제품 개발의 완성도를 높이는 크레오 파라메트릭 13 (1)   이번 호에서는 크레오 파라메트릭 13(Creo Parametric 13)에서 인터페이스와 작업 효율을 높여주는 개선사항에 대 해 알아보자.   ■ 박수민 디지테크 기술지원팀의 과장으로 크레오 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   크레오 파라메트릭 13에서는 대형 어셈블리 작업 시 모델 트리와 강조 표시 성능이 향상되었으며, 도구 설명과 컨텍스트 메뉴도 개선되었다. 또한 모델을 탭으로 열고 전환하는 기능과 표시 유형 제어 그리고 설계 트리에서 보디와 퀼트를 선택하는 기능 등이 추가되어 반복적인 작업을 줄일 수 있게 되었다. 이번 개선사항들은 새로운 작업 방식을 별도로 익혀야 하는 기능이라기보다는, 기존에 자주 사용하던 트리 조작과 선택 및 표시 작업 그리고 오류 확인 작업을 더 빠르고 명확하게 수행할 수 있도록 다듬어진 항목들이다. 각 기능이 어떤 작업에서 사용되는지 실제 설계 작업에서 어떤 점이 편리해졌는지 하나씩 살펴 보자.   향상된 모델 트리 성능 크레오 파라메트릭 13에서 대형 어셈블리 작업을 할 때 모델 트리의 성능이 개선되었다. 모델 트리 노드와 관련 열을 업데이트하는 과정이 최적화되어, 트리를 새로 고치거나 항목을 조작할 때 더 부드럽게 반응한다. 특히 부품 수가 많고 트리 구조가 복잡한 어셈블리에서는 모델 트리를 확장하거나 필요한 정보를 확인하는 시간이 작업 흐름에 영향을 줄 수 있다. 이번 개선으로 모델 트리 성능이 향상되어 대형 어셈블리 환경에서 더 빠르게 트리 정보를 확인할 수 있다. 모델 트리 성능은 최대 15% 더 빨라졌으며 복잡한 모델을 자주 다루는 작업자에게는 체감되는 응답 속도 개선이 될 수 있다. 모델 트리는 설계 구조를 확인하고 피처나 컴포넌트를 선택하는 기본 작업 공간이다. 트리의 새로 고침 속도가 빨라지면 대형 어셈블리에서 항목을 찾거나 열 정보를 확인할 때 기다리는 시간이 줄어들고, 선택한 항목의 상태를 더 안정적으로 확인할 수 있다.     강조 표시 : 개선된 성능 강조 표시와 미리 강조 표시의 성능도 개선되었다. 서피스가 많은 모델에서 객체를 선택하거나 마우스를 올려 미리 강조 표시할 때 속도를 높이기 위해 선택 프로세스가 개선된 것이다. 서피스 수가 많은 퀼트나 보디가 포함된 모델에서는 객체를 선택할 때 표시 반응이 느려질 수 있다. 크레오 파라메트릭 13에서는 이런 상황에서 강조 표시가 적용되기를 기다리는 시간을 줄여 모델링 작업을 좀 더 자연스럽게 진행할 수 있다. 기본적으로 ‘highlight_skip_small_surfaces’ 구성 옵션은 ‘yes’로 설정되어 있으며 강조 표시할 때 일부 작은 서피스를 건너뛰도록 되어 있다. 작은 서피스까지 포함하여 강조 표시하고 싶다면 이 옵션을 ‘no’로 설정할 수 있다. 다만 면 처리 모델의 성능은 이 개선사항에 포함되지 않는다. 작은 서피스를 건너뛰는 방식은 화면 반응 속도를 높이는 데 도움이 된다. 반대로 아주 작은 서피스까지 선택 상태를 확인해야 하는 작업에서는 옵션 값을 조정하여 선택 범위를 넓힐 수 있으므로, 모델의 복잡도와 작업 목적에 맞게 설정하는 것이 좋다.     컨텍스트 명령에 대한 도구 설명 마우스 오른쪽 버튼을 클릭하면 나타나는 컨텍스트 명령에도 도구 설명이 추가되었다. 명령 위로 마우스 커서를 가져가면 해당 명령의 설명과 사용에 필요한 안내가 표시된다. 특히 명령이 비활성화되어 있을 때도 관련 정보를 확인할 수 있어, 왜 해당 명령을 사용할 수 없는지 또는 어떤 조건에서 사용할 수 있는지 이해하는 데 도움이 된다. 작업 중인 화면을 벗어나지 않고 바로 명령의 의미를 확인할 수 있다는 점에서 사용자 경험이 개선되었다. 이 기능은 처음 사용하는 명령뿐 아니라 자주 사용하지 않는 명령을 확인할 때도 유용하다. 별도의 창을 열지 않아도 현재 메뉴 안에서 필요한 정보를 바로 확인할 수 있어, 작업 흐름을 유지하면서 다음 동작을 판단할 수 있다.     도구 설명 향상 크레오 파라메트릭 13에서는 향상된 도구 설명이 스케쳐 영역까지 확장되었다. 도구 설명에는 텍스트뿐 아니라 시각적인 이미지가 함께 제공되어 도구의 역할을 더 쉽게 파악할 수 있다. 기존에는 아이콘이나 도구 이름만 보고 기능을 판단해야 하는 경우가 있었지만, 개선된 도구 설명을 활용하면 각 도구가 어떤 작업에 사용되는지 좀 더 명확하게 이해할 수 있다. 특히 스케쳐처럼 명령 수가 많고 비슷한 아이콘이 함께 표시되는 환경에서는 시각적인 설명이 도움이 된다. 도구의 동작을 미리 이해하고 선택할 수 있어 불필요한 명령 실행이나 취소 작업을 줄일 수 있다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (3)   CAD 설계 환경에서 외부 참조(XREF)는 도면 협업의 근간을 이루는 핵심 기능이다. 하나의 도면에 모든 정보를 담는 대신 필요한 도면을 외부 참조로 연결함으로써, 파일 용량을 줄이고 설계 변경 사항을 유연하게 반영할 수 있다. 건축 평면도 위에 구조·설비 도면을 얹거나, 기계 조립도와 부품 도면을 유기적으로 연결하는 방식은 이미 다양한 설계 분야에서 표준 작업 방식으로 자리 잡은 지 오래다. 그러나 XREF는 치명적인 전제 조건을 가진다. ‘참조 파일의 경로가 정확하게 유지되어야 한다’는 것이다. 프로젝트 폴더 구조가 바뀌거나, 파일 이름이 변경되거나, 도면을 다른 디렉토리로 이동하는 순간 연결 고리는 쉽게 끊어진다. 누락된 참조 파일은 단순히 화면에서 보이지 않는 불편을 넘어, 설계 검토 오류와 출력 누락, 나아가 납품 일정 지연이라는 치명적인 결과로 이어지기도 한다. 새롭게 출시된 아레스 커맨더 2027(ARES Commander 2027)은 이러한 실무자들의 고충에 주목한다. 최적화된 XREF 경로 관리와 지능형 링크 기술을 통해 설계 데이터의 연결성을 선제적으로 보호하고, 협업의 안정성을 극대화하는 해결책을 제시하고 있다.   ■ 최하얀 위즈코어 마케팅팀의 전임으로 ARES CAD의 마케팅 콘텐츠 기획 및 제품 홍보 업무를 담당하고 있다. 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert 유튜브 | www.youtube.com/GraebertTV    사후 수습에서 ‘사전 예방’으로 − 다른 이름으로 저장 시 상대 경로 자동 수정     실무에서는 기존 프로젝트를 복사해 신규 프로젝트의 기준으로 삼거나, 검토·납품용 도면 세트를 별도로 분리하기 위해 ‘다른 이름으로 저장’하는 일이 빈번하다. 이때 도면 파일 자체는 성공적으로 저장되더라도, 도면이 바라보던 상대 경로의 외부 파일들이 함께 이동하지 않으면 XREF 링크는 그대로 끊어진다. 아레스 커맨더 2027은 상대 경로 XREF가 포함된 도면을 새로운 위치에 저장할 때, 참조 링크가 끊어질 가능성을 실시간으로 감지하고 사용자에게 즉시 경고를 표시한다. 사용자는 작업 상황에 따라 상대 경로를 자동으로 업데이트할지 기존 경로를 유지할지 직관적으로 선택할 수 있으며, 반복되는 작업 환경이라면 해당 선택을 기억하도록 설정해 업무 흐름을 방해받지 않을 수도 있다. 이 기능의 진정한 가치는 문제가 발생한 뒤 원인을 찾는 ‘사후 수습’이 아니라, 문제가 일어날 수 있는 길목을 지키는 ‘사전 예방’에 있다. 협력사나 발주처에 복잡한 도면 세트를 빈번하게 전달해야 하는 환경에서, 도면 데이터의 무결성을 지키는 강력한 방어선으로 기능한다.   수십 개의 링크도 단 한 번에 − 누락된 외부 참조의 초고 속 일괄 업데이트     대형 건축 프로젝트나 플랜트·토목 설계의 경우, 하나의 마스터 도면에 수십 개의 외부 참조 파일이 거미줄처럼 얽혀 있는 경우가 많다. 이 상황에서 사내 서버 드라이브가 변경되거나 NAS 폴더 구조가 바뀌면, 실무자는 ‘경로 수정’이라는 단순 반복 작업에 수많은 시간과 에너지를 허비해야 했다. 일일이 경로를 다시 지정하다 보면 누락이 발생하거나, 엉뚱한 버전의 파일을 잘못 연결하는 휴먼 에러도 심심치 않게 발생했다. 아레스 커맨더 2027은 ‘레퍼런스(References) 팔레트’를 통해 이 문제를 해결한다. 기존 경로의 공통 분모(이전 서버 드라이브 명이나 상위 폴더 이름 등)를 지정하고 새로운 경로로 매핑하면, 깨져 있던 수많은 XREF 링크가 한 번의 작업으로 정상화된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

디지털 지식전문가 조형식의 지식마당   오늘날 기업들은 그 어느 때보다 많은 혁신을 시도하고 있다. 생성형 AI, 디지털 트윈, 자율화, 데이터 기반 의사결정, 피지컬 AI, 소프트웨어 정의 시스템(software-defined system) 등 수많은 혁신 기술이 등장하고 있으며, 조직은 이를 도입하기 위해 막대한 자원을 투자하고 있다. 그러나 한 가지 질문을 던져볼 필요가 있다. 과연 혁신은 조직을 얼마나 변화시키고 있는가? 현실은 기대와 다르다. 혁신 프로젝트는 성공적으로 완료되었지만 조직의 업무 방식은 그대로인 경우가 많다. 새로운 시스템을 구축했지만 의사결정 방식은 변하지 않는다. AI를 도입했지만 구성원의 행동은 과거와 크게 다르지 않다.   그림 1. 기술 혁신과 디지털 변환의 역설   반대로 변화 관리 프로그램은 활발하게 진행되지만 정작 새로운 가치를 창출하는 혁신으로 연결되지 못하는 경우도 적지 않다. 혁신은 있었지만 변화가 없고, 변화는 있었지만 혁신이 없다. 이런 실패로 많은 대기업이 현재 인공지능 투자 핑계로 많은 직업들을 해고하고 있다. 이러한 단절은 오늘날 대부분의 조직이 직면하고 있는 근본적인 문제이다. 이 문제를 해결하기 위해 필자는 최근 새로운 개념을 제안하고자 한다. 바로 혁변(革變, innovative change)이다. 혁변은 혁신(innovation)과 변화(change)의 합성어이다. 하지만 단순한 조어 이상의 의미를 가진다. 혁신은 새로운 가치를 창출하는 행위다. 변화는 기존 상태를 새로운 상태로 전환하는 과정이다. 혁신은 미래를 만드는 힘이고, 변화는 미래를 현실로 만드는 힘이다. 문제는 대부분의 조직에서 이 두 과정이 분리되어 있다는 점이다.   그림 2. 혁신과 변화 그리고 혁변의 차이점   혁신은 연구소에서 일어나고 변화는 현장에서 일어난다. 혁신은 프로젝트로 관리되고 변화는 교육과 캠페인으로 관리된다. 결국 혁신과 변화는 서로 연결되지 못한 채 각각의 활동으로 남게 된다. 혁변은 이러한 분리를 거부한다. 혁변은 혁신과 변화를 하나의 연속된 진화 과정으로 바라본다. 혁신이 변화로 이어지고, 변화가 다시 새로운 혁신의 기반이 되는 순환 구조를 만드는 것이 혁변의 본질이다. AI 시대의 경쟁력은 더 이상 기술 자체에 있지 않다. 동일한 AI를 누구나 사용할 수 있기 때문이다. 미래의 경쟁력은 연결 능력에서 나온다. 경험을 연결하고, 지식을 연결하고, 제품과 서비스를 연결하고, 학습과 실행을 연결하는 능력이 조직의 성패를 결정하게 된다. 이러한 연결을 가능하게 하는 개념이 바로 디지털 스레드(digital thread)이다. 디지털 스레드는 원래 제품의 전체 생애주기를 연결하는 개념으로 등장하였다. 그러나 AI 시대에는 그 의미가 훨씬 확장되고 있다. 제품만 연결하는 것이 아니라 사람의 경험, 조직의 지식, 제품의 가치 창출 과정까지 하나의 흐름으로 연결해야 한다. 혁변은 바로 이러한 디지털 스레드 기반 사고를 혁신과 변화의 영역으로 확장한 개념이다. 혁신이 점(point)이라면, 변화는 선(line)이다. 그리고 혁변은 스레드(thread)이다. 혁신의 순간들을 변화의 흐름으로 연결하고, 변화의 결과를 다시 새로운 혁신의 출발점으로 만드는 지속적인 가치 흐름이 바로 혁변이다.   그림 3. 혁변은 스레드   혁변은 세 개의 핵심 디지털 스레드를 중심으로 작동한다. 첫 번째, LDT(life digital thread)이다. LDT는 인간의 경험을 연결한다. 우리는 매일 수많은 경험을 한다. 회의를 하고, 책을 읽고, 여행을 하고, 실패를 경험하고, 새로운 사람을 만난다. 하지만 대부분의 경험은 사라진다. 혁변 관점에서 경험은 가장 중요한 혁신 자산이다. 경험은 인사이트를 만들고, 인사이트는 새로운 지식의 씨앗이 된다. LDT는 이러한 경험의 흐름을 체계적으로 연결하는 역할을 수행한다. 두 번째, KDT(knowledge digital thread)이다. 경험은 지식으로 승화되어야 한다. KDT는 경험에서 얻어진 인사이트를 개념으로 정리하고, 개념을 지식으로 체계화하며, 지식을 재사용 가능한 패턴과 원리로 발전시키는 과정이다. AI 시대에 가장 중요한 자산은 데이터가 아니다. 구조화된 지식이다. KDT는 조직의 집단 지성을 축적하는 메커니즘이며, 혁변의 두 번째 축이다. 세 번째, PDT(product digital thread)이다. 지식은 실행될 때 비로소 가치가 된다. PDT는 지식이 제품과 서비스, 프로세스, 비즈니스 모델로 구현되는 과정을 연결한다. 요구사항, 설계, 개발, 운영, 서비스의 전 과정을 하나의 스레드로 연결하여 가치 창출을 실현한다. 혁신은 제품을 만들고, 변화는 제품을 정착시키며, 혁변은 제품이 만들어내는 가치를 지속적으로 진화시킨다.   그림 4. 세 가지 디지털 스레드   혁변 프레임워크의 진정한 의미는 LDT, KDT, PDT 각각에 있는 것이 아니다. 이 세 가지를 하나의 흐름으로 연결하는 데 있다. 경험은 인사이트가 되고, 인사이트는 지식이 되며, 지식은 제품과 서비스가 되고, 제품과 서비스는 새로운 가치를 창출한다. 그리고 그 가치는 다시 새로운 경험이 된다. 이 과정은 끝없이 반복된다. 이는 단순한 프로세스가 아니라 진화의 순환 구조이다. 혁변은 바로 이 순환 구조를 설계하고 운영하는 메타 프레임워크이다. 산업화 시대의 혁신은 효율을 추구했다. 디지털 시대의 혁신은 연결성을 추구했다. AI 시대의 혁신은 진화성을 추구해야 한다. 이제 중요한 것은 얼마나 많은 아이디어를 생성했는지가 아니다. 얼마나 많은 경험이 지식으로 전환되었는지, 얼마나 많은 지식이 가치로 실현되었는지, 그리고 얼마나 많은 가치가 다음 혁신의 자산으로 축적되었는지가 중요하다. 혁신은 더 이상 프로젝트가 아니다. 혁신은 하나의 스레드이다. 변화는 더 이상 관리 대상이 아니다. 변화는 진화의 과정이다. 그리고 혁변은 혁신과 변화를 연결하는 데브옵스(DevOps) 체계이다.   그림 5. 미래를 지배할 조직의 조건   AI 시대는 지식의 민주화를 넘어 혁신의 민주화 시대로 향하고 있다. 누구나 아이디어를 만들 수 있고, 누구나 지식을 생산할 수 있으며, 누구나 혁신에 참여할 수 있다. 그러나 모든 혁신이 가치를 만드는 것은 아니다. 가치를 만드는 것은 연결이다. 혁변은 혁신과 변화를 연결하고, 경험과 지식을 연결하며, 사람과 제품을 연결하고, 현재와 미래를 연결한다. 결국 미래의 경쟁력은 더 많은 혁신을 가진 조직이 아니라, 더 많은 스레드를 연결할 수 있는 조직에서 나온다. 혁변은 그 연결의 철학이며, AI 시대 지속가능한 진화의 엔진이다. 새로운 인공지능의 시대에서 미래는 연결하는 자의 것이 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설턴트를 걸쳐서 디지털 지식 전문가로 활동하고 있다. 현재 디지털지식 연구소 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.

  한국생산제조학회가 오는 2026년 7월 14일부터 17일까지 나흘간 강릉 세인트존스 호텔에서 '2026년 춘계학술대회'를 개최한다. 이번 학술대회는 첨단 생산제조 분야의 최신 연구 성과를 공유하고, 인공지능(AI)과 로봇이 주도하는 스마트제조의 미래 발전 방향을 모색하는 자리로 마련된다. 이번 행사는 논문 370편 이상이 발표되고 630명 이상의 산학연 관계자가 등록하는 대규모 교류의 장이 될 전망이다. 나흘간 펼쳐지는 다채로운 학술 및 전시 프로그램 학술대회 일정은 7월 14일 리셉션, 패널토의, 튜토리얼, 특별세션을 시작으로 본격적인 막을 올린다. 15일에는 개회식과 시상식을 비롯해 논문발표, 특별초청강연 및 포럼, 콜로퀴움, 집중포럼, 전시회, 만찬이 진행된다. 이어 16일에는 논문발표와 함께 차세대 연구자들을 위한 루키 생산제조 엔지니어 세션, 전시회, 리더스 미팅이 열리며, 마지막 날인 17일에는 부문 및 분과별 개별행사가 이어진다. 스마트제조 공정 제어와 반도체 AI를 다루는 초청강연 7월 15일 오후 4시 30분부터 호텔 4층 안티구아에서 열리는 초청특별강연 및 포럼은 이번 학술대회의 핵심 프로그램이다. 첫 번째 연사로 나서는 미국 노트르담 대학교의 로버트 G. 랜더스 교수는 'Process Control in Smart Manufacturing: from Point Control to Shape Control'을 주제로 강연한다. 이어 전 하이닉스 부사장을 역임한 최명수 성공회대학교 명예교수가 '반도체 제조의 Physical AI : 로봇이 아니라 장비다'라는 주제로 단상에 올라 반도체 제조 현장의 실질적인 AI 활용 통찰을 전할 예정이다.  AI 시대의 제조 인력 양성과 블루칼라 혁신 포럼 같은 날 오후 호텔 4층 바부다에서는 집중포럼 및 공청회가 개최된다. 집중포럼 1에서는 'AI·로봇 시대의 스마트제조 HRD와 네오 블루칼라 르네상스 전략'을 주제로 심도 있는 논의가 펼쳐진다. 특히 청년 일자리 창출과 고학력 은퇴 기술인의 지속 가능한 활약을 중심으로, 급변하는 제조 환경 속에서 요구되는 인적 자원 개발 전략을 집중적으로 다룰 예정이다. 한국생산제조학회 2026년 춘계학술대회의 참가 등록 및 자세한 행사 정보는 공식 홈페이지에서 확인할 수 있다.  

앤시스 워크벤치를 활용한 해석 성공 사례   실제 자연계의 현상은 본질적으로 모두 비선형이다. 일반적으로 우리는 컴퓨터 성능과 같은 여러 제약 조건으로 인해 유한요소 해석에서 이러한 비선형성을 단순화하고 선형으로 가정하는 해석을 주로 진행해 왔지만, 최근에는 정확한 해석에 대한 수요가 증가하면서 비선형 문제에 대한 관심이 높아지고 있다. 앤시스 메커니컬(Ansys Mechanical)의 수렴 기능이 지속적으로 개선되고 있음에도 불구하고, 비선형 접촉 해석은 여전히 사용자에게 높은 수준의 해석 능력을 요구한다. 이번 호에서는 유한요소 모델에서 접촉 문제를 바라보는 기본적인 관점과 함께, 비선형 접촉 문제를 다루는 엔지니어를 위한 실용적인 해석 팁을 소개하고자 한다.   ■ 정준영 태성에스엔이 AE5팀에서 수석매니저로 근무하고 있으며, 구조 해석 영업 지원 및 교육, 용역 업무를 담당하고 있다. 홈페이지 | www.tsne.co.kr   비선형 접촉 해석의 이해 유한요소 해석은 복잡한 구조물을 작은 요소로 나누어 해석하는 방법으로, 이 과정은 마치 서로 연결된 연립 방정식과 같이 작동한다. 각 요소에 가해진 하중은 변위를 발생시키고, 이 변위는 인접한 요소에 새로운 하중 조건을 만든다. 이러한 상호 작용이 전체 모델에 걸쳐 이어지기 때문에, 요소들은 절점을 통해 서로 연결되어 있어야 한다. 비선형 접촉 문제에서는 두 물체가 서로 접촉했다가 떨어질 수 있는데, 이렇게 되면 유한요소 모델의 연결이 끊어지는 상황이 발생한다. 이 문제를 해결하기 위해, 앤시스에서는 접촉 요소에 특별한 접근 방식을 사용한다. 비록 접촉 요소 자체는 물리적 형상이 없지만, contact 요소와 target 요소 사이에 가상의 스프링이 있다고 가정한다. 이 가상의 스프링은 두 요소 간의 상태(침투량과 요소 강성)에 따라 강성이 조절되고, 이를 ‘접촉 강성(normal stiffness)’이라고 부른다. 일반적으로 비선형 문제에서는 변화가 완만할수록 수치적으로 더 쉽게 해결할 수 있다. 따라서 접촉 강성을 낮게 설정하면 수렴성이 좋아지고 계산 속도가 빨라진다. 하지만 그 대가로 접촉 부위의 침투량이 증가한다.(물리적으로 정확하지 않은 결과) 비선형 접촉 문제를 성공적으로 해결하는 핵심은, 접촉 강성을 적절하게 설정하여 다음의 두 가지를 동시에 달성하는 것이다. 좋은 수렴성(계산이 빠르고 안정적으로 완료됨) 허용 가능한 수준의 정확도(과도한 침투가 발생하지 않음) 이를 위해 적절한 접촉 강성을 얻는 것은 비선형 접촉 문제에 있어 매우 중요한 사항이다.   ■ 참고 : 이 설명은 앤시스에서 가장 많이 사용되는 접촉 알고리즘인 AuGMented Lagrange와 Pure Penalty 방식에 기반하고 있다. 이와 관련한 내용 및 팁은 ANZINE vol.36의 ‘비선형 접촉 해석 Tip’ 내용을 참고하면 좋을 것이다. 보다 상세하고 깊은 내용은 비선형 접촉 교육 수강을 추천한다.   모델의 접촉 상태 비선형 해석에서는 모델의 초기 접촉 상태가 해석의 수렴성에 큰 영향을 미친다. 3D CAD 프로그램에서 모델을 조립하여 앤시스로 가져올 때, 부품 간 접촉 상태는 크게 세 가지 경우 중 하나로 나타난다. 정확한 접촉(거리 0), 간섭(penetration), 또는 간극(gap)이 그것이다. 비선형 접촉 문제에 있어 간극이 존재하는 경우 해석 난이도가 크게 늘어난다. 육안으로는 매우 작은 공차에 불과하지만, 해석 프로그램의 관점에서는 이러한 간극이 마치 거대한 협곡과 같이 인식된다. 이는 간극의 물리적 크기가 0.01mm든 1000m든 해석 알고리즘에는 똑같이 ‘열린(open)’ 상태로 처리되기 때문이다.   그림 1. 해석 프로그램 관점에서 접촉 간극은 마치 거대한 협곡과 같다.   그림 2. 접촉 도구의 초기 정보   이러한 간극의 존재는 비선형 문제의 수렴을 방해하는 주요 요인이 된다. 특히 정적 해석 시에는 해당 부품이 비현실적인 무한대의 변형을 겪으며 해석 영역을 벗어나는 현상을 초래할 수 있다. 이는 해석의 실패로 이어지는 주요 원인이 된다.   그림 3. 에러 메시지   따라서 비선형 접촉 해석을 효과적으로 수행하기 위해서는 모델 조립 과정에서 미소한 침투가 발생하도록 배치하는 것이 유리하다. 이러한 초기 침투 상태는 접촉 알고리즘이 접촉 조건을 더 안정적으로 식별하고 처리할 수 있게 하여 수렴성을 높인다. 미소한 침투 상태에서는 접촉 강성이 즉시 활성화되어 초기 해석 단계에서의 안정성이 확보되며, 이는 복잡한 비선형 접촉 문제의 성공적인 해결에 중요한 역할을 한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

인텔이 데스크톱 프로세서와 워크스테이션용 GPU 신제품을 선보이며 고성능 컴퓨팅 및 로컬 인공지능(AI) 시장 공략에 나섰다. 새 코어 울트라 200S 플러스 CPU는 효율 코어 확장과 최적화 기술을 통해 게이밍 및 전문 작업 성능을 끌어올렸다. 워크스테이션용 GPU인 아크 프로 B 시리즈는 대용량 비디오 메모리와 가상화 기술을 갖춰 합리적인 비용으로 강력한 대규모 언어 모델(LLM) 구동 환경을 제공한다. 인텔은 향상된 성능과 소프트웨어 기술을 바탕으로 커지고 있는 로컬 AI 추론 수요에 적극 대응할 계획이다. ■ 정수진 편집장     효율 코어 확장과 소프트웨어 최적화로 성능 극대화 데스크톱 프로세서인 인텔 코어 울트라 200S 플러스 라인업은 이전 세대와 동일한 아키텍처에 새로운 최적화 기술을 더해 사용자의 체감 성능을 끌어올리는 데에 주력했다. 인텔의 CPU 제품 중 처음으로 ‘플러스’라는 이름이 붙었는데, 이에 대해 인텔코리아의 주민규 전무는 “소비자가 쉽게 받아들일 수 있는 키워드를 쓰면 좋겠다는 피드백이 많았다”면서, 단순한 리프레시 모델 이상의 기능 향상을 담은 이름이라고 설명했다. 이번에 소개된 신제품 라인업은 인텔 코어 울트라 250K 플러스와 270K 플러스이다. 이전 세대 프로세서에 비해 효율 코어가 각각 네 개씩 추가되어 250K 플러스는 18개, 270K 플러스는 24개의 효율 코어를 탑재했다. 기본 클록과 코어 클록 역시 상승했지만 가장 눈에 띄는 변화는 다이 투 다이(die-to-die) 클록의 증가다. CPU 패키지 내 모듈 사이의 데이터 전송 속도를 결정하는 다이 투 다이 클록이 높아지면서 자연스럽게 시스템 전체의 성능 향상으로 이어졌다는 것이 인텔의 설명이다. 신제품에는 게이밍 최적화 기술인 ‘인텔 바이너리 옵티마이제이션 툴(IBOT)’이 적용됐다. 인텔의 컴파일러 노하우를 응용해서, CPU가 명령어를 최적의 방식으로 촘촘하게 실행하도록 돕고 단위 시간당 처리 효율을 높인다. 최적화를 위해 게임 소프트웨어를 다시 컴파일하거나 복잡한 모듈을 설치할 필요가 없는 것이 특징인데, 사용자는 바이오스 단계에서 간단한 버튼 조작만으로 이 기능을 자유롭게 켜고 끌 수 있다. 인텔은 코어 울트라 200S 플러스 시리즈가 이런 성능을 바탕으로 자사 CPU 중 최고 수준의 게이밍 퍼포먼스를 제공한다고 소개했다.   ▲ 기자간담회를 통해 코어 울트라 200S 플러스 시리즈의 성능을 시연했다.   가성비와 대용량 비디오 메모리 갖춘 워크스테이션용 GPU 인텔은 전문가와 기업 시장을 겨냥해 워크스테이션용 GPU인 인텔 아크 프로 B 시리즈의 신제품도 소개했다. 이번에 발표된 제품은 외장형 GPU인 아크 프로 B65와 B70이다. 이들 신제품은 차세대 아키텍처를 기반으로 다수의 그래픽 코어와 대용량 비디오 메모리를 탑재해 높은 퍼포먼스를 제공하는 것이 특징이다. 또한, 최신 동영상 인코딩 기술을 지원해 고사양 워크스테이션 환경에 최적화된 성능을 제공한다. 주민규 전무는 “소비자들에게 어필할 수 있는 스펙을 갖추고 있으면서, 1000달러 이하의 합리적인 가격대를 책정해서 가성비와 함께 진입 장벽을 낮췄다”고 밝혔다. 인텔은 새 아크 프로 B 시리즈가 특히 로컬 인공지능(AI) 추론 작업에서 강점을 발휘할 수 있을 것으로 기대하고 있다. 32GB의 비디오 메모리를 갖춘 덕분에 한 번에 수용할 수 있는 정보량인 콘텍스트의 크기가 경쟁사 동급 모델 대비 두 배가량 크다는 것이 인텔의 설명이다. 조민성 상무는 아크 프로 B 시리즈의 대규모 언어 모델(LLM) 구동 시연을 통해 “시스템 메모리에 의존하지 않고도 무거운 AI 모델을 독립적이고 매끄럽게 처리할 수 있는 능력을 갖추고 있다”고 전했다.   ▲ 인텔 아크 프로 B65 및 B70 GPU   고성능 메모리 제어 및 가상화 기술로 로컬 AI 시장 조준 클라우드와 데이터 센터에 머물던 AI 처리 수요가 점차 로컬 컴퓨터와 소형 폼팩터 환경으로 확장되고 있다. 인텔은 새 코어 울트라 200S 시리즈와 아크 프로 B 시리즈를 중심으로 전통적인 워크스테이션 시장보다 20배 이상 큰 규모로 평가받는 로컬 AI 추론 시장을 공략할 계획이다. 인텔 코어 울트라 200S 플러스 제품군은 포랭크(FourRank/4R) 및 쿠딤(CUDIMM) 기술을 탑재했다. AI 모델을 구동할 때는 메모리 용량이 클수록 유리한데, 포랭크와 쿠딤 기술은 성능 하락 없이 시스템 메모리 용량을 극대화할 수 있도록 돕는다. 주민규 전무는 “진일보한 메모리 제어 능력을 바탕으로 무거운 AI 추론 작업도 한층 쾌적하고 안정적으로 처리할 수 있다고 소개했다. 아크 프로 B65/B70은 합리적인 예산으로 최상급의 AI 성능을 확보할 수 있도록 함으로써 로컬 AI 추론 시장에 대응한다. 인텔은 하나의 GPU 카드를 여러 사용자가 나누어 사용할 수 있는 가상화 기술을 탑재해, 다수의 사용자가 동시에 질문을 던져도 지연 없이 빠르고 쾌적하게 응답을 도출해 낸다는 점을 강조했다. 인텔은 가벼운 AI 작업을 위한 내장형 모바일 GPU부터 고성능 로컬 기업 시장을 위한 아크 프로 B 시리즈, 그리고 2027년에 선보일 데이터 센터 및 클라우드용 GPU까지 전방위적인 AI 하드웨어 포트폴리오를 완성해 나간다는 계획이다.     ■ 기사 내용은 PDF로도 제공됩니다.

디지털 지식전문가 조형식의 지식마당   혁신은 오랫동안 ‘번뜩이는 아이디어’의 영역으로 여겨져 왔다. 많은 기업들은 해커톤, 아이디어 공모전, 혁신 캠프와 같은 이벤트를 통해 새로운 가능성을 찾으려 한다. 그러나 냉정하게 돌아보면 대부분의 혁신 활동은 행사로 끝난다. 아이디어는 발표 순간 박수를 받지만, 시간이 지나면 자료 폴더 속에 묻히고 만다. 왜 이런 일이 반복될까? 이유는 간단하다. 혁신의 과정이 연결되어 있지 않기 때문이다.   그림 1. 왜 혁신은 지속되지 않는가?   오늘날 기업이 직면한 가장 큰 문제는 아이디어의 부족이 아니다. 오히려 문제는 너무 많은 아이디어가 단절된 채 사라진다는 데 있다. 누가 어떤 문제를 발견했는지, 왜 특정한 결정을 내렸는지, 어떤 시행착오를 거쳤는지, 그리고 무엇을 배웠는지가 조직 안에서 축적되지 않는다. 결국 혁신은 경험이 아니라 이벤트로 소비되고 만다.   그림 2. 혁신을 시스템으로   이제 혁신은 단발성 활동이 아니라 데이터로 연결된 지속 가능한 시스템으로 진화해야 한다. 여기서 중요한 개념이 바로 디지털 스레드(digital thread) 기반 혁신이다. 디지털 스레드는 단순한 데이터 관리 체계가 아니다. 그것은 아이디어의 탄생부터 실행, 실패, 개선, 그리고 최종 결과에 이르기까지의 전 과정을 하나의 흐름으로 연결하는 구조다. 다시 말해 혁신의 ‘흔적’을 남기는 것이다. 중요한 것은 단순히 결과만 저장하는 것이 아니라, 그 과정 속에서 발생한 판단과 맥락, 그리고 학습 내용을 함께 기록하는 데 있다. 예를 들어 한 엔지니어가 새로운 생산 방식을 제안했다고 가정해보자. 기존 조직에서는 최종 결과만 보고된다. 성공 여부만 남고 중간 과정은 사라진다. 하지만 디지털 스레드 기반 혁신에서는 전혀 다르다. 어떤 현장에서 문제를 발견했는지, 어떤 데이터를 근거로 판단했는지, 어떤 대안을 검토했는지, 왜 특정 결정을 선택했는지까지 모두 연결된다. 이 과정은 단순한 기록이 아니라 조직의 지식 자산이 된다. 이러한 구조에서 가장 중요한 첫 번째 요소는 추적성(traceability)이다. 혁신은 본질적으로 불확실성을 다루는 과정이다. 따라서 결과보다 중요한 것은 ‘왜 그런 결정을 했는가’이다. 추적성이 확보되면 조직은 과거의 판단을 복기할 수 있다. 성공한 프로젝트뿐 아니라 실패한 프로젝트에서도 중요한 통찰을 얻는다. 실패의 원인을 정확히 이해하는 조직은 같은 실패를 반복하지 않는다.   그림 3. 추적성은 결과가 아닌 이유를 기록하라   두 번째 핵심은 연속성(continuity)이다. 대부분의 혁신 활동은 단계가 바뀌는 순간 단절된다. 아이디어 단계와 개발 단계, 개발과 운영 단계, 운영과 서비스 단계 사이에는 항상 보이지 않는 벽이 존재한다. 그 결과 초기의 의도가 현장에서 왜곡되거나 사라진다. 디지털 스레드는 이 단절을 제거한다. 모든 과정이 하나의 흐름으로 연결되기 때문에 혁신의 맥락이 유지된다.   그림 4. 연속성이 핵심이다.   세 번째는 검증성(verifiability)이다. 과거의 혁신은 종종 ‘좋은 아이디어였다’는 감각적 평가에 의존했다. 그러나 데이터 기반 혁신에서는 모든 활동이 검증 가능해야 한다. 어떤 아이디어가 실제 비용 절감에 기여했는지, 어떤 의사결정이 품질 향상으로 이어졌는지, 어떤 실험이 실패했는지를 데이터로 증명할 수 있어야 한다. 혁신이 감각이 아니라 증명 가능한 가치 창출 활동으로 바뀌는 순간이다.   그림 5. 직관을 가설로, 실행을 실험으로   여기서 더욱 중요한 개념은 재사용성(reusability)이다. 많은 조직은 실패를 폐기물처럼 취급한다. 하지만 디지털 스레드 기반 혁신에서는 실패조차 자산이 된다. 특정 프로젝트에서 실패했던 원인과 조건이 구조적으로 기록되면, 미래의 다른 프로젝트는 그 실패를 반복하지 않는다. 즉 조직은 실패를 비용이 아니라 학습 데이터로 전환하게 된다.   그림 6. 실패의 자산화    또 하나 주목해야 할 요소는 확장성(scalability)이다. 전통적인 혁신은 종종 특정 개인의 역량에 의존했다. 뛰어난 리더 한 명, 천재적 엔지니어 한 명이 조직의 혁신을 이끌었다. 그러나 개인 중심 혁신은 재현이 어렵다. 반면 디지털 스레드는 개인의 경험을 조직 전체의 지식으로 확장한다. 한 사람의 통찰이 데이터 구조 속에 축적되면, 그것은 조직 전체가 공유하고 활용할 수 있는 집단 지성이 된다.   그림 7. 개인의 경험을 산업의 표준으로   결국 미래의 혁신 경쟁력은 아이디어의 개수에서 나오지 않는다. 진짜 경쟁력은 조직이 얼마나 체계적으로 지식을 연결하고 축적하는가에서 결정된다. 이제 혁신은 ‘무엇을 생각했는가’보다 ‘어떻게 연결했는가’의 문제다. 인공지능 시대에는 이 흐름이 더욱 중요해진다. AI는 단순히 데이터를 많이 가진 조직보다, 의미 있게 연결된 데이터를 가진 조직에서 더 강력하게 작동한다. 연결되지 않은 데이터는 단순한 저장물에 불과하지만, 디지털 스레드로 구조화된 데이터는 조직의 기억이자 학습 체계가 된다. 그리고 이것이 바로 미래 기업의 새로운 운영체제(operation system)와 산업 인공지능 온톨로지(industrial AI ontology)가 될 가능성이 높다.   그림 8. 혁신은 사건이 아니라 시스템이다.   혁신은 더 이상 천재의 직관에 의존하는 시대를 지나고 있다. 이제 혁신은 기록되고, 연결되고, 학습되며, 재사용되는 구조로 진화하고 있다. 디지털 스레드는 단순한 기술 개념이 아니다. 그것은 조직이 경험을 자산으로 바꾸는 방식이며, 미래 경쟁력을 만드는 새로운 문법이다. 결국 살아남는 조직은 가장 많은 아이디어를 가진 조직이 아니라, 가장 잘 연결된 지식을 가진 조직이 될 것이다.   ■ 조형식 항공 유체해석(CFD) 엔지니어로 출발하여 프로젝트 관리자 및 컨설 턴트를 걸쳐서 디지털 지식 전문가 로 활동하고 있다. 현재 디지털지식 연구소 대표와 인더스트리 4.0, MES 강의, 캐드앤그래픽스 CNG 지식교육 방송 사회자 및 컬럼니스 트로 활동하고 있다. 보잉, 삼성항 공우주연구소, 한국항공(KAI), 지 멘스에서 근무했다. 저서로는 ‘ PLM 지식’, ‘서비스공학’, ‘스마트 엔지니어링’, ‘MES’, ‘인더스트리 4.0’ 등이 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

주요 스마트 건설 DX 솔루션 소개 통합 토목 설계 소프트웨어 번들, Civil WorkSuite 개발 : Bentley Systems, https://ko.bentley.com/software/itwin-capture-modeler/ 자료 제공 : 베이시스소프트, 02-571-8718, www.basis.co.kr   Civil WorkSuite는 도로, 교량, 터널, 부지(site) 등 다양한 토목 인프라 설계•엔지니어링 분야에 활용되는 통합 토목 설계 소프트웨어 번들로, 프로젝트의 개념 단계부터 상세 설계, 해석, 시각화, 디지털 납품에 이르기까지 일관된 end-to-end 워크플로우를 제공한다. 1. 주요 특징  Civil WorkSuite는 9개의 토목 설계•분석·모델링 도구를 하나의 통합 번들로 제공해, 프로젝트의 개념 단계부터 상세 설계, 해석, 시각화, 디지털 납품까지 전 과정을 하나의 Field-to-Finish 워크플로우로 연결한다. 실제 환경을 반영한 3D 모델과 고품질 시각화를 통해 설계 품질과 의사결정의 정확도를 높이며, 도로•교량•부지•터널•유체•수리해석 등 분야별 전문 솔루션과 맞춤형 교육 및 전문가 지원을 함께 제공한다. 2. 주요 기능 Civil WorkSuite는 단일 애플리케이션이 아닌 여러 전문 소프트웨어 번들로 구성된 통합 솔루션으로, 도로•지형 설계를 위한 OpenRoads Designer와 ConceptStation, BIM 기반 교량 설계를 지원하는 OpenBridge Designer, 부지 및 토지 개발을 위한 OpenSite Designer, 복잡한 배수•수리 해석을 수행하는 OpenFlows Storm, 터널 전용 모델링을 제공하는 OpenTunnel Designer를 포함한다. 또한 iTwin Capture Modeler를 통해 현실 데이터를 3D 리얼리티 메쉬로 구현하고, Bentley LumenRT로 실시간 고품질 시각화와 애니메이션을 생성하며, ProStructures를 활용한 철근·강 구조 3D 모델링과 상세 도면 작성까지 지원한다. 3. 도입 효과 Civil WorkSuite는 다양한 전문 도구를 하나의 통합 번들로 제공함으로써 설계부터 최종 결과물까지의 워크플로우 효율을 향상시키고, 현실 컨텍스트를 반영한 설계를 통해 프로젝트의 정확도와 신뢰성을 높인다. 또한 개별 솔루션을 각각 도입하는 방식 대비 라이선스 및 운영·관리 비용을 최적화하여 전반적인 투자 효율을 개선한다. 4. 주요 고객 사이트 경호엔지니어링, 서현엔지니어링, 선진엔지니어링 그 외 다수의 국내외 현장과 건설사에서 사용하고 있다.   

주요 스마트 건설 DX 솔루션 소개   AI 기반 설계 적산 자동화 솔루션, CADian AI-CE   ■ 개발 및 자료 제공 : 캐디안(CADian), 02-323-0286, www.cadian.com   AI-CE는 국내 CAD·BIM 소프트웨어 전문 기업인 캐디안(CADian Inc.)이 개발한 AI 기반 설계·적산 자동화 솔루션으로, 2D 도면 이미지 및 DWG 파일을 인공지능 기술로 분석하여 설계 정보 추출, 재작성(Re-Drawing), 수량 산출(BOM) 및 비용 산정까지 지원하는 스마트 건설 솔루션이다. 기존 건설·엔지니어링 업무에서는 도면 해석과 정보 입력, 적산 작업이 인력 의존적으로 수행되어 많은 시간과 오류가 발생해 왔다. AI-CE는 이러한 반복적이고 비효율적인 업무를 AI로 자동화함으로써 설계–시공–적산 단계 전반의 생산성과 정확도를 동시에 향상시키는 것을 목표로 한다. 1. 주요 특징  AI-CE의 핵심 특징은 이미지 및 DWG 도면을 모두 인식·분석할 수 있는 AI 엔진을 기반으로 한다는 점이다. Object Detection, Semantic SeGMentation, OCR 등 다양한 AI 인식 기술을 활용해 도면 내 객체, 공간, 문자 정보를 자동으로 추출하며, 이를 통해 도면의 의미 정보를 구조화한다. 또한 추출된 정보를 바탕으로 Re-Drawing, 공간 인지, 객체 인지, BOM 자동 산출까지 연계 처리할 수 있어 설계 및 적산 업무의 자동화를 실현한다. 이러한 기능은 기존 수작업 중심의 업무 프로세스를 AI 중심의 데이터 기반 프로세스로 전환하는 데 핵심적인 역할을 한다. 2. 주요 기능 AI-CE는 도면 내 정보 인지를 기반으로 다양한 응용 기능을 제공한다. 2D 도면 이미지 및 DWG 파일을 인식하여 객체, 공간, 문자 정보를 자동 추출하고, 이를 활용해 Re-Drawing 도면을 생성할 수 있습니다. 또한 자동 적산 기능을 통해 객체별 수량 정보를 산출하고 BOM(Bill of Material)을 자동 생성하며, 비용 산정 및 예산 계산까지 연계 가능하다. 소방, 배관, 전기·설비, 플랜트(P&ID) 등 다양한 전문 분야 도면에 적용 가능하며, 2D 도면 인식 결과를 기반으로 3D 데이터 생성 및 연계 활용도 지원한다. 3. 도입 효과 AI-CE 도입을 통해 기업은 도면 해석, 재작성, 적산에 소요되는 시간을 획기적으로 단축할 수 있습니다. AI 기반 자동 인식과 데이터 추출을 통해 인적 오류를 최소화하고, 설계 정보의 일관성과 신뢰도를 향상시킬 수 있다. 또한 설계 변경 시에도 자동화된 재분석과 수량 산출이 가능해, 변경 대응 속도가 빨라지고 업무 리드타임이 크게 감소한다. 이는 스마트 건설 및 디지털 전환을 추진하는 조직에서 실질적인 비용 절감과 생산성 향상 효과로 이어진다. 4. 주요 고객 사이트 AI-CE는 스마트 건설 및 디지털 엔지니어링 환경을 추진 중인 건설사, 엔지니어링사, 설계사무소, 적산 전문 기업, 플랜트·설비 설계 조직 등을 주요 고객 대상으로 한다. 특히 대규모 도면을 기반으로 반복적인 적산·검토 업무가 발생하는 프로젝트, CDE 및 스마트 건설 플랫폼 구축 사업, BIM·AI 기반 자동화 솔루션 도입을 추진하는 고객 환경에서 높은 활용 가치를 제공한다. AI-CE는 설계와 적산을 연결하는 AI 기반 핵심 솔루션으로, 스마트 건설 생태계 전반에서 적용 가능한 확장성을 갖추고 있다.     상세 내용은 <스마트 건설 DX 가이드>에서 확인할 수 있습니다. 상세 내용 보러가기

간호지원 로봇 ‘메디’ 산업을 넘어 삶의 온기를 더하는 피지컬 AI    제조 현장을 넘어 의료와 돌봄의 영역으로 확장되는 ‘피지컬 AI(Physical AI)’는 기술의 목적을 다시 묻는다. 자동화와 효율을 넘어, 인간의 삶을 직접 보듬는 지능으로 진화하는 것이다. AI·로봇 전문 개발 기업 ‘아이솔(iSol, www.isollab.com)’은 이러한 변화의 중심에서 ‘자율 케어(Autonomous Care)’라는 새로운 패러다임을 제시하고 있다. 김효진 대표이사는 “피지컬 AI는 제2의 불처럼 돌봄의 사각지대를 밝히는 기술”이라며, 기술이 인간의 존엄과 만나는 지점을 강조한다.   ▲ 아이솔 김효진 대표   ‘제2의 불’ 피지컬 AI, 돌봄의 사각지대를 밝히다 제조 현장의 자동화를 이끌어 온 인공지능과 로봇 기술이 이제 병원과 돌봄의 공간으로 이동하고 있다. 효율과 생산성을 중심으로 발전해 온 기술이 ‘사람의 삶’이라는 보다 근본적인 영역으로 확장되고 있는 것이다. 특히 최근 주목받는 피지컬 AI(Physical AI)는 로봇과 같은 물리적 실체가 주변 환경을 인지하고 스스로 판단하여 행동하는 기술 패러다임으로, 기존 자동화의 한계였던 비정형성을 극복하는 핵심 열쇠이다. AI·로봇 전문 개발 기업 아이솔은 피지컬 AI 기술을 제조 현장을 넘어 인간의 존엄성과 직결된 ‘돌봄’과 ‘간호’의 영역으로 확장하고 있다. 단순한 기계적 보조를 넘어 환자의 상태를 이해하고 교감하는 아이솔의 솔루션은 의료 인력난과 고령화 사회의 난제를 해결할 새로운 AX(AI Transformation) 모델을 제시하고 있다. 김효진 대표이사는 이를 ‘제2의 불’에 비유한다. “프로메테우스의 불이 인류 문명을 열었듯, 피지컬 AI는 돌봄의 사각지대를 밝히는 새로운 불이 될 수 있습니다.” 기술의 목적을 효율에서 ‘존엄’으로 이동시키겠다는 선언이다. 고기능 간호지원 로봇 : 의료 현장의 디지털 스레드 구현 병원은 고도의 정밀성과 신속한 대응이 동시에 요구되는 복합 환경이다. 간호 인력은 환자 케어와 함께 물류, 기록, 모니터링까지 광범위한 업무를 수행한다. 아이솔의 고기능 간호지원 로봇은 이러한 현장에 피지컬 AI의 ‘인지–결정–행동’ 구조를 구현했다. 우선 아이솔의 로봇은 LiDAR와 RGB-D 카메라를 활용해 병원 복도를 스스로 인식하고 이동한다. 약제나 검체를 자율적으로 이송하며, 장애물을 회피하고 경로를 재계산한다. 이는 단순 운반을 넘어, 간호 인력이 환자 곁에 머무는 시간을 늘리는 기반이 된다. 또한 환자에게 접근해 체온, 혈압 등 활력징후(Vitals)를 자동으로 측정하고, 이를 전자의무기록(EMR) 시스템에 실시간으로 연동한다. 반복적인 측정과 기록 업무를 줄임으로써 의료진은 환자의 상태 관찰과 상담, 판단에 더 집중할 수 있다. 여기에 아이솔은 ‘실행형 AX 시스템’을 결합했다. 수집된 데이터는 단순 저장에 그치지 않고, 이상 징후를 감지하고 관리 가이던스를 생성하는 데 활용된다. 김효진 대표는 “의료 현장에서도 데이터가 행동으로 이어지는 디지털 스레드(Digital Thread)가 필요하다”며 “간호지원 로봇은 그 연결 고리를 구현하는 매개체”라고 설명한다. 돌봄 로봇 ‘호리’: 정서적 교감과 안전을 위한 피지컬 AI 사회적 약자와 돌봄 대상자를 위한 아이솔의 돌봄 로봇 ‘호리(HORI)’는 피지컬 AI 기술이 단순한 자동화를 넘어 ‘감성’과 ‘안전’의 영역에서 어떻게 구현되고 있는지를 보여주는 사례로 주목받고 있다. 음성 인식과 감정 AI 기술을 통해 대상자와 대화를 나누고, 정서적 안정감을 제공한다. 이는 피지컬 AI가 단순히 물리적 힘을 쓰는 것을 넘어, 사회적 맥락을 인지하고 반응하는 지능형 파트너로 진화했음을 의미한다. 이와 함께 안전 기능 역시 핵심이다. 센서 네트워크를 통해 활동을 모니터링하고, 낙상이나 이상 행동이 감지되면 즉시 알람을 전송한다. 보호자나 의료진은 원격으로 상황을 파악할 수 있어, 사고 발생 시 골든타임을 확보할 수 있다. 호리는 모듈형 구조를 채택해 기능을 블록처럼 조합할 수 있도록 설계됐다. 환경과 대상자의 상태에 따라 필요한 기능만 선택해 구성할 수 있어, 가정·요양시설·병원 등 다양한 현장에 적용이 가능하다. 김 대표는 “돌봄의 요구는 표준화할 수 없다”며 “모듈형 구조는 돌봄의 다양성을 기술적으로 존중하기 위한 선택”이라고 강조한다.   신뢰받는 AX를 위한 기술 기반과 보안 의료와 돌봄 영역에서 기술의 성능만큼 중요한 것은 신뢰성이다. 아이솔은 데이터 품질과 보안을 기술 경쟁력의 핵심으로 삼고 있다. 모든 통신은 암호화된 보안망을 기반으로 이루어지며, 승인된 기기만 접근 가능한 로컬 인프라 구조를 지향한다. 민감한 의료·개인 정보가 외부로 유출되는 것을 원천적으로 차단하는 방식이다. 로봇의 학습 구조 역시 현장 친화적으로 설계됐다. 인간의 시연 데이터를 바탕으로 초기 정책을 설정한 뒤, 실제 환경에서 시행착오를 거치며 최적의 케어 전략을 학습한다. 이는 HART(Human AuGMented Robot Training) 기법과 유사한 구조로, 로봇이 경험을 통해 숙련도를 높여가는 방식이다. 김 대표는 “로봇이 축적한 경험은 곧 돌봄의 품질”이라며 “학습 구조는 기술이 아니라 신뢰를 만드는 장치”라고 말한다.   기술의 목적을 다시 묻다 아이솔은 2020년 설립 이후 AI와 로봇 솔루션 개발에 집중해 왔다. ‘사람과 자연스럽게 협업하는 AI’, ‘일상에 스며드는 로봇’이라는 방향성은 제조 현장에서 의료·돌봄으로 확장되는 과정에서도 유지되고 있다. 김효진 대표는 “피지컬 AI의 목적은 인간을 대체하는 것이 아니다. 인간이 더 인간다운 역할, 즉 공감과 판단, 책임에 집중하도록 돕는 데 있다”라고 강조하며 기술의 역할을 분명히 했다. 피지컬 AI는 이제 공장 울타리를 넘어 병원과 가정, 요양시설로 들어오고 있다. 아이솔이 제시하는 자율 케어 솔루션은 의료 인력난과 고령화라는 구조적 문제에 기술적 해법을 제시하면서도, 인간 중심의 가치를 놓치지 않는다. 데이터에서 인사이트를 얻고, 이를 행동으로 연결해 삶의 질을 높이는 선순환 구조. 이것이 아이솔이 그려가는 미래 지능화 사회의 모습이다. 산업을 넘어 삶의 온기를 더하는 피지컬 AI. 아이솔의 실험은 이제 시작 단계에 불과하다. 그러나 방향은 분명하다. 기술은 더 빠르고 똑똑해지는 것을 넘어, 더 따뜻해져야 한다.