이 시각 제조 영역에는 ‘혁신’에 대한 기대감과 이러한 ‘변혁’에 발맞춰야 한다는 긴장감이 공존하고 있다. 제조업은 앞서 자동화 공장을 통해 패러다임 전환을 경험했다. 현시점에는 ‘자율제조(Autonomous Manufacturing)’로의 체질 변환을 앞두고 있는 양상이다.

 

기존 자동화 공장은 인간을 보조하고, 인간과 협력해 제조 혁신을 맛봤다. 이 시스템에는 다양한 자동화 요소가 이식되지만, 형태 측면에서 단순 자동화 그치는 경우가 많았다. 자율제조 체제는 제조 설비 운영 프로세스 전주기에 걸쳐 인간이 관여하는 부분을 최소화하는 차세대 지능·자동·자율화 제조 인프라다.

 

자율제조 시스템이 실현된 제조 시스템은 생산 공정부터 설비 관리까지 다운타임(Downtime)을 ‘쏙 뺀’ 365일 24시간 가동이 가능할 전망이다. 이를 통해 생산성 극대화, 수율 최적화, 이윤 최대화 등 제조 영역의 궁극적 가치를 이룰 수 있을 것이라 기대받는다. 이에 전 세계 제조 생태계는 스마트 팩토리(Smart Factory)를 계승한 자율제조를 제조 혁신 최종 진화형으로 인식하고 있다.

 

이 과정에서 인공지능(AI)은 스마트 팩토리와 자율제조를 잇는 링커(Linker) 역할을 하고 있다. 이미 스마트 팩토리 안에서 핵심요소로 자리 잡은 AI는 지속적인 고도화 과정을 거쳐 자율제조에 한 발짝 다가서는 중이다. AI는 그동안 하드웨어 역량이 강조된 제조업에 소프트웨어 영향력을 강화한 트렌드 전환의 주인공이다.

 

AI 기술 기반 솔루션 업체 ‘에이아이네이션(AINATION)’은 AI 모델, 모델 기반 시스템, 시스템 기반 설비까지 제조 고도화를 위한 플랫폼을 보유했다. 응용수학 기반 딥러닝((Deep Learning) 원천기술을 토대로 공정 특화 AI 솔루션을 공급하고 있다.

 

곽지훈 에이아이네이션 대표는 “정제 데이터 기반 AI 모델 구축에 박차를 가하고 있다”며 “각종 AI 모델에 최적화된 알고리즘 개발 역량을 갖추고 있어, 사용자 요구에 따른 유연한 AI 솔루션 도입을 지원한다”고 언급했다.

 

‘우후죽순’ AI 생태계...“데이터 및 모델에 대한 ‘이해’가 필수요건”

 

곽지훈 대표는 “우리 산업에는 정보기술(IT)만을 기반으로 한 AI 모델이 제조 현장에 도입되는 사례가 급증하고 있다”고 우려했다. 곽 대표는 제조 현장에 AI를 도입하기에 앞서, AI 모델 개발 초기부터 대상 설비에 맞는 데이터를 구축해야 한다고 목소리를 높였다.

 

그러면서 “AI 학습에 대한 전반적인 이해와 통찰력을 바탕으로 데이터 수집·분석 과정을 거쳐야 한다”며 “현장에 맞는 데이터 수집 기법·포맷을 얹어 AI 모델을 설비에 녹여야 한다”고 제언했다. 데이터가 내포한 특성을 이해하고, 그에 최적화된 적절한 모델을 선택해야 함을 피력한 것이다. 이와 관련해 그는 오픈소스 기반 데이터를 무분별하게 채택해서는 안 된다는 뜻도 분명히 했다.

 

 

에이아이네이션은 AI 모델 구축 시 수학적 수치에 의거한 인공신경망(Artificial Neural Network) 모델을 차용한다. 이를 토대로 한 딥러닝 기법을 활용해 AI 모델의 정확도와 확장성을 높였다. 쉽게 말해, AI 모델을 어떻게 설계해야 각 현장이 요구하는 조건을 만족시킬지 그리고 효율적인 설계가 가능한지 응용수학적 관점에서 인지한 것이다.

 

에이아이네이션 AI 솔루션은 고반복·장시간을 요구하는 모델 학습 과정에 대응하도록 설계됐다. 단시간 내 최적의 해답을 내놓고, 그 결과 또한 높은 정확도를 발휘하는 것이 이 솔루션의 강점이다.

 

곽 대표는 “산업용 AI 솔루션의 본질은 한 번 학습하면 끝이 아니라, 지속적으로 변화하는 현장 환경에 맞게 변화된 데이터를 이식해야 한다”고 언급했다. 그는 환경에 따라 AI 성능이 저하되는 ‘데이터 시프트(Data Shift)’ 현상을 경계했다. 이어 “에이아이네이션은 이를 위해 AI 모델이 변화하는 환경에 유연하게 대응 가능하도록 하는 ML옵스(MLOps) 플랫폼 ‘딥마에스트로(DeepMaestro)’를 공급하고 있다”고 설명했다.

 

에이아이네이션은 이러한 기술적 기틀을 마련하기 위해 그동안 100여 건의 국가 산업 과제를 수행했다. 반도체·전기전자·의료·제약·헬스케어 등 산업 현장에서 기술 검증을 수행하고, 여기서 획득한 다양한 노하우를 비즈니스에 녹이고 있다.

 

‘ML옵스’ 딥마에스트로, 자율제조 실현에 기틀 마련하다

 

ML옵스는 현장에 도입된 AI 모델을 지속적으로 운영·관리·모니터링하는 기술이다. 딥마에스트로는 지난해 출시된 ML옵스 플랫폼으로, AI 모델이 데이터를 재학습하는 과정에서 그에 특화된 데이터 수집을 돕는 기능도 담당한다.

 

이 솔루션은 기존에 인간이 주로 수행한 AI 모델 관리·수정을 자율적으로 실시할 수 있다. 특히 AI 비숙련자도 AI 모델을 직관적으로 직접 다룰 수 있기 때문에 사용자 입장에서 AI 전문가를 따로 둘 필요가 없다.

 

 

딥마에스트로는 현재 다양한 분야에서 활동 중이다. 특히 제조 공정 내 품질관리 영역에서 주목받는 중이다. 딥마에스트로 플랫폼 안에는 ‘비전 검사 융합 솔루션’과 ‘이상 탐지 융합 솔루션’ 등이 구성돼 있다.

 

비전 검사 융합 솔루션은 불량을 검출하는 사람의 눈 역할을 담당한다. 해당 솔루션은 기존 비전 검사 시스템의 룰 베이스(Rule-Base) 기반 정형 데이터를 따르지 않는 점이 특징이다. 비정형 데이터를 다루기 때문에 비슷한 패턴의 불량도 잡아낸다. 이와 관련해 고해상도의 이미지를 취득하기 위한 고사양 광학기기도 요구되지 않는다.

 

아울러 신규 제품에 대한 불량 데이터 구축하는 과정에서, 기존 제품의 정상 패턴 데이터를 이식한 생성형 AI 모델을 활용해 신규 불량 모델을 만들 수 있다.

 

이어 이상 탐지 융합 솔루션은 센서 데이터를 기반으로 구축된 시계열 데이터(Time Series Data)를 활용한다. 온도·전류·압력 등 검사 대상의 갖가지 요소를 분석해 품질 이상에 대한 원인 분석을 진행하고, 그 결과를 도출한다.

 

딥마에스트로는 출시 직후 산연에서 활발하게 활동하고 있다. 현재 국내 자동차 제조 공정 내 다이캐스팅, 단조, 플라스틱 등 제품의 품질관리 영역에서 활약하고 있다. 또 에너지, 제지, 반도체 등 공정에서 불량률 제로에 도전하는 중이다.

 

아울러 에이아이네이션은 한국전자기술연구원(KETI)과 연계해 생성형 AI 및 온디바이스(On-Device) AI 품질검사 최적화 연구를 진행 중이다. 이 과정에서 딥마에스트로가 활약하고 있다.

 

▲ 딥마에스트로를 활용한 대상물 불량 판정 시스템. 사전에 학습된 데이터를 기반으로 한 분석을 거쳐 불량품을 걸러낸다. (출처 : 헬로티)

 

자율제조 체제 판 깔렸다...체제 구현 앞둔 에이아이네이션의 로드맵은?

 

에이아이네이션은 지난 7월 산업통상자원부(이하 산업부)가 출범한 ‘AI 자율제조 얼라이언스’ 공급업체로 선정됐다. 해당 얼라이언스는 12개 업종 153개 기업·기관이 참여하는 민관 협의체로, 산업부가 제창한 ‘AI 자율제조 전략 1.0’의 핵심 조직이다. 에이아이네이션은 이 협의체에서 자동차 제조 분야 구성원으로 활동하는 중이다.

 

곽지훈 대표는 “얼라이언스 참여를 통해 AI 솔루션이 산업 안에서 활약할 수 있는 무대가 마련됐다”며 “협의체 내 AI 솔루션 업체로서 AI 도입에 대한 열망이 있는 업체를 적극 지원할 것”이라고 밝혔다. 이어 “정부 산하 연구기관, 협력 업체와 지속 연구개발(R&D)을 진행해 AI 솔루션을 도입하는 많은 수요업체를 발굴하고, AI 솔루션이 우리 산업을 견인하는 생태계를 구축할 것”이라고 덧붙였다.

 

에이아이네이션은 자사 AI 솔루션을 국내외 산업에 전파하기 위해 아마존웹서비스(AWS)와 협업을 진행하고 있다. 클라우드 기반 AWS 마켓플레이스에 AI 솔루션을 배치해 글로벌 제조업이 더욱 확장된 AI 세계관을 갖추도록 지원하는 데 열을 올리고 있다. 한편 에이아이네이션은 폐쇄망을 요구하는 현장에는 온프레미스(On-Premiss) 형태의 솔루션을 제공할 방침이다.

 

여기에 로봇과의 연계를 위한 전략도 활발히 진행 중이다. KETI 샘플 공장에서 협동로봇을 임대해 머신비전 솔루션을 녹인 로봇 시스템을 개발하고 있다. 곽지훈 대표에 따르면 이 시스템이 개발되면, 딥마에스트로와 접목해 ‘픽앤플레이스(Pick and Place)’부터 검사 대상물 도출까지 완전 자율화된 품질검사 솔루션이 탄생할 전망이다.

 

끝으로 곽 대표는 “우리나라 제조업은 새로운 기술을 도입하려는 의지가 강하다”며 “각종 제조 현장에 레퍼런스를 구축해 기술적 측면과 비즈니스 역량을 지속 강화할 계획”이라고 전했다.

 

헬로티 최재규 기자 |