성공적인 유동 해석을 위한 케이던스의 CFD 기술 (9)   이번 호에서는 다양한 유형의 난류 모델과 사용 시기, 그리고 복잡한 형상을 위한 고충실도 난류 모델링에 있어 케이던스의 밀레니엄 M1 CFD 슈퍼컴퓨터가 어떻게 혁신을 가져오는지에 대해 소개한다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   자동차 산업은 거의 매일 새로운 혁신과 개발이 등장하며 끊임없이 발전하고 있다. 자동차 업계는 전기 구동 차량과 대량 생산이 증가하는 추세에 발맞춰, 보다 지속 가능한 미래를 만들기 위해 노력하고 있다. 2022년 전 세계 자동차 생산량은 5.7% 증가하여 8540만 대를 생산할 것으로 예상된다. 그러나 업계는 여러 디자인 또는 새로운 헤드라이트, 스플리터, 사이드 스커트 추가와 같은 아주 작은 디자인 변경에 대해서도 풍동 테스트 또는 프로토타입 테스트를 수용하면서 연비 기준을 충족해야 하는 과제에 직면해 있다. 그 결과, 항력 계수 등 관심 있는 유동장 정보와 성능 관련 수치를 예측하여 필요한 실험 횟수를 크게 줄일 수 있는 시뮬레이션 기반 접근 방식이 점점 더 인기를 얻고 있다. 유체 흐름의 난류를 이해하고 전산 유체 역학(CFD) 시뮬레이션을 통해 동일한 난류를 재현하려면 다양한 난류 모델을 사용해야 한다. 자동차 애플리케이션과 리소스 가용성에 따라 적합한 난류 모델을 선택하면 설계 주기를 단축하는 데 도움이 될 수 있다.      유체의 난류 모델링 난류는 압력과 속도의 혼란스러운 변화를 특징으로 하는 불규칙한 흐름을 일컫는 용어이다. 우리는 일상 생활에서 난류를 경험하며 공기 역학, 연소, 혼합, 열 전달 등과 같은 다양한 엔지니어링 응용 분야에서 중요한 역할을 한다. 하지만 유체 역학을 지배하는 나비에-스토크스 방정식은 매우 비선형적인 편미분 방정식이며 난류에 대한 이론적 해법은 존재하지 않는다. 난류는 광범위한 공간적, 시간적 규모를 포함하기 때문에 모델링과 시뮬레이션이 어려울 수 있다. 일반적으로 큰 와류는 난기류에 의해 생성된 에너지의 대부분을 전달하고 작은 와류는 이 에너지를 열로 발산한다. 이 현상을 ‘에너지 캐스케이드’라고 한다. 수년에 걸쳐 다양한 난기류 모델링 접근법이 개발되었으며, 가장 일반적인 세 가지 접근법을 간략히 설명하면 다음과 같다.   직접 수치 시뮬레이션(DNS) DNS에서는 모델이나 근사치 없이 미세한 그리드와 매우 작은 시간 단계를 사용하여 모든 규모에서 난기류를 해결한다. DNS의 계산 비용은 엄청나게 높지만 결과는 가장 정확하다. DNS 시뮬레이션은 난류장에 대한 포괄적인 정보를 제공하기 위한 ‘수치 실험’으로 사용된다.   대규모 와류 시뮬레이션(LES) 이름에서 알 수 있듯이 이 난류 모델링 기법은 큰 소용돌이를 해결하고 보편적인 특성을 가진 작은 소용돌이를 모델링한다. LES 시뮬레이션은 최소 길이 스케일을 건너뛰어 계산 비용을 줄이면서도, 시간에 따라 변화하는 난기류의 변동 요소를 자세히 보여준다.   레이놀즈-평균 나비에-스토크스 모델(RANS) RANS 방정식은 나비에-스토크스 방정식의 시간 평균을 취하여 도출되었다. 난기류 효과는 미지의 레이놀즈 응력 항을 추가로 모델링하여 시뮬레이션한다. RANS 시뮬레이션은 평균 흐름을 해결하고 난류 변동을 평균화하므로 다른 두 가지 접근 방식보다 훨씬 비용 효율적이다.   올바른 선택 - DNS, LES 또는 RANS 올바른 난류 모델을 선택하는 것은 모든 시뮬레이션의 중요한 측면이며, 이는 주로 시뮬레이션의 목적, 흐름의 레이놀즈 수, 기하학적 구조 및 사용 가능한 계산 리소스에 따라 달라진다. 학술 연구의 경우 DNS 시뮬레이션은 난류의 근본적인 메커니즘과 구조를 이해하는데 가장 적합한 결과를 제공한다. DNS는 레이놀즈 수가 낮은 경우에 적합하지만, 막대한 시간과 리소스가 필요하기 때문에 대부분의 산업 분야에서는 실용적인 선택이 아니다. 반면에 LES는 일반적으로 레이놀즈 수가 높은 복잡한 형상을 포함하는 산업용 사례를 처리하는데 적합한 옵션이다. LES가 생성하는 고충실도 결과물은 경쟁이 치열한 자동차 시장에서 중요한 한 차원 높은 성능 개선이 가능한 설계를 가능하게 한다. RANS 시뮬레이션은 LES에 비해 근사치의 범위가 넓기 때문에 정확도가 떨어진다. 그러나 정확도와 계산 비용 간의 균형으로 인해 RANS는 계산 리소스와 시뮬레이션 시간이 제한된 업계 사용자에게 일반적인 솔루션이다. 이 방법은 또한 짧은 시간 내에 여러 사례를 분석해야 할 때 널리 사용된다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (8)   전산 유체 역학(CFD) 시뮬레이션은 긴 설계 주기를 단축하고 비용이 많이 드는 실험 횟수를 줄이기 위해 널리 사용되어 왔다. 하지만 기존 CFD 솔버 기술과 컴퓨팅 리소스의 정확도와 속도 제한으로 인해 CFD 분석의 잠재력이 제한되었다. 이러한 문제로 인해 일반적으로 CFD 사용자는 효율적인 가상 엔지니어링을 수행하지 못했다. 턴키 CFD 솔루션인 케이던스 밀레니엄 M1(Millennium M1) CFD 슈퍼컴퓨터는 대형 와류 시뮬레이션(LES)을 위한 케이던스 피델리티(Fidelity) LES 솔버와 같은 그래픽 처리 장치(GPU) 상주 CFD 솔버와 확장 가능한 고성능 컴퓨팅(HPC) 하드웨어의 조합으로 이러한 장애물을 극복하여 전례 없는 성능을 발휘한다. 고품질 합성 데이터의 신속한 생성을 통해 제너레이티브 AI(generative AI)는 정확도 저하 없이 최적의 시스템 설계 솔루션을 빠르게 식별할 수 있다.   ■ 자료 제공 : 나인플러스IT, www.vifs.co.kr   밀레니엄 M1은 처리 시간을 며칠에서 몇 시간으로 단축하여 항공우주, 자동차, 발전 및 터보 기계 애플리케이션에서 LES의 실제 적용 범위를 확장한다.   그림 1. 케이던스 밀레니엄 M1 CFD 슈퍼컴퓨터   밀레니엄 M1의 주요 효과 밀레니엄 M1은 설계 시간 및 컴퓨팅 리소스 절약 효과를 가져다줄 수 있다.   GPU 가속  고성능의 GPU 상주 CFD 솔버가 최저 전력 소비로 빠른 시간 내에 결과를 제공한다.   턴키 솔루션 바로 사용할 수 있는 단일 CFD 슈퍼컴퓨팅 솔루션을 위해 피델리티 CFD 소프트웨어와 HPC 하드웨어를 결합한다.   최적화된 성능 확장 가능한 HPC 아키텍처와 최신 GPU 상주 솔버가 최적의 시스템 성능을 위해 튜닝되었다.   뛰어난 확장성  빠른 처리 시간을 위해 애플리케이션에 따라 스택형 컴퓨팅 노드를 확장할 수 있다.   표 1. 밀레니엄 M1은 자동차, 항공우주 및 터보 기계 애플리케이션을 위한 당일 시뮬레이션 처리 시간을 제공한다.   밀레니엄 M1의 특징 밀레니엄 M1은 CFD 슈퍼컴퓨팅을 위한 통합 하드웨어 및 소프트웨어 플랫폼이다.   GPU 가속 GPU 가속화는 항공우주, 자동차, 터보 기계 및 기타 여러 산업에 막대한 영향을 미치며 고충실도 CFD를 혁신하고 있다. CFD에 GPU 컴퓨팅을 활용하면 엔지니어링 효율성을 높일 수 있다. 주어진 컴퓨팅 투자에 대해 피델리티 LES 솔버는 CPU 대비 최대 10배의 처리량 증가를 제공한다. 고정된 시뮬레이션 처리량의 경우, CPU 컴퓨팅 대비 GPU 컴퓨팅의 에너지 요구량 감소는 약 17배이다.   그림 2. 합동 타격 미사일(JSM) 기체용 밀레니엄 M1의 피델리티 LES 확장성 확장성 밀레니엄 M1은 외부 공기역학 및 항공 음향에서 연소 및 다중 물리학에 이르기까지 애플리케이션 전반에 걸쳐 거의 선형에 가까운 확장을 제공한다. 이 제품은 두 개의 GPU 노드에서 14시간 이내에 착륙 구성의 실제 항공기를 정확하게 시뮬레이션하는 등, 빠른 시간 내에 결과를 얻을 수 있는 대규모 LES 시뮬레이션을 지원한다.   고충실도 LES 밀레니엄 M1의 피델리티 LES 솔버는 고급 수치 방법과 모델을 결합하여 GPU 가속을 통해 비용 효율적이고 높은 처리량의 시뮬레이션을 제공한다. 고유한 솔버 이산화가 최신 서브 그리드 스케일 및 벽 모델링과 결합되어 그리드 해상도에 높은 견고성을 제공하는 LES 기능을 제공한다.   그림 3. 다양한 메시 크기에 대한 샌디아 플레임 D 실험과 Fidelity CharLES 결과 비교     ■ 자세한 기사 내용은 PDF로 제공됩니다.

엔비디아가 디지털 트윈으로 실시간 AI를 시뮬레이션해 산업 자동화에 큰 발전을 이룰 수 있다고 소개했다. 엔비디아 창립자 겸 CEO 젠슨 황(Jensen Huang)은 GTC 기조연설에서 개발자가 디지털 트윈(digital twin)을 사용해 대규모 실시간 AI를 산업 인프라에 적용하기 전, 이 전체를 먼저 시뮬레이션 한 후에 개발, 검증하고 개선한다면 상당한 시간과 비용을 절감할 수 있다는 것을 시연을 통해 보여줬다. 실시간(Real-Time) AI는 제조, 공장 물류, 로보틱스 분야의 중대한 작업을 처리하는 데 큰 도움을 주고 있다. 시뮬레이션을 우선으로 실시하는 접근방식은 부피가 큰 제품, 고가의 장비, 협동 로봇 코봇(cobot) 환경, 복잡한 물류 시설을 다루는 산업에서 자동화 기술의 발전을 한 단계 끌어올리고 있다. 엔비디아 옴니버스(Omniverse), 메트로폴리스(Metropolis), 아이작(Isaac)과 cuOpt 플랫폼이 서로 상호작용하는 AI 훈련장(gym)에서, 개발자들은 인간과 로봇이 예측 불가능한 복잡한 상황을 탐색할 수 있도록 AI 에이전트(Agent)를 훈련시킬 수 있다. 데모 영상은 오픈USD(OpenUSD) 앱 개발과 연결을 위해 엔비디아 옴니버스 플랫폼으로 만들어진 10만 평방 피트 규모의 창고 디지털 트윈을 보여준다. 이는 수십의 디지털 작업자와 다수의 자율주행로봇(autonomous mobile robot, AMR), 비전 AI 에이전트와 센서를 위한 시뮬레이션 환경으로 활용되고 있다. 엔비디아 아이작 퍼셉터(Isaac Perceptor) 멀티-센서 스택을 실행하는 각각의 자율주행로봇은 모두 디지털 트윈에서 시뮬레이션한 6개의 센서로 시각 정보를 처리한다. 동시에 비전 AI용 엔비디아 메트로폴리스 플랫폼은 전체 창고에서 작업자 활동에 대한 단일 중앙집중식 지도를 생성해 천장에 장착된 100개의 시뮬레이션 카메라 스트림과 멀티 카메라 추적을 융합한다. 이 중앙집중식 점유 지도(occupancy map)는 복잡한 라우팅 문제를 해결하기 위해 엔비디아 cuOpt 엔진이 계산한 자율주행로봇의 최적 경로를 알려준다. AI 기반 최고의 최적화 마이크로서비스인 cuOpt는 GPU 가속 진화 알고리즘을 사용해 여러 제약 조건이 있는 복잡한 라우팅 문제를 해결한다. 이 모든 과정은 실시간으로 이루어지며, 아이작 미션 컨트롤(Isaac Mission Control) 은 cuOpt의 지도 데이터와 경로 그래프로 모든 자율주행로봇을 조정해 명령을 전송하고 실행하게 한다. 산업 디지털화를 위한 AI 훈련장 AI 에이전트는 공장에서 다수의 로봇을 관리하거나 공급망 유통 센터에서 인간과 로봇의 협업을 위해 간소화된 구성을 파악하는 등 대규모 산업 환경을 지원한다. 이러한 복잡한 에이전트를 구축하려면 개발자는 AI 평가, 시뮬레이션과 훈련을 위해 물리적으로 정확하게 구현된 AI 훈련장과 같은 디지털 트윈 환경이 필요하다. AI 에이전트와 자율주행로봇은 소프트웨어 인 더 루프(software-in-the-loop, SIL) AI 테스트를 통해 예측하기 힘든 실제 환경에 적응할 수 있다. 위의 데모에서는 자율주행로봇이 계획한 경로 중간에 사고가 발생해 경로가 차단되고 로봇은 화물 운반대를 픽업하지 못한다. 그러면 엔비디아 메트로폴리스는 점유 그리드(occupancy grid)를 업데이트해 모든 사람, 로봇, 물체가 한 눈에 보이도록 매핑한다. 그 다음, 자율주행로봇은 cuOpt가 계획한 최적 경로에 따라 대응해 가동 중단 시간을 최소화한다. 메트로폴리스 비전 파운데이션 모델이 엔비디아 비전 인사이트 에이전트(Visual Insight Agent, VIA) 프레임워크를 구동함으로써, AI 에이전트는 "공장의 3번 통로에서 어떤 상황이 발생했습니까?"와 같은 운영 팀의 질문에 "오후 3시 30분에 선반에서 상자가 떨어져 통로를 막았습니다"와 같이 바로 통찰력 있는 답변을 제공할 수 있다. 개발자는 비전 인사이트 에이전트 프레임워크를 통해 엣지와 클라우드 비전에 배포된 언어 모델을 사용, 대량의 실시간 혹은 보관된 영상과 이미지를 처리할 수 있는 AI 에이전트를 구축할 수 있다. 이 차세대 비전 AI 에이전트는 자연어를 사용하는 영상에서 요약, 검색, 그리고 실행가능한 인사이트를 추출함으로써 거의 모든 산업에 도움이 될 수 있을 것으로 기대된다. 이러한 모든 AI 기능은 지속적인 시뮬레이션 기반 훈련을 통해 향상되며, 모듈식 엔비디아 NIM 추론 마이크로서비스로 배포된다.      

성공적인 유동 해석을 위한 케이던스의 CFD 기술 (6)   대규모 와류 시뮬레이션(LES)은 복잡성과 컴퓨팅 자원의 요구 등 제약이 극복되면서 유용한 난류 시뮬레이션 기술로 떠오르고 있다. 이번 호에서는 최신 수치 및 GPU 가속을 통해 LES 시뮬레이션을 더 저렴하고 쉽게 사용할 수 있는 케이던스의 피델리티 찰스(Fidelity CharLES) 솔루션에 대해 살펴본다.   ■ 자료 제공 : 나인플러스IT   모든 시스템의 공기역학 또는 유동장을 설계할 때 엔지니어는 난기류의 영향을 고려해야 한다. 전산 유체 역학(CFD)의 난류 모델을 사용하면 실제 시나리오에서 발생하는 유체 흐름의 혼란을 포함할 수 있다. 난류를 모델링하기 위해 레이놀즈-평균 나비에-스토크스(Reynolds-Averaged Navier-Stokes : RANS) 방정식이 널리 사용되어 왔으며 컴퓨팅 리소스가 제한되어 있을 때 선호된다. 그러나 이러한 시간 평균 방정식은 연소, 음향, 공기 역학 등과 같은 광범위한 애플리케이션에 필요한 정확도를 제공하지 못한다. 이러한 경우 대규모 와류 시뮬레이션(Large Eddy Simulation : LES)이 유용하다. 시뮬레이션의 복잡성과 대규모 컴퓨팅 요구 사항으로 인해 지난 40년 동안 대부분의 산업 분야에서 LES는 비실용적이었다. 하지만, 오늘날에는 최신 수치 및 GPU 가속을 통해 LES 시뮬레이션이 더 쉽게 접근 가능하고 저렴해졌다.   케이던스 캐스케이드 테크놀로지스의 LES 모델링 역사 1980년 케이던스 캐스케이드 테크놀로지스(Cadence Cascade Technology)의 창립자인 Parviz Moin은 난류 모델링에 관한 획기적인 연구를 수행했다. 당시에는 난기류를 실험적으로 조사하기 위한 수많은 연구가 진행 중이었다. <그림 1>은 경계층에서 수소 기포를 사용하여 수행한 실험을 보여준다. 이 실험은 난기류 속에서 아름답고 일관된, 그러나 혼란스러운 구조를 연구하기 위한 것이었다.   그림 1. 시뮬레이션 결과(Moin & Kim, 1981)(왼쪽)와 실험 결과(Kim, Klein & Reynolds, 1970)  (오른쪽)   Parviz와 그의 동료들은 1981년 미국 물리학회 컨퍼런스에서 NASA Ames 기지의 ILLIAC IV 15MFlops 컴퓨터로 계산한 시뮬레이션을 발표했다. 그 결과 나비에-스토크스 방정식을 시간에 따라 정확하게 예측하여 난기류의 역학과 통계를 모두 포착할 수 있다는 것을 보여주었다. 오늘날 고성능 컴퓨팅의 성능은 1980년 M플롭에서 2023년 1E플롭/s로 크게 발전했으며, 프론티어는 상위 500대 기업 중 선두를 달리고 있다. 최신 솔버 기술과 확장성을 바탕으로 자동차, 항공우주 및 기타 산업에서 충실도 높은 LES의 실제 적용이 증가하고 있다.   오늘날 LES를 가능하게 하는 기술 고충실도 LES의 실제 적용을 가능하게 하는 4가지 차별화 기술은 다음과 같다. 그리드 이산화(Grid Discretization) : 시간에 따라 달라지는 시뮬레이션에서 고품질의 상대적으로 등방성인 그리드의 중요성은 아무리 강조해도 지나치지 않다. 벽 근처에 약간의 이방성이 있으면 도움이 될 수 있지만, 그리드는 시뮬레이션 내내 일관된 품질을 유지해야 한다. 수치적 방법(Numerical Methods) : 강력하고 비선형적으로 안정적인 수치적 방법과 유동 물리학을 정확하게 표현하는 고급 물리 모델을 사용하는 것이 필수적이다. 데이터 분석(Data analytics) : 광범위한 데이터 세트를 생성하게 되므로 이 데이터를 빠르게 시각화하고 이해하는 것이 중요하다. GPU 가속(GPU Acceleration) : GPU에서만 실행되는 최신 CFD 솔버인 GPU 상주 솔버는 필요한 비용 효율적이고 높은 처리량의 시뮬레이션을 제공한다.   그림 2. 1990년부터 2023년까지 성능 개발 목록   수년 동안 LES 모델링의 철학은 저소산 수치 체계가 필요하다는 것이었다. 그러나 이러한 저손실 방식은 다중물리 애플리케이션과 복잡한 지오메트리에서 구축하기 어렵다. 높은 레이놀즈 수 흐름에서 실제 손실은 낮지만, 일반적인 CFD 코드의 수치 손실은 매우 높다. 하지만 피델리티 찰스 솔버(Fidelity CharLES Solver)를 사용하면 안정적인 저손실 수치 체계를 가질 수 있다. 메시 생성의 경우, 피델리티 찰스 솔버는 다양한 해상도의 영역과 그 사이의 전환을 가진 다면체 메시를 생성하는 메시 생성기를 사용한다. 이 메시는 특정 포인트 세트를 중심으로 생성된 3D 보로노이 다이어그램(Voronoi Diagram)이다. 이러한 점을 체계적으로 도입하면 높은 수준의 균일성을 가진 메시가 생성된다. 따라서 피델리티 찰스 솔버는 LES용 메시를 생성하는 데 편리하다.   ■ 상세한 기사 내용은 PDF로 제공됩니다.

지멘스 디지털 인더스트리 소프트웨어는 인도의 전기 스쿠터 브랜드인 애더 에너지(Ather Energy)가 지멘스 엑셀러레이터(Siemens Xcelerator) 산업 소프트웨어 포트폴리오 도입을 확대했다고 발표했다. 애더 에너지는 이를 통해 설계 및 엔지니어링 사이클 타임을 줄이고, 제품 품질을 개선하며, 제품 출시 기간을 단축하게 됐다. 2013년 설립된 애더 에너지는 2018년 지능형 전기 스쿠터인 애더 450을 출시했으며, 2024년 1월에는 스페셜 에디션 스쿠터인 애더 450 에이펙스(Apex)를 출시한 바 있다. 또한 애더는 인도에서 설계, 구축한 종합 공공 충전 네트워크인 애더 그리드(Ather Grid)를 구축했다. 애더 그리드는 인도 전역에 1600개 이상의 충전 지점을 보유하고 있다. 현재 인도 전역에 175개 이상의 체험 센터를 운영하고 있으며 2024년 3월까지 총 250개의 체험 센터를 추가할 계획인데, 애더는 최근 네팔에 두 곳의 체험 센터를 설립하며 해외 시장에도 진출했다.     애더 에너지는 2018년 제품 수명주기 관리를 위해 지멘스의 팀센터(Teamcenter) 소프트웨어를 도입했다. 이를 통해 설계 반복(iteration)을 없애고 올바른 최초 접근 방식을 채택해 설계와 엔지니어링 주기 시간을 단축하는 등 중요한 핵심 성과 지표(KPI)를 달성할 있도록 지원받았다. 이후 애더 에너지 팀은 전산 유체 역학(CFD)을 위한 심센터 CTAR-CCM+(Simcenter STAR-CCM+) 소프트웨어와 심센터 물리적 테스트 솔루션을 활용해 내구성과 소음 및 진동(NVH)에 대한 사내 테스트 체제를 강화했다. 최근에는 애더 에너지 차량 엔지니어링 팀이 레거시 시스템에서 모든 기존, 신규 차량 플랫폼을 위한 신제품 개발과 엔지니어링을 진행하기 위해 지멘스의 NX 소프트웨어로 전환했다. 애더 에너지의 스왑닐 자인 CTO는 “빠르게 진화하는 전기차 산업에서 시장 출시 속도는 성공을 결정짓는 중요한 요소다. 지멘스의 확장된 PLM 관리를 통해 순차적 작업 방식에서 탈피해 엔지니어링 결과를 병렬 처리할 수 있게 됐으며, 신제품과 기능 출시에 소요되는 시간을 단축할 수 있다”면서, “지멘스의 툴을 활용한 시뮬레이션과 가상 테스트를 통해 시간을 단축하고 반복 테스트에 소요되는 리소스와 비용을 절감할 수 있었고, 스택업 분석(stack-up analysis)을 통해 처음부터 올바른 설계를 수행해 엔지니어링 변경을 피할 수 있게 됐다. 앞으로는 'BOP(Bill of Processes)' 관리를 도입해 제조 공정 제어까지 지멘스 툴을 확장할 것”고 말했다. 지멘스 디지털 인더스트리 소프트웨어의 로버트 존스(Robert Jones) 글로벌 세일즈 및 고객 성공 부문 총괄 수석 부사장은 “스타트업은 모빌리티 전동화 혁명의 근원이다. 애더 에너지와 협력해 혁신적인 제품을 인도 시장에 출시할 수 있도록 역량을 확대할 수 있게 돼 기쁘다. 이번 협력은 선도적인 혁신가들과 선구자들이 엑셀러레이터 포트폴리오를 채택하고 있음을 입증하는 사례 중 하나다. 엑셀러레이터는 e-모빌리티 제품 개발을 위한 플랫폼으로서 보다 깨끗하고 지속 가능한 운송 수단을 구현할 수 있도록 지원한다”고 전했다.

존슨콘트롤즈가 시장조사기관 포레스터 리서치(Forrester Research)와 진행한 새로운 연구 결과를 발표했다. ‘암호 해독 : 시설물 자료를 활용한 스마트 빌딩 전략 수립’ 보고서를 통해 전 세계 경영진들에게 2030년 탄소 감축 목표를 달성하는 데 있어 빌딩의 디지털화, 즉 스마트 빌딩을 가장 큰 기회이자 지름길로 제안했다.  이번 조사는 170명 이상의 국내 응답자를 포함해 전 세계 25개국의 18개 업계를 대표하는 리더 약 3500명을 대상으로 진행됐다. 조사 결과에서는 지속가능성이 비즈니스의 3대 우선 순위 중 하나라는 사실이 발견됐는데, 특히 국내 응답자의 3분의 2가 계획대로 탄소 감축 목표를 달성하고 있다고 밝혔으나, 나머지 3분의 1은 넷제로(Net Zero) 목표를 달성하기 위해 노력을 가속화해야 한다고 답했다. 한국의 경우 조직의 지속가능성 이니셔티브를 가속화하는데 중요한 요소로 스마트 빌딩(74%), 빌딩 자동화(57%), 에너지 사용 최적화를 위한 디지털 기술(40%)을 꼽았다.   빌딩 시스템의 디지털화, 즉 스마트 빌딩을 위한 기술은 이미 존재하는 가운데, 빌딩 시스템과 장비를 통합해 활용하고 있다고 응답한 비율은 글로벌과 비슷한 약 10%로 나타났다. 국내 대다수의 리더는 수집한 인사이트를 바탕으로 빌딩 시스템을 최적화할 수 있는 기술적 전문성(69%)이나 환경 영향을 측정할 수 있는 내부 기술(47%)이 부족하다고 답했다. 이에 많은 리더가 여러 부서에서 사용하기 쉽고, 모든 빌딩 시스템에 통합되면서, 여러 현장 및 사용처에서 사용 가능한 디지털 플랫폼 파트너를 찾고 있는 것으로 확인됐다. 더불어, 국내 응답자의 약 27%는 AI가 빌딩 지속가능성 개선에 상당한 영향을 줄 수 있을 것으로 기대하고 있다.      존슨콘트롤즈의 조지 올리버(George Oliver) CEO는 “건설과 건축물에서 발생하는 탄소배출량이 글로벌 총 배출량의 약 40%를 차지하는 만큼 건조환경의 탈탄소화는 중요하다. 이에 탄소중립 여정을 가속화하고 글로벌 탄소 감축에 실질적인 영향을 미치고자 하는 리더들에게 빌딩(Building)은 목표 실현의 핵심 수단”이라면서, “이번 보고서는 지속가능한 빌딩이 재무적 측면에서도 긍정적인 영향을 준다는 것을 전 세계 의사 결정권자들이 인지하고 있음을 알려준다. 또한, 빌딩 최적화와 환경에 미치는 영향을 측정하는 데 있어서 외부 파트너가 중요하다는 인식을 공유한다”고 전했다. 또한 그는 “초기 투자 비용 없이 빌딩 시스템을 디지털화하고, 실행 가능한 데이터를 제공하며, 시스템에 전력을 공급해 에너지 전환을 가속화하고, 긍정적인 유동성을 창출하는 솔루션은 이미 존재한다. 이러한 제품은 기후 변화에 대응하고 탄소 배출을 감축하기 위해 즉시 채택할 수 있는 선택지”라고 설명했다.  한편, 존슨콘트롤즈는 빌딩을 전략적 자산으로 전환하기 위한 설계, 디지털화, 구축의 3단계 프로세스를 개발했다. 설계는 고객의 목표에 따라 효율성, 지속가능성, 탈탄소화, 복원력 및 에너지 전환을 달성하는 솔루션을 디자인하고 로드맵을 작성하는 단계다. 디지털화는 ‘OpenBlue Net Zero Advisor(오픈블루 넷 제로 어드바이저)’와 같은 솔루션을 통해 빌딩을 디지털화하고 인프라, 분산 발전 및 그리드를 연결함으로써 비용과 탄소 문제 해결을 위한 의사결정을 내리는 데 중요한 데이터를 제공한다. 구축 단계에서는 동급 최고의 효율성, 전기화 및 재생에너지 관련 솔루션을 활용하는 단일 소스 턴키 공급 체계 방식의 제공 모델을 통해 서비스를 구현한다. 존슨콘트롤즈는 ‘서비스형’ 제품을 기반으로 운영, 서비스 및 유지보수를 지원하고, 최고의 운영 조건 유지, 고객의 투자 보호, 그리고 최적의 생애주기 비용 달성을 돕는다. 

유동 해석 소프트웨어, Simcenter Flotherm   주요 CAE 소프트웨어 소개    ■ 개발 : 지멘스 디지털 인더스트리 소프트웨어, www.plm.automation.siemens.com/global/ko ■ 자료 제공 : 지멘스 디지털 인더스트리 소프트웨어, 02-3016-2000, www.plm.automation.siemens.com/global/ko / 델타이에스, 070-8255-6001, www.deltaes.co.kr    Simcenter Flotherm(심센터 플로섬)은 온도 및 공기 흐름을 시뮬레이션할 수 있는 전자 제품의 열 디지털 트윈을 생성한다. SmartParts(히트싱크, 팬, 인클로저, TEC, PCM 등)와 사용자 정의 가능한 부품 라이브러리 시스템을 사용해 전자 제품에 대한 열 디지털 트윈을 쉽게 만들 수 있다. 더불어 모든 MCAD 시스템에서 나온 지오메트리를 SmartParts로 가져와 효율적으로 변환할 수 있다. ODB++와 같은 표준 EDA 형식 지원 기능으로 열 디지털 트윈을 설계 과정에 존재하는 모든 PCB 레이아웃 도구와 동기화할 수 있다. Simcenter Flotherm의 Instamesh 직교 기반 그리드 시스템은 어느 디지털 트윈에든 즉시 그리고 일관적으로 생성할 수 있으며, 수천 개 파트가 포함된 디지털 트윈도 문제 없다. Instamesh 시스템을 사용하면 열 엔지니어가 그리드 품질 문제 없이 Command Center(내장 파라메트릭 및 최적화 모듈)를 사용해 설계를 탐색할 수 있다. Simcenter T3STER와도 측정을 사용한 자동 교정으로 대개 99% 이상 열 디지털 트윈의 정확도를 유지한다. 1. 주요 기능 (1) 강력한 ECAD 연결성 Simcenter Flotherm의 EDA Bridge 모듈을 이용하여 Mentor의 BoardStation 및 Xpedition 제품군, Cadence Allegro 및 Zuken CR5000에 대한 데이터를 활용할 수 있다. IDF 및 ODB++ 파일 가져오기를 지원하여 Mentor의 PADS 및 기타 EDA 소프트웨어를 지원한다. EDA Bridge 모듈을 사용하면 라이브러리에서 열 모델로 교체할 수 있으며 크기, 파워 그리고 파워 밀도를 바탕으로 필터링할 수 있다. 또한 csv 파일 형태의 파워 리스트를 가져오거나 내보낼 수 있다. HyperLynx PI에서 계산한 파워맵 정보를 가져와서 해석하는데 활용할 수 있다. (2) 빠르고 강력한 메싱 및 솔루션 Simcenter Flotherm의 구조화되지 않은 Cartesian 기반 InstaMesh 기술은 현대 전자제품에서 발견되는 복잡성 수준과 개별 개체 수를 처리할 수 있는 Windows 및 Linux의 멀티 코어 병렬 솔버를 통해 즉각적이고 강력한 메싱을 제공한다. 메시 설정은 객체가 모델 내에서 이동되거나 향후 사용 및 공유를 위해 라이브러리에 추가되는 경우 형상의 해상도를 유지한다. (3) 전자 어셈블리 모델링 Simcenter Flotherm은 광범위한 PCB 모델링 레벨을 제공하여 개발 워크플로에서 데이터를 사용할 수 있게 되면 솔루션 속도와 정확성을 극대화한다. 간단한 블록 모델은 보드 또는 레이아웃의 세부 사항이 명확해지기 전에 초기 설계에서 효과적인 PCB 열전도도를 계산하기 위해 분석 접근 방식을 사용한다. 후기 설계에서 Simcenter Flotherm의 금속 분포 이미지 기반 처리는 기판 전체에 걸쳐 구리 변동의 국부적 효과를 효율적으로 포착한다. (4) 디자인 공간 탐색 및 최적화 Simcenter Flotherm과 함께 제공되는 Command Center 모듈에는 DoE(Design-of-Experiment) 및 RSO(Response Surface Optimization)가 포함되어 있으며, 어떤 입력 매개변수 조합이 구성 요소 온도와 같은 선택된 출력 변수에 가장 큰 영향을 미치는지 식별하는 상관 매트릭스가 있다. Simcenter Flotherm은 HEEDS를 사용한 다 분야 최적화를 위해 HEEDS 포털을 통해 액세스할 수 있다.     좀더 자세한 내용은 'CAE가이드 V1'에서 확인할 수 있습니다. 상세 기사 보러 가기 

2024 AI 시장 전망, 출처: 빙크리에이터(AI로 만든 이미지)   인공지능(AI) 및 분석 선두 기업 SAS가 2024년 AI 시장 전망을 발표했다. 이번 발표는 AI의 주요 트렌드, 비즈니스 및 기술 발전을 예측하고, 각 산업에서 AI의 활용과 사회적, 경제적 영향에 대한 깊이 있는 인사이트가 제공되었다.   SAS가 제시하는 2024년 기업이 주목해야 할 12가지 AI 시장 및 기술 전망은 무엇일까?   1.    생성형 AI, 산업별 AI 전략 강화 2024년에 기업들은 생성형 AI를 산업별 AI 전략을 보완 및 강화하는 요소로 활용하게 될 것이다. 예를 들어, 금융권에서는 스트레스 테스트 및 시나리오 분석에 사용되는 시뮬레이션 데이터를 통해 위험을 예측하고 손실을 예방하며, 의료 서비스 산업에서는 개인 맞춤형 치료 계획을 세울 수 있을 것이다. 또 제조업의 경우, 생성형 AI를 활용해 생산 과정을 시뮬레이션 할 수 있어 품질, 안정성, 유지보수, 에너지 효율성 및 수율에 대한 개선 사항을 파악할 수 있다. 2.    AI 활용 새로운 일자리 창출 2023년에는 AI로 인해 사라질 일자리를 걱정했다면, 2024년에는 AI가 창출할 일자리에 관심이 높아질 것이다. 대표적으로 모델의 잠재력을 실제 적용과 연결시키는 프롬프트 엔지니어링(Prompt Engineering)을 예로 들 수 있다. AI는 기술 수준과 직무에 관계없이 모든 실무자의 업무 효과와 효율성을 높이는데 도움을 준다. 2024년 이후 몇 년 동안은 새로운 AI 기술이 고용 시장에 일시적인 혼란을 야기할 수 있지만, 앞으로 경제 성장을 견인할 많은 신규 일자리와 직무를 창출할 것이다. 3.    책임감 있는 AI 마케팅 강화 마케팅 담당자는 AI의 오류를 인식하고 편견이 개입할 수 있는 가능성을 경계하는 등 의식적으로 책임감 있는 마케팅을 실천해야 한다. AI는 마케팅과 광고 프로그램을 개선할 수 있는 가능성을 제시하지만, 편향된 데이터와 모델은 편향된 결과를 가져올 수 있기 때문이다. SAS 마케팅 부서는 마치 식품 성분표와 같은 AI를 위한 모델 카드를 사용하고 있다. AI를 생성하거나 적용하는 사람은 그 영향력에 대한 책임이 있기 때문에 모든 마케팅 담당자는 기술적 노하우에 관계없이 모델 카드를 검토하고, 알고리즘의 효과 및 공정성을 검증하며 필요에 따라 이를 조정할 수 있어야 한다. 4.    금융권, AI로 증가하는 사기 범죄 대응 소비자들이 금융 사기에 대한 경각심을 높이고 있지만, 사기꾼들은 생성형 AI와 딥페이크 기술을 활용해 수십조 원 규모에 달하는 사기 실력을 키우고 있다. 피싱 메시지는 더 정교해지고, 가짜 웹사이트는 진짜처럼 보이며, 사기꾼은 몇 초 만에 음성을 복제할 수 있다. 금융기관이 급증하는 피싱 및 다양한 사기에 대해 더 큰 책임을 지도록 하는 규제 변화로 인해 그간 AI 도입에 미온적이었던 은행 및 소규모 금융 기관들이 AI를 적극적으로 도입하게 될 것이다. 5.    CIO, 쉐도우 AI(Shadow AI) 문제 직면  과거에 ‘쉐도우 IT’로 어려움을 겪었던 CIO들은 이제 IT 부서의 공식 승인이나 모니터링 없이 조직에서 사용하거나 개발한 솔루션인 이른 바 ‘쉐도우 AI’에 직면하게 될 것이다. 직원들은 생산성 향상을 위해 좋은 의도로 생성형 AI 도구를 지속적으로 사용할 것이며, CIO는 이를 어느 정도까지 수용해야 하는지, 관련 위험으로부터 조직을 보호하기 위한 안전장치 마련에 고민하게 될 것이다. 6.    새로운 첨단 기술로 멀티모달 AI(Multimodal AI)와 AI 시뮬레이션이 부상할 것 생성형 AI의 차세대 목표는 텍스트, 이미지 및 오디오를 단일 모델로 통합하는 멀티모달 AI(Multimodal AI) 구현이다. 멀티모달 AI는 다양한 범위의 입력을 동시에 처리할 수 있어 더 많은 상황 인식 애플리케이션으로 효과적인 의사 결정을 가능하게 한다. 일례로 3D 객체, 환경 및 공간 데이터의 생성이 가능하며 증강현실(AR), 가상현실(VR), 디지털 트윈과 같은 복잡한 물리적 시스템의 시뮬레이션 등에 적용될 수 있다. 7.    디지털 트윈 도입 가속화 AI와 사물인터넷(IoT) 분석과 같은 기술은 제조, 에너지, 정부 등 경제의 중요한 산업 부문에 활력을 불어넣고 있다. 공장 근로자나 기업 경영진은 이러한 기술을 이용해 대용량 데이터를 기반으로 더 나은 의사결정을 신속하게 내릴 수 있다. 2024년에는 실시간 센서와 운영 데이터를 분석하고 공장, 스마트 도시, 에너지 그리드와 같은 복잡한 시스템의 복제본을 생성하는 디지털 트윈 기술이 확산되면서 AI와 IoT 분석의 도입이 가속화될 것이다.  8.    보험업계, AI로 기후 위기 대처 기후 변화는 이제 막연한 추측을 넘어 실질적인 위협이 되었다. 자연재해로 인한 전 세계 보험 손실액은 2022년에 1,300억 달러를 넘어섰고, 전 세계 보험사들은 경제적 압박을 느끼고 있다. 이러한 위기에서 살아남기 위해 보험사들은 자사가 보유한 방대한 데이터 저장소의 잠재력을 활용해 유동성을 강화하고 경쟁력을 갖추기 위해 AI를 도입할 것이다. AI는 보험사가 동적인 보험료 책정 및 위험 평가에서 이익을 실현하는 것 외에도 보험 청구 처리, 사기 탐지, 고객 서비스의 자동화와 품질 개선에 도움을 줄 것이다. 9.    정부 내 AI 중요성 확대  AI가 인력 수급에 미치는 영향은 정부에서도 예외가 아니다. 전문가들의 높은 급여 요구에 따라 정부는 AI 인재를 영입하고 유지하는데 어려움을 겪고 있지만, 규제 정책을 지원하기 위해 전문성을 갖춘 인재를 적극적으로 채용할 것이다. 기업과 마찬가지로 정부도 생산성 증가, 단순 업무 자동화 및 인력 부족 문제를 해소하기 위해 AI와 분석에 점점 더 의존하게 될 것으로 전망된다. 10.    생성형 AI로 환자 치료 개선 건강을 증진하고 환자 및 보험 가입자 경험을 개선하기 위해 의료기관 및 보험사는 2024년 임상 실험에 사용할 환자별 아바타 생성, 개인화된 치료 계획 생성 등 맞춤형 의료를 위한 생성형 AI 기반 도구 개발에 적극적으로 나설 것이다. 또한 임상 의사결정 지원을 위한 생성형 AI 기반 시스템이 등장해 보험자, 의료 서비스 제공자 및 제약사에 실시간으로 지침을 제공하게 될 것이다. 11.    신중한 AI 적용이 보험사의 성패를 좌우할 것 현재 보험사들은 각자의 비즈니스 모델에 맞추지 않은 자율 시스템을 빠른 속도로 도입하고 있다. 이들은 AI를 이용해 보험 청구를 신속히 처리함으로써 지난 몇 년간의 실적 부진을 상쇄할 것으로 기대하고 있지만 구조조정 후 남은 인력에 업무가 집중돼 AI를 적정 규모에 윤리적으로 배포하기 위한 관리 업무에 어려움을 겪을 것이다. AI에 대한 절대적 믿음을 갖게 될 경우 잘못된 사업 판단을 발생시켜 기업의 붕괴를 초래할 수 있다.  12.    공중 보건 부문에서 학계의 AI 활용 폭 증가 공중 보건은 전례 없는 속도로 기술 현대화를 실현하고 있다. 약물 과다 복용이나 독감 경계 등 공중 보건의 개입이 필요한 요소를 예측하는데 데이터를 사용하는 것은 필수적이다. 예측과 모델링은 빠르게 공중 보건 업무의 기반이 되고 있지만 정부는 여전히 학계의 도움을 필요로 하고 있다. 글로벌 팬데믹 이후 국민 보호를 위해 뛰어난 기술과 협업이 필요하다는 인식이 확고해졌기 때문에 정부를 대신해 AI 기반 모델링과 예측을 수행하는 학계 연구원들이 점차 늘어날 것이다. 주재영 SAS코리아 대표이사는 “AI의 잠재력은 무한하며, 그 활용 범위가 점점 확대되고 있는 만큼 2024년에는 기업이 더 현명한 의사결정을 내리고, 산업별 문제를 해결하며, 개인 맞춤형 서비스를 제공하는 데 AI 기술이 많은 도움을 줄 것”이라며, “SAS는 AI 및 분석 선두 기업으로서 AI 트렌드를 선도하고 고객들이 신뢰할 수 있는 AI를 구축, 활용할 수 있도록 적극 지원할 계획”이라고 말했다.   

BIM 데이터와 실시간 3D 기술 결합해 최적의 의사결정 지원   삼성물산과 삼성물산의 IT 개발 협력사인 일레븐스디(11thD)는 에픽게임즈 코리아가 개최한 언리얼 페스트 2023 행사에서 ‘건설 산업에서 언리얼 엔진을 활용한 플랫폼 구축하기’라는 주제의 강연을 통해 건설 산업에서 언리얼 엔진을 활용할 수 있는 방법 중 하나인 플랫폼 구축 예시를 소개했다. 이번 강연에는 삼성물산 데이터센터 기술 Proposal 및 마케팅 총괄 이태관 부장과 일레븐스디 이종걸 대표가 강연자로 나섰으며, S-DCIS(Samsung Data Center Information System)의 개발 배경, 언리얼 엔진 도입 계기, S-DCIS 개발의 기술적 과정 등에 대해 설명하는 시간을 가졌다. ■ 자료 제공 : 에픽게임즈   S-DCIS의 개발 배경 S-DCIS 플랫폼은 삼성물산이 데이터센터에 대한 노하우와 기술력을 바탕으로 삼성물산과 협업하는 고객에게 제공하는 데이터센터 전문 플랫폼이다. 삼성물산은 데이터센터 EPC 사업자로서, 국내외 데이터센터 PM 역할과 시공을 수행하면서 고객들이 추구하는 데이터센터 사업 모델을 함께 고민하고 있다. 이러한 경험을 바탕으로 공조 방식 및 랙(rack) 부하량에 따라 기본 제안 모델 5개 타입과 특화 모델 chiller Free, Liquid Cooling, Immersion Cooling의 3가지 타입을 추가해, 실제 BIM으로 구현해 가며 삼성물산의 EPC 노하우를 반영하여 총 8개 타입의 데이터센터 제안 모델을 개발했다. 삼성물산은 데이터센터 제안 모델 개발 과정에서 고객의 어려움을 실시간으로 해결하고, 적은 인적 오류와 빠른 의사 결정을 위해 사업 검토 자동화라는 목표를 설정했다. 이를 위해 초기에는 BIM을 고려하였으나, 검토하는 과정에서 BIM은 굉장히 디테일하며 강력하지만 다루기 어렵고 무겁다는 단점이 있었다. 이에 BIM을 가볍게 사용하는 방법에 집중하면서, 실시간 규모 검토 및 사업성 분석 그리고 데이터센터 입주사의 의견을 반영하기 위해서 언리얼 엔진 도입을 결정했다.   언리얼 엔진 도입 계기   ▲ S-DCIS 언리얼 엔진 도입 계기   삼성물산은 IT 전문이 아니기에 게임 엔진을 통한 BIM 활용 가능성은 보았지만, 어떤 엔진을 사용할지 고민이었다. S-DCIS는 개발자가 BIM, 설계, 건설, 데이터센터 상품 등에 대한 이해가 충분해야 개발이 가능하지만, 건설과 더불어 데이터센터에 대한 지식을 보유한 IT 전문가를 찾는 일은 쉽지 않았다. 특히, 데이터센터는 건설사 중에서도 진입 장벽이 높은 상품으로 국내 건설사 중 실적이 10개 이상인 회사는 2~3개뿐이다. 이렇게 쉽지 않은 과정이었지만 설계와 BIM 전문가이면서 IT 개발도 하는 일레븐스디의 도움으로 진행할 수 있었다. 엔진을 선택하기 위해 많은 IT 전문가들과 협의했고 건설 분야에 적합한, 즉 데이터센터 규모 및 사업성 분석 플랫폼 개발에 적합한 엔진을 선정하는 기준을 마련했다. 첫째는 ‘최종 결과물의 성과품이 건설에서 사용하는 투시도 즉 실사와 같이 고품질이어야 한다’, 둘째는 ‘확장성을 위해 BIM과 호환은 물론 3D 데이터 형식에 구애받지 않고 어느 데이터와도 호환이 쉬워야 하며, 수정 및 확장을 위한 지속적 지원과 오픈소스여야 한다’, 셋째는 ‘건설사가 기존에 사용하는 업무 환경 및 BIM 환경에 적합하고, 추후 스트리밍 서비스 및 타 산업과의 융합을 고려해야 한다’는 것이었다. 이 같은 기준으로 선택한 엔진이 언리얼 엔진이었고, 삼성물산은 IT 개발 협력사인 일레븐스디와 언리얼 엔진을 통해 S-DCIS의 개발을 진행했다.   S-DCIS 사업 개요   ▲ S-DCIS 사업 개요   S-DCIS의 개발 목표는 세 가지였다. 첫 번째는 BIM과 언리얼 엔진을 활용한 규모 검토 알고리즘 구축, 두 번째는 사업을 운영할 수 있는 사업성 검토 알고리즘 구축, 마지막은 규모 검토와 사업성 검토를 잘 활용하고 삼성물산과 데이터센터 발주처가 이 시스템을 통해 최적의 결정을 내릴 수 있는 플랫폼 구축이었다. 총 9개월동안 진행된 이번 프로젝트의 가장 중요한 성과는 데이터 센터 기획, 검토 단계에서의 각 전문가들의 모든 전문 지식 활용에 대한 프로세스 정형화와 시스템 개발 가능성에 대한 검토를 완료했다는 점이다. 최종 성과물 다섯 가지에 대해 살펴보면 다음과 같다. 우선 ‘GIS 정보조회 플랫폼’은 기획자가 발주처와 협의 시 위치 정보, 입지조건이 포함된 대지 검토를 언리얼 엔진으로 개발된 플랫폼에서 확인하면서 최적의 결정을 내릴 수 있도록 한다. 최적의 대지, 사이트가 결정된 후에는 엔지니어들이 각자의 노하우가 포함돼 있는 ‘규모 검토 시스템 Part 1’과 ‘Part 2’를 통해 기획, 검토, 설계를 진행한다. 전문지식을 바탕으로 진행된 검토안은 네 번째 성과물인 ‘규모 검토 보고서’로 전달되는데, 이는 앞에서 검토된 모든 내용을 인터랙티브한 보고서 형식으로 정리한 보고서이다. 이러한 절차로 결정된 사항을 마케팅, 홍보 차원에서도 적극 활용할 수 있도록 개발한 것이 마지막 성과물인 ‘통합 정보 시각화 대시보드’이다. 다섯 개의 성과물이 선형적으로 연계된 만큼 데이터의 흐름도 및 구축 시스템도 중요하다. 처음과 마지막을 구성하는 ‘GIS 정보조회 플랫폼’과 ‘통합 정보 시각화 대시보드’ 시스템은 언리얼 엔진을 기반으로 개발되었다. 2, 3, 4번째에 해당되는 전문적 산식이나 보고서처럼 분석된 자료 등의 시각화 작업 등은 닷넷 프레임워크(.NET Framework)로 진행되었고, 3번째 설계 프로세스가 필요한 시스템은 레빗(Revit) 애드인으로 개발되었다.   GIS 정보조회 플랫폼   ▲ GIS 정보조회 플랫폼   GIS 정보조회 플랫폼은 일레븐스디에서 언리얼 엔진을 이용해서 자체 개발한 3D 맵 시스템에, 삼성물산에서 제공하는 데이터센터 특화 정보를 임베드해서 만든 데이터센터 특화 플랫폼이다. 최적의 결정을 내리기 위한 정보 조회를 하는 만큼, 플랫폼에서의 조회 결과에 대한 저장하기, 가져오기, 공유하기 기능까지 추가 개발했다 예를 들어, 삼성 데이터센터 프로젝트를 위해 커스터마이즈된 UI/UX와 필요한 기능에 맞춘 글로벌 내비게이션 바는 모든 지형과 건물, 인프라를 공공기관에서 제공하는 공신력 있는 데이터만을 변환시켜 스트리밍으로 빠르고 정확하게 자동 피드되도록 자체 개발했다. 3D 맵이다 보니 지번 조회 기능 및 맵을 둘러보다가 대지를 선택할 수 있는 기능을 추가했으며, 선택된 대지의 건폐율과 연면적, 고도 제한에 맞춰서 최대로 개발 가능한 알고리즘 매싱(massing) 구현을 통해 시각적으로도 프로젝트 적합성 검토의 효율성과 정확도를 향상시켰다. 또한, 검토하고자 하는 해당 대지의 법규 검토, 데이터센터 특화 정보, 대지정합성 검토를 동시에 가능하게 하였고, 더 필요한 정보는 토지이음 링크를 통해 확인할 수 있도록 구축했다. 해당 대지에 관한 정보뿐 아니라, 데이터센터를 기획하는 데 있어서 무엇보다 중요한 주변 환경, 입지 조건 정보까지도 함께 검토할 수 있도록 구현했다. 무엇보다 수없이 많은 대지를 검토하는 과정에서 각 팀원들의 검토 내용을 수집, 활용하는 게 필요했는데, 이를 위해 검토 사항을 북마크 형식으로 저장할 수 있도록 하고, 회사 차원에서 최종 결정을 내리기 위한 ‘우선 선택 대지’를 결정권자에게 ‘공유항목’ 기능을 통해 보고 공유하는 기능 또한 추가했다.   일레븐스디의 3D 맵 개발 배경 및 구현 프로세스   ▲ 일레븐스디의 3D 맵 구현 프로세스   3D 맵을 제작 및 개발하면서, 효율성 향상을 위해 차별화를 뒀던 점은 크게 세 가지다. 첫 번째는 언리얼 엔진에서 제공하는 블루프린트를 최대한 활용하면서도, 건설산업에 필요한 설계 BIM 툴과의 연계성을 위해서 비주얼 스크립팅 외의 C++ 스크립팅까지 도입하면서 개발했다는 점이다. 두 번째는 데이터의 호환성과 지속적으로 업데이트가 필요한 환경에 맞춰서 맵과 관련된 형상 데이터 서버와 공간 함수 데이터 서버를 이원화해서 시스템을 구축했다는 점이다. 이를 통해, 필요한 데이터나 맵 정보만 별도로 분리해서 가볍고 빠른 업데이트가 가능하게 됐을 뿐 아니라, 보안에 민감한 데이터만 저장, 활용할 수 있는 서버를 따로 구축해서 삼성의 개발 조건에 충족할 수 있는지도 검토했다. 세 번째는 3D 맵의 성과품 구현 최적화를 위해, 별도 서버에 저장된 데이터들을 불러오기 위한 ‘RestAPI’ 기능을 자체 설계하여 시스템을 개발했다는 점이다. 3D 맵의 구현 프로세스에 대해 알아보면, 공공데이터 수집, 취합, 정제, 활용과 관련해 NASA의 지형(terrain) 데이터와 국토교통부에서 제공하는 공공데이터를 취합하고, 일레븐스디만의 데이터 분석 기준에 맞춘 데이터베이스 설계서를 작성해서 프로젝트에 적용했다. 형상 데이터와 공간 함수 데이터는 언리얼 엔진과의 통합이 잘 호환되는 조건으로 데이터베이스 설계서를 작성했으며, 이렇게 정의된 데이터베이스 설계서를 중심으로 형상화 서버와 공간 함수 서버를 이원 분리하여 작업했다. 일레븐스디만의 데이터베이스 설계서를 기본으로 이원화된 2개의 서버까지 구축한 후에 데이터 활용을 위한 자체 기능인 RestAPI를 설계했다. 여기에는 기능에 따라 ‘형상화된 3D 데이터 추출’, ‘지번 주소 검색 기능’, ‘선택 대지의 예상 규모 자동생성’ 등이 있다. 마지막으로, RestAPI로 설계된 기능을 언리얼 엔진 기반으로 작성된 데이터센터 플랫폼에 구현하기 위해서, 자체 설계된 RestAPI을 호출할 수 있는 C++ 클래스를 개발한 후 블루프린트 노드화를 통해 일레븐스디 자체 데이터베이스와 연결된 RestAPI를 언리얼 엔진 내에 구현할 수 있었다. 이렇게 언리얼 엔진으로 개발된 일레븐스디만의 ‘위치기반 공간정보 3D 맵 시스템’이 구성되어 있는 상태에서 삼성물산 데이터센터 규모 검토 시스템 S-DCIS에 필요한 정보와 노하우를 연계하는 작업을 진행했다. 삼성물산 데이터센터 시스템에 특화된 추가 개발 내용 중 중요한 부분으로는 첫 번째로 선택된 대지의 건설 적합성 검토와 데이터센터만의 고유한 개발/기획 특성상 교통 인프라, 민원 우려 시설, 소방서 위치, 화재 위험 시설과 같은 주변 인프라 검토를 수반하는 개발이 있었다. 그리고 두 번째는 매싱 자동 생성 알고리즘 작업과 결정 프로세스의 원활화를 위한 저장, 공유, 결정 내용 정보 가져오기 등의 기능 개발이었다.   규모 검토 시스템   ▲ 규모 검토 시스템 Part 1   규모 검토 시스템 Part 1에서 살펴볼 점은 삼성물산의 표준 모델을 기반으로 데이터센터 규모 검토 수행 프로세스 시스템을 구축한 부분과, 표준 모델에서 건물의 가로-세로 길이 조절을 통해 규모 검토의 세분화를 이루게 한 점, 이렇게 추출된 최종 기획안을 다시 언리얼 엔진으로 가져와 플랫폼 안에서 검토한 내용을 컨펌할 수 있도록 개발된 부분 등이다. GIS 정보조회 플랫폼에서 선택된 대지 정보와 알고리즘으로 구성된 예상 최대 건축 규모 매싱을 가져오는데, 이를 기준으로 삼성물산 표준 모델 중 기준 타입을 추천하게 된다. 추천받은 표준 모델 기준 타입을 선택된 대지에 이동, 회전 등을 통해 원하는 자리에 배치할 수 있도록 개발했고, 배치가 완료된 후 본격적인 규모 산정 시스템과 연동되면서 검토가 시작된다. 규모 산정은 층수 조절부터 시작해서 가로-세로 조절을 통한 레이아웃 조정하기로 이루어져 있고, 무엇보다 중요한 건 ‘랙 당 전력밀도’, ‘랙 개수’ ‘수전용량’을 계속 확인하면서 규모 검토를 진행할 수 있게 개발했다는 점이다. 또한, 엔지니어가 검토, 기획하는 중에 최적의 규모 산정 조건을 초과했을 경우 경고가 나오도록 개발됐다. 이렇게 레이아웃 조정이 마무리된 후 MEP 용량 검토하기를 진행한다. 규모 검토를 마무리하는 단계에서는 건축, 기계, 전기, 구조 등 모든 공종의 검토 내용을 다시 한 번 확인할 수 있도록 했다. 확인 작업까지 마무리된 최종 규모 검토 모델을 다시 언리얼 엔진 기반 플랫폼에 가져와서 대지 정보와 주변 환경 조건에 맞춰 검토한다.   ▲ 규모 검토 시스템 Part 2   규모 검토 시스템 Part 2는 규모 검토 시스템 Part 1에서 결정된 검토 결과를 BIM 데이터로 전환 및 MEP 장비 배치 검토를 수행하는 과정으로, 검토 결과를 기반으로 BIM 데이터 자동 생성 및 장비 배치 시 인적 오류 방지에 초점을 두고 있다. 여기에서 사용되는 레빗 애드인은 시스템상에서 검토된 기획안을 레빗이라고 하는 BIM 툴로 가지고 와서 건설 환경에 필요한 설계안으로 발전시킬 수 있다. 시스템 내에서 규모 검토를 마친 기획안을 레빗으로 불러오기하면 가져오기를 함과 동시에 대지경계선, 건축한계선, 각 층고 레벨, GIS 기반 정북방위, 그리드 등이 검토안에 맞춰 자동 생성된다. 그리고 검토된 데이터에 맞춰 층별 라이브러리가 조정되고, 건물 전체 가로-세로 길이도 조정돼 자동으로 들어오게 된다. 자동으로 배치된 건물에 필요한 실을 구성한 후에는 데이터센터 장비를 배치하는데, 일레븐스디에서 자체 개발한 BIM 라이브러리 매니징 시스템을 활용해 시각적으로 필요한 장비를 체크하는 동시에 선택한 장비를 드래그앤드롭 방식으로 손쉽게 각 층, 각 실에 배치할 수 있다. 레빗 애드인의 주요 목적은 어려운 건축 설계 BIM 툴을 모르더라도 손쉽게 작업하면서 정확한 설계안을 도출할 수 있게 하는 것이다. 중간에 사람의 수작업이 조금은 필요한데 이는 장비 배치를 하는 과정에서 개수가 초과했을 경우 경고 빨간색 창이 뜰 수 있도록 개발해서, 어떠한 상황에서도 인적 오류를 방지하면서 정확하고 신뢰도 있는 설계 검토안을 도출할 수 있도록 하는 것이 목적이었다.   규모 검토 보고서   ▲ 규모 검토 보고서   규모 검토 보고서는 규모 검토 시스템 Part 2에서 생성된 BIM 데이터를 기반으로 모든 검토 내용과 설계안을 지능적이고 인터랙티브한 보고서로 구성해, 사용자가 원하는 정보를 직접 클릭·조회하여 정보를 취득할 수 있다. 또한, 이 보고서에서는 삼성물산의 노하우 및 데이터센터의 SDCPET 시스템을 통해 얻은 데이터 등을 활용하여 CAPEX, OPEX, 공기까지도 검토할 수 있으며, 이러한 특징을 통해 초기 사업성을 검토할 수 있다.   통합 정보 시각화 대시보드   ▲ 통합 정보 시각화 대시보드   앞서 설명한 네 가지의 시스템은 선형적으로 데이터 흐름이 연결되면서 각 시스템이 연계되지만, 마지막 ‘통합 정보 시각화 대시보드’ 시스템은 조금 다르다. 규모 검토 보고서가 인터랙티브한 보고서라면, 통합 정보 시각화 대시보드는 추가 작업이 된 대시보드 형태의 ‘규모 검토 체험형 보고서’라고 할 수 있다. 비주얼 스크립팅 시스템인 블루프린트, UI 제작을 위한 UMG 등 언리얼 엔진의 장점을 살려서 최종 의사결정권자의 최적 의사결정 지원 및 마케팅, 홍보에 초점을 맞췄다. 첫 번째 성과물인 언리얼 기반의 ‘GIS 정보조회 플랫폼’과는 다르게 고품질화, 안정화, 경량화 작업을 통해서 스트리밍 상태에서도 문제 없이 실사와 같은 검토 자료 및 기획 설계안을 확인할 수 있도록 개발돼 정보 전달이 더욱 용이하도록 만들어졌다. 타일셋(tileset)으로 자동 배치되는 대지와 공공데이터로 구성된 건물/인프라 모델은 스트리밍으로 피드되며, 주변 GIS 정보 및 주변 환경 정보 또한 자동으로 피드되도록 했다. 중요한 검토 자료 중 하나인 선택된 대지로부터 변전소 간의 거리 표현도 언리얼 엔진의 블루프린트를 활용해 자체 제작됐으며, 이러한 기본 정보 위에 데이터센터만의 특화된 규모 검토 자료와 검토를 통한 최적화된 설계안이 선택된 대지 위에 배치된다. 또한, 삼성물산의 표준 모델에서 시작된 규모 검토안이 어떻게 대지 조건에 맞춰 수정 및 보완되었는지 더 자세하고 정확하게 확인할 수 있도록 층별 검토 부분에 대해서 더 집중했다. 이는 언리얼 엔진의 데이터스미스로 BIM 데이터를 가져와 언리얼 엔진의 블루프린트, UMG 등을 활용해 구현했으며, 층별 레이아웃을 3D Axon으로 확인할 수 있을 뿐 아니라 각 실에 지정된 장비들 개수와 스펙까지도 클릭하면서 더 자세히 확인할 수 있도록 했다. 통합 정보 시각화 대시보드는 언리얼 엔진의 리얼타임 3D 기술을 통해 렌더링이나 동영상의 개념이 아닌 게임과 같이 최종사용자가 카메라를 돌려보기도 하고, 원하는 정보를 선택적으로 조합하여 볼 수 있는 일종의 체험형 가상공간 대시보드로 개발할 수 있었다.   S-DCIS를 통해 보는 향후 비전   ▲ 일레븐스디의 향후 비전   일레븐스디는 삼성물산과 규모 검토 시스템 플랫폼을 개발하면서 현재 다섯 개의 시스템으로 연계되어 있는 플랫폼을 몰입형 연결 경험을 위하여 하나의 플랫폼으로 통합해야 할 필요성을 느꼈으며, 사용자 편의를 위한 원 플랫폼 제작을 추후 개발 방향으로 정했다. 또한, ‘데이터 기반 글로벌 위치정보 및 공간정보 활용 플랫폼 개발’이란 소신을 갖고 있는 일레븐스디는 대지 정보 활용 영역을 확장하고, 데이터 활용 기술 개발 또한 꾸준히 진행할 예정이다.   ■ 기사 내용은 PDF로도 제공됩니다.

트림블 코리아가 한국폴리텍대학 인천캠퍼스에서 무료 Cost-BIM 교육을 실시했다고 밝혔다. 교육 프로그램은 이틀간 진행됐으며 전문건설업체, BIM 건설턴트, 엔지니어링, 건축적산회사 등 중소기업 종사자와 한국폴리텍대학의 학생 등 수십 여명이 참가했다. Cost-BIM이란 견적에서 BIM 기반 기술을 활용하여 LH에서 추진하고 있는 3D BIM 모델링을 기반으로 한 골조의 수량산출 방식을 말한다. 이를 활용하면 다양한 구조 재료(RC, PC, STEEL 등)의 정확한 물량 산출이 가능해 기존 2D 방식보다 견적물량과 시공물량의 차이를 줄일 수 있다. 이번 교육에는 BIM, 구조 엔지니어링, 철골과 PC 제작 관리를 위한 트림블의 테클라 스트럭처스(Tekla Structures) 소프트웨어가 사용됐다. 교육 참여자들은 1일차에 그리드와 부재 생성, 모델 원점, 스내핑, 툴 사용 등 BIM 프로그램 사용법과 모델링 개요, 철근 상세를 배웠다. 2일차에는 APT 모델 생성, APT 철근배근, 물량산출, 모델 정보의 분류(WBS) 및 활용, 공정관리와 시각화 등을 다뤘다. 정부가 공공 공사에서 BIM 도입을 의무화하는 등 스마트 건설 산업 육성이 본격화되면서 건설 산업에서 BIM 전문가에 대한 수요가 높아지고 있다. 트림블은 이러한 수요에 발맞춰 BIM 교육 캠프, BIM 이노베이션 콘퍼런스 등 다양한 활동을 통해 BIM 인재 양성과 스마트 건설 활성화를 지원하고 있다고 밝혔다. 트림블 코리아의 박완순 사장은 “트림블은 BIM 선도기업으로서 건설업계 인재를 양성하기 위해 노력하고 있다. 중소기업 재직자와 대학생을 대상으로 한 이번 Cost-BIM 교육 역시 국내 BIM 생태계를 활성화를 위한 노력의 일환”이라며, “앞으로도 국내 스마트 BIM 건설 발전을 촉진하는 데 앞장설 것”이라고 전했다.