무선 네트워크는 이제 공장 현장에서 필수적인 인프라로 자리 잡았으며, 압력과 온도 데이터부터 영상, 진단 정보, 모바일 데이터에 이르기까지 다양한 정보를 전송하고 있다. 많은 공장에서는 Wi-Fi®, Bluetooth®, Zigbee®, WirelessHART, ISA100 Wireless 등 여러 무선 시스템을 동시에 운영하며, 이들 시스템은 서로 다른 시기에 서로 다른 부서에 의해 구축되는 경우가 많다. 그러나 이러한 시스템들이 별도의 조정 없이 동일한 주파수 대역을 공유하면, 눈에 띄지 않는 전파 간섭이 점차 심각한 문제로 발전할 수 있다. 다음 사례를 살펴보자. 한 화학 공장에서 환경 배출량을 모니터링하기 위해 공장 외곽 울타리를 따라 Zigbee 센서를 설치했다. 하지만 이 센서들은 기존 WirelessHART 네트워크와 동일한 주파수 대역을 사용했고, 구축 과정에서 두 네트워크 간의 조율은 이루어지지 않았다. 설치 후 약 3주가 지나자 공장 센서들의 배터리 소모가 평소보다 빨라지고, 예정된 데이터 업데이트도 제시간에 이루어지지 않았다. 원인을 조사한 결과, 두 네트워크의 채널이 서로 겹치면서 발생한 전파 간섭이 문제의 핵심이었다. 이후 각 네트워크
해결과제: 현장에만 머무는 중대 알람 대다수의 공장에서, 오랜 기간 가동되어온 주요 설비들은 최신 모니터링 시스템이나 원격 접속을 고려한 설계가 적용되어 있지 않다. 문제가 발생하면 가장 먼저 작동하는 “알람 시스템”은 대개 점멸등, 현장 HMI 메시지, 또는 생산 라인의 경보음 정도다. 이러한 방식은 문제 발생 전까지 유효하다. 야간 및 휴식 시간이나 무인 구역에서 문제가 발생하는 경우 아무도 알람을 알아채지 못할 수 있다. 설령 작업자가 알람을 확인하더라도, 이후 에스컬레이션은 전화와 무전기, 또는 수기 작성에 의해 의존하는 경우가 많다. 이는 문제 해결(Troubleshooting)을 늦추고, 미세한 공정 이탈을 장시간의 라인 정지로 이어지게 한다. 많은 제조 및 운용 팀들이 바로 이러한 문제를 개선하려 한다. 즉, 자동화 아키텍처를 재설계하지 않고도 레거시 시스템의 인시던트(incident)에 더 신속히 대응할 수 있도록 하는 것인데, 목표는 설비 변경 없이 관련 담당자에게 즉시 알람을 전송하는 것이다. 이러한 경우 요구사항은 명확하다. · OT 환경 내의 기존 데이터 소스 활용 · 비정상 상황 조기 감지 · 신뢰할 수 있는 모바일 알림 발송 · 엔지
5G 특화망이 스마트팩토리와 물류, 제조 현장의 디지털 전환을 이끄는 핵심 인프라로 부상하면서, 국내 기업의 도입 부담을 낮출 지원 체계에도 관심이 커지고 있다. 한국전파진흥협회(RAPA)가 추진하는 ‘차세대 특화망 도입을 위한 기업 지원 프로그램’은 망 설계부터 무선 성능 평가, 환경 신뢰성 검증, 최종 품질 검증 보고서 발급까지 전주기 지원을 제공하는 것이 특징이다. 특히 자체 검증 역량이 부족한 중소 제조사에는 실질적인 도움이 될 수 있다. 한국전파진흥협회 박세호 센터장은 “기관이 발급하는 검증 보고서는 중소 제조사의 기술 신뢰도를 증명하는 강력한 무기”라며 “수요 기업의 초기 도입 리스크를 줄이고, 실질적인 공급 계약 성사로 이어질 것으로 기대된다”고 밝혔다. 5G 특화망, 산업용 무선통신, 스마트팩토리 확산의 현실적 기반을 마련하는 프로그램이라는 평가다. 글로벌 산업 현장이 무인 자동화와 지능형 생산 거점으로 탈바꿈하면서, 5G 특화망(이음 5G)은 공장 전체를 유기적으로 조율하는 핵심 무선 인프라로 떠올랐다. 초저지연·고대역폭·보안성을 무기로 자율주행로봇(AMR), 비전 AI(Vision AI), 실시간 로봇·기계 제어 등 피지컬 AI(Physic
스마트팩토리와 물류 자동화 확산으로 5G 특화망(이음 5G) 도입 수요가 커지고 있지만, 높은 구축비용과 복잡한 운영 부담은 여전히 기업의 큰 고민이다. 최대식 브이씨솔루션즈 대표는 이러한 문제를 해결하기 위한 핵심 전략으로 현장 맞춤형 5G 특화망 설계, 4.7GHz 중심의 효율적 주파수 선택, 핵심 구간만 적용하는 하이브리드망 구축, 단계적 라이선스 운영 방안을 제시했다. 여기에 RFI·RFP·PoC·OM으로 이어지는 표준화 로드맵까지 더해, 불필요한 투자와 공급업체 종속을 줄이면서도 비용 효율과 생산성을 동시에 높일 수 있는 현실적인 5G 특화망 도입 전략을 제안했다. 글로벌 산업 현장에서 5G 특화망(이음 5G)이 스마트팩토리와 물류 자동화의 핵심 인프라로 떠올랐지만, 정작 도입을 검토하는 기업은 다양한 허들에 직면했다. 고가의 장비 가격, 통신 전문 인력 고용 부담, 유지보수 방향성 부재 등 병목이다. 특히 서비스 목적에 맞지 않는 과도한 인프라 투자와 대용량 라이선스 계약이 기업의 비용 부담을 가중시키는 주요 원인으로 지적된다. 최대식 VC솔루션즈 대표는 “5G 특화망은 기업의 운영비용을 절감하고 생산성을 극대화하는 자산이어야 한다”며 현장 맞춤형
5G 특화망이 AI 자율제조와 피지컬 AI 시대를 구현할 핵심 인프라로 부상하고 있다. 제조 현장이 기존 스마트팩토리를 넘어 AI가 로봇과 설비를 실시간으로 판단·제어하는 ‘AI 팩토리’로 진화하면서 초저지연·초연결·고신뢰성을 갖춘 산업 전용 네트워크의 중요성도 커지는 모습이다. 김태윤 AI 네트워크 얼라이언스(AINA) 산업융합위원회 위원장은 “5G 특화망은 단순한 통신망 교체가 아니라 우리 기업의 제조 경쟁력을 실제 수치로 증명해내는 전략적 투자이자 국가 AI 인프라의 대동맥”이라고 강조했다. 실제 5G 특화망은 제조 생산성 향상과 불량률 감소, 물류 효율화, 산업안전 강화뿐 아니라 로봇과 센서, 생산설비를 실시간으로 연결하는 기반으로 주목받고 있다. 특히 산업단지 AX 전환이 본격화되면서 5G 특화망은 스마트팩토리를 넘어 AI 팩토리와 피지컬 AI 생태계를 구현하는 핵심 연결망으로 자리매김할 전망이다. AI 자율제조가 ‘전용 고속도로’를 요구한다 제조업의 디지털 전환이 새로운 단계로 접어들고 있다. 과거 스마트팩토리의 핵심이 생산설비 자동화와 데이터 수집이었다면 이제 제조 현장의 화두는 AI가 스스로 판단하고 로봇과 설비를 움직이는 ‘AI 자율제조’다.
AI 대전환(AX)이 제조·물류·조선 등 산업 현장으로 확산되면서 5G 특화망(이음5G)이 피지컬 AI 시대를 구현할 핵심 네트워크 인프라로 부상하고 있다. 생성형 AI를 넘어 로봇과 AI 비전, AMR·AGV, 디지털트윈이 생산 현장에서 실시간으로 연결되는 만큼 초고속·초저지연·초연결과 안정성, 보안성을 갖춘 산업 전용망의 중요성도 커지고 있다. 김경빈 한국방송통신전파진흥원(KCA) 과장은 “AI가 사무실 화면 안에 머물 때는 통신망이 크게 문제되지 않지만, 로봇이 생산라인을 돌아다니고 카메라와 설비 데이터가 쉼 없이 오가기 시작하면 이야기가 달라진다”며 “AI를 현장으로 끌어내리는 순간 망은 곧 성능의 한계선이 된다”고 강조했다. 국내 5G 특화망은 현재 39개 기업·기관, 111개소로 확산됐으며, 향후 AI 공장과 자율제조·자율물류를 연결하는 ‘산업의 신경망’으로 역할이 더욱 커질 전망이다. AI가 화면 밖으로 나왔다…‘통신망’이 산업 경쟁력이 된 시대 산업계의 디지털 전환을 설명하던 중심 키워드가 DX(Digital Transformation)에서 AX(AI Transformation)로 빠르게 이동하고 있다. 변화의 핵심은 AI가 더 이상 컴퓨
KAIST 전산학부 김민수 교수 연구팀이 AI가 생성한 데이터베이스 검색 명령(SQL)에서 오류 부분만 찾아 단계적으로 수정하는 기술 '세이프큐엘(SafeQL)'을 개발했다고 밝혔다. 최근 일상적인 말로 질문하면 AI가 이를 SQL로 변환해 기업의 매출·고객·재고 자료를 찾아주는 'Text-to-SQL' 기술이 확산되고 있다. 그러나 AI가 데이터베이스에 실제로 없는 테이블이나 항목을 잘못 사용하거나 자료를 잘못 연결하는 등의 실수를 저지를 경우 SQL이 실행되지 않는 문제가 발생했다. 기존에는 이러한 오류가 발생하면 검색 명령 전체를 다시 만들어야 했고, 이미 맞았던 부분까지 달라지거나 새로운 오류가 생기고 비용과 시간도 늘어나는 한계가 있었다. SafeQL은 AI에게 검색 명령 전체를 다시 만들게 하는 대신 데이터베이스가 알려주는 오류와 실제 저장된 정보를 이용해 잘못된 부분만 찾아 수정한다. 연구팀은 이를 위해 실제로 실행 가능한 수정안 가운데 원래 AI가 만든 명령과 가장 가까운 답부터 찾아가는 '안전 질의 공간(Safe Query Space)' 방식을 설계했다. 또한 PostgreSQL 내부에 구현해 복잡한 명령에서도 오류 발생 위치를 정확하게 찾도
지난 4월 출시된 ‘오즈모 포켓 4(Osmo Pocket 4)’를 쓰면서 가장 인상에 남은 부분은 이런 ‘짐벌형 핸드헬드(Handheld) 카메라’를 떠올렸을 때 기대하게 되는 점이었다. 가벼웠고, 빨리 꺼낼 수 있었고, 급한 현장에서도 스마트폰과 별개로 곧바로 촬영에 들어갈 수 있었다. 대신 빠르게 방향을 틀거나 피사체가 바뀌는 순간에는 한 박자씩 늦게 따라오는 짐벌과 추적성이 아쉬움으로 남았다. 그 뒤 나온 후속작 ‘오즈모 포켓 4P(Osmo Pocket 4P)’는 조금 다른 기능적 노선을 탔다. 포켓 4의 기본 형태는 유지하면서 20mm 광각 옆에 60mm 중망원(Medium Telephoto) 카메라를 하나 더 달았다. 1배 확대(Zoom)에서는 넓게 보고, 3배에서는 별도 중망원 렌즈로 넘어가는 물리적 듀얼 카메라(Physical Dual-camera) 구조다. 얹는 게 있으면 내주는 것도 있었다. 포켓 4보다 몸집·무게가 늘었고, 가격도 한 단계 올라갔다. 실제로 손에 쥐었을 때도 차이는 체감됐다. 가벼운 기기를 들었다기보다 조금 더 제대로 된 촬영 장비를 쥔 느낌. ▲ 오즈모 포켓 4P를 실제 현장에서 활용하는 모습(좌)과 기기가 담아낸 현장 화
기사 1편을 보시고 오면 좋습니다. [헬로AX] 자동화는 이미 '끝났다'...아이브이웍스가 '자율공정'을 말하는 이유 제조 현장에 AI를 적용하려면 AI가 무엇을 정상으로 보고 어떤 상황을 이상으로 판단해야 하는지 학습할 데이터가 필요하다. 화합물 반도체 소재 전문기업 아이브이웍스가 2019년 생산 현장에 AI를 도입할 당시 택한 방법도 데이터에서 출발하는 것이었다. 외부의 범용 AI 솔루션을 생산라인에 적용하는 대신, 질화갈륨(GaN) 에피웨이퍼 생산 과정에서 나오는 데이터를 직접 모으고 이를 분석하는 AI 모델과 자동화 시스템도 자체 개발했다. 현재 아이브이웍스가 보유한 생산 시계열 데이터는 3억 3000만 건 이상, 반도체 결정이 성장하는 상태를 실시간으로 보여주는 RHEED(반사 고에너지 전자회절) 데이터는 30TB를 넘는다. 회사는 이를 기반으로 AI 에피택시 플랫폼 ‘DOMM’을 고도화하고 실제 양산라인의 분석과 자동화에 활용하고 있다. 실제 양산라인에 적용하는 과정에서는 시행착오도 있었다. 연구 단계에서 성능이 좋았던 AI도 실제 생산라인에 들어가자 정상적인 상황을 이상으로 판단하는 오탐이나 예상하지 못한 예외 상황에 부딪혔다. 같은 종류의 생산
KAIST 생명화학공학과 최민기 교수 연구팀이 삼성전자 연구진과 공동으로 반도체 공정에 사용되는 온실가스인 사불화탄소(CF₄)를 높은 효율로 장기간 제거할 수 있는 새로운 촉매를 개발했다고 밝혔다. CF₄는 반도체 웨이퍼의 건식 식각 공정 등에 사용되는 가스로 탄소와 불소가 매우 단단하게 결합돼 있어 쉽게 분해되지 않는다. 대기 중으로 배출되면 약 5만 년 동안 잔류할 수 있으며 지구온난화에 미치는 영향도 이산화탄소보다 6,000배 이상 크다. 기존 촉매는 CF₄가 분해되면서 생기는 불화수소(HF)가 수분과 만나 강한 부식 환경을 만들고, 이로 인해 촉매 입자들이 뭉치거나 구조가 변하면서 성능이 떨어지는 문제가 있었다. 연구팀은 이를 '엔트로피 안정화(entropy stabilization)' 원리로 해결했다. 서로 다른 여러 종류의 원자를 하나의 구조 안에 고르게 섞으면 배열은 복잡해지지만 오히려 특정 구조로 쉽게 바뀌지 않아 전체 구조를 안정적으로 유지할 수 있다는 원리다. 연구팀은 알루미늄(Al), 아연(Zn), 갈륨(Ga), 니켈(Ni), 코발트(Co) 등 여러 금속을 알루미네이트 결정구조 안에 고르게 섞어 고온과 수분, 불소가 함께 존재하는 가혹한
다이슨(Dyson)이 인공지능(AI)과 초소형 카메라를 이용해 치아 사이를 찾아낸 뒤 세정액을 자동으로 분사하는 전동칫솔을 출시했다. 미국 판매가는 499.99달러, 국내 판매가는 74만 9000원으로 책정된 고가 제품으로, 칫솔질과 치간 세정, 구강 세정을 하나의 기기에 결합한 것이 특징이다. 다이슨이 지난 1일 공개한 전동칫솔 카메라젯(CameraJet)은 10만 화소 매크로 렌즈 카메라와 AI 머신러닝 알고리즘을 탑재했다. 회사가 ‘갭 옵티컬 타기팅(Gap Optical Targeting)’이라고 이름 붙인 이 기술은 실시간으로 초당 28장의 이미지를 분석해 치아 사이의 틈을 찾아내고 위치와 움직임을 추적한다. 카메라가 치아 사이의 틈을 포착하면 100밀리초(0.1초) 안에 손잡이에 저장된 구강 세정액을 해당 지점에 자동으로 분사한다. 일반적인 워터플로서가 가느다란 물줄기를 사용하는 것과 달리 카메라젯은 원뿔 형태로 세정액을 분사해 보다 넓은 범위의 플라그를 제거하도록 설계됐다. 이 과정에는 제품 개발 과정에서 수집한 치아 이미지 47만장 이상을 학습한 머신러닝 시스템이 사용됐다. 카메라젯에는 전체적으로 1600만줄의 코드가 적용됐으며, 다이슨은 제품
전 세계에 구축된 약 1조 달러 규모의 기존 사이버보안 인프라가 인공지능(AI)을 활용한 ‘기계 속도’의 공격에 대응하기에는 준비되지 않았다는 진단이 나왔다. AI가 소프트웨어 취약점을 찾아 공격하는 시간을 크게 단축하면서 기업들이 기존 보안 아키텍처를 전면적으로 현대화해야 한다는 주장이다. 1일(현지시간) CNBC의 ‘매드 머니(Mad Money)’에 출연한 니케시 아로라(Nikesh Arora) 팔로알토 네트웍스(Palo Alto Networks) 회장 겸 최고경영자(CEO)는 AI가 기업들에 약 1조 달러 규모의 노후 사이버보안 인프라를 교체하도록 압박하고 있다고 주장했다. 그는 7~10년 전에 구축된 보안체계는 AI 기반 자동화 공격의 속도를 감당하도록 설계되지 않았다며 사이버보안 아키텍처 자체를 다시 설계해야 한다고 강조했다. 아로라는 같은 날 진행된 팔로알토 네트웍스의 2026회계연도 4분기 실적 발표에서도 전 세계에 약 1조 달러 규모의 ‘사이버보안 부채(cybersecurity debt)’가 존재한다고 평가했다. AI가 즉각적으로 작동하는 만큼 자동화된 위협에 대응하려면 노후화된 보안 시스템을 현대화하고, 분절된 보안 도구를 실시간으로 정보를
지구 평균기온 상승폭을 산업화 이전 대비 1.5도 이내로 억제하는 것이 사실상 불가능해졌다는 유엔의 진단이 나왔다. 가장 낙관적인 시나리오에서도 온난화가 1.8도까지 정점을 찍을 것으로 전망되면서, 앞으로는 1.5도 초과 폭과 기간을 최소화한 뒤 다시 온도를 낮추는 것이 핵심 과제로 제시됐다. 2일(현지시간) 유엔환경계획(UN Environment Programme·UNEP)은 ‘오버슈트 제한: 1.5도 초과와 복귀 경로(Limiting Overshoot – Navigating exceedance of 1.5°C and pathways towards return)’ 보고서를 발표하고 현재 정책과 단기 기후 대응 경로를 고려할 때 지구 평균기온 상승폭이 1.5도를 넘어서는 것은 이제 피하기 어려운 것으로 평가했다. UNEP는 지구 평균기온 상승폭이 향후 몇 년 안에 1.5도를 넘어설 가능성이 높다고 전망했다. 가장 낙관적인 시나리오에서도 산업화 이전 대비 온도 상승폭은 약 1.8도에서 정점을 찍을 것으로 예상됐으며, 다른 시나리오에서는 2도를 넘어설 가능성이 제시됐다. 다만 UNEP는 1.5도를 일시적으로 넘어선다는 것이 파리협정(Paris Agreement)
글로벌 해운사 머스크(Maersk)가 대형 컨테이너선에 바람을 이용한 보조 추진장치를 설치해 연료 소비와 탄소배출을 줄이는 실증에 나선다. 컨테이너선에 해당 기술이 적용되는 것은 이번이 처음으로, 장치는 2027년 중반 설치될 예정이다. 2일(현지시간) 영국 풍력 추진 기술기업 아네모이 마린 테크놀로지스(Anemoi Marine Technologies)는 머스크와 협력해 8700TEU급 리마 클래스(Lima Class) 컨테이너선에 풍력 보조 추진장치인 로터 세일(Rotor Sail)을 설치한다고 밝혔다. 아네모이는 장치의 설계와 제조, 공급을 담당하고 선박 시스템과의 통합 및 설치를 지원한다. 이번에 설치되는 로터 세일은 직경 5m, 높이 35m의 고정식 장치다. 2027년 중반 설치한 뒤 별도 시험선이 아닌 머스크의 기존 상업 운항 선박에서 실제 성능을 검증하며, 북대서양과 남대서양 항로를 운항할 것으로 예상된다. 로터 세일은 회전하는 원통형 구조물이 바람을 이용해 공기역학적 양력을 발생시키고 이를 선박을 전진시키는 추가 추진력으로 활용하는 기술이다. 운항 여건이 적합할 경우 주 엔진에 필요한 추진력을 줄여 연료 사용량과 이에 따른 온실가스 배출량을 낮출
유럽연합(EU)이 지속가능성 공시와 실사 규제를 간소화하고 있지만, 기업들이 이를 환경·사회·지배구조(ESG) 관련 투자와 실행을 늦추는 이유로 삼아서는 안 된다는 주장이 나왔다. 규제 대응에 집중했던 지속가능성 전략을 공급망 회복력과 리스크 관리, 운영 효율성 등 실질적인 기업 가치 창출로 연결해야 한다는 설명이다. 스테판 프리머(Stefan Premer) 스페라(Sphera) 기업 지속가능성 컨설팅 시니어 디렉터는 2일(현지시간) ESG 투데이(ESG Today)에 기고한 글을 통해 최근 유럽의 지속가능성 규제 간소화가 기업의 ESG 실행을 축소하거나 늦출 근거가 돼서는 안 된다고 주장했다. 그는 기업들이 규제 대응 자체보다 지속가능성을 사업 전략과 운영에 통합해 회복력을 높이고 리스크를 줄이는 데 초점을 맞춰야 한다고 강조했다. 프리머는 최근 유럽지속가능성보고기준(European Sustainability Reporting Standards·ESRS) 변경과 기업 지속가능성 실사 지침(Corporate Sustainability Due Diligence Directive·CSDDD)의 단계적 시행으로 기업들이 지속가능성 분야에서 어디에 역량을 집중해야
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘, 이준원 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김진희 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 이메일 : help@hellot.net | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2026년 09월 05일 20시 48분
