컴퓨터지원설계(CAD) 화면을 볼 때 가장 당황스러운 순간이 있다. 모델을 열었더니 경고와 에러가 이어지고 원인은 복잡한 용어로만 나열되는 상황이다. ‘하나 이상의 파일이 누락되었습니다’, ‘스케치가 초과 정의되었습니다’, ‘재생성 오류가 있습니다’ 등이다. 이러한 경고문은 원인도 아니고 해결책도 아니다. 이어 모델 목록에는 빨간 표시가 늘어나고, 부품들 사이 연결이 풀리면서 위치가 어긋난다. 한 군데를 고치면 다른 곳이 연쇄적으로 깨진다. 도면까지 연결돼 있으면 더욱 번거로워진다. 화면에서 보던 모양이 바뀌거나 치수가 틀어지고, 업데이트 한 번에 표기가 뒤집혀서 원인부터 다시 찾아야 한다. 그 순간 설계자는 ‘이걸 어디서부터 손대야 하지’가 아니라 ‘내가 이걸 손댈 자격이 있나’부터 우려된다. 설계가 멈추는 건 지식이 부족해서가 아니라, 문제를 풀 수 있는 형태로 문제가 주어지지 않아서다. 소프트웨어는 증상을 나열하지만, 작업자는 원인·우선순위·방향성을 원한다. 결국 CAD 분야의 숙련자와 초보를 가르는 것은 지식의 양이 아니라, 시스템이 던진 신호를 인간의 언어로 번역해 수정 가능한 절차로 바꾸는 능력이다. 이 장벽을 생성형 AI(Generative AI
지금 한국은 말 그대로 ‘러닝 전국시대’다. 주말마다 도심 속 도로가 통제되고, 번호표 단 러너들이 한꺼번에 쏟아져 나온다. 이는 통계만 봐도 금세 체감된다. 국민체육진흥공단 ‘2024 국민생활체육조사’에 따르면, 최근 국민이 1년간 참여 경험이 있는 체육 활동 가운데 ‘달리기’ 비중이 기존 0.5%에서 6.8%까지 상승했다. 이 가운데 주 1회 이상 조깅을 하는 사람만 약 330만 명으로 집계됐다. 여기에 업계와 마케팅 보고서에서는 국내 러닝 인구 전체를 2017년 500만 명 안팎에서, 1000만 명 안팎으로 추산하는 지표까지 나온다. 국회 자료를 정리한 마라톤 매체는 국내 마라톤 대회가 코로나19 팬데믹 직후인 2020년 19회 수준에서, 2023년에는 200여 회로 급증했다고 보도한 바 있다. 불과 몇 년 전만 해도 연간 참가자 수도 1만 명이 채 안 되던 상황에서, 지금은 100만 명을 훌쩍 넘기는 시장으로 커졌다. 서울 도심을 통째로 막아 4만 명 가까운 러너가 동시에 뛰는 장면도 이제는 뉴스라기보다 계절 풍경에 가깝다. 러닝을 대하는 방식도 달라졌다. 지금 좀 뛰는 사람들은 ‘운동 좀 해야지’ 수준을 넘어서, 시즌마다 목표 대회를 찍고 스마트 워
신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체 조작을 학습하고 수행한다. 이 글에서는 이러한 형태학적 계산을 이용한 로봇의 물체 조작 학습에 관련된 연구 성과를 소개한다. 구체적으로는 유연 손목의 설계, 유연 손목을 이용한 물체 조작의 학습, 형태학적 계산에 의한 환경 인식, 환경 중의 물체를 이용한 형태학적 계산을 소개한다. 유연 로봇에 의한 물체 조작의 학습 신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체와 부드럽게 접촉할 수 있다. 로봇이 물리적인 부드러움을 활용해 물체와 부드럽게 접촉할 수 있으면, 물체나 로봇의 모델, 계측 및 실행의 오차를 접촉을 통해 보상할 수 있다. 물리적인 부드러움을 갖춘 로봇 암은 물체와 부드럽게 접촉하기 때문에 시행착오나 교시에 있어서 다양한 접촉을 적극적으로 시도하고, 안전하게 실패 행동을 시험하여 다양한 학습 데이터를 수집할 수 있다. 기계학습을 이용해 로봇의 제어칙이나 행동칙을 자율적으로 획득할 수 있으면, 모델화가 어려운 물리적으로 부드러운 신체의 제어칙을 획득할 수 있고, 수동으로 설계할 수 없을 정도로 다양한 행동을 만들어 내는 행동칙을 생성할 수 있다. 이상과
제조업의 디지털 전환 속도가 빨라지면서 ‘AI 자율제조’가 새로운 경쟁 지표로 떠오르고 있다. 특히 부품 데이터의 비효율과 중복 설계, 악성 재고, 공정 불량이 기업 성능을 떨어뜨리는 핵심 요인으로 지목되면서, 이를 해결하기 위한 AI 기반 부품 관리 솔루션이 주목받고 있다. 알텐코리아의 ‘ONEPART’는 3D 형상 AI 분석과 전사 부품 통합 데이터베이스를 기반으로 유사·대체 부품을 자동 탐색하고, 공용화 전략과 상위 원가 분석까지 수행하는 자율제조 지원 플랫폼이다. 항공·전자·반도체·자동차 등 주요 기업에서 중복 설계 감소, 협상력 강화, 원가 절감 등 확실한 성과를 기록하며 ‘부품 데이터 혁신’의 기준으로 부상하고 있다. AI가 부품을 읽고, 판단하고, 추천하는 시대. 제조 경쟁력은 이제 부품 데이터 관리에서 시작되고 있다. 복잡해진 제조 생태계, ‘부품 데이터’가 전략 자산 제조업은 이제 단순한 제품 조립 산업이 아니다. 글로벌 공급망 재편, 부품 다변화, 규제 강화, 지속가능성 요구가 겹치면서 기업은 어느 때보다 빠르고 정확한 의사결정을 요구받고 있다. 그러나 현장의 현실은 정반대다. 부품 관련 정보가 ERP, PLM, MES, 품질·구매 시스템,
각종 제조·조립 현장에서 무거운 대상물을 들어 올리고 이동시키며, 정확한 위치로 정렬해 조립 포지션에 안착시키는 작업은 대부분 반복적인 메커니즘으로 이뤄진다. 문제는 이 반복성이 오히려 위험을 증폭시킨다는 점이다. 작업자가 하중을 버티는 시간이 길어질수록 피로는 누적되고, 자세가 무너지기 시작하면 안전사고와 품질 저하가 동시에 발생한다. 이는 개인 숙련도의 문제가 아니라 공정 설계와 장비 선택 방식에서 비롯되는 구조적 리스크다. 이러한 배경에서 많은 현장은 매니퓰레이터(Manipulator)를 도입한다. 작업자가 직접 조작하되 장비가 하중을 지지하고, 자세·각도·위치를 보조하는 장치다. 그러나 실제 현장에서는 매니퓰레이터 도입 시 사양표부터 비교하는 경우가 많다. 겉으로 보기에는 빠른 의사결정처럼 보이지만, 경험적으로 이 접근은 가장 많은 재작업과 공수 증가를 낳는다. 매니퓰레이터는 자동화 로봇이 아니다. 판단과 경로를 장비가 대신 수행하는 자동화 장치가 아니라, 작업자가 조작과 판단을 주도하고 장비는 힘과 도달거리, 안정성을 보강하는 인체공학적 핸들링 장치다. 핵심은 장비가 무엇을 할 수 있느냐가 아니라, 작업자가 무엇을 더 안전하게, 더 오래, 더 일정한
AI 팩토리 전환이 가속화되면서 제조업의 핵심 경쟁력은 더 이상 생산 자동화가 아니라 설비 보전의 지능화로 이동하고 있다. 특히 PLC 제어 프로그램을 자동 해석하고 전체 공정 시퀀스를 AI로 학습하는 기술은 설비 고장의 원인 규명부터 사전 예측까지 이어지는 새로운 제조 혁신의 기반이 되고 있다. 유디엠텍 김남기 팀장은 설비 데이터를 통합 분석하고 알람의 근본 원인을 자동 추적하며, 하루~3일 뒤 이상 징후를 예측하는 기술을 공개했다. 이 기술은 자동차·반도체 산업처럼 공정 연계성이 높은 제조 현장에서 기존의 경험 기반 보전 방식이 가진 한계를 극복하고, 생산 안정성·품질 향상·비가동 손실 최소화라는 제조 혁신의 핵심 목표에 직접적으로 기여한다. AI 기반 지능형 보전은 지금 제조업이 직면한 전문 인력 감소와 복잡한 자동화 환경을 극복하기 위해 반드시 필요한 차세대 전략으로 자리 잡고 있다. 자동화의 심장, 보전의 재발견 AI 팩토리 시대라는 거대한 수식이 등장하면서 제조업은 더 빠르고 정교한 자동화를 향해 질주하고 있다. 하지만 이 화려한 진보의 그림자에는 우리가 외면해온 진실이 존재한다. 공장 자동화의 중심에는 언제나 ‘설비 보전’이 있다. 공정이 아무리
설비의 예측 불가능한 고장은 막대한 경제적 손실과 생산 효율 저하를 초래하는 기술적 한계로 작용한다. 이 가운데 기존의 전통적인 유지보수 방식은 점차 한계를 드러내고 있다. 산업 현장에서 설비자산성능관리(APM)는 이제 고장 후 사후 대응에만 집중되지 않는다. 사전에 문제를 예측·대비하는 새로운 패러다임을 노리고 있다. 이처럼 비효율적인 대응 구조를 벗어나고자, 제조업의 미래를 결정지을 인공지능(AI) 기반 자율제조 시대가 도래했다. 과업별로 모델을 개발해야 했던 머신러닝의 부족한 부분을 근본적으로 극복하는 새로운 지향점을 제시하고 있다. 이는 단 하나의 거대 모델로 모든 문제를 해결하는 파운데이션 모델 시대로의 전환을 의미한다. 이러한 신규 트렌드는 생산 현장 전체의 운영 및 유지 보수(O&M) 프로세스를 혁신할 구체적인 로드맵으로 기대받고 있다. 이러한 배경에서 원프레딕트는 각 산업에 기반을 둔 새로운 접근법을 강조한다. 이 회사는 APM 솔루션을 공급하며 설비의 원초적 목적인 가동률을 극대화하는 것을 목표로 하고 있다. 피디엑스(PDX)·사이클론(Cyclone) 등 제품군을 통해 현장의 다양한 데이터를 통합 관리하는 데 기여한다. 특히 사이클론은
AI가 제조업의 ‘안전’과 ‘자율화’를 동시에 끌어올리는 전환점에 도달했다. 중대재해처벌법과 ESG 규제가 강화되는 지금, 생산성만 높이는 공장은 더 이상 경쟁력을 갖기 어렵다. LS일렉트릭 김재신 부장은 ‘2025 AI 자율제조혁신 포럼’에서 “현재 국내 제조현장의 자율화 수준은 10점 만점에 4.5점”이라는 진단을 내놓으며, AI 기반 제조 안전 전략을 자율제조의 출발점으로 제시했다. 발표에서 김 부장은 위험성 평가를 자동화하는 AI 관제, 화재·끼임·지게차 충돌 등 9대 사고 감지, 디지털 트윈 기반 실시간 관제, 중소기업을 위한 SaaS형 안전 AI 등도 실제 사례와 함께 공개했다. 공장이 스스로 위험을 감지하고, 스스로 설비를 멈추고, 스스로 대피 동선을 제시하는 시대—LS일렉트릭이 공개한 로드맵은 제조업이 어디로 가야 하는지를 분명하게 보여준다. 왜 ‘AI 안전’이 먼저인가 제조업은 지금 ‘자율제조(Autonomous Manufacturing)’라는 거대한 전환점 앞에 서 있다. 생산 오더가 발행되는 순간부터 완제품이 고객에게 인도되기까지, 사람의 개입 없이 공장이 스스로 판단하고 움직이는 상태를 목표로 삼는 흐름이 빨라지고 있다. 그러나 현실은
제조업은 지금 ‘탄소 중립’이라는 거대한 전환점을 향해 움직이고 있다. 생산성을 유지하면서도 탄소 배출을 줄여야 하는 이 난제를 풀 해법으로 급부상한 기술이 적층 제조, 즉 3D 프린팅이다. 스트라타시스는 폴리젯·FDM·SAF 등 5대 핵심 기술 포트폴리오를 기반으로 설계–엔지니어링–양산까지 전 과정을 혁신하는 로드맵을 제시한다. 재료를 필요한 만큼만 쌓아 올려 폐기물을 최대 90%까지 줄이고, 분산 제조로 물류 탄소를 줄이며, 생성형 설계로 경량화까지 실현한다는 점에서 지속 가능한 제조의 새로운 표준을 제시한다. 기존 감산·성형 중심의 패러다임을 넘어, 중소량·다품종 생산 중심의 유연한 제조 혁신을 가능하게 한다는 점에서 3D 프린팅은 단순한 기술이 아니라 제조업 재설계의 방향성을 보여주는 전략적 솔루션으로 자리 잡고 있다. 감산에서 적층으로...제조 패러다임 전환 오늘날 전 세계 제조업은 탄소 중립과 넷제로(Net-zero)라는 피할 수 없는 시대적 지향점을 마주하고 있다. 이는 생산성을 희생하지 않으면서 탄소 배출을 획기적으로 줄여야 하는 기술적 한계를 동시에 요구한다. 이러한 고질적인 난제에 대한 로드맵을 제시하는 솔루션 중 하나가 적층 제조(Addi
중대형 블록 운송 리스크 줄인 스마트 물류 플랫폼 실증 성과 경험 의존하던 조선 물류, 플랫폼 기반 관리 체계로 전환 가속 조선업 물류 현장은 오랜 기간 ‘경험과 숙련’에 의존해 왔다. 수십 톤에 달하는 중대형 블록과 기자재가 이동하는 과정에서 안전과 효율을 동시에 확보하는 것은 쉽지 않은 과제였다. 전남 영암 대불국가산업단지에서 추진된 ‘스마트 물류 플랫폼 구축 및 운영사업’은 이러한 구조적 한계를 디지털 기술로 풀어내려는 시도였다. (재)전남정보문화산업진흥원은 2023년부터 한국산업단지공단이 주관한 스마트그린산단 촉진사업의 일환으로 해당 사업을 추진하며, 조선업에 특화된 디지털 물류 환경 조성에 의미 있는 성과를 냈다고 밝혔다. 사업의 핵심은 고중량 물류 운송 과정에서 반복적으로 발생하던 안전 리스크를 줄이고, 운송 전반의 흐름을 체계적으로 관리할 수 있는 기반을 마련하는 데 있었다. 진흥원은 전남조선해양기자재협동조합, 알엠에쓰플랫폼과 협력해 1·2차 연도 동안 현장 기업들의 실제 요구를 세밀하게 분석했다. 이를 토대로 조선업 물류 특성을 반영한 스마트 물류 플랫폼을 개발하고, 중대형 블록 운송에 특화된 안전관리 시스템 구축에 집중했다. 단순한 시스템 도
단일 솔루션의 시대는 끝났다...장비 한 대보다 ‘유기적 융합’ 한국 제조업이 직면한 위기는 더 이상 단일 변수로 정의할 수 없다. 공장 운용비 구조 변화, 탄소 배출 고강도 규제, 예측 불가능한 공급망 변동성 등이 상수가 된 시대다. 이제 기업은 탄소는 줄이되 에너지는 아껴야 하고, 그러면서도 납기는 단축하고 품질은 안정시켜야 한다. 이러한 다중 모순의 방정식이 우리뿐만 아니라 글로벌 제조업에도 과제를 던지고 있다. 문제는 이 과제들이 결코 따로 놀지 않는다는 점이다. 현장에서는 공정을 미세하게 조정하는 순간 전력 피크와 열 균형이 흔들리고, 운전 조건 변화가 품질 변동으로 확장된다. 데이터 역시 마찬가지다. 현장의 구체적인 ‘문맥(Context)’을 담지 못한 데이터는 인공지능(AI)를 이식해도 오작동하기 마련이다. 이는 오히려 잘못된 최적화로 현장의 불안정성을 키우는 역설을 낳는다. 결국 지금 제조 현장에 필요한 것은 장비 한 대, 소프트웨어 한 개가 아니다. 공정과 설비, 운영과 데이터를 하나의 유기적인 흐름으로 융합해 성과를 뽑아내는 ‘통합 엔지니어링 역량’이다. 이러한 전 세계적 변화와 요구사항은 철강·시멘트 등 에너지 집약형 산업을 비롯해, 항공
주식회사 첨단과 한컨설팅그룹이 전략적 업무 제휴를 통해 교육·마케팅·정부지원사업을 아우르는 협력 체계를 구축하며 공동 사업 확대에 나섰다. 주식회사 첨단과 한컨설팅그룹은 19일 서울 마포구 첨단 본사에서 업무협약을 체결하고 산업 전문 교육, 마케팅·홍보 서비스, 정부 바우처 사업 등에서 협력을 추진하기로 했다. 이번 협약은 양사가 보유한 사업 역량과 인프라를 결합해 실질적인 수익 모델을 만들고 중장기 공동 프로젝트로 확장하는 데 초점을 맞췄다. 협약에 따라 양사는 온·오프라인 산업 전문 교육과정의 공동 기획과 운영에 나선다. 특히 기존 오프라인 중심 교육을 온라인 콘텐츠와 결합한 블렌디드 러닝 형태로 발전시키고 기업 현장에서 바로 활용할 수 있는 실무형 교육 모델을 구축한다는 계획이다. 이와 함께 한컨설팅그룹의 컨설턴트 풀을 활용해 첨단의 미디어·콘텐츠 역량을 접목한 맞춤형 마케팅·홍보 서비스도 공동으로 제안한다. 더불어 정부지원사업 분야에서도 협력이 이어진다. 양사는 수출바우처, 혁신바우처 등 각종 바우처 사업을 공동 수행하며 신규 고객 발굴에 나서 전시회, 영상 제작, 디자인 제작물 등 첨단의 비즈니스와 한컨설팅그룹의 ESG·경영·ISO 인증 컨설팅을 연
이안이 한국전력기술과 손잡고, 디지털 트윈 및 AI 기술 기반 국내외 원전·에너지 시장 선점에 나선다. 산업용 디지털 트윈 솔루션 전문기업 이안이 한국전력기술(KEPCO E&C)과 연구소 기업 ‘케이아이텍(K.I.Tech)을 공동 설립, 현판식을 진행했다고 18일 밝혔다. 양사는 이번 케이아이텍 공동 설립을 통해 디지털 트윈(DT)과 AI를 융합한 지능형 플랫폼을 구축하고, 국내외 에너지 산업의 디지털 혁신을 선도하겠다는 비전을 밝혔다. 케이아이텍은 글로벌 표준에 부합하는 디지털 트윈 솔루션을 확보, 향후 원자력과 플랜트 산업을 중심으로 국내외 에너지 시장 진출에 나설 계획이다. 이를 위해 이안의 반도체 공정 디지털 트윈 구축 경험과 한국전력기술의 원자력 분야 전문성을 결합, 복잡하고 정밀한 플랜트 환경에 최적화된 DT×AI 플랫폼을 개발하는 데 주력한다. 케이아이텍이 선보일 DT×AI 플랫폼은 발전소 운영 환경에 최적화된 지능형 디지털 트윈 솔루션으로, 3D 데이터와 사물인터넷(IoT), 인공지능 기술을 융합해 실제 설비의 가상 복제본을 생성, 운영 효율 극대화 및 설비 고장 리스크를 최소화해 안전한 운영을 지원한다. 또한 AI 기반 업무 혁신을 통
항공기와 무기체계는 갈수록 복잡해지는데, 관련 프로젝트에 할당된 일정·예산은 더욱 타이트해지고 있다. 설계가 완성되면 검증으로 확인하는 흐름이 일반적이었다면, 지금은 검증이 곧 설계의 일부가 된 것이 바로 이 때문이다. 특히 센서·레이더·통신·소프트웨어 등 다양한 요소 기술이 융합된 항공우주·방산(Aerospace&Defense 이하 A&D) 시스템은 이러한 흐름이 적용되는 대표 분야다. 부품 하나를 바꾸는 순간 다른 하위 체계의 요구조건이 연쇄로 흔들린다는 점에서다. 또 그 흔들림이 설계 문서, 시험 자료, 협력사 관계 파일 등에 확장되면, 문제가 커지는 속도는 더욱 빨라진다. 설계가 한 번만 크게 변경돼도 시험 일정이 밀리고, 인증과 형상 관리가 뒤따라 늦어진다. 여기에 공급망까지 흔들리면 납기·비용 체계 또한 연쇄로 무너진다. 문제는 여기서 끝나지 않는다. 개발이 여러 조직의 공동 작업이 될수록, 변경점 하나가 던지는 문제의 범위는 더 커진다. 최근 공동개발 사례가 늘수록 ‘무엇을 만들었나’보다 ‘왜 이것이 맞는지’를 설명하는 근거가 더 중요한 관점이 된 이유다. 이처럼 설계·시험·인증 자료가 여러 조직을 거치며 오간다. 이 과정에서 누가
세이지는 산업용 모션제어 전문기업 알에스오토메이션과 Physical AI 기반 차세대 로봇·자동화 플랫폼 공동 개발 및 사업화를 위한 전략적 업무협약(MOU)을 체결했다고 밝혔다. 이번 협약은 알에스오토메이션이 보유한 PC 기반 모션제어, 서보드라이브, 고해상도 엔코더 기술과 세이지의 산업 특화 비전 AI 기반 로보틱스 소프트웨어 기술을 결합해, 로봇이 실제 물리 환경에서 생성되는 데이터를 스스로 이해하고 학습·보정하는 Physical AI 로봇 구동 플랫폼을 구현하는 데 목적이 있다. 양사는 로봇 운용 과정에서 발생하는 모터, 전류, 토크, 진동 등 고해상도 물리 데이터를 AI가 학습해 로봇의 정밀도와 안정성을 실시간으로 최적화하는 AI 기반 모션 최적화 기술을 공동 개발한다. 이를 위해 세이지는 AI 모델 개발 및 최적화, 비전·로보틱스 알고리즘, Physical AI 구현을 위한 소프트웨어 스택을 담당하며, 알에스오토메이션은 서보 시스템, 모션컨트롤러, 스마트 튜닝 플랫폼과 고품질 제어·센서 데이터를 제공한다. 또한 양사는 Edge AI와 Robot Foundry 구조에 대한 공동 연구를 통해 Physical AI 로봇 플랫폼 프로토타입을 제작하고, 주
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: 2026년 01월 28일 20시 42분
