현장에서 기계 사양을 검토할 때마다 엑셀 파일을 뒤적이던 시절이 있었습니다. 제가 직접 그 파일을 AI로 학습시켜 핸드폰에서 바로 쓸 수 있는 계량거리 환산 프로그램으로 바꿔봤는데, 솔직히 이건 예상 밖이었습니다. 생각보다 훨씬 빨리 됐고, 현장 반응도 나쁘지 않았습니다. 그러면서 자연스럽게 든 생각이 있습니다. 플라스틱 성형 업계 전체가 AI를 제대로 활용하려면, 과연 무엇이 먼저 바뀌어야 하는가 하는 것입니다. 자동화의 한계, 그리고 자율실행 AI가 다른 점플라스틱 제조 현장에서 시뮬레이션 기반 작업절차(simulation workflow)를 쓰는 팀이라면 이미 스크립트나 매크로, 템플릿 같은 자동화 도구를 쓰고 있을 겁니다. 여기서 시뮬레이션 기반 작업절차란, 금형 냉각 해석이나 소재 변형 예측처럼..

금형이 들어왔는데 시사출을 돌려보면 뭔가 이상한데, 정확히 어디서 문제가 생기는지 아무도 속 시원하게 설명을 못 해주는 상황을 겪어보신 적 있으십니까? 저는 꽤 자주 겪었습니다. 개발사도, 금형업체도 서로 손을 놓고 있고, 중간에 낀 사출업체만 멍하니 불량품을 들여다보고 있는 그 답답함 말입니다. 사출성형 시뮬레이션이 그 답을 줄 수 있는 도구라는 걸 알면서도 왜 현장에서는 여전히 제대로 활용되지 못하는 건지, 제 경험을 바탕으로 솔직하게 짚어보겠습니다. 디지털 트윈, 금형 안을 들여다보는 눈시사출 현장에서 불량이 나왔을 때 가장 먼저 하는 일이 뭡니까? 온도 올려보고, 압력 바꿔보고, 속도 조절해보고, 그래도 안 되면 금형업체 불러서 협의하는 식이지 않으십니까? 저도 그렇게 해왔습니다. 그런데 이 방식..