2024 스마트공장·자동화산업전이 3월 27일부터 29일까지 코엑스 전관에서 개최되었다. 이 전시회는 Smart Factory Expo(제9회 스마트공장엑스포), aimex(제34회 국제공장자동화전), Korean Vision Show(제12회 한국머신비전산업전) 등 3개의 전시회로 구성되었으며, 지속 가능한 공장(Make Your Factory More Sustainable)을 주제로 450개 업체, 2000여 부스, 6만여 명이 참가했다. ■ 최경화 국장     스마트공장엑스포 전시회 개최 한국산업지능화협회(이하 협회)와 코엑스가 공동 주최한 스마트공장엑스포는 코엑스 3층에서 개최되었으며, 산업 AI 기술을 적용하여 디지털 전환을 추진 중인 국내외 기업들의 수요·공급기업간 디지털 전환 협업사례, 산업현장 중심의 최신 기술 및 동향을 소개했다. 이번 전시회에는 LS 일렉트릭, 한국미쓰비시전기오토메이션, 한국지멘스, 로크웰오토메이션코리아, LG CNS, CJ올리브네트웍스, SK주식회사 C&C, 한화로보틱스 등 다양한 기업들이 참여했다. 한국지멘스에서는 “생산을 위한 혁신 가속화”를 주제로 디지털 트윈, 인더스트리 엣지, SIMATIC 로봇 통합솔루션을 선보였다. 한국미쓰비시전기오토메이션은 FA기술과 IT를 활용하여, 개발·생산·보수의 토탈 코스트를 절감하는 FA-IT 통합솔루션 ‘e-F@ctory’ 등 지속가능한 미쓰비시의 디지털 솔루션을 공개했다.  SK C&C는 고객과 사회의 통합 디지털 전환 파트너로서 AI/Cloud/Digital Manufacturing/Digital ESG 등 디지털 실행 가속화를 통한 SK의 미래전략을 선보였으며, 메가존 클라우드는 클라우드 도입시 컨설팅과 전략, 구축, 운영에 대한 라이프사이클의 체계적인 방법론을 바탕으로 고객의 니즈에 맞는 I.P.A.D (Infrastructure, Platform, Application, Data) 오퍼링 서비스 솔루션을 전시했다.   산업지능화 컨퍼런스, 제조분야 데이터 & AI 활용 소개 전시회 부대행사로 3월 28~29일에는 ’산업지능화 컨퍼런스‘가 ‘Sustainable DX, Discover Your Digital Potential’ 지속가능한 미래를 위한 제조산업의 디지털 혁신을 주제로 개최되었다. 이번 콘퍼런스에서는 ▲산업 AI 도입을 통한 생산성 향상 ▲인공지능 아키텍처 ▲ESG 및 탈탄소 실현 ▲데이터 금융 ▲밸류체인 지능·고도화 ▲자율제조화 등 혁신적 변화를 가속화하는 기술·솔루션, 적용 사례를 선보였다.  이번 콘퍼런스는 양일 각각 5개의 기조연설과 제조지능화, 데이터 플랫폼, 디지털 트윈 등 개별 기술 세션으로 진행되었다. 1일차 기조세션으로 한국지멘스 디지털 인더스트리 백광희 상무는 ‘지멘스가 제시하는 제조산업의 탈탄소화 미래’라는 제목으로 기조강연을 진행했다. 지속 가능성으로의 전환을 위해서는 제품 라이프사이클 전반에 걸친 디지털화가 필수적이라며, 지멘스의 탄탄소화를 선도하는 기술을 활용한 구체적인 사례를 소개했다. LG CNS 명창국 담당은 ‘로보틱스, AI 발전이 가져온 스마트 로지스틱스 확장’이라는 제목으로 발표했다. 퍼스트마일(FirstMile), 미들마일(MiddleMile) 그리고 라스트마일(LastMile)은 제품이 생산에서 최종 소비자에게 도달하기까지의 여정 단계를 나타낸다. 옴니마일(OmniMile)은 이 모든 단계, 개념을 포괄하며, 물류 과정의 모든 단계가 서로 연결되어 있으며, 통합적인 관점에서 AI와 로봇 기반으로 자동화되고 최적화되어야 함을 의미한다. 명창국 담당은 “코로나19 전후로 이커머스의 급성장에 따른 라스트마일에 대한 관심과 투자가 최근 생산공정에서의 무인화, 지능화, 자율화 즉 퍼스트마일로 빠르게 확대되고 있다”고 밝혔다. SK C&C 방수인 그룹장은 ‘Twin Transition, 제조업 ESG 실행 가속화를 위한 디지털 전략’이라는 제목으로 발표했다. 탄소배출량의 낮고 높음, 수출 기업의 여부와 상관없이 사실상 국내의 모든 기업 경영에 영향을 미치고 있는 ESG 대응과 준비에 대해, Twin Transition이라는 거대한 화두에서 디지털 전략을 활용하고 ESG를 가속화하기 위한 SK의 전략과 실행 노력에 대해 소개했다. 메가존클라우드 김영상 부사장은 Smart Workplace 구현을 위한 Smart Space 추진 전략 및 사례라는 제목으로 메가존의 스마트 스페이스 사업을 소개를 통해 스마트 빌딩 등 공간의 디지털화를 위한 비즈니스 접근 전략과 사례에 대해 소개했다. 스마트제조혁신추진단 안광현 단장은 ‘중소기업 디지털 제조혁신 전략’이라는 제목으로 정부가 중소제조업 디지털 제조혁신을 지속적으로 추진하기 위해 지난해 9월 발표한 ‘신 디지털 제조혁신 추진 전략에 대해 소개했다. 과거 2019년~2022년 1기 스마트공장 정책이 3만개 달성을 목표로 ‘양적 확대’를 통한 기반조성 집중해왔다면, 이번 2024년~2027년 2기 정책은 민간이 주도하고 정부가 지원하는 ‘스케일업’ 정책이다. 안 단장은 이를 구현하기 위한 현장 수요를 반영한 기업 DX역량 수준별(우수, 보통, 취약) 지원체계 구축, 제조데이터 기반 제조 혁신 생태계 조성, 민간·지역 주도의 협력 네트워크 강화, 기술력 있는 공급기업 육성이라는 총 4개의 핵심전략에 대해 소개했다. 대표적인 정책은 ‘자율형공장’으로, 2027년 20개의 자율형공장 구축을 목표로 하고 있다고 밝혔다.     2일차 기조세션에서 다쏘시스템코리아 양경란 총괄대표는 ‘지속가능한 제조체계를 완성하는 버추얼트윈 UniVeRse’에 대해 소개했다. 시스코 시스템즈 코리아 임근수 이사는 ‘제조업의 진화, 스마트 팩토리를 넘어 DX의 세계로’라는 제목으로 발표했고, 한국미쓰비시전기오토메이션 미즈시마 카즈야 부장은 ‘글로벌 경쟁에서 이기기 위한 제조현장 개혁: 성공적인 DX의 필수조건에 대해 소개했다.  델 테크놀로지스 최영복 상무는 제조 산업을 위한 생성형 AI 전략과 솔루션 및 활용 사례를, 인도네시아 국가개발기획부/바페나스 아말리아 아디닝가위디아산티 경제부 차관은 ‘블루 이코노미 혁신을 통한 인도네시아 경제 전환 추진’에 대해 소개했다. 또한, 협회는 이번 전시회에서 ‘KOIIA ENC 기업지원라운지’를 마련하여 대·중견·중소기업별로 참여가 가능한 지원사업 및 혜택 안내까지 패키지 상담을 지원했다. 한국산업지능화협회 김도훈 회장은 ”탄소중립과 디지털화에 따른 산업구조 전환은 기업의 사업전환을 촉발함에 따라 협회가 전문성을 보유한 디지털 전환을 바탕으로 기업이 맞닥뜨린 고충을 선제적으로 해결할 수 있도록 실효성 있는 컨설팅을 제공할 계획”이라며 “앞으로도 협회는 우리기업의 산업DX 및 사업전환에 필요한 기업 진단부터, 맞춤형 컨설팅, 인증 등 연계 지원을 통해 새로운 도약의 기회를 제공하는 역할을 수행할 것이다”라고 밝혔다.     ■ 기사 내용은 PDF로도 제공됩니다.

로크웰 오토메이션이 지난 3월 열린 ‘2024 스마트공장·자동화산업전’에 참가해 생산 최적화부터 디지털 전환과 지속가능성을 위한 자사의 기술을 선보였다. 로크웰 오토메이션은 생산/제어 설비부터 클라우드 및 AI(인공지능) 소프트웨어까지 폭넓은 솔루션 포트폴리오를 바탕으로 제조기업의 빠른 디지털 전환을 지원한다는 비전을 소개했다. ■ 정수진 편집장   제조 혁신을 위해 클라우드와 AI에 대한 관심 증가 로크웰 오토메이션의 스콧 울드리지 아태지역 사장은 로크웰 오토메이션의 연례 스마트 제조 리포트 내용을 인용해 “에너지 비용, 물가, 인건비의 상승에 대응하기 위한 자동화와 최적화가 제조산업이 꼽은 주요 과제였다. 또한, 많은 기업이 기술 투자를 늘릴 계획을 갖고 있는데, 기술 투자 분야 중에서는 클라우드와 SaaS(서비스형 소프트웨어)가 몇 년간 각광을 받고 있다. 제조 플랫폼을 쉽고 일관된 방식으로 배포하는 데에 기업들이 관심을 가진 것으로 볼 수 있다”고 소개했다. 로크웰 오토메이션에 따르면, 물가 상승과 인력 부족 문제에 대응해 생산성을 높이기 위한 목적으로 기업들이 AI에 대한 투자를 확대하고 있는 것으로 나타났다. 특히 생성형 AI 및 인과추론 AI가 많은 관심을 받고 있으며, 이미 투자 성숙 단계에 접어든 기업도 적지 않은 상황이다. 로크웰 오토메이션의 설문조사에서는 응답 기업의 85%가 AI 도입 계획이 있다고 답했다. 제조산업에서 AI를 활용하는 목적으로는 품질 개선, 사이버 보안, 로보틱스, 경로 최적화, AMR(자율 이동 로봇) 등이 꼽히면서, AI는 산업 자동화의 핵심 기술로 자리매김할 전망이다.   ▲ 공장의 VR 시뮬레이션을 위한 로크웰 오토메이션의 에뮬레이트3D 플랫폼   스마트한 디지털 제조의 지향점은 자율 운영 공장 로크웰 오토메이션 코리아의 이용하 대표이사는 “전 세게 디지털 전환 시장은 작년 9372억 달러 규모이고, 오는 2032년에는 7조 33억 달러까지 성장할 것”이라면서, “특히 제조 시스템과 공장이 많은 아시아 태평양 지역은 시장 비중은 낮지만 가장 빠르게 성장할 전망”이라고 소개했다. 이런 성장세의 배경으로는 최신 기술의 발전과 함께 코로나19 이후 비즈니스 운영의 디지털화에 대한 요구가 늘어난 점이 꼽힌다. 로크웰 오토메이션이 제조 디지털 전환의 핵심으로 꼽은 것은 ‘스마트 제조’이다. 스마트 제조는 생산 최적화, 직원 역량 강화, 탄력성 구축, ,지속가능성 추진, 트랜스포메이션 가속화 등의 비즈니스 결과를 목표로 한다.  로크웰 오토메이션은 미래의 자동화 공장이 사람의 개입을 최소화하면서 스스로 학습하고 최적화하는 형태가 될 것으로 보고 있다. 또한, 자동화 역량의 개선과 적응형 기술의 결합을 통해 자율 운영 공장으로 진화할 것으로 전망한다. 울드리지 사장은 “로크웰 오토메이션은 산업 자동화 및 디지털 전환 분야의 전문 기업으로서 산업 트렌드를 이해하고 기술 전문성을 갖추고 있다. 이런 역량을 바탕으로 최근의 주요한 트렌드인 자율 운영 분야에 대응하고 있다”고 설명했다. 로크웰 오토메이션은 제조 엔지니어와 데이터 과학자의 참여를 통해 AI 기술을 내재화하고 있으며, 다양한 기술을 추가할 수 있는 비선형성과 알고리즘 기반의 최적화를 지원한다. 또한, 엔비디아와의 파트너십을 통해 AI 칩으로 제조 데이터를 분석하고 자율 운영 공장으로 발전시켜 나간다는 계획을 소개하기도 했다.   ▲ 로크웰 오토메이션은 스마트공장·자동화산업전에서 디지털 제조를 위한 자사의 기술을 소개했다.   디지털 제조를 위한 기술 포트폴리오 제공 로크웰 오토메이션은 디지털 제조를 위한 자사의 핵심 역량으로 신규 공장 설계, 자동화 및 제어, 생산 물류, 에지 컴퓨팅 및 클라우드 등 폭넓은 기술 포트폴리오를 소개했다. 공장 및 생산 라인의 설계를 위해서 로크웰 오토메이션은 시뮬레이션 기반으로 공장을 건설하기 전에 테스트와 최적화를 할 수 있는 에뮬레이트3D(Emulate3D) 플랫폼을 제공한다. 자동화/제어 영역에서는 챗GPT(ChatGPT)로 빠르게 제어 코드를 생성하고, 개별 제어기에 AI를 내장해 빠른 문제 해결을 지원한다. 생산 물류 분야에서는 AI를 활용해 AGV(무인 운반 차량)의 효율적인 이동 경로를 생성하거나 이동형 로봇, 독립 카트 등의 기술을 적용해 창고 . 생산 시설 . 창고의 사이클을 자동화할 수 있도록 돕는다. 에지/클라우드를 위해서는 드라이버/PLC/에지에 AI를 탑재해 다수의 현장을 한 곳에서 관리하거나 ERP와 연결하는 등의 이점을 제공한다. 또한 MES(제조 실행 시스템), 데이터 애널리틱스 및 시각화 등을 위한 제조 산업 클라우드를 지원한다. 사이버 보안도 클라우드와 AI의 도입 과정에서 중요한 요소인데, 로크웰 오토메이션은 고객사의 시스템 구축 및 운영을 위해 직접 모니터링을 지원하며 엔지니어링 서비스와 원격 모니터링을 연중 무휴로 제공하고 있다. 이용하 대표이사는 국내 스마트 공장의 시장 가능성에 대해서 긍정적으로 전망했다. 또한 “무엇보다 디지털 전환은 빠르게 시작하는 것이 중요하다. 로크웰 오토메이션은 공장의 설계와 운영, 사이버 보안, 유지보수를 위한 폭넓은 솔루션과 서비스를 제공한다. 또한 디지털 전환을 위한 기술, 인력, 경험, 사례를 갖고 있는 것도 강점이다. 이를 바탕으로 제조산업 고객의 디지털 전환을 효과적으로 지원할 것”이라고 전했다. 울드리지 사장은 “한국은 디지털 기술 도입의 선두주자라고 생각한다. AI, 클라우드, 에지 등의 기술 개발에 있어서도 한국이 글로벌 시장을 선도하면서 회복탄력성을 갖춘 제조 환경을 확산시키는 데에 기여할 것으로 기대한다”고 전했다.     ■ 기사 내용은 PDF로도 제공됩니다.

매스웍스는 협동로봇 전문기업인 유니버설 로봇이 파트너십 강화를 위해 ‘매스웍스 커넥션즈 프로그램(MathWorks Connections Program)’에 합류했다고 발표했다. 매스웍스는 매스웍스 커넥션즈 프로그램을 통해 자사 주요 제품인 ‘매트랩(MATLAB)’과 ‘시뮬링크(Simulink)’를 기반으로 보완적이거나 상용화된 제품, 교육훈련 및 컨설팅을 개발하고 배포하는 조직을 지원한다. 매스웍스는 2023년에 유니버설 로봇 플랫폼용 제품을 개발하는 300개 이상의 승인된 개발 업체로 구성된 유니버설 로봇 에코시스템의 UR+ 파트너가 됐다. 이후 양사는 협업을 통해 로보틱스 시스템 툴박스(Robotics System Toolbox)를 위한 지원 패키지를 공동 개발해 출시했다. 이를 통해 엔지니어는 매스웍스의 매트랩 및 로보틱스 시스템 툴박스를 사용하여 매트랩 기반의 협동로봇 애플리케이션을 설계한 뒤, 시뮬레이션 및 테스트를 거쳐 유니버설 로봇의 협동로봇에 배포할 수 있다.     매스웍스의 짐 텅(Jim Tung) 펠로우는 “매스웍스의 UR+에 합류와 더불어 유니버설 로봇의 커넥션즈 프로그램 참여를 통해, 양사는 엔지니어의 고급 협동로봇 애플리케이션 개발을 지원하고 새로운 매스웍스 릴리스와의 높은 호환성을 지닐 수 있도록 더욱 노력하겠다”면서, “유니버설 로봇의 시장 리더십과 매트랩 및 시뮬링크의 높은 활용도는 시스템 통합업체 및 최종 사용자가 겪는 복잡한 자동화 워크플로 문제를 지속적으로 해결할 수 있도록 할 것”이라고 전했다. 유니버설 로봇의 예스퍼 킬데가르드 폴센(Jesper Kildegaard Poulsen) 디지털 에코시스템 선임 디렉터는 “자동화 대상과 방법의 범위를 지속적으로 확장하고 있는 유니버설 로봇은 매스웍스와 함께 로보틱스 엔지니어의 고급 협동로봇 애플리케이션 배포 과정을 간소화할 수 있도록 노력하겠다”고 말했다.

ABB 로보틱스(ABB Robotics)는 영국의 기술 스타트업 아우아(AUAR)와 협력해 로봇 마이크로 팩토리 사용을 증진함으로써, 지속 가능하고 합리적인 에너지 절감 목재 주택을 제작한다고 소개했다. ABB는 건설사 공정 자동화 지원에 관여하고 있으며, ABB의 로봇은 전 세계적으로 다양한 모듈식 조립 및 3D 프린팅 건물 프로젝트뿐만 아니라 로봇 자동화를 건설 분야에 접목하기 위한 연구 학술 프로젝트에 사용되고 있다. 로봇 자동화를 빌딩 프로세스에 통합하는 아우아의 접근 방식은 현지 마이크로 팩토리의 글로벌 네트워크에 로봇을 도입했다. 또한 로봇을 적용해 기술 부족 문제를 해결하고 지속 가능성을 높이며 안전을 개선했으며, 마이크로 팩토리는 에너지 효율적이고 합리적인 건물을 시공한다.     아우아의 자동화된 마이크로 팩토리 접근법은 공급망 문제, 프로젝트 납품, 품질 및 기술 부족을 포함해 건설 회사가 직면한 많은 문제에 대한 솔루션을 제공한다. 기존 건물은 전 세계에서 출하한 서로 다른 수천 가지 요소로 구성돼 있어 건설 자동화가 어렵다. 반면, 아우아는 한 가지 유형의 재료와 기계로 작업해 공급망을 극적으로 단순화하는 것을 목표로 한다.  주택의 생산 공정은 표준 목재판을 사용하는데, 로봇이 목재판을 구성 요소로 자르고 현장으로 운반되는 단위로 조립해 몇 주 만에 맞춤형 주택을 지을 수 있다. 마이크로 팩토리 접근 방식은 각 시장의 요구 사항을 충분히 충족할 수 있도록 유연하고, 각 시설은 현지 요구 사항에 맞춰 확장 가능하다. 또한 모듈형 로봇 셀을 추가해 생산량을 늘릴 수 있다. 아우아는 ABB Robotics & Automation Ventures 및 여러 투자자와 함께 딥 테크 및 AI 펀드 마일즈 어헤드(Miles Ahead)가 주도하는 260만 파운드(약 44억 4063만 원)의 시드 라운드를 완료했다고 밝혔다. ABB 로봇사업부의 크레이그 맥도넬(Craig McDonnell) 비즈니스 라인 인더스트리 총괄은 “로봇이 비전과 AI로 기능이 향상되고, 고유한 속도, 유연성 및 일관성이 결합한 솔루션은 높은 품질의 합리적인 가격 및 지속 가능한 주택에 대한 수요를 충족한다”며, “많은 건설사가 지속가능성을 비즈니스의 중요한 요소로 여기고 폐기물 저감 방법으로 로봇을 고려하는 가운데, 아우아와의 협력은 주택 건설업체가 저렴하고 지속 가능한 주택을 대규모로 제공할 수 있는 새로운 가능성을 열어준다”고 전했다.

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.      

슈나이더 일렉트릭 코리아가 로봇 모션 전문 기업인 알에스오토메이션과 로봇 시스템 분야 협력 강화에 나선다고 밝혔다. 양사는 슈나이더 일렉트릭의 글로벌 로봇 시스템 솔루션과 알에스오토메이션 로봇 모션 제품의 강점을 결합해, 한국의 로봇 시스템 분야에 새롭게 진출하는 것을 목표로 하는 업무 협약을 체결했다. 슈나이더 일렉트릭은 장기간 축적된 로봇 시스템 관련 노하우와 자사의 소프트웨어 기술을 알에스오토메이션의 시스템 통합 및 제조·엔지니어링 기술과 접목하여 차별화된 솔루션을 제공할 예정이다. 슈나이더 일렉트릭은 스마트 공장 구축 및 공장의 장비, 설비 제조 환경을 위한 엔드 투 엔드의 통합 다중 로보틱스 포트폴리오를 보유하고 있다. 델타로봇 및 직교로봇, 협동로봇은 물론 멀티 캐리어 이송 시스템까지 폭넓은 산업용 로봇 라인업을 갖추었다. 또한 슈나이더 일렉트릭은 로봇 시스템 솔루션이 포함된 전체 엔터프라이즈를 디지털로 통합할 수 있는 IoT 기반의 소프트웨어 ‘에코스트럭처(EcoStruxure)’를 제공한다. 특히 로봇을 포함한 실제 장비의 디지털 모델을 생성할 수 있는 디지털 트윈 소프트웨어 제품군인 에코스트럭처 머신 엑스퍼트 트윈(EcoStruxure Machine Expert Twin)을 결합하여 적용하면, 장비 제작 전 가상 설계 환경에서의 테스트와 시운전이 가능해 시장 출시 시점을 앞당길 수 있다. 슈나이더 일렉트릭과 알에스오토메이션은 현재 협력 중인 에너지 제어장치뿐만 아니라, 로봇 시스템 분야에서도 보유하고 있는 솔루션을 상호 공유하고, 향후에는 제조 분야까지 장기적인 협력 관계를 맺을 수 있도록 노력할 예정이다.     알에스오토메이션의 강덕현 대표는 “슈나이더 일렉트릭은 하드웨어뿐만 아니라 소프트웨어까지 융합이 가능하다”면서, “특히 로봇 솔루션 분야에 대해서도 이해가 깊어 알에스오토메이션의 로봇 시장 진출을 위한 다방면의 비즈니스를 함께 전개할 것”이라고 전했다. 슈나이더 일렉트릭 코리아 산업자동화 사업부 채교문 국내 총괄 사장은 “슈나이더 일렉트릭이 보유한 다양한 솔루션을 알에스오토메이션의 로봇 제품에 더해 로봇 시스템 분야에서 전방위적인 사업 협력을 진행할 수 있게 됐다”면서, “적극적인 비즈니스 전개를 통해 양사가 동반 성장할 수 있도록 노력하겠다”고 말했다.

슈나이더 일렉트릭 코리아가 3월 6일~8일 서울 코엑스에서 열리는 배터리 산업 전시회 ‘인터배터리 2024(InterBattery 2024)’에 참가하면서, 지능형 디지털 플랫폼 구축을 통한 배터리 생태계의 순환성을 높이는 것이 중요하다고 강조했다. 3월 6일 ‘EV배터리 생태계 순환성을 지원하는 지능형 데이터 플랫폼 구축’을 주제로 진행된 기자 간담회에서 슈나이더 일렉트릭 EV배터리 사업부의 리더인 프랑수아 베르킨트(François VERKINDT)는 배터리 생태계 성장에 따른 디지털화의 필요성과 함께, 슈나이더 일렉트릭의 디지털 트윈 솔루션에 대해 소개했다.   ▲ 슈나이더 일렉트릭의 프랑수아 베르킨트 EV배터리 사업부의 리더   전 세계적으로 EV(전기자동차) 배터리 시장은 빠르게 성장하고 있다. 2022년 맥킨지 배터리 인사이트 팀의 분석에 따르면, 전체 리튬 이온 배터리 사슬은 2022년부터 2030년까지 매년 30% 이상 성장하여 총 4000억 달러 이상의 가치와 4.7TWh(테라와트시) 이상의 시장 규모를 보일 것으로 전망된다. 또한 2026년부터 유럽에서 시행될 예정인 배터리 여권(Battery Passport) 제도의 도입에 따라, 배터리 전반의 가치사슬에 걸쳐 데이터 플랫폼의 중요도가 높아지고 있다. 데이터 플랫폼은 배터리 생산 및 사용에 관련된 데이터를 통합하고 분석하여 자원을 효율적으로 관리할 수 있으며, 이를 통해 자원의 낭비를 최소화하고 배터리 재활용률을 높일 수 있도록 돕는다. 베르킨트 리더는 “EV 배터리의 수요가 급격하게 증가하면서, 현재 배터리 업계의 최대 목표는 지속 가능하고 순환적이며 책임 있는 배터리 가치 사슬의 신속한 확장”이라면서, “슈나이더 일렉트릭은 디지털 스레드를 통해 배터리 제조 전반에 걸쳐 확장성을 보장하고, 제조 우수성을 지원하고 있다. 상황에 맞는 실시간 데이터를 이용해 제조 프로세스를 최적화하는 것이 중요하다”고 전했다.   ▲ EV 배터리를 위한 슈나이더 일렉트릭의 토털 솔루션   한편, 슈나이더 일렉트릭은 이번 인터배터리 2024 전시회에서 ‘제로 임팩트 스마트 기가 팩토리(Zero Impact Smart G.I.G.A Factory)’라는 주제 아래 네 개의 존으로 구성된 부스를 선보인다. 부스에서는 실시간 데이터 분석을 통해 에너지 소비를 절감할 수 있는 슈나이더 일렉트릭의 그린 솔루션부터 로보틱스 기술을 기반으로 생산과정을 자동화하여 수익성 높은 제조 환경 실현을 이끄는 첨단 자동화 솔루션까지 소개된다. 또한 부스 내에서는 ▲북미&유럽 시장 규제 및 표준화 방안 ▲차세대 데이터센터 솔루션 ▲PPA 계약 및 전력 구매 ▲디지털 트윈 등을 주제로 전문가의 현장 세미나를 동시에 진행한다.

BIM 칼럼니스트 강태욱의 이슈 & 토크   이번 호에서는 생성형 AI 모델 학습과 같이 현재도 다양한 곳에서 필수로 사용되는 강화학습 딥러닝 기술의 기본 개념, 이론적 배경, 내부 작동 메커니즘을 확인한다.   ■ 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. 이메일 | laputa99999@gmail.com 페이스북 | www.facebook.com/laputa999 홈페이지 | https://dxbim.blogspot.com 팟캐스트 | http://www.facebook.com/groups/digestpodcast   강화학습은 바둑, 로봇 제어와 같은 제한된 환경에서 최대 효과를 얻는 응용분야에 많이 사용된다. 강화학습 코딩 전에 사전에 강화학습의 개념을 미리 이해하고 있어야 제대로 된 개발이 가능하다. 강화학습에 대해 설명한 인터넷의 많은 글은 핵심 개념에 대해 다루기보다는 실행 코드만 나열한 경우가 많아, 실행 메커니즘을 이해하기 어렵다. 메커니즘을 이해할 수 없으면 응용 기술을 개발하기 어렵다. 그래서 이번 호에서는 강화학습 메커니즘과 개념 발전의 역사를 먼저 살펴보고자 한다. 강화학습 개발 시 오픈AI(OpenAI)가 개발한 Gym(www.gymlibrary.dev/index.html)을 사용해 기본적인 강화학습 실행 방법을 확인한다. 참고로, 깃허브 등에 공유된 강화학습 예시는 대부분 게임이나 로보틱스 분야에 치중되어 있는 것을 확인할 수 있다. 여기서는 CartPole 예제로 기본적인 라이브러리 사용법을 확인하고, 게임 이외에 주식 트레이딩, 가상화폐, ESG 탄소 트레이딩, 에너지 활용 설비 운영과 같은 실용적인 문제를 풀기 위한 방법을 알아본다.   그림 1. 강화학습의 개념(출처 : Google)   강화학습의 동작 메커니즘 강화학습을 개발하기 전에 동작 메커니즘을 간략히 정리하고 지나가자.   강화학습 에이전트, 환경, 정책, 보상 강화학습의 목적은 주어진 환경(environment) 내에서 에이전트(agent)가 액션(action)을 취할 때, 보상 정책(policy)에 따라 관련된 변수 상태 s와 보상이 수정된다. 이를 반복하여 총 보상 r을 최대화하는 방식으로 모델을 학습한다. 정책은 보상 방식을 알고리즘화한 것이다. <그림 2>는 이를 보여준다. 이는 우리가 게임을 하며 학습하는 것과 매우 유사한 방식이다.   그림 2. 강화학습 에이전트, 환경, 액션, 보상 개념(출처 : towardsdatascience)   강화학습 설계자는 처음부터 시간에 따른 보상 개념을 고려했다. 모든 시간 경과에 따른 보상치를 동시에 계산하는 것은 무리가 있으므로, 이를 해결하기 위해 DQN(Deep Q-Network)과 같은 알고리즘이 개발되었다. 모든 강화학습 라이브러리는 이런 개념을 일반화한 클래스, 함수를 제공한다. 다음은 강화학습 라이브러리를 사용한 일반적인 개발 코드 패턴을 보여준다.   train_data, test_data = load_dataset()  # 학습, 테스트용 데이터셋 로딩 class custom_env(gym):  # 환경 정책 클래스 정의    def __init__(self, data):       # 환경 변수 초기화    def reset():       # 학습 초기 상태로 리셋    def step(action):       # 학습에 필요한 관찰 데이터 변수 획득       # 액션을 취하면, 그때 관찰 데이터, 보상값을 리턴함 env = custom_env(train_data)  # 학습환경 생성. 관찰 데이터에 따른 보상을 계산함 model = AgentModel(env)      # 에이전트 학습 모델 정의. 보상을 극대화하도록 설계 model.learn()                       # 보상이 극대화되도록 학습 model.save('trained_model')    # 학습된 파일 저장 # 학습된 강화학습 모델 기반 시뮬레이션 및 성능 비교 env = custom_env(test_data)  # 테스트환경 생성 observed_state = env.reset() while not done:    action = model.predict(observed_state) # 테스트 관찰 데이터에 따른 극대화된 보상 액션    observed_state, reward, done, info = env.step(action)    # al1_reward = env.step(al1_action) # 다른 알고리즘에 의한 액션 보상값과 성능비교    # human_reward = env.step(human_action) # 인간의 액션 보상값과 성능비교   ■ 상세한 기사 내용은 PDF로 제공됩니다.