아비바가 산업 인텔리전스 플랫폼인 ‘커넥트(CONNECT)’를 공개했다. 기존에 ‘아비바 커넥트’에서 ‘커넥트’로 변경된 이 플랫폼은 슈나이더 일렉트릭, RIB, ETAP 및 광범위한 파트너 공급업체의 애플리케이션의 연동을 지원하여 고객이 운영하고 있는 산업 생태계 전반의 인사이트를 통합하고, 지능형 디지털 트윈을 구축할 수 있도록 돕는다. 이를 통해 고객은 각 분야의 의사결정권자가 신뢰할 수 있고 실행 가능한 인사이트를 기반으로 성과를 높이고 효율성을 최적화하는 동시에 지속가능성을 극대화하여 ROI를 높일 수 있다. 새롭게 출시된 커넥트는 전체 산업 라이프사이클을 실시간으로 아우르는 개방적이고 중립적인 디지털 플랫폼으로, 기본 데이터 서비스, 시각화 서비스, 모델링 및 분석 기능, 애플리케이션 개발 서비스와 더불어 서비스 및 사용 관리 기능을 제공한다. 데이터, 디지털 트윈, 산업 인공지능, 심층적인 도메인 전문 지식을 단일 환경 내에 통합하며, 마이크로소프트 애저(Microsoft Azure) 클라우드 기반으로 고객이 역량을 손쉽게 확장하고 향상된의 지속가능성을 경험할 수 있도록 지원한다. 커넥트는 원격 자산, 아비바의 애플리케이션, 타사 데이터 소스를 하나의 안전한 단일 플랫폼으로 결합하여 산업 기업이 클라우드에 대한 기술 투자를 최대한 활용할 수 있도록 지원함으로써 고유한 산업 생태계를 구축할 수 있도록 한다. 아비바에 따르면 현재 전 세계에서 수만 명의 월간 액티브 유저가 커넥트를 사용하고 있다. 커넥트에서 지원되는 주요 제품으로는 아비바 파이(AVEVA PI) 시스템, AVEVA Operations Control(운영 제어), AVEVA Unified Engineering(통합 엔지니어링), AVEVA Advanced Analytics(고급 분석), AVEVA Asset Information Managament(자산 정보 관리), RIB CostX 등이 있다.     한편, 아비바는 새로운 산업 애플리케이션 시장의 기반을 형성하기 위해 커넥트 중심의 다양한 파트너십을 확대하고 있다고 전했다. 예를 들어, 아비바와 마이크로소프트는 아비바의 산업 인텔리전스 플랫폼인 커넥트와 마이크로소프트의 제조업 클라우드(Microsoft Cloud for Manufacturing)를 사용하여 생산 실행 데이터와 공급망 생산 계획 데이터를 마이크로소프트 패브릭(Microsoft Fabric)에서 통합하고 컨텍스트화한다. 아비바의 캐스퍼 허즈버그(Caspar Herzberg) CEO는 “연결된 산업 경제 전략은 생태계 전반에서 글로벌 협업의 이점을 실현한다. 업계를 선도하는 산업 인텔리전스 플랫폼인 커넥트를 통해 산업 조직에서는 가치 사슬에 대한 총체적인 이해를 바탕으로 모든 단계에서 실시간 혁신을 촉진할 수 있다. 분석과 AI로 강화된 고유의 강력한 데이터 에코시스템은 마찰이 발생하지 않는 단일 환경에서 탁월한 효율성을 제공하여, 더 스마트하게 엔지니어링하고, 더 효율적으로 운영하며, 수익성을 높일 수 있도록 지원한다”고 말했다. 또한 “커넥트는 산업 디지털 트랜스포메이션의 다음 물결(Industrial DX 2.0)을 가속한다. 클라우드에서 서비스되는 AI 기반 플랫폼이 산업 정보를 공유하고 통합하여 기업, 파트너 및 고객의 효율성, 생산성 및 지속 가능성을 향상시킨다. 워크플로 간소화부터 실시간 모니터링 및 제어, 원격 협업 개선, 산업 자산의 엔드 투 엔드 수명 주기 성능 극대화에 이르기까지 업계의 디지털 트랜스포메이션 요구 사항을 해결한다”고 덧붙였다.

제품 개발 혁신을 가속화하는 크레오 파라메트릭 10.0 (12)   이번 호에서는 자주 사용되는 형상을 사용자 정의 피처(UDF)로 생성하고 손쉽게 재사용하는 방법에 대해 알아보자. UDF는 중복되는 형상을 매번 모델링하지 않고 라이브러리의 형태로 생성하여, 설계 시간을 단축하고 편의성을 향상시키기 위해 사용된다.   ■ 박수민 디지테크 기술지원팀의 과장으로 Creo 전 제품의 기술지원 및 교육을 담당하고 있다. 이메일 | smpark@digiteki.com 홈페이지 | www.digiteki.com     UDF로 사용할 모델 생성하기 UDF로 만들기 위한 새 부품을 생성한다.     ‘밀어내기’를 이용하여 UDF 형상의 참조로 사용할 아래 부분의 형상을 생성한다.     다음으로는 UDF를 사용자가 원하는 위치에 쉽게 배치하기 위해 좌표계를 기반으로 모델을 생성한다. 먼저 좌표계를 생성한다.     좌표계 생성 시 사전에 생성한 형상의 위 서피스를 선택하고, 거리를 이용하여 배치 조건을 선정한다. 이때 생성하는 좌표계의 참조 조건이 UDF를 생성한 이후 배치할 때 참조하게 되는 조건이 된다.     새롭게 생성한 좌표계를 기준으로 X, Y, Z 방향의 데이텀 평면을 새롭게 생성한다.     모델 트리에 새롭게 좌표계와 데이텀 평면이 생성된 것을 확인한다.     새로 생성한 좌표계와 데이텀 평면을 참조하여 UDF로 생성하고 싶은 형태를 모델링한다. 이때 기본 참조면(SIDE, TOP, FRONT)과 밀어내기1을 참조하지 않아야 한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

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.

복잡한 모델에서 인사이트를 얻고 설계 의사결정을 돕는 직스캐드 (2)   직스캐드(ZYXCAD)는 2022년 처음 출시한 국내 자체 개발 범용 CAD 솔루션 프로그램으로, 가격 경쟁력을 높이는 한편으로 처리 속도를 빠르게 해 사용자 편의성을 높인 것이 특징이다.  이번 호에서는 혁신적인 디자인 경험을 제공할 수 있는 직스캐드 2024의 포인트 클라우드(point cloud, 점군) 기능에 대해 살펴본다.   ■ 이소연 직스테크놀로지 기술지원팀의 대리로 직스캐드의 기술지원 및 교육을 맡고 있다. 이메일 | tech@zyx.co.kr 홈페이지 | https://zyx.co.kr   그림 1. 포인트 클라우드의 예시   직스캐드 2024 버전에서는 디자인 및 엔지니어링 분야의 혁신이 더욱 확대되었다. 이번에 추가된 포인트 클라우드 기능은 사용자들에게 새로운 차원의 디자인 경험을 제공하며, 디자인 작업을 보다 직관적이고 효율적으로 만들어낸다. 포인트 클라우드 기능은 물체나 환경을 3차원 공간 상에 좌표로 표현한 데이터를 쉽게 가져와서 디자인 작업에 활용할 수 있다. 이는 레이저 스캐너나 카메라를 통해 취득된 데이터를 직스캐드에서 쉽게 작업하여 설계자들이 사진에 담을 수 없었던 현장을 그대로 볼 수 있게 됐다. 이 기능을 통해 사용자들은 건축물의 외형을 분석하고 수정하는데 사용할 수 있으며, 제조 엔지니어는 제품의 형태와 치수를 분석하여 제조 공정을 최적화할 수 있다. 또한, GIS 전문가는 지형 분석 및 지리 정보 시스템에 포인트 클라우드 데이터를 쉽게 통합하여 지형 모델링을 수행할 수 있다. 이 외에도 포인트 클라우드 기능은 다양한 산업 분야에서 활용될 수 있으며, 사용자들에게 더욱 직관적이고 효율적인 경험을 제공한다. 직스캐드 2024의 새로운 포인트 클라우드 기능은 디자이너들의 창의성을 끌어올리고 혁신적인 디자인을 만들어내는데 도움이 될 것이다.   포인트 클라우드 사용하기 데이터 취득 포인트 클라우드를 만들기 위해서는 먼저 데이터가 필요하다. 레이저 스캐너, 구조 광 프로젝터, 드론 또는 스테레오 카메라와 같은 장비를 사용해야 된다. 이러한 장비로 물체나 환경을 촬영하고 측정하여 3D 좌표를 생성한다.   데이터 처리 현재 직스캐드 2024 버전에서는 6개의 확장자를 지원한다. (*.rcs, *.rcp, *.e57, *.las, *.laz, *.pts) 취득한 데이터를 변환하는 작업을 거치면 모델을 확인할 수 있다.   그림 2. 포인트 클라우드 변환   포인트 클라우드 시각화 데이터가 처리되면 포인트 클라우드를 시각화하여 확인할 수 있다.    분석 및 편집 시각화된 포인트 클라우드를 통해 색상 및 단면, 점의 크기와 세밀도를 필요에 따라 편집할 수 있다.   그림 3. 포인트 클라우드 편집   시뮬레이션 및 검증 디자인이 완료되면 시뮬레이션을 통해 제품이나 구조물의 특징을 확인할 수 있다. 이를 통해 디자인의 품질과 안정성을 확보할 수 있다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.

개발 및 공급 : 엔비디아 주요 특징 : AI 처리를 위한 3세대 텐서 코어 및 레이 트레이싱을 위한 2세대 RT 코어 탑재, 암페어 아키텍처 기반의 CUDA 코어 탑재해 그래픽/컴퓨팅 처리속도 향상, 전문가 작업의 데이터를 처리속도 향상 위한 메모리 대역폭 증가, 효율적인 비디오 처리를 위한 인코딩/디코딩 엔진 탑재 등   엔비디아가 새로운 엔비디아 RTX A400과 RTX A1000 GPU를 통해 RTX 전문가용 그래픽 제품을 확장하고, 디자인을 비롯한 AI 기반 생산성 워크플로를 강화한다고 밝혔다. 디자인과 생산성 애플리케이션 전반에 걸친 AI 통합이 새로운 기준으로 자리잡으면서 고급 컴퓨팅 성능에 대한 수요가 증가하고 있다. 즉, 전문가와 크리에이터들은 프로젝트의 규모와 복잡성 또는 범위에 관계없이 향상된 컴퓨팅 성능을 활용해야 한다. 엔비디아 암페어(Ampere) 아키텍처 기반의 RTX A400과 RTX A1000 GPU는 이렇게 증가하는 수요를 충족하기 위해 개발됐으며, AI와 레이 트레이싱 기술에 대한 접근성을 확대해 전문가들이 일상적인 워크플로를 혁신하는데 필요한 도구를 제공한다.   ▲ 엔비디아 RTX A400   향상된 성능으로 창의성 및 효율 향상 지원 RTX A400 GPU는 RTX 400 시리즈 GPU에 가속화된 레이 트레이싱과 AI를 도입했다. 이 GPU는 AI 처리를 위한 24개의 텐서 코어(Tensor Cores)를 탑재해 기존 CPU 기반 솔루션을 넘는 성능을 제공한다. 이를 통해 전문가들은 지능형 챗봇, 코파일럿과 같은 최첨단 AI 애플리케이션을 데스크톱에서 직접 실행할 수 있다. 또한 GPU는 실시간 레이 트레이싱을 제공하므로 크리에이터는 생생하고 물리적 정확도가 높은 3D 렌더링을 제작할 수 있다. A400은 시리즈 최초로 4개의 디스플레이 출력을 지원해 금융 서비스, 명령과 제어, 유통, 운송과 같은 산업에 필수적인 고밀도 디스플레이 환경에 적합하다. 엔비디아 RTX A1000 GPU는 RTX 1000 시리즈 GPU에 처음으로 텐서 코어와 RT 코어를 도입했다. 이를 통해 전문가와 크리에이터를 위한 가속화된 AI와 레이 트레이싱 성능을 제공한다. A1000은 72개의 텐서 코어를 탑재해 이전 세대에 비해 업그레이드된 성능을 갖췄다. 스테이블 디퓨전(Stable Diffusion)과 같은 도구에서 3배 이상 빠른 생성형 AI 프로세싱을 제공하며, 18개의 RT 코어는 그래픽과 렌더링 작업 속도를 최대 3배까지 높여 2D와 3D CAD, 제품과 건축 설계, 4K 비디오 편집과 같은 전문적인 워크플로를 가속화한다. 더불어 A1000은 이전 세대보다 최대 38% 더 많은 인코딩 스트림을 처리하고 2배 더 빠른 디코딩 성능을 제공하는 등 비디오 처리 능력을 높였다.   ▲ 엔비디아 RTX A1000   차세대 기능을 통한 성능 강화 A400과 A1000 GPU는 싱글 슬롯 디자인에 전력소비량이 50W이며, 콤팩트하고 에너지 효율적인 워크스테이션을 위해 향상된 기능을 제공한다.  2세대 RT 코어 : 건축 도면, 3D 디자인, 콘텐츠 제작 등 모든 전문 워크플로를 위한 실시간 레이 트레이싱, 사실적인 물리 기반 렌더링과 시각화, 정확한 조명과 그림자 시뮬레이션으로 작업 품질을 높일 수 있다. 3세대 텐서 코어 : 생성형 AI, 이미지 렌더링 노이즈 제거, 딥러닝 슈퍼 샘플링과 같은 AI 증강 도구와 애플리케이션을 가속화해 이미지 생성 속도와 품질을 개선한다.  암페어 아키텍처 기반 쿠다 코어 : 암페어 아키텍처 기반의 쿠다(CUDA) 코어는 이전 세대 대비 최대 2배의 단정밀도 부동 소수점 처리량으로 그래픽과 컴퓨팅 워크로드의 속도를 크게 높인다. 4GB/8GB 메모리 : A400 GPU의 4GB와 A1000 GPU의 8GB GPU 메모리는 다양한 전문가용 요구 사항을 충족한다. 여기에는 기본적인 그래픽 디자인과 사진 편집부터 텍스처나 고해상도 편집, 데이터 분석이 필요한 까다로운 3D 모델링 등이 포함된다. 또한 이 GPU들은 이전 세대보다 메모리 대역폭이 증가해 데이터를 더 빠르게 처리하고 대용량 데이터 세트와 장면을 더 원활하게 처리할 수 있다. 인코딩/디코딩 엔진 : 7세대 인코드(NVENC)와 5세대 디코드(NVDEC) 엔진을 탑재한 새 GPU는 효율적인 비디오 처리를 기능을 제공한다. 이를 통해 초저지연으로 고해상도 비디오 편집, 스트리밍, 재생을 지원한다. 또한 AV1 디코드가 포함돼 더 많은 비디오 포맷을 더 효율적이고 원활하게 재생할 수 있다.   RTX 솔루션의 활용 범위 확대 엔비디아는 새로운 GPU가 최첨단 AI, 그래픽, 컴퓨팅 기능 등을 통해 사용자의 생산성을 높이고 창의적인 가능성을 열어준다고 전했다. 레이 트레이싱 렌더링과 AI가 포함된 고급 워크플로를 통해 전문가들은 작업의 한계를 뛰어넘고 놀라운 수준의 사실감을 구현할 수 있다. 기획 담당자들은 강력하고 에너지 효율적인 새로운 컴퓨팅 솔루션을 에지 배포에 사용할 수 있다. 크리에이터는 편집과 렌더링 속도를 높여 더욱 풍부한 시각적 콘텐츠를 제작할 수 있다. 건축가와 엔지니어는 아이디어를 3D CAD 개념에서 실제 디자인으로 원활하게 전환할 수 있다. 스마트 공간에서 작업하는 경우에는 공간 제약이 있는 환경에서 실시간 데이터 처리, AI 기반 보안, 디지털 사이니지 관리 등에 GPU를 사용할 수 있다. 또한 의료 전문가들은 더 빠르고 정밀한 의료 영상 분석을 수행할 수 있다.     ■ 기사 내용은 PDF로도 제공됩니다.

책임감 있는 AI 활용 및 향상된 모델 훈련   이번 호에서는 AI를 활용해 실시간 3D 콘텐츠를 제작하는 툴인 유니티 뮤즈(Unity Muse)에서 결과를 생성하는 방법을 설명하고, 유니티의 모델 훈련 방법론 및 새로운 파운데이션 모델 두 가지를 소개한다. ■ 자료 제공 : 유니티 코리아   유니티 뮤즈는 AI 기능을 바탕으로 사용자의 탐색, 아이디어 구상 및 반복 작업을 지원한다. 이러한 기능 중 텍스처(Texture) 및 스프라이트(Sprite)는 자연어와 시각적 입력을 애셋으로 변환한다. 뮤즈를 통해 유니티 에디터에 AI를 도입하면 아이디어를 가시적인 콘텐츠로 빠르게 구현할 수 있으므로, 비전을 더 손쉽게 실현할 수 있다. 프로젝트에 사용 가능한 실제 결과물로 변환할 수 있는 텍스트 프롬프트와 패턴, 색, 스케치를 이용하여 조정 및 반복 작업도 가능하다. 유니티는 뮤즈를 통한 스프라이트 및 텍스트 생성의 기반이 되는 AI 모델에 대한 훈련 기법을 혁신하는데 노력을 들였다. 이를 통해 안전하고 책임감 있으며 다른 크리에이터의 저작권을 존중하는 유용한 결과물을 제공하고자 한다.   AI 모델 훈련 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 선보이면서, 유니티가 보유하거나 라이선스를 받은 독점 데이터를 기반으로 처음부터 훈련을 받은 두 가지 맞춤형 확산 모델도 개발하고 있다.   자체 콘텐츠 라이브러리 확장 데이터 증강은 유니티가 데이터 세트의 스케일과 다양성을 높이기 위해 사용하는 핵심 기술 중 하나로, 이 기술을 이용하여 유니티는 보유 중인 원본 데이터 샘플에서 많은 변형(variation)을 생성할 수 있다. 이러한 역량으로 훈련 세트를 더 풍부하게 만들 수 있으며, 모델이 한정된 샘플을 기반으로 일반화를 수행하는 기능을 향상할 수 있다. 아울러 지오메트리 변환, 색 공간 조정, 노이즈 삽입, 스테이블 디퓨전(Stable Diffusion) 같은 생성형 모델을 통한 샘플 배리에이션 등의 기법을 사용해 데이터 세트를 종합적으로 확장한다. 최근 스테이블 디퓨전과 관련하여, 본래 인터넷에서 수집된 데이터를 기반으로 훈련된 모델이라는 이유로 윤리적인 면에서 우려가 발생한 바 있다. 유니티는 뮤즈의 텍스처 및 스프라이트 기능을 제작하면서, 자체적으로 소유하고 책임감 있게 선별한 원본 데이터 세트를 기반으로 잠재적 확산 모델 아키텍처를 처음부터 훈련하는 방식을 통해 사전 훈련된 모델에 대한 의존도를 낮췄다. 데이터 증강 기법의 일부로 스테이블 디퓨전 모델의 사용을 최소로 제한해 안전하게 사용함으로써, 유니티가 보유한 원본 애셋 라이브러리를 강력하고 다양한 결과물의 저장소로 확장할 수 있었다. 이러한 결과물은 고유하고 독창적이며, 저작권을 가진 어떠한 아트 스타일도 포함하지 않는다. 유니티는 또한 추가로 완화 조치를 적용했으며, 뮤즈의 텍스처 및 스프라이트 기능에 사용되는 유니티의 잠재적 확산 모델을 위한 훈련 데이터 세트는 인터넷에서 수집된 어떤 데이터도 포함하지 않는다. 다음은 앞에서 설명한 증강 기법을 통해 확장되는 콘텐츠의 예시이다.   그림 1   <그림 1>은 원본 데이터 샘플(왼쪽 상단)과 복합적인 증강 기법으로 얻은 합성 배리에이션이다. 두 가지 모두 노이즈 기반(색 공간 조정, 위에서 아래로) 및 생성 기반(왼쪽에서 오른쪽으로)이다. 기존 데이터를 증강한 이후에도 여전히 다양한 소재에서 채워야 하는 부분이 있었다. 이 작업을 위해 행동에 의미 있는 변화가 나타날 때까지 자체 콘텐츠로 스테이블 디퓨전을 훈련시켰다. 또한 이러한 파생 모델을 사용하여 사전 필터링된 소재 목록으로 완전히 새로운 합성 데이터를 만들었다.(그림 2)   그림 2   실제 인력에 의한 검토와 LLM(대규모 언어 모델)을 사용하는 자동화된 추가 필터링을 이러한 소재 목록에 모두 적용함으로써, 유니티의 가이드 원칙을 위반하고 인식 가능한 아트 스타일, 저작권이 있는 머티리얼, 잠재적으로 유해한 콘텐츠가 전혀 포함되지 않은 데이터 세트를 만들겠다는 유니티의 목표에 맞지 않는 합성 이미지가 생성될 가능성을 차단했다. 그 결과 증강되고 완전한 대규모의 합성 이미지 데이터 세트 두 개가 만들어졌고, 여기에는 원치 않는 콘셉트가 포함되지 않았다는 확신이 있었다. 하지만 그러한 확신에도 불구하고, 유니티는 더 많은 필터링을 추가해 모델의 안전성을 보장하고자 했다.   안전하고 유용한 결과물을 위한 추가 데이터 필터링 가장 중요한 사항은 안전 및 개인정보와 부정적인 영향 없이 사용자를 지원하는 툴의 제공이었으므로, 유니티는 추가 데이터 세트 필터링을 위한 별도의 분류기 모델을 개발했다. 이 모델을 사용한 결과, 데이터 세트에 포함된 모든 콘텐츠가 유니티의 AI 원칙에 명시된 표준을 충족하고 추가적인 이미지 품질 검사를 통과할 수 있었다. 리뷰어 모델은 합성 이미지에서 다음 사항을 식별하는 역할을 함께 담당했다. 인식 가능한 사람의 특징이 포함되어 있지 않음 일반적이지 않은 어떤 아트 스타일도 포함되어 있지 않음 어떤 IP 캐릭터나 로고도 포함되어 있지 않음 허용될 수 있는 수준의 품질을 갖추고 있음 4개의 리뷰어 모델이 요구하는 신뢰도 높은 임계 수준을 하나라도 통과하지 못하는 이미지는 데이터 세트에서 폐기되었다. 가장 높은 신뢰도를 보이는 이미지만 필터를 통과해 최종 데이터 세트에 합류할 수 있도록 철저하게 주의를 기울이며, 모델의 결격 사유를 엄격하게 평가했다.   모델 소개 유니티의 유나이트 이벤트에서 뮤즈의 텍스처 및 스프라이트 기능에 대한 얼리 액세스가 발표되었다. 이러한 툴을 지원하는 모델의 첫 번째 반복 수정을 내부적으로 ‘Photo-Real-Unity-Texture-1’ 및 ‘Photo-Real-Unity-Sprite-1’이라고 한다. 이는 스타일화에 대한 기초적인 이해만 갖추도록 설계된 모델로, 주로 포토리얼리즘에 집중되어 있다. 모델을 프로젝트의 기존 스타일에 맞게 가이드하고 싶다면, 유니티의 스타일 훈련 시스템에 약간의 고유 레퍼런스 애셋을 제공하여 콘텐츠를 특정 아트 스타일로 생성하는 방법을 모델에 학습시킬 수 있다. 그렇게 하면 결과물 가이드를 위해 메인 모델과 함께 작동하는 소규모의 후속 모델이 생성된다. 이 소규모 후속 모델은 훈련 담당자나 그 조직에 공개되지 않으며, 유니티는 메인 모델 훈련에 이 콘텐츠를 사용하지 않는다. 포토리얼리즘에 중점을 두는 모델이기 때문에 유니티는 메인 모델을 수많은 다양한 스타일로 훈련시킬 필요가 없었다. 이 아키텍처를 통해 더 손쉽게 책임감 있는 AI를 향한 유니티의 약속을 지키면서 메인 모델을 훈련시킬 수 있으며, 크리에이터가 아트 수준을 더 세부적으로 제어하도록 할 수 있다. 이러한 모델은 시작에 불과하다. 뮤즈의 스마트한 역량은 점점 더 향상되어 더 나은 결과물로 이어질 것이며, 유니티는 그러한 과정에서 모델 향상 로드맵을 통해 모델을 더 높은 완성도로 이끈다는 비전을 내세운다.   Photo-Real-Unity-Texture-1 로드맵 유니티의 텍스처 모델은 모든 분야에서 유용하게 쓰일 수 있다. 큰 규모의 콘셉트를 인식하고 있으며, 이러한 모델을 통해 서로 관련이 없는 여러 콘셉트를 자유롭게 혼합하고 <그림 3>에서 볼 수 있는 ‘메탈 슬라임’ 또는 ‘파란색 크리스탈 유리 암석’ 같은 결과물을 구현할 수 있다.   그림 3   이 모델이 현 단계에서 유용하기는 하지만, 다양한 프롬프트와 입력 방식에 어떻게 반응하는지 학습해 본 결과 단일 단어로 구성된 프롬프트로는 고급 머티리얼 콘셉트를 구현하기 어려울 수도 있다는 사실을 알 수 있었다. 원하는 목표에 맞게 모델을 가이드하는 데에 도움이 되는 방법이 더 있지만, 유니티는 기본 프롬프트의 정확도를 높이고 새로운 모델 가이드 방법을 추가하는 방식으로 사용자가 모델을 계속 더 자유롭게 제어할 수 있도록 할 예정이다. 앞으로 컬러 피커, 추가적인 사전 제작 가이드 패턴, 자체 가이드 패턴 생성을 위한 개선된 시스템 및 기타 새로운 시각적 입력 방법을 추가할 계획이며, 이 모든 사항은 현재 실험 단계에 있다. Photo-Real-Unity-Texture-1에서 유니티가 가장 중점을 두는 사항은 성과가 저조한 머티리얼 콘셉트를 식별하고 모델 재훈련을 자주 실행하여 전반적인 품질과 기능을 지속적으로 개선하는 것이다. 툴 내 평가 시스템을 통한 사용자의 피드백은 유니티가 모델 기능에서 취약점을 식별하여 더 나은 툴을 만드는 데 도움이 된다. 유니티는 빈도 높은 훈련 일정으로 모델을 빠르게 개선하고, 모델의 사용성을 높이며, 머티리얼 분야에 대한 지식을 축적하고 있다.   Photo-Real-Unity-Sprite-1 로드맵 Photo-Real-Unity-Texture-1과 유사하게 유니티의 기본적인 스프라이트 모델은 전반적으로 유용하며 많은 콘셉트를 인식한다. 툴에 아직 빌트인 애니메이션 기능이 없기 때문에, 유니티는 초기에는 가장 흔하게 사용되는 정적 스프라이트 콘셉트의 품질을 극대화하는데 주력하기로 했다. 기본 모델의 원시 결과물을 <그림 4>에서 확인할 수 있다. 일반적인 사용 사례에서 이는 사용자 훈련 모델에 의해 특정 아트 스타일에 맞게 조정된다.   그림 4   정적 오브젝트는 이미 안정적이지만 유니티는 동물과 인간의 해부학적 정확도를 개선하기 위해 계속 노력하고 있다. 이러한 유형의 소재를 사용할 때 결과가 바람직할 수도 있지만, 사지가 늘어나거나 누락되는 경우 또는 안면이 왜곡되는 경우가 발생할 수도 있다. 이는 책임감 있는 AI 및 사용 가능한 데이터에 대한 엄격한 제한을 지향하는 유니티의 조치에 따른 부작용이라고 할 수 있다. 유니티는 개인정보 보호와 안전을 중요하게 인지하고 있으며, 이로 인해 초기 얼리 액세스 릴리스에서 일부 소재의 품질이 완벽하지 않을 수 있다. 완전히 공백인 스프라이트가 생성될 수도 있으며, 이는 시각적 콘텐츠 검수 필터에 따른 결과이다. 유니티는 Photo-Real-Unity-Sprite-1의 초기 출시 버전에서는 출력 필터링에 관해 신중하게 접근하는 방향을 택했으며, 이로 인해 일부 아트 스타일의 경우 필터링에서 1종 오류가 발생할 수 있다. 유니티는 지속적으로 피드백을 수렴하고 콘텐츠 필터를 개선하면서 점차 제한을 완화할 계획이다. 유니티는 피드백을 수렴하고 책임감 있는 자세로 계속 더 많은 데이터를 소싱하면서 전반적으로 모든 소재의 품질이 빠르게 향상될 것으로 기대하고 있다. Photo-Real-Unity-Sprite-1에도 Photo-Real-Unity-Texture-1과 유사하게 철저한 훈련 일정이 적용될 예정이다.   AI 강화 개발을 향한 유니티의 행보 뮤즈는 책임감 있고 타인의 독창성을 존중하는 방식으로 생성형 AI의 잠재력을 활용해 커뮤니티에 더 강력한 창작물 제어 권한을 부여하려는 유니티의 첫걸음이다. 이 제품은 사용자를 우선으로 고려하여 제작되었으며, 유니티는 사용자의 피드백을 기반으로 변화와 개선을 진행할 예정이다. 유니티는 콘텐츠 제작 업계에서 생성형 AI가 가지는 잠재적 영향력을 인식하며 중요하게 다루고 있다. 이 툴은 크리에이터를 대체하는 것이 아닌, 크리에이터의 역량을 강화하기 위한 노력의 결과이다. 유니티는 크리에이터가 더 많아질수록 세상은 더 매력적인 곳이 될 것이라고 믿으며, 뮤즈와 이를 지원하는 모델을 통해 이러한 사명을 계속 이어간다는 비전을 제시한다.     ■ 기사 내용은 PDF로도 제공됩니다.

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     4월 5일 ‘뿌리산업 컨퍼런스’에서는 ‘뿌리산업 대전환, DX와 스마트팩토리’를 테마로 5편의 발표가 진행됐다. 한국생산기술연구원의 최태훈 연구소장은 ‘미래 산업환경 대응 지능화 뿌리기술’에 대해 발표했다. 디지털화(digitalization) 및 디지털 전환(DX)은 대량의 데이터를 수집/분석할 수 있는 기술로 꼽힌다. 주요 선진국은 매스 커스터마이제이션(대량맞춤생산) 및 퍼스널라이제이션(개인화)으로 대표되는 경제 패러다임의 변화에 대응하기 위해 DX 기술을 기반으로 생산 제조 시스템 및 서비스 시스템의 변화를 추진하고 있다. 데이터의 활용을 기반으로 서비스를 개인화/자동화하며 프로세스를 혁신하는 인더스트리 4.0과 스마트 공장이 대표적이다. 스마트 공장의 구성 요소로 ▲공장 내 모든 장비의 소통 ▲공장 내 모든 구성요소의 역할 파악과 협업 ▲자율 운영 등을 꼽은 최태훈 연구소장은 “스마트 공장의 목적과 활용도 측면에서 생산성 향상에 아직 집중하고 있는 것이 국내 뿌리기업의 현실”이라면서, 공정 최적화를 넘어 유연생산과 자율제조를 추진해야 한다고 짚었다. 또한 중견/중소기업의 디지털 전환 확산을 위해서는 대기업의 상생 노력 및 정부의 정책 고민도 중요하다고 덧붙였다.   ▲ 한국생산기술연구원 최태훈 연구소장   LG전자의 송시용 상무는 ‘스마트 팩토리 구축 여정과 사례’ 발표에서 “스마트 공장의 목적을 명확히 하고 긴 여정을 짧게 가져가는 것이 경쟁력이 될 것”이라고 전했다. 송시용 상무가 바라보는 스마트 공장은 새로운 생산 시스템의 초기 기획부터 구축, 안정화, 양산 운영까지 전체 라이프사이클의 경쟁력을 확보하는 수단이다. 이를 위해 양산 운영 단계까지 빠르게 도달하는 것이 스마트 공장 성공의 열쇠라는 것이다. 또한, 송시용 상무는 LG전자가 구축한 스마트 공장인 ‘드림 팩토리’의 사례를 소개했다. 드림 팩토리는 양산 3년 전부터 초기 기획을 진행했고, 자동화를 위한 표준화와 공용화 등을 선결 과제로 추진했다. 이를 통해 제품 개발, 생산 시스템 및 SCM(공급망 관리), 공법 및 장비 등의 영역에서 자동화와 운영 최적화, AI 기반의 성능 예측과 실시간 설비 데이터 기반 고장 예지 등의 기능을 구축했다. 송시용 상무는 “생산 현장의 직접 영역 외에 간접 영역의 디지털 전환도 함께 추진해야 효용을 높일 수 있다”고 덧붙였다.   ▲ LG전자 송시용 상무   현대자동차의 최영태 상무는 ‘현대자동차 HMGIS 스마트 팩토리 구축 사례 소개’에 대해 발표했다. 현대자동차는 미래 자동차 생산 기술을 연구 및 실증하기 위한 싱가포르 글로벌 혁신센터(HMGIS)를 구축했다. HMGIS는 현대자동차그룹의 스마트 공장 브랜드인 ‘이포레스트(E-FOREST)’를 실증하기 위한 테스트베드의 역할도 한다. 최영태 상무는 현대자동차가 추구하는 스마트 제조 플랫폼의 핵심 가치로 ▲휴머노이드 로봇 등을 활용한 자동화 ▲공장의 자율 운영 및 소프트웨어 정의 공장(SDF) ▲인체공학적인 스마트 공장 기술 ▲수소 에너지 기반의 넷제로 공장 등을 꼽았다. 또한, 스마트 공장 추진 사례로 ▲산업용 로봇/협동로봇, 머신비전, AI 기술을 활용한 조립 자동화 시스템 ▲자율주행, 통합 관제 기술 등을 활용한 경로 이송 물류작업의 자동화 시스템 ▲제조 현장의 데이터를 시각화/공유하는 IoT 기반의 팩토리 BI(비즈니스 인텔리전스) ▲데이터 분석/비전 품질 검사/생산 관련 정보 및 자동화 가이던스 제공 등을 위한 팩토리 AI를 소개했다.   ▲ 현대자동차 최영태 상무   에스엔에이치의 민태기 연구소장은 ‘공작기계의 역사와 제조업의 과거와 미래’에 대해 발표하면서 스마트 공장에 대한 큰 그림을 그리는 데에 도움이 될 만한 내용을 소개했다. 공작기계의 역사는 우리가 생각하는 것보다 오래 되어, 맷돌도 초보적인 공작기계로 볼 수 있을 정도이다. 이후 산업혁명 시기에는 증기기관 방적기가 등장하면서 의류의 생산성이 높아지고, 난방과 조리에 쓰고 남은 열을 활용할 수 있게 되면서 조리 기술이 발달하는 등 기계가 생활을 변화시키기도 했다. 특히 정밀가공 기술의 발전은 대포의 성능을 크게 높이면서 국제정세의 변화를 이끌었다. 비교적 최근에는 직렬 공정의 리스크에 대한 고민이 분산시스템과 CPS(사이버 물리 시스템) 등을 고민하게 했고, CNC 머신의 등장은 4차 산업혁명으로 이어지는 시작점이 되었다. 민태기 연구소장은 “이후에도 공작기계는 더 많은 산업과 우리 생활 가까이 자리잡고 있다”면서, “제조현장과 제품 생산의 미래는 성능과 생산성을 넘어 ‘우리의 삶을 어떻게 바꿀 것인가’라는 흥미와 관심이 주도할 것”이라고 전했다.   ▲ 에스엔에이치 민태기 연구소장   산업통상자원 R&D전략기획단의 임영목 MD는 ‘산업 R&D 정책 방향’에 대한 발표에서 “우리 정부는 자유무역 체제 하에서 기술 패권, 생산성 강화, 디지털 전환과 같은 글로벌 환경 변화에 대응해야 한다는 측면에서 R&D 및 정책 모델의 전환을 추진 중”이라면서, “첨단 전략 기술, 혁신 인재, 개방형 혁신, 산업 융합, 스케일업 등의 키워드를 정책에 반영할 필요성이 커졌다”고 전했다. 정부는 파편적인 과제 지원에 그치지 않고 전략적인 목표 아래 다양한 전문 분야를 연결해 산업 혁신으로 이어질 수 있는 정책 거버넌스에 대한 고민을 하고 있다. 임영목 MD는 이런 흐름에서 향후 정부 R&D 지원 정책의 주된 방향으로 ▲고위험 차세대 기술에 대한 R&D 투자 집중 ▲기업 등 민간의 기술 수요자 중심으로 프로세스 변화 ▲ 산업 단위의 공통 핵심기술에 대한 투자 확대 ▲기업 수요 기반으로 전략적 글로벌 공동 연구 추진 ▲민관 공동투자 대상 기업의 스케일업 지원 ▲선진 연구자의 참여 및 성장 지원 등을 꼽았다.   ▲ 산업통상자원 R&D전략기획단 임영목 MD   같이 보기 : [포커스] 디지털 제조 컨퍼런스, 제조산업 혁신 전략과 디지털 트윈의 활용 방안 소개

캐드앤그래픽스는 SIMTOS 2024 행사 기간 중 4월 4일과 5일에 ‘디지털 제조 & 뿌리산업 컨퍼런스’를 진행했다. AI 제조 혁신과 디지털 트윈을 다룬 ‘디지털 제조 컨퍼런스(4월 4일)’와 스마트 공장 및 뿌리산업의 디지털 전환을 주제로 한 ‘뿌리산업 컨퍼런스(4월 5일)’을 통해 제조 분야 디지털 전환의 흐름을 짚고, 미래 혁신 전략과 사례를 살펴보는 자리가 마련됐다. ■ 정수진 편집장     한국공작기계산업협회의 김경동 선임본부장은 개회사에서 “최근 AI 기반 자율 제조와 디지털 전환의 가속화 등 트렌드가 제조산업의 변화와 혁신을 요구하고 있다. 이러한 변화와 혁신에 대응하기 위해서는 더욱 스마트하고 효율적인 생산 방식을 채택하여 산업 경쟁력을 강화하고, 지속 가능한 발전을 이룰 수 있도록 해야 한다”고 짚었다. 그리고 “이번 행사를 통해 변화에 대응하기 위한 해결책으로서 반도체, 자동차, 조선 등 수요산업과 절삭, 가공 산업의 AI 자율 제조 구현을 살펴보는 동시에, 제조업의 당면 과제 해결을 위한 다양한 솔루션과 방향성을 찾는 기회가 마련되길 바란다”고 전했다. 4월 4일 ‘디지털 제조 컨퍼런스’에서는 ‘AI 제조 혁신과 디지털 트윈’을 테마로 5편의 발표가 진행됐다. DN솔루션즈의 이병곤 부사장은 ‘절삭 가공 산업의 AI 기반 자율 제조’에 대해 소개하면서, 절삭 가공 등 공작기계 산업의 자율 제조 시스템 구축을 위한 모티베이션으로 반도체 산업과 자동차 산업의 사례를 들었다. 반도체 산업의 경우 지난 수십 년간의 노력을 통해 높은 수준의 무인 자동화를 이뤘으며, 2030년까지 공장 장비의 유지보수까지 무인화하는 자율제조 체계 구축을 추진하고 있다. 반면 공작기계 산업에서는 자동화의 진행이 상대적으로 느린 상황이다. 이병곤 부사장은 “자율주행자동차의 발전 단계외 비슷한 아키텍처를 공작기계 산업의 자율 제조에도 적용할 수 있을 것”이라고 짚었다. 이병곤 부사장은 다수 장비의 자율 운영을 위한 표준화 및 공장 전체의 엔지니어링 데이터와 운영 시스템을 통해 공장의 자율제조 구현이 가능할 것으로 보았다. 그리고 “DN솔루션즈는 데이터 플랫폼, 제조 실행 플랫폼, 의사결정 플랫폼 등 세 가지 플랫폼을 중심으로 공장의 디지털 트윈 및 표준 제어 솔루션 등 전체 아키텍처를 구성하고, 상향식(bottom-up)으로 필요한 기능을 갖추면서 AI 기반의 자율제조 비전을 실현해 나가고자 한다”고 전했다.   ▲ DN솔루션즈 이병곤 부사장   네이버 클라우드의 하정우 센터장은 ‘챗GPT 1년, 초거대 AI가 불러온 변화와 우리의 전략’을 주제로 발표를 진행했다. 발표에서는 올해 생성형 AI(generative AI)의 주요한 트렌드로 ▲글/그림/영상/오디오 등 다양한 AI 서비스의 본격화 ▲스마트폰이나 로봇 등에 탑재되는 온디바이스(on-device) AI ▲AI의 안전성과 책임을 강화하기 위한 노력 ▲실제 산업과 일상생활에서 의미 있는 성과 창출 ▲사람의 편향성이 투영된 합성 데이터의 문제 해결 등을 꼽았다. 하정우 센터장은 “제조산업은 생성형 AI의 도입이 상대적으로 늦을 것이라는 시각도 있지만, 결국 모든 산업이 생성형 AI의 영향을 받을 것”이라면서, “현장 전문가의 지식과 노하우를 AI가 학습함으로써 지속가능한 기술 공유 및 기업 능력 강화가 가능하며, 제조산업에 특화된 데이터를 활용해서 생성형 AI를 만들고 이를 로봇과 연계해 생산성을 높일 수 있다. 이처럼 아날로그 시대에 정의된 프로세스를 디지털화하는 것에 그치지 않고, 새로운 기술을 고려해 프로세스 자체를 새롭게 정의해야 디지털 전환의 효과를 크게 만들 수 있을 것”이라고 전했다.   ▲ 네이버 클라우드 하정우 센터장   HD현대미포의 김희원 상무는 ‘조선산업의 설계-생산이 일관화된 디지털 생산 플랫폼 구축 전략과 현황’에 대해 소개했다. 글로벌 환경규제, 경쟁국가와의 격차 감소, 고숙련 인력의 부족 등은 조선산업이 해결해야 할 과제로 꼽힌다. 이에 따라 HD현대미포는 조선해양 산업의 미래 비전 수립하고 해양 모빌리티, 해양 디지털 솔루션, 해양 에너지 밸류체인의 구축 등을 추진하고 있다. 김희원 상무는 지능형 미래 조선소를 구현하기 위한 HD현대미포의 노력을 소개했다. HD현대미포는 네이버와 함께 대규모 AI 도입을 진행하는 한편, 지멘스와 협력해 4세대 조선 CAD 개발을 진행 중이다. 특히 디지털 조선소를 구현하기 위해 설계와 생산이 일관화된 디지털 제조 환경을 마련하는 데에 주력하고 있는데, 가상 공간에서 설계와 생산 검증을 진행하고 자동화 운영까지 단일 환경 기반으로 구현하는 것이 핵심이다. 또한, 김희원 상무는 BOM 자동 구축, 생산 공장의 시뮬레이션 기반 최적화, 시뮬레이션-생산 설비 연결, 생산 자동화 장비 개발 등 선박 블록 생산을 위한 디지털 매뉴팩처링 체계 구축 사례도 소개했다.   ▲ HD현대미포 김희원 상무   KAIST의 장영재 교수는 ‘AI 자율제조의 미래와 유연 공작셀 소개’를 주제로 한 발표에서 로봇이 자재를 갖고 필요한 공정으로 움직여 작업을 하는 셀(cell) 기반의 자동화 시스템이 전통적인 컨베이어 벨트 생산 시스템을 대체하고 있다고 전했다. 셀의 개념은 1980년대에 등장했지만 최근 기술의 발전에 힘입어 본격화되고 있다는 것이다. 장영재 교수는 “최근에는 자동화를 넘어서 자율화, 무인화로 패러다임이 바뀌고 있다”면서, “컨베이어 벨트를 대신하는 로봇, 인식과 판단을 위한 인공지능, 디지털 트윈 기반의 가상 검증, 소프트웨어의 원격 구축 및 업그레이드를 돕는 클라우드 등의 기술을 통해 변화하는 환경을 기계가 스스로 인식하고 자율적으로 판단, 행동하는 자율제조가 공장에 적용되고 있다”고 짚었다. 또한, 장영재 교수는 이런 자율제조 유연셀을 구현하기 위한 기술 개발 사례도 소개했다. 여기에는 ▲디지털 트윈을 통한 로봇의 가상 검증 및 로봇 동선 자동 설계 ▲외국인 작업자가 생산 스케줄을 수립/운영할 수 있는 LLM(대규모 언어 모델) 기반 스케줄링 자율화 ▲이기종 로봇의 연결 및 단일 소프트웨어 기반 제어 등이 있다.   ▲ KAIST 장영재 교수   포스코DX의 김미영 상무는 ‘제조 혁신의 미래, 디지털 트윈 추진 사례’를 주제로, 제조산업의 생존과 경쟁력 강화를 위한 디지털화 전략을 제시했다. 김미영 상무가 꼽은 제조 디지털 전환 접근법은 ▲스마트한 현장의 센싱 ▲스마트한 현장 관찰 ▲스마트한 분석과 판단 ▲스마트한 시뮬레이션 ▲스마트한 제어 등 다섯 가지이다. “제조산업의 당면 과제 해결과 생존을 위해서는 기존 산업의 도메인 지식에 IT 기술을 접목해 디지털 전환을 추구해야 한다”고 짚은 김미영 상무는 “포스코는 세계 시장에서 경쟁력 있는 철강기업으로 자리매김하고자 지난 2015년부터 스마트화를 추진해 왔으며, 가상 환경에서 전체 가치사슬을 모니터링 및 시뮬레이션하고 실시간 원격 제어가 가능한 디지털 트윈 공장을 구축하고 있다”고 소개했다. 지능화 공장을 통해 제조 현장의 폭넓은 문제 해결 및 최적의 의사결정이 가능할 것으로 전망한 김미영 상무는 전체 공장에 걸쳐 연결과 협업을 중심으로 하는 ‘초연결 메타 팩토리’로 나아간다는 포스코의 비전을 소개했다.   ▲ 포스코DX 김미영 상무   같이 보기 : [포커스] 뿌리산업 컨퍼런스, 제조산업의 디지털 전환을 위한 노력 짚다     ■ 기사 내용은 PDF로도 제공됩니다.

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.