가트너(Gartner)가 ‘2025 AI 하이프 사이클(2025 Gartner Hype Cycle for Artificial Intelligence)’ 보고서를 통해 주목해야 할 주요 AI 혁신 기술을 발표했다. 가트너는 2025년 가장 빠르게 발전하는 기술로 ‘AI 에이전트(AI Agents)’와 ‘AI 레디(AI-Ready) 데이터’를 꼽았다. 이들 기술은 올해 높은 관심을 받고 있으며, 낙관적인 전망 및 투기적인 약속이 이어지면서 부풀려진 기대의 정점에 도달한 것으로 나타났다. 가트너 하이프 사이클은 기술 및 애플리케이션의 성숙도와 도입 현황을 시각적으로 표현하고, 실제 비즈니스 문제 해결 및 새로운 기회 창출과의 잠재적 연관성을 제시한다. 이 방법론은 시간 흐름에 따른 기술 또는 애플리케이션 발전 과정을 조망하고, 특정 비즈니스 목표의 맥락에서의 효과적인 도입 관리를 위한 신뢰 있는 인사이트를 제공한다.     AI 에이전트는 AI 기술을 활용해 디지털, 물리 환경에서 인지하고, 의사결정을 내리며, 행동을 수행하고 목표를 달성하는 자율 또는 반자율 소프트웨어다. 기업은 대형 언어 모델(LLM)을 비롯한 다양한 AI 기술과 사용 사례를 활용해 복잡한 작업을 수행할 수 있는 AI 에이전트를 개발 및 배포하고 있다. AI 레디 데이터는 데이터 세트가 AI 애플리케이션에 최적화되도록 보장해 정확성과 효율성을 향상시킨다. 데이터의 준비 상태는 특정 AI 사용 사례에 대해 얼마나 적합한 데이터인지로 결정되며, 이는 해당 사용 사례와 AI 기술 맥락에서 결정될 수 있다. 이는 데이터 관리에 대한 새로운 접근 방식을 요구한다. 가트너는 AI에 대규모로 투자하는 기업이 데이터 관리 관행과 역량을 AI 환경에 맞게 발전시켜야 한다고 조언했다. 이를 통해 기존 및 향후 비즈니스 요구사항 충족, 신뢰 확보, 위험 및 준수 문제 방지, 지적 재산 보호, 편향과 환각 감소를 달성할 수 있다고 전했다. 또한, 가트너는 ‘멀티모달(Multimodal) AI’와 ‘AI 신뢰, 위험, 보안 관리(TRiSM)’가 향후 5년 내 AI 혁신 기술의 주류가 될 것이며 부풀려진 기대의 정점을 주도하고 있다고 분석했다. 이러한 기술 발전은 보다 강력하고 혁신적이며 책임감 있는 AI 애플리케이션을 구현해 기업의 운영 방식을 변화시킬 것으로 전망된다. 멀티모달 AI는 이미지, 비디오, 오디오, 텍스트 등 여러 유형의 데이터를 동시에 학습하는 모델이다. 다양한 데이터 소스를 통합하고 분석함으로써 단일 유형의 데이터만 사용하는 모델보다 복잡한 상황을 더 효과적으로 이해할 수 있다. 이를 통해 사용자에게 더 명확한 정보를 제공하고 AI 애플리케이션의 새로운 가능성을 열 수 있다. 가트너는 멀티모달 AI가 향후 5년 동안 모든 산업 분야의 애플리케이션과 소프트웨어 제품의 성능 향상에 점점 더 필수 요소로 자리 잡을 것으로 전망했다. AI TRiSM은 윤리적이고 안전한 AI 도입을 위한 핵심 기술 프레임워크이다. 이는 모든 AI 사용 사례에 대한 기업 정책을 지원하고, AI 거버넌스, 신뢰성, 공정성, 안전성, 보안, 개인정보 보호, 데이터 보호를 보장하는 기술 계층으로 구성되어 있다. 가트너의 하리타 칸다바투(Haritha Khandabattu) 시니어 디렉터 애널리스트는 “올해도 AI에 대한 투자가 활발하게 이어지는 가운데 운영 확장성, 실시간 인텔리전스를 위한 AI 활용이 주목받고 있다”며, “생성형 AI 중심에서 AI 에이전트, AI 레디 데이터와 같은 지속 가능한 AI 제공을 지원하는 기반 기술로 이동하는 추세”라고 전했다. 이어서 칸다바투 시니어 디렉터 애널리스트는 “AI는 막대한 비즈니스 잠재력을 가지고 있지만 이는 저절로 실현되지 않는다. 목표 달성을 위한 핵심은 비즈니스와 연계된 파일럿 프로젝트, 인프라 벤치마킹, 가치 창출을 위한 AI와 비즈니스 팀 간 협력”이라고 강조했다.

최적화 문제를 통찰하기 위한 심센터 히즈 (6)   심센터 히즈(Simcenter HEEDS)는 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 데에 도움을 준다. 이번 호에서는 토크 암(torque arm)의 설계 최적화를 위해 히즈에서 심센터 3D(Simcenter 3D) 솔버를 연계하여 시뮬레이션 자동화 워크플로를 구성하고 최적화를 진행하는 예제를 소개한다.   ■ 연재순서 제1회 AI 학습 데이터 생성을 위한 어댑티브 샘플링과 SHERPA의 활용 제2회 근사모델 기반의 최적화 vs. 직접 검색 기반의 최적화 제3회 수집 또는 측정된 외부 데이터의 시각화 및 데이터 분석 제4회 산포특성을 가지는 매개변수의 상관성 및 신뢰성 분석 제5회 실험 측정과 해석 결과 간의 오차 감소를 위한 캘리브레이션 분석 제6회 프로세스 자동화 Ⅰ – 구조 설계 최적화 제7회 프로세스 자동화 Ⅱ – 모터 설계 최적화 제8회 프로세스 자동화 Ⅲ – 유로 형상 설계 최적화 제9회 프로세스 자동화 Ⅳ – 다물리 시스템 최적화 제10회 프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화   ■  이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 히즈를 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   그림 1   <그림 1>은 실제 토크 암 제품 이미지와 적용된 위치 및 구조적 특성을 보여주는 예시로, 이 최적화 사례에서 다룬 실제 제품 및 설계 환경을 이해하는 데 참고하길 바란다. 이번 예제에서는 질량 최소화 및 구조적 제약 조건 만족이라는 실제 공학 설계 과제를 효율적으로 수행하는 데 히즈의 성능과 활용성을 살펴 볼 것이다. 이 사례에서 설계 최적화의 목표는 토크 암의 질량을 최소화하는 것이다. 단, 구조적 제약 조건을 반드시 만족해야 하는데, 이 때 구조적 무결성(structural integrity)을 유지하기 위해 응력 수준이 재료의 항복 응력(yield stress)을 넘지 않아야 하는 조건을 만족해야 한다. 이를 위해 설계 상에서 사전에 선정한 치수 변수를 범위 내에서 조정하게 된다. 최적화 설계 프로세스는 심센터 3D와 히즈 MDO를 활용하여 자동화된 워크플로 방식으로 진행된다. 즉, 심센터 3D에서 나스트란(Nastran) 솔버를 이용한 구조 해석 결과를 히즈가 자동으로 처리하고, 해당 결과를 평가하여 최적의 설계안을 찾는 방식이다.   프로세스 자동화(Process Automation) 다분야 설계 최적화(MDO : Multidisciplinary Design Optimization) 수행 시, 설계 및 분석 프로세스는 여러 소프트웨어 환경에서 이루어진다. 이런 환경에서 효율적인 데이터 교환 및 프로세스 연동이 필수이므로, 데이터를 신속하고 정확하게 받기 위해서는 직접 인터페이스 포털(Direct Interface Portal)이 필요하다. 히즈에서는 여러 공학 분야에서 흔히 사용하는 CAD 및 CAE 툴(아바쿠스, 앤시스, 카티아, 솔리드웍스, 매트랩, LS-다이나, 심센터, 파이썬 등)을 모두 지원하므로, 사용자는 기존에 보유한 다양한 소프트웨어를 그대로 활용하면서 히즈를 이용하여 최적화 작업을 자동화할 수 있다. 히즈가 제공하는 직접 인터페이스 포털 중 일부를 <그림 2>에 나타내었다. 포털을 사용하여 <그림 3>과 같이 구성하면 사용자가 수동으로 결과를 처리하고 데이터를 전환하는 번거로운 작업을 하지 않아도 된다. 이는 시간 소모 및 인적 오류 가능성을 줄이고, 작업 흐름을 더 효율적이고 빠르게 만든다. 워크플로의 자동화가 가능하기 때문에, 결과적으로 여러 분야의 시뮬레이션 모델이나 분석을 보다 빠르고 신뢰도 높게 수행하여 더 나은 설계 및 최적화 결과를 도출할 수 있다.   그림 2   그림 3   최적화 문제 정의   그림 4   설계 목적은 <그림 4>에 나타낸 토크 암의 질량을 최소화하는 것이다. 주어진 하중 조건은 25kN이며, 이 때 구조물이 교차 방향에서 받는 최대 응력이 항복 강도를 초과하지 않아야 한다.(최대 700MPa) 또한 최대 변형량이 4mm를 초과하지 않는다는 제약 조건도 함께 고려한다. 최적화에 적용할 주요 치수 변수는 <그림 5>와 같으며, 특히 두께(Thickness of Extrude)를 변수(T1)로 설정하여 최적화 문제를 규정했다.   그림 5     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (24)   현재의 컴퓨팅 성능은 전례 없는 수준이다. 덕분에 더 큰 시스템을 시뮬레이션하고 복잡한 현상을 더 정확하게 예측할 수 있는 고급 계산 기법이 개발되었다. 그러나 터보 기계 시스템의 시뮬레이션은 각 구성 요소를 개별적으로 시뮬레이션하는 현재의 관행으로 인해 구성 요소 간의 상호 작용을 고려하지 못하기 때문에 여전히 과제를 안고 있다. 이 문제를 해결하고 효율성, 신뢰성, 저배출 측면에서 항공 엔진 설계를 개선하기 위해 피델리티 플로우(Fidelity Flow) 유동 솔버의 레이놀즈-평균 나비에-스토크스 방정식을 기반으로 새로운 방법론이 개발되었다. 이 접근 방식을 사용하면 단일 코드를 사용하여 전체 엔진의 완전 결합 시뮬레이션이 가능하다. 이번 호에서는 새로운 방법론인 유동 솔버 기술과 그 구현을 통해 얻은 결과에 대해 설명한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1. KJ66 MGT의 레이아웃 : ① 임펠러, ② 디퓨저, ③ 연소실, ④ HPT 노즐, ⑤ HPT 로터, ⑥ LPT 노즐, ⑦ LPT 로터, ⑧ 디월 베인, ⑨ 배기 후드   방법론 완전한 항공 엔진 및 가스 터빈 시스템에 대해 안정적이고 시간이 정확하며 완전히 결합된 시뮬레이션을 수행하기 위한 새로운 접근 방식이 개발되었다. 이 방법은 비선형 고조파(NLH) 기법을 사용하여 불안정한 효과를 포착하여 계산 시간을 절약할 수 있다. 이 접근법의 연소 프로세스는 효율적이고 신뢰할 수 있는 화염 생성 매니폴드(FGM)에 의존한다. 비활성 시뮬레이션에 비해 연소 과정을 모델링할 때 발생하는 계산 오버헤드는 약 50%에 불과하다. 또한 스마트 인터페이스 접근 방식은 전체 시스템에서 스칼라의 이동을 피하기 위해 구현되어, 흐름이 반응하는 곳에서만 연소 이동 변수를 해결함으로써 계산 오버헤드를 최소화한다.   유동 솔버 이 연구는 압력 기반 및 밀도 기반 설루션 체계로 구성된 케이던스 충실도 유동 솔버를 사용하여 수행된다. 유동 솔버 패키지에는 터보 기계 모델링, 대형 와류 시뮬레이션(LES), 공액 열전달(CHT), 유체-구조 상호작용(FSI), 스프레이용 라그랑지안 모듈, 캐비테이션, 복사, 다상 유동 및 연소 모델을 포함한 광범위한 물리 모델이 탑재되어 있다. 혼합 평면, 프로즌 로터, 슬라이딩 메시와 같은 표준 접근 방식이 터보 기계 모듈에 구현되어 있다. 또한 다음에서 설명하는 터보 기계 애플리케이션의 불안정한 흐름을 효율적으로 계산하기 위해 비선형 하모닉 방법을 사용할 수 있다.   비선형 고조파 방법(NLH) NLH 방법은 시간 평균 흐름에 대한 불안정성의 영향을 고려하는 비선형 접근 방식이다. 이러한 효과는 결정론적 스트레스로, 주기적 변동의 시간 평균 곱으로 나타난다. NLH 방법의 장점은 계산 효율에 있다. 평균 유동장에 대한 정상 상태 해와 사용자가 해결하기로 선택한 각 고조파의 실수 및 가상 부분에 대한 정상 상태 해만 결정하면 된다. 설루션 정확도는 고조파의 수에 따라 달라지지만, 일반적으로 불안정한 효과를 포착하는 데에는 몇 개의 고조파만 필요하다. 피델리티 플로우의 NLH 모듈은 인접한 행과 인접한 행 사이의 상호작용을 상대 회전 속도에 관계 없이 모델링할 수 있는 랭크 2 효과를 설명한다. 즉, NLH 모듈은 더 복잡하고 불안정한 상호작용을 설명할 수 있다. 랭크 2 설루션을 사용하면 포스트 프로세싱 모드에서 클로킹의 효과를 연구할 수 있다. 또한 피델리티 플로우의 NLH 모듈은 각 블레이드 행에서 사용할 고조파 수를 유연하게 정의할 수 있어, 시뮬레이션 프로세스를 더욱 맞춤화할 수 있고 효율적으로 만들 수 있다.   그림 2. 혼합 평면과 NLH 방식을 사용한 회전자-회전자 상호작용 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.

한국산업지능화협회(KOIIA)는 인공지능(AI) 학습 데이터 및 플랫폼 전문기업인 크라우드웍스와 ‘제조 특화 AI 에이전트 평가·인증체계 공동구축 및 생태계 조성’을 위한 업무협약(MOU)을 맺었다고 밝혔다.  이번 협약은 제조 산업에서 활용되는 AI 에이전트(AI agent)의 정량적 성능과 신뢰·공정성 등을 검증하고 표준화된 기준을 마련하여, 산업계 전반의 AI 기술 신뢰성을 확보하기 위한 첫 단계다. 협약에 따라 양 기관은 ▲제조 특화 AI 에이전트 평가 인프라의 공동기획 및 운영 ▲실제 환경 기반 표준 데이터셋 구축 및 검증 ▲신뢰성, 성능, 공정성에 대한 정량 평가 수행 ▲기타 양 기관이 합의하는 평가·인증체계와 데이터 표준기반 구축 등 인공지능 기술의 신뢰성과 제조산업 AI 생태계 조성을 위한 활동을 공동으로 추진한다.  특히, 이번 협약은 향후 다양한 기술기업과 유관기관이 참여하는 협의체 기반의 생태계 확산을 염두에 두고 있으며, 산업 전반에 적용 가능한 평가·인증체계로 발전시키는 것을 목표로 하고 있다는 것이 한국산업지능화협회의 설명이다. 한국산업지능화협회 이길선 전무는“제조 특화 AI 에이전트 평가·인증체계는 산업 AI가 실제 현장에서 신뢰를 얻고 확산되기 위한 핵심 인프라”라며, “이번 협약은 민간 주도의 장기적 인증 생태계 기반 구축을 위한 의미 있는 첫걸음”이라고 밝혔다.   

앤시스는 자사의 모든 제품에 AI 기반 시뮬레이션 기능을 확대 적용한 최신 릴리스 ‘앤시스 2025 R2(Ansys 2025 R2)’를 발표했다. 앤시스 2025 R2는 시뮬레이션의 속도와 접근성을 높이는 동시에 강화된 솔버, 간소화된 워크플로, 파이썬(Python) 호환성 확대, 온디맨드 클라우드 컴퓨팅 지원 등을 통해 설계 유연성과 생산성을 높일 수 있게 했다. 또한, 초기 설계 단계에서 스마트한 의사결정을 가능하게 하여 차세대 위성부터 데이터센터 설계까지 다양한 산업 분야에서 실질적인 가치를 제공하는 데에 초점을 맞췄다. AI 기반의 도구와 기능을 통해 시뮬레이션 도입 장벽을 낮추고, 팀 간 협업을 촉진하며, 전사적인 생산성을 향상시켜 더 나은 결과를 창출할 수 있도록 지원하는 것도 특징이다. 앤시스 2025 R2는 AI 기반 가상 어시스턴트인 앤시스 엔지니어링 코파일럿(Ansys Engineering Copilot)을 포함한 다양한 신기능을 통해 시뮬레이션의 접근성과 설계 효율, 정확도를 높인다. 앤시스 엔지니어링 코파일럿은 앤시스 GPT(Ansys GPT), 앤시스 웹사이트, 수천 개의 기술 문서, 800개 이상의 이노베이션 강의, 글로벌 포럼, 지원 케이스 생성/추적 기능에 바로 접근할 수 있다. 앤시스는 마이크로소프트 애저 AI 파운드리와 앤시스 GPT의 통합으로 엔지니어가 핵심 정보에 신속하게 접근하고, 엔지니어링 전문성을 활용할 수 있게 했다. 앤시스 엔지니어링 코파일럿은 앤시스 메카니컬(Ansys Mechanical), 앤시스 디스커버리(Ansys Discovery), 앤시스 플루언트(Ansys Fluent), 앤시스 HFSS(Ansys HFSS), 앤시스 일렉트로닉 데스크톱(AEDT), 앤시스 스케이드 원(Ansys Scade One), 앤시스 스피오스(Speos), 앤시스 맥스웰(Maxwell), 앤시스 옵티스랭(optiSLang), 앤시스 루메리컬(Ansys Lumerical) 등 주요 설루션에 통합되어 있으며, 클릭 한 번으로 축적된 엔지니어링 전문 지식에 대한 즉각적 접근이 가능하다. 앤시스는 “AI 기반의 엔지니어링 코파일럿을 활용하면 HFSS 기반 방사 패턴 시뮬레이션의 연산 속도를 17배 높일 수 있다. 이외에도 위상 배열 안테나의 빔 조향 정확도를 개선해 5G/6G, 레이더 센서, 위성통신 등 고주파 애플리케이션을 최적화할 수 있다”면서, “이러한 기능을 향상된 데이터 처리 및 자동화와 결합함으로써, 기업은 새로운 효율성을 확보하고 보다 간소화되고 확장 가능한 워크플로를 구축할 수 있다”고 설명했다.     앤시스 2025 R2는 복잡한 데이터 처리 및 관리 작업을 간소화함으로써 디지털 엔지니어링의 생산성과 협업 수준을 높인다. 견고한 데이터 관리 체계를 기반으로, 제품 수명주기 전반에 걸쳐 데이터를 최대한 활용하고, AI 모델 학습 및 신뢰성 높은 합성 데이터 생성을 지원한다. 또한, 모델 기반 시스템 엔지니어링(MBSE)의 기능이 한층 강화되어 팀 간 신뢰 기반 협업은 물론, 디지털 연속성과 조직 간 통합된 워크플로 체계를 안정적으로 유지할 수 있다. 파이썬 호환성 확장을 통해 워크플로 자동화와 데이터 관리 유연성이 강화되었으며, 반복 가능한 프로젝트 운영과 품질 향상에 기여하고 있다. 스마트 자동화와 고도화된 데이터 관리 기술은 조직 내 다양한 팀들 간의 유기적이고 효율적인 협업 환경을 구축하고, 고성능 연산 기반으로 도출된 인사이트는 실행 가능한 결과로 제안되어, 정확하고 신속한 의사결정을 지원한다. 뿐만 아니라, 앤시스는 핵심 엔지니어링 역량을 지속적으로 고도화하며, 사용자가 보다 신속하게 시뮬레이션 결과를 도출하고 혁신 기회를 창출할 수 있도록 지원한다고 소개했다.  이러한 가속화는 클라우드 기반 시뮬레이션의 유연성을 통해 한층 강화된다. 앤시스 2025 R2는 클라우드 기술, 고성능 컴퓨팅(HPC), GPU 최적화 인프라를 적극 활용하여 연산 효율과 시뮬레이션 확장성을 강화한다. 앤시스는 “이를 통해 고객은 더 많은 설계 가능성을 더 짧은 시간 안에 탐색할 수 있다. 웹 기반 및 온디맨드 기능 확장을 통해 엔지니어는 필요한 툴에 손쉽게 접근할 수 있으며, 데스크톱 환경을 넘어서는 개발 역량 확보가 가능해졌다”고 전했다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스의 시뮬레이션은 물리 기반 설계의 기준점이자 이론과 실험을 연결하는 가교 역할을 해 왔다. 50년 이상의 고급 물리 해석 경험을 바탕으로, 앤시스 2025 R2는 더욱 스마트하고 빠르며 복잡한 시뮬레이션을 구현할 수 있도록 지원한다”면서, “모델·메타데이터·추적성·표준 기반의 데이터 활용을 통해 미래의 혁신적인 제품 개발을 위한 엔지니어링 역량을 강화할 것”이라고 강조했다.

차량 네트워크 및 임베디드 시스템 개발 분야의 소프트웨어 설루션을 제공하는 벡터코리아는 차량 제어 시스템 신뢰성 확보를 위해 SIL(Software-in-the-Loop) 및 HIL(Hardware-in-the-Loop) 테스트를 통합하여 고품질 개발 및 검증 환경을 구현할 수 있도록 지원하는 ‘SIL/HIL 통합 테스트 시스템’을 공급한다고 밝혔다. 벡터의 SIL 테스트는 실제 하드웨어 없이 가상 환경에서 제어기 소프트웨어를 시뮬레이션하며, 개발 초기 단계에서 오류를 조기에 발견하고 논리적 동작을 검증할 수 있도록 지원한다. 벡터의 CANoe 플랫폼은 이러한 SIL 테스트를 위한 툴로, 끊김없는 통합, 높은 확장성, 자동화 기능을 통해 복잡한 테스트 시나리오도 신속하고 효율적으로 수행할 수 있도록 지원한다. 벡터의 HIL 테스트는 실제 하드웨어를 테스트 루프에 포함시켜, 실제 작동 환경과 유사한 조건에서 제어기 소프트웨어를 검증하는 방식이다. 벡터의 HIL 테스트 시스템은 사용자의 요구에 맞춘 맞춤형 설계가 가능하며, 고정밀 센서 시뮬레이션, 실시간 제어, 복합 통신환경을 통해 정밀하고 신뢰도 높은 테스트 결과를 제공한다. 벡터의 SIL 및 HIL 테스트 시스템은 차량 제어기(ECU) 소프트웨어의 품질과 신뢰성을 확보하기 위한 핵심 도구로서, 각각의 테스트 방식은 개발 단계에서 상호 보완적인 역할을 수행한다. SIL은 개발 초기의 가상 테스트에 적합하고, HIL은 실제 조건에 가까운 최종 검증에 적합하기 때문에, 이 두 방식의 유기적인 연계는 개발 전 과정의 품질과 효율을 극대화하는 핵심 전략이 된다.     차량용 제어 시스템의 품질과 신뢰성을 확보하기 위해서는 SIL 및 HIL 테스트 방식의 통합이 필수이다. 이 두 테스트 방법을 개발 프로세스 전반에 통합하면, 소프트웨어 및 하드웨어의 잠재적인 결함을 조기에 식별할 수 있다. 특히 SIL과 HIL의 유기적 연결을 통해 테스트를 진행하면 효율을 높일 수 있다. 벡터코리아는 “유연하게 SIL 테스트를 HIL 테스트로 확장하면 새로운 테스트 케이스 개발에 필요한 리소스 사용을 최소화하면서, 끊김 없는 검증 프로세스를 구현함으로써 전체 개발 과정의 속도와 품질을 높일 수 있다. 결과적으로, 이를 통해 실제 작동 환경으로의 전환 시 기능성, 품질, 신뢰성, 개발 속도 측면 모두에서 높은 성과를 달성할 수 있다”고 설명했다. SIL과 HIL 테스트의 결합은 차량 개발 전반에서 포괄적이고 효율적인 검증을 가능하게 해준다. SIL 테스트를 통해 가상 환경에서 초기 단계의 소프트웨어 검증 및 최적화를 수행할 수 있다. 이후 HIL 테스트를 통해 실제 하드웨어 조건에서 소프트웨어를 검증하며, 현실 기반의 신뢰성 있는 테스트가 가능하다. 벡터코리아는 끊김 없는 테스트 프로세스를 위해 각 SIL/HIL 환경에 맞는 SIL 어댑터(SIL Adapter)와 HIL 어댑터(HIL Adapter)를 통해 테스트 케이스 및 환경을 최대한 재활용할 수 있다고 전했다. 이는 테스트를 조기에 수행하는 시프트 레프트(shift-left) 테스팅 전략과 맞물려 개발 초기 단계에서부터 테스트를 통해 오류를 조기에 발견하고, 전반적인 개발 기간을 단축하며, 제어기 소프트웨어의 품질을 높일 수 있다. 또한, 벡터는 고객의 임베디드 시스템에 대한 포괄적인 검증 및 검토(validation & verification)를 위한 완전한 SIL 및 HIL 테스트 시스템을 제공한다고 소개했다. 이 시스템은 각 고객의 개발 프로세스에 정밀하게 맞춰 구성되며, 개발 프로세스에 자연스럽게 통합되고, 고객 맞춤형 유연성과 모듈형 확장성, 빠른 시장 진입, 그리고 자원 효율성과 비용 절감까지 모두 갖춘 벡터의 테스트 시스템은 최적화된 구조로 효과적인 검증 환경을 제공한다.

주요 디지털 트윈 소프트웨어 해상공사 통합관리 시스템, OCMS   개발 및 정보 : 이엔지소프트, 02-3270-7800, www.engsoft.kr   이엔지소프트는 2010년 설립 이후 건설, 토목, 플랜트 산업 전반에서 설계, 제작, 시공 및 유지보수를 지원하는 IT 솔루션 개발에 앞장서 온 소프트웨어 전문 기업이다. 대표 제품인 OCMS(Offshore Construction Management System)는 디지털 트윈 기술을 기반으로 한 해상공사 통합관리 시스템으로, 해상풍력 공사 경험이 풍부한 독일의 OMEXON과 협력하여 개발되었다. OCMS는 고객의 요구에 따라 맞춤형 스마트 대시보드 형태로 제공되며, 구축 후 지속적인 유지보수를 지원한다.  1. 주요 특징 OCMS는 사용자 편의성과 기술적 완성도를 갖춘 웹 기반 애플리케이션으로, 설치 없이 인터넷 브라우저만으로 접근할 수 있다. 또한 다양한 IoT 장비와 디지털 트윈 기술을 결합해 실시간 데이터를 정확하고 신뢰성 있게 제공하여 해상공사의 복잡한 환경을 효율적으로 관리할 수 있다. 2. 주요 기능 OCMS는 프로젝트에 투입된 인원, 선박, 장비 등의 자원을 통합적으로 관리하고, 작업 계획부터 선박의 상세한 수송 계획까지 모든 데이터를 체계적으로 관리할 수 있게 한다. 작업자와 선박의 위치를 실시간으로 추적해 해상 교통 관제에 활용할 수 있으며, 계획의 이행 여부도 손쉽게 확인할 수 있다. 또한, 모든 프로젝트 데이터와 과정을 자동으로 기록하여 평가 자료와 법적 근거로 활용할 수 있도록 지원한다. 3. 도입 효과 해상공사는 접근이 제한된 현장, 환경 요인의 변동성, 위험 요소가 많은 작업이라는 특수성이 있다. OCMS는 이러한 특성을 고려한 통합 관리 기능을 통해 실시간 모니터링과 데이터 관리를 가능하게 하여 신속하고 정확한 의사 결정을 지원하며, 작업의 안전성을 높이고 공사의 안정성을 강화한다. 이는 곧 해상공사의 전반적인 효율성을 극대화하는 결과를 가져온다. 4. 주요 고객 OCMS는 다양한 해상공사 프로젝트에서 성공적으로 활용되고 있으며, 특히 국내에서 유일하게 해상풍력발전단지 공사관리시스템의 현장적용사례를 보유하고 있다. 대표적인 고객 사례로는 현대건설의 제주 한림해상풍력 프로젝트, 전남해상풍력 주식회사의 전남해상풍력 1단지 프로젝트, 그리고 삼해종합건설의 낙월해상풍력 프로젝트가 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기  

헥사곤 애셋 라이프사이클 인텔리전스 사업부(헥사곤 ALI)는 차세대 산업용 데이터 플랫폼인 HxGN SDx2를 공식 발표했다. HxGN SDx2는 클라우드 네이티브, 멀티 테넌트 SaaS(서비스형 소프트웨어) 기반으로 설계된 설루션으로, 산업 시설 전반에 데이터의 연결성을 구축하고 인사이트를 제공하는 디지털 백본을 제공한다. 데이터, 워크 프로세스, 정보 시스템을 통합해 자산 생애주기 전반에 걸쳐 상황 인지와 역할에 최적화된 인사이트를 제공하며, 산업 프로젝트와 자산 운영의 회복탄력성과 효율성, 안전성을 향상시킨다. 에너지, 제약, 반도체, 건설, 석유화학 공정 제조 등 복잡한 물리적 자산을 보유한 산업 기업들은 노후화된 인프라, 레거시 시스템, 숙련 인력의 감소, 운영 비용 증가 등 다양한 과제에 직면하고 있다. 이에 따라 디지털 전환과 ESG 요건 충족을 위한 복잡성도 증가하고 있으며, 이를 해결할 수 있는 혁신적 디지털 플랫폼의 필요성이 더욱 커지고 있다. HxGN SDx2는 산업 기업이 디지털 전환을 통해 복잡한 환경을 극복하고, 최적의 운영 효율과 지속 가능성을 달성할 수 있도록 지원한다. 이 플랫폼은 프로젝트부터 운영, 유지보수까지 전 생애주기 데이터를 통합해 신뢰성 높은 디지털 트윈을 구현하며, 기존 시스템 및 워크플로와의 유연한 연계를 통해 고객의 기술 투자 가치를 극대화한다.     HxGN SDx2는 ▲리스크 예측 모니터링 ▲연계 정보 ▲지능형 시각화 ▲AI/ML 기반 자동화 등의 기능을 제공한다. 리스크 예측 모니터링(Predictive Risk Monitoring)은 실시간 인사이트 제공으로 예기치 못한 다운타임을 최소화하고 유지보수 비용을 절감한다. 또한 통합 시각화 도구를 통해 이해관계자 간 원활한 협업과 조정을 지원한다. 연계 정보(Information Map) 기능은 자산 관련 정보를 유기적으로 연결하고 시각화해 운영의 접근성과 효율성을 높이고, 정보 탐색 시간을 단축한다. 지능형 시각화(Visual Intelligence)기능은 기존 문서 중심의 정보 제공 방식을 탈피해 2D 및 3D 설계 데이터를 기반으로 시각적 정보를 제공함으로써 이해도와 전달력을 높인다. AI/ML 기반 자동화 기능(AI/ML-Based Automation Features)은 프로세스 자동화와 수작업 의존도 감소를 통해 데이터 품질을 개선하고 생산성을 높인다. HxGN SDx2는 산업 시설의 성능과 수익성을 높이면서, 자산의 상태와 프로젝트 실행 정보를 종합적으로 관리할 수 있는 플랫폼이다. 디지털 스레드를 통해 전사의 정보 흐름을 연결하며, 산업 기업이 미래의 운영 모델을 보다 민첩하게 구축할 수 있도록 지원한다. 헥사곤 ALI의 마티아스 스텐버그(Mattias Stenberg) 글로벌 대표는 “오늘날 산업 기업들은 복잡한 글로벌 운영 환경 속에서 디지털 전환을 통해 지능형 운영 역량, 효율성, 그리고 회복탄력성을 확보해야 한다”면서, “HxGN SDx2는 헥사곤의 스마트 디지털 리얼리티 비전을 구현하는 핵심 플랫폼으로서, 고객이 데이터 무결성을 유지하는 동시에 효율적인 프로젝트 수행과 지속 가능한 운영을 가능하게 하는 혁신적인 도구를 제공한다”고 강조했다.