심센터 HEEDS 더 깊게 살펴 보기 (8)   이번 호에서는 어떠한 형식의 해석 입출력 파일이라도 직관적이고 효율적으로 연결할 수 있도록 돕는 5가지 태깅 모드(tagging mode)의 원리와 특징을 소개한다. 나아가 수십· 수백 개의 매개변수를 다룰 때 작업 시간을 획기적으로 단축할 수 있는 오토 태깅(auto-tagging) 워크플로와 파이썬 로직을 결합한 고급 실무 활용 사례까지 함께 살펴보고자 한다. 이를 통해 데이터 연결 작업의 진입 장벽을 낮추고, 설계 탐색에 온전히 집중할 수 있는 방향을 제시할 것이다. ■ 연재순서 제1회 심센터 HEEDS 커넥트와 MBSE 방법론 제2회 심센터 X MDO의 새로운 HEEDS 제3회 심센터 HEEDS SHERPA의 최적 검색 원리 제4회 최적 검색 가속화를 위한 AI 프레딕터 제5회 심센터 HEEDS 2604 업데이트 제6회 모두를 위한 제너럴 포털과 맞춤 설정 제7회 특별한 워크플로 구성 및 자동화 제8회 다양한 매개변수를 위한 태깅 모드 제9회 복잡한 설정을 한번에, 오토메이션 스크립트 제10회 파이썬 스케줄러와 HEEDS 연동 제11회 심센터 HEEDS 2610 업데이트 제12회 데이터 분석을 위한 HEEDSPy API   ■ 이종학 지멘스 디지털 인더스트리 소프트웨어에서 심센터 HEEDS를 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 링크드인 | www.linkedin.com/in/jonghaklee-odumokgol   시뮬레이션 자동화 및 최적화 프로세스를 성공적으로 구축하기 위해 가장 기본적이면서도 중요한 단계는 바로 해석 모델과 최적화 알고리즘 간의 ‘매개변수(parameter) 연결’이다. 최적화 알고리즘이 광범위한 설계 공간을 탐색하기 위해서는, 매 해석 사이클마다 입력(input) 파일의 특정 변수 값을 변경하여 모델을 구동하고, 해석이 완료된 후에는 수많은 데이터가 담긴 결과(output) 파일에서 원하는 성능 지표를 한 치의 오차 없이 추출할 수 있어야 한다. 심센터 HEEDS(Simcenter HEEDS)는 이러한 매개변수 연결 과정을 ‘태깅(tagging)’이라는 직관적이고 유연한 기능으로 제공한다. 사용자가 입력 파일의 특정 위치를 태깅하면, HEEDS(히즈)는 기존에 적혀 있던 기준값(baseline value)을 새로운 설계안의 값으로 치환하여 해석을 수행한다. 반대로 출력 파일에서 특정 위치를 태깅하면, HEEDS는 해당 위치의 데이터를 읽어와 최적화 결과 지표로 활용한다. 이번 호에서는 단순한 텍스트 파일부터 복잡한 상용 해석 툴의 데이터 구조까지, 어떠한 형태의 파일이라도 매끄럽게 연결할 수 있도록 HEEDS가 제공하는 다섯 가지 태깅 모드를 깊게 살펴본다. 아울러 이 과정에서 사용자 인터페이스(UI)가 어떻게 구성되어 있는지, 수백 개의 변수를 다룰 때 작업 효율을 어떻게 극대화할 수 있는지 통합적인 관점에서 소개한다.   그림 1. HEEDS의 태깅 개념   직관적인 UI를 결합한 5가지 태깅 모드 딥다이브 HEEDS는 해석 툴의 특성과 파일 구조의 복잡성에 따라 맞춤형으로 대응할 수 있는 5가지의 태깅 모드를 제공한다. 각 모드는 사용자 친화적인 설정 화면과 함께 고유의 파싱(parsing) 능력을 발휘한다.   구분자/고정 폭 기준 태깅 : 정적 ASCII 파일의 완벽한 제어 해석 입출력 파일로 가장 널리 쓰이는 CSV나 텍스트(TXT) 형식의 파일은 보통 특수한 기호로 데이터가 구분되어 있거나, 일정한 글자 폭을 기준으로 데이터가 나열되어 있다. 구분자 기준 태깅(Delimited Tagging) : 공백(space), 탭(tab), 쉼표(comma) 등의 구분자(delimiter)를 기준으로 파일을 행과 열로 분할한다. 엑셀과 같이 익숙한 스프레드시트 형태로 파일 내용이 표시되며, 사용자는 원하는 셀을 클릭하여 태그를 생성할 수 있다. 필요에 따라 `="()`와 같은 복잡한 사용자 정의 구분자도 추가할 수 있어 유연성이 높다. 고정 폭 기준 태깅(Fixed-Width Tagging) : 과거부터 사용되어 온 일부 레거시 FEA 코드(예 : 나스트란 등)는 열 너비(column width)가 엄격하게 정해져 있어, 값이 특정 위치를 벗어나면 해석 오류를 일으킨다. HEEDS는 이러한 파일의 열 너비를 시각적으로 지정하여 데이터를 분할할 수 있게 해주며, 태깅된 변수에 값을 쓸 때도 지정된 고정 폭(fixed-width format)을 유지하도록 보장한다.   그림 2. 구분자 및 고정폭 설정 예시   그림 3. 구분자 및 고정 폭 설정 예시   XML 태깅과 계층 구조 제어 최신 해석 툴이나 복잡한 설정 파일은 태그(element)와 속성(attribute)이 중첩된 트리 형태의 XML(또는 HTML) 형식을 취하는 경우가 많다. XML 파일은 구조적이지만, 사람이 직접 텍스트로 보며 태깅하기에는 눈이 쉽게 피로해진다. HEEDS의 XML 태깅 모드는 파일을 파싱하여 ‘요소 ID(element ID)’와 ‘태그 값(tag value)’만을 깔끔한 표 형태로 나타낸다. 여기서 가장 돋보이는 기능은 XML Element Configuration 창에서 불필요한 하위 요소(child elements)의 표시 여부를 체크박스로 켜거나 끄는 것이 가능하다는 점이다. 이를 통해 사용자는 수만 줄에 달하는 방대한 XML 파일에서도 원하는 데이터 노드만을 화면에 필터링해 띄워 놓고 손쉽게 태깅을 진행할 수 있다.   그림 4. XML 파싱 및 하위 요소 제어 화면   스크립트 태깅의 강력한 커스터마이징과 즉각 검증 해석이 끝난 후 생성되는 결과 파일(예 : `*.f06`, 동적 `*.csv` 등)은 매 해석마다 출력되는 텍스트의 줄 수나 위치가 달라질 수 있다. 이런 동적인 파일 구조에서는 고정된 행/열을 지정하는 방식이 통하지 않는다. 이때 HEEDS 고유의 스크립트 태깅(script tagging)이 진가를 발휘한다. 파이썬(Python) 기반으로 설계된 이 모드는 코딩 지식이 없어도 제공되는 버튼 명령어를 블록 쌓듯 조합하여 강력한 스크립트를 작성할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   헤르메스(Hermes)는 중앙 집중형 AI의 한계를 극복하고 독립적인 주권적 AI를 구현하기 위해 개발된 로컬 에이전트이다. 사용자 로컬 환경에서 독립 구동되는 헤르메스는 웹 리서치, 디버깅, 멀티 에이전트 협업 등 다양한 업무를 스스로 처리한다. 나아가 로컬 서빙 도구와 연동하면 무료로 고성능 에이전트 생태계를 구축할 수 있다. 이번 호에서는 헤르메스 에이전트의 등장 배경과 설치 방법, 주요 기능 및 활용 사례를 소개한다.   ■ 강태욱 건설환경 공학을 전공하였고 소프트웨어 공학을 융합하여 세상이 돌아가는 원리를 분석하거나 성찰하기를 좋아한다. 건설과 소프트웨어 공학의 조화로운 융합을 추구하고 있다. 팟캐스트 방송을 통해 이와 관련된 작은 메시지를 만들어 나가고 있다. 현재 한국건설기술연구원에서 BIM/GIS/FM/BEMS/역설계 등과 관련해 연구를 하고 있으며, 연구위원으로 근무하고 있다. 페이스북 | www.facebook.com/laputa999 블로그 | http://daddynkidsmakers.blogspot.com 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | www.facebook.com/groups/digestpodcast   헤르메스(Hermes)는 서버리스로 자체 로컬 컴퓨터에 설치할 수 있는 에이전트이다. 스스로 발전할 수 있도록 구현되어 있어, 지식을 계속 축척하고 이를 재사용할 수 있다. 헤르메스 프로젝트는 중앙 집중형 AI의 한계를 극복하기 위해 누스 리서치(Nous Research)에 의해 개발되었다. 누스 리서치는 특정 기업의 이익보다 오픈소스 AI 모델의 성능 향상과 보급을 목적으로 하는 연구 커뮤니티이자 조직이다. 이들은 이미 AI 오픈소스 프로젝트를 통해 세계 AI 개발자들 사이에서 신뢰를 쌓아왔다. 특정 기업에 종속된 클라우드 기반 AI 와 달리, 사용자의 로컬 환경에서 독립적으로 작동하는 주권적 AI(sovereign AI) 구현을 목표로 한다. 개발팀은 사용자가 자신의 하드웨어 자원을 활용해 보안 걱정 없이 고성능 AI 비서를 운용할 수 있는 생태계를 구축하고자 이 에이전트를 세상에 내놓았다. 헤르메스 에이전트의 공식 정보와 최신 소스 코드는 공식 깃허브(GitHub) 저장소 및 프로젝트 웹사이트를 통해 제공된다. 개발자들과의 원활한 소통 및 기술 지원은 주로 디스코드(Discord) 커뮤니티나 관련 포럼을 통해 이루어지며, 이곳에서 사용자는 최신 업데이트 소식과 문제 해결 방법을 공유받을 수 있다. 헤르메스 에이전트는 현재 매우 빠른 속도로 발전 중이다. 초기에는 단순한 텍스트 기반 응답에 집중했으나, 현재는 도구 사용(tool use), 웹 브라우징, 그리고 장기 기억(long-term memory) 기능을 통합하여 복잡한 태스크를 수행할 수 있는 수준에 도달했다. 특히 오픈소스 커뮤니티의 활발한 참여로 인해 다양한 로컬 LLM(대규모 언어 모델)과의 호환성이 강화되고 있으며, 최적화 작업을 통해 사양이 낮은 개인용 PC에서도 원활하게 구동될 수 있도록 경량화가 진행되고 있다.   설치 방법 설치는 리눅스에서 다음과 같이 실행한다.   curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash   그림 1   만약 이전에 오픈클로(OpenClaw) 에이전트를 설치했다면, 해당 설정을 임포트할 것인지 <그림 2~3>과 같이 질문한다. 필자는 오픈클로를 설치할 때 사용할 LLM 모델 등을 미리 설정하였기 때문에, 이 설정 정보를 그대로 가져오기로 했다.   그림 2   그림 3   그림 4   대부분 디폴트값으로 설정한다. 그러면 <그림 5>와 같이 마지막에 설정 수정 명령과 함께 에이전트를 실행할 지 물어본다. 엔터 키를 눌러 실행한다.   그림 5   그러면 <그림 6>과 같은 화면을 볼 수 있을 것이다.   그림 6     ■ 자세한 기사 내용은 PDF로 제공됩니다.

어도비가 생성형 인공지능(AI) 검색 환경에서 기업 브랜드의 가시성을 높이고 신뢰를 구축할 수 있도록 돕는 ‘어도비 브랜드 비저빌리티(Adobe Brand Visibility)’를 발표했다. 이 설루션은 기업이 고객 생애주기 전반을 관리하도록 돕는 에이전틱 AI 시스템인 ‘어도비 CX 엔터프라이즈(Adobe CX Enterprise)’의 일부로 제공된다.     최근 AI 기반 채팅 서비스와 브라우저로 제품을 탐색하고 평가하는 소비자가 늘고 있다. 어도비가 공개한 데이터에 따르면 2024년 10월부터 2026년 5월 사이 미국 소매 사이트로 유입된 AI 트래픽은 1324% 증가했다. 같은 기간 여행 업계의 AI 트래픽도 2215% 늘어나며 성장세를 보였다. 어도비 브랜드 비저빌리티는 생성형 엔진 최적화(GEO)를 위한 포괄적인 설루션이다. 어도비 LLM 옵티마이저(Adobe LLM Optimizer) 기능과 셈러쉬(SeMRush)의 AI 최적화 기술을 결합했다. 약 3억 개의 실제 AI 검색 프롬프트 데이터베이스를 바탕으로 챗GPT, 구글 AI 모드, 마이크로소프트 코파일럿, 퍼플렉시티 AI 등 주요 AI 환경에서 브랜드 언급 빈도, 청중 도달, 경쟁사 대비 점유율, 콘텐츠 공백을 분석한다. 분석 후에는 AI 에이전트가 우선순위가 높은 권장 사항을 제시하며, 사용자는 몇 분 안에 업데이트를 적용할 수 있다. 어도비 애널리틱스(Adobe Analytics)와 연동해 모든 작업을 영업 파이프라인 및 매출과 연결해 단일 워크플로로 관리하는 것도 가능하다. 또한 셈러쉬 데이터 기반 가시성 인사이트, 프롬프트 전략 제시, 경쟁 브랜드 비교, 에지 환경 AI 에이전트를 통한 자동 최적화, 285억 개 키워드 기반 SEO 인텔리전스 등을 제공한다. 어도비 브랜드 비저빌리티는 독립 애플리케이션으로 사용하거나, 콘텐츠 및 애셋 관리 시스템인 어도비 익스피리언스 매니저(Adobe Experience Manager)와 통합해 활용할 수 있다. 어도비의 아닐 차크라바티 고객 경험 오케스트레이션 사업 부문 사장은 “고객이 웹사이트 방문 전 AI 툴과 먼저 상호작용하는 환경에서 가시성은 매우 중요하다”면서, “어도비 브랜드 비저빌리티는 기업이 다양한 AI 환경에서 영향력을 확대하도록 지원하는 포괄적인 설루션”이라고 전했다.

유니티가 7월 21일 열린 글로벌 개발자 콘퍼런스 ‘유나이트 서울 2026’에서 차세대 게임 제작 플랫폼 ‘유니티 7(Unity 7)’에 대한 계획을 발표했다. 유니티 7은 게임을 개발하고 배포하며 성장시키기 위해 설계된 개방형 협업 플랫폼이다. 최근 게임 제작 방식은 창작자와 팀, 코딩 에이전트가 제작 전체 과정에서 함께 협업하는 구조로 변화하고 있다. 유니티 7은 이러한 환경에 맞춰 개발자, 아티스트, 프로듀서, 코딩 에이전트가 전체 개발 라이프사이클에 걸쳐 함께 작업할 수 있도록 지원한다. 유니티 7은 개발자가 사용하는 인공지능(AI) 도구와 연동되어 아이디어를 실행 가능한 게임으로 빠르게 발전시킨다. 규모에 관계없이 모든 팀이 게임을 제작하고 수익화하며 성장하도록 돕는다. 유니티 6에서 전환할 때 프로젝트를 다시 빌드하거나 새로운 언어를 배울 필요가 없으며, 기존 작업물의 호환성을 유지하며 원활하게 전환할 수 있도록 설계된다.     유니티 7은 다섯 가지 핵심 축을 기반으로 구축된다. 현대화된 코어를 기반으로 개발 파이프라인 전체를 가속화한다. 개발자는 거의 즉시 실행되는 플레이 모드, 변경된 코드에만 적용되는 도메인 리로드, 최대 90% 빨라진 셰이더 빌드를 활용할 수 있다. 또한 새로운 명령 줄 인터페이스(CLI)와 공개 애플리케이션 프로그래밍 인터페이스(API)를 통해 팀 전체에 제작 과정을 개방한다. 아티스트와 프로듀서는 에디터 전체 접근 권한이 없어도 각자의 도구에서 애셋을 검증하고 빌드를 배포할 수 있다. 무료 모델 콘텍스트 프로토콜(MCP)을 활용하면 코딩 에이전트를 유니티와 직접 연결한다. 새로운 렌더링 기술은 모든 플랫폼에서 사실적인 조명과 시각적 디테일을 구현한다. 서피스 캐시 글로벌 일루미네이션(Surface Cache GI)을 통한 실시간 광원 효과와 AI 보조 그래픽 최적화 기술을 포함한다. 이외에도 유니티 광고 플랫폼인 유니티 벡터(Unity Vector)를 통해 적합한 플레이어와 게임을 연결하며, 네이티브 직접 판매 방식(D2C) 인앱결제, 노코드 웹숍, 통합 카탈로그를 제공하여 수익화를 지원한다. 아울러 유니티 6의 아키텍처를 계승해 기존 프로젝트와 코드를 차세대 버전으로 손쉽게 이어갈 수 있다. 유니티에 따르면 유니티 7은 12월에 초기 베타 테스트를 시작하며, 정식 버전은 2027년 1분기에 출시될 예정이다. 유니티의 매튜 브롬버그 최고경영자(CEO)는 “게임 개발이 역사상 그 어느 때보다 빠르게 변화하고 있다”면서, “미래는 가장 규모가 큰 팀이 아니라 새로운 기술로 고유한 콘텐츠를 만들고 플레이어를 확보할 수 있는 팀의 것이 될 것이며, 유니티 7은 바로 이러한 시대적 요구에 부응하는 플랫폼”이라고 밝혔다.

body { height: 2162px; width: 750px; margin-left: auto; margin-right: auto; }   바로가기 링크 >    [온디맨드 웨비나] AI와 클라우드로 진화하는 NX X    무료 트라이얼 이벤트 (트라이얼 체험 후, 솔루션 도입 시 버즈3 선착순 증정)   

대한민국 대도약 3대 메가프로젝트(이미지 제작 : 챗GPT)   대한민국 대도약 이끌 3대 메가프로젝트 반도체 피지컬AI 데이터센터 총력 지원 정부가 확실한 미래 기술 초격차를 확보하고 글로벌 기술 전쟁의 판세를 주도하기 위한 대한민국 대도약 3대 메가프로젝트를 수립하고 국가 역량을 총동원한 총력지원체계에 돌입했다. 이번 프로젝트는 반도체, 피지컬 AI, AI 데이터센터 등 3대 핵심 분야를 중심으로 강력한 인프라와 기업형 첨단도시 조성을 연계하여 국가 경제의 대도약을 실현하는 선제적 초격차 전략이다. 반도체 3S+1F 전략으로 대체불가 K-반도체 강국 도약 정부는 메모리 분야의 압도적 초격차를 유지하고 AI 시대의 미래 반도체 시장을 선점하기 위해 속도전(Speed), 거점전(Stronghold), 선도전(Spearhead), 총력지원체계(Full-support)를 골자로 하는 3S+1F 전략을 추진한다. 속도전을 통해 수도권 반도체 생산 거점을 조기에 완성할 계획이다. 용인 국가산단과 일반산단의 최종 팹 완공 시점을 각각 7년, 12년 단축함으로써 5년 내 메모리 생산 능력을 2배로 확대하고 경쟁국의 추격을 물리친다는 구상이다. 거점전은 반도체 성장 동력을 전국으로 확장하는 방안이다. 서남권에는 총 800조원 규모의 반도체 팹 4기 및 협력사 인력 생태계를 구축해 제2의 생산거점을 마련한다. 충청권에는 81조원을 투자하여 온양, 천안 신규 HBM 팹 건설과 청주 HBM 패키징 투자를 지원함으로써 첨단 후공정 생태계를 확충한다. 동남권과 대경권은 소부장 혁신 거점으로 조성하여 공급망을 안정화하고 전력반도체 등 미래 반도체를 육성한다. 선도전 영역에서는 차세대 메모리, 엣지용 AI 반도체, 국방반도체 등 성장 잠재력이 높은 유망 시장 선점을 위해 향후 15년간 30조원 이상의 재원을 투입해 전주기 지원체계를 마련한다. 이를 뒷받침하기 위해 대통령 주재 반도체 경쟁력 강화 특별위원회와 산업부 내 반도체 혁신지원단 등 전 국가적 총력지원체계를 가동한다.   피지컬AI 3M 전략과 국가전략산업 육성 휴머노이드 등 산업과 일상의 대변혁을 가져올 피지컬 AI 분야에서는 글로벌 3강 도약을 위한 3M 전략을 수립했다. 먼저 주력 제조업의 AI 전환(M.AX)을 위해 로봇, AI, 수요제조업 등 1500여 개 기관이 참여하는 M.AX 얼라이언스를 중심으로 업종별 특화 AI 로봇을 개발하고 매년 1천대 이상을 현장에 보급한다. 핵심 요소기술 경쟁력 확보(Master)를 위해 10대 업종별 데이터팩토리를 구축하여 로봇 파운데이션 모델의 해외 의존도를 낮춘다. 액츄에이터, 로봇손, 센서 등 3대 취약부품의 R&D 투자를 확대하고 5년간 전문인력 1만명을 양성한다. 지역 중심의 신속한 양산 체계 구축(Mass Production)을 위해 새만금에 로봇 파운드리와 부품 클러스터를 조성하고, 대경권 부품기업들의 로봇 부품기업 전환을 지원한다. 정부의 선제 구매와 국민성장펀드를 통한 투자자금 지원도 병행된다. 정부는 향후 3년을 글로벌 주도권의 골든타임으로 보고 2030년까지 피지컬 AI 글로벌 1강으로 도약하기 위해 대규모 합성데이터 생산 체계인 월드모델 등 인프라를 구축한다. 또한 3년 내 세계 최고 수준의 독자 피지컬 AI 파운데이션 모델을 개발하여 제조, 돌봄, 농업, 안전, 국방 등 전 분야에서 대규모 실증과 상용화를 추진하고 플랫폼 수출을 도모할 계획이다.   대규모 AI 데이터센터 구축으로 성장 기반 확보 인공지능의 심장인 AI 데이터센터 분야에서는 국내 주요 기업들과 협력하여 대규모 인프라 투자를 단행한다. 1단계로 SK 5GW, GS 2.4GW, 네이버 1GW 등 총 8.4GW 규모의 AI 데이터센터를 구축하기 위해 약 550조원을 투자한다. 나아가 SK와는 2035년까지 15GW로 확장하는 2단계 프로젝트를 추진하여 최종적으로 총 18.4GW의 데이터센터를 확보할 예정이다. 이와 연계하여 NPU 등 국산 AI 반도체를 필두로 하는 추론 시장 선점과 국산 전력, 냉각 설루션의 글로벌 진출을 지원한다. 초대형 테스트베드가 포함된 AI 데이터센터 클러스터를 조성하고 수요 기업과의 얼라이언스를 통해 공동 실증 및 수출을 추진한다. 대규모 클러스터링과 AI 개발도구 등 클라우드 기술력 확보를 지원해 학습에서 추론 중심으로 전환되는 시장에서 독자적인 NPU 생태계를 확충하고, 대규모 토큰 생산 능력을 기반으로 국민 누구나 에이전틱 AI를 누리는 AI 기본사회를 실현할 방침이다.   안정적 전력 용수 공급과 전기국가 전환 인프라 지원 3대 메가프로젝트의 성공적 안착을 위해 정부는 AI 시대를 선도하는 전기국가 비전을 통해 전력과 용수를 적기에 공급한다. 용인 반도체 산단에는 기존 송전선로 활용 및 지중화를 통해 전력망을 신속히 구축하고, 통합용수공급사업 조기 준공으로 용수를 공급한다. 서남권 산단에는 재생에너지와 원전을 활용한 전력 공급 및 대체 수자원 확보를 추진한다. AI 데이터센터는 입지에 따라 재생에너지, 원전, 화석연료를 조화롭게 활용하고, 345kV 계통 여유 변전소 정보를 공개해 입지 분산을 유도하며 비수도권 데이터센터는 전력계통영향평가를 신속히 처리한다. 2030년까지 재생에너지 100GW를 조기 달성하고 원전, SMR, 에너지저장장치를 적극 활용한다. 송전망 확충과 계통안정화 설비 도입으로 전력계통의 안정성을 높이며, 지역별 전기요금제와 AI 데이터센터 전용 요금제를 도입해 첨단산업의 경쟁력을 뒷받침할 계획이다.   글로벌 첨단산업 1번지 기업형 첨단도시 조성 기업 투자가 지역 성장으로 이어지도록 양산, 실증, 연구 기능이 융합된 뉴공간 프로젝트인 기업형 첨단도시 조성방안의 4대 전략을 시행한다. 첫째, 도시계획 규제를 최소화하고 기업이 사업 시행 및 개발에 직접 참여할 수 있는 기업 맞춤형 입지를 공급하며 초저리 장기 임대 산단 지정을 검토한다. 둘째, 주거, 문화, 교육, 의료 등 정주 여건과 거점 국립대 연계 연구혁신 기반을 갖춘 매력적인 도시를 조성한다. 셋째, 정주지까지 30분, 물류거점까지 1시간 이내 이동을 목표로 고속 교통 인프라를 확보하고 연계 교통망을 개선한다. 넷째, 인허가, 보상, 설계 병행 및 패스트트랙을 도입하여 산단 조성 기간을 절반 이상 단축하는 신속 조성체계를 구축한다. 정부는 이번 3대 메가프로젝트를 대한민국 경제의 초격차 전략 핵심으로 삼고, 민관 긴밀한 소통과 국가 역량 총동원을 통해 세부 과제들을 차질 없이 완수해 나갈 계획이다. 상세 내용은 링크에서 확인 가능하다.

마크포지드코리아는 캐드앤그래픽스 CNG TV에서 7월 21일 오후 2시에 '고강성 연속섬유 3D 프린팅을 통한 항공우주·방위산업 제조 혁신'을 주제로 웨비나를 개최한다.  이번 방송은 급변하는 글로벌 안보 환경과 공급망 재편 속에서 더 가볍고 튼튼한 부품을 신속하게 생산해야 하는 관련 업계의 기술적 갈증을 해소하기 위해 기획되었다. 급변하는 글로벌 안보 환경과 공급망 재편 속에서 항공우주·방위산업은 더 가볍고, 더 강하며, 더 빠르게 생산할 수 있는 새로운 제조 방식을 요구받고 있다. 마크포지드의 연속섬유 강화(Continuous Fiber Reinforcement) 기술은 연속섬유를 부품 내부에 연속적으로 적층하여 금속 수준의 강도와 뛰어난 내구성과 획기적인 경량화를 실현한다. 이를 통해 생산용 JIG & Fixture, 드론 및 무인체계 부품, MRO 부품, 최종 사용 부품(End-Use Part)까지 신속하게 제작할 수 있다. 또한 금속 대비 획기적인 경량화와 설계 자유도를 확보함으로써 개발 리드타임 단축, 생산성 향상, 공급망 리스크 최소화라는 실질적인 성과를 제공한다. 본 방송에는 마크포지드 코리아(Markforged Korea)의 조성근 지사장이 전문가로 출연하며, 연속섬유 강화(CFR) 기술의 핵심 가치를 풀어낼 예정이다.  이번 웨비나에서는 글로벌 항공우주·방위산업 선도 기업들의 실제 적용 사례를 통해 고강성 복합소재 3D 프린팅이 어떻게 제조 혁신을 가속화하고, 디지털 제조 경쟁력을 강화하는지 소개할 예정이다. 방송 시청을 위한 사전 등록 및 상세 일정 확인은 캐드앤그래픽스 홈페이지 내 CNG TV 등록 페이지에서 확인할 수 있으며, 사전등록 시 무료로 참여 가능하다.  

캐드앤그래픽스 지식방송 CNG TV 지상 중계   CNG TV는 지난 5월 27일 ‘로보틱스의 미래를 여는 시뮬레이션 : 피지컬 AI를 위한 데이터 전략’을 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   로보틱스 시장 트렌드 변화와 피지컬 AI의 도래 케이던스 디자인 시스템즈의 정성원 이사는 로보틱스 산업이 스스로 인지하고 제어하는 ‘피지컬 AI(Physical AI)’로 진화하고 있으며, 그 핵심은 양질의 데이터 세트 확보라고 서두를 열었다. 현재 국내 로봇 업계는 중소기업 비중이 높아 인력과 기술 부족이라는 현실적 어려움을 겪고 있지만, 최근 휴머노이드 로봇이 연구실을 넘어 실제 산업 현장에 양산 및 투입되는 거대한 패러다임의 변화를 맞이하고 있다고 설명했다. 이러한 흐름 속에서 한계를 극복하고 제품 경쟁력을 갖추기 위해서는 현실 세계를 정교하게 반영할 수 있는 고충실도 시뮬레이션을 적극 활용하여 가상 공간에서 신뢰도 높은 데이터를 구축해야 한다고 강조했다. 정승원 이사는 “결국 양질의 데이터를 확보하는 것이 피지컬 AI에 있어서 가장 큰 핵심이며, 그 데이터 세트를 확보하는 데 시뮬레이션이 가장 강력하고 유용한 툴”이라고 말했다.   ▲ ‘피지컬 AI 시대 : 로보틱스는 어떻게 진화하고 있는가?’를 주제로 소개한 정승원 이사   물리 기반 시뮬레이션 아담스를 통한 고정밀 사전 검증 곽병문 이사는 물류 AGV, AMR부터 초정밀 수술 로봇, 휴머노이드까지 로봇의 활용 범위가 폭발적으로 증가함에 따라 다물체 동역학(MBD) 기반의 물리 엔진이 필수라고 설명했다. 기존의 단절된 설계 프로세스와 달리 아담스(Adams) 기반의 통합 루프를 활용하면 비선형적인 관절 거동, 기어 백래시, 링크의 유연성 등을 가상 공간에서 완벽히 모사할 수 있다는 것이다. 이를 통해 고가의 장비 파손 리스크 없이 시스템의 내구성과 동적 궤적의 안정성을 사전에 검증할 수 있으며, NASA(나사)의 화성 탐사선 착륙 시퀀스 검증 사례처럼 가상과 현실의 격차를 최소화하여 피지컬 AI의 학습 데이터로 활용할 수 있다고 전했다. 곽병문 이사는 “가상 공간에서의 AI 학습 데이터가 현실 세계의 물리적인 환경 기반 데이터를 완벽하게 준수하고 잘 따라야 한다 는 규정이 필요하다”고 이야기했다.   ▲ ‘다물체 동역학 : 로보틱스 성능을 결정짓는 물리 기반 시뮬레이션’에 대해 설명한 곽병문 이사   가상 검증 환경 플랫폼을 통한 로봇 루프 검증 박진호 차장은 자율주행 차량과 로봇의 경계가 흐려지는 최근 트렌드를 짚으며, 가상 환경 검증 플랫폼인 ‘VTDX’를 소개했다. 사족 보행 로봇이나 휴머노이드처럼 자유도와 환경 복잡도가 높은 로봇일수록 가상 환경에서의 검증이 필수이다. VTDX는 복잡한 도심 시나리오 속에서 로봇이 센서(라이다, 카메라 등)를 통해 주변 차량이나 보행자와 상호작용하는 환경을 제공한다. 이를 통해 인지·판단· 제어 루프를 가상에서 안전하게 반복 검증함으로써, 현실 세계에 배포하기 전 발생할 수 있는 위험 상황과 에지 케이스를 최소화할 수 있다고 소개했다. 박진호 차장은 “형태와 환경은 달라도 본질은 동일하기 때문에 이 루프가 가상환경에서 반복 검증할 수 있는 도구가 될 수 있고 VTD가 그 역할을 수행한다고 보면 될 것 같다”고 설명했다.   ▲ ‘자율주행을 위한 가상 검증 환경’을 주제로 소개한 박진호 차장   시뮬레이션 데이터 자산화를 위한 SPDM 전략 윤광수 상무는 피지컬 AI와 머신러닝 기반 로봇 개발의 핵심은 알고리즘보다 고품질 대규모 데이터의 생산과 관리에 있다고 강조했다. 그는 시뮬레이션을 단순 검증 도구가 아닌 ‘합성 데이터 공장(synthetic data factory)’으로 정의하며, 수만에서 수십만 개에 이르는 대용량 시뮬레이션 데이터를 체계적으로 자산화해야 한다고 조언했다. 이를 위해 20년 이상 검증된 SPDM 플랫폼인 ‘심매니저(SimManager)’를 제안하였으며, 표준 데이터 저장소 구축, 대규모 멀티런(multi-run) 자동화, HPC/클라우드 컴퓨팅 연동, 데이터 이력 추적을 통해 기업의 디지털 데이터 경쟁력을 극대화하는 방안을 제시했다. 윤광수 상무는 “CAE는 설계된 로봇을 검증하는 단계의 도구에서 AI를 위한 고정밀 물리 데이터 생성기, 즉 데이터 팩토리라는 개념으로 탈바꿈했다”고 강조했다.   ▲ ‘데이터 주도의 로보틱스 : 시뮬레이션 데이터를 자산으로 만드는 전략’을 주제로 설명한 윤광수 상무   피지컬 AI 시대, 로보틱스 혁신 이끌 시뮬레이션·데이터 전략 로보틱스 산업이 스스로 인지하고 제어하는 ‘피지컬 AI’로 진화함에 따라 신뢰도 높은 데이터 확보가 기업의 핵심 경쟁력으로 부상했다. 국내 로봇 업계는 인력과 기술 부족이라는 현실적 한계를 겪고 있으나, 최근 휴머노이드 로봇의 양산 및 산업 현장 투입이 본격화되면서 거대한 패러다임 변화를 맞이하고 있다. 이러한 변혁기 속에서 실제 현장을 정교하게 반영하는 고충실도 시뮬레이션은 가상과 현실의 격차를 줄이고 제품 경쟁력을 높이는 최선의 돌파구다. 케이던스 디자인 시스템즈가 제시한 다물체 동역학 해석 설루션 아담스는 비선형적 관절 거동과 링크의 유연성 등을 고충실도로 모사해 고가 장비의 파손 리스크 없는 사전 검증을 실현한다. 또한 가상 검증 플랫폼 VTDX는 복잡한 도심 시나리오 속에서 로봇의 센서 인지 및 제어 루프를 안전하게 반복 검증하여 현실 배포 전 위험 상황과 에지 케이스를 최소화한다. 궁극적으로 이러한 시뮬레이션 프로세스는 단순 검증을 넘어 AI 학습용 데이터를 양산하는 ‘합성 데이터 공장’으로 진화해야 한다. SPDM 플랫폼인 심매니저를 도입해 대규모 데이터를 체계적으로 자산화하고 이력을 추적할 때 비로소 독보적인 디지털 데이터 경쟁력이 완성된다. 고충실도 시뮬레이션 기술과 데이터 매니지먼트 전략의 융합은 국내 로봇 기업들이 비용과 시간을 획기적으로 절감하며 피지컬 AI 시장의 패러다임을 주도할 핵심 열쇠가 될 전망이다.     ■ 기사 내용은 PDF로도 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.