‘뽑기 운’은 이제 그만! 리콜 비용의 늪 대당 500~2000 달러의 리콜 비용   그림 1. 뽑기 운(제미나이로 생성한 이미지)   자동차를 구매할 때 ‘뽑기 운’이라는 말을 들어 보았는지? 이는 곧 제품의 불확실성을 의미하며, 설계 단계에서 예측하지 못한 잠재적인 결함은 막대한 리콜 비용으로 돌아온다. 2020년 이후 현재까지 평균 자동차 리콜 비용은 대당 500~2000 달러 정도 든다고 한다. 2025년 F사는 1.5L 연료 분사기 균열로 70만대에 대해 대당 800달러 규모로 총 5억 7000만 달러(한화 약 7600억원)의 리콜을 진행했다. 2023년 한 해 동안 미국 3대 자동차 기업이 리콜 보증 비용으로 지출한 금액은 총 100억 달러이다. 리콜은 이제 일회성 이벤트가 아니라 기업의 재무 건전성과 브랜드 가치를 지속적으로 위협하는 상시적인 리스크로 대두되었다.   측정해야 관리하고, 관리해야 개선한다 지각하는 이유? – 나는 행운의 사나이   그림 2. 지각하는 이유(제미나이로 생성한 이미지)   즐겨 듣는 경제 라디오 프로그램의 한 진행자는 뛰어난 통찰력과 비유의 고수로 어려운 경제 이슈를 쉽게 설명하는 데 일가견이 있었다. 하지만 이분에게도 단점이란 것이 있으니 바로 지각이었다. 생방송으로 진행되는 라디오 방송에서 숨을 헐떡이며 오프닝 멘트를 읽거나, 다른 대체 진행자가 긴장하며 오프닝 멘트를 읽는 등 담당 피디나 작가가 곤란에 처하는 일이 가끔 발생했다. 본인에게 들은 지각하는 이유는 시간을 굉장히 효율적으로 사용해서 1분 1초를 허투루 쓰지 않아, 출근 시간에 발생할 수 있는 모든 상황을 최단 시간에 맞춰두고 계산을 한다는 것이다. 그러다 보니 간혹 중간에 발생할 수 있는 예외 상황이 그를 지각으로 이끄는 것이다. 이러한 예외 상황을 공학적인 용어로는 불확실성(uncertainty)이라고 한다. 온도나 습도와 같은 환경 요인, 고무와 같이 온도나 시간에 영향을 받는 재료 물성 값, 제작 공법에 따라 비틀림, 굽힘, 수축, 팽창 현상으로 발생한 제작 공차 등은 설계자가 도저히 미리 예상할 수 없는 불확실성이다.   불확실성을 고려한 설계 1 – FOS   그림 3. 불확실성을 고려한 설계 – FOS(제미나이로 생성한 이미지)   FOS(Factor of Safety : 안전계수)는 구조물이 최대 하중을 견딜 수 있는 기준으로, 경험에 기반해 강성을 필요 이상으로 높이는 방식이다. 안전을 중시하는 선박, 발전, 토목 구조 등에서는 이러한 안전계수의 개념을 많이 활용하고 있다. 안전계수가 중요한 지표이며 앞으로도 그러한 역할을 해낼 테지만, 그저 ‘경험에 따라 이 정도 했을 때 괜찮았어’가 지금까지 이어져오고 있는 것이다. 당연한 얘기지만, 안전계수가 올라갈수록 비용은 증가하여 제품의 가격 경쟁력은 떨어진다. 안전계수가 유용한 기법이긴 하나 데이터로 좀 더 정교하게 필요한 만큼만 안전한 설계를 찾기 위한 다른 대안은 없을까?   불확실성을 고려한 설계 2 – 다구치 강건설계   그림 4. 불확실성을 고려한 설계 – 다구치 강건설계   6시그마 디자인(DFSS : Design for Six Sigma)이 유행이던 시절이 있었다. 1920년대 이후 전파된 다구치 강건설계는 품질 향상을 위해 S/N 비(Signal to Noise Ratio)를 활용하여 노이즈(불확실성)에 둔감한 설계를 탐색하는 기법으로 다구치 박사가 개발하였다. 목적함수의 강건성 확보에는 유용하나, 현재의 설계가 얼마나 강건한지 객관적인 지표로 정량화하여 제시하진 않는다. 다구치 강건설계를 통해 나온 설루션이 6시그마(100만 개 중 3~4개의 불량)를 만족하는지 확신할 수 있을까?   불확실성을 고려한 설계 3 – 신뢰성 기반 최적설계 신뢰성 기반 최적설계(RBDO : Reliability-Based Design Optimization)는 최적설계와 신뢰성 해석이 결합된 형태이다. 신뢰성 해석(reliability analysis)은 시스템 입력(노이즈 인자)의 불확실성으로 인해 출력의 불확실성, 특히 신뢰성을 예측하는 기법이다. 신뢰성이란 성능지수가 요구조건을 만족할 확률을 의미하며, 반대 개념은 불량률이다.   그림 5. DO와 RBDO   불확실성을 고려하지 않는 전통적인 최적설계를 RBDO와 구분하기 위해 결정론적 최적설계(DO : Deterministic Optimization)이라고 부른다. <그림 5>는 개념적으로 DO와 RBDO의 차이를 보여준다. 방 구석에 구슬을 굴리면 구슬이 벽에 붙은 상태로 멈추는데, 구슬의 중심이 설계변수 값이고 구슬이 접한 벽을 구속조건 경계라고 볼 수 있다. DO는 구슬이 거의 점과 같아 구슬의 중심이 벽에 거의 붙은 상태이나, RBDO는 구슬의 크기가 커서 구슬의 중심이 벽과는 여유를 두고 떨어져 있게 된다. 벽에 닿는 것이 위험하다면 DO보다 RBDO가 더 안전한 상태가 되는 것이다. RBDO는 구슬의 크기를 감이나 경험이 아닌 데이터로 결정하자는 개념이다.   데이터로 불확실성을 극복하자 예측 모델 기반의 RBDO 프레임워크, AIRBOOM RBDO는 무엇이고 왜 필요할까? RBDO는 목적함수를 좀 양보하더라도 안전한 설루션을 탐색하는 것이 목표이다. 신뢰성이라는 개념을 최적설계에 접목하여 안전한 설계를 정량적으로 확보할 수 있는 길을 열었다. 하지만 현업에 적용하기 위해서 두 가지 큰 걸림돌이 있는데, 하나는 시스템의 불확실성을 정의할 만큼 충분한 데이터가 부족하다는 것이고, 또 하나는 RBDO 수행에 필요한 시뮬레이션 데이터가 너무 많이 필요하다는 것이다. 앞서 언급한 바와 같이 AX(인공지능 전환) 시대로 접어들면서 소프트웨어와 하드웨어 기술의 성장으로 시뮬레이션은 가속화되고 있고, 데이터의 가치가 올라감에 따라 불확실성을 정의할만한 데이터도 늘어나면서 서서히 RBDO의 시대가 도래하고 있다.   그림 6. AIRBOOM의 개념도(제미나이로 생성한 이미지)   실용적인 RBDO 프로세스를 좀 더 쉽게 사용할 수 있는 AIRBOOM (AI-powered Reliability-Based Optimization Operating Manager) 모듈을 소개한다. AIRBOOM은 피도텍에서 개발한 RBDO 대중화를 위한 모듈로, 다음과 같은 네 가지 특징을 갖는다. 자율 학습된 예측 모델 기반의 RBDO 프로세스 AIRBOOM에서는 최소한의 데이터로 정교한 메타모델을 구축하는 가성비 높은 방식을 찾는 피도텍의 자율 메타모델링(Autonomous Metamodeling) 모듈을 활용한다. 이 모듈은 조금씩 데이터를 추가하면서 메타모델을 학습하기 때문에, 성능지수의 비선형성을 표현할 만큼의 데이터만을 필요로 한다. 또한 피도텍의 예측 모델링 AI인 BruceMentor의 도움을 받아, 확보된 데이터에 가장 적합한 메타모델의 기법을 채택한다. 이러한 기법으로 예측 모델은 자율적인 학습으로 정교하게 진화한다.   신뢰성 해석 정보를 활용한 멀티 스테이지 최적화 RBDO 설루션을 탐색할 때 빈번하게 발생하는 문제는, 구속조건의 만족 범위가 너무 좁아 설루션이 목표 신뢰성을 만족하지 못하는 경우이다. 마치 코끼리를 냉장고에 넣는 것과 같다. AIRBOOM에서는 목표 신뢰성을 만족할 수 없는 상태라면 차선책을 제시한다. AIRBOOM에서는 RBDO 과정을 내부적으로 몇 개의 스테이지(stage)로 나누어 처리하는데, 각 스테이지에서 신뢰성 해석 결과의 이력에 따라 최적설계 문제를 조정하면서 최선의 설루션을 탐색한다.   멀티 피델리티 개념의 효율 개선 엔지니어는 즉각적인 반응을 원한다. 아무리 메타모델을 사용하더라도 설계변수나 성능지수의 개수가 많아지면 계산 시간은 기하급수적으로 커지기 때문에, 근본적으로 RBDO에서 필요로 하는 전체 데이터 개수를 줄여야 한다. AIRBOOM은 설루션과는 다소 거리가 있으나 설루션에 도달했을 경우를 파악하여, 효율성과 정확성의 관점에서 적절한 알고리즘을 멀티 피델리티(multifidelity) 개념처럼 채택할 수 있다.   인사이트 제공 엔지니어는 보수적이라서 달랑 설루션만 제공해 주는 툴은 신뢰하지 않는데, 그 이유는 크게 두 가지가 있다. 첫째, 제공된 설루션의 근거를 신뢰한다. 엔지니어들이 생성형 AI가 제공하는 근거 없는 수치는 환각(hallucination) 때문에 믿지 않는 것과 같은 이치다. 둘째, 하나의 설루션이 아닌 선택 가능한 다양한 후보군을 함께 원한다. 설루션을 기본으로 다양한 변종(variation)을 만들 수 있는 힌트를 주어야 한다. AIRBOOM은 데이터 스토리텔링(data storytelling) 방식의 보고서를 제공한다. 데이터 스토리텔링이란 데이터로 상대방을 설득하기 위해 고안된 의사 전달 수단으로, 데이터의 가치를 극대화하기 위해 메시지가 포함된 시각화(visuals) 정보와 이를 논리적으로 설명하는 내러티브(narratives)의 조합으로 구성된다. 그리고 인사이트를 담은 보고서(RBDO 결과의 직관적인 요약, 설루션의 도출 근거, 더 안전한 설계를 위한 정보 등)를 제공할 수 있다.   RBOD 프로세스 사례 자동차 현가 장치 사례로 AIRBOOM을 활용한 RBDO 프로세스를 설명한다. 타이어나 부시(bush)같은 고무 재료의 산포로 핸들링 관련 성능지수가 갖는 산포를 예측하고, 성능지수의 신뢰성을 높일 수 있도록 부시 강성을 최적화는 문제이다.(‘재료 물성의 불확실성을 고려한 현가장치 시스템의 신뢰성 기반 최적설계(한국자동차공학회 2025 추계 학술대회)’ 참고) 목적함수는 핸들링 특성 중 Yaw Rate Overshoot를 최소화하는 것이고, 구속조건은 핸들링 특성에 해당되는 성능지수 7개를 선정하였다. 설계변수는 18개 부시 강성이고, 랜덤 파라미터는 설계변수인 부시 강성 전체와 타이어 파라미터 4개 파라미터를 선정하였다.   그림 7. 초기 설계에서의 RA 결과 요약 보고서   <그림 7>은 RBDO를 수행하기 전의 RA 결과 요약을 보여 준다. ‘산포’ 열에서 성능지수의 산포와 확률 정보를 보여주고, 차별화된 요소로 ‘Key 파라미터’ 열에서 성능지수 산포의 주요 원인이 어떤 랜덤 파라미터인지 파악할 수 있다. 첫 번째 행의 FRT_LateralForceSteer의 산포에는 FRT_Abush_Y가 가장 중요한 역할을 담당한 것으로 분석되었다. 마지막 열은 현재 설계의 신뢰성 결과를 보여주며, RBDO 수행 전 FRT_LateralForceSteer의 신뢰성은 요구 조건(0.3)보다 작을 확률이 80.0%에 불과했다.   그림 8. RBDO 결과 요약   <그림 8>은 RBDO 결과를 보여준다. 목적함수의 경우 INIT(초기값) 대비해서 DO(불확실성을 고려하지 않은 최적설계)가 67%로 가장 많이 개선되었고, RBDO는 구속조건의 요구 조건 만족 확률을 높이기 위해 26% 개선되는데 그쳤다. 파이 차트에서는 구속조건의 개선 여부를 확인할 수 있고, 불만족한 구속조건과 목적함수 간에 상충 관계가 존재할 수 있음이 예상된다. 설계변수의 경우, 대부분의 설계변수는 DO와 RBDO에서 유사하나 일부 설계변수(LCA outer X, Toe link X)가 DO에서는 설계변수의 하한값 경계로 변경된 반면 RBDO에서는 INIT에서 별다른 변화를 보이지 않았다.   그림 9. 신뢰성 개선 이유   <그림 9>는 6번 구속조건의 신뢰성 개선 이유를 설명한다. 신뢰성이 67%에서 91%로 개선된 이유는 산포의 평균이 약 0.057(평균값이 0.678 > 0.621로 감소) 이동하였기 때문이고, 가장 기여한 설계변수는 RR_Trailing_arm_Y이다. 이 사례로 RBDO 인사이트를 좀더 쉽게 이해할 수 있다. 성능지수 신뢰성을 개선하는 부시 강성의 변경 방향을 알 수 있었고, 불확실성 고려 여부에 따른 최적해 차이를 파악할 수 있었다. RBDO에서 목표 신뢰성을 만족시키기 위해 어떤 설계변수가 기여하였는지 및 추가 개선 가이드와 그에 따른 부작용을 예측할 수 있었다. RBDO는 단순히 ‘최적’의 설계를 찾는 것을 넘어, 불확실한 현실에서도 ‘무결점’에 가까운 안전하고 신뢰할 수 있는 설계를 데이터 기반으로 가능하게 하는 미래 설계의 핵심 기술이다.   ■ 이 글은 2025년 11월 7일 진행된 ‘CAE 컨퍼런스 2025’에서 발표된 내용을 정리한 것이다.   ■ 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.     ■ 기사 내용은 PDF로도 제공됩니다.

다쏘시스템이 폴리이미드 필름 전문 기업인 PI첨단소재와 협력하여 다쏘시스템의 전자연구노트(ELN) 설루션인 ‘바이오비아 노트북(BIOVIA Notebook)’ 시스템을 구축한다고 발표했다. 이번 시스템 구축을 통해 PI첨단소재는 연구 자산의 디지털화를 추진하고 데이터 활용을 극대화하여 고부가가치 산업으로의 전환을 가속화할 전망이다. PI첨단소재는 IT 기기, 전기자동차(EV), 디스플레이, 반도체 등 첨단 제품의 핵심 소재인 폴리이미드(polyimide) 제품을 생산하는 소재 전문 기업이다. 극한 환경에서도 높은 내열성, 치수 안정성, 전기적 특성, 유연성 등을 갖춘 폴리이미드 소재는 첨단 산업의 핵심 소재로 주목받고 있다. PI첨단소재는 2008년 설립 이후 독자적인 기술력과 창의적인 연구개발을 바탕으로 2014년부터 글로벌 PI 필름 시장 1위를 지켜오고 있다. 이번 연구개발 데이터 시스템 구축의 핵심인 바이오비아 노트북은 다쏘시스템의 ELN(Electronic Lab Notebook) 설루션으로 실험 데이터를 기록, 조직 및 관리하는 디지털 설루션이다. 이는 전자 서명 및 지식재산권(IP) 보호 기능을 통합함으로써 IP 관련 규정을 준수하고 회사의 자산 보호를 극대화함과 동시에, 번거로운 수기 작성과 발생하는 비효율적인 검색 및 문서화 오류를 제거하여 과학 연구에 집중할 수 있도록 돕는다.     PI첨단소재는 다쏘시스템의 바이오비아 노트북을 활용해 연구 정보를 디지털화 및 자산화할 뿐 아니라 연구 자산 데이터의 연결성과 추적성을 확보함으로써, R&D 활동의 효율 및 생산 시스템을 개선할 수 있을 것으로 기대하고 있다. 또한, 실험 데이터의 작성 및 관리를 표준화하고 연구 산출물을 효율적으로 관리할 수 있으며, 종이 기반 노트 대신 디지털 데이터를 중앙집중화 함으로써 데이터 품질과 신뢰성을 높일 수 있다. 나아가, 신제품 및 연구 개발의 속도를 높이고 향후 AI(인공지능) 활용을 위한 고품질의 데이터셋 확보의 기반이 되며, 추후 이를 관리할 수 있는 디지털 인프라를 구축하기 위한 핵심 과정이다. PI첨단소재는 국내외 화학 산업 분야에서 다수의 성공적인 프로젝트 수행 경험과 노하우를 갖춘 다쏘시스템을 R&D 디지털화를 지원하는 기술 협력사로 선정했다. 이번 프로젝트는 연구개발 자산의 디지털화를 통한 데이터 축적 및 활용 극대화, 중복 실험 감소, 연구원 역량 강화를 목표로 하는 PI첨단소재와 엔터프라이즈 비즈니스를 폭넓게 지원해 온 소프트웨어 역량을 갖춘 다쏘시스템의 시너지가 결합되어 성사됐다는 것이 다쏘시스템의 설명이다. PI첨단소재의 송금수 대표이사는 “PI첨단소재는 디지털 전환을 통해 연구개발 역량을 한층 강화하고, 고부가가치 산업으로의 전환을 가속화하고자 한다”면서, “다쏘시스템과의 협력을 통해 구축하는 연구개발 데이터 시스템은 우리의 연구 자산을 체계적으로 디지털화하고, 생산성과 혁신성을 극대화할 수 있는 중요한 발판이 될 것”이라고 말했다. 다쏘시스템코리아의 정운성 대표이사는 “PI첨단소재와의 협력은 혁신적인 화학 및 소재 산업의 지속 가능한 발전을 위한 중요한 발걸음”이라며, “다쏘시스템은 디지털 전환 분야의 강자로서, 혁신적인 기술을 통해 화학 및 소재 산업의 디지털 전환과 글로벌 경쟁력 강화에 지속적으로 기여할 것”이라고 덧붙였다.

아비바가 ‘아비바 자산 정보 관리(AVEVA Asset Information Management)’ 및 아비바 시스템 플랫폼(AVEVA System Platform)’, ‘아비바 PI 데이터 인프라스트럭처(AVEVA PI Data Infrastructure)’의 기능을 업데이트하고 자사의 산업 인텔리전스 플랫폼 ‘커넥트(CONNECT)’를 통해 디지털 트윈 포트폴리오 일체를 제공한다고 소개했다. 이를 통해 기업이 엔지니어링 데이터와 운영 데이터를 단일 인터페이스 내에서 시각화할 수 있도록 한다는 것이 아비바의 설명이다. 아비바 자산 정보 관리 소프트웨어의 이번 업데이트는 신뢰가 보장된 자산 컨텍스트를 커넥트 시각화 환경에서 단일 통합 UI로 제공하는 것이 핵심이다. 배관·계장도(P&ID), 도면, 각종 문서뿐만 아니라 실시간 센서 데이터, 공정 이벤트, 이력 성능 지표까지 모든 관련 정보를 한 곳에서 확인하고 분석할 수 있도록 해, 현장과 본사, 다양한 부서 간 협업과 의사결정을 개선한다. 또한 아비바 PI 데이터 인프라스트럭처는 운영 데이터를 빠르게 연결·컨텍스트화·활용할 수 있는 현대적이고 유연한 데이터 인프라 기반으로, 지속적인 진화를 통해 전사적 가치 창출을 확대한다. 이번 신규 기능을 통해 하이브리드 연결성, 시각화, 분석 역량이 한층 강화돼 아비바 산업 디지털 트윈의 핵심 데이터 기반 역할을 더욱 공고히 할 예정이다.     이번 업데이트는 디지털 트윈 설루션을 보다 유연하게 확장하고 IT 운영 부담을 줄일 수 있도록 고안됐다. 아비바의 모회사인 슈나이더 일렉트릭의 ‘이노베이션 서밋(Innovation Summit)’에서 공개된 이번 포트폴리오 업데이트는 클라우드 기반 산업 인텔리전스 플랫폼 ‘커넥트’로의 데이터 전송을 간소화해 데이터 가용성을 높이고, 인프라 비용을 절감하며, 디지털 트윈 애플리케이션을 위해 보다 정밀하고 확장 가능한 분석 환경을 제공하는 것을 중점적으로 다뤘다. 이번에 공개된 신규 제품 기능에 대해 아비바는 “산업 조직이 실시간 인사이트를 제공하고 자산 신뢰성을 향상시키며 의사결정을 가속화하는 동시에 전사적 전환을 지원하는 확장형·고정밀 디지털 트윈 활용 사례를 구현할 수 있도록 지원한다”고 설명했다. 엔지니어링, 운영, IT 전반의 데이터 사일로를 제거하고 협업을 원활하게 해, 기업들이 자산 라이프사이클 전반에서 성과 향상, 탄소 효율성 제고, 실행 가능한 산업 인텔리전스를 실현할 수 있도록 돕는다는 것이다. 아비바의 롭 맥그리비(Rob McGreevy) 최고제품책임자(CPO)는 “아비바의 기술은 산업 데이터 표준 규칙에 따라 자산 정보를 집계·컨텍스트화·검증해 신뢰할 수 있는 디지털 트윈을 구현하는 데 활용되고 있다”면서, “장비 사양, 유지보수 이력, 엔지니어링 문서와 같이 신뢰가 보장된 자산 정보와 센서, 제어 시스템, 산업 공정에서 발생하는 실시간 운영 데이터를 하나로 통합한다. 이러한 데이터 통합은 ‘커넥트’ 플랫폼과 마이크로소프트 애저(Microsoft Azure) 기반 환경에서 이뤄진다. 아비바 자산 정보 관리 및 아비바 PI 시스템에서 수집·정제된 데이터가 함께 시각화돼 AI 기반 대시보드와 분석을 통해 더 큰 가치를 창출한다”고 밝혔다. 마이크로소프트의 다얀 로드리게스(Dayan Rodriguez) 제조 부문 기업 부사장은 “아비바와의 협업은 지속적으로 진화하고 있다”면서, “마이크로소프트 애저상에서 아비바 포트폴리오와 커넥트 플랫폼의 역량이 확장되면서, 신뢰할 수 있는 자산 정보와 실시간 운영 데이터를 결합한 산업 디지털 트윈이 더욱 강력해지고 있다. 이를 통해 AI 기반 인사이트, 직관적인 시각화, 전사적 확장성을 동시에 제공할 수 있게 됐다”고 강조했다.

‘코리아 그래픽스 2025’가 지난 9월 11~12일 온라인으로 진행됐다. ‘AI로 혁신하는 3D 시각화와 산업의 미래’를 주제로 열린 ‘코리아 그래픽스 2025’에서는 급변하는 기술 트렌드 속에서 AI(인공지능)와 3D 시각화가 산업과 문화 전반에 미치는 영향력을 조명했다. 또한 AI 기술의 실질적인 적용 사례와 잠재력을 통해, AI가 단순한 도구를 넘어 창의적 동반자로 진화하는 흐름을 짚었다. ■ 정수진 편집장   ■ 같이 보기 : [포커스] 코리아 그래픽스 2025, AI로 가속하는 산업과 크리에이티브의 변화를 짚다 (1)     AI·3D 시각화 기술의 현재와 미래를 짚다 9월 11일에는 ‘디지털 트윈 & 3D 시각화’ 트랙이 진행됐다. 에픽게임즈 코리아의 권오찬 시니어 에반젤리스트는 ‘리얼타임을 통한 디지털 트랜스포메이션의 진화, 그리고 에픽게임즈의 에코시스템’을 주제로 발표했다. 그는 디지털 트윈을 통한 시각화가 건축, 도시 계획, 훈련 시뮬레이션, 자동차 산업 등 다양한 분야에서 혁신적인 의사결정을 이끌어내는 사례를 소개하면서, 3D 인터랙티브 콘텐츠로의 전환을 강조했다. 권오찬 시니어 에반젤리스트는 “에픽게임즈는 이러한 변화를 성공적으로 지원하기 위해 나나이트, 루멘, 라지 월드 코디네이터, 절차적 콘텐츠 생성 툴 같은 리얼타임 렌더링 기술과 함께 메타휴먼, 애셋 스토어, 리얼리티 스캔 2.0 등 풍부한 에코시스템을 제공한다”고 밝혔다.   ▲ 에픽게임즈 코리아 권오찬 시니어 에반젤리스트   HP 코리아의 차성호 이사는 ‘AI 워크스테이션을 통한 생산성 향상 방안 및 사례’를 발표했다. 워크스테이션은 R&D, 금융, 데이터 과학, AI 등의 분야에서 성능과 안정성을 겸비한 비즈니스 제품군으로 자리잡고 있다. 차성호 이사는 HP의 AI 워크스테이션이 40 TOPS 이상의 NPU(신경망 처리장치)와 코파일럿 키를 탑재하고 있으며, 대량의 그래픽 메모리를 바탕으로 솔리드웍스, 오토데스크 레빗, D5 렌더 등 ISV 애플리케이션에서 높은 생산성 향상을 보인다고 소개했다. 또한, 프로그램과 목적에 따른 최적 하드웨어 선택의 중요성을 강조하면서, “HP는 데모 프로그램을 통한 성20 · 능 검증 기회를 제공한다”고 덧붙였다.   ▲ HP 코리아 차성호 이사   에스엘즈의 정재헌 대표는 ‘AEC 산업을 위해 진화하는 공간지능 기술’을 주제로, 2020년 캐나다 ‘어그멘티드 그라운드’ 프로젝트의 AR 원격 시공 경험을 비롯해 자체 개발한 추론형 AI로 BIM 모델 이미지를 학습하여 고객사의 MEP 설계 노하우의 보안을 유지하면서 자동 배관 설계를 진행한 사례를 소개했다. 또한 ‘증강 휴먼’ 기술이 피지컬 AI 기반의 ‘증강 로봇’으로 진화하는 여정도 공유했다. 정재헌 대표는 “초기 AR 디바이스 탑재를 넘어 휴머노이드 로봇 및 드론에도 공간 지능 기술을 적용 중이며, 드론에서 수신한 GNSS 좌표를 기반으로 BIM 모델을 고정밀 증강하여 실시간 현장 영상 위에 데이터를 매핑하는 데 성공했다”고 밝혔다.   ▲ 에스엘즈 정재헌 대표   유니티코리아의 김현민 시니어 설루션 엔지니어는 ‘유니티 애셋 매니저로 혁신하는 CAD 데이터 관리와 실시간 협업’에 대해 발표했다. 그는 “유니티가 디자인 및 프로토타입 작업 간소화, 비용 절감, 브랜드 경험 강화 등 산업 전반에 몰입감 있고 인터랙티브한 경험을 제공한다”고 설명했다. 오픈 플랫폼인 유니티는 카티아, 솔리드웍스 등 70여 종의 CAD 포맷을 지원하며 애셋 관리, 버전 관리와 함께 20여 종 이상 플랫폼 빌드를 제공하는 엔드 투 엔드 설루션을 제공한다. 또한 유니티 애셋 매니저(Unity Asset Manager)는 클라우드 기반에서 대용량 CAD/3D 데이터를 효율적으로 관리하며, AI 태깅, 버전 관리, 데이터 스트리밍 기능을 통해 실시간 협업 환경을 구축한다.   ▲ 유니티코리아 김현민 시니어 설루션 엔지니어   메가존클라우드의 홍동희 유니티 유닛 테크 그룹장은 ‘CAD와 유니티의 만남 : 새로운 비즈니스 수익 모델과 창의적 혁신’을 발표했다. 그는 “유니티의 실시간 렌더링, 인터랙티브 기능, 멀티플랫폼 배포 능력이 정밀한 설계에 강점을 가진 CAD에 새로운 가치를 부여하고 수익화할 수 있다”고 강조했다. 또한, 가상 복제본 생성부터 AI 결합을 통한 완전 자율화까지 디지털 트윈의 진화 과정을 설명하며, “유니티는 디지털 트윈 개발을 위한 최적의 플랫폼”이라고 전했다. 유니티의 에코시스템을 활용해 기업은 새로운 비즈니스 영역을 창출하고, 개인은 CAD와 유니티를 겸비한 전문가로서 경쟁력을 강화할 수 있다는 것이 그의 설명이다.   ▲ 메가존클라우드 홍동희 유니티 유닛 테크 그룹장   캐디안의 한명기 상무는 ‘AI 이미지 인지기술 기반 3D 도면 생성 방안 및 적용 설루션 소개’를 주제로 발표를 진행했다. 한명기 상무는 “캐디안은 1990년 설립된 국산 CAD 개발 기업으로, 2020년에는 AI CAD 개발을 선언하며 설계 도면 생성 과정의 어려움을 해결하는 데에 AI를 접목했다”고 설명했다. 캐디안은 최근 전통 목조 건축의 손도면을 2D/3D 도면화하는 ‘CADian TWArch’를 개발하여 불국사 복원 가상 설계에 적용했으며, 올해 연말 출시 예정이다. 또한, 현대 건축을 위한 ‘CADian AI-CE’는 JPG, PDF, DWG 등 다양한 도면에서 벽체, 창호, 룸 정보 등을 AI로 탐지하여 도면을 재생성하고 BOM을 산출한다. 한명기 상무는 “캐디안 AI CAD의 미래는 스마트 블록, 디자인 어시스턴트, 인스펙션 시스템 등 기능 강화와 함께 궁극적으로 AI 에이전트를 통한 ‘말로 설계하는 세상’을 목표로 한다”고 전했다.   ▲ 캐디안 한명기 상무   이노시뮬레이션의 이지선 CTO는 ‘모빌리티 XR 사례와 AI 융합 기술의 미래’를 전망했다. 그는 XR 기술이 나와 외부 세계를 소통하는 모든 통로를 대체하는 기술이며, 그래픽, 디바이스, 시뮬레이션 기술과 밀접하다고 정의했다. 그리고 운전 시뮬레이터, 가상 훈련, HMI 검토, 가상 품평, AR HUD 등 다양한 모빌리티 XR 응용 사례를 소개하며 개발 기간과 비용 절감 효과를 강조했다. 이지선 CTO는 “AI와 XR 기술의 결합은 모빌리티 무인화 시대를 가속화할 것”이라면서, “이노시뮬레이션은 AI 개발 툴을 활용하여 AI와 모빌리티가 혼합된 시뮬레이션 시스템을 연구 개발 중”이라고 소개했다.   ▲ 이노시뮬레이션 이지선 CTO   디자인과 제조의 미래를 만드는 생성형 AI 9월 12일에는 ‘AI 비주얼 트렌드 & 응용’ 트랙이 진행됐다. LG CNS의 정용기 선임은 ‘Image Gen.AI를 활용한 업무 생산성 향상 방안’에 대한 발표에서, 생성형 AI 기술에 기반한 LG CNS의 Image Gen.AI 엔진을 소개했다. 이를 활용하면 디자인 과정에서 아이디어 구상 시간을 단축하는 등의 프로세스 개선을 통해 비주얼 콘텐츠의 생성 시간과 비용을 50% 이상 줄여줄 수 있다는 것이 정용기 선임의 설명이다. 또한, LG CNS의 Image Gen.AI 엔진을 탑재한 COP(Content Optimization Platform)도 소개했다. COP는 이미지 생성 및 편집, 배경 제거/교체/확장, 부분 수정 등의 기능을 제공하며, 특화 학습을 통해 고객사의 특정 스타일을 반영한 마케팅 이미지를 생성한다. 정용기 선임은 “COP는 제품의 디테일을 유지하면서 다양한 연출 컷을 만들 수 있으며, 향후 매체별 배너 이미지 자동 생성 기능을 개발 중”이라고 밝혔다.   ▲ LG CNS 정용기 선임   아이스케이프의 조세희 대표는 ‘이미지부터 3D까지 : 크리에이터가 알려주는 생성형 AI 영상 제작’을 주제로 발표했다. 조세희 대표는 AI를 활용한 영상 콘텐츠 제작 과정을 실무 사례와 함께 소개하면서, “영상 제작은 스토리보드, 키 이미지 생성, 영상화, 음악 생성, 편집의 5단계로 진행되며, AI가 텍스트, 이미지, 오디오, 3D 모델 등 다양한 콘텐츠를 생성한다”고 설명했다. 또한, 3D 오브젝트를 활용해 가상 공간에서 영상을 만들고, 미드저니의 옴니 레퍼런스와 페이스 스왑, 일레븐랩스를 이용해 가상 인간의 일관된 이미지와 음성을 제작하는 과정도 시연했다. 조세희 대표는 “AI는 생산성을 높일 수 있는 도구이지만, 영상 구조, 조명, 연출 등의 기본 지식은 필수”라고 짚었다.   ▲ 아이스케이프 조세희 대표   AI팩토리의 김태영 CEO는 ‘크리에이터를 위한 AI 에이전트 활용 및 ‘바이브 코딩’ 발표를 통해 엔트로픽의 클로드 코드(Claude Code)를 활용해서 AI와 협업하여 코드를 작성하고 실행하는 방법을 시연했다. 바이브 코딩(vibe coding)은 대화식으로 사용자가 원하는 내용을 AI 에이전트에게 전달하면 AI가 코딩을 수행하는 방식이다. “요구사항 명세서 역할을 하는 파일을 통해 더욱 상세한 지시가 가능하다”고 소개한 김태영 CEO는 발표 중 실제 라이브 시연을 통해 상품 소개 웹 페이지를 제작하고, AI가 텍스트와 이미지를 자동 생성하여 콘텐츠를 풍부하게 만드는 과정을 선보였다.   ▲ AI팩토리 김태영 CEO   IUM SPACE의 이윰 대표는 ‘AI 툴로 구현하는 비주얼 세계 : 실무 적용과 아트워크 융합 사례’를 주제로 발표했다. 생성형 AI 시대의 진정한 창의성은 ‘세계관 디자인’에 있다고 짚은 이윰 대표는 미드저니의 스타일 레퍼런스 기능을 통해 42억 개의 스타일 시드를 탐색하며 “각 시드가 담고 있는 고유한 세계관을 이해하는 것이 중요하다”고 설명했다. 또한, 인간의 상상력과 AI의 지능을 결합하여 고유한 스타일과 이야기를 만드는 과정을 소개했다. 이윰 대표는 “AI는 의미를 생성하지 않으므로, 인간 창작자가 의미를 부여하고 다양한 이미지를 통합하여 스토리를 완성하는 것이 핵심”이라고 전했다.   ▲ IUM SPACE 이윰 대표   ■ 같이 보기 : [포커스] 코리아 그래픽스 2025, AI로 가속하는 산업과 크리에이티브의 변화를 짚다 (1)

캐드앤그래픽스에서 진행하는 코리아그래픽스 컨퍼런스 발표자료와 영상 모음입니다. 컨퍼런스 발표 내용중 정보 공개 가능한 것들을 모아두었습니다. 오래전 자료는 일부 유실된 것들도 있네요. 참고하시기 바랍니다. #코리아그래픽스2024 [코리아 그래픽스 2024] 발표자료 다운로드 ​[코리아 그래픽스 2024] 영상 다시보기 [코리아그래픽스 2024] 관련 기사보기   ​#코리아그래픽스2023 (온라인) [코리아 그래픽스 2023] 발표자료 다운로드 ​[코리아 그래픽스 2023] 영상 다시보기   ​#코리아그래픽스2022 [코리아그래픽스 2022] 발표자료 다운로드 [코리아그래픽스 2022] 영상 다시보기    ​#코리아그래픽스 2021 [코리아그래픽스 2021] 발표자료 다운로드 [코리아그래픽스 2021] 영상 다시보기 ​ #코리아그래픽스 2020 [코리아 그래픽스 2020] 발표자료 다운로드 ​[코리아그래픽스 2020] 영상 다시보기   #코리아그래픽스 2019 [코리아그래픽스 2019] 발표자료 다운로드   #코리아그래픽스월드 2017 [코리아 그래픽스 월드 2017] 발표자료 다운로드   #코리아그래픽스월드2014  아젠다와 이디엠 보기   #코리아그래픽스월드2013 코리아그래픽스월드 2013 발표자료 다운로드 [코리아그래픽스 2013] 영상 다시보기   #코리아그래픽스월드2012 코리아 그래픽스 월드 2012 컨퍼런스 발표자료 

HPE는 5세대 AMD 에픽(EPYC) 프로세서와 AMD 인스팅트(Instinct) MI325X 가속기를 탑재한 복합 AI 모델 학습용 ‘HPE 프로라이언트 컴퓨트 XD685(HPE ProLiant Compute XD685)’ 서버를 출시했다. 새로운 HPE 시스템은 대규모 언어 모델(LLM) 학습, 자연어 처리 및 멀티 모달 학습을 위한 고성능의 에너지 효율적 인공지능(AI) 클러스터를 신속하게 배포할 수 있도록 최적화되었다. HPE 프로라이언트 컴퓨트 XD685는 HPE가 설계한 새로운 모듈형 섀시를 통해 대규모 AI 모델 학습 및 조정 프로젝트에 신속한 솔루션을 제공한다. 모듈형의 컴팩트한 5U 섀시는 솔루션의 시장 출시 시간을 단축시키고 다양한 GPU, CPU, 구성 요소, 소프트웨어 및 냉각 방식을 수용할 수 있는 유연성을 제공한다. 또한, 수십 년간 축적된 HPE의 직접 수냉 방식(DLC) 노하우와 HPE iLO의 보안 혁신을 결합해 지속가능하고 안전한 고성능 솔루션을 구현한다.     AMD CDNA 3 아키텍처로 구동되는 AMD 인스팅트 MI325X 가속기는 학습 및 추론 작업에서 더 적은 GPU로 향상된 AI 성능과 효율을 제공한다. MI325X 가속기는 초당 6 테라바이트(TB)의 메모리 대역폭을 갖춘 HBM3e 메모리 용량을 통해 성능을 최적화하고 총소유비용(TCO)을 절감한다. HPE가 설계한 5U 서버 섀시는 랙당 8노드 구조로 컴팩트하게 구성되어 8웨이 GPU 시스템의 랙 집적도를 높인다. HPE 프로라이언트 컴퓨트 XD685는 8개의 AMD 인스팅트 MI325X 또는 AMD 인스팅트 MI300X 가속기, 최신 AMD 에픽 9005 시리즈 프로세서 2개, 공랭 혹은 직접 수냉 방식 방식을 지원한다. HPE 서비스는 대규모 AI 클러스터를 전 세계 어디에서나 안정적이고 우수한 운영으로 설치 및 배포할 수 있도록 모든 범위의 맞춤형 유연성 서비스를 제공한다. 전문 서비스 팀이 공장에서 솔루션을 구축, 통합, 검증, 테스트 및 맞춤화하여 현장 배포 시간을 단축시킨다. HPE iLO는 HPE 프로라이언트 컴퓨트 XD685 시스템을 안전하게 관리하여, 공급망에서부터 시작해 실리콘에 내재된 업계 최고 수준의 보안 혁신과 원활한 관리를 제공한다. HPE 퍼포먼스 클러스터 매니저(HPE Performance Cluster Manager)는 완전 통합 시스템 관리 소프트웨어로, 베어메탈에서 자동화된 설정으로 복잡한 시스템을 빠르게 운영할 수 있도록 지원하며, 상세한 텔레메트리, GPU 스트레스 테스트 등을 통해 클러스터를 안정적으로 유지 및 운영한다. HPE의 트리시 댐크로거(Trish Damkroger) HPC 및 AI 인프라 솔루션 부문 수석 부사장 및 책임자는 “대규모 언어 모델을 효율적으로 학습하려면 뛰어난 확장성, 대규모 병렬 컴퓨팅 성능, 그리고 HPE의 고성능 컴퓨팅 솔루션만이 제공할 수 있는 독보적인 서비스가 필요하다. 세계에서 가장 강력하고 에너지 효율적인 시스템을 제공하는 선두 기업으로서, AMD와 협력해 HPE 프로라이언트 컴퓨트 XD685로 이 혁신을 확장하고, AI 모델 개발자 시장의 수요에 부응하며, 산업 전반에서 과학과 공학의 혁신을 가속화할 것”이라고 말했다. AMD의 포레스트 노로드(Forrest Norrod) 데이터센터 솔루션 그룹 부사장 겸 총괄 매니저는 “최신 AMD 에픽 프로세서와 인스팅트 가속기의 강력한 조합을 통해 HPE 프로라이언트 컴퓨트 XD685 고객들은 시장 출시 시간을 단축하고 AI 성능과 효율성에서 진정한 리더십을 경험할 수 있다. HPE와의 협력을 통해 대규모 언어 모델 학습에 대한 수요 증가에 대응하며, AI 노력을 극대화하고, 업계의 경쟁력 있는 혁신을 촉진하는 유연하고 고성능의 솔루션을 지속적으로 제공하고 있다”고 말했다. HPE 프로라이언트 컴퓨트 XD685는 2025년 1분기부터 다양한 구성으로 순차적으로 출시될 예정이다.

김경환 지음 / 27,000원 / 한빛미디어   오늘날 AI 서비스들은 본격적인 상용화를 시작하면서 하루가 다르게 시장이 커지고 있다. 리서치 전문 기업 마켓앤마켓(Markets and Markets)에 따르면 전 세계 AI 시장 규모는 2024년 약 2,054억 달러(약 267조 원) 규모에서 2030년에는 1조 3,452억 달러(약 1,800조 원)로 6배 가량 성장할 것으로 예측된다. 글로벌 AI 시장이 연평균 36.8%의 성장률을 보인다는 예측이다. AI 서비스 개발을 위한 실용적인 가이드북 『쓸모 있는 AI 서비스 만들기』는 AI 이론 학습한 후 다음에 무엇을 해야 할지 고민하는 사람을 위해 쉽고 빠르게 AI 서비스를 개발하는 방법을 상세히 다루고 있다.  이 책에서는 △OCR 기술(약 185억 달러), △이미지 세그멘테이션 기술(약 50억 달러), △자연어 처리 기술(약 345억 달러), △음성 인식 기술(약 268억 달러), △이미지 생성 기술(약 67억 달러) 등 여러 기술 중에서도 시장 규모가 크고 쉽게 상용화가 가능한 5가지 핵심 AI 서비스의 개발 과정을 단계별로 설명한다. 특히 사전 학습된 AI 모델을 활용해서 효율적으로 서비스를 구현하는 방법을 제시하여, 이론에서 실제 구현까지의 간극을 좁히는 데 중점을 두었다. 이 책은 현업 AI 서비스 개발자, AI/머신러닝 분야 취업준비생, 생성형 AI의 빠른 변화를 따라잡고자 하는 개발자를 주요 독자층으로 삼고 있다. 이들을 위해 각 주제별 시장성과 전망 분석을 제공하여 AI 서비스 트렌드를 읽는 안목을 키울 수 있도록 돕는다. 머신러닝 엔지니어인 김경환 저자는 "AI 공부를 시작하는 분들이 실제로 작동하는 AI 서비스를 구현해 보면서 저와 같은 재미와 흥미를 느낄 수 있기를 바란다. 더 나아가서는 이 책이 여러분의 창의력을 자극하고, AI를 활용해 여러분만의 아이디어를 구현하는 데 도움이 되기를 기대한다"라고 전했다.  

캐드앤그래픽스 CNG TV 지식방송 지상 중계   챗GPT는 생성형 AI 비즈니스를 촉발하는 트리거가 되었다. 하지만 넘쳐나는 각종 생성형 AI 서비스와 활용 정보는 오히려 실용적이고 지속가능한 AI 활용법을 익히는데 어려움을 주고 있다. 지난 8월 7일, 캐드앤그래픽스 CNG TV에서는 줌(ZOOM) 라이브 방송을 통해 ‘챗GPT 최신 트렌드와 자기주도 AI 활용법’을 주제로 LG CNS 안무정 책임이 출연하여 빠르게 발전하는 AI 기술 시대에 자기주도적인 AI 활용 전략에 대해 소개해 관심을 모았다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   LG CNG 안무정 책임은 27년간 개발자로 근무하면서 지금도 코딩을 하고 있다며, 현재는 Cryptocurrency처럼 최신 기술을 가지고 신사업을 개발하는 일을 담당하고 있다고 소개했다. 그는 IT 기술은 테크놀로지 웨이브(Technology Wave)로 불리고 있다며, 비즈니스에서 활용되는 모습은 패션처럼 엄청나게 뜨거웠다가 사라지는 모습을 종종 볼 수 있다고 이야기했다. 2009년에 개봉된 영화 '아바타'는 3D 입체영상의 붐을 일으켰다. 이후 3D프린팅도 큰 관심을 모았지만 커피머신처럼 집안에 하나 정도 있을 정도의 범용적인 모델로 성공하진 못했다. 2015년에는 VR과 AR이 뜨겁게 달아올랐다. 하지만 게임 쪽에서만 관심을 끌었을 뿐 산업 분야로 연결되진 못했다. 그러다 2020년 코로나 시대에 메타버스가 다시 주목받으면서 VR과 AR이 화두가 되었다. 메타버스는 2000년에도 나왔지만 확장 동력이 없어 사라졌다가 다시 급부상했다.   ▲ ‘챗GPT 최신 트렌드와 자기주도 AI 활용법’에 대해 소개한 LG CNS 안무정 책임   안무정 책임은 “메타버스는 소셜 메타버스, 리모트 오피스 메타버스, 디지털 트윈 메타버스 3가지 영역으로 구분된다”며, “소셜 메타버스는 게임 영역이고, 위드코로나 시대가 되면서 지금은 메타버스 안에서 액티비티를 하진 않지만 디지털 트윈 메타버스는 버추얼 트윈이란 이름으로 중요한 기술 영역을 담당하고 있다”고 말했다. 그는 메타버스와 AI는 DX(디지털 전환)에 중추적인 역할을 할 것이라며, 2010년생인 알파 세대들이 향후 10년 내에 사회에 진출하게 되면 가상과 현실을 넘나드는 큰 역할을 할 것으로 기대된다고 소개했다. 한편 최근 관심을 모으고 있는 챗GPT의 경우 초거대 AI에 1750억개의 파라미터가 드는 등 고비용에 CO2 발생, ESG의 도전을 받고 있다. 하지만 LG전자에서 개발한 엑사원(EXAONE)의 경우 직접 사용하고 싶다고 해도 틸다(TILDA) 같은 AI 기반의 패션 아티스트와 같은 거대 이벤트를 하지 않는 이상 일반인이 AI를 사용하는 것은 어려운 실정이었다. 이를 해결해 준 것이 있는데, 바로 챗GPT이다. 챗GPT가 나오기 전에는 일반인들은 파파고나 구글의 번역기 정도를 사용할 수 있었다. 챗GPT에서 구현된 기능들로 인해 누구나 AI를 활용할 수 있게 됐다. 안무정 책임은 “이제 AI는 24시간 나의 질문에 응답할 수 있는 친구 같은 협업 동료라고 할 수 있다”며, “AI의 시대를 살아가는데 있어서 가장 큰 역량이라면 바로 ‘조합’이다”라고 말했다. 창의성이란 기존 것을 색다르게 재해석하거나 재정의하는 것으로 조합에 무게가 실리고 있다. 챗GPT와 같은 생성형 AI의 등장으로 이제 AI 기술을 사용하지 않는 영역은 없어졌다. AI는 우리의 일상생활에 녹아 들면서 업무는 물론 자동화 등 모든 영역에서 사용되고 있다. 따라서 AI를 잘 활용할 수 있다면 자기주도적으로 더 멋진 일을 할 수 있을 것으로 기대된다.   ■ 기사 내용은 PDF로도 제공됩니다.