“가장 심플한 프로세스로 머신비전 시스템을 구성할 수 있도록 모든 역량을 집중시켜 나가겠다.” 2004년에 설립된 인스피라즈 테크놀로지(VizCam)는 기술 지향적인 회사로서 애플리케이션 필요시 맞춤형 프로그래밍을 없애겠다는 하나의 목적을 가지고 Wizer & WebSpect 소프트웨어 플랫폼을 개발했다. 지금은 헤비유저뿐 아니라 라이트 유저도 손쉽게 사용할 수 있는 RTU 콘셉트를 론칭하여 더욱 간단하고 효율적인 비전 플랫폼을 구성하게 됐다. 비즈캠(VizCam) 임호범 이사는 “시공간의 제약을 넘어서 빠르고 쉽게 적용하고 유지보수할 수 있는 시스템을 구축하고 있다”고 말한다. Q. 인더스트리4.0과 스마트 팩토리 영역에서 비즈캠은 어떤 역할을 수행할 수 있다고 보는가. A. 비즈캠(VizCam)은 육안검사 제조공정을 대체하는 비전 검사 전문 플랫폼으로 스마트 팩토리 자동화 공정에서 비전 검사를 수행한다. 카메라, 산업용 컴퓨터, PLC 등과 쉽게 통합되어 검사 데이터를 공유하고 빠르고 정확한 판단을 내릴 수 있다. 이는 육안검사의 제조공정보다 오탐률이 현저히 낮고 실제 수율을 높이는 등 결과적으로 경쟁력 있는 공장으로의 스마트 제조 혁신을 이룰 수
헬로티 김진희 기자 | 현대건설기계가 글로벌 건설기계 경쟁력 강화를 위해 주생산거점인 울산공장에 약 2,000억원을 투자한다. 현대건설기계는 지난 14일 공시를 통해 울산공장 생산규모 확대 및 제조공정 간소화 등에 4년 동안 1,941억원을 투자한다고 밝혔다. 이는 현대건설기계가 2017년 현대중공업에서 분할돼 신설법인으로 출범한 이후 최대 규모의 투자다. 이번 투자는 공장 노후화로 인해 비효율적이었던 생산 라인을 재정비함으로써 효율을 극대화하고, 굴착기, 휠로더 등 건설장비 생산 규모 확대에 초점을 두고 이뤄진다. 현대건설기계는 우선 기존 1공장과 2공장에 각각 분산돼 있던 건설기계용 제관품 생산 및 조립 기능을 2공장으로 일원화함으로써 생산 효율을 높일 계획이다. 이를 통해 제조공정 흐름 간소화에 따른 작업시간 단축 및 물류비용 감소가 가능해져 수익 개선효과가 날 것으로 기대하고 있다. 이어 신규 설비 도입 및 조립 라인 증축 투자를 통해 건설기계 장비 4,800대를 추가 생산할 수 있게 돼 연간 15,000여대 규모의 생산 공장으로 거듭나게 된다. 또한, 공장 내‧외장 공사 시 친환경 부자재를 사용하는 한편, 작업자 안전을 고려한 생산라인 구성을 통해
헬로티 김진희 기자 | 중소벤처기업부와 대구광역시는 대구 이동식 협동로봇 규제자유특구의 ‘자동화 제조공정(자동차 램프모듈) 적용을 위한 이동식 협동로봇’ 실증을 지난 1일부터 본격 착수한다고 밝혔다. 이동식 협동로봇은 이동식 대차 위에 협동로봇을 부착해 이동 중에도 작업이 가능한 장점이 있으나, 현행 ‘산업안전보건기준에 관한 규칙’ 등에 이동식 협동로봇의 안전기준 등이 없어, 이동 중에는 작업이 불가능하고 울타리나 방호장치를 설치해 사람과 작업공간을 분리해야 하므로 사용에 효율성을 기할 수 없었다. 이에 대구 이동식 협동로봇 규제자유특구는 제조와 생산 공정에서 사람과 공간을 공유한 경우에도 이동 중 작동·작업을 허용하는 특례를 적용받아 다양한 제조·생산 환경과 일상생활 현장에서 이동식 협동로봇을 활용하는 실증을 추진하고 있다. 이날 실증을 시작하는 ‘자동화 제조공정(자동차 램프모듈) 적용을 위한 이동식 협동로봇‘ 실증은 이동식 협동로봇을 활용해 이동 중에 바코드를 인식해 제품의 이송·적재를 실현하는 공정에 적용됐다. 자동차 헤드램프 및 리어램프용 발광다이오드(LED)모듈을 생산하는 전자공장 조립라인의 특성에 따라 작업자의 이동과 배치가 많은 작업환경에서 이동
헬로티 함수미 기자 | 서울대학교 공과대학은 기계공학부 안성훈 교수팀이 소리로 여러 대의 장비 상태를 실시간으로 동시에 알아내는 제조공정 모니터링 시스템을 개발했다고 2일 밝혔다. 이번에 개발된 센싱 시스템은 공장 내에 설치된 1대의 마이크를 통해 로그 멜-스펙트로그램 방식으로 소리를 2차원으로 변환하고, 인공 신경망의 일종인 합성곱 신경망(Convolutional Neural Network)을 이용해 인지하는 방식이다. 해당 시스템은 소음이 매우 큰 실제 공장 환경 내에서 여러 대의 장비 소리를 동시에 추적하는 것이 가능하다. 이 시스템은 현재 국내 중소기업의 서로 다른 제조 환경과 공정들에 적용되고 있다. 특정 장비의 거동을 통제해 학습에 필요한 데이터를 얻어내는 기존의 방식과 달리, 장비의 일상적인 작동음을 조합해 학습에 필요한 데이터를 확보할 수 있다. 제1 저자인 서울대학교 기계공학부 김지수 박사는 “보통 장비 내부에 센서를 설치해 하나의 장비만을 모니터링하는 기존의 방식과 달리, 이 시스템은 여러 대의 장비를 외부에서 동시에 모니터링하는 것을 목적으로 한다”며 “이 과정에서 노이즈에 대한 저항이 높아 실제 환경에서 적용 가능하다는 장점이 있다”고