제르미 치즈공장(Jermi Käsewerk, 이하 제르미)은 1889년부터 이어져 온 치즈 업계의 전통 있는 명문 기업이다. 소규모 가족 경영 기업으로 시작해 현재는 탁월하고 차별화된 치즈 특산품으로 유명한 세계적인 기업으로 성장했다. 제르미는 경쟁력 유지를 위해 최첨단 기술과 혁신을 지속적으로 수용해 왔다. 회사는 특정 설비와 생산 라인의 디지털 통합에서 격차를 확인하고 이를 해결하기 위해 선제적으로 Tomorrow Things와 협업했다. 이러한 전략적 결정은 디지털 전환을 위한 제르미의 추진 과정에서 핵심 단계임을 보여준다. 목표는 운용 효율성 향상과 생산 공정 간소화로 명확했다. 특히 회사는 현장의 실시간 데이터에 접근할 수 있는 견고한 플러그 앤드 프로듀스(plug-and-produce) 디지털 트윈 솔루션의 필요성을 인식했다. 이 솔루션은 혁신을 주도하고 장기적인 경쟁력을 확보하는 데 핵심이 되는 통찰과 최적화 잠재력을 제공한다. 포괄적인 디지털화 솔루션을 구현하기 앞서 제르미는 몇 가지 주요 과제에 직면했다. · 전체 생산 라인 모니터링: 예방적 유지보수를 가능하게 하고 원활한 운용을 보장할 수 있는, 전체 생산 라인의 실시간 모니터링이 가능한
신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체 조작을 학습하고 수행한다. 이 글에서는 이러한 형태학적 계산을 이용한 로봇의 물체 조작 학습에 관련된 연구 성과를 소개한다. 구체적으로는 유연 손목의 설계, 유연 손목을 이용한 물체 조작의 학습, 형태학적 계산에 의한 환경 인식, 환경 중의 물체를 이용한 형태학적 계산을 소개한다. 유연 로봇에 의한 물체 조작의 학습 신체에 물리적인 부드러움을 갖춘 로봇 암은 신체의 부드러움을 활용해 물체와 부드럽게 접촉할 수 있다. 로봇이 물리적인 부드러움을 활용해 물체와 부드럽게 접촉할 수 있으면, 물체나 로봇의 모델, 계측 및 실행의 오차를 접촉을 통해 보상할 수 있다. 물리적인 부드러움을 갖춘 로봇 암은 물체와 부드럽게 접촉하기 때문에 시행착오나 교시에 있어서 다양한 접촉을 적극적으로 시도하고, 안전하게 실패 행동을 시험하여 다양한 학습 데이터를 수집할 수 있다. 기계학습을 이용해 로봇의 제어칙이나 행동칙을 자율적으로 획득할 수 있으면, 모델화가 어려운 물리적으로 부드러운 신체의 제어칙을 획득할 수 있고, 수동으로 설계할 수 없을 정도로 다양한 행동을 만들어 내는 행동칙을 생성할 수 있다. 이상과
좀처럼 실현될 수 없다고 생각했던 (사람이나 동물에 가까운) 놀라운 로봇이 등장하고 있다. 여기서 실현된 기술을 대단한 기술이라고 생각하면 쉽게 손을 댈 수 없다. 하지만 보통의 기술(조합)이나 정도로도 가능할지도 모른다. 많은 사람이 손을 대야 이룰 수 있는 가능성이 넓어지고 다양한 로봇이 탄생한다. 또한 개발 비용과 제조비용을 줄일 수 있다. AI가 주목받는 가운데 수동보행은 역학적인 구조 속에 필요한 계산이 이미 내재되어 있다거나, 컴퓨터가 없어도 충분히 지능적이다 라고 평가되고 있다. 수동 보행의 경우, 걸을 수 있는 원리가 존재한다. 수동 보행 로봇의 연구는 곧 역학 원리의 발견과 그 활용법 개발에 다름 아니다. 이케마타 등은 보폭 일정(착지 시의 고관절 각도 일정)에 의한 안정화 원리를 발견하고, 가느다란 미음 자모형 프레임을 소형 수동 보행 로봇에 부착하는 것만으로 안정된 수동 보행을 실현했다. 기네스 세계 기록에도 인정받아 대단한 로봇일지 모르나, 실현된 기술은 로우 테크이며 수제작 수준이다. 아직 사람이나 동물의 신체에는 여러 가지 역학 원리(힌트)가 숨겨져 있을 것이다. 그 원리를 공학적으로 잘 살리면 지금보다 더 사람이나 동물에 가까운 놀
피지컬 AI, 디지털과 물리 사이의 간극을 메우다 로봇은 이미 공장·물류센터 등 산업 현장에 상당 부분 설치돼 있다. 문제는 양이 아니라 질이다. 대부분의 산업용 로봇은 여전히 펜스 안에서 정해진 궤적만 반복한다. 반대로 인공지능(AI)은 스마트폰과 클라우드 속에서 사람의 취향과 동선을 분석·인지하고 있다. 서승호 고려대학교 교수는 “현재 스마트폰은 누구와 통화하고 어디서 돈을 쓰는지, 누구와 얼마나 자주 만나는지까지 많은 것을 알고 있다”며 “이는 디지털 세계에서 실세계가 어떻게 움직이는지는 이미 꽤 정확하게 예측할 수 있는 수준”이라고 짚었다. 그런데도 공장·물류센터 등에 배치된 로봇은 그 지능과 단절된 채 움직인다. 결국 이러한 간극은 디지털에서 현실로 영향을 미치는 수준이 아직은 광고 추천이나 화면 속 버튼을 바꾸는 정도에 머물러 있다는 부분을 시사한다. 다시 말해, 현재 로보틱스 기술은 작업자와 함께 움직이는 로봇의 동작까지 닿지 못한다는 점이다. 이러한 괴리를 정면으로 메워보겠다는 방법론이 바로 ‘피지컬 AI(Physical AI)’다. 최근 로보틱스·AI 분야에서 각광받는 이 기법은 AI가 물리적인 환경에서 직접 학습·적응함으로써, 실제 공간에서
이번 호는 전편에 이어 블루투스의 신뢰성 특징 및 페어 링 방법, LE보안 및 처리 량, CIP프로필 매핑 등에 대해서 논의코자 한다. 블루투스 입문 1. 신뢰성 (Reliability) Bluetooth의 대표적인 신뢰성 기능은 두 가지이다. 첫째, 채널 사용 방식으로서 주파수 도약 확산 스펙트럼(Frequency Hopping Spread Spectrum, FHSS)을 사용하며, 둘째, 사용하는 주파수 변조 방식으로 가우시안 주파수 편이 변조(Gaussian Frequency Shift Keying, GFSK)를 채택한다. BLE(Bluetooth Low Energy)는 2.4GHz ISM(산업, 과학 및 의료) 주파수 대역에서 3개의 광고 채널과 37개의 데이터 채널을 포함한 총 40개의 채널로 작동한다. BLE는 FHSS 방식을 통해 이 주파수 대역 내에서 각 채널 간 도약(hopping)을 수행한다. BLE 장치는 마스터 장치가 제어하고 슬레이브 장치(들)에게 전달하는 의사난수 도약 시퀀스를 따른다. 이러한 스펙트럼 도약은 초당 최대 1600회까지 발생할 수 있으며, 도약 중 BLE 장치는 현재 채널의 통신 품질을 지속적으로 모니터링한다. 간섭이 발
디지털 전환과 AI 기반 신뢰성 향상의 출발점은 데이터 무결성으로, 이는 인식, 예측, 최적화 단계를 거치며 완성된다. 지속적인 장비 상태 모니터링 도구를 활용해 기존의 수동 데이터 수집 방식을 자동화함으로써, 실행 가능한 실질적인 인사이트를 제공하는 일관되고 신뢰할 수 있는 자산 데이터를 확보할 수 있다. 자산 성능 관리 소프트웨어(Asset Management Software, AMS)를 통해 설비 고장을 예측하고 선제적으로 정비 일정을 수립하며, 근본 원인을 제거한다. 이후 예지정비 기술로 장기적인 운영·유지 관리 전략을 적용해 유지보수 비용을 절감하는 동시에 자산의 신뢰성과 투자 가치를 향상시키고 보전한다. 장비의 라이프 사이클에 기반한 신뢰성 솔루션(Reliability Solution)은 유지 관리 효율과 운영 성능의 잠재력을 극대화하는 체계적인 통합 디지털 여정이다. 더 이상 전통적인 유지보수 전략만으로는 오늘날 산업 현장에서 요구되는 경제성과 효율성을 동시에 달성하기 어렵다. 반면, 선도적인 공장과 기업들은 방대한 데이터를 단순히 수집하는 데 그치지 않고, 디지털 기술을 활용해 이를 실행 가능한 정보와 전략적 의사결정 지침으로 전환하고 있다.
제조업은 지금 ‘탄소 중립’이라는 거대한 전환점을 향해 움직이고 있다. 생산성을 유지하면서도 탄소 배출을 줄여야 하는 이 난제를 풀 해법으로 급부상한 기술이 적층 제조, 즉 3D 프린팅이다. 스트라타시스는 폴리젯·FDM·SAF 등 5대 핵심 기술 포트폴리오를 기반으로 설계–엔지니어링–양산까지 전 과정을 혁신하는 로드맵을 제시한다. 재료를 필요한 만큼만 쌓아 올려 폐기물을 최대 90%까지 줄이고, 분산 제조로 물류 탄소를 줄이며, 생성형 설계로 경량화까지 실현한다는 점에서 지속 가능한 제조의 새로운 표준을 제시한다. 기존 감산·성형 중심의 패러다임을 넘어, 중소량·다품종 생산 중심의 유연한 제조 혁신을 가능하게 한다는 점에서 3D 프린팅은 단순한 기술이 아니라 제조업 재설계의 방향성을 보여주는 전략적 솔루션으로 자리 잡고 있다. 감산에서 적층으로...제조 패러다임 전환 오늘날 전 세계 제조업은 탄소 중립과 넷제로(Net-zero)라는 피할 수 없는 시대적 지향점을 마주하고 있다. 이는 생산성을 희생하지 않으면서 탄소 배출을 획기적으로 줄여야 하는 기술적 한계를 동시에 요구한다. 이러한 고질적인 난제에 대한 로드맵을 제시하는 솔루션 중 하나가 적층 제조(Addi
AI가 제조업의 ‘안전’과 ‘자율화’를 동시에 끌어올리는 전환점에 도달했다. 중대재해처벌법과 ESG 규제가 강화되는 지금, 생산성만 높이는 공장은 더 이상 경쟁력을 갖기 어렵다. LS일렉트릭 김재신 부장은 ‘2025 AI 자율제조혁신 포럼’에서 “현재 국내 제조현장의 자율화 수준은 10점 만점에 4.5점”이라는 진단을 내놓으며, AI 기반 제조 안전 전략을 자율제조의 출발점으로 제시했다. 발표에서 김 부장은 위험성 평가를 자동화하는 AI 관제, 화재·끼임·지게차 충돌 등 9대 사고 감지, 디지털 트윈 기반 실시간 관제, 중소기업을 위한 SaaS형 안전 AI 등도 실제 사례와 함께 공개했다. 공장이 스스로 위험을 감지하고, 스스로 설비를 멈추고, 스스로 대피 동선을 제시하는 시대—LS일렉트릭이 공개한 로드맵은 제조업이 어디로 가야 하는지를 분명하게 보여준다. 왜 ‘AI 안전’이 먼저인가 제조업은 지금 ‘자율제조(Autonomous Manufacturing)’라는 거대한 전환점 앞에 서 있다. 생산 오더가 발행되는 순간부터 완제품이 고객에게 인도되기까지, 사람의 개입 없이 공장이 스스로 판단하고 움직이는 상태를 목표로 삼는 흐름이 빨라지고 있다. 그러나 현실은
제조업의 디지털 전환 속도가 빨라지면서 ‘AI 자율제조’가 새로운 경쟁 지표로 떠오르고 있다. 특히 부품 데이터의 비효율과 중복 설계, 악성 재고, 공정 불량이 기업 성능을 떨어뜨리는 핵심 요인으로 지목되면서, 이를 해결하기 위한 AI 기반 부품 관리 솔루션이 주목받고 있다. 알텐코리아의 ‘ONEPART’는 3D 형상 AI 분석과 전사 부품 통합 데이터베이스를 기반으로 유사·대체 부품을 자동 탐색하고, 공용화 전략과 상위 원가 분석까지 수행하는 자율제조 지원 플랫폼이다. 항공·전자·반도체·자동차 등 주요 기업에서 중복 설계 감소, 협상력 강화, 원가 절감 등 확실한 성과를 기록하며 ‘부품 데이터 혁신’의 기준으로 부상하고 있다. AI가 부품을 읽고, 판단하고, 추천하는 시대. 제조 경쟁력은 이제 부품 데이터 관리에서 시작되고 있다. 복잡해진 제조 생태계, ‘부품 데이터’가 전략 자산 제조업은 이제 단순한 제품 조립 산업이 아니다. 글로벌 공급망 재편, 부품 다변화, 규제 강화, 지속가능성 요구가 겹치면서 기업은 어느 때보다 빠르고 정확한 의사결정을 요구받고 있다. 그러나 현장의 현실은 정반대다. 부품 관련 정보가 ERP, PLM, MES, 품질·구매 시스템,
현시점 자동차 산업은 근본적인 전환기에 서 있다. 소프트웨어로 모든 기능을 제어하고 관리하는 ‘소프트웨어 정의 차량(Software-Defined Vehicle, 이하 SDV)’으로의 진화가 가속화되고 있는 것이다. 자동차는 이제 단순한 이동 수단이 아니라, 주변과 끊임없이 연결되는 ‘플랫폼’으로 변화하고 있다. 이는 소프트웨어가 차량의 기능과 가치를 규정하는 핵심 정체성이 되고 있음을 의미한다. SDV, 자동차 산업 패러다임 뒤흔드는 ‘소프트웨어 혁명’ 미국 금융사 모건스탠리(Morgan Stanley)에 따르면 SDV는 2021년 전체 자동차 시장에서 약 3%의 비중을 차지하는 데 그쳤으나, 2029년에는 그 비율이 90%까지 확대될 전망이다. 또한 글로벌 시장조사기관 글로벌마켓인사이트(GMI)는 전 세계 SDV 시장 규모가 2034년까지 4,495억 달러(약 650조 원)에 이를 것으로 내다봤다. 현대자동차그룹을 비롯한 글로벌 완성차 업체들이 소프트웨어 전담 조직 신설, 대규모 기술 인력 확보, 플랫폼 전환 투자 등 새로운 전략을 추진하는 이유가 여기에 있다. 특히 SDV의 등장은 단순히 차량 기능의 고도화 수준을 넘어, 차량 개발의 패러다임 전체를 바
식품 안전과 보안은 여전히 아시아 지역에서 해결해야 할 중대한 과제다. 복잡한 공급망 구조, 높은 식품 손실률, 보관·취급 과정에서의 취약성 등이 기업과 소비자 모두에게 지속적인 영향을 미치고 있다. 여기에 더해 글로벌 공급망이 더욱 정교해지고 규제가 강화되면서 다양한 해결책도 새롭게 부상하고 있다. 이 가운데 견고한 추적성, 보안, 효율적인 재고 관리 등에 대한 요구사항이 급증하고 있다. 이러한 상황에서 자동화와 디지털 추적 기술의 발전은 식품 물류 업계를 변화시키고 있다. 이 같은 변화는 감모, 도난, 콜드 체인 유지관리와 같은 오랜 과제를 해결하는 동시에 식품 품질, 유통기한, 가용성 개선 등에 기여하고 있다. 증가하는 식품 손실과 도난 과제 이 흐름에서 아시아 지역에서 가장 시급히 해결해야 할 과제 중 하나는 수확부터 소비자에게 도달하기까지의 과정에서 발생하는 막대한 식품 손실이다. 세계경제포럼(World Economic Forum)에 따르면, 동남아를 포함한 아시아 전역에서는 비효율적인 취급·보관으로 인한 식품 손실이 전체 생산량의 최대 40%에 달한다. 특히 과일·채소 등 신선식품은 적절한 조건에서 보관되지 않으면 부패 위험이 커지기 때문에 더욱
AI 팩토리 전환이 가속화되면서 제조업의 핵심 경쟁력은 더 이상 생산 자동화가 아니라 설비 보전의 지능화로 이동하고 있다. 특히 PLC 제어 프로그램을 자동 해석하고 전체 공정 시퀀스를 AI로 학습하는 기술은 설비 고장의 원인 규명부터 사전 예측까지 이어지는 새로운 제조 혁신의 기반이 되고 있다. 유디엠텍 김남기 팀장은 설비 데이터를 통합 분석하고 알람의 근본 원인을 자동 추적하며, 1~3일 뒤 이상 징후를 예측하는 기술을 공개했다. 이 기술은 자동차·반도체 산업처럼 공정 연계성이 높은 제조 현장에서 기존의 경험 기반 보전 방식이 가진 한계를 극복하고, 생산 안정성·품질 향상·비가동 손실 최소화라는 제조 혁신의 핵심 목표에 직접적으로 기여한다. AI 기반 지능형 보전은 지금 제조업이 직면한 전문 인력 감소와 복잡한 자동화 환경을 극복하기 위해 반드시 필요한 차세대 전략으로 자리 잡고 있다. 자동화의 심장, 보전의 재발견 AI 팩토리 시대라는 거대한 수식이 등장하면서 제조업은 더 빠르고 정교한 자동화를 향해 질주하고 있다. 하지만 이 화려한 진보의 그림자에는 우리가 외면해온 진실이 존재한다. 공장 자동화의 중심에는 언제나 ‘설비 보전’이 있다. 공정이 아무리
설비의 예측 불가능한 고장은 막대한 경제적 손실과 생산 효율 저하를 초래하는 기술적 한계로 작용한다. 이 가운데 기존의 전통적인 유지보수 방식은 점차 한계를 드러내고 있다. 산업 현장에서 설비자산성능관리(APM)는 이제 고장 후 사후 대응에만 집중되지 않는다. 사전에 문제를 예측·대비하는 새로운 패러다임을 노리고 있다. 이처럼 비효율적인 대응 구조를 벗어나고자, 제조업의 미래를 결정지을 인공지능(AI) 기반 자율제조(Autonomous Manufacturing) 시대가 도래했다. 과업별로 모델을 개발해야 했던 머신러닝(Machine Learning)의 부족한 부분을 근본적으로 극복하는 새로운 지향점을 제시하고 있다. 이는 단 하나의 거대 모델로 모든 문제를 해결하는 파운데이션 모델(Foundation Model) 시대로의 전환을 의미한다. 이러한 신규 트렌드는 생산 현장 전체의 운영 및 유지 보수(O&M) 프로세스를 혁신할 구체적인 로드맵으로 기대받고 있다. ‘사후 유지보수’ 시대 저문다...고장 모드를 예측하는 산업 AI의 눈 이러한 배경에서 원프레딕트는 각 산업에 기반을 둔 새로운 접근법을 강조한다. 이 회사는 APM 솔루션을 공급하며 설비의 원초
IO-Link로 공기 흐름·온도 데이터 정밀하게 디지털화 6색 LED 상태 표시로 운영 현장의 직관적 대응 지원 산업 현장의 공기 흐름 관리가 점점 더 정교해지는 가운데, 터크가 IO-Link 기반의 에어 플로우 센서 신제품 ‘FCS-K20’과 ‘FCS-M18’을 공개했다. 이번 신제품은 환기 및 배기 시스템의 공기 흐름과 온도를 디지털로 모니터링해, 기존 아날로그 방식이 가진 한계를 대폭 개선한 것이 특징이다. 특히 산업용 팬, 필터, 공조 설비 등 다양한 설비에서 실시간 데이터 기반의 유지보수가 확산되는 흐름과 맞물려 시장의 주목을 받고 있다. 이번 센서의 가장 큰 변화는 IO-Link 지원이다. 이를 통해 사용자는 별도의 기계적 조정 없이도 손쉽게 파라미터 설정을 수행하고, 온도 정보와 같은 확장된 프로세스 데이터를 추가로 확보할 수 있다. 일단 설치한 후에도 원격 설정 변경이 가능해 접근이 까다로운 덕트 환경에서도 유지보수 효율성이 높아진다. 아날로그 방식 대비 누수나 기계적 노후화 위험이 없는 점도 설비 안정성을 높이는 요소다. 또한 신제품은 Smart Sensor Profile 표준을 지원해 IIoT 환경에서의 호환성과 데이터 활용성을 높였다. 공
ST마이크로일렉트로닉스는 데이터 집약적인 산업용 IoT 애플리케이션을 위해 소형 3-in-1 모션 센서 ‘ISM6HG256X’를 출시하며 엣지 AI 기술 발전을 가속화한다고 밝혔다. 이 고정밀 관성측정장치(IMU)는 저중력(±16g)과 고중력(±256g) 가속도를 동시에 감지하고, 안정적인 고성능 자이로스코프를 단일 소형 패키지에 통합해 미세한 움직임과 진동은 물론 강한 충격까지 놓치지 않고 감지한다. ISM6HG256X는 자산 추적, 작업자 안전 웨어러블, 상태 모니터링, 로보틱스, 공장 자동화, 블랙박스 이벤트 기록 등 산업용 IoT에서 증가하는 고성능 센서 수요에 대응한 제품이다. 듀얼 풀스케일 가속도 센서 통합으로 여러 개의 센서를 사용할 필요가 없어 시스템 설계가 간소화되고 복잡성이 줄어든다. 또한 임베디드 엣지 프로세싱과 자가 구성 기능이 실시간 이벤트 감지 및 상황 적응형 센싱 기능을 지원해 장기간 동작하는 자산 추적 센서 노드, 안전 웨어러블, 공장 자동화 장비에 적합하다. ST의 APMS 그룹 부사장 겸 MEMS 서브그룹 사업본부장인 시모네 페리는 “기존 솔루션은 낮은 가속 범위와 높은 가속 범위를 모두 처리하기 위해 여러 센서가 필요해 시스
상호명(명칭) : ㈜첨단 | 등록번호 : 서울,아54000 | 등록일자 : 2021년 11월 1일 | 제호 : 오토메이션월드 | 발행인 : 이종춘 | 편집인 : 임근난 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2021년 00월00일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 |
사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c)오토메이션월드 all right reserved
UPDATE: 2025년 12월 04일 09시 42분
/pdf.png)
/smartmap_2_01.png)
/smartmap_2_04.png)
/smartmap_2_big_04.jpg)
/smartmap_2_05.png)
/smartmap_2_big_05.jpg)
/smartmap_2_08.png)
/smartmap_2_big_09.jpg)
/smartmap_2_09_2.png)
/smartmap_2_big_10_2.jpg)
/smartmap_2_11_2.png)
/smartmap_2_big_12_2.jpg)
/smartmap_2_02.png)
/smartmap_2_03.png)
/smartmap_2_06.png)
/smartmap_2_big_07.jpg)
/smartmap_2_07.png)
/smartmap_2_big_08.jpg)
/smartmap_2_12.png)
/smartmap_2_big_13.jpg)
/smartmap_2_13.png)
/smartmap_2_big_14.jpg)
/smartmap_2_14.png)
/smartmap_2_big_15.jpg)
/smartmap_2_15.png)
/smartmap_2_big_16.jpg)
/smartmap_2_16.png)
/smartmap_2_big_17.jpg)
/smartmap_2_17_2.png)
/smartmap_2_big_18_2.jpg)
/smartmap_2_18_2.png)
/smartmap_2_big_19_2.jpg)
/smartmap_2_19._2.png)
/smartmap_2_big_20_2.jpg)
/smartmap_2_20.png)
/smartmap_2_big_21.jpg)
/smartmap_2_21.png)
/smartmap_2_22.png)
/smartmap_2_23.png)
/smartmap_2_24.png)
/smartmap_2_25.png)
/smartmap_2_26.png)
/smartmap_2_27.jpg)