최근 몇 년 동안 TSN(Time-Sensitive Networking)은 학문적 기술에서 현실 세계의 실제 애플리케이션으로 도약하는데 성공했다. 이 혁신적 기술의 이점을 활용하고자 하는 기업들은 관련 업계의 요구사항을 바탕으로 TSN 적용이 가능한 시스템을 구축하기 시작했다. Moxa는 IEEE TSN 작업 그룹이 구성되기 전부터 업계 파트너들과 협력하여 산업화 4.0(Industry 4.0)으로 잘 알려진 제조 분야의 디지털화와 산업 자동화를 위한 모든 핵심 기술을 촉진시키는데 주력해 왔다. TSN은 Moxa가 널리 기여하고 있는 산업 디지털화 애플리케이션의 중요 원동력이기도 하다. 실제로 Moxa는 수많은 업계 이해관계자들과 협력하여 TSN이 적용된 시스템을 구축하고, 실제 애플리케이션 및 여러 기술적 발전을 통해 입증된 TSN의 이점을 공장 현장에 제공하고 있다. 그동안 산업 자동화 애플리케이션은 각기 다른 장비와 인터페이스 및 프로토콜로 인해 적시에 대량의 데이터를 전송, 수신 및 처리하는데 상당한 어려움이 있었다. TSN은 연결된 모든 장치들이 공통의 시간 레퍼런스를 공유하여 특정 작업을 위한 특정 시점에 모든 데이터를 이용할 수 있도록 네트워크상
사람의 시각 시스템은 우리가 세상을 이해하기 위한 주요 수단 중 하나이다. 빛이 눈에 들어오고 정보가 시신경을 통해 뇌로 전달되면 뇌가 그 정보를 해석해 ‘이미지를 생성’한다. 그 중 뇌가 관여하고 있는 과정은 특히 복잡하고 난해한데, 이것이 인식과 의사 결정, 그리고 모든 행동의 기반이 된다. 즉, 시각 시스템은 뇌의 구조를 알고 싶어하는 과학자의 주된 목표 중 하나가 된다. 그리고 동시에 시각 시스템은 이미지 정보 처리를 위한 궁극 모델 중 하나이다. 공학자는 시각 시스템을 이해하고 이것을 모방함으로써 기계가 복잡한 문제를 해결한다는 오랜 목표에 대응해 왔다. 양쪽의 대응 목적은 다르지만, 동일한 연구 대상을 다른 형태로 쫓고 있다. 최근 심층 신경망이라는 기술은 이들 양쪽의 합류를 촉진해 각각의 목표를 실현하는 데 공헌하기 시작했다. 심층 신경망은 뇌의 신경세포 네트워크의 일부를 모방해 이미지 인식, 물체 탐지 및 이미지 생성과 같은 시각 과제에 대해 탁월한 성능을 보여주고 있다. 그리고 자율주행차, 의료영상 진단, 비디오 분석, 가상현실, 증강현실, 대규모 언어 모델 등 많은 분야에서 혁신적인 응용이 이루어지고 있다. 그리고 이 놀라운 기술은 뇌의 모
에너지 비용의 상승과 지정학적 갈등의 고조, 여기에 공급 불안이 계속됨에 따라 기업들은 기업 경영의 탄력성과 유연성, 지속가능성을 높이기 위한 투자를 강화하고 있다. 로크웰 오토메이션(Rockwell Automation)은 이 같은 도전적인 환경에 직면한 제조 기업들을 돕기 위해서 MagneMover® LITE 지능형 컨베이어 시스템이라는 스마트한 솔루션을 내놨다. MagneMover LITE는 유연한 모듈형 방식을 채택한 지능형 이송 시스템으로서, 리니어 모터 섹션으로 구성된 각각의 모듈들을 연결해서 현장의 요구사항에 맞게 무한히 다양한 레이아웃이 가능하다. OEM/인-머신(in-machine) 애플리케이션과 까다로운 모션 요구사항에 대해 기존의 벨트 및 체인 컨베이어보다 월등한 성능을 제공함으로써 새로운 차원의 프로세스 최적화와 쓰루풋을 가능하게 한다. 로크웰 오토메이션에 따르면, 실제로 MagneMover LITE는 애플리케이션에 따라 기존의 컨베이어 시스템에 비해 가동시간을 최대 10배까지 높이고, 에너지 비용을 25%까지 절감하며, 플로어 레이아웃을 25~30%까지 줄일 수 있다. 유연성을 높이는 이러한 혁신을 이루기 위해, 로크웰 오토메이션은 아나
신경과학 분야에서는 계측 기술의 급속한 발전으로 신경 활동의 측정 방법과 그에 의해 얻어지는 데이터가 급속하게 진화하고 있다. 전극을 직접 대상 영역에 꽂아 신경세포의 활동을 전기적으로 측정하는 전기생리학적인 측정에서는 동시에 100개 오더(최신 Neuropixels에서는 1,000개 오더)의 세포를, 대상 동물이 과제를 수행하는 동안에 실시간으로 몇 시간 이상 측정할 수 있다. 또한 칼슘 이미징 등의 신경 활동을 광학적인 활동으로 변환해 측정하는 방법이라면, 시간 정도가 떨어지지만 1000개 오더(100000개를 취할 수 있다는 이야기도 있다)의 세포 활동을 며칠에 걸쳐(!) 측정할 수 있게 됐다. 즉, 신경과학 분야에서 연구자는 매우 큰 데이터에서 신경계 정보 처리의 바탕에 있는 원리·기구를 추출해야 하는 과제에 직면해 있다. 이 글에서는 이 대자유도 데이터와 씨름하고 있는 신경과학에서 급속히 발전하고 있는 역학계적 견해·해석 방법을 소개한다. 여기서는 데이터 해석뿐만 아니라 순환 신경망(RNN)을 이용한 데이터 구동형 모델의 접근법이 많이 이용되고 있으며, 이 접근법을 중심으로 설명하고자 한다. 대자유도 데이터로서의 신경 활동 일찍이 2000년대 초반까
아나로그로 운용되던 프로세스계장 분야가 바야흐로 미래의 디지털로 향하고 있다. 현장에는 CVVSB 2ㅁ × 2C 아나로그 케이블 대신, 단일 쌍(Single Pair Ethernet/SPE)케이블로 바뀌고, 클라우드가 가능한 디지털이 일상인 시대로 바뀐 것이다. 2019년 9월 IEEE802.3cg(EtherNet/IP=802.3) 태스크 포스가 10BASE-T1S 및 10BASE-T1L 이더넷 표준 개발을 완료한 이후 ODVA는 이러한 이더넷 기술을 자체적으로 채택한 뒤 변화하기 시작했다. 기존의 PLC 자동화 기술은 물론이고 한발 더 나아가 이제 10BASE-T1S 이더넷 기반의 캐비닛 EtherNet/IP 사용 프로파일과 10BASE-T1L 이더넷 기반의 이더넷-APL 프로세스계장 프로파일이 EtherNet/IP 사양에 플러스가 된 것이다. 이 글에서는 잠재적인 EtherNet/IP 사용 프로파일인 On-Machine 센서와 EtherNet/IP 사용 프로파일에 대해 연구한 결과를 해부해 보고자 한다. OMSPE 시스템 아키텍처(물리적 토폴로지, 미디어, 인프라 탭, SPE 센서), 통신아키텍처, 전력 전달아키텍처, 네트워크, 시운전, 진단 기능을 갖춘
인간 대뇌 시각계는 망막에 투영된 모든 정보를 동일하게 처리할 수 없다. 시야 내에서 가장 중요할 것으로 예측되는 물체나 공간 위치를 선택하고, 이를 중점적으로 처리함으로써 실제 환경에 적응한다. 이러한 정보의 취사선택 기능이 주의 선택이다. 최근에는 이 주의 선택은 인공지능 개발에서도 크게 주목받는 기능이다. 생체의 시지각을 실현하는 가장 중요한 기능인 주의 선택은 신경세포(뉴런)의 활동을 기록하는 대뇌생리학적 기법뿐만 아니라, 인간 시지각을 계측하는 심리물리학적 기법 등을 이용해 학제적으로 연구되어 왔다. 또한 주의 선택의 뇌 메커니즘과 특성을 이해하기 위해서는 이들 실험에서 얻은 지식을 통합한 신경회로 모델의 구축과 시뮬레이션이 중요하다. 이러한 신경회로 모델의 응답을 정량적으로 평가하기 위해 자연 이미지에 대한 인간의 시선 데이터가 지표로 활용된다. 최근에는 이들 시선 데이터를 학습 데이터로 활용하는 기계학습적인 기법에 기초한 주의 선택 모델 획득 연구도 활발히 이루어지고 있다. 이 글에서는 시야 이미지에 대한 인간의 주의 선택 특성을 재현하는 계산 모델에 대해 설명한다. 특히 인간의 시지각을 담당하는 대뇌 시각 피질의 신경회로에 기초한 주의 선택 모
고객 기대치의 변화와 전기차의 부상, 예상치 못한 글로벌 공급망의 혼란으로 자동차 및 제조 업계는 새로운 수준의 서비스와 효율성을 달성해야 한다는 압박을 받고 있다. 이에, 아시아 태평양(APAC) 지역의 기업들은 소비자 행동 변화를 인식하고 앞서 나가기 위해 분주히 혁신하고 있다. 예를 들어, 싱가포르에서는 자율주행 및 전기차 연구 개발 계획을 지속적으로 수립해 왔는데, 주롱(Jurong) 지구에 위치한 ‘현대차 그룹 혁신 센터’가 그 예다. 싱가포르는 전기차 생산을 포함한 새로운 자동차 기술을 개발하기 위해 40여 년 만에 최초의 자동차 조립 공장을 구축했다. 그러나 지속적인 혁신은 난항을 겪을 수 있다. 극도로 복잡한 환경에서 차량을 생산, 운송 및 서비스하고 완벽한 개인 맞춤형 고객 경험을 제공하기 위해서는 보이지 않는 곳에서 많은 공정이 요구되기 때문이다. 디지털 전환으로의 여정에는 많은 어려움이 존재하지만 지금이야 말로 전체 자동차 생태계가 부품, 차량, 재사용 가능한 차량용 수납함 및 심지어 도구의 추적 기능 개선을 위해 무엇을 할 수 있는지 살펴볼 때다. 바코드 솔루션 보완 바코드는 제조 공정에서 여전히 필수적인 요소다. 그러나 오늘날의 기업은
Society 5.0 등 사회 시스템 변혁에 대해 DX화의 요망이 있는 가운데, 필요 정보의 획득·전송·기록에 관련된 기반 기술로서 센싱 기술에 큰 기대가 집중되고 있다. 말할 것도 없이 센싱 기술은 도량형으로 시작되어 현재에 이르기까지 매우 오랜 역사를 가지고 있으며, 사회가 변천함에 따라 새로운 기능을 부가·실현하는 동시에 그 시대의 요청에 대응한 다양한 역할을 수행해 왔다. 제2차 세계대전 후 시작된 제조업의 기기 계측화·자동화 속에서 이른바 오토메이션의 실현에 크게 공헌했지만, 지금 다시 비제조업으로 적용 분야를 확대하는 기운이 높아지고 있어 센싱 기술의 복합 계측화, 예측 기술의 필요성이 논의되는 등 잠재적이지만 다량의 센싱 요구가 있다고 여겨지며 그 표면화가 주목받고 있다. 한편, 새로운 계측 시즈의 출현 등도 있어 그 사회 실장화가 요망되고 있다. 실제로 사회의 DX화에 있어 기반 기술을 담당하고 있으며, 이 글에서는 센싱 기술의 향후 역할과 장래 전망에 대해 개인적인 견해와 함께 설명한다. DX 사회와 빅데이터, 그리고 센싱 기술 이미 알고 있듯이 DX(Digital Transformation)란 스웨덴의 우메오 대학 교수인 에릭 스톨터만(Er
이더넷-APL은 PROCESS 계장표준으로 세계 전문 표준개발기구 4곳과 12개의 국제 자동화 메이커에서 합의하여 IEC/IEEE 등의 국제표준기관에서 공인된 새로 나온 신기술이므로, 자세한 설명과 해설이 필요하고 이 기술의 핵심 요체를 설명하는데 자세한 안내가 필요하므로 ‘이더넷-APL 길라잡이’라는 이름을 붙여 10~12회 정도로 내용을 안내 하고자 작명을 했다. 이번 호는 지난 회에 이어 폭발성 대기가 없는 지역에서의 APL 적용 예시와 폭발성 대기가 있는 지역의 네트워크 토폴로지와 성능 고려사항에 대해서 알아본다. 폭발성 대기가 있는 지역의 네트워크 토폴로지 1. NEC 500에 따른 폭발성 대기가 있는 스퍼 토폴로지의 예 그림 1은 Class I, Div 2에 필드 스위치가 설치된 스퍼 토폴로지의 예를 보여준다. 필드 스위치는 산업용 이더넷 제어 네트워크에 직접 연결된다. APL 트렁크는 사용되지 않는다. 필드 스위치는 Class I, Div. 2에 있다. 본질안전(I.S.) 스퍼는 APL 필드 스위치를 Class I, Div. 1에 있는 필드장치와 연결한다. 토폴로지에는 다음과 같은 기능이 있다. · APL 필드 스위치는 별도로 전원이 공급되고 A
RPA는 프로세스 자동화 기술로, 문서 처리 업무에서 주로 활용된다. 자동화 요구가 급속도로 증가하는 4차 산업 체제에서의 RPA는 제조 현장 영역에서 활동 범위를 확장해 활용되는 추세다. 여기에 디지털 트윈은 시각화·3D, 연결·제어, 다차원 모델링·시뮬레이션, 데이터·보안·분석 지능화 등 현재 산업 내에서 게임체인저로서의 활약을 기대받는 차세대 혁신 기술이다. 디지털 트윈을 활용하면, 각종 기술요소를 조합·융합해 새로운 가치를 발휘하는 또 하나의 기술이 탄생한다. 디지털 트윈은 이런 유연성과 융합성을 바탕으로 잠재력을 인정받아 여러 산업에서 활약 중이며, 잠재적 가치를 지속 재생산 중이다. 이 글에서는 유비씨의 디지털 트윈 전문성과 이 회사가 제공하는 제품 솔루션의 특장점에 대해 소개한다. ‘국대’ 혁신기업 유비씨, 제조 혁신의 가능성을 보다 유비씨는 금융위원회·과학기술정보통신부·중소벤처기업부가 선정하는 ‘혁신기업 국가대표 1000’에 선정된 디지털 트윈 플랫폼 업체다. RPA(Robotic Process Automation)와 CPS(Cyber Physical System)를 접목해, 정적인 데이터 순환에서 동적인 데이터 순환 기반 실시간 피드백을 제공
우리나라 뿌리 산업인 제조 영역에서 인력 문제는 가장 큰 이슈이다. 대기업에 비해 중소 제조 기업은 경쟁력 있는 급여와 직장 환경 제공이 어렵기 때문에 인력 유치와 보유에 어려움이 있다. 또한 잦은 이직과 퇴직, 교육·훈련이 부족하다 보니 업무지식 관리 및 전달이 잘 이루어지 못하고 이는 생산성 감소·프로젝트 지연·노동비용 증가·기업 성장 및 경쟁력 저하·안전사고 등 문제로 야기될 수 있다. 이러한 과제의 해결책으로써 핵심으로 활용되는 기술이 XR(확장현실)이다. 버넥트는 산업용 XR 솔루션을 통해 산업 현장 내 에로사항을 해결하고 있다. 이 글에서는 버넥트 XR 솔루션이 주는 이점과 다양한 기능에 대해서 소개한다. XR 솔루션이 필요한 이유 확장현실(eXtended Reality, XR)은 등장 직후 게임 영역에서 주로 활약할 것으로 기대 받은 기술이다. XR 기술은 가상현실(Virtual Reality, VR) 및 증강현실(Augmented Reality, AR)과 더불어 3차원 가상세계 ‘메타버스(Metaverse)’와 융합되면서 신드롬이 시작됐다. 이후 산업 현장 내에서의 활용성 또한 주목받으면서 잠재력을 인정받았다. 글로벌 XR 시장은 지난해 기준
OTAC 기반 OT 인증 솔루션으로 기존 UX 유지하면서 보안성도 강화 LS일렉트릭과 계약 힘입어 글로벌 PLC제조사와 PoC 완료·MVP 진행 인증 보안 전문기업 센스톤이 생산자동화를 위한 운영기술(OT) 영역에서 통합운영 및 제어를 위한 핵심 장비인 프로그래밍 제어장치(PLC)의 사용자인증 취약점을 혁신적으로 개선한 솔루션으로 글로벌 시장에서 대한민국 보안 스타트업으로 존재감을 드러내고 있다. 센스톤은 LS일렉트릭과 함께 가장 진보된 사용자 인증기술로 알려진 ‘OTAC(One-Time Authentication Code)’ 기술이 적용된 PLC 장비를 세계 최초로 생산키로 계약한 데 힘입어 글로벌 PLC 제조기업들로부터 러브콜이 이어지고 있다. 이미 몇몇 글로벌 PLC 제조기업들과 개념증명(PoC)을 성공적으로 마친 데 이어, 그 중 한 기업과는 최소 기능 제품(MVP, Minimum Viable Product) 개발을 진행 중이다. 사실상 블루오션으로 알려진 글로벌 OT 및 PLC 장비 사용자인증 고도화 시장에서의 괄목할 만한 성과에 힘입어 내년 기업공개(IPO) 계획도 순풍을 타고 있다. OTAC 기반 OT 인증 솔루션으로 보안성 강화 산업 자동화 시
최근 플랜트 운영 최적화를 위해 빅데이터와 AI 기술 활용이 늘고 있다. 예전엔 대형 플랜트 중심으로 효율성과 안전성에 집중을 했다면 지금은 비용 절감과 생산성 향상에 대한 요구가 커지면서 그 대안으로 빅데이터와 AI 기술을 통한 예지보전 솔루션의 필요성이 대두됐다. BNF테크놀로지는 고객의 플랜트 운영 최적화를 위해 산업용 빅데이터 플랫폼 ‘HanPrism’과 머신러닝 기반 예지보전 솔루션 ‘HanPHI’ 두 가지 솔루션을 제공 하고 있다. 이 글에서는 BNF테크놀로지가 제안하는 플랜트 운영 최적화 방안은 무엇이며 해당 솔루션은 어떤 이점과 구축 사례들이 있는지에 대해서 알아본다. 빅데이터 인프라스트럭처 ‘HanPrism’ 프로세스 플랜트 소프트웨어 전문기업 BNF테크놀로지는 고객의 플랜트 운영 최적화를 위해 두 가지 솔루션을 제공하고 있다. 먼저, HanPrism은 데이터 통합과 분석을 위한 산업용 빅데이터 플랫폼이다. 이 플랫폼을 통해 산업 현장의 다양하고 분산된 설비에서 발생하는 대규모의 데이터를 실시간으로 수집하고 통합 저장해, 사용자는 언제 어디서나 필요한 데이터에 안전하게 접근하고 분석하여 운영의 혁신이 가능해진다. HanPrism의 차별성으로는
제조 산업 자동화에 엣지 컴퓨팅과 지능형 사물인터넷(AIoT)의 융합된 전략이 생산성 향상에 핵심요소가 되고 있다. 하지만 AIoT는 보안 측면에서의 약점도 상존하고 있는 것으로 평가된다. 어드밴텍 ‘디바이스 온(DeviceOn)’은 엣지에서 인가된 애플리케이션만을 허용하는 ‘화이트 리스팅(Whitelisting)’ 기능을 통해 인가되지 않은 애플리케이션을 사전에 차단한 후 승인된 프로그램만 작동되도록 한다. 더불어 백업 솔루션 ‘아크로니스(Acronis)’를 통해 직관적으로 시스템 백업을 수행하고, 서버 사이드와 엣지 사이드 간 암호화된 SSL, TLS 인증서와 보안 데이터 채널을 이용해 서버에 데이터를 전송한다. 이 글에서는 어드밴텍이 제안하는 엣지 디바이스 통합 관리 솔루션의 효율적 활용법에 대해 소개한다 4차 산업혁명이 도래하면서 산업 현장에서의 데이터 집중도가 주목받고 있다. 이에 데이터 활용성 및 연결성이 부각되고 있는데, 백엔드 서버단까지 데이터를 전송하지 않고 현장에서 곧바로 데이터를 처리할 수 있는 엣지(Edge) 전략이 중요해지고 있다. 이 가운데 산업 현장 내 자동화 장비 및 설비에 대한 원격제어 요구가 늘어나고 있다. 특히 제조 산업 자
촉각은 환경과 접촉한 상태에 대한 풍부한 정보를 제공한다. 미지의 환경 속 로봇 애플리케이션에서는 특히 촉각이 중요한 역할을 할 것으로 기대된다. 한편 일률적으로 촉각이라고 해도 다양한 성질의 정보가 포함되어 있어 로봇의 ‘촉각 정보’ 정의는 시각 정보에 비해 애매하다. 또한 촉각은 피부에 분포하는 감각이기 때문에 촉각을 모방한 센서 디바이스(촉각 센서)의 설계는 일반적으로 실장하는 로봇의 형상이나 기능에 따라 다르다. 물체의 파지나 조작을 목적으로 하는 로봇에서 촉각 센서는 주로 엔드 이펙터에 탑재되며, (1) 접촉이나 미끄러짐 발생과 같은 접촉 이벤트 검지, (2) 접촉 위치나 접촉력에 기초한 파지의 안정성 평가, (3) 접촉 위치·힘을 피드백하는 것에 의한 힘 제어, (4) 접촉을 통한 물체 특성의 인식·추정에 이용된다. 즉, 촉각 센서를 탑재한 엔드 이펙터는 목적하는 물리 작업을 하기 위한 반응기인 동시에 촉각 탐색(Tactile exploration)을 하기 위한 프로브이기도 하다. 촉각 센서의 설계나 실장에 있어서는 작업 능력과 지각 능력을 양립시키는 것이 중요하다. 촉각 센서의 검출 방식에는 저항식, 정전용량식, 광학식 등 여러 가지가 있는데,