헥사곤 매뉴팩처링 인텔리전스는 전문가 수준의 레이저 스캐닝 기능을 다양한 산업의 입문 사용자까지 확장하는 핸드헬드(handheld) 3D 스캐너 ‘아틀라스캔 프로(ATLASCAN Pro)’를 출시했다. 헥사곤은 “다중 레이저 라인과 독자적인 프로세싱 알고리즘을 적용한 아틀라스캔 프로는 누구나 쉽게 배우고 저렴하게 구매할 수 있으며, 빠른 스캐닝 속도와 높은 데이터 품질을 동시에 구현한다”고 소개했다. 다용도로 사용 가능한 이 스캐너는 무게가 1kg으로 펌프 하우징, 자동차 차체 또는 가전제품 등 다양한 부품을 현장에서 직접 스캔할 수 있다. 최대 2시간 사용 가능한 교체식 배터리와 와이파이 7을 지원하는 무선 옵션을 제공하며, 동적 스캐닝 기능을 통해 프로펠러나 배관 내부처럼 불안정한 환경이나 이동 중인 부품도 원활하게 스캔할 수 있다.     아틀라스캔 프로는 표준 모드에서 최대 720×640mm 범위를 초당 400만 포인트의 속도로 스캔한다. 사용자는 손가락으로 조작 가능한 인체공학적 스위치를 통해 표준 모드와 고정밀 모드를 쉽게 전환할 수 있으며, 고정밀 모드에서는 160×140mm 영역을 높은 해상도로 측정할 수 있다. 역설계 워크플로 역시 간소화됐다. 사용자는 손상된 부품이나 전기 커넥터처럼 작은 부품을 다양한 각도에서 스캔해 누락된 세부 정보를 포착하고, 추가 보정이나 후처리를 최소화할 수 있다. 또한 헥사곤은 기존 워크플로에 즉시 연동 가능한 환경을 제공하기 위해, 지오매직 디자인 X 고(Geomagic Design X Go) 소프트웨어를 포함한 스타터 번들을 추가 비용 없이 제공한다고 전했다. 이를 통해 사용자는 원본 설계 없이도 부품을 재현하고, 3D 모델 제작 또는 적층 제조용 데이터로 빠르게 전환할 수 있다. 전문가는 CAD 기능이 강화된 지오매직 디자인 X(Geomagic Design X)로 업그레이드하거나, 선호하는 역설계 소프트웨어를 사용할 수도 있다. 아틀라스캔 프로는 품질 관리 및 검사를 위해 VDI/VDE 2634-3 규격에 따라 인증되었으며, 헥사곤의 HH 스캔(HH Scan) 소프트웨어가 포함되어 있어 누구나 손쉽게 3D 컬러맵, 기하학적 형상 및 보고서 작성을 시작할 수 있다. 또한 이 스캐너는 소프트웨어에 독립적이기 때문에, 출시 시점부터 지오매직 컨트롤 X(Geomagic Control X)와 지오매직 디자인 X에 대한 직접 스캔을 지원하며, 타사 소프트웨어 지원도 추가될 예정이다. 아틀라스캔 프로는 계측 등급의 아틀라스캔 맥스(ATLASCAN Max)와 내장 포토그래메트리 기능을 갖춘 타깃 프리 휴대용 3D 스캐너인 마블스캔(MARVELSCAN)을 보완한다. 특히, 지난 2025년 5월 출시된 하이퍼 스캔(HYPERSCAN) 시리즈는 0.05~0.14mm의 정확도로 4m이상의 대형 물체나 이동하는 대상을 측정하기에 적합하며, 광학식 트래커와 스캐너 시스템을 결합하여 실시간 동적 트래킹을 제공해 헥사곤의 휴대용 3D 스캐너 라인업을 완성한다. 헥사곤의 대런 고(Darren Goh) 핸드헬드 3D 스캐너 제품 디렉터는 “아틀라스캔 프로는 누구나 손쉽게 사용할 수 있는 핸드헬드 3D 스캐너로, 빠르고 전문적인 수준의 스캐닝 성능을 필요한 이들에게 합리적인 가격에 제공하며, 헥사곤의 지속적으로 확대되고 있는 3D 핸드헬드 스캐너 제품군을 한층 강화한다”면서, “욕조, 유아용 장난감, 버스 제조 등 모든 애플리케이션이 헥사곤이 자랑하는 초정밀 측정 수준을 요구하는 것은 아니다. 이번 신제품을 통해 사용자가 유지보수, 역설계, 3D 모델 생성 등 고생산성 워크플로를 일상 업무에 통합할 수 있는 새로운 기회가 열리게 될 것으로 기대한다”고 말했다.

디지털 트윈과 AI가 시뮬레이션과 현실의 간극을 메우다   제조 시설은 지속적인 문제에 직면해 있다. 정비 일정은 일반적으로 실제 마모와 관계없이 3개월마다 부품을 점검하고 6개월마다 구성 요소를 교체하는 등 엄격한 일정을 따른다. 그 결과 불필요한 점검과 교체로 인한 비효율적인 시간 낭비가 발생하고, 반대로 정비 일정 전에 부품이 고장 나는 일도 생긴다. 센트랄수펠렉-파리 사클레대학교(CentraleSupélec–Université Paris-Saclay)의 지궈 젠(Zhiguo Zeng) 교수와 그의 연구팀은 디지털 트윈 기술과 딥러닝을 결합한 혁신적인 접근 방식을 통해 이 문제를 해결하고 있다. 그들의 목표는 모든 중요 부품에 센서를 배치할 필요 없이 시스템 수준의 모니터링 데이터만으로 로봇 시스템의 구성요소 수준의 고장을 감지하는 것이다. 젠 교수는 “유지보수는 공장에서 매우 큰 문제”라면서, “기계에 유지보수가 필요한 시기를 미리 안다면 주문이 적은 시기에 수리 일정을 잡을 수 있어 생산성 손실을 최소화할 수 있다”고 말했다. 그는 신뢰성 공학과 수명 예측 분야에서 풍부한 경험을 갖고 있지만, 디지털 트윈 기술은 그의 이전 연구와는 결이 다른 새로운 영역이었다. 센트랄수펠렉의 안 바로스(Anne Barros) 교수와 페드로 로드리게스-아예르베(Pedro Rodriguez-Ayerbe) 교수가 주도하는 학제 간 프로젝트인 ‘미래의 산업(Industry of the future)’에 참여하면서, 그는 디지털 트윈이 어떻게 강력한 시뮬레이션 도구를 물리적 시스템에 실시간으로 직접 연결할 수 있는지 깨달았다. 젠 교수는 “디지털 트윈은 결함 진단에 매우 유용하다. 이를 실제 기계의 데이터에 연결하여 그 데이터로 모델을 개선할 수 있다”고 설명했다.  제조업, 자동차, 항공우주 및 기타 분야로 활용 영역이 확대되면서, 디지털 트윈은 인더스트리 4.0에서 유망한 기술 중 하나로 자리잡고 있다. 물리적 객체나 시스템의 가상 복제본인 디지털 트윈(digital twin)을 생성함으로써, 조직은 운영 현황과 유지보수 필요성을 명확하게 파악할 수 있다. 또한 디지털 트윈은 예측 유지 관리 시스템 개발의 어려운 측면 중 하나인 고장 데이터의 부족에 대한 해결책을 제시한다. 젠 교수는 “현실에서는 고장이 자주 발생하는 걸 보기는 어렵다. 그래서 이제는 시뮬레이션을 통해 고장 데이터를 만들어낸다”고 설명했다.   가상과 물리의 가교 역할 디지털 트윈 프로젝트는 물리적 시스템과 가상 시스템 간의 다양한 수준의 통합을 통해 구현 옵션을 제공한다. 젠 교수의 연구팀은 세 가지 서로 다른 수준의 디지털 표현으로 작업했다. 기본 수준에서 디지털 모델은 기존 시뮬레이션처럼 작동하며, 물리적 시스템과 데이터를 교환하지 않는 정적 모델로 오프라인에서 실행된다. 그다음 단계는 디지털 섀도로, 가상 모델이 물리적 시스템의 데이터를 받아 그 행동을 미러링하지만 제어하지는 않는다. 가장 발전된 구현은 데이터와 정보의 양방향 흐름을 갖춘 진정한 디지털 트윈이다. 여기서 모델은 관찰을 바탕으로 스스로 업데이트하고 물리적 시스템을 제어하는 실시간 결정을 내린다. 연구팀은 테스트용으로 ArmPi FPV 교육용 로봇을 선택했다. 이 로봇은 5개의 관절과 하나의 엔드이펙터로 구성되며, 6개의 서보 모터로 제어된다. 결함 진단의 기초가 될 만큼 정확한 디지털 트윈을 만드는 것은 어려운 일이었다. 또한 기존 모니터링 접근 방식의 한계를 해결해야 했다. 젠 교수는 “대부분의 산업 사례에서 베어링을 진단하려면 베어링 수준의 센서가 필요하며, 이는 쉽지 않은 일이다. 내부에 베어링이 있는 큰 기계를 상상해보면 센서를 설치하기 위해서는 기계를 분해해야 하는데 때로는 공간이 충분하지 않을 때도 있다”고 말했다.   그림 1. ArmPi FPV 교육용 로봇(출처 : 센트랄수펠렉)   그들의 접근 방식은 시스템 수준 데이터(로봇 엔드 이펙터의 이동 궤적)를 사용하여 구성 요소 수준의 오류(개별 모터 문제)를 진단하는 것이었다. 또한 디지털 트윈을 사용하여 관찰할 수 있는 것과 감지해야 할 것 사이의 격차를 해소하고자 했다. 연구팀은 시뮬링크(Simulink)와 심스케이프 멀티바디(Simscape Multibody)를 사용하여 디지털 트윈을 구축했으며, 구성요소와 시스템 수준 동작을 모두 나타내는 계층적 모델을 만들었다. 젠 교수는 “모든 것은 시뮬레이션 모델을 설계하는 것으로 시작한다. 동적 시스템과 그 제어기를 모델링하고 싶다면 시뮬링크는 매우 강력하다”고 말했다. 연구팀은 시뮬링크를 사용해 모터 제어기를 PID 제어기로 모델링하면서 실험적으로 조정한 게인 값을 활용했다. 또한, 시뮬링크의 시각화 기능을 적극적으로 활용해 시뮬레이션 데이터와 실제 로봇의 센서 데이터를 연동할 수 있는 인터페이스를 구축하고, 실시간 모니터링 환경을 구성하였다. ROS 툴박스(ROS Toolbox)는 로봇 하드웨어와의 연결에서 유용한 역할을 했다. 젠 교수는 “로봇 운영 체제(Robot Operating System : ROS)를 사용하려면 일반적으로 ROS와 파이썬(Python) 환경을 별도로 구성하고 모든 연결을 직접 처리해야 한다”면서, “ROS 툴박스를 사용하면 이런 설정이 자동으로 관리되기 때문에 많은 노력을 아낄 수 있다”고 설명했다. 연구팀은 AI 모델 학습을 위한 데이터 준비 과정에서는 두 가지 접근 방식을 시도하였다. 먼저, 로봇에 입력되는 모터 명령과 그에 따른 그리퍼(gripper)의 움직임 패턴과 같은 원시 계측값을 기반으로 데이터를 수집하였다. 이후에는 디지털 트윈을 활용한 방식을 도입하였다. 시뮬레이션을 통해 로봇이 명령에 따라 어떻게 움직여야 하는지를 예측하고, 이 결과를 실제 움직임과 비교함으로써 예상과 실제 간의 차이를 도출하였다. 이러한 차이는 미세한 고장을 감지하는 데 유용한 지표로 작용하였다.   그림 2. 심스케이프 멀티바디의 로봇 팔에 대한 시뮬링크 모델(출처 : 센트랄수펠렉)   연구팀은 딥 러닝 툴박스(Deep Learning Toolbox)를 사용하여 장단기 메모리(Long Short-Term Memory : LSTM) 신경망을 훈련하여 특정 실패를 나타내는 패턴을 식별했다. 모델 아키텍처에는 각각 100개의 숨겨진 단위가 있는 두 개의 LSTM 계층, 그 사이의 드롭아웃 계층 및 완전히 연결된 분류 계층이 포함된다. 연구팀은 매트랩 앱 디자이너(MATLAB App Designer)를 사용하여 각 모터의 위치, 전압 및 온도를 포함한 실시간 데이터를 수집하는 그래픽 사용자 인터페이스를 설계했다. 이 인터페이스를 통해 로봇의 상태를 모니터링하고 오류 진단 모델의 예측을 검증할 수 있었다. 이러한 통합 도구들이 원활하게 함께 작동하면서, 연구팀은 소프트웨어 호환성 문제와 씨름하기보다는 효율적으로 기술적 과제 해결에 집중할 수 있었다.   현실 격차에 도전하다 연구팀은 실제 로봇에서 훈련된 모델을 테스트했을 때 연구원들이 ‘현실 격차’라고 부르는 시뮬레이션과 현실 세계 간의 불일치에 직면했다. 결함 진단 모델은 시뮬레이션에서 98%의 정확도를 달성하여 모터 고장의 위치와 유형을 모두 정확하게 식별했지만, 실제 로봇에서 테스트했을 때 성능은 약 60%로 떨어졌다. 젠 교수는 “시뮬레이션이 현실과 일치하지 않는 이유를 분석하고 있다”고 말하며, “실제 세계를 시뮬레이션 상에서 표현할 때 고려하지 못한 요소들이 있다”고 설명했다. 젠 교수와 그의 연구팀은 통신 신뢰성 문제, 시뮬레이션에서 고려되지 않은 모터 노이즈, 제어 명령과 모니터링 활동 간의 동기화 문제 등 성능 격차에 기여하는 여러 요인을 확인했다.   그림 3. 정상 상태 오류에서 로봇 팔의 애니메이션 및 관련 혼동 매트릭스(출처 : 센트랄수펠렉)   이러한 과제는 디지털 트윈 애플리케이션의 광범위한 문제를 반영한다. 현실은 가장 정교한 시뮬레이션보다 더 복잡하다. 연구팀은 낙담하기보다는 실제 노이즈 패턴을 시뮬레이션 하는 모듈을 디지털 트윈에 추가하고 전이 학습에 도메인 적응 기술을 적용하는 등 이러한 격차를 해소하기 위한 방법을 개발했다. 젠 교수는 “디지털 트윈 모델을 개발할 때 보정 테스트를 하긴 하지만, 이 역시 통제된 환경에서 이루어진다”고 말했다. 이어서 “하지만 산업 현장에 모델을 실제로 적용하면 훨씬 더 많은 노이즈가 포함된 데이터를 접하게 된다. 이처럼 현실의 노이즈를 알고리즘 관점에서 어떻게 보정할 것인가는 매우 도전적인 연구 주제”라고 설명했다. 이러한 수정을 통해 연구팀은 실제 세계 정확도를 약 85%까지 개선했다. 이는 실용적 구현을 향한 중요한 진전이다.   소규모 실험실에서 스마트 공장으로 연구팀의 작업은 단일 로봇을 넘어서 확장되고 있다. 이들은 다수의 로봇이 협업하며 생산 라인을 구성하는 소규모 스마트 공장 환경을 구축하고 있으며, 이를 통해 고장 진단 알고리즘을 보다 실제에 가까운 조건에서 실험하고자 한다. 젠 교수는 “우리는 미니 스마트 공장을 구축하려고 한다”면서, “생산 설비와 유사한 환경을 만들어 로봇에 알고리즘을 적용해, 실제 생산 스케줄링에 통합될 수 있는지를 실험하고 있다”고 설명했다. 이러한 접근 방식은 교육적 효과도 크다. 센트랄수펠렉의 공학과 학생들은 수업과 프로젝트를 통해 디지털 트윈, 로보틱스, 머신러닝 기술을 실습 기반으로 학습하고 있다. 젠 교수는 “학생들이 처음부터 가상 공간에서 모델을 직접 설계하고 이를 점차 실제 로봇과 연결해가는 과정을 보면, 그들이 이 과정을 진심으로 즐기고 있다는 걸 알 수 있다”고 전했다. 이 연구는 제조업뿐 아니라 물류, 스마트 창고 등 다양한 산업 분야로의 확장이 가능하다. 예를 들어 스마트 창고에서는 로봇이 정해진 경로를 따라 이동하지만, 장애물이 나타나면 이를 인식하고 경로를 유동적으로 조정해야 한다.   그림 4. 여러 로봇이 소규모 스마트 공장 환경의 생산 라인에서 협력하여 작동한다.(출처 : 센트랄수펠렉)   젠 교수는 “스마트 창고에서 로봇은 사전 정의된 규칙을 따르지만, 패키지가 떨어지고 경로가 막히는 등 경로를 리디렉션하고 다시 프로그래밍해야 하는 경우가 있을 수 있다. 이런 경우 로봇을 조정하기 위해 각 로봇의 실시간 위치를 알아야 하기 때문에 디지털 트윈 시스템이 필요하다”고 설명했다. 연구팀은 구성요소가 고장 날 때 로봇의 움직임을 조정하는 것과 같은 내결함성 제어를 포함한 추가 응용 프로그램을 모색하고 있다. 또한 연구자들은 에너지 소비만 고려하는 것이 아니라, 궤적 최적화 모델에서 각 모터의 성능 저하 수준과 잔여 유효 수명도 고려하는 건전성 인식 제어를 개발하고 있다. 그들의 코드, 모델, 데이터 세트를 깃허브 저장소(GitHub repository)를 통해 자유롭게 공개하고 있으며, 다른 연구자들이 이를 바탕으로 연구를 확장해 나가기를 기대하고 있다. 목표는 개선의 출처가 어디든 간에, 보다 나은 고장 진단 시스템을 구축하는 것이다. 젠 교수는 “누군가 우리보다 더 나은 결과를 만들어낸다면 정말 기쁠 것”이라고 전했다. 중국 제조업 현장에서 일하던 부모님의 영향을 받아 공학자의 길을 걷게 된 젠 교수에게 이번 연구는 단순한 학문적 탐구를 넘어선 개인적인 사명이기도 하다. 젠 교수는 “어릴 때 제조업에서 일하는 것이 얼마나 힘든 일인지 직접 보며 자랐다”면서, “내가 그렸던 비전은 그런 육체 노동을 로봇이 대체하게 해 사람들이 보다 나은 삶을 살 수 있도록 하는 것이었다”고 전했다.   ■ 이웅재 매스웍스코리아의 이사로 응용 엔지니어팀을 이끌고 있으며, 인공지능·테크니컬 컴퓨팅과 신호처리·통신 분야를 중심으로 고객의 기술적 성공을 지원하는 데 주력하고 있다. LG이노텍과 LIG넥스원에서 연구개발을 수행하며 신호처리와 통신 분야의 전문성을 쌓아왔다.     ■ 기사 PDF는 추후 제공됩니다.

슈나이더 일렉트릭이 조선·해양 산업의 설비 운용 효율과 안정성을 높일 수 있는 방법으로 자사의 실시간 모터 관리 설루션인 ‘테시스 테라(TeSys Tera)’를 제시했다. 조선·해양 산업에서 모터는 전기 에너지를 회전 및 기계 에너지로 변환하는 핵심 장비로, 전체 전력 소비의 약 80%를 차지할 만큼 에너지 소모가 큰 설비다. 때문에 모터의 안정적인 운전과 체계적인 유지관리는 산업 전반의 효율과 직결되며, 최근에는 친환경 규제 강화 및 스마트 선박 기술 도입에 따라 더욱 정교한 모터 관리 설루션의 필요성이 부각되고 있다. 슈나이더 일렉트릭의 테시스 테라는 이러한 산업 트렌드에 부합하는 디지털 기반의 고도화된 모터 관리 시스템이다. 테시스 테라는 지정된 통신 버스를 통해 모터의 상태, 운전 전류, 전압, 전력, 역률, 외부 냉각 팬 동작까지 실시간으로 수집·모니터링하며, 인더스트리 4.0 표준을 충족해 중앙 제어 시스템과의 연동을 지원한다. 슈나이더 일렉트릭은 “특히 모터 권선과 베어링, 본체 온도를 측정하는 외부 센서를 통해 과열이나 냉각 이상 등 이상 징후를 사전에 감지할 수 있어 치명적인 고장을 예방하고 유지보수 비용을 절감에도 기여한다. 또한 고조파까지 정밀하게 측정할 수 있는 기능은 슈나이더 일렉트릭의 고도화된 전력 관리 기술력을 잘 보여준다”고 소개했다.     진단 기능과 관련해서는 각 보호 기능별 트립(차단) 횟수를 개별적으로 기록하며, 최대 100개의 이벤트를 시간 정보와 함께 순차적으로 저장하는 FIFO(선입선출) 방식 로그 기능을 지원한다. 더불어 열 메모리, 선 전류, 접지 전류 등 20개의 상세 고장 로그를 기록해 고장 원인 분석과 시스템 개선에 유용한 데이터를 제공한다. 시동 전류 곡선은 최대 250포인트까지 기록할 수 있어, 실제 운전 조건에 따른 보호 설정(Trip Class 등)을 최적화할 수 있으며, 시간 기반의 로그 데이터는 공정 정지나 시스템 장애 발생 시 정확한 사건 순서(SOE)를 파악할 수 있게 해준다. 이는 24시간 가동이 필수적인 조선·해양 현장에서 더욱 높은 신뢰성과 운영 효율성을 확보하는 데 도움이 된다. 아울러 테시스 테라는 온도 센서를 활용해 모터 권선, 베어링, 본체 각각에 대해 개별적인 보호 기능을 제공해 과열로 인한 손상을 사전에 방지한다. 모든 보호 기능은 활성화/비활성화, 경보 및 차단 수준 설정, 자동 또는 원격 리셋 기능(시간 지연 포함) 등 사용자가 공정 환경에 맞춰 완벽하게 구성할 수 있다. 또 외부 디지털·아날로그 입력도 고장 조건으로 인식하도록 설정 가능하다. 사용자 친화적인 소프트웨어 인터페이스도 특징이다. 윈도우 기반의 다국어 지원 소프트웨어는 메뉴와 아이콘 중심의 직관적인 UI를 제공한다. 동일 기능 내 여러 데이터를 한 화면에서 탐색할 수 있도록 안내형 내비게이션을 지원함으로써, 복잡한 설정이나 진단 과정도 간소화했다. 또한 별도의 HMI(Human-Machine Interface)를 통해 현장에서 직접 제어기 구성 및 파라미터 변경이 가능하며, 제어 키패드가 내장된 HMI는 상태 확인과 제어 명령을 로컬에서 즉시 수행할 수 있어 네트워크 연결이 원활하지 않은 환경에서도 독립적인 운용이 가능하다. 슈나이더 일렉트릭 코리아 파워 프로덕트 사업부의 김은지 본부장은 “슈나이더 일렉트릭의 디지털 모터 관리 설루션 테시스 테라는 실시간 디지털 모니터링과 정밀한 보호 기능을 통해 모터의 성능 저하와 고장을 사전에 방지함으로써 조선 및 해양 산업의 안전성과 생산성을 높이는 필수적인 설루션으로 주목받고 있다”고 말했다. 한편 슈나이더 일렉트릭 코리아는 오는 10월 21일부터 부산 벡스코에서 개최되는 조선·해양 산업 전문 전시회인 ‘코마린(KORMARINE) 2025’에 참가해 테시스 테라를 선보일 예정이라고 전했다.

산업통상부는 10월 1일 AI 팩토리 M.AX 얼라이언스 전략 회의를 개최하고, 대한민국 제조업의 인공지능 전환(M.AX)을 통한 2030 제조 AI 최강국 도약을 위한 성과와 전략을 점검했다. 삼성전자, 현대자동차, LG엔솔, 삼성중공업 등 국내 대표 제조 기업들이 한자리에 모여 제조 혁신의 의지를 다졌다. 김정관 장관은 "AI 시대는 속도와의 전쟁이다. AI 팩토리는 빠르게 세계 1위를 도전할 수 있는 분야"라며, "정책과 자원을 집중해 순풍을 만들겠다"고 밝혔다.   AI 팩토리 선도사업, 2030년까지 500개로 대폭 확대 AI 팩토리 선도사업은 제조 공정에 AI를 접목해 생산성을 획기적으로 높이고 제조 비용과 탄소 배출 등을 감축하는 핵심 프로젝트이다. 이날 회의를 계기로 삼성전자, 현대자동차, LG전자, LG엔솔, SK에너지, HD현대중공업, 농심 등 업종 대표 기업들이 신규 참여를 확정했다. 이에 따라 현재 102개인 AI 팩토리 선도 사업은 2030년까지 500개 이상으로 확대될 계획이다. 주요 기업들은 AI 팩토리를 통해 혁신적인 성과를 목표로 했다. 삼성전자는 AI를 통해 HBM(고대역폭메모리반도체)의 품질을 개선한다. HBM은 ’28년까지 연평균 100% 이상 급성장이 기대될 정도로 각광받는 AI 반도체이다. 삼성전자는 현재 전반적으로 사람이 수행중인 HBM 불량 식별 공정에 AI를 도입할 계획이다. AI가 발열검사 영상, CT 이미지 등을 분석해 품질검사의 정확도를 99% 이상 높이고, 영상·이미지 등의 비파괴 검사를 통해 검사시간도 25% 이상 단축할 것으로 기대된다. HD현대중공업은 함정 MRO용(Maintain 유지보수, Repair 수리, Overhaul 정비) 로봇 개발을 추진한다. 보통 선체의 10% 면적에 따개비·해조류 등의 오염물질이 부착되면 연료소비가 최대 40%까지 증가한다. HD현대중공업은 숙련공에 의존하던 해양생물 제거, 재도장 등의 작업을 AI 로봇에 맡겨, MRO효율을 80% 이상 향상시키고 작업자 안전사고 등을 방지할 계획이다. 현대자동차는 셀방식 생산방식에 핵심이 되는 AI 다기능 로봇팔을 개발한다. 자동차산업은 소품종 대량생산의 컨베이어벨트 방식에서, 제품별로 공정을 다르게 적용해 유연생산이 가능한 셀기반 방식으로 전환되고 있다. 현대차는 힌지·도어 조립, 용접품질 검사 등 다양한 공정을 자율적으로 수행가능한 AI 로봇팔을 공정에 도입하여, 시장수요 변화에 신속히 대응하고 생산성을 30% 이상 높일 계획이다. 농심은 라면 제조설비에 AI 기반 자율정비 시스템을 도입한다. 원료공급, 제면, 포장 등의 라면 제조공정은 연속작동 설비가 많아 한 부분의 예기치 못한 고장으로 생산라인 전체가 중단될 수 있다. 이에 각 공정별로 다양한 이상 징후를 조기에 탐지하는 자율정비 시스템을 도입해 설비 효율성을 10% 이상 제고하고, 유지보수 비용은 10% 이상 절감할 계획이다. 현재까지 AI 팩토리 선도사업에 참여중인 업종별 주요기업 자동차 반도체 전자(가전 등) 철강 조선 현대차, LG이노텍, 한국타이어, 기아 삼성전자, 케이씨텍, 이수페타시스 LG전자, 쿠첸, LS전선 포스코, KG스틸, 대한제강 삼성중공업, HD현대삼호 항공·방산 식품·바이오 이차전지 석유화학·섬유 기계·건설 대한항공, KAI. 한화시스템 농심, 삼양식품, 한국콜마 LG에너지솔루션, 삼성SDI SK에너지, GS칼텍스, 코오롱 HD현대건설기계, 코넥 휴머노이드 로봇, 금년부터 제조 현장 실증 본격 투입 AI 팩토리 전략의 한 축으로, 제조 현장 휴머노이드 로봇 투입을 위한 실증 계획도 공개되었다. 금년에는 디스플레이, 조선, 물류 등 6개 현장에 휴머노이드가 투입된다. 분야 수요기업 공급기업 휴머노이드 주요 과업 디플 삼성디스플레이 레인보우로보틱스 레이저 장비내 렌즈교체, 검사 JIG 교체 작업 등 조선 HD현대미포 에이로봇 각종 상황과 이음 형태에 맞는 용접 작업 수행 　 삼성중공업 에이로봇 다양한 장애물, 협소 공간, 비평탄면 등 극복을 통해 자율 이동하며 용접·청소 등 가전 LG전자 로브로스 인간 수준 핸들링 작업 및 보행을 바탕으로 가전제품 공장 내 조립·운송 화학 SK에너지 홀리데이로보틱스 석유화학 제품 검사, 유압/가스 밸브 등 조작, 시료 제조, 검사 시료 운송 등 수행 유통 CJ대한통운 레인보우로보틱스 피킹·분류·검수·포장 등 복잡한 물류 작업 동작을 다양한 상품에 맞게 자율적으로 수행 산업부는 올해부터 2027년까지 100개 이상 휴머노이드 실증 사업을 통해 핵심 데이터와 기술을 확보하고, 2028년부터는 본격적인 양산 체계에 돌입할 계획이다. 선도사업 성과 가시화, 세계 최고 업종별 제조 AI 모델 개발 착수 현재까지 진행된 AI 팩토리 선도 사업에서는 이미 가시적인 성과가 도출되고 있다. GS칼텍스는 AI를 통해 정유 공정 데이터를 분석해 연료 비용을 20%가량 감축했으며, 온실가스 배출 저감 효과도 달성했다. HD현대미포는 AI 로봇을 투입해 용접 검사·조립 작업시간을 12.5% 단축했다. 반도체 기업인 대덕전자와 신한다이아몬드는 AI 도입으로 기존 육안 품질 검사 시간을 각각 90%, 30% 단축하는 성과를 보였다. 이러한 성과를 바탕으로 AI 팩토리 M.AX 얼라이언스는 세계 최고 수준을 목표로 하는 업종별 특화 제조 AI 모델 개발에 착수했다. 제조 AI에 특화된 전문가를 비롯해 뉴욕대 조경현 교수, 멜버른대 한소연 교수 등 초거대 AI 모델 전문가 23명이 공동으로 참여한다. 개발된 모델은 2028년 완료를 목표로 하며, 제조 현장 배포 시 기업들은 개발 비용 50%, 개발 시간 40%를 줄일 수 있을 것으로 기대했다. '다크 팩토리' 구현 위한 AI 팩토리 사업 확대 전략 산업부는 AI 팩토리 사업을 확대·개편해 내년부터 완전 자율형 AI 공장인 AI 팩토리(다크 팩토리) 건설에 필요한 기술 개발과 실증 사업을 추진한다. 제조 공정뿐 아니라 공장 설계, 시생산, 공급망 관리, 물류, A/S 등 제조 전 단계를 아우르는 AI 모델을 개발·확산할 계획이다. 특히 엔비디아 CEO 젠슨 황이 강조한 디지털 트윈을 활용한 '가상공장(Virtual Factory)' 구현을 전략의 한 축으로 삼았다. 가상공장을 통해 기업은 시스템 변경, 설비 고장, 공급망 변동 등 다양한 상황에서 공정 가동을 미리 테스트하고, 실제 공장과 연동해 모니터링, 예지 보전, 원격 제어 등에 활용할 수 있게 된다. 이러한 기술을 바탕으로 2030년까지 우리나라가 세계 최고의 AI 팩토리 수출국으로 발돋움하는 것을 목표로 관련 전략을 수립했다.

슈나이더 일렉트릭이 자사의 무정전 전원 공급 장치(UPS)인 ‘갤럭시 VS(Galaxy VS)’를 통해 조선·해양 산업의 안전성과 지속가능성 강화의 중요성을 강조했다. 오늘날 선박은 항해 장비, 통신 시스템, 안전 설비 등 모든 운영이 전력에 의존하는 환경에 놓여 있어 전력 공급의 연속성이 무엇보다 중요하다. 특히 선박의 운항 환경에서는 한순간의 정전이나 전력 불안정도 항해 차질, 통신 두절, 심각한 안전사고로 직결될 수 있다. 이처럼 선박 운영에서 전력 공급의 연속성은 단순한 효율의 문제가 아니라 인명 보호와 직결된 필수 요건으로 인식되고 있다. 이를 대응하기 위해 슈나이더 일렉트릭은 해양 산업의 특수한 요구에 부합하는 3상 무정전 전원 공급 장치인 ‘갤럭시 VS’를 제안하고 있다. 갤럭시 VS는 IT 시설뿐만 아니라 조선·해양 환경에서 요구되는 고가용성과 공간 효율성을 충족하며, 선박의 전력 안정성을 보장할 수 있는 설루션이다.     갤럭시 VS는 해양 장비의 안전과 성능을 평가하는 선급 회사인 DNV(Det Norske Veritas)와 BV(Bureau Veritas)로부터 해양 타입 승인(Marine-type approval)을 받았다. 특히 고온·저온·습기·진동 등 다양한 해양 환경 조건을 모사한 시험과 전자파 적합성(EMC level C2) 기준을 포함한 해양 표준 테스트를 통과했다. 슈나이더 일렉트릭은 “이는 갤럭시 VS가 선박 운항 및 해양 설비의 안전 규정을 충족하는 것은 물론, 극한 환경에서도 안정적인 전력 공급이 가능하다는 점을 공식적으로 입증한 것”이라고 전했다.  갤럭시 VS는 20~150kW 용량 범위에서 400/440V 전압을 지원하는 것은 물론 현장 여건에 따라 조정이 가능하다. 기본 제공되는 IP22 키트 외에도 옵션으로 IP52 방진·방수 등급을 선택할 수 있어 다양한 설치 환경에 대응할 수 있다. 모듈형 UPS 구조와 내부 N+1 이중화 설계는 전력 연속성을 극대화하며, 손쉽게 모듈을 교체할 수 있어 유지보수 효율 또한 높다는 것이 슈나이더 일렉트릭의 설명이다. 특히, 갤럭시VS는 옵션으로 제공되는 모듈형 배터리 캐비닛(Modular Battery Cabinet)을 통해 배터리 운영의 유연성과 안정성을 강화했다. 이 캐비닛은 스마트 모듈형 배터리를 탑재해 자동 감지(Self-detection), 이중화(Redundancy), 실시간 모니터링, 사용자 교체(User-swappable)가 모두 가능하도록 설계되었다. 사용 환경과 수명 요구에 따라 표준형(Standard, 3~5년)과 장수명형(Long Life, 10년) 두 가지 옵션이 제공된다. 해양 전용 설계도 특징이다. 할로겐 프리 케이블(Halogen-free cables)을 채택하여 화재 시 유독가스 발생을 최소화했다. 선박 용접용 마린 스키드(Marine Skid) 옵션을 제공하여 해양 환경의 안전 규격도 충족한다. 아울러 갤럭시VS는 이컨버전(eConversion) 모드에서 최대 99%, 이중변환 모드에서 최대 97%의 높은 에너지 효율을 제공하며, 총 소유 비용 절감이 가능한 리튬 이온 배터리 옵션도 지원한다. 이외에도 ▲공간 제약이 큰 선박 및 해양 시설에도 적합한 컴팩트 모듈형 설계 ▲라이브 스왑(Live Swap) 옵션을 통한 모듈 교체 ▲슈나이더 일렉트릭의 통합 아키텍처 플랫폼인 에코스트럭처(EcoStruxure) 지원 등 원격 모니터링과 유지보수를 간소화할 수 있는 강점을 지니고 있다. 슈나이더 일렉트릭 코리아 시큐어파워 사업부의 최성환 본부장은 “조선·해양 산업은 전 세계 물류와 에너지 공급의 중추적 역할을 수행하는 동시에, 안전성과 지속가능성 확보가 무엇보다 중요한 산업”이라며, “갤럭시 VS는 단순한 UPS를 넘어 선박 운영의 안전성을 보장하고, 해양 산업 전반의 친환경 전환에도 기여할 수 있는 최적의 설루션”이라고 강조했다. 한편 슈나이더 일렉트릭 코리아는 10월 21일부터 부산 벡스코에서 개최되는 조선·해양 산업 전문 전시회인 ‘코마린(KORMARINE) 2025’에 참가해 선박의 안정적인 전력 공급을 위한 무정전 전원 공급 장치 갤럭시 VS를 선보일 예정이라고 전했다.

델 테크놀로지스가 오픈랜(Open RAN) 및 클라우드랜(Cloud RAN)에 적합한 최적의 성능과 연결성을 제공함으로써 에지 및 통신 인프라 혁신을 견인하는 서버 신제품 ‘델 파워엣지 XR8720t(Dell PowerEdge XR8720t)’를 공개했다. 전통적으로 클라우드랜 및 고도화된 에지 컴퓨팅을 구축하기 위해서는 여러 대의 서버를 설치해야 했기 때문에 높은 비용, 운영상의 복잡성, 공간 부족, 전력 수요 등이 걸림돌로 지적됐다. 이러한 비효율성과 확장성의 제한으로 차세대 애플리케이션에 필요한 실시간 성능 요구 사항을 충족하기 어려웠다. 델 파워엣지 XR8720t는 단일 서버 기반 클라우드랜 설루션으로, 인프라를 간소화하고 성능과 효율을 강화하며, 최신 네트워크 및 에지 구축 환경에서 총소유비용(TCO)을 절감하도록 돕는다.      파워엣지 XR8720t 컴퓨팅 슬레드는 델 파워엣지 XR8000 플랫폼과 통합되며, 까다로운 환경에서의 인프라 구축에 걸림돌이 되는 성능 문제를 해결하게끔 설계됐다. 향상된 처리 능력과 확장된 연결성을 통해 고성능 애플리케이션을 강력하게 지원할 수 있다.  파워엣지 XR8720t는 클라우드와 기존 RAN 아키텍처 간의 성능 격차를 해소하며, 이전 세대 대비 두 배 이상의 처리 성능을 제공한다. 컴팩트한 2U 구성에서 최대 72코어와 24개의 SFP28 연결 포트를 지원한다. 단일 서버 통합으로 다중 서버 아키텍처 대비 구축 시간, 유지보수 및 운영의 복잡성을 낮췄다.  XR8720t는 인텔 vRAN 부스트(Intel vRAN Boost)와 인텔 이더넷(Intel Ethernet) E830-XXVDA8F 네트워킹 기술이 통합된 인텔 제온 6 SoC(Intel Xeon 6 SoC)로 구동된다. 정밀한 네트워크 타이밍 동기화를 위해 PTP, PTM 및 SyncE를 지원하며, 하드웨어 기반 타이밍 팔로어를 탑재했다. 까다로운 클라우드랜 워크로드에 필요한 처리 성능, 포트 밀도(24x SFP28) 및 네트워크 대역폭(600GbE)을 제공하며, 공간 제약이 있는 셀 사이트 구축을 위해 설계된 430mm 깊이의 컴팩트한 사이즈가 특징이다. CPU 기반 워크로드에 AI 기능을 활용하여 에이전틱 AI, 실시간 분석 및 머신러닝과 같은 고급 에지 AI 사용 사례를 지원한다. 유연한 구성으로 필요에 따라 GPU 지원도 가능하여 AI 잠재력을 더욱 확장시킬 수 있다. 극한 환경을 위해 설계된 XR8720t는 영하 5℃에서부터 영상 55℃까지 작동하며, 모듈식 설계로 손쉬운 유지보수 및 업그레이드가 가능하다. 네트워크 장비 구축 시스템(NEBS) 레벨 3 준수 서버로, 전면 접근형 I/O를 통해 가동 중단 시간 및 운영 복잡성을 줄인다. 통신, 에지, 군용 애플리케이션을 위한 확장된 내구성과 신뢰성을 갖췄으며, 지능형 냉각 설계로 비좁은 공간에서도 최적의 냉각 성능을 구현한다. 통신 사업자들은 이 설루션을 활용해 성능 집약적 애플리케이션을 효과적으로 운영하는 동시에 비용을 절감하며, 에지에서 AI를 수월하게 구동시킬 수 있다. 텔레콤뿐 아니라, 리테일, 국방, 제조 등 다양한 분야의 기업들이 AI, 머신러닝 및 기타 컴퓨팅 집약적 워크로드와 높은 수준의 동기화가 요구되는 정밀한 작업을 수행할 수 있다. 한국 델 테크놀로지스의 김경진 총괄사장은 “델 테크놀로지스는 통신 및 에지 인프라 혁신에 지속적으로 기여하고 있다”고 말하며, “고객들은 델 파워엣지 XR7620t를 활용해 구축하기 까다로운 오픈랜이나 클라우드랜 인프라를 단순화하고, 더 강력하고 효율적이며 AI에 최적화된 네트워크를 완성시킬 수 있을 것으로 기대한다”고 덧붙였다.

BIM 기반의 철도 인프라 통합 운영 설루션 연구·개발   건설 IT 전문 기업 글로텍과 한국철도기술연구원이 철도 인프라를 위한 5D BIM 설루션 ‘NaviQ(나비큐)’를 상용화했다. 나비큐는 3D 모델과 수량, 단가, 공정 정보를 하나의 흐름으로 연결하는 것이 특징이다. 이를 통해 수작업의 비효율을 개선하고, BIM 도입 장벽을 낮출 수 있을 것으로 보인다. NaviQ의 개발 과정과 향후 계획을 인터뷰를 통해 들어보았다. ■ 정수진 편집장   ▲ 글로텍 이재홍 센터장(왼쪽), 한국철도기술연구원 박영곤 수석연구원(오른쪽)   한국철도기술연구원에서 추진한 BIM 통합 운영 시스템 개발 연구에 대해 소개한다면 ‘철도 인프라 생애주기 관리를 위한 BIM 통합 운영 시스템 개발 및 구축 연구’는 철도 인프라의 정보를 BIM 기술 기반으로 관리하기 위해 철도 인프라의 BIM 발주, 설계, 시공 기술을 고도화하고, 운영 및 유지보수 단계까지 연계되도록 표준화된 통합 운영 체계 및 시스템을 개발하여 이를 현장에 구축하고 실증하는 것을 목표로 추진되었다. 한국철도기술연구원이 주관하고 글로텍을 포함한 유관 기관들이 협력하여 실제 철도 노선 사례에 BIM 데이터를 적용하였고, 이를 기반으로 공정, 수량, 공사비 정보를 자동 연동하는 통합 운영 체계를 개발·구축하였다. 현재까지는 설계 단계에서 생성된 BIM 데이터를 기반으로 수량을 자동 산출하고, 이를 CBS 단가와 연계하여 공사비 내역서를 자동 생성하는 핵심 엔진의 실증을 완료한 상태이다. 이후 단계로는 기존 시공 관리 시스템 및 BIM 통합 운영 시스템(KR-BIMS)과의 연계를 통해 생애주기 기반 관리 체계를 확대해 나가고 있다.   NaviQ의 개발을 시작하게 된 배경은 무엇인지 기존 BIM 시스템은 3D 시각화나 설계 자동화에는 효과적이었지만, 실제 공사비 산출이나 수량·공정과의 연동 기능은 부족한 경우가 많았다. 특히 공공기관, 설계사, 시공사 등에서 사용 중인 단가·공정 관리 시스템과 BIM 모델 간의 데이터 연동이 원활하지 않아서 재입력, 정보 누락, 작업 중복과 같은 비효율이 반복되어 왔다. 이러한 한계를 극복하고자, 실무 중심의 접근 방식으로 ‘BIM 모델 → 수량 자동 산출 → 공사비 자동 산출 → 공정 및 기성관리 연계’의 흐름을 구현할 수 있는 설루션의 필요성을 절감하게 되었고, 그 결과로 NaviQ의 개발이 시작되었다.   ▲  한국철도기술연구원 박영곤 수석연구원   NaviQ의 핵심 기능 및 장점에 대해 소개한다면 NaviQ는 BIM 기반 자동 수량·공사비 산출 설루션으로, 설계자가 모델링한 BIM 객체를 기반으로 체적, 면적, 길이, 개수 등의 수량을 자동 추출하고, 이를 CBS(내역서), WBS(공정), OBS(단위체계)와 연동하여 실시간으로 공사비 내역서를 생성할 수 있는 시스템이다. 주요 기능은 다음과 같다. 레빗 및 시빌3D 등 다양한 BIM 모델을 나비스웍스와 연동하여 BIM 수량 자동 추출 CBS 일위대가 DB 연동을 통한 공사비 내역서 자동 산출 기존 2D 산출 수량과의 통합 산출 기능 기성관리용 물량 분개 및 실적 연동 기능 지원 7일 무료 체험판 및 뷰어 무상 배포 제공 무엇보다 사용자 입장에서 가장 큰 장점은, 기존 EBS 기반의 수동 작업 방식을 그대로 유지하면서도 BIM 자동화 기능을 점진적으로 적용할 수 있다는 점이다. 학습 부담이 적고 기존 방식과의 호환성이 뛰어나, 실무에 바로 적용할 수 있다.   기존 BIM 제품과 비교할 때 NaviQ의 차별점과 경쟁력은 무엇인지 NaviQ의 가장 큰 차별점은 ‘BIM 모델과 수량, 단가, 공정, 기성관리까지 하나의 흐름으로 연결한 실무 중심의 통합 설루션’이라는 점이다. 기존의 BIM 도구는 주로 형상 모델링과 시각화 기능에 집중되어 있었으며, 단가 DB와 연동하여 내역서를 자동화하거나 실시간 공사비를 산출하는 기능은 제한적이었다. NaviQ는 국내 공공 발주 기관에서 활용하는 CBS 단가 DB를 직접 연동하고, 이를 OBS 및 WBS와 매핑하여 물량 산출부터 기성관리까지 실무 전체를 커버할 수 있는 구조로 되어 있다. 또한 BIM 기반 수량이 불완전하거나 적용이 어려운 구간에 대해서는 기존 2D 방식의 수량을 혼합 적용할 수 있도록 설계되어, BIM 전환 초기에도 유연한 적용이 가능하다.   NaviQ의 상용화 계획과 참여 업체들의 협력 방안에 대해 소개한다면 2025년 8월 28일 정식 출시와 함께 NaviQ 공식 홈페이지를 https://naviq.co.kr 오픈하였으며, 현재 뷰어 무상 배포, 7일 무료 체험, 그리고 2.0 버전의 정식 라이선스 판매가 동시에 이루어지고 있다. 한국철도기술연구원은 연구 총괄 기관으로서 철도 인프라에 최적화된 BIM 표준 및 응용 기술을 개발하였으며, 글로텍은 실용화를 위한 소프트웨어 기획, UI/UX 설계, 제품화 및 기술 지원 부문을 담당하였다. 앞으로는 설계사, 시공사, 감리사 등과의 협력을 통해 실 프로젝트의 적용 사례를 확대하고, 피드백 기반의 기능 고도화를 추진할 예정이다.   ▲ 글로텍 이재홍 센터장   NaviQ의 비즈니스 모델과 시장 확대 전략에 대해 소개한다면 NaviQ는 현재 대형 건설사, 종합 설계사, 공공 발주기관을 주된 타깃으로 하고 있으며, 점차 중견·중소 설계사 및 기술지원 기관까지 확장해 나갈 계획이다. 비즈니스 모델은 다음과 같이 세 단계로 구성되어 있다. 뷰어 무상 배포 : BIM 내역서 검토·활용 목적 체험판 무료 제공(7일) : 구매 전 체험을 통한 기술 적합성 검토 2.0 버전 판매 : 사용자 수 및 라이선스 기간에 따른 정식 사용 계약 시장 확대 전략으로는 기존 EBS 사용자의 자연스러운 전환을 유도함과 동시에, BIM 의무화 정책에 따른 신규 수요에 적극 대응할 계획이다. 국토교통부, LH, 국가철도공단, 한국도로공사 등 주요 공공기관의 플랫폼과의 연동도 준비 중이다.   NaviQ에 대한 시장의 초기 반응이나 적용 사례가 있다면 정식 출시 직후부터 주요 설계사와 시공사에서 제품 데모 요청과 도입 관련 문의가 꾸준히 이어지고 있다. 특히 기존 수작업 수량 방식과 BIM 산출 방식의 통합 적용 가능성에 대해 많은 관심을 보이고 있으며, ‘BIM 도입 초기 단계에서도 무리 없이 활용 가능하다’는 평가를 받고 있다. 일부 고객사는 현재 자사 프로젝트에 체험판을 적용하여 실적 데이터를 기반으로 본격적인 도입을 검토하고 있으며, 한국철도기술연구원이 수행한 BIM 실증 노선에도 적용되어 실무 검증을 마쳤다.   국내 BIM 시장의 상황과 전망에 대해 어떻게 보는지 국내 BIM 시장은 여전히 설계 중심의 적용에 머물러 있으며, 시공·기성관리·유지관리 단계로의 연계는 초기 수준에 머물러 있다. 그러나 정부의 디지털 플랫폼 정책, 스마트 건설 기술 로드맵, 공공 BIM 의무화 정책 등이 결합되면서 전체 산업 생태계가 빠르게 변화하고 있다. 향후 BIM 기술이 설계 중심에서 시공, 유지관리, 운영 단계까지 확장되기 위해서는 정량적 수량, 단가, 공정 정보의 자동 연계 기술이 핵심이 될 것이다. NaviQ와 같은 통합형 BIM 5D 설루션이 이를 가능하게 할 중요한 열쇠가 될 것으로 기대한다.   글로텍의 비전 및 향후 계획에 대해 소개한다면 글로텍은 30여 년간 건설 분야 공사비 내역서 시스템(EBS), 단가 DB 시스템, 수량산출 자동화 설루션을 개발해 온 기업으로, 실무 기반의 건설 IT 설루션을 꾸준히 개발해 왔다. 최근에는 BIM 기반 자동 수량·공사비 산출 기술을 집중적으로 고도화하고 있으며, 그 결정체가 바로 NaviQ이다. 앞으로는 디지털 트윈과 연계한 5D 시뮬레이션, AI 기반 원가·공정 예측, 기성관리 자동화 기술 등으로 IT 기술 개발 포트폴리오를 확장하고자 한다. 단순 설루션 제공을 넘어 건설 디지털 전환의 실행 파트너로서 역할을 강화해 나갈 계획이다.   ■ 같이 보기 : NaviQ v2.0 : BIM 기반 공사비 자동 산출 설루션     ■ 기사 내용은 PDF로도 제공됩니다.

헥사곤 매뉴팩처링 인텔리전스는 9월 3일 진행한 ‘헥사곤 라이브 이노베이션 서밋 코리아 2025’를 통해 정밀 측정과 스마트 디지털 트윈의 미래에 대한 비전 및 전략을 소개했다. 헥사곤은 디지털 전환(DX)과 AI 전환(AX)을 통해 제조업의 생산성, 품질, 민첩성을 높이는 데에 주력하면서, 이를 위해 리얼리티 캡처 센서와 데이터 기반의 소프트웨어 설루션을 강조했다. ■ 정수진 편집장     제조 혁신의 미래, 디지털 트윈 헥사곤 매뉴팩처링 인텔리전스의 림분춘(Boon Choon Lim) 아세안·태평양·인도 지역 사장은 헥사곤이 포레스터 컨설팅과 함께 발간한 ‘2025 첨단 제조 산업 보고서’의 내용을 인용해, 제조업이 직면한 비즈니스 과제를 해결할 핵심 동력으로 ‘스마트 디지털 트윈’을 꼽았다. 보고서에서는 응답자의 71%가 디지털 트윈을 가장 중요한 투자 분야로 선택했으며, 90%는 AI 투자를 통해 경쟁 우위를 확보할 수 있을 것으로 기대했다. 림 사장은 “디지털 트윈은 물리적 현실과 가상 세계를 연결하며, 이를 통해 시뮬레이션, 실시간 데이터 업데이트, 분석 및 예측이 가능해진다”고 설명했다. 림 사장은 프로세스와 데이터를 연결하고 자동화하여 더 큰 가치를 창출하는 스마트 워크플로를 강조하면서, “헥사곤은 설계, 생산, 검사, 유지보수 등 제조 전 과정에 걸쳐 통합된 설루션을 제공하고 있다”고 강조했다. 디지털 트윈은 제조 공정 전반에 걸쳐 물리적 세계와 가상 세계를 연결하여 혁신을 가속화하고 지속 가능한 미래를 구현하기 위한 핵심 투자 영역으로 제시되고 있다. 헥사곤은 현실과 가상을 연결하는 정밀 측정 기술과 데이터 기반 설루션을 통해 산업 디지털 전환을 지원한다는 전략을 내세운다. 자사의 기술을 활용하면 현실 세계의 실시간 데이터와 몰입형 시뮬레이션을 결합한 디지털 트윈을 구축할 수 있다는 것이다.     리얼리티 캡처와 스마트 제조의 만남 라이카지오시스템즈의 칸 파힘(Khan Faheem) 아시아 사장은 현실 공간 데이터를 활용한 비즈니스 인사이트와 스마트 제조의 접목 가능성을 소개했다. 파힘 사장은 AI(인공지능)를 이용하여 산업군의 워크플로, 센서, 플랫폼을 강화하고 데이터를 결과로 전환하는 것이 중요하다고 짚었다. 특히 기계가 시각 데이터를 처리하고 이를 바탕으로 예측 및 행동함으로써 실제 세계를 이해하고 상호작용하는 ‘공간 지능(spatial intelligence)’을 강조했다. 라이카 지오시스템즈는 항공 매핑, 지하 매핑, 고성능 스캐닝, 모바일 매핑 등 현실 세계의 데이터를 얻는 리얼리티 캡처(reality capture)를 위한 센서 포트폴리오를 폭넓게 갖추고 있으며, 현장에서 클라우드 업로드, 포인트 클라우드 처리, 스트리밍 시각화 등을 지원하는 설루션을 제공한다. 파힘 사장은 “라이카 지오시스템즈의 리얼리티 캡처 기술은 공급망 조정, 설치 및 경로 계획, 레이아웃 및 생산 라인 변경, 자산 태깅 및 관리, 몰입형 운영 관리, 디지털 검사 및 준공 등 스마트 제조의 다양한 영역에서 활용할 수 있다”고 소개했다.     DX를 넘어 AX를 위한 스마트 제조 설루션 헥사곤 매뉴팩처링 인텔리전스 코리아의 홍석관 사장은 “DX를 넘어 AX 가치 사슬을 만드는 핵심 자원은 데이터”라면서, 데이터 수집, 통합/저장, 분석, 가치 창출의 과정을 통해 생산성 향상, 품질 개선, 신규 비즈니스 창출이 가능하다고 설명했다. 특히, 디지털 트윈 및 DX 기반의 자동화가 중심이 되는 스마트 공장에서 AX 기반의 자율화를 구현하는 ‘소프트웨어 기반 공장(Software Defined Factory : SDF)’으로 전환되는 흐름에 주목했다. SDF는 AI 기반의 자율적 의사 결정을 통해 사람의 개입을 최소화하는 자율형 무인 공장을 목표로 한다. 이를 위해 헥사곤은 3D 제품 설계/해석/시각화(DX), 실시간 모니터링/제어(디지털 트윈), 분석/예측/최적화/자율화 제어(AX)의 3단계 지원 전략을 통해 생산 자산의 디지털화, 생산 설비의 디지털 트윈화, 생산 공법의 AI 전환을 지원한다는 전략을 내세운다. 홍석관 사장은 “헥사곤은 로봇 캘리브레이션, 적층제조/금형 가공을 위한 로봇 툴패스 생성, 로봇 정밀 제어 등 DX+디지털 트윈 기반의 로봇 설루션을 선보였다. 또한, ‘넥서스(Nexus)’를 기반으로 한 조선 기자재 협업 플랫폼에 클라우드 기반의 데이터 공유 및 협업 환경을 구축하여 산업의 생산성과 효율성을 높인 사례도 있다”고 소개했다.     ■ 기사 내용은 PDF로도 제공됩니다.