공장이 움직인다. 단순한 자동화를 넘어, 공장 전체가 하나의 거대한 로봇처럼 작동하는 ‘피지컬 AI(Physical AI)’ 시대가 도래했다. 이 가운데, 공장의 하드웨어 중심 운영은 소프트웨어 기반 플랫폼으로 전환되고 있으며, 이 과정에서 맥락을 이해하는 인공지능(AI), 디지털 트윈(Digital Twin), 시뮬레이션 등 기술이 핵심 역할을 한다. 현시점 제조업은 제품 생산을 이상의 가치를 추구하고 있으며, 시스템 자체를 수출하는 산업으로 진화하는 중이다. 이번 특집은 한국과학기술원(KAIST)의 ‘소프트웨어 정의 공장(SDF)’부터 네이버 ‘인공지능(AI) 에이전트’, 다임리서치 시뮬레이션 기술, 유니티 실시간 3차원(3D) 솔루션까지 제조업 혁신의 최전선 기술 방법론을 짚는다. [특집] 로봇이 된 공장, 소프트웨어가 된 산업 [Real-time 3D] 게임 넘어 산업 현장으로…실감나는 상호작용 경험이 ‘산업 DX’ 핵심 [AI Simulation] 제조·물류 현장 ‘물리적 AI’ 시대 도래…AI 시뮬레이션으로 미래를 현실로 [Physical AI] 공장이 하나의 거대한 로봇 된다…KAIST, 피지컬 AI로 제조 혁신 선언 [AI Agent] AI 에

물류 산업이 인공지능(AI), 자동화(Automation), 소프트웨어 중심 운영(SDx) 등으로 급속히 재편되고 있다. 이번 특집은 이러한 변화의 최전선을 다룬다. 첫 번째는 수직 적재 자동화 설비로 공간 효율과 작업 안전을 높인 사례를 소개한다. 두 번째는 AI 기반 배차 최적화 엔진 ‘루티’를 통해 공차율을 줄이고 운송비를 절감한 성과를 조명한다. 세 번째는 스피드플로우의 컨베이어 기술로 상하차 시간을 획기적으로 줄이고 배송 회전율을 높인 실증 사례를 담았다. 마지막은 창고 운영을 실시간으로 제어하는 창고실행시스템(WES) 시스템으로, 물류의 중심축이 하드웨어에서 소프트웨어로 이동하고 있음을 보여준다. 네 가지 사례는 물류의 병목을 기술로 해결하며, 물류가 기업 경쟁력을 좌우하는 핵심 인프라임을 입증한다. [특집] 기술이 바꾸는 물류의 법칙, 지금이 전환점 [수직 적재 자동화] 비정형 대상물도 스마트하게…낡은 창고에 ‘수직 적재’ 효율 DNA 심다 [물류 배차 최적화] AI로 물류 배차 비효율 잡는 법…‘AI 최적화 엔진’이 해답 [상하차 혁신 사례] “화물차 상하차, 이제는 5분이면 충분”…스피드플로우의 도전 [WES 도입 사례] ‘테슬라식 물류’의

자율제조(Autonomous Manufacturing)’를 실현하기 위한 핵심 기술 중 하나는 ‘제조 AI’다. 최근 제조 AI는 품질 예측, 설비 이상 감지, 공정 최적화 등 다양한 영역에서 고도화되고 있다. 그러나 도입에는 여전히 높은 장벽이 존재한다. AI 학습을 위한 데이터 수집과 정제의 어려움이 있으며, 현장 중심의 도메인 지식과 AI 모델 간 융합 노하우 부족도 허들이다. 이를 해결하기 위해선 운영기술(OT) 데이터와 정보기술(IT) 인프라를 통합하는 데이터 플랫폼 구축, 소규모부터 단계적으로 적용 가능한 AI 모델 개발, 현장 전문가와 AI 엔지니어 간 협업 체계 마련 등이 필요하다. [특집] 자율제조 핵심 기술 2편 – 제조 AI [제조 AI와 ROI] 제조업 AI 도입…ROI 난제 해결 방안으로 급부상 [K-자율제조] AI, 멈춰선 제조 현장을 깨우다…자율제조 시대 혁신 ‘ON’ [제조 AI와 보안 관제 AI] DX·AX 가속화로 다가오는 산업 지능화 시대…데이터 중심 가치 창출 기대↑ [AI 예지보전] “멈추기 전에 예측한다”…제조업 게임체인저 ‘AI 예지보전’ [제조 AI 사례] AI로 재편되는 제조업…생기원, 제조 AI 기술 상용화 앞장

'산업지식IN'은 급변하는 산업 현장의 실무자들이 겪는 실제적인 질문에 최고 전문가들이 직접 심층적인 답변을 제공하는 특별 기획 콘텐츠입니다. 각 주제별로 진행된 온라인 세미나(웨비나) 현장에서 발표자와 참관객이 실시간으로 주고받은 핵심 질의응답을 엄선해 독자들에게 전달합니다. 이는 독자들이 당면한 문제에 대한 깊이 있는 통찰을 얻고, 실질적인 해결 방안을 모색하는 데 큰 도움이 될 것입니다. 이 콘텐츠는 복잡한 이론보다 실제 사례와 구체적인 해법을 제시해, 제조 현장의 자율화(Autonomous), 디지털 전환(DX), 인공지능 전환(AX)과 혁신을 위한 로드맵 구축을 지원합니다. 현재 다양한 지역의 제조·물류 현장은 '자동화(Automation)'를 넘어선 '자율화(Autonomy)'라는 거대한 변곡점에 서 있습니다. 과거 공장·물류센터 바닥에 그어진 선과 고정된 궤적을 따라 기계적으로 움직이는 '통제된 질서'의 공간이었다면, 미래형 공장·물류센터는 스스로 판단·회피하며 유기적으로 흐르는 '지능적 생태계'로 진화하고 있습니다. 전 세계를 덮친 유례없는 구인난, 인건비 폭등, 그리고 한 치 앞을 예상할 수 없는 공급망 변동성은 더 이상 기존 방식으로는 생존

수소·전력망·AI까지 묻는 RE100 산단의 현실성 선언과 실행 사이, 한국형 RE100 모델 시험대 RE100은 더 이상 일부 글로벌 기업이 선택하는 ‘친환경 선언’이 아니다. 재생에너지 100% 사용 여부는 이제 글로벌 공급망에서 거래 지속 여부를 결정하는 새로운 기준이 됐다. 애플, 구글, BMW 등 글로벌 기업들은 협력사에게까지 RE100 이행을 요구하고 있으며, 이를 충족하지 못한 기업은 공급망에서 밀려나는 사례도 현실이 되고 있다. 수출 의존도가 높은 한국 제조업에 RE100은 선택이 아닌 생존 조건이다. 그러나 국내 재생에너지 비중은 낮고, 경직된 전력시장과 전력망 한계로 개별 기업이 RE100을 달성하기는 쉽지 않다. 이러한 구조적 한계를 돌파하기 위한 해법으로 정부가 꺼내 든 카드가 ‘RE100 산업단지’다. 산업단지 단위로 재생에너지와 전력 인프라, 에너지 관리 기술을 묶어 기업의 RE100 전환을 지원하겠다는 구상이다. 그렇다면 한국의 RE100 산단은 지금 어디까지 와 있으며, 글로벌 경쟁 속에서 실질적인 해법이 될 수 있을까. 자발적 선언은 끝났다… RE100이 ‘조건’이 된 이유 RE100은 더 이상 기업의 친환경 이미지 전략이 아니

정책은 AI를 향하지만, 산업 승부는 장비·기계 기술에서 갈린다 AI 이후 준비하는 제조업, 한국이 마주한 구조적 한계와 선택지 제조업 현장에서 인공지능(AI)은 더 이상 선택의 문제가 아니다. 공정 자동화, 품질 검사, 예지보전, 자율로봇 운영까지 AI는 제조 경쟁력의 핵심 도구로 자리 잡았다. 글로벌 제조 AI 시장은 2025년 약 342억 달러에서 2030년 1,550억 달러 규모로 성장할 것으로 전망되며, 연평균 성장률은 35%를 상회한다. 주요 제조국들은 예외 없이 AI를 제조업 혁신의 핵심 축으로 삼고 정책과 투자를 확대하고 있다. 그러나 최근 산업계와 정책 현장에서 보다 근본적인 질문이 제기되고 있다. AI 경쟁이 일정 수준에 도달한 이후, 제조업의 진짜 승부처는 어디인가라는 물음이다. 한국기계연구원이 발간한 기계기술정책 보고서는 이에 대해 분명한 방향성을 제시한다. AI 경쟁의 다음 국면에서 국가와 기업의 경쟁력을 가르는 요소는 AI 그 자체가 아니라, AI가 구현되는 ‘기계와 장비의 본질적 성능’이라는 진단이다. AI가 주도한 제조 혁신, 그러나 물리적 한계는 여전히 존재 제조 AI는 방대한 데이터를 분석해 공정의 최적해를 도출하고, 불량과