한국과학기술원(KAIST) 전기·전자공학부 정재웅 교수와 신소재공학과 스티브 박 교수, 서울대 박성준 교수 공동 연구팀은 온도에 따라 딱딱함과 부드러움을 자유자재로 조절할 수 있는 액체금속 전자잉크를 개발했다고 4일 밝혔다. 연구팀은 기존 딱딱한 전자기기의 한계를 극복하기 위해 체온 근처(29.8도)에서 녹는 액체금속 갈륨에 주목했다. 갈륨은 고체 상태에서는 매우 단단하지만 녹으면 부드러운 액체가 돼 큰 폭의 강성 변화가 가능하다. 다만 물방울처럼 뭉치려는 성질과 액체 상태에서의 불안정성 때문에 정밀한 회로 제작이 어려웠다. 연구팀은 갈륨의 산성도(pH)를 제어해 자유자재로 강성을 조절할 수 있는 기술을 개발했다. 우선 ㎛(마이크로미터·100만분의 1ｍ) 크기의 갈륨 입자를 중성 용매에 고분자와 함께 섞어 전자 잉크를 제작했다. 용매의 중성 상태 덕분에 갈륨 입자가 고분자에 고루 분산돼 안정적으로 잉크가 만들어진다. 회로를 인쇄한 후에는 중성 용매가 가열되는 과정에서 산성 물질을 생성하면서 잉크가 산성화되고, 갈륨 입자 표면의 산화막이 제거되면서 전도성을 띠게 된다. 상온에서 고해상도 인쇄가 가능하면서도, 인쇄를 끝낸 뒤에는 우수한 전기전도성과 가변 강성을
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
올해는 프로그래밍 가능한 하드웨어라는 새로운 개념을 처음 도입한 FPGA(Field-Programmable Gate Array)가 세상에 나온 지 40주년이 되는 해다. ‘소프트웨어처럼 유연한 하드웨어’라는 비전을 품고 탄생한 FPGA는 재프로그래밍이 가능한 구조를 통해 반도체 설계의 패러다임을 바꿨다. 개발자들은 사양이나 요구 사항이 바뀌더라도 칩의 기능을 재정의할 수 있게 되었고, 이는 제품 개발 속도를 높이며 ASIC(Application-Specific Integrated Circuit) 중심이던 시장에 강력한 대안을 제시했다. FPGA는 반도체 산업에 지대한 영향을 미쳤다. 40년간 30억 개 이상의 FPGA와 적응형 SoC(System-on-Chip)를 7,000곳이 넘는 고객사에 공급했으며, 연속 25년 동안 프로그래머블 로직 시장 점유율 1위를 지켜왔다. 이러한 성장세는 FPGA의 유연성과 빠른 제품화 주기에 기반하고 있으며, AMD(구 자일링스)의 기술 리더십이 시장에서 견고한 입지를 구축하는 데 핵심 역할을 해왔다. FPGA는 자일링스(Xilinx, 현재 AMD의 자회사) 공동 창립자인 고(故) 로스 프리먼(Ross Freeman)의 아이디
인하대학교는 이문상·함명관 신소재공학과 교수 연구팀이 2차원 나노 소재인 텔루렌(Tellurene)을 활용해 뉴로모픽 시냅스 기능과 디지털 논리 연산 기능을 단일 소자에서 동시 구현한 초저전력 트랜지스터를 개발했다고 밝혔다. 인하대 이문상·함명관 교수팀은 동국대, 숙명여대와 공동 연구팀을 꾸려 기억하고 학습하는 뉴로모픽 컴퓨팅과 빠른 논리 연산을 수행하는 인메모리 컴퓨팅을 하나의 반도체 소자에서 동시에 구현하는 데 성공했다. 이는 기존 컴퓨터 구조의 한계였던 ‘폰 노이만 병목 현상’을 극복하고, 차세대 인공지능 칩의 핵심 기술로 떠오르는 융합 아키텍처 구현 가능성을 입증했다는 점에서 학계의 이목을 집중시켰다. 이번 연구의 핵심은 뉴로모픽과 인메모리 컴퓨팅이라는 상이한 기능적 패러다임을 물리적 단일 소자에서 융합했다는 점이다. 뉴로모픽 컴퓨팅은 생물학적 뇌 신경망을 모사해 병렬 처리, 적응 학습, 저전력 동작 등에서 강점을 보이는 차세대 컴퓨팅 방식이다. 반면 논리 연산 기반의 인메모리 컴퓨팅은 메모리 내에서 AND, OR, NOT 등의 디지털 연산을 수행해 데이터 이동을 최소화하고 연산 속도와 에너지 효율을 높이는 데 중점을 둔다. 연구팀은 반도체 재료인 텔
기술은 세상을 바꿉니다. 하지만 진짜 변화는 숫자가 아니라 사람과 현장 안에서 일어납니다. [TECH온앤오프]는 기술이 산업 현장에 적용되기 ‘이전’과 ‘이후’를 입체적으로 조명하는 유즈 케이스 기반 스토리텔링 시리즈입니다. 기술 도입 전의 고민과 한계, 도입 과정 그리고 변화 이후의 놀라운 성과까지, 생생한 현장의 이야기를 담아냅니다. 기술이 어떻게 경험을 바꾸고 비즈니스를 성장시키는지를 보여주는 것. 이러한 가치를 TECH온앤오프에 담아봤습니다. [세줄 요약] 1. CCTV 관제 시스템의 한계 – 효율성과 정확성을 갖추기에 어려운 환경 2. 생성형 AI의 지원 - CCTV 영상 속 이상행동 자동 감지 및 사건 상황 요약·보고하는 시스템 구축 3. 관제 효율의 향상 - 긴급 상황 인지와 대응 속도가 빨라져 스마트시티 안전 관리 수준 상승 OFF : 방대한 관제 데이터, 처리는 어떻게? 스마트시티의 ‘눈’인 관제 시스템이 새로운 국면을 맞이하고 있다. 영상 데이터를 축적하고 모니터링하던 시대를 지나, 이제는 생성형 AI를 통해 스스로 사고를 인지하고 상황을 요약·보고하는 차세대 관제 시스템이 등장한 것이다. 기존 관제의 한계는 분명했다. 도시 전역에 설치된
한국화학연구원은 화재 위험이 없는 차세대 무음극 전고체 전지의 수명을 획기적으로 높일 수 있는 기술을 개발했다고 1일 밝혔다. 전고체 전지는 액체 전해질을 쓰는 기존 리튬이온 배터리와 달리 고체 전해질을 사용하기 때문에 온도 변화에 따른 화재 위험이 적으며, 에너지 밀도를 높일 수 있어 차세대 배터리로 주목받고 있다. 통상 양극과 음극, 리튬이온이 이동하는 고체 전해질로 구성되는데 최근에는 음극을 없앤 전고체 전지에 대한 연구가 활발하게 진행되고 있다. 양극과 고체 전해질, 집전체로 된 구조로, 첫 충전 시 양극에서 나온 리튬 이온이 집전체에 달라붙으며 리튬층을 형성해 스스로 음극이 생기도록 하는 방식이다. 일반 전고체 전지보다 부피를 줄일 수 있어 배터리를 소형화할 수 있다. 다만 충전할 때 리튬 이온이 집전체에 달라붙어 얇은 음극을 형성했다가 방전되면 다시 리튬 음극층이 없어지는 과정이 반복되는데, 이때 생성된 음극과 고체 전해질 사이 경계면이 불균일해지며 안정성이 떨어진다는 단점이 있다. 음극 보호막을 만들기 위해 사용하는 은·인듐 등 귀금속은 값이 비싸고 공정이 복잡해 상용화에 한계가 있다. 화학연 안기석·서동범 박사와 충남대 박상백 교수 공동 연구팀
서론 : 하한계치 기술의 산업화 하한계치(near-threshold) CMOS 기술은 반도체 분야에서 이론적으로 큰 잠재력을 가진 기술로 오랫동안 연구돼 왔다. 이 기술은 트랜지스터가 임계치 전압 근처에서 동작하도록 하여 전력 소모를 크게 줄일 수 있는 가능성을 제공한다. 하지만 실제 산업 환경에서 적용하기에는 다이 간 편차, 온도 민감성, 성능 제약 같은 여러 기술적 장벽이 존재했다. 최근에는 이러한 장벽들이 점차 극복되면서 하한계치 기술을 채택한 마이크로컨트롤러가 양산 가능해졌다. STM32U3는 이러한 발전을 반영한 제품으로 0.65V라는 낮은 코어 전압을 구현했다. 초저전력 에너지 소모 및 높은 에너지 효율성 STM32U3은 하한계치(near-threshold) 설계를 적용한 STM32 신제품으로 이전 세대 대비 효율성이 4배 향상되었다. 고객들은 이미 이 새로운 디바이스에 맞춰 시스템을 업데이트했으며, 이는 기기에 쉽게 접근하여 적용할 수 있기 때문이다. 효율성이 증가함에 따라 제조업체들은 배터리를 자주 교체할 필요가 없어 설계 측면에서 비용 효율성과 확장성이 크게 향상된다. STM32U3는 커플링 및 체인링 브리지(CCB)가 처음으로 도입된 제품이
AI는 끊임없이 논쟁을 불러일으키면서 기업과 소비자에게 놀라운 가치를 입증하고 있다. 많은 신기술이 그렇듯 AI에 대한 관심은 막대한 인프라가 필요하고 전력 소모가 많은 대규모 애플리케이션으로 집중되는 경우가 많다. 하지만 AI 사용이 증가함에 따라 대규모 데이터센터의 그리드에 대한 부담이 가중되고 있으며, 집약적 애플리케이션의 지속가능성과 경제성은 대폭 낮아지고 있다. 그 결과, 보다 민첩한 제품 중심의 AI 솔루션에 대한 수요가 급증하고 있다. 엣지 AI는 데이터 처리를 초소형 엣지에서 디바이스에 더 가깝게 (또는 디바이스에 내장된 형태로) 처리하도록 함으로써 이 새로운 트렌드를 이끌고 있다. 즉, 기본 추론 작업을 로컬에서 수행하는 것이다. 데이터센터를 통해 원시 데이터를 클라우드로 전송하지 않기 때문에 산업 및 소비자 애플리케이션에서 AI의 보안이 크게 개선되고 있으며, 클라우드에 비해 훨씬 적은 비용으로 디바이스의 성능과 효율성도 향상시킨다. 하지만 모든 새로운 기회에는 새로운 도전이 따르기 마련이다. 이제 제품 개발자는 엣지의 잠재력을 활용하기 위해 올바른 인프라와 필요한 전문 지식을 구축하는 방안을 고려해야 한다. 로컬 추론의 중요성 한 걸음 물
산업을 움직이는 단어 하나, 그 안에 숨은 거대한 흐름을 짚습니다. ‘키워드픽’은 산업 현장에서 주목받는 핵심 용어를 중심으로, 그 정의와 배경, 기술 흐름, 기업 전략, 시장에 미치는 영향을 차분히 짚어봅니다. 빠르게 변하는 산업 기술의 흐름 속에서, 키워드 하나에 집중해 그 안에 담긴 구조와 방향을 살펴보고자 합니다. 오는 3일, 대한민국 제21대 대통령선거가 치러진다. 그 어느 때보다 큰 관심 속에 치러지는 이번 대선은 단순한 정권 교체 이상의 의미를 지닌다. 급격한 기술 혁신과 글로벌 공급망 재편, 기후 위기 등 복합적 도전에 직면한 상황에서 새로운 국가 전략을 수립해야 하는 분수령이기 때문이다. 특히 인공지능(AI), 로봇, 물류, 재생에너지와 같은 차세대 산업 분야는 향후 대한민국의 성장 엔진을 좌우할 핵심 분야로 꼽힌다. 유권자들의 한 표는 단지 정치 지형을 바꾸는 데 그치지 않고, 대한민국이 다가오는 미래에 어떤 국가 전략으로 대응할 것인지를 결정짓는 중요한 선택이 될 전망이다. 이번 대선에는 총 6명의 후보가 맞붙고 있다. 그중에서도 가장 당선 가능성이 높은 후보는 두 명. 더불어민주당 기호 1번 이재명 후보와 국민의힘 기호 2번 김문수 후보
로봇, 더 이상 SF가 아니다...일상 속으로 [레디액션BOT] 차디찬 강철 덩어리가 스크린 밖으로 튀어나와 당신의 일상을 공유한다면? 더 이상 상상이 아닙니다. 레디액션BOT은 그 질문에 대한 답을 찾기 위해 직접 현장에 뛰어들어, 로봇의 가치를 낱낱이 파헤치는 리얼 다큐멘터리입니다. 데이터와 이론 뒤에 숨겨진 로봇의 진짜 모습. 그리고 로봇 도입 전의 막연한 기대감, 실제 체험 과정에서의 새로운 경험, 로봇이 가져올 미래 청사진까지의 이야기를 생생하게 기록합니다. 단순히 '보는' 것을 넘어, '경험하는' 로봇 프로젝트. 레디액션BOT이 그 생생한 현장을 여러분의 눈앞에 펼쳐 보입니다. BOT's 언박싱 _ 미래 주방의 시작, 에니아이 '뉴 알파 그릴’ 현재 글로벌 외식업계는 심각한 인력난과 높은 고정비로 어려움을 겪고 있다. 이러한 상황 속에서 조리 로봇 스타트업 ‘에니아이’는 로봇 기술을 통한 조리 혁신을 겨냥하고 있다. 사측은 노동 강도 절감, 인건비 부담 완화, 품질 고도화 등을 로봇으로 구현해 사용자와 매장 고객 모두의 만족도를 제고하겠다는 의지를 피력한다. 에니아이의 패티 조리 로봇 최신작, '뉴 알파 그릴(New Alpha Grill)'의 첫인
AI 기술이 제조 현장에 본격적으로 적용되며 품질검사와 설비진단의 방식이 근본적으로 달라지고 있다. 기존의 룰 기반 시스템이 가진 한계를 뛰어넘어 딥러닝과 트랜스포머 기반의 비전 시스템이 빠르게 상용화되고 있으며, 고정밀 진단과 유연한 공정 최적화가 가능해졌다. 특히 한국생산기술연구원의 제조AI연구센터는 의료기기, 자동차 부품, 공정 설비 등 다양한 산업 분야에 AI를 적용한 혁신 사례를 다수 제시하며 주목받고 있다. 이 글에서는 제조업 혁신의 중심에 서 있는 AI 기반 품질검사 및 설비진단 기술을 다각도로 조명한다. AI와 제조업, 새로운 융합의 시대 산업계 전반에서 인공지능(AI) 기술의 적용이 빠르게 확산되고 있는 가운데, 제조업 또한 그 흐름에 본격적으로 편입되고 있다. 과거 자동화와 센서 기반의 제어 시스템에 머물렀던 제조 공정은 이제 AI 기반의 지능형 시스템으로 진화하고 있으며, 이는 단순한 기술 업그레이드를 넘어 전반적인 생산 방식의 패러다임을 바꾸고 있다. 한국생산기술연구원(이하 생기원)은 이러한 변화의 중심에서 제조AI연구센터를 통해 AI의 실질적 적용 가능성과 기술 상용화를 위한 연구에 몰두하고 있다. 생기원이 정의하는 제조AI의 핵심 적
AI가 제조 현장의 판을 바꾸고 있다. 고령화된 숙련 인력과 신입 인력의 부족으로 생산 차질과 품질관리의 어려움을 겪는 제조업계에, 인공지능(AI) 기반 자율제조 솔루션이 새로운 돌파구로 떠오르고 있다. AI는 데이터를 실시간 분석해 최적의 생산 환경을 스스로 구축하고, 미세 결함 감지부터 설비 예지보전, 디지털 트윈 기반 시뮬레이션까지 전 과정을 지능화한다. 정부도 기업당 최대 100억 원을 지원하는 선도 프로젝트를 추진하며 자율제조 확산에 박차를 가하고 있다. ‘K-자율제조’ 시대의 서막이 올랐다. 고질적인 인력 부족은 제조업 현장의 단순한 애로사항을 넘어, 생산성 저하와 경쟁력 약화의 주요 원인으로 작용하고 있다. 숙련공의 고령화와 신규 인력 확보의 어려움은 예측 불가능한 생산 차질과 품질관리의 난항을 심화시키는 양상이다. 이는 기존 생산 방식으로는 급변하는 시장의 요구에 효과적으로 대응하기 어렵다는 현실을 보여준다. 이러한 낡은 제조 현장의 한계를 극복하고 혁신적인 도약을 견인할 핵심 동력으로, 인공지능(AI) 기반 자율제조(Autonomous Manufacturing) 기술이 급부상하는 중이다. 이러한 자율제조 체제는 글로벌 제조업계의 희망으로 낙점
제조업계의 디지털 전환(DX)이 가속화되면서, 단순한 공정 자동화를 넘어 인공지능(AI) 중심의 전환, 즉 AX(AI Transformation)로의 진화가 본격화되고 있다. 과거에는 디지털 트윈(DT)의 실체나 도입 효과에 대한 회의적 시각도 존재했지만, 최근 다양한 기업들이 실제 도입 성과를 통해 그 가능성을 입증하고 있다. 특히 대용량 데이터를 기반으로 실시간 운영과 예측까지 구현하는 DT 기술이 주목받는 가운데, 기존 상용 시스템의 한계를 뛰어넘는 차세대 물류 디지털 트윈 솔루션 ‘PINOKIO’가 새롭게 부상하고 있다. PINOKIO는 시뮬레이션, DT, AI를 통합한 플랫폼으로 제조 현장의 스마트화를 실현하고 있으며, AI 기반 의사결정과 고도화된 시뮬레이션을 통해 AX 시대의 핵심 도구로 자리매김하고 있다. 차세대 물류 DT 플랫폼 ‘PINOKIO’ 차세대 물류 디지털 트윈 솔루션 ‘PINOKIO’는 최신 기술 흐름을 반영해 탄생한 솔루션으로, 기존 상용 시스템의 한계를 극복하고 제조 산업의 스마트화를 가속화하는 데 최적화된 해답을 제시한다. 기술 대전환의 시대에 기존 전통 DX 솔루션 기업들이 3D 모델링과 시뮬레이션 등 가장 낮은 단계의 디지
산업을 움직이는 단어 하나, 그 안에 숨은 거대한 흐름을 짚습니다. ‘키워드픽’은 산업 현장에서 주목받는 핵심 용어를 중심으로, 그 정의와 배경, 기술 흐름, 기업 전략, 시장에 미치는 영향을 차분히 짚어봅니다. 빠르게 변하는 산업 기술의 흐름 속에서, 키워드 하나에 집중해 그 안에 담긴 구조와 방향을 살펴보고자 합니다. AI 기술이 발전하면서 언어 모델의 크기는 기하급수적으로 커지고 있다. 파라미터 수조 개에 달하는 초거대 모델은 정밀한 문장 생성 능력을 보이는 반면, 그만큼 막대한 컴퓨팅 자원과 에너지를 소모한다. 이 문제를 해결하기 위한 대안으로 최근 업계의 이목을 끌고 있는 기술이 있다. 바로 ‘MoE(Mixture of Experts)’ 아키텍처다. 선택적으로 작동하는 전문가 집단의 협업 구조, MoE는 AI 기술의 효율성과 확장성을 동시에 확보할 수 있는 새로운 방향성을 제시하고 있다. MoE는 이름 그대로 여러 명의 ‘전문가(Experts)’가 혼합된 구조다. 모델 전체가 항상 동시에 작동하는 기존 방식과 달리, MoE는 입력 데이터의 특성에 따라 몇몇 전문가만 선택적으로 활성화된다. 이때 어떤 전문가를 사용할지는 ‘게이팅 네트워크(Gating
제조업은 설비 의존도가 높은 산업 구조상, 설비 고장으로 인한 품질 저하나 생산 중단은 치명적인 손실로 이어진다. 이에 따라 실시간 설비 모니터링과 고장 예측 기술인 ‘예지보전’이 주목받고 있다. 하지만 설비 유형과 고장 원인의 다양성, 그리고 도메인 지식의 한계로 인해 예지보전 도입은 쉽지 않다. 이런 현실 속에서 초음파 기반의 AI 예지보전 솔루션을 내세운 모빅랩은 다양한 제조 현장에 적용 가능한 고도화된 설비 관리 기술을 통해 주목받고 있다. 이원근 모빅랩 대표는 “설비 고장이 발생하면 수천만 원에서 수억 원의 손실로 이어지며, 이는 제품 품질뿐 아니라 고객 신뢰까지 흔들 수 있다. 이제는 설비 상태를 ‘예측’하고 ‘선제적으로 대응’하는 것이 기업 경쟁력”이라고 강조했다. 스마트공장 고도화를 위한 예지보전의 기술 동향과 실제 적용 사례를 짚어본다. 제조업에 필요한 설비 예지보전, 왜 지금인가 제조업은 설비 의존도가 절대적인 산업이다. 생산설비의 상태는 곧 제품의 품질과 생산성, 나아가 기업의 수익성과 직결된다. 설비 하나가 멈추거나 품질에 영향을 미칠 정도의 문제가 발생할 경우, 수천만 원에서 수억 원대의 손실이 발생하는 것은 물론이고 고객과의 신뢰에도
상호명(명칭) : (주)첨단 | 등록번호 : 서울,자00420 | 등록일자 : 2013년05월15일 | 제호 :헬로티(helloT) | 발행인 : 이종춘 | 편집인 : 김진희 |
본점 : 서울시 마포구 양화로 127, 3층, 지점 : 경기도 파주시 심학산로 10, 3층 | 발행일자 : 2012년 4월1일 | 청소년보호책임자 : 김유활 | 대표이사 : 이준원 | 사업자등록번호 : 118-81-03520 | 전화 : 02-3142-4151 | 팩스 : 02-338-3453 | 통신판매번호 : 제 2013-서울마포-1032호
copyright(c) HelloT all right reserved
UPDATE: 2025년 06월 24일 13시 39분
