성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28)   피델리티 LES 솔버(Fidelity LES Solver)는 고급 다물리학 CFD(전산유체역학) 해석 엔진으로, 대형 소용돌이 시뮬레이션(LES)을 항공우주, 자동차, 터보 기계 분야의 주류로 확장한 기술이다. 고유의 스케일링 기능을 갖춘 피델리티 LES 솔버는 고도화된 유체 역학 문제를 정확하게 예측할 수 있도록 설계되어, 공기소음학, 공기역학, 연소, 열 전달 및 다상 흐름 문제 등 전통적으로 복잡한 CFD 문제를 해결한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   피델리티 LES 솔버의 주요 특징 고정밀 시뮬레이션 : 이 솔버는 공기소음학, 공기역학, 연소, 열 전달 및 다상 흐름 등 복잡한 유체 역학 문제를 해결하는 데 적합하며, 특히 정확도가 중요한 분야에서 큰 장점을 제공한다. 메시 생성 : 클리핑된 보로노이 다이어그램을 이용하여 폴리헤드럴 메시(mesh)를 빠르고 확장 가능하며, 복잡한 기하학적 형상을 처리할 수 있는 견고한 방법으로 생성한다. 사용자는 필요한 곳에 해상도를 조정하거나, 복잡한 기하학적 구조에 대해 낮은 해상도의 시뮬레이션을 실행하고, 움직이는 기하학도 시뮬레이션할 수 있다. 확장성 : CPU 기반 또는 GPU 기반 고성능 컴퓨팅 환경에서 높은 확장성을 제공하여, 큰 규모의 계산 집약적인 시뮬레이션을 수행할 때도 속도나 정확도를 희생하지 않고 처리할 수 있다. 고급 수치 방법 및 모델 : LES의 예측 정확성을 실현하려면 단순히 시간 의존성을 활성화하고 난류 모델을 변경하는 것 이상이 필요하다. 피델리티 LES 솔버는 안정성과 정확성을 높이기 위해 고급 수치 방법과 모델을 결합하여 다양한 시나리오에서 효과적으로 작동한다.   피델리티 LES 솔버의 적용 분야 항공우주 : 항공기 부품 주변의 흐름 역학을 예측하거나, 소음 발생을 이해하고, 공기역학 성능을 최적화하는 데 유용하다. 자동차 : 자동차 설계에서 공기 저항, 연소 모델링, 공기소음학 등의 시뮬레이션에 필수적인 도구이다. 터보 기계 : 터빈, 압축기 등과 같은 기계에서의 흐름을 정확히 시뮬레이션하여 효율성 및 신뢰성을 개선하는 데 도움을 준다. 피델리티 LES 솔버는 복잡하고 실제적인 시나리오에서 고급 CFD 설루션을 요구하는 엔지니어나 연구자에게 유용한 도구이다.   그림 1. 피델리티 스티치(Fidelity Stitch)로 생성된 실물 크기 혼다 피트(Honda Fit)의 폴리헤드럴 메시   해석기는 다양한 유동 영역(저속 유동, 충격파를 동반한 고속 유동, 반응 유동 등)을 처리할 수 있도록 비정형 격자에 대한 이산 엔트로피 프레임워크(discrete entropy framework)를 일반화한 유한체적법(finite volume approach) 기반의 이산화(discretization) 기법을 사용한다. 이 방식은 복잡한 센서, 업윈딩 하이브리드화(upwinding hybridization), 또는 안정성을 위한 계수 조정 없이도 안정적이고 균일한 플럭스 이산화(flux discretization)를 가능하게 한다. 이 고유한 이산화 기법은 최신의 서브그리드 스케일 모델링(subgrid scale modeling) 및 벽면 모델링(wall modeling)과 결합되어, 격자 해상도에 대해 뛰어난 강인성을 가진 LES 기능을 제공한다.(그림 2)   그림 2. 샌디아 불꽃 D(Sandia Flame D) 실험 결과와 피델리티 LES 솔버의 다양한 격자 크기 결과 비교(위 : 온도 등고선, 아래 : 중심선 평균 및 RMS(평균제곱근) 온도)   공기역학(Aerodynamics) 피델리티 LES 솔버는 복잡한 형상의 공기역학력을 예측할 수 있으며, 저마하(low–Mach)에서 초음속(supersonic)에 이르기까지 다양한 유동 영역에서 정확한 예측이 가능하다. 예를 들어, 미세한 형상 설계 변경으로 인한 차량 항력 변화를 포착하거나(그림 3), 상용 항공기에서 높은 받음각(angle of attack) 조건에서의 실속(stall) 발생 시점을 정확히 식별할 수 있다.   그림 3. 피델리티 LES 솔버를 활용한 고정밀 CFD 시뮬레이션.(위 : 최대 양력, 실속(stall) 특성 및 분리 패턴 예측을 목표로 한 상용 항공기의 고정밀 시뮬레이션, 아래 : 자동차의 외부 공기역학 시뮬레이션)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

설계, 데이터로 다시 쓰다 (3)   데이터 보기를 황금처럼 봐야 할 시대가 왔다. 데이터를 활용해서 상상으로만 그리던 일이 현실이 되어가기에 너도나도 데이터를 모으기 시작했다. 이토록 소중한 데이터이기에 허투루 만들 수 없다. 좀 더 영리하고 전략적으로 접근할 필요가 있다. 이번 호에서는 데이터 생성을 위해 어떤 전략이 필요하고, 전략적으로 생성된 데이터가 어떤 활용 가치가 있는 지 설명하고자 한다.   ■ 최병열 피도텍에서 AI 기반 Data-driven Design SW 개발 총괄을 맡고 있다. 한양대에서 공학박사 학위를 받았고, 20여 년간 100여건의 최적 설계 프로젝트를 주도하며 컨설팅 경험을 쌓았다. 홈페이지 | www.pidotech.com   어떻게 확보할 것인가? 데이터는 돈이다 CFD(Computer Fluid Dynamics : 전산유체역학)가 무엇의 약자일까? 한번은 유동 분야의 저명하신 교수님께서 하신 농담이 기억이 난다. ‘Colorful Fluid Dynamics’라고 말이다. 유동 시뮬레이션 결과가 시각적으로 화려하다는 의미로 하신 농담이었지만 곰곰히 생각해 보면 시뮬레이션의 효과를 누리지 않는다면 단지 보고서 한 켠을 채우는 컬러풀한 그림이 될 수도 있겠다는 생각이 든다. VP(Virtual Prototyping : 가상 프로토타이핑)를 위해 구조, 열유체, 동역학, 제어 등의 다양한 분야의 CAE 소프트웨어를 도입하고 있다. CAE 소프트웨어를 통해 하나의 데이터를 생성해 내기 위해서는 해석 모델링부터 솔빙(solving), 결과 분석에 이르기까지 소프트웨어와 하드웨어 리소스를 활용해야 함은 물론 해석 전문가의 공수(M/H)도 투입되어야 하기에 상당한 비용이 든다고 볼 수 있다. 학회를 다녀보면 최적설계라는 타이틀의 논문 발표가 종종 있다. 실제로 최적화 알고리즘을 적용해서 최적해 탐색까지 도달하는 사례도 있는 반면, 1개 내지 2개의 설계변수 값을 바꿔가며 성능의 경향을 보고 성능이 가장 좋아지는 설계변수 값을 택하면서 최적설계를 했다고 하는 경우도 있다.(학문적으로는 1D 파라메트릭 스터디라고 부른다.) 하지만, 최적설계를 제대로 했든 안 했든 시뮬레이션으로부터 얻은 데이터로 설계 개선이라는 목적에 맞게 데이터를 활용했다는 점은 가치를 인정받을 만하다. 성능 평가를 위해 필요한 데이터는 한 개(시뮬레이션 1회)이다. 설계변수의 효과를 파악하기 위한 최소의 데이터 개수는 설계변수 개수에 1개의 데이터가 필요하다. 특정 설계변수의 경향을 파악하고 싶다면, 해당 설계변수의 범위를 구간으로 나누어 데이터를 뽑아 볼 수 있다. 현실적으로 설계변수는 여러 개가 존재하고 설계변수의 조합으로 성능이 개선되는 경우가 대부분이라서, 개별 설계변수의 효과를 보는 방식보다 설계변수들의 효과를 동시에 고려할 수 있는 데이터 샘플링 방법이 필요하다.   실험계획법이란 여러 개의 설계변수 효과를 동시에 고려하기 위해 활용되는 것이 실험계획법(DOE : Design of Experiments)이다. 실험계획법은 농업과 통계학의 만남으로 1920년대부터 사용되었다. 영국의 통계학자이나 생물학자인 로널드 A. 피셔가 창시자로 알려져 있다. 작물 수확량을 높이기 위한 실험을 진행하면서 단순한 반복보다 많은 정보를 획득할 수 있게 실험을 설계할 필요가 있었다. 실험계획법에 대한 피셔의 재미있는 일화가 있다. 그 당시 영국 사람들은 밀크티에 차와 우유를 따르는 순서로 맛의 차이가 있다 없다의 논쟁을 펼쳤다. 이에 논쟁의 결론을 내리기 위해 피셔는 다음과 같은 실험을 계획하였다.   그림 1. 실험계획법의 일화 – 차를 맛보는 여인(출처 : ChatGPT)   실험은 이렇다. 피셔는 8잔의 밀크티를 준비하였고 4잔은 차를 먼저, 나머지 4잔은 우유를 먼저 따랐다. 나머지 실험조건은 동일하게 하기 위해 같은 찻잔을 사용했고, 랜덤으로 여인에게 차를 맛보게 했다. 밀크티를 모두 마신 뒤 차를 먼저 따랐다고 판단되는 찻잔 4개를 선택하게 하였다. 이 실험 결과를 토대로 피셔는 차를 먼저 따른 밀크티의 개수(0~4) 별로 확률을 계산해 낼 수 있었다. 참고로, 이 실험의 결과 여인이 정확하게 4잔(차를 먼저 따른 밀크티)을 모두 골라냈다고 한다. 2차 세계대전 이후 품질 관리를 위해 실험계획법이 미국 제조업에 도입되었고, 1950년대 이후부터 다구치 겐이치가 강건설계의 개념과 함께 일본 제조업에 널리 적용하였다. 실험계획법은 경제성의 원칙과 궤를 함께 한다. 최소한의 데이터로 최대 효과를 얻겠다는 것이다. 실험계획법에는 다양한 기법이 존재하며, 대표적으로 FFD(Full Factorial Design : 완전조합법)와 LHD(Latin Hypercube Design)를 예로 들 수 있다. FFD는 주로 실제 실험에 많이 활용되었고, LHD는 시뮬레이션 기술이 발달함에 따라 전산 실험에 널리 활용되었다.   (a) FFD   (b) LHD 그림 2. 실험계획법의 종류   어떻게 활용할 것인가? 옥석 가리기 많은 최적설계 관련 연구나 논문을 검토하면서 공통적으로 파악되는 프로세스가 있다. 데이터도 돈이지만 설계 프로세스가 더 많은 데이터를 필요로 하는 이유는 설계변수 때문이다. 즉, 설계변수도 돈이다. 설계변수는 내가 개선하고자 하는 성능지수를 컨트롤할 수 있는 수단이기 때문에 많으면 많을수록 유리하겠지만, 현실적으로 가성비를 따져보지 않을 수 없다. 결론은 많은 설계변수 중 옥석을 가려내야만 한다. 적으면 적을수록 적은 데이터가 필요하므로 가성비가 올라가기 때문이다. 설계변수의 옥석을 가리기 위해 주로 사용되는 것이 민감도(sensitivity)이다. 민감도는 설계변수 변화에 따른 성능지수(목적함수나 구속조건)의 변화를 나타내는 기울기로 표현된다. 그 기울기가 크면 클수록 설계변수의 민감도가 커진다. 즉 설계변수를 조금만 변경해도 성능지수 값을 많이 변경시킬 수 있다는 의미이다. 민감도를 계산할 수 있는 다양한 방법이 존재한다. 다양한 방법이 존재한다는 의미는 각기 장단점을 가진다는 것이다. 크게는 국부 민감도(local sensitivity)와 전역 민감도(global sensitivity)로 나눌 수 있다. 현재 설계점에서 국한해서 설계변수의 민감도를 보는 것이 국부 민감도이고, 전체 설계 영역에서 성능지수에 미치는 영향을 통계적으로 분석하는 것이 전역 민감도이다. 당연히 전역 민감도가 많은 데이터를 필요로 한다. 통상적으로 어느정도 데이터를 확보할 수 있는 경우라면, 실험계획법으로 확보된 데이터로 전역 민감도 분석을 통해 설계변수의 옥석을 가리는 경우가 많다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

펑션베이가 지난 10월 13일 ‘2025 리커다인 유저 콘퍼런스’를 진행했다. 이번 콘퍼런스에서는 모델링 속도 개선, 해석 정확도 및 활용성 강화, 결과 분석 용이성 등을 중점으로 다물체 동역학 해석 설루션 리커다인 2026(RecurDyn 2026) 버전의 신기능을 소개했다. 또한 입자법 기반 CFD(전산 유체 역학) 소프트웨어인 파티클웍스 8.2(Particleworks 8.2) 버전의 기능 개선과 함께 사용자 서브루틴의 활용법, 모터 모델링 및 제어 기법, 하모닉 드라이브의 MFBD(유연 다물체 동역학) 해석 기법 등의 기술 발표가 이뤄지는 등 엔지니어링 시뮬레이션 기술의 최신 동향과 적용 사례를 전했다. ■ 정수진 편집장     해석의 신뢰도와 사용자 편의성 강화한 리커다인 2026 펑션베이 기술사업팀의 김진수 수석은 펑션베이가 자체 개발하고 있는 리커다인 2026의 핵심 기능을 소개했다. 사용자 모델링 효율과 해석 정확도를 강화한 이번 버전은 접촉(contact), 조인트(joint), 요소(element) 등 물리 현상 재현 능력을 고도화하고, 최신 AI 기술을 도입해 사용자 편의성을 높인 것이 특징이다. 우선, 해석의 신뢰도를 좌우하는 접촉 기능이 향상됐다. 패치 사이즈의 하한 제한을 없애 미세한 설정이 가능해졌으며, 이를 통해 더욱 정교한 지오메트리 조정이 가능하다. 특히 지오 콘택트(geo contact)에는 ‘단위 면적당 강성’과 ‘압력 스플라인’ 입력 방식이 추가되어, 브레이크 패드와 같이 면적에 따라 압력이 변하거나 비선형적 압력 관계를 가진 모델의 해석 정확도가 높아졌다. 조인트 영역에서는 스크류 조인트에 프리로드 기능을 추가해 오일 피스톤 등의 마찰 거동을 현실적으로 구현하며, 유연체(FFlex) 해석 시 더미 보디의 질량을 자동 보정해 물리적 간섭을 최소화했다. 주목할 점은 생성형 AI 기술의 도입이다. 리커다인 2026은 LLM(대규모 언어 모델) 기반의 ‘리커다인 어시스턴트’ 베타 버전을 탑재했다. 김진수 수석은 “복잡한 표현식(expression) 예제 생성이나 사용법 안내를 AI가 지원함으로써 모델링의 진입 장벽을 낮췄다”고 설명했다. 후처리(포스트 프로세싱)의 효율도 개선됐다. 애니메이션 일시 정지 상태에서 즉각적인 파라미터 확인과 노드 데이터 추적이 가능해졌고, 최대 5개 주파수의 진동 모드를 동시에 비교 재생하거나 셸(shell) 요소의 두께 위치별 응력을 확인하는 기능이 추가됐다. 이 외에도 내구 해석 결과 통합, 2배 빨라진 기어 해석용 패치 구속 모델링 등을 통해 엔지니어의 업무 생산성을 높이는 데 주력했다.   ▲ 리커다인 2026에서 베타로 탑재된 LLM 기반의 AI 어시스턴트   입자 해석의 정밀도·효율 높인 파티클웍스 8.2 펑션베이가 국내 공급하는 입자법 기반 CFD 소프트웨어인 파티클웍스는 지난 10월 8.2 버전을 선보였다. 펑션베이 기술사업팀의 김태영 책임은 “이번 업데이트는 기체와 액체의 상호작용을 다루는 LBM(Lattice Boltzmann Method) 기능의 고도화와 대규모 해석을 위한 전용 모델 도입, 열 해석 영역 확장을 통해 정확도와 효율을 강화했다”고 밝혔다. 가장 큰 변화는 기체와 액체 간의 양방향(2-way) 커플링 지원이다. 뭉쳐진 유체인 액적과 LBM 격자 간의 상호작용을 직접 계산하여, 액적과 기류가 서로 주고받는 영향을 반영할 수 있다. 이를 통해 빗방울이나 소방수 살포 같은 복잡한 유동을 더욱 현실적으로 모사할 수 있게 됐다. 눈이나 먼지가 쌓이는 현상을 다루는 ‘부착/적층 모델’도 추가됐다. 파티클웍스 8.2에서는 해석 효율이 더욱 개선됐다. FVM(유한체적법) 연동 시 MPS는 싱글, FVM은 더블 프리시즌으로 계산하는 하이브리드 방식을 도입해 속도와 안정성을 확보했다. 김태영 책임은 “불필요한 격자 생성을 줄이고 결과 파일 크기를 최대 85% 축소해 대용량 해석의 부담을 덜었다”고 설명했다. 또한 억 단위 입자를 처리하는 토목·해일 해석용 ‘EIMPS’ 모델을 도입해 메모리 효율과 속도를 높였다. 열 해석 분야에서는 고체-액체-기체 간 상호 열전달을 단일 솔버로 통합 지원하며, 방향별 열 전도도 입력 기능을 더해 복합적인 열전달 현상을 정밀하게 해석할 수 있게 됐다.   동역학 해석의 한계 극복 위한 기술과 사례 소개 이번 콘퍼런스에서는 리커다인의 기술적 깊이와 확장성을 선보이는 발표와 함께 자동차, 로보틱스, 전력 설비, 인공위성 등 다양한 산업 분야의 활용 사례가 소개됐다. 펑션베이 기술사업팀의 이정한 수석은 ‘리커다인 유저 서브루틴(user subroutine) 사용법’을 주제로, 파도의 힘과 같은 특수 물리 현상을 사용자가 직접 구현하거나 복잡한 모델을 수식화하여 해석 속도를 단축하는 노하우를 공유했다. 장성일 책임은 ‘코링크(CoLink) 모터 드라이버를 연동한 모터 모델링’ 기법을 소개하면서, 기계와 제어 시스템이 결합된 메카트로닉스 분야로의 기술 확장을 강조했다. 전용우 팀장은 로봇 구동계의 핵심인 ‘하모닉 드라이브(harmonic drive)의 모델링 및 정밀 해석 기법’을 발표하면서, 해석 시간 단축과 정확도 확보를 동시에 달성하는 해법을 제시했다. 펑션베이는 이들 발표를 통해 리커다인이 다룰 수 있는 CAE 기술의 스펙트럼과 해결 능력을 포괄적으로 제시했다. 또한, 동역학 해석을 넘어 복합 물리 현상과 정밀 제어 시스템까지 아우르는 통합 설루션으로 나아가고자 하는 리커다인의 미래 방향성을 제시했다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   2025년 마지막 칼럼의 주제는 인공지능 전환(AI Transformation : AX)의 본격적인 시작이 아닐까 한다. 현재 대한민국 주력 산업이 거대한 변곡점 위에 서 있다. 지난 10여 년간 우리는 데이터를 쫓았다. 스마트 공장을 짓고, IoT(사물인터넷) 센서를 부착하며 데이터를 수집하는 디지털 전환(Digital Transformation : DX)에 매진했다. 하지만 생성형 AI의 시대가 도래한 지금, ‘데이터를 얼마나 많이 가졌는가’는 더 이상 승패를 가르는 절대적 기준이 아니다. 이제는 질문을 바꿔야 한다. ‘AI가 우리 산업 현장을 얼마나 깊이 ‘이해’하고 있는가?’ 바로 이것이 인공지능 전환의 본질이다.   그림 1. 디지털 전환과 인공지능 전환   데이터 중심에서 지식 중심으로의 패러다임 전환 기존의 DX가 데이터 수집과 프로세스 효율화에 집중했다면, 다가오는 AX 시대의 핵심은 지식 기반 지능화(knowledge-based intelligence)이다. 수많은 제조 현장의 암묵지, 설계 도면의 복잡한 로직, 엔지니어의 경험치 등은 단순한 데이터 패턴 학습만으로는 AI에게 전수될 수 없다. 우리는 산업 도메인의 복잡한 구조와 규칙, 제약 조건을 AI가 명확히 이해하고 추론할 수 있도록 만들어야 한다. 이것이 바로 한국 산업이 지향해야 할 새로운 경쟁력, 구조적 지능(structural intelligence)이다.   핵심 기술 : 인간의 지식을 AI의 언어로 이러한 ‘지식 중심 전환’을 가능케 하는 핵심 엔진이 바로 AI 온톨로지(AI ontology)이다. 온톨로지는 문서나 도면과 같은 ‘사람 중심의 비정형 지식’을 AI가 이해할 수 있는 개념, 관계, 속성, 규칙으로 구조화하여 AI형 지식 체계로 재탄생시킨다. 온톨로지가 적용되면 AI는 단순한 불량 검출을 넘어선다. 설계 지식을 논리로, 생산 공정을 제약 조건으로, 품질 문제를 인과관계로 파악하게 된다. 즉, AI가 엔지니어처럼 사고하고, 공정 최적화를 위해 스스로 추론하며, 설계 대안을 제시하는 AI 증강 지식(AI augmented knowledge)의 단계로 진입하는 것이다.   그림 2. AI 온톨로지를 사용한 AI 증강 지식   제품 수명주기의 지능적 통합 AI 온톨로지의 진가는 제품의 기획부터 설계, 생산, 운영, 폐기에 이르는 전 수명주기(lifecycle)에서 발휘된다. 기존의 단절된 공정 지식이 온톨로지 기반으로 연결되면서, 제품 수명주기 관리(Product Lifecycle Management : PLM) 시스템은 ‘AIaugmented PLM’으로 진화한다. 설계 단계 : 요구 사항과 규격을 AI가 구조적으로 분석하여 CAD/ CAE/BIM 모델 생성을 지원한다. 생산 단계 : 공정의 제약 조건을 이해한 AI가 최적의 생산 계획을 수립한다. 운영 및 품질 : 예지보전은 물론, 품질 문제 발생 시 원인과 결과를 논리적으로 추론하여 해결책을 제시한다.   그림 3. 인공지능 증강 PLM   국가 산업 주권을 위한 전략 결국 이 모든 기술적 노력은 국가 차원의 산업 경쟁력 보호, 즉 소버린 AI(sovereign AI, 주권형 인공지능) 구축으로 귀결된다. 글로벌 빅테크의 일반 범용 모델에 의존해서는 대한민국 특유의 제조, 조선, 반도체, 항공 방산 산업의 기밀과 노하우를 지킬 수 없다. 우리는 다음의 3대 핵심 요소를 통해 독자적인 산업 지능 생태계를 구축해야 한다. 한국 산업 온톨로지 : 우리 산업 고유의 공정과 표준이 반영된 AI 지식 체계 한국형 산업 데이터스페이스(Korea industrial data space) : 데이터 주권을 확보하고 안전한 교환을 보장하는 인프라 산업 AI 에이전트 : 실제 공정 자동화와 최적화를 수행하는 실행 시스템   그림 4. 한국형 구조적 지능이 국가 산업 주권 전략이다.   맺음말 : 지식을 구조화하는 자가 미래를 지배한다 “지식을 구조화하는 국가가 미래 산업을 지배한다.” 이것은 단순한 수사가 아니다. 한국은 세계 최고 수준의 산업 데이터와 공정 지식을 보유하고 있다. 이제 남은 과제는 이 방대한 자산을 AI가 이해할 수 있는 ‘지능형 구조’로 변환하는 것이다. AI 온톨로지 기반의 산업 지능화 전략은 한국이 패스트 팔로어(fast follower)를 넘어, AI 시대의 진정한 퍼스트 무버(first mover)로 도약하기 위한 가장 확실한 로드맵이 될 것이다.   ■ 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 Editorial 17　2026, AI가 제조 경쟁력을 다시 설계한다   Case Study 18　모텐슨이 VR을 사용해 건설 비용을 낮춘 방법　설계 오류를 미리 해결하고 디자인 협업과 의사결정 속도 높이다 22　APEC에서 선보인 경주 미디어 버스 / 박진호　‘골든 신라 XR 버스’로 천년 신라를 달리다   Focus 26　CAE 컨퍼런스 2025, AI·디지털 트윈 융합 통한 엔지니어링 혁신 전략 짚다 30　펑션베이, 메카트로닉스·AI 융합으로 엔지니어링 과제 해결 지원 32　다쏘시스템, 버추얼 트윈과 AI로 산업 효율·지속 가능성 동시 혁신 34　빌딩스마트협회, ‘빌드스마트 콘퍼런스’에서 AI·로봇·OSC 기반 미래 건설 비전 제시 36　한국BIM학회, ‘지능형 건설의 부상’ 국제 심포지엄 성료… “전면 BIM 확대를 위한 정량화와 활성화 노력 필요” 38　콘택트 소프트웨어, 포괄적인 개방형 PLM 통해 엔지니어링 혁신 비전 소개 40　SAP 코리아, “비즈니스 AI로 국내 기업의 혁신 도울 것”   On Air 51　캐드앤그래픽스 CNG TV 지식방송 지상중계　AI·LLM 시대, 미니 워크스테이션으로 GPU 한계를 넘다 52　캐드앤그래픽스 CNG TV 지식방송 지상중계　클래시 마스터·레빗 마스터로 보는 BIM 업무 혁신 포인트 53　캐드앤그래픽스 CNG TV 지식방송 지상중계　디지털 전환에서 AI 전환으로 54　캐드앤그래픽스 CNG TV 지식방송 지상중계　제조 데이터의 새로운 표준을 세운다   New Product 42　현실감 높은 대규모 월드 구현과 더 강력해진 통합 워크플로　언리얼 엔진 5.7 48　 AI 및 클라우드 기반 기능 강화한 설계 설루션　디자인센터 솔리드 엣지 2026 62　이달의 신제품   Column 55　트렌드에서 얻은 것 No. 26 / 류용효　데이터가 산업이었다면 GPU는 문명이다 58　디지털 지식전문가 조형식의 지식마당 / 조형식　한국형 구조지능 : AI 시대는 지식을 구조화하는 자가 미래를 지배한다   60　New Books   Directory 131 　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA AEC 65　새로워진 캐디안 2026 살펴보기 (1) / 최영석　캐디안 2026의 새로운 기능 70　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　팔란티어 온톨로지 플랫폼 아키텍처 기술 해부 및 구현 방법 76　산업 디지털 전환을 가속화하는 버추얼 트윈 (9) / 김선중　건축 설계의 자동화와 생산성 강화를 위한 복합공종모듈 활용 80　생성형 AI를 활용한 건축 분야 이미지 렌더링 / 양승규　AI가 가져온 건축 시각화의 혁신과 건축가의 과제 128　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2026 (9) / 천벼리　아레스 쿠도가 여는 BIM–to–DWG 자동화의 새로운 기준   Reverse Engineering 88　시점 - 사물이나 현상을 바라보는 눈 (12) / 유우식　가설, 모델, 이론의 설득력의 시대성   Analysis 94　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (5) / 김성철　크레오 몰드 분석으로 사출 성형 분석하기 102　앤시스 워크벤치를 활용한 해석 성공 사례 / 오승희　앤시스 맥스웰을 활용한 전기 집진기 내부 전계 해석 106　최적화 문제를 통찰하기 위한 심센터 히즈 (10) / 이종학　프로세스 자동화 Ⅴ – 제조 공정 효율성 최적화 113　성공적인 유동 해석을 위한 케이던스의 CFD 기술 (28) / 나인플러스IT　고정밀 다중물리 CFD를 위한 피델리티 LES 솔버 116　설계, 데이터로 다시 쓰다 (3) / 최병열　AX 시대를 위한 데이터 전략 123　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (2) / 오재응　가상 제품 개발에서 MBSE의 필요성과 적용 전략     2025-12-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

엔비디아가 ‘슈퍼컴퓨팅 2025(Supercomputing 2025, SC25)’ 콘퍼런스에서 산업과 컴퓨팅 공학 가속화를 위한 오픈 모델 제품군인 ‘엔비디아 아폴로(NVIDIA Apollo)’를 공개했다. 엔비디아는 자사의 AI 인프라로 가속화된 새로운 AI 물리 모델을 통해 개발자들이 다양한 산업 분야의 시뮬레이션 소프트웨어에 실시간 기능을 통합할 수 있도록 지원할 예정이다. 엔비디아 아폴로 제품군에는 확장성, 성능, 정확성을 위해 개발된 물리 최적화 모델이 포함된다. ▲전자기기 자동화와 반도체 분야에서는 결함 검사, 컴퓨팅 리소그래피, 전열(electrothermal), 기계 설계 ▲구조 역학 분야에서는 자동차, 가전제품, 항공우주 분야의 구조 해석 ▲기상 및 기후 분야에서는 세계와 지역 예보, 다운스케일링, 데이터 동기화, 기상 시뮬레이션 ▲전산 유체 역학(CFD) 분야에서는 제조, 자동차, 항공우주, 에너지 분야의 시뮬레이션 ▲전자기학 분야에서는 무선 통신, 레이더 감지, 고속 광학 데이터 시뮬레이션 ▲다중 물리학 분야에서는 핵융합, 플라즈마 시뮬레이션, 유체 구조 상호작용 등을 지원한다. 엔비디아의 오픈 모델 제품군은 최신 AI 물리학 발전을 활용해 신경 연산자(neural operator), 트랜스포머, 확산(diffusion) 방법 등의 머신러닝 아키텍처를 도메인별 지식과 결합한다. 엔비디아 아폴로는 사전 훈련된 체크포인트와 훈련, 추론, 벤치마킹을 위한 참조 워크플로를 제공해 개발자가 특정 요구사항에 맞게 모델을 통합하고 맞춤화할 수 있도록 지원한다.     한편, 엔비디아는 어플라이드 머티어리얼즈, 케이던스, 램리서치, 루미너리 클라우드, KLA, 피직스X, 리스케일, 지멘스, 시놉시스 등의 기업이 새로운 오픈 모델을 활용해 자사 AI 기술을 훈련, 미세 조정, 배포할 예정이라고 소개했다. 이들 기업은 이미 엔비디아 AI 모델과 인프라를 활용해 자사 애플리케이션을 강화하고 있다. 어플라이드 머티어리얼즈는 엔비디아 AI 물리를 활용해 제조 공정과 최종 제품의 전력 효율을 개선하는 신소재, 제조 공정을 개발 중이다. 이는 반도체 제조 공정 확장성의 큰 제약 요인을 직접 해결한다. 어플라이드는 엔비디아 GPU와 쿠다(CUDA) 프레임워크를 통해 에이스(ACE)+ 다중물리 소프트웨어 모듈에서 최대 35배 가속화를 달성했다. 이로써 반도체 공정의 신속한 탐색과 최적화를 구현했다. 또한 에이스+ 물리 데이터를 활용해 핵심 소재 수정 기술에 대한 AI 모델을 구축했다. 이를 통해 기존 시뮬레이션에서 얻은 데이터로 훈련돼 새로운 사례를 몇 초 만에 예측할 수 있는 AI 모델인 대리 모델(surrogate model)과 디지털 트윈을 사용한 첨단 반도체 공정 챔버의 유동, 플라즈마, 열 모델링을 거의 실시간으로 수행할 수 있게 됐다. 케이던스는 자사의 피델리티 CFD 소프트웨어의 일부인 피델리티 찰스 솔버(Fidelity Charles Solver)를 활용했다. 피델리티 찰스 솔버는 엔비디아 기반 밀레니엄(Millennium) M2000 슈퍼컴퓨터로 가속화된다. 이를 통해 케이던스는 수천 건의 상세한 시간 종속적 전체 항공기 시뮬레이션으로 구성된 고품질 데이터셋을 생성했다. 이 데이터는 전체 항공기의 실시간 디지털 트윈 구현을 가능케 한 AI 물리 모델 훈련에 사용됐다. 지멘스는 심센터 STAR-CCM+(Simcenter STAR-CCM+)와 같은 주력 유체 시뮬레이션 도구에 엔비디아 AI 물리를 통합하고 있다. 이를 통해 설계자는 고정밀 제1원리 시뮬레이션과 고속 AI 대리 모델을 결합할 수 있다. 결과적으로 기존보다 빠른 속도로 설계 옵션을 탐색할 수 있게 됐다. 시놉시스는 엔비디아 AI 물리를 활용해 GPU 가속을 증폭시키고 컴퓨터 공학 분야에서 최대 500배의 속도 향상을 달성하고 있다. 앤시스 플루언트(Ansys Fluent)와 같은 엔비디아 GPU 가속 유체 시뮬레이션 도구의 실행 시간은 AI 물리 대리 모델로 시뮬레이션을 초기화함으로써 크게 단축될 수 있다. 이 접근 방식은 기존 방법으로 시뮬레이션을 초기화하는 것보다 더 빠르다. 리스케일은 자사의 AI 물리 운영체제에 엔비디아 아폴로 모델을 통합해 엔지니어링 혁신을 가속하고 있다. 리스케일의 엔드 투 엔드 기능 강화로 엔지니어들은 고충실도 제1원리 시뮬레이션과 고속 AI 대리 모델을 매끄럽게 결합할 수 있게 된다. 엔비디아 아폴로 모델의 고급 기능을 리스케일 프레임워크 내에서 활용함으로써, 고객은 기존 시뮬레이션 방식의 정확도를 유지하면서도 방대한 설계 공간을 빠르게 탐색하고 실시간에 가까운 추론 결과를 얻을 수 있게 된다.

나인플러스IT는 지난 9월 25일 대전 KW컨벤션에서 ‘테크 브리지 2025(Tech Bridge 2025)’ 세미나를 진행했다고 밝혔다. 반도체, 전기, AI, 기계 설계 등 분야의 전문가 100여 명이 참가한 이 행사에서는 혁신 기술의 흐름을 조망하고 실질적인 지식을 공유하는 기회가 마련됐다. 이번 행사는 AI(인공지능)를 중심으로 하는 통합 세션과 EDA(전자 설계 자동화), CFD(전산 유체 역학) 부문으로 나누어 진행되었으며, 전문가들의 최신 기술 동향과 실제 활용 사례가 발표됐다. 특히 ‘기본 원리부터 실제 산업 문제 해결까지 아우르는’ 실용적인 구성으로 참가자들의 호응을 얻었다는 것이 나인플러스IT의 설명이다.     개막 세션에서는 나인플러스IT의 이동은 기술총괄 이사가 ‘2025 케이던스 로드맵’을 발표하며 행사의 시작을 알렸다. 이어진 EDA 세션에서는 Data Driven Design, Celcius Studio Thermal Solution, Clarity를 이용한 반도체 테스트 소켓의 SI 분석 등 실무 중심 주제가 소개되었다. 최신 케이던스(Cadence) 도구의 활용법과 성공 사례를 공유하며, 참석자들에게 실질적인 인사이트를 전달했다. CFD 세션에서는 Fidelity CharLES를 활용한 고충실도 LES 시뮬레이션 소개와 함께, 산업 현장 적용 경험을 중심으로 하는 토론이 진행됐다. 참석자들은 “케이던스의 최신 동향을 알 수 있는 뜻깊은 기회였다"는 소감을 전했다. 나인플러스IT는 “이번 행사를 비롯해 앞으로 EDA와 CFD 등 핵심 기술 분야에서 깊이 있는 정보와 실무 역량을 나누는 세미나를 꾸준히 개최할 예정”이라면서, “고객의 성장과 성공을 돕기 위한 다양한 기술 지원 및 교육 프로그램 개발에 최선을 다할 것”이라고 밝혔다.

최적화 문제를 통찰하기 위한 심센터 히즈 (9)   이번 호에서는 자동차의 승차감과 연료 소모량 최소화를 위한 시스템 최적화를 위해 심센터 아메심(Simcenter Amesim)을 사용하여 차량의 다양한 시스템에 대한 변수를 제어하여 최적화의 목적을 달성하는 과정을 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   이번에 사용할 심센터 아메심은 오늘날의 복잡한 엔지니어링 환경을 위한 종합 시뮬레이션 플랫폼이다. 수 많은 설계자가 직면하고 있는 제품 설계의 성공 여부는 혁신적인 아키텍처를 통합하지 않으면 성능, 안전 및 효율에 대한 증가하는 요구 사항을 충족할 수 없다. 심센터 아메심은 광범위하고 강력한 모델링 기능을 통해 메카트로닉스 시스템(Thermal & Fluid, Mechanical, Electrification, Battery, Vehicle, Aerospace & Marine, Renewable Energies Control 등)을 분석할 수 있으며, 가상 테스트 환경을 통해 실제 프로토타입을 제작하기 전에 최적의 설루션을 발견할 수 있다. 심센터 아메심에서 제공하는 다중 물리 시스템 시뮬레이션 접근 방식은 단일 플랫폼에서 다양한 아키텍처와 기술을 사용하여 시스템 간 영향에 대한 완전한 분석을 수행하여 다양한 지표에 대한 시스템의 영향을 설계하고 평가할 수 있다. <그림 1>은 자동차 파워트레인 전동화를 위해 엔진, 변속기 및 열 통합과 관련된 모든 중요한 전기 서브시스템을 시뮬레이션하는 데 필요한 모델링을 나타낸다. 배터리 사이징, 전기 기계 설계, 아키텍처 생성부터 상세 설계를 포함한 통합까지 엔지니어링 작업을 지원하는 효율적인 모델링 워크플로를 구성할 수 있다.   그림 1   설계자는 심센터 아메심에서 제공하는 기능을 활용하여 기본 물리 현상을 심층적으로 이해할 수 있는 등 강력한 분석 도구를 통해 시뮬레이션에서 얻은 지식을 강화할 수 있다. 또한 앱을 사용하면 애플리케이션에 맞게 맞춤 제작된 사용자 인터페이스와 프로세싱의 유연성을 활용하여 시스템 분석을 강화할 수 있다. 또한 모든 기능을 갖춘 API(애플리케이션 프로그래밍 인터페이스) 세트를 통해 스케치 생성을 자동화하고 시뮬레이션의 다양성을 추가할 수 있다. 시뮬레이션 자동화에는 파이썬(Python), 매트랩(MATLAB), 싸이랩(Scilab) 및 Visual Basic for Applications(VBA)와 같은 언어로 애플리케이션 프로그래밍을 지원하는 스크립트 세트를 제공한다. 이를 통해 배치 실행 설정, 복잡한 전처리 및 후처리 수행, 매개변수 연구 수행, 외부 애플리케이션 내 심센터(Simcenter) 모델 통합 등 모델과의 상호 작용을 자동화할 수 있다. 설계 또는 검증에서는 전체 동작에 직접적인 영향을 미치는 전역 파라미터에 액세스하여 설계 탐색, 최적화 및 견고성 분석을 위한 기능을 사용할 수 있고, 더 나아가서 고급 분석과 더 나은 자동화 프로세스 통합을 위해 HEEDS(히즈)를 활용하여 모델을 처리할 수 있다. 심센터 아메심은 시스템 라이프사이클 전반에 걸쳐 다양한 시뮬레이션 툴을 통합하여 디지털 연속성과 워크플로 효율을 향상시킨다. PLM 시스템 연결, 모델 기반 제어 개발 및 기능적 목업 인터페이스(FMI)를 사용한 상호 작용을 지원하며 머신 러닝, 선형 대수학 및 통계 기법으로 ROM(차수 축소 모델) 생성을 지원하여 실행 가능한 디지털 트윈으로 실시간 운영이 가능하므로 의사 결정 및 운영 효율이 향상된다. 임베디드 3D CFD는 열유체 시스템 모델에 대해서 연결된 커플링 시뮬레이션을 통해 3D와 1D 간에 상호 작용이 전달되어 시스템의 중요한 부분을 더욱 상세하게 해석할 수 있으므로 정확도, 설루션 안정성 및 결과에 대한 신뢰도를 높일 수 있다.  Simulation Based Characterization(SBC)을 사용하면 3D CFD를 사용하여 압력 강하 및 열 거동과 관련하여 구성 요소를 특성화하고 시스템 환경에 원활하게 통합되어, 전체 시스템 동작을 정확하게 분석할 수 있다. 차량 동역학 및 파워트레인 물리 거동을 포함하는 모델은 심센터 프리스캔(Simcenter PreScan)과 함께 사용하면 환경 및 센서 정보를 기반으로 첨단 운전자 보조 시스템(ADAS) 및 자율 주행 시스템을 보완하고 대규모 시뮬레이션의 효율을 높여 안전, 승차감, 연료 및 전기 에너지 소비, 오염 물질 배출 평가를 수행할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (27)   현재 시장에서는 정확성(Accuracy), 자동화(Automation), 속도(Acceleration), 인공지능(AI)과의 통합을 제공하는 CFD(전산 유체 역학) 설루션이 필요하며, 이러한 원리는 케이던스 피델리티 CFD(Cadence Fidelity CFD)의 근간을 이루는 원칙이다. 이번 호에서는 케이던스가 ‘CadenceLIVE 실리콘밸리 2024’ 이벤트에서 발표한 내용을 중심으로, ‘4A’로 통칭되는 이 네 가지 요소가 어떻게 차세대 멀티피직스 CFD 설루션으로서 케이던스 피델리티 CFD 소프트웨어의 입지를 다지는지에 대해 설명한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   오늘날 교통, 환경, 건강, 방위, 우주 시스템 등 산업 전반에 걸쳐 직면한 많은 혁신적 과제는 유체 역학에 대한 깊은 이해와 불가분의 관계에 있다. 예를 들어, 자동차 백미러 주변에서 발생하는 음향 소음은 측면 유리창의 재순환 유체 유도 압력 진동으로 인해 실내 소음 수준에 상당한 영향을 미칠 수 있다. CFD 코드를 사용하면 실험적 접근 방식에 비해 훨씬 적은 리소스를 필요로 하면서도 미러의 복잡한 디자인과 공기 흐름 거동을 고려하여 이러한 현상을 정확하게 예측하고 분석할 수 있다. 케이던스 피델리티 CFD는 단순한 솔버 제품군이 아니라 지난 5년 동안 전략적 인수와 유기적인 개발을 통해 발전해 온 광범위한 에코시스템이다. 이 에코시스템은 CFD 및 다중물리 CFD 영역 내에서 모델 구축, 해석 및 학습을 위해 설계된 포괄적인 범위의 도구와 기술을 포함한다. 정확성, 자동화, 가속, AI는 피델리티 CFD의 모든 제품의 원동력이며, 다음에서 몇 가지 예를 들어 간략히 설명한다.   그림 1. 피델리티 CFD의 상품   정확성 엔지니어가 직면하는 고질적인 문제 중 하나는, CFD를 사용하여 설계한 제품을 검증하고 인증하기 위해 물리적 테스트에 의존하는 것이다. 시뮬레이션 기술의 발전에도 불구하고, 최종 제품 검증에 필요한 탁월한 정확도를 달성하기 위해서는 물리적 테스트가 여전히 필수이다. 예를 들어 항공기 설계는 엄격한 안전 및 성능 표준을 충족하기 위해 엄격한 물리적 테스트를 거쳐야 한다. 하지만 대규모 와류 시뮬레이션(LES)과 같은 새로운 고급 방법론이 유망한 대안을 제시하고 있다. 계산이 까다롭기는 하지만 LES는 유체 흐름 현상을 포괄적이고 상세하게 표현한다. 이 방법은 실험에 가까운 수준의 정확도를 제공함으로써 시뮬레이션과 물리적 테스트 간의 격차를 해소하여 광범위한 물리적 테스트에 대한 의존도를 낮추고, 설계 및 인증 프로세스를 가속화할 수 있다.   그림 2. 접근 조건에서 저소음 OGV를 사용하는 SDT 팬의 실험(검은색 기호)과 LES(빨간색 선)의 소음 수준(PWL) 비교(Brès et al. 2023)   자동화 자동화는 CFD에서 없어서는 안 될 필수 요소이며, 특히 케이던스 피델리티 제품군에서 중요한 역할을 한다. 자동화는 파이썬(Python) 기반 스크립팅을 사용하여 CFD 워크플로 전반에 걸쳐 이루어지며, 최소한의 수동 개입으로 시뮬레이션에 대한 일관성과 제어를 보장한다. 이는 특히 반복적인 작업에서 상당한 효율 향상으로 이어진다. 자동차 전처리를 예로 들어보겠다. 자동차 설계에는 CAD 시스템에서 수십만 개의 부품이 포함된 매우 복잡한 지오메트리가 포함되며, 종종 누락된 요소가 있다. 피델리티 제품은 광범위한 자동화를 통해 이러한 워크플로를 간소화한다. CAD 임포트 프로세스는 내부 캐빈 요소를 효율적으로 필터링하고, 자동으로 중복을 감지하며, 중복 개체를 선택 및 삭제하고, 젖은 표면을 식별하고, 실링 표면을 생성한다. 예를 들어 자동 실링 기능을 사용하면 ‘습식 : Wet’(외부) 및 ‘건식 : Dry’(내부) 지점을 지정하여 틈새 및 조인트 충진 프로세스를 자동화함으로써 CFD 시뮬레이션을 신속하게 진행할 수 있다.   그림 3. 기술은 ‘습식’ 및 ‘건식’ 지점을 감지하고 표면과의 간격을 몇 분 안에 자동으로 밀봉한다.   보로노이 기반 그리드 생성은 높은 수준의 자동화를 활용하는 피델리티 CFD의 또 다른 뛰어난 기능이다. 이 기술은 복잡한 지오메트리 주위에 높은 수준의 메시를 생성하여 균일성을 보장하고 시뮬레이션 정확도와 수렴 속도를 높인다. 기존의 메시 생성 방식은 표면 근처에서 고품질 메시를 생성하지만, 레이어가 상호 작용할 때 품질이 낮은 메시를 생성하여 시뮬레이션 수렴 속도와 정확도에 영향을 미친다. 보로노이 기반 그리드 생성은 보다 일관되고 효과적인 설루션을 제공하여 전반적인 시뮬레이션 프로세스를 향상시킨다.   그림 4. 자전거 라이더 모델에 대한 보로노이 다이어그램 메시와 일반적인 RANS 메시의 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.