무연 솔더 환경 신뢰성 중요… 국내 업계 2016년 ROHS 의무화 최근 자동차 사고가 증가하고 있어 자동차 전장품 무연 솔더의 신뢰성이 중요해지고 있다. 여기서는 무연 솔더에 대한 신뢰성 평가 및 동향과 전장품 PCB Board에 대한 실험 결과 등에 대해 아프로 R&D 김형태 박사가 발표한 내용을 정리한다. ▲ 발표자 : 아프로 R&D 김형태 박사 RoHS 규제 법안은 EU에서 발표한 특정 위험물질 사용 제한 지침으로, 2006년 7월부터 모든 전기·전자 제품 유해물질의 사용을 금지하는 법안이다. 때문에 전기·전자제품 산업계에서는 Sn, Pb 솔더에서 Pb Free 솔더로의 전환이 요구되고 있는데, 이러한 무연 솔더로의 전환 과정에서 안정화를 구축하기 위해 수많은 테스트를 실시하고 있다. 하지만 의료, 군수 및 자동차 산업의 경우, EU RoHS 방침에서 제외 대상으로 분류돼 신뢰성을 확보하지 못한 상태이다. 자동차 전장품에서 무연 솔더 신뢰성 규격의 요구 조건을 보면, 솔더 및 전장품에 사용되는 모든 부품과 부품의 도금 재료는 납 함유량이 0.09wt% (900ppm) 이하여야 하며, 관련 규격은 표
배터리 꾸준한 소형화 추세… 휴대전화 탑재 부품 39% 증가 스마트폰은 점차 소형화되고 다기능화되고 있다. 이는 휴대전화에 탑재되는 부품의 소형화를 유도하고 있다. 이와 관련, KAMP 국제 심포지움에서 LG전자 김현동 부장이 휴대전화에 적용되는 초고밀도 실장기술 동향에 대해 발표한 내용을 요약한다. ▲ 발표자 : LG전자 김현동 부장 스마트폰은 LTE 폰으로 발전하면서 점차 다기능화되고 있다. 휴대전화 내에 많은 기능을 구현하면서 탑재되는 칩 부품의 실장 수가 증가하고 있다. 2013년과 2014년의 휴대전화를 비교해 보면, LCD 사이즈는 6% 증가했고, 배터리 용량은 18% 증가했다. 부품 수는 930개에서 1280개로 38% 증가했다. 휴대전화 메인 보드는 그림 1와 같이 구성된다. Wifi 센서, AP, 메모리, 모뎀 등 다양한 부품이 탑재되며, 휴대전화의 다기능화에 따라 IC 계열의 부품이 점차 증가하고 있다. ▲ 그림 1. 휴대전화 메인 보드 구성 디자인 측면에서 시장의 니즈는 배터리 용량을 확보하기 위해 부품 수는 늘리되 PCB 사이즈를 줄이는 것이라고 할 수 있다. 배터리 사이즈가 늘어나면 회로 Area가 줄어들어야 하기 때문이다
SMT 생산 공정 혁신…가상 물리 시스템 통해 이뤄야 Industry 4.0은 독일 정부에서 추진하고 있는 사업으로, 스마트 팩토리를 그 핵심 내용으로 한다. 여기서는 2015년 KAMP 춘계 국제 심포지움에서 ASM Assmbly systems Pte LTD Singapore의 Mr. Robert Huber가 발표한 내용을 중심으로 Industry 4.0의 정의와 과제, 그리고 SMT 생산에서의 Industry 4.0에 대해 알아본다. ▲발표자 : ASM Assmbly systems Robert Huber Industry 4.0은 독일 정부가 추진하는 것으로, 가상 물리 시스템을 기반으로 유연하고 효율적인 생산 체계를 구축하는 것을 목표로 한다. 수력 및 증기 기관 등의 기계식 생산 설비 기반의 1차 산업혁명, 컨베이어벨트 등 전기 동력에 의한 대량 생산 체계를 갖춘 2차 산업혁명, 전자기술과 IT를 통한 자동화로의 진화를 이룬 3차 산업혁명을 거쳐 4차 산업혁명으로의 도약을 꿈꾸는 것이다. Industry 4.0에 영향을 끼치는 주요 요인들을 살펴보면 전체적인 흐름을 알 수 있다. 가장 중요한 것은 고객의 요구 사항이다. 고객이 안전규격이나
3D 프린팅은 제품 공정의 편리함을 기반으로 다양한 산업 분야에 적용되고 있다. 이와 관련, 인터몰드 코리아 2015에서 개최된 3D 프린팅 세미나에서 프로토텍의 조성근 이사가 3D 프린팅의 산업별, 특히 금형 분야에서의 적용 사례에 대해 발표한 내용을 정리한다. 3D 프린팅이란 3D로 설계 또는 스캐닝된 3D 도면 정보를 입력하고, 적층식 제조 방식을 이용해 입체적인 형태로 출력하는 프린팅 기술을 뜻한다. 3D 프린팅은 플라스틱, 수지, 석재, 금속 등 다양한 소재를 사용한다. 대중적으로는 3D 프린터라는 용어가 가장 많이 사용되지만, 3D 프린터는 RP 또는 AM이라고도 불린다. RP(Rapid Prototyping)는 디자인이나 기능성을 검토하기 위한 시제품 제작을 중심으로 한 개념이다. 이와 다르게 최근 등장한 AM(Additive Manufacturing)은 실제 사용 가능한 제품을 바로 제조하는 개념으로, ASTM(미국재료시험학회)과 ISO의 공식 명칭이다. 3D 프린터의 특징 3D 프린터는 크게 4가지의 장점을 가지고 있다(그림 1). ▲ 그림 1. 3D 프린터의 장점 첫 번째는 단 시간 내에 제품 출력이 가능하다는 것이다. 출력뿐 아니라 테스트
GPGPU(General-Purpose computing on Graphics Processing Units)는 프로세서가 부담을 갖는 작업을 대신 처리해 시스템 효율을 높일 수 있다. 머신비전에서 GPGPU를 활용한 효율적 프로세싱 방안에 대해 앤비전의 성용원 차장이 발표한 내용을 요약했다. CPU를 이용한 프로세스는 CPU의 속도(Clock)에 의존하기 때문에 알고리즘에 한계를 지니게 된다. 또한 CPU 코어가 멀티코어로 진화하고는 있지만 CPU의 설계 특성상 복잡한 기능을 위해 병렬화가 제한돼 대용량 I/O(Input/Output)가 필요한 요소를 저해하고 있다. 마지막으로 검출 시 발생하는 노이즈 등을 제거하기 위해 검출력을 높일 수 있는 고난이도의 알고리즘을 사용하지만 실제로 적용되기는 어려운 것이 현실이다. 이미 2005년 듀얼코어가 등장하면서 CPU 프로세스의 한계를 인식하게 됐다. 이를 해결하기 위해 여러 개선책들이 등장하고 있지만 현실적인 저해 요소들이 존재한다. GPGPU는 게임용 프로세서를 범용 프로세서로 발전시킨 것으로 GPGP 또는 GP2라고도 불린다. 컴퓨터 그래픽스를 위한 계산만 다루는 GPU를 사용해 CPU가 전통적으로 취급했던
2000년대 중반까지만 해도 머신비전 시스템의 영상처리부는 DSP 보드와 같은 전용보드가 주를 이뤘다. 이후 멀티 코어(Multi-core) CPU의 발달 등으로 DSP 기반의 영상처리 전용보드가 병렬처리 가능한 GPU와 CPU 기반의 일반 컴퓨터 시스템으로 대체되고 있는 추세다. 인하대학교 김학일 교수가 발표한 병렬영상처리 기반 고속 머신비전 기술을 정리했다. 최근의 머신비전 기술은 고정밀성, 다양성, 지능화로 특성화되고 있다. 이 세가지를 요구하는 머신비전 기술의 애플리케이션 요구 사항(Application-demand)과 Multi-core CPU, GPGPU 및 컴퓨터 비전 알고리즘 발전에 따른 기술 방향(Technology-push)이 맞물려 병렬영상처리 기반의 고속 머신비전 기술이 도래하게 됐다. OpenCL 프로그래밍 적극 도입 일반적인 병렬처리는 다수의 독립된 컴퓨터 시스템들이 네트워크로 연결돼 동일한 목적의 연산을 나누어 처리하는 분산 시스템(Distributed system) 방식도 있지만, 머신비전 분야의 상용화된 병렬영상처리 시스템은 단일 시스템 내에서 다수의 thread(하나의 CPU에서 여러 프로세서를 처리)를 동시에 수행할 수 있
적외선이란 전자기 스펙트럼의 일종으로, 눈에 보이지 않는 열복사 에너지파를 총칭한다. 그중 740 나노미터(nm) 가시광선의 적색 바깥쪽 짧은 파장 영역의 빛을 근적외선이라 한다. 이러한 근적외선을 활용하는 카메라에 대해 앤아이피 박수열 과장이 발표한 내용을 정리한다. 지금까지 열 방출에 의한 인간의 활동을 감지하기 위해 LWIR(원적외선), MWIR(중간 적외선) 센서 열상 카메라가 사용됐다. 또한, 기존 가시광 이상의 영역에 대한 실체 영상 검출을 위해 저조도 CCD 카메라, 저온 냉각 기능을 적용한 카메라 등이 활용됐다. 그러나 이 카메라들의 부족함이 발견되면서 근적외선(SWIR) 카메라의 필요성이 대두되기 시작했다. 근적외선은 가시광과는 달리 사람의 눈으로 감지할 수 없지만, 반사, 명암, 그림자, 투과 등에서 가시광 파장에 가까운 빛 특성을 보인다. 하지만 가시광과는 달리 실리콘과 플라스틱을 투과하며, 색상은 표현하지 못하고 명암만을 표현한다. InGaAs는 3족 원소인 인디움(In), 갈륨(Ga)과 5족 원소인 아세나이트(As) 등의 복합 화합물 반도체로, 근적외선에 특화된 소자다. InGaAs는 밴드갭 범위가 직접적이고, 광자 효율이 우수하다.
최근 머신비전 시장은 실시간 고속 애플리케이션을 위한 수요가 계속 증가하고 있고 고속 처리를 위해 실시간 FPGA pre-processing 방식 등이 많이 사용되고 있다. PC 기반 내에서의 처리가 이미 한계에 도달한 상태에서 ‘VisualApplets’은 이런 요구에 대응할 수 있는 하나의 솔루션으로 활용이 가능한 제품이다. 다트비전 김상래 부장이 소개한 ‘VisualApplets’ 제품을 살펴본다. FPGA(Field Programmable Gate Array)는 비메모리 반도체의 일종이며, 회로변경이 가능해 사용자가 직접 프로그램을 썼다, 지웠다를 반복 할 수 있다. 현재 머신비전에서 다양하게 활용 중이고 카메라에도 기본 탑재돼 있다. 실시간 고속 애플리케이션을 위해서는 FPGA가 필수다. 이미지 프로세싱에서 FPGA를 사용하는 목적은 CPU의 Charging(충전)없이 연속적인 연산을 수행 할 수 있으며 또한, 실시간 처리 구현이 가능하기 때문이다. 손쉬운 FPGA 프로그래밍 및 결과 확인 VisualApplets은 기존 VHDL(디지털 회로 및 혼합 신호를 표현하는 하드웨어 기술 언어) 또는 베릴로그(전자 회로 및 시스템에 사용되는 하드웨어 기술
적외선이란 전자기 스펙트럼의 일종으로, 눈에 보이지 않는 열복사 에너지파를 총칭한다. 그 중 740㎛ 가시광선의 적색·바깥쪽 짧은 파장 영역의 빛을 근적외선이라 한다. 여기서는 이러한 근적외선을 활용하는 카메라에 대해 앤아이피 박수열 과장이 발표한 내용을 정리한다. 지금까지 열 방출에 의한 인간의 활동을 감지하기 위해 LWIR(원적외선), MWIR(중간 적외선) 센서 열상 카메라를 사용해 왔다. 또한, 기존 가시광 이상의 영역에 대한 실체 영상 검출을 위해 저조도 CCD 카메라, Back Illumination CCD 카메라, 저온 냉각 기능을 적용한 카메라 등이 활용됐다. 그러나 이러한 과정에서 부족함이 발견됐고, 근적외선(SWIR) 카메라의 필요성이 대두되기 시작했다. InGaAs란 무엇인가 InGaAs는 3족원소인 인디움(In), 갈륨(Ga)과 5족원소인 아세나이트(비소, As) 등의 복합 화합물 반도체로, 근적외선에 특화된 소자다. InGaAs는 밴드갭 범위가 직접적이고, 광자 효율이 우수하다. 냉각이 필요한 HgCdTe(수은, 카드늄, 텔루라이드)와는 달리 비냉각 혹은 최소냉각이 가능하기 때문에 합리적인 가격 형성이 가능하다. InGaAs의 내부에는
GPGPU는 프로세서가 부담을 갖는 작업을 대신 처리함으로써 시스템의 효율을 높일 수 있다. 여기서는 머신비전에서 GPGPU를 활용한 효율적 프로세싱 방안에 대해 앤비전의 성용원 차장이 발표한 내용을 요약했다. CPU를 이용한 프로세스는 CPU의 속도(Clock)에 의존하기 때문에 알고리즘에 한계를 지니게 된다. 또한 CPU 코어가 멀티코어로 진화하고는 있지만 CPU의 설계 특성상 복잡한 기능을 위해 병렬화가 제한돼 대용량 IO가 필요한 요소를 저해하고 있다. 마지막으로 검출 시 발생하는 노이즈 등을 제거하기 위해 검출력을 높일 수 있는 고난이도의 알고리즘을 사용하지만 실제로 적용되기는 어려운 것이 현실이다. GPGPU란? GPGPU(General-Purpose computing on Graphics Processing Units)는 게임용 프로세서를 범용 프로세서로 발전시킨 것으로 GPGP 또는 GP2라고도 불리며, 컴퓨터 그래픽스를 위한 계산만 다루는 GPU를 사용해 CPU가 전통적으로 취급했던 응용 프로그램들의 계산을 수행하는 기술이다. 케플러의 ‘TITAN Z’는 5,760개의 프로세서를 장착했으며 8테라플롭의 처리 성능을 보이는 제품이다(그림 1).
2000년대 중반까지도 머신비전 시스템의 영상처리부는 DSP 보드와 같은 전용보드가 주를 이뤘으나, GPGPU 보드와 멀티 코어 CPU의 발달, CUDA 프로그래밍 기술의 도입으로 DSP 기반의 영상처리 전용보드가 병렬처리 가능한 GPU와 CPU 기반의 일반 컴퓨터 시스템으로 대체되고 있는 추세다. 이와 관련, 인하대학교 김학일 교수가 발표한 내용을 정리했다. 최근의 머신비전 기술은 고정밀성, 다양성, 지능화로 특성화되고 있다. 고정밀성은 영상 센서 기술의 발달에 따라, 영상 화소의 공간해상도가 수 마이크로미터(μm)에서 서브 마이크로미터로 더욱 정밀해지고 있음을 의미한다. 그 결과, 동일한 물체에 대한 영상 데이터의 크기가 해상도 증가율의 제곱으로 증가하게 됐다. 다양성은 기존의 그레이 영상 이외에 컬러 영상, 적외선, X-선, 3차원 영상 등 다양한 광센서의 도입을 의미한다. 이 역시 적용되는 센서의 개수에 비례해 영상 데이터의 증가를 초래한다. 지능화는 다양한 환경 변화에 적응적인 영상처리 알고리즘들의 발전을 말한다. 일반적으로 더욱 많은 계산량을 포함한다. 즉, 영상 센서의 고정밀성, 다양성 등과 함께, 영상처리 알고리즘의 지능화는 방대한 크기의 영상
최근 머신비전 시장에서 실시간 고속 애플리케이션을 위한 수요가 계속 증가하고 있다. ‘VisualApplets’은 이런 요구에 대응할 수 있는 솔루션으로서의 활용이 가능한 제품이다. 이에 대해 김상래 다트비전 기술연구소 부장이 발표한 내용을 요약·정리한다. FPGA(Field Programmable Gate Array)는 비메모리 반도체의 일종이며, 회로변경이 가능해 사용자가 직접 프로그램을 썼다, 지웠다를 반복할 수 있다. 현재 머신비전에서 다양하게 활용 중이고 카메라에도 기본 탑재돼 있다. 실시간 고속 애플리케이션을 위해서는 FPGA가 필수다. 이미지 프로세싱에서 FPGA를 사용하는 목적은 CPU의 Charging(충전) 없이 연속적인 연산을 수행할 수 있으며, 실시간 처리 구현이 가능하기 때문이다. 손쉬운 FPGA 프로그래밍 및 결과 확인 VisualApplets은 기존 VHDL(디지털 회로 및 혼합 신호를 표현하는 하드웨어 기술 언어) 또는 베릴로그(전자 회로 및 시스템에 사용되는 하드웨어 기술 언어)를 기반으로 하는 프로그래밍 방식이 아닌, 차세대 FPGA 프로그래밍 소프트웨어라 할 수 있는 고급 이미지 프로세싱 라이브러리와 하이레벨 디자인 엔트리,
머신비전은 과거의 단순한 생산품 불량 유무 판별에서 이미지 DB를 정보화하며 생산량까지 결정하는 단계로 발전했다. 반도체 후공정에서의 머신비전 트렌드와 요구 기술은 무엇인지, 삼성전자 송근호 수석연구원이 머신비전 세미나에서 발표한 내용을 정리했다. 머신비전 시스템은 반도체 제조에서 품질과 신뢰성 향상을 위한 필수 요소이다. 과거에는 반도체 생산품 불량 유무를 사람이 판별했다. 그러나 최근 공장자동화와 미세화로 인해 사람의 육안으로 검사하는 것에 한계가 생겼다. 검사의 신뢰성 문제, 사람 간 오차 문제, 실시간 검사·전수검사 불가능 등 여러 가지 복합적인 한계 때문에 머신비전이 아니면 반도체를 제조할 수 없게 됐다. 반도체에서의 머신비전 머신비전은 반도체 기술과 함께 계속 발전하고 있다. 현재는 비전 시스템의 고속 식별, 완벽한 검사, 정보화, 네트워크화, 지능화가 요구되고 있으며, 특히 이미지 DB를 어떻게 판단하고 전략적인 관점에서 활용할 수 있을 것인지에 대한 연구가 활발히 진행되고 있다. 반도체 제조를 위한 머신비전은 하드웨어와 소프트웨어 측면에서 초정밀, 초고속으로 진화를 거듭하고 있다. 과거에는 성능이 200μm와 100ms였던 것이 현재는 10μm
딥러닝은 컴퓨터 인공지능 학습법 중의 하나이다. 최근 딥러닝과 관련, 컴퓨터가 알아들을 수 있는 형태로 표현하고 이를 학습에 적용하기 위해 많은 연구가 진행되고 있다. 딥러닝 기술이 어디까지 왔는지, KAIST 김준모 교수가 발표한 내용을 정리했다. 딥러닝이란 무엇인가? 딥러닝이란 딥 네트워크(딥 뉴럴 네트워크)를 트레이닝해서 어떤 일을 하는 절차를 뜻한다. 여기서 딥 네트워크(Deep Network)란 인풋과 아웃풋 사이에 숨어 있는 히든 레이어가 2개인 것을 말하며, 히든 레이어가 없거나 1개면 쉘로우 네트워크(Shallow Network)라고 한다. 뉴럴 네트워크의 역사를 보면, 1세대(1958년~)는 퍼셉트론(Perceptron) 방식이었고, 2세대(1986년~)는 멀티레이어 퍼셉트론 방식이었다. 이때는 정답이 틀린 에러를 역전파함으로써 뉴럴 네트워크를 훈련시키는 기술이었다. 즉, 쉘로우 네트워크를 사용하고 있었다. 20년이 지나서야 3세대(2006년~) 딥러닝이 나왔다. 힐튼 교수에 의해 소개된 딥 빌리프네츠(Deep Belief Nets)였다. 그 후 1989년에 얀 리쿤과 그의 동료들은 오류역전파 알고리즘에 기반해, 우편물에 손으로 쓰인 우편번호
사물인터넷 관련 정책동향과 국·내외 글로벌 기업의 사업동향 정보공유, 사물인터넷 기업간 네트워킹 등에 대한 국제컨퍼런스가 이번 사물인터넷 진흥주간 기간 동안 열렸다. 윤한성 스트라코프 대표가 발표한 사물인터넷 시장 개발 전략에 따른 국내 기업들의 시장 진출에 대한 전략을 알아본다. 사물인터넷의 시장과 이에 따른 기업의 진출 전략은 ‘사물인터넷’을 기술이냐, 사업이냐, 마케팅이냐 등 다양한 관점과 접근으로 볼 수 있는 것처럼, 이 역시 다양한 관점과 접근으로 도식화할 수 있다. 그러나 분명한 것은 ‘시장’이란 공급과 수요가 만나는 지점으로 이는 공급이 수요를 창출한다는 market-driving과 그 반대인 market-driven으로 설명할 수 있다. 그러면 사물인터넷 시장은 어디에서 시작해야 할까? 모든 시장이 그러하듯 사물인터넷 역시 두 시장의 속성을 갖고 있음에도 불구하고 앞으로 최소한 3년 간, 즉 2017년까지는 market-driving의 속성이 강하며 그 이후 가파른 속도로 market-driven화 될 것으로 전망된다. 이는 RFID/USN 등이 공급에서 수요를 창출한 것에서 끝난 10여 년 전과는 달리 스마트폰이 보급되며 빅데이터의 각종 기법
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 14일 00시 03분
