김학춘 답변입니다.

연락처 전달해 주시면, 별도로 답변 드리도록 하겠습니다.

민병욱 부장 답변입니다.

motor cad (개념설계) 및 optislang(최적화) 을 추천 드립니다.

주어진 제약조건(크기,목표성능,전압,전류제한)에서 , 기존의 전류 밀도 및 자속밀도 수준을 모터 크기에 상관없이 동일한 수준으로 유지하면서 출력 혹은 토크에 맞게 모터의 상당 직렬턴수 및 자석의 크기를 변경하시면 됩니다.

sungil chae 답변입니다.

대부분의 예외처리에 대한 사항은 메뉴얼로 제공을 해 드리고 있습니다. 이후 강화학습을 위한 데이터는 인식률에 대한 모니터링을 하고 있고 주기적인 방문을 통해 업데이트를 하거나 온라인 서버를 통해서 진행하는 경우도 있어 옵션에 따라 강화학습은 다양하게 진행 될 수 있습니다.

첨단 답변입니다.

일반적인 카메라 라인업은 아닙니다. 충분히 검토가 가능하지만, 아직은 가격이 높기 때문에 채용률이 굉장히 낮습니다.

fainstec 답변입니다.

Hyper Spectral Camera의 경우 금액이 높은 편이긴 합니다만 근래 Sony에서 SWIR 센서가 출시 하면서 접근 가능한 금액대가 되었습니다. 다만 Hyper Spectral Imaging의 경우 표면의 재질을 검사 할 수 있는 적합한 조명과 소프트웨어가 뒷받침 되어야 합니다. Specim 이라는 업체 웹사이트를 확인 해 보시면 도움이 되실 겁니다.

센소파트코리아 영업팀 답변입니다.

불량율 검출과 조립 허용 오차를 줄이기 위해서는 검사에 적합한 촬영 영역을 구축하여, 분해능을 높이는 것이 중요합니다. 또한 적합한 조명 조건을 구축하여, 명확한 이미지 취득이 필요합니다.

검증 정확도를 높이기 위한 학습 데이터 양과 질의 부분은 딥러닝 학습 검사에 관련된 부분으로 자사의 딥러닝은 자체적인 컨트롤러로 구현되기 때문에 많은 학습 양과 시간이 소요되지 않습니다.

추가적으로 자사의 제품은 룰베이스와 딥러닝 두가지 다 적용이 가능한 제품입니다.

다른 문의사항이 있으시면, k.lee@sensopart.com | s.lee@sensopart.com | 031-723-0135 로 연락주시면, 회신드리도록 하겠습니다.
TEST 및 상담이 필요하시면, 경기도 화성시 동탄첨단산업1로 27 B동 235호 센소파트 코리아(영천동, 금강펜테리움 IX타워) 로 방문주시면, 지원드리도록 하겠습니다.
편하신 방법으로 문의주시길 바랍니다.
감사합니다.

이신원 답변입니다.

팩조립을 할때에 센소파트 Visor Camera를 설치하여,
로봇과 비전이 설치되어 있는 공간에 동영상에서 보신 것처럼
벽면에 자사의 Calibration Plate를 설치 후 Hand-eye Calibration 시퀀스를 추가하시면 재보정이 필요할 때, 작업자가 손쉽게 사용하실 수 있을 것 같습니다.
보다 자세한 안내는 센소파트 본사로 연락을 주시면, 더 자세히 안내드릴 수 있도록 하겠습니다.

크레아폼 정주영 매니저 답변입니다.

안녕하세요. 보통 역설계를 하는 대상의 물체 크기/특성에 따라 스캐너 추천 모델은 달라집니다. 핸디스캐너를 활용하여 부분스캔후 기존의 CAD모델에 통합도 가능합니다. 보통 소규모 기업은 예산에 따라 예산이 적은 경우 입문용 3D스캐너인 Peel 시리즈 부터 High end 모델인 MetraSCAN 까지 다양합니다. 제품별 다양한 스펙은 크레아폼 한국 홈페이지를 통해 확인 가능하십니다. https://www.creaform3d.com/ko

원프레딕트 답변입니다.

발표 드린 모터 진단 솔루션은 실제 현장 및 보전 상황에서의 운영 조건등을 반영한 솔루션 이며, 지속적인 보전 기준에 따른 민감도 조정 및 학습/재학습을 통한 진단 정확도를 고도화 하는 방식 입니다.

통합 API 통한 다양한 데이터 취합 방식과 요청 사항에 따라 처리 방식도 향 후 대응 드릴 수 있습니다.

UiPath 답변입니다.

비규칙적인 업무라도 매일 수행되는 업무라면 규칙성을 찾아 개발하게 될 경우 효율성이 있을 수 있습니다.
수행주기가 긴 업무일지라도 한번 수행 시 많은 시간이 필요한 작업이라면 RPA를 도입하여 효과를 볼 수 있을 것 같습니다.
사전에 해당 작업에 대한 규칙성 정의가 중요한 것 같습니다.

박찬희 답변입니다.

담당자, 부서, 부문별로 과제발굴하고 조직의 전략적 판단 혹은 성과가 높은 과제를 대상으로 우선 구축하는 것이 바람직 합니다.

박찬희 답변입니다.

과제 발굴 단계에서 영향도(치명도) 측면에서 적합성을 판단하는 지표가 있으며 ROLLBACK여부, 재실행 여부등 따져보고 적합성을 판단합니다

박유라 답변입니다.

원하시는 경우에 메일로 받으시기도 하고, Slack등 선택하시는 툴을 통해서 업데이트를 받아보실 수 있도록 지정할 수 있습니다.

박유라 답변입니다.

Attended Robot을 쓰시는 경우에는 Orchestrator에서 제어할 수 있는 기능이 제한되기는 하지만 일반적으로 UiPath Orchestrator는 로봇의 업무를 할당하고 업무 진행 상황과 로봇의 상태 등의 전반적인 모니터링을 수행합니다. 또 대시보드를 통해 로봇 관리 및 통제, 업무 분산 (Load Balancing), 로그 기록 확인 (.txt), 사용자 권한 관리 가능합니다.

박유라 답변입니다.

원하시는 경우에 메일로 받으시기도 하고, Slack등 선택하시는 툴을 통해서 업데이트를 받아보실 수 있도록 지정할 수 있습니다.

박유라 답변입니다.

Attended Robot을 쓰시는 경우에는 Orchestrator에서 제어할 수 있는 기능이 제한되기는 하지만 일반적으로 UiPath Orchestrator는 로봇의 업무를 할당하고 업무 진행 상황과 로봇의 상태 등의 전반적인 모니터링을 수행합니다. 또 대시보드를 통해 로봇 관리 및 통제, 업무 분산 (Load Balancing), 로그 기록 확인 (.txt), 사용자 권한 관리 가능합니다.

UiPath 답변입니다.

chatGPT 뿐만 아니라 Chatbot을 사용하여 API키를 사용하여 RPA와 연동하게 될 경우 채팅을 통하여 정보를 얻고 운영 PC에서 수행시키도록 진행할 수 있습니다. RPA에서는 타 프로그램의 API 키를 통하여 연동 및 프로세스 수행을 구현할 수 있습니다.

UiPath 답변입니다.

Orchestrator를 함께 사용하게 될 경우, 운영 시간을 스케쥴링하여 시간, 요일에 상관 없이 프로세스를 수행하고 이후에 그 결과를 확인할 수 있습니다

박유라 답변입니다.

자동화과제발굴 조사양식을 초반에 작성하시게 되면 실제 사람이 업무한 시간과 로봇이 업무한 시간을 비교할 수 있어서 ROI를 가장 용이하게 뽑아보실 수 있습니다. 정성적인 부분이나 휴먼 에러를 최소화함으로써 얻어지는 성과도 생각해보실 수 있습니다.

트레드링스 답변입니다.

안녕하세요! 트레드링스입니다.

통상 포워더 회사에서 활용하는 정보는 선박회사의 웹 페이지에서 조회한 데이터 등을 활용하고 있는 것으로 알고 있습니다.
또한, 이러한 정보를 얻기 위해서는 수 십여개의 선박회사에 들어가서 조회를 하고 Report화를 함에 있어 번거로움이 있습니다.

다만, ShipGo 에서는 선박회사의 데이터 및 위성 AIS 데이터를 활용하여 정보의 가시성 및 업데이트 자동화를 통해 업무의 효율성을 높여줄 수 있는 점이 장점입니다.

감사합니다.

트레드링스 답변입니다.

안녕하세요! 트레드링스입니다.

네 통합 활용이 가능합니다.
올해 7월 론칭 예정인 당사의 ZimGo 솔루션의 경우,
내부 담당자, 외부 포워더, 관세사를 포함, 물류 유관 담당자들과 한 페이지에서 업무 커뮤니케이션이 가능하며
클라우드 공간에서 선적정보와 서류들을 통합관리 할 수 있습니다.

감사합니다.

트레드링스 답변입니다.

안녕하세요! 트레드링스입니다.
실무 및 현업에서 발생하는 다양한 정보들을 정형화 시키고, 정형화된 데이터에 대한 패턴 분석 및 기업 내부에 저장함으로 인해 데이터의 활용성이 높아집니다.

과거에는 이러한 정보들을 정형화하고 저장할 수 있는 물리적인 구조가 불가능하였지만, 기술의 발전으로 인해 현 시대는 빅데이터 취급이 가능해졌습니다.

비정형데이터의 정형화 비율은 사례 별로 다르기 때문에 비율로 말씀드리기는 어려운 점 양해 부탁 드립니다.

감사합니다.

이형준 답변입니다.

그렇다면 제가 조금 질문을 바꾸어서 드려볼게요. 우리가 흔히 ETL 이라고 부르는 DW를 구성하는 것이 물류부분의 빅데이타 정보를 처리하는 방식으로서 훨씬 더 선호되지 않을까하는 생각이 들거든요. 마치 지금 보여주시는 엑셀데이타의 형태처럼요. 그래서 과연 ELT라고 부르는 Data lake 방식의 빅데이타처리가 실제 물류데이타로 부터 유용한 정보를 얻어내는 데 과연 많이 사용될까하는 생각이 들어서 드린 질문입니다.

트레드링스 답변입니다.

안녕하세요! 트레드링스입니다.

가치있는 질문 주셔서 감사 드립니다.
해당 내용에 대해서는 본 웨비나 종료 후 당사로 연락 주시고 이야기해보면 좋을 것 같습니다 : )

감사합니다.

센소파트코리아 영업팀 답변입니다.

용접 로봇에 적용 사례가 있습니다만, 해당 사례는 일부 공개가 어렵기 때문에 직접 상담을 통하여, 자세히 안내 드릴 수 있도록 하겠습니다.
보다 자세한 안내 및 Test 지원은 센소파트 코리아(경기도 화성시 동탄첨단산업1로 27 B동 235호 센소파트 코리아, 영천동 금강펜테리움 IX타워)로 방문주시면 감사합니다.
또한, 자사 직원과 연락을 희망하신다면, 영업부 이경민 과장(010-5477-4530) 또는 엔지니어 이신원 과장(010-5071-0153)으로 연락 부탁 드립니다.
다시 한번 많은 관심과 참여에 감사합니다.

센소파트코리아 영업팀 답변입니다.

자사 내 악세사리류 및 전처리를 이용하여 광택이 있는 제품도 검사를 하고 있습니다.
자사 직원과 통하여 많은 정보를 전달 드릴 수 있을 것 같습니다. 번거로우시겠지만 영업부 이경민 과장(010-5477-4530) 또는 엔지니어 이신원 과장(010-5071-0153)으로 연락 부탁 드립니다.