다시 보기
주요 프레젠테이션
Track 1 - 인공지능
Track 2 - 모델링과 시뮬레이션
Track 3 - 예측 정비
이진우 선임연구원, 한국가스기술공사
Track 4 - 자율시스템 개발
Track 6 - 무선 및 신호처리
스페셜 트랙 1
스페셜 트랙 2
MathWorks는 개인의 연락처 정보를 판매 또는 대여하지 않습니다. 자세한 내용은 개인정보 취급방침을 참조하십시오.
MathWorks 계정에 이미 로그인되어 있습니다. "제출" 버튼을 눌러 양식 작성을 완료하십시오.
[고객 기조연설] SW 중심으로 진화되는 차량제어 시스템
김치경 상무, 현대자동차
본 기조연설에서는 SDV(software-defined vehicle)로 대표되는 자동차 산업의 SW 혁신이 차량제어 부문에 요구하고 있는 변화를 살펴보고, 이를 준비하기 위한 제어 SW 영역의 핵심 요소에는 어떠한 것들이 있는지 이야기하고자 합니다.
전동화 차량의 시장 지배력 강화에 따를 새로운 전기자동차의 출현, 전동화로 인한 전기전자 시스템의 복잡성 증가, 자율주행을 필두로 한 고성능 컴퓨팅 환경의 보편화, 그에 따른 SW 복잡성의 급격한 증대, 현재의 자동차 제조사들은 이러한 복합적인 문제를 효과적으로 통제하기 위하여 도메인집중형 또는 중앙집중형으로 일컬어지는 새로운 전기전자 아키텍처를 도입하고 있습니다. 현대자동차에서도 이러한 환경적 변화에 맞춰 인포테이먼트/자율주행/ 편의도메인과 더불어 차량의 동력/모션/에너지를 총괄하는 차량도메인으로 구성된 새로운 전기전자 아키텍처를 2025년까지 전차종에 전개하기로 하였습니다.
새로운 차량도메인 제어기는 컴퓨팅 플랫폼으로서의 역할 수행을 위해 NXP 사의 application processor를 탑재하여 기존 대비 5~10배 향상된 컴퓨팅 환경을 제공 할 예정이며, AI/MPC 등과 같은 고연산의 알고리즘을 탑재하여 새로운 제어 서비스를 제공할 계획 입니다. 또한, 차량의 안전을 담당하는 제어기로서 ASPICE/기능안전/사이버보안 등 강화된 자동차 SW 개발 프로세스를 적용할 예정이며, 전체 application SW를 내재화 개발하여 고객의 요구에 즉각적으로 대응할 준비를 하고 있습니다.
내재화 개발에 투입되는 리소스(인적/시간적) 한계를 뛰어넘기 위하여, 높은 수준의 신뢰성을 가지는 복잡한 SW를 개발하기 위해서는 효율성 높은 개발/검증 프로세스가 필수적이며, 저희는 모델기반 제어개발 환경을 적극적으로 도입하여 로직 개발부터 가상화 검증까지 전체 개발/검증 환경을 seamless하게 엮어 높은 수준으로 자동화된 제어 개발 프로세스를 구축해 나아갈 현재자동차의 계획에 대해 함께 소개드리도록 하겠습니다.
[매스웍스 기조연설] 문샷(Moonshot): 불가능을 가능하게 만든 과학자와 엔지니어의 도전
Sameer Prabhu, MathWorks Worldwide Industry Director
불가능해 보이는 목표에 도전하는 문샷(Moonshot) 프로젝트는 혁신을 통해 인간의 지식과 삶의 수준을 한 차원 높여왔습니다. 50여 년 전 NASA의 아폴로 프로그램은 달에 첫 번째 사람을 착륙시켜 말 그대로 문샷을 이뤘으며 집적 회로, 광전지 및 디지털 이미지 처리 등 유비쿼터스 신기술을 이뤄낸 것이 그 예입니다.
오늘날의 과학자와 엔지니어는 미래를 위해 무한 청정에너지를 생성하고, 소중한 생명을 살리기 위해 첨단 의료 기기를 개발하고, 우주 탐험 등을 목표로 다양한 문샷 프로젝트를 진행하고 있습니다. 본 기조연설에서는 과학자와 엔지니어들이 문샷 프로젝트의 목표를 이루기 위해 MATLAB® 과 Simulink®를 어떻게 사용하는지, 그리고 이러한 기술을 여러분만의 "문샷 프로젝트”에 어떻게 적용할 수 있는지 함께 알아보고자 합니다.
*본 세션은 영어로 진행되며, 동시통역이 제공됩니다.
인공지능 모델의 이해와 검증
김종남 부장, 매스웍스코리아
인공지능은 영상분류, 객체 검출, 음성인식 그리고 기계번역에 이르기까지 다양한 분야에서 높은 성능을 보이고 있습니다. 이러한 우수한 성능으로 의료, 자동차, 국방 등 안전이 중요시되는 산업에 인공지능을 적용하려는 요구가 대두되고 있습니다. 하지만 이러한 분야에서 꼭 거쳐야 하는 소프트웨어에 대한 인증 절차를 고려해볼 때 ‘인공지능을 어떻게 검증할 수 있을까’에 대한 의문을 가질 수밖에 없습니다.
본 세션에서는 인공지능 모델을 검증하기 위한 워크플로우를 알아보겠습니다. 영상 분류의 예에서 인공 신경망 내부구조의 움직임을 이해함으로써 모델의 설명 가능성에 대한 기법들을 소개드릴 예정입니다. 또한 Deep Learning Toolbox™ Verification 라이브러리를 통해 모델의 견고성을 검증하는 방법과 학습 이후 추론 과정에서의 입력 데이터가 학습 과정에서 사용된 데이터의 범주에 포함되는지를 확인함으로써 정상 범주 밖의 데이터에 대한 대처 방법에 대해서도 소개드립니다. 인공지능 구성요소에 대한 철저한 검증으로 안전이 가장 중요한 분야에도 인공지능 모델이 어떻게 적용될 수 있는지를 함께 확인해보시기 바랍니다.
핵심 내용
- 설명 가능한 인공지능의 기법들
- 견고한 인공지능 모델 만들기
발표 대상
- 인공지능 모델의 결과를 해석하고 성능을 높이고 싶은 분
- 의료, 국방, 자동차 등 안정성이 요구되는 분야의 인공지능 개발자
MATLAB 기반 딥러닝 모델을 활용한 감시 카메라 영상 내 차량 속력 계산 시스템 개발
최영수 공업연구사, 국립과학수사연구원
교통사고 분석 분야에서는 사고 전 차량의 속력이 매우 중요한 지표입니다. 가/감속 상황 등 차량의 속력 변화를 통해 운전자의 의도를 파악하고, 사고 재현을 통해 사고 회피 가능성을 판단하는 데에 활용됩니다. 최근 영상 데이터를 이용한 속력 분석이 활발히 진행되고 있지만 연속적인 차량의 속력을 분석함에 있어 한계점이 있습니다.
본 세션에서는 MATLAB®에서 제공하는 다양한 딥러닝 모델을 활용하여 영상 내 시간에 따라 연속적인 차량의 속력을 분석하는 시스템을 구현하는 과정을 소개드릴 예정입니다.
핵심 내용
- MATLAB 기반 딥러닝 모델을 활용한 영상 내 차량 추적 방법
- MATLAB 기반 딥러닝 모델을 활용한 차량 이미지 내 wheel segmentation
- Kalman filter 등을 활용한 Wheel 중심 좌표 추적 방법
- Cross-ratio를 활용한 차량의 속력 계산 방법
발표 대상
교통사고 분석에서 감시 카메라 내 차량의 속력 분석 방법에 대해 알아보고 싶으신 연구자
AI 기반 차원 축소 모델을 사용한 Simulink 에서의 시스템 분석 및 설계 가속화
엄준상 부장, 매스웍스코리아
인공지능 기반 차원 축소 모델(Reduced Order Modeling)과 물리정보 인공 신경망(Physics Informed Neural Network)은 복잡한 대규모 공학 시스템의 시뮬레이션 및 분석 속도를 크게 증가시킬 수 있습니다. 이러한 모델은 MATLAB®, PyTorch, JAX, 또는 TensorFlow 등의 AI 프레임워크를 사용하여 수학 모델의 입력 - 출력 데이터에서 학습될 수 있으며, LSTM, neural ODE 또는 nonlinear ARX 모델과 같은 다양한 접근 방식을 통합할 수 있습니다. 또한 작성한 AI 모델은 Simulink®에서 재사용 가능하여 동료들이 시뮬레이션 및 구성 요소 테스트에 사용할 수 있으며 전체 시스템의 병렬 설계, 개발 및 분석을 가속화할 수 있습니다.
핵심 내용
- 인공지능 기반 차원 축소 모델(Reduced Order Modeling)
- 물리정보 인공 신경망(Physics Informed Neural Network)
- 인공지능 기반 차원 축소 모델
- 물리정보 인공 신경망
발표 대상
- 디지털 트윈 모델 구현에 관심 있는 개발자
- 가상 센서, 데이터 생성에 관심 있는 개발자
MATLAB을 활용한 간편 데이터 분석 및 인공지능
장규환 부장, 매스웍스코리아
데이터 분석은 데이터 기반 산업에서 필수적인 작업입니다. 하지만 적절한 분석 기술을 적용하려면 수동 코딩이 필요하며 코딩에 익숙하지 않은 경우 어려울 수 있습니다. 다행히도 MATLAB® Live Editor tasks 및 데이터 정리기 등의 앱을 사용하면 데이터 탐색, 정리 및 준비가 더욱 쉬워집니다. 이러한 작업은 MATLAB으로 동일한 코드를 자동으로 생성하여 사용할 수 있으며, 정리된 데이터를 활용한 데이터 모델링 작업 역시 MATLAB의 앱 기능을 통해 쉽게 구현할 수 있습니다.
본 세션에서는 최소한의 코딩으로 MATLAB을 사용하여 데이터를 분석하고 재사용 가능한 데이터 분석 프로그램을 생성, 모델링하는 방법에 대해 소개합니다.
핵심 내용
- MATLAB Live Editor tasks 및 Data Cleaner 앱을 사용한 데이터 탐색 및 정리
- 데이터 탐색 및 정리에 대한 자동코드 생성
- 정리된 데이터를 활용한 AI 데이터 모델링
발표 대상
- 데이터 분석 및 정리에 대한 코딩이 어려우신 분
- 손쉽고 빠르게 데이터 분석부터 AI 모델링이 필요하신 분
- AI를 위한 데이터 정리를 깔끔하게 구현하고 싶은 분
- MATLAB의 손쉬운 자동코드 생성을 통한 에플리케이션 개발에 관심 있으신 분
클라우드 기반의 MATLAB 영상 검사 시스템 개발
성호현 부장, 매스웍스코리아
본 세션에서는 클라우드 환경에서 동작하는 MATLAB®을 이용한 영상 검사 시스템 개발의 활용 사례를 다룹니다. 영상 검사 시스템은 MATLAB Production Server™에서 실행되는 영상 처리 및 컴퓨터 비전 처리 알고리즘을 통해 수행됩니다. 활용 사례를 통해 데브옵스(DevOps) 개발 흐름에 따른 모바일 장치 기반 활용 시스템 개발에 대한 내용으로 이미지 및 스트리밍 영상의 수집 및 분석 결과 목록 및 검출된 특징들을 파악하고 클라우드 환경으로 통합되는 과정을 소개 드릴 예정입니다.
핵심 내용
- MATLAB 과 Simulink 기반의 비전 어플리케이션 개발
- 클라우드를 위한 영상 검사 시스템 개발 방법
발표 대상
- 제조 및 검사 분야 엔지니어
- 영상 처리 개발 엔지니어
- 클라우드 시스템 등 IT 개발자
클라우드 기반 교량의 장기 성능 평가 시스템 개발
박종웅 교수, 중앙대학교
교량의 건전성 평가 및 관리는 사람의 노후화에 대비한 건강관리와 같이 시설물의 장수명화를 위해서 매우 중요합니다. 본 세션에서는 교량의 진동 및 변형을 측정하기 위한 센서 시스템 개발 및 이들 센서에서 클라우드 서버에 전송된 데이터를 MATLAB®을 통해 분석하고 처리하는 과정을 소개드립니다.
세션 핵심 내용
- IoT 센서와 클라우드서버를 연결하기 위한 데이터베이스 스키마 생성
- MATLAB을 통한 데이터베이스연동 및 분석
세션 대상
구조물 건전성 평가 및 토목분야 적용에 대해 알고 싶은 분
국방, 우주 개발의 Model-Based Design 프로세스 적용
한상설 팀장, 국방과학연구소
MBD(Model-Based Design(Development))가 연구 개발에 적용되어 성과를 보여준 것은 이미 오래된 이야기이며 많은 사례들이 그 효과를 증명합니다. 온보드 탑재 알고리듬의 연구에 있어서는 특히 효율적인 개발 프로세스를 제공하고 있으며, 전통적으로 많은 사용자들이 존재하므로 새로운 일에 적용하고자 할 때 참여자들을 쉽게 설득할 수 있습니다. 그러나, 그 범위가 확대되거나 다양한 기술 분야가 포함된 복합 시스템에 적용하는 경우에는 모델에 기반한 연구 개발 프로세스에 대한 이해 부족과 자동코드 생성 결과에 대한 불신 또는 의심에 따른 거부감을 가지는 참여자들을 설득하는 일이 쉽지 않습니다. 특히 오랜 세월동안 검증된 안정적인 레거시 코드에 의존성이 높은 조직에서는 더욱 그렇습니다.
본 세션에서는 보수적이고 레거시 코드에 의존성이 높았던 국방 분야에 대형 복합 시스템 설계의 복잡성과 확장성 문제를 MBD 프로세스를 적용하여 해결을 하고자 했던 필자의 노력을 소개하고 우주 분야에 적용하기 위한 방안을 제시하고자 합니다.
핵심 내용
- 대형 복합시스템 개발에 MBD 프로세스 적용
- 자동코드 생성과 신뢰성
세션 대상
대형 복합시스템 개발에 MBD 를 적용하고자 하는 연구자
Model-Based Design에서 Simulink와 Python 연동하기
신행재 부장, 매스웍스코리아
엔지니어는 MATLAB®/Simulink®, C/C++ 또는 Python과 같은 다양한 프로그래밍 언어를 사용하여 점점 더 복잡해지는 프로젝트를 위한 다양한 알고리즘 구성 요소들을 개발합니다. 또한 시스템 수준 시뮬레이션을 위해 서로 다른 환경에서 개발된 이러한 구성 요소들을 통합하는 것이 프로젝트 성공의 핵심 단계가 되고 있습니다.
본 세션에서는 Python 코드를 Simulink 모델과 양방향으로 통합하는 방법을 시연합니다. 새로 출시된 Python Importer를 활용하여 사용자 정의 Python 함수를 Simulink로 쉽게 가져오는 방법을 확인하실 수 있습니다. 또한 Simulink 모델을 Python 패키지 또는 Functional Mockup Unit으로 패키징하고 이를 Python 기반 프레임워크에서 사용하는 방법을 함께 살펴보시기 바랍니다.
핵심 내용
- Python 코드를 Simulink에 연동 및 시뮬레이션 수행
- Simulink 모델을 Python 기반 개발 환경에 적용
발표 대상
- AI 모델을 포함하여, 오픈소스(Python)코드를 Simulink에 적용하고 싶으신 분
- Simulink에서 모델링한 결과물을 Python에서 활용하고 싶으신 분
DO Qualification Kit와 모델기반 설계를 이용한 항공 Software 개발
이승현 책임연구원, 현대자동차
항공기에 탑재되는 항공전자시스템은 안정성을 입증해야 하며 항공분야 산업표준 DO-178C/DO-331에 따라 개발되어야 합니다. 이러한 항공 Software 개발에서 Simulink®를 활용한 모델기반설계 및 모델로부터 자동 생성된 코드검증을 위한 Polyspace®를 적용하고자 할 때, 사용되는 도구들은 인증을 위해서 tool qualification 받을 수 있도록 적절한 테스트케이스, 절차, 문서를 제공할 수 있어야 합니다.
본 세션에서는 모델기반 설계를 적용한 항공 software 개발과정에서 DO-178C/DO-331 인증을 위한 DO Qualification Kit 채택한 software 개발 및 검증 프로세스 과정과 ALM 및 CM, CI/CD 도구 연동을 통한 소프트웨어 수명주기 통합방안을 소개 드립니다.
세션 핵심 내용
- 모델기반설계를 적용한 DO-178C/DO-331 인증을 위한 항공 소프트웨어 개발과정
- DO Qualification Kit 사용한 Software 개발 및 검증과정, ALM 및 CM, CI/CD연동
세션 대상
DO Qualification Kit에 대해 알아보고 싶으신 분
펌프 시스템 건전성 관리를 위한 진단 및 예지 기술
선경호 책임연구원, 한국기계연구원
펌프 시스템은 대표적인 전력 다소비 회전기계로, 산업현장에서 다양한 용도로 활용되는 기기입니다. 이러한 펌프 시스템의 불시 고장은 생산지연에 따른 경제적 피해뿐 아니라 안전 문제에도 심각한 영향을 미칩니다. 최근 건전성 예측 관리(PHM, prognostics and health management) 기술에는 다양한 신호처리, AI 기술 등이 활용되고 있으며, 시스템의 지능화와 더불어 현장 적용이 요구되는 상황입니다.
원심 펌프는 원심력에 의해 유체에 압력과 속도 에너지를 부여하는 기계로, 고온 및 고압의 유체 순환에 사용되고 있습니다. 이 펌프의 핵심 부품으로는 임펠러, 베어링, 씨일 등이 있으며, 건전성 예측 관리의 주된 대상 항목으로 알려져 있습니다.
본 세션에서는 원심 펌프 시스템의 이상감지, 고장진단 및 예지 기술을 다룹니다. 펌프의 주요 고장모드에 대한 설명과 함께 데이터 및 규칙에 기반한 진단 기술을 소개하고, 열화 데이터를 바탕으로 건전성 인자 추출과 잔여 수명 예측에 관한 결과들을 소개드립니다. 또한 다양한 펌프 시스템에 대한 사례 발표가 이루어질 예정입니다.
핵심 내용
- 원심 펌프의 성능 및 부품별 건전성 인자 도출
- 건전성 인자 학습을 통한 진단 및 잔여수명 예측
발표 대상
기계설비의 진단 및 예지 기술에 대해 알아보고 싶으신 분
건전성 예측관리 시스템의 개발/운용 효율을 위한 DevOps 구축
엄준상 부장, 매스웍스코리아
많은 조직에서 건전성 예측관리 알고리즘을 개발하기 위해 MATLAB® 과 Simulink®를 사용하지만, 이를 배포, 모니터링 및 관리하는 데 어려움을 겪고 있습니다. Gartner 보고서에 따르면 운용화 문제로 인해 데이터 사이언스 프로젝트의 50% 이상이 비즈니스 가치를 창출하지 못하고 있다고 합니다.
본 세션에서는 배터리 장비의 상태를 모니터링 및 건전성 예측관리 DevOps 시스템 구축을 위한 전체적인 워크플로우를 소개해 드립니다. MATLAB에서 SOH 예측 및 드리프트 감지 모델을 개발한 후, CI/CD 파이프라인과 클라우드 시스템에 MATLAB Production Server™를 통해 자동으로 테스트 및 배포하는 방법을 보여드립니다. 이러한 시스템 구축을 통해 엔지니어 알고리즘 개발, IT 부서 및 OT 운영 관리의 혁신적인 프로세스 개선을 구현할 수 있습니다.
핵심 내용
- 건전성 예측관리 시스템의 개발 워크플로우
- MATLAB Production Server를 포함한 운용 효율을 위한 DevOps 구축
발표 대상
- 건전성 예측 관리 알고리즘 개발자
- IT/OT 시스템 운영 개발자
MATLAB을 활용한 수소충전소 이상감지 시스템 개발
최진혁 선임연구원/이진우 선임연구원, 한국가스기술공사
설비 또는 시스템의 예후 및 건전성 관리(prognostics and heath management; 이하 PHM) 분야에서 이상감지(abnormal detection)는 설비의 신뢰성(reliability)와 가용성(availability)를 증가시키는데 효율적인 방법 중 하나로, 많은 방법론이 적용되어 개발되어 왔습니다.
본 연구에서는 플랜트의 DCS 또는 SCADA로부터 복수개의 센서 및 입력 장치의 실시간 데이터를 수집하여, 이상감지 모델을 학습하고, 학습된 모델을 통하여 실시간으로 이상현상을 감지하는 시스템을 소개하고자 합니다.
이번 세션에서는 수소충전소로부터 수집된 다중 시계열 데이터를 HMM(hidden Markov model)과 GMM(Gaussian mixture model)을 활용하여 미래 시점 데이터의 동적확률과 정적확률 분포를 결정함으로써, 실시간으로 수집된 데이터의 발생 우도(likelihood)를 평가하는 과정을 소개 드립니다. 앞서 언급된 이상감지 시스템의 데이터 수집, 학습, 처리 기능의 구현과정에서 사용된 MATLAB®의 라이브러리와 tool에 대해 함께 확인해보실 수 있습니다.
핵심 내용
- OPC UA server의 데이터 수집 및 전처리과정에서 MATLAB 활용 방법
- 이상감지 모델 학습 및 평가 Web Application 개발에서 MATLAB 활용 방법
발표 대상
플랜트 및 자산의 실시간 상태감시를 활용한 예측정비 기술개발 연구자
MATLAB을 이용한 AI 기반 자율로봇 구현
김종헌 부장, 매스웍스코리아
최근 몇 년간 로봇공학 분야에서는 AI의 적용 범위가 크게 확장되어 음성 명령이나 개체 식별뿐 아니라 로봇의 상태 추정하거나 및 모션 플래닝에도 AI가 사용되고 있습니다. 딥러닝과 강화 학습은 로봇이 다양한 물체를 다룰 수 있게 하였고, 반복적인 동작으로 인한 작업장 부상을 줄일 수 있게 하여 제조 현장, 발전소, 창고 및 기타 다른 여러 산업 현장으로 AI 기반의 자율 로봇 적용의 폭을 넓히고 있습니다.
본 세션에서는 자율로봇에 필수적인 상황 인식과 동작 제어를 위한 AI를 MATLAB®을 이용하여 로봇에 적용하는 방법을 알려드립니다. MATLAB 및 Simulink®을 사용하게 되면 지능형 빈-피킹 협업 로봇(cobot), 자율 모바일 로봇(AMR), UAV, 기타 로봇 시스템에서 AI 애플리케이션을 설계, 테스트 및 배포할 수 있어 개발 시간과 시장 출시 시간을 단축할 수 있습니다.
핵심 내용
- 자동 데이터 레이블링으로 수작업 감소
- 딥러닝 기반의 객체 감지 및 분류
- 딥러닝 기반의 모션 플래닝
- 강화학습을 이용한 로봇 동작 제어
- CUDA 최적화 ROS 노드로 딥러닝 알고리즘 배포
발표 대상
- 로봇 시스템 개발 엔지니어
- 자율 주행 개발 엔지니어
- 드론 개발 엔지니어
- 자율 물류 시스템 개발 엔지니어
양산형 Safety/자율주행 솔루션 개발을 위한 프로세스 전 단계에서의 MATLAB/Simulink 활용 노하우
하대근 CTO, ADUS Inc.
자동차 시스템이 복잡해짐에 따라 탑승자의 위험도가 증가하고 있으며 이를 낮추기 위해 다방면의 표준 및 규정이 제/개정되고 있습니다. 따라서 엔지니어링 프로세스를 적용하여 강인한 제품을 개발하는 것은 자동차 산업에서 사업을 영위하기 위한 필수 조건입니다.
또한, 엔지니어링 프로세스를 적용하면서 업무 비효율성을 최소화하기 위해 요구사항 관리, 형상 관리, 테스트 관리 등 각각의 활동들이 유기적으로 연계되어야 하며 요구사항부터 구현, 검증까지의 추적성이 체계적으로 관리되어야 합니다.
본 세션에서는 상용차에 탑재되는 Safety 솔루션과 자율주행 과제의 판단/모션 계획 솔루션 개발 과정에서 MATLAB® 및 Simulink® 들의 활용 방법에 대해 소개하고자 합니다. 본 세션을 통해 요구사항 관리, 테스트 관리, 추적성 관리에 대한 활용 예를 확인하실 수 있으며, 개발 시간을 단축시킬 수 있는 스크립트 활용 방법에 대한 예도 확인하실 수 있을 것으로 기대합니다.
핵심 내용
- 설계 : 요구사항 추적성 관리
- 구현 : MATLAB/Simulink 개발 노하우(script 활용, 실시간 visualization 방법)
- 검증 : Automated Driving Toolbox를 활용한 MIL 테스트 및 configuration 관리 방법
발표 대상
- MATLAB/Simulink 기반의 MBD 적용 시 추적성 관리 방법을 고민하고 있는 분
- Model-Based Design 도입 단계에서 모델 혹은 산출물 정리가 필요한 분
전동식 브레이크 시스템의 전자-유압 모델을 이용한 모터 최적 변수 설계
오선열 책임연구원, HL 만도
본 세션에서는 모터와 유압 시스템을 결합한 통합 브레이크 시스템 모델링을 수행하고, 모델의 시뮬레이션과 FEA 결과를 통한 모터의 최적 설계 변수를 선정한 내용에 대해 다룹니다. 또한 브레이크 최대 성능 시험과 시뮬레이션 결과 비교를 통해 선정된 변수에 대해 검증합니다.
실제 제어 기반 모터 시스템 구축의 어려운점을 MATLAB®, Simulink® 및 Simscape®를 활용하여 어떻게 해결했는지 함께 소개해드리도록 하겠습니다.
핵심 내용
- 모터 변수를 고려한 시스템 모델링
- 시뮬레이션 및 FEA 결과를 통한 모터 최적 설계
발표 대상
시스템 모델 기반의 모터 최적 설계 및 제어 성능 검토자
시스템 모델링을 이용한 EV용 배터리 팩 성능 최적화
강효석 부장, 매스웍스코리아
차량 설계의 초기 단계에서 엔지니어는 배터리 팩의 사이징에 대한 결정을 내려야 합니다. 이 때에 EV 차량의 운행 거리 및 비용과 같은 서로 trade-off 관계를 갖는 경우 최적의 설계를 선택하기가 어려운 경우가 있습나다. 잠재적인 설계를 평가하는 데 있어서 시스템 레벨의 모델을 사용하여 최적의 설계를 수행할 수 있습니다. 하지만 이러한 시스템 모델을 구축하려면 상당한 시간과 모델링 전문 지식이 필요합니다.
본 세션에서는 이러한 어려움을 해결할 수 있는 개발 워크플로우를 소개하고자 합니다. 첫 번째로, Powertrain Blockset™의 새로운 Virtual Vehicle Composer를 이용하여 특정 요구 사항을 충족하도록 사용자 지정의 시스템 레벨의 차량 모델을 신속하게 생성하는 방법을 소개합니다.
두 번째로는 성능 메트릭과 제약 조건이 선택되면 최적화 솔버를 사용하여 최적화된 팩의 배터리 셀 수에 얻기 위해 반복하여 검색하는 방법을 자동화하여 수행하는 방법을 다룹니다. 이를 보여주기 위해 Simscape Battery™를 사용하여 배터리 팩 설계하는 방법에 대해서 소개합니다.
마지막으로 설계된 배터리 팩 모델을 시스템 레벨 모델과 통합하여 요구 사항에 대한 검증하는 방법을 함께 확인하실 수 있습니다.
핵심 내용
- 차량의 주행 거리 및 비용을 고려한 배터리 팩의 최적화 설계
- 시스템 레벨의 차량 모델 생성 및 설계된 컴포넌트와의 통합 시뮬레이션
- Simscape Battery를 이용한 배터리 팩 설계
발표 대상
- 배터리 팩의 사이징 최적화 방법에 관심 있으신 분
- 차량의 시스템 레벨의 해석 방법에 관심 있으신 분
- 배터리 팩 설계에 관심이 있으신 분
MATLAB을 활용한 6G 연구 및 개발 가속하기
서기환 부장, 매스웍스코리아
5세대 (5G) 무선 시스템을 넘어 세계는 이미 6세대 (6G) 무선 시스템을 구축하기 위한 연구 개발에 착수했습니다. 6G 연구 및 개발은 5G 시스템의 성능을 개선하여 더 빠르고 더 지능적이며 더 낮은 대기 시간으로 작동하고 새로운 애플리케이션을 가능하게 하는 네트워크를 개발하는 것을 목표로 합니다. 6G 구현 기술에는 서브 테라헤르츠와 같은 새로운 주파수 통신, 인공 지능 및 기계 학습, 재구성 가능한 지능형 표면, 공동 통신 및 감지, 새로운 디지털 파형이 포함될 수 있습니다.
본 세션에서는 6G 시스템의 목표와 비전, 구현 기술 그리고 MATLAB®의 무선 통신 솔루션을 통해 신뢰할 수 있는 모델링 및 시뮬레이션을 진행하고 6G 연구 및 개발 프로세스를 가속화하는 방법을 소개 드립니다.
핵심 내용
- 6G 개발을 위한 MATLAB 활용방안
- 6G 구현을 위한 후보 기술
- 무선통신을 위한 인공지능
발표 대상
- 6G 표준 개발 또는 최신 통신 기술을 연구하는 연구원
- 무선통신에 특화된 인공지능에 관심있는 분
MATLAB 환경에서 레이다 및 안테나 시스템의 설계 및 운용에 대한 최적화 기법
김석 부장, 매스웍스코리아
다기능 레이더 시스템은 탐지 및 추적, 표적 식별, 통신, 클러터 환경 분석 및 재밍 억제를 포함한 다양한 기능을 수행합니다. 이러한 다기능 레이다 시스템 설계를 위해서는 여러 가지 설계 목표를 만족해야 합니다.
본 세션에서는 레이다 시스템 엔지니어가 Optimization Toolbox™를 사용하여 자동화된 설계 최적화 워크플로우로 이러한 레이더 설계 문제를 해결할 수 있는 3 가지 대표적인 방법을 살펴봅니다. 즉, Phased Array System Toolbox™를 사용하여 간섭 신호를 억압하는 빔 패턴 최적화, Radar Toolbox를 이용한 다중 구역 감시 레이더를 위한 레이다 자원 할당 최적화, Antenna Toolbox™를 이용한 안테나 설계 최적화를 살펴봅니다.
핵심 내용
- 다기능 레이다의 RF 스펙트럼 최적화
- 다기능 레이다의 자원할당 최적화
- 다기능 레이다의 안테나 빔패턴 최적화
발표 대상
- 레이다 시스템 엔지니어
- 안테나 엔지니어
- 레이다 HW / SW 엔지니어
MATLAB 프로그래밍 아키텍처 디자인
임형득 이사, 매스웍스코리아
AI 의 발달로 산업계에서는 다양한 센서,사진,영상 및 문서 데이터를 취득하고, 이를 관리 및 적용함에 있어서, 소프트에서 아키텍처의 중요성이 대두 되고 있습니다.
잘 설계된 아키텍처는 시스템을 보다 안정적으로 동작하게 하여 사용자 요구의 변화를 쉽게 수용, 확장 또는 축소 할 수 있으며 개발자가 시스템을 보다 쉽게 변경하고 개선할 수 있고, 다른 프로젝트에서 재사용성이 용이합니다. 또한 전반적으로 잘 설계된 소프트웨어 아키텍처는 보다 안정적이고 확장 가능하며 유지 관리가 가능하고 안전한 소프트웨어 시스템을 제공함으로써 더 나은 사용자 경험을 제공할 수 있습니다.
본 세션에서는 MATLAB®을 사용하여 재사용 가능한, 가독성이 뛰어난, 추적성(traceability)이 용이한 project (folder) design 방법과 app 아키텍처 디자인 방법 및 테스트 자동화(unit test) 방법을 소개 함으로써, MATLAB을 DevOps 적용하는 전반적인 방법에 대해서 소개합니다. 그리고 OOP에 대한 설명 및 재사용이 가능한 아키텍처를 개발하기 위한 OOP design pattern에 대해서 소개드립니다.
핵심 내용
- MATLAB Folder Architecture Design
- MATLAB App Architecture Design
- MATLAB OOP (Object-Oriented Programming)
발표 대상
MATLAB app design 개발 process (DevOps) 및 MATLAB OOP (object-oriented programming), class 개념이해, MATLAB class design pattern 등을 이해하고자 하시는 분
다양한 엔지니어링 최적화 문제를 해결하는 효과적인 방법
최규웅 부장, 매스웍스코리아
본 세션에서는 엔지니어링에서 발생하는 다양한 문제를 최적화 관점에서 정의하고, Global Optimization Toolbox를 사용하여 문제를 효과적으로 해결하는 방법을 physical modeling, control parameter calibration 등의 예를 통해 살펴볼 예정입니다.
핵심 내용
- Optimization methods overview of Global Optimization Toolbox
- Physical model optimization
- Parameter calibration for response optimization
발표 대상
- Simscape 등을 이용한 물리 모델링에 관심있는 분
- Control parameter 최적화에 관심있는 분
- Iterative computation을 통한 최적화에 관심있는 분
Python과 함께 사용하는 MATLAB 워크샵
박인용 과장, 매스웍스코리아
프로그래밍에 대한 사람들의 관심과 AI의 발전이 빠르게 이뤄지고 있습니다. 여러 프로그래밍 언어를 사용한 프로젝트들이 매년 새롭게 출시되고 있으며, 이로 인해 언어 간의 상호작용 능력(interoperability)이 더욱 중요해지고 있습니다.
본 워크샵에서는 최근 AI 개발에 두각을 나타내고 있는 Python과 MATLAB®을 함께 사용하여 AI 모델의 학습부터 deploy까지의 개발 절차를 소개합니다. PyTorch, TensorFlow 등 Python환경에서 얻을 수 있는 다양한 AI 학습 모델과 MATLAB이 제공하는 강력한 데이터 분석 toolbox 들을 함께 사용하여, MATLAB workflow에서의 Python 기반 AI 모델 응용, Python workflow에서의 MATLAB 기반 데이터 분석 진행, 그리고 두 환경 모두에서의 개발 프로그램 cloud deploy까지 각자 다른 개발환경에 유연히 적용가능한 정보들을 알려드리도록 하겠습니다.
핵심 내용
- MATLAB에서의 PyTorch 및 TensorFlow 등 Python open-source AI 사용
- MATLAB과 Python의 호환성
- MATLAB을 사용한 손쉬운 app/cloud deployment
발표 대상
- AI 모델 개발에 관심 있으신 분
- Python과 MATLAB을 함께 사용하고 싶으신 분
- 프로그램 app/cloud deploy에 관심이 있으신 분
금융 분야의 MATLAB의 활용 사례와 성과
장규환 부장, 매스웍스코리아
한국신용정보원에 따르면 한국 금융의 AI 시장은 2026년까지 연평균 약 40% 성장이 예상되고 있습니다. 이렇게 성장성이 높은 금융 분야에서는 다른 분야 대비 MATLAB®의 활용이 유용함을 잘 알지 못하는 것 같습니다.
이에 본 발표에서는 MATLAB을 활용한 금융 분야에서의 다양한 활용 방안과 국내외 금융 기관의 사례를 소개드리고자 합니다. 지금 이 순간에도 생성되고 있는 금융 데이터를 활용하여, MATLAB으로 AI 모델링과 데이터 사이언스를 적용한다면 금융 전 분야에서 소비자들에게 좋은 서비스를 제공할 수 있는 금융 기관의 미래 먹거리 사업이 될 수 있습니다. 또한 포트폴리오 최적화 및 효율적 자산배분은 금융투자산업에서 보다 체계적인 리스크 관리가 될 것이며, 스트레스 테스트는 은행산업에서 매우 유용하게 활용될 수 있을 것으로 생각됩니다.
오늘날 환경(environment), 사회(social), 지배구조(governance)를 뜻하는 'ESG'가 금융에서도 화두가 되고 있습니다. ESG 활용 사례를 통해, 금융회사의 지속가능금융에 적용을 모색해 볼 수 있도록 도움을 드리고자 합니다.
핵심 내용
- 금융분야의 MATLAB 활용 사례
- AI 금융을 위한 MATLAB
- MATLAB을 활용한 위험관리 및 ESG
- MATLAB을 활용한 금융 포트폴리오 최적화 및 자산배분
발표 대상
- MATLAB을 금융 분야에 활용해보고 싶은 분
- 금융 데이터 처리 및 AI 모델링에 관심있는 분
- 미래 금융 산업 먹거리에 관심있는 분
MATLAB을 이용한 Explainable AI 모형의 금융자산 예측 적용
최선용 교수, 가천대학교
금융자산의 미래가치를 예측하는 데에는 여러 기계 학습 방법론들이 사용되어 왔습니다. Explainable AI 모형은 기존 기계 학습 방법론의 black box 문제를 해결할 수 있는 기법으로, LIME, SHAP, PDP 등의 대표 방법론이 있습니다.
본 세션에서는 explainable AI의 대표 방법론을 소개하고, 이를 금융자산 예측에 활용한 과정을 소개해 드리겠습니다.
핵심 내용
- Explainable AI 모형으로 LIME, SHAP,PDP 방법론을 소개
- 금융자산 예측에 활용하는 과정을 소개
발표 대상
Explainable AI 모형에 대해 알아보고 싶으신 분