자동차/전자산업을 위한 2024 AI 자율제조혁신 세미나서 3D 프린팅 비전 공개 3D 프린팅은 설계 기반 모델링 소프트웨어를 기반으로 특정 소재(물성)를 적층해 입체적인(3차원) 출력물을 제작하는 기술이다. 프로그램 및 기계가 공정 주체로 활용되기 때문에 제조 자동화를 실현한 기술 중 하나로 알려져 있다. 3D 프린팅은 광경화 수지에 레이저 광선을 쏴 출력물을 적층하는 초기 방식인 SLA(Stereo Lithography Apparatus), 분말 소재와 레이저 광선을 활용한 SLS(Selective Laser Sintering), 가는 형태의 고체 필라멘트를 열로 녹여 노즐을 통해 적층하는 압출 방식인 FDM(Fused Deposition Modeling) 등 다양한 기법이 개발됐다. 앞선 방식을 기반으로 소재·공정 등 일부를 변형해 파생된 형태의 기법도 속속 도출됐다. 이 중 상대적으로 장비 및 소재 가격이 저렴하고, 유지보수가 용이한 FDM 방식을 통해 3D 프린터 대중화의 길이 열리기 시작했다. 특히 일반 사용자를 대상으로 한 오픈소스 기반 3D 프린터의 활용 사례가 점차 증가하면서 제작 시간, 소재, 방식, 출력 결과물 등에 대한 개선 요구사항도
LG유플러스 ‘U+Drive’ 기반 소프트웨어 플랫폼 심어 오비고와 LG유플러스가 협업을 통해 렉서스 첫 전기차 모델 ‘RZ’와 5세대 ‘RX’ 풀체인지 모델에 ‘렉서스 커넥트’ 인포테인먼트 소프트웨어 플랫폼을 탑재했다고 22일 밝혔다. 양사는 RZ 및 RX에 14인치 터치형 디스플레이를 탑재하고, 차량용 앱스토어를 통해 스트리밍 콘텐츠를 제공하는 렉서스 커넥트를 적용했다. 사용자는 디스플레이를 통해 U+모바일·TV·음악·라디오 등 스트리밍 콘텐츠를 경험하게 된다. 황도연 오비고 대표는 “완성차 브랜드와 연계한 차량 내 인포테인먼트 소프트웨어 플랫폼 탑재 사업을 통해 오비고의 성장이 예상된다”며 “앞으로 커넥티드카 서비스 확산 및 생태계 구축에 집중할 것”이라고 말했다. 한편, 렉서스 RZ 450e는 렉서스의 첫 순수 전기차 모델이다. RX는 세 가지 하이브리드 구동계로 세분화한 트림으로 7년 만에 풀체인지한 모델로 기대받고 있다. 양 모델은 이달 출시해 시장 공략에 나섰다. 헬로티 최재규 기자 |
[헬로티] 식음료업계에 가장 중요한 연결성과 유연성 제공 HTML5 인터페이스, zenon 10으로 확장 소프트웨어 전문기업 COPA-DATA(코파데이타)가 더욱 통합적인 소프트웨어 플랫폼의 일체형(all-in-one) 버전, zenon 10의 최신 메이저 릴리스를 공개했다. COPA-DATA은 이번 zenon 10의 발표를 통해 식음료 산업에서 IIoT를 구현하기 위한 통합 소프트웨어 플랫폼을 내놓게 되었다. 식음료업계에서 성공한 많은 기계 제작사들은 기계를 제어하기 위해서 소프트웨어 플랫폼 zenon의 인간공학적 유용성(ergonomic usability)에 의존한다. COPA-DATA 창립자이자 CEO인 토마스 푼젠베르거(Thomas Punzenberger)는 “OT와 IT의 융합을 위한 소프트웨어 플랫폼 zenon 10은 식음료업계에 가장 중요한 연결성과 유연성을 제공하며, 고객은 zenon 10의 연결성 확장으로부터 더 큰 편익을 얻을 것”이라고 말했다. 식음료업계를 위한 ‘zenon 10’ 하이라이트 생산 품질과 유연성이 식음료 부문의 경쟁우위를 결정한다. zenon 10은 여러 수준에서 혁신을 제공하여
[헬로티] eSignature의 GMP 데이터 무결성 개선 제3자 애플리케이션에 대한 안전한 접속 가능 각종 규제와 절대적 데이터 무결성은 생명과학업계의 거대한 도전으로 남아있다. 소프트웨어 전문기업 코파데이타(COPA-DATA)는 제약 산업에서 IIoT 구현을 위한 소프트웨어 플랫폼 ‘메이저 릴리스 zenon 10’을 발표했다. zenon 10(제논 10)은 생명과학업계가 처한 각종 규제와 데이터 무결성을 더욱 간편하게 준수할 수 있도록 한다. OT와 IT의 융합 생산 및 에너지 부문의 자동화와 디지털화는 지난 30년 이상 소프트웨어를 만들어온 COPA-DATA의 DNA가 되어왔다. COPA-DATA 창립자이자 CEO인 Thomas Punzenberger는 “우리는 오늘날 제논을 OT와 IT의 융합으로 본다. zenon 10으로, 우리는 IT에 생산시스템을 도입하기 위한 완벽한 플랫폼을 보유하게 된다, 향후에는 전체 패키지를 풍성하게 할 더 많은 도구와 서비스가 나올 것이다. 그러나 zenon 10은 이미 중요한 모든 블록을 갖추고 있다”라고 말했다. 특히 인체공학적으로 설계된 zenon이 제공하는 사용자 편의성은
[첨단 헬로티] 이번 글은 마지막으로 로봇에서 SW 플랫폼과 인공지능(특히 이 연재들에서는 기계 학습을 의미함) 간의 관계를 살펴보고, 향후 방향에 대해 논의하고자 한다. 첫 연재에서는 일반적으로 인공지능, 데이터, SW 플랫폼에 대한 내용을 설명하였고, 두 번째 연재에서는 SW 플랫폼에 대한 내용, 세 번째 연재에서는 기계 학습과 학습 구조 혹은 데이터와의 관계를 설명하였다. 데이터 학습이 로봇의 기능이다 인공지능과 SW 플랫폼 간의 관계를 이해하기 위해서는 대상 로봇의 기능을 명확하게 할 필요가 있다. 이전의 연재에서도 언급하였지만, 기계 학습 기술은 데이터에 기반을 두고 있다. 즉, 그림 1과 같이 해당 데이터(입력과 출력)의 학습이 로봇의 기능이다. 따라서 데이터를 통하여 학습되지 않은 입력들에 대해 대부분이 정확하게 동작하지 않는 경향이 있다. 이렇게 정확하게 동작하지 않는 경우에 사람이 개입할 경우 사람의 안전에 영향을 줄 수 있다는 것도 큰 문제이다. 즉, 학습되지 않은 것은 처리할 수 없다는 문제이다. 이 내용이 기계 학습의 큰 단점 중의 하나이다. 학습된 결과는 코어에서 수행되는 매개변수 값들로 그 수에 따라 CPU 혹은 GPU에서 수행될 수
[첨단 헬로티] 이번 글에서는 기계 학습과 학습 구조 혹은 데이터와의 관계를 설명하고자 한다. 첫 연재에서는 일반적으로 인공지능, 데이터, SW 플랫폼에 대한 내용을 설명하였고, 두 번째 연재에서는 SW 플랫폼에 대한 내용을 설명했다. 이번에는 기계학습과 빅 데이터와의 관계를 설명하고자 한다. 첫 연재에서 기계 학습의 모형을 다음의 그림 1과 같이 개념적으로 보였고 빅데이터/기계 학습용 데이터와 기계 학습 모델 간의 관계를 그림 2와 같이 보였다. 이번 글에서는 이들을 기준으로 데이터와 기계 학습 모델 간의 연계 관계를 설명한다. 그림 1 기계 학습의 모형 그림 1을 좀 더 살펴보면, 데이터(학습을 위한 입출력 데이터)에 따라 관련 프로그램의 생성이 달라질 수 있다는 것을 유추할 수 있다. 이러한 전형적인 예가 2016년 마이크로소프트(MS)사가 인공지능 채팅 로봇 Tay의 학습 내용과 구글 포토의 잘못된 인식 내용이다[1]. 즉, 일부 사용자들이 Tay의 학습 방식을 이해하여 인종·성 차별적이고 부적절한 메시지를 학습시킨 결과 개발 의도와는 다른 형태의 채팅 로봇이 나오게 되어 Tay의 서비스가 중단하게 되었다. 또한, 구글 포토는 흑인과 관련
SW 플랫폼은 로봇, 자동화기기 혹은 IT 기기에 사용되더라도 문제없이 동작될 수 있도록 설계되고 실제로 동작된다. 단지 차이는 관련 분야의 응용 모듈들이 얼마나 제공되느냐에 달려있다. 이번 글에서는 로봇과 Cyber-Physical System(CPS)에 사용할 수 있는 SW 플랫폼에 대한 이야기를 하고자 한다. 요즈음 이슈가 되고 있는 디지털 트윈은 엄밀하게 보면 CPS의 일부분만을 특화시킨 내용이기 때문에 CPS에 대해 설명을 하면서 디지털 트윈을 이야기 하도록 한다. 참고로 이전 글에서 SW 플랫폼은 미들웨어와 개발도구가 통합된 것으로 언급하였지만, 이번 글에서는 SW 플랫폼은 특별한 언급이 없는 한 ‘미들웨어’ 관점만 고려한다. SW 플랫폼이 같아야 디지털 트윈이 쉬워진다 CPS는 ‘스마트 제조 R&D 중장기 로드맵’[1]에 따르면 다음과 같이 정의된다. “실제 세계에서 동작하는 모든 요소들이 각종 센서, 정보처리장치, 소프트웨어, 사물인터넷 등에 기반한 컴퓨팅 시스템과 상호 유기적으로 연계되어 최적 제어를 가능하게 하는 기술” 즉, 서비스 차원에서는 CPS가 IoT나 빅데이터
현재 인공지능 기술, 특히 기계 학습(machine lear-ning) 기술이 많은 분야에 적용되고 있다. 역시 로봇 분야도 예외가 아니다. 로봇 분야에 다양한 형태로 기계 학습 기술을 포함한 인공 지능 기술이 적용되고 있다. 실제로 국내에서도 로봇 분야에 기계 학습 관련 기술 적용에 대해 많은 연구를 하고 있다. 본 연재에서는 로봇에 적용되는 기계 학습 관련 기술과 기계 학습 기술을 효율적으로 적용할 수 있는 SW 플랫폼 기술에 대해 논의해보고자 한다. 이를 위해 국내외에서 진행하는 딥 러닝 기술과 SW 플랫폼에 대한 문제점을 분석하고 이에 대한 해결방법도 모색해보고자 한다. 이에 따라 각 연재에서는 다음과 같은 주제를 가진다. • 기계 학습, 데이터 및 SW 플랫폼 • SW 플랫폼 • 기계 학습과 학습 구조 • 기계 학습과 SW 플랫폼 ▲ SW 플랫폼의 등장으로 로봇 기술이 전문가들만 참여하는 분야에서 다양한 사업 참여자들이 더욱 쉽게 참여할 수 있는 길이 열리게 되었다. 로봇을 위한 SW 플랫폼 로봇을 위한 SW 플랫폼을 먼저 설명을 한다. 로봇 SW 플랫폼이란 사용자 혹은 개발자들이 로봇 또는 로봇 응용을 쉽게 개발
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 11월 22일 11시 56분
