Q. PhysicalWorks Forge는 어떤 문제를 해결하나요?

A. PhysicalWorks Forge는 로봇 도입 과정에서 발생하는 학습 데이터 부족과 복잡한 학습과 검증 과정을 해결하도록 데이터 수집부터 RFM 학습, 검증, 현장 적용 준비까지 통합 지원합니다. 이를 통해 로봇의 현장 적용 속도와 운영 효율을 높일 수 있습니다.

Q. 기존 로봇 학습 방식과 PhysicalWorks Forge의 차이는 무엇인가요?

A. 많은 팀이 기존 로봇 학습 방식으로 이미 자체 학습 환경과 작업흐름(Workflow)을 운영하고 있습니다. 하지만 실제 현장에서는 데이터 관리, 반복 검증, 모델 추적, 배포(Deployment) 준비, 시뮬레이션-실환경 반복 검증(Simulation-Real Iteration) 등 운영 과정에 대한 체계적인 관리가 필요합니다. PhysicalWorks Forge는 특정 모델이나 학습 방식을 강제하기보다, 이런 반복적인 운영 문제를 줄이고 현장 적용 과정을 더 효율적으로 만드는 데 초점을 둡니다.

Q. PhysicalWorks Forge는 시뮬레이션 기반 학습도 지원하나요?

A. PhysicalWorks Forge는 시뮬레이션 기반 학습을 지원합니다. 시뮬레이션 데이터와 실제 운영 데이터를 함께 활용해 반복 검증하고 현장 적용 과정을 지원하며, 실제 환경 적용 전에 다양한 작업 조건과 예외 상황을 검토할 수 있습니다.

Q. PhysicalWorks Forge와 Baton의 차이는 무엇인가요?

A. PhysicalWorks Forge는 로봇의 두뇌가 되는 RFM의 데이터, 학습, 검증, 현장 적용 준비를 담당하며, Baton은 현장에 투입된 로봇과 설비의 작업 지시 및 모니터링 등 통합 운영을 담당합니다.

Q. PhysicalWorks Forge는 어떤 로봇에 적용할 수 있나요?

A. PhysicalWorks Forge는 휴머노이드, 모바일 매니퓰레이터(Mobile Manipulator), 자율 이동 로봇(Autonomous Mobile Robot, AMR), 사족보행 등 다양한 형태의 로봇 학습에 적용할 수 있습니다. 실제 적용 범위는 로봇 인터페이스, 센서 구성, 작업 환경, 사용하는 RFM을 사전에 확인한 뒤 정합니다.

Q. 실제 현장 데이터가 부족해도 학습할 수 있나요?

A. 실제 현장 데이터가 부족해도 학습할 수 있습니다. PhysicalWorks Forge는 원격조작과 실제 데이터에 더해 3D 시뮬레이션과 월드 모델로 생성 및 증강한 합성 데이터를 활용합니다. 실제 환경과 가상 환경의 차이는 반복 검증과 보정을 통해 줄여 나갑니다.

Q. 로봇 학습 플랫폼 도입 전에 어떤 사전 준비가 필요하나요?

A. 로봇 학습 플랫폼을 도입하기 전에는 적용할 로봇과 작업 범위, 현장 환경 조건, 확보 가능한 데이터 수준을 정리해야 합니다. 이를 기준으로 데이터 수집 방식과 검증 범위를 구체화할 수 있습니다.

Q. PhysicalWorks Baton은 어떤 고객에게 필요한가요?

A. PhysicalWorks Baton은 이미 여러 로봇을 운영하고 있거나 제조사와 형태가 다른 로봇을 확대 도입하려는 기업에 적합합니다. 로봇 수가 늘어날수록 작업 흐름, 설비 연동, 장애 대응과 운영 효율을 함께 관리하는 체계가 중요해지기 때문입니다.

Q. 여러 제조사나 다른 형태의 로봇도 함께 운영할 수 있나요?

A. PhysicalWorks Baton은 제조사와 형태가 다른 로봇을 하나의 운영 체계에서 께 관리할 수 있습니다. 로봇의 상태와 제어 정보를 표준화하고 작업 흐름을 통합 관리하도록 설계되어 있어 이기종 로봇 환경에서도 하나의 Workforce로 통합 운영이 가능합니다. 실제 적용 범위는 로봇 인터페이스와 현장 시스템 구조를 검토해 결정합니다.

Q. PhysicalWorks Baton은 단순 관제 시스템과 무엇이 다른가요?

A. PhysicalWorks Baton은 위치와 상태를 보여주는 단순 관제 시스템과 달리, 작업 지시, 우선순위, 설비 상태와 현장 조건을 함께 연결해 로봇의 작업 배분과 운영 흐름을 조정하는 데 초점을 둡니다. 운영자는 단순 모니터링을 넘어 작업 배정, 예외 대응, 운영 최적화까지 수행할 수 있습니다.

Q. 기존 WMS, MES, 설비 시스템과도 연결할 수 있나요?

A. 네, PhysicalWorks Baton은 WMS, MES, 설비 시스템 등 기존 현장 시스템과 연계해 로봇을 운영할 수 있습니다. Baton은 제조와 물류의 작업 지시, 재고 흐름, 설비 상태 등 기존 업무시스템과 로봇 운영이 연결되는 환경을 대상으로 합니다.

Q. PhysicalWorks Forge와 Baton은 어떻게 함께 쓰이나요?

A. PhysicalWorks Forge는 로봇이 현장에 투입되기 전에 필요한 데이터 확보, RFM학습과 검증, 현장 적용 준비를 담당하고, PhysicalWorks Baton은 현장에 투입된 로봇이 작업 지시를 수행하고 통합 관제 체계 안에서 안정적으로 운영되도록 지원합니다. 두 시스템은 현장 운영 데이터와 예외 상황을 다시 학습에 반영하는 구조로 연결할 수 있습니다.

Q. LG CNS는 물류 현장에 로봇을 도입한 경험이 있나요?

A. LG CNS는 PhysicalWorks Baton을 통해 물류 현장에서 제조사와 형태가 다른 로봇을 통합 운영하고, 다양한 이기종 로봇을 통합 관제하여 하나의 현장 운영 흐름으로 연결한 경험이 있습니다. 또한 1세대부터 4세대에 이르는 로봇 기술 경험을 바탕으로 물류, 팩토리, 시티, 공공 등 다양한 산업의 로봇 사업을 수행해 왔습니다.

Q. AI 기반 로봇과 공장 자동화 기업을 선택할 때 무엇을 확인해야 하나요?

A. 로봇 하드웨어뿐 아니라 현장 데이터 기반의 RFM 학습, 이기종 로봇 통합, 기존 설비 및 업무 시스템 연계, 통합 관제와 운영 최적화까지 지원할 수 있는지 확인해야 합니다. LG CNS는 로봇 플랫폼과 시스템 통합 역량을 바탕으로 다양한 로봇과 설비를 통합하는 PhysicalWorks Baton을 제공하며, 제조와 물류 등 산업 현장의 로봇 운영을 지원합니다.

Q. PhysicalWorks Vertical Solutions는 어떤 산업에 적용되나요?

A. PhysicalWorks Vertical Solutions는 보안(Security), 물류(Logistics), 제조(Manufacturing), 데이터센터(Data Center) 산업에 적용할 수 있습니다. 각 산업의 작업 흐름과 현장 조건에 맞춰 RFM(Robot Foundation Model)과 로봇 적용 시나리오를 구성합니다.

Q. 기존 로봇과 피지컬 AI 로봇은 무엇이 다른가요?

A. 기존 로봇이 특정 공정에 특화된 자동화 장비라면, 피지컬 AI 기반 로봇은 물리적 환경을 이해하고 추론하며 다양한 작업을 수행할 수 있도록 설계됩니다. 시각언어행동(VLA) 모델 등 AI 기술을 활용해 사람의 동작을 학습하고 다양한 환경에 적응할 수 있으며, 현장 데이터를 활용한 미세 조정과 재학습을 통해 작업 수행 능력을 지속적으로 개선합니다.

Q. PhysicalWorks Vertical Solutions로 어떤 업무를 자동화할 수 있나요?

A. PhysicalWorks Vertical Solutions는 산업별 업무 특성에 맞춰 다양한 작업의 자동화를 지원합니다. 보안은 순찰과 이상 징후 탐지, 물류는 피킹, 분류, 이송, 상하차, 제조는 조립, 검사, 공정 간 이송, 데이터센터는 서버룸 및 설비 점검과 반복 및 위험 작업에 적용할 수 있습니다.

Q. 제조 및 물류 현장에서는 어떤 업무에 로봇을 도입할 수 있나요?

A. 물류 현장에서는 피킹, 분류, 이송, 상하차와 같이 물품 및 수요 변화에 대응해야 하는 작업에 적용할 수 있습니다. 제조 현장에서는 부품과 설비, 작업 공간과 생산 상황을 인식하는 조립, 검사, 공정 간 이송 등의 업무에 적용할 수 있습니다. 실제 적용 여부는 대상 업무, 작업 환경, 기존 설비와 시스템, 안전 요구사항과 데이터 확보 수준을 분석한 뒤 확인합니다.

Q. PhysicalWorks Vertical Solutions는 로봇 하드웨어만 제공하나요?

A. 아닙니다. PhysicalWorks Vertical Solutions는 로봇 하드웨어뿐만 아니라 산업 특화 RFM, 데이터 학습 및 검증, Workflow와 시스템 연계, 운영 플랫폼까지 포함하는 턴키(Turn-key) 구성을 제공합니다.

Q. PhysicalWorks Vertical Solutions을 우리 현장에 바로 적용할 수 있나요?

A. PhysicalWorks의 Vertical Solutions 적용 가능 여부는 자동화 대상 업무, 작업 환경, 기존 설비 및 시스템, 안전 요구사항과 데이터 확보 수준을 분석한 뒤 확인할 수 있습니다. PoC에서 작업 정확도, 수행 속도, 안정성, 예외 상황 대응을 검증합니다.

Q. 산업 현장에 피지컬 AI 로봇을 도입하면 업무가 어떻게 달라지나요?

A. 산업 현장에 피지컬 AI 로봇을 도입하면 반복 작업과 위험 작업뿐 아니라, 물류의 비정형 작업과 제조 공정 변경 대응처럼 기존 고정형 자동화로 대응하기 어려웠던 업무까지 자동화 적용 범위를 넓힐 수 있습니다. 또한 여러 로봇의 작업 배분, 설비 연계와 예외 상황 대응을 하나의 운영 체계에서 관리하여 운영 효율을 높일 수 있습니다.

Q. 공장 자동화를 도입하려면 어떤 요소를 먼저 고려해야 하나요?

A. 먼저 자동화 대상 업무와 현장 작업 흐름, 기존 설비 및 시스템 환경, 작업자 부담과 안전 조건을 분석해야 합니다. 이후 대상 업무에 적합한 로봇 형태와 센서, 산업 특화 RFM과 필요한 기능을 선정하고, 현장 및 시뮬레이션 데이터를 활용해 학습과 검증을 진행합니다. 마지막으로 MES 등 기존 시스템과 작업 흐름을 연계하고, 실제 환경에서 작업 정확도, 수행 속도, 운영 안정성과 예외 상황 대응 능력을 검증해야 합니다.

RX(Robotics Transformation)

RX

RX(Robotics Transformation)

로봇이 사람을 대체하는 시대가 더 이상 먼 미래가 아닌 현실로 다가오면서, 피지컬 AI(Physical AI) 기반의 로봇 전환(Robotics Transformation, RX) 이 산업 전반의 핵심 트렌드로 부상하고 있습니다. 기존의 생성형 AI(Generative AI)가 정보 생성과 의사결정을 혁신했다면, 최근에는 에이전틱 AI(Agentic AI)를 넘어 물리적 세계에 직접 개입할 수 있는 피지컬 AI가 등장하며 '생각하는 AI'에서 '행동하는 AI'로 패러다임이 확장되고 있습니다. 특히 제조, 물류, 건설 등 3D(Dirty, Dangerous, Difficult) 산업에서는 만성적인 인력 부족 문제를 해결하기 위한 대안으로 휴머노이드 기반 지능형 로봇 도입이 빠르게 확대되고 있습니다.

이러한 변화의 중심에는 범용 지능을 갖춘 휴머노이드 로봇이 있습니다. 과거 로봇이 특정 공정에 특화된 자동화 장비였다면, 피지컬 AI 기반 로봇은 물리 환경을 이해하고 추론하며 다양한 작업을 수행할 수 있는 '범용 노동력'으로 진화하고 있습니다. 실제로 시각언어행동(Vision-Language-Action, VLA) 모델 등 AI 기술이 결합하면서 로봇은 인간의 동작을 학습하고 다양한 환경에 적응하는 능력을 빠르게 확보하고 있습니다. 산업 현장 적용을 위해서는 하드웨어 성능 개선과 함께 현장 데이터를 활용한 미세 조정(Fine Tuning)을 통해 작업 수행 능력을 지속적으로 고도화하는 과정이 필요합니다.

산업 현장에 피지컬 AI 로봇을 도입하면 반복 및 위험 작업뿐 아니라 물류의 비정형 작업과 제조 공정 변경 대응 등 기존 자동화가 어려웠던 업무까지 적용 범위를 확대할 수 있습니다. 또한 여러 로봇의 작업 배분과 설비 연계, 예외 상황 대응을 통합 관리해 운영 효율을 높일 수 있습니다. 이를 위해서는 로봇 하드웨어 도입을 넘어 현장 데이터 기반의 로봇 파운데이션 모델(Robot Foundation Model, RFM) 학습과 로봇을 하나의 'Workforce'로 관리하고 운영하는 체계가 필요합니다.

LG CNS는 산업 특화 RFM, 로봇 학습 플랫폼 PhysicalWorks Forge, 로봇 운영 플랫폼 PhysicalWorks Baton, 산업별 로봇 솔루션 PhysicalWorks Vertical Solutions를 통해 로봇 학습부터 운영, 산업 현장 적용까지 아우르는 RX 체계를 제공합니다. 이를 통해 단순 자동화를 넘어 인간과 로봇이 협업하는 피지컬 AI 기반의 로봇 전환을 지원합니다.

PhysicalWorks에 대해 자세히 알아보기

피지컬 AI 로봇의 학습을 위한 데이터 관리와 RFM 학습을 수행하는 All-in-One 플랫폼

LG CNS의 로봇 학습 플랫폼 PhysicalWorks Forge

PhysicalWorks Forge는 로봇 학습 데이터를 수집 및 정제하고 RFM 학습과 검증 과정을 거쳐 로봇의 현장 투입을 지원하는 플랫폼입니다. 사람의 작업, 시뮬레이션, 실제 현장 데이터를 결합해 학습 데이터를 확보하고, 데이터 정제와 품질 관리를 자동화하여 데이터의 일관성을 유지합니다. 이를 통해 로봇 학습 과정의 리드타임을 줄이고, 다양한 작업에 대응할 수 있는 기반을 마련합니다.

RFM 학습 플랫폼은 복잡한 기술 스택을 단일 환경으로 통합하고, 원클릭(One-click) 기반 학습과 표준화된 인터페이스를 제공해 개발 및 운영 생산성을 높입니다. 로봇이 실제 현장에 투입된 뒤에도 작업 데이터를 지속적으로 수집하여 재학습과 최적화에 반영하며, 현장 기반 학습 루프로 로봇 성능을 고도화합니다.

현장 적용을 위한 로봇 학습 데이터의 중요성

피지컬 AI가 주목받으며 휴머노이드를 비롯한 지능형 로봇의 현장 적용이 확대되고 있습니다. 로봇 학습에는 사람의 작업 데이터, 시뮬레이션 데이터, 실제 현장 데이터 등 다양한 학습 데이터가 활용되며, AI, 로보틱스, 시뮬레이션 등 여러 기술을 함께 운영해야 합니다. 이에 따라 학습 데이터 확보와 관리, 기술 통합, 운영 효율화를 뒷받침하는 로봇 학습 플랫폼의 필요성이 커지고 있습니다.

로봇 학습과 운영 전 과정에서 발생하는 네 가지 고민

피지컬 AI 기반 로봇 도입을 추진하는 기업들은 다양한 작업 환경과 예외 상황을 반영한 로봇 학습 데이터 확보, 로봇 학습 운영 체계 수립, 현장 데이터 기반 성능 개선 체계 마련에 대한 어려움을 겪고 있습니다.

RFM 학습 데이터 확보의 어려움

현재 로봇은 원격 조작(Teleoperation) 등으로 데이터를 수집하지만, 들이는 시간과 비용 대비 확보할 수 있는 데이터의 양과 다양성에는 한계가 있습니다. 복잡한 작업 환경과 예외 상황을 포함한 고품질 데이터 구축에는 더 많은 시간과 비용이 필요합니다.

실제 현장을 반영한 데이터 부족

시뮬레이션이나 제한된 환경에서 얻은 데이터만으로는 다양한 공정과 작업 조건을 반영하기 어렵습니다. 이로 인해 로봇의 범용성과 현장 적용성이 제한될 수 있습니다.

로봇 학습 운영 체계 구축의 한계

AI, 로보틱스, 시뮬레이션 등 다양한 기술이 필요하지만 이를 통합적으로 개발 및 운영할 수 있는 플랫폼은 아직 많지 않습니다. 데이터 전문가, AI 전문가, 로봇, 시스템 전문가 간 협업이 분산되면서 개발과 운영 효율이 떨어지는 경우가 많습니다.

현장 데이터 기반 재학습 체계 구축의 필요성

실제 산업 현장에서는 작업 환경과 예외 상황이 끊임없이 발생합니다. 현장 데이터를 활용한 재학습과 최적화 체계가 갖춰지지 않으면 로봇 성능을 지속적으로 개선하기 어렵습니다.

LG CNS의 PhysicalWorks Forge가 로봇 학습을 지원하는 방법

대규모 RFM 학습 데이터 확보

Forge는 원격조작, 휴먼 비디오, 월드 모델, 시뮬레이션 등을 활용해 로봇 학습에 필요한 대량의 데이터를 빠르게 수집하고 생성합니다.

RFM 학습에 필요한 시간과 비용 절감
현장 투입 준비 기간 단축 (기존 수개월이 걸리던 학습 및 검증 과정을 최대 4주 수준으로 단축)

로봇 학습 데이터 품질 관리 자동화

Forge는 데이터 큐레이션, 필터링, 전처리 과정을 자동화하여 학습 데이터의 품질과 일관성을 관리합니다.

데이터 정제 작업에 필요한 인력과 시간 절감
일관된 학습 데이터 품질 확보
RFM의 작업 수행 품질과 정확도 향상

원클릭 기반 RFM 학습 자동화

Forge는 여러 도구에 나뉘어 있던 데이터 수집, 정제, 학습, 검증 과정을 하나의 인터페이스와 사전 구성된 환경에서 실행하여 복잡한 로봇 학습 과정을 단순화합니다.

로봇 학습 환경 구성과 준비 시간 단축
데이터 수집, 정제, 학습, 검증 과정의 통합 운영
복잡한 설정과 적용 부담 감소

다양한 작업 환경 학습을 위한 시뮬레이션

Forge는 시뮬레이션 데이터와 실제 환경의 차이를 반복적으로 검증하고 보정하여 로봇이 다양한 작업과 환경에 빠르게 적응할 수 있도록 지원합니다.

시뮬레이션으로 다양한 작업 조건과 예외 상황을 사전에 검토
검증, 보정, 재학습 사이클 자동화로 운영 부담 감소
안정적이고 확장 가능한 학습 환경 구현

GPU 최적화 기반 비용 효율적 인프라 운영

Forge는 GPU와 학습 자원을 효율적으로 사용하여, 학습 규모가 커져도 인프라를 안정적으로 운영하도록 지원합니다.

GPU 자원 사용 최적화를 통한 RFM 학습 비용 절감
대규모 학습 환경에서도 안정적인 운영
예측 가능한 운영 체계로 인프라 관리 효율 향상

운영 데이터 기반 RFM 재학습 및 고도화

Forge는 운영 데이터를 재학습과 최적화에 반영하는 피드백 루프를 통해 RFM을 지속적으로 개선합니다.

전문 인력 없이도 로봇 브레인인 RFM을 간편하게 학습할 수 있는 워크플로 제공
운영 데이터를 재학습에 반영하는 피드백 루프 구축
로봇 학습 데이터를 지속적으로 축적·관리하여 재사용 가능한 기업 자산으로 활용

데이터 수집부터 RFM 배포까지 Forge의 여섯 가지 적용 절차

PhysicalWorks Forge는 로봇 학습 데이터 수집부터 데이터 생성, 증강 및 정제, RFM 학습 및 평가, 검증된 모델의 배포와 버전 관리까지 로봇 학습 전 과정을 지원합니다. 적용 범위와 기간은 로봇 유형, 작업 난이도, 학습 데이터 확보 수준에 따라 달라질 수 있습니다.

1. 데이터 수집 | 로봇 학습 데이터 확보

텔레오퍼레이션과 시뮬레이터를 활용해 로봇 학습 데이터를 수집하고 저장합니다.

2. 데이터 증강 및 생성 | 학습 데이터 규모 및 다양성 확대

월드 모델, 시뮬레이터, 휴먼 비디오를 활용해 로봇 학습 데이터를 증강하고 생성합니다.

3. 데이터 정제 | 학습 데이터 품질 확보

데이터 품질을 분석하여 학습에 활용할 유효 데이터를 자동으로 선별합니다.

4. RFM 학습 | 다양한 RFM 학습 수행

다양한 RFM을 간편하게 학습할 수 있는 워크플로를 제공합니다.

5. RFM 평가 | Sim-to-Real 적용성 검증

학습된 RFM의 성능을 자동으로 평가하고, 시뮬레이션 결과와 실제 환경의 차이를 검증 및 보정하여 현장 투입 가능성을 확인합니다.

6. RFM 배포 및 관리 | 로봇 적용 및 버전 관리

검증한 RFM을 로봇에 배포하고 버전을 관리합니다.

FAQ

A. PhysicalWorks Forge는 로봇 도입 과정에서 발생하는 학습 데이터 부족과 복잡한 학습과 검증 과정을 해결하도록 데이터 수집부터 RFM 학습, 검증, 현장 적용 준비까지 통합 지원합니다. 이를 통해 로봇의 현장 적용 속도와 운영 효율을 높일 수 있습니다.
A. 많은 팀이 기존 로봇 학습 방식으로 이미 자체 학습 환경과 작업흐름(Workflow)을 운영하고 있습니다. 하지만 실제 현장에서는 데이터 관리, 반복 검증, 모델 추적, 배포(Deployment) 준비, 시뮬레이션-실환경 반복 검증(Simulation-Real Iteration) 등 운영 과정에 대한 체계적인 관리가 필요합니다. PhysicalWorks Forge는 특정 모델이나 학습 방식을 강제하기보다, 이런 반복적인 운영 문제를 줄이고 현장 적용 과정을 더 효율적으로 만드는 데 초점을 둡니다. 
A. PhysicalWorks Forge는 시뮬레이션 기반 학습을 지원합니다. 시뮬레이션 데이터와 실제 운영 데이터를 함께 활용해 반복 검증하고 현장 적용 과정을 지원하며, 실제 환경 적용 전에 다양한 작업 조건과 예외 상황을 검토할 수 있습니다.
A. PhysicalWorks Forge는 로봇의 두뇌가 되는 RFM의 데이터, 학습, 검증, 현장 적용 준비를 담당하며, Baton은 현장에 투입된 로봇과 설비의 작업 지시 및 모니터링 등 통합 운영을 담당합니다.
A. PhysicalWorks Forge는 휴머노이드, 모바일 매니퓰레이터(Mobile Manipulator), 자율 이동 로봇(Autonomous Mobile Robot, AMR), 사족보행 등 다양한 형태의 로봇 학습에 적용할 수 있습니다. 실제 적용 범위는 로봇 인터페이스, 센서 구성, 작업 환경, 사용하는 RFM을 사전에 확인한 뒤 정합니다.
A. 실제 현장 데이터가 부족해도 학습할 수 있습니다. PhysicalWorks Forge는 원격조작과 실제 데이터에 더해 3D 시뮬레이션과 월드 모델로 생성 및 증강한 합성 데이터를 활용합니다. 실제 환경과 가상 환경의 차이는 반복 검증과 보정을 통해 줄여 나갑니다.
A. 로봇 학습 플랫폼을 도입하기 전에는 적용할 로봇과 작업 범위, 현장 환경 조건, 확보 가능한 데이터 수준을 정리해야 합니다. 이를 기준으로 데이터 수집 방식과 검증 범위를 구체화할 수 있습니다.

다양한 제조사, 다양한 타입의 로봇을 하나의 Workforce로 통합 운영하는 플랫폼

LG CNS의 로봇 통합 운영 플랫폼 PhysicalWorks Baton

PhysicalWorks Baton은 여러 제조사와 형태의 로봇을 하나의 운영 체계에서 통합 관리하여 작업 할당, 상태 모니터링, 설비 연계, 예외 대응과 AI 기반 운영 최적화를 지원하는 로봇 운영 및 관제 플랫폼입니다. Baton을 통해 로봇별로 분리된 운영 화면과 수작업 조율 부담을 줄이고, 로봇을 실제 현장 업무 흐름 안에서 통합적으로 운영할 수 있습니다.

Baton은 이기종 로봇의 상태와 제어 정보를 표준화하고, 작업 지시(Work Order), 로봇과 설비, 작업 우선순위와 자원 상태를 하나의 워크플로우(Workflow)로 연결합니다. 로봇 위치와 상태뿐 아니라 CCTV, 센서, 설비 데이터를 통합 모니터링하고, 현장 상황 변화에 따라 작업 순서와 자원 배치를 조정합니다.

LG CNS는 로봇 플랫폼과 시스템 통합(System Integration, SI) 역량을 동시에 보유한 사업자로서 RX 구현에 필요한 인프라 기술을 바탕으로 다양한 로봇과 설비를 통합하는 로봇 운영 플랫폼 구축을 지원합니다. LG CNS는 1세대부터 4세대에 이르는 로봇 기술 경험을 보유하고 있으며, 휴머노이드를 포함한 차세대 로봇 영역과 물류, 팩토리, 시티, 공공 등 다양한 산업의 로봇 사업 경험을 축적해 왔습니다. Private 5G, 클라우드, 데이터센터 등 RX 구현에 필요한 인프라 기술도 갖추고 있습니다. LG CNS는 다양한 로봇과 설비를 통합하고, 시스템이 스스로 의사결정과 작업 조율을 수행하는 자율 운영 플랫폼 구현을 지향합니다. 이를 통해 사람의 개입을 최소화하면서도 지속적으로 성능을 개선하는 지능형 로봇 Workforce 운영 체계를 실현하고자 합니다.

이기종 로봇 확산과 로봇 운영 관리의 새로운 과제

최근 로봇 시장은 자율이동로봇(Autonomous Mobile Robot, AMR), 배송 로봇 등 3세대 자율주행 로봇의 확산을 넘어, 휴머노이드와 사족보행 로봇 등 RFM 기반의 4세대 지능형 로봇으로 빠르게 진화하고 있습니다. 이에 따라 단순 개별 로봇의 성능 개선을 넘어, 다양한 이기종 로봇을 통합적으로 운영 및 관리해야 하는 복잡성이 함께 증가하고 있습니다.

특히 기존에는 자동화가 어려웠던 복잡한 업무까지 로봇이 수행하는 사례가 등장하면서, 로봇 기반의 전과정 업무 자동화(End-to-End Automation)에 대한 요구가 확대되고 있습니다. 그러나 실제 산업 현장에서는 제조사와 기능이 서로 다른 로봇들이 혼재되어 있어 이를 통합적으로 운영하는 사례는 제한적이며, 운영 효율 저하와 관리 부담이 동시에 증가하고 있습니다.

이러한 기술 및 시장의 변화 속에서, 로봇을 단순 설비가 아닌 하나의 ‘Workforce’로 관리해야 할 필요성도 더 커지고 있습니다. 현장에서는 로봇 간 협업을 통해 실질적인 인력 대체와 생산성 향상을 기대하고 있으며, 이를 위해서는 로봇에게 작업을 할당하고 상태를 관리하며 성능을 지속적으로 개선할 수 있는 체계가 필요합니다. 또한 신규 로봇 도입 시 기존 시스템 및 로봇과의 연계를 빠르게 수행하고, 변화하는 작업 환경에 맞춰 유연하게 운영을 최적화할 수 있어야 합니다. 결국 복잡한 산업 환경에서 로봇을 사람과 유사한 하나의 ‘운영 자원’으로 보고, HR 시스템처럼 통합적으로 관리 및 운영하는 체계를 구축해야만 복잡한 산업 환경에서 로봇의 활용도를 극대화하고, 진정한 End-to-End 자동화를 실현할 수 있습니다.

이기종 로봇 운영 과정에서 발생하는 네 가지 고민

피지컬 AI 기반 로봇 도입을 추진하는 기업들은 이기종 로봇 통합 운영, 업무 시스템 및 설비 연계, 실시간 장애 대응, 로봇 확대에 따른 운영 체계 관리에 대한 어려움을 겪고 있습니다.

서로 다른 로봇의 분산 운영

AMR, AGV(Automated Guided Vehicle)를 넘어 휴머노이드와 사족보행 로봇까지 다양한 로봇이 한 현장에 함께 투입되면서, 제조사와 로봇 유형마다 제어 방식과 운영 환경이 달라 작업 할당, 상태 확인, 장애 대응을 통합 관리하기가 어려워졌습니다. 운영 담당자가 이를 개별적으로 조율해야 하는 부담도 커지고 있습니다.

기존 시스템과 로봇 운영 환경 연계의 복잡성

다수의 로봇이 하나의 공정이나 물류 흐름에서 운영되면 업무 지시와 Workflow의 구성 범위가 넓어집니다. 창고관리 시스템(Warehouse Management System, WMS), 제조실행시스템(Manufacturing Execution System, MES)의 작업 지시와 설비 상태, 센서 정보를 로봇 운영 흐름과 함께 관리해야 하므로 시스템 간 연계 범위가 복잡해질 수 있습니다.

장애와 예외 상황의 실시간 대응 부담

로봇이나 설비에 이상이 생기면 작업 우선순위와 자원 배치를 다시 조정해야 합니다. 장애와 예외 상황에서는 다른 로봇으로 작업을 재할당하고, 우회와 복구 흐름, 이동 동선까지 조정해야 하므로 운영 부담이 커집니다.

로봇 확대에 따른 운영 체계 한계

로봇 대수와 업무 범위가 늘어날수록 운영해야 할 기능과 관리 대상도 함께 늘어납니다. 필요한 기능을 단계적으로 도입하고 확장할 수 있는 체계가 필요하며, 로봇 확대에 따른 운영 부담도 커질 수 있습니다.

LG CNS의 PhysicalWorks Baton이 로봇 운영 효율을 높이는 방법

로봇과 설비를 하나의 업무 흐름으로 연결

Baton은 로봇만 따로 관제하지 않습니다. 작업 지시, 설비 상태, 우선순위, 자원 상태를 함께 고려하여 실제 현장 업무의 흐름으로 연결하고, 그 안에서 로봇을 운영합니다.

작업 지시부터 설비 연계까지 하나의 Workflow로 관리
우선순위와 자원 상태를 반영한 운영 최적화
예외 상황에서도 작업 흐름의 연속성 유지

신규 로봇을 빠르게 현장에 투입

Baton은 표준화된 인터페이스 연계 방식을 통해 새로운 로봇을 현장 시스템에 빠르게 연결하고 검증하여 곧바로 운영에 투입합니다.

신규 로봇 도입 기간과 시행착오 감소
신규 로봇을 안정적으로 현장에 적용
로봇을 추가해도 유연하게 운영 확장 가능

이기종 로봇을 하나의 Workforce로 통합 운영

Baton은 제조사와 형태가 다른 로봇의 상태 및 제어 정보를 표준화하고, 다양한 로봇의 위치와 상태는 물론 CCTV, 센서, 설비 데이터를 하나의 화면에서 통합 관제합니다.

이기종 로봇의 작업 할당과 통합 운영
로봇과 설비의 이상 상황을 조기에 식별하고 신속하게 대응
분산된 로봇 운영 환경의 통합 관리

현장 규모에 맞춰 필요한 기능부터 단계적으로 확장

Baton은 로봇을 도입하는 현장의 규모와 운영 조건에 맞춰 필요한 기능부터 선택적으로 도입하고, 이후 기능을 단계적으로 확장합니다.

로봇 대수와 작업 범위에 맞춘 유연한 기능 확장으로 비용 절감
최소 기능으로 시작해 단계적으로 확장하며 안정적인 운영 체계 구축

실시간 상황 인지와 Agentic AI 기반 운영 최적화

Baton은 현장에서 운영 중인 로봇의 상태, 작업 흐름, 현장 데이터를 실시간으로 모니터링합니다. Baton의 AI Agent가 작업 지시, 우선순위, 현장 조건을 분석하여 로봇의 작업 단위별 수행 계획을 자동으로 생성합니다.

상황 변화에 따른 작업 순서와 자원 배치 자동 최적화
특정 로봇이나 설비에 이상 발생 시 작업 재할당, 우회, 복구 지원

로봇 운영 현황과 성과를 한눈에 확인하는 맞춤형 대시보드

Baton은 로봇의 상태 정보와 함께 운영 목적에 따른 로봇별 KPI(Key Performance Indicator)와 성과 정보를 함께 제공하여 운영 현황을 한눈에 파악할 수 있도록 지원합니다.

생산성, 처리량, 가동률, 작업 지연 등 주요 지표 모니터링
현장 운영 현황과 성과를 하나의 대시보드에서 통합 관리

로봇 학습 플랫폼 Forge와 연결되는 학습 및 운영 선순환 구조

Baton은 운영 데이터와 예외 상황 정보를 Forge와 연계해 로봇 학습 및 검증에 활용합니다. 실제 현장 운영 과정에서 축적된 데이터가 로봇 성능 개선으로 이어지는 선순환 구조입니다.

운영 데이터 기반 RFM 재학습 지원
실제 현장 환경을 반영한 성능 개선
학습부터 운영까지 연결된 통합 로봇 플랫폼 구현

현장 진단부터 운영 개선까지 Baton의 여섯 가지 적용 절차

PhysicalWorks Baton 도입은 다양한 로봇과 설비, 업무 시스템을 연계하고, 업무 지시 기반 Workflow 구성, 통합 관제, 운영 최적화를 구현하는 순서로 진행됩니다. 적용 범위와 기간은 로봇 수와 유형, 제조사별 인터페이스, 기존 시스템 연계 범위, 현장 검증과 안전 요건에 따라 달라질 수 있습니다.

1. 현장 및 운영 진단 | 로봇 운영 범위 및 연계 대상 명확화

운영 중이거나 도입 예정인 로봇, 설비, 작업 흐름과 고객의 기존 WMS, MES, 설비 시스템 등 연계 대상 시스템을 분석합니다.

2. 로봇 연계 및 표준화 | 이기종 로봇 통합 운영 기반 구축

제조사와 유형이 다른 로봇의 상태와 제어 정보를 표준 인터페이스로 연결합니다.

3. 업무 지시 및 Workflow 구성 | 작업 지시 및 협업 규칙 설계

실제 업무 흐름에 맞춰 작업 지시와 로봇 및 설비 간 순서, 협업 규칙을 설계합니다.

4. 통합 관제 및 예외 대응 | 통합 모니터링 및 대응 체계 구성

로봇의 위치와 상태, CCTV, 센서, 설비 정보를 통합 모니터링하고 이상 상황의 대응 흐름을 구성합니다.

5. 운영 최적화 | 작업 배분 및 자원 활용 최적화

로봇 상태, 작업 우선순위, 현장 조건을 반영해 작업 배분과 이동 동선을 조정합니다.

6. KPI 및 운영 개선 | 운영 성과 분석

생산성, 처리량, 가동률, 작업 지연 등 운영 지표를 대시보드로 확인하고 개선합니다

도입 사례

A 물류

물류센터에 LG CNS 모바일 셔틀, HAI Robotics HaiPick Climb, Libiao 3D Sorter, Dexmate Vega 등 다양한 이기종 로봇을 LG CNS의 로봇 통합 운영 플랫폼 PhysicalWorks Baton으로 통합 관제하여 하나의 현장 운영 흐름으로 연결

FAQ

A. PhysicalWorks Baton은 이미 여러 로봇을 운영하고 있거나 제조사와 형태가 다른 로봇을 확대 도입하려는 기업에 적합합니다. 로봇 수가 늘어날수록 작업 흐름, 설비 연동, 장애 대응과 운영 효율을 함께 관리하는 체계가 중요해지기 때문입니다.
A. PhysicalWorks Baton은 제조사와 형태가 다른 로봇을 하나의 운영 체계에서 께 관리할 수 있습니다. 로봇의 상태와 제어 정보를 표준화하고 작업 흐름을 통합 관리하도록 설계되어 있어 이기종 로봇 환경에서도 하나의 Workforce로 통합 운영이 가능합니다. 실제 적용 범위는 로봇 인터페이스와 현장 시스템 구조를 검토해 결정합니다.
A. PhysicalWorks Baton은 위치와 상태를 보여주는 단순 관제 시스템과 달리, 작업 지시, 우선순위, 설비 상태와 현장 조건을 함께 연결해 로봇의 작업 배분과 운영 흐름을 조정하는 데 초점을 둡니다. 운영자는 단순 모니터링을 넘어 작업 배정, 예외 대응, 운영 최적화까지 수행할 수 있습니다.
A. 네, PhysicalWorks Baton은 WMS, MES, 설비 시스템 등 기존 현장 시스템과 연계해 로봇을 운영할 수 있습니다. Baton은 제조와 물류의 작업 지시, 재고 흐름, 설비 상태 등 기존 업무시스템과 로봇 운영이 연결되는 환경을 대상으로 합니다.
A. PhysicalWorks Forge는 로봇이 현장에 투입되기 전에 필요한 데이터 확보, RFM학습과 검증, 현장 적용 준비를 담당하고, PhysicalWorks Baton은 현장에 투입된 로봇이 작업 지시를 수행하고 통합 관제 체계 안에서 안정적으로 운영되도록 지원합니다. 두 시스템은 현장 운영 데이터와 예외 상황을 다시 학습에 반영하는 구조로 연결할 수 있습니다.
A. LG CNS는 PhysicalWorks Baton을 통해 물류 현장에서 제조사와 형태가 다른 로봇을 통합 운영하고, 다양한 이기종 로봇을 통합 관제하여 하나의 현장 운영 흐름으로 연결한 경험이 있습니다. 또한 1세대부터 4세대에 이르는 로봇 기술 경험을 바탕으로 물류, 팩토리, 시티, 공공 등 다양한 산업의 로봇 사업을 수행해 왔습니다.
A. 로봇 하드웨어뿐 아니라 현장 데이터 기반의 RFM 학습, 이기종 로봇 통합, 기존 설비 및 업무 시스템 연계, 통합 관제와 운영 최적화까지 지원할 수 있는지 확인해야 합니다. LG CNS는 로봇 플랫폼과 시스템 통합 역량을 바탕으로 다양한 로봇과 설비를 통합하는 PhysicalWorks Baton을 제공하며, 제조와 물류 등 산업 현장의 로봇 운영을 지원합니다.

현장에 빠르게 적용할 수 있는 산업용 로봇 솔루션

LG CNS의 산업용 로봇 솔루션 PhysicalWorks Vertical Solutions

PhysicalWorks Vertical Solutions는 보안, 물류, 제조, 데이터센터 등 산업별 자동화 과제를 해결하기 위해 산업 특화 RFM(Robot Foundation Model), 로봇, 학습 플랫폼 PhysicalWorks Forge, 운영 플랫폼 PhysicalWorks Baton을 통합 제공하는 턴키(Turn-key) 피지컬 AI 로봇 솔루션입니다. Forge에서 학습하고 검증한 로봇을 Baton으로 운영하고 현장 데이터와 예외 상황을 재학습에 연결하는 구조를 구성할 수 있습니다.

고객은 범용 로봇을 개별적으로 도입하는 대신 실제 업무와 현장 조건에 맞는 로봇 작업 시나리오를 PoC부터 운영까지 연계하여 검토할 수 있습니다. LG CNS의 산업용 로봇 솔루션은 보안 영역의 저빈도와 고위험 이벤트 대응, 물류 영역의 수요 및 작업 조건 변화, 제조 영역의 제품 및 공정 변경, 데이터센터의 24시간 설비 점검과 위험 작업 등 산업별로 자동화가 어려웠던 업무를 대상으로 적용할 수 있습니다.

산업 현장에서 기존 자동화의 한계와 피지컬 AI의 필요성

산업 현장에는 반복 작업, 위험 구역 점검, 물류 변동에 따른 비정형 작업, 제품과 공정 변경 대응처럼 고정형 자동화만으로 해결하기 어려운 영역이 남아 있습니다.

피지컬 AI 로봇을 현장에 적용하려면 현장 데이터, 산업별 작업 지식, RFM 학습, 설비와 업무시스템 연계, 안전과 예외 상황 검증이 함께 필요합니다. LG CNS의 산업용 로봇 솔루션은 이러한 산업별 조건을 반영한 RFM과 운영 Workflow를 패키지화하여 현장 적용 부담을 줄입니다.

LG CNS의 PhysicalWorks가 산업별 로봇 솔루션의 현장 적용을 지원하는 방법

산업별 실제 업무에 적합한 턴키 구성

보안, 물류, 제조, 데이터센터의 실제 업무를 기준으로 로봇, RFM, 학습 및 검증, 운영 체계를 하나의 적용 시나리오로 구성합니다. 개별 기술과 솔루션을 별도로 검토하고 연계하는 부담을 줄일 수 있습니다.

실제 산업 및 현장 데이터 기반의 RFM 적용

현장의 작업 흐름, 동선, 설비 점검 데이터 등 산업별 데이터를 활용해 범용 데모가 아닌 실제 업무 수행을 목표로 RFM과 Workflow를 구성합니다.

기존 자동화가 어려웠던 업무까지 확대

순찰과 위험 구역 점검, 변화가 많은 물류 작업, 제조 현장의 비정형 작업, 데이터센터의 반복 및 위험 작업 등 기존 고정형 자동화로 대응하기 어려웠던 업무까지 자동화 적용 대상으로 검토할 수 있습니다.

운영할수록 성능이 개선되는 로봇 운영 체계

Forge에서 학습 및 검증한 로봇을 Baton으로 운영하고, 운영 과정에서 축적된 데이터와 예외 상황을 재학습에 연계해 성능을 지속적으로 개선할 수 있습니다.

LG CNS의 PhysicalWorks가 제공하는 산업별 로봇 솔루션

Security | 자율주행 기반의 로봇 순찰 솔루션

PhysicalWorks는 다양한 산업 시설에서 축적한 영상, 열화상, 음향 등 환경 센싱 데이터를 기반으로 침입, 화재 위험, 누수 등 이상 징후를 탐지할 수 있도록 지원하는 보안 솔루션을 제공합니다.

외곽 시설, 야간 무인 구간, 설비 주변 등 지속적인 순찰과 감시 지원
영상, 열화상, 음향 기반 이상 징후 탐지 지원
넓고 비정형적인 공간의 저빈도 및 고위험 이벤트 대응 지원

Logistics | 물류센터 휴머노이드 솔루션

PhysicalWorks는 다양한 물류 현장에서 축적한 작업 흐름과 동선 데이터를 기반으로, RFM 기반 휴머노이드가 피킹, 분류, 이송, 상하차 등 다양한 물류 작업을 수행하고 다수의 로봇 작업을 Workflow로 연계해 운영할 수 있도록 지원하는 물류 자동화 솔루션을 제공합니다.

피킹, 분류, 이송, 상하차 등 물류 작업 수행
물품 및 수요 변화에 따른 작업 환경 대응
다수 로봇의 Workflow 기반 협업 운영

Manufacturing | 정밀 작업이 가능한 팩토리 휴머노이드 솔루션

PhysicalWorks는 다양한 제조 공정에서 축적한 작업 및 공정 데이터를 기반으로, RFM 기반 휴머노이드가 부품, 설비, 작업 공간과 생산 상황을 인식하여 조립, 검사, 이송 등 공정 작업을 수행할 수 있도록 지원하는 제조 자동화 솔루션을 제공합니다.

조립, 검사, 이송 등 제조 공정 작업 수행
부품, 설비, 작업 공간 및 생산 상황 인식
반복 작업과 비정형 작업이 혼재된 환경 지원

Data Center | 데이터센터 자동화 로봇 솔루션

PhysicalWorks는 다양한 인프라 환경에서 축적한 설비 점검 및 운영 데이터를 기반으로, 사족보행 로봇 또는 휴머노이드가 서버룸을 자율주행하며 랙, 냉각 설비, 전력 설비와 인프라 자산을 점검하고 과열, 누수, 소음, 물리적 손상 등 이상 징후를 탐지할 수 있도록 지원하는 데이터센터 자동화 로봇 솔루션을 제공합니다.

서버룸 내 설비 및 인프라 자산 점검 지원
과열, 누수, 소음, 물리적 손상 등 이상 징후 탐지
24시간 운영 환경의 지속적인 상태 모니터링 지원

현장 진단부터 운영 개선까지 여섯 가지 산업별 피지컬 AI 솔루션 적용 절차

기간은 산업, 대상 업무 난이도, 로봇 하드웨어, 데이터 확보 수준, 현장 시스템 연계와 안전 검증 범위에 따라 달라집니다.

1. 적용 과제 정의 | 적용 업무 발굴 및 현장 진단

산업별 업무 흐름, 자동화가 어려운 작업, 작업자 부담, 안전 조건과 기존 설비 및 시스템 환경을 분석합니다.

2. 로봇 설계 | 로봇과 RFM 구성 방안 수립

대상 업무에 적합한 로봇 형태와 센서, 산업 특화 RFM 및 필요한 기능을 선정합니다.

3. 데이터 구축 및 학습 | 현장 데이터 기반 AI 학습 및 검증

로봇 학습 플랫폼인 PhysicalWorks Forge를 활용해 현장 및 시뮬레이션 데이터를 수집하고 정제한 뒤 RFM을 학습하고 검증합니다.

4. 운영 체계 구성 | Workflow 및 시스템 연계

설비, 창고관리 시스템(Warehouse Management System, WMS), 제조실행시스템(Manufacturing Execution System, MES) 등 기존 시스템과 작업 흐름을 연결하고 로봇 운영 플랫폼인 PhysicalWorks Baton 운영 체계를 구성합니다.

5. 현장 검증 | 운영 안정성 및 예외 대응 검증

실제 환경에서 작업 정확도, 수행 속도, 운영 안정성과 예외 상황 대응 능력을 검증하고 보완합니다.

6. 운영 확장 및 개선 | 데이터 기반 지속 고도화

적용 범위를 확대하고 PhysicalWorks Baton에서 축적된 운영 데이터와 예외 상황을 PhysicalWorks Forge의 재학습에 연계해 성능을 지속적으로 개선합니다.

도입 사례

A 아파트

국내 주거시설 환경에 사족보행 순찰로봇 적용을 추진하며, 주거시설 대상 Physical AI 사업 본격화

FAQ

A. PhysicalWorks Vertical Solutions는 보안(Security), 물류(Logistics), 제조(Manufacturing), 데이터센터(Data Center) 산업에 적용할 수 있습니다. 각 산업의 작업 흐름과 현장 조건에 맞춰 RFM(Robot Foundation Model)과 로봇 적용 시나리오를 구성합니다.
A. 기존 로봇이 특정 공정에 특화된 자동화 장비라면, 피지컬 AI 기반 로봇은 물리적 환경을 이해하고 추론하며 다양한 작업을 수행할 수 있도록 설계됩니다. 시각언어행동(VLA) 모델 등 AI 기술을 활용해 사람의 동작을 학습하고 다양한 환경에 적응할 수 있으며, 현장 데이터를 활용한 미세 조정과 재학습을 통해 작업 수행 능력을 지속적으로 개선합니다.
A. PhysicalWorks Vertical Solutions는 산업별 업무 특성에 맞춰 다양한 작업의 자동화를 지원합니다. 보안은 순찰과 이상 징후 탐지, 물류는 피킹, 분류, 이송, 상하차, 제조는 조립, 검사, 공정 간 이송, 데이터센터는 서버룸 및 설비 점검과 반복 및 위험 작업에 적용할 수 있습니다.
A. 물류 현장에서는 피킹, 분류, 이송, 상하차와 같이 물품 및 수요 변화에 대응해야 하는 작업에 적용할 수 있습니다. 제조 현장에서는 부품과 설비, 작업 공간과 생산 상황을 인식하는 조립, 검사, 공정 간 이송 등의 업무에 적용할 수 있습니다. 실제 적용 여부는 대상 업무, 작업 환경, 기존 설비와 시스템, 안전 요구사항과 데이터 확보 수준을 분석한 뒤 확인합니다.
A. 아닙니다. PhysicalWorks Vertical Solutions는 로봇 하드웨어뿐만 아니라 산업 특화 RFM, 데이터 학습 및 검증, Workflow와 시스템 연계, 운영 플랫폼까지 포함하는 턴키(Turn-key) 구성을 제공합니다.
A. PhysicalWorks의 Vertical Solutions 적용 가능 여부는 자동화 대상 업무, 작업 환경, 기존 설비 및 시스템, 안전 요구사항과 데이터 확보 수준을 분석한 뒤 확인할 수 있습니다. PoC에서 작업 정확도, 수행 속도, 안정성, 예외 상황 대응을 검증합니다.
A. 산업 현장에 피지컬 AI 로봇을 도입하면 반복 작업과 위험 작업뿐 아니라, 물류의 비정형 작업과 제조 공정 변경 대응처럼 기존 고정형 자동화로 대응하기 어려웠던 업무까지 자동화 적용 범위를 넓힐 수 있습니다. 또한 여러 로봇의 작업 배분, 설비 연계와 예외 상황 대응을 하나의 운영 체계에서 관리하여 운영 효율을 높일 수 있습니다.
A. 먼저 자동화 대상 업무와 현장 작업 흐름, 기존 설비 및 시스템 환경, 작업자 부담과 안전 조건을 분석해야 합니다. 이후 대상 업무에 적합한 로봇 형태와 센서, 산업 특화 RFM과 필요한 기능을 선정하고, 현장 및 시뮬레이션 데이터를 활용해 학습과 검증을 진행합니다. 마지막으로 MES 등 기존 시스템과 작업 흐름을 연계하고, 실제 환경에서 작업 정확도, 수행 속도, 운영 안정성과 예외 상황 대응 능력을 검증해야 합니다.

상담신청

LG CNS의 전문 역량을 귀사의 비즈니스와 접목시켜
혁신적인 시너지로 만들어 나가고 싶다면 지금 상담신청 하세요.

최상위로 이동