알츠하이머형 치매의 경우 치료약 개발이 어렵기 때문에 조기에 경도 인지 장애의 진행을 억제하기 위한 약물요법의 개발이 추진되고 있다. 그러나 실제로는 뇌 속 단백질의 일종인 베타아밀로이드의 축적이나 신경원섬유 변화는 치매가 발증하는 20년 이상 전부터 진행되고 있으며, 증상이 나타나기까지 상당한 시간이 소요되기 때문에 치료에 개입할 수 없는 기간이 존재한다. 또한, 초고령화 사회를 맞이한 일본에서는 의료·간병 등의 사회보장비가 큰 과제가 되고 있으므로 예지의학이나 예방의료를 통해 건강수명을 연장하고 평균수명과의 차이를 단축할 필요가 있다. 이 글에서는 그 해결책의 하나로 추진되고 있는 셀프 메디케이션에 대해 개인의 라이프스타일에 맞는 셀프케어와 최적의 셀프 메디케이션을 실현하기 위한 시점을 제공하고자 한다. 셀프 메디케이션의 동향 1998년의 WHO 보고서에서는 셀프케어란 “의료 이용 여부와 관계없이 건강을 증진하고 질병의 예방, 건강 유지, 질병이나 장애에 대응하는 개인, 가족, 커뮤니티의 힘을 돕는 것(원문 : Self-care is what people do for themselves to establish and maintain health, prev
스마트 물류를 위해서는 장애가 발생했을 때 실시간 모니터링을 통해 효과적인 초기 대응을 할 수 있어야 한다. 그러기 위해서는 복제된 패킷에 대한 고성능 심층 패킷 분석 기술이 요구된다. 즉, 네트워크 수준에서의 성능과 보안적 측면에서의 장애 감지 기능을 제공하고 IT 장애(성능/보안)에 대한 효과적인 초기 대응이 가능해야 한다. 그렇다면 스마트물류 시스템은 어떻게 구성해야 할 것인가? 이에 대한 솔루션으로 맥데이타의 스마트물류 장애 모니터링을 소개한다. 맥데이타는 IT 비즈니스 구성 요소에 대한 효과적인 장애 모니터링 솔루션을 개발하는 회사다. 5G 망, 스마트시티, 스마트팩토리 등 다양한 곳에서 맥데이타 제품을 적용하거 도입, 컨소시엄을 진행하고 있다. 국내 다양한 모니터링 관련 특허 30여 가지를 보유하고 있다. 2017년에 시작해 2018년 퀄컴과 IoT 스마트시티 파트너십을 체결해 국내 퀄컴 파트너 중 하나며, 다양한 세미나를 퀄컴과 같이 진행하고 있다. 2020년부터는 5G 보안 포럼 창립 멤버로 활동하고 있다. 제안 배경 스마트물류 시스템이 다양하게 발전하면서 지능형 통합 플랫폼이 갖춰지고 있다. 운송, 보관, 하역, 포장 등 물류 전 분야에 걸쳐
코로나19 등의 상황으로 이커머스가 활성화되며 라스트마일 시장도 급격하게 커지고 있다. 새벽배송, 당일배송 등 빠른 배송에 초점을 뒀던 라스트마일 서비스는 한 단계 더 나아가 고객 중심의 ‘유연한 배송’으로 초점을 맞추고 있다. 더 편리하고 효율적인 유연한 배송을 위해선 그에 걸맞은 기술이 필요하다. 라스트마일 배송을 위한 위밋 모빌리티의 ‘ROOUTY(루티)’ 라우티 기술이 그중 하나의 사례이다. 위밋 모빌리티는 초기 We meet place라는 친구들 간의 약속 장소를 정하는 B2C 서비스로 시작했다. 거리가 기준이 아닌 이용자들의 시간 순으로 중간 위치를 잡는 서비스였다. 이 서비스의 핵심기술은 위밋 모빌리티가 자체 개발한 ‘등시선 알고리즘’이다. 등시선 알고리즘은 교통 정보를 이용해 거리가 아닌 이동시간으로 서로 공평하게 만날 수 있는 중간 위치를 찾아준다. 아주 빠르게 다양한 포인트에서 쉽게, 도달할 수 있는 위치를 계산해낼 수 있다. 이런 알고리즘 기술, 교통정보 맵을 이용하면 새로운 B2B 서비스를 창출할 수 있겠다는 생각에 ROOUTY(루티)라는 기업용 SaaS 제품을 선보이게 됐다. 라스트마일이란? 배송에는 운송 구간에 따라서 퍼스트 마일,
디지털 트윈의 사전적 의미는 스마트 산업 전반에 걸쳐 통상적으로 사용되고 있지만 제조 산업에 적용한 사례는 조금은 다른 접근 방법이 필요하다. 제조 산업에서의 디지털 트윈의 역할은 크게 두 가지로 분류해 볼 수 있다. 첫 번째는 현장과의 실시간 데이터 연동을 통한 모니터링의 역할, 두 번째는 미래 예측 및 조기 대처를 통해 제조 생산·운영을 최적화하는 역할이다. 두 번째 역할은 다시 목적에 따라, 주기적인 시뮬레이션을 이용하여 미래 예측 및 조기 대처를 통한 제조 생산·운영의 최적화, 이상 상황에 대한 빅데이터를 수집하여 다양한 AI로직을 적용한 생산·운영의 최적화로 분류할 수 있다. 생산·운영의 최적화를 달성하기 위해 많은 기업들은 하나의 통합된 환경이 아닌 각각 다른 솔루션을 활용한 것이 대부분이며, 실제 현장과의 정합성이 다른 결과를 초래하기 때문에 진정한 의미의 최적화를 달성하기 어려운 실정이다. CARLO는 제조 생산·운영의 최적화를 달성하기 위해 통합된 환경에서 디지털 트윈을 쉽게 구축할 수 있는 PINOKIO 솔루션을 소개하고자 한다. 대용량 데이터 처리 및 실시간 모니터링 시스템 : PINOKIO 실시간 모니터링의 목적은 현장 상황을 보다 신속
사람은 ‘눈이 아니라 뇌로 본다’는 말이 있다. 우리의 뇌는 시각·청각·촉각·미각·후각 등 감각 기관에서 들어온 정보를 뇌에서 해석하여 세상을 이해한다. 특히 우리 뇌의 상당부분은 감각기관을 통해서 획득하는 정보의 80% 이상을 차지하는 시각 정보를 해석하는데 사용된다. 그래서 우리가 매일 인지하는 세계는 시각 정보가 ‘모사’된 세계가 아니라 우리 뇌가 ‘해석’한 세계이다. 로봇도 마찬가지이다. 특히 스마트 팩토리에서 다양한 작업물을 다루어야 하는 로봇이 주변 환경과 사물을 스스로 인식할 수 있는 ‘시각 지능’을 갖추어야 하며 이를 ‘로봇 비전’ 기술이라고 한다. ‘로봇 비전’은 사람의 ‘눈’에 해당하는 하드웨어인 ‘카메라’ 기술과 카메라로 들어온 시각 정보를 해석하는 ‘비전 소프트웨어’ 기술로 나눌 수 있다. 이번 편에서는 ‘카메라’의 핵심 원리와 작동 방식 및 종류에 대해 먼저 알아보고 다음 편에서는 로봇 전용 비전 소프트웨어에 대해 기술하려고 한다. 카메라의 핵심 원리 ‘로봇 비전’에서 사용하는 카메라는 크게 2D와 3D로 나눌 수 있다. 2D 카메라는 우리가 일반적으로 사용하는 핸드폰 카메라나 웹카메라 등과 같이 촬영한 3D 공간상의 피사체를 2D 평
타겟 마크 3D 기능으로 단 몇 번의 클릭만으로 로봇 시스템 제어 독일계 자동화 솔루션 기업 센소파트가 머신비전 카메라 'VISOR Robotic'을 소개했다. 머신비전 VISOR Robotic은 산업 현장에서 정확한 작업을 위해 로봇의 ‘눈’의 역할을 하는 머신비전 카메라로, 최근 자동차와 전자 산업에서 활발히 사용되고 있다. 센소파트에 따르면, 최근 독일 유명 자동차 기업은 차체 공정에 VISOR Robotic을 적용했으며 품질과 공정 효율성을 크게 향상시켜 세계적으로 자동차 업계의 주목을 받고 있다. 머신비전 카메라 VISOR Robotic에는 '타겟 마크 3D(Target Mark 3D)'가 탑재됐다. 이 기능을 통해 단 몇 번의 클릭만으로 로봇 시스템을 제어할 수 있어, 핸들링 및 조립을 위한 공간 인식이 용이하다. 제조 라인에서 스크류 드라이버가 지정된 위치가 아닌 작업대 임의에 곳에 위치하는 경우, 로봇은 캐리어의 부정확한 피딩(feeding)이나 모바일 로봇의 부정확한 도킹과 같이 작업 위치에서 오프셋이 발생할 수 있어, 프로세스가 불안정해진다는 문제가 있다. 이전에는 이러한 문제를 해결하기 위해 복잡한 재프로그래밍이 필요했지만, 센소파트가 제
스마트 제조, 스마트 팩토리는 제조업에 생산성과 효율성을 높여준다. 특히 4차 산업혁명 시대, 디지털 전환을 통한 스마트 팩토리로는 미룰 수 없는 과업이다. 빅데이터, 클라우드, 인공지능과 같은 첨단 기술과의 접목으로 비즈니스 혁신이 가속화되고 있는데, 제조 기업을 위한 디지털 제조 혁신 방법은 무엇이 있을까? 제조 기업을 위한 디지털 제조 혁신 세미나에서 인타운 이용은 박사의 발표 내용을 정리했다. 4차 산업혁명은 시작됐는가? 사람과 환경, 기계가 연결되며 지식 정보의 바다로 일컬었던 3차 산업혁명의 시대가 끝났는지에 대해 학자들의 의견이 분분하다. 4차 산업혁명이라는 단어를 처음 언급한 세계경제포럼 클라우스 슈밥은 “4차 산업혁명은 이미 시작됐고, 그 범위 복잡성을 고려할 때 과거 인류가 겪었던 그 무엇과도 다르다”고 말한 반면, 경제학자 제레미 리프킨은 “4차 산업혁명은 아직 도래하지 않았으며, 3차 산업혁명의 연장일 뿐”이라 말했다. 4차 산업혁명 시대에 대한 학자의 의견이 분분한 가운데 확실한 점은 빅데이터, AI, IoT, CPS 등 첨단 기술과의 접목으로 기존과 전혀 다른 현장으로 변하고 있다는 것이다. 산업혁명의 개요 18세기 후반 증기기관의
조선업계는 업황의 개선에도 기술자의 리턴이 거의 없어 외국인 노동자로 채울 수밖에 없는 큰 어려움을 겪고 있다. 조선3사의 경우 이러한 인력난을 타개하기 위해 최근 무인자율운향, 스마트조선소를 추진하고 있다. 특히, 많은 용접 작업이 수행되는 공정 특성상 용접용 로봇 자동화 대한 필요성은 점점 부각되고 있다. 따라서 대조립, 중조립, 소조립 공정을 중심으로 용접로봇의 설치 및 운영에 대한 연구가 활발히 진행되고 있다. 조선 분야 제조혁신을 위한 최근 연구사례와 로봇 적용사례에 대해, 한국조선해양미래기술연구원 윤대규 전문위원이 제조혁신 세미나에서 발표한 내용을 정리했다. 지금 조선산업은 우리나라 조선업계는 올해 수주 목표를 조기에 달성할 정도로 호황기이다. 발주 시장이 활기를 띠면서 액화천연가스(LNG) 운반선, 석유화학제품(PC) 운반선 등의 수주 선가도 역대 최고가로 계속 오름세에 있다. 9월말 기준 조선 빅3(한국조선해양·대우조선해양·삼성중공업)는 각사 연간 수주 목표의 80~120%를 달성 중이다. 현대중공업그룹의 조선 중간지주사인 한국조선해양은 2022년 연간 수주 목표 174억4000만 달러를 일찌감치 넘겼다. 한국조선해양은 LNG 추진 컨테이너선과
딥러닝이란 컴퓨터가 스스로 외부 데이터를 조합, 분석하여 학습하는 기술로, 빅데이터, 계산능력(Computational Power), 알고리즘 3가지 요소에 의해 발전해왔다. 그리고 이러한 딥러닝 모델 성능 향상은 인공지능(AI)이 획기적으로 도약하게 된 계기가 되었다. 제조 현장에서 AI(인공지능) 적용은 설계 지능화, SCM 지능화, 검사 지능화, 예지보전, 공정 지능화를 가져왔다. 그러나 AI 적용시 발생하는 여러 이슈도 있었다. 그 해결 방안은 무엇인지, 제조 기업을 위한 디지털 제조 혁신 세미나에서 한국생산기술연구원 윤종필 수석연구원이 발표한 내용을 정리했다. 데이터란? 데이터는 일반적으로 딥러닝 입력 데이터와 정답 데이터로 구성된다. 입력 데이터는 의사 결정을 내리기 위한 정보로서 센싱, 음성, 텍스트, 진동, 온도 데이터가 여기에 해당된다. 정답 데이터는 내가 인공지능 학습을 시켰을 때 원하는 것, 풀고자 하는 것, 바라는 것이 출력됐으면 좋겠다 하는 데이터를 말한다. 따라서 딥러닝이 잘 풀 수 있도록 충분한 양의 입력 데이터와 정확한 정답 데이터를 확보하는 것이 중요하다. 딥러닝은 우리가 만든 정답 데이터대로 학습하기 때문이다. 그렇다면 생산
센서 및 액추에이터와 같은 단순한 필드장치는 이더넷을 필드버스 인터페이스로 통합하는 것에 대해서 오랫동안 거부를 해왔다. 왜냐하면 이더넷을 산업용으로 사용하는데 있어서 경험이 없고 신뢰성에 대한 믿음이 없으며, 기기 통합의 관점에서 자세히 들여다보면, 제한 요인은 이더넷 인터페이스 자체의 크기, 전력 및 비용이 문제가 되었다. 지난 몇 년 동안 통신기술은 많은 발전을 이루었고, 그간 막연히 품었던 의구심을 해결하기 위해 이더넷 환경을 크게 변화시켰다. 이 백서는 ‘복잡도가 낮은 이더넷’의 개념에 대해 정의를 하고 이 개념을 사용, 센서 및 액추에이터와 같은 에지(Edge) 장치에 신뢰할 수 있는 EtherNet/IP 통신을 제공하는 방법을 설명 하고자 한다. 또한, 브라운필드(Brownfield) 설치가 EtherNet/IP를 에지(Edge)로 가져오는 이점을 활용할 수 있는 미래의 방향을 확인해 줄 것이다. 배경 이 백서는 주로 산업용 이더넷 노드의 하드웨어 비용과 복잡성을 줄이기 위한 새로운 접근 방식에 관한 것이다. 지원해야 하는 프로토콜과 모드 측면에서 소프트웨어의 복잡성 감소를 구체적으로 다루지는 않지만, 이 또한 중요한 연구 분야의 하나이다. 이러
지금까지 동사에서는 기계·공장 전체의 가동률 향상을 목표로 가동 상황의 시각화, 예방 보전에 도움이 되는 소프트웨어를 개발해 왔다. 종래 첫 제품의 양산 시작에는 실제 기기의 가공 프로그램 작성과 시뮬레이션, 그리고 테스트 가공을 할 필요가 있어 양산가공에 이르기까지의 가동률 저하를 피할 수 없었다. 그래서 디지털 공간상에 실제 기기와 동일한 조건을 충실하게 재현하는 디지털 트윈 기술을 개발, 이들 작업을 디지털 공간에서 실시하는 ‘디지털 세팅’으로 생산성 향상을 지향했다. 또한, 공장 내에 있는 기계의 가동 상황 시각화와 가동 실적을 분석함으로써 생산 프로세스의 개선과 생산성 향상에 도움이 되게 했다. 디지털 세팅 1. 디지털 세팅의 개요 유저의 공장에 있는 기계를 사무실의 퍼스널컴퓨터 안에 재현해 가상 공간상에서 프로그램 작성, 간섭 확인, 가공 조건의 조정을 한다. 이것을 동사에서는 디지털 세팅이라고 부른다(그림 1). 2. 도입 효과 디지털 세팅을 함으로써 종래보다 기계의 가동률을 향상시킬 수 있다. 지금까지의 작업 방식에서는 공장 안에서 기계 1대에 작업자 1명이 붙어 워크의 실제 가공뿐만 아니라, 프로그램 작성과 테스트 가공을 하고 있었다. 앞으로
동력이나 운동을 전달하는 기계요소의 상징인 기어는 자동차나 항공기, 공작기계를 비롯해 폭넓은 업계에서 이용되며, 소형화와 고경도화, 고정도화, 복잡화, 저진동화, 저코스트화, 변종변량화 등 여러 가지 시장 요구에 대응하는 것이 항상 요구된다. 오늘날 급속하게 진화하는 자동차의 하이브리드화나 EV(전동)화에 의해 엔진이 모터로 대체됨으로써 감속기구에서 발생하는 기어의 소음이나 진동이 종래보다 주목받게 됐다. 저소음, 저진동 등의 정숙성에 대한 요구를 만족시키기 위해 기어에는 지금까지 이상의 고정도화가 요구되고 있다. 로봇 산업에서도 노동자 부족이나 신형 코로나바이러스 감염증 확대를 배경으로 현장의 인력절감화·자동화가 추진되어 협동로봇 등의 관절부에 이용되는 감속기는 수요 증가 경향이 계속되고 있다. 감속기의 소형경량화와 저진동화를 위해 기어는 소형 및 소모듈화가 추진되어 고정도 가공의 필요성은 더욱 높아지고 있다. 기어를 고정도로 안정되게 고능률 가공하는 기계가 요구되는 가운데, 스위스 아폴터사(Affolter Group SA)는 시계용 기어의 생산으로 오랜 기간 축적한 가공 기술을 토대로 CNC 호빙머신을 개발해 왔다. 특히 최근에는 자동차 업계의 고속 정밀
시바우라기계(주)에서는 세계 최대급의 초대형 플라노밀러 MPA-70265 그림 1 (a)를 비롯해 여러 가지 대형 기계를 제작하고 있다. 초대형 기계는 수주 생산이므로 그 활용법을 기계 납입 후에 고민하거나 검토하거나 하는 것이 아니라, 일반적인 공작기계(문형 머시닝센터 MPF-2614FS 그림 1 (b))와는 거래할 때의 사고부터 다르다. 그러면 초대형 공작기계는 무엇이 다른가 하면 기본적으로 특정 업종의 워크, 경우에 따라서는 1종류의 워크 특정 부위를 가공하기 위해 제조되는 전용기이다. 그 대상이 되는 워크는 어떠한 특징을 가지고 있다. 기본적으로 다음의 어느 한 개 또는 여러 개에 해당된다. ①크다 ②무겁다 ③(보통 기계로는) 가공이 어렵다 또는 효율이 나쁘다. 그렇기 때문에 초대형 공작기계는 그러한 모든 문제를 해결해 고도 활용하는 것을 전제로 제작된다. 그렇지 않으면 제작에 1년 5개월~2년, 유저와의 협의를 기초로 기본 구상에서부터 기간을 생각하면 3~4년 이상, 실제 기계의 가동까지라면 5년은 시간이 걸리는 기계를 제작하는 것은 엄두도 낼 수 없다. 보통의 생산 기술자라면 공정을 생각하고 제조하는 기계의 유무를 검토해 없다면 외주를 낸다. 더구
일본에서는 해마다 국지적인 호우가 발생한다. 기억에 생생한 것으로는 2018년 7월 호우와 2020년 7월 호우 등을 들 수 있다. 이러한 국지적 호우가 한번 발생하면 그 지역에 막대한 인적․경제적 피해를 초래하기도 한다. 이러한 장마철에 발생하는 호우의 강수 지역은 선 모양으로 되어 있는 경우가 많아 선상 강수대라고 한다(그림 1). 기상청에 따르면 ‘잇따라 발생하는 발달한 비구름(적란운)이 줄을 이룬 조직화된 적란운군에 의해 수 시간에 걸쳐 거의 같은 장소를 통과 또는 정체함으로써 만들어지는 선 모양으로 뻗은 길이 50~300km 정도, 폭 20~50km 정도의 강한 강수를 동반하는 강수 지역’을 선상 강수대라고 한다. 기상청은 기상 레이더 관측 등으로 선상 강수대를 검지해 웹상으로 선상 강수대의 발생 장소를 공표하는 시스템을 2021년부터 운용하고 있다. 이러한 현황을 파악하는 나우캐스트는 선상 강수대로 인한 위험 지역을 명시해 대피 환기에 매우 효과적이다. 한편, 대피 행동의 리드타임을 보다 길게 확보하기 위해서는 선상 강수대에 동반하는 호우의 예측 정확도를 더욱 향상시킬 필요가 있다. 선상 강수대의 예측 정확도를 향상시키기 위해서는 대기 하층의 수증
대기 중의 에어로졸은 태양광을 직접 산란하고 흡수함으로써 기후에 중요한 역할을 하고 있다. 에어로졸은 구름의 핵으로 기능하며 구름 입자의 특성을 변경해 간접적인 영향을 초래하고 에어로졸의 침착과 강우를 변화시켜 기후의 영향을 예측할 때의 불확실성에 큰 영향을 미친다. 인간의 건강 면에서도 호흡기 계통이나 눈 및 코 점막의 염증 등에 영향을 미치거나, PM2.5와 같은 인위적인 기원의 에어로졸에 의한 꽃가루 알레르기 촉진에 영향을 미치거나 한다는 보고도 있다. 이러한 영향의 정도는 에어로졸의 조성이나 입자지름에 크게 의존한다. 대기 에어로졸은 발생원이 국소적이며 공간․시간적으로 매우 변동이 크다. 더구나 에어로졸의 조성이나 입자지름도 발생원에 의존한다. 그렇기 때문에 대기 에어로졸의 영향을 정확하게 평가하기 위해서는 대기 에어로졸의 조성이나 미세 물리 특성(농도, 입자지름, 형상, 상태 등)에 관한 정보가 필요하다. 라이다는 대기 에어로졸의 연직 분포를 높은 시간․고도 분해능으로 계측할 수 있으며, 여러 지점에서 라이다를 통한 연속적으로 계측함으로써 공간적․시간적인 에어로졸의 확산을 입체적으로 파악할 수 있다. 인위적인 기원의 에어로졸이나 황사, 삼림 화재 에