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

최근 일본 국내 공장에서는 인력 부족과 경쟁력 확보를 목적으로 비용 절감을 실현하기 위해 생산 라인의 통폐합이 추진되고 있다. 더불어 로봇·IoT 기술의 발전으로 급속한 무인화·자동화가 진행되어 생산 능력이 향상되고 있다. 한편 원자재 가격 상승과 인건비 상승에 대응할 필요도 있어 낭비를 배제한 효율적인 생산을 실현하기 위해 측정 오차를 최대한 줄이는 것이 요구되고 있다. 이 글에서는 안리츠 주식회사가 생산 능력을 향상시키고 또한 측정 오차의 최소화를 실현하기 위해 대응하고 있는 중량 선별기에 대해 소개한다. 이 글에서는 ‘계량’이라는 용어를 ‘질량 계측’의 의미로 사용한다. 중량 선별기의 개요 1. 사용 용도 중량 선별기(그림 1)는 주로 식품·약품용 제조 라인에서 생산되는 상품의 질량을 전수 측정하여 질량의 과부족에 따른 불량품을 후단의 선별 수단에 의해 라인 밖으로 배제하는 검사장치이다. 도입 목적은 상품의 중량·결품 체크에 의한 선별, 충진 손실 최소화를 위한 충진기에 대한 측정값 피드백 제어 외에도, 측정값 경향을 기반으로 한 라인의 이상 감시 등에도 이용되고 있다. 원료의 유효 이용과 포장재 손실 방지, 품질 향상 등 다양한 요구에 대응하고 있으며

몽고DB(MongoDB)가 AI 시대를 맞아 데이터베이스 현대화 전략과 주요 고객 사례를 공개했다. 지난 3일 서울 코엑스에서 열린 ‘몽고DB 닷로컬 서울(MongoDB.local Seoul)’ 행사와 함께 진행된 미디어 브리핑에서 몽고DB는 최신 기술 동향과 국내외 도입 사례를 공유하며 기업들의 비즈니스 현대화 지원 방안을 제시했다. 이번 행사는 전 세계 21개 주요 도시에서 개최되는 몽고DB 연례 기술 교류의 일환으로 서울은 아시아 지역 핵심 무대로 꼽혔다. 기조연설을 맡은 톨스튼 발터(Thorsten Walther) 몽고DB CXO 어드바이저 매니징 디렉터는 AI가 불러올 산업 전반의 변화와 이에 대응한 데이터베이스의 역할을 강조했다. 그는 “현재 AI는 모든 것을 바꾸고 있으며 특히 개발자에게 전례 없는 기회를 제공하고 있다”고 말했다. 이어 “전 세계 5만여 고객들이 공통으로 직면한 과제는 세 가지다. 더 빠른 개발, 복잡성 없는 애플리케이션 구축, 그리고 기술 부채를 청산하는 현대화의 시급성”이라며 “몽고DB는 이러한 과제를 함께 해결할 수 있는 기반을 제공한다”고 밝혔다. 발터 디렉터는 또한 레거시 시스템의 한계를 지적하며 “오라클에서 포스트그레

국내 기업들이 직면한 경영 환경은 어느 때보다 복잡하다. 인건비 상승, 숙련 인력 부족, 글로벌 경쟁 심화로 인해 많은 기업이 생산성과 효율성을 동시에 확보해야 하는 압박을 받고 있다. 하지만 여전히 상당수 기업은 레거시 시스템과 인력 중심의 운영에 머물러 있어 투자 대비 효과(ROI)를 극대화하는 데 어려움을 겪고 있다. 이러한 상황에서 AI Agent 자동화 플랫폼은 기업 혁신의 핵심 인프라로 주목받고 있다. AI Agent 자동화 플랫폼은 단순 반복 업무를 처리하는 기존 RPA(로보틱 프로세스 자동화)를 뛰어넘는다. 대규모 언어모델(LLM), RAG(Retrieval-Augmented Generation), API 연계, 워크플로우 오케스트레이션을 결합해 복잡한 비즈니스 프로세스를 스스로 이해하고 실행한다. 기존의 RPA가 정해진 규칙에 따라 단순 작업을 반복한다면, AI Agent는 데이터를 해석하고 상황에 맞게 의사결정을 보조하는 지능형 자동화를 제공한다. ROI 측면에서 효과는 분명하다. 첫째, 비용 절감이다. IT 헬프데스크, 고객 문의 처리, 데이터 보고서 작성 등 반복적이고 단순한 업무는 AI Agent가 대체할 수 있다. 이를 통해 인력 자