회사 개요
AI는 어디에나 있습니다. 하지만 테스트 시스템에서는 성능을 측정하고 검증하며 추적할 수 있어야 합니다.
AI 도구가 개발 속도를 높이는 동시에 검증, 반복성 및 실제 작동 방식과 관련된 새로운 과제도 야기합니다. 하드웨어에 밀접하게 관련된 작업을 수행하는 테스트 엔지니어에게 이러한 문제들은 측정 정확성과 시스템 성능에 직접적인 영향을 미칩니다.
이번 인터뷰 형식의 웨비나에서는 체계적이고 검증 중심적인 접근 방식과 FPGA 기반 플랫폼을 결합하여 AI를 단순한 블랙박스 생성기에서 실용적이고 신뢰할 수 있으며 엄격하게 설계된 도구로 전환하는 방법을 살펴보겠습니다. AI 기반 설계 워크플로우를 기존 엔지니어링 프로세스(요구사항 정의, 구성 생성, 측정 가능한 기준에 따른 결과 검증)에 통합하는 방법에 대해 논의할 예정입니다.
또한 재구성 가능한 하드웨어가 기존의 소프트웨어 전용 방식에서 발생하는 지연 및 예측 불가능성 없이 신호, 센서 및 시스템에 더 가까운 곳에서 실시간 실행을 가능하게 하는 방법을 살펴볼 것입니다.
참가자들은 AI가 최신 테스트 워크플로우에 어떻게 적용되는지, 익숙한 엔지니어링 원칙을 사용하여 AI를 평가하는 방법, 그리고 엄격성을 훼손하지 않고 AI를 적용하는 방법에 대한 실질적인 관점을 얻게 될 것입니다.
참가자들은 다음을 배우게 됩니다:
- AI가 테스트 엔지니어링 워크플로우에 어떻게 적용되는지 이해하십시오: 측정 정확성이나 시스템 성능을 저해하지 않으면서 AI가 개발 속도를 높일 수 있는 실질적인 사용 사례를 파악하십시오.
- AI 기반 설계에 검증 우선 원칙을 적용하십시오: AI 기반 워크플로에 요구 사항, 유효성 검사 기준 및 측정 가능한 임계값을 통합하는 방법을 알아보세요.
- 엔지니어링 지표를 사용하여 AI 생성 결과물을 평가합니다. AI 기반 테스트 구성에서 반복성, 정확성 및 신뢰성을 평가하기 위한 전략을 개발합니다.
- 결정론적 테스트 환경에서 FPGA 기반 시스템의 역할을 설명하십시오. 재구성 가능한 하드웨어가 어떻게 신호에 더 가까운 실시간 실행을 가능하게 하고 지연 시간, 지터 및 운영 체제 관련 변동성을 줄이는지 이해하십시오.
- 제어권을 유지하면서 기존 테스트 워크플로에 AI를 통합하세요: AI가 엔지니어들이 기존 엔지니어링 프로세스 내에서 고수준의 의도에서 검증되고 배포 가능한 테스트 시스템으로 나아가는 데 어떻게 도움을 줄 수 있는지 살펴보세요.
.
날짜 2026년 6월 4일
발표자 : 브라이언 네프 박사
항공우주 및 방위산업 응용 엔지니어
Liquid Instruments