딥러닝이란 컴퓨터가 스스로 외부 데이터를 조합, 분석하여 학습하는 기술로, 빅데이터, 계산능력(Computational Power), 알고리즘 3가지 요소에 의해 발전해왔다. 그리고 이러한 딥러닝 모델 성능 향상은 인공지능(AI)이 획기적으로 도약하게 된 계기가 되었다. 제조 현장에서 AI(인공지능) 적용은 설계 지능화, SCM 지능화, 검사 지능화, 예지보전, 공정 지능화를 가져왔다. 그러나 AI 적용시 발생하는 여러 이슈도 있었다. 그 해결 방안은 무엇인지, 제조 기업을 위한 디지털 제조 혁신 세미나에서 한국생산기술연구원 윤종필 수석연구원이 발표한 내용을 정리했다. 데이터란? 데이터는 일반적으로 딥러닝 입력 데이터와 정답 데이터로 구성된다. 입력 데이터는 의사 결정을 내리기 위한 정보로서 센싱, 음성, 텍스트, 진동, 온도 데이터가 여기에 해당된다. 정답 데이터는 내가 인공지능 학습을 시켰을 때 원하는 것, 풀고자 하는 것, 바라는 것이 출력됐으면 좋겠다 하는 데이터를 말한다. 따라서 딥러닝이 잘 풀 수 있도록 충분한 양의 입력 데이터와 정확한 정답 데이터를 확보하는 것이 중요하다. 딥러닝은 우리가 만든 정답 데이터대로 학습하기 때문이다. 그렇다면 생산
화학연·표준연·전북대 연구팀 성과…투명 유연 디스플레이 등에 활용 종이보다 얇은 이차원 박막 반도체를 빛으로 땜질 가공하는 차세대 반도체 기술이 개발됐다. 이차원 박막 반도체는 그래핀처럼 얇은 두께, 투명성, 유연함 등 장점이 있으면서도 그래핀과 달리 반도체 성질을 띠고 있어 2010년 첫 발견 이후 차세대 디스플레이, 광센서·반도체 소자로 주목받고 있다. 21일 한국화학연구원에 따르면 이차원 박막 반도체를 반도체 소자 등으로 활용하려면 표면에 패턴·회로를 만드는 기술, 즉 실시간 패터닝 가공 기술이 필요하다. 하지만 이차원 박막 반도체는 두께가 원자층(0.62㎚ 내외) 정도로 매우 얇아 손상이 잘 된다. 기존 반도체 가공기술인 열 가공·이온 주입·플라스마 등은 박막 표면이 손상될 위험이 있고, 원하는 위치에 패터닝하기 위해서는 추가 비용과 공정이 필요하다. 가공 시간이 수 분에서 수 시간까지 길어져 생산성이 떨어지는 단점도 있다. 화학연 김현우 박사·한국표준과학연구원 신채호 박사·전북대 김태완 교수 공동연구팀은 이차원 박막 반도체 위에 레이저 빛을 쪼아 납땜질하듯이 패터닝하는 가공 기술을 개발했다. 이 기술은 박막 반도체 손상 없이 수초 내 거의 실시간으로
경북대는 신소재공학부 박귀일 교수팀이 한국재료연구원 김경태 박사팀과 공동연구로 종이만큼 얇지만 내구성이 강한 친환경 열전소재를 개발했다고 20일 밝혔다. 열전소재는 열에너지에서 전기에너지를 생성하는 물질로 자동차, 우주항공, 반도체 등 산업 전반에 활용된다. 박 교수팀 등이 개발한 열전소재는 셀룰로스 매트릭스 층 아래에 무기입자 네트워크 층을 가진 열전 종이(필름)다. 셀룰로스 매트릭스가 무기입자 층을 연결하는 역할을 해 내구성을 향상시켰다. 이 소재는 또 탄소를 배출하지 않고 물에서 완전히 용해돼 폐기물 문제도 해결될 것으로 연구팀을 보고 있다. 박 교수는 "자유로운 형태 변형에도 높은 내구성이 있어 상용화되면 웨어러블 디바이스는 물론 전기·전자, 생체의학, 첨단산업 등 분야에서도 활용도가 높을 것으로 기대한다"고 말했다. 이 연구는 나노소재·에너지분야 학술지인 '나노 에너지'(Nano Energy, Impact factor:19.069) 온라인판에 실렸다. 헬로티 이창현 기자 |
대용량 인공지능 학습 데이터셋과 인공지능 신경망, 개발자 위한 인공지능 개발 플랫폼과 관련 벤치마크 공개 배포 KAIST는 조천식모빌리티대학원 공승현 교수 연구팀이 세계 최초로 악천후 상황에서 안정적인 자율주행을 가능하게 하는 4D 레이더의 주변 객체 인지 인공지능 기술을 개발했다고 20일 밝혔다. 연구팀은 구축된 인공지능 학습 데이터셋인 KAIST-레이더(이하 K-레이더)와 개발된 인공지능 신경망(RTN4D) 그리고 전 세계 연구자를 위한 4D 레이더 인공지능 개발 플랫폼과 관련 벤치마크를 모두 공개한다고 밝혔다. 현재 전 세계적으로 개발되고 있는 자율주행 자동차는 주로 카메라와 라이다에서 출력되는 이미지와 포인트 클라우드 데이터를 적절한 인공지능 신경망으로 처리해 자동차 주변의 객체들을 인식하는 방식으로 구현돼 있다. 그러나 카메라와 라이다는 각각 가시광선과 적외선을 사용하므로 눈비 또는 안개 상황에서 측정 성능이 크게 떨어지는데, 이로 인해 주변 객체들에 대한 인식이 어려워져 안전한 자율주행이 불가능하다. 더구나, 차내에 설치할 수 있는 카메라와 달리 자동차의 지붕에 설치하는 라이다는 외부 환경에 노출돼 있어서 그 표면에 눈비 또는 흙먼지가 묻는 경우
세계 첫 불소화황산화물계 난연 첨가제…전지성능 1.6배·난연특성 2.3배↑ 국내 연구진이 세계 최초로 불소화황산화물계 난연(難燃) 첨가제를 개발했다. 한국전자통신연구원(ETRI)은 기존 난연제로 널리 알려진 인산계 트리페닐포스페이트(TPP)보다 난연 특성과 안정성 등 성능이 크게 개선된 불소화황산화물계 난연 첨가제를 개발했다고 20일 밝혔다. 전기차에 흔히 사용되는 리튬 이차전지에는 발화 가능성에 대비해 전해질에 불에 잘 안 타는 첨가제를 넣는데, 전해질 첨가제는 전기화학적 안정성과 이차전지 성능을 높이는 핵심적인 물질이다. 기존 인산계 난연 첨가제는 화염 지연 특성은 있으나 많은 양을 투입해야 하고, 전극과 전해질 간 계면 저항이 증가하는 등 사용에 제한이 많았다. ETRI 연구진은 불소화황산화물계 난연 첨가제를 합성해 기존 인산계 난연제의 단점을 개선했다. 연구진은 개발된 난연 첨가제를 활용해 불이 잘 붙지 않는 난연 특성을 개선하고, 이차전지 성능도 높인 불소화황산화물계 첨가제의 성능을 검증했다. 기존 난연 첨가제를 적용한 전해액과 비교해 난연 특성은 2.3배, 이차전지의 성능은 1.6배 향상된 결과를 확인했다. 오지민 지능형센서연구실 선임연구원은 "향
현대모비스가 작업자 행동을 인식하는 인공지능(AI) 알고리즘을 자체 개발해 생산공정 안전 강화에 나섰다. 현대모비스는 고사양 산업용 PC와 이미지 센서, 로직 제어기를 연동해 실시간으로 작업자 위치와 동작을 감지하는 비디오 분석 AI 시스템을 개발해 창원공장 조립라인에 우선 적용한다고 20일 밝혔다. 새 시스템은 조립라인에 설치된 이미지 센서를 통해 전송되는 영상을 AI 알고리즘이 실시간으로 분석해 작업자의 위험 영역 진입을 감지하고 로봇과 충돌을 막는다. '자세 추정' 알고리즘을 기반으로 작업자의 주요 관절 등 신체 구조와 위험 동작까지 인식해 위험구역 내 안전관리 수준을 높였다. 조립라인에 롤테이너(대차)를 교체 투입하는 과정에서 작업자와 생산로봇 간 충돌 위험을 사전에 차단하고 설비 중단을 최소화해 생산 효율도 높아진다고 현대모비스는 설명했다. 현대모비스는 AI 딥러닝(심층학습) 모델과 데이터 관리체계를 고도화해 향후 시스템을 다른 생산공정으로까지 확대 적용할 계획이다. 한편, 현대모비스는 2018년 AI 기술 개발을 위한 전담팀을 구성하고, 2019년부터는 일반 직원을 대상으로 AI 활용 역량 강화를 위한 특화 교육을 진행하는 등 전문인력 육성에 주력
전자선 기반 반고체 배터리 제조 기술…차세대 배터리 제조 응용 한국원자력연구원은 첨단방사선연구소 정찬희 박사 연구팀이 '전자선 기반 반고체 배터리 제조 기술'을 개발했다고 13일 밝혔다. 배터리를 구성하는 인화성 액체 전해질에 대해 배터리 밖으로 새거나 불이 나면 큰 피해를 줄 수 있는 단점이 제기돼왔다. 반면 이 기술을 이용하면 액체 배터리보다 성능이 떨어지지 않고, 화재·폭발 안전성이 향상된 반고체 배터리를 제조할 수 있다. 반고체 배터리는 배터리 내부에서 양극과 음극에 리튬이온을 전달하는 물질(전해질)이 겔 형태(반고체)인 배터리를 뜻한다. 연구팀은 상온에서 화학반응을 일으키고, 투과력이 높아 배터리 내부까지 도달할 수 있는 전자선의 특징에 착안해 전자선을 쬐면 액체가 반고체 형태로 변하는 전자선 감응형 반응물을 개발했다. 이 물질을 활용해 개발된 반고체 배터리는 액체 전해질 배터리와 같은 수준의 성능을 보였다고 연구팀은 설명했다. 정찬희 박사는 "배터리 내부에 반고체 전해질이 빈틈없이 고르게 형성돼 성능은 뛰어나면서 겔 형태로 밖으로 유출되지 않아 안전성을 확보했다"며 "안전성이 더 강화된 차세대 전고체 배터리 제조 기술 개발에도 응용할 수 있을 것"
폐목재를 유용한 화합물 만들며 남는 전자 활용한 수전해 기술… Nature Comm. 게재 나무에서 나온 찌꺼기로 유용한 화합물을 만들고, 이 과정에서 얻은 전자(electron)로 ‘태양광 수소’를 생산하는 기술이 개발됐다. 태양광으로 만든 전기에너지만으로 수소 생산 효율을 크게 높일 수 있어 ‘그린 수소’ 상용화의 기대감이 높아졌다. 울산과학기술원(UNIST) 에너지화학공학과 류정기·장지욱·장성연 교수팀은 목질계 바이오매스 중 ‘리그닌’만 분해해 고부가가치 화합물을 얻고, 이 과정에서 추출된 전자를 태양광 수소 생산에 쓰는 ‘고효율 수전해 기술’을 개발했다. 이 기술에는 페로브스카이트 광전극이 쓰였으며, 외부 에너지 공급 없이 태양광 에너지만으로 수소 생산이 가능하다. 이번 연구 결과의 가장 큰 특징은 그래핀 복합체를 이용해 투명전극의 저항을 기존보다 20배 이상 낮췄다는 점이다. 이로써 휘어지는 디스플레이나 회로, 센서 등으로 활용할 수 있는 전자피부도 구현할 수 있었다. 박장웅 교수는 “기존에도 전자피부나 전자타투 등의 연구가 이뤄졌지만, 회로나 패턴들이 그대로 보이는 문제가 있었다”며 “이번 연구로 구현한 전자피부는 모든 물질을 투명하게 만들었기 때
국립금오공대가 리튬이차전지용 '리튬화합물 음극 소재' 개발에 성공했다고 4일 밝혔다. 금오공대에 따르면 신소재공학부 전지신소재연구실 박철민 교수 연구팀이 '고성능 리튬이차전지용 신개념 리튬화합물 음극 소재' 개발에 성공했다. 고용량의 이차전지를 구현하기 위해서는 리튬 금속 및 실리콘을 음극 소재로 사용해야 하지만 현재 상용화되고 있는 흑연 음극 소재는 제한적 용량으로 인해 고용량 이차전지를 구현하는 데 어려움이 있다. 리튬 금속은 금속 자체의 높은 반응성으로 인해 안전성에 대한 우려가 있고 실리콘 음극은 충전 및 방전 시 수명이 저하되는 한계를 가진다. 또 이런 음극들은 초기 충전 시 일정량의 리튬이온이 영구 손실되는 문제도 있다. 연구팀은 이런 기존 음극 소재의 한계를 극복하기 위해 다양한 '리튬화합물 음극 소재' 개념을 새롭게 제안했다. 리튬화합물 음극 소재는 기존 상용화된 음극 소재들과 비교해 더 높은 초기 효율과 용량, 그리고 출력 특성을 보였다. 또 리튬화합물 음극은 일반적인 대기 중에서도 높은 안정성을 보였다고 연구팀은 전했다. 박철민 교수는 "이번 성과는 리튬이차전지는 리튬을 포함하는 양극소재 및 리튬을 포함하지 않는 음극소재로 구성된다는 기존
에너지밀도 높인 무음극 이차전지 공동 연구 1회 충전으로 오래 쓸 수 있으면서도 음극재가 없는 이차전지가 개발됐다. 이 전지를 전기차에 적용하면 1회 충전으로 450㎞ 주행할 수 있는 일반 전기차보다 훨씬 긴 630㎞를 달릴 수 있다는 연구 결과가 나왔다. 포항공과대학교(포스텍) 화학과 박수진 교수·통합과정 조성진 연구팀은 울산과학기술원(UNIST) 에너지화학공학과 서동화 교수·김동연 박사 연구팀과 공동으로 오래 쓸 수 있는 무음극 이차전지를 개발했다고 지난달 27일 밝혔다. 일반적으로 이차전지는 충전과 방전을 거듭할 때 리튬이온이 드나들면서 음극재 구조를 바꾼다. 이 때문에 시간이 갈수록 이차전지 용량이 줄어들곤 했다. 연구팀은 음극재 없이 음극 집전체만으로 충·방전이 가능하면 이차전지 용량을 결정짓는 에너지 밀도를 높일 수 있다는 데 주목했다. 다만 이 경우 리튬을 안정적으로 저장하는 저장체가 없어 음극 부피가 크게 팽창해 이차전지 수명이 악화한다는 단점이 있다. 연구팀은 이온 전도성 기판을 더해 무음극 이차전지를 통상 사용하는 카보네이트 용매 기반 액체 전해질에서 구현하는 데 성공했다. 이 이차전지는 고용량, 고전류밀도로 오랫동안 높은 용량을 유지했고
기능성 금속 칼코게나이드 잉크 개발…Nature Communications 논문 발표 전자제품 등에 들어가는 작은 부품에는 수많은 회로 등이 그려진다. 이 작업을 패터닝(Patterning)이라고 하는데, 비싼 장비를 쓰는 복잡한 공정을 거쳐야 한다. 그런데 최근 사진을 뽑아내듯 간단하게 패터닝하는 기술이 나와 주목받고 있다. UNIST 손재성-이지석 교수팀은 빛을 받으면 굳는(광경화성) ‘금속 칼코게나이드 잉크’와 이를 활용한 광학인쇄공정을 개발했다. 금속 칼코게나이드는 발광 특성, 전기적 특성 등을 가져 다양한 소자에서 중추적인 역할을 할 수 있는 무기물인데, 이를 쉽게 패턴화할 수 있는 길이 열린 것이다. 연구진은 이 기술을 이용해 2차원(2D), 3차원(3D) 구조체와 ‘마이크로 열전 소자’ 제작도 성공해 기존 공정을 대체할 ‘무기물 소재의 패턴화 기술’로서 가능성을 입증했다. 기존 소재 패터닝은 빛으로 소재를 깎아내는 포토리소그래피(Photo-lithography)나 레이저 및 전자빔(e-beam)으로 회로를 새기는 기술이 활용됐다. 그런데 이런 공정은 비싸고 복잡하며 처리 시간도 길다. 여기에 대한 대안으로 빛을 이용해 소재를 쌓아올리는 ‘광학 3
블라자 스위스루브의 ‘Synergy 735’ 절삭유는 가장 온도가 높은 칩의 주위를 짙은 안개처럼 감싸고, 기름기 같은 상태로 변하면서 강력한 윤활성이 있는 에멀전을 형성함으로써 밀링 커터가 칩을 이상적인 형상으로 제거하도록 돕는다. 실제로, 금속가공유 전문가들로 구성된 블라자 스위스루브의 테크놀로지센터에서 금속 절삭의 순간과 칩 형성, 금속가공유의 변화를 좀 더 정밀하게 사진과 동영상으로 촬영하는 실험을 했다. 연구팀은 고속 카메라를 금속가공유와 일정한 거리를 두고 촬영하여 아주 선명하고 정밀한 이미지를 얻을 수 있었다. 적절한 조명을 제공하기 위해서 원형 조명이 사용됐으며, 이 특별한 실험을 위해 Helix 기울기가 0°로 특별히 제작된 초경 커터를 사용했다. 그 결과 고속 촬영은 기름이 포함되지 않은 수용성 금속가공유인 Synergy 735의 원리 및 메커니즘, 즉 고온에서 향상된 윤활 효과가 절삭가공 중에 발생하였고 밀링 공정을 최적화하기에 충분히 빠른 것을 보여줬다. 블라자 스위스루브의 마크 블라자 대표이사는 “우리는 테스트 과정에서 절삭가공 공정을 가장 섬세한 부분도 놓치지 않고 분석한다”며, “이러한 전문성과 데이터를 통해 생산비용을 낮추고 공구
공정의 효율을 이끌어내기 위한 기본적인 방법 중 하나는 ‘끊김 없는 공정’이다. 문제 발생 후 해결을 위한 공정 중단은 생산성을 저하시키고, 시간 연장 등의 비효율을 가져오기 때문이다. 그렇다면 문제가 생기기 전, 미리 이상 징후를 탐지할 수 있는 예지보전은 무엇보다 중요하다. 마크베이스의 AIoT Suite 적용 사례로 본 프레스 장비 모터의 이상 감지를 돕는 방안에 대해 소개한다. 예지보전은 데이터를 수집해서 데이터 내부에 포함된 이상징후를 감지하고, 탐지된 결과를 분석 후 조치하는 과정이다. 때문에 유지보전은 공정의 효율을 높이기 위한 필수사항이다. 최근 OT 단의 컴퓨팅 파워가 좋아지면서 실시간으로 쏟아지는 데이터를 안정적으로 수집하고 저장해 전처리 과정을 거쳐 현장이 원하는 데이터의 형태로 만드는 것이 무엇보다 중요해지고 있다. 예지보전의 과정에는 수집/저장, 전처리/학습, 실시간 데이터 흐름, 패턴, 사용자 유지보수 등의 어려움이 있다. 예지보전을 예측하기 위해선 학습을 위한 장기간 데이터 모두의 수집이 필요하다. 데이터 수집 후, 대용량 수집 데이터에 대한 학습 데이터 추출이 필요한데, 데이터 전처리 시간 및 비용이 기하급수로 증가해 큰 어려움을
산업AI 기반 예지보전 솔루션은 핵심 산업 설비의 건전성과 고장 진단 및 예측하여 산업 사고 예방, 다운타임 및 불필요한 관리비용 최소화, 설비 운용 최적화 등 현장의 고질적인 문제를 해결하고 디지털 트랜스포메이션을 견인한다. 산업AI 예지보전 솔루션으로 완성하는 스마트제조 환경은 어떤 모습인지 솔루션 사례를 들어 살펴본다. 산업AI가 필요한 이유 국내 산업이 직면한 도전 과제와 산업AI 기반 예지보전 솔루션의 필요성에 대해서 알아보겠다. 먼저, 국내 제조 산업에 산업AI가 왜 필요한지부터 간단하게 짚고 넘어가 보자. 첫째, 지속적인 품질 개선이 필요하기 때문이다. 한국데이터산업진흥원이 발표한 2020년도 자료에 따르면, 제조 산업에서 품질 이슈로 인해 낭비되는 비용이 매출 대비 10%에서 많게는 15%에 이른다. 이 비용을 2~3%만 줄여도 상당히 많은 낭비 요소를 없앨 수 있다. 둘째, 인력의 노후화에 따른 지식의 증발 때문이다. 현재 우리나라 제조 산업의 근로자 평균 연령은 42.5세로, 이 수치는 10년 전보다 3.3세~3.5세 높다. 선진국과 비교해서도 매우 빠른 속도로 증가하고 있어 산업 현장에서 큰 문제로 대두될 우려가 있다. 근로자들이 노후화가
예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 데부터 시작된다. 그리고 예지보전 목표를 향해서 구축 단계 및 프로세스 정립을 해나가는 것이 반드시 필요하다. 하지만 최종 목표를 향해가는 여정의 단계는 결코 쉽지만 않다. 예지보전을 목표로 중소·중견기업의 단계별 추진 방안과 설비 데이터를 활용한 통합 모니터링 및 분석 플랫폼 도입 사례를 소개한다. 예지보전의 첫 걸음은 데이터를 통해 의사결정할 수 있는 시스템을 마련하는 것이 가장 중요한 포인트이다. 그 단계를 보면, 먼저 제조 현장에는 설비나 로봇, 센서에서 다양한 데이터가 발생한다. 이러한 하위 레벨의 데이터들은 ERP, MES, CMMS, SCM 등 제조 인프라 시스템과 연동하여 모니터링 및 분석을 통해 생산과 품질에 영향을 미치는 문제점을 파악할 수 있다. 그리고 이렇게 도출된 데이터들은 생산, 품질뿐만 아니라 설비, 에너지에 대한 부분까지 정확한 의사결정을 돕는다. 최근엔 데이터 기반의 스마트공장들이 구축되면서, 근무환경 개선 및 불필요한 업무를 제거해 생산성과 업무 효율성이 증가하고 있다. 또한, 관리자가 문제 원인을 파악하고 구체적인 개선 계획을 수립해 데이터를 통한 관리