현재 전 세계적으로 AI 기술이 산업 전반에 걸쳐 혁신을 주도하고 있다. 자율이동로봇(AMR) 분야에서도 AI의 도입이 가속화되고 있는데, AMR이 AI를 활용하여 더욱 고도화된 기술을 구현할 수 있는 가능성과 그에 따른 신뢰성과 안정성 검증이 중요해지고 있다. 강화형 기계 학습을 통해 더욱 정밀하고 안전한 주행이 가능해질 것으로 전망되며, AI 기반의 예측 제어 모델을 통해 주행 중 발생할 수 있는 다양한 상황을 분석하고 최적의 경로를 계획할 수 있다. 이러한 AI 기술의 도입은 AMR의 설치 용이성과 유연한 가동을 보장하며, 공정 다운타임을 최소화할 수 있다. 첨단 AI 기술과 AMR의 융합이 산업 현장에서 어떤 변화를 가져올지, 그리고 그 과정에서 극복해야 할 과제들은 무엇일지 살펴본다. 자율이동로봇(Autonomous Mobile Robot, AMR)은 자체적인 판단에 의해 유동적인 주행이 가능한 자율주행 기술 기반 이동로봇이다. 해당 로봇은 QR코드, 광학·자기테이프, 레이저 반사판, 레일, 센서, 마킹 등 유도체를 설치해 경로를 설정하는 무인운반차(Automated Guided Vehicle, AGV)의 진화형으로 평가받는다. 현재 고도 자율화 ‘
사고상황·설비 건전상태·비상발전·전력복구 등 대응조치 정의 후 실행 화재·침수·지진 등 긴급재난 시 SOP/EOP 자동 실행해 2차 피해 방지 중대재해처벌법이 상시 근로자 5인 이상의 모든 기업으로 확대 적용된 가운데, LS일렉트릭이 디지털 트윈 기술을 기반으로 사업장 내 통합 위기관리와 사고 대응이 가능한 솔루션을 개발했다. LS일렉트릭은 전력, 공조, 기계, 건물 등 사업장 내 모든 인프라 설비에 대해 3D 디지털 트윈을 구현, 가상운전을 통해 위기를 관리하고 사고를 예방할 수 있는 중대재해솔루션 ‘CUBE(Connected Ubiquitous Block Enhancement) 스테이션’을 개발해 최근 자사 청주사업장에 구축했다고 밝혔다. CUBE 스테이션은 각종 장비에 따라 별도의 시스템과 인터페이스를 적용, 재난과 안전 관련 통합 데이터를 취득해 위기를 관리하는 솔루션이다. CUBE 스테이션은 초고압, 고압, 저압기기를 아우르는 전력 인프라와 UPS, STS(이중화전원시스템 ; Source Transfer Switch), 비상발전기 등 비상 장비를 모두 연결해 사고 상황, 설비의 건전상태, 비상발전, 정전 시 전력복구 등 다양한 대응 조치를 정의하고,
헬로티 임근난 기자 | 한국생산기술연구원(이하 생기원)이 포항공과대학교와 함께 제조설비의 고장 징후를 딥러닝 기술로 포착하고 그 원인과 판단기준을 시각적으로 표현해줄 수 있는 ‘설명 가능 인공지능(AI) 기반의 설비 고장 진단 기술’을 공동 개발했다. 기존에 개발된 제조현장의 AI 고장 진단 기술은 설비가 현재 ‘정상 또는 고장’이라는 단순한 판정 정보만 제공할 뿐, 고장 발생이 어떤 이유로 예측되는지에 대한 설명과 근거를 제공해주지 못한다는 한계가 있었다. 이 같은 AI 동작 해석의 어려움으로 소위 ‘블랙박스’라고 불릴 만큼 진단 기술에 대한 신뢰성과 활용도가 낮았다. 또한, 고장 신호가 들어왔을 때 작업자가 그 원인을 파악하기 위해서는 다른 방법으로 다시 분석하거나 제조설비를 직접 살펴봐야해 번거로웠고 시간도 오래 걸렸다. 이러한 문제점을 극복하기 위하여, 생기원 첨단메카트로닉스연구그룹 AI응용제조설비연구센터 윤종필 박사와 포항공대 전자전기공학과 박부견 교수, 김민수 학생연구원(박사과정)이 이끄는 공동연구팀은 설비에 부착된 다양한 센서로부터 획득한 시계열 진동신호를 이용하여 설비상태를 실시간 진단해주는 딥러닝 모델을 고안해냈다. 대다수의 핵심 제조설비들은