태성에스엔이 세미나 안내메일입니다. 메일 내용이 보이지 않으시면 여기를 클릭해주세요.  

디지털 트윈에 대한 이해 및 동향, 관련 제품 및 업체 소개 등을 집대성한 <디지털 트윈 가이드>가 발간되었습니다.  <디지털 트윈 가이드>는 한국산업지능화협회 PLM 기술위원회의 주도 하에 업계의 다양한 흐름들을 제시하고, 디지털 트윈에 대한 이해와 트렌드, 디지털 트윈 시스템 구축시 알아두어야 할 전략과 구축 가이드, 관련 소프트웨어 및  공급 업체 소개, 제품리스트 등을 집대성하였습니다.    공저 : 한국산업지능화협회 PLM기술위원회 한순흥 / 손지연 / 권순재 / 양영진 / 안창원 / 박수진 / 류수영 / 박양호 / 강태신 / 오병준 / 진득호 / 김지인 / 문명수 / 손대식 / 김준형 / 신민용 / 조형식 / 김성희 / 류용효 / 차석근 / 안영규 / 전완호 / 이지수 / 최창현 / 김형중 외  페이지 : 272쪽 정가 : 30,000원   목차 Part 1. 디지털 트윈 개론 8    디지털 트윈 개론    한순흥 Part 2. 디지털 트윈 핵심 기술 24    제조 디지털 트윈 표준 모델 및 연동 가이드라인 소개    손지연 32    디지털 트윈 구축을 위한 BIM 기반 3D 개체의 필요성    권순재 Part 3. 디지털 트윈 도입 전략과 가이드 38    디지털 트윈의 이해와 구현 방법    양영진 45    디지털 트윈 정부 전략 및 로드맵    안창원 50    디지털 트윈을 처음 도입하는 기업을 위한 가이드    박수진 58    디지털 트윈 기술발전에 따른 단계별 구축 가이드    류수영 63    국제 표준 기반 제조 디지털 트윈 스마트 내비게이션 시스템 구축 방안    박양호 70    디지털 트윈 : 엔지니어의 상상은 현실이 된다    강태신 74    기업의 디지털 전환을 위한 총체적 접근 방식    오병준 80    디지털 트윈 가이드: 리얼타임 렌더링으로 살펴보는 디지털 트윈 트렌드    진득호 86    3D CAD 를 활용한 디지털 트윈 도입 가이드    김지인 90    스마트 제조의 분수령, 디지털 트윈의 혁명    문명수 95    디지털 트윈 도입 검토 보고서 작성법    손대식 100    AWS 디지털 트윈 구축 전략과 성공 사례    김준형 106    제조업의 성공적인 디지털 트윈 도입을 위한 여정    신민용 Part 4. 디지털 트윈 최신 트렌드 114    미래의 디지털 트윈에 대해서    조형식 118    AI 시대의 디지털 트윈    김성희 124    AI 기반 디지털 트윈 : 산업 혁신의지능형 미래     류용효 Part 5. 디지털 트윈 적용 사례 130    디지털 트윈 구축을 위한 제조 데이터 표준화 구축 및 사례    차석근 136    가상 제품 개발 및 검증을 위한 디지털 트윈    안영규 142    디지털 전환 성공을 위한 CAE, AI/ML과 디지털 리얼리티 플랫폼 기술 제안    전완호 146    가상과 현실의 완벽한 동기화, 디지털 트윈의 산업 재창조    이지수 152    디지털 트윈의 새로운 패러다임: GPU 가속 기반 소프트웨어와 하드웨어의 효과적인 융합    나인플러스아이티 157    디지털 트윈과 몰입형 기술 트렌드와 적용 사례     유니티 162    스마트시티와 건설 디지털 트윈 기술 현황 및 시사점    최창현 168    스마트 공항, OpenBIM 모델링 구축 사례    비아이엠팩토리 172    디지털 트윈과 AI를 활용한 소방 시스템 도입사례: 중국 대련 소방대와의 협력    아브로브소프트코리아 175    산업 안전을 위한 디지털 트윈 활용    김형중, 우종현 Part 6. 주요 디지털 트윈 소프트웨어 소개 180    Ansys Twin Builder    디지털 트윈 모델 생성 및 배포 솔루션 182    ARAS PLM    오픈소스 PLM 소프트웨어 184    AutoForm Assembly    차체 제작 조립 공정 디지털화 소프트웨어  185    AutoForm Car Body Planner    차체 구매 견적 및 비용 산출 프로세스 186    AutoForm-Sigma    스탬핑 공정의 안정성과 효율성 향상 소프트웨어 188    Cadence Fidelity CFD    고성능 멀티피직스 플랫폼 191    Emulate3D    디지털 트윈 소프트웨어  192    CATIA    제품 설계 및 협업 솔루션 193    DELMIA Digital Manufacturing    제품 설계/생산 전 과정 시뮬레이션 및 최적화 솔루션 194    CP(Collaboration Platform)     제조기업 디지털 트윈기반 협업 플랫폼  197    FlexSim    3D 시뮬레이션 소프트웨어  198    CupixWorks(큐픽스웍스)    AI 기반 4D 디지털 트윈 플랫폼 200    DTDon    실시간 원격 협업 도구운용성 향상을 위한 솔루션 202    DTDsquare    산업용 디지털 트윈 플랫폼 204    guardione turbo(가디언 터보)    산업용 AI 솔루션 206    HxGN EAM    헥사곤의 제조기업 차세대 설비자산관리솔루션 208    HxGN SDx    스마트 디지털 리얼리티 209    LinkBiz    제조 IT 솔루션 210    NDX PRO    데이터 기반 디지털 트윈 플랫폼 212    NFLOW    입자 시뮬레이션 소프트웨어 215    mago3D    디지털 트윈 플랫폼 216    Nexus    엔지니어링과 생산 협업을 위한 개방 플랫폼 219    Nextspace    3D GIS 디지털 트윈 제작 및 시각화 플랫폼 220    NVIDIA Omniverse(엔비디아 옴니버스)    3D 애플리케이션 개발 플랫폼  222    NX X    클라우드 기반 제품 엔지니어링 솔루션 223    One Total Twin    디지털 트윈 솔루션 225    OCMS    해상공사 통합관리 시스템 226    SynchroSpace    전자·전기·기구 통합 PLM 시스템 228    TROSAR CyberSpace    디지털 블록 기반 확장현실 솔루션 231    Smart Digital Twin    제조에 특화된 디지털 트윈 플랫폼 232    TeamPlus    도면 및 기술정보관리 솔루션  234    TTM 3D TWINS    디지털 트윈 플랫폼 237    Teamcenter X    PLM을 위한 SaaS 솔루션 238    Unity Industry(유니티 인더스트리)    실시간 3D 콘텐츠 제작 및 성장 플랫폼 240    Unreal Engine(언리얼 엔진)    건축, 제조, 영화 등 활용 가능한 게임 엔진 241    Visual Components    3D 시뮬레이션 소프트웨어 242    Universal Plant Viewer    플랜트 운영 및 엔지니어링을 위한 디지털 트윈 244    WAiSER (와이저)    디지털 트윈 구축을 위한 BAS 기반 플랫폼 245    VIZZARDX    대용량 엔지니어링 데이터의 경량 시각화 솔루션 246    OCTOPUS Hub    실시간 데이터 수집 및 분석, 2D/3D 가상화 솔루션 248    디지털 작업절차서 통합 시스템    3D 모델링 기반 작업 절차서 지원 250    3DxSUITE, CADdocor    이기종 시스템 간의 3D 데이터 상호운용성 향상을 위한 솔루션 252    Part 7. 디지털 트윈 관련 업체 리스트     나인플러스아이티 / 다쏘시스템코리아 / 동양대학교  / 디엑스티 / 로크웰 오토메이션 / 마이링크 / 비아이엠팩토리&한국공항공사 / 소프트힐스 / 씨이랩 / 아마존웹서비스(AWS) / 아브로소프트코리아 / 아이지피넷 / 아이티언 / 알씨케이 / 앤시스코리아 / 에스더블유에스 / 에픽게임즈 / 엔비디아 / 엠아이큐브 / 오라클 / 오토데스크 / 오토폼 / 원프레딕트 / 유니티 / 유비씨 / 이안 / 이에이트 / 이엔지소프트 / 젠스템 / 지멘스 DI / 큐픽스 / 타임텍 / 태성에스엔이 / 포디게이트 / 프라이스워터하우스컨설팅(PWC) / 플랜트에셋 / 한국알테어 / 헥사곤ALI / 헥사곤MI      266    Part 8. 업체별 주요 디지털 트윈 관련 제품 리스트       ----------------------------- 이 책자는 디지털 트윈 관련 저변 확대와 활성화를 위해 온라인과 오프라인에서 판매하고자 합니다.   사전 도서구입 예약으로 캐드앤그래픽스를 응원해 주세요! 도서는 내용 등을 보완하여 4월초 발간 예정입니다. 이북 구입시 포인트 결제 후 메일 주시면 보내드립니다.   제목 : 디지털 트윈 가이드 이북 결제 완료 파일 요청 구입자명 :  받으실 메일주소 전화번호 :  보내실 곳 : info@cadgraphics.co.kr   ------------------------- 실물 도서로도 구입 가능합니다. 4월 초 발간 예정 도서 구입하러 가기      

태성에스엔이는 중소벤처기업진흥공단과 공동으로 ‘제12회 태성에스엔이 전기 전자 반도체 세미나’를  3월 27일 한국과학기술회관 대회의실에서 개최한다고 밝혔다. ‘AI 기반 차세대 반도체 산업 동향과 CAE 최적화 전략’을 주제로 진행되는 이번 세미나는 AI 기반 차세대 반도체 산업 동향과 CAE 최적화 전략을 주제로, 반도체 업계 전문가들이 최신 기술 트렌드와 혁신적인 시뮬레이션 활용 방안을 공유하는 자리로 마련됐다. 이번 행사에서는 ▲AI 기반 반도체 설계 혁신 ▲CAE를 활용한 반도체 공정 최적화 ▲전자기장 및 열 해석을 포함한 첨단 시뮬레이션 기술 ▲업계 트렌드 및 성공 사례 등의 주제를 다룰 예정이다.  세미나 참가는 반도체 업계 종사자라면 누구나 참석 가능하며, 사전 등록을 통해 무료로 참가할 수 있다. 참가자는 중소벤처기업진흥공단에서 진행하는 ‘반도체 패키지 시뮬레이션 실습 교육’에 무료로 참가할 수 있는 기회를 우선 제공받으며,  앤시스 기반 반도체 패키지 설계 및 시뮬레이션 실습 과정의 일환으로 연수비, 기숙사, 식사가 무상 제공된다. 태성에스엔이는 참가자들이 반도체 산업의 최신 기술 동향을 접하고 실무에 적용할 수 있는 인사이트를 얻을 수 있을 것으로 기대하고 있다. 태성에스엔이 관계자는 “올해 12회를 맞이한 태성에스엔이 전기 전자 반도체 세미나는 반도체 산업과 CAE 기술 동향을 확인할 수 있는 전통 있는 세미나”라면서, “이번 세미나를 통해 반도체 산업의 발전 방향을 모색하고, AI 및 CAE 기술을 활용한 혁신 전략을 공유하는 자리가 되기를 기대하며, 참가자들에게 실질적인 도움이 될 수 있는 유익한 시간이 될 것”이라고 전했다.  

최적화 문제를 통찰하기 위한 심센터 히즈 (1)   이번 호부터 제품 설계 과정에서 발생하는 다양한 문제에 대해서 최적화 방법론을 적용하고 올바른 결과를 도출하는 과정에 심센터 히즈(Simcenter HEEDS)를 활용하는 방법을 살펴보고자 한다. AI 모델을 학습시키기 위해서는 AI 모델이 정확한 패턴을 학습할 수 있도록 고품질의 데이터를 사용해야 한다. 이번 호에서는 심센터 히즈의 어댑티브 샘플링(Adaptive Sampling)과 SHERPA를 활용하여 양질의 데이터를 효율적으로 생성하는 과정을 살펴본다.   ■ 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 제7회 프로세스 자동화 Ⅱ 제8회 프로세스 자동화 Ⅲ 제9회 프로세스 자동화 Ⅳ 제10회 프로세스 자동화 Ⅴ   ■ 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   설계 업무에서 AI를 활용하는 이유 AI는 다양한 영역에서 업무를 보조할 수 있다. 이번 연재에서는 많은 양의 데이터를 분석하여 설계 변수와 제품 성능 간의 관계에서 패턴과 트렌드를 식별하고, 데이터 기반 의사 결정을 지원하는 AI 모델을 학습시키는 것과 관련되어 있다. 잘 학습된 AI는 설계의 품질과 성능을 높이는 데 기여한다. 문제에 따라서는 기존 설계 패러다임에 도전하는 비정형적인 설계 설루션을 발견할 수 있다. 전반적으로는 설계 업무의 디지털 전환을 촉진하고, 전통적인 설계 방법의 한계를 극복하는 데 기여한다. 이는 설계의 효율성을 높이고, 혁신적인 설루션을 개발하는 데 도움을 준다.   AI 모델의 학습을 위한 데이터 AI 학습을 위해 필요한 데이터의 품질은 AI 모델의 성능과 정확성에 직접 영향을 미친다. 고품질의 데이터는 AI 모델이 정확한 패턴을 학습하고 신뢰할 수 있는 결정을 내릴 수 있도록 돕는다. 반대로, 저품질의 데이터는 모델의 성능을 떨어뜨리고 편향된 결과를 초래할 수 있다. 고품질의 데이터는 이러한 편향성을 줄이고 공정한 결과를 도출하는 데 기여한다. 데이터의 품질이 높을 수록 모델의 훈련 효율이 높아진다. 데이터가 일관성 있고 정확하면 모델이 더 빠르게 학습할 수 있다. 따라서 정확하고 일관성 있는 데이터는 모델이 올바른 결정을 내리는 데 필수이다.   시뮬레이션 데이터 생성의 자동화   그림 1   히즈는 제품 개발 프로세스에서 사용되는 다양한 설루션의 연결과 데이터 처리를 쉽게 진행할 수 있도록 자동화된 워크플로 구성환경을 제공한다. 상용 CAD 및 CAE 도구에 대한 광범위한 인터페이스를 사용하므로, 스크립트 개발이나 수동 조작 없이 많은 기술을 빠르고 쉽게 통합한다. 자동화된 워크플로에서는 서로 다른 모델링 및 시뮬레이션 간에 데이터를 자동으로 공유할 수 있다. 사용자는 프로세스의 자동화를 통해서 설계 공간 탐색을 보다 쉽고 효율적으로 수행할 수 있다. 사용자는 반복적인 업무를 벗어나 설계를 더 깊이 이해하고 성능 개선과 생산 품질 향상에 가장 적합한 조건을 선택하는 더 중요한 업무에 더욱 집중할 수 있다.    AI 학습 데이터 생성을 위한 예제 외팔보의 처짐 문제를 사용하여 데이터를 생성하고 AI 모델을 학습시키는 예제를 통해 기능을 비교해 보겠다. 외팔보의 체적을 최소화하는 최적화 문제를 다음과 같이 정의하였다. 빠른 계산을 위해 파이썬(Python)으로 계산한다.   그림 2    목적함수 외팔보 H빔의 체적을 최소화 제약 조건 최대 굽힘 응력(σ) ≤ 200 MPa • 최대 끝단 처짐(δ) ≤ 2 mm  설계 변수 Length : 5000 mm  Load P : 6500 N  E : 200 MPa  H : 50 mm ≤ H ≤ 100 mm  h1 : 5 mm ≤ h1 ≤ 30 mm  b1 : 50 mm ≤ b1 ≤ 100 mm  b2 : 5 mm ≤ b2 ≤ 50 mm  외팔보의 체적, 응력, 처짐량은 다음의 관계식으로 계산한다.  Volume = [2*h1*b1 + (H – 2*h1)*b2]*L  Stress = P*L*H/(2*I)  Deflection = P*L3/(3*E*I)  where : I = 1/12*b2*(H-2*h1)^3 + 2*[1/12*b1*h13 + b1*h1*(H-h1) 2/4]   히즈 기본 설정 파이썬 포털(Python portal)을 사용하여 예제의 입력(input)/출력(output) 파일을 등록하였다.    그림 4   전통적인 실험계획법에 의한 데이터 생성 방법 <그림 6>과 같이 4개의 설계변수를 기반으로 전통적인 실험계획법으로 데이터를 생성해보겠다. 여기서는 3 Level의 Full factorial을 사용하여 81개의 데이터가 생성된다.   그림 6   ■ 자세한 기사 내용은 PDF로 제공됩니다.

무엇을 위해서 모델을 활용하는가?   자동차 뿐만 아니라 다양한 분야에서 모델 기반 개발을 도입하려는 노력이 지난 몇 년 동안 가속적으로 진행되고 있다. 한편, 대처를 시작했지만 설계 개발의 현장에서는 잘 활용할 수 없는, 어느 새 수단이 목적화되어 대처가 형해화되고 있는 과제가 현실화되고 있는 것도 사실이다. 이번 호에서는 MBD(모델 기반 개발)를 활용한 프로세스의 모습과 현상을 대비하면서, 어떻게 ‘현장에 뿌리내린’ 틀을 구축해 가는지 그 포인트와 비결을 설명하고자 한다.   ■ 오재응 LG전자 기술고문, 한양대학교 명예교수   제조 관점에서 MBD에 대한 기대 MBD에 기대되고 있는 것은 제조의 관점에서 두 개의 포인트로 나타나고 있다. 탄력성 – 공급자 체인의 강인화 : 최근의 반도체 부족과 같이, 갑자기 재료나 부품을 입수할 수 없게 되는 리스크에 대해서 어떠한 대응을 취할지 생각해 둘 필요가 있다. 녹색 – 탄소 중립에 대응 : 예를 들어, 애플은 제조에서 폐기, 재활용에 이르는 제품의 라이프사이클 전체에서 탄소 중립을 목표로 하기 위해 각 공급업체에 대해서도 탄소 풋프린트를 제공하도록 요구하고 있다. 또한 2030년~2035년에 사실상 내연기관을 가진 신차의 판매는 금지된다는 규칙이나 규격의 변경에 의한 리스크에도 대비해야 한다. 그렇다면 실제로 어떻게 준비해야 할까? 제조 관점에서 두 개의 관점을 바탕으로 설명한다. 기술적 효율성 – Ordinary Capability : 이것은 설계 개발의 효율성을 찾는 것이다. 기존 모델 기반 개발에서 기대해온 비용 절감, 업무 효율성 및 업무 품질 개선, 설계 품질 향상, 제품 성능 향상이 가능하다. 고객 요구사항 일치 – Dynamic Capability : 변화하는 고객의 요구에 대응하기 위해서는 유연성을 착용하는 것이 중요하다는 것을 보여준다. 이를 위해 필요한 능력은 세 가지가 있다.  위협 기회의 감지 기회를 보충하고 자원을 재구축·재결합하여 경쟁 우위를 획득 경쟁 우위를 지속 가능하게 하기 위해 조직 전체를 변환 이것을 실현하기 위한 하나의 수단으로서 디지털 트랜스포메이션(DX)을 강화하는 것이 필요하다. 즉, 이 ‘Dynamic Capability’는 비즈니스 환경과 고객의 요구 변화에 대해 ‘유연’하고 ‘신속성’에 대응하는 힘이라고 말할 수 있다.  종래의 설계 개발에 비추어, 이 변화에 대한 유연하고 신속한 대응이라고 하는 것은 어떤 것인지, 이미지를 간단하게 정리했다. 예를 들어, 법규제가 엄격화되고 보다 정숙성이 요구되게 된다는 규칙이나 규격이 바뀌는 리스크에 대한 대응에 있어서는, 원래의 시스템의 구조나 설계, 요소를 어떻게 바꾸면 그 요구를 실현할 수 있는지 생각해 볼 수 있다. 또, 반도체 소자의 공급이 부족해 대체품을 검토해야 하는 설계 변경이 행해졌다고 하는, 재료나 부품을 입수할 수 없게 되는 리스크에 대응해서는 원래의 시스템에 요구된 요건이나 성능이 어떻게 바뀌는지, 종래의 성능을 담보하기 위한 대체안은 존재하는지 등을 생각한다. 따라서, 설계 개발 프로세스의 모습으로는 종래의 시스템의 컴포넌트의 최적화라고 하는 모델 기반 개발을 통해 디지털 기술을 적극적으로 사용하는 것에 의해, 우선은 기능적 효율성을 실행하고 이 과정에서 얻은 지식을 축적하고 업무 효율의 개선에 의해 획득한 자원을 활용함으로써 향후 설계 변경에 유연하고 신속하게 대응할 수 있도록 데이터를 활용한다. 고객 요구와의 일치를 연마하는 것이 모델 기반 개발에 요구되는 모습이라고 생각한다.    그림 1. CAE에서 MBD로   MBD 성공을 위한 비결 먼저 모델 기반 개발은 상류 측에서 요구 분석, 아키텍처 설계를 실시해 전반에서는 시스템 설계나 서브 시스템의 설계에 1D CAE를 사용한 기능 설계를 도입한다.(그림 1) 여기에서는 시스템의 거동의 검증이나 최적 제원, 목표 달성도의 예측 등에 모델을 활용한다. 그런 다음 점진적으로 설계를 상세화하고 마지막으로 CAE의 형상 설계 영역으로 들어가 치수 값을 결정한다. 이 프로세스를 한 단계 상위의 계층과 한 단계 하위의 계층으로 작은 루프를 돌리면서 실시해 가는 것이 일반적인 모델 기반 개발의 이미지라고 생각한다. 이런 과정의 실현을 막는 벽이 있는 것도 사실이다. 필자가 평소에 이야기하는 가운데 벽이 되어있지 않다고 생각하는 것을 몇 가지 구체적으로 소개한다.  벽 1 : 요구 분석이나 아키텍처 설계를 실시하기 위해서 기능 변동이나 SysML 툴을 도입해 보았지만, 어떻게 설계에 활용해야 좋을지 모른다.  벽 2 : 1D CAE(1차원 CAE)를 이용한 기능 설계나 시스템 설계를 진행하고 싶지만, 개발 프로세스에 침투시킬 수 없다.  벽 3 : 기능 설계와 형상 설계 과정이 분리되어 있다.  벽 4 : 설계 업무로 CAE나 최적화 기술을 정착시킬 수 없다. 이러한 과제를 극복하려면 어떻게 해야 하는지를 설명한다. 현재 비교적 많은 회사에서 운용하고 있는 모델 활용의 모습으로 기획에서 성능, 품질, 비용 등 제품에 대한 요구가 내려온다. 기능 설계 단계에서 매우 세밀한 거친 1D 모델로 각 구성 요소에 목표를 할당한다. 여기서 사용되는 모델은 원리 원칙에 근거한 수식으로 이루어진 간이 모델이다. 그런 다음 컴포넌트 설계는 이미 할당된 목표 값에 대해 3D CAE를 사용하여 상세한 설계를 수행한다. 이후 완성된 것을 조립해 실기 평가에 의해 그 성능을 검증한다.   ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 앤시스코리아 주요 특징 : 사용자 학습 데이터 기반의 AI로 후처리 과정에서 심층 인사이트 제공, 시스템 아키텍처 모델러에 SysML v2 지원 추가해 협업 촉진 및 제품 설계 최적화 가속, HPC 라이선스 없이 엔터프라이즈급 CFD 기능 제공하는 앤시스 CFD HPC 얼티메이트 출시 등   앤시스가 디지털 엔지니어링 혁신을 지원하는 AI 기반 엔지니어링 시뮬레이션 설루션인 ‘앤시스 2025 R1(Ansys 2025 R1)’을 발표했다. 앤시스 2025 R1은 정교한 디지털 엔지니어링 기술을 통해 기존 인프라와 원활하게 연계될 뿐 아니라, 업무 중단을 최소화하면서 보다 혁신적인 제품 개발을 위한 협업을 지원한다. AI, 클라우드 컴퓨팅, GPU 및 HPC의 강력한 성능을 기반으로 한 이번 업데이트는 더욱 신속하고 협력적인 의사 결정을 가능케 하며, 설계 탐색 범위를 확장하고 제품 설계 기간 단축에 기여할 전망이다. 앤시스의 셰인 엠스윌러(Shane Emswiler) 제품 총괄 수석 부사장은 “앤시스 2025 R1은 더욱 강력한 통합 기능을 제공해, 제품 전체 수명 주기에 걸쳐 디지털 프로세스를 구축하고 개발 전후 데이터를 효율적으로 관리할 수 있는 다양한 도구와 설루션을 제공할 것”이라면서, “하나의 데이터 기반의 환경에서 서로 단절된 팀도 원활하게 협업할 수 있도록 지원하며, 이를 통해 비용 절감과 제품 출시 기간을 단축시켜 고객의 경쟁력 강화에 기여할 것”이라고 밝혔다. 제품이 점차 통합되고 복잡해짐에 따라 R&D 프로세스 또한 급변하는 시장 요구에 맞춰 지속적으로 발전해야 한다. 앤시스는 고객의 디지털 전환 과정을 원활하게 지원하며, 변화하는 시장 환경에 대응할 수 있도록 다양한 도구와 설루션을 제공할 예정이다.   ▲ 이미지 출처 : 앤시스 웹사이트 캡처   향상된 물리 솔버 제품 성능을 보장하려면 구성 요소부터 시스템 전반에 이르는 멀티피직스(multi-physics)를 이해하는 것이 필수이다. 앤시스 2025 R1은 신속하고 정밀한 물리 기반 시뮬레이션 결과를 제공하는 신제품뿐만 아니라, 기존 제품의 강화된 기능을 통해 엔지니어링 팀이 설계 초기 단계에서 보다 신뢰성 높은 의사 결정을 내릴 수 있도록 지원할 전망이다. 앤시스 디스커버리(Ansys Discovery) 3D 시뮬레이션 소프트웨어는 전열(electrothermal) 분석, 오소트로픽(orthotropic) 전도, 내부 팬(fans) 기능을 추가해 써멀 모델링 역량을 확장했으며 속도 및 사용 편의성을 개선했다. 구조 해석 설루션은 소음·진동·마찰(NVH)에 대한 통합 설루션을 제공하며, 주파수 응답 함수(FRF) 계산 속도가 10배 향상됐다. 또한 진동음향(vibro-acoustics) 매핑, 최적화된 메싱, 모드 기여도 분석 기능 등을 탑재했다. 앤시스 일렉트로닉스(Ansys Electronics)는 앤시스 소프트웨어 제품 간 연결성을 강화해 3D 집적 회로에 중요한 메싱을 개선하며 자동화된 워크플로우 기능, 향상된 시뮬레이션 성능 등을 제공한다. 새로운 폴리머 FEM(Polymer FEM) 제품은 높은 정확도의 모델을 적용해 실제 재료의 거동을 정밀하게 포착하며, 고객의 고급 재료 시뮬레이션 요구 사항을 충족한다.   클라우드/HPC/GPU 클라우드 컴퓨팅, 고성능 컴퓨팅(HPC) 및 GPU의 강력한 성능은 최신 제품의 엔지니어링 속도를 혁신적으로 변화시키고 있다. 이 과정에서 접근성, 상호 운용성, 확장성은 핵심 요소로 작용하며, 고객이 데스크톱 애플리케이션의 한계를 넘어서서 보다 혁신적인 제품을 협업하여 설계할 수 있도록 지원한다. 앤시스 2025 R1은 GPU 솔버의 성능을 한층 강화했으며, 다양한 애플리케이션에 웹 기반 온디맨드(on-demand) 기능을 추가 제공한다. 앤시스 플루언트(Ansys Fluent)  멀티 GPU(multi-GPU) 유체 시뮬레이션 솔버는 자동차 외부 공기 역학과 같은 대규모 메시 셀(mesh cell)을 포함한 고해상도 해석을 지원한다. 또한, 전체 시뮬레이션 속도 저하 없이 매개변수 추가 및 정확도 개선을 설계자에게 제공한다. 앤시스 CFD HPC 얼티메이트(Ansys CFD HPC Ultimate)는 추가 HPC 라이선스 없이 단일 작업에서 여러 CPU 코어 또는 GPU를 활용할 수 있는 엔터프라이즈급 전산유체역학(CFD) 기능을 제공한다. 앤시스 루메리컬 FDTD(Ansys Lumerical FDTD)의 새로운 GPU 가속 3D 전자기 시뮬레이션은 기존 CPU 솔버 대비 메모리 사용량을 50% 절감하며 메싱 시간을 20% 줄인다. 앤시스 메커니컬(Ansys Mechanical)의 GPU 직접 가속 구조 유한 요소 해석(FEA) 솔버는 기존 설루션 대비 최대 6배 빠른 성능을 제공하며, 반복 솔버(iterative solver)는 CPU 전용 솔버 대비 6배 빠른 속도를 구현한다. 앤시스 디스커버리(Ansys Discovery)의 클라우드 버스트 컴퓨팅(Cloud Burst Compute) 기능을 활용하면 1000개의 설계 변형을 10분 만에 해결할 수 있다. 엔비디아 GPU를 활용한 디스커버리의 매개변수 연구(parametric study) 속도는 100배 이상 향상된다. 앤시스 클라우드 버스트 컴퓨팅(Ansys Cloud Burst Compute) 기능은 앤시스 메카니컬 (Ansys Mechanical), 앤시스 플루언트(Ansys Fluent) 및 앤시스 HFSS(Ansys HFSS) 고주파 전자기 시뮬레이션 소프트웨어를 위한 유연하고 확장 가능한 온디맨드(on-demand) HPC 성능을 제공한다.   인공지능 앤시스는 인공지능(AI) 기반 기술을 통해 포트폴리오를 지속적으로 확장하며, 컴퓨터 지원 엔지니어링(CAE) 산업에 혁신적인 속도와 접근성을 제공한다. 앤시스 AI는 신규 및 기존 데이터를 활용해 빠르게 설계를 분석하고 AI 모델을 신속하게 학습시켜 제품 출시 기간을 단축시키는 한편 비용 절감 효과를 극대화한다. 직관적인 인터페이스를 갖춘 데이터 처리 도구 지원을 통해 SimAI 모델링을 위한 데이터 준비 과정을 간소화한다. 앤시스 SimAI는 사용자가 모델 학습 데이터를 확장해 후처리 과정에서 더욱 정교한 분석을 수행할 수 있도록 지원한다. 앤시스 일렉트로닉스 AI+(Ansys Electronics AI+)는 AI 기반 기술을 활용해 앤시스 멕스웰(Ansys Maxwell) 전기기장(electromagnetic field) 해석 솔버, 앤시스 아이스팩(Ansys Icepak), 전자기 냉각 시뮬레이션 소프트웨어, HFSS 등에서 수행되는 전자기 시뮬레이션의 필요 리소스 실행 시간을 정밀하게 예측한다. 앤시스 RF 채널 모델러(Ansys RF Channel Modeler)의 고급 합성 레이더 시뮬레이션 기능은 지상에서 AI를 활용한 표적 식별을 위해 폭넓은 학습 및 검증 데이터 세트를 제공하여, 디지털 미션 엔지니어링 분야를 지원한다.   ▲ 이미지 출처 : 앤시스 웹사이트 캡처   연결된 에코시스템 최첨단 연구개발(R&D) 환경에서는 모델 기반 시스템 엔지니어링(MBSE) 및 자동화 설계를 도입하여 연구개발 워크플로를 원활하고 효율적으로 유지하는 것이 중요하다. 앤시스 엔지니어링 설루션은 기존 인프라에도 새로운 기술을 쉽게 통합할 수 있도록 높은 호환성과 확장성을 갖춰 제품 설계의 혼선을 방지할 수 있다. 앤시스 2025 R1은 디지털 전환을 더욱 원활하게 지원할 수 있도록 MBSE 기능과 데이터 관리 기능이 강화되었다. 앤시스 모델센터(ModelCenter) MBSE 소프트웨어와 앤시스 시스템 아키텍처 모델러(System Architecture Modeler : SAM)는 SysML v2 지원을 강화해 엔지니어링 조직 전반에서 제품 요구 사항의 접근성과 확장성을 높이고, 팀 간 협업을 더욱 긴밀하게 연결하여 개발 시간 단축에 기여한다. 앤시스 모델센터(ModelCenter)는 MBSE 연결성이 향상되어 호환성을 높였고, 카펠라(Capella) 커넥터 기능이 강화되었으며, 앤시스 적으로 제공한다. SAM과의 더욱 긴밀한 통합을 통해 검색, 저장 및 수정 기능을 보다 직관적으로 제공한다. 앤시스 미네르바(Ansys Minerva) 시뮬레이션 프로세스 및 데이터 관리 소프트웨어인 미네르바는 일반 커넥터 개선을 통해 외부 데이터 연동을 표준화하며, 업로드 전 문제점 검증을 가능케 하여 제품 생산 시간 및 비용 절감에 기여한다. 커넥터는 새로운 비동기 작업 실행 기능이 추가돼 엔지니어의 생산성을 개선한다.   기타 앤시스 2025 R1의 주요 특징 앤시스 옵티슬랭(Ansys optiSLang) 프로세스 통합 및 설계 최적화 소프트웨어로 인터페이스, 분산 컴퓨팅, 고급 알고리즘 등 전반적인 개선으로 설계 워크플로의 유연성과 성능을 강화한다. 앤시스 그란타 MI(Ansys Granta Materials Intelligence) 제품군은 컴퓨터 이용 공학(CAE), 컴퓨터 지원 설계(CAD), 제품 수명주기 관리(PLM) 등의 소프트웨어와 공통 사용환경을 제공하여, 그란타(Granta) 최종 사용자 인터페이스와 통합 인터페이스 간 일관된 사용자 경험을 제공한다. 앤시스 플루언트(Ansys Fluent)의 내결함성 메싱(FaultTolerant Meshing : FTM)과 수밀 메싱(watertight meshing)에 적용된 작업 기반 성능을 개선해 메싱 속도를 가속화한다.  전력 필드 효과 트랜지스터(FET) 및 전력 관리 집적회로(PMIC)의 분석, 시뮬레이션, 최적화를 위한 신규 도구로 앤시스 파워X(Ansys PowerX)를 제공한다.    ▲ 이미지 출처 : 앤시스 웹사이트 캡처     ■ 기사 내용은 PDF로도 제공됩니다.

img {border:0} #Table_01 table {font-size: 0 !important;} #Table_01 table tr {font-size: 0 !important;} #Table_01 table tr td {font-size: 0 !important;} #Table_01 table tr td a {font-size: 0 !important;} #Table_01 table tr td p {font-size: 0 !important;} #Table_01 table tr td p span {font-size: 0 !important;} #Table_01 table tr td span {font-size: 0 !important;} #footertd a img {width:initial !important;} @media screen and (max-width:700px){ body, table, table tr, table td img{width:100%} }

마이다스아이티가 각 지역별 설계 엔지니어를 위한 찾아가는 해석 실무 교육 ‘M클래스’를 진행한다고 밝혔다. 이번 교육은 핵심 CAE 분야에 대한 실무 역량을 강화하고, 산업 현장에서 활용할 수 있는 해석 기술을 익히는 데 중점을 두고 있다. 3월 M클래스는 화성(18일), 안산(19일), 천안(20일), 부산(25일)에서 진행되며, 마이다스 MTS 홈페이지에서 신청할 수 있다. 마이다스아이티는 “이번 M클래스는 지난 1월 진행된 지역별 교육에서 높은 참여율과 긍정적인 피드백을 받으며, 많은 설계 엔지니어들의 요청에 따라 앵콜 교육으로 다시 마련되었다”고 밝혔다. 이번 교육에서는 유동, 열유동, 구조, 진동해석 등 CAE 주요 분야를 집중적으로 다루며, 실무에 바로 적용할 수 있도록 체계적인 커리큘럼을 마련했다. 뿐만 아니라 교육 현장에서는 마이다스아이티의 대표 CAE 제품을 직접 경험할 수 있다.      M클래스에서는 강성과 진동, 열 문제를 신뢰성 있게 검토할 수 있는 ‘NFX STR’부터 유체 흐름과 열을 가시적으로 분석하여 최적 설계를 지원하는 ‘NFX CFD’, 복잡한 메시 생성 없이 원형 CAD 모델 그대로 해석 가능한 ‘MeshFree(메시프리)’를 실습하며, CAE 프로그램의 이해도를 높일 수 있다. 마이다스아이티는 참가자 전원에게 수강료가 전액 지원되며, 점심식사 및 주차 지원 혜택도 제공된다고 설명했다. 마이다스아이티 관계자는 “이번 M클래스는 장소의 한계를 넘어 보다 많은 설계 엔지니어에게 CAE 교육 기회를 제공하기 위해 기획되었다”면서, “앞으로도 지속적인 교육 프로그램을 통해 설계 엔지니어의 기술 역량을 높이고 산업 발전에 기여할 계획”이라고 밝혔다. 마이다스아이티의 찾아가는 해석 실무 교육 M클래스는 현재 마이다스 MTS 홈페이지에서 신청할 수 있다.

디지털 트윈/클라우드/AI 중심으로 DX의 실질적 가치 제공   지멘스 디지털 인더스트리 소프트웨어는 2024년 어려운 경제 상황에서 제조산업의 변화를 뒷받침하며 시장 성과를 거두었다. 다양한 산업군에서 디지털 제조 혁신이 본격화될 것으로 보이는 가운데, 2025년에는 디지털 트윈과 클라우드 및 AI 기술을 중심으로 디지털 제조의 새로운 패러다임을 제시하며, 고객사의 비즈니스 가치를 극대화하는 전략을 강화할 예정이다. ■ 정수진 편집장     2024년 비즈니스 성과와 주요 동향에 대해 소개한다면 작년에는 전반적인 경제 상황의 어려움 속에서 기업들의 투자 비용에 대한 조정이 이뤄졌다고 보이는데, 이런 상황에서도 인공지능(AI) 등 새로운 기술 도입에 대한 평가/분석/도입이 꾸준히 진행됐다. 한편으로 산업별로 기술 투자 패턴이 변화하는 모습을 볼 수 있었다. 반도체 분야에서는 연구개발(R&D) 및 생산과 관련해 디지털 전환(Digital Transformation, DX) 투자가 본격화되었고, 조선 산업에서는 중국과의 경쟁 속에서 국내 주요 조선사를 중심으로 스마트 조선소(smart yard)와 관련한 이니셔티브가 꾸준히 추진됐다. 자동차 산업은 소프트웨어 정의 차량(SDV)을 중심으로 다양한 자동차 소프트웨어 개발을 위한 플랫폼의 검토 및 구축에 초점을 맞췄으며, 배터리 분야에서는 열폭주를 지연시키거나 안전한 배터리 개발을 위한 시뮬레이션과 EU의 ‘배터리 여권(Battery Passport)’ 규제에 대응하기 위한 플랫폼의 도입이 활발히 진행되었다. 전자 분야에서는 전사 프로젝트 관리 및 품질 관리 설루션이라든가 MBSE(모델 기반 시스템 엔지니어링), SPDM(시뮬레이션 프로세스 및 데이터 관리), 설계 자동화 등의 기업 프로젝트가 진행됐다. 중소기업 및 스타트업에서는 클라우드 기반 솔루션 도입이 빠르게 늘어난 것이 눈에 띤다. 지멘스는 NX X, 옵센터 X(Opcenter X), 심센터 X(Simcenter X), 팀센터 X 에센셜(Teamcenter X Essentials), 폴라리온 X(Polarion X) 등 클라우드 기반 솔루션을 묶어서 ‘서비스형 지멘스 엑셀러레이터(Siemens Xcelerator as a Service : XaaS)’로 부르고 있는데, 이런 퍼블릭 클라우드 제품을 사용하는 국내 고객이 전년 대비 5배 증가하는 성과를 보였다. 대기업과 비교하면 비용 규모는 작지만, 이러한 변화는 중소벤처기업부와 협력한 스타트업 지원 프로그램 및 대학교 라이선스 제공 프로그램 등 지멘스가 적극적으로 추진한 이니셔티브의 성과라고 볼 수 있다.   2024년 지멘스에서 중점적으로 추진한 화두는 무엇인지 크게 세 가지를 중점적으로 추진했다. 첫째는 디지털 트윈으로 제품, 생산, 성능의 포괄적인 디지털 트윈을 기반으로 한 효율화 프로젝트가 본격적으로 시작되었다. 둘째는 인공지능(AI)을 기반으로 한 생산 및 설계 자동화 기술 개발이다. 작년 하반기에 발표한 팀센터의 RAG(검색 증강 생성) 기반 생산 AI 기능이 이를 대표적으로 보여주는 사례이다. 셋째는 클라우드 솔루션의 활성화이다. 지멘스 디지털 인더스트리 소프트웨어는 클라우드 기반의 플랫폼 도입과 고객사의 디지털 전환을 위한 컨설팅에 집중하였다. 최근 열린 CES 2025에서도 지멘스는 이러한 화두를 깊이 있게 소개했다. 특히 국내 제조산업에서는 대내외 환경의 변화에 대응하기 위해 디지털 전환이나 효율화 이니셔티브가 필요하다는 현실적인 인식이 강화되고 있다. 지멘스는 기업이 디지털 전환을 2025년의 최우선 과제로 추진할 것으로 전망하고 있으며, 이에 대응해 제품과 기술을 공급하는 것뿐만 아니라 전략적 가치를 제공하고자 드라이브를 강화하고 있다는 점을 CES에서 강조했다.   제품군별로 지난 해 비즈니스를 평가한다면 지멘스 디지털 인더스트리 소프트웨어는 네 개의 브랜드를 중심으로 하는 설루션 제품군을 갖고 있다. 여기에는 ▲NX, 솔리드 엣지, 젤 X(Zel X) 등 설계 제품군을 포함하는 디자인센터(Designcenter) ▲시뮬레이션 및 테스트 제품군의 심센터(Simcenter) ▲PLM인 팀센터(Teamcenter) ▲생산 분야 설루션을 아우르는 옵센터(Opcenter) 등이 있다. 작년에는 특히 심센터의 성장세가 높았고, 엔터프라이즈용 CAD의 시장 평가가 좋은 가운데 디자인센터도 꾸준한 성장을 보였다. 팀센터는 지난 6년간 네 배 정도의 성장을 거두었으며, 최근에는 전사 플랫폼으로서 가치를 소개하면서 고객 투자도 늘어 시장에서 성과가 나오고 있다는 점이 고무적이다. 옵센터는 플랜트 시뮬레이션이나 프로세스 시뮬레이션, CAM 기반의 원가 관리 등에서 좋은 성과를 얻는 가운데 MES(생산 관리 시스템) 시장에서도 프로젝트를 진행하고 있다.   지멘스 인더스트리 소프트웨어 코리아의 조직 및 인원은 어떻게 구성되어 있으며, 최근 변화가 있다면 국내에서 영업, 제품 비즈니스, 기술 프리세일즈, 서비스 등에 걸쳐 300여명의 인력을 갖추고 있으며, 최근 테크니컬 아키텍트 사업부를 신설했다. 전기 전자 비즈니스를 진행하는 지멘스 EDA(구 멘토그래픽스)에 180여 명이 있으며, 작년에 인수를 발표한 알테어의 인력까지 포함하면 올해 말에는 650여 명까지 늘어날 것으로 보인다. 이는 국내 소프트웨어 기업으로서는 상위권의 규모이지 않을까 싶다. 알테어의 인수는 ‘디지털 엔터프라이즈 설루션’을 내걸고 있는 지멘스 그룹 전체에서 소프트웨어의 위상이 더욱 높아지고 있음을 보여준다. 시뮬레이션, 고성능 컴퓨팅(HPC), 데이터 과학, 인공지능 분야에서 알테어가 가진 역량을 지멘스의 엑셀러레이터(Xcelerator) 포트폴리오와 결합함으로써 반도체 등에서 더욱 통합된 기술 포트폴리오를 제공하면서, 더욱 완전한 AI 기반 설계/시뮬레이션 포트폴리오를 구축할 수 있을 것으로 보인다. 알테어 인수를 통해 소프트웨어 비즈니스의 성장폭을 더욱 키울 수 있을 것으로 기대한다.   디지털 트윈 기술이 국내에서 어느 정도 활용되고 있다고 보는지 디지털 트윈의 발전 단계를 미러링(모사) – 모니터링(관제) – 시뮬레이션(모의) – 페더레이션(연합) – 오토노머스(자율) 등 다섯 단계로 볼 수 있다. 많은 기업에서 아직은 시뮬레이션을 중심에 두고 디지털 트윈을 활용하고 있지만, 페더레이션 단계로 발전하려는 시도를 보이고 있다. 예를 들어 LG에너지솔루션은 설비와 공장 및 프로세스를 연결해서 디지털 트윈 기반으로 제품을 설계하고 가상 생산을 진행하는 체계를 마련하고자 노력 중이다. 조선 산업에서는 중후장대형의 레거시 환경을 자율화 환경으로 과감하게 혁신하려는 시도를 하고 있다. 완전 자율화 공장을 지향하는 기업들이 국내서도 등장하고 있는데, 이런 흐름에서 지멘스가 내세우는 실행형 디지털 트윈(Executable Digital Twin, XDT)이 향후 시장에서 주요한 기술로 자리 잡을 것으로 기대한다. 지멘스의 실행형 디지털 트윈은 최적화된 동작 모델과 실제 제품의 동작 환경 사이에 상호작용을 구현함으로써 제품과 설비, 생산까지 디지털 트윈을 구현할 수 있도록 돕는다.   지멘스의 디지털 트윈 기술이 경쟁사와 차별화되는 점을 소개한다면 지멘스는 데이터의 일관된 흐름과 연결성을 지원하는 통합 플랫폼으로서 팀센터(Teamcenter)를 제공한다. 팀센터는 제조 데이터 관리 중심의 PLM에서 나아가 설계부터 제조, 서비스까지 모든 데이터를 통합 관리할 수 있는 유니파이드 BOM(Unified BOM) 구조를 제공하는 것이 경쟁사 대비 큰 강점이라고 할 수 있다. 또한, 지멘스는 고객의 디지털 전환을 위한 유니파이드 BOM 컨설팅 서비스를 제공하며, 효율적인 데이터 관리와 최적화된 디지털 트윈 구현을 돕고 있다.   AI와 관련해서는 어떻게 제조 시장에 접근하고 있는지 CAE를 시작으로 제조 분야에서 AI에 대한 요구가 빠르게 증가하고 있다고 보고 있다. 이에 따라 올해 AI 이니셔티브를 강화할 계획이다. 지멘스의 AI는 디자인센터, 심센터, 팀센터, 옵센터 포트폴리오 모두에 걸쳐 지원되는데, 자체 AI 엔진보다는 오픈AI(OpenAI)와 같은 외부 AI 엔진과 협업을 통해 설루션을 개발하는 방식이다. 이를 기반으로 생성형 설계(제너레이티브 디자인)나 최적화 등을 위한 API(애플리케이션 프로그래밍 인터페이스)를 탑재하고, 고객의 데이터를 분석해 업무에 활용할 수 있는 플랫폼을 제공하고자 한다. 예를 들어, 팀센터의 AI 기능은 고객 데이터의 대규모 분석을 지원하며, 설계와 제조 과정에서 인터랙티브한 작업 환경을 제공한다. 성공적인 AI 활용을 위해서는 데이터에 대한 고객의 인지도 및 데이터 축적/분류/관리 전문성을 키울 필요가 있다고 본다. 기업의 데이터 전문가를 양성하는 것도 중요하다. 이와 함께, 국내에서는 AI를 위한 데이터 가공 전문 업체와 협력하여 설계 데이터, 시뮬레이션 데이터, PLM 데이터를 최적화하고 생성형 AI 채팅 방식의 업무 환경을 구축하거나 제조 산업에 필요한 AI 설루션을 최적화하는 작업도 진행하고 있다.   2025년의 주요한 비즈니스 전략과 계획을 소개한다면 작년에 디지털 트윈과 디지털 전환을 중심으로 한 교육 프로그램을 진행했는데, 올해는 이를 더욱 확대해 국내 제조업 임원들의 디지털 혁신에 대한 이해도를 높이고자 한다. 그리고 기존 고객사에 대한 업셀링을 강화하여 AI 기반 추가 기능과 최신 버전으로의 업그레이드를 제안할 계획이다. 또한, 비즈니스 가치 셀링(Business Value Selling)을 통해 기술적 접근을 넘어, 고객사의 비즈니스 성과를 극대화할 수 있는 설루션을 제안할 예정이다. 기존 주요 고객을 대상으로 한 고도화 비즈니스를 꾸준히 이어가면서, 타사 설계 설루션을 사용하던 고객사의 윈백도 진행하고 있다. 심리스한 통합 제품 개발 툴체인이 제공하는 가치를 중시하는 분위기 속에 CAD부터 지멘스의  포트폴리오로 전환할 수 있도록 지원을 강화하고자 한다. 지멘스가 제공하는 ‘가치 기반 라이선싱’ 정책에 대한 시장의 반응도 좋은 편이다. 제품 가격 인상에 관한 계획은 현재로서는 없으며, 통상적인 인플레 반영 정도만 진행하고자 한다. 대신 SaaS로 전환하는 고객에 대해서는 더 큰 가격 메리트를 제공할 예정이다. 기존 온프레미스 설루션을 SaaS로 전환하면 고객은 인프라 투자 부담을 덜 수 있고, 처리 속도나 공급사의 지속적인 지원에서 이점을 얻을 수 있다는 점을 강조할 것이다. 이번 CES 2025에서 지멘스는 ‘팀센터 디지털 리얼리티 뷰어(Teamcenter Digital Reality Viewer)’와 ‘NX 이머시브 디자이너(NX Immersive Designer)’ 등 제품 개발 환경을 혁신할 수 있는 설루션을 소개했다. 이들 설루션은 올해 국내 시장에 공식 출시할 계획이다. 엔비디아 옴니버스를 기반으로 하는 팀센터 디지털 리얼리티 뷰어는 고성능 실시간 레이 트레이싱 기능을 팀센터에 탑재해, 사실적인 물리 기반의 제품 디지털 트윈을 원활하게 시각화하고 상호 작용할 수 있도록 한다. NX 이머시브 디자이너는 고품질 4K OLED 마이크로 디스플레이와 컨트롤러를 갖춘 소니의 XR 헤드 마운트 디스플레이를 NX와 결합해, 설계자가 3D 객체와 직관적으로 상호작용할 수 있도록 돕는다. 국내 제조업계는 디지털 전환과 관련한 투자에 여전히 신중한 태도를 보이고 있다. 특히 중소기업은 기술 도입에 대한 비용 부담이 크기 때문에, 정부와의 협력을 통해 지원을 강화할 필요가 있다. 또한, 데이터 관리 및 활용에 대한 고객사의 인식 향상과 전문가 양성이 시급하다고 보는데, 이러한 과제를 해결하기 위해 교육, 컨설팅, 기술 지원을 지속적으로 확대할 계획이다.     ■ ‘2024 국내 엔지니어링 소프트웨어 시장조사’에서 더 많은 내용이 제공됩니다.