산업 현장에서 활용할 수 있는 AWS IoT 서비스 (1)   스마트 공장을 구현하는 데에 있어 현장 데이터의 수집과 분석은 필수적이며, 이를 위해 다양한 디지털 기술의 도입은 반드시 필요하다. 그 중에서도 IoT(사물인터넷) 기술은 데이터를 수집하고 분석하는데 있어 핵심적인 역할을 수행한다. 이번 호부터 7회에 걸쳐 공장과 같은 산업 현장에서 발생되는 다양한 데이터를 수집 및 분석하는데 도움을 줄 수 있는 아마존웹서비스(AWS)의 IoT 서비스를 소개하고자 한다. 이번 호에서는 AWS IoT 서비스가 스마트 공장 구현을 위해 어떻게 사용될 수 있는지 설명한다.   ■ 연재순서 제1회 AWS IoT를 활용한 스마트 공장의 구현 제2회 AWS IoT의 핵심 서비스 IoT 코어 제3회 AWS의 에지 컴퓨팅 서비스, IoT   그린그래스 Ⅰ 제4회 AWS의 에지 컴퓨팅 서비스, IoT   그린그래스 Ⅱ 제5회 산업용 데이터를 쉽게 수집하고 분석하게 해주는 AWS IoT 사이트와이즈 제6회 AWS 클라우드가 제공하는 디지털 트윈 솔루션, IoT 트윈메이커 Ⅰ 제7회 AWS 클라우드가 제공하는 디지털 트윈 솔루션, IoT 트윈메이커 Ⅱ   ■ 조상만 AWS코리아에서 AWS 클라우드를 통해 제조 대기업의 디지털 트랜스포메이션을 기술적으로 돕는 역할을 담당하고 있다. 이메일 | smcho@amazon.com 홈페이지 | https://aws.amazon.com/ko   스마트 공장의 개요 4차 산업혁명이 독일의 제조 혁신 전략인 ‘인더스트리 4.0’에서 출발했다는 점은 널리 알려진 사실이다. ‘인더스트리 4.0’은 독일의 자존심인 제조 경쟁력을 강화하기 위해 전통적인 제조 산업에 IT 시스템을 도입하여 생산 시설을 상호 연결하고, 지능을 부과하여 스마트한 생산을 가능하게 하는 ‘스마트 공장’을 구현하는 것이 핵심이다. 독일 국가 과학위원회는 ‘인더스트리 4.0’ 도입을 통해 기업의 생산성이 30% 향상될 것으로 전망하고 있다. 스마트 공장의 도입은 최신 디지털 기술을 통해 단순히 제조기업의 생산 전 과정의 효율성을 높이는데 그치는 것이 아니라, 근본적인 업무 방식까지 바꾼다는 점에서 기존 공장 자동화와 구별된다. 즉, 궁극적으로는 지능형 공장을 통해 생산 라인의 자동화 및 무인화를 구현하여 제조기업의 경쟁력을 강화하고, 작업 환경 개선으로 인한 직원 만족도를 향상시킬 수 있다는 차별점이 있다.  지능형 공장을 구현하기 위해서는 생산 설비에서 발생하는 데이터를 효과적으로 수집하고, 이를 분석하여 결과를 생산현장뿐만 아니라 연관된 사내 시스템에 반영하는 것이 필수이다. 따라서 스마트 공장의 핵심 경쟁력은 바로 IoT, 빅데이터, 클라우드, 인공지능 등 디지털 기술의 도입을 통해 공장 내에서 발생하는 다수의 데이터를 기반으로 공장이 자율적으로 판단하고 동작할 수 있도록 지능을 부여하도록 하는 것이다.   스마트 공장을 향한 제조 시스템의 진화 오늘날의 일반적인 제조 시스템은 ISA-95라 일컬어지는 국제 표준에 의해 <그림 1>의 왼쪽과 같이 모놀리식(monolithic) 기반의 계층적 구조로 표현된다. 즉, ‘특정 제품을 얼마나, 언제까지 생산할 것인지’에 대한 답을 시스템 사용자에게 제공하기 위하여, 피라미드 구조의 최하단에 존재하는 설비의 센서 또는 액추에이터(actuator)로부터 데이터를 수집하여, 비즈니스 플래닝 및 로지스틱스(logistics)를 담당하는 최상단의 ERP(전사적 자원 관리) 시스템에게 전달하게 된다.    그림 1. 전통적 제조 모델에서 스마트 공장으로 진화   전통적으로 제조 기술은 OT(운영 기술) 및 IT(정보 기술) 영역으로 명확히 구분되어 왔다. 즉, <그림 1>의 왼쪽과 같이 크게 두 개의 레벨로 구성되며, 상위 레벨(Management level)은 우리가 흔히 아는 ERP, MES(제조 운영 시스템)와 같은 IT 시스템을 일컫는다. 하위 레벨(Field control level)은 SCADA(감독 제어 및 데이터 수집), PLC(프로그래머블 로직 컨트롤러), DCS(분산 제어 시스템)와 같은 현장 설비와 관련된 OT의 영역을 일컫는다.  그러나, 이 전통적 모델의 가장 큰 한계이자 치명적인 단점은 PROFINET, EtherCAT, Modubus, EtherNet/IP, CC-Link IE 등 300여 개가 넘는 다양한 산업용 프로토콜을 통해 주고받는 산업용 데이터가 대부분 사일로(silo) 형태로 존재하기 때문에, 이러한 데이터의 통합이 상당히 어렵다는 점이다. 결국 데이터의 수집 자체도 쉬운 일이 아닌데다가, 이러한 데이터를 최상단의 IT 시스템까지 효율적으로 전달하기 어려운 형태를 가지고 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

자율주행의 인지 성능 향상을 위한 데이터셋 생성 기술 (2)   지난 호에서는 자율주행의 인지 모델을 학습하는 데에 있어, 데이터셋(dataset)의 중요성과 인지 모델 향상을 위한 데이터셋의 요건, 그리고 데이터셋 구축의 제약 사항을 살펴보고, 효율성과 품질 측면에서 정답 데이터를 빠르고 정확하게 생성할 수 있는 자동화 도구의 필요성을 짚었다. 이번 호에서는 모라이 심(MORAI SIM)의 데이터셋 생성 기술을 중점으로 모라이 심의 동작 구조와 특장점을 살펴본다.   ■ 연재순서 제1회 자율주행의 인지 성능을 위한 데이터셋의 역할 및 요건 제2회 모라이 심의 데이터셋 생성 기술 소개   ■ 김은정 모라이 엔지니어링 서비스팀 홈페이지 | www.morai.ai   모라이 심은 가상의 주행 환경에서 자율주행 테스트를 할 수 있는 시뮬레이션 플랫폼으로, 실제 자율주행 개발에 필요한 학습 데이터셋을 자동 생성할 수 있다. 모라이 심은 데이터셋 구축의 어려움과 제약 사항을 보완하면서 자율주행 인지 모델에 적용하기 위한 일반성, 실사성, 정확성의 조건을 모두 만족하는 학습 데이터셋을 매우 간단한 절차로 생성한다.   모라이 심의 데이터셋 생성 방식 모라이 심은 3D 그래픽 기반의 개발 엔진을 활용하여 실제와 유사한 주행 환경을 비롯해 다양한 객체 모델을 제공한다. 또한 실존하는 객체의 색상과 질감의 표현뿐만 아니라 중력과 충돌, 투과와 같은 물리 조건을 사실감 있게 모사한다. 특히, 현실감 있는 도로 환경을 디지털 트윈 기반의 3D 맵으로 구현해 냄으로써 데이터의 실사성을 완벽히 살릴 수 있다.    그림 1. 라스베이거스의 교통 환경을 재현한 모라이 심의 3D 맵   모라이 심은 환경 구성과 센서 설정 정보를 바탕으로 학습 데이터셋을 생성한다. 시나리오 환경 구성에서는 눈, 비, 안개와 같은 날씨와 조도를 결정하는 시간대, 주변 차량 및 보행자, 장애물의 개수 및 이동 위치 등을 선택한다. 모라이 심의 시나리오 모델은 시뮬레이션의 환경 전반을 현실감 있게 재현하며, 이는 ASAM 오픈 시나리오 표준 기반의 시나리오 생성 도구인 모라이 시나리오 러너(MORAI Scenario Runner)에서 보다 체계적으로 완성할 수 있다. 센서 설정에서는 차량에 장착하는 센서의 종류와 개수, 장착 위치 및 자세 정보를 입력하고, 검출될 이미지 데이터를 프리뷰 기능으로 확인할 수 있다.   그림 2. 모라이 심의 데이터셋 생성 방식   모라이 심은 환경 구성 및 센서 설정 정보를 바탕으로 시뮬레이션 동작의 매 스텝마다 자기 차량의 센서에서 검출하는 데이터를 생성하고 저장한다. 사용자는 모라이 심에서 제공하는 시나리오 환경과 및 센서 모델을 통해 카메라 센서의 이미지, 라이다(LiDAR) 센서의 점군(point cloud) 데이터, GPS 센서의 측위 데이터와 같은 다양한 형식의 데이터를 얻을 수 있다. 특히, 모라이 심에서는 3D 라이다 센서로 점군 데이터를 자동으로 생성하기 때문에, 비싸고 무거운 라이다 센서를 대신하여 주행 평가에 매우 유용하게 활용할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

제조기업의 미래를 위한 PLM 이야기 (4)   기업은 시장 경쟁력 있는 제품을 만들고 이윤을 내기 위해서 활동하는 집단이다. 그러기 위해서는 고객의 니즈를 반영하고, 시장에서 경쟁력을 가진 제품을 초기에 기획하는 과정이 중요하다. 기업들은 별도의 시장 조사 및 마케팅 전문 기관에 의뢰를 하여 시장 조사를 하고, 그 기반으로 제품을 기획/개발을 시작한다. NPI(New Product Introduce) TFT가 시장조사 정보를 바탕으로 해서 제품의 초기 기획을 담당하기도 한다.  제품 개발 라이프사이클에서 시발점은 상품 기획 부분이 되어야 한다. 제품 기획 정보 및 개발 초기 과정을 제품 개발 과정에 담아내고, 그 경험을 관리하여 기업의 경쟁력을 강화할 수 있게 해야 한다. 다양해진 고객의 니즈를 반영하고, 짧아진 제품 수명주기에 대응하기 위해서는, 상품 기획 단계와 제품 개발 단계를 분리해서 생각할 수 없다. 둘을 유기적으로 연계해서 제품 개발 과정에 포함하여 기업의 경쟁력을 높일 수 있는 프로세스를 고민해야 한다. 이번 호에서는 PLM에서 그 단계를 효율적으로 관리할 수 있는지를 이야기해 보려고 한다.   ■ 연재순서 제1회 변화하는 시대 그리고 PLM의 변화 제2회 기업의 경영 의사결정에 도움이 되는 PLM 제3회 마케팅 요소와 제품 정보를 관리할 수 있는 PLM 제4회 상품 기획과 PLM  제5회 인재 관리를 강화할 수 있는 PLM 제6회 Agile Organization으로의 변화와 PLM 제7회 위기의 시대와 PLM 제8회 PLM과 변화 관리 제9회 클라우드 기반의 아키텍처를 고려한 PLM 시스템 제10회 PLM 시스템 구축의 긴 여정   ■ 김성희 VCIS의 대표이자 PLM 컨설턴트이다. 다양한 PLM 솔루션 및 자동차/기계/반도체/CPG 등 산업군의 PLM 컨설팅을 수행했다. 이메일 | pass829@naver.com 블로그 | https://blog.naver.com/pass829   상품 기획 단계의 주요 업무 제품 수명주기   그림 1. BCG의 PLC(Product Lifecycle Curve)   <그림 1>은 BCG의 PLC(Product Lifecycle Curve)로 제품의 도입기, 성장기, 성숙기, 쇠퇴기에 이르는 수명주기를 나타낸 그림이다. 각 단계별 특징을 간략하게 보면 다음과 같다. 도입기 : 제품이 처음 시장에 론칭되는 단계  성장기 : 제품의 시장 인지도가 높아지는 단계, 시장점유율이 급격히 높아지는 단계 성숙기 : 제품간의 차별성이 사라지고, 원가 경쟁력 확보를 위한 생산 및 운영 역량이 중요한 단계 쇠퇴기 : 별도의 투자 없이 제품으로부터 발생하는 수확을 거두기 위해 노력하는 단계   기술수용주기   그림 2. 기술수용주기(Technology Adoption Life Cycle, Everett Rogers)(한양사이버대학교 대학원 이지은 교수의 하이테크마케팅 자료에서 발췌)   <그림 2>는 1970년대 에버렛 로저스(Everett Rogers)와 동료들이 소비자가 불연속성 혁신에 어떤 식으로 반응하는지에 대해 연구한 결과이다. 소비자들은 신기술을 받아들이는 태도와 속도가 다르다.  Innovator(혁신가) : 기술 지상주의, 혁신 추종자  Early Adopter(얼리 어댑터) : 혁신 제품을 남보다 앞서 구매하려는 성향을 가진 소비자 그룹 Early Majority(초기 다수 수용자) : 가장 큰 규모의 소비자 집단. 신기술이 시장에서 성숙될 때 제품을 구매함 Late Majority(후기 다수 수용자) : 전체의 절반 이상이 제품을 수용한 후에 제품을 구매함. 보수성이 강함 Laggards(늦깎이) : 신기술, 혁신에 대해 부정적인 소비자 집단 PLM을 통해서 제품 도입기의 단계를 줄이는 것의 목표는, 초기 시장 진입을 통해 경쟁사보다 빠르게 제품을 출시함으로써 얼리 어댑터를 확보하는 것이다. 그들의 확보가 시장에서 제품의 성공과 직결되기 때문이다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

앤시스 워크벤치를 활용한 해석 성공 사례   학계와 산업계 모두에서 점점 더 중요성이 인식되고 있는 디지털 트윈은 스마트 제조 공정 및 인더스트리 4.0(Industry 4.0)을 실현하기 위한 가장 유망한 기술로서, 사이버 공간과 물리적 공간 간의 완벽한 통합이 특징이다. 이번 호에서는 앤시스 트윈 빌더(Ansys Twin Builder) 및 트윈 디벨로퍼(Twin Deployer)를 이용하여 앤시스가 제공하는 디지털 터윈과 하이브리드 애널리틱스(Hybrid Analytics)에 대해서 소개한다.   ■ 송채영 태성에스엔이 SBU 매니저로 근무하고 있으며, Twin Builder와 Twin Deployer라는 Ansys 디지털 트윈 솔루션을 담당하고 있다. 이메일 | cysong@tsne.co.kr 홈페이지 | www.tsne.co.kr   디지털 트윈 기술은 산업계와 학계에서 관심의 중심이 된 새로운 개념이다. 디지털 트윈은 컴퓨터에 현실 속 사물의 복제품을 만들고 현실에서 발생할 수 있는 상황을 컴퓨터로 시뮬레이션함으로써 결과를 예측하는 기술로 정의하고 있으며, 스마트 제조 공정 및 인더스트리 4.0을 실현하기 위한 가장 유망한 기술로 보고 있다. 디지털 트윈은 모니터링, 유지 보수, 관리, 최적화 및 안전과 같은 다양한 활동을 지원하기 위해 잘 정의된 서비스를 보장할 수 있어야 한다. 이를 위한 디지털 트윈의 주요 특성 네 가지는 <그림 1>과 같이 정밀성(accuracy), 유연성(flexibility), 적응성(adaptability), 확장성(scalability)이 있다.   그림 1. 디지털 트윈 생성의 도전과제   디지털 트윈은 실물 시스템, 물리적 특성을 디지털 세계에 구현한 것으로 입력이 변할 때 출력의 변화를 확인할 수 있는 what-if 시나리오가 가능해야 한다. 디지털 트윈의 정밀성이 떨어지면 물리적 거동 예측이 불가능해지기 때문에 해당 디지털 트윈은 의미가 없어진다. 또한 다양한 입력을 고려해야 하므로 특정 입력에만 맞는 디지털 트윈이 아니라 다양한 입력에 대해서 적절한 대응이 가능한 유연성도 필요하며, 출력이 도출되는 과정에서 주변 환경 및 조건이 변화하더라도 적응이 가능해야 한다. 무엇보다 디지털 트윈의 목적은 다수의 사람들이 해당 디지털 트윈을 사용하여 빠르게 결과를 도출하는 것에 있기 때문에, 빠르게 도출하고 배포할 수 있는 확장성을 가지고 있어야 한다. 앤시스에서는 디지털 트윈을 특정 주파수와 충실도로 동기화된 현실의 자산(제품)이나 프로세스의 가상 표현으로 정의하며, 이러한 디지털 트윈 구현을 위해 트윈 빌더(Twin Builder)와 트윈 디벨로퍼(Twin Deployer)라는 솔루션을 제공하고 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

향상된 인체 공학 설계   이번 호에서는 크레오 파라메트릭 매니킨(Creo Parametric Manikin)을 통해 향상된 인체공학설계에 대해 알아보자.   ■ 김주현 디지테크 기술지원팀의 차장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 이메일 | sskim@digiteki.com 홈페이지 | www.digiteki.com   크레오 매니킨(Creo Manikin)을 사용하여 설계의 물리적 특성과 사용자 간의 관계를 살펴볼 수 있다. 크레오 매니킨 익스텐션(Creo Manikin Extension) 또는 크레오 매니킨 애널리시스 익스텐션(Creo Manikin Analysis Extension) 모듈 중 하나를 사용하여 사용자들, 사용자들의 활동, 장비 및 일반 환경 간의 맞추기를 검토할 수 있다. 이러한 검토를 통해 생산성이나 사용의 용이성을 유지하면서 작업장, 도구, 운송 수단 및 환경이 안전하고 편안하며 효율적인지 확인할 수 있다.   다양한 라이브러리 크레오 9.0에서는 기본적으로 다양한 라이브러리를 제공한다. 나라별 인체 사이즈 제공은 물론 남, 여 별도로 각각의 라이브러리를 제공한다. 미리보기를 통해 키와 몸무게를 확인하여 원하는 형상을 사용할 수 있다.     필요한 경우 시 사용자가 인체 형상을 원하는 사이즈로 설정할 수 있고, 이를 저장하여 라이브러리로 만들 수도 있다. 원하는 인체 형상을 생성하기 위해서는 파일 → 열기 → 인체 모형 라이브러리에서 M_custom.asm 또는 W_custom.asm을 클릭한다.     M_custom.asm을 열고 인체 모형 편집 아이콘을 클릭한다.       ■ 자세한 기사 내용은 PDF로 제공됩니다.

포인트셰이프 디자인을 사용한 역설계 사례   포인트셰이프 디자인(PointShape Design)은 드림티엔에스에서 자체 개발한 3D CAD 기반의 역설계 소프트웨어이다. CGM(CATIA) 커널이 적용되었으며, 사용자에게 친숙한 디자인 프로세스 및 사용자 인터페이스를 제공하여 다양한 제품의 3D CAD 모델을 쉽게 생성할 수 있는 것이 특징이다.   ■ 자료 제공 : 드림티엔에스, www.pointshape.com   스캔 데이터 정렬 스캔 데이터의 좌표 정렬 상태는 스캔 당시 스캐너의 좌표를 기준으로 정렬되어 있기 떄문에 상대좌표 상태이어서, 스캔 데이터를 절대좌표에 정렬한 후 역설계를 진행한다. 스캔 데이터에 좌표를 정렬하는데 사용할 평면, 벡터, 점을 생성한다.  3-2-1 Alingment 기능을 사용하여 좌표 정렬할 스캔 데이터를 선택하고 평면, 벡터, 점을 순서대로 선택하여 스캔 데이터를 절대 좌표에 정렬한다.   그림 1   Plane(Offset) - 2D Sketch Ref. Plane의 오프셋(Offset) 기능을 사용하여 해당 위치에 2개의 평면을 생성한다. 이후 해당 평면을 스케치 평면으로 사용하여 단면 폴리라인(Polyline)을 각각 추출하고, 추출된 단면 폴리라인을 따라 스케치한다.   그림 2   그림 3   모델링 툴 & 편집 툴 <그림 3>에서 생성한 2개의 스케치를 스윕(Sweep) 기능을 사용하여 연결하고, 생성된 서피스(Surface) 모델의 양쪽 끝을 Surface Extend 기능을 사용하여 늘려준다.   그림 4   그림 5   리볼브(Revolve) 기능을 사용하여 스케치 형상 축을 기준으로 회전시켜 모델을 생성한다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

시간 측정   지난 호에서는 무게의 기준 단위인 1 kg의 정의와 ‘무게 측정’에 동반되는 문제점을 구체적인 사례를 통하여 살펴보았다. 1889년에 무게의 표준으로 채택되었던 1 kg 원기가 2019년에 플랑크 상수로 대체된 배경도 소개하였다. 이번 호에서는 ‘시간이란 무엇인가?’라는 의문에서 시작하여 일상적으로 사용하는 시간의 기준 단위의 정의에 관해서 살펴본다. 시간을 정의하고 측정하기 위한 다양한 노력의 역사와 더불어 1초에 대한 정의가 어떻게 바뀌어 왔는지와 바뀌게 된 배경에 관해서 소개한다. 세계 표준시가 어떻게 정해졌는지, 어떻게 이용되고 있는지도 살펴본다. 시간 측정의 오차를 줄이기 위한 여러 가지 아이디어들과 다양한 종류의 시간 측정 장치들을 소개한다.   ■ 연재순서 제1회 측정의 목적(호기심, 정보 수집) 제2회 단위(비교의 기준) 제3회 길이 측정 제4회 무게 측정 제5회 시간 측정 제6회 에너지 측정 제7회 정적 측정과 동적 측정 제8회 측정 결과의 분석 제9회 분석 결과의 활용 제10회 제어(수동, 자동, 반자동, 학습형) 제11회 정보의 가시화 제12회 입체 이미지 정보의 유혹과 과제   ■ 유우식 미국 웨이퍼마스터스(WaferMasters)의 사장 겸 CTO이다. 동국대학교 전자공학과, 일본 교토대학 대학원과 미국 브라운대학교를 거쳐 미국 내 다수의 반도체 재료 및 생산설비분야 기업에서 반도체를 포함한 전자재료, 공정, 물성, 소재분석, 이미지 해석 및 프로그램 개발과 관련한 연구를 진행하고 있다. 일본 오사카대학 대학원 공학연구과 공동연구원, 경북대학교 인문학술원 객원연구원, 국민대학교 산림과학연구소 연구원, 문화유산 회복재단 학술위원이다.  이메일 | woosik.yoo@wafermasters.com  홈페이지 | www.wafermasters.com   시간이란 무엇일까 한 마디로 매우 어려운 질문이다. 물리학에서도 시간을 어떻게 정의하고 어떻게 이해해야 할지 역사적으로 많은 논쟁이 있어 왔다. 시간은 과거로부터 현재를 거쳐 미래로 지나가는 불가역적인 연속적인 흐름 또는 순서라고 이야기하는 정도이다. 우리는 눈, 귀, 코, 혀, 피부를 통해서 감지하는 오감으로 외부 환경을 인식한다. 시간은 무엇으로 어떻게 인지하는 것일까? 우리는 시간을 느끼는 감각기관을 가지고 있지 않다. 코로 냄새를 맡아도 대기의 78%를 차지하는 질소와 21%를 차지하는 산소의 냄새를 맡지 못하고 있으니, 감각기관이 있다고 해도 모든 것을 감지할 수 있는 것은 아니다. 시간을 느끼는 감각기관을 가지고 있지도 않으면서 어떻게 시간을 인지하느냐 하는 의문이 생길 수 밖에 없다.   그림 1. 시간은 무엇이며 어떻게 인식될까?    <그림 1>에서 나무, 작은 알, 돌멩이의 사진을 살펴보자. 세 가지 모두 사진 촬영 당시의 정적인 모습을 나열한 것에 불과하다. 그러나 나무와 작은 알의 경우에는 각 사진 간에 변화된 모습을 통해서 시간의 흐름을 읽어낸다. 시간이 무엇인지 정확하게 알 수는 없지만, 우리 눈에 비친 모습이 다르다는 것으로부터 같은 것이 변화한 것인지 전혀 다른 것인지 판단할 근거를 갖게 된다. 돌멩이의 경우에도 4장의 사진이 나열되어 있으나, 전혀 외형의 변화가 없는 것으로 보아 같은 사진인지 매우 흡사한 모양의 다른 돌멩이인지 구별할 수 없다. 마치 다른 그림에서 다른 부분을 찾는 게임처럼 보이기도 한다. 물론 시간의 흐름도 느끼지 못한다. 여러 장의 사진 속에서 시간의 흐름으로 판단하게 하는 근거는 무엇일까? 사진에 담겨 있는 사물의 형태, 색상, 위치 등 다양한 특징의 차이를 찾아내어 자신의 체험이나 지식으로 형성된 데이터베이스와 비교하게 된다. 이러한 과정을 거쳐서 사진 속의 사물이 동일한 대상이라고 판단하게 되면 그 변화를 시간의 차이로 인식하게 되는 것이다.      ■ 자세한 기사 내용은 PDF로 제공됩니다.

인공지능과 3D 시각화, 초연결로 발전 운영 시스템의 통합 및 표준화 구현   한국남동발전(KOEN)은 다양한 디지털 전환 사업을 시행 중이며, 이를 성공적으로 완수하기 위해 디지털 인프라, 디지털 발전소, 디지털 라이프, 디지털 신사업이라는 네 가지 추진 전략을 수립하여 실행하고 있다. 이 글에서는 그 중 두 번째 추진 전략인 디지털 트윈을 적용한 디지털 발전소의 구축 사례를 소개하고자 한다.   ■ 김명규 한국남동발전 디지털융합처 ICT기획부의 차장으로, 디지털 트윈 등 디지털 전환 사업을 추진하고 있다. 숭실대학교 전자·정보통신공학부 학사, 고려대학교 정보보호대학원 석사를 거쳐 ICT 및 정보보안 분야에서 17년째 근무하고 있다. 이메일 | markim@koenergy.kr 홈페이지 | www.koenergy.kr   한국남동발전은 2001년 4월 전력산업구조개편법에 따라 한국전력으로부터 1개의 원자력과 5개의 화력으로 분할된 발전 전문기업이다. 인천광역시 영흥발전본부를 포함해 5개 발전본부와 설비용량 1만 376MW를 보유하고 있으며, 국내 전력의 약 7.3%를 생산하고 있다. 또한 한국남동발전은 KOEN(Korea Energy)이라는 영문 회사명으로 국내외 에너지 산업을 선도하는 글로벌 리더를 지향하고 있다.   그림 1. 한국남동발전 현황   디지털 트윈 발전소 구축 목표 및 단계별 추진 계획 KOEN의 디지털 트윈 발전소 구축 목표는 ‘디지털화된 발전소 정보 제공으로 쉽게 발전 운영이 가능한 미래 발전소를 구현’하는 것이다. 이를 위해 KOEN은 한국전자통신연구원의 ‘디지털 트윈 기술 보고서’에 명시된 디지털 트윈 성숙도 모델을 기준으로 5단계 수준의 레벨 중 발전소 현장 여건과 비용 효과 측면을 고려하여, 3단계인 ‘동적 디지털 트윈’까지를 1차 목표로 정하고 사업을 추진하고 있다. 또한 총 4단계의 중장기 계획을 수립하여 ▲1단계 시범 구축 ▲2단계 KOEN형 디지털 트윈 표준 모델 완성 ▲3단계 신규 건설 복합발전소 적용 ▲4단계 국내외 에너지 산업 분야에 디지털 전환 신사업 진출 등 계획을 세워 추진 중에 있으며, 2023년 3월 현재 2단계 사업인 KOEN형 디지털 트윈 표준 모델 완성 단계를 추진하고 있다.   그림 2. 디지털 트윈 성숙도 모델(출처 : ETRI)   그림 3. KOEN 디지털 트윈 추진 단계     ■ 자세한 기사 내용은 PDF로 제공됩니다.

Express Tools, 문자 기능 소개   오토캐드와 양방향으로 호환되는 국산 CAD인 캐디안(CADian)의 2023 버전에서는 이전 버전부터 제공되던 Express Tools 기능이 동일하게 제공되고 있다. 이번 호에서는 캐디안 2023 버전에 탑재된 Express Tools의 문자 관련 기능 몇 가지를 살펴보도록 하겠다.   ■ 최영석 인텔리코리아 기술지원팀 부장으로 기술지원 업무 및 캐드 강의를 담당하고 있다. 이메일 | cad@cadian.com 홈페이지 | www.cadian.com 카페 | https://cafe.naver.com/ilovecadian   문자 수정(TextModify) 기능 선택한 문자 객체의 속성, 문자 내용 수정 및 제거를 한번에 일괄적으로 실행할 수 있는 창이 표시되어, 보다 편리하게 문자 수정이 가능하다.   1. 메뉴 : Express → 문자 → 문자 수정 항목을 클릭하거나, 명령 창에 ‘textmodify’를 입력한다.     2. 수정하고자 하는 문자 객체를 클릭 또는 드래그하여 선택한 후 Enter 키를 입력한다.     3. 문자 수정 창이 실행된다. 위쪽에는 현재 선택한 문자열과 변경 후 적용될 문자열이 표시되며, 아래쪽에는 각종 기능에 관한 탭(tab)과 수정 항목이 표시된다.     4. ‘속성변경’ 탭에서는 문자의 높이, 각도 등 문자 속성을 수정할 수 있다.     5. ‘화면보기’ 버튼을 클릭하면 현재 변경 내용을 미리 확인할 수 있다. Esc 키를 입력하면 문자 수정 창으로 다시 돌아온다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

아레스 캐드 2024의 신규 기능   DWG 호환 CAD인 독일 그래버트(Graebert)의 아레스 캐드(ARES CAD)는 PC 기반의 아레스 커맨더(ARES Commander), 모바일 기반의 아레스 터치(ARES Touch), 클라우드 기반의 아레스 쿠도(ARES Kudo) 모듈로 구성되어 있다. 이 모듈은 상호 간에 동기화되어 삼위일체형(Trinity) CAD라고 불린다. 이번 호에서는 오토캐드와 호환되는 데스크톱 PC 기반 아레스 커맨더 2024 버전의 새로운 기능을 간단하게 알아보도록 하겠다.   ■ 천벼리 인텔리코리아 3D 솔루션 사업본부 대리로 기술영업 업무를 담당하고 있다.   이메일 | ares@cadian.com 홈페이지 | www.arescad.kr 블로그 | https://blog.naver.com/graebert  유튜브 | www.youtube.com/GraebertTV   도구 팔레트 명령어 : TOOLPALETTES     사용자 정의 도구와 이전에 생성된 데이터 모음을 가져오거나 내보내는 것이 가능하다. 오토캐드 사용자를 아레스 캐드로 원활하게 마이그레이션할 수 있다. 또한, 새 도구 팔레트(Tool Palettes)를 작성하고 다른 사용자들과 공유할 수도 있다. 이제 도구 팔레트를 오토캐드에서 재사용하거나 아레스 커맨더에서 새로운 도구 팔레트를 만들고자 하는 사용자들은 맞춤형 도구와 데이터에 쉽게 접근할 수 있다. 일반적으로 CAD 사용자들은 각각의 프로젝트에서 비슷한 도면 세트를 작성하기 때문에, 같은 유형의 도구와 데이터가 반복적으로 필요하다. 만약 사용자들이 도면 파일과 응용 프로그램 세션에서 자주 사용되는 필수 요소들을 도구 팔레트 한 곳에서 찾을 수 있다면 매우 편리할 것이다. 이러한 도구와 데이터들은 다음과 같이 분류할 수 있다. 블록 기하학적 도면요소(예 : 선, 호) 해치 및 채우기 주석 엔티티(예 : 텍스트, 치수, 테이블) 시스템 변수  LISP 루틴 Xrefs - 도면 및 이미지 첨부   맥, 리눅스 버전 리본 메뉴     아레스 커맨더의 윈도우 버전에서 사용하고 있는 리본(Ribbon) 인터페이스(UI)가 이제 맥OS(MacOS) 및 리눅스(Linux) 버전에서도 사용 가능하다. 따라서, 도구를 숨기지 않고 쉽게 액세스하거나 아이콘으로 명령을 쉽게 기억하는 등, 세 가지 플랫폼에서 모두 상황에 맞는 리본 인터페이스의 이점을 누릴 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.