세션 개요

고객 기조연설: 자동차 연결의 초월성과 빅데이터

9:50–10:20

지난 1월 8일 미국 라스베이거스에서 열린 국제전자제품박람회(CES 2019)에서 서정식 전무는 현대차의 미래 모빌리티 방향성인 ‘연결의 초월성’에 대해 발표했습니다. 커넥티드카에서 연결의 초월성이란 자동차 안팎의 다양한 환경에서 다른 자동차나 집, 스마트 기기, 나아가 도시와 하나로 연결된다는 의미로, 본 기조연설에서는 빅데이터를 활용한 자동차 연결의 초월성을 소개합니다.

매스웍스 기조연설: 인공지능의 “인텔리전스”를 넘어서

10:20–10:50

통찰력. 구현. 통합.

AI 또는 인공지능은 우리가 구축한 제품과 사업 방식을 변화시키고 있습니다. 또한 AI를 시스템에 구축해야하는 사람들에게는 새로운 과제를 제시합니다. “인공지능 주도형” 시스템을 만들려면 지능형 알고리즘을 개발하는 것 이상이 요구되며, 특히 다음 세 가지가 필요합니다:

• 전체 시스템에 대한 신뢰를 구축하는 데 필요한 테스트, 모델 및 시나리오를 생성하는 도메인 전문가의 통찰력
• 데이터 준비, 계산 플랫폼 선택, 모델링 및 시뮬레이션 및 자동 코드생성을 포함하는 구현 세부 정보
• 최종 엔지니어링 시스템에 통합

기조연설자인 Chris Hayhurst는 엔지니어 및 과학자들이 MATLAB^® 및 Simulink^®를 이용하여 차세대 스마트 커넥티드 시스템에 AI를 성공적으로 설계하고 통합하는 방법을 보여줍니다.

MATLAB과 Simulink 제품군의 새로운 기능들 (R2018b/R2019a)

10:50–11:20

MATLAB^®과 Simulink^® 제품군에 새롭게 추가된 기능들은 사용자의 워크플로우를 좀 더 효율적으로 되도록 도와 드릴 것입니다. 딥러닝, 무선 통신, 자율 주행등과 같은 다양한 분야를 위한 기능을 보여 드립니다. 또한 소프트웨어와 시스템의 아키텍쳐를 위한 새로운 툴과 모델링, 시뮬레이션, 그리고 설계를 검증하기 위한 새로운 툴과 기능들도 소개 합니다.

인공지능 및 엔터프라이즈 환경 개발을 위한 빅데이터 개발 프레임워크

11:40–12:10

엔지니어링 업무는 이전과는 비교할 수 없을 정도로 데이터의 중요성을 요구하고 있습니다. 이러한 데이터들은 테스트 측정, 다양한 운전 및 오퍼레이션 , IoT 기반 서비스등의 다양한 데이터 소스로 부터 생성되고 이를 통하여 새로운 데이터 기반의 생상물과 서비스를 기획하고 개발하는데 사용할 수 있습니다.

하지만, 여전히 많은 엔지니어 조직들은 데이터 들을 활용한 프로세싱과 데이터를 통한 가치 획득에 어려움이 있는 것도 현실입니다.

이 세션에서는 MATLAB^®의 새로운 데이터 접근, 관리 및 분석 기능들을 소개하며 특히 datastore기반의 프레임워크를 사용하여 거대한 데이터 콜렉션 파일들로의 데이터 접근과 취득한 센서 데이터 처리와 관리를 위한 MATLAB의 데이터 타입을 소개합니다. 이러한 기능을 활용하여 엔지니어 조직이 개발한 데이터 분석 앱과 애널리틱 어플리케이션을 엔터프라이즈 환경에 적용하여 활용하는 방법에 대하여 확인 하실 수 있습니다.

APM기반의 자기진단: 반도체 공정용 건식 진공 펌프의 상태 진단의 새로운 지평

13:10 –13:40

세계 선도적 국내 반도체 제조공정에서 운용중인 진공펌프들의 실시간 상태변수 측정치를 이용한 운전 상태진단 및 예지보수(PM) 구현이라는 도전적 과제의 추진 결과를 소개합니다. 본 발표의 핵심은 실시간으로 전달되는 상태변수들을 공정 적응형 모델(APM)의 최적 인자 추정 기법과, 추정된 인자 기반의 펌프 운전 상태 지시치 (Hotelling T2와 잔차제곱 합 Q차트) 연산 체계를 통합한 새로운 상태진단 기술입니다. 발표 시 MATLAB^®기반으로 구현된 연산 모델 예시와 더불어 실공정 적용성과 유효성 평가의 일부 결과를 소개하고자 합니다.

건정성 관리 예측 모델 개발을 위한 MATLAB 활용 방안

13:50–14:20

건전성 예측 모델 개발은 방대한 시스템 운용 및 제조에 있어서 고가의 장비의 고장 혹은 성능 저하를 센서 데이터로 예측하여 운용 비용 절감의 이익을 제공합니다. 하지만 센서에서 측정된 데이터에서 의미 있는 정보 탐색에 있어서 많은 시도와 함께 메커니즘의 이해와 운용 상태에 깊은 이해가 필수적입니다.

이번 세션에서는 MATLAB^®과 Predictive Maintenance Toolbox™를 결합하여 기존의 전통적인 모델 기반 설계와 신호 처리 기법을 이용한 하이브리드 타입 머신 러닝 모델을 제작하여 기계 성능에 대한 고장 예측 모델을 작성합니다. 또한 R2019a에 새롭게 출시된 Feature Explorer App을 이용하여 별도의 코드 작성 없이 특징 추출, 시각화, 특징 순위 작성 기능에 대해 보실 수 있습니다. 추출된 특징과 함께 고장 진단 및 잔여 수명 예측 알고리즘 개발에 적용하실 수 있습니다.

또한 건전성 예측 모델 알고리즘 개발에 대한 검증과 장비에 대한 구현, 운용 시스템에 탑재등 작업 흐름에 대해 소개합니다.

MATLAB을 이용한 원전기기 금속이물질 충격신호 분석

14:30–15:00

원전 기기의 내부 구조물로 부터 이탈되거나 외부로부터 유입된 금속이물질은 냉각재의 유동에 따라 원자로 냉각제계통을 이동하며 핵연료, 노심내부구조물, 냉각재펌프, 증기발생기 등에 손상을 유발할 수 있습니다. 따라서, 원전에서는 이물질을 조기에 탐지하여 예방조치를 수행하고자 규제요건에 따라 금속이물질감지시스템(Loose Part Monitoring System: LPMS)을 운영하고 있습니다. LPMS는 금속이물질의 발생위치와 질량을 추정하기 위한 것으로서, 이는 원전 건전성 진단에 매우 중요한 요소로 작용합니다. 본 연구에서는 금속이물질의 충격에 의해 발생하는 굽힘파(bending wave)를 유한요소해석(Finite Element Analysis: FEA) 기법을 이용하여 모델링하였으며 그 타당성을 검증하였습니다. 또한, FEA 기반의 빅데이터와 머신러닝 기법을 이용해 금속이물질의 위치와 질량을 추정하기위한 방법론을 제안하였습니다.

제조 생산 현장에서 관리 시스템까지 빠른 인공지능 기반 시스템 구축

15:40–16:10

건전성 예측 기반 모델과 제조분야 의사 결정과 같은 새로운 첨단 분야에 인공지능 활용이 점차 증가되고 있습니다. 하지만 플랜트 모델링, 이에 대한 예측 모델 개발, 시스템에 반영, 모델의 공유 및 배포의 경우 아래 문제를 포함한 많은 복잡한 문제들이 있습니다.

• 고장 데이터는 쉽게 얻을 수 없습니다. 하지만 물리 기반 시뮬레이션을 이용해 가상의 상황에 대한 인위적인 데이터를 확보할 수 있습니다.
• 다수의 센서에서 수집한 고주파 성분 데이터의 경우 동기화 작업을 위해서 스트림 데이터 처리 시스템 구성이 어려워 지게 됩니다.

이번 세션에서는 MATLAB^®과 Simulink^®, Apache™ Kafka^®, Microsoft^® Azure^®를 이용해 위에서 언급한 어려운 점을 해결하는지 소개해 드립니다. 먼저 실제와 근사한 엔지니어링 물리 모델과 데이터 기반 머신 러닝 모델을 개발하는 방법에 대해 소개해 드립니다. 작성하신 모델을 곧바로 신뢰할수 있는 클라우드 시스템 개발을 위해, Apache Kafka를 이용하여 데이터를 수집, 관리하도록 합니다. 대략 3주 이내의 빠른 개발과정을 통해 프로토타이핑에서 전문화된 지능형 시스템 개발 구축에 이르는 일련의 과정에 대해 소개합니다.

MATLAB를 활용한 머신러닝 기반 가상발전소 운영 시스템 구축

16:20–16:50

최근 들어 미세 먼지 등의 환경 문제가 대두되면서 신재생에너지에 대한 관심이 지속적으로 높아지고 있습니다. 또한 정부가 발표한 재생에너지 3020 이행계획에 따르면 2030년까지 재생에너지 발전량 비중이 20%에 이를 전망입니다. 정부 계획대로 재생에너지와 같은 제어 불가능한(uncontrollable) 분산전원이 확산될 경우 전력망의 안정성과 제어가능성이 약화되어 큰 문제가 발생할 것입니다. 따라서, 복수의 분산전원을 ICT와 융합하여 단일 발전 프로파일로 전력망의 안정성에 기여할 수 있는 기술로 제안된 가상발전소(VPP)의 솔루션이 필요합니다. 가상발전소의 핵심특성은 기존의 중앙급전발전기와 같이 도매전력시장 참여와 함께 계통운영에 참가 즉 계통운영자의 급전지시에 응동할 수 있어야 합니다. 이를 위해 가상발전소(VPP)의 운영 시스템은 발전량 예측 기술과 전력 판매 운영 전략 최적화 등의 핵심 기술이 적용되어야 합니다. 본 세션에서는 당사에서 구축한 MATLAB^® 기반 머신러닝과 최적화 환경을 적용하여 가상발전소(VPP) 운영 시스템을 개발한 사례에 대해 소개하고자 합니다.

딥러닝과 강화학습

11:40–12:10

인공지능은 우리의 삶에 엄청난 변화를 가져오게 하고 있습니다. 딥러닝과 강화학습은 산업을 변화시키며 의료진단 장비, 자율주행 자동차, 로봇 제어 등 다양한 분야에 놀라운 성과를 이루게 해줍니다.

본 발표는 MATLAB^®에서의 딥러닝 및 강화학습에 대해 소개하며, 아래의 내용을 포함합니다.

• 학습데이터의 자동 레이블링 기능
• 다른 오픈 프레임워크와의 연동
• 이미지, 신호 및 텍스트에 대한 딥러닝 학습

GPU 기반 임베디드 딥러닝 코드 적용을 위한 MATLAB 솔루션 활용

13:10–13:40

SFA는 4차 산업혁명 시대를 맞이하여 제조현장의 수율에 영향을 미치는 품질과 성능을 최적화하기 위한 스마트팩토리 기술이 활발히 연구하면서 최근 적용범위가 확장된 딥러닝 기술을 적용하여 고객사의 현장 이슈들을 해결할 수 있는 자체 솔루션을 개발하여 완성하였습니다.

자체 개발된 솔루션을 고객사 양산환경에 적용이 가능하도록 구현하기 위해서는 임베디드 GPU 구현을 위한 CUDA^®코드 적용 등 MATLAB^®에서 제공하는 솔루션의 도움이 없었다면 많은 시행착오들을 겪었을 것으로 판단되어, 본 발표에서 MATLAB 솔루션을 활용한 CUDA 코드 변화 및 자동화 장비 적용 사례에 대해서 소개합니다.

신호 및 시계열 데이터를 위한 딥러닝

13:50–14:20

인공 지능 (AI) 기술을 사용하여 신호 및 시계열 데이터에 대한 예측 모델을 개발하는 것은 음성 인식, 레이더 타겟 분류 및 생체 신호 인식을 비롯한 다양한 응용프로그램 및 산업 전반에 걸쳐 활발한 연구가 이루어지고 있습니다.

본 세션에서는, MATLAB^®을 활용하여 손쉽게 신호 및 시계열 데이터에 딥러닝을 적용하는 방법을 소개합니다. 특히, wavelet scattering을 활용한 자동 특징 추출, 앱을 활용한 ground-truth labeling 기법 등 첨단 신호 및 오디오 처리 기술 및 데모를 확인하실 수 있습니다.

추가적으로, MATLAB을 활용한 AI 개발 방법을 소개하며 아래의 내용이 포함됩니다.

• 신호예측 모델의 정확도 향상을 위한 신호 전처리 기술 및 앱
• 고급 신호처리 특징 분석을 위한 feature engineering 기법
• ONNX™ (Open Neural Network Exchange)를 활용한 다른 딥러닝 framework와의 협업 방법
• GPU, multi-GPU 및 클라우드를 활용한 연산 확장

철도 궤도 결함 탐지를 위한 영역 기반 및 픽셀 기반 딥러닝 기법 적용 사례

14:30–15:00

철도에서도 딥러닝을 이용한 이미지 프로세싱에 대한 연구가 다양하게 진행되고 있는데, 그 중에서도 철도 시설물에 대한 결함을 탐지하는 연구를 수행하고 있습니다. 철도 시설물 중 궤도에는 레일, 침목, 체결장치 등의 구성요소가 있는데, 이러한 구성품이 정상적인 기능을 유지하는지에 대해 표면 결함, 탈락 여부, 균열 발생 여부 등을 확인해야 합니다. 이를 위해 정기적을 궤도 검측차를 통해 영상 이미지를 취득하고 있으며, 결함을 판정하기 위한 방법의 하나로 딥러닝을 활용하였으며, 그 연구 결과 중 일부를 본 세션에서 발표합니다.

임베디드 하드웨어로의 딥러닝 응용프로그램 배포

15:40–16:10

딥러닝 및 컴퓨터 비전 응용프로그램을 NVIDIA^® Jetson AGX Xavier™ 및 DRIVE™ AGX와 같은 임베디드 GPU 및 CPU 플랫폼에 맞게 설계 및 배포하는 것은 일반적으로 임베디드 하드웨어에 내재된 리소스 제약으로 인해 어려움이 많습니다. MATLAB^® 기반의 AI 워크 플로우는 이러한 애플리케이션의 설계를 용이하게 하며 최적화된 자동 생성 C/C ++ 및 CUDA^® 코드를 배포하여 다른 딥러닝 프레임 워크보다 최대 2 배 빠른 추론(Inference)성능을 보입니다.

본 세션에서는 아래와 같은 AI 개발 전체 워크플로우를 따라가며 진행됩니다.

• 센서 데이터 시각화 및 분석을 위하여 NVIDIA Jetson/DRIVE 플랫폼의 라이브 센서 데이터를 호스트 시스템에서 실행되는 MATLAB에서 시각화
• 컴퓨터 비전 기술로 증강시킨 데이터를 활용하여 데스크톱, 클러스터 또는 클라우드의 GPU 및 CPU로 딥러닝 네트워크 학습
• 학습시킨 딥러닝 네트워크를 MATLAB 내에서 테스트 및 검증
• GPU Coder™ 및 MATLAB Coder™는 MATLAB 알고리즘으로부터 최적화된 CUDA 및 C/C ++ 코드를 생성
• 생성된 CUDA 및 C/C++ 코드를 크로스 컴파일하여 Jetson 또는 DRIVE, ARM^® 및 Intel^® 기반 플랫폼에 배포

MATLAB을 사용한 영화에서 사용되는 색채심리학 분류

16:20–16:50

독일의 문호 괴테는 뉴튼의 광학이론에 반발하여 색채가 인간의 감정에 미치는 영향을 분류하였습니다. 괴테의 색채론에 착안하여 영화에서 사용되는 색채가 관객에게 미치는 영향을 통계적으로 분류 (classification)하여 영화, 광고 등의 영상을 개발하고 그 효과를 예측할 수 있는 알고리즘의 개발을 컴퓨터 비전에 특화되어 있는 MATLAB^®을 사용하여 분석합니다. 이를 통하여 인문계열의 학생 및 연구자들에게 인공지능인문학의 발전 방향과 MATLAB의 우수한 성능을 알리고자 합니다.

팀 협업을 통한 소프트웨어 안전성 및 보안성 확보 방안

11:40–12:10

여러분의 코드가 안전에 관련된 위험이나 보안 문제를 일으키지 않는다는 증거가 필요합니까? Polyspace^® 제품군은 테스팅에 들어가는 노력을 줄이면서 최고 수준의 소프트웨어 품질을 달성할 수 있게 도와줍니다. 정형 기법을 기반으로 한 정적 코드 분석을 사용하여, 여러분의 코드에 특정한 런타임 에러가 없음을 증명할 수 있습니다. MISRA^®나 CERT^®-C/C++과 같은 안전, 보안 관련 표준들에 대한 코딩 결함, 위반 사항들을 개발자가 빠르게 찾아낼 수 있도록 코드 개발 과정 중에 확인할 수도 있습니다. Jenkins™와 같은 지속적 통합 도구와 함께 사용하면, Polyspace는 프로젝트들의 소프트웨어 품질, 안전성, 보안성을 향상시킬 수 있도록 도와줍니다. 결과물들은 결함의 근본 원인을 식별하기 위한 정보들과 함께 배포되고 웹 브라우저로도 검토할 수 있습니다.

Polyspace는 현대적인 팀 협업용 대시보드를 지원하여 프로젝트 매니저들이 품질 관련 메트릭스들을 쉽게 확인할 수 있습니다. Jira와 같은 결함 추적 도구들과 연동하면 개발 과정 전반에 걸친 각종 이슈들을 관리할 때도 도움이 됩니다.

Simscape모델의 HDL 변환을 통한 전력 전자의 HIL 테스트 환경

13:10–13:40

전기자동차와 신재생 에너지분야의 성장으로 인해 전력 전자 제어 분야의 중요성이 대두되고 있습니다.

Hardware-in-the-Loop (HIL) 테스트는 전력 전자 시스템의 제어기 검증을 위한 실시간 시뮬레이션 방법으로 사용되고 있습니다. 그러나 제어기 검증에서 시뮬레이션을 동작시키기 위해 1MHz 이상의 샘플링 주파수가 요구되어집니다. 이 샘플링타임은 마이크로컨트롤러 기반의 테스트 환경에서는 어려운 일입니다. 하지만 Simulink^®와 Simscape™ 모델로 부터 부동소수점 HDL 코드의 자동 생성과 FPGA 기반의 실시간 컴퓨터에서의 코드 동작으로 이를 극복할 수 있습니다.

본 세션에서는 Simscape를 이용하여 회로 모델을 생성하고 디지털 제어기의 테스트를 위해 Speedgoat 실시간 컴퓨터에서 FPGA로 배포하는 것에 대해서 다뤄보겠습니다.

모델기반설계를 이용한 FPGA모터제어기 개발 적용 사례

13:50–14:20

복잡해 지는 시스템, 변화하는 대외환경으로 보다 빠른 모터 제어가 필요하게 되었고 이를 위해 FPGA(Field Programmable Gate Array) 를 이용하게 되었습니다. 많이 사용하는 모터 제어용 전용 칩 대비 FPGA를 이용하여 모터를 제어하는 것은 여러 면에 있어서 다릅니다.  본 세션에서는 빠른 시간 안에 안정적인 제어 구현을 위한  모델 기반의 모터제어 사례를 소개하겠습니다.

MATLAB 및 Simulink 를 이용한 자율주행 시스템 설계 및 시뮬레이션

14:30–15:00

ADAS 및 자율 주행 시스템은 자동차 산업을 재정의하고 매일 통근에서 장거리 운송에 이르기까지 교통의 모든 측면을 바꾸고 있습니다. MATLAB^® 과 Simulink^®는 이러한 시스템에 사용되는 인지, 계획 및 제어 구성 요소를 개발하는 기능을 제공합니다.

이 세션에서는 R2019a에 포함 된 예제를 통해 다음과 같은 기능을 소개해드립니다. :

• 인지 : 저장된 데이터를 이용한 LIDAR, vision, radar등의 센서 프로세싱과 센서 퓨젼을 위한 알고리즘 설계 환경 구축
• 경로 계획: 거리 맵의 시각화 및 경로 계획 알고리즘 설계와 코드 생성
• 제어: 가상 주행 시나리오 기능과 센서 모델을 이용한 traffic jam assist 시스템의 model predictive controller 설계 및 코드생성
• 딥러닝: 데이터 레이블링, 딥러닝 네트워크 학습과 GPU 코드 생성
• 시스템: 인지 및 제어 알고리즘 시뮬레이션

모델기반설계를 이용한 요구사항 기반 검증의 단순화

15:40–16:10

모델 기반 설계를 이용하면, 비정형 텍스트 형태의 요구사항을 모델링하고 보다 빠른 시점에 시뮬레이션 한 후, 자동으로 embedded target에 알맞는 코드를 생성해 낼 수 있습니다. 요구사항은 복잡한 시간 종속 신호를 정의하기 위한 시간 속성을 포함할 수 있고 불완전하고 통일성이 없을 수도 있습니다. 이와 같은 것들은 설계와 검증에서 오류와 잘못된 의사소통으로 이어질 수도 있습니다.

본 세션은 요구사항을 어떻게 모델링 하는지와 텍스트 형태의 요구사항들을 명백한 assessment로 변환하기 위한 방법으로 Simulink Test™에서 제공되는 Logical and Temporal Assessments Editor를 제시해드립니다. 또한 매트릭 시간 로직에 기인한 시간 평가 로직은 가독성이 있는 assessment로 생성될 수 있도록 표현과 확장이 가능한 정밀하고 정형화된 semantics형태로 제공됩니다. 대화형 양식 기반의 편집기를 이용해서 condition, event, signal value, delay 그리고 response형태로 assessment를 표현 할 수 있습니다. 이해가 쉽도록 영어와 같은 문장으로 assessment를 확인하거나 결과를 시각화고 설계 오류를 디버그 할 수 있는 그래픽 표현으로 확인할 수도 있습니다.

요구사항부터 아키텍쳐 설계와 시뮬레이션까지 시스템 엔지니어링을 위한 방안

16:20–16:50

시스템 엔지니어링과 모델 기반 시스템 엔지니어링은 서로 다른 그룹에 대해 서로 다른 의미를 가질 수 있지만, 대부분의 정의는 시스템 세분화 및 요구 사항 할당 프로세스를 수행하는 데 사용되는 일련의 시스템 레벨의 요구 사항에서 시작하는 것을 포함한 공통적인 개념을 가집니다. 그런 다음 시스템 아키텍처 대안에 대해 트레이드 오프 분석을 통하여 설계가 진행되고, 요구 사항이 충족되는지 확인하기 위해 시뮬레이션 가능한 후보 아키텍처를 개발합니다.

이 세션에서는 Simulink Requirements™를 이용하여 다음 내용을 수행할 수 있는 워크플로우를 소개하여드립니다.

• 요구 사항의 캡처,보기, 분석 및 관리
• 요구 사항, 기존 Simulink 모델, ICD 및 외부에서 생성 된 아키텍처 또는 위의 조합을 기반으로 시스템 아키텍처 모델 개발
• 서로 다른 뷰를 사용하여 시스템 아키텍처 모델을 검증
• 아키텍처 구성 요소에 요구 사항을 할당(링크)하고 적용 범위 및 변경 영향 분석을 수행
• 트레이드 오프 연구를 통한 시스템 아키텍처 비교, 평가 또는 최적화
• 시스템 아키텍처 모델에 지정된 컴포넌트 설계
• 시스템 컴포넌트를 시뮬레이션하여 시스템 수준의 동작 확인

5G New Radio 기본: 차세대 무선 통신 기술 이해하기

13:10–13:40

최근 전세계적으로 디바이스 및 네트워크를 포함한 5G 제품 개발이 가속화되고 있습니다. 5G New Radio (NR) 기술은 차세대 모바일 광대역 네트워크 및 자율주행 자동차, 스마트 빌딩, 디지털 의료, 산업 IoT, 몰입형 교육 등의 애플리케이션에 필요한 초고속, 저지연 통신을 가능하게하는 유연한 아키텍처를 도입합니다.

5G NR 표준의 유연성은 설계 및 테스트를 더욱 복잡하게 만듭니다. 5G 구현 기술 및 연결 장치를 개발하는 엔지니어는 5G NR 사양의 기본 개념에 대한 확실한 이해가 필요합니다.

이 세션에서는 주요 5G 물리 계층 기술과 개념을 설명합니다.  5G 가 어떻게 구성되고 변조되고 처리되는지, 거대한 MIMO 시스템에서의 빔 관리, 링크 수준 성능을 시뮬레이션 및 측정하는 방법에 대해 설명합니다.

MATLAB을 활용한 5G RF 중계기의 TSYNC 모듈의 개발

13:50–14:20

지난 12월에 우리나라의 이동통신 3사는 세계 최초로 5G 이동통신을 상용화했습니다. 중계기 업계도 이를 따라잡기 위해 개발에 몰두하고 있습니다. 하지만 5G SPEC은 계속 변화하고 있고 아직도 완결되지 않았습니다. 빠른 개발을 위해서는 손쉽게 사용할 수 있고 수정할 수 있는 reference가 필요합니다. MATLAB^®은 5G Toolbox™와 HDL Coder™를 통해 이를 충족시켜주고 있습니다. 본 발표는 MATLAB 5G Toolbox의 example에서부터 5G RF 중계기의 TSYNC 모듈을 개발하기까지의 과정에 대해 소개하고자 합니다.

자율시스템을 위한 센서 융합 및 추적

14:30–15:00

다양한 분야에서 자율시스템 개발에 대한 기하 급수적인 성장이 진행 중입니다. 이 시스템은 다양한 수준의 자율성을 충족하는 도로 차량부터 자율 비행 및 원격 조종이 가능한 쿼드콥터, 패키지 배달 무인 항공기, 비행 택시 및 재난 구조 및 우주 탐사를 위한 로봇을 포함합니다. 자율 시스템에 대한 작업은 학계와 정부 기관을 포함한 산업 전반에 걸쳐 있습니다.

이 세션에서는 위치, 방향 및 상황 인식을 유지하기 위해 여러 센서의 데이터를 통합하는 시스템을 설계, 시뮬레이션 및 분석하는 방법을 배우게 됩니다. 여러 센서 데이터를 융합함으로써 개별 센서의 출력을 보면 가능한 것보다 더 나은 결과를 보장합니다.

또한 몇 가지 자율 시스템 예제를 탐색하여 다음을 수행하는 방법을 보여줍니다.

• 궤적 정의 및 다중 플랫폼 시나리오 생성
• 관성 및 GPS 센서의 측정 시뮬레이션
• 레이더, EO / IR, 소나 및 RWR 센서 모델로 객체 탐지 생성
• 다중 객체 추적기, 융합 및 위치 추정 알고리즘 설계
• 실제 및 합성 데이터에 대한 시스템 정확도 및 성능 평가

FPGA, ASIC, SoC 개발을 위한 모델 기반 설계 도입 방안

15:40–16:10

기존 FPGA, ASIC, SoC 워크플로우로는 기능 혁신, 촉박한 개발 일정 및 제품 품질에 대한 요구사항을 맞추기가 어려워지고 있습니다.

본 세션에서는 알고리즘 및 시스템 수준의 설계 및 검증을 위해, MATLAB^® 및 Simulink^® 를 이용하여 모델 기반 설계를 하는 방법에 대해 아래와 같이 소개합니다.

• 시스템 관점에서의 알고리즘 기능 검증
• FPGA, ASIC 및 SoC 구현에 적합한 데이터 타입 및 구조 최적화로 알고리즘 개선
• 구현 최적화를 위한 하드웨어 설계자와 알고리즘 설계자 간의 협업
• 하드웨어 구현과 검증을 위해 검증된 모델을 생성/재생성

SoC Blockset 소개

16:20–16:50

SoC Blockset™은 ASIC, FPGA 및 SoC 용 하드웨어 및 소프트웨어 아키텍처의 모델링, 시뮬레이션 및 분석을 위한 Simulink^® 블록을 제공합니다. 메모리 모델, 버스 모델 및 I/O 모델을 사용하여 시스템 아키텍처를 구축하고 알고리즘과 함께 아키텍처를 시뮬레이션 할 수 있습니다.

SoC Blockset을 사용하면 생성된 테스트 트래픽 또는 실제 I/O 데이터와 함께 메모리, 내부 및 외부 연결 뿐만 아니라 스케줄링 및 OS 효과를 시뮬레이션 할 수 있습니다. 다양한 형태의 시스템 아키텍처를 빠르게 탐색하고 하드웨어 및 소프트웨어 파티셔닝에 대한 복잡성을 예측하며 소프트웨어 성능 및 하드웨어 활용도를 진단할 수 있습니다.

SoC Blockset은 Xilinx^® 및 Intel^® FPGA 디바이스 및 Zynq^®, Ultrascale™ 및 FPGA SoC와 같은 SoC 플랫폼을 위한 레퍼런스 디자인을 생성하여 자일링스 및 인텔 설계 툴과 통합할 수 있습니다.

Simulink 기반 Legacy C/C++ Code 통합, 결과 시각화 및 검증 방안

13:10–13:40

레거시 C/C++ 코드를 활용하여 Simulink^® 환경의 모델 기반 설계를 적용하는 경우에 효율적인 통합 및 검증방안을 소개합니다.

C-caller block 및 Legacy code tool을 활용하여 손쉽게 레거시 코드 통합이 가능합니다. 또한 Simulink 환경의 시각화, 코드 커버리지 분석 및 테스트 케이스 자동 생성을 통하여 레거시 코드의 효율적인 검증 워크플로우를 구축할 수 있습니다. 본 세션에서는 아래 내용을 데모와 함께 진행합니다.

• C-caller block 및 Legacy code tool을 활용한 레거시 코드 통합
• Simulink 기반 레거시 코드 출력 시각화
• 레거시 코드의 커버리지 분석 및 테스트 케이스 자동생성

에너지 최적화를 위한 에너지 관리 시스템(EMS)

13:50–14:20

에너지 관리 시스템(energy management systems, EMS)은 주택, 건물, 공장 등에서 전력 사용에 있어서 더 스마트한 시스템을 구축하기 위한 트렌드에서 중요한 부분 중 하나 입니다. EMS는 전력 수요, 시장 가격 및 환경 조건의 변화에 따라 전력 생산과 소비를 최적화하여 관리하는데 사용됩니다. EMS를 개발하기 위해서는 데이터 분석, 제어, 시뮬레이션 및 최적화를 다음과 같은 곳에 사용합니다.

• 전기 수요 예측
• 전기 시스템 모델링 및 시뮬레이션
• 운용 최적화
• Tradeoff 분석

MATLAB^® 및 Simulink^®는 데이터 분석 및 모델 기반 설계(Model-Based Design)의 통합 플랫폼을 제공합니다. MATLAB은 비용을 최소화하기 위해 수요 예측 모델과 최적화 모델을 구축 할 수 있으며 Simulink 및 Simscape™를 사용하여 power electronics 및 제어를 통합한 시스템 레벨에서 모델하고 시뮬레이션 할 수 있습니다. 또한 이를 임베디드 시스템이나 엔터프라이즈 또는 클라우드 환경에 배포할 수 있습니다.

본 세션에서는 태양광을 포함한 마이크로그리드 모델을 사용하여 전기 에너지 가격이 변동될 때 그리드의 전력 사용 비용을 최소화하기 위한 최적의 배터리 에너지 저장 알고리즘을 소개합니다.

Simulink를 이용한 배터리 관리 시스템(Battery Management System) 개발

14:30–15:00

배터리 관리 시스템(BMS)은 다양한 충방전 상황 및 환경에 대해 에너지 저장 시스템의 성능을 최대화하고, 안전한 운용을 해야하며 배터리 수명을 최적으로 관리해야 합니다. Simulink^®를 사용하여 엔지니어가 피드백 제어와 감시제어(Supervisory control) 알고리즘을 모델링하여 다음을 할 수 있습니다.

• 셀 전압과 셀 온도를 모니터링
• 배터리 팩의 SOC(State-of-Charge)와 SOH(State-of-Health)
• 충방전 제어
• 배터리 셀간의 SOC 밸런싱
• 필요시에 소스와 부하로 부터 배터리 절연

초기 설계 단계부터 BMS 하드웨어의 HIL (hardware-in-the-loop) 테스트까지Simulink는 엔지니어가 BMS가 원하는 모든 작동 조건에서 설계한대로 작동하고 설계 내구성 요구 사항을 충족하도록 데스크탑 시뮬레이션을 수행을 도와줍니다.

본 세션에서는 Simulink가 전반적인 BMS 알고리즘 개발주기에서 전기와 열 그리고 소프트웨어 엔지니어들이 협업할 수 있도록 지원하는 방법을 다룹니다.

Powertrain Blockset을 이용한 전동식 파워트레인 설계 및 검증 방안

15:40–16:10

하이브리드 혹은 전기 자동차의 파워트레인을 설계하는 것은 여러 파워트레인 아키텍쳐를 비교 분석 및 평가하는 것을 포함하여 매우 어려운 작업입니다. 이 세션에서는 이러한 파워트레인의 모델 및 제어 전략을 체계적으로 구축, 설계 및 최적화하는 방법에 대한 워크플로우를 소개하여 드립니다.

• Powertrain Blockset™ 및 Simscape™를 이용하여 모델 기발 설계 프로세스를 가능하게 하는 시스템 수준의 파워트레인 아키텍쳐를 효율적으로 구축합니다.
• 운전 조건 변화에 대하여 강건하고, 성능 향상 및 실시간 구현이 가능한 제어 전략을 개발합니다.
• 최적화 기법을 활용하여 컴포넌트와 제어 파라미터를 시스템레벨에서 동시에 최적화합니다.

간편해진 C/C++코드 생성 설정 방법 소개

16:20–16:50

최신 버전에서는 원하는 C/C++ 코드를 생성하기 위하여 보다 쉽게 설정 방법을 단순화 하였습니다. 또한 향상된 추적성 기능을 통하여 모델과 코드간의 연관관계를 직관적으로 파악할 수 있습니다.

본 세션에서는 예시와 함께 개선된 다음의 주요 기능들을 소개합니다.

• 변수의 선언 및 메모리 영역 설정 방법
• Code perspective 를 통한 모델과 코드의 추적성
• Multi-Instance parameterization