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.

딜로이트(Deloitte)는 인더스트리 4.0을 직접 체험할 수 있는 스마트 공장의 모델 시설을 독일 뒤셀도르프에 열었다고 밝혔다. 이 스마트 공장은 사이버-물리 시스템(CPS)의 개발 및 생산에 관련된 모든 산업을 대상으로 하며, 여러 전문 부서 간의 협업을 조율하고 회사 내외부의 수많은 이해관계자를 통합해야 하는 기업을 위해 마련되었다. 딜로이트와 프로스텝(PROSTEP)은 이 공장에서 엔드 투 엔드 데이터 프로세스를 위한 실용적인 활용 사례를 구현했으며, 요구사항 공학, 모델 기반 시스템 엔지니어링(MBSE) 및 개발을 연결하는 디지털 프로세스 체인을 그 예로 들 수 있다. 이들 사용 사례는 엔드 투 엔드 추적성이 어떻게 작동하는지와 AI 지원 프로세스의 기반을 어떻게 마련할 수 있는지를 보여준다. 딜로이트와 프로스텝은엔드 투 엔드 엔지니어링 프로세스 체인 개발을 위해 긴밀히 협력했으며, 이 과정에서 딜로이트의 프로세스 노하우와 프로스텝의 PLM(제품 수명주기 관리) 통합 노하우가 결합되었다. 프로스텝의 설루션인 오픈PDM(OpenPDM)이 통합의 기반을 제공하며, 이는 프로스텝 디지털 스레드 플랫폼의 일부이다. 오픈PDM은 주요 PLM, ALM, ERP 시스템에 대한 표준 커넥터를 제공하여 통합 및 유지보수 비용을 최소화한다. 통합된 IT 시스템 환경은 시스템 개발에서 원활한 협업을 촉진하여, 다양한 전문 부서가 선호하는 전문 시스템에서 높은 수준의 품질과 효율성을 달성할 수 있도록 한다. 또한 개발 주기를 단축하고 A-SPICE, CSMS 표준, MDR(의료기기 규정) 등에서 요구하는 추적성 관련 규정 준수 요건을 충족하는 데 도움이 된다.     이런 사용 사례는 V-모델(V-model)을 따르는 일반적인 개발 프로세스를 기반으로 한다. 이해관계자의 요구사항은 먼저 PTC 코드비머(PTC Codebeamer)에 기록된 후, 다쏘시스템의 카티아 매직 사이버 시스템즈 엔지니어(Catia Magic Cyber Systems Engineer)로 전송되어 시스템 아키텍처를 모델링하고 추가적인 기능 및 시스템 요구사항을 도출하는 데 사용된다. 특정 성숙도에 도달하면 전체 요구사항 패키지는 추가 개발을 위해 지멘스 팀센터(Siemens Teamcenter)로 전달된다. 프로스텝의 피터 팔츠그라프(Peter Pfalzgraf) 파트너 매니저는 “이렇게 구현된 사용 사례의 주요 장점은 자동화된 데이터 인터페이스가 도메인 경계를 넘나드는 협업을 용이하게 한다는 점”이라면서, “이 설루션은 연결된 IT 시스템에서 일관된 데이터 상태를 보장하고 시스템 간 추적성을 지원한다. 이를 통해 여러 전문 부서 간의 협력이 필요한 복잡한 시스템의 개발 속도를 높이는 데 기여한다”고 밝혔다. 딜로이트의 티노 크루거(Tino Krüger) 제품 전략 및 수명 주기 관리 파트너는 “프로스텝이 규제 산업에서 이기종 시스템 환경을 통합한 수십 년의 경험을 가지고 있어 파트너로 선택했다”면서, “두 회사는 자동차, 방위, 항공우주, 의료 기술, 플랜트 엔지니어링, 조선 등 수많은 다양한 산업에서 사업을 운영하고 있다. 우리는 서로를 완벽하게 보완한다”고 전했다.

대한기계학회 가상제품개발연구회가 지난 6월 12일 2025년 춘계 심포지엄을 개최했다. ‘AI와 VPD의 만남 : Journey to the Digital Transformation’을 주제로 한 이번 심포지엄에서는 제조업 분야의 인공지능 전환(AX) 시대에 발맞춘 가상 제품 개발(VPD) 기술 및 디지털 전환 사례가 소개됐다. ■ 정수진 편집장     디지털 전환에서 AI 전환으로, 새로운 시대가 열린다 지난 2020년 출범한 가상제품개발연구회는 제조업 분야의 가상 제품 개발 기술과 디지털 전환 사례를 공유하고 기술 교류를 통해 산업 분야의 글로벌 경쟁력을 높이는 것을 목표로 삼았다. 2021년부터는 매년 봄·가을 심포지엄과 특별 세션을 열고 있다. 가상제품개발연구회의 오세기 회장은 개회사에서 “빅데이터와 딥러닝으로 시작된 디지털 전환(DX)은 생성형 AI(generative AI)가 등장하면서 기업의 문화, 전략, 비즈니스 모델까지 인공지능 중심으로 재설계하는 인공지능 전환(AX) 시대로 진화하고 있다”면서, 그 동안 연구회 심포지엄의 모토였던 ‘디지털 전환으로의 여정’이 이제는 ‘인공지능 전환으로의 여정’으로 바뀌어야 할 시점이라고 밝혔다. 대한기계학회의 배중면 회장은 축사를 통해 “챗GPT (ChatGPT)나 생성형 AI로 대표되는 현대 인공지능 시대의 개막은 기계공학 분야에서도 예외가 아니며, 물리기반 모델과 인공지능의 융합, 시뮬레이션의 자동화, 그리고 설계 최적화의 지능화가 실현 가능한 시대가 되었다”고 짚었다. 그리고 “가상제품개발연구회는 디지털 기반 제품 개발의 혁신을 선도해 왔으며, 대한기계학회 역시 이 분야의 발전을 적극 뒷받침하겠다”고 전했다.   물리지식 기반 AI와 생성형 AI를 활용한 VPD KAIST의 이승철 교수는 ‘제품 개발 가상화를 위한 물리지식 기반 인공지능의 역할’을 주제로 기조연설을 진행했다. 생성형 AI를 활용한 제품 가상화 설계 및 공학 문제 해결 방법에 대한 고민을 전한 이승철 교수는 “생성형 AI의 출현 이후 디지털 전환에서 인공지능 전환의 시대로 진화했으며, 기계공학 분야에서도 물리기반 모델과 AI의 융합, 시뮬레이션 자동화, 설계 최적화의 지능화가 가능해졌다”고 강조했다. 생성형 AI는 하나의 입력값에서 많은 수의 결과를 생성하여 설계의 다양성을 확보하는 데에 유용하다. 특히, 위상 최적화에서 문제를 ‘불량 설정(ill-posed)’하여 다양한 최적화 설루션을 생성하고, 이를 전통적인 최적화 방법의 초기 조건으로 활용하여 설계 시간을 줄일 수 있다. 이승철 교수는 “생성형 AI를 제품 설계에 적용하는 과정에서는 정밀도와 다양성의 절충점을 찾는 것이 중요하다”고 짚었다. 또한, 이승철 교수는 VPD에 AI 신경망 학습을 접목하기 위한 방법론을 소개했다. 물리지식 기반 인공지능(PINN)은 물리 지식을 데이터 프레임워크에 결합하여 인공지능 학습에 활용하는 방식으로, 특히 알려지지 않은 물리적 특성을 예측하는 ‘역방향 문제 해결’에 장점이 있다. 딥 오퍼레이터 네트워크(DeepONet)는 입력 매개변수나 형상이 바뀌어도 재학습 없이 거의 실시간으로 해석 결과를 예측할 수 있어서, 입력 파라미터의 변경이 예측 결과에 곧바로 반영되지 못하는 PINN의 단점을 극복할 수 있을 것으로 보인다. 이승철 교수는 “물리지식 기반의 DeepONet은 유동장 및 압력 분포를 실시간으로 예측하고, 복잡한 형상 변화에 따른 유동, 압력, 온도장 등을 실시간으로 예측할 수 있음을 입증했다”면서, “인공지능 기반의 새로운 도구들이 공학 문제를 해결하고 설계 분야를 혁신하는 데에 기여할 것”이라고 전망했다.   ▲ KAIST의 이승철 교수는 물리지식 기반의 AI를 제품 개발에 적용하기 위한 방법론을 소개했다.   AI/ML 기반 가상 검증 사례와 활용 전략 이번 심포지엄을 가상제품개발연구회와 공동 주관한 다쏘시스템코리아의 김문성 파트너는 ‘AI/ML 기반 가상 검증 사례와 활용 전략’에 대해 소개했다. 그는 인공지능 기반의 생성형 경험(generative experience)이 창의적이고 자동화된 설계를 가능하게 하며, 인공지능/머신러닝이 제품 개발 과정에서 반복 작업을 줄이고 비용과 시간을 절감하는 데 기여한다고 전했다. 이번 발표에서는 시뮬레이션에 적용할 수 있는 다양한 머신러닝 기법이 소개됐다. 합성곱 신경망(CNN)은 이미지 특징 추출에, 순환 신경망(RNN)과 장단기 메모리(LSTM)는 시계열 데이터 예측에, 딥러닝은 복잡한 3차원 필드 데이터 예측에, 그리고 그래프 신경망(GNN)은 유한요소모델(FEM)과 같은 그래프 구조 데이터 처리에 유용하다는 것이 김문성 파트너의 설명이다. 또한, 김문성 파트너는 문제 정의 − 학습 데이터 준비(실험 계획법 및 자동화 스크립트 활용) − 모델 학습 − 신뢰도 검증 − 예측 모델 구축까지 다쏘시스템의 아바쿠스(Abaqus)와 아이사이트(Isight)를 활용하는 머신러닝 프로세스 구현 단계를 소개했다. 김문성 파트너는 AI/ML 기법의 시뮬레이션 적용 사례로 LSTM을 활용한 하중-변위 선도 예측, 디스플레이 스트레인 예측, 전자기 성능 예측 등을 소개했으며, GNN을 사용해 빔과 항공기 랜딩기어 부재의 3차원 응력/변형량 예측이 가능하다고 전했다. 그는 “머신러닝 기술이 시뮬레이션 작업의 효율을 높이고, 데이터 기반의 정확한 의사 결정을 지원하는 강력한 도구가 될 것”이라고 전망했다.   ▲ 다쏘시스템코리아 김문성 파트너는 AI/ML 기반의 가상 검증 전략과 사례를 소개했다.   VPD와 AI의 융합, R&D 혁신을 이끈다 이외에도 이번 심포지엄에서는 물리지식 기반 인공지능과 생성형 AI를 활용한 제품 가상화 설계 방안, AI/머신러닝 기반 가상 검증 사례와 활용 전략 등에 관한 논의를 통해 미래 제품 개발의 방향을 짚어보는 기회가 마련됐다. 주제 발표로는 ▲히타치 야마자키 미키 박사의 ‘AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진’ ▲피도텍 대표인 한양대 최동훈 교수의 ‘VPD 대중화로 가는 길 : Al-Aided Design Optimization’ ▲현대모비스 송준영 팀장의 ‘AI를 이용한 R&D Shift’ ▲LG전자 백영진 팀장의 ‘AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크’ ▲한화에어로스페이스 윤용상 상무의 ‘디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래’ 등이 진행됐다. 또한 패널토론에서는 VPD와 AI의 융합을 통해 R&D 혁신을 이끌어낼 수 있는 가능성과 미래 방향에 대해 논의했다.      ■ 기사 내용은 PDF로도 제공됩니다. 

      대한기계학회 가상제품개발연구회 2025년 춘계 심포지엄 개최 안내     2009년 본격화된 빅데이터와 딥러닝 기술은 2016년 ‘알파고 모멘트’를 거쳐, 오늘날에는 생성형 AI로 대표되는 Modern AI 시대를 맞이하고 있습니다. 특히 GPT의 출시 이후 최근 2년간 인공지능 기술은 실로 빛의 속도라 할 만큼 눈부신 발전을 이어가고 있습니다. 전통적인 시뮬레이션 분야에도 기계학습 및 딥러닝 기술이 도입되고 있으며, 산업계 전반에서는 인공지능을 통한 획기적인 R&D 생산성 향상을 기대하고 있습니다. 생성형 AI를 활용해 기업 내 R&D 데이터를 학습시키고, 이를 바탕으로 설계를 자동화하려는 시도들이 확산되고 있으며, Agentic AI가 현실화되는 시점에는 현재의 R&D 방식에 근본적인 변화가 찾아올 것으로 전망됩니다. 이번 가상제품개발연구회 춘계 심포지엄에서는 VPD와 AI의 융합을 통해 R&D 생산성 혁신을 이끌어낼 수 있는 가능성과 미래 방향을 함께 모색하고자 합니다. 참석하시는 회원 여러분과 연구자분들께서 귀중한 인사이트와 영감을 얻어 가는 뜻깊은 시간이 되시길 바랍니다.   대학기계학회 가상제품개발연구회 회장 오세기 올림   ◈ 행사일정 사회 : LG전자 황윤제 기술고문        세션 발표자(소속) 시간(분) 주제 등록 및 Network 10:00~10:30 (30) 등록 및 상호 인사, 교류 등 개회사 오세기 연구회장 (LG전자) 10:30~10:40 (10) 연구회 및 심포지엄 소개 축사 배중면 회장 (대한기계학회) 10:40~10:50 (10) 대한기계학회 가상제품개발연구회 격려사 Key Note Speech 이승철 교수 (KAIST) 10:50~11:30 (40) 제품 가상화 설계를 위한 물리지식기반 인공지능의 역할 주제발표 김문성 파트너 (다쏘시스템) 11:30~12:00 (30) AI/ML 기반의 가상 검증 사례와 활용 전략 점심 식사 등 12:00~13:20 (80) 식사 및 상호 인사, 교류, 다쏘시스템 전시 참관 등 (사전/현장 등록 확인 후 식사 비용 1만원/인 제공) 주제발표 Miki Yamazaki (HITACHI / JSME) 13:20~13:50 (30) AI가 주도하는 MBSE·MBD와 VPD의 융합 : 가상화를 통한 차세대 제품 개발 가속 및 DX 추진 최동훈 교수/대표 (한양대/피도텍) 13:50~14:20 (30) VPD 대중화로 가는 길: AI-Aided Design Optimization 송준영 팀장 (현대모비스) 14:20~14:50 (30) AI를 이용한 R&D Shift 백영진 팀장 (LG전자) 14:50~15:20 (30) AI와 VPD 연계를 통한 효율적 제어 시스템 개발 프레임워크 윤용상 상무 (한화에어로스페이스) 15:20~15:50 (30) 디지털 해석 기술을 활용한 항공엔진 개발과 국내 항공엔진의 미래 쉬는 시간 15:50~16:10 (20) 상호 인사, 교류, 다쏘시스템 전시 참관 등 패널 토론 16:10~17:30 (80) 연구회 임원 및 발표자            (참고 : 가상제품개발연구회 홈페이지 http://k-vpd.org/)  

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (2)   지난 호에서는 MBD(모델 기반 개발)의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 소개했다. 이번 호에서는 실제 모델 구축 및 설계 사례를 살펴 본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   1D 모델 구축 및 설계 사례 여기에서 소개할 사례는 의료용 기기 침대에 대한 설계 및 모델링 프로세스를 설명하기 위한 것으로, 실제 의료 현장에서 사용되는 환자 이송 및 자세 조절 장치를 대상으로 한다. 핵심 목적은 현재 사용 중인 기기의 성능을 유지하면서 제조 및 운영 비용을 절감하고, 유지 보수가 용이한 형태로 개선하는 것이다. 이를 위해 시스템 아키텍처 구성, 서브시스템 모델링, 제어기 설계 및 가상시험 환경 구성이 유기적으로 통합되어 있다.(그림 1)   그림 1. 기구 및 1D 모델 프로세스를 의료 기기용 침대 설계에 적용한 예   시스템 구성 및 작동 원리는 다음과 같은 주요 구성 요소로 이루어져 있다. 침대 위의 사람이 눕는 구조물이며, 움직임은 없지만 시스템의 하중 요소로 작용한다. 침대 본체에 사람을 지지하고 구동장치 및 제어기와 연결되어 상하 혹은 기울기 방향으로 조정 가능하다. 기어 풀링 벨트와 풀리 시스템은 침대의 움직임을 유도하는 메커니즘으로, 전기 모터에 의해 회전되는 벨트가 기어와 연결되어 침대 위치를 조정한다. 가이드 및 가이드 롤러는 침대의 직선 이동을 유도하며 안정적인 동작을 보장한다. 구동 축은 모터의 회전력을 벨트에 전달하는 역할을 수행하며, 전체 시스템의 동적 응답에 큰 영향을 미친다. 1D 모델링 및 제어 시스템에서 1D 모델 구축은 전체 시스템의 성능 예측 및 최적화를 위해 매우 중요하다. 이 사례에서는 물리 기반 모델을 활용하여 다음과 같은 서브 시스템 모델이 구축되었다. 모터 구동부 모델은 전기 모터, 기어 감속기, 벨트 구동 시스템 등으로 구성되며, 목표 위치에 따라 침대의 이동을 정밀하게 제어한다. 서브 블록도에서는 입력되는 타겟 각도와 실제 위치 간의 오차를 계산하고, 이를 보상하기 위한 PID 제어기가 설계되어 있다. 침대 이동 메커니즘 모델은 침대의 기계적 운동은 벨트 풀리 시스템을 통해 직선 운동으로 전환되며, 이에 따른 침대 위치 및 속도 응답을 시간 함수로 시뮬레이션할 수 있다. 모델에서는 각 구성 요소의 질량, 감쇠, 스프링 상수 등의 파라미터가 반영되어 있으며, 실제 작동 중 발생할 수 있는 진동 및 불안정 현상까지도 반영할 수 있다. 제어기 및 인터페이스 모델은 사용자 인터페이스를 통해 목표 위치를 입력하면, 제어기 블록은 이를 기준으로 모터에 신호를 출력하여 실시간 제어가 가능하다. 시뮬레이션을 통해 피드백 루프의 안정성과 응답 속도를 사전에 검증할 수 있다. 이 사례에서 설계 및 개발 목표는 비용 절감을 위해 기존 장비에 비해 구조 및 부품 단순화로 제조 비용과 유지보수 비용을 줄이는 것이다. 또한 성능 유지 및 개선을 위해서 사람의 체중, 운동 속도, 반응 속도 등의 다양한 작동 조건 하에서도 기존 수준 이상의 성능을 확보하는 것이다. 검증 기반 설계에서 실제 제품 제작 이전에 가상 시뮬레이션을 통해 문제점을 사전에 파악하고 설계 품질을 높이는 것을 가능하게 한다. 이 사례는 MBSE(모델 기반 시스템 엔지니어링)와 MBD의 통합 적용을 통해 실제 의료기기 설계 과정의 효율화와 성능 개선을 동시에 달성할 수 있음을 보여준다. 다양한 시스템 구성요소 간의 상호작용을 정량적으로 모델링하고 이를 기반으로 제어기 설계 및 성능 검증을 수행함으로써, 제품 개발 초기 단계에서부터 신뢰성 있는 설계를 유도할 수 있다.   내부 블록 다이어그램과 파라미터 다이어그램의 연계 시스템 모델링 및 시뮬레이션 기반의 설계 환경에서는 기능적 구성요소 간의 상호작용과 함께, 각 구성요소에 영향을 주는 매개변수(parameter)의 정의와 연계가 매우 중요하다. 이 사례에서는 내부 블록 다이어그램(IBD)과 파라미터 다이어그램을 연계하여, 시스템 구성요소 간의 구조적 연계와 수치적 특성 연계를 동시에 파악할 수 있는 방법을 설명한다.    그림 2. 의료 기기용 침대 설계를 위한 내부 블록 다이어그램과 파라미터 다이어그램   <그림 2>의 내부 블록 다이어그램은 ‘Belt Side Speed Analysis System’이라는 롤러 기반 시스템의 내부 구성 요소 간 상호작용을 시각화한 것이다. 시스템은 다음과 같은 주요 하위 블록으로 구성되어 있다. upport roller/mechanic roller는 롤러 메커니즘으로서, 회전을 통해 동력을 전달하거나 속도를 제어한다. roller/guide/clutch 등은 기계적 서브시스템의 구성요소이며, 각 요소는 물리적으로 연결되어 동작한다. speed_ change 블록은 속도 변화 조건을 반영하는 부분으로, 시뮬레이션에서 조건부 동작을 정의한다. controller는 전체 시스템의 제어 역할을 수행하며, 클러치나 롤러의 동작을 조정한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

다쏘시스템은 5월 29일 서울 코엑스에서 ‘3D익스피리언스 콘퍼런스 코리아 2025(3DEXPERIENCE CONFERENCE KOREA 2025)’를 열고, 급변하는 경제 상황 속에서 생성형 경제로의 전환을 위한 비전과 함께 AI 기반 버추얼 트윈 기술을 통한 산업 혁신 전략을 제시했다. 이번 행사는 다쏘시스템의 모든 제품 브랜드를 아우르는 연례 콘퍼런스이다. 올해 콘퍼런스의 오전 세션에서는 다쏘시스템코리아 정운성 대표이사의 환영사를 시작으로 LG전자 황윤제 기술고문의 ‘모델 기반 가상화 R&D 를 통한 디지털 혁신 : AI시대의 도전과 미래’, PWC 컨설팅 문홍기 대표의 ‘Beyond Digital | Virtual Twin’, 다쏘시스템 마시모 프란도(Massimo PRANDO) 3D익사이트 사업 및 영업 총괄의 ‘Virtual Twins in Action : The Experience Engine Across Industries’, 델 테크놀로지스 오리온 상무의 ‘Unleashing the Future of AI Development with Dell Pro Max Workstation’ 등 발표가 진행됐다.     정운성 대표이사는 2040년을 향한 다쏘시스템의 비전인 ‘생성형 경제(Generative Economy)’를 소개하면서, 경험 경제와 순환 경제를 통합하는 개념으로서 제품 중심에서 사용자 경험 중심으로, 그리고 환경 및 리사이클링을 고려하는 산업 모델로의 전환을 강조했다. 이는 제품의 제조 – 소비 – 폐기로 이어지는 일직선 방식에서 생성-  경험 - 재생이 순환하는 생성형 모델로의 변화를 뜻한다. 또한, 정운성 대표이사는 “다쏘시스템은 3D 기술을 시작으로 디지털 목업(DMU), 제품 데이터 관리(PDM), 제품 수명주기 관리(PLM)를 거쳐 제품 및 인간 영역의 버추얼 트윈(Virtual Twin)을 선보였으며, 이 모든 기술을 바탕으로 3D익스피리언스 플랫폼을 구축했다”면서, 버추얼 트윈에 생성형 AI를 탑재한 7세대 기술인 ‘3D 유니버스(3D UNIV+RSES)’를 소개했다. 3D 유니버스를 구성하는 핵심 요소로는 ▲꾸준히 고도화되는 버추얼 트윈 ▲버추얼 트윈 기반의 경험 축적 ▲생성형 AI를 통한 생성형 경험 ▲가상의 AI 동반자 기술 ▲몰입감 있는 경험을 지원하는 센스 컴퓨팅 기술 등을 꼽았다. 마시모 프란도 총괄은 3D익사이트(3DEXCITE)가 엔지니어링 데이터와 고객 경험을 연결하는 역할을 한다고 설명하면서, 가상 세계와 현실 세계를 잇는 버추얼 트윈에 생성형 AI를 접목하여 혁신적인 경험을 창출한다는 다쏘시스템의 비전을 제시했다. 그리고 항공우주, 반도체 제조, 산업 장비, 철도, 가전제품, 스포츠 및 라이프스타일, 자동차 등 다양한 산업 분야의 버추얼 트윈 적용 사례를 공유했다. 황윤제 기술고문은 LG전자의 R&D 디지털 혁신 여정을 공유하면서, AI의 발달로 디지털 혁신은 최적기를 맞았다고 짚었다. 그리고, R&D 분야에서 모델 기반 시스템 엔지니어링(MBSE)의 중요성과 AI를 활용한 가상화 설계 및 복잡한 문제 해결 사례를 제시했다. 문홍기 대표는 디지털 전환을 넘어서는 패러다임 전환의 필요성을 언급하며, 버추얼 트윈이 한국 제조업의 게임 체인저가 될 잠재력을 가지고 있음을 강조했다. 또한, 디지털 선도 기업들이 버추얼 트윈을 통해 운영 효율성과 새로운 비즈니스 가치를 창출하고 있다고 소개했다. 오리온 상무는 인공지능의 능력을 효과적으로 활용할 수 있도록 돕는 워크스테이션 등 컴퓨팅 기술을 소개했다. 오후에는 바이오비아(BIOVIA), 에노비아(ENOVIA), 넷바이브(NETVIBES), 카티아(CATIA), 3D익사이트(3DEXCITE), 델미아(DELMIA), 시뮬리아(SIMULIA) 등 다쏘시스템의 주요 브랜드 및 SDV(소프트웨어 정의 자동차)를 주제로 한 트랙별 브레이크 아웃 세션에서 다양한 기술 정보와 고객 사례가 소개됐다. 이외에도 AI 포토 부스, VR 부스, 플레이그라운드 등 현장에 마련된 체험존은 참가자들이 다쏘시스템의 기술을 직접 경험하며 기술 비전을 접할 수 있도록 했다. 정운성 대표이사는 “변화하는 생성형 경제 시대에 다쏘시스템은 3D 유니버스 기술 비전을 통해 사용자의 업무 혁신, 지적 재산 보호, 그리고 지속 가능한 혁신을 지원하는 신뢰할 수 있는 파트너가 되겠다”고 전했다.

다쏘시스템은 5월 29일 서울 코엑스에서 ‘3D익스피리언스 콘퍼런스 코리아 2025(3DEXPERIENCE CONFERENCE KOREA 2025)’를 개최한다고 밝혔다. ‘모두를 위한 모든 것의 버추얼 트윈(Virtual Twin of Everything for Everyone)’을 주제로 열리는 이번 행사는, 생성형 AI와 결합해 한층 진화한 버추얼 트윈 기술을 중심으로 대한민국 산업의 미래를 만들어 나갈 혁신 비전을 소개한다. 이번 콘퍼런스에서는 다쏘시스템이 올해 초 새롭게 발표한 기술 비전 ‘3D유니버스(3D UNIV+RSES)’를 소개하고, 7개 혁신 브랜드를 통해 다양한 산업 분야에 적용되는 최신 기술 트렌드를 선보인다. 특히 다쏘시스템은 ▲40개 이상의 전문 세션 ▲산업 전문가들이 직접 전하는 실무 지식과 노하우 등 프로그램을 통해 참석자들에게 실질적 인사이트를 제공할 예정이다.     오전에 진행되는 제네럴 세션은 다쏘시스템코리아 정운성 대표이사의 환영사로 시작한다. 기조연설자로 초청된 LG전자 ES연구소의 황윤제 기술고문은 ‘모델 기반 가상화 R&D를 통한 디지털 혁신 : AI 시대의 도전과 미래’를 주제로, 디지털 전환(DX)을 이끄는 AI 기술과 버추얼 목업 제작을 더욱 용이하게 하는 모델 기반 시스템 엔지니어링의 중요성에 대해 발표한다. 황윤제 기술고문은 가상화 분야에서 현재 직면한 주요 도전 과제가 무엇인지 살펴보고, 이를 극복함으로써 열릴 미래의 가능성에 대한 인사이트를 제공할 예정이다. 오후에는 바이오비아(BIOVIA), 에노비아/넷바이브(ENOVIA/NETVIBES), 카티아/3D익사이트(CATIA/3DEXCITE), 델미아(DELMIA), 시뮬리아(SIMULIA)의 5개의 브랜드 트랙과 별도 마련된 SDV(Software-Defined Vehicle) 트랙이 진행된다. 각 트랙을 통해 다쏘시스템의 전문가와 브랜드별 고객사는 최신 기술 동향과 다양한 산업 적용 사례를 폭넓게 소개하며, 특히 3D익스피리언스 기반 통합 업무 환경을 심도 있게 다룰 예정이다. 특히 추가로 마련된 SDV 트랙은 총 3개의 발표로 구성되어, 다쏘시스템의 SDV 설루션 전략과 함께 모델 기반 시스템 엔지니어링(MBSE : Model-Based Systems Engineering), 하드웨어/소프트웨어 통합, 가상 검증 등 제품 전체 관점의 개발 방향을 소개한다. 아울러 미래 모빌리티 산업의 도전과제와 설루션 방안, 메카트로닉스(mechatronics) 및 소프트웨어 중심 경험(software-driven experiences)을 위한 엔드 투 엔드 통합 업무 환경 구축 전략을 다룬다.   다쏘시스템코리아 정운성 대표이사는 “3D익스피리언스 콘퍼런스 코리아 2025는 가상과 현실을 끊임없이 연결하는 기술로 산업 혁신의 방향을 제시하는 자리”라며, “모두를 위한 모든 것의 버추얼 트윈이라는 이름에 걸맞게, 다쏘시스템은 앞으로도 다양한 산업의 전문가들과 함께 버추얼 트윈으로 미래 산업을 혁신하고, 무한한 가능성을 만들어 나갈 것”이라고 밝혔다.

주요 디지털 트윈 소프트웨어 디지털 트윈 모델 생성 및 배포 솔루션, Ansys Twin Builder 개발 : Ansys, www.ansys.com 자료 제공 : Ansys Korea, 02-6009-0500, www.ansys.com   Ansys Twin Builder는 디지털 트윈(Digital Twin) 기술을 활용하여 실제 물리 시스템을 가상 환경에서 시뮬레이션하고 최적화할 수 있는 솔루션이다. 멀티피직스 시뮬레이션 기술을 기반으로 물리 모델과 실시간 센서 데이터를 결합하여 예측 유지보수 및 성능 최적화를 지원한다. 제조, 자동차, 항공우주, 전자, 에너지, 의료 등 다양한 산업에서 활용된다.   1. 주요 특징 (1) Physics 기반의 디지털 트윈 구축 IoT 데이터 및 시뮬레이션 모델을 결합하여 정밀한 디지털 트윈 모델 생성 (2) 실시간 시뮬레이션 및 예측 유지보수 지원  센서 데이터를 활용하여 장비의 고장 가능성 예측 및 유지보수 최적화 (3) 멀티피직스 통합 분석  전자기, 유체, 구조, 열 해석을 통합하여 복잡한 시스템 성능 분석 가능 (4) AI 및 머신러닝 연계 가능  OptiSLang을 활용한 AI 기반 최적화 및 데이터 분석 지원 (5) IoT 및 클라우드 플랫폼과 연계  AWS, Microsoft Azure, PTC ThingWorx 등 다양한 IoT 플랫폼과의 호환성 제공 2. 주요 기능 (1) 디지털 트윈 생성 및 실행  시뮬레이션 모델을 물리 데이터와 연결하여 실시간 가상 시뮬레이션 수행 (2) Model-Based Systems Engineering(MBSE) 지원  시스템 레벨 설계를 위한 MBSE 기반 시뮬레이션 제공 (3) 고급 시뮬레이션 및 자동화  MATLAB, Simulink, FMI 모델과 통합 가능하여 복잡한 시스템 해석 (4) PLM 및 데이터 관리 통합  Siemens Teamcenter, PTC Windchill 등 주요 PLM 시스템과 연계하여 제품 수명주기 관리 지원 (5) Predictive Maintenance 기능 내장  실시간 데이터 분석을 통해 유지보수 전략 개선 3. 도입 효과 ■ 설비 가동률 향상: 디지털 트윈을 활용한 사전 예측 유지보수로 시스템 다운타임 감소 ■ 제품 개발 기간 단축: 프로토타입 제작 없이 가상 환경에서 제품 설계 검증 가능 ■ 운영 비용 절감: 최적화된 유지보수 전략을 통해 운영 및 유지보수 비용 절감 ■ 설계 품질 향상: 실제 운영 데이터를 기반으로 제품 설계 개선 및 성능 최적화 4. 주요 고객 사이트 ■ 제조업: 두산 그룹, POSCO  ■ 자동차: 현대자동차그룹, LS Automotive Technologies, HL Mando ■ 항공우주: Korea Aerospace Industries (KAI), Hanwha Aerospace ■ 반도체/전자: Samsung Electronics, SK Hynix, LG Electronics, Samsung Electro-Mechanics, Samsung Display, LG Display, LG Innotek, LX Semicon ■ 에너지: LG Energy Solution, SK On, Samsung SDI, Hyundai Electric & Energy Systems, Doosan Enerbility, Hanwha Solutions   상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

지멘스 디지털 인더스트리 소프트웨어는 모든 규모의 조직이 SaaS(서비스형 소프트웨어) 기반 PLM(제품 수명주기 관리)을 활용하여 제조 산업 전반의 디지털 전환과 혁신을 촉진할 수 있도록 팀센터 X(Teamcenter X) 소프트웨어의 새로운 버전을 출시한다고 발표했다. 새로운 팀센터 X 제품군은 기계, 전기, 전자 개발을 아우르는 프로세스 관리 및 크로스 도메인 기능 등 다양한 고급 기능을 사전 구성된 형태로 제공한다. 팀센터 X는 기존 두 종류의 버전에 새롭게 두 가지를 추가해, 총 네 가지 버전으로 제공된다.     팀센터 X 에센셜즈(Teamcenter X Essentials)는 간편한 배포와 낮은 운영 비용을 고려하여 설계되었으며, 기계 설계에 집중하는 기업을 위한 데이터 관리 기능을 제공한다. CAD 데이터 관리, 제품 구조 및 리비전 관리, 사용 위치 검색, 체크인/체크아웃, 3D 보기 및 마크업 기능이 포함되어 있으며, 기업의 성장에 따라 확장성을 지원한다. 새롭게 출시된 팀센터 X 스탠더드(Teamcenter X Standard)는 에센셜즈 버전을 기반으로 단순 변경 관리, 프로젝트 일정 관리, 문서 관리, 보고서 생성 등 추가적인 PLM 기능을 포함한다. 모든 기능은 사전 구성된 형태로 제공되며, 고객의 요구에 맞게 조정할 수 있다. 역시 새롭게 출시된 팀센터 X 어드밴스드(Teamcenter X Advanced)는 제품 수명 주기 전반에 걸쳐 기계, 전자 및 전기 설계 간의 크로스 도메인 협업이 필요한 기업을 지원한다. 전기 및 전자 설계 통합 및 분류를 위한 데이터 관리 기능이 추가되었으며, 마찬가지로 사전 구성된 상태로 제공되고 필요 시 맞춤화할 수 있다. 팀센터 X 프리미엄(Teamcenter X Premium)은 클라우드 공급자를 선택할 수 있으며, 팀센터의 전체 기능을 활용하고자 하는 기업을 위한 포괄적 PLM 설루션이다. 엔터프라이즈 BOM, 비즈니스 시스템 통합, 모델 기반 시스템 엔지니어링(MBSE), 제조 계획, 품질 및 컴플라이언스 관리, 제품 비용 및 서비스 수명 주기 관리까지 포함한다. 또한 산업용 기계, 의료기기, 반도체 등 특정 산업군을 위한 사전 구성 설루션도 제공된다. 지멘스 디지털 인더스트리 소프트웨어의 프랜시스 에반스(Frances Evans) 라이프사이클 협업 소프트웨어 수석 부사장은 “팀센터 X의 이번 확장은 SaaS PLM을 모든 규모의 기업이 보다 쉽게 접근할 수 있도록 하려는 지멘스의 사명을 이어가는 것”이라면서, “새로운 팀센터 X의 기능은 더 많은 고객이 빠르게 PLM 도입을 시작하고, 이후 팀센터 포트폴리오 전반을 통해 비즈니스 과제를 확장해 나갈 수 있도록 돕는다”고 말했다.

MBSE를 위한 아키텍처-1D 모델 연계의 중요성 및 적용 전략 (1)   제조산업에서 설계 효율 향상과 개발 기간 단축을 위해 모델 기반 개발(MBD)을 적극 도입하고 있지만, 아키텍처 모델과 1D 모델 간의 연계 부족으로 인해 개발 단계에서 모델의 실질적인 활용과 의사결정 지원이 어려운 경우도 많다. 이번 호에서는 MBD의 성과를 높이기 위한 아키텍처 모델과 1D 모델의 체계적인 연계 방안을 제시하고, 이를 통한 설계 효율 및 개발 정확성 향상의 전략적 방향을 살펴본다.   ■ 오재응 한양대학교 명예교수, LG전자 기술고문   최근 제조산업은 제품의 개발 기간 단축과 다품종 생산이라는 트렌드에 대응하기 위해 개발의 효율성을 극대화하고 반복 설계를 최소화하는 방향으로 변화하고 있다. 이러한 흐름 속에서 모델 기반 개발(Model-Based Development : MBD)은 이미 많은 제조업체가 적극 추진하고 있으며, 이를 통해 설계 초기부터 제품의 동작을 예측하고 최적화할 수 있는 기반을 마련하고자 한다. 그러나 모델 기반 개발을 도입하고 실제로 모델을 구축했음에도 불구하고, 현업에서 모델이 제대로 활용되지 못하는 경우가 많다. 이는 구축된 모델이 단지 형식적으로 존재할 뿐, 제품 개발의 맥락 속에서 아키텍처적, 1D적 연결성을 갖추지 못해 실질적인 의사결정과 개발 단계에서 활용되지 못하고 있기 때문이다. 즉, 원래 의도한 목적이나 아키텍처적 요구와 연계되지 않은 모델이기 때문에, 사용자는 해당 모델이 ‘내 일에 어떻게 쓰이는지’를 이해하지 못하고 거리감을 느끼는 것이다. 이러한 문제를 극복하기 위해서는 아키텍처 모델과 1D 모델을 유기적으로 연계하고, 이를 기반으로 아키텍처 요구사항을 구체화할 수 있어야 한다. 아키텍처 모델이란 제품의 구조, 기능, 물리적 메커니즘 등 아키텍처적 개념을 설명하는 모델이며, 1D 모델은 이러한 개념을 수학적으로 해석하고 시뮬레이션 가능한 형태로 정형화한 것이다. 따라서 아키텍처 모델과 1D 모델 간의 연계는 제품 개발의 전체 V자 프로세스에서 핵심 역할을 하며, 상호보완적으로 작용하여 제품 성능 검증 및 요구사항 만족 여부를 평가하는 데 기여한다.   그림 1. 아키텍처 모델 – 1D 모델 연계   <그림 1>은 이러한 개념을 시각적으로 설명한다. 초기의 아키텍처 설계 단계에서 아키텍처 요구와 구조를 정의한 뒤 이를 바탕으로 1D 모델이 생성되고, 시뮬레이션 및 해석을 통해 결과를 도출하며, 이 결과는 다시 상위의 아키텍처 요구사항에 대한 검증으로 이어진다. 이처럼 상향식-하향식 피드백 루프를 통해 아키텍처 모델과 1D 모델이 반복적으로 연계되어야 진정한 의미의 모델 기반 개발이 실현될 수 있다. 특히 설계자와 개발자는 1D 모델은 제품을 해석하고 튜닝하는 강력한 도구라고 인식하지만, ‘왜 이 설계를 했는가’, ‘서브시스템 간 구조는 어떻게 되는가’, ‘요구사항은 어떻게 충족되는가’와 같은 질문에는 답하지 못한다. 그 해답을 주는 것이 바로 아키텍처 모델(MBSE)이며, 이 두 모델을 연결해야만 설계의 정확성, 추적성, 협업성이 동시에 확보된다.   다양한 유형의 아키텍처적 측정 간의 관계   그림 2. ISO/IEC 15288 System Life Cycle Technical Processes & Life Cycle   ISO/IEC 15288(그림 2)은 시스템 수명주기 전반에 걸친 아키텍처 프로세스의 흐름과 체계를 정의한 국제 표준이다. 특히 이 표준은 모델 기반 시스템 엔지니어링(Model-Based Systems Engineering : MBSE) 관점에서 시스템 개발 활동을 구조화한 것으로, 시스템 수명 주기(V 모델)를 기반으로 요구 분석, 설계, 검증 및 확인, 유지보수 등 각 단계의 아키텍처적 활동과 그 상호 관계를 정립한다. 시스템 엔지니어링 활동을 통해 성공적인 시스템을 구축하기 위해서는 다양한 아키텍처적 성과 지표와 측정 지표가 필요하며, 이를 통해 시스템의 목표 달성 여부를 판단할 수 있다. 대표적인 지표로는 다음과 같은 세 가지가 있다. MOE(Measure of Effectiveness, 효과성 측정지표)는 시스템이 실제 운용 환경에서 얼마나 효과적으로 임무를 수행할 수 있는지를 평가하는 지표로, 주로 고객 요구사항이나 운용 목표 달성 여부에 초점을 맞춘다.  MOP(Measure of Performance, 성능 측정지표)는 시스템의 성능 수준을 수치적으로 정량화한 것으로, 설계 명세나 요구된 성능 기준을 얼마나 충족하는지를 평가한다.  TPM(Technical Performance Measure, 아키텍처 성과 측정지표)은 개발 과정 중 아키텍처 적인 목표 도달 여부를 지속적으로 모니터링하고 예측하는 데 사용되는 지표로, 시스템 개발 리스크를 조기에 식별하고 관리하는 데 활용된다. 이러한 측정 지표는 예측 차이나 실측 차이를 바탕으로 비교 분석할 수 있으며, 시스템 개발 단계에서 시스템의 위험 요인에 대한 조기 탐지와 개선 대책의 선제 적용이 가능하도록 지원한다. 이는 곧 사업의 비용 효율성 제고와 일정 준수에 기여하며, 전체 수명주기 동안 긍정적인 영향을 유도할 수 있다.  <그림 2>는 ISO/IEC 15288의 V-모델과 아키텍처적 측정 지표가 어떻게 연계되는지를 보여준다. 요구사항 도출과 검증, 설계와 확인 간의 대응 관계를 통해 아키텍처적 활동이 체계적으로 연결되며, 수명주기 전체에서 MOE, MOP, TPM이 통합적으로 작동하여 아키텍처적 리스크를 관리하고 시스템의 성공적인 구현을 가능하게 한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.