VR/MR이 생산현장과 설계를 연결

해동 위클리 브리핑
Vol.70 | 2017/11/01 http://hjtic.snu.ac.kr
VR/MR이 생산현장과 설계를 연결 Nikkei Monozukuri_2017.9

현장 업무방식의 개혁을 촉구

설계 데이터의 3D화는 지금은 당연한 것이 되었지만, 완성된 3D데이터를 활용할 수 있는 부문은 한정되어있다. 이 활용의 폭을 넓히는 도구로서 기대를 받고 있는 것이 VR(가상현실)과 MR(복합현실)기술이다. 3D-CAD를 사용해 숙련된 설계자가 아니더라도 마치 실제인 것처럼 3D데이터를 구사할 수 있기 때문이다. VR/MR기술이 생산 현장과 설계의 거리를 좁혀, 개발의 프론트로딩(Frontloading: 초기단계의 안정)을 가속화 시킨다.

“MR(복합현실)이 현장과 3D데이터을 잇는 인터페이스가 될 수 있다”. 도요타자동차에서 생산설비의 검토에 MR을 도입하고 있는 당사 엔지니어링 IT부 제3엔지니어링시스템실 주임인 사카키바라씨는 이렇게 말한다.


당사에서는 설계의 3D-CAD 데이터를 변환한 경량의 XVL형식의 데이터를 사용하여 캐논의 MR시스템「MREAL」에 의한 디자인 리뷰(DR)을 실시. 생산준비 및 제조 단계에서의 생산설비의 조립성 및 보수성, 작업 할당량 등의 평가에 활용하고 있다.

MR은 가상 3D모델 등을 현실의 물체나 배경에 융합하여 표시하는 기술이다. 헤드 마운트 디스플레이(HMD)를 장착하면 DMU(Digital Mock Up) 등의 3D모델이 마치 현실공간 속에 있는 것처럼 보인다. 공간의 안 길이를 재현할 수 있다는 점이 AR(확장현실)과는 크게 다르며, 시야에 들어오는 자신의 손 등도 3D모델과의 위치관계가 표현된다. 

더보기 +
젊은 세대 소비의 허구, 기업은 모른다 Nikkei Business_2017.9.11

알기 쉽지 않은 유행의 발화점

"요즘 신세대들은 돈을 쓰지 않는다"--. 이런 인식은 기업들 사이에 정설이 되어 있다. '젊은이의 거리'였던 시부야에는 젊은이들보다 일본을 방문한 외국인이 눈에 띄면서 시부야 붐을 일으킨 일등공신이었던「SHIBUYA109」가 고전을 면치 못하고 있다. 술 및 자동차 등, 신세대들의「○○ 멀리하기」는 상식화되었으며, 인터넷 기업조차 그 동향을 전부 파악하지는 못한다. 

그들은 어디에 가서 무엇에 돈을 쓰고 있는 것일까? 취재진은 보이지 않는 신세대 소비의 실태를 따라가 보았다. 「기업은 알지 못한다!」. 그렇게 말하는 신세대들이 만들어 내는 알 수 없는 유행의 발화점은 과연 무엇일까?


PART 1. 대기업이 자처한「시부야」의 종말
집요하게 쫓아다니자, 신세대들은 오히려 도망갔다

과거에는 사회적 혼돈이 젊은이의 마음을 끌어 당겨 시부야에서 독자적인 소비 트랜드가 탄생했다. 그러나, 대기업의 진출로 보통 거리가 된 시부야는 더 이상 신세대들에게 매력을 느끼지 못하는 거리가 되고 말았다.

더보기 +
철도 자율주행, JR동일본이 시동 Nikkei Business_2017.9.18

차세대 교통 플랫폼에 대한 야망

JR동일본이 철도에 대한 자율주행 도입을 검토하고 있다는 사실을 밝혔다. 프로젝트 팀을 발족시켜 도입을 위한 과제를 조사하고 있다. 자동차나 IT기업과 경쟁하면서 차세대 교통 서비스의 기반을 확보한다는 야망이 있다.

전차에 자율주행을 도입한다. 큰 목표를 위해 JR동일본이 움직이기 시작했다는 사실이 본지의 취재로 밝혀졌다. 이번 봄에 철도사업본부의 운수차량부에 차세대 운전∙제어 프로젝트를 설치하여 도입 검토 단계에 들어갔다.


처음에는 프로젝트 팀에 운수차량부의 인재만을 기용했지만 최근에는 신호계, 전기계, 시스템계 등 폭넓은 부문에서도 인재를 모집하여 사내의 횡단적인 지식을 수집하는 체제를 정비하였다.

팀은 차량회사의 목소리를 듣거나 이미 자율주행이 도입되고 있는 프랑스 파리의 지하철을 시찰하거나 하여 과제에 대한 조사를 실시하고 있다. 과제를 정리하여 개발의 방향성을 정한 후에 도입하는 노선이나 시기를 결정한다. 고가나 지하를 주행하는 것이 아닌 일반 철도 노선에서 자율주행을 도입하는 것은 세계에서 처음이다.

더보기 +
도쿄대학, 창업 지원 시설 4곳 정비 일간공업신문_2017.10.25

산∙학 연대 창업 활동 등에 활용

도쿄대학은 새로운 인큐베이션(창업 지원) 시설을 2019년까지 4곳에 정비한다. 규모는 기존 시설을 포함한 연면적이 1만평방미터로 대학 시설로는 일본 최대 규모이다. 벤처기업으로의 대여 및 산학 협동 활동에 활용할 계획이다.

올 6월, 전세계 톱 대학들과 경쟁하는 ‘지정 국립대학’으로 선정된 도쿄대학은 국립대학의 규제 완화를 활용해 창업을 지원을 실현. 지적 집약형의 새로운 산업 창출과 학교의 수입 증대를 양립해나갈 계획이다.

도쿄대학 본부에 있는 혼쿄지구(도쿄)는 기존의 ‘앙트러플러너 플라자(Entrepreneur Plaza)’의 3,600평방미터와 동일한 규모의 공간을 병원의 남 연구동 개선 및 아사노캠퍼스에서의 새 계획을 통해 만들어 낼 계획이다. 메지로다이지구(도쿄)에서는 국제 기숙사 안의 약 1,700평방미터를 활용한다.

가시와 제2 캠퍼스에서는 쓰쿠바지역의 연구기관과 연계된 ‘쓰쿠바-가시와-혼쿄 이노베이션 코리더(Innovation Corridor)’의 산학 협동 활동의 플랫폼 거점으로서 인큐베이션 시설을 정비한다. 고마바 제2 캠퍼스(도쿄)도 연구동 내부에 190평방미터를 확보했다.

더보기 +
소형 주택용 축전지로 공동주택 공략 Nikkei Ecology_2017.9

공사비 절감을 위한 시공성 추구

작년과 올해에 걸쳐 주택용 축전지의 신제품이 연이어 등장하고 있다. 재해 시의 비상용 전원뿐만 아니라 평상시의 수요를 개척한다.

주택용 축전지의 '평상시의 사용'에 있어서 그 용도는 크게 2가지로 상정된다. 하나는 태양광으로 발전한 전력을 축전지에 저장하여 사용하는 '자가 소비'이다. 태양광으로 발전한 전력은 고정가격 매입제도(FIT)를 통해 전력회사에 판매된다. FIT는 2009년에 우선 가정에서의 잔여 전력을 대상으로 시작되었다. 2019년에는 10년간으로 설정되었던 매입 기간이 종료되는 가정이 나오기 시작한다. 그런 까닭에 자가소비로 이행하는 '포스트 FIT' 수요가 늘어날 것으로 예상된다.

다른 하나는 '수요반응제도(Demand Response)'의 활용이다. 수요반응제도란 전력회사로부터의 수요억제 지시에 따라서 가정이나 기업이 소비 전력을 줄이는 것이다. 축전지에 저장해 놓았던 전력을 사용함으로써 전력회사로부터 구입하는 전력 양이 줄어들게 되어 그 시간대의 전력 수요를 줄이는 효과를 가져올 수 있다.

더보기 +
인공지능이 바꾸는 일의 미래 Naoyuki Nomura_2016.11.15

AI는 위협이 되지 않는다

2012년 경부터 재연된 인공지능(AI) 붐은 2016년 후반에 들어와서도 꺾이지 않고 있다. 로봇, 빅데이터, IoT(사물인터넷), 자율주행 등의 관련 키워드와 함께 질적으로나 양적으로 화제가 비등하고 붐이 가속화 되고 있다.

그런데 AI의 연구개발에 있어 독자들의 이해를 구하고자 하는 중요한 논점으로 AI에 대한 과도한 기대에 관한 것으로, 이 과도한 기대감 또는 그 반대로 AI의 위협론 등이 향후 AI 개발에 장애가 될 수 있다는 위기감을 기억하고 있다.

필자의 기억으로 20여년 전의 제2차 인공지능 붐의 경우도 10년 이내에 인간과 같이 자율적으로 학습하는 기계가 탄생한다던가, 5년 이내에 기계에 투입하는 지식 량을 상회하는 지식을 기계가 자동획득 한다는 등의 설이 난무했었다.

주변에 사람형태의 로봇은 없었지만 ‘’뉴로 퍼지(뉴로는 현재의 딥러닝의 원형) 기능의 세탁기라 때가 잘 빠진다”는 CM이 나오고, 버블경제로 일본의 기술력이 세계최강이라는 이미지가 일반인들에게 존재하고 있었다.

이번의 제3차 붐에서도 AI기술의 대단함을 강조하기 위해 2045년까지는 AI가 AI 자신을 진화시켜 인류를 넘어서는 싱규레러티(Singularity, 특이점)가 도래하고 

더보기 +
기업과 사회의 쾌적∙안심∙발전을 지원하는 IT 솔루션 미쓰비시전기기보_2017.8

사람 x AI에 의해 창조하는 미래사회의 실현에 대하여
Masahiko Isino / 분쿄 대학 정보학부 정보사회학과 교수 (공학박사)

2016년, 인공지능을 탑재한 바둑 소프트웨어가 바둑 챔피언에게 승리한 것은 세계에 커다란 충격을 안겼다. 지금까지의 AI의 진화에는 약 3단계의 역사가 있다.

제1단계는 1950년대 후반~1960년대, 제2단계는 1980년대~1990년대 그리고 제3단계는 2000년대 이후이다. 제2단계부터 다양한 정보의 내용을 컴퓨터가 인식할 수 있게 되어 인공지능 활용으로의 기대가 높아졌으나, 특정의 스페셜리스트가 보유한 방대한 지식정보를 모두 데이터화하여 활용하는 것은 불가능했기 때문에 특정 분야에서 전문가 시스템의 일시적인 붐으로 끝났다.

제3단계에서 AI는 기계학습(Machine Learning)과 딥 러닝(Deep Learning)으로 발전했다. 기계학습에서는 분석 대상의 특징량(착안점)을 사람이 제시해야만 했지만, 딥 러닝에서는 특징량을 스스로 추출하여 반복 학습을 할 수 있게 되었다.

지금까지 AI는 체스, 장기, 바둑 등에서 사람과의 게임에 승리해, 그 실력이 각광을 받아 왔으며

홈페이지 +
해동일본 기술 정보 센터, 08826 서울특별시 관악구 관악로 1, 서울대학교 공과대학 35동. 전화: 02-880-8279 | 팩스번호 : 02-871-6900 | 메일 : smin@snu.ac.kr