2025 ALTAIR AI WORKSHOP

머신러닝(ML)과 인공지능(AI)은 더 이상 데이터 과학자나 프로그래머만의 전유물이 아니다. 엔지니어링 분야에서 AI는 인간의 전문성을 보강하는 ‘힘의 배가 장치(force multiplier)’로 자리 잡으며, 워크플로우 최적화, 혁신 가속화, 더 지속 가능한 성과 창출을 가능하게 하고 있다.

본 발표에서는 Siemens와 Altair의 엔지니어링 데이터 사이언스 솔루션 제품군이 어떻게 엔지니어와 도메인 전문가가 광범위한 코딩 지식 없이도 AI의 잠재력을 활용할 수 있도록 지원하는지 살펴본다. 또한 Siemens와 Altair 포트폴리오의 실제 적용 사례를 통해 로우코드·노코드 환경이 AI 모델의 신속한 프로토타이핑과 배포를 어떻게 가능하게 하는지도 함께 다룰 예정이다.

본 발표에서는 고정익 항공기의 조종면 유격(Free play)검사 데이터를 효율적으로 처리/분석하기 위해 AI Studio 기반 데이터 처리 프로그램을 개발한 내용을 소개한다.
기존 조종면 유격(Free play) 검사는 조종면의 기계적 유격을 측정하기 위해 수집된 원시 데이터(Raw Data)를 수작업 또는 제한적인 툴로 처리/분석 해왔으나, 본 프로그램을 이를 자동화/표준화 함으로써 정확도와 작업 효율성을 향상시켰다.
또한 No-code/Low-code의 성격을 가진 AI Studio를 사용함으로써 Coding 지식이 없는 일반적인 설계자도  이런 데이터 분석 프로그램을 개발할 수 있다는 것을 보여준다.

Agentic AI는 단순한 자동화된 응답을 넘어, 의도를 파악하고 계획을 수립하며 목표를 지속적으로 수행할 수 있는 자율형 AI 에이전트를 의미합니다. 이를 실현하기 위해서는 AI가 데이터 간의 의미론적 관계와 맥락(Context) 을 이해하는 것이 핵심이며, 이러한 기능의 기반이 되는 기술이 바로 Ontology입니다.
본 세션에서는 Agentic AI의 개념, 구성 요소, 기술적 특징 등 최신 트렌드를 소개하고, 이를 구현하기 위한 핵심 데이터 아키텍처로서 Ontology 기반 Data Fabric 솔루션인 Altair Graph Studio를 소개합니다.

본 연구에서는 Altair PhysicsAI를 활용하여 CFD 결과 기반의 예측 모델을 구축하고, 두 가지 응용 사례를 통해 그 성능을 검증하였다.
첫 번째 사례는 다양한 형상의 파이프 유량 예측으로, 70개 무작위 파이프 형상을 학습한 뒤 새로운 형상에 대해 예측을 수행하였다. 예측값은 CFD 결과 대비 평균 5% 이내의 오차를 보여 높은 신뢰성을 확인하였다.
두 번째 사례는 공장 굴뚝에서 발생한 유해가스의 확산 범위 예측으로, 풍향·유속·가스 밀도를 포함한 100개 CFD 해석 데이터를 학습하였다. 학습에 포함되지 않은 환경 조건에 대한 예측에서도 CFD 결과와의 높은 일치도를 보였다.
이 결과는 PhysicsAI가 다양한 유동 문제에서 빠르고 정확한 예측이 가능함을 보여주며, 설계 효율 향상과 시뮬레이션 비용 절감에 활용 가능성이 높음을 시사한다.

지멘스 Teamcenter는 제품 수명주기 전반의 데이터를 관리하고, 알테어 RapidMiner는 AI 기반 분석과 예측 모델링을 지원합니다.
두 솔루션의 통합은 설계·생산·운영 데이터의 실시간 연결과 분석을 가능하게 하여, 의사결정 속도와 품질을 향상 시킬 수 있습니다.
이는 제조 현장의 디지털 전환 가속화와 경쟁력 강화를 위한 핵심 동력으로 작용될 것 입니다.

본 세션에서는 예측 AI, LLM 기반 생성형 AI, 지식 그래프, AI 에이전트의 결합이 어떻게 R&D, 설계, 제조 전반의 엔지니어링 체인을 혁신할 수 있는지를 살펴봅니다. CAE 대체 모델링(surrogate modeling), 이상 탐지, 공정 최적화, 고도화된 지식 통합까지 다양한 분야에서의 적용 가능성을 다룹니다.

또한, 엔지니어들이 Altair RapidMiner를 활용하여 최소한의 코딩으로 AI 모델을 효율적으로 관리하고, AI 기반 솔루션을 빠르게 구현할 수 있는 방법을 시연합니다. 아울러 일본을 중심으로 자동차, 반도체, 화학, 중공업 등 다양한 산업에서 실제 적용된 사례를 통해 이러한 기술과 AI 에이전트가 어떻게 실질적인 성과를 창출하고 있는지를 소개하고, 이를 글로벌 엔지니어링 및 제조 분야에 어떻게 확장할 수 있는지 논의합니다.

제조 산업에서 인공지능(AI)의 도입과 활용은 빠르게 증가하고 있으며, 그 목적은 단순한 자동화를 넘어 지능형 의사결정 지원으로 확대되고 있습니다. 
이러한 변화 속에서 다양한 시스템으로부터 데이터를 연결하고 이를 의사결정에 반영할 수 있는 실행가능한 전략이 필요합니다.
본 발표에서는 제조 산업의 AI 도입 및 활용 동향을 소개하고, 로우코드 기반 개발 환경과 AI 기술의 결합이 가져오는 시너지 효과를
-Single Source of Truth 구현을 위한 데이터 가상화 및 연계, 분산된 데이터를 통합하고 표준화하여 신뢰할 수 있는 데이터 기반 확보
-예측(Prediction), 추론(Inference), 추천(Recommendation) 기능 적용, 실시간 또는 준실시간 데이터 처리로 신속한 의사결정 지원
-빠른 애플리케이션 개발 및 배포로 AI 활용 범위 확산
등을 중심으로 살펴봅니다. 

또한, 제조 기업이 AI를 효과적으로 도입·확산하기 위한 전략과 실행 제언을 제시하여, 현업과 IT가 함께 혁신을 주도할 수 있는 실질적인 로드맵을 소개합니다.

제품 개발팀은 갈수록 복잡해지는 시뮬레이션 워크로드를 관리하면서도 더욱 빠른 혁신을 요구받고 있습니다. 고성능 컴퓨팅(HPC)에 대한 투자를 극대화하려면 소프트웨어와 하드웨어 자원의 효율을 최대한 높이는 것이 필수입니다. 본 세션에서는 인공지능(AI)이 시뮬레이션 처리량을 높이고, 자원 활용을 최적화하며, 설계 주기에 소요되는 시간을 줄이는 방식으로 제품 개발을 어떻게 지원할 수 있는지 소개합니다. AI 기반 기법을 HPC 환경에 통합함으로써 시뮬레이션 결과 도출 속도를 높이고, 개발 과정을 단순화하며, 제품을 더 빠르게 시장에 출시할 수 있는 방안을 제시합니다.