통합검색 - 통합검색 : 캐드앤그래픽스 - 엔지니어링IT 미디어

데이터 분석 로코드 설루션을 클라우드로 확장해 보자

로코드를 활용하여 엔지니어링 데이터 분석극대화하기 (5) 지난 호까지 로코드 분석 설루션인 나임(KNIME)을 데스크톱 환경(클라이언트 환경)에서 활용하는 방법을 중심으로 다루었다. 이번 호에서는 연재의 마지막 회로, 클라우드 서버 환경에서의 특징에 대해 살펴보도록 하겠다. ■ 윤경렬 현대자동차 연구개발본부 책임연구원 ■ 윤민영 잘레시아 부장 클라이언트 환경의 한계와 클라우드 설루션의 필요성 직장에서 업무 관점에서 데이터 분석을 하든 역량 향상 관점에서 개인적으로 활용을 하든 로코드 분석 설루션의 클라이언트 환경은 매력적인 것이 사실이다. 더군다나 오픈소스 소프트웨어로 프리 라이선스(free license)를 제공한다는 것은 큰 장점이다. 트라이얼 라이선스(trial license)로 1~2달 동안의 지원을 받고 그 기간에 데이터 분석 설루션의 특징을 파악하는 것은 상당히 어려운 경우가 많다. 물론 벤치마크를 한다든지 이미 충분히 준비된 데이터와 절차를 가지고 집중적으로 설루션의 기능을 탐색하여 아웃풋을 만들어야 하는 경우는 예외적이다. 하지만 대부분의 시민 데이터 과학자(citizen data scientist)는 1~2달 동안 집중적으로 데이터 분석에 매달릴 수 있는 여건이 안된다. 심지어 일주일을 집중적으로 쓰기도 어려울 수 있다. 본인의 주요 업무는 데이터 분석 과학이 아니기 때문에 1~2달의 트라이얼 라이선스를 지원받고도 1~2번 사용해보고 라이선스 지원기간이 종료되기도 한다. 하지만 이때부터는 라이선스 구독(license subscription)을 해야 하는데, 비용 투자에 대한 승인을 받기도 어려워지고 결국 데이터 분석에 대한 희망은 그냥 묻어두게 된다. 오픈소스 소프트웨어의 프리 라이선스는 이러한 장벽을 뛰어넘는데 유용하다. 종종 ‘글로벌 대기업은 R&D 비용이 많아서 라이선스 투자에 관대하고 필요하면 다 구입해 준다’고 생각하는 분들을 만날 때가 있는데, 그동안 만나 본 국내외 유수의 기업에서 풍족한 라이선스 투자를 마음껏 해준다는 이야기를 들어본 적은 거의 없다. 심지어 수년 전에 엔비디아 본사 인원과 협업을 한 적이 있는데, 생각보다 내부에서 오픈소스 소프트웨어를 많이 사용하고 있었고 주요 이유 중에 하나는 비용 절감이었다. 하지만 대규모 오픈소스 소프트웨어를 개발하는 회사는 어떻게 개발 비용을 충당하고 운영을 할 수 있을까? 라는 궁금증이 생기게 된다. 유일한 정답은 아닐 수 있지만, 대부분의 회사에서 클라우드를 포함한 서버 버전은 프리 라이선스가 아니라 라이선스 구독을 받고 있고, 이를 구축하는 비용을 별도로 받는 경우가 많다. 당연한 말이겠지만, 이는 개발과 운영에 많은 리소스가 소요되고 결국 비용이 필요한 일이기 때문이다. 그렇다면 또 다른 의문이 생길 수 있다. 왜 클라우드 또는 서버 버전이 필요한 것일까? 간단하게 핵심을 요약하면, 다른 이들(동료, 부서 등)과의 효율적인 협업과 대98 · 규모 데이터 분석 실행 환경이 필요하기 때문이다. 그림 1 나임 클라우드 환경의 구조와 핵심 이점 나임의 클라우드(서버) 환경은 나임 비즈니스 허브(KNIME Business Hub)라고 불리우고 있는데, 이제부터 나임 비즈니스 허브에 대해 살펴보도록 하겠다. 쉽게 정리해 보면, 나임 애널리틱스 플랫폼(KNIME Analytics Platform)은 기본적으로 개인 PC에 설치해 사용하는 소프트웨어(클라이언트 애플리케이션)이고, 나임 비즈니스 허브는 조직 단위의 데이터 분석 워크플로 협업, 배포 및 모니터링을 위한 서버 플랫폼이다. 나임 애널리틱스 플랫폼과 나임 비즈니스 허브에 대한 관계 구조를 정리해 보면 <그림 1>과 같다. 어렵지 않게 파악할 수 있듯이, 나임 애널리틱스 플랫폼이 사용자(데이터 과학자)와의 접점을 이루고 있고 실행, 배포(deploy) 및 협업(collaboration) 측면은 나임 비즈니스 허브와 연계되어 있다는 것을 알 수 있다. 결국 사용자는 나임 애널리틱스 플랫폼에서 사용하는 환경과 유사하지만, 나임 비즈니스 허브가 필요한 상황에서는 동일한 방식으로 워크플로를 실행하고 데이터 분석을 수행할 수 있다. 그렇다면 나임 비즈니스 허브와 같은 클라우드 서버 환경은 어떤 장점이 있을까? 크게 다섯 가지 관점으로 정리해 볼 수 있다. 데이터 분석 워크플로의 중앙 집중형 관리 데이터 분석 워크플로의 중앙 관리 시스템을 제공하여 팀 내 협업 시스템을 구현할 수 있다. 개인의 로컬 PC에서 워크플로를 관리할 경우 버전 충돌, 중복 작업, 지식 공유의 어려움 등의 문제에 직면하게 된다. 반면 중앙 집중형 관리는 모든 워크플로를 한곳에 저장하고 관리함으로써 구성원이 최신 버전의 분석 로직에 상시 접근하고, 표준화된 분석 프로세스를 공유하며, 효율적인 협업환경을 구축할 수 있도록 지원할 수 있다.(그림 2) 그림 2 데이터 분석 워크플로의 자동화 및 스케줄링 데이터 분석 작업은 주기적으로 반복되거나 특정 조건에 따라 반복 실행되어야 하는 경우가 많다. 클라우드 서버 환경을 통해 분석 워크플로를 사전에 정의된 규칙에 따라 자동으로 실행하고, 특정 시간이나 이벤트에 맞춰 스케줄링을 수행할 수 있다.(그림 3) 그림 3 ■ 기사의 상세 내용은 PDF로 제공됩니다.

작성일 : 2026-01-07

로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (4) 지난 호에서는 로코드 분석 설루션인 나임(KNIME)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 완성해 보았다. 나임을 활용해 코딩에 크게 의존하지 않으면서 비교적 쉽고 간단하게 데이터 분석을 수행할 수 있다는 것을 확인해 볼 수 있었다. 이번 호에서는 전형적인 데이터 분석 유형과는 좀 다른 과제에 도전해 보고자 한다. ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자 ■ 윤경렬 현대자동차 연구개발본부 책임연구원 ■ 김도희 잘레시아 DX 프로 대부분의 데이터 분석 과제는 데이터를 수집하고 정리하고 가공하는 과정이 복잡하고 어려운 경우가 많다. 특히 데이터에 대한 구조와 규칙을 이해하고 이를 정제하는 과정은 중요하지만 업무 성과로서 크게 돋보이지도 않는 경우도 종종 있다. 하지만 일단 제대로 정리해놓고 나면(전처리) 데이터를 활용하여 중요한 정보를 얻을 수도 있고 핵심적인 인사이트를 찾는 것도 용이할 수 있다. 어떤 면에서 진정한 데이터 분석 워크플로의 핵심 노하우는 머신러닝 분석 기술을 사용했는지가 아니라 데이터 전처리를 어떻게 수행해 왔는지에 달라질 수 있다고도 볼 수 있다. 그래서 이번 호에서는 다소 복잡해 보일수도 있지만 차량 부품(프런트 범퍼 빔) 파트에 대한 시뮬레이션 데이터 정리를 나임을 통해 정리해 나가는 방법을 보여주고자 한다. 분석 영역 : 차량 범퍼 빔(bumper beam) 파트 분석 데이터 : 시뮬레이션(CAE) 모델 데이터 유형 : NASTRAN(진동소음해석 분석을 위해 사용하는 솔버 포맷) 데이터 분석 목표 : 면적(area) + 체적(volume) 구하기 그림 1 시뮬레이션(CAE) 모델 및 나스트란(NASTRAN)에 대한 자세한 설명은 이번 호 내용의 범위를 벗어나기 때문에 넘어가도록 하겠다. <그림 1>의 차량 범퍼 빔 파트 모델은 삼각형 요소(tria element)와 사각형 요소(quad element)로 구성되어 있는데 상대적으로 삼각형 요소가 적으므로(26개) 삼각형 요소에 대한 면적을 구하는 과정을 진행해 보도록 하겠다. 그림 2 차량 범퍼 빔 파트 모델을 나스트란 포맷으로 익스포트(export)해 보면 <그림 3>과 같은 텍스트 형식으로 출력이 된다는 것을 알 수 있다. 노트패드++(Notepad++)같은 텍스트 에디터 소프트웨어를 통해 파일을 오픈할 수 있다. 설명을 용이하게 하기 위해 실제 데이터에서 일부만 샘플로 추출한 내용으로 설명하도록 하겠다. 참고를 위해 나스트란 데이터에 대한 설명을 간결하게 진행해 보자. GRID는 3차원 공간상의 점(point/node)을 나타내는 것으로 ID/좌표 X/좌표 Y/좌표 Z로 구성되어 있다. CTRIA3는 공간상의 삼각형 요소를 나타내는 것으로 ID/PSHELL ID/GRID ID1/GRID ID2/GRID ID3로 구성되어 있다. CQUAD4는 공간상의 사각형 요소를 나타내는 것으로 ID/PSHELL ID/ GRID ID1/GRID ID2/GRID ID3/GRID ID4로 구성되어 있다. PSHELL은 요소들(elements)이 속한 그룹에 대한 정보로 ID/ MAT1 ID/두께 등의 정보로 구성되어 있다. MAT1은 PSHELL이 속한 재질(material)에 대한 정보를 담고 있는 것으로 ID/탄성계수(elastricity)/포아송비(poisson ratio)/밀도(density)로 구성되어 있다. 나임을 실행하고 나서 처음으로 해야 할 일은 데이터를 불러오는 것이다. 지난 연재에서 설명한 것과 같이 CSV Reader 노드를 사용하면 편리하다. 그림 3 그림 4 그림 5 ■ 자세한 기사 내용은 PDF로 제공됩니다.

작성일 : 2025-11-04

[무료강좌] 데이터 분석 로코드 설루션을 배워보자 Ⅱ

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (3) 지난 호에서는 로코드 분석 솔루션인 KNIME(나임)에 대해 알아보고 전력 판매량(Electric Power Sales) 예측에 대한 따라하기를 진행해 보았다. KNIME을 통해 ‘데이터 불러오기’와 ‘데이터 병합’에 대한 분석을 진행하였다. 이를 통해 KNIME이 어떻게 동작하는지 그리고 어떻게 데이터 분석을 시작할 수 있는지 대략적으로는 파악할 수 있었을 것으로 생각하고 있다. 이번 호에서는 지난 호에 이어서 나머지 전력 판매량 예측 따라하기 부분을 완성해 보도록 하겠다. ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자 ■ 윤경렬 현대자동차 연구개발본부 책임연구원 ■ 김도희 잘레시아 DX 프로 규칙 엔진과 데이터 전처리 그림 1 우선 진행해야 할 부분은 Rule Engine(규칙 엔진)이다. Rule Engine이 무엇이고 어떤 데이터 노드인지 알아보자. 그림 2 KNIME 왼쪽 상단의 info 탭을 클릭해서 Rule Engine에 대한 설명을 찾아보도록 하자. 대략의 내용을 읽어보면 Rule Engine은 사용자가 정의할 수 있는 규칙(Rule) 목록을 설정하는 기능인데, 해당 규칙에 매칭이 이루어지면 칼럼(Column)이 새롭게 추가된다. 여기서 규칙은 해당 라인(line)별로 정의되어야 하며, 해당 칼럼은 $name$로 표현되어야 한다. 그림 3 Rule Engine을 통해 시간대별 발전량에서 발전량이 있는 경우를 1, 없는 경우를 0으로 분류하고 ‘is_y_positive’라는 칼럼을 생성하였다. Rule은 $9H$ > 0 => 1로 설정하면 되고, Append column = is_y_positive로 입력한다. 그림 4 노드를 실행(Excute)해 보면 ‘is_y_positive’라는 칼럼이 추가된 것을 알 수 있다. 그림 5 이제 is_y_positive 컬럼이 추가되었으니, 우선 발전량이 있는 경우와 없는 경우로 나누어 각각 얼마나 되는지 카운트해보자.(Value counter 노드) 그림 6 노드를 실행(Excute)해보면 <그림 7>과 같이 발전량이 없는 경우가 12건이 있고, 발전량이 있는 경우는 1448건이라는 것을 알 수 있다. 그림 7 ■ 자세한 기사 내용은 PDF로 제공됩니다.

작성일 : 2025-10-02

[무료강좌] 데이터 분석 로코드 설루션을 배워보자 Ⅰ

로코드를 활용하여 엔지니어링 데이터 분석 극대화하기 (2) 지난 호에서는 로코드 분석 설루션이 필요한 이유에 대해 알아보았다. 또한 데이터 분석이 일반적으로 거치는 과정에 대해서도 살펴 보았는데, 이러한 과정에 파이썬(Python)과 같은 프로그래밍 언어가 활용되는 상황 또한 정리해 보았다. 이번 호에서는 로코드 분석 설루션인 KNIME(나임)에 대해 알아보고, 전력 판매량 예측에 대한 분석 과제를 따라하기 과정을 통해 완성해 보도록 하겠다. ■ 연재순서 제1회 데이터 분석에 로코드 설루션이 필요한 이유 제2회 데이터 분석 로코드 설루션을 배워보자 Ⅰ 제3회 데이터 분석 로코드 설루션을 배워보자 Ⅱ 제4회 로코드를 활용하여 시뮬레이션 데이터 분석을 따라해 보자 제5회 데이터 분석 로코드 설루션을 클라우드로 확장해 보자 ■ 윤경렬 현대자동차 연구개발본부 책임연구원 ■ 김도희 잘레시아 DX 프로 지난 호에서 살펴본 일반적인 데이터 분석 과정은 다음과 같다. 요청 접수 → 데이터 확보 → 데이터 검토(칼럼/누락/이상치 확인) → 분석 전략 수립 → 데이터 정제 및 가공 → 분석 수행 및 시각화 → 결과 공유 이전에 강조한 바와 같이, 아무리 쉬운 코딩 언어라고 할지라도 데이터 분석을 요청받은 데이터 과학자(data scientist)가 이를 실제 업무에 적용하여 원하는 결과를 빠르고 정확하게 구현해내는 것은 어려운 일이다. 또한 코딩에 능숙한 데이터 과학자라고 해도 깃허브(Github) 및 인터넷 상에 공유된 소스코드를 다운받아 재활용 및 가공하여 사용하는 경우가 많은데, 이때 악성 코드 등에 대한 보안 이슈도 문제가 될 소지가 있다. 사실 데이터 과학자는 수학 및 통계적 지식을 활용하여 빠르게 정확하게 데이터 분석을 하고 싶은 것이고, 이를 위해 효율적인 툴을 사용하고자 한다. 우리는 이러한 현상을 극복해 나가고자 로코드 분석 설루션(low code analytics solution)을 대안으로 검토하였고, 이를 활용하여 데이터 분석을 수행해 나가는 과정을 따라가 보고자 한다. 지난 호에서 유관부서로부터 전력 판매량(electric power sales) 예측에 대한 분석 과제를 요청 받은 상태이고, 언제나처럼 기한은 촉박한 상황의 시민 데이터 과학자(citizen data scientist)로 가정하여 주어진 과제 목표를 달성하였다. 우리에게 주어진 데이터는 발전소 데이터, 기상 정보 데이터, 날짜 및 요일 데이터 등 세 가지로 이를 처리하기 위해 파이썬으로 코드를 작성한 사례를 공유하였고, 동일한 내용을 로코드 분석 설루션인 KNIME을 활용하여 처리한 사례도 공유하였다. 그림 1 이번 호에서는 KNIME에 대해 알아보고 전력 판매량 예측에 대한 분석과제를 따라하기 과정을 통해 완성해 보도록 하겠다. 우선 구글 제미나이(Google Gemini)에게 KNIME에 대한 역사와 특징에 대해 알려 달라고 해보자.(그림 2~4) 그림 2 그림 3 그림 4 가트너(Gatner)의 피어 인사이트(Peer insight) 리뷰를 확인해 보았는데, 평점(rating)이 상당히 높은 편이고 사용자의 반응도 높다는 것을 확인하였다. 또한 오픈소스 기반 소프트웨어로서 기업에서도 무료로 자유롭게 설치하여 사용할 수 있다는 측면에서(KNIME Analytics Platform) 로코드 분석 설루션으로 선택하기에 부족함이 없다는 것을 확인하였다. 그림 5 현재 KNIME은 데이터 사이언스를 위한 최적의 설루션을 위해 세 가지 서비스를 제공하고 있다. 이번 호에서는 KNIME Analytics Platform을 활용하여 전력 판매량 예측에 대한 분석 과제를 따라해보고자 한다. 그림 6 ■ 자세한 기사 내용은 PDF로 제공됩니다.

작성일 : 2025-09-03

[칼럼]DT, IoT 시대 이니셔티브 디지털 스토리 두 번째, 보쉬

파워블로거 류용효의 PLM 라이프 스토리쪽지… 비즈니스 워커 Chapter 49 ■ 류용효 : PTC코리아의 Director로 재직 중이다. 이전에는 PLM 제품 컨설팅 및 R&D 프로젝트를 주로 수행하였으며, 한국실리콘그래픽스(SGI)에서 워크스테이션, Virtual Reality pre-sales 업무를, 성우오토모티브(현 다이모스)에서 EF 소나타, XG 그랜저 시트설계를 수행한 바 있다. E-mail : Yonghyo.ryu@gmail.com Blog : http://PLMIs.tistory.com 가능의 한계를 알기 위한 유일한 방법은 불가능의 영역에 살짝 발을 들여 놓아 보는 것. – 아서 클라크 로베르트 보쉬(Robert Bosch GmbH)는 자동차 및 산업 기술, 소비재 및 빌딩 기술 분야의 선도적 기업이다. 1886년에 독일의 로베르트 보쉬에 의하여 정밀기계/전기기계 제조업체로 설립되었으며, 1887년 가솔린엔진용 점화장치를, 1897년에 자동차엔진용 점화장치를 개발한 이후 자동차 전장품을 중심으로 하는 부품회사로서 지위를 확립하였다. 그 후 경영을 다각화하여 자동차 부품 외에 가전제품, 라디오, 텔레비전, 텔레비전 방송용 기기, 소형 영사기기, 포장기계, 전기공구 등을 제조/판매하고 있다. 지멘스와 가정용 전기기기의 공동판매회사를 가지고 있으며 해외로도 진출하여 유럽, 북미, 중남미, 인도에 많은 생산/판매 자회사를 가지고 있다. 2011년 기준으로 전 세계에 30여만 명의 직원이 근무하고 있으며, 2011년 회계연도에 약 514억 유로의 매출을 기록하였다. 1972년에 대한민국에서 사업을 시작하였고, 용인시와 대전광역시에 기술연구소와 생산기지를 두고 있다. 보쉬의 IoT 전략 자동차 시장에서 보쉬가 차지하는 비중은 매우 높다. 자동차의 ECU 등 핵심기술을 보유하고 있고, 자동차의 미래기술들을 선도하고 있다. 미래 성장동력인 IoT에 대한 보쉬의 전략은 ‘보쉬 IoT 스위트(BOSCH IoT Suite)’를 통해서 다양한 분야를 지원하는 것이다. 특히 IoT를 활용하여 사용자에게 효과적인 것이 증강현실을 통한 사용자 서비스 분야이다. 물론 서비스 분야 뿐만 아니라 R&D, 생산, 품질, 영업환경 등 다양한 곳에서 활용이 가능하다. 여기서 핵심은 IoT 플랫폼에 있다. 모든 데이터들이 드나드는 플랫폼이 없다면 IoT 구현이 절반의 성공으로 남을 공산이 크다. 이유는 디바이스, 센서, 사물(자동차,기계 등)이 지속적으로 추가되거나 변경되거나 또는 사라지기도 하기 때문에 이들을 잘 관리하기 위해서는 플랫폼이 그 중심에 있어야 한다. 그림은 KNIME UGM 2015 컨퍼런스에서 보쉬가 발표한 자료에 언급된 내용인데, 보쉬 IoT 플랫폼의 큰 그림을 한눈에 볼 수 있다. 보쉬의 두드러진 IoT 전략은 자사의 IoT 경험을 마켓 플레이스에 올려놓고 누구나 언제든지 가져다 쓸 수 있는 환경을 제공하는 것이 특징이다. 예를 들어 아이튠즈, 구글 플레이, 씽웍스(Thingworx)에서 등록된 BOSCH CAP(Common Augmented Reality Platform)를 찾을 수 있다. 아이패드와 마커(Target)만 있으면 누구나 증강현실을 체험해 볼 수 있다. BOSCH CAP 아이튠즈에서 앱을 내려받아서 설치하였다면, 이제 BOSCH CAP 앱으로 한번 들어가 보자. BOSCH CAP는 MES, PLM 등과 증강현실 기능이 추가되어 공장과 시스템 플래닝, 목표/실제 비교 및 계획의 충돌 감지, 기술문서 와 디지털 작업지시, 생산 및 제조, 유지보수, 교육과 트레닝, 마케팅, 무역전시 행사에 등에 사용된다. 사진은 BOSCH CAP의 증강현실 활용 모습이다. 엔진룸 와이어링 하네스 체결 절차를 증강현실을 이용 조립순서와 주의점들을 순서대로 가이드해 주고 있다. 또한 증강현실은 AS 센터의 모습을 확 바꾸어 놓을 것이다. 태블릿과 같은 디지털 전자기기 그리고 인터넷, 관련 앱만 있으면 정비 등 각종 정보를 해당 기업으로 부터 최신 상황을 업데이트받을 수 있다. 또한, 제품개발 정보를 증강현실을 통해서 볼 수 있으므로 차량에 장착된 와이어링 하네스와 부품정보에 대해 각종 문서, 도면, 미디어 정보 등을 앱을 통해 실시간으로 볼 수 있어서 현장에서 곧바로 이슈에 대해 대응할 수 있는 장점이 있다. 커넥티드 툴즈 보쉬는 다양한 제품들을 취급하고 있다. 보쉬의 제품이 쓰이지 않는 곳이 없을 만큼 전동공구에서부터 기계의 전자부품, 자동차의 ECU 등 많은 곳에서 활약하고 있다. 보쉬는 자사의 제품들이 IoT 환경에 연결되어 IoT 및 인더스트리 4.0, 나아가 4차 산업혁명의 구심점 역할을 할 수 있도록 모든 툴을 연결한다는 ‘커넥티드 툴즈(Connected Tools)’를 제공한다. 주요 핵심내용은 다음과 같다. ■ 각 작업(Task)에 대한 프로그램 자동 배포 ■ 제조 품질 보장을 위한 데이터 캡처 ■ 전체 프로세스 통합을 위한 보쉬 oIT 스위트 통합 연계 예를 들어 항공기 정비에서 툴과 측정장비, 그리고 시스템에 연결되어 모니터링되고 작업지침서대로 작업이 되었는지 모니터링할 수 있다. 가령 리벳팅하는 공구를 사용하여 리벳팅 작업을 할 때라든지, 볼트 체결시 토크량 등이 자동 측정되어 IoT 플랫폼에 실시간으로 쌓인다. 정상 상태의 값들을 이미 알고 있기 때문에 상대비교를 하여, 볼트가 덜 체결되었거나 과도하게 체결되었을 때 자동 알람으로 작업자에게 그리고 정비 관리자에게 알려준다. 기술제휴 계획 발표 보쉬 소프트웨어 이노베이션과 PTC는 씽웍스 플랫폼(ThingWorx Platform)과 보쉬 IoT 스위트의 통합 추진을 목표로 하는 기술 제휴 계획을 발표했다. 기술 제휴로 개발된 씽웍스 전용 보쉬 IoT 스위트 M2M 커넥터(Bosch IoT Suite M2M Connector)는 씽웍스 마켓플레이스(ThingWorx Marketplace)에서 다운로드할 수 있으며, 두 플랫폼 간 기술적 상호연동도 가능하다. IoT 개발자는 이종 디바이스와 시스템을 연결 및 제어하며, IoT 애플리케이션을 신속하고 효율적으로 개발할 수 있다. 요구조건 변경에 따라 IoT 솔루션도 쉽게 수정할 수 있다. 양사는 기술제휴를 진행하며 산업인터넷컨소시엄(IIC) 트랙&트레이스(Track & Trace) 테스트베드를 실시했다. 이를 통해 공장 현장에서 기계 설비를 무선으로 연결해 작동하는 테스트를 성공적으로 완료했다. 이제 기업은 트랙&트레이스 애플리케이션을 이용해 모든 디바이스의 상태를 실시간으로 모니터링하고, 수집된 데이터를 생산 프로세스와 장비 유지보수의 최적화에 사용할 수 있다. 또, 디바이스의 오작동이 예상되는 경우 이를 바로 탐지하고, 결함이 발견된 디바이스는 다운타임이 발행하기 전에 교체할 수 있다. 맺음말 이상으로 현재 진행형인 보쉬의 IoT 전략과 보쉬 IoT 스위트, 주요앱에 대해서 살펴보았다. 기업의 디지털 스토리는 각 회사의 특징과 차별성을 반영하므로 미래의 성공의 열쇠임에는 틀림 없다. 앱을 무단복제할 수 없고 또한 상용 플랫폼을 통해서 일반 대중 속으로 전달되기 때문에 파급효과는 클 것으로 예상된다. ‘티끌모아 태산’이라는 말이 생각난다. 하루 아침에 뭔가를 만들어 낼 수는 없다. 특히 IoT는 과거와 다른 경험과 아이디어를 요구하고 있다. 기술은 이미 시장에 널려 있는데 어떤 아이디어로 어떻게, 그리고 무엇을 보여 줄 것인가가 승패를 좌우할 것이다. 기술은 그 뒷받침을 위해 존재할 뿐이다. ■ 기사 상세 내용은 PDF로 제공됩니다.

작성일 : 2016-06-02