• 회원가입
  • |
  • 로그인
  • |
  • 장바구니
  • News
    뉴스 신제품 신간 Culture & Life
  • 강좌/특집
    특집 강좌 자료창고 갤러리
  • 리뷰
    리뷰
  • 매거진
    목차 및 부록보기 잡지 세션별 성격 뉴스레터 정기구독안내 정기구독하기 단행본 및 기타 구입
  • 행사/이벤트
    행사 전체보기 캐드앤그래픽스 행사
  • CNG TV
    방송리스트 방송 다시보기 공지사항
  • 커뮤니티
    업체홍보 공지사항 설문조사 자유게시판 Q&A게시판 구인구직/학원소식
  • 디렉토리
    디렉토리 전체보기 소프트웨어 공급업체 하드웨어 공급업체 기계관련 서비스 건축관련 업체 및 서비스 교육기관/학원 관련DB 추천 사이트
  • 회사소개
    회사소개 회사연혁 출판사업부 광고안내 제휴 및 협력제안 회사조직 및 연락처 오시는길
  • 고객지원센터
    고객지원 Q&A 이메일 문의 기사제보 및 기고 개인정보 취급방침 기타 결제 업체등록결제
  • 쇼핑몰
통합검색 "3D"에 대한 통합 검색 내용이 13,050개 있습니다
원하시는 검색 결과가 잘 나타나지 않을 때는 홈페이지의 해당 게시판 하단의 검색을 이용하시거나 구글 사이트 맞춤 검색 을 이용해 보시기 바랍니다.
CNG TV 방송 내용은 검색 속도 관계로 캐드앤그래픽스 전체 검색에서는 지원되지 않으므로 해당 게시판에서 직접 검색하시기 바랍니다
다쏘시스템, ‘3D익스피리언스 콘퍼런스 코리아 2025’에서 AI 시대 선도하는 버추얼 트윈 혁신 제시
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.
작성일 : 2025-05-08
앤시스, 인텔 18A 공정 및 3D-IC 설계 위한 시뮬레이션 설루션 인증 획득
앤시스가 인텔의 18A(1.8나노급) 공정 기술로 제조되는 첨단 반도체 설계를 위한 열 및 다중 물리 검증 도구 인증을 획득했다고 밝혔다. 이번 인증은 AI 칩, 그래픽처리장치(GPU), 고성능 컴퓨팅(HPC) 제품 등 고난이도 애플리케이션에 사용되는 반도체 시스템의 기능성과 신뢰성을 확보하는 데 핵심 역할을 한다. 또한, 앤시스와 인텔 파운드리(Intel Foundry)는 멀티다이 기반 3D 집적 회로(3D-IC) 시스템 구현에 활용되는 EMIB(Embedded Multi-Die Interconnect Bridge) 기술을 지원하는 포괄적인 다중 물리 검증 분석 플로를 공동 구축했다. 앤시스 레드호크-SC(Ansys RedHawk-SC) 및 앤시스 토템(Ansys Totem)은 인텔 18A의 GAA(Gate-All-Around) 트랜지스터인 리본펫(RibbonFET)과 후면 전력 공급 기술인 파워비아(PowerVia) 구조를 기반으로 전력 무결성과 신뢰성 분석 성능을 제공한다. 아울러 확장 가능한 전자기 시뮬레이션을 위해 HFSS-IC 제품군 내에 HFSS-IC Pro를 새롭게 선보였다. HFSS-IC Pro는 인텔 18A 프로세스 노드로 제작된 무선 주파수(RF) 칩, WiFi, 5G/6G 및 기타 통신 애플리케이션의 온칩 전자기(Electromagnetic, EM) 무결성 모델링에 대한 인증을 획득했다.     EMIB 기술은 고성능 마이크로프로세서, 이기종 통합 시스템 등 다양한 고성능 컴퓨팅 시스템에서 3D-IC 구현을 가능하게 하는 한편 다양한 종류의 칩을 유기적으로 연결해 고성능 컴퓨팅 시스템의 성능과 통합 수준을 높인다. 이번 다중 물리 플로에는 앤시스 레드호크-SC 일렉트로우써멀(Ansys RedHawk-SC Electrothermal)을 활용한 열 신뢰성 분석이 포함되어 있으며, 앤시스와 인텔 파운드리의 협력 범위를 확대해 실리콘 관통 전극(TSV)이 적용된 차세대 EMIB-T 기술까지 지원한다. EMIB-T 분석 플로는 HFSS-IC Pro와 앤시스의 에스아이웨이브(Anys SIwave)를 통한 신호 무결성 분석, 그리고 레드호크-SC 및 토템을 활용한 전력 무결성 분석까지 포괄하는 형태로 확장됐다. 레드호크-SC, 토템, HFSS-IC Pro의 인텔 18A 고성능 공정 노드(Intel 18A-P) 대상 인증 절차는 현재 진행 중이다. 고객은 최신 인텔의 공정 설계 키트(PDK, Process Design Kit)를 요청해 조기 설계 작업 및 IP 개발을 시작할 수 있다. 해당 설루션은 인텔 14A-E의 공정 정의 및 설계 기술 최적화(DTCO, Design Technology Co-Optimization)의 일환으로 포함되어 있다. 또한, 앤시스는 인텔 파운드리 액셀러레이터 얼라이언스(Intel Foundry Accelerator Alliance)의 일부인 인텔 파운드리 칩렛 얼라이언스에 합류해, 상호운용 가능한 칩렛 설계 및 제조를 위한 보안 생태계 구축에 기여할 예정이다. 인텔의 석 리(Suk Lee) 파운드리 에코시스템 기술실 부사장 겸 총괄 매니저는 “멀티다이 어셈블리 방식은 칩 적층 및 설계 효율에 대한 업계의 관점을 변화시키고 있다. 앤시스의 시뮬레이션은 고객이 설계를 고정밀로 검증할 수 있도록 지원하며, 복구가 어려운 비용을 절감하는 데 중요한 역할을 할 것”이라며, “칩렛 기술 발전을 위한 핵심 협력체인 인텔 파운드리 칩렛 얼라이언스에 앤시스가 참여하고 있어 매우 기대하고 있다”고 밝혔다. 앤시스의 존 리(John Lee) 전자·반도체·광학 사업부문 총괄 부사장은 “앤시스의 다중 물리 시뮬레이션 설루션은 고객에게 높은 수준의 열, 신호, 전력, 기계적 무결성을 보장하며, 최고의 신뢰를 제공한다. 고객의 칩 설계 방식은 다양할 수 있지만, 정확하고 신뢰성 있는 도구에 대한 수요는 항상 존재하며, 이 지점에서 앤시스의 강점이 발휘될 것”이라며, “인텔 파운드리와의 협업을 강화하고 칩렛 얼라이언스에 합류함으로써, 앤시스는 개방형 및 상호운용 가능한 기술을 통해 엔지니어링 완성도 향상이라는 약속을 실천해 나갈 것”이라고 덧붙였다.
작성일 : 2025-05-08
어도비, 파이어플라이 서비스 및 커스텀 모델 신규 역량 발표
어도비가 소셜 미디어, 전자상거래, 모바일 등 다양한 채널에서 급증하는 개인화된 콘텐츠 수요에 맞춰 기업의 효과적인 콘텐츠 제작을 지원하는 어도비 파이어플라이 서비스(Adobe Firefly Services) 및 파이어플라이 커스텀 모델(Firefly Custom Models)의 새로운 역량을 발표했다. 이번 발표로 기업을 위한 크리에이티브 및 생성 API 콜렉션인 파이어플라이 서비스는 영상과 3D를 비롯한 더욱 다양한 콘텐츠 유형을 지원하며 기업의 멀티미디어 제작 확대를 돕는다. 파이어플라이 서비스로 구동되는 새로운 파이어플라이 크리에이티브 프로덕션(Firefly Creative Production)은 노 코드(no-code) 인터페이스에서 주요 미디어 유형에 걸쳐, 반복적인 콘텐츠 제작 작업을 처리할 수 있도록 지원한다. 또한 파이어플라이 커스텀 모델과 퍼포먼스 마케팅용 어도비 Gen스튜디오(Adobe GenStudio for Performance Marketing)의 통합으로 브랜드 가이드라인을 준수하는 광고 콘텐츠를 한층 쉽게 확대할 수 있게 됐다.  이 같은 어도비의 혁신은 어도비 AI 에이전트와 모델을 통합하는 어도비의 AI 플랫폼으로 구동된다. 해당 플랫폼은 어도비 애플리케이션 전반에서 자사 데이터 인사이트, 서드파티 생태계의 AI 에이전트,  상업적으로 안전한 어도비 파이어플라이 및 안전한 서드파티 모델 등을 포함한다. 이처럼 어도비는 AI 플랫폼을 통해 마케팅과 크리에이티브를 통합하며 대규모로 개인화된 경험을 제공한다. 액센츄어(Accenture), 덴츠(Dentsu), 헨켈(Henkel), IPG 헬스(IPG Health), 태피스트리(Tapestry), 몽크스(Monks), 펩시코/게토레이(PepsiCo/Gatorade), 퍼블리시스(Publicis), 스태크웰(Stagwell), 에스티 로더 컴퍼니(The Estée Lauder Companies) 등 주요 기업과 에이전시는 어도비 파이어플라이(Adobe Firefly), 파이어플라이 서비스 및 커스텀 모델을 활용해 캠페인을 론치하는 데 걸리는 시간을 단축하며, 새로운 고객과 소통하며, 생성형 AI로 워크플로우를 간소화하고 크리에이티브 결과물을 강화하고 있다. 포레스터(Forrester) 총 경제 영향 조사(Total Economic Impact Study)에 따르면 기업은 어도비 파이어플라이 제품군을 통해 에셋 변형 제작을 70%-80%까지 확대하는 한편, 에셋 검토 및 수정에 소요되는 시간을 75% 나 단축하며(3년 기준), 전환율 개선을 위한 개인화된 경험을 확장하고 수익 증대를 모색하고 있다. 바룬 파머(Varun Parmar) 어도비 Gen스튜디오 및 파이어플라이 엔터프라이즈 솔루션 부문 총괄은 “기업들은 어도비 파이어플라이 서비스와 커스텀 모델을 활용해 효율적인 콘텐츠 공급망을 구축하며 놀라운 성과를 내고 있다”며 “생성형 AI는 마케터와 크리에이티브 담당자의 역량을 강화하고 이들이 중요한 작업에 집중할 수 있도록 지원한다”고 말했다.
작성일 : 2025-05-08
AutoForm Car Body Planner, 차체 구매 견적 및 비용 산출 프로세스
AutoForm Car Body Planner   개발 : AutoForm, www.autoform.com 자료 제공 : AutoForm, 02-6332-1150, www.autoform.com/kr   AutoForm(오토폼)은 제품 설계부터 차체 조립에 이르기까지 전체 개발 프로세스 체인의 디지털화를 지원하는 통합 플랫폼을 제공한다. 특히, 디지털화 노력이 상대적으로 미진했던 차체 구매 부문의 견적 및 비용 산출 프로세스의 투명성을 확보하기 위해 ‘AutoForm CarBody Planner’를 도입하여 구매 프로세스의 디지털화를 추진하고 있다. 이는 ESG 경영과 맞물려 고객사로부터 큰 주목을 받고 있다. 또한, ESG 경영을 위한 디지털 트랜스포메이션을 통해 지속 가능한 경영을 실현하고, 환경적, 사회적, 거버넌스 측면에서의 책임을 다하기 위해 노력하고 있다. 1. 주요 특징  자동차 차체 개발 프로세스에서 초기 제품 설계 후, OEM 협력사의 구매 부서가 CBP를 통해 자동으로 수율을 검토한다. 이를 통해 빠른 대응과 OEM의 입찰 원가인 수율 보고서 작성이 간소화된다. 또한, OEM 구매 부서는 차종별 수율 이력 관리를 통해 효율성을 높이고, 협력사의 작업 시간을 단축하며, 입찰 정보 계산의 디지털화를 통해 경험에 의한 편차를 줄일 수 있다. 2. 주요 기능 ■ 웹사이트 기반에서 차체 전체 입력 및 각 제품의3D확인 가능 ■ 제품의 소제 및 정보를 차제 제품 입력과 동시에 적용 가능 ■ AutoForm Simulation 기반의 전체 제품 자동 수율 계산   3. 도입 효과 OEM 구매팀의 입찰 결정 시 정합성 확보로 신뢰성이 높아지며, 자동 수율 검토 덕분에 빠르고 효율적인 대응이 가능하다. 입찰 정보 계산의 디지털화로 경험에 의한 편차가 제거되고, 협력사의 업무 효율성 증대와 작업 시간 단축으로 생산성이 향상된다. 마지막으로, 클라우드 기반의 협업 공간 제공으로 부서 간 원활한 협업이 가능하다. 이러한 특징과 효과를 통해 AutoForm의 디지털 트랜스포메이션은 구매 프로세스의 혁신을 이끌고, ESG 경영을 실현하는데 큰 기여를 하고 있다. 4. 주요 고객 사이트 오토폼은 전 세계 50여 개국, 1,000여 개 회사에서 3,500명 이상의 사용자가 주요 엔지니어링 및 제조 공정을 위해 신뢰하고 있다. 주요 고객은 자동차 및 기타 OEM, 금형 및 스탬핑 업체, 철강 및 알루미늄 공급업체이며, 항공 우주 산업뿐만 아니라 의료, 가전 및 백색 가전 산업으로도 점점 더 진출하고 있다.     상세 내용은 <디지털 트윈 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기
작성일 : 2025-05-06
[특별기고] 디지털 트윈 발전 전망
디지털 트윈과 산업용 메타버스 트렌드   데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다.  디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.   ▲ 철도 네트워크의 디지털 트윈 구축하는 독일 디지털 철도(이미지 출처 : 엔비디아)   1. 디지털 전환과 디지털 트윈 디지털 전환(Digital Transformation: DX)은 비즈니스 전 과정에 ICT 기술을 도입하여 전사적 업무, 생산 기술, 제품 등을 디지털화 한 후 이를 기반으로 가상 실험이 가능한 디지털 환경을 구축하는 것이다.  디지털 전환의 궁극적 목적은 기업 이윤 극대화에 필요한 업부/생산 효율성 및 제품 부가 가치 증대를 위한 다양한 창의적 대안들을 가상 실험을 통해 평가한 후 그 결과를 비즈니스 전 과정에 활용하는 것이다. 예를 들어, 스마트 팩토리의 디지털 전환은 조달 시스템, 생산 시스템, 물류 시스템 등 스마트 팩토리 구성요소들의 자원 할당 및 운용에 대한 다양한 대안들을 가상 실험을 통해 평가할 수 있는 환경을 구축하여야 한다. 그렇다면, 비즈니스 전 과정을 가상 실험하기 위해서는 무엇이 필요할까?  가상 실험을 하기 위해서는 먼저 가상 실험 대상(예: 제조 공장)을 선정하고, 다음으로, 가상 실험 시나리오(예:새로운 제조 장비 도입)가 필요하며 시나리오를 수행할 모델(예: 제조 공정 시뮬레이션 모델)이 필요하다. 이러한 가상 실험을 위한 모델이 디지털 트윈이며 이런 이유로 많은 사람들이 디지털 트윈을 DX의 Key(Richard Marchall, 2017), DX의 Enablers(Reterto Saracco, 2019), DX의 Central(Vijay Ragjumathan, 2019), DX의 Steppingstone(Harry Forbes, 2020), DX의 Pillar(Fransesco Belloni, 2020)라고 지적하였다.   2. 디지털 트윈의 정의 디지털 트윈은 물리적 자산, 프로세스 및 시스템에 대한 복제본으로 정의[Wiki 사전]되며, 복제본이란 대상 체계의 운용 데이터, 지형/공간/형상 정보 및 동작/운용 법(규)칙을 컴퓨터 속에 디지털화 해 놓은 것을 의미한다. 예를 들면, 제조 공장의 디지털 트윈은 제조 공장의 운용 데이터, 제조 공장의 공간/형상 정보, 그리고 제조 장비 동작 및 공정 모델이 컴퓨터 속에 복제된 것이 될 것이다. 디지털 트윈과 대상 체계가 쌍둥이기 때문에 쌍둥이 중 누가 먼저 태어났느냐에 따라 디지털 트윈의 이름을 다르게 붙이기도 한다. 대상 체계가 존재하기 전에 만들어진 디지털 트윈을 디지털 트윈 프로토타입(Prototype) 그리고 대상 체계가 만들어진 후 복제된 디지털 트윈을 디지털 트윈 인스턴스(Instance)라고 부른다. 디지털 트윈 프로토타입은 대상 체계 설계 단계에서 활용되며 디지털 트윈 인스턴스는 대상 체계의 운용 분석에 활용되는 것이 일반적이다. 디지털 트윈 인스턴스(실 체계의 복제본)와 디지털 트윈 프로토타입(실 체계의 설계 모델)이 모두 존재할 수도 있지만 디지털 트윈 프로토타입 없이 디지털 트윈 인스턴스만 존재할 수도 있다. 디지털 트윈 프로토타입과 인스턴스가 모두 존재한다면 인스턴스는 프로토타입에 실 체계 운용 정보가 반영되어 진화(성장)된 트윈으로 볼 수 있다. 3. 디지털 트윈 구축 목적 디지털 트윈의 구축 목적은 대상 실 체계와 디지털 트윈을 연동 운용함으로써 실 체계 관련 이해 당사자에게 지혜 수준의 혁신적 서비스를 제공할 수 있는 핵심 도구/수단으로 활용하기 위함이다. 데이터 기반 서비스 관점에서의 디지털 트윈의 역할은 실 체계에서 수집한 실제 데이터와 디지털 트윈 시뮬레이션으로 얻어진 가상 데이터의 융합을 통하여 실제 시스템 관련 문제 해결에 유용한 빅 데이터 생성이라 할 수 있다. 융합 빅 데이터는 AI-통계/공학 분석도구들을 이용하여 실 세계의 구성요소인 자산, 사람, 운용 프로세스들의 다양한 결합에 대한 분석/예측 및 체계 운용 최적 대안(최적화)을 찾는데 활용될 수 있다. 아울러, 융합 빅 데이터는 실 세계를 가상 환경에서 현실감 있게 표출할 수 있는 다양한 장비/장치와 VR/AR/XR/메타버스 관련 ICT 기술과의 융합 인터페이스를 통해 오락, 관광, 교육 훈련, 체험 등에 활용될 수 있다.     디지털 트윈의 복제 대상은 실 체계의 운용 데이터, 공간/형상 정보 및 실 체계에 포함된 객체들의 행위 모델 등 3가지이다. 운용 데이터는 실 체계에 설치된 IoT 장비로부터 획득이 가능하다. 공간/형상 정보는 서비스 목적에 따라 GIS, BIM 혹은 3D CAD 중 한 가지 이상을 결합하여 사용한다. 객체 행위 모델은 다양한 시나리오를 가상 실험하기 위한 시뮬레이션 모델을 사용하지만 서비스 목적에 따라서는 운용 데이터를 학습한 데이터 모델을 사용할 수도 있다. 구성요소 중 일부만을 사용한 디지털 트윈은 나머지 구성요소를 사용하지 않음으로 인한 한계점에 봉착하게 된다. 예를 들면, 실 체계 운용 데이터 복제만으로 구성된 IoT 기반 디지털 트윈은 수집된 데이터를 분석할 수는 있지만, 실 체계를 시각화한 지형/공간 상에 데이터를 표출할 수 없을 뿐만 아니라 실 체계와는 다른 가상 데이터를 입력한 시뮬레이션을 수행할 수 없다. 마찬가지로, 지형/공간 정보 만으로 구성된 디지털 트윈은 실 체계에서 일어나는 지형/공간 정보의 변화를 실 시간으로 반영할 수 없으며 시뮬레이션을 통한 실 체계의 현상 분석 및 미래 예측이 불가능 하다.      디지털 트윈의 효율적인 활용을 위해서는 위의 세 가지 구성요소 모두를 개발 및 운용할 수 있는 통합 플랫폼이 바람직하지만 국내외적으로 표준화된 디지털 트윈 플랫폼은 존재하지 않는다. 디지털 트윈의 특성 상 3가지의 디지털 트윈 구성요소 각각을 개발하는 독립적인 플랫폼을 사용하여 구성요소를 개발한 후 이들을 연동하여 운용하는 것이 효율적이다.  구체적으로는, 먼저, 디지털 트윈 개발 목적에 맞게 운용 데이터를 수집하는 IoT 플랫폼, 지형/공간 정보를 구축하는 지형/공간정보 플랫폼 및 모델링 시뮬레이션 플랫폼들을 이용하여 각 구성요소를 개발한다. 다음으로, 개발된 세 가지 구성요소를 실행하는 플랫폼들을 연동 운용하는 PoP(Platform of Platforms) 구조를 사용할 수 있다. PoP 구조는 디지털트윈의 목적에 부합되는 모든 디지털트윈을 개발/운용할 수 있는 플랫폼으로써 신뢰성 및 경제성(개발 기간 및 비용) 면에서 효율적인 구조이다. PoP 구조를 사용할 경우 플랫폼들 사이의 연동을 위한 데이터 모델과 API의 국제적인 표준화가 요구되며 데이터 모델의 표준은 대상 시스템에 따라 달라질 수 있다.  디지털 트윈을 실제 시스템에 대한 문제 해결 목적으로 사용하기 위해서는 대상 시스템에 대한 다양한 질문의 답을 디지털 트윈을 통해서 얻을 수 있는 서비스가 제공되어야 한다. OR 이론의 창시자 중 한 명으로 경영 과학 이론가인 R.L.Ackoff 교수는 사람이 생각하는 내용을 데이터, 정보. 지식, 지혜 등 4가지로 분류하였다. 데이터는 단순한 심벌(숫자나 문자)을 말하지만 정보는 ‘who’, ‘what’, ‘where’, ‘when’을 답할 수 있고, 지식은 ‘how’를 답할 수 있고, 지혜는 ‘why’를 답할 수 있어야 한다고 정의하였다. 디지털 트윈의 서비스 수준을 Ackhoff 교수의 분류법에 매핑 시킨다면 정보 수준 서비스는 시스템 분석(현상, 기능 등), 지식 수준 서비스는 시스템 예측(행위, 성능 등) 그리고 지혜 수준 서비스는 시스템 최적화(운용 최적화 등) 및 진단(수명 진단 등)에 해당한다. 예를 들어, 교통 시스템에 대한 다양한 질문을 답하기 위해 교통 디지털 트윈을 만들었다고 하자. 정보 서비스의 예는 현재 교통 시스템의 현상을 분석하는 것으로 어느 위치의 현재 시간대에 단위 시간당 교차로 통과 차량 대수가 얼마인지에 대한 답을 하는 서비스이다. 지식 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 얼마가 되는지를 예측하는 질문에 대한 답을 하는 서비스이다. 지혜 서비스의 예는 현재 출발지에서 목적지까지의 소요 시간이 최소가 되는 최적화된 경로가 어떤 것인지의 질문에 대한 답을 하는 서비스이다.    4. 디지털 트윈의 구성요소 디지털 트윈의 3 가지 구성요소 중 행위 모델은 목적에 따라 데이터 모델과 시뮬레이션 모델로 대별된다. 데이터 모델은 실 체계에서 수집된 데이터들 사이의 상관관계를 기계학습하여 얻어진 모델(예: 인공신경망)로서 지식 서비스를 위한 시스템 행위 예측에 한계점을 가지고 있다. 구체적으로, 데이터 모델은 학습된 데이터 영역에서는 미래 예측이 가능하지만 학습된 영역 밖의 데이터에 대한 예측은 불가능 하다. 뿐만 아니라 학습 시와 예측 시의 시스템 운용 조건이 달라질 경우에도 예측이 불가능하다. 앞서 예시한 교통 디지털 트윈으로 데이터 모델을 사용할 경우 학습 시 도로 상황(운행 시간, 사고 발생 유무 등)이 예측 시 도로 상황과 동일하지 않으면 소요 시간 예측의 정확도가 보장되지 않는다. 더욱이, 시스템 변수 사이의 상관 관계로 표현된 데이터 모델은 변수 사이의 인과 관계가 필요한 시스템의 최적화 및 고장 진단 등에는 활용할 수 없다. 이러한 데이터 모델의 서비스 한계를 극복하기 위해서는 시뮬레이션 모델을 사용할 수 있다. 시뮬레이션 모델은 구축은 대상 시스템에 대한 도메인 지식과 이를 표현하는 지배 법칙에 대한 수학적/논리적 표현 방법을 이해해야 하므로 데이터 모델에 비해 고 비용이 요구된다. 따라서, 디지털 트윈의 행위 모델은 대상 시스템의 서비스 목적과 수준에 따라 다르게 선택될 수 있다.    5. 디지털 트윈의 발전 전망  디지털 트윈의 향후 발전 전망은 문제 해결과 가상 체험 및 빅 데이터 분야로 대별할 수 있다. 문제 해결 분야에서 디지털 트윈의 대상은 분석, 예측, 최적화/진단 대상이 되는 모든 시스템 분야로서 산업(제조, 생산, 물류, 식물공장 등), 공공(교통, 환경, 금융 등), 의료(진단, 인공장기, 가상수술 등), 재난안전(안전점검, 피해분석, 대피훈련 등), 국방(군사훈련, 국방분석, 무기체계 획득 등)등을 포함한다.  현재 디지털 트윈 활용은 안정성에 부담이 적고 신속/가시적 성공사례 확보가 가능한 스마트시티, 스마트 팩토리, 스마트SOC(도로, 철도, 항만, 공항, 등) 등이 대상이지만 기술성숙도가 높아지고 안정성이 보장됨에 따라 자율주행, 의료/인공장기, 식물공장 등으로 확대될 전망이다.  가상 체험 분야는 디지털 트윈이 실 세계 혹은 가상 세계를 움직이는 다양한 시나리오를 정형화한 지배 법칙(모델)을 실행(시뮬레이션)하는 수단으로 활용될 전망이다. 이러한 지배법칙 실행은 실제 세계와 가상 세계의 구별 없는 가상 체험을 목표로 하는 메타버스의 서비스 콘텐츠를 제공한다. 따라서, 메타버스 발전을 위해서 메타버스의 서비스 컨텐츠를 제공하는 디지털 트윈 발전이 필수적으로 향후 메타버스와 디지털 트윈은 동시에 발전할 전망이다.  빅 데이터 분야에서는 디지털 트윈의 가상 실험을 통해 실 체계에서는 물리적/경제적 이유로 수집 불가능한 다양한 빅 데이터를 생성하는데 활용될 전망이다. 유의미한 빅 데이터 생성을 위해서는 실 체계에서 수집 가능한 데이터를 사용하여 디지털 트윈 모델의 검증이 선행된 후 실 체계에서 수집 불가능한 데이터 생성을 위한 가상 실험이 설계되어야 한다. 디지털 트윈을 사용한 빅 데이터 생성은 시스템 기능 검증, 예지 진단 및 기계학습 등과 같은 부가가치가 높은 데이터 생성에 집중되어 미래 데이터 구독 시장 활성화에 기여할 전망이다.   김탁곤 명예교수  KAIST 전기전자공학부  
작성일 : 2025-05-05
지멘스, 모든 규모의 기업이 PLM을 활용할 수 있도록 팀센터 X 확장
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.
작성일 : 2025-05-02
아키텍처 모델과 1D 모델의 전략적 연계
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.
작성일 : 2025-05-02
앤시스 LS-DYNA의 리스타트 기능 및 활용 방법
앤시스 워크벤치를 활용한 해석 성공 사례   해석을 하다 보면 사용자의 실수나 다른 외부 문제로 진행 중이던 해석이 중단되는 경우가 발생한다. 이러한 경우, 앤시스 LS-DYNA(엘에스 다이나)의 ‘리스타트(Restart)’ 기능을 활용하면 해석 시뮬레이션을 처음부터 다시 수행하지 않고 해석이 중단된 특정 시점부터 재시작할 수 있다. 또한 이미 완료된 해석에 대해 조건을 변경하여 해석 시뮬레이션을 이어서 진행할 수도 있다. 이번 호에서는 LS-DYNA의 리스타트 기능에 대해 소개하고, 예제를 통해 LS-PrePost(엘에스 프리포스트)와 워크벤치(Workbench) 환경에서 활용하는 방법을 알아본다.   ■ 김혜영 태성에스엔이 MBU팀에서 수석매니저로 근무하고 있으며, LS-DYNA 해석 기술지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   리스타트 해석의 수행 조건 리스타트 해석을 사용하기 위해서는 다음과 같은 조건이 필요하다.  동일한 실행 솔버(Executable)를 사용하는가?(예 : lsdyna_sp.exe)  동일한 CPU 개수인가?  Dump 파일이 생성되었는가? 덤프(Dump) 파일은 리스타트를 위한 바이너리 아웃풋(Binary Output) 파일로 특정 시점의 응력, 변형률, 변형량 등 해석 결과를 완전히 기록한다. LS-DYNA에는 두 가지 유형의 덤프 파일이 있다. 그 중 한 유형인 D3DUMP 파일은 특별히 설정하지 않아도 해석이 정상 종료되면 d3Dump01 파일이 생성된다. 이 파일에 대하여 *DATABASE_BINERY_ D3DUMP 키워드를 통해 사용자가 정의한 간격에 따라 D3DUMP 파일을 주기적으로 생성할 수 있고, 생성된 파일 뒤에 숫자가 붙어 주기마다 증가하고 해석 폴더 내에서 d3Dump01, d3Dump02 등으로 확인할 수 있다. 다른 유형의 덤프 파일은 RUNRSF로 *DATABASE_BINERY_RUNRSF 키워드를 통해 사용자가 정의한 간격에 따라 파일을 생성하지만, NR 매개변수가 사용되지 않는 한 동일한 파일에 덮어씌워져서 생성된다. 이 두 가지 덤프 파일은 함께 사용할 수 있다. <그림 1>은 D3DUMP 파일을 주기적으로 저장하기 위한 *DATABASE_BINARY_D3DUMP 키워드 예시이다.   그림 1. D3DUMP 저장 간격 키워드 예시   리스타트 타입 LS-DYNA의 리스타트 타입(Restart Type)은 이전 해석에 이어서 수행하는 기능으로, 크게 세 가지로 나눌 수 있다. 심플 리스타트(Simple Restart) 스몰 리스타트(Small Restart) 풀 리스타트(Full Restart) 그러면, 이전 해석에 이어서 진행해야 하는 몇 가지 상황에 따라 어떤 타입의 리스타트 기능을 사용하는지 알아보자.    실수로 해석창을 닫았어요! – 심플 리스타트 심플 리스타트는 종료시간(Termination Time) 이전에 해석이 중단된 경우에, 사용자가 설정한 주기마다 저장된 d3Dump 파일을 사용하여 특정 시점부터 해석을 다시 시작하는 기능이다. 따라서 변경 사항이 없어 입력 파일(Keyword Input Deck)이 필요하지 않고 d3Dump 파일만 활용한다.    그림 2. 일반적인 해석 실행 화면(LS-RUN)   그림 3. 일반적인 해석 실행 화면(CMD 창)   <그림 2>와 같이 LS-RUN을 사용하여 해석을 수행한 경우 <그림 3>과 같은 CMD 창이 팝업되고, 해석 진행에 따른 메시지를 바로 확인할 수 있다. <그림 1>의 키워드 예시처럼 사용자가 덤프 파일의 저장 주기를 미리 설정하였다면, CMD 창에 나타난 메시지처럼 지정된 주기인 5000 사이클마다 덤프 파일이 저장되고 있음을 알 수 있다.  만약 1만 사이클 이후 실수로 해석 CMD 창을 닫아 해석이 중단되었다면, d3Dump02를 사용하여 리스타트 해석을 수행할 수 있다. <그림 4>처럼 LS-RUN의 Expression 설정에서 i=$INPUT 대신 r=d3Dump02로 명령어를 수정하면 덤프 파일을 사용하여 해석을 이어갈 수 있다.   그림 4. 심플 리스타트 해석 실행 화면(LS-RUN)   그림 5. 심플 리스타트 해석 실행 화면(CMD창)     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-05-02
AI 기반 크리에이티브 워크플로 혁신
AI 크리에이터 시대 : 영상 제작의 새로운 패러다임 (2)   영상 제작은 수작업 중심의 접근 방식에서 디지털화와 함께 컴퓨터 기반의 자동화된 워크플로까지 변화했다. 최근에는 AI 기술과 멀티모달 제작 방식이 결합되어 콘텐츠 제작의 효율과 창의성을 극대화하고 있다.   ■ 연재순서 제1회 AI 영상 제작 생태계의 현재와 미래 제2회 AI 기반 크리에이티브 워크플로 혁신 제3회 소셜 미디어 최적화 AI 영상 제작 전략 제4회 AI 특수효과 및 후반작업 마스터하기 제5회 AI 기반 몰입형 사운드 디자인   ■ 최석영 AI프로덕션 감성놀이터의 대표이며, 국제고양이AI필름페스티벌 총감독이다. AI 칼럼니스트로도 활동하고 있다.    이미지와 영상 제작을 위한 기존의 제작 방식   그림 1. ‘달리는 열차(Arrival of a Train at La Ciotat)’, 뤼미에르 형제, 1896   아날로그 제작 방식 : 개념과 흐름 디지털 도구가 도입되기 전에, 이미지와 영상 제작은 사전 기획과 여러 단계에 걸친 수작업 과정을 기반으로 한 접근 방식을 따랐다. 이 과정에서 기획자는 제작자와 협력하여 구체적인 제작을 위한 기획 단계를 만들어 낸다. 모든 작업은 계획적으로 이루어지며, 각 단계에서 창작자의 직접적인 개입과 섬세한 조정이 이루어진다. 디지털 도구가 상용화되기 전에는 스토리보드 작성, 레이아웃 결정, 시나리오 등이 기획 단계에서 만들어졌다. 영화용 카메라로 장면을 촬영하고, 촬영 감독과 조명 팀이 각종 기기를 수동으로 조작하며 원하는 장면을 구현한다. 후반 작업에서는 필름을 절단하고 이어 붙여 편집하며, 음향은 따로 녹음하여 영상을 보완한다. 이러한 방식은 기술적인 장치뿐만 아니라 창작자의 기술과 창의성에 크게 의존하며, 디지털화가 이루어지기 전까지 오랜 시간 이어져 온 기본적인 영상 제작 방식이다.   그림 2. ‘달나라 여행(Le Voyage dans la Lune)’, 1902   ‘달나라 여행’ 작품은 아이디어가 스토리보드화되어 영상화되는 전형적인 제작 과정으로 만들어졌다. 영상 제작 과정을 3단계로 보통 나누어지는데, 좀 더 자세히 5단계로 구조화하여 설명한다.  기획 단계 디자인 및 촬영 준비 제작 단계 후반 작업 단계 배포 및 관리 기존의 제작 방식은 오랜 기간 창작자의 창의적 역량을 극대화하고, 하나의 결과물을 정교하게 다듬는 데 중점을 둔 체계적인 접근법이었다. 하지만 이 과정은 기술적 도구와 인력이 많이 요구되며, 비용과 시간이 많이 들었다. 이러한 점에서 기존 제작 방식은 디지털화를 통해 새로운 워크플로로 발전하게 되었다.   디지털 도구의 도입과 디지털화된 제작 방식   그림 3. The iconic ship · ‘스타워즈’의 특수 효과,1977   디지털 도구의 도입 이후, 이미지와 영상 제작은 큰 변화를 겪으며 효율성과 창의성을 동시에 향상시킬 수 있는 새로운 접근 방식을 채택하게 되었다. 디지털화된 제작 방식은 전통적인 수작업 기반 방식에서 벗어나, 컴퓨터와 소프트웨어를 활용한 자동화 및 고도화된 기술을 중심으로 이루어진다.  이 과정은 기획, 디자인 및 촬영 준비, 제작 단계, 후반 제작 단계, 배포 및 관리 등 여러 단계로 나뉘며, 각 단계마다 디지털 기술이 어떻게 적용되는지 구체적으로 살펴볼 수 있다.    그림 4. ‘아바타’의 제임스 카메론 감독   필자가 영화를 공부하던 1997년에는 전통적인 아날로그 제작 방식을 공부하면서 비디오 캠코더가 나왔으며, 촬영과 후반 제작 과정에서 디지털화가 가속화되었다. 컴퓨터의 발전과 응용 프로그램의 향상에 힘입어, ‘스타워즈’가 아날로그 촬영을 디지털화하고 CG를 추가하여 다시 상영하였다. 아날로그 제작 방식과 디지털 제작 방식 믹스되는 부분이 있었으며, 2000년대 이후 점차 디지털화되어 갔다. 현재의 방식은  촬영, 편집, 후반 제작 과정 모두 디지털화(데이터로 저장)하여 제작되고 있다. 디지털화된 제작 방식에 모션 캡처나 리얼타임 엔진을 활용한 가상 프로덕션 등 새로운 기술이 적용되고 있다. 대표적인 예로 영화 ‘아바타’의 혁신을 말할 수 있다. ‘아바타’는 디지털 기술과 혁신된 모션 캡처 방식을 활용하여 영화 제작 방식을 혁신적으로 변화시켰다. 특히, 3D 촬영 기술과 모션 캡처 기술을 통해 캐릭터와 환경을 사실감 있게 재현하며 영화의 몰입감을 극대화했다. 이러한 시각적 혁신은 3D 영화의 새로운 가능성을 열었고, 3D 영화의 인기를 끌어올리는 데 큰 역할을 했다. 또한, 디지털 환경 디자인과 가상 세트를 활용하여 판도라라는 상상의 세계를 창조했으며, 이는 다른 영화가 디지털 가상 세트를 활용하는 데 영향을 미쳤다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.
작성일 : 2025-05-02