건설 현장, 물류 창고, 개발자로 가득한 회의실—아직도 많은 산업 현장에서 여성은 소수입니다. 하지만 그 안에서 묵묵히, 때로는 거침없이 자기 자리를 만들어가는 사람들이 있습니다. '그녀에게 듣다'는 남성이 다수인 업계에서 활약하고 있는 여성들을 매달 한 명씩 만나, 그들의 솔직한 이야기를 듣는 인터뷰 시리즈입니다. 거창한 성공담이 아니라, 현장에서 부딪히고 배우며 성장해온 진짜 이야기를 전합니다. 이번 주인공은 비전 AI 기반 품질 검사∙로보틱스 산업용 피지컬 AI 기업 아이벡스(AIVEX)에서 데이터모델링팀을 이끄는 정유빈 팀장입니다. 제조 현장에서 사람의 눈을 대신하는 일을 하는 이들이 있다. 불량을 찾아내고, 결함을 판별하며, 현장의 데이터를 고성능 AI 모델로 만들어내는 사람들 한가운데에 정유빈 팀장이 있다. 아이벡스(AIVEX) 딥러닝 테크그룹의 데이터모델링팀을 이끄는 그는, 29살의 나이에 이미 6년 차 베테랑이다. 요리사로 3년, 아이벡스에서 다시 6년. 전혀 다른 두 세계가 지금의 그녀를 만들었다. 총알을 만드는 팀 아이벡스는 2020년 설립된 산업용 피지컬 AI 기업이다. 제조 현장에서 사람의 눈으로 해오던 육안 검사를 딥러닝 기반 비전 A
Consegic Business Intelligence, 카메라·센서·딥러닝 결합한 로봇 스마트 제조 시스템 확산 분석…머신비전·비전가이드 로보틱스 시장 2032년 260억 달러 돌파 전망 AI 기반 산업 시스템이 품질관리를 간소화하면서 생산 비용을 줄일 수 있는지에 대한 관심이 커지고 있다. Consegic Business Intelligence는 로봇 스마트 제조 시스템 사용 기업들이 카메라, 센서, 딥러닝 알고리즘을 통합해 운영 효율성을 최적화하는 방식을 분석했다. 비전 검사는 품질관리의 핵심 요소 중 하나로, 제품이 출하되기 전 일정한 표준과 요구 사항을 충족하는지 보장하는 역할을 한다. 전통적으로 비전 검사는 작업자가 결함, 불일치, 품질 문제를 식별하는 방식에 의존해왔다. 그러나 오늘날 제조 공정의 복잡성이 증가하고 대량 생산 필요성이 커지면서 비전 검사 작업에서 로봇 활용이 훨씬 더 보편화되고 있다. 전통적인 작업자 기반 비전 검사 방식과 달리 자동화 기술은 피로의 영향을 받지 않고 각 제품을 철저하게 분석할 수 있다. 자동 검사 공정은 제조업체가 비용이 많이 드는 오류를 피하는 데도 도움을 줄 수 있다. 이는 작은 결함도 큰 재정적 손실로 이어
검사 장치에서 직접 신경망 학습…물류·전자·배터리·자동차·소비재 품질검사 적용 확대 SICK가 Nova 머신비전 플랫폼에 AI 딥러닝과 3D 높이 데이터를 통합했다고 밝혔다. 회사에 따르면 이번 기능은 다양한 품질검사 애플리케이션에 맞춰 구성할 수 있으며, 딥러닝과 3D 높이 데이터 분석을 결합해 머신비전 시스템의 검사 범위를 확대한다. SICK는 자사 머신비전 플랫폼에 AI 기반 3D 검사 기능을 도입했다. 이번 기능은 딥러닝과 3D 높이 데이터 분석을 결합해 품질검사 작업 범위를 넓히는 데 초점을 맞췄다. 새로운 기능은 SICK의 Nova Intelligent Inspection 소프트웨어에 AI 알고리즘을 통합한 것이다. 이를 통해 사용자는 자체 생산 데이터를 활용해 검사 장치에서 직접 신경망을 학습시킬 수 있다. SICK에 따르면 이 접근 방식은 그래픽 인터페이스를 통한 예시 기반 학습을 가능하게 해 배포를 단순화하도록 설계됐다. 동시에 기존의 규칙 기반 검사 도구도 동일한 소프트웨어 환경 안에서 유지된다. 전통적인 2D 머신비전 시스템은 주로 색상, 대비 또는 패턴 인식에 의존한다. 반면 3D 머신비전은 이미지의 모든 픽셀에 대해 높이 정보를 캡처한
AI 기반 비전 시스템, 생산라인서 검사·불량률 감소·추적성 향상 실현…과제는 모델 개발보다 현장 배포와 통합으로 이동 인공지능(AI)이 제조업 혁신의 핵심 기술로 주목받는 가운데, 머신비전이 제조 현장에서 측정 가능한 성과를 내는 대표적인 AI 활용 사례로 자리잡고 있다. 생성형 AI와 AI 에이전트에 대한 논의가 확산되는 상황에서도, AI 기반 비전 시스템은 이미 전 세계 생산라인에서 제품 검사, 불량률 감소, 추적성 향상, 운영 정보 생성 등에 활용되며 산업 AI의 실질적 성공 모델로 부상하고 있다. 인공지능은 제조업을 혁신할 잠재력을 지니고 있지만, 많은 경영진은 여전히 “현재 인공지능이 측정 가능한 비즈니스 가치를 어디에서 제공하고 있는가”라는 질문을 던지고 있다. 현재 AI 관련 논의의 상당 부분은 생성형 AI와 새로운 AI 에이전트에 집중돼 있다. 그러나 제조 현장에서는 또 다른 해답이 점점 분명해지고 있다. 바로 머신비전이다. 머신비전은 제조업 분야에서 대규모 AI 성공 사례로 조용히 자리매김하고 있다. 많은 산업 AI 프로젝트가 여전히 시범 단계에 머물러 있는 반면, AI 기반 비전 시스템은 이미 전 세계 생산라인에서 제품 검사, 불량률 감소
로봇은 눈앞의 현실을 전부 보지 못한다. 카메라 시야 뒤에 가려진 물체, 조명에 따라 달라지는 표면, 반사광·먼지, 센서가 놓친 깊이 정보 등은 실제 작업 공간 곳곳에 빈틈을 만든다. 사람에게는 익숙한 환경도 로봇에게는 일부만 관측되는 이유다. 이러면 보이는 정보만 믿고 움직이는 로봇이 예측하지 못한 충돌이나 작업 실패를 일으키기 쉽다. 그동안 피지컬 AI(Physical AI) 논의는 현실 데이터를 모으고, 가상 환경에서 학습한 후, 인공지능(AI)의 판단을 로봇 제어와 작업 동작으로 구현하는 과정에 집중됐다. 그러나 이러한 학습·제어에 앞서 해결해야 할 문제가 있다. 센서에 들어온 정보부터 불완전하다면, 로봇은 무엇을 현실로 받아들여야 하는가. 가려진 물체의 전체 형상·표면, 주변 장애물, 다각적인 환경 변화 등을 복원하지 못하면 정교한 학습·제어도 불완전한 현실 위에서 이뤄질 수밖에 없다는 지적이 나온다. 쉽게 말해, 눈이 멀고 왜곡된 상태에서는 아무리 뛰어난 두뇌와 손발을 가졌어도 제대로 된 판단과 동작을 기대하기 힘들다는 의미다. 이 빈틈을 채우는 AI 기반 복원 기술을 묶어 부르면 ‘복원형 AI’다. 이는 저화질 의료 영상에서 신체 내부 구조를 구
2026 부산오토매뉴팩(AUTOMANUFAC BUSAN), 부산로봇엑스포(ROBOT EXPO BUSAN), 빅테크쇼(BIG TECH SHOW)가 7월 1일부터 3일까지 부산 벡스코 제2전시장에서 동시 개최된다. 세 전시는 자동차·모빌리티 소재부품장비, 로봇·AI 기반 기술, 로봇물류·제조자동화 솔루션을 한 공간에 배치한다. 이 자리에 등장하는 참가사를 미리 살펴본다. 로봇·작업 자동화가 먼저다. 휴머노이드 로봇(Humanoid Robot), 사족 보행 로봇, 로봇 용접(Welding), 서빙·물류 로봇, 착용형(Wearable) 작업 보조 장비 등이 제조·물류·서비스 현장에서 어떻게 적용되는지 점친다. 이어 인공지능(AI) 기반 비전(Vision)·관제·모니터링이다. 카메라, AI 비전 검사, 로보틱스·무인항공기(드론) 관제 기술 기반 검사 자동화와 현장 운영 데이터 활용법을 다룬다. 끝으로 제조·물류 인프라와 사업화 지원이다. 자동 창고, 설계 데이터 관리, 기술이전 지원 솔루션이 제조기업의 운영 기반을 뒷받침하는 법에 대해 들여다본다. 생산 라인 안팎을 관통하는 ‘눈’과 ‘데이터’의 확장이다. 공장의 이상을 순간포착하는 특수 카메라 기술부터 전문 인력 없
이미지, 소리, 텍스트 등 여러 형태의 데이터를 함께 학습하는 멀티모달 AI가 단일 데이터만 학습한 AI보다 더 안정적으로 작동하는 이유가 수학적으로 규명됐다. UNIST는 인공지능대학원 윤성환 교수팀이 멀티모달 인공지능이 단일모달 인공지능보다 더 좋은 성능을 내는 원리를 ‘손실 지형’의 평탄화 관점에서 밝혔다고 26일 밝혔다. 멀티모달 학습은 이미지, 음성, 텍스트처럼 서로 다른 형태의 데이터를 함께 활용해 AI가 같은 대상이나 상황을 더 폭넓게 이해하도록 하는 학습 방식이다. 그동안 멀티모달 AI가 단일모달 AI보다 성능이 뛰어나다는 점은 경험적으로 알려져 있었지만, 실제 딥러닝 학습 과정과 연결해 이를 설명하는 이론적 근거는 부족했다. 연구팀은 여러 모달리티의 데이터를 함께 학습할 경우 손실 지형이 더 평탄해지고, 이로 인해 AI의 강건성이 향상된다는 점을 수학적으로 설명했다. 손실 지형은 AI가 학습 과정에서 겪는 오차와 모델 내부 설정값의 관계를 산과 골짜기처럼 표현한 개념이다. 손실 지형이 뾰족하고 가파르면 학습 데이터와 조금만 다른 입력에도 성능이 흔들릴 수 있다. 반대로 넓고 완만하면 경험하지 못한 새로운 데이터가 들어와도 성능을 안정적으로 유
온디바이스 딥러닝·멀티모달 컴퓨팅·노코드 학습 결합…수작업 검사 한계 넘어 보안·비용·지연 문제 해결 제약 및 소비자 헬스케어 제조에서 생산라인 클리어런스는 고도로 규제되는 핵심 절차지만, 그동안 많은 현장에서는 시간이 오래 걸리고 오류 가능성이 있는 수작업 검사에 의존해왔다. 최근 엣지 AI 기술이 발전하면서 클라우드나 대규모 온프레미스 인프라 없이도 생산 현장에서 안전하고 비용 효율적인 자동 시각검사 체계를 구현할 수 있는 대안으로 부상하고 있다. 라인 클리어런스, 제약 제조의 핵심 규제 공정 제약 생산 공정에서 라인 클리어런스(line clearance)는 배치 전환 시 생산라인에 이전 제품의 잔여물이나 이물, 포장재 등이 남아 있지 않은지 확인하는 절차다. 이는 단순한 청소 확인이 아니라 제품 품질, 안전성, 규제 준수를 좌우하는 필수 공정이다. 일반적인 제조 공정은 여러 단계와 복잡한 생산 장비, 다양한 품질 영향 지점을 포함한다. 특히 제약 제품은 사양이 매우 엄격하고 재작업 가능성이 낮으며, 단일 실패 지점으로 인해 전체 배치가 폐기될 수 있다. 하나의 생산라인에서 여러 제품을 생산하는 경우에는 제품 간 전환 과정에서 교차오염을 막기 위한 관리가
5월호 이후, 한 걸음 더 들어가야 할 질문 6월호 칼럼에서 우리는 “AI는 전기를 먹고 자란다”는 말을 따라, AI 데이터센터와 전력·물·전환 인프라, 그리고 제조·산단의 에너지·ESG 전략을 살펴보았다. 미국–이란 전쟁으로 촉발된 에너지 위기와 AI 데이터센터 전력 수요 폭증이 전력망과 재생에너지, 산업단지 에너지 아키텍처에 어떤 긴장을 주는지 짚어본 것이다. 이번 7월 칼럼은 같은 흐름을 조금 다른 각도, 즉 데이터·공시·거버넌스에서 이어가 보려 한다. 인프라가 “몸”이라면, 데이터를 어떻게 쌓고 AI를 어떤 원칙으로 쓰느냐는 “신경과 언어”에 가깝다. 6월호에서 전환 인프라와 에너지 아키텍처를 다뤘다면, 지금부터는 그 위에서 움직이는 ESG 데이터 거버넌스와 AI 거버넌스를 도면처럼 펼쳐보려 한다. 배경은 이미 빠르게 바뀌고 있다. 금융위원회는 2026년 2월 ‘지속가능성(ESG) 공시 로드맵’을 통해, 국내 기업의 ESG 공시를 ISSB 기준에 맞춰 단계적으로 의무화하겠다고 예고했다. 연결 자산 30조원 이상 코스피 상장사는 2028년 사업연도부터 공시 의무를 지게 되고, 이후 10조원 이상 등으로 대상을 넓히는 방안이 검토되고 있다. 환경정보 공개
흔히 로봇 팔(Robot Arm)로 인식되는 산업용 로봇은 오랫동안 정해진 공간 안에서 정해진 동작을 반복하는 장비로 이해됐다. 산업·공장 자동화(FA)의 핵심 지표도 속도, 반복 정밀도, 가동률을 기준으로 삼았다. 이 같은 로봇은 빠르고 정확했지만, 대부분 사전에 정의된 조건 안에서 움직인다는 점이 한계로 지적돼 왔다. 현시점 로보틱스는 변화하는 환경을 해석하고, 작업 의도를 이해하면서도, 그 판단을 실제 행동으로 바꾸는 영역으로 진화하고 있다. 인공지능(AI)이 모니터 화면에서 벗어나, 실제 하드웨어를 구동하는 방법론인 '피지컬 AI(Physical AI)'가 등장한 배경이다. 이 경계를 흔드는 피지컬 AI는 AI가 물리적 환경을 직접 학습·적응해, 로봇·설비가 실제 공간에서 자율적으로 문제를 해결하고 인간과 협력하도록 구현하는 접근법이다. 이를 적용한 로봇은 물체를 단순 감지하거나 경로를 계산하는 기존의 수동적인 기계에 머물지 않는다. AI의 출력도 텍스트·이미지보다는 이동·집기·정렬·분류·회피·복구 등 행동으로 바뀐다. 이 가운데 글로벌 컴퓨팅 기술 업체 엔비디아(NVIDIA)의 수장 젠슨 황(Jensen Huang) 최고경영책임자(CEO)는 지난 1
지멘스(Siemens)가 AI 기반 설계 탐색 솔루션 'Simcenter PhysicsAI'를 출시하며 자사 Simcenter 엔지니어링 시뮬레이션 포트폴리오를 확장한다. Simcenter PhysicsAI는 Simcenter STAR-CCM+ 소프트웨어의 검증된 기하학적 딥러닝 기술을 활용해 AI 기반 설계 탐색을 가속하는 솔루션이다. 전산 유체 역학(CFD) 시뮬레이션 데이터로부터 고효율 AI 차수 축소 모델(ROM)을 생성해 기존 워크플로우 대비 약 1000배 빠른 속도와 더 적은 컴퓨팅 자원으로 다양한 설계 시나리오를 탐색할 수 있다. 주요 기능으로는 수천 개의 설계 변형에 대한 성능을 몇 분 만에 평가하는 폭넓은 설계 공간 탐색, 기존 CFD 시뮬레이션 데이터와 실험계획법(DOE) 연구 결과를 재사용해 AI 모델을 훈련하는 시뮬레이션 자산 재사용성 향상, 초기 설계 선별 과정을 솔버 실행에서 AI 추론 기반으로 전환하는 빠른 반복 주기 등이 있다. 오차 지표와 검증 도구를 통해 예측 정확도를 정량화하는 내장 검증 기능도 갖췄으며 GPU 가속을 통해 CPU 대비 최대 100배 빠른 예측 성능을 제공한다. 샘 마할링엄(Sam Mahalingam) 지멘스
‘지능형 안전 관제 기술 개발 및 성공적 기술 사업화 기여’ 한국발명진흥회장 표창 자사 3차원(3D) 비전 카메라, 딥러닝(Deep-learning) 기반 기술 총괄 사람 동선을 예측해 로봇을 제어하는 분산형 안전 관제 및 디지털 트윈(Digital Twin) 연동 기술 확보도 남계수 브릴스 부대표가 ‘제61회 발명의 날 기념식’에서 고도화된 로봇 제어 및 안전 관제 기술 개발 성과를 인정받아 한국발명진흥회장 표창을 받았다. 발명의 날은 국민의 발명 의욕을 고취하고 국가 산업 발전에 기여한 유공자를 격려하기 위해 제정된 법정기념일이다. 특허청 주최, 한국발명진흥회 주관의 이 포상 제도는 국내 지적재산(IP) 분야 최고 권위를 갖춘 정부 시상체계로 인식된다. 장기간에 걸친 기술 연구개발(R&D) 고도화와 원천 특허 확보를 통해 국가 산업 경쟁력을 한 단계 끌어올린 개인과 단체를 엄격히 심사한다. 이 중 정 CTO가 받은 ‘대통령 표창’은 차세대 핵심 산업 진영에서 독보적인 기술을 수립하고 이를 실제 산업 현장에 대량 양산·확산한 자에게 수여된다. 이번 수상을 견인한 핵심 기술은 브릴스가 자체 개발한 ‘로봇 사람 협업 환경 내 지능형 안전 관제 기술’이다
피지컬 AI로 향하는 눈 달린 코봇, 테크맨로봇 “코봇의 진화는 '플랫폼화'에 있어” 제조 현장에서 협동 로봇(코봇)을 바라보는 기준이 변화하고 있다. 한동안 시장은 가반하중, 반복정밀도, 속도 등 로봇 팔(Robot Arm) 자체의 제원에 주목해 왔다. 하지만 실제 생산 라인과 물류 현장이 요구하는 자동화 수준은 그보다 훨씬 복합적이다. 로봇의 자율 인식, 이동 플랫폼과의 결합, 비정형 물체의 안정적 파지, 검사 병목 해소, 현장 운용 편의성까지 통합적으로 고려해야 한다. 코봇의 경쟁력이 눈·손·이동성·검사·소프트웨어 등 요소를 어떻게 하나의 작업 구역으로 통합하느냐에서 결정되고 있다는 의미다. 최민범 테크맨로봇코리아 과장이 짚은 방향도 이 흐름과 궤를 같이한다. 대만 코봇 솔루션 업체 테크맨로봇은 자사를 단순한 코봇 업체로 한정하지 않았다. 회사가 반복해 강조한 출발점은 비전(Vision) 내장형 구조였는데, 그 토대 위에서 인공지능(AI)·랜드마크(Landmark)·검사·자율주행로봇(AMR) 그리고 피지컬 AI(Physical AI)까지 단일 흐름으로 연결하고 있다. 시각 기능이 기본으로 탑재된 코봇을 엔진으로 삼고, 이를 모바일 공정, 검사 자동화,
국내 로봇 산업 전체 매출은 지난 2024년 6조1695억 원으로 처음 6조 원을 넘어섰고, 서비스용 로봇 매출도 6424억 원으로 전년보다 늘었다. 제조업 로봇 밀도 역시 근로자 1만 명당 1012대로 세계 최고 수준이다. 공장 안 자동화(Automation) 기술에 머물던 로봇이 생활 공간과 도시 인프라로 번지고 있다는 뜻이다. 실외 자율주행로봇(AMR)을 바라보는 시선도 달라진 분위기다. 역세권·상가·광장·횡단보도 등이 얽힌 도심 한복판에서 AMR을 목격하는 광경은 이제 낯설지 않다. 로봇이 주문 접수, 점포 대기, 적재, 보행자 회피, 물품 수령, 충전 등을 조용히 해결하는 모습은 이미 현실화됐다. 이는 로봇 운영 밀도가 더욱 중요해졌다는 것으로 풀이 가능하다. 경기 성남시 분당구 소재 판교역 일대는 그 검증이 이뤄지는 현장이었다. 지난 2023년 10월 ‘도로교통법’ 개정안이, 같은 해 11월 ‘지능형 로봇 개발 및 보급 촉진법’이 각각 시행됐다. 이에 따라 운행안전인증을 받은 실외 이동 로봇은 법적 보행자 지위를 바탕으로, 보도·횡단보도 통행의 법적 근거를 확보했다. 이 같은 실외 이동로봇 관련 규제가 풀린 뒤 성남시와 국내 AMR 기술 업체 뉴빌
브이원테크(V-ONE Tech)가 딥러닝 기반 AI 검사 솔루션 'withAI'와 고성능 소형 컴퓨터 'Edge device'를 '제36회 스마트공장·자동화산업전(Smart Factory+Automation World 2026, 이하 AW 2026)'에서 강조한다. AW 2026은 아시아 최대 규모 스마트 팩토리 및 자동화 산업 전문 전시회다. 이번 전시회는 3월 4일부터 사흘 동안 코엑스 전관(A·B·C·D홀), 로비, 더플라츠, 그랜드볼룸에서 펼쳐진다. 올해 전시회는 500여 개 업체가 2200여 개 부스를 마련해 차세대 산업 기술·솔루션과 인사이트를 전한다. 이를 관전하기 위해 약 8만 명의 참관객이 전시장을 방문할 전망이다. 브이원테크는 딥러닝 기반 AI 검사 솔루션을 전문으로 하는 기업이다. 자체 개발 알고리즘을 통해 AI가 데이터를 스스로 학습하여 미세한 결함까지 잡아내는 기술력을 보유하고 있으며, 다양한 제조 환경에 최적화된 검사 솔루션을 공급하고 있다. 이번 AW 2026 전시부스에서는 딥러닝 기반 AI 검사 솔루션 'withAI'가 참관객의 관심을 모을 예정이다. withAI는 AI가 데이터를 통해 스스로 학습하여 미세한 결함을 잡아내는 기술
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 10월 10일 16시 53분
