엔진 소개
필드솔루션 피지컬 AI 엔진은 무엇으로 이루어져 있습니까?
필드솔루션 피지컬 AI 엔진은 온실·저장시설 같은 농업 시설을 3D 시뮬레이션으로 재현하고, 그 가상 시설 안에서 학습시킨 AI를 현장 제어로 연결하는 방법의 묶음입니다. 엔진은 현장 측정, 3D 시뮬레이션, 합성데이터·대안모델, 현장 제어의 네 단계로 일하고, 제어한 뒤의 측정값으로 시뮬레이션을 다시 맞춥니다. 구성요소는 3D 시뮬레이션, 합성데이터, 대안모델(메타모델), Real2Sim2Real, 물리 기반 AI(PINN)·강화학습의 다섯 가지입니다.
작동 순서
네 단계로 일하고, 다시 현장 측정으로 돌아옵니다
센서 몇 개의 값만으로는 시설 안 전체를 알 수 없습니다. 엔진은 시설의 물리를 먼저 계산하고, 그 계산으로 제어 AI를 학습시킵니다. 번호는 엔진이 일하는 순서입니다.
-
현장 측정
온실·저장시설의 센서와 설비 데이터를 모읍니다. 구형 설비의 데이터도 실시간 데이터와 함께 묶습니다.
-
3D 시뮬레이션
시설 안의 기류·열·농도를 가상 공간에 재현합니다. 센서가 없는 자리의 상태까지 계산합니다.
-
합성데이터·대안모델
시뮬레이션으로 AI 학습 데이터를 만들고, 무거운 계산을 빠르게 대신하는 모델을 학습시킵니다.
-
현장 제어
물리 법칙을 반영한 AI의 판단을 관제 화면과 설비 제어에 연결합니다.
구성요소
엔진은 다섯 가지 구성요소로 이루어져 있습니다
구성요소마다 엔진 안에서 맡는 역할과 쓰이는 단계를 적었습니다. 단계 번호는 위 작동 순서의 번호입니다.
엔진 구성요소 다섯 가지 모두 엔진이 사용하는 방법입니다.
| 구성요소 | 엔진 안에서의 역할 | 쓰는 단계 | 자세히 보기 |
|---|---|---|---|
| 3D 시뮬레이션 | 시설 안의 기류·열·농도를 가상 공간에 재현합니다. 센서가 없는 자리의 상태까지 계산합니다. | 02 3D 시뮬레이션 | 3D 시뮬레이션 설명 |
| 합성데이터 | 시뮬레이션으로 AI 학습 데이터를 만듭니다. 현장에서 모으기 어려운 조건의 데이터를 채웁니다. | 03 학습 데이터 | 합성데이터 설명 |
| 대안모델(메타모델) | 무거운 시뮬레이션을 빠르게 대신하는 모델입니다. 시뮬레이션 결과로 미리 학습해 두고, 운영 중에는 이 모델이 예측합니다. | 03 학습, 04 예측 | 대안모델 설명 |
| Real2Sim2Real | 현장에서 가상으로, 가상에서 다시 현장으로 잇는 흐름입니다. 제어한 뒤의 측정값으로 시뮬레이션을 다시 맞춥니다. | 04 → 01 고리 전체 | Real2Sim2Real 설명 |
| 물리 기반 AI(PINN)·강화학습 | 물리 법칙을 반영한 AI로 제어를 판단합니다. 강화학습은 가상 시설에서 시행착오로 제어 방법을 배웁니다. | 03 학습, 04 제어 | 아래 설명 |
표의 다섯 가지는 필드솔루션 피지컬 AI 엔진의 구성요소이며, 엔진이 사용하는 방법입니다. 필드솔루션이 실제로 구축한 범위는 아래 확인된 기록에 따로 적었습니다.
3D 시뮬레이션은 시설 안 공간 전체를 계산합니다
센서는 놓인 자리의 값만 잽니다. 3D 시뮬레이션은 시설 안 공간을 작은 격자로 나누고, 격자마다 질량·운동량·에너지 보존 방정식과 농도의 이동 방정식을 풀어 공기가 흐르는 길과 온도·습도·농도의 분포를 계산합니다. 이 계산을 전산유체역학(CFD)이라고 합니다.
함께 실은 영상은 실내 기류와 온습도·농도의 상호작용을 제목으로 한 필드솔루션 유튜브 영상입니다. 그림을 누르면 이 자리에서 재생됩니다.
물리 기반 AI(PINN)·강화학습
물리 법칙을 반영한 AI로 제어를 판단합니다
필드솔루션의 피지컬 AI 서비스는 현장에서 생기는 물리 법칙과 조건(유량, 온도, 압력, 성분 등)을 AI가 학습해 공정을 이해하고 제어를 판단하는 물리 기반 인공지능(PINN) 서비스입니다. 3D 시뮬레이션과 강화학습을 결합하고, 센서와 PLC 데이터를 바탕으로 판단하고 제어합니다.
물리 기반 AI(PINN)
엔진 구성요소- 뜻
- PINN(Physics-Informed Neural Network, 물리 정보 신경망)은 측정값과의 차이에 더해 물리 법칙을 어긴 정도까지 손실에 넣어 학습하는 신경망입니다.
- 학습 방법
- 신경망의 출력을 자동미분으로 미분해 지배 방정식에 넣고, 방정식과 경계 조건이 맞지 않는 만큼을 손실로 줄여 나갑니다.
- 엔진에서 맡는 일
- 유량·온도·압력·성분 같은 현장의 물리 법칙과 조건을 학습해 공정을 이해하고, 제어 판단의 근거로 씁니다.
- 판단 근거 데이터
- 현장 센서와 PLC 데이터
- 확인할 점
- 지배 방정식과 경계 조건을 정해 주어야 합니다. 이것이 현장과 다르면 예측도 현장과 어긋납니다.
강화학습
엔진 구성요소- 뜻
- AI가 환경 안에서 행동을 고르고 결과를 받아 보는 시행착오를 거듭하며, 누적 보상이 가장 커지는 행동 규칙(정책)을 배우는 방법입니다.
- 학습 환경
- 3D 시뮬레이션으로 만든 가상 시설입니다. 시행착오를 실제 설비에서 거듭하면 작물과 설비에 부담이 크기 때문입니다.
- 엔진에서 맡는 일
- 설비를 언제, 얼마나 움직일지 판단하는 방법을 배웁니다. 강화학습 자체는 물리 법칙을 알지 못하고, 학습 환경인 가상 시설이 물리를 담습니다.
- 보상
- 지키려는 목표에 맞춰 정합니다. 온실이라면 목표 온습도·CO2 농도를 지킨 정도와 쓴 에너지를 함께 따질 수 있습니다.
- 확인할 점
- 가상 시설이 현장과 다르면 배운 제어가 현장에서 그대로 맞지 않습니다. 그래서 엔진은 현장 측정값으로 가상 시설을 다시 맞춥니다(Real2Sim2Real).
용어 풀이
- 지배 방정식
- 현상이 따르는 물리 법칙을 수식으로 쓴 것입니다. 시설 안의 기류·열·농도라면 질량·운동량·에너지 보존 방정식과 농도의 이동 방정식입니다.
- 손실(loss)
- 학습 중인 모델이 얼마나 틀렸는지를 나타내는 값입니다. 학습은 이 값이 줄어드는 쪽으로 모델을 고쳐 나가는 과정입니다.
- 정책(policy)
- 지금 상태를 보고 어떤 행동을 할지 정하는 규칙입니다. 강화학습이 배우는 대상입니다.
- PLC
- 설비를 제어하는 산업용 제어기(Programmable Logic Controller)입니다. 설비의 상태 값도 이곳에 모입니다.
적용 분야
적용 분야는 농업 시설, 공장 공정, 펌프 설비입니다
피지컬 AI 서비스 소개에 적힌 적용 분야 세 가지입니다. 지원하는 범위를 적은 것이며, 실제로 구축한 범위는 아래 확인된 기록에 따로 적었습니다.
지원 범위
스마트 공장
배관·펌프·필터·반응기 등에서 생기는 유량·온도·압력·성분 데이터를 PLC와 센서로 모아, 공정에 맞춘 AI 판단과 제어를 적용하는 분야입니다.
- 설비 배관 · 펌프 · 필터 · 반응기
- 데이터 유량 · 온도 · 압력 · 성분
- 수집 PLC · 센서
지원 범위
필드솔루션 펌프AI(PUMPETA)
배관·펌프 등 설비 데이터를 실시간으로 수집·분석해 에너지 절감과 공정 제어를 수행하는 전용 솔루션입니다.
- 설비 배관 · 펌프
- 처리 실시간 수집 · 분석
- 목적 에너지 절감 · 공정 제어
확인된 기록
물 분야에서 공개한 수치와 농업 시설 구축 범위
위의 엔진 설명과 별개로, 필드솔루션이 원문으로 공개한 기록입니다. 단계마다 원문을 확인할 수 있습니다.
-
출발
2015년 설립, K-water의 첫 번째 등록 스타트업 파트너
수처리 현장의 산업용 IoT에서 시작했습니다. 인터뷰 글 · 설립 연도가 나오는 글
-
물에서 검증
펌프 유량 결정 480분 → 10분, 데이터 품질 인증 Class A
현장 시연·운영 인증 한국수자원공사(K-water) 솔루션 비즈니스 플랫폼에 등록한 AI 기반 펌프 유량 및 효율 검출 솔루션의 등록 자료에 적힌 도입 전후 비교입니다. 센서 134개와 HMI 태그 1,010,950개의 데이터로 AI 모델을 만들었습니다. 이 솔루션은 2022년 8월부터 2023년 12월까지 현장 시연·운영을 했습니다. 등록 자료에는 펌프당 유량 센서 비용 2,600만 원 절감도 적혀 있습니다. 펌프 효율 데이터는 CAS 데이터 품질 인증 Class A를 받았습니다. 등록 글 · 인증 글
-
협력 과제
앤시스(Ansys)와 3세대 스마트팜 기술 개발 착수
개발 착수 2025년 12월 15일 글로벌 기업 협업 프로그램으로 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수했습니다. 이 과제에서 앤시스의 3D 전산유체역학(CFD) 시뮬레이션 기술을 도입할 계획입니다. 시뮬레이션 대상은 가상 재배 환경의 공기 흐름, 열 전달, CO2 농도 같은 변수입니다. 전북도 농업기술원 자원식물연구소와 협력해 실제 재배 현장 확보와 솔루션 검증·상용화를 추진하고 있습니다. 보도자료
-
농업 시설 구축
장수군 4ha 유리온실 통합 관제 구축
구축 범위 필드솔루션은 전북 장수군 지역특화 임대형 스마트팜(유리온실 단지 총 4ha)의 통합 관제솔루션을 개발·구축했습니다. 온실 환경제어와 지열 히트펌프 기반 에너지 공동이용 시스템을 하나의 중앙 관제로 묶었습니다. 히트펌프 등 에너지 설비를 실시간으로 모니터링하고 제어하는 중앙 관제입니다. 장수군 글
자주 묻는 질문
필드솔루션 피지컬 AI 엔진에 대해 자주 받는 질문
필드솔루션 피지컬 AI 엔진은 기존 스마트팜 제어와 무엇이 다릅니까?
기존 스마트팜 제어는 센서 값이 설정값을 벗어나면 설비를 켜고 끄는 방식이 중심입니다. 필드솔루션 피지컬 AI 엔진은 시설 안의 기류·열·농도를 3D 시뮬레이션으로 계산하고, 그 결과로 학습한 AI가 설비를 움직였을 때 공간 전체가 어떻게 바뀌는지 따져 본 뒤 제어를 판단합니다.
물리 기반 AI(PINN)는 일반 머신러닝 모델과 무엇이 다릅니까?
일반 머신러닝 모델은 측정 데이터에 담긴 패턴만 배웁니다. PINN은 측정값과의 차이에 더해 질량·운동량·에너지 보존 같은 물리 법칙을 어긴 정도까지 손실에 넣어 학습하므로, 데이터가 적은 구간에서도 물리 법칙에 어긋나는 예측이 줄어듭니다. 필드솔루션의 피지컬 AI 서비스는 유량·온도·압력·성분 같은 현장의 물리 법칙과 조건을 AI가 학습해 공정을 이해하는 물리 기반 인공지능(PINN) 서비스입니다.
강화학습은 왜 가상 시설에서 학습시킵니까?
강화학습은 행동을 골라 보고 결과를 받아 보는 시행착오를 많이 거듭해야 배웁니다. 이 시행착오를 실제 온실이나 저장시설에서 하면 작물과 설비에 부담이 크고 시간도 오래 걸립니다. 그래서 필드솔루션 피지컬 AI 엔진은 3D 시뮬레이션으로 만든 가상 시설에서 제어 AI를 학습시키고, 현장 측정값으로 가상 시설을 다시 맞춰 현장과의 차이를 줄입니다.
필드솔루션의 피지컬 AI는 어떤 분야에 적용합니까?
피지컬 AI 서비스 소개에 적힌 적용 분야는 세 가지입니다. 스마트 농업에서는 시설 재배와 저장 시설 환경의 최적화 제어가 대상입니다. 스마트 공장에서는 배관·펌프·필터·반응기 등에서 생기는 유량·온도·압력·성분 데이터를 PLC와 센서로 모아 공정에 맞춘 AI 판단과 제어를 적용합니다. 필드솔루션 펌프AI(PUMPETA)는 배관·펌프 등 설비 데이터를 실시간으로 수집·분석해 에너지 절감과 공정 제어를 수행하는 전용 솔루션입니다.
필드솔루션이 원문으로 공개한 기록은 무엇입니까?
물 분야에서는 한국수자원공사(K-water) 솔루션 비즈니스 플랫폼에 AI 기반 펌프 유량 및 효율 검출 솔루션을 등록했습니다. 등록 자료의 도입 전후 비교에는 개별 펌프 유량 결정 리드타임이 480분에서 10분으로 줄었다고 적혀 있습니다. 같은 자료에는 펌프당 유량 센서 비용 2,600만 원 절감도 적혀 있습니다. 펌프 효율 데이터는 CAS 데이터 품질 인증 Class A를 받았습니다. 농업 시설에서는 전북 장수군 4ha 유리온실 단지의 통합 관제솔루션을 개발·구축했습니다. 2025년 12월 15일에는 글로벌 기업 협업 프로그램으로 앤시스(Ansys)와 3세대 스마트팜 기술 개발에 착수했습니다.
출처
이 쪽의 근거
- 피지컬 AI 서비스(PINN) 제품 소개 필드솔루션 옛 제품 쪽 · 2026-11-13 기준 원문을 이 쪽으로 옮김
- AI 기반 펌프 유량 및 효율 검출 솔루션 등록 필드솔루션 블로그 · 2024-01-12
- 펌프 효율 데이터 품질 인증(Class A) 획득 필드솔루션 블로그 · 2024-09-26
- [보도자료] 앤시스(Ansys)와 3세대 스마트팜 기술 개발을 위한 파트너십 체결 필드솔루션 블로그 · 2025-12-23
- [구축사례] 장수군 지역특화 임대형 스마트팜 관제솔루션 개발 및 구축 필드솔루션 블로그 · 2026-07-10
- 산업용 IoT 기술의 떠오르는 스타, 필드솔루션 김대천 대표 (ET뉴스 인터뷰) 필드솔루션 블로그 · 2019-11-18
- Fieldsolution, 일본 B Dash Camp 최종 라운드 진출 필드솔루션 블로그 · 2019-11-18
- [오늘의 CEO]산업용 IoT 새바람, 김대천 필드솔루션 대표 외부 기사 · 전자신문 · 2019-06-12
- 한국수자원공사(K-water) 솔루션 비즈니스 플랫폼 외부 사이트 · 한국수자원공사
- 앤시스 협력 보도 원문 기사 외부 기사 · 에이빙뉴스
- 펌프 효율 데이터 품질 인증 보도 외부 기사 · 디지털타임스
- 펌프 효율 데이터 품질 인증 보도 외부 기사 · 매일경제
PINN, 강화학습, CFD의 개념 설명은 각 분야에서 널리 쓰는 정의를 따랐습니다. 필드솔루션에 관한 사실은 위 원문에서 확인할 수 있습니다.
제어하고 싶은 시설을 알려 주시면 무엇부터 볼지 답해 드립니다
시설의 규모, 지금 쓰는 제어 장비와 모으고 있는 데이터, 줄이고 싶은 비용이나 편차를 적어 주십시오.
필드솔루션은 온실·저장시설 같은 농업 시설을 3D 시뮬레이션으로 재현하고, 자체 엔진으로 피지컬 AI를 만들어 현장 제어까지 연결하는 기업이다.
전화 010-5163-5138 이메일 info@fieldsol.com