잘 설계된 제어판은 한 단어로 강조됩니다: 깔끔함(neatness). 깔끔함 자체는 제어판에 주입될 수 있는 것이 아니며, 사실 설계 프로세스의 다른 잘 실행된 측면들의 부산물입니다. 훌륭하고 깔끔한 제어판 설계의 상위 4가지 측면은 다음과 같습니다: 레이아웃(Layout) 대부분의 제어판에는 메인 입력 전원 스위치가 있으며, 일반적으로 패널의 오른쪽 상단에 위치합니다. 이 관례를 따르면 고전압 정격 부품을 패널 상단에 배치하는 것이 논리적입니다. 거기서부터 전력 분배를 낮은 정격의 구성 요소로 확장할 수 있습니다. 각 전력 분

PAC와 PLC 사이에는 매우 얇지만 명확한 선이 존재합니다. 하지만 이는 보통 기계 최종 사용자들에 의해 잘 이해되지 않습니다. 그리고 이는 그들의 잘못이 아닙니다. 기계 제작자와 시스템 통합업체들이 종종 고객을 두 엔티티의 중요한 차이점에 대해 끊임없는 림보(불확실) 상태로 두기 때문입니다. 사실 PAC는 근본적으로 PLC와 다르며, 비슷한 작업을 수행하지만 OEM이 최종 사용자에게 장비에 대해 교육해 그 적합성이 정당하게 결정될 수 있도록 하는 것이 중요합니다. 이를 통해 두 가지 주요 이점이 있습니다: 보증 기간 비용 절

산업 자동화 컨트롤러를 선택할 때 PLC, PAC, IPC라는 단어가 들어간 용어뿐만 아니라 몇 가지 중요한 용어를 고려해야 합니다. 애플리케이션 요구사항을 명확히 정의해야 하며, 확장성 니즈도 선택 전에 고려해야 합니다. 우선 장비의 운영 니즈를 분할하는 것이 좋은 시작점입니다. 이는 사용자가 기계 제작자가 지정한 컨트롤러 범위를 평가하는 데 도움이 됩니다. 자동화 시스템은 제조 시나리오에 어떻게 적합하느냐에 따라 종합 솔루션 또는 개별 제어를 제공할 수 있습니다. 프로그래머블 로직 컨트롤러(PLC), 프로그래머블 자동화 컨트롤

지난 10년간 재생에너지 시스템이 저압 레벨 시스템에 깊이 침투했습니다. 지붕 장착형 PV는 선진국과 개발도상국을 막론하고 대부분의 국가에서 흔한 광경이 되었으며, 사용자에게 보조 전원을 제공합니다. 이러한 기술의 출현으로 기존 요금 체계도 입법 등을 통해 여러 차례 변경되었습니다. 지속적인 재생에너지 디아스포라(확산)의 결과로 넷 미터링(Net Metering)과 총량 미터링(Gross Metering)이라는 두 용어가 탄생했습니다. 소비자 소유 PV 시스템이 생성한 전기는 직접 소비하거나 배터리에 저장하거나 에너지 소매업체에

SCADA는 제어 산업에서 가장 많이 사용되는 약어 중 하나로, 감시 제어 및 데이터 수집(Supervisory Control and Data Acquisition) 시스템을 지칭합니다. 이 소프트웨어 애플리케이션은 공정 제어에 널리 사용되며, 중앙 제어 시스템과 컨트롤러 네트워크 인터페이스, 입/출력, 통신 장비로 구성됩니다. SCADA 시스템의 주된 목적은 생산, 개발, 제조, 가공을 포함하는 산업 공정의 장비를 모니터링하고 제어하는 것입니다. 또한 이러한 시스템은 석유·가스, 전력 분배, 수자원 제어 같은 인프라 공정에도 사

교차 참조(Cross-referencing)는 과학이자 예술입니다. 제대로 하지 않으면 큰 문제를 일으킬 수 있지만, 유연하게 구현하면 비용 효율성을 이끌어낼 수 있습니다. 제조업체가 자동화 시스템의 특정 구성 요소를 교체하려는 이유는 여러 가지일 수 있습니다: 부품 지원 종료 시장 가용성 제약 비용 상승 더 큰 유지보수 노력 필요 개인적 이유 이유 목록은 계속될 수 있지만, 진짜 문제는 결정이 내려진 직후 발생합니다. 일부 공급업체가 호환 부품에 대한 문서를 제공해 교체 과정을 쉽게 해주기도 하지만, 매우 자주 엔지니어링 팀

중앙 집중식 발전원이 에너지를 생산해 그리드에 공급하던 시대는 지났습니다. PV(태양광), 배터리, EV(전기차) 같은 기술의 하락 가격 추세로 주거용 유닛이 분산형 발전원으로 변모할 수 있게 되었습니다. 넷 미터링(Net Metering)은 이러한 분산형 발전원을 그리드 전체가 활용할 수 있게 하는 다음 단계입니다. 개념은 간단히 태양광 패널 소유자가 패널이 생산해 그리드로 보낸 에너지에 대해 보상받는 요금 청구 약정입니다. 예를 들어 주거용 유닛의 태양광 패널이 낮 동안 10kWh를 생산해 그리드로 보냈다면, 다른 시간대에 그

PID는 공정 제어 산업에 10년 넘게 봉사하며 피드백 제어 시스템의 주요 기술로 자리 잡았습니다. 수년간 이 기술은 여러 업그레이드와 개선을 거치며 공압, 전자, 컴퓨터 기반 장치로 발전해 공정에 대한 더 엄격한 제어를 보장해 왔습니다. PID 시스템의 첫 번째 돌파구 중 하나는 적분 동작(integral action)으로, 자동 리셋(automation reset)이라고도 하며 비례 동작을 갖춘 컨트롤러의 성능을 크게 향상시켰습니다. P-단독 컨트롤러는 측정된 값과 설정값의 차이에 비례하는 교정 노력을 적용합니다. 이는 다음과

초기 산업용 이더넷 도입이 생산성 소폭 향상(+22%)과 유지보수 비용 절감(-40%)을 보여주었음에도, 시스템 통합업체와 플랜트 엔지니어들은 여전히 전면 도입을 주저합니다. 왜일까요? 오늘날 전통적인 제어 시스템은 플랜트 자산 데이터의 3%만 사용할 수 있고, 역동적인 비즈니스 요구사항을 충족할 수 없습니다. 구식 시스템은 제한된 능력으로 인해 종종 문제에 직면하며, 항상 보안 허점의 위험에 노출되어 있습니다. 따라서 경쟁 우위를 확보하고 생산성 수준을 유지하기 위해 기업들은 다양한 프로세스 출력에 적응할 수 있을 만큼 스마트한

단순히 일시정지 버튼만 있었으면 했던 상황에 처한 적 있으신가요? 플랜트 플로어에서의 사고는 장비와 인력에 회복 불가능한 손상을 입혀 회사의 생산성, 수익성, 안전성에 악영향을 미칠 수 있습니다. 배너 엔지니어링(Banner Engineering)은 이상 징후를 인지하는 즉시 사고를 멈출 수 있는 고반응성 비상 정지 장치를 개발했습니다. 이로 인해 손상이 더 이상 확대되는 것을 방지합니다. 30mm 마운트 비상 정지 버튼 물리적 측면부터 보면, 버튼은 투톤, 단색, 비조명 블랙 베이스 옵션으로 제공되어 플랜트 플로어에서 눈에 잘

우리가 사는 세계는 기술의 발전으로 끊임없이 변화하고 빠르게 움직입니다. 매달 엄청난 진전과 지속적인 진보로 산업 자동화는 기술을 최대한 활용합니다. 자동화는 안전 시스템, 데이터 수집 등을 갖춘 전체 생산 라인부터 단순한 시작-정지 컨베이어 시스템까지 많은 것을 의미할 수 있습니다. 자동화와 기술의 급속한 발전은 우리를 IoT 4.0, 즉 산업용 사물인터넷 4.0으로 이끌었습니다. 산업 자동화의 예시 자동화는 요구되는 프로세스와 자동화 정도에 따라 크게 달라질 수 있습니다. 기본적인 예는 컨베이어 시스템입니다. 단순화된 정도로

감지 및 제어 기술의 꾸준한 발전으로 엔지니어들은 인간-기계 인터페이스(HMI)에 필요한 것보다 더 많은 정보를 축적하고 표시할 수 있게 되었습니다. 수년간 설계자들은 표시등으로 운영자에게 경고하고, 색상 코딩된 LED로 주요 자산의 상태를 표시해 왔습니다. 일상적인 운영에서는 운영자가 HMI에 표시된 모든 정보를 거의 사용하지 않고 대부분 1~2개의 상태 화면만 사용해 주요 파라미터를 모니터링합니다. 또한 일반적으로 HMI는 위험 요소로부터 떨어진 안전한 위치나 방에 배치되어 최소한의 안전 우려만 존재합니다. 그러나 HMI와 지원

산업용 사물인터넷(Industrial Internet of Things), 인더스트리 4.0, 디지털 팩토리(Digital Factory) 등은 모든 마케팅 임원이 좋아하는 유행어입니다. 하지만 오늘날 이들의 광범위한 채택으로 인해 이들은 적용 가능한 기술이 되었고, 제조업체들이 더 높은 생산성이라는 보편적 목표를 달성할 수 있게 했습니다. 처음부터 데이터에 관한 것이었습니다. 플랜트 플로어(plant floor)는 모든 면에서 데이터가 풍부합니다. 단지 그것을 포착하는 문제일 뿐입니다. 미국 제조업체의 거의 3%만이 운영 데이터에

인공지능(AI)은 산업 전반의 기업들에 새로운 표준을 주도하고 있습니다. 소매업체는 예를 들어 과거 재고 데이터로 구매 주문을 예측해 지능적인 재입고 결정을 내리는 데 AI를 사용할 수 있습니다. 고객 지원팀은 AI를 사용해 우선순위가 높은 고객 지원 티켓을 자동으로 응답하고 적절한 팀으로 라우팅할 수 있습니다. AI, 특히 ML을 사용해 실질적인 비즈니스 결과를 이끌어낼 수 있는 가능성의 세계가 있습니다. 딜로이트 인사이트(Deloitte Insights)에 따르면 엔터프라이즈 AI 초기 도입자의 83%가 프로덕션 프로젝트에서 긍

문서 데이터를 빠르고 정확하게 처리하는 것은 변화하는 디지털 시대에서 경쟁하기 위해 필수적입니다. 오늘날 기업의 성공은 문서 데이터를 쉽게 찾고, 접근하고, 이해하는 능력에 달려 있습니다. 문서 처리는 기업의 규모, 산업, 초점에 관계없이 모든 기업의 생산성에 영향을 미치는 비즈니스 크리티컬한 사용 사례입니다. 이 블로그에서는 문서 처리의 진화를 다룹니다. 디지털화와 광학 문자 인식(OCR)부터 시작해 기업이 어떻게 AI 기반 문서 인식을 사용해 OCR을 확장하고 더 나은 문서 이해 기능을 통해 가치를 창출할 수 있는지 논의합니다.

편집자 주: 자동화 시장이 계속 진화함에 따라 UiPath 플랫폼도 고객의 자동화 니즈를 가장 잘 충족하도록 업데이트됩니다. 따라서 이 아티클의 일부 제품명은 최초 게시 이후 변경되었습니다. 최신 정보는 AI Center 페이지를 방문하세요. 저는 데이터 작업하는 것을 좋아합니다. 하지만 그게 저를 좌절시키기도 할까요? 물론입니다. 5년 넘게 데이터 사이언티스트로 일하면서 데이터에 대한 야심과 데이터를 운영화할 때 오는 한계 사이에서 균형을 맞추려 애쓰는 고통을 느껴왔습니다. 예를 들어 제가 좋아하던 회사의 직책을 떠난 적이 있습니

정보는 힘입니다. 대부분의 기업에게 가치 있는 비즈니스 정보가 문서에 갇혀 있습니다. 기업이 관리하는 문서 유형, 크기, 형식의 다양성을 고려할 때, 인사이트를 얻기 위해 문서를 효율적으로 처리하는 것은 어려운 과제입니다. UiPath는 이 과제를 잘 이해하고 있습니다. 우리의 최신 문서 이해 프레임워크 덕분에 고객은 문서 유형, 형식, 볼륨에 관계없이 광범위한 문서에 대한 데이터 추출과 처리를 쉽게 자동화할 수 있습니다. 이는 귀사의 고유한 니즈에 가장 적합한 프로세스를 사용해 문서 처리에 유연하게 접근할 수 있게 해줍니다. 문서

문서 이해(Document Understanding)는 문서에 갇힌 데이터를 해방시켜 조직에 훨씬 더 높은 추출 데이터 정확성, 생산성 향상, 로보틱 프로세스 자동화(RPA)로부터 증가하는 ROI를 제공하는 것을 목표로 합니다. 이는 문서 처리와 인공지능(AI)의 교차점에 있으며, 이 둘이 함께 거의 모든 것을 자동화할 수 있는 미래에 기여합니다. 문서 이해 생태계에는 필기, 체크박스, 스탬프 등 다양한 문서 유형에서 정보와 의미를 해석할 수 있는 기술들이 포함됩니다. 머신러닝(ML)은 문서 이해의 지속적인 혁신을 주도하며, 이는

전 세계에서 인공지능(AI)에 대한 흥미로운 논의가 지금 이 순간에도 진행되고 있습니다! 글로벌 기업으로서 우리는 이 논의에 참여할 수 있는 흥미로운 위치에 있으며, 여러분에게 최전방 좌석을 제공할 수 있습니다. 가장 최근에는 구글(Google), 마이크로소프트(Microsoft) 같은 업계 선두 기업들과 기타 조직 및 개인들과 함께 유럽위원회 백서 인공지능에 대하여: 우수성과 신뢰에 대한 유럽의 접근(On Artificial Intelligence - A European Approach to excellence and trust)

이 글은 코스민 니콜라에(Cosmin Nicolae)와 공동 작성되었습니다. 니콜라에는 UiPath의 제품 관리자입니다. 비정형 데이터는 문서, 오디오 파일, 비디오, 이메일, 이미지, 로그 파일 등 곳곳에 숨어 있습니다. 실제로 비정형 데이터는 현재 전체 데이터의 약 80~90%를 차지합니다. 하지만 그 풍부함과 가치에도 불구하고, 기업들이 이를 추출하고 분석할 도구를 갖추지 못해 비정형 데이터는 가장 낭비되는 엔터프라이즈 자원 중 하나로 남아 있습니다. 이 상황은 변화하고 있습니다. 빅데이터 분석과 워크플로 자동화에 대한 수요가