4차 산업혁명은 디지털 전환(DX)을 촉진했고, 이 디지털 전환은 산업의 새로운 역군으로 데이터를 불러왔다. 수많은 산업에서 데이터를 활용하고 이 추세는 증가하고 있지만, 특히 제조 현장에서의 데이터는 제조 영역 고도화의 핵심인 ‘스마트 팩토리’의 주요 요소로 인식된다.

 

이 데이터는 ‘많이 모으는 것’이 아니라 필요한 데이터만 쏙쏙 도출해 ‘잘 쓰는 것’이 중요하다. 곳곳에 산개된 데이터도 다 같은 데이터가 아니라는 말이다. 데이터도 활용 목적과 쓰임새에 따라 다른 취급을 받는다.

 

데이터를 잘 쓰기 위해서는 극복하려고 하는 문제를 정의하는 것부터 데이터세트(Dateset)를 구축하는 것까지의 과정을 구조화하는 것이 필요하다. 제조 현장 내 장비와 공정도 사물인터넷(IIoT)을 통해 데이터를 구축하는 과정이 중요한데, 현재는 그 과정이 쉽지 않은 것이 현실이다.

 

 

지금도 수많은 공장에서 인공지능(AI)을 활용한 다양한 자동화 프로젝트를 진행하지만 그 수준을 아직 걸음마 단계로 평가된다. 거대언어모델(LLM)로 구축된 AI 모델을 현장에서 활용하는 작업자 입장에서는 똑같은 데이터를 모델에 이식하고 가동하면 같은 패턴의 결과가 도출되기를 원한다.

 

하지만 현재는 데이터를 이식할 때마다 다른 결과가 도출되기도 하기 때문에 신뢰성 문제가 제기된다. 결과에 대한 예측이 쉽지 않은 것이다. 예측이 가능해야 공정마다 같은 데이터를 이용한 변수가 차단되기 때문이다. 또 다른 문제는 ‘투자자본수익률(ROI)’ 달성 예측이 어렵다는 것이다. 그렇기 때문에 기업 및 공장 입장에서는 예산 책정이 까다롭다. 여기에 데이터 환각 현상인 ‘할루시네이션(Hallucination)’, 보안 등 문제가 뒤따른다. 이렇게 산업은 데이터를 냉철한 관점에서 분석할 필요가 있다.

 

생성형 AI가 등장하기 전의 스마트 팩토리는 인력이 공정, 설비 등에 대한 수치를 계산하고, 이를 시뮬레이션한 후 모델을 구축해 최적화 프로세스를 진행하는 방식으로 구축·관리됐다.

 

현재는 이러한 수치 해석, 시뮬레이션 등 과정에서 도출되는 데이터를 AI 모델을 훈련하는 데 활용하고 나아가 작업자의 노하우인 도메인 지식을 이식하는 노력이 지속되고 있다.

 

여기서 수치 해석이나 시뮬레이션을 통해 도출되는 ‘물리 데이터’가 핵심이다. 이 데이터들과 AI를 융합하면 각종 변수에도 대응할 수 있는 현실적인 AI 모델이 탄생할 것이라는 생각에서다. 이에 더해 이러한 물리 데이터를 최적화하는 작업도 진행되는 중이다. 이렇게 탄생한 AI 모델을 통해, 예를 들어 설계 변경 시 효율을 최대화하는 등의 결과를 기대하고 있다.

 

사물인터넷 데이터 솔루션 업체 에스디플렉스는 이렇게 탄생한 AI 모델의 파라미터를 병렬화해 데이터 패턴으로 최적의 결과를 도출하는 특허를 보유했다. 설비·공정 등에 국한되지 않고 여러 영역에서 데이터를 기반으로 해결책을 도출하는 이 특허는 물리 데이터와 AI 모델을 융합한 대표 사례로 주목받고 있다.

 

노주환 에이디플렉스 대표는 “AI 기술 자체보다 현장의 문제를 정확하게 파악하고, 거기에 도메인 지식을 모으고 얹을 수 있는지가 관건”이라며 “이를 실현해야 신뢰할 수 있는 현장 인프라가 구축될 것”이라고 강조했다.

 

헬로티 최재규 기자 |