MATLAB EXPO 2020

[기조연설]데이터 및 모델의 체계적인 사용을 통한 실용적인 디지털 트랜스포메이션

13:00-13:30

디지털 트랜스포메이션 이니셔티브를 보유한 조직들은 이상적인 의욕에서 실질적인 프로젝트로의 전환을 시도하고 있습니다. 이 조직들은 높은 수준의 디지털 트랜스포메이션을 목표로 정의했으며 엔지니어와 과학자들이 그 목표를 달성할 수 있는 방법을 찾고 있습니다. 여기에는 새로운 테크놀러지를 배우고 익숙하지 않은 그룹과 협력하며 새로운 제품과 서비스를 개발하는 것이 포함됩니다. 이러한 과제를 해결하기 위해서는, 기술 조직은 연구 개발 단계뿐만 아니라 제품 수명주기 내내 데이터와 모델을 체계적으로 사용하는 방법을 숙달해야합니다. 또한 효과적인 디지털 트랜스포메이션 계획은 사람들의 기술, 프로세스 및 테크놀러지의 변화를 고려해야합니다. Jim Tung은 본 기조연설에서 디지털 트랜스포메이션에 대한 실용적인 접근 방식을 설명하고 엔지니어링 및 개발팀이 데이터 및 모델을 활용하여 디지털 트랜스포메이션 목표를 달성하는 방법을 소개합니다.

MATLAB의 새로운 딥러닝 기술 : 객체 인식부터 GAN까지

13:40-14:10

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

MATLAB^®은 기본적으로 가장 간단한 딥러닝 개발 환경을 지원해왔고, 최근 새로워진 MATLAB의 기능들을 통하여 개발의 자유도를 높였습니다.

본 세션에서는 앱 기반의 손쉬운 딥러닝 응용프로그램 개발 전체 워크플로우와 더불어 새로운 기능들을 통한 고급 딥러닝 모델(GAN, VAE 등)의 개발 방법 및 활용 방안에 대하여 소개합니다.

철강원료 영상분석을 위한 픽셀 기반 딥러닝 기법 적용 사례

14:20-14:50

광물상 분석은 철강산업에 사용되는 원재료의 품질 및 공정해석을 위하여 중요한 부분입니다. 현업에서는 광학현미경을 통해 얻은 영상이미지를 점산법이라는 방법을 이용하여 정량분석을 진행하고 있지만 이 점산법은 분석자의 경험에 의존하는 방법으로 많은 시간이 소요된다는 단점이 있습니다.

이러한 문제점을 해결하기 위해서, 머신러닝 기법을 활용한 데이터 라벨링부터 딥러닝 학습모델 개발과 관련된 분석 자동화 연구를 진행해오고 있습니다. 본 세션에서는 해당 연구에 대한 전반적인 내용을 소개합니다.

산업용 어플리케이션을 위한 딥러닝 기반 머신비전 솔루션

15:00-15:30

산업용 어플리케이션으로 제품의 결함을 식별하고 제조 오류를 줄이면 제조 과정에서 인력 및 비용을 줄일 수 있습니다. 최근 영상 기반의 딥러닝 기술을 활용한 자동화된 광학 검사 기술은 기존의 방법에 비해 더욱 정확한 성능을 보이며 많은 연구가 이루어지고 있습니다.

MATLAB^®을 활용하면 전문가가 아니더라도 딥러닝을 활용한 비전 검사 시스템을 쉽게 개발 할 수 있으며, 이를 통해 다양한 유형의 결함을 감지함으로써 기존의 검사 프로세스를 정확하고 안정적인 딥러닝 기반 비전 검사로 대체 할 수 있습니다.

해양데이터 센싱 및 처리기술 개발을 위한 MATLAB 활용연구 소개

15:40-16:10

해양에서는 사람을 대신하여 정보를 수집하는 센싱 및 처리기술이 매우 중요합니다. 수중영상 (광학,소나)은 수중환경에 대한 다각적 정보를 제공하는 바 수중의 특성상 저하된 영상의 성능을 강화하기 위한 수중영상 강화기법 연구를 소개합니다. 더불어 딥러닝 기법을 접목한 해양위성영상 내 적조정보 검출 및 예측 기술을 소개합니다.

인공지능을 위한 강화학습 워크플로우

16:20-16:50

강화학습은 제어 또는 의사 결정 시스템을 모델링하는데 사용될 수 있습니다. 이때의 학습은 지도학습과 같이 레이블 데이타를 사용하지 않고 시뮬레이션을 통해 얻은 데이타를 활용하게 됩니다.

이번 세션에서는 MATLAB^® 및 Simulink^®를 이용해서 환경을 설계하고, 강화학습을 위한 정책 정의 및 학습하는 과정을 소개합니다.

딥러닝을 활용한 드론 기반 조난자 수색 기술 개발

17:00-17:30

본 발표에서는 드론으로부터 취득한 영상을 통해 딥러닝 기반의 조난자 수색 기술 개발 사례에 대하여 소개합니다. 딥러닝이 많이 알려지고 대중화 되었지만 아직은 진입 장벽이 존재하는 것이 현실입니다.

하지만 MATLAB^® 을 활용하면 빠른 개발 속도와 쉬운 구현을 통해서 사용자가 원하는 성능을 비교적 쉽게 이끌어 낼 수 있습니다.

머신러닝 : 다양한 산업군에 적용된 응용 사례 및 새로운 기능

13:00-13:30

많은 조직에서 머신 러닝 기술 채택에 기대하고 있지만 프로젝트 성공에 이르기까지는 많은 어려운 점들이 있습니다. 이번 세션에서는 머신 러닝이 차량 데이터 분석, 에너지 예측 및 스마트 제조 분야의 응용 분야에 대해 소개해 드립니다. 또한 엔지니어가 머신 러닝 기술을 제어 및 신호 처리 워크플로우와 통합하여 시스템 성능 향상시키는 방법에 대해 소개해 드립니다.

또한 작성된 머신 러닝 알고리즘 개발 및 배포를 빠르게 하는 MATLAB^®의 새로운 기능에 대해 소개해 드립니다. 여기에는 feature 선택, 모델 선택 및 하이퍼 파라미티 최적화(AutoML)에 자동화 기술을 적용하는 것을 포함합니다. 또한 머신 러닝 모델을 배포된 모델 업데이트 및 C/C++ 코드 생성과 같은 시스템 탑재와 같은 통합 기법에 대해 소개해 드립니다. 이 세션을 통해 다양한 산업군에서 어떻게 머신 러닝을 적용하였는지 배우시길 바라며 속하신 산업군의 미래를 바꾸실 주인공이 되시길 바랍니다.

머신 러닝을 활용한 배관 안정성 예측 모델 개발

13:40-14:10

화공플랜트 설계과정중 배관 설계가 확정되기 위해서는 배관 안정성 평가(Piping Stress Analysis)가 필수적입니다. 수 없이 반복되는 배관 안정성 평가에 대한 예측을 통해 설계과정이 보다 효율화될 수 있습니다.

배관 안정성 평가 결과를 예측하는 것이 머신러닝을 통해 가능할지 의문이었지만, MATLAB^®을 통해 다양한 시행착오를 단기간에 끝낼 수 있었고, 예측 모델 개발에 성공하여 해당 사례를 소개합니다.

최신 AI 기반 시스템에서 데이터 세트의 중요성 : 음성 인식 AI

14:20-14:50

AI 모델에서 데이터 세트는 필수이며, 데이터 세트을 사용하여 AI 모델의 학습하며, AI 모델의 결과를 판가름하는 핵심 요소 입니다. AI 개발자들은 잘 알려진 데이터 세트를 사용하거나, 실제 환경을 모사한 시스템을 구축하여 데이터 세트를 만들어 사용합니다. 이런 데이터 세트를 만드는 과정은 그 산업의 전문적인 지식, 툴, 경험을 바탕으로 반복적인 작업이 될 수 있습니다.

본 세션에서는 "Hey Siri"또는 "OK Google"과 같은 음성 지원 장치에 대한 실제 사례를 통해서, 데이터 레이블링, 주석, 데이터 수집, 데이터 합성, 기능 보강, 특징 추출 및 기술 전수에 중점을 둔 사례를 소개하겠습니다. 본 예제는 광범위한 응용 분야에 적용 할 수있는 일반적인 사례를 제공합니다.

풍력발전기 예지적 유지보수를 위한 MATLAB^®의 활용

15:00-15:30

“재생에너지 3020” 정책에 따라 향후 10년간 해상풍력발전 설치가 급격히 증가할 것으로 예상합니다. 해상풍력은 육상풍력과 달리 접근이 쉽지 않아 예지적 유지보수(predictive maintenance)의 필요성이 높습니다. 그러나 예지적 유지보수를 하기 위하여는 부품마다 센서를 설치하여 실시간으로 상태를 파악하여야 하는데 센서 설치 및 데이터 운영비용이 예지적 유지보수의 걸림돌이 되고 있습니다.

본 발표에서는 MATLAB에서 제공하는 머신러닝 알고리즘을 이용하여 부품의 하중을 예측하고 이를 통해 적은 수의 센서로 많은 부품의 상태를 파악하는 방법을 소개합니다.

클라우드와 에지(edge) 컴퓨팅 으로 구현하는 예지 보전 알고리즘

15:40-16:10

최근 예지 보전 분야는 장비 활용 및 유지 보수 비용을 고려하는 업무를 위해 그 수요가 증가하고 있습니다. 이 세션에서는 MATLAB^®과 Simulink^® 환경에서의 예지보전 알고리즘 개발로 부터 IoT 및 임베디드 제어환경, 에지 및 클라우드 컴퓨터로의 활용에 대한 내용을 설명합니다.

특히, 알고리즘을 임베디드 제어환경 그리고  PLC 혹은 산업용 PC와 같은 에지(edge) 컴퓨팅 환경에 이식하는 방법과 MATLAB Production Server™, Apache™ 그리고 Microsoft^® Azure^® 를 접목한  사용자 대시 보드 및 IT/OT 와 같은 생산용 시스템에 결합하는 방법을 소개합니다.

진동, 자장 및 음향을 통한 복합장치의 고장 진단 예측을 위한 시스템 구현

16:20-16:50

APC(Auto Process Control) 적용에 따라 많은 센서들이 장치 및 공정분야에 적용되어 활용되고 있습니다. 물리적 측정값의 상하한 관리이외에, 장치 및 공정에 영향을 주는 미세한 변화를 도출하기 위해 인공지능을 적용하는 다양한 시도로, 복합 구동 장치에 진동, 자장를 설치하고 모니터링하여, 시간 경과에 따른 장치에 기인한 장치 자체의 불량과 장치의 작업 결과의 불량과 취합된 센서 Data와의 인과관계를 추출한 결과를 발표합니다. Sensor Data의 FFT 및 출력값의 상/하한 값 관리와, Predictive Maintenance Toolbox™이용하여 시간 경과에 따른 센서 측정치 및 변환된 신호 변화를 이용하여 분석한 내용을 소개합니다.

엣지 AI기술을 위한 딥러닝 모델의 1bit 양자화

17:00-17:30

본 세션에서는 Neural Network의 Model Compression 주요 기술 중 하나인 Neural Network Quantization의 Binarized Neural Networks를 소개합니다. MATLAB^®의 Deep Learning Toolbox™ Source Code 수정을 통해 직접적으로 Network training 단계에서의 weight와 gradient에 접근하고, 새로운 학습 룰을 가진 Layer를 정의함으로써 Training rule을 직관적으로, 그리고 직접적으로 수정할 수 있는 MATLAB 의 장점에 대해 소개하고, 그 결과물로 논문과 동일하게 MATLAB에서 구현된 Binarized Neural Network Trainer를 소개합니다.

자율 이동로봇을 위한 센서퓨젼 및 네비게이션 알고리즘 개발

13:00-13:30

자율 이동 로봇을 동작환경 내에서 원하는 곳으로 이동시키려면, 엔지니어는 환경을 인지하고, 움직이는 사물을 추적하고, 이동할 경로를 계획하는 등의 다양한 알고리즘을 설계, 시뮬레이션, 테스트 그리고 배포하는 과정을 거쳐야 합니다. 이는 자율주행시스템, 물류센터의 자율이송로봇, UAV등 모든 자율 이동로봇 시스템의 개발에서 핵심적인 분야입니다. 본 세션에서는 MATLAB^®과 Simulink^®를 이용하여 어떻게 인지, 센서 융합, Localization, 다물체 추적, 모션 계획 알고리즘을 개발할 수 있는지 알려드립니다.

이 세션에서 다루고자 하는 주제는 다음과 같습니다.

• 딥러닝을 이용한 인지 알고리즘
• 주변환경 인지를 위한 카메라, 레이더, 라이다 센서 융합
• SLAM 알고리즘을 이용한 환경 맵핑 및 로봇의 위치 인식
• 충돌 회피를 고려한 경로 계획
• 경로 추종 알고리즘 및 제어 설계

모델기반설계를 이용한 자율주행 소프트웨어 개발 적용 사례

13:40-14:10

본 세션에서는 MATLAB^® 및 Simulink^®를 이용하여 개발 진행 중인 자율주행 어플리케이션 소프트웨어의 개발 적용 사례에 대해 소개합니다. Robot Operating System (ROS) 를 기반으로 한 개발 플랫폼 위에 예측 / 판단 / 제어 각 기능 요소들의 개발 속도 가속화에 있어서 모델기반설계가 많은 도움이 되었습니다. 개발한 소프트웨어에 대한 검증 또한 MATLAB이 제공하는 솔루션을 활용하여, 비용을 절약하고 신뢰성을 확보할 수 있었습니다.

인증 표준을 만족하기 위한 요구사항 기반 검증의 자동화 방안

14:20-14:50

ISO 26262 또는 DO-178C와 같은 산업 표준을 준수해야 하는 경우에 설계 시에 추가적인 엄격성, 자동화 및 통찰력이 필요합니다. 엔지니어는 설계가 요구사항을 충족하고, 기능적으로 정확하며, 인증 표준을 준수하며 올바르게 구현되었는지 검증할 필요가 있습니다. 모델 기반 설계를 통한 시뮬레이션은 복잡한 설계에서의 동작을 이해하는 데 도움이 됩니다. 이 세션에서는 인증 표준을 충족하기 위하여 모델 기반 설계와 함께 검증 단계를 자동화하기 위하여 참조할만한 워크플로우를 소개하여 드립니다. 요구사항 모델링, 자동 가이드라인 점검 및 테스트를 지원하는 새로운 검증 기능 등을 확인하실 수 있습니다. 이를 양산 개발 과정 전반에 걸쳐 체계적으로 적용하여, 보다 높은 품질과 생산성을 달성하기 위한 방안을 제시합니다. 요구사항 모델링, 자동 가이드라인 점검 및 테스트를 지원하는 새로운 검증 기능 등을 확인하실 수 있습니다. 이를 양산 개발 과정 전반에 걸쳐 체계적으로 적용하여, 보다 높은 품질과 생산성을 달성하기 위한 방안을 제시합니다.

효율적인 모델 기반 설계를 위한 최적화 코드 생성

15:00-15:30

효율적인 모델 기반 설계를 위하여 Simulink^®와 Embedded Coder^®에서 제공하는 코드의 최적화와 커스터마이징 기법을 소개하고자 합니다.

Coder app, Embedded Coder Toolstrip 등을 이용하여 코드를 최적화하고 이를 통해 사용자의 목적에 더욱 부합하는 코드 개발 방법을 소개합니다. 이를 통해 자원 사용을 최적화하며 가독성 있고 재사용 가능한 코드를 개발하고자 합니다.

코드 검증을 위한 CI 활용 방안

15:40-16:10

많은 회사들이 높은 품질의 소프트웨어를 빠르게 개발하기 위해, 지속적인 통합 및 배포를 도입하고 있습니다. 이 과정은 코드의 통합, 배포 뿐만 아니라 정적 분석을 포함한 많은 절차가 자동화되어야 합니다.

이 세션에서는 Polyspace^® 정적 분석 도구가 지속적인 통합 및 배포를 지원하기 위해 분석 실행을 자동화하는 방법과 여러 사람이 함께 정적 분석 결과물을 리뷰할 수 있는 웹브라우저 기반의 협업 환경을 소개하고자 합니다.

1차원 물리모델링 연성해석을 위한 Simulink 활용

16:20–16:50

우리 주변에서 적용되는 있는 제품들은 대부분 한 가지 이상의 물리현상을 이용하여 동작되므로, 정확한 특성구현을 위해서는 연성해석을 적용하여야 합니다. 하지만 크고 복잡한 시스템의 경우 기존의 3D 모델을 이용한 해석적 방법에 설계 초기 또는 설계 변경에 상당한 제약을 가지게 됩니다. 본 발표에서는 Simulink^®를 활용한 1차원 물리모델링 기반 연성해석을 전력기기에 적용하여 개발된 1D 해석기술의타당성을 검증하고, 설계 초기 활용법에 대해 소개하고자 합니다.

Simulink를 사용한 브러시리스 모터 제어 개발 방법

17:00–17:30

우리 생활 곳곳에 브러시리스 모터는 존재합니다. 이런 모터의 고정자 권선의 일정한 전류를 제어하기 위해 자속 기준 제어(FOC)를 주로 사용합니다. 본 세션에서는 모터가 10-25Hz 스위칭 주파수 때에서 정확하고 효율적인 구동에 필요한 자속 기준 제어(FOC) 알고리즘을 개발하기 위한 몇가지 과제와 솔루션을 살펴볼 것입니다.

주요 내용은 다음과 같습니다,

• 시뮬레이션을 위한 전기 머신에 대한 모델링 및 매개 변수화에 대한 테크닉
• 센서리스 자속 기준 제어(FOC) 알고리즘 개발 방법
• 속도 및 전류 제어 게인 튜닝에 대한 방법
• 모델로부터 빠르고 간결한 부동 소수점 및 고정 소수점 코드를 자동생성하는 방법