가상 제품 개발을 위한 MBSE 및 SysML의  이해와 핵심 전략 (7)   최근의 MBSE(모델 기반 시스템 엔지니어링) 환경은 개별 도구를 연계하던 전통적 방식에서 벗어나, 요구사항부터 시뮬레이션, 형상 관리까지 전 과정을 하나의 플랫폼에서 관리하는 ‘디지털 스레드’ 기반의 통합 환경으로 진화하고 있다. 이번 호에서는 모델링 도구인 ‘랩소디(Rhapsody)’와 ‘카메오 시스템 모델러(Cameo Systems Modeler)’의 특징을 살펴보고, 효율적인 설계 환경 구축 전략을 짚어본다.   ■ 오재응 한양대학교 명예교수, 시뮬레이션 랩 CTO   모델링 도구 여기에서는 모델링 도구로서 랩소디(Rhapsody)의 특징과 기능을 간단하게 소개하고 있으며, 특히 시스템 아키텍처 설계와 모델 일관성 유지에 있어 랩소디가 어떤 역할을 수행하는지를 설명한다. IBM의 랩소디는 UML 및 SysML 기반의 시스템 모델링 도구로, 아키텍처 모델을 통해 시스템 설계 정보를 저장할 수 있는 동적인 데이터베이스 구조를 제공한다. 사용자가 정의한 각 모델 객체(예 : 블록, 컴포넌트 등)는 한 번 정의되면 그것이 표현되는 모든 다이어그램 상에서 동일한 특성과 속성을 유지한다. 이를 통해 전체 모델의 일관성과 추적성이 자연스럽게 보장된다. 또한 랩소디는 요구사항과 직접 연계된 설계 모델을 지원함으로써, 요구사항-설계 간의 정합성 확보를 용이하게 한다. 이를 통해 설계 변경이 요구사항과의 연동 하에 즉시 반영될 수 있어, 시스템 개발 전 과정에서 신뢰성 있는 모델 기반 설계를 실현할 수 있다. 결과적으로, 랩소디는 다양한 UML/SysML 도구 중 하나로, 특히 복잡한 시스템의 모델링, 시뮬레이션, 코드 생성까지 연결 가능한 통합 모델링 환경을 제공한다.   랩소디 보기   그림 1. 랩소디 도구의 대표적인 사용자 인터페이스 구성 요소   <그림 1>은 랩소디 도구 환경을 보여주며, 시스템 모델링 또는 소프트웨어 모델링을 수행할 때 사용되는 대표적인 사용자 인터페이스 구성 요소를 설명하고 있다. 랩소디 보기는 사용자가 랩소디에서 모델을 어떻게 시각적으로 확인하고 조작하는지를 이해하는 데 중점을 둔다. 전체 인터페이스 구성은 랩소디가 모델 기반 시스템 및 소프트웨어 설계를 위한 도구로, 브라우저 영역과 그리기 영역 등의 주요 영역으로 구성되어 있다. <그림 1>의 화면 왼쪽에는 브라우저 영역(Browser View)이 위치해 있다. 이 영역은 프로젝트 내에 정의된 모든 요소를 계층적 트리 구조로 정리하여 보여주며, 클래스, 패키지, 상태도, 시퀀스 다이어그램 등 다양한 모델링 요소를 탐색하고 선택할 수 있다. 사용자는 이 영역에서 모델 구조를 확인하고, 필요한 항목을 선택하여 편집 창으로 열 수 있다. 주로 사용하는 항목은 모델 구성요소(예 : 클래스, 컴포넌트, 상태 등)이다. 설계 계층 구조는 각 요소의 속성 및 동작이 연결되어 있다. <그림 1>의 화면 오른쪽에는 그리기 창(Drawing Window)이 위치하며, 사용자가 실제로 다이어그램을 작성하고 편집하는 작업 공간이다. 이 영역은 선택된 모델 요소의 시각적 표현을 위한 공간으로, 예를 들어 상태 다이어그램, 블록 다이어그램, 시퀀스 다이어그램 등을 작성하고 구성 요소 간의 연결 관계를 설정할 수 있다. 사용자의 활동 예는 상태 전이 정의, 신호 흐름 연결, 동작 논리 시각화, 모델 요소 간 연결 구성이 있다. 랩소디는 모델 탐색과 시각적 설계를 동시에 지원하기 위해 좌측 브라우저 영역과 오른쪽 그리기 창을 중심으로 UI(사용자 인터페이스)를 구성하고 있으며, 이를 통해 사용자는 설계 구조와 논리를 직관적으로 접근하고 조작할 수 있다. 이와 같은 인터페이스는 SysML, UML, 자동차 및 항공 우주 분야의 MBD 등 다양한 모델링 작업을 효율적으로 수행할 수 있도록 지원한다.   랩소디 vs. 카메오 시스템 모델러 비교 IBM 랩소디와 카메오 시스템 모델러(Cameo Systems Modeler)는 모두 SysML 기반의 시스템 모델링 도구로 널리 사용되고 있다. 그러나 이 두 도구는 설계 접근 방식, 사용자 인터페이스, 시뮬레이션 및 협업 방식에서 차별점이 존재한다. 도구의 철학과 접근 방식 : 랩소디는 임베디드 시스템 및 소프트웨어 개발에 특화된 도구로, 주로 상태 기반(state-based) 모델링과 코드 생성(code generation) 기능이 강력하다. UML 기반의 객체지향 소프트웨어 개발, 상태 머신 구현 등에 많이 활용되며, 특히 자동차, 항공, 방위 산업 등에서 많이 사용된다. 반면에 카메오 시스템 모델러(MagicDraw 기반)는 시스템 아키텍처 및 요구사항 중심 설계에 중점을 둔 MBSE 도구이다. RFLP(Requirement, Functional, Logical, Physical) 구조와 트레이스 기능이 강력하며, PLM·SPDM 시스템과의 통합이 잘 되어 있어 디지털 스레드 구축에 적합하다. 대부분의 대기업 MBSE 전환 프로젝트에서 선택되고 있다. 사용자 인터페이스 및 작업 구조 : 랩소디는 전통적인 IDE 스타일의 인터페이스(<그림 1>처럼 왼쪽 탐색기 + 오른쪽 다이어그램 편집기)를 가지고 있으며, 실시간 코드 시뮬레이션 및 상태 전이 구현에 용이하다. 카메오 시스템 모델러는 모델 요소 중심 탐색 트리, 다중 다이어그램 탭, 자동 연결 도우미, 속성 창 기반 작업이 잘 정비되어 있으며, 직관적인 GUI로 인해 다양한 다이어그램 작성이 빠르고 정확하게 이루어진다. 사용자 친화성이 높은 편이다. 시뮬레이션 및 해석 기능 : 랩소디에는 UML/SysML 상태 머신을 기반으로 한 Statechart Simulation이 내장되어 있어, 논리적 동작 검증이나 이벤트 시퀀스 분석에 유리하다. C/C++ 코드 생성 및 디버깅 기능도 내장되어 있어, 소프트웨어 통합 단계까지 연결하기 좋다. 카메오 시스템 모델러는 카메오 시뮬레이션 툴킷(Cameo Simulation Toolkit :CST)을 통해 SysML 모델의 시뮬레이션이 가능하며, 파라메트릭 다이어그램(Parametric Diagram) + 수식 기반 계산 + 외부 FMU 연동을 지원한다. 특히 시뮬링크(Simulink), 모델리카(Modelica) 등과의 코시뮬레이션(co-simulation) 및 FMI 기반 연동이 강력하다. 협업 및 형상 관리 연동 : 랩소디는 RTC, ClearCase, GIT 등과 연계가 가능하지만, 협업 기능이 독립적으로 강력하지는 않다. 기업 내부 커스터마이징이 필요한 경우가 많다. 카메오 시스템 모델러는 팀워크 클라우드(Teamwork Cloud : TWC)라는 중앙 저장소 기반 협업 서버를 통해 모델 단위 버전 관리, 권한 제어, 변경 추적, 분기 관리(branching) 기능을 지원하며, 팀 단위 협업 및 모델 기반 리뷰에 적합하다. PLM, SPDM 및 외부 툴 연동 : 랩소디는 외부 연동이 상대적으로 제한적이며, 별도 게이트웨이 또는 커스터마이징이 필요하다. 카메오 시스템 모델러는 3D익스피리언스(다쏘시스템), 윈칠(PTC), 팀센터(지멘스) 등의 PLM 시스템과 연계가 용이하며, MBSE–PLM–SPDM 간의 디지털 연계(traceability)가 수월하게 이루어진다. 정리하면 랩소디는 코드 생성, 상태 머신 중심이고 카메오 시스템 모델러는 요구사항–기능–물리 구조 연계 중심이다. 사용 분야는 랩소디가 임베디드 소프트웨어, 제어 시스템에 사용되며 카메오 시스템 모델러는 시스템 아키텍처, MBSE를 총괄하는데 사용된다. 시뮬레이션에는 랩소디가 상태 기반 시뮬레이션에 사용되며, 카메오 시스템 모델러는 파라메트릭, 시퀀스, 코시뮬레이션이 가능하다. 협업 관점에서 랩소디는 RTC/파일 기반으로 이용되며, 카메오 시스템 모델러는 팀워크 클라우드 기반 모델 협업에 활용된다. 외부 툴과 연동은 랩소디는 제한적이며 커스터마이징이 필요하다. 반면에 카메오 시스템 모델러는 FMI, PLM, 시뮬링크 등과 강력하게 연동된다.    ■ 자세한 기사 내용은 PDF로 제공됩니다.

LG에너지솔루션 최호득 책임     ‘매트랩 엑스포 2026 코리아’에서 LG에너지솔루션의 최호득 책임은 MIL(model-inthe-loop) 환경에서 배터리 SOX 로직을 매트랩과 시뮬링크 도구를 활용하여 테스트 스위트를 구성하고, 이를 동적으로 검증하는 프로젝트를 소개했다.   – LG에너지솔루션 및 현재 맡은 업무에 대해 LG에너지솔루션은 자동차, IT 및 로봇, ESS(에너지 저장 시스템) 등에 필요한 배터리 셀, 배터리 팩, BMS(배터리 관리 시스템)를 제공하는 회사이다. 이 가운데 주로 자동차 배터리에 탑재되는 BMS의 기능 검증 및 검증 자동화 업무를 수행하고 있다. 최근에는 BMS 없이 가상 ECU를 검증하는 SIL(software-in-the-loop) 환경 구축이나, 개발된 특정 소프트웨어를 활용해서 모델 내에서 검증하는 MIL 검증을 진행하고 있다.   – 시뮬링크를 적용한 업무는 어떤 것이며, 시뮬링크를 적용하게 된 배경은 무엇인지 이번에 적용한 업무는 매트랩 툴박스(MATLAB Toolbox) 내에 있는 시뮬링크 테스트(Simulink Test)를 기존 테스트 환경에 반영하는 것이다. 시뮬링크 테스트는 시뮬링크 모델을 테스트 하네스(test harness)로 만들어 테스트 스위트를 구성하고 검증하는 방식이다. 개발팀은 주로 특정 모듈을 검증하지만, 검증팀은 대규모 개발 모델과 검증 모델을 통합하여 보다 정확한 검증을 위해 트랜지션(transition)을 사용할 수 있다. 또한, 기존에 사용하던 엑셀 기반의 시나리오 테스트 케이스를 매트릭스 구조로 읽어와 테스트 어세스먼트(test assessment) 블록에 이관하여 검증할 수 있어 검증 효율성을 높일 수 있다는 점에서 시뮬링크 테스트를 활용하게 되었다.   – 현재 시뮬링크를 어떻게 활용하고 있는지 현재 시뮬링크는 두 가지 측면에서 활용하고 있다. 첫 번째는 구성한 테스트 스위트를 활용하여 수동으로 검증할 때이다. 자동화 환경을 구성하기 전에 정의한 변수와 실행이 올바르게 이루어지는지 확인하고, 자동화 검증 결과에 이상이 있을 때 특정 포인트를 직접 눈으로 보면서 로직을 확인한다. 두 번째는 테스트 자동화를 위해 시뮬링크 모델을 래핑한 후, 엑셀에 설계된 테스트 시나리오를 기반으로 개발팀이 배포한 소프트웨어의 기능을 검증하는 목적으로 사용하고 있다.   – 시뮬링크 활용을 통해 얻은 효과에 대해 시뮬링크를 활용함으로써 얻은 효과로는 세 가지가 있다. 첫째는 직관성이다. 시뮬링크는 모델로 구성되어 시간적 순서에 따라 인과관계에 근거하여 동작한다. 이 때문에 구성된 로직이 시간의 순서에 맞추어 동작하는지, 주변 로직에서 영향을 받지 않는지 등의 디버깅이 용이하다. 두 번째는 모델 배포의 용이성이다. 특정 모델을 분리하여 동료에게 배포하기가 쉽다. 배포된 모델은 유닛 테스트 및 동료 검토(예 : Failure 시뮬레이션)가 용이하다. 코드가 아닌 모델로 구성되어 있기 때문에 로직을 보다 쉽게 이해할 수 있다. 마지막은 변수 제어이다. 시뮬링크를 사용하여 시뮬레이션을 진행할 때 시뮬레이션 중 변수 제어가 되지 않는 문제가 있었지만, 이번에 적용한 시뮬링크 테스트를 활용하면 특정 포인트에서 원하는 값을 제어하며 모델을 운영할 수 있다.   – 향후 시뮬링크의 활용 계획에 대해 향후에는 시뮬링크를 현재 수준으로 계속 활용하면서, 매트랩의 통계 함수와 연동하여 검증된 결과에 대한 통계 분석 등 후처리 시뮬레이션(post simulation)을 더욱 적극적으로 활용할 계획이다. 또한, 내장된 툴박스의 기능을 보다 많이 파악하여 현재까지 인지하지 못한 유용한 기능을 활용함으로써, 검증 품질을 높이고자 한다.   – 시뮬레이션 활용 확대를 위해 현업에서 어떤 부분을 고려해야 할지 자동차 및 ESS 프로젝트를 진행하면서 다양한 형태의 데이터 파일을 현장에서 받게 된다. 이러한 데이터를 쉽게 가져와 개발된 모델과 연동하여 사용하는 방법에 대한 고민이 필요하다. 또한, 기존 데이터를 의미 있는 범위 내에서 왜곡하여 시뮬레이션함으로써 로직의 강건성을 검증하는 방법에 대한 고민도 필요하다. 매트랩과 시뮬링크의 시뮬레이션 결과는 동적인 형태로 출력되는데, 이러한 패턴을 검증할 수 있는 기술 개발 역량 강화가 필요할 것 같다.   같이 보기 : [포커스] 매스웍스, MBD와 AI 결합으로 제조 혁신 가속화… “설계 복잡성 줄이고 신뢰성 높인다”

매스웍스는 4월 7일 개최한 ‘매트랩 엑스포 2026 코리아’ 행사를 통해 엔지니어링과 과학적 혁신을 가속화하기 위한 비전을 제시하면서, ‘임베디드 인텔리전스’를 통한 설계 방식의 변화를 강조했다. 특히 AI(인공지능)는 코드 작성과 문제 해결 루프를 직접 제어함으로써 개발 복잡성을 해결하고 시장 출시 기간을 줄이는 기술로 자리매김하고 있다. 매스웍스는 모델 기반 설계(MBD)와 AI의 결합을 통해 더욱 신속하고 정교한 설계 환경을 구축한다는 전략을 내세웠다. ■ 정수진 편집장   매스웍스는 지난 1984년 설립 이래 MBD(model-based design) 방법론을 자동차와 항공 등 안전이 필수인 산업 분야를 중심으로 적용해 왔다. MBD는 제품 개발의 복잡도가 높아지는 흐름에 맞춰 다양한 물리 영역과 다중 도메인 시스템을 복합적으로 시뮬레이션하고 상호 영향을 검증하는 환경을 제공한다. 매스웍스는 작은 오류가 치명적인 결과로 이어질 수 있는 엔지니어링 현장에서 MBD 방법론이 강력한 검증 및 확인 워크플로를 거쳐 시스템의 안정성을 보장한다고 설명한다. 매스웍스는 이런 MBD의 기반 위에서 최근 산업계의 화두인 AI 기술을 안전하게 융합한다는 접근법을 내세웠다. 완전히 새로운 AI 플랫폼을 구축하는 것이 아니라, 수십 년간 현장에서 검증된 자사의 MBD 플랫폼 내에 인공지능 기능을 자연스럽게 내재화하겠다는 것이다.   ▲ 매스웍스는 생성형 AI가 제품 개발 루프를 가속화할 수 있다고 설명한다.   생성형 AI가 이끄는 설계 패러다임의 변화 매스웍스의 사미르 M. 프라부(Sameer M. Prabhu) 인더스트리 부문 이사는 AI가 엔지니어링 설계의 전 영역에 걸쳐 이미 실질적인 변화를 만들어내고 있다고 강조했다. 엔지니어링 설계의 핵심은 끊임없이 반복되는 ‘문제 해결 루프’에 있다. 과거에는 엔지니어가 직접 설계 공간을 탐색하며 해답을 찾았다면, 인공지능은 엔지니어가 정의한 목표와 제약 조건 안에서 스스로 방대한 설계 공간을 탐색하며 최적의 설루션을 빠르게 도출해낼 수 있다는 것이다. 이러한 변화를 보여주는 기술이 바로 AI 기반의 차수 축소 모델(reduced order model : ROM)이다. 프라부 이사는 자동차 부품의 설계 파라미터 최적화에 물리 기반 시뮬레이션을 활용한 사례를 소개했다. “기존 방식으로는 수천 번의 시뮬레이션을 반복하는 연산에 16일의 시간이 필요했다. 하지만 실험 데이터를 바탕으로 딥러닝 기반의 인공지능 차수 축소 모델을 학습시켜 최적화 루프에 적용한 결과, 단 5분 만에 작업을 끝낼 수 있었다”는 것이 프라부 이사의 설명이다. 무겁고 복잡한 해석 모델을 가벼운 인공지능 모델로 대체하여 설계 속도를 크게 높일 수 있었다는 것이다. 또한, 빠르게 발전하고 있는 생성형 AI(generative AI)는 반복되는 검증 작업이나 코드 생성을 빠르게 자동화하여, 엔지니어가 더 높은 수준의 추상화 및 목표 지향적 설계에 집중할 수 있도록 돕는다. 프라부 이사는 “미래 엔지니어의 핵심 역량은 목표 지향적 사고와 설계 루프 자체를 설계하는 능력이 될 것”이라고 전망했다.   ▲ 매스웍스 사미르 M. 프라부 이사   MBD 환경에서 AI의 생산성 높인다 MBD를 구현하는 매스웍스의 핵심 플랫폼인 시뮬링크(Simulink)는 전통적으로 AI 알고리즘을 정교한 룩업 테이블의 발전된 형태로 통합해 활용해 왔다. 엔지니어는 매트랩(MATLAB) 등에서 훈련한 AI 모델과 특징 추출 코드를 시뮬링크로 가져와 프로세서 탑재 제어 모듈용 C 코드를 자동 생성해 하드웨어에 곧바로 배포할 수 있다. 매스웍스는 최근 이 환경에 생성형 AI의 생산성을 결합한 시뮬링크 코파일럿(Simulink Copilot)을 도입하여 플랫폼을 한 단계 더 진화시켰다. 시뮬링크 코파일럿은 MBD 환경에 생성형 AI의 생산성을 결합했다. 대화형 챗 인터페이스를 통해 복잡한 시뮬링크 모델의 동작 원리를 자연어로 사용자에게 설명해 준다. 또한 특정 제어 시스템이나 상태 머신 모델을 개선하기 위한 구체적인 아이디어를 제안할 수 있다. 코파일럿은 단순히 조언을 건네는 데 그치지 않고, 해당 작업에 바로 적용할 수 있는 최적의 도구와 관련 기술 문서까지 함께 추천하며 설계 과정의 어려움을 해결하도록 돕는다. 프라부 이사는 “우리의 비전은 생성형 AI와 MBD 모델 기반 설계를 사용해서 이런 챗 인터페이스와 함께 생성형 AI의 생산성 향상을 제공하고, 사용자가 결과를 빠르게 얻을 수 있도록 하는 것”이라면서, 시뮬링크 코파일럿의 새로운 기능이 엔지니어의 작업 속도와 전반적인 효율을 높여 줄 열쇠라고 강조했다.   ▲ 매스웍스코리아 박주일 사장   제조업 경쟁력 강화를 위한 전략과 미래 비전 매스웍스는 크게 두 가지의 AI 전략을 소개했다. 첫째는 물리적 하드웨어를 대체하거나 보완하기 위해 AI 모델을 최종 시스템의 구성 요소로 직접 내장하는 방식이다. 둘째는 AI가 스스로 방대한 설계 공간을 탐색하며 문제 해결 루프 자체를 주도하도록 만드는 방식이다. 또한, 매스웍스는 매트랩 코파일럿과 시뮬링크 코파일럿 등 생성형 AI를 자사의 기존 플랫폼에 내재화하여 일상적인 코딩과 검증 업무의 자동화까지 지원할 계획이라고 밝혔다. 다만 안전이 최우선인 엔지니어링 산업의 특성상, AI의 환각 현상이나 비결정적 특성은 치명적인 위험을 일으킬 수 있다. 이에 대해 박주일 사장은 “기존에 있는 플랫폼에 AI가 들어가기 때문에 워크플로간 충돌이나 정합성 이슈가 상대적으로 적다는 것이 매스웍스의 유니크한 강점”이라고 설명하면서, “수십 년간 업계 표준으로 자리 잡은 MBD 플랫폼과 강력한 검증 및 확인 워크플로를 통해 AI 결과물의 신뢰성을 통제할 수 있을 것”이라고 전했다. 한국 시장에서 매스웍스가 그리는 청사진은 한국 제조업의 근원적인 경쟁력을 한 단계 끌어올리는 데 집중되어 있다. 기하급수적으로 증가하는 제품 개발의 복잡도와 출시 기간 단축이라는 압박 속에서, 매스웍스는 국내의 엔지니어링 커뮤니티를 기술적으로 뒷받침하는 조력자 역할을 하겠다는 계획이다. 나아가 기업에 대한 지원뿐 아니라 학계와의 협력을 통해 미래 공학 인력을 양성하는 일에도 투자할 것이라고 밝혔다. 박주일 사장은 “자동차 산업에서 촉발된 소프트웨어 정의 제품(software-defined product)의 흐름이 우주항공, 조선, 에너지 등 모든 산업으로 확장되는 변화가 일어나고 있다. 매스웍스코리아는 새로운 산업 영역의 기술적 간극을 메우고 디지털 전환을 선도하는 핵심 파트너로 자리매김하고자 한다”고 전했다.   ■ 같이 보기 : [인터뷰] 시뮬링크로 배터리 BMS 신뢰성 확보 및 로직 검증 자동화 구현     ■ 기사 내용은 PDF로도 제공됩니다.

매스웍스는 매트랩(MATLAB)과 시뮬링크(Simulink) 제품군의 릴리스 2026a를 발표하고 임베디드 시스템 개발을 위한 새로운 AI 기능을 공개했다. 이번 릴리스는 엔지니어링 팀이 설계의 정확성을 유지하면서 생산성을 높일 수 있도록 돕는 코파일럿 기능을 강화한 것이 특징이다. R2026a는 모델 기반 설계(MBD)를 지원하는 시뮬링크 코파일럿(Simulink Copilot)과 임베디드 소프트웨어 코드 분석을 개선하는 폴리스페이스 코파일럿(Polyspace Copilot)을 새롭게 도입했다. 이를 통해 요구사항부터 설계와 코드에 이르는 전 과정을 추적 가능하게 관리하고, 동일한 결과를 재현할 수 있는 개발 프로세스를 구축할 수 있다. 엔지니어는 더 이른 단계에서 문제를 수정하고 개발부터 검증, 실제 운영 단계까지 효율적으로 진행하는 것이 가능하다. 매스웍스는 두 가지 방식으로 엔지니어링 분야의 AI 기술을 고도화하고 있다. 먼저 매트랩, 시뮬링크, 폴리스페이스 등 엔지니어가 이미 활용 중인 환경에 코파일럿을 직접 통합했다. 또한 매트랩 MCP 코어 서버(MATLAB MCP Core Server)와 매트랩 에이전틱 툴킷(MATLAB Agentic Toolkit)을 통해 매트랩과 시뮬링크 기능을 에이전틱 워크플로에 통합하고 있다. 이러한 접근을 통해 설계 팀은 설계를 더 빠르게 이해하고 소프트웨어 문제를 조기에 해결하며 일관된 워크플로를 적용할 수 있다.     시뮬링크 코파일럿은 사용자의 모델과 팀이 정의한 프로세스, 매스웍스 공식 문서를 기반으로 맞춤형 가이드를 제공한다. 모델에 대한 설명을 생성하고, 동작에 관한 질문에 답하며, 모델 내 관련 블록과 서브시스템을 찾는 작업을 지원한다. 문제를 특정해 해결 방안을 제시하고 다음 단계를 안내함으로써 설계 작업을 신속하게 진행하도록 돕는다. 폴리스페이스 제품군에는 폴리스페이스 코파일럿과 폴리스페이스 애즈 유 코드(Polyspace as You Code)가 추가됐다. 폴리스페이스 코파일럿은 분석 결과를 기반으로 엔지니어가 정적 분석 결과를 해석하고 문제를 파악하도록 돕는다. 폴리스페이스 애즈 유 코드는 코드 작성 과정에서 C 및 C++ 코딩 규칙을 점검하고 AI가 생성한 코드를 포함한 결함과 취약점을 식별한다. 이외에도 통합 구성 관리를 위한 데스크톱 애플리케이션과 폴리스페이스 버그 파인더 확장 기능, 런타임 오류 분석을 위한 폴리스페이스 테스트 기능 등이 포함됐다. 이번 R2026a에는 교육자와 개발자를 위한 다양한 신제품과 업데이트도 포함됐다. 교육자가 매트랩과 시뮬링크를 활용해 교육과정과 실습을 개발할 수 있는 매트랩 코스 디자이너와 독립형 기능 목업 유닛을 생성하는 시뮬링크 FMU 빌더가 새롭게 출시됐다. 매트랩은 설치 없이도 시각화가 포함된 대화형 웹페이지를 구축해 공유할 수 있는 기능을 제공하며 파이썬 환경 관리 및 데이터 교환 기능이 개선됐다. 시뮬링크는 작업 중심 컨텍스트 메뉴로 효율을 높였으며 모델 내에서 C 및 C++ 코드를 직접 시뮬레이션할 수 있다. 이 밖에도 무선 통신 네트워크 분석을 위한 와이어리스 네트워크 툴박스, 매트랩 코파일럿으로 테스트를 생성하는 매트랩 테스트, 지리공간 분석을 강화한 매핑 툴박스, 디지털 필터 설계가 가능한 시그널 프로세싱 툴박스 등이 업데이트됐다. 매스웍스의 아비나시 네헤미아 설계 자동화 부문 제품 관리 및 마케팅 총괄은 “엔지니어링 설계와 소프트웨어 검증에서는 엄격성, 추적성, 신뢰성의 희생을 담보로 생산성 향상이 이뤄져서는 안 된다”면서, “매스웍스는 팀이 속도를 높이면서도 복잡한 시스템 개발에 요구되는 규율과 신뢰를 유지할 수 있도록 돕는 근거 기반 AI 툴 제공에 전념하고 있다”고 밝혔다.

  INFOWORLD   Focus 17　제조 AX’로 일하는 방식을 바꾸다… 피지컬 AI·데이터 통합으로 지능형 생태계 구축 22　매스웍스, “MBD와 AI 결합으로 설계 복잡성 줄이고 신뢰성 높인다” 25　“화려한 기술보다 탄탄한 데이터가 우선”… 제조 AI 전환의 실질적 해법은 28　유니티 스튜디오, 노코드와 웹 기반으로 산업용 3D 제작 문턱 낮춘다 31　세일즈포스, ‘에이전틱 엔터프라이즈’ 제시… 슬랙이 핵심 업무 운영체제 된다   People & Company 34　옥타브 산업 컨설팅 부문 김세환 기술 이사　산업AI의 성패, 데이터의 ‘양’이 아닌 ‘맥락’으로 승부   Case Study 36　다이슨 워시G1의 모델 기반 설계 도입 사례 / 이웅재　시스템 레벨 시뮬레이션, 일상 가전의 개발 방식까지 바꾸다 39　시각화 워크플로로 구현하는 리얼타임 스토리텔링　영화의 복잡한 샷에서 빠른 반복 작업을 지원한 언리얼 엔진 42　데이터 사일로 해소부터 거버넌스 수립까지, 전사 협업의 효율 혁신　3D 애셋 데이터를 위한 SSOT 구축   New Products 50　이달의 신제품   Column 53　디지털 지식전문가 조형식의 지식마당 / 조형식　보이지 않는 뇌 56　트렌드에서 얻은 것 No. 30 / 류용효　AI 에이전트 이후의 시대, ‘판단하는 시스템’의 탄생   48　New Books   Directory 107　국내 주요 CAD/CAM/CAE/PDM 소프트웨어 공급업체 디렉토리   CADPIA   AEC 58　새로워진 캐디안 2026 살펴보기 (6) / 최영석　사각형 작도 외 62　데스크톱/모바일/클라우드를 지원하는 아레스 캐드 2027 (1) / 최하얀　아레스 커맨더 2027이 제시하는 새로운 CAD 작업 방식 65　BIM 칼럼니스트 강태욱의 이슈 & 토크 / 강태욱　루비 온 레일즈 기반 빌딩 모니터링 서비스 개발 방법   Mechanical 72　엔지니어링의 진화, 항공우주 산업의 복잡성을 넘어서다 / 오병준　디지털 전환이 이끄는 항공우주 시스템 엔지니어링의 미래 76　제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (10) / 박수민　크레오 파라메트릭 12.0으로 애니메이션 생성하기   Analysis 81　앤시스 워크벤치를 활용한 해석 성공 사례 / 황정필　앤시스 아쿠아를 이용한 LNG 운반 선박의 운동 해석 방법 90　심센터 HEEDS 더 깊게 살펴 보기 (5) / 이종학　심센터 HEEDS 2604 업데이트 96　가상 제품 개발을 위한 MBSE 및 SysML의 이해와 핵심 전략 (7) / 오재응　모델 기반 시스템 엔지니어링의 모델링 도구 104　성공적인 유동 해석을 위한 케이던스의 CFD 기술 / 나인플러스　IT  홀더의 지속 가능한 해상풍력 설치 접근법   PLM 100　산업을 위한 AI와 버추얼 트윈 기술 (3) / 이종혁　데이터 온톨로지 기반 3D 모델의 지능화     2026-5-aifrom 캐드앤그래픽스     캐드앤그래픽스 당월호 책자 구입하기   캐드앤그래픽스 당월호 PDF 구입하기

다이슨(Dyson)은 최적의 물청소 솔루션을 개발하기 위해 새로운 접근 방식이 필요하다는 연구 결과를 도출했다. 그 결과물이 바로 수세기의 역사를 지닌 가정용 청소 도구인 대걸레를 재해석한 청소기 ‘다이슨 워시G1(Dyson WashG1)’이다. 다이슨 엔지니어들은 이 제품을 개발하기 위해 항공우주 산업 등 복잡한 시스템 설계에 쓰이는 엔지니어링 방법론을 일상 제품에 적용했다. 기존 제품의 개선 버전을 개발할 때는 효과적이었던 다이슨의 문서 기반 워크플로가 완전히 새로운 제품군을 만드는 데는 적합하지 않았기 때문이다. 이에 다이슨의 첨단 제어 시스템 수석 엔지니어인 로맹 기셰르(Romain Guicherd)는 팀을 설득해 모델 기반 설계(model-based design : MBD)를 도입했다. 모델 기반 설계란 시스템 레벨 시뮬레이션 모델을 활용해 시스템 개발 방식을 개선하는 방법론이다. 이를 통해 개발 워크플로를 가속화하고, 테스트를 위한 보다 강건한 코드를 구현할 수 있었다.   모델 기반 설계로 바꾼 제품 개발 방식 다이슨은 진공청소기 등 기존 제품 라인업의 신제품을 개발할 때, 팀 간 요구사항의 전달에서 서면으로 된 문서 기반 방식을 사용해 왔다. 이러한 방식은 이전의 설계 및 임베디드 소프트웨어를 참고하고 반복 개선할 수 있어, 이미 안정화된 기존 제품군 개발에 적합한 방식이다. 그러나 완전히 새로운 제품군을 개발하는 과정에서는 이러한 문서 전달 방식이 오히려 혼선을 초래할 수 있었다. 문서로 작성된 설계 사양은 엔지니어마다 요구사항을 다르게 해석할 가능성이 있기 때문이다. 새로운 제품군 개발은 팀 간 오해를 줄이고 보다 원활한 협업을 가능하게 하는 새로운 개발 방식을 모색하게 하는 계기가 됐다.    ▲ 다이슨 워시G1은 습식 오염과 건식 이물질을 모두 제거한다.   다이슨은 모델 기반 설계가 새로운 기능과 설계 방향을 탐색하는 데 적합한 개발 방식이라고 봤다. 개발 초기에는 다양한 개념과 방향을 동시에 검토해야 했는데, 시뮬링크(Simulink) 기반의 모델 기반 설계를 도입한 덕분에 팀은 기존 문서 기반 프로세스 대비 두 배 빠르게 새로운 아이디어를 구현할 수 있었다. 워시G1의 핵심 세척 방식은 촘촘한 마이크로파이버 천으로 감싼 역방향 회전 롤러를 탑재한 세척 헤드를 중심으로 구성된다. 습식 오염과 건식 이물질을 분리하기 위해 보조 롤러가 고체 이물질을 트레이에 모으고, 트레이 바닥의 메시 필터를 통해 액체가 오수 탱크로 흘러내려가는 구조다. 기셰르의 팀은 이 모든 기능을 구현하고 다양한 상황에 대응하기 위해, 상호작용하는 시스템 구성요소의 시뮬레이션을 용이하게 하고 설계부터 코드 생성, 소프트웨어 테스트까지 전 과정을 아우르는 툴이 필요했다. 팀은 세척 롤러 제어 장치 개발을 위해 심스케이프 일렉트리컬(Simscape Electrical)로 폼 롤러 모터와 모터 드라이브를 모델링했다. 또한 스테이트플로(Stateflow)를 활용해 청소기에 탑재된 두 개의 펌프, 즉 깨끗한 물로 롤러에 수분을 공급하는 펌프와 오수를 배출하는 펌프의 스케줄링과 제어 로직을 설계했다. 제품의 자동 세척 메커니즘 구현에도 스테이트플로가 활용됐다. 워시G1의 세척 성능을 구현하기 위해서는 단계별로 선택 가능한 수분 공급 수준과 각 단계의 세밀한 민감도 조정이 모두 뒷받침돼야 했다. 다양한 설정 값과 세척 부하 변화에 대응하려면 정밀한 전압 제어가 필수였다. 팀은 시뮬링크 모델로 매개변수를 조정하고 다양한 값을 반복 테스트하며 모터 전압 제어 로직을 빠르게 최적화했다. 실제 프로토타입을 제작하지 않고도 시뮬레이션만으로 설계 변경의 영향을 사전에 파악할 수 있었다는 점도 개발 효율을 높이는 데 크게 기여했다.   ▲ 심스케이프로 모델링된 다이슨의 롤러 기술   다이슨은 요구사항 툴박스(Requirements Toolbox)를 활용해 요구사항을 시뮬링크 모델에 연결함으로써 각 요구사항이 제품 기능으로 어떻게 구현되는지 확인할 수 있었다. 요구사항 툴박스(Requirements Toolbox)를 사용하기 전에는 하드웨어 테스트 단계에 이르러서야 요구사항의 오류를 발견할 수 있었다. 하지만 요구사항을 모델에 연결한 이후로는 각 요구사항의 구현 방식과 요구사항 간 상호 관계를 사전에 명확히 파악할 수 있게 됐다.   시스템 시뮬레이션이 설계에 가져온 변화 시뮬링크와 심스케이프를 활용한 모델 기반 설계는 보다 체계적인 개발 접근 방식을 가능하게 했고, 다이슨이 프로토타입을 제작하고 테스트하기에 앞서 다양한 유형의 인더루프(in-the-loop) 테스트를 수행할 수 있도록 하였다. 모델 기반 설계 덕분에 엔지니어는 멀티도메인 모델링을 수행하고 타 팀과 긴밀하게 협업할 수 있었다. 일례로 기셰르의 팀은 배터리 셀 및 배터리 관리 시스템 팀의 데이터를 활용해 정밀한 4셀 배터리팩 모델을 구축했다. 또한 전자팀과 협력해 심스케이프 일렉트리컬로 전력전자 하드웨어의 동작을 모델링하고 시뮬레이션했다. 시뮬링크를 통한 시스템 레벨 시뮬레이션은 더 많은 설계 옵션을 검토하고 트레이드오프를 비교할 수 있는 환경을 만들어줬다. 그 결과 팀은 프로젝트의 설계 단계에 더 많은 시간을 투자할 수 있었고, 설계 오류와 통합 문제를 수정하기 훨씬 쉽고 비용도 적게 드는 초기 단계에서 발견할 수 있었다.   소프트웨어 아키텍처와 임베디드 코드 개발 이후 프로젝트에서 팀은 소프트웨어 아키텍처 개발을 위해 시스템 컴포저(System Composer)를 추가로 도입했다. 시스템 컴포저를 통해 제품팀과 소프트웨어팀은 소프트웨어 인터페이스와 스케줄링을 함께 개발하고 다양한 시나리오를 모델링할 수 있었다. 또한 대규모 모델을 논리적 단위로 구조화해 병합 충돌 없이 원활한 팀 간 협업이 가능해졌다. 시뮬링크 모델은 제품 동작을 시각적으로 표현함으로써 개발 전 과정에 걸쳐 팀원 간의 협업을 촉진했다. 제어 시스템 모델에서는 C 코드가 생성됐다. 팀은 모델을 수정하고 일부 구간에 주석을 달거나 새로운 블록을 추가하는 방식으로 소프트웨어 엔지니어에게 청소기의 새로운 동작을 보여줬다. RCP(Rapid Control Prototyping)를 활용하면 코드를 빠르게 생성하고, 다음 날 바로 실험실에서 제품의 동작을 확인할 수 있었다. 팀은 직접 코딩 대신 임베디드 코더(Embedded Coder)로 시뮬링크 모델에서 C 코드를 자동 생성했고, 소프트웨어팀은 이를 NXP 마이크로컨트롤러의 메인 코드에 통합했다. 임베디드 코더 도입 이후 소프트웨어 릴리스 주기는 기존 약 10주에서 9일로 단축됐다. 초기에는 실험실 환경에서의 동작 구현에 집중하였기 때문에 모델과 코드 생성을 핵심으로 삼았지만, 곧 모델과 코드, 테스트, 커버리지가 함께 어우러질 때 제품 완성도가 한층 높아진다는 사실을 확인했다.   테스트 효율을 높인 모델 기반 개발 팀은 이전 제품 개발 때보다 설계 개선에 더 많은 시간을 쏟았다. 시뮬링크를 통해 시뮬레이션 중 발생한 오류를 신속하게 수정할 수 있었고, 그 효과는 테스트 단계에서 그대로 나타났다. 이 테스트 단계는 과거보다 훨씬 단순하고 빨라졌으며, 팀의 개발 시간과 노력을 절감하는 데 기여했다. 모델에서 정상 작동하도록 설계한 것은 실제 제품에 적용해도 동일하게 구현됐고, 이는 무결점 제품 출시로 이어졌다. 워시G1의 모델 기반 설계와 코드 자동 생성이 성공을 거두면서, 초기에 회의적이었던 소프트웨어팀의 시각도 달라졌다. 자동 생성 코드가 내부 표준 준수와 실행 효율성을 담보할 수 있을지 우려하던 소프트웨어팀은 이제 코드에 대한 확신을 갖게 됐다. 현재 소프트웨어팀은 하드웨어팀과 협력해 자동 생성 코드의 API를 함께 정의하고 있으며, 모델 기반 설계에 시뮬링크를 활용하면서 유연성과 개발 속도 모두를 향상시켰다. 이제는 소프트웨어팀이 먼저 나서서 동일한 프로세스를 다른 제품에도 적용해 달라고 요청할 만큼, 프로젝트 복잡도가 높아질수록 모델 기반 설계의 가치는 더욱 분명해지고 있다. 다이슨 팀은 향후 워시G1 후속 모델 개발 시 기존 모델의 구성 요소를 재사용할 수 있다. 또한 이번 모델 기반 설계 방법론의 성공 사례는 사내 다른 부서에서도 주목받고 있다. 헤어 케어 제품과 다른 플로어 케어 제품군에도 이를 적용하는 방안이 검토되고 있어, 다이슨 내 추가 혁신 가능성을 넓히고 있다.   ■ 이웅재 | 매스웍스코리아 이사     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 지난 3월 11일 ‘Virtual Engineering 기반 스마트 건설 장비 개발 프로세스’를 주제로 케이던스 디자인 시스템즈의 전문가들이 참여하여 스마트 건설 장비 개발을 위한 최신 트렌드와 이를 뒷받침하는 통합 엔지니어링 설루션을 심도 있게 다루었다. 자세한 내용은 다시보기를 통해 확인할 수 있다. ■ 박경수 기자   ▲ 케이던스 디자인 시스템즈 정승원 팀장, 김진식 팀장, 이재욱 매니저, 임태균 팀장   건설 장비 산업의 변화와 도전 과제 이번 웨비나의 사회를 맡은 정승원 팀장은 최근 MSC 소프트웨어와 케이던스 디자인 시스템즈의 합병을 언급하며, 반도체(electronic)와 기계(mechanical) 시스템 설계의 통합 시너지를 강조했다. 최근 건설 장비 산업은 전동화(electrification)와 자율주행, 그리고 디지털 전환이라는 거대한 변화의 물결 속에 있다. 설계 단계부터 가상 환경을 활용하여 시행착오를 줄이고 성능을 극대화하는 ‘가상 엔지니어링(virtual engineering)’은 이제 선택이 아닌 핵심 경쟁력이다. 특히 반도체 설계(EDA)와 기계 시스템 해석(CAE) 기술의 통합은 모든 제품이 전자제품화되는 현 상황에서 복합 시스템의 최적화를 가능하게 한다. 정승원 팀장은 “반도체로 대표되는 전자 설계와 기계 시스템 설계의 통합 시너지를 통해, 전기·전자와 기계 시스템을 아우르는 완성도 높은 설루션을 제공할 수 있게 되었다. 건설 장비가 AI와 전동화가 결합된 복합 시스템으로 진화함에 따라, 신뢰성 있는 데이터를 확보하고 가상 개발 기술을 적용하는 것이 무엇보다 중요하다”고 강조했다.   ▲ ‘건설 장비 산업 트렌드 및 도전과제’에 대해 발표한 정승원 팀장   다물체 동역학 기반의 장비 성능 및 안정성 검증 건설 장비는 험지 작업이 많아 하중 변화가 극심하며 전복 등 안전사고 위험이 상존한다. 이를 극복하기 위해 ‘아담스(Adams)’를 활용한 다물체 동역학(MBD) 해석이 중추적인 역할을 수행한다. 가상 환경에서 장비의 작업 시나리오를 구현하고 각 부품에 걸리는 동적 하중을 정확히 산출함으로써, 실제 환경에서 테스트하기 위험하거나 비용이 많이 드는 극한 상황을 사전에 검증할 수 있다. 이러한 데이터는 구조 해석과 피로 해석의 신뢰도를 결정짓는 기초가 되며, 장비의 안정성과 신뢰성을 확보하는 데 기여한다.   ▲ ‘건설기계 및 중장비 분야에서의 다물체 동역학 사례’를 주제로 발표한 김진식 팀장   김진식 팀장은 “가상 시뮬레이션을 통해 실제 환경에서 테스트하기 위험하거나 비용이 많이 드는 극한 상황을 사전에 검증하여 안전하고 신뢰성 높은 장비를 개발할 수 있다. 아담스 리얼타임 기술을 활용하면 가상 모델을 하드웨어와 직접 연동하여 제어 로직 검증 및 고장 진단까지 물리적 시제품 없이 완벽하게 수행할 수 있다”고 말했다.   전동화 구동계의 효율과 내구성 최적화 이재욱 매니저는 전동화 건설 장비의 핵심인 구동계 설계 설루션 ‘로맥스(Romax)’를 소개했다. 엔진 소음이 사라지면서 기어와 베어링에서 발생하는 고주파 소음(NVH)이 새로운 문제로 떠오름에 따라, 시스템 전체의 거동을 고려하면서도 개별 부품의 미세한 마찰까지 예측할 수 있는 하이브리드 모델링 방식이 강조된다. 이를 통해 에너지 손실을 최소화하고 장비 수명을 연장할 수 있다. 특히 개념 설계 단계부터 상세 설계까지 하나의 설루션으로 제공되어 개발 기간 단축과 비용 절감을 동시에 실현한다. 이재욱 매니저는 “기어와 베어링의 미세한 정렬 불량까지 정밀하게 시뮬레이션하여 에너지 손실을 최소화하고 장비의 수명을 획기적으로 늘리는 것이 구동계 설계의 핵심이다. 로맥스의 하이브리드 모델링은 전체 시스템의 거동을 신속하고 정확하게 예측하여 구성 요소 간의 상호작용을 명확히 이해하게 돕는다”고 전했다.   ▲ ‘로맥스 소프트웨어 설루션’을 주제로 소개한 이재욱 매니저   배터리 수명과 안전을 위한 열 관리 설루션 마지막 세션에서는 전동화 장비의 동력원인 배터리의 효율과 안전을 위해 ‘크래들 CFD(Cradle CFD)’를 활용한 열 관리 전략이 필수라는 설명이 이어졌다. 배터리는 온도에 매우 민감하여 가혹한 건설 현장에서 큰 힘을 쓸 때 발생하는 열 부하를 제어하는 것이 성공의 열쇠다. 고도화된 CFD 기술은 복잡한 장비 내부의 격자 생성 시간을 획기적으로 단축하며, 열 이동 경로를 직관적으로 파악하여 최적의 냉각 성능을 확보한다. 이는 최근 이슈가 되는 배터리 열 폭주 현상을 예측하고 방지하는 데 결정적인 역할을 한다. 임태균 팀장은 “건설 장비는 가혹한 환경에서 큰 힘을 써야 하기에 배터리 열 부하가 매우 크며, 고도화된 CFD 기술로 최적의 냉각 성능을 확보하는 것이 전동화 성공의 열쇠다. 열 관리에 있어 열 이동 경로를 직관적으로 파악하는 것은 병목 현상을 해결하고 시스템의 안정성을 확보하는 가장 기본적인 기능이다”라고 이야기했다.   ▲ ‘고신뢰성 확보를 위한 열 관리’를 주제로 발표한 임태균 팀장   통합 설루션이 이끄는 스마트 건설의 미래 이번 웨비나는 전동화와 AI라는 거대한 흐름 속에서 건설 장비 개발이 더 이상 기계 설계에만 머무를 수 없음을 명확히 보여주었다. 설계 초기 단계부터 시스템 전체를 아우르는 통합 시뮬레이션 환경을 구축하는 것은 시행착오를 줄이고 성능을 극대화하는 핵심 경쟁력이다. 각 분야 전문가들이 강조한 ‘심리스(seamless) 워크플로’는 제품의 품질 향상은 물론, 숙련된 기술자의 노하우를 디지털 자산화하여 미래 기술로 계승하는 데 결정적인 역할을 할 것으로 기대된다.     ■ 기사 내용은 PDF로도 제공됩니다.

  개발 및 공급 : 지멘스 디지털 인더스트리 소프트웨어 주요 특징 : AI 기반 자동화로 지능형 어셈블리/도면 생성/빌트인 대화형 어시스턴트 통해 설계 워크플로 향상, 어셈블리/판금·도면 작업의 생산성 개선 통해 재사용성/제조 가능성/문서 정확도 간소화, 현대적인 UX와 클라우드 통합을 통해 유연한 라이선 및 다양한 기기 간 원활한 구성 통한 맞춤형 경험 제공 등   ▲ 디자인센터 솔리드 엣지 2026은 새로운 AI 코파일럿을 도입함으로써 자연어 입력을 통해 사용자가 도움말 자료를 신속하게 찾을 수 있도록 지원한다. 또한 눈의 피로를 줄이고 시각적 대비를 향상시키는 새로운 다크 테마를 제공한다.   지멘스 디지털 인더스트리 소프트웨어가 디자인센터 솔리드 엣지(Designcenter Solid Edge) 소프트웨어의 최신 업데이트를 발표했다. 최신 업데이트에는 AI 기반 신규 기능과 생산성, 문서화, 사용자 경험 개선 사항이 포함된다. 이는 설계 및 엔지니어링 팀이 온프레미스와 클라우드 환경 전반에서 보다 수월하게 협업하고, 빠르고 스마트하게 작업할 수 있도록 지원한다.   AI 기반 설계 디자인센터 솔리드 엣지 2026 업데이트는 설계 워크플로를 혁신하는 지능형 자동화 기능을 도입한다. 새로운 마그네틱 스냅 어셈블리(Magnetic Snap Assembly) 기능은 AI 기술을 활용해 제약 조건을 자동 적용함으로써 부품 배치 속도를 높인다. 한편 새로운 자동 도면 기능은 AI를 사용해 최소한의 입력만으로 2D 도면 뷰(치수가 포함된 직교, 단면, 등각 투영 뷰 포함)의 최대 80%를 생성한다. 또한, 디자인센터 솔리드 엣지는 설계 환경 내에서 실시간 상황 인식 지원을 제공하는 대화형 AI 챗봇인 디자인 코파일럿(Design Copilot)을 도입한다.   ▲ 디자인센터 솔리드 엣지 2026의 마그네틱 스냅 어셈블리는 AI를 활용해 부품 배치 시 다중 메이트(mate)를 자동으로 감지하고 적용한다.   어셈블리와 판금 생산성 새로운 도구는 복잡한 어셈블리를 단순화하고 제조 준비도를 향상시킨다. 새로운 파트 디스플레이 컨피규레이션(Part Display Configuration)과 향상된 비주얼 익스플로드(Visual Explode) 기능은 문서화와 재사용을 지원한다. 통합된 탭과 슬롯 생성, 다중 에지 플랜지 트리밍, 벽 두께 지원은 재작업을 줄이고 제조 가능성을 개선한다.   ▲ 디자인센터 솔리드 엣지 2026의 탭(tab)과 슬롯(slot) 기능은 판금 부품 간 정밀한 맞물림 연결을 자동으로 생성한다. 이 기능은 용접 또는 어셈블리 시 완벽한 정렬과 자체 고정 기능을 보장함으로써 수동 설정을 줄이고 제조 정밀도를 향상시킨다.   도면 작성과 문서화 디자인센터 솔리드 엣지는 이제 더욱 강력한 도면 작성과 모델 기반 정의(MBD) 기능을 제공한다. 네이티브 개정 테이블, 자동 홀 공차 지정, 그리고 3D PDF 내보내기 시 PMI 단면도 뷰를 지원하여 정확성과 규정 준수가 향상된다. 사용자 정의 기호와 도면 뷰의 음영 처리된 데칼(decal)은 팀 간 협업과 후속 공정에서의 시각적 커뮤니케이션을 강화한다.   ▲ 디자인센터 솔리드 엣지 2026의 AI 기반 자동 도면 생성 기능은 즉시 최대 80% 완성된 2D 문서를 생성한다. 더불어 지능형 뷰 배치, 치수 표시, 템플릿 선택 기능을 제공한다.   사용자 경험과 클라우드 통합 이번 업데이트는 더욱 현대적이고 개인화된 설계 경험을 제공한다. 새로운 다크 테마, 확장 가능한 SVG 아이콘, 그리고 새롭게 디자인된 커맨드 바는 사용성을 개선하고 시각적 피로를 낮춘다. 클라우드 기반 설정 동기화는 기기 간 일관된 구성을 보장한다. 또한 가치 기반 라이선싱은 실제 사용량에 맞춰 고급 도구에 대한 유연한 토큰 기반 접근을 제공한다.   디자인센터 X 솔리드 엣지로 클라우드에 고급 설계 기능 지원 디자인센터 X 솔리드 엣지(Designcenter X Solid Edge) 소프트웨어는 클라우드 중심 모바일 워크플로를 위한 하이브리드 SaaS(software as a service) 기능을 도입함으로써 디자인센터 솔리드 엣지의 데스크톱 기능을 보완한다. 사용자는 지정 사용자 라이선싱을 통해 선호 설정을 동기화하고, 여러 기기에서 도구에 접근하며, 보다 유연하게 협업할 수 있다. 지멘스 디지털 인더스트리 소프트웨어의 존 밀러(John Miller) 메인스트림 엔지니어링 부문 수석 부사장은 “지멘스는 디자인센터 솔리드 엣지 2026와 디자인센터 X 솔리드 엣지를 통해 현대 엔지니어링 팀의 변화하는 요구를 충족하는 보다 스마트하고 연결된 설계 경험을 제공한다. 강력한 AI 자동화와 유연한 클라우드 워크플로의 결합은 고객이 혁신을 가속화하고, 복잡성을 줄이며, 빠르게 변화하는 시장에서 경쟁력을 유지할 수 있도록 돕는다”고 말했다. 디자인센터 솔리드 엣지 2026과 디자인센터 X 솔리드 엣지는 지멘스 엑셀러레이터(Siemens Xcelerator) 포트폴리오의 일부로 제공된다.   실토막 그룹의 디자인센터 솔리드 엣지 채택 브라질의 실토막 그룹(The Siltomac Group)은 디자인센터 솔리드 엣지를 활용해 동물 영양 자동화 장비를 설계하고 제작하고 있으며, 대·중·소 모든 규모의 생산자가 사용할 수 있는 기계화, 자동화 장비의 기술 혁신을 통해 축산업 강화에 기여하고 있다. 실토막의 마리아나 호드리게스(Mariana Rodrigues) COO는 “새로운 디자인센터 솔리드 엣지 2026 출시에 깊은 감명을 받았다. 급변하는 시장에서 원활한 협업은 매우 중요하다. 클라우드 기반 디자인센터 X 솔리드 엣지를 통해 우리 팀은 언제 어디서나 최신 설계에 접근할 수 있으며, 클라우드 스토리지로 데이터를 체계적으로 정리하고 안전하게 보관할 수 있다. 이번 업데이트는 생산성을 크게 향상시키고 혁신을 촉진할 수 있는 중요한 도약”이라고 말했다. 또한 “예를 들어, 새로운 워크스루(Walkthrough) 커맨드는 우리가 설계를 보여주는 방식을 완전히 바꿔 놓았다. 몰입감 넘치는 시각적 투어를 통해 고객과 다른 팀이 설계를 보다 직관적이고 흥미롭게 이해할 수 있도록 지원한다. 수천 개의 부품으로 구성된 장비의 복잡성을 고려할 때, 어셈블리 설계 과정에서 절약되는 시간은 매우 중요하다. 새롭게 도입된 AI 기반 마그네틱 스냅 기능은 어셈블리 설계 속도를 몇 배로 높일 수 있다. 이는 엔지니어가 설계를 더 빨리 완성하고 테스트를 조기에 시작할 수 있음을 의미하며, 고객 요구에 신속히 대응해 경쟁에서 앞서 나갈 수 있도록 한다“고 덧붙였다.     ■ 기사 내용은 PDF로도 제공됩니다.

제품 개발 혁신을 돕는 크레오 파라메트릭 12.0 (4)   이번 호에서는 크레오 파라메트릭 12.0(Creo Parametric 12.0) 버전에서 모델 기반 정의(Model-Based Definition : MBD) 기능의 최신 개선사항을 살펴보자. 크레오 MBD(Creo MBD)는 제품의 모든 제조 및 설계 정보를 3D 모델 안에 직접 입력하여, 별도의 2D 도면 없이도 명확하게 데이터를 전달할 수 있는 방법이다. 이번 업데이트에서는 기하공차 주석의 매개 변수 콜아웃, 주석 피처의 체계적 의미 정의, 기준 대상 전파, 치수 기준 기호 배치, 주석 관리 및 재사용, 패턴 서피스 검색, 원통축 치수 정의 등 여러 실무적 기능이 한층 강화되어 실제 업무 활용도가 크게 높아졌다.   ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 홈페이지 | www.digiteki.com   기하 공차 콜아웃 지원 크레오 파라메트릭 12에서는 기하 공차의 추가 텍스트 필드에 매개 변수를 직접 입력하여 콜아웃을 자동 생성할 수 있다. 기하 공차를 선택하면 나타나는 추가 텍스트 패널에서 매개 변수를 지정할 수 있어, 이후 모델을 변경할 때마다 수동으로 텍스트를 수정하지 않아도 된다. 이로 인해 작업 과정의 효율성이 크게 높아지고, 실수 없이 일관된 공차 정보를 유지할 수 있다. 또한 해칭 디자이너를 드로잉 모드에서 사용할 수 있어 PAT 해칭 패턴 생성 및 편집도 가능해졌다.     콜아웃을 하기 위해 ‘도구’ 탭으로 이동하여 관계식을 열어준다. 관계식에서는 콜아웃 시 사용할 매개변수의 이름을 정하고 생성한다. 여기서는 ‘HOLE_PATTEN_ 98 · COUNT’로 생성한다.     생성한 매개변수를 관계식에 추가하고 목록에서 매개변수를 불러오는 옵션을 선택한다.  찾는 위치를 피처로 변경하여 불러오려는 구멍 패턴의 피처를 선택한다. 구멍 패턴에 생성되어 있는 매개변수가 리스트에 나타나고, 이 매개변수를 선택하여 선택한 항목 삽입을 눌러 관계식에 추가한다. 관계식에 매개변수가 추가가 되면  검증 버튼을 눌러 관계식을 검증하고, 생성했던 매개변수 HOLE_PATTEN_ COUNT 값이 업데이트되었는지 확인하고 관계식 창을 닫는다.     이제 사전에 생성된 기하공차를 선택하고  상단에 추가 텍스트를 눌러 콜아웃을 위해 생성한 매개변수를 입력한다. X &HOLE_PATTEN_COUNT를 입력하면 패턴 개수에 맞춰 구멍의 정보가 자동 기입된다. 패턴의 값을 변경하여 구멍의 개수가 달라지더라도 매번 수동으로 입력하는게 아니라 자동으로 반영되어 실수를 줄이고 쉽게 유지관리할 수 있다.   의도 체인을 활용한 주석 참조 수집 크레오 파라메트릭 12에서는 주석 피처 작성 시, 의도 체인을 주석 참조로 쉽게 수집할 수 있다. 그래픽 영역에서 목록 선택 또는 의도 체인 수집 기능을 활용해 여러 형상을 한 번에 주석 참조로 지정할 수 있어 보다 빠르고 효율적으로 작업할 수 있다.     주석 달기를 통해 생성한 주석 피처에 의도 체인으로 생성한 체인을 활용할 수 있게 되었다. 주석 피처에 체인 항목을 추가하기 위해 ‘확인’을 눌러 창을 닫는다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.