업 성능 개선이라는 세 가지 축을 중심으로 발전하고 있다. 이러한 접근은 설계 정확도 향상, 일정 단축, 리스크 예측 등으로 이어지며, 실제 프로젝트 성과로 연결되고 있다. 다만 AI를 효과적으로 활용하기 위해서는 BIM과 같은 디지털 기반 데이터 축적이 선행돼야 한다. 오토데스크는 고객이 이러한 기반을 단계적으로 구축할 수 있도록 기술 컨설팅과 플랫폼을 함께 제공하고 있다.   올해 제조/건축 시장에 대한 전망은? 올해는 AI 전환(AX)이 본격 확산되는 해가 될 것이다. 지난해 오토데스크가 발표한 2025 디자인 & 메이크 글로벌 보고서에 따르면, 조사 대상 기업의 약 61%가 AX를 통해 상당히 의미 있는 생산성 향상을 경험했으며, 디지털 성숙도가 높은 기업일수록 AI 투자를 통해 의미 있는 생산성 향상과 ROI를 거두고 있다고 답했다. 올해는 많은 기업이 AI에 대한 관심을 넘어, 실제 업무 프로세스에 AI를 어떻게 적용할지 구체적으로 실행하는 단계로 진입할 것으로 전망한다. 특히 제조 분야에서는 스마트 공장 고도화와 함께 설계-제조 데이터의 통합이 가속화될 것이며, 건설 분야에서도 BIM 의무화 흐름과 맞물려 데이터 기반의 협업이 필수 생존 전략으로 자리 잡을 것이다.   올해 주목하는 시장 흐름이나 기술 이슈가 있다면? 최근 많은 기업이 AX를 얘기하지만, 이를 성공적으로 추진하는 데 있어 가장 경계해야 할 것은 ‘고립된 AI(siloed AI)’다. 전사적인 데이터 통합 없이 부서별로 파편화된 AI를 도입하면 오히려 데이터의 단절을 초래하여 큰 효과를 보기 어렵다. 따라서 올해의 핵심 이슈는 ‘데이터의 연결(connected data)’이 될 것이다. 설계, 시공, 운영 등 각 단계에서 생성되는 데이터가 하나의 클라우드 플랫폼에 축적되고, 이것이 산업 특화 AI와 연결될 때 비로소 진정한 AX가 실현될 수 있다. 오토데스크는 고객이 파편화된 데이터를 클라우드 상에서 통합 관리할 수 있도록 지원하는 데 주력할 것이다.   올해 신제품 출시나 기술 포트폴리오 확장 계획은? 올해는 AI 기반의 혁신적인 기능들이 제품 전반에 대거 탑재된다. 대표적으로 오토데스크 어시스턴트(Autodesk Assistant)는 자연어 대화를 통해 사용자가 필요한 정보를 찾거나 작업을 자동화할 수 있도록 지원한다. 또한 뉴럴 캐드(Neural CAD)와 같은 차세대 기술을 통해 복잡한 설계 형상을 AI가 이해하고 생성을 지원하는 기능도 선보일 예정이다. 한국 시장을 위한 특별한 라인업 확장도 있다. 국내 사용자들의 다양한 니즈를 반영하여 오토캐드 포트폴리오를 전문 툴셋을 포함한 오토캐드 플러스, 오토캐드, 오토캐드 LT, 오토캐드 웹 등으로 세분화하여 선택의 폭을 넓혔다. 이를 통해 고객은 프로젝트 규모와 예산에 맞춰 최적의 설루션을 선택할 수 있게 되었다.   올해 국내 비즈니스 계획은? 올해 오토데스크코리아는 고객 및 파트너와의 동반 성장을 최우선 목표로 삼고 있다. 첫째, SMB(중소·중견기업) 지원 강화이다. 공공 BIM 확산에 발맞춰 중소기업이 비용 부담 없이 BIM을 도입할 수 있도록 교육 프로그램과 공동 구매 프로모션 등을 관련 협회와 준비하고 있다. 둘째, 오토캐드 시장 확대이다. 확장된 오토캐드 라인업을 바탕으로 2D 도면부터 3D 설계, 현장 협업까지 아우르는 유연한 작업 환경을 제공하여 국내 설계 생산성을 높이는 데 기여할 것이다. 셋째, 미래 인재 양성이다. 정부 산하 기관 및 민간 교육 기관과 협력해 관련 교육 과정을 개설하고 있으며, 교육기관에 오토데스크 소프트웨어를 무상으로 제공하고 있다. ‘숙련된 인재를 확보하고 유지하는 것’이 디지털 전환의 핵심이라고 보고 있는 만큼, 이 부분에 중장기 투자를 이어갈 계획이다.   이외에 전하고 싶은 이야기가 있다면? 오토데스크의 미션은 ‘더 나은 세상을 함께 설계하고 제작하는 것(Design and Make a Better World Together)’이다. 기술은 그 자체로 목적이 아니라, 우리가 사는 세상을 더 안전하고, 편리하고, 지속 가능하게 만들기 위한 도구이다. 한국은 글로벌 시장에서도 혁신을 가장 빠르게 수용하고 실험하는 ‘혁신의 아이콘’이다. 오토데스크코리아는 한국의 기업들이 글로벌 경쟁력을 갖추고 성공적인 디지털 전환을 이룰 수 있도록, 가장 신뢰할 수 있는 파트너로서 늘 함께 할 것이다.     ■ '2025 국내 엔지니어링 소프트웨어 시장조사'에서 더 많은 내용이 제공됩니다.

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

산업을 위한 AI와 버추얼 트윈 기술 (2)   이번 호에서는 다쏘시스템의 LBM 기반 CFD 설루션인 파워플로(PowerFLOW)를 활용하여, 하중 및 회전에 의해 변형되는 트레드 타이어를 반영한 정밀 유동 예측 워크플로를 제시한다. 드라이브에어(DrivAer) 모델 적용을 통해 접지면과 사이드월 돌출부 형상 변화가 차량 항력 및 후류 구조에 미치는 영향을 분석하고, 실제 주행 조건을 고려한 차세대 공력 최적화 설계 프로세스의 방향성을 제안한다.   ■ 고석원 다쏘시스템의 유동해석 컨설턴트로, 국내 완성차 업체의 공력 및 공력소음 분야 CFD 프로젝트 수행 및 기술 지원을 담당하고 있다. 홈페이지 | www.3ds.com/ko   EV(전기자동차) 시대에 접어들면서 공력 성능은 단순한 항력 계수(Cd : Drag Coefficient) 저감의 문제가 아니라, 에너지 효율과 주행거리 경쟁력을 결정하는 핵심 설계 변수로 자리잡았다. 특히 고속 주행 영역에서는 타이어 주변에서 형성되는 복잡한 와류 구조가 전체 항력에 상당한 영향을 미친다. 그러나 현재까지 많은 외부 유동해석은 계산 효율과 모델 단순화를 이유로 강체 타이어 형상을 가정해왔다. 실제 주행 조건에서는 차량 하중과 회전에 의해 타이어 접지면이 평탄화되고, 트레드 패턴이 국부적으로 변형된다. 이러한 기하학적 변화는 경계층 발달과 박리 위치, 그리고 후류 구조에 직접적인 영향을 미친다. 그럼에도 불구하고 설계 단계에서 이러한 변형 효과는 충분히 반영되지 못하는 경우가 많다. 이 간극은 단순한 수치 오차를 넘어, 설계 의사 결정의 신뢰성 문제로 이어질 수 있다. 기존의 전산유체역학(CFD : Computational Fluid Dynamics) 접근에서는 회전 조건을 MRF(Moving Reference Frame) 혹은 LRF(Local Reference Frame) 기법을 구현하고, 접지부는 이상적인 평면 조건으로 단순화한다. 이 방식은 빠른 비교 분석에는 적합하지만, 접지부 인근의 비대칭 유동 구조와 시간에 따라 변화하는 와류 변동을 충분히 재현하기 어렵다. 특히 하중에 의해 형성되는 접지부 형상 변화는 타이어 하부 압력 분포를 바꾸고, 이는 차체 하부 유동과 상호작용하며 항력 특성에 영향을 미친다. 고속 주행 시에는 원심력에 의한 외경 변화까지 더해져 형상 변형이 복합적으로 발생한다. 따라서 현실 기반 공력 예측을 위해서는 타이어 변형을 포함한 해석 전략이 요구된다.   파워플로 기반 정밀 유동 예측 방법론 이번 호에서는 LBM(Lattice Boltzmann Method) 기반 CFD 설루션인 파워플로를 활용하여 하중 및 회전 변형을 반영한 해석 환경을 구축하였다. 차량 모델은 <그림 1>과 같이, 오픈소스 표준 차체 형상인 드라이브에어 모델을 적용하였다. 타이어 형상은 단순 강체 모델과 실제 하중 조건을 반영한 변형 트레드 타이어 모델을 사용하였다. 변형 형상은 파워플로의 전처리 모듈인 파워델타(PowerDELTA)를 통해 구현되었으며, <그림 2>와 같이 정적 하중에 의해 형성되는 접지면(contact patch)과 사이드월 돌출부(bulge)를 기하학적으로 재현하였다. 수치해석 방법에는 회전하는 타이어에 IBM(Immersed Boundary Method)을 적용하여 타이어 인근에서 시간에 따라 변화하는 유동 구조와 후류 거동을 정밀하게 분석하였다.   그림 1. 드라이브에어 차량 형상   그림 2. 접촉면과 돌출부의 형상(왼쪽 : 접촉면, 오른쪽 : 돌출부)   해석 케이스 구성 해석 케이스는 변형 타이어의 적용 유무와 <그림 3>에 나타낸 바와 같이, 타이어 변형 효과를 체계적으로 비교하기 위해 다음 세 가지 인자를 독립적으로 변화시켰다. 사이드월 돌출부(bulge, B) 횡방향 삽입각(slip angle, α) 접지면 폭(contact patch width, W)   그림 3. 변형 타이어 인자 변화 조건   각 변수 변화에 따른 항력 특성 및 후류 구조 변화를 비교함으로써, 설계 관점에서 지배적인 인자를 도출하고자 하였다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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.