스마트 팩토리가 제조 산업에서의 디지털화와 디지털 전환 과정에서 최적의 제조 혁신 방안으로 제시되고, 추진되고 있습니다. 그렇다면 스마트 팩토리 구현을 위해 우리에게 필요한 기술들은 어떠한 것이 있을까요? 이에 대한 대답을 들어봅니다. ‘스마트 팩토리를 가능하게 하는 기술들’ 시리즈를 앞으로 5회에 걸쳐 기고글로 연재합니다. 독자 여러분의 많은 관심 기대합니다. [편집자 주]
이 글은 아이씨엔 매거진을 통해 다음과 같은 순서로 연재될 예정입니다.
1. 스마트 팩토리를 가능하게 하는 기술들 – 커넥티비티 (11월 18일)
2. 스마트 팩토리를 가능하게 하는 기술들 – 센서 (12월 9일)
3. 스마트 팩토리를 가능하게 하는 기술들 – 코봇의 부상 (1월 6일)
4. 스마트 팩토리를 가능하게 하는 기술들 – 디지털 트윈 (1월 18일)
5. 스마트 팩토리를 가능하게 하는 기술들 – AI (1월 29일)
6. 스마트 팩토리를 가능하게 하는 기술들 – 데이터 보안 (2월월22일)
스마트 팩토리를 가능하게 하는 기술들
(5) AI
글_ 마크 패트릭(Mark Patrick), 마우저 일렉트로닉스(Mouser Electronics)
인공 지능(AI)은 현재 경이로운 속도로 발전하고 있는 분야이다. AI에는 여러 가지 다양한 분야가 있지만, 그 중에서 인기 있는 분야는 데이터 포인트 간에 이전에는 알려지지 않은 관계를 찾아내는 데이터 마이닝과 기계 학습(ML)이다. 기계 학습은 인더스트리 4.0의 핵심적인 구성요소이며, 미래의 스마트 공장을 운영하는 방식을 정의하도록 도와준다. 6부작 시리즈 중 이번 글에서 이를 자세히 살펴보기로 한다.
기계 학습을 이용하면 확립된 모델을 기초로 데이터 분석을 자동화할 수 있다. 데이터 분석을 자동화하기 위해서는 먼저 적용되는 알고리즘이 알려진 패턴을 식별하는 법을 배워야 한다. 기계는 데이터 포인트 간의 관계가 명확히 표식되는 이력 데이터세트의 프레임워크(또는 모델)로부터 학습한다. 알려진 패턴을 찾아내는 법을 익히면, 기계는 센서에서 수집한 데이터를 분석하여 학습된 파라미터에 기초하여 예측을 할 수 있다. 이러한 과정을 추론이라고 한다.
제조 환경에서 기계 학습 훈련은 학습 중인 기계의 이력 데이터를 이용하거나, 그러한 데이터를 사용할 수 없는 경우 비교 가능한 기계에서 가져온 이력 데이터를 이용할 수 있다. 훈련받은 기계 학습 알고리즘은 다양한 기계에 설치된 센서에서 수집한 데이터를 분석하고 이미지, 오디오(음성 또는 소리) 또는 기타 지표와 같은 패턴을 식별한 다음 결과를 예측한다. 기계 학습은 품질 보증 향상, 공정 자동화, 생산량 증대를 실현할 뿐 아니라 칼만 필터와 같은 과거에 사용된 패턴 인식 기법을 대체함으로써 공장을 “더 스마트하게” 만들 수 있다. 이전 패턴 인식 방법은 기계 학습 추론이 없었기 때문에 획득한 이미징 데이터를 레퍼런스 이미지에 직접 비교했을 뿐이다. 기계 학습은 작업자 안전과 보안을 보장하는 데에도 중추적인 역할을 할 수 있다.
품질 보증 향상
기계 학습 소프트웨어의 이미지 인식 능력은 결함 있는 제품의 식별을 가능하게 한다. 인간은 반복 작업에 피로해지거나 지루해 하고 실수를 하거나 사물을 못 보고 넘어가기 시작하지만, 로봇은 그렇지 않다. 소품종 생산 환경에서 로봇은 대량 생산, 반복적인 작업에 완벽하며 고정된 절차를 따른다. 다품종 생산 환경에서 로봇은 기계 학습 알고리즘 사용을 통해 물건을 적절하게 잡고, 회전하고, 검사하도록 훈련할 수 있다. 이미지 분석을 위해 고분해능 카메라와 센서를 사용하여 로봇은 크기, 색깔 및 기타 필요한 특징을 확인할 수 있다.
예를 들어 한 시스템(DeepEyes)은 1080p 분해능 카메라를 이용하여 제품이 움직이는 컨베이어 벨트 위에 있더라도 1m 떨어진 거리에서 0.01mm 정도로 작은 3차원 이상 징후를 탐지할 수 있다. 기계 학습으로 훈련받은 로봇은 또한 제품이 정확한 수의 부품을 포함하는지 검증하고, 이러한 부품이 적절히 설치되었는지 검사하며, 제품 결함(스크래치나 균열 등)을 찾아낼 수 있다. 마지막으로 이러한 로봇은 다양한 부품을 특정 맞춤형 작업에 맞춰 올바르게 결합하도록 보장할 수 있다.
자동화 강화
맥킨지는 800개 이상 직업에서 2,000개 이상의 직무 활동이 AI 적용으로 자동화될 수 있을 것으로 추산했다. 로봇은 고도로 반복적인 작업을 빠르게 수행할 수 있기 때문에 자동화를 위한 완벽한 매개체이다. 협동 로봇(코봇)은 앞선 글에서 언급했듯이 인간과 나란히 일하면서 인간의 작업을 보완할 수 있다. 또한 AI를 통해 가령 소량의 폴리머액을 거품이 생기지 않게 하면서 렌즈 몰드에 붓거나 제품의 부품들을 용접하는 등 보다 섬세한 작업을 수행하도록 훈련시킬 수 있다. 이 밖에 AI는 로봇이 혼자서 공장 작업장을 이동하도록 도와줄 수 있다.
운영 효율 증대
AI는 공급망 물류 효율화, 지연 감소, 작업 환경 안전 수준 향상 등 여러 측면에서 운영 효율을 높일 수 있다. 소비자들의 맞춤형 제품에 대한 요구가 높아지면서 제조업체는 그에 따라 생산 시스템을 조정해야 하는 막대한 부담에 직면하고 있다. 기계 학습을 이용하면 데이터 분석을 활용해 공급망을 향상시키고 원자재 비용을 줄이면서 팀 간 소통을 증가시키고 문제를 보다 빨리 진단할 수 있다. 뿐만 아니라 AI는 공장 작업장 전체에 걸쳐 원재료의 흐름과 인력 이동을 분석함으로써 혼잡을 감소시키고 충돌을 피하고 부가가치가 없는 작업 양을 감소시키는 데 도움을 줄 수 있다.
생산량을 증가시키는 외에도 AI는 위험한 사건의 발생을 방지하고 잠재적 손해배상책임을 유발할 수 있는 직원을 제외함으로써 생산 지연 횟수를 낮추도록 도와준다. 전통적으로 공장에서는 지정된 작업 팀을 두고 작업 현장을 시찰하도록 하여 위험한 상황을 식별하고 시정해 왔다. 그러나 이러한 순찰은 느리고, 드물게 수행되고, 비효율적이며, 노동 집약적인데다 착오가 발생하기 쉽다. 반면 AI는 센서 데이터를 분석하여 기계가 작동 중일 때 금지된 구역에 들여가려는 직원, 잘못된 곳에 놓인 인화 물질 또는 과열 영역이 위험한 수준에 이르는 등의 잠재적 위험을 찾아낼 수 있다. 또한 AI를 통해 예를 들어 너무 피곤하거나 술에 취해 있거나 문제를 겪고 있어 작업에 적합하지 않은 신체 상태의 직원이나 계약자를 찾아낼 수 있다. 뿐만 아니라 AI를 이용하면 모든 사람들이 적절한 안전 장비(헬멧, 고글, 안전화, 귀마개 등)를 착용하고 있는지 확인할 수 있다.
보안 강화
또한 공장의 보안을 보장하는 것은 매우 중요하다. 절도, 강도 및 산업 스파이는 모두 재고 손실, 생산 지연, 비즈니스 인텔리전스 훼손 등의 형태로 높은 비용을 발생시킨다. AI가 지원하는 얼굴, 지문, 홍채 및 음성의 패턴 인식은 민감하거나 제한된 영역에 대한 접근을 쉽게 통제할 수 있게 한다. 심지어 생체 정보가 없어도 AI 감시는 비정상적인 수송 패턴뿐 아니라 예측된 일정에서 벗어나거나 제한 구역에 있는 부적절한 사람의 존재를 식별하고, 그에 따라 관리자에게 경보를 보낼 수 있다.
맺음말
시간이 지남에 따라 AI 알고리즘은 공장 주변에서 센서가 수집한 새로운 데이터로부터 학습함으로써 지속적으로 예측의 정확도를 향상시켜 나갈 것이다. 데이터 마이닝 소프트웨어는 최신 데이터에 접근하여 파라미터 사이에 이전에는 알려지지 않은 관계를 식별하여 새롭거나 다른 종류의 공정 향상을 가져다줄 수 있다. 미래에는 기술의 결합된 사용을 더 많이 보게 될 것이다. 증강현실(AR)과 가상현실(VR) 분야가 빠르게 확장하고 있다. AR 또는 VR을 AI와 결합하면 더 향상된 시뮬레이션 환경을 만들 수 있으며, 이를 통해 지속적인 생산 계획은 물론 제품 개발과 향상을 이룰 수 있다.
이 글 시리즈의 많은 부분은 데이터 수집, 이동, 분석 및 조작을 포함하여 데이터와 관련되었다. 곧 소개될 마지막 시리즈에서는 악의적인 공격자로부터 데이터를 보호하기 위해 무엇이 필요한지 다룰 예정이다. (제공. 마우저일렉트로닉스)
