휴머노이드 로봇을 공장에 투입하려면 로봇 자체의 동작 성능과 함께 PLC, 컨베이어, 센서 등 기존 설비와의 연동 구조를 갖춰야 한다. 제조사마다 PLC 프로그래밍 환경과 명령 체계가 달라 생산라인을 변경하거나 설비를 추가할 때 제어 코드를 다시 작성하는 작업이 발생한다. 로봇과 설비가 늘어날수록 통합 과정에 필요한 엔지니어링 비용과 검증 범위도 커진다. 스마트팩토리 자동화 기업 제이엘티가 이 문제를 해결하기 위한 공장 제어 운영체제 고도화에 67억원 규모의 사업비를 투입한다.
제이엘티는 중소벤처기업부의 ‘2026년 글로벌팁스 투·융자연계형 기술개발사업’ 대상 기업으로 선정돼 한국생산기술연구원과 AI 기반 팩토리 컨트롤 운영체제 ‘SYNEX+’를 공동 개발한다고 발표했다.
회사가 제시한 총사업비는 약 67억원이다. 2026년 투·융자 연계 기술개발사업 공고에 따르면 글로벌팁스는 해외 투자와 연계해 최대 4년 동안 연구개발비 50억~60억원을 지원하는 사업이다. 제이엘티 과제의 정부 출연금과 기업 부담금, 기타 사업비별 세부 구성은 공개되지 않았다.
2019년 설립된 제이엘티는 공장 자동화 제어 로직 표준화 플랫폼과 용접로봇용 레이저 비전 센서, 전기차 폐배터리 해체 솔루션 등을 개발해 왔다. 이번 과제에서는 기존 PLC 코드 자동 생성 플랫폼을 로봇과 휴머노이드까지 통합 제어하는 Factory Control OS로 확장한다.
SYNEX+는 미쓰비시, 지멘스, LS일렉트릭, 로크웰오토메이션 등 서로 다른 제조사의 PLC 제어 구조를 공통 상태모델로 변환한다. 작업 시작과 정지, 일시정지, 오류, 복구 등 설비 상태를 표준화하고, 한 설비에서 작성한 제어 로직을 다른 제조사의 장비에도 적용하는 것이 목표다.
표준화에는 PackML을 활용한다. PackML은 설비의 상태와 데이터 교환 방식을 통일해 장비 간 통합을 단순화하기 위해 마련된 OMAC·ISA 기반 표준이다. 제이엘티는 공정 작업 순서를 PackML에 맞춰 구성하면 여러 제조사의 PLC 코드를 자동으로 출력하는 기능을 SYNEX+에 적용하고 있다.
여기에 공정 요구사항과 입출력 장치 구성을 입력하면 PLC 제어 코드를 생성하는 AI 모델을 결합한다. 제이엘티는 이 기능을 “엔지니어가 코드 대신 말로 제어 로직을 짜는 방식”이라고 설명했다. 반복적인 코딩 작업을 줄이면서 숙련도가 낮은 엔지니어도 자동화 설비를 구성할 수 있도록 하는 것이 개발 방향이다.
제이엘티가 개발 중인 AI 기반 공장 제어 운영체제 ‘SYNEX+’ (자료 제공: 제이엘티)
생성된 제어 로직은 실제 설비에 적용하기 전에 디지털트윈에서 검증한다. 엔비디아 Isaac Sim과 Unity로 구현한 가상 제조환경에서 로봇과 설비의 작동 과정을 시뮬레이션하고 실제 현장 데이터와 비교해 보정하는 방식이다.
검증 과정은 내부 테스트베드, 디지털트윈 시뮬레이션, 국내 제조기업 기술검증, 미국 제조현장 기술검증 등 4단계로 진행된다. 국내 PoC는 2026년 안에 시작할 계획이며, 이후 미국 조지아주를 거점으로 북미 제조기업과의 실증을 추진한다.
북미 사업화 과정에서는 딥테크 투자사 밀레니엄 뉴 호라이즌스(MNH)와 협력한다. MNH의 투자 현황에 따르면 이 투자사는 CoreWeave와 Mistral AI, Joby Aviation 등 20개 이상의 딥테크 기업에 투자했다. 제이엘티는 MNH 투자기업과의 기술 교류를 추진할 계획이지만 개별 기업과의 공동개발 범위나 일정은 아직 공개하지 않았다.
미국 조지아대학교와는 SYNEX+를 운용할 현지 엔지니어 교육 프로그램을 준비한다. 교육 인력을 현대자동차 조지아 공장과 LG마그나를 비롯한 북미 제조현장의 PoC에 투입한다는 구상이다. 해당 기업들과의 기술검증 계약 여부와 적용 대상 생산라인은 공개되지 않았다.
20ms 응답보다 먼저 확인할 것은 코드 안전성과 재사용 범위
제이엘티는 이번 과제의 목표로 개발시간 60% 이상 단축, 통합 제어 성공률 90% 이상, 실시간 제어 응답속도 20ms 이하를 제시했다. 회사 측 집계로는 선행 프로젝트에서 SYNEX+ 적용 후 평균 개발기간이 58% 줄었으며, PLC 엔지니어의 투입 공수는 60% 절감될 것으로 예상된다. 다만 측정에 활용한 프로젝트 수와 설비 유형, 비교 기준은 공개되지 않았다.
제조현장에서 AI가 생성한 PLC 코드는 물리적인 장비의 움직임과 직접 연결된다. 잘못된 순서나 신호가 입력되면 설비 정지와 제품 불량, 작업자 안전 문제로 이어질 수 있어 코드 생성 속도와 함께 수동 승인, 시뮬레이션 검증, 버전 관리, 오류 발생 시 복구 절차가 필요하다.
PackML의 적용 범위도 확인해야 한다. PackML은 포장기계의 상태 표준화에서 출발한 만큼 용접설비와 물류장비, 산업용 로봇, 휴머노이드 등 서로 다른 제조설비로 확장할 때 추가 상태와 안전 조건을 어떻게 표현하는지가 관건이다.
과제 성과는 목표 수치와 함께 동일 제어 로직을 재사용할 수 있는 설비의 종류, 제조사별 코드 변환 정확도, 시뮬레이션과 실제 공정 결과의 차이, 장시간 가동 시 시스템 안정성으로 평가될 전망이다. 미국 진출 역시 현지 엔지니어 교육 인원보다 실제 PoC와 유료 계약, 유지보수 체계 구축 여부가 핵심 지표가 된다.
SYNEX+가 제조사별 PLC와 로봇의 차이를 흡수하면서 현장 안전성과 실시간성을 확보하면 자동화 설비를 추가할 때마다 제어 코드를 다시 작성해야 했던 부담을 줄일 수 있다. 제이엘티의 글로벌팁스 과제는 AI 코드 생성 기술이 실제 생산라인에서 어느 수준까지 재사용 가능한 제어 표준으로 작동하는지를 검증하는 단계가 될 전망이다.
The post PLC 제조사 달라도 같은 제어 로직 쓴다…제이엘티, 67억원 ‘SYNEX+’ 개발 appeared first on 벤처스퀘어.