알테어가 지난 9월 22일 서울 여의도 콘래드 호텔에서 ‘알테어 테크놀로지 콘퍼런스(ATC) 코리아 2023’를 진행하면서, 디지털 전환에 관심이 많은 각 분야의 전문가들로부터 호응을 받았다고 소개했다. 이번 ATC에는 LG전자, 삼성전자, 현대자동차, HD현대중공업, LS일렉트릭, 한화에어로스페이스, 효성중공업 등 국내 50여개 기업의 발표가 진행됐으며 기업 연구원, 엔지니어 등 실무자 및 책임자 1000여 명이 참석했다. 행사에서는 ‘디지털 전환의 가속화’를 주제로 인공지능(AI)과 데이터, 시뮬레이션과 클라우드 컴퓨팅 등이 실제 현장에서 적용된 75개의 다양한 사례도 공유됐다.     알테어의 총괄 연구위원이자 국제 구조 및 다분야 최적화 학회의 집행위원인 밍저우(Ming Zhou) 박사는 ‘다중 물리 시뮬레이션 및 설계 최적화’에 대해서 발표했다. 밍저우 박사는 “제품의 엔지니어링에는 구조, 유체, 열 등 다양한 물리학적 성능 측정이 포함되며 이러한 다중 물리 시뮬레이션을 효율적으로 관리하는 것은 항상 어려운 과제”라며, “알테어는 복잡한 엔지니어링 프로세스를 하나의 플랫폼 위에서 보다 쉽게 최적화할 수 있도록 제공하고 있으며, 이를 통해 업무의 효율을 크게 향상시킬 수 있다”고 말했다. 한국타이어앤테크놀로지의 이원혁 상무는 ‘자율주행 모빌리티 적용을 위한 타이어 신기술 개발 및 시뮬레이션 기법’을 발표했다. 이원혁 상무는 “자율주행 자동차 시대가 되어도 타이어는 이중화가 불가능한 부품이기에 타이어 관련 사고를 원천적으로 방지할 수 있는 안전 기술 요구가 증가한다. 따라서 안전성이 높고 유지관리가 쉬운 에어리스(airless) 타이어가 더 많이 적용될 것”이라며, “에어리스 타이어는 구조체가 하중을 균일하게 분산시키는 것이 중요하고 모래, 진흙, 자갈, 못, 유리, 경사 등 다양한 험로에서의 주행성을 보장받아야 하기에 시뮬레이션 기법으로 설계를 최적화했고 빠른 시간 내에 제품을 개발할 수 있었다”고 말했다. LG전자 VS사업본부의 김용연 팀장은 ‘CAE 분야에서 데이터 기반 해석 영역으로의 확장성에 대한 방향성’에 관해 발표했다. 알테어는 LG전자와 시뮬레이션 자동화 플랫폼 구축에 관한 MOU를 맺었으며, 2022년 말에는 LG전자와 자동차 부품 성능을 검증하기 위한 AI 플랫폼을 구축했다. 디지털 전환 프로젝트를 담당하고 있는 김용연 팀장은 “자동차 전장부품은 나사의 개수, 재질, 허용오차, 크기, 무게 등의 다양한 설계 인자들의 조합으로 성능을 평가받기에 다양한 교차 분석이 필요했다”면서, ”많은 데이터를 분석해 보다 정확한 성능 예측을 할 수 있도록 알테어와 플랫폼을 개발하게 되었다. 현재 데이터를 기반으로 한 성능 예측을 통해 빠르고 효율적으로 제품을 개발하고 있다”고 말했다. 알테어의 문성수 아시아 태평양 지역 부사장은 환영사에서 “전동화, AI를 통한 시뮬레이션, 반도체, 클라우드 등과 같은 메가트렌드는 모두 디지털 기술들과 밀접관 관련이 있다”면서, “알테어는 40여 년 동안 디지털 전환과 디지털 트윈에 관한 많은 노하우와 기술을 쌓아왔으며, 이제 그 모든 것에 인공지능을 접목하고 있다. 복잡한 엔지니어링 프로세스를 하나의 플랫폼에서 쉽게 사용할 수 있도록 통합 환경과 플랫폼 제공에 박차를 가할 것”이라고 말했다.

  알테어가 각 산업에서 빠르게 적용되고 있는 혁신적인 기술과 트렌드를 살펴보고 다양한 분야에서 업계를 선도하는 전문가들이 모여 소통하는 ‘알테어 테크놀로지 콘퍼런스 코리아 2023’을 9월 22일 서울 여의도 콘래드 호텔에서 개최한다고 밝혔다. 올해로 21회를 맞이하는 ‘알테어 테크놀로지 콘퍼런스’는 자동차, 항공우주, 중공업, 가전 등 다양한 산업 분야의 실무 담당자부터 의사 결정권자까지 참여해 지식을 나누는 행사이다. 올해는 ‘디지털 전환의 가속화’를 주제로 인공지능(AI)과 데이터, 디지털 트윈, 시뮬레이션과 클라우드 컴퓨팅 등이 실제 산업에서 적용된 75개의 사례가 발표될 예정이다. 이번 콘퍼런스는 알테어 밍저우(Ming Zhou) 연구위원의 ‘다중물리 시뮬레이션 및 설계 최적화’에 대한 기조 강연을 시작으로 한국타이어앤테크놀로지 이원혁 상무가 ‘자율주행 모빌리티 적용을 위한 타이어 신기술 개발 및 시뮬레이션 기법’을 발표한다. 이어서 LG전자 김용연 팀장이 ‘컴퓨터 이용 공학(CAE) 분야에서 데이터 기반 해석 영역으로의 확장성에 대한 방향성’에 대해 발표할 계획이다.   이어지는 세부 발표 세션에는 LG전자, 삼성전자, 현대자동차, LG에너지솔루션, LS일렉트릭, HD현대중공업 등 국내 산업을 대표하는 기업들의 실무 전문가들이 디지털 전환 사례에 대해 발표한다. 또한, 업계 종사자들 간 네트워킹 자리도 마련될 예정이다. 알테어의 문성수 아시아태평양 수석 부사장은 "각 분야에서 디지털 전환이 가속화되며 우리는 새로운 가능성과 도전에 직면하고 있다”면서,  “업계를 선도하고 있는 리더들이 모이는 이번 행사를 통해 디지털 전환의 최신 동향을 파악하고, 현실적으로 비즈니스에 적용하는 방법을 찾는 좋은 기회가 되기를 바란다"고 말했다.

    2023년 9월 22일 금요일 오전 10시 | 콘래드 서울 3F 디지털 전환 가속화, ATC Korea 2023에 여러분을 초대합니다! 국내 최대 규모의 IT 컨퍼런스, 알테어 테크놀로지 컨퍼런스(ATC)에 참석하셔서 디지털 전환을 가속화하고 데이터 분석 및 AI 전략을 구현하기 위한 인사이트를 전문가들과 나누어 보세요!           AGENDA HIGHLIGHT           KEYNOTE ·  알테어 / 다중 물리 시뮬레이션 및 설계 최적화­ ·  한국타이어 / 자율주행 모빌리티 적용을 위한 타이어 신기술 개발 및 타이어 시뮬레이션 기법 ·  LG전자 / CAE분야에서 데이터 기반 해석 영역으로의 확장성에 대한 방향성   Platform ·  현대건설기계 / ASME Code 기준 Bolt Stress 계산 결과와 SimLab FEM 해석 결과 비교 ·  LG이노텍 / 시뮬레이션 자동화와 플랫폼 개발을 통한 가상검증 시스템 구축 ·  삼성전자 / Altair 제품군을 활용한 기구 CAE Pre-Post 자동화 ·  삼성전자 / SimLab을 활용한 TV 제품 구조 시뮬레이션 자동화를 통한 표준 가상 모델 개발 ·  현대트랜시스 / 차량용 시트 내 체결 부품 강도 평가를 위한 전후처리 프로세스 개발 ·  경일대학교 / 공학교육을 위한 VR 환경에서의 CAE 결과 활용   Executable Design ·  한국항공우주산업 / Inspire를 이용한 인공 위성체 Antenna bracket의 위상 최적화 및 AM 적용 사례 연구 ·  효성중공업 / Inspire Cast를 활용한 GIS용 주물외함 최적화 ·  만도 / Inspire Mold를 이용한 ECU Plastic Housing의 사출 특성 분석 ·  광진 / Inspire를 이용한 자동차 Window Regulator 부품의 설계 최적화 ·  한국생산기술연구원 / Inspire 압출 이용한 웰딩라인이 분산된 알루미늄 압출 금형 설계 ·  한국공학대학교 / Inspire Extrude Metal과 초등해법을 이용한 압출 금형 베어링 형상 최적화 ·  MFRC / AFDEX와 HyperStudy를 이용한 싱글 클린칭 공정의 유한요소해석 및 최적설계   Digital Twin ·  현대자동차 / Leaf Spring Builder 최적화 프로세스 개발을 통한 차량 하중/내구/강도 해석 적용 ·  HD현대중공업 / SimSolid 용접변형 시뮬레이션을 활용한 함정 선체설계/건조 적용사례   Democratization of AI ·  현대모비스 / 제조 및 작동 조건에 따른 인휠 모터 NVH 해석 모델 개발 및 RapidMiner 활용 ·  연세대학교 / RapidMiner를 활용한 제조 AI/ML 분석 고도화 ·  시멘틱그래프 / 금융투자 해커톤 사례: 시계열 예측(TSF: Time Series Forecasting)을 활용한 트레이딩 전략   Physics I ·  현대자동차 / AM(Additive Manufacutring)공법을 활용한 BIW 최적구조 연구 ·  CJ대한통운 / 골판지 등가 물성 확보를 위한 시험 및 해석 방법에 대한 연구 ·  한국항공우주산업 / SPH기법을 활용한 차세대전투기 레이돔 조류충돌 영향성 평가 ·  한화에어로스페이스 / 원통형상 가스터빈 엔진부품의 익스팬드 성형공정해석 ·  한국건설기술연구원 / 수치해석을 이용한 석조 문화재 구조물의 다양한 거동 시나리오 연구 ·  한국항공우주산업 / Radioss를 이용한 헬기 연료계통 및 구조 충돌 시뮬레이션   Physics II ·  LG전자 / 에어컨 기류 LES 해석 가속화를 위한 ultraFluidX 적용 ·  한국전자기술연구원 / 하이브리드 모델링 프레임워크기반 마이크로그리드 디지털 트윈 서비스 개발 ·  현대중공업 / CAESES를 이용한 프로펠러 캐비테이션 해석 인터페이스 구축 ·  에스엘 / HMSL BSR 소음 사전 예측 ·  한국항공우주산업 / OptiStruct와 HyperStudy를 활용한 민수항공기 주익 초기 디자인을 위한 민감도 분석 ·  현대자동차 / 모빌리티 스트럭처 BSR 성능 최적화을 위한 노면하중 전달 기여도 분석   Process Engineering ·  LG에너지솔루션 / 배터리 트레이 최적화 프로세스 자동화 개발 ·  LG전자 / SimLab CFD(AcuSolve)를 이용한 EV 급속 충전기(200kW급 파워 뱅크) 열/유동 해석 기술 개발 ·  LG전자 / 차세대 리튬 이온 배터리 기술과 DEM 기법의 적용 ·  금오공과대학교 / 이산요소법을 이용한 가전분야에서의 디지털 트윈 기술 개발 ·  한국전자기술연구원 / 이차전지 성능개선을 위한 전해질 개발용 AI 시뮬레이터   Electrification ·  LS일렉트릭 / GIS 전계해석 포스트 프로세스 자동화 개발 ·  엔엠씨 / Flux를 이용한 이중 여자 마그네틱 기어드 모터 해석 ·  인텍전기전자 / 단방향 솔레노이드형 액츄에이터 설계연구 ·  현대자동차 / 자기에너지 제어 기술을 활용한 바디 요소기술 해석 연구 ·  효성중공업 / PMSGM 제작을 고려한 전자계해석 프로그램 활용 ·  한국항공우주산업 / Feko를 활용한 허니컴소재 전자기물성 추출 기법   ESD ·  에스엘 / 사용자 지향적인 PCB 설계 자동 검증 환경 구축 과 활용 ·  현대모비스 / EMC 노이즈 저감을 위한 PCB 레벨 EMC 룰 검증 및 최적화 ·  대구기계부품연구원 / 모터 축전압 저감을 위한 PSIM 기반 해석 모델과 구현           문의 사항은 marketing@altair.co.kr 으로 연락주시기 바랍니다.

CAE 컨퍼런스 사전이벤트 내용이 보이지 않으면 여기를 클릭하세요  

CAE 컨퍼런스 내용이 보이지 않으면 여기를 클릭하세요  

개발 및 공급 : 나니아랩스 주요 특징 : Aslan Engineer - 3D CAD 설계 데이터를 생성형 AI로 생성하고 공학적 성능을 예측/평가, Aslan Designer - 생성형 AI 기술을 활용하여 산업 디자이너를 위한 다양한 기능 제공   Aslan Engineer Aslan Engineer는 딥러닝을 활용한 3D 공학 설계&해석 소프트웨어이다. 3D CAD 설계 데이터를 생성형 AI로 생성하고, 공학적 성능을 예측하여 평가할 수 있다. 또, 사용자가 기계적 성능 요구사항을 지정하면, 만족하는 설계안을 자동 생성하는 최적화 기능도 제공한다.   Aslan Engineer의 주요 특징 파라미터 다변화, 위상 최적화를 통한 생성과 다르게, 기존의 설계 데이터를 기반으로 AI를 학습하여 제공한다. 데이터 주도 설계&해석을 실현할 수 있다. 과거 데이터에 내재된 노하우와 장점들을 학습한 최적 설계안들을 제안할 수 있다. 합성 데이터 생성 기능을 제공한다. 과거 설계 데이터가 충분히 축적되지 않은 기업도 소량의 시드 데이터만 있으면, 생성형 AI로 공학적 성능이 확보된 합성 데이터를 만들어서 전체 데이터의 양을 늘릴 수 있다. 이를 데이터셋으로 활용하면 소량의 데이터로도 다양한 AI 모델 성능을 확보할 수 있다. 해석 결과를 예측할 수 있다. 실제 해석을 수행할 때는 전문가의 지식과 경험, 고사양의 컴퓨터, 해석 연산 시간 등이 필요하다. 반면, Aslan Engineer는 과거의 해석 데이터를 학습한 AI를 통해 CAD 설계와 동시에 해석 결과 예측이 가능하다. 기계적 성능 요구사항을 만족할 때까지 설계자와 해석자 사이에서 반복 발생하던 업무를 줄이고 하드웨어 개발 비용과 시간을 절약할 수 있다. 요구사항을 지정하면 그것을 만족하는 몇 가지 최적 설계안을 제안한다. 설계자의 경험에 의존하여 몇 가지 한정된 디자인에서 최적 설계안을 찾았던 기존의 방식과 다르게, 딥러닝 모델 안에서 추출된 특징(feature)을 바탕으로 창의적인 최적 설계안까지 제안한다. 이를 통해 빠르게 설계를 최적화함과 동시에 훨씬 더 넓은 디자인 경우의 수까지 고려할 수 있다.   Aslan Engineer의 구성 모듈 Explorer(Generator & Evaluator)     생성된 수많은 설계안을 탐색하는 기능을 제공한다. AI가 추출한 잠재 요소를 바탕으로 클러스터링하여 유사한 형상끼리 구분한다. 단순 나열식인 2D View, 잠재 공간에서의 3D Scatter View, 목표 성능 2가지를 지정하여 Chart View로 시각화하는 기능을 제공한다. 생성된 수천 개의 설계안은 실시간으로 성능 예측값이 라벨링된다. 이를 바탕으로 필터링하여 원하는 성능을 만족한 부품만 확인할 수 있다.   Optimizer     목표로 하는 요구사항과 생성하고자 하는 설계안의 수를 지정하면 그에 맞는 최적 설계안을 생성해 준다. 이 최적 설계안은 2D Gallery View로 확인할 수도 있고, Scatter Plot 또는 Chart View를 활용하면 Explorer 모듈의 잠재 공간상에서 어디에 위치하는지 시각적으로 확인할 수 있다.   My Favorite Designs     협업을 고려한 워킹 스페이스 기능을 제공한다. 앞서 두 가지 모듈에서 Favorite 설계안을 지정하면 이 모듈에 나타난다. 사용자 및 동료들의 Favorite까지 한 번에 확인할 수 있다. 이 모듈에서 Favorite 설계안을 서로 비교하거나 보간(interpolation)으로 새로운 설계안도 생성이 가능하다.   Aslan Engineer의 주요 기능 3D 엔지니어링 데이터(CAD/CAE) 생성 AI 3D 엔지니어링 데이터를 생성 및 오토 라벨링하는 AI 기능을 제공한다. 공학적 성능을 포함한 데이터를 생성하기 때문에 제조업 현장에서 활용이 가능하다.   데이터 탐색 기능 생성된 수천 개의 데이터를 사용자의 편의에 맞춰 탐색할 수 있다. 수많은 3D 설계안을 비슷한 형상끼리 묶는 것은 사람은 할 수 없지만, AI는 잠재 공간에서 추출된 요소를 바탕으로 가까운 형상끼리 그루핑할 수 있다.   실시간 공학 성능 예측 생성된 3D 데이터의 공학 성능을 실시간으로 예측하는 기능을 제공한다. 기존에는 해석 전문가의 섬세한 작업과 많은 연산량이 필요하기 때문에 해석 작업에 어려움이 많았다. Aslan Engineer는 데이터를 바탕으로 높은 정확도의 예측 성능을 실시간으로 제공한다.   최적 설계 제안 요구 성능을 입력하면 만족하는 최적 설계안들을 생성해서 제공한다. 기존에는 요구 성능을 만족하지 못해 설계안을 수정해야 할 때, 형상을 일부 변경할 때 공학적 성능이 어떻게 변화될 지 설계자의 경험과 노하우에 의존해 왔다. 이런 불편함을 없애기 위해서 초기 개념 설계 단계에서 공학적 성능을 담보할 수 있는 최적 설계안을 바로 확인할 수 있다.   주요 고객 3D 엔지니어링 데이터 기반으로 하드웨어를 개발하는 제조업 기업들이 고객사이다. 현재는 모빌리티 산업을 초기 주요 고객으로 설정하고 있다. 현대자동차, 현대모비스, HD현대중공업 등의 모빌리티 기업과 함께 몇 년간 연구과제를 진행해 왔고, 제품에 대한 수요를 확인했다. 또한 전자, 철강, 플랜트 분야 대기업들과도 협업하며 제조 전반에 걸쳐 실전 노하우를 축적하고 있다.   향후 계획 및 지원 전략 내년 초까지 후속 버전 출시를 목표로 하고 있다. GUI 기반의 노코드(no-code) AI를 넘어서 더 넓은 확장성을 위한 로코드(low-code) AI 기능을 강화할 예정이다. 또한, 사용자가 직접 제품 개발 과정에 맞게 AI 기술을 스스로 커스터마이징할 수 있는 사용자 주도형 AI 툴을 만들 계획이다. 고객사의 요구사항에 맞게 노코드와 로코드 AI 툴은 모두 지원될 계획이다. 또한 3D 설계뿐 아니라 1D/2D 설계 문제 해결을 위한 기능도 탑재될 예정이다. 빠르게 발전하는 AI 기술 속도에 맞추어 최신 모델이 주기적으로 업데이트될뿐 아니라, 기업이 효과적으로 AI 툴을 사용할 수 있도록 문제정의와 데이터 구축을 위한 컨설팅을 지원한다.   Aslan Designer Aslan Designer는 산업 디자이너를 위해 생성형 AI를 통한 다양한 도구를 제공하는 제품이다. 현재 휠 디자인에 초점을 맞춘 데모를 서비스하고 있으며, 앞으로 다양한 제품군의 산업 디자인 워크플로를 지원하고 디자이너가 창의력을 극대화할 수 있는 AI 기술을 제공할 예정이다.   ▲ Aslan Designer의 전체 프레임워크   Aslan Designer의 주요 특징 Aslan Designer의 휠 디자이너는 공학적인 휠 패턴 중 하나를 선택하고 디자인 스타일(프롬프트)을 입력하면, AI 기술을 이용해 디자이너의 의도를 반영한 사실적인 휠 디자인을 생성하여 차량에 적용해 볼 수 있다. 이를 통해 디자이너는 영감을 얻을 수 있으며, 해당 디자인의 공학적 성능도 바로 확인할 수 있다.   Aslan Designer의 기능 디자인 조건 설정   ▲ 휠 패턴 검색   휠을 디자인하기 전에, 공학적으로 타당한 휠 패턴 중 원하는 휠 패턴의 스포크 수를 선택하거나 유사한 패턴을 탐색할 수 있는 기능을 제공한다. 수만 개의 휠 패턴이 제공된다.   디자인 생성 및 성능 확인 스타일 프롬프트 : 디자이너는 원하는 휠 스타일을 키워드로 선택하거나 직접 입력하여, 영감을 받은 제품이나 형상을 자유롭게 표현할 수 있다. 스타일 휠 생성 : 디자이너가 선택한 휠 패턴과 스타일 프롬프트를 통해 의도가 반영된 스타일의 사실적인 휠 디자인이 생성된다. 공학 성능 예측 : 디자이너는 실시간으로 생성된 휠 디자인의 중량과 강성 같은 예측된 공학적 성능을 확인할 수 있다.   차량 적용 디자이너는 원하는 휠 디자인을 차량에 적용해 전체적인 콘셉트의 조화를 빠르게 확인할 수 있다.   주요 고객 사이트 현재 휠 디자이너는 현대자동차 및 포스코와 협업해 왔으며, 확장 버전인 타이어 패턴 디자이너에 대해서 금호타이어와 POC를 진행 중이다.   향후 계획 및 지원 전략 스케치를 실시간으로 제품 이미지로 변환하여 빠른 의사 결정을 지원하는 기능, 빠른 3D 렌더링 기능, 복잡한 2D/3D 편집 툴이 필요 없는 디자인 수정 기능을 포함하여 다양한 툴셋을 제공할 예정이다. 또한, 디자이너가 엔지니어링 및 제조 요구사항을 충족하면서 작업할 수 있도록 효율적인 협업을 지원할 예정이다.   ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   최근에 미래의 지식(knowledge)과 노하우(know-how)에 대해서 생각해 봤다. 특히 챗GPT(ChatGPT)와 같은 생성형 인공지능(generative AI)의 발전은 전통적인 지식 습득 방법에 대해서 여러 가지 변화와 영향을 줄 수 있다고 생각한다. 챗GPT를 사용하면서 다음과 같은 이점을 발견하였다. 이전에는 특정 정보나 지식을 얻기 위해서 책을 읽거나 전문가에게 문의해야 했지만, 이제는 생성형 인공지능같은 도구를 사용해서 즉시 필요한 정보나 대답을 얻을 수 있다. 이것은 인간 두뇌의 역동적인 흐름에 아주 적합하다. 아이디어가 갑자기 생각날 때 필요한 정보와 지식을 연결할 수 있으면 생산성이 폭발적으로 향상될 수 있다.   ▲ 디지털 노애스크 그리고 지식, 노하우, 노애스크   또한 사용자가 특정 질문을 하면 그에 대한 맞춤형 답변을 받을 수 있어서 개인의 학습 요구와 속도에 맞춰서 학습을 할 수 있다. 언제 어디서든 접근이 가능하기 때문에 학습의 지속성을 강화할 수 있다. 예를 들어서, 특정한 주제에 대한 깊은 이해나 새로운 인사이트를 얻기 위해 질문을 계속하면서 소통 학습으로 확장할 수 있다. 챗GPT와 같은 도구를 사용하면 이전에는 불가능한 다양한 주제에 대한 정보를 빠르게 탐색하고 진도가 나갈 수 있다. 이전에는 정해진 시간에 개념이나 정보의 흐름을 방해하기 때문이다. 전통적인 교육 방식과 생성형 인공지능을 결합하여 더 효과적인 교육 방법을 만들 수도 있다. 예를 들어서, 강의 도중에 모르는 내용이 있을 경우 즉시 챗GPT에 질문하여 추가 정보를 얻는 것과 같은 방식이다. 그러나 이러한 변화에도 불구하고, 전통적인 학습 방법은 여전히 주효하다는 생각과 새로운 방향으로 진화해야 한다는 생각으로 나뉠 수 있다. 전자의 이유는, 아무리 발전된 AI 모델이라도 인간의 사고방식, 경험, 직관, 인간 간의 상호작용 등을 완전히 대체할 수 없기 때문이다. 따라서 AI는 전통적인 학습 방법의 보완적인 역할을 하는 것이 바람직하다고 주장한다. 그러나, 후자는 자동차의 발명은 과거의 마차의 패러다임과 단절될 수 있다는 것이다. 전기차의 개발 프로세스와 내연기관의 개발 프로세스는 아주 다를 수 있다는 가정이다. 새로운 지식에 대한 생각을 하기 전에 지식과 노하우에 대해서 생각해 보자. 우선 챗GPT에게 지식과 노하우에 대해서 물어봤다. “지식은 경험이나 교육을 통해 습득한 사실, 정보, 설명 또는 기술에 대한 이해 또는 인식을 의미합니다. 여기에는 서로 다른 개체 간의 관계나 연관성을 인식하는 것이 포함됩니다. 지식은 주제에 대한 이론적 이해로 볼 수 있습니다. 예를 들어, 고속 운전은 사고로 이어질 수 있다는 지식을 가지고 있을 수 있습니다. 이러한 지식은 종종 책, 데이터베이스 또는 기타 저장소에 저장되거나 문서화되어 다른 사람에게 전달되거나 전달될 수 있습니다. 노하우는 어떤 일을 수행하기 위한 실질적인 전문 지식이나 기술을 의미합니다. 특정 행동이나 작업을 수행할 수 있는 능력에 관한 것입니다. 명시적으로 설명하거나 전달할 수 있는 지식과 달리 노하우는 암묵적인 경우가 많기 때문에 쉽게 설명하거나 가르치기 어려울 수 있습니다. 다시 운전의 예를 들어보면, 노하우는 운전에 대한 지식이 아니라 자동차를 운전하는 실제 기술이라고 할 수 있습니다. 노하우는 실제 경험과 연습을 통해 얻을 수 있는 것입니다. 차이점을 더 자세히 설명하기 위해 이렇게 생각해 보세요. 기타 연주에 관한 책을 읽으면 기타가 어떻게 소리를 내는지, 기타의 다양한 부품이 어떤 기능을 하는지, 심지어는 다양한 코드에 숨어 있는 음악 이론에 대한 지식을 얻을 수 있습니다. 하지만 직접 기타를 들고 연습하지 않으면 실제로 기타를 연주할 수 있는 노하우는 얻을 수 없습니다. 더 넓은 범위의 계산과 사회 및 경제의 발전에서 지식(이론적 이해)과 노하우(실제 적용)는 모두 중요합니다. 지식은 기초와 방향을 제시하고 노하우는 실행과 실질적인 실현을 보장합니다.” 다시 챗GPT에게 일반적인 용어인 노하우와 개인적인 용어인 노애스크(know-ask)에 대해서 질문을 했다. “노하우와 노애스크는 두 개의 다른 개념입니다. 노하우는 특정 작업을 수행하는 방법에 대한 실질적인 지식이나 경험을 의미합니다. 노하우는 주로 실무 경험을 통해 얻어지며, 교과서나 이론적인 학습만으로는 얻기 어렵습니다. 예를 들면, 자전거를 타는 방법, 특정 소프트웨어를 사용하는 방법, 기계를 운영하는 방법 등이 노하우에 해당됩니다. 노애스크의 개념은 널리 알려진 표준 용어가 아니지만, 이를 ‘질문하는 방법을 아는 것’ 혹은 ‘적절한 정보나 지식을 얻기 위해 어떤 질문을 해야 하는지 아는 것’으로 해석할 수 있습니다. 정보나 지식을 효과적으로 얻기 위해서는 어떤 질문을 해야 하는지, 어떻게 질문을 구성해야 하는지 알아야 합니다. 특히 복잡하거나 전문적인 주제에서는 정확한 질문을 통해 원하는 답변을 더 쉽게 얻을 수 있습니다. 두 개념의 가장 큰 차이는, 노하우는 ‘어떻게’ 특정 작업을 수행하는지에 대한 지식이며, 노애스크는 ‘어떻게’ 정보나 지식을 효과적으로 요청하거나 찾아내는지에 대한 지식입니다.” 챗GPT에 물어 본 두 가지 질문에 대해서 다음과 같은 결론을 얻을 수 있었다. 지식이란 대상에 대한 인식이고, 노하우는 어떻게 수행하는지에 대한 지식이며, 노애스크는 효과적으로 요청하거나 찾아내는 지식이라고 할 수 있다. 미래에는 지식 생태계에서 노애스크가 중요하다. 특히 디지털 지식에서는 디지털노애스크(digital know-ask)가 중요하다. 현재 프롬프트(prompt)도 디지털 노애스크의 일종이라고 할 수 있다. 디지털 노애스크는 챗GPT나 생성형 인공지능이 이해할 수 있는 디지털 질문(digital question)이라고 할 수 있다. 노애스크는 단지 질문만이 아니라 대행 요구도 될 수 있다. 다양한 지식과 경험이 필요한 프로젝트에 필요한 지식이나 노하우를 처음부터 학습해서 하기는 불가능에 가깝다. 인공지능과 연결 API가 지속적으로 발전할 것이고, 인간은 디지털 하우애스크 스킬을 발전시켜야 한다.   노애스크는 시스템 엔지니어링이나 모델 기반 시스템 엔지니어링(MBSE), 디지털 트윈과 같이 협업 시스템 개발 환경에서도 필요하다. 복잡한 시스템에서 모든 분야의 지식을 다 알 수는 없다. 많은 부분을 인공지능이나 다른 도메인 데이터베이스에 의존해야 하고 대행해야 한다. 모든 개발 엔지니어가 시스템 개발을 위해서 오랫동안 CAD나 CAE 도구와 소프트웨어 코딩, 엑셀 같은 개발 환경을 공부하는 것은 비효율적일 수 있다. 이런 것은 디지털 노애스크를 이용해서 해결하면 된다. 현재 인간의 학습속도보다 빠르게 변하는 지식 환경 속에서 노애스크가 가장 큰 경쟁력이 될 것이다. 이런 디지털 노애스크는 개인에게 엄청난 초능력을 가져다 줄 수 있을 것이다. “If you don’t ask, You don't get.” - 스티비 원더   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스트로 활동하고 있다. 보잉, 삼성항공우주연구소, 한국항공(KAI), 지멘스에서 근무했다. 저서로는 ‘PLM 지식’, ‘서비스공학’,  ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

  INFOWORLD   Case Study 17　혼합현실이 자동차 개발의 변화를 이끄는 방식　디자인부터 고객 경험까지 워크플로 전반에서 협업의 장벽 제거 20　UEFN으로 제작된 나이키의 버추얼 스니커즈 헌트　사실적인 디지털 제품과 창의적인 게임 아트로 새로운 브랜드 경험 제공   Focus 39　AMD, “GPU 및 소프트웨어 기술과 생태계 강화 위해 노력할 것” 44　PLM의 기능 및 프로세스 개선 효과에 대한 만족도 높아… 향후 발전을 위해서는 확고한 비전과 실행 계획이 중요   People&Company 42　에스엘즈 이유미 대표, 정재헌 대표　건설 분야의 VR·디지털 트윈 활용 위한 전문성과 기술력 선보일 것   New Products 24　합리적인 가격과 커스터마이징 지원하는 제품 수명주기 관리 솔루션　링크 PLM 28　AI 기반 공학 설계 및 산업 디자인 솔루션　Aslan Engineer / Aslan Designer 31　효과적인 품질 및 프로세스 관리를 위한 솔루션　ETQ Reliance 34　스마트폰/태블릿에서 간편하게 고품질 3D 모델 제작　리얼리티스캔 안드로이드 버전 36　자동차의 위험 돌기 형상 자동 검출 소프트웨어　DFAS 58　이달의 신제품   Column 46　디지털 지식전문가 조형식의 지식마당 / 조형식　디지털 노애스크 그리고 지식, 노하우, 노애스크 48　현장에서 얻은 것 No.13 / 류용효　PLM, 이대로 좋은가   On Air 53　캐드앤그래픽스 CNG TV 지식방송 지상중계　챗GPT 최신 트렌드와 자기주도 AI 활용법 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　생성형 AI와 메타버스 트렌드   55　News 60　New Books   Directory 123　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 62　새로워진 캐디안 2023 살펴보기 (11) / 최영석　3D 객체 그리기 기능 Ⅱ 65　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2024 (5) / 천벼리　아레스 캐드 2024의 평탄화 기능 68　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　멀티모달 딥러닝 모델 이미지바인드 설치 및 사용기 72　토목 분야 BIM 기반 자동, 연동, 수동 수량산출 합산 프로세스 (2) / 이재홍　토목 분야 BIM 기반 수량산출 관련 활용 현황   Reverse Engineering 77　포인트셰이프 디자인을 사용한 역설계 사례 / 드림티엔에스　자동차 포크 시프트 스캔 데이터의 역설계 작업 과정 82　이미지 정보의 취득, 분석 및 활용 (9) / 유우식　분석 결과의 활용   Mechanical 90　제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (4) / 박수민　개선된 케이블링 기능   Analysis 94　제품 개발의 새로운 방법론, MBSE (4) / 진병률, 황하나, 박영진　요구사항 기반 V&V를 수행하기 위한 방안 및 사례 98　앤시스 워크벤치를 활용한 해석 성공 사례 / 김선호　앤시스 모션 툴킷으로 EHD 저널 베어링 해석하기 101　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (1) / 나인플러스IT　메싱 자동화를 통한 CFD 엔지니어의 작업시간 단축 112　아키텍처와 MBSE에 의한 시스템 설계 / 오재응　시스템 설계의 프로세스와 시스템 아키텍처의 구축   PLM 104　제조기업의 미래를 위한 PLM 이야기 (8) / 김성희　PLM과 변화 관리   Cloud Computing 106　산업 현장에서 활용할 수 있는 AWS IoT 서비스 (5) / 조상만　산업용 데이터를 쉽게 수집하고 분석하게 해주는 AWS IoT 사이트와이즈      

이 메일이 잘 안보이시나요? 이곳을 클릭하세요!