▲ 현대차·기아-서울대학교, 소프트웨어 중심 공장 구현 위한 MOU 체결(왼쪽부터 서울대학교 정밀기계설계공동연구소 부소장 박용래 교수, 기계공학부 조규진 교수, 소장 안성훈 교수, 현대차·기아 E-FOREST 센터장 이재민 상무, 제조SI기술개발실 최영태 상무, 제조SW개발실 민정국 상무) [출처=현대자동차그룹]현대자동차(회장 정의선)에 따르면 현대차·기아 제조솔루션본부 E-FOREST센터가 2025년 5월13일(화) 서울대학교 정밀기계설계 공동연구소와 서울대 차세대자동차연구센터(서울 관악구 소재)에서 ‘소프트웨어 중심 공장(Software Defined Factory, 이하 SDF) 구현을 위한 MOU’를 체결했다.E-FOREST는 고객의 가치를 실현하기 위해 모든 것을 유기적으로 연결해 제조시스템의 혁신을 추구하는 현대차·기아의 스마트공장 브랜드다.현대차·기아는 인공지능(AI)과 로봇을 활용한 자동화 기술 및 인간 친화적인 스마트 기술을 도입해 제조 시스템을 혁신하고 나아가 모빌리티 산업 전체를 고도화하는 것을 목표하고 있다.이번 협약에 따라 현대차·기아와 서울대는 제조 기술 혁신을 위해 손을 잡고 SDF 구현을 위한 핵심 기술 공동 연구, 개발에 협력하기로 했다.구체적인 협력 분야는 △제조 인공지능(Manufacturing AI) △제조 특화 대규모 언어모델(LLM, Large Language Model) △예지보전(PHM, Predictive Health Monitoring) △디지털 트윈 △시뮬레이션 기반 생산 최적화 등이다.현대차·기아 E-FOREST 센터장 이재민 상무는 “서울대와의 협력을 통해 스마트 팩토리 구현을 위한 핵심 기술 경쟁력을 강화하고, 글로벌 제조 혁신을 가속화할 수 있을 것으로 기대한다”고 말했다.서울대 정밀기계설계공동연구소 소장 안성훈 교수는 “서울대의 혁신적인 로보틱스, AI에 기반한 자율 제조

▲ 한전 캠페인 이미지[출처=한국전력]국내 전력독점 사업자인 한국전력공사(대표이사 사장 김동철)에 따르면 행정안전부가 실시한 ‘2024년도 재난관리평가’에서 에너지 분야 공공기관 최초로 6년 연속 재난관리 우수기관에 선정됐다.이번 평가에서 △기관장·부기관장·실무자의 재난대응 역량(인터뷰 등) △재난대비훈련(안전한국훈련 등) △업무연속성 유지노력(재해경감 우수기업) △실제 재난 대비·대응 추진 정책 등 모든 지표에서 우수한 성적을 획득했다.특히 △국가 재난안전통신망(PS-LTE)을 활용해 자체 재난안전관리체계를 통합 구축한 점 △호우, 태풍 등 재난위험 예지시스템을 구축한 점 △안전한국훈련에서 신재난 ’드론 공격‘에 대비한 선도적 훈련 시행으로 우수기관에 선정된 점 등이 결정적인 영향을 미쳤다.한전은 코로나19로 평가가 미시행된 2021년(2020년 실적)을 제외하고 2018년(2017년 실적)부터 6년 연속 최고등급인 ‘우수’ 등급을 달성했다. 이는 전력·가스·석유 등 에너지 분야 공공기관 중 최초다.한전 이준호 안전&영업배전부사장은 “이번 재난관리평가 6년 연속 최고등급 ‘우수’ 달성의 영예는 이상 기후로 인한 재난 불확실성이 가속화되고 방대한 규모의 설비 운영에 따른 재난 노출 가능성이 높은 상황 속에서도 안정적인 전력공급 의무 완수를 위해 임직원들이 노력한 결실이다”고 밝혔다.참고로 ‘정부 재난관리평가’는 2005년부터 기관들의 재난관리 책임성과 역량 제고를 목적으로 실시 중인 평가제도다. 평가 대상은 338개 재난관리책임기관(중앙부처 29, 공공기관 66, 지자체 243)이다.재난관리 예방·대비·대응·복구 단계별 역량을 종합적으로 진단해 ‘우수-보통-미흡’ 등급을 부여한다. 각종 재난 상황에 대해 전

일본 시스템개발업체인 야스가와정보시스템(安川情報システム)은 2016년 9월 제조장치 등의 고장을 예측하는 클라우드서비스를 개시한다고 발표했다.장치의 내부의 온도 및 진동의 빅데이터를 클라우드로 분석·학습하는 것으로 고장의 예후를 정밀하게 파악할 수 있기 때문에 장치업체 등의 보수작업을 효율화 및 가동률 향상을 기대할 수 있다.고장예측서비스 'MMPredict'은 제조·검사장치의 가동상황을 체크하는 독자적인 클라우드 서비스의 추가기능으로 제공한다.장치에 내장된 센서가 검출하는 압력 및 모터가속 등에 대해서 우선 정상일 때의 데이터를 클라우드로 학습한다. 그 후 장치의 가동일수 및 각 데이터의 정상치에서 벗어나는 범위를 바탕으로 이상도를 판정한다.고장의 징후라고 판단한 경우에는 그 판단재료가 되는 압력이나 진동 등의 요인도 표시해 시스템담당자가 고장날 가능성이 높은 부분을 예측하기 쉽도록 구성돼 있다.▲ 1▲야스가와정보시스템 홈페이지

▲ 일본 야스가와전기(安川電機) 로고일본 시스템개발업체인 야스가와정보시스템(安川情報システム)은 2016년 9월 제조장치 등의 고장을 예측하는 클라우드서비스를 개시한다고 발표했다.장치의 내부의 온도 및 진동의 빅데이터를 클라우드로 분석·학습하는 것으로 고장의 예후를 정밀하게 파악할 수 있기 때문에 장치업체 등의 보수작업을 효율화 및 가동률 향상을 기대할 수 있다.고장예측서비스 'MMPredict'은 제조·검사장치의 가동상황을 체크하는 독자적인 클라우드 서비스의 추가 기능으로 제공한다.