케이던스는 삼성 파운드리와의 협력을 확장한다고 밝혔다. 케이던스는 다년간의 신규 IP 계약을 통해 삼성 파운드리의 SF4X, SF5A, SF2P 첨단 공정 노드에서 케이던스의 메모리 및 인터페이스 IP 설루션을 확장하고, 지속적인 기술 협력을 더욱 발전시킬 것이라고 전했다. 새로운 다년간 계약은 AI, 고성능 컴퓨팅(HPC) 및 전장 애플리케이션을 목표로 하는 첨단 메모리 및 인터페이스 IP 설루션을 제공하기 위한 것이다. 또한, 양사는 케이던스의 AI 기반 설계 설루션과 삼성의 첨단 공정 노드를 활용하여 AI 데이터 센터, 첨단 운전자 지원 시스템(ADAS)을 포함한 전장, 그리고 차세대 RF 연결성 애플리케이션을 위한 고성능 저전력 설루션을 개발할 계획이다.     케이던스는 광범위한 설계 및 기술 최적화(DTCO) 프로젝트를 기반으로 한 디지털 풀 플로우가 최신 삼성 SF2P 공정 노드에 대해 인증되었으며, 페가서스 검증 시스템(Cadence Pegasus Verification System)이 삼성 SF2P 및 추가 삼성 노드에 대해 인증되었다고 밝혔다. 케이던스의 물리적 검증 플로우는 고객이 대규모 확장성을 사용하여 사인오프 정확도와 런타임 목표를 달성할 수 있도록 최적화되어, 더 빠른 시장 출시를 가능하게 한다. 케이던스와 삼성 파운드리는 아날로그 셀 기반 4nm IP를 첨단 2nm 공정 노드로 자동 마이그레이션하여, 기능 및 설계 의도를 유지하면서 더 빠른 처리 시간을 가능하게 했다. 케이던스와 삼성은 초기 탐색부터 최종 사인오프에 이르는 전 과정에 걸쳐 3D-IC를 위한 포괄적인 풀 플로우 전력 무결성 분석에 협력했으며, Voltus InsightAI, Innovus Implementation System, Integrity 3D-IC Platform을 포함한 케이던스의 EDA(전자 설계 자동화) 도구를 활용한다. 케이던스는 자사의 AI 기반 설계 설루션과 IP 및 실리콘 설루션의 포괄적인 포트폴리오를 통해 설계자의 생산성을 높이는 동시에, 삼성 파운드리의 첨단 공정에서 최첨단 SoC(시스템 온 칩), 칩렛, 3D-IC의 시장 출시를 가속화할 수 있을 것으로 보고 있다. 케이던스 실리콘 설루션 그룹의 보이드 펠프스(Boyd Phelps) 총괄 부사장은 “삼성 파운드리 공정 노드에서 IP, 서브시스템, 칩렛의 전체 포트폴리오를 지원하며, 최신 다년간의 IP 계약으로 지속적인 협력이 강화되었다”면서, “케이던스의 AI 기반 설계 및 실리콘 설루션과 삼성의 첨단 공정을 결합함으로써, 상호 고객들이 혁신하고 제품을 더 빠르게 시장에 출시하는 데 필요한 최첨단 기술을 제공하고 있다”고 전했다. 삼성전자 파운드리 설계기술팀 김형옥 상무는 “RTL에서 GDS까지 케이던스의 디지털 도구 제품군은 삼성의 최신 SF2P 공정 노드에 대해 인증되었으며, Hyper Cell 및 LLE 2.0 기술과 같은 발전을 지원한다”면서, “케이던스와 삼성은 아날로그 마이그레이션을 지원하고, 전력 무결성을 향상하며, GPU 가속을 사용하여 3D-IC의 열 및 뒤틀림 분석을 개선하기 위해 긴밀하게 협력하고 있다. 또한, 메모리 및 인터페이스 IP 설루션 확대를 위한 케이던스와 삼성 파운드리의 다년간 계약은 양사 간의 파트너십을 더욱 강화할 것”이라고 덧붙였다.

인텔은 국내 협력사들과 함께 자사의 AI 기술 동향과 최신 전략, 협력 사례를 공유하는 ‘2025 인텔 AI 서밋 서울’을 개최했다고 밝혔다. 인텔 AI 서밋은 AI 기술의 최신 트렌드와 혁신적인 적용 사례를 공유하고 산업 전반에 걸친 AI의 잠재력과 미래 발전 방향을 함께 모색하기 위한 자리다. 레노버, 네이버클라우드, SK하이닉스, 델, 마이크로소프트, 삼성SDS, 슈퍼마이크로, 시스코, HPE, LG이노텍, LG전자 등 국내외 주요 협력사와 KAIST, 중소벤처기업부, 창업진흥원 등 학계와 공공 부문에서도 관련 전문가들이 참석하여 AI 기술 동향과 산업 간 협력 방안을 논의하고 네트워킹하는 자리가 이어졌다. 이번 행사는 인텔코리아 배태원 사장의 환영사와 한스 촹(Hans Chuang) 인텔 세일즈 마케팅 그룹의 아시아 태평양 및 일본 총괄의 인사말로 시작되었다. 촹 총괄은 “AI 기술이 빠르게 진화하고 활용 사례도 점점 복잡해지면서, 기업들은 성능과 비용 효율성을 동시에 충족하는 보다 개방적이고 다양한 설루션을 필요로 한다”고 전했다. 또한, “인텔은 폭넓은 호환성, 다양한 소프트웨어 옵션, 고유의 아키텍처, 뛰어난 성능을 제공함으로써 AI가 데이터센터, 클라우드, 네트워크 에지 및 PC에 이르는 전체 컴퓨팅 연속체에서 최적의 성능을 발휘하도록 지원하고 있다”면서, 인텔의 개방형 프로그래밍 모델은 단일 벤더의 하드웨어나 GPU에서만 동작하는 폐쇄형 프로그래밍 모델에 비해 비용과 유연성 측면에서 실질적 비즈니스 우위를 제공한다고 강조했다.     이어진 파트너 세션에서 레노버 아시아태평양지역 인프라 솔루션 그룹 수미르 바티아(Sumir Bhatia) 사장은 ‘모두를 위한 스마트한 AI’를 주제로 기업들의 AI 가속화에 따른 높은 전력 수요로 지속가능성이 주요 과제로 떠올랐음을 강조하며, 이를 해결하기 위한 레노버의 최신 냉각 기술과 AI 추론 최적화 설루션을 소개했다.  또한 SK하이닉스의 정우석 부사장은 ‘메모리 중심 AI 컴퓨팅 시대의 새로운 기회’ 발표를 통해 AI 컴퓨팅 시대를 맞아 부각되고 있는 메모리 기술의 중요성을 강조하며, 커스텀 메모리 기술의 시장 기회가 증가하고 있다고 밝혔다. 또한 인텔과 데이터센터용 설루션의 다양한 영역에서 긴밀히 협력 중임을 덧붙였다. 전략적 파트너 세션의 발표자로 나선 네이버클라우드의 김유원 대표는 AI 생태계에 대한 발표를 통해 “네이버클라우드는 인텔과 오랜 기간 클라우드 인프라 분야에서 긴밀히 협력해왔으며, 제온 프로세서 기반의 서비스부터 최근의 AI 가속기 가우디에 이르기까지 협력의 범위와 깊이가 꾸준히 확장되고 있다”며, “향후에도 네이버클라우드는 인텔과 함께 글로벌 시장을 타깃으로 다양한 AI 기반 클라우드 서비스를 공동 개발하며, 기술 혁신과 해외 진출이라는 두 축에서 협력을 확대해 나갈 것”이라고 말했다. 오후 세션에서는 ‘AI & 데이터센터’와 ‘AI PC & 에지 AI’로 나뉘어 업계의 최신 정보 및 인사이트, 사례 발표가 이어졌다. 데이터센터 세션에서 삼성 SDS는 가우디 3 기반 LLM 추론 성능 분석 사례를 공유했고, AI PC 부문에서는 LG이노텍이 인텔 AI 설루션 기반 스마트 공장 사례를, 전북특별자치교육청이 AI PC를 활용한 수업 혁신 사례를 공유하는 등 교육, 게임, 리테일, 제조 등 다양한 분야의 적용 사례를 공유했다. 인텔은 하반기에도 국내 AI 생태계 발전을 위한 협력을 더욱 확대해 나갈 예정이다. 인텔은 행사 당일 포스코DX와 인텔 제온 프로세서의 AI 가속 기능 및 오픈비노 기술을 활용해 AI 서비스 비용 효율을 높이고, AI 에이전트 생태계 구축에 협력하기 위한 상호양해각서를 체결했다고 밝혔다. 한편 kt cloud와 인텔 가우디(Gaudi) AI 가속기를 kt cloud AI Foundry에 도입하는 것을 검토하고 AI 추론 개발에 특화된 비용 효율적인 GPUaaS 상품 출시를 검토하며, 다양한 산업군의 클라우드 수요에 대응할 수 있는 상품 포트폴리오 고도화 및 기술 협력을 위한 상호양해각서를 지난 6월 30일 체결했다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (23)   이번 호에서는 항공 음향 시뮬레이션의 다각적인 과제를 살펴보고, 이러한 복잡한 문제를 해결하는 데 케이던스의 피델리티 LES(Fidelity LES)가 도움을 주는 사례 연구를 소개한다.    ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   그림 1   항공 음향 시뮬레이션은 유체 역학의 복잡성과 음향 현상의 뉘앙스를 혼합하는 지루한 작업이다. 이 이중 영역의 과제는 광범위한 스케일부터 난류 속에서 음향 신호의 미묘한 구분까지 수많은 기술적 장애물로 가득 차 있다. 이러한 기술적 어려움을 극복하고 항공 음향 거동에 대한 이해를 높이려면 엔지니어와 연구자는 피델리티 LES와 같은 정교한 도구를 사용해야 한다.   항공 음향 시뮬레이션의 과제 항공 음향 시뮬레이션에는 상당한 어려움이 있다. 다음은 이러한 단점 중 일부이다. 광범위한 스케일 : 항공 음향 현상은 광범위한 공간적, 시간적 스케일을 포괄한다. 모든 스케일을 캡처하려면 미세한 그리드 해상도와 긴 시뮬레이션 시간이 필요하다. 음향파 진폭 : 항공 음향 신호는 난류 압력 변동보다 미묘한 경우가 많기 때문에 지배적인 흐름 구조와 구별하기가 어렵다. 원거리 전파 : 국부적인 공기역학 소스에 의해 생성된 소리는 먼 거리까지 전파될 수 있으므로 전체 도메인 시뮬레이션은 계산이 불가능할 정도로 복잡하다. 복잡한 지오메트리 : 실제 문제에는 항공기 엔진이나 차량 외관과 같은 복잡한 지오메트리가 포함되어 있어 유체 흐름과 사운드 전파 모델링이 복잡해지는 경우가 많다. 경계 조건 : 허위 반사나 비물리적 동작을 방지하려면 적절한 경계 조건을 선택하고 구현하는 것이 중요하다. 일시적인 특성 : 많은 문제가 불안정하고 과도 시뮬레이션이 필요하므로 계산 노력이 증가하고 통계 분석이 복잡해진다. 비선형 상호작용 : 높은 소음 수준은 비선형 공기역학적 및 음향학적 상호작용을 수반할 수 있어 추가적인 계산 리소스가 필요하다. 다중 물리 상호작용 : 일부 시뮬레이션은 열 전달이나 연소와 같은 다른 물리적 효과를 고려해야 하므로 설정이 복잡해진다. 수치적 소산 : 수치적 방법은 인위적인 소멸을 도입하여 관심 있는 음향 신호를 감쇠하거나 억제할 수 있다.   그림 2. 음속(마하 1)보다 빠르게 이동하는 초음속 제트기 시뮬레이션   더 빠르고 정확한 항공 음향 시뮬레이션을 위한 소프트웨어 올바른 시뮬레이션 소프트웨어를 선택하는 것은 실제 엔지니어링 과제와 항공 음향 분야의 기초 연구를 해결하는 데 있어 중요하다. 피델리티 LES는 항공 음향을 포함한 고충실도 유동 해석을 위한 최고의 툴이다. 이 소프트웨어는 고급 수치 기법과 모델을 통합하여 대형 와류 시뮬레이션(LES)을 활용하여 소산과 분산이 감소된 불안정한 흐름을 시뮬레이션한다. 유한 체적법에 기반한 다양한 솔버 공식을 사용하는 피델리티 LES는 저속, 고속 및 반응 유동을 포함한 다양한 유동 조건을 효과적으로 포착한다. 피델리티 LES는 고급 서브 그리드 및 벽 모델링을 통해 다양한 그리드 해상도에서 높은 성능을 제공한다. 거친 그리드에서도 흐름 현상을 정확하게 포착하여 CPU와 GPU 모두에서 효율과 확장성을 보여준다. 특히, V100 GPU 한 대가 약 400개의 인텔 스카이레이크(Skylake) 2018 CPU 처리 성능과 맞먹는 저 마하(low-Mach) 솔버를 구현한다. 엔지니어는 지오메트리 준비부터 결과 분석까지 모든 작업을 지원하는 사용자 친화적 애플리케이션인 피델리티 LES를 통해 전체 시뮬레이션 워크플로를 원활하게 관리할 수 있다.   그림 3. 인텔 스카이레이크 2018 CPU 코어 당 엔비디아 A100 및 V100 GPU와 같은 동등한 성능으로 다양한 흐름(flow) 시나리오에서 피델리티 LES를 사용할 수 있다.   피델리티 LES는 시뮬레이션 설정의 실시간 조정을 포함하여 복잡한 엔지니어링 모델에 대한 상세한 3D 뷰를 제공한다. 또한 사용자는 자동 제안이 포함된 명령어 용어집과 주요 지표를 추적하는 그래프를 활용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

HP Z북 울트라 G1a(HP ZBook Ultra G1a)는 고성능을 자랑하면서 이동성이 편한 모바일 노트북으로, 휴대성을 중요시하는 전문가와 창작자를 위해 설계되었다. 이 제품은 탁월한 성능, 세련된 디자인, 그리고 뛰어난 내구성을 결합하여 사용자가 어디서든 효율적으로 작업할 수 있도록 도와준다고 생각한다.   이번 리뷰에서는 설계 엔지니어의 관점에서 약 한 달 간 사용해 본 경험을 소개한다. 이번 리뷰를 위해 설계 툴의 라이선스에 도움을 주신 모두솔루션에 감사의 말씀을 드린다.   고성능 하드웨어를 장착한 시스템 HP Z북 울트라 G1a는 최신 세대 프로세서와 충분한 RAM, 고속 SSD를 탑재해 빠른 데이터 처리와 효율적인 멀티태스킹을 지원한다. 무거운 소프트웨어 설계와 해석 작업 등의 다중 작업을 동시에 처리할 수 있는 강력한 성능을 제공한다.   ▲ 크레오(Creo)의 설계 모델링을 하면서도 비교용 CMA 해석을 구현하는데, 높은 멀티태스킹 능력을 바탕으로 사용 편의성을 확인할 수 있었다.   노트북의 무게는 1.57kg이었다. 기존 고성능 워크스테이션 노트북이 2kg인 것에 비하면 매우 경량이다. 이 노트북은 얇고 가벼운 보디로 휴대성을 극대화했다. 여행 중이나 이동이 잦은 직장인들에게 이상적인 선택이 될 수 있다. 세련된 디자인과 함께 고급스러운 마감처리가 돋보인다. 현재 사용하고 있는 Z북 모델을 3일, Z북 울트라 G1a 모델을 2일 정도 갖고 다니면서 비교해 봤다. 개인적으로 사용해 봤을 때 같은 인치의 모델이 아니어서 직접적인 비교는 어렵지만, 제품 설계 외에 인테리어나 디자인을 하는 분들이 갖고 다니기에 매우 편안한 경량이라는 점이 특징이다.   선명한 디스플레이와 긴 배터리 수명 이 제품에 탑재된 13.3인치 풀 HD 또는 4K 해상도의 디스플레이는 생생한 색감과 선명한 화면을 제공한다. 영상 편집, 그래픽 디자인, 그리고 멀티미디어 작업에 최적화된 화면을 갖추고 있어 창작 활동에 최적화된 환경을 제공한다. 제품 설계 엔지니어에게는 내장 디스플레이만으로 주 업무를 하기에는 소형이어서 한계가 있어 보이지만, 확정성을 확보하기 위한 도킹 시스템을 사용할 때에는 큰 문제가 되지 않았다. 단 도킹 시스템의 사이즈와 무게가 조금 무거워 개선이 필요하다고 느꼈다.    ▲ HP 썬더볼트 독(Thunderbolt Dock) G4 280W와 같은 도킹은 필요하다.   HP Z북 울트라 G1a는 하루 종일 사용해도 충분히 버틸 수 있는 긴 배터리 수명을 자랑한다. 외출 중에도 충전 없이 오랫동안 사용할 수 있어, 업무 효율을 높여 준다. 현재 사용하고 있는 기존 Z북 모델에서는 배터리 사용 시간이 어떤 밝기와 CPU 등을 사용하는가에 따라 달라지기 때문에 비교를 하기가 조금은 어렵지만, 무난하게 사용하는 데에 큰 문제가 없었다.   보안·관리 기능 및 다양한 연결 포트 지원 내장된 보안 기능은 기업 환경에서 필수적인 요소다. HP Z북 울트라 G1a는 지문 인식 센서와 얼굴 인식 시스템을 통한 강화된 보안, 그리고 IT 관리자를 위한 다양한 관리 기능이 제공되어 안전하고 효율적인 업무 환경을 제공한다. USB-C 타입, HDMI, 그리고 USB-A 포트를 지원하여 다양한 외부 장치와의 연결이 원활하게 이루어진다. 특히 고속 데이터 전송과 외부 모니터 연결이 용이하다.   ▲ 사무실에서는 도킹 시스템이 반드시 필요하지만, 모바일 환경에서 사용이 많은 사용자에게는 큰 장점이다.   편리한 키보드와 트랙패드, 확장 가능한 저장 용량 엔지니어링 작업에서 긴 시간 동안 키보드를 사용해야 할 경우가 많다. HP Z북 울트라 G1a는 편안한 타이핑 경험을 제공하는 키보드와 정밀한 조작이 가능한 트랙패드를 탑재하여 효율적인 작업 환경을 만든다. 특히, 프로그래밍이나 수많은 코드 작성, 문서 편집 등을 할 때 편리하다. 또한 엔지니어들은 대용량 데이터 파일이나 프로젝트 파일을 자주 다루기 때문에, 충분한 저장 공간이 필요하다. HP Z북 울트라 G1a는 확장 가능한 SSD 저장 장치를 제공하여, 필요에 따라 추가 저장 장치를 쉽게 장착하고 사용할 수 있었다. 이로 인해 대용량 파일을 다룰 때에도 공간 부족을 걱정할 필요가 없다.   ▲ 효율적인 냉각 시스템   하지만 고성능 작업을 장시간 진행하면 노트북이 과열될 수 있다. HP Z북 울트라 G1a는 효율적인 냉각 시스템을 탑재하여 장시간 사용해도 시스템이 과열되지 않도록 도와준다. 이로 인해 안정적인 작업 환경을 유지할 수 있다.   사용자 측면에서 본 제품 성능 유사 장비의 성능에 대해 동일 프로그램 상에서의 효율성을 비교를 통해 비교 데이터를 취출하여 장비에 대한 대략의 경향성을 파악했다. 각 예상 사용자에 대한 사용 시나리오를 통해 장비의 유효성을 증명해 보고자 했다. 우선 제품의 성능적 비교를 위해 두 가지의 방향성에서 검토했다. 가구 설계 엔지니어 시점에서 비교해 보았다. 모바일 노트북에서 해석도 가능할까? 타사의 제품을 비교하기보다는 HP에서 최근에 나온 장비를 이용하여 비교해 보고, 적용된 CPU 및 하드웨어 장비의 매칭에 따른 퍼포먼스를 비교하는 데에 목적을 두었다. 각 시스템 구성에서 볼 때 성능의 차이가 있으나 구성에 따른 성능 비교용으로만 참고하기 바란다. ZBook Fury : I7-13700HX 2.1Ghz / GPU 8GB / Ram 32GB 287Mb / Ram 128GB ZBook Ultra G1A : AMD Ryzen AI Max + Pro 395 /GPU   비교 방법 크레오(Creo)에서 CMA(몰드 해석)를 통한 시간 비교 크레오에서 선형 해석을 통한 시간 비교 대용   비교 대상 인테리어 디자이너가 사용하는 툴 중 하나인 쿠홈(Coohom)으로 동일 데이터에 대한 렌더링 시간 비교 시간 비교 가구 설계 엔지니어링 설계 툴인 크레오에서 CMA(몰드 해석)를 통한 비교   비교 결론 크레오 CMA 해석 GPU를 많이 사용해야 하는 메시(mesh) 작업을 바탕으로 CPU 테스트를 진행했다.     ▲ ZBook Fury에서는 해석 소요 시간이 919.0초였다.   ▲ ZBook Ultra G1a에서는 해석 소요 시간이 556.0초였다.   크레오 시뮬레이션 라이브 해석     몰드플로우(Moldflow) 해석     GPU를 많이 사용해야 하는 메시 작업을 바탕으로 CPU를 병행해서 사용하는 과정에서 검증 결과를 검증하려고 했으나, CFD의 유효한 데이터를 뽑는데 어려운 부분을 확인할 수 있었다.   ▲ 크레오 CFD 샘플 데이터 사용   리뷰어 의견 모바일 워크스테이션에서 CFD까지의 해석은 조금 어렵다고 생각한다.      ▲ ZBook Ultra G1a에서 선형해석 테스트   ▲ ZBook Ultra G1a에서 선형해석 테스트   맺음말 처음 가졌던 선입견과 다르게 HP Z북 울트라 G1a의 시스템은 매우 효율적으로 작동했으며, 방열 성능과 효율적인 배터리 운영으로 극한의 상황에서도 효과적인 성능을 발휘하였다. 프로그램 라이선스와 비교 장비에 대한 프로그램 설치 제약으로 인해 특히 CPU를 주로 사용하는 CMA 해석의 경우 놀라울 정도의 효율성을 보여주는 것에 깜짝 놀라게 되었으며, CPU와 RAM을 복합적으로 사용하는 선형 해석에서는 가격 대비 높은 효율을 보여주었다고 생각한다. 경량의 제품을 통해 모바일 환경에서의 최적의 시스템 성능을 전달할 것이라 생각한다. 분명 같이 비교한 한 단계 높은 수준의 Z북 퓨리(ZBook Fury)와 동등한 사양을 만들고 테스트하면 좋겠지만, 환경적 한계로 진행하지 못한 점이 조금은 아쉽다. CFD의 결과를 검증해보기 위해 테스트는 시도해봤지만 나름의 한계를 느끼는 부분도 발견할 수 있었다. 장비 자체로 봐서는 HP Z북 울트라 G1a가 설계 엔지니어에게 효율적인 멀티태스킹 능력을 제공하여 엔지니어들에게 이상적인 도구가 될 것임은 분명하다.   ■ 노병수 APR 메디컬기구개발팀의 차장(시니어 메니저)이다. 치과 X-ray 장비, 바이오 장비 등의 의료 장비를 10년 이상 설계한 경험이 있고, 모바일 단말기 및 해충 장비 설계 경험도 갖고 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

개발 및 공급 : 에픽게임즈 주요 특징 : 60FPS의 고퀄리티 대규모 오픈 월드 제작 지원, 애니메이션 및 리깅 워크플로 향상, 엔진 내에서 메타휴먼의 직접 제작 지원, 워크플로 향상을 위한 UI/UX 간소화, 시네마틱 및 퍼포먼스 캡처 워크플로 향상 등   언리얼 엔진(Unreal Engine)의 최신 버전인 언리얼 엔진 5.6이 출시됐다. 이번 출시의 주요 목표 중 하나는 현세대 하드웨어에서 60FPS로 부드럽게 실행되는 초고퀄리티의 대규모 오픈 월드를 제작할 수 있도록 지원하는 것이다. 또한 애니메이션 및 리깅 워크플로를 궁극적으로 엔진 중심으로 발전시켜, 외부 DCC 툴을 오가는 번거로움을 줄였으며, 메타휴먼도 직접 엔진에서 완전히 제작할 수 있어 보다 간결하고 효율적인 창작이 가능해졌다. 이 외에도, 필수 툴에 더 빠르게 접근할 수 있고, 더 나은 애셋 정리를 위한 기능을 제공하며, 프로시저럴 및 버추얼 프로덕션 툴세트도 대폭 업데이트되어 더 빠른 제작을 지원하는 등 언리얼 엔진 5.6은 더 빠르고 스마트하게 작업할 수 있도록 다양한 향상된 기능을 제공한다.   ▲ 참고 이미지 : 언리얼 엔진 5.6 기능 하이라이트   강력한 고퀄리티의 60FPS 오픈 월드 언리얼 엔진 5.6은 현세대 콘솔, 고사양 PC, 최신 모바일 디바이스에서 60FPS의 일관되게 렌더링되는 게임을 개발하고 출시하는 데 필요한 최적화된 툴세트를 제공한다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   하드웨어 레이 트레이싱(HWRT) 시스템 향상으로 루멘 글로벌 일루미네이션의 성능이 한층 더 향상됐다. 주요 CPU 병목 현상을 제거하여 더 복잡한 신(scene)도 60FPS의 매끄러운 프레임 속도를 유지할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   또한, 런타임 시 스태틱 콘텐츠를 스트리밍할 때 전반적인 언리얼 엔진의 성능도 향상됐다. 패스트 지오메트리 스트리밍 플러그인(실험 단계)을 사용하면 변하지 않는 대량의 스태틱 지오메트리를 더 많이 포함한 월드도 일정한 프레임 속도로 더 빠르게 로드할 수 있으며, 비동기 피직스 스테이트 생성 및 제거 등 콘텐츠 스트리밍의 향상된 기능을 통해 모든 프로젝트에서 이점을 함께 누릴 수 있다. 60FPS 환경과 최신 콘솔 및 데스크톱 플랫폼에 맞춰 최적화된 디바이스 프로파일도 업데이트돼, 이를 통해 목표로 하는 성능을 달성하고, 설정을 최소화하며, 플레이어에게 보다 매끄러운 고퀄리티의 게임을 제공할 수 있다.   ▲ 참고 이미지 : UE 5.6 패스트 지오메트리 스트리밍   가속화된 애니메이션 제작 이번 버전에서는 에디터 내 애니메이션 툴세트의 대규모 업데이트를 통해 더 빠르고 정확하며 제어가 가능한 애니메이션을 제작할 수 있도록 지원한다. 완전히 새롭게 재편된 모션 트레일을 사용하면 애니메이션을 시각적이고 직관적인 방식으로 편집할 수 있다. 이제 액터와 캐릭터 제어 기능이 통합되어 뷰포트에서 대상 애니메이션의 궤적과 간격을 직접 조정할 수 있으며, 점선(Dashed), 시간 기반(Timebased), 속도/분포(Heat/Speed) 모드 등 다양한 스타일을 선택할 수 있고 핀 고정, 오프셋, 스페이스 등의 기능을 통해 보다 정밀한 작업을 할 수 있다.   ▲ 참고 이미지 : UE 5.6 모션 트레일   트윈 툴도 새롭게 개편되어, 컨트롤 또는 선택한 키에 대한 애니메이션을 더 빠르고 세밀하게 조정할 수 있다. 또한 새로운 단축키가 추가되어 슬라이더를 간접적으로 조정할 수 있고, 다양한 슬라이더 유형 간 전환 및 오버슈트 모드로 전환할 수 있으며, 새로운 타임 오프셋 슬라이더의 추가로 더 정밀하게 애니메이션을 생성하고 편집할 수 있다.   ▲ 참고 이미지 : UE 5.6 트윈 툴   커브 에디터 툴바도 속도와 성능을 위해 새롭게 디자인했는데, 키프레임을 더 쉽게 조작할 수 있도록, 아이콘이 간소화되고 통합되었으며, 새로운 트윈 툴이 커브 에디터 인터페이스에 직접 탑재되어 더 빠르게 사용할 수 있다. 여기에 새로운 래티스 툴과 스마트 키 스냅 기능도 추가되어 더 많은 키프레임 데이터를 더 효과적으로 조정할 수 있게 됐다.   ▲ 참고 이미지 : UE 5.6 커브 에디터   최신 시퀀서 업데이트를 통해 타임라인을 더욱 정밀하게 제어할 수 있다. 새로운 시퀀서 내비게이션 툴을 사용하면 복잡한 계층구조를 탐색할 수 있으며, 실시간 오디오 스크러빙 기능으로 애니메이션, 대화, 이펙트를 정확하게 동기화할 수 있다. 또한 현지화된 오디오를 기반으로 스케일을 상대적으로 조정(실험 단계)할 수 있는 기능도 추가되어, 다양한 언어의 타이밍에 맞춰 시퀀스를 조정할 수 있다. 에디터 내에서 더 많은 리깅 워크플로를 지원하기 위해 새로운 실험 기능도 추가됐다. 스켈레탈 메시 에디터를 사용하면 에디터 내에서 직접 모프 타깃을 만들고 스컬프팅할 수 있다.(실험 단계) 이 기능은 언리얼 엔진의 기본 모델링 툴을 활용해, 기존 모프 타깃을 손쉽게 수정하고 PIE(에디터에서 실행 중인 상태) 중에도 블렌드 셰이프를 스컬프팅할 수 있다.   ▲ 참고 이미지 : UE 5.6 모프 셰이프 스컬프팅   또한, 컨트롤 릭 피직스(실험 단계)를 통해 디지털 애니메이션에 뛰어난 사실감을 더할 수 있다. 캐릭터 릭에 프로시저럴 피직스 모션을 손쉽게 추가하여 더욱 역동적인 애니메이션을 구현할 수 있으며, 이와 함께 캐릭터 릭 내에 새로운 래그돌 피직스가 실험 기능으로 추가되어 보다 자연스럽게 반응하는 애니메이션을 제작할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   엔진 내에서 메타휴먼 제작 이제 메타휴먼 크리에이터가 언리얼 엔진에 완전히 통합되어 다양한 향상된 기능을 제공하며, 메타휴먼 애니메이터 역시 많은 향상된 기능을 제공한다. 메타휴먼 크리에이터에서 이제 얼굴과 마찬가지로 거의 무한대로 사실적인 체형을 생성할 수 있으며, 새로운 언리얼 엔진 의상 애셋을 통해 메타휴먼에 맞게 자동으로 크기가 조정되는 의상을 만들 수 있다. 또한 메타휴먼 데이터베이스에 페이스와 보디에 대한 실제 스캔 데이터가 대폭 추가되어 더 다양한 고퀄리티의 캐릭터를 제작할 수 있다.   ▲ 참고 이미지 : UE 5.6 메타휴먼   메타휴먼 애니메이터의 경우 이제 대부분의 웹캠, 스마트폰, 오디오에서 배우의 연기를 실시간으로 캡처할 수 있는 기능을 지원한다. 이제 메타휴먼을 어떤 엔진이나 크리에이티브 소프트웨어에서도 사용할 수 있도록 UE EULA에 새로운 라이선스 옵션이 추가됐다.(더 자세한 내용은 메타휴먼 웹사이트 참고) 또한 DCC용 신규 플러그인과 팹 마켓플레이스와의 통합 등 에코시스템도 더욱 확장된다. 메타휴먼의 새롭게 향상된 기능에 대해 자세한 내용은 메타휴먼 블로그에서 확인할 수 있다.   ▲ 참고 이미지 : UE 5.6 간소화된 UX/UI 경험   간소화된 UX/UI 경험 더 빠른 워크플로, 더 스마트한 콘텐츠 구성, 효율을 유지하는 데 필요한 툴과 설정에 더 빠르게 접근할 수 있도록 에디터가 업데이트됐다. 콘텐츠 브라우저를 새롭게 디자인해 애셋 정리와 탐색이 훨씬 쉬워졌으며, 섬네일 크기를 더 매끄럽게 조정할 수 있고, 가로 및 세로 방향 전환을 모두 원활하게 지원한다. 뷰포트 툴바의 섹션 메뉴와 퀵 액세스 컨트롤 기능이 개편되어 필수 툴을 더 빠르게 활용할 수 있다. 툴바는 이제 상황에 맞춰 동적으로 크기가 조정되며, 선택 및 모델링 모드를 위한 전용 제어 기능이 제공되고, 애셋 에디터 전반에 걸쳐 일관된 디자인을 제공한다.   ▲ 참고 이미지 : UE 5.6 향상된 개발자 반복 작업   향상된 개발자 반복 작업 이제 신속한 반복 작업을 위해 설계된 개발자 툴을 사용하면 워크플로를 가속화하고, 타깃 플랫폼 및 디바이스에 더 빠르게 콘텐츠를 제공할 수 있다. 프로젝트 런처 UI(베타)가 사용자 편의성과 효율성을 향상하기 위해 완전히 재설계되어 디바이스 실행 프로파일을 보다 빠르게 생성하고 관리할 수 있으며, 간소화된 인터페이스를 통해 빌드, 쿠킹, 디바이스 배포 구성을 빠르게 설정할 수 있다. 젠 스트리밍이 이제 베타로 전환됐다. 이 기능은 전체 패키지 빌드 및 배포 복사/설치와 같은 시간이 많이 소요되는 단계를 제거하고, 타깃 플랫폼에서 콘텐츠 반복작업 및 테스팅을 간소화하여 생산성을 높인다. 점진적 쿠킹(실험 단계)은 애셋 변경 사항을 분석하고 업데이트된 부분만 쿠킹해 시간을 단축시켜 주므로, 타깃 디바이스에서 더 빠르게 반복작업할 수 있다.   프로시저럴 툴을 통한 더 빠른 월드 제작 더욱 강력해진 PCG 프레임워크를 통해 효율적으로 월드를 제작하고 복잡한 신을 관리할 수 있으며, GPU 기반의 성능이 향상됐다. 노드 그래프 UX(베타)가 인라인 상수를 지원하도록 업데이트되어 요소를 생성, 드래그 앤 드롭, 조작하는 것이 간편해졌으며, 새로운 3D 뷰포트(베타)로 뷰포트에서 직접 포인트, 텍스처, 메시를 미리 볼 수 있다. 또한 노드 필터링 기능이 있는 맞춤형 그래프 템플릿이 추가되어 워크플로를 간소화하고 상황에 맞춰 더 빠르게 반복작업을 할 수 있다. GPU(베타) 성능이 크게 개선되어 특히 밀도가 높고 복잡한 신에서 인스턴스를 처리할 때 안정성이 크게 향상됐다. CPU 오버헤드를 줄인 덕분에 시스템은 런타임 시 GPU 기반 스폰을 더 부드럽고 효율적으로 처리할 수 있어, 인스턴스 작업 시 더욱 뛰어난 유연성과 정밀성을 제공한다. 전반적인 PCG 성능(베타)도 멀티스레딩 지원으로 향상됐다. 이로써 시스템은 작업을 여러 코어에 보다 효율적으로 분산시켜 더 빠른 처리와 원활한 상호작용을 제공하며, 특히 복잡하거나 대규모 환경에서 더 빠른 반응 속도를 경험할 수 있다. 마지막으로, PCG 바이옴 코어 v2(Biome Core v2) 플러그인을 사용하면 바이옴(실험 단계)을 더 빠르고 직관적으로 생성하고 업데이트할 수 있다. 바이옴별 블렌딩과 바이옴 레이어링과 같은 새로운 기능이 추가되어, 더욱 풍부하고 자연스러운 생물 환경을 보다 효율적으로 구축할 수 있다.   ▲ 이미지 출처 : ‘더 위쳐 4’ 언리얼 엔진 5 테크 데모(CD PROJEKT RED)   향상된 시네마틱 및 퍼포먼스 캡처 워크플로 새롭게 통합된 툴세트를 통해 간소화된 퍼포먼스 캡처 및 시네마틱 렌더링 등 제작 파이프라인 전반을 효과적으로 제어할 수 있게 됐다. 모캡 매니저(실험 단계)는 언리얼 에디터 내에서 퍼포먼스 캡처 데이터를 시각화하고 녹화하며 관리할 수 있는 새로운 통합 설루션이다. 애셋 관리, 모캡 스테이지 설정, 연기자/캐릭터 구성, 라이브 링크 데이터 미리보기 등 다양한 기능을 제공하여 팀의 제작 속도를 높여준다.   ▲ 참고 이미지 : 모캡 매니저   캡처 매니저(실험 단계)가 라이브 링크 허브와 통합되어, 모바일 디바이스, 비디오 파일, 스테레오 헤드 마운트 카메라(HMC)에서 메타휴먼 테이크를 가져와 정밀하게 처리할 수 있다. 이를 통해 언리얼 엔진 및 메타휴먼 에코시스템 전반에서 서드파티의 페이셜 캡처 시스템과 함께 다양한 페이셜 퍼포먼스 데이터를 손쉽게 관리하고 배포할 수 있다. 시네마틱 부문에서는 새로운 파이프라인 친화적인 시네마틱 어셈블리 툴세트(CAT, 실험 단계)가 출시됐다. 이 툴세트에는 전환 가능한 프로젝트 구성, 커스터마이징 가능한 네이밍 토큰, 재사용 가능한 시네마틱 템플릿 등 수많은 기능이 포함되어 있으며, 테이크 레코더 및 무비 렌더 큐와 같은 기존 통합 툴과 함께 작동하여 샷 관리 파이프라인을 처음부터 끝까지 효율적으로 관리할 수 있다. 마지막으로, 새로운 퀵 렌더(베타) 기능으로 렌더링 워크플로가 더욱 빨라진다. 무비 렌더 그래프에 정의된 설정을 사용하여 단 한 번의 클릭으로 뷰포트와 선택한 카메라에서 스틸 이미지와 시퀀스를 렌더링 및 저장할 수 있다. 이외에도 언리얼 엔진 5.6 출시 노트를 통해 신규 기능과 향상된 기능 관련한 전체 내용을 확인할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다. 

개발 및 공급 : 이노쏘비 주요 특징 : 제조 물류 전반에 걸친 시뮬레이터/디지털 트윈/AI 에이전시의 통합 플랫폼, 설계~운영 과정의 최적화 지원, 다양한 제조 운영 시스템과 실시간 연동으로 대용량 데이터를 수집 및 처리, LLM/sLLM을 활용해 직관적인 데이터 분석 및 의사결정 지원 등 사용 환경(OS) : 윈도우 10/11(64비트) 시스템 권장 사양 : 인텔 i5 10세대 이상 또는 AMD 라이젠 5 이상 CPU, 최소 16GB RAM(32GB 권장), 엔비디아 RTX 4060 이상 GPU(AI 기능 사용 시 필요), 30GB 이상 여유 저장공간   최근 제조 기업들은 디지털 트윈 기반의 스마트 공장 도입과 더불어 급속한 디지털 전환(DX)을 위해 노력하고 있다. 불과 몇 해전만 하더라도 그 실체와 사례에 대해 의문이 있었지만, 다양한 도입 사례와 성과가 공개되면서 이제는 DX에서 나아가 AI 기술 도입과 AI로의 전환(AX : AI Transformation)을 활발히 검토하고 있고, 적극적인 도입 의사를 밝히고 있다. ‘PINOKIO(피노키오)’는 최신 기술 흐름을 반영해 탄생한 차세대 물류 디지털 트윈 설루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는데 최적화된 해답을 제시한다. 기술 대전환의 시대를 맞아 기존의 전통적인 DX 설루션 기업들은 3D 모델링 및 시뮬레이션 등 낮은 단계의 디지털 트윈 기술을 기반으로 DX 설루션으로 개선 및 확장하고 있다. 이와 달리, PINOKIO는 초기부터 현장의 대용량 데이터 기반 실시간 물류 모니터링 및 실시간 시뮬레이션을 제공하는 디지털 트윈 기반의 운영 시스템을 목적으로 출발하였다. 그 결과 SK 하이닉스, LG전자 등 대량의 혼류 생산 제조 현장에서 디지털 트윈의 정합성과 예측의 정확도 등을 검증받았고 도입 효과를 증명했다. 이를 바탕으로 최근에는 기존 상용 설루션보다 높은 성능의 시뮬레이터까지 라인업하여 다양한 요구를 충족시킬 수 있게 되었다. 기존 상용 물류 시뮬레이션 설루션은 대부분 20~30년 전 개발된 구조를 가지고 있어, 최신 IT/OT 시스템과의 연동과 AI 기술을 적용하기 어렵다. 이로 인해 대용량 데이터 처리에 한계가 있으며, 사용자 API(애플리케이션 프로그래밍 인터페이스) 미제공으로 커스터마이징과 타 시스템 연계, 현장 실시간 운영에 필요한 유연성과 확장성에서도 제약이 있다. PINOKIO는 이러한 기존 설루션의 문제점을 개선해 제조 물류 관련 다양한 AI 모델을 지원하며, 기존 설루션 대비 높은 모델링 속도를 구현할 수 있다. 그리고 멀티 스레드, GPU 기반의 고속 시뮬레이션 연산 기능과 2차전지, AMR(자율이동로봇), OHT(오버헤드 트랜스퍼), 자동창고 등 다양한 제조 환경에 맞는 특화 라이브러리를 제공한다. 특히, 생산 현장에서 발생하는 실시간 빅데이터를 효과적으로 처리하고, 대화형 어시스턴트(assistant) 방식의 직관적인 사용자 인터페이스(UI)를 통해 사용자 편의성을 높였다. 또한, 사용자 API를 통한 고도화된 커스터마이징이 가능하며, MES(제조 실행 시스템), 센서, PLC(프로그래머블 로직 컨트롤러), IoT(사물인터넷) 등 다양한 운영 시스템과의 실시간 연동 기능도 갖췄다. 나아가, 전력 사용량 분석과 탄소세 예측 기능까지 탑재돼 지속 가능한 제조 환경 구축을 위한 의사결정도 지원한다. PINOKIO는 AI 기반 제조 혁신의 길을 여는 실질적인 도구로, 앞으로 제조업계의 디지털 전환을 선도할 핵심 설루션으로 자리매김할 전망이다.   주요 기능 소개 PINOKIO는 시뮬레이터, 디지털 트윈, AI 에이전시(agancy)를 통합한 차세대 DES(이산 이벤트 시뮬레이션) 기반 플랫폼으로, 제조 물류 전반에 걸친 통합 설루션을 제공한다. PINOKIO는 세 가지 핵심 모듈로 구성된다. 첫 번째는 ‘Pino SIM’으로, 공정 흐름 설계부터 시뮬레이션, 분석까지 수행하는 시뮬레이터다. Pino SIM은 도면 편집과 레이아웃 설계를 위한 Pino Editor를 내장하고 있어, 단순한 시뮬레이션을 넘어 제조 기준정보 입력, 물류 시나리오 구성, 시뮬레이션 실행 및 시각화 분석까지 다양한 기능을 제공한다. 이를 통해 설계 초기 단계부터 실제 운영에 이르기까지 전 과정의 최적화를 효과적으로 지원한다. 두 번째는 실시간 디지털 트윈 모듈인 ‘Pino DT’다. MES, IoT, PLC, 센서 등 다양한 제조 운영 시스템과의 실시간 연동을 통해 대용량 데이터를 실시간으로 수집하고 처리하며, 이를 바탕으로 실시간 모니터링은 물론 미래 상황 예측, 예지 보전 기반의 시뮬레이션이 가능하다. 이는 생산 현장의 가시성과 민첩성을 높이는 데 기여한다. 세 번째는 인공지능 기반의 ‘Pino AI’다. LLM(대규모 언어 모델)과 sLLM(전문 도메인 특화 언어 모델)을 활용한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다. 또한 목적에 따라 강화학습, 파라미터 최적화 등 다양한 AI 기법을 적용할 수 있어 생산성과 품질 향상을 동시에 도모할 수 있다. PINOKIO는 엔비디아 옴니버스(NVIDIA Omniverse)와 같은 고급 시각화 플랫폼과 연동 가능하며, 파이썬(Python) 개발 환경 확장도 지원함으로써 사용자 맞춤형 라이브러리 개발이 가능하다. 이를 통해 제조 기업은 사전 공정 및 물류 최적화는 물론 실시간 생산 모니터링, 미래 예측, AI 기반 정확도 향상 등 다양한 지능형 서비스를 구현할 수 있다. 제조업의 디지털 전환이 본격화되는 시대에 PINOKIO는 스마트 공장을 넘어 AI 전환을 실현하는 핵심 파트너로 부상하고 있다.   PINOKIO의 특징 PINOKIO는 고도화된 시뮬레이션 엔진과 AI 통합 기능을 바탕으로 대규모 데이터 처리 및 실시간 예측 분석을 지원하며 스마트 제조 시대의 경쟁력을 강화하고 있다. PINOKIO는 이벤트 처리 기법 최적화 및 단순화된 시뮬레이션 엔진 설계로 빠른 연산 속도를 제공한다. 특히, 초당 60프레임(FPS) 기준으로 500만 개 수준의 대규모 3D 데이터를 안정적으로 처리할 수 있으며, 선택적 컴파일 방식(C# 기반 네이티브 코드)을 활용한 별도 계산 도구를 통해 집약적인 연산 작업도 고속으로 수행할 수 있다. 디지털 트윈 구축에서도 PINOKIO는 강력한 성능을 발휘한다. MES, ACS, MCS 등 다양한 제조 운영 시스템과 연동과 IoT, 센서, PLC 등 생산 현장에서 수집되는 대용량 데이터를 실시간으로 처리한다. 이를 통해 실시간 모니터링과 동시에 백그라운드 시뮬레이션을 수행하고, 타임 호라이즌(Time Horizon) 방식의 미래 예측 기술을 통해 병목, 이상 징후 탐지 및 알람 기능도 제공된다. 또한, AI를 활용하기 위한 정상/이상 데이터 제공과 파라미터 최적화 및 시나리오별 분석 기능이 포함되어 있으며, LLM과 sLLM, 챗GPT(ChatGPT), 메타 라마(Meta LLaMA) 등 다양한 AI 모델을 통합한 AI 에이전시 기능을 통해 대화형 데이터 분석, 자동 의사결정 지원, 데이터 해석 및 운영 최적화를 구현한다. 시뮬레이션 설계 및 모델링 측면에서도 사용자 편의성이 강화됐다. Pino Editor를 활용해 레이아웃 도면을 직관적으로 확인 및 편집할 수 있으며, 제조 기준 정보 입력 및 템플릿 매칭 기능을 통해 모델링 작업 시간을 획기적으로 단축시킨다. 또한, 2차전지 및 반도체 공정에 특화된 전용 라이브러리도 제공되며, 고객 맞춤형 커스터마이징 시뮬레이터를 통해 사용자의 목적에 따라 분석 및 최적화가 가능한 유연한 개발 환경을 지원한다. 이처럼 PINOKIO는 고속 시뮬레이션, 실시간 예측, AI 기반 의사결정, 그리고 유연한 모델링 기능을 종합적으로 제공하며, 제조업의 지능화·자동화를 실현하는 설루션이다.   그림 1. PINOKIO UI 화면 – 반도체 FAB   사전 레이아웃 및 물류 검토를 위한 설루션 : Pino SIM 디지털 트윈 구축 시 미래 예측을 위한 시뮬레이터 역할과 기존 상용 설루션과 같이 공장 신축 또는 생산 라인 변경 등 제조 현장의 변화가 요구된다. 이런 상황에서 Pino SIM은 사전에 최적의 물류 계획과 레이아웃 구성을 지원하고 공정의 효율성과 안정성을 미리 확보할 수 있는 디지털 전환 핵심 도구이자 가상 공장 구현 설루션이다. Pino SIM은 제조 기준 정보(제품, 공정, 레이아웃, 물류 흐름, 작업 순서, 스케줄링 등)를 기반으로 공정을 시뮬레이션하며, 그 결과를 차트, 그래프 등 다양한 시각화 도구를 통해 분석할 수 있다. 이를 통해 레이아웃 검증 및 최적화, 생산성 향상 등 공장 운용 전반의 효율화를 실현할 수 있다. 특히, OHT, AMR 등 신 산업군을 위한 특화 라이브러리를 제공하며, 이송 설비 구현을 위한 이동, 충돌 방지, 회피 제어를 위한 OCS, ACS 기능도 탑재되어 있다. 이를 통해 코드 작성 오류를 줄이고 디버깅 시간을 줄일 수 있으며, 보다 쉽고 효율적으로 시뮬레이션 모델을 구축할 수 있다. 또한, 자동창고 모델링에 필요한 Stocker(Crane, Rack, Rail)를 그룹화 형태로 제공하여 빠른 모델링이 가능하다. 환경과 에너지 측면에서도 전력 사용량 및 탄소 배출량(탄소세) 분석 기능을 통해 지속 가능한 생산 전략 수립에 도움을 주며, 제조업의 친환경화와 ESG 경영 대응에도 기여할 수 있다. 이처럼 Pino SIM은 공장 설계 단계에서의 의사결정 품질을 높이고, 새로운 제조 환경에 유연하게 대응할 수 있는 설루션이다.   그림 2. 라이브러리 제공 – Stocker   그림 3. 개발(코딩) 없이 기능 구현   그림 4. 시뮬레이션 결과 리포트 예제   디지털 트윈 설루션 : Pino DT 제조 현장에서 물류는 제품의 사이클 타임을 결정하는 요소 중에 하나이다. 물류 정체가 발생할 경우 제품의 사이클 타임이 길어지거나 라인이 정지되는 등 심각한 손실이 발생할 수 있다. 이러한 문제를 해결하기 위해 시뮬레이션을 통한 최적화된 운영 방식을 시스템에 적용하려는 노력이 이어져왔다. 기존의 물류 설루션은 현장에서 발생하는 대용량의 데이터를 시뮬레이션에 반영하여 실시간으로 의사결정하는 과정에서 다양한 제약으로 인해 어려움이 있었다. 또한, 현장 작업자의 개입과 같은 인간적 오류는 시스템이 예측할 수 없는 데이터를 발생시키기 때문에 생산 계획 단계에서의 사전 분석 및 검증만으로는 시뮬레이션 정합성을 높이는데 한계가 있다. Pino DT는 최적화된 자체 개발 시뮬레이션과 모니터링 엔진을 탑재하여 이를 해결하였다. 시뮬레이션의 이벤트 횟수를 최적화하여 최소한의 이벤트로 시뮬레이션이 가능하도록 설계했다. 또한 계산 속도에 이점이 있는 C, C++ 언어로 물류 경로를 최적화하는 알고리즘을 구현하여 기존 설루션 대비 약 2만평 규모의 공장에서 약 70배의 향상된 성능을 검증하였다.   그림 5. Pino DT의 UI 화면   대용량 데이터 처리 및 실시간 모니터링 Pino DT는 시뮬레이션에 최적화된 알고리즘을 사용함으로써 대용량 데이터 처리가 가능하고, 현장 데이터를 실시간으로 시뮬레이션에 반영할 수 있다. 기존 물류 시뮬레이션 설루션에 비해 60~700배 뛰어난 가속 성능을 제공하는 시뮬레이션 도구이다. 제조 현장과 동일한 상황을 시뮬레이션하기 위해 현장과 연동 후 데이터를 가공하여 디지털 트윈 모델로 표현하여 가시화하고, 사용자가 설정한 시간 주기마다 미래를 예측하는 시뮬레이션(proactive simulation)을 백그라운드로 수행한다. 이는 제품의 공정 시간보다 짧은 시간 안에 결과를 확인할 수 있고, AI를 통해 보다 정확한 의사결정을 내릴 수 있도록 지원한다.   그림 6. Pino DT의 모니터링 화면   디지털 트윈 실시간 시뮬레이션 : 미래 예측 실시간 현장 상황을 반영하여 미래를 예측하는 시뮬레이션(proactive simulation)은 제품의 택트 타임(tact time)보다 짧은 시간 내에 결과를 도출해내지 못하면 현장에서 선제 대응하지 못하는 결과를 초래할 수 있다. 모니터링 엔진으로부터 라인 상황에 대한 데이터를 수집하고, 현재로부터 예측하고자 하는 시간 동안 발생하는 이상상황에 대해 피드백을 준다. 예를 들어 조립 라인의 경우에는 부품이 5분 뒤에 부족하다는 알람을 작업자에게 즉시 전달하여 선제적 대응을 가능케 함으로써, 라인 정지 등 비상 상황을 사전에 방지할 수 있다. PINOKIO 디지털 트윈 시뮬레이션은 이러한 역할이 가능하도록 가속화한 고속 시뮬레이션 엔진을 보유하고 있다.   그림 7. 현장 FAB(왼쪽)과 PINOKIO에서 생성된 디지털 트윈(오른쪽)   제조 물류 현장에 특화된 AI 플랫폼 : Pino AI AI를 이용한 설루션을 만들기 위해서는 다양한 상황에 대한 데이터가 필요하다. 하지만 제조 현장의 특성 상 여러 상황에 대한 데이터를 획득하기 어렵다. PINOKIO에서는 현장에서 획득하기 어려운 데이터를 시뮬레이션을 통해 데이터를 확보할 수 있다. 즉, Pino DT 모델이 AI를 위한 데이터를 생성하고, 이를 AI가 최적 값을 도출하여 시뮬레이션에 반영한다. Pino DT에서 획득한 데이터를 파이썬, C, 자바(JAVA) 등 다양한 언어로 구현한 로직을 적용할 수 있도록 개발 환경을 제공하고 있다. 이를 통해 예측 정확도 향상, 데이터 기반 의사 결정, Scheduling, Routing, Dispatching 등 목적에 따라 AI 활용이 가능하다. 또한 LLM, sLLM, 챗GPT(ChatGPT), 메타 라마(Meta Llama) 등과 결합한 대화형 UI를 통해 사용자가 직관적으로 데이터를 분석하고 의사결정에 활용할 수 있다.   그림 8. 대화형 UI 및 결과 리포트   그림 9. Pino DT와 AI 모델 활용 원리   Pino DT와 현장 데이터 인터페이스 디지털 트윈에 가장 중요한 요소는 현장과의 연결이다. 대부분의 물류 전문 설루션이 현장과의 연결을 위한 인터페이스를 지원하지만, 많은 양의 데이터를 처리하면서 실시간으로 시뮬레이션하는데 어려움이 있다. Pino DT는 대용량 데이터 처리와 시뮬레이션 가속 성능이 뛰어나 실시간 모니터링 시스템까지 가능하다. <그림 10>은 현장에 있는 MES와 Pino DT가 인터페이스되는 과정이다. 현장에 있는 PLC가 MES에 데이터를 전달하고, MES는 그 데이터를 데이터베이스에 저장한다. 이를 Pino DT에서 외부 통신(IP)을 통해 데이터베이스에 접근하여 데이터를 시뮬레이션에 반영한다. 이 과정에서 현장 데이터의 상태가 중요하다. 불필요한 데이터가 있거나 로스 또는 시간 순서가 맞지 않은 경우가 대부분이다. Pino DT에서는 현장 데이터를 올바르게 정제하는 작업을 거쳐 현장과 동일한 디지털 트윈 모델을 만든다.   그림 10. 현장 데이터 인터페이스 과정   PINOKIO의 기대 효과 PINOKIO는 현장 운영 데이터를 실시간으로 디지털 트윈과 연동함으로써 모니터링이 가능하며, 전체 공장을 PC, 웹, 모바일 등 다양한 형태로 여러 사용자와 함께 직관적으로 확인하면서 공유하고 협업할 수 있다. 또한 현장과 연결된 디지털 트윈 모델을 이용하여, 미래에 발생 가능한 문제점을 예지(predictive)하고, 이러한 문제점을 사전에 해결하기 위한 선제대응(proactive) 의사결정을 가능하게 한다. 이 때 디지털 트윈을 이용한 사전예지는 온라인 시뮬레이션 기술에 기반하고, 선제대응은 AI 기술에 기반한다고 볼 수 있다. 디지털 트윈 기반 사전예지의 시간적 범위(time horizon)는 현장의 특성에 따라서 0.1시간~10시간으로 달라질 수 있으며, 문제점의 종류는 주로 생산 손실(loss), 부품의 혼류 비율 불균형, 설비 고장예지 및 물류 정체 등을 포함한다. 문제점이 예지되면 이를 해결하기 위한 즉각적인 의사결정 AI 기술을 활용하여 최적 운영을 달성함으로써 생산성, 경제성, 안정성 및 경쟁력 향상 효과가 있다.   맺음말 생산 계획 단계에서 Pino SIM을 통해 레이아웃 검증과 물류를 최적화하고, Pino SIM 모델 데이터를 생산 운영 단계에서 PINOKIO와 연계하여 현장 데이터 기반 실시간 모니터링과 미래 상황 예측 및 선제 대응함으로써 현실적이고 실제 활용 가능한 스마트한 디지털 트윈을 구축할 수 있다. 다음 호부터는 Pino SIM, Pino DT, Pino AI 등 각 제품별 소개 및 적용 사례를 소개하고자 한다.   그림 11. 디지털 트윈을 위한 플랜트 시뮬레이션과 PINOKIO     ■ 기사 내용은 PDF로도 제공됩니다.