HBM(High Bandwidth Memory) 기술력이 고도화함에 따라, HBM 시장의 지형도가 변화하고 있다. 최근 HBM 상용화 과정을 살펴보면, HBM 5세대인 HBM3에서 HBM3E 8단 그리고 HBM3E 12단까지 도달했다. 현재 HBM 시장은 SK하이닉스를 선두로 삼성전자와 마이크론 테크놀로지(이하 마이크론) 등 기존 메모리 반도체 기업들의 삼파전 양상으로 굳어지고 있다. HBM 시장 확대가 예상되는 가운데, 이들의 주도권 싸움은 더욱 치열해질 것으로 보인다. HBM 시장이 확대될 수밖에 없는 이유 HBM은 최신 AI 알고리즘과 머신러닝 작업에서 데이터 전송 속도와 처리 효율성을 극대화하는 데 중요한 역할을 한다. HBM은 기존 D램 메모리와 비교할 때 현저하게 높은 대역폭을 제공하며, AI 모델 학습과 추론에 필수적인 고속 데이터 처리를 수행한다. 특히 AI 칩에 사용되는 그래픽처리장치(GPU)에 대거 탑재되면서, HBM은 상한가를 누리고 있다. 또한, 일반 D램에 비해 가격이 약 4배가량 높은 고부가 제품이이기에, 메모리 반도체 기업의 차세대 먹거리로 낙점됐다. 욜그룹의 조사에 따르면, 세계 HBM 시장 규모는 올해 141억 달러(약 19조
이에이트가 반도체 등 고성능 전자기기의 고열로 인한 성능 저하를 예측하고 제어할 수 있는 기술 개발에 성공했다. 이에이트는 SPH(Smoothed Particle Hydrodynamics) 연구팀이 고체의 열변형 시뮬레이션을 위한 TLSPH (Total Lagrangian SPH) 기반 혁신적인 열변형 모델을 개발해 FEM(Finite Element Method) 대비 높은 정확도를 검증했으며 관련된 논문이 SCI 저널인 ‘Computers and Structures’에 게재됐다고 25일 밝혔다. 이에이트는 ‘Thermomechanical modeling in elastic body with corotated total Lagrangian SPH’ 논문에서 기존 SPH의 한계를 극복하고 정확도와 효율성을 향상시킨 새로운 열변형 모델을 제시했다. TLSPH는 고정된 기준 구성을 사용, 정확한 변형 계산을 보장해 시뮬레이션의 강건성을 높였다. 입자 간 거리는 선형 열팽창 이론에 기반, 온도 변화에 따라 업데이트돼 실제 물질에서 발생하는 열팽창을 보다 더 정확하게 시뮬레이션 할 수 있게 됐다. 또한 코로테이션 변형 기법을 적용해 변형 구배를 계산 및 입자 간 상호
모터 애플리케이션에 불어온 혁신 오늘날 모터는 산업, 의료, 스마트홈, 사물인터넷(IoT), 운송 및 사무 환경 전반에 걸쳐 널리 사용되며 일상의 모든 측면에 깊이 파고들었다. 모터 회전의 정밀한 제어는 고도의 기술을 통해 일상의 편리함과 편안함을 높여준다. 특히 디지털 정보가 정확한 물리적 동작으로 변환될 수 있는 오늘날의 디지털 시대에는 이전에는 불가능했던 일들이 현실이 되고 있다. 첨단 로봇공학, IoT, 적층제조(AM), 보철(그림 1) 및 IIoT는 몇 가지 사례에 불과하다. 디지털 정보를 완벽한 물리적 회전으로 효과적으로 변환하려면 노력이 필요하다. 성능을 향상하려면 최적화된 소프트웨어 및 하드웨어 구성 요소가 필요하고, 배터리 수명을 연장하고 열을 줄이기 위해 전력 소비를 줄여야 한다. 또한, 출시 시간을 단축하기 위해 소프트웨어 작업 부하를 최소화해야 하며, 제품의 안정성을 향상하기 위해 통합을 극대화해야 한다. 이는 아나로그디바이스(ADI)의 Trinamic 모터 모션 및 제어 솔루션이 수년에 걸쳐 지속적으로 달성해 온 목표로서, Trinamic은 몇 가지 주요 기술 혁신을 통해 모터 애플리케이션에서 획기적인 발전을 이뤘다. 한 잔의 맥주를
동연S&T는 최근 급변하는 산업 환경 속에서 물류 운영의 혁신을 목표로 통합 관제 시스템(TMS)을 제공하며 제조업계의 디지털 전환(DX)과 ESG 경영을 실천하는 모범 사례로 주목받고 있다. 윤희성 동연S&T 상무는 “동연S&T의 TMS는 단순한 물류 관리 시스템을 넘어, AI 기반 예지보전, ESG 관점에서의 전력 관리, IoT 기반 실시간 모니터링 등 다양한 혁신 요소를 포함하고 있다”며, 시스템의 차별성을 강조했다. 이 글에서는 동연S&T의 TMS와 이를 통해 달성한 성과 및 미래 비전, 그리고 중소·중견 제조업체들에 미치는 영향을 다루고자 한다. 동연S&T의 운송 관리 시스템(TMS)은 기존의 운송 관리 시스템과는 차별화된 통합 관제 시스템을 목표로 하고 있다. 단순한 운송 차량의 배차 및 추적을 넘어, 공장 내 물류 차량의 실시간 관리와 자동화, AI 기반 예지보전 체계까지 도입하여 기업의 요구에 맞춘 종합적인 솔루션을 제공한다. 특히 중소 제조업체들이 겪는 문제들을 해결하는 데 초점을 맞췄다. 이 시스템은 다양한 공정 설비의 니즈를 충족시키고 있으며, 설비의 실시간 모니터링, 디지털 트윈, ESG 관점에서의 전
최근 물류센터의 운영은 자동화 기술 도입으로 급격한 변화를 맞이하고 있다. 트위니의 김재성 본부장은 “물류센터의 규모가 커지고 복잡해지면서 숙련된 인력의 부족과 생산성 저하 문제가 심각해지고 있다”고 지적하며, 자율주행 로봇이 이 문제를 해결할 수 있는 혁신적인 대안임을 강조했다. 실제로 물류센터가 점점 더 대형화되고 복잡해지면서 피킹 작업에 더 많은 시간이 걸리고, 주문 변동성에 대응하기 어려운 것이 현실이다. 트위니의 자율주행 로봇은 이 같은 문제를 해결하기 위해 등장했다. 김 본부장은 “트위니의 나르고 오더피킹은 작업자의 이동을 대신해 물품을 찾고, 피킹 작업을 지원하여 물류센터의 생산성을 극대화한다”며, 기존 물류센터에 쉽게 도입할 수 있다는 점을 강조했다. 이 글에서는 트위니가 제안하는 자율주행 로봇을 활용한 물류센터 자동화 솔루션에 대해 살펴보고, 이를 통한 기대 효과에 대해 알아본다. 최근 물류센터 운영은 급격한 변화를 맞이하고 있다. 그중에서도 가장 큰 변화는 자동화 기술의 도입이다. 물류센터는 점점 더 대형화되고 복잡해지면서 운영 과정에서 많은 노동력을 필요로 한다. 그러나 숙련된 인력을 구하는 것은 갈수록 어려워지고 있으며, 이로 인해 생산
유통·물류 업계에서 정확한 수요 예측은 오랜 과제다. 임팩티브AI의 ‘딥플로우(Deep Flow)’ 솔루션은 AI를 활용해 판매량을 예측하고 재고 관리를 최적화한다. 다양한 외부 데이터를 통합해 예측 정확성을 높이고, ERP·WMS와 연동해 인사이트를 제공한다. 신제품이나 원자재 관리도 유연하게 대응할 수 있어 물류 혁신을 실현한다. 다양한 산업에서 활용 가능한 딥플로우는 유통·물류의 새로운 기준을 제시하고 있다. 정확한 수요 예측은 유통·물류 영역에서 오랜 기간 해결되지 못한 숙원이다. 판매량은 다양한 변수에 의해 유동적이기 때문에 정확하게 분석하고 예측하는 것이 쉽지 않다. 업계에서는 확실한 데이터가 아닌 감각과 관례 등을 기반으로 발주를 진행하는 경우도 있다. 데이터를 활용한다고 해도 주로 사내 데이터만을 취급하기 때문에 효율적인 분석이 이루어지지 않는 것이 현실이다. 이 과정에서 판매량을 잘못 예측하면 재고가 쌓이게 되어 재고 관리에 추가적인 자원을 투입해야 하는 연쇄적인 자원 소모를 겪게 된다. 이러한 딜레마는 기업의 규모와 상관없이 발생하며, 판매량 전망 실패에 따른 재고 손실은 시장에서의 신뢰에도 영향을 미치므로 세밀한 관리가 필요하다. 따라서
물류산업은 4차 산업혁명의 핵심 기술들이 접목되며 급격한 변화를 겪고 있다. 특히 스마트 물류센터와 차세대 물류창고실행시스템(WES)의 도입은 물류의 효율성과 유연성을 극대화하고 있다. 전통적인 물류 방식에서 벗어나 다양한 채널을 통해 빠르고 효과적인 유통 생태계를 구축하는 것이 가능해진 것이다. 이러한 변화 속에서 WES 솔루션 업체인 니어솔루션은 AI 기반 WES 플랫폼인 '‘니어솔로몬(Nearsolomon)’을 제공하며 물류 지능화를 선도하고 있다. 제조 영역에서 스마트 팩토리가 혁신을 제시했다면, 물류에서는 스마트 물류센터 및 스마트 물류터미널이 물류 시스템 개혁에 새로운 시각을 제공하고 있다. 스마트 물류센터는 모든 것을 연결하고 설비 및 인프라를 최적화하는 과정을 통해 효율성을 극대화한다는 점에서 스마트 팩토리와 같은 맥락에 있다. 이러한 스마트 물류센터는 능동적이고 지능화된 물류 시스템으로, 유연성과 민첩성이 확보된 환경에서 물류 인프라가 가동되는 차세대 물류의 기반이다. 기존 물류센터는 설계 시 모든 요소를 확정한 상태에서 운영되었다. 이는 물류센터 운영 중 발생하는 변수나 변동성에 취약할 수밖에 없는 구조였다. 장비 및 시스템과 소프트웨어가
반도체 산업은 끊임없는 기술 혁신과 변화의 중심에 있다. 반도체에 대한 가치가 점차 높아짐에 따라, 고도의 반도체 기술력이 곧 국가의 경쟁력으로 대변되는 시대다. 이에 기업들은 기술 리더십을 갖추기 위해 치열한 경쟁을 벌이고 있다. 이러한 상황 속에서 최근 두 기업의 엇갈린 행보가 반도체 시장에서 주목받고 있다. 그 주인공은 바로 엔비디아와 인텔이다. 지속적인 연구 개발로 누구도 넘볼 수 없는 기술력을 갖춘 엔비디아와 시장 변화에 능동적으로 대처하지 못해 어려움을 겪는 인텔. 두 기업은 각기 주어진 도전과제와 기회를 어떻게 활용할 것인지에 대해 주목해 보고자 한다. GPU 기술력, 두 기업의 차이를 가르다 엔비디아는 AI 반도체 시장에서의 기술적 우위를 바탕으로 시장을 선도하고 있다. 특히 GPU를 통해 AI 개발에 있어 압도적인 경쟁력을 발휘하고 있다. 엔비디아의 GPU는 복잡한 데이터를 빠르게 처리하고, 정교한 알고리즘을 실행하는 능력 덕분에 AI 연구 및 상업적 응용 분야에서 폭발적인 수요를 창출했다. 엔비디아가 공개한 보고에 따르면, 엔비디아는 지난해 376만 개의 데이터 센터 GPU를 생산해냄으로써 세계 시장에서 98% 이상의 압도적인 점유율을 기록
한국과학기술원(KAIST)은 고성능 칩 없이도 인공지능(AI) 모델 학습 속도를 최대 100배 높일 수 있는 기술을 개발했다고 19일 밝혔다. 현재 AI 모델 학습을 위해서는 개당 수천만원에 달하는 엔비디아의 고성능 GPU인 ‘H100’ 여러 개와 이를 연결하기 위해 400Gbps(초당 기가비트)급 고속 네트워크를 갖춘 인프라가 필요하다. 이 때문에 소수의 거대 IT 기업을 제외한 대부분 기업이나 연구자들은 활용하기 쉽지 않다. 한동수 교수 연구팀은 H100 가격의 10분의 1에 불과한 소비자용 GPU를 활용해 고속 전용 네트워크의 수백∼수천분의 1 수준의 저대역폭에서도 효율적인 분산 학습이 가능한 프레임워크 ‘스텔라트레인’(StellaTrain)을 개발했다. 학습을 작업 단계별로 나눠 CPU와 GPU가 병렬적으로 처리할 수 있도록 하고, 네트워크 속도에 맞춰 데이터를 효율적으로 압축·전송하는 알고리즘을 개발해 고속 네트워크 없이도 여러 대의 저가 GPU로 빠른 학습을 가능하게 했다. 스텔라트레인 기술을 사용하면 기존 데이터 병렬 학습에 비해 최대 104배 빠른 성능을 낼 수 있다고 연구팀은 설명했다. 한동수 교수는 “대규모 AI 모델 학습을 누구나 쉽게 접
대한상의·산업연구원 공동 조사...AI 필요성 인식(78%) 비해, 실제 활용률(30.6%)은 낮아 국내기업 10곳 중 8곳이 경영활동에 AI 기술 적용의 필요성을 느끼고 있지만, 실제 활용률은 30% 수준으로 나타났다. 특히, 제조업분야 활용률은 20%를 간신히 넘긴 것으로 조사됐다. 대한상공회의소가 산업연구원과 공동으로 최근 국내기업 500개사 IT·전략기획 담당자를 대상으로 실시한 ‘국내기업 AI 기술 활용 실태 조사’에 따르면, ‘기업의 생산성 제고, 비용절감 등 성과향상을 위해 AI 기술이 필요하다’고 답한 기업은 전체의 78.4%를 차지했다. ‘불필요’하다는 응답은 21.6%로 나타났다. 이번 조사는 산업통상자원부, 한국공학한림원, 산업연구원이 공동으로 진행 중인 ‘AI 시대의 新산업정책' 수립을 계기로 이뤄졌다. ‘실제 AI 기술 활용 여부’에 대해서는 ‘그렇다’고 답한 기업이 30.6%를 차지한 반면, ‘아니다’라고 답한 기업은 69.4%에 달했다. 업종별로 보면, 제조업의 활용률은 23.8%로 서비스업분야 활용률(53%)의 절반에도 못 미쳤다. 서비스분야에선 금융(57.1%)·IT서비스(55.1%)의 활용률이 높은 것으로 드러났다. 기업규모별
장비 장애에 미리 대비하면 예기치 않은 다운타임을 줄이고 안정성을 높이며 보다 효율적으로 확장함으로써 운영을 개선하여 궁극적으로 수익 높여 제조업에서 예측 유지보수는 현대 운영에서 더욱 중요한 역할을 하고 있다. 예측 유지보수는 머신 러닝과 과거 데이터를 사용하여 기계의 유지보수 시기를 예측한다. 이를 통해 안전 문제, 다운타임, 과도한 수리 등 제조업체에 막대한 비용을 초래할 수 있는 오작동이나 고장을 방지할 수 있다. 여러 가지 이유로 많은 제조 기업은 기존의 유지보수 방법에 의존해야 한다. 체크리스트와 정해진 프로세스가 있음에도 불구하고 이미 고장이 발생한 후에야 경고 신호를 간과하는 경우가 많다. 하지만 디지털 트윈 기술의 가용성이 높아지면서 예측 유지보수의 이점을 더욱 폭넓게 활용하고 달성할 수 있게 되었다. 디지털 트윈이란? 디지털 트윈은 상태와 동작을 시뮬레이션할 수 있는 기능을 갖춘 물리적 장치, 시스템 또는 프로세스의 가상 복사본이다. 실제 개체의 속성과 작동 역학을 모방하는 디지털 복제본이다. 디지털 트윈은 센서를 통해 데이터를 수집하여 사물을 미러링한 다음, 인공지능(AI)과 머신러닝 알고리즘을 통해 실시간으로 데이터를 처리하여 복잡한 데
제조업의 품질에 대한 접근 방식 전체를 재편하는 혁신의 힘 ‘스마트 계측’ 품질 관리는 제품이 엄격한 표준과 고객의 기대치를 충족하도록 보장하는 제조의 초석이 되어 왔다. 전통적으로 품질 관리에는 수동 검사, 샘플링 및 오프라인 측정이 포함되었는데, 이러한 방법은 많은 경우에 효과적이지만 시간이 많이 걸리고 오류가 발생하기 쉬우며 사전 예방적이기보다는 사후 대응적인 경우가 많았다. 하지만 스마트 계측의 등장으로 품질 관리에 대한 기존의 접근 방식이 크게 변화하고 있다. 스마트 계측은 사물인터넷(IoT), 인공 지능(AI), 빅데이터 분석, 클라우드 컴퓨팅과 같은 첨단 디지털 기술을 측정 프로세스에 통합하여 보다 효율적이고 정확하며 지능적으로 만든다. 스마트 계측은 제조 분야의 전통적인 품질 관리에 혁신을 일으켜 품질을 보장할 뿐만 아니라 지속적인 개선을 추진하는 보다 사전 예방적인 데이터 기반 접근 방식으로 이어지고 있다. 기존 품질 관리의 한계 기존 품질 관리 프로세스의 한계는 주기적인 검사와 샘플링에 의존하는 경우가 많다는 점이다. 생산 라인의 특정 단계에서 제품을 테스트하고 수동 또는 반자동 도구를 사용하여 측정을 수행한다. 그런 다음 이러한 측정값을
“휴머노이드 로봇을 통해 기업은 생산성을 높이고 비용을 절감하며 보다 안전하고 일관된 환경을 조성할 수 있을 것” 최근 휴머노이드 AI 기반 생산 로봇을 제조 공정에 도입할 계획을 밝힌 두 개의 유명 자동차 제조업체인 BMW와 테슬라(Tesla)가 있다. 자동차 생산에 로봇을 사용하는 것은 새로운 일이 아니다. 60년대 초 조립 라인에서 처음 사용된 자동화의 초기 선구자들은 유압식 또는 공압식 팔을 사용했으며 주로 무거운 물건을 들어 올리는 데 사용되었다. 소형화된 모터, 자이로, 서보, 마이크로프로세서가 추가되어 이를 모두 제어할 수 있게 되면서 볼트 조임으로 기술을 다양화했고, 이후 품질 관리를 위해 센서와 카메라가 추가되었다. 그러나 대부분의 생산 라인은 3D 비전 카메라를 사용하기도 하지만 여전히 로봇과 자동화를 매우 일차원적인 방식으로 사용하고 있다. 단조로움의 지루함에 영향을 받지 않는 이러한 기계는 한 부품을 다른 부품과 나란히 배치하거나 두 부품을 용접하는 등 하나의 작업, 하나의 작업만 완료하도록 사전 프로그래밍되어 있다. 이 때문에 전체 작업을 수행하려면 여러 대의 기계가 필요하므로 전체 생산 라인의 로봇 장비에 많은 비용이 투자된다. 사진
새로운 기후 규정을 효과적으로 충족하기 위해 제조업체는 환경 성과 데이터의 보고, 규정 준수 및 분석을 간소화하는 새로운 통합 장비로 업그레이드하는 것을 고려해야 모든 부문에 걸쳐 산업 제조업체들은 지속가능성을 우선시하고 즉각적인 탈탄소화를 목표로 하고 있다. 미국에서는 증권거래위원회(SEC)가 제안한 새로운 공시 규칙에 따라 상장기업이 연례 보고서에 기후가 기업 운영에 미치는 영향과 기업 운영이 기후에 미치는 영향 등 기후 관련 영향을 보고하도록 요구하고 있다. 전 세계 다른 국가들도 이러한 추세에 따라 제조업체들이 자사의 운영 방식을 전체적으로 살펴볼 것을 강요하고 있다. 그러나 많은 조직, 특히 제조, 자동차, 금속 및 광업과 같이 탄소 배출량이 많은 산업에 속한 조직은 낙후된 장비와 기술로 인해 이러한 영향을 측정하고 완화하는 데 상당한 어려움을 겪고 있다. 새로운 기후 규제에 효과적으로 대응하려면 제조업체는 환경 성과 데이터의 보고, 규정 준수 및 분석을 간소화하고 궁극적으로 이러한 활동을 가치 창출로 전환하는 새로운 통합 장비로의 업그레이드를 고려해야 한다. 기후 및 지속 가능성 이니셔티브에 우선순위를 두는 것이 비즈니스에 도움이 된다는 것은 널리
GfK-An NIQ Company, 올 2분기 전 세계 스마트폰 판매량 조사 결과 발표 "저가형 스마트폰 증가 영향으로 스마트폰 시장 회복세 전환" 글로벌 가전 시장정보 업체 GfK-An NIQ Company(이하 GfK)가 세계 주요 60여 개국 소매점 판매 실적 데이터를 바탕으로, 세계 시장 규모의 2024년 2분기 스마트폰 판매 동향을 발표했다. 2분기 전 세계 스마트폰 판매량은 전년 동기 대비 4% 증가했다. 지난해 같은 기간 판매량 하락폭이 컸던 신흥시장을 중심으로 판매량이 증가한 것이 주효했다는 평가다. 가격대별 분석 결과 저가 스마트폰이 성장에 기여한 것으로 분석됐다. 저가 스마트폰은 선진시장에서도 다른 가격대보다 높은 성장세를 보였고, 중가 스마트폰은 1분기 및 전년 동기 대비 감소했다. 상대적으로 높은 가격대의 스마트폰은 시장 전반에서 판매량 약세를 보였으나, 전년 동기 대비 증가한 판매고를 기록했다. 특히 800달러 가격 구간대의 스마트폰 판매량 성장세는 폴더블, AI 기능이 탑재된 스마트폰 제품이 주로 판매됐다. GfK 측은 올 하반기 글로벌 스마트폰 판매량은 전년 동기 대비 둔화되고, 연간으로는 지난해 같은 기간과 비교해 소폭 증가할 것
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 04월 18일 18시 22분
