제조업에서 만나는 생성형 AI 이미지
![The AI learns characteristics of good and faulty parts based on real and AI generated images](https://i0.wp.com/icnweb.kr/wp-content/uploads/2024/07/AI-learns-characteristics-of-good-and-faulty-parts-900web.jpg?resize=696%2C387&ssl=1)
번쩍!! 갑작스런 섬광이 지나간다, 그리고 또 하나. 아주 밝은 빛이 또다시 번쩍인다.
[아이씨엔 오승모 기자] “이것이 바로 우리의 통합 카메라(integrated camera) 시스템”이라고 리아 리머(Ria Riemer)는 말한다. 보쉬(Bosch) 힐데스하임(Hildesheim) 공장의 제조 공정에서는 이곳에서 생산되는 전기 모터 부품인 고정자의 사진을 찍는다. 리머는 이곳에서 이미지에 관한 관련 프로젝트를 이끌고 있다. 그것들 모두가 진짜는 아니다. 하지만 가장 먼저 해야 할 일이 있다.
리머는 “오랫동안 제조업에 종사하는 직원들은 육안으로 부품에 결함이 있는지 확인해왔다”고 설명한다. “하지만 지난 몇 년 동안 보쉬는 자동 광학 검사를 더 많이 사용하기 시작했다.” AI(인공지능) 기반 이미지 인식을 활용해 부품의 품질을 검사하는 것이다. 기존 결함 사진을 기반으로 시스템은 부품이 정상인지 여부를 구별하는 방법을 학습했다.
그는 또한 “이 방법은 매우 신뢰할 수 있다. 문제는 이를 위해 많은 데이터가 필요하다는 것이다.”라며, “가능한 모든 결함 유형의 사진을 얻을 때까지 아주 오랜 시간을 기다리거나 의도적으로 부품을 손상시켜야 할 때도 있었다.”고 밝혔다. 그는 제조 품질이 너무 높아서 충분한 손상 이미지를 얻는게 쉽지 않았다는 것. 그리고 단순한 몇 가지 오류로도 엄청난 결과를 초래해 최악의 경우 제조 라인의 전체 배치를 재구성하는 리콜이 발생할 수 있기 때문에 품질관리에서 매우 높은 수준이 필수적이다.
![The quality of parts is checked using AI-based image recognition](https://i0.wp.com/icnweb.kr/wp-content/uploads/2024/07/bosch_AI_Camera-900web.jpg?resize=696%2C391&ssl=1)
실현 가능성의 경계를 넓히는 생성형 AI
보쉬 힐데스하임(Hildesheim) 공장이 새로운 제품 유형에 대한 생산 라인을 가동하기로 결정했을 때, 실제로 결함 부품을 생산하지 않고도 모든 결함 유형에 대한 충분한 이미지를 얻을 수 있는 방법은 무엇일까? 정답은 생성형 AI(generative artificial intelligence)다.
보쉬 리서치(Bosch Research)의 데이터 과학자인 로라 베겔(Laura Beggel)은 “이를 통해 잠재적인 결함 유형과 변형이 실제로 발생하기 전에 인위적으로 매핑할 수 있다”고 말한다. 그가 이끄는 팀은 생성형 AI를 사용하여 힐데스하임 공장에서의 품질관리를 위해 합성 데이터(synthetic data)라고 불리는 인공지능 이미지를 만드는 것이다.
이러한 데이터를 생성하는데는 여러가지 방법이 있다. “사용 가능한 자료에 따라 생성형 AI 모델은 다양한 양의 실제 데이터로 훈련된다.” 생성형 AI의 개발 및 적용에 중점을 둔 베겔의 설명이다. “예를 들어, 비교 가능한 제품의 이미지를 기반으로 현재 사용 사례에 적용할 수 있다. 우리는 새로운 것을 창조하기 위해 존재하는 것을 사용하고자 했다.”
베겔에 따르면, 보쉬 힐데스하임(Hildesheim)의 프로젝트도 비슷한 방식으로 진행되었다. 그는 “이미 기존 제품 유형의 이미지를 사용하여 새로운 사용 사례에 대한 결함 이미지를 생성했다. 그리고 나서 AI 기반 검사 모델을 훈련할 수 있었다.”고 밝혔다.
고정자 생산에서는 전기 모터의 전류가 방해받지 않고 흐를 수 있도록 와이어를 용접한다. 보쉬는 용접 공정 중에는 잠재적으로 6가지 유형의 결함이 발생할 수 있다고 규정하고 있다. 예를 들어, 작은 구멍, 원치 않는 작은 덩어리 또는 너무 약한 용접 등을 포함한다.
![Timo Schwarz and Ria Riemer bring generative AI into manufacturing.](https://i0.wp.com/icnweb.kr/wp-content/uploads/2024/07/Timo-Schwarz-and-Ria-Riemer_Right-900web.jpg?resize=696%2C367&ssl=1)
측정 가능한 이점을 제공하는 AI 솔루션
베겔은 “스테이터를 사용하면 생성형 AI의 잠재력을 특히 잘 활용할 수 있다”고 말한다. 그가 이끄는 팀은 이 공장에서 총 15,000개에 달하는 인공(가상) 이미지를 생성했다. 이는 각 결함 유형에 대한 두 자리 숫자의 실제 영상을 기반으로 한 것이다.
리머는 “생성 AI 덕분에 이제 훨씬 더 초기 단계에서 자동화된 광학 검사를 위한 모델을 훈련할 수 있어 품질이 매우 높아졌다”라고 말한다. 이 공장은 새로운 접근 방식을 통해 기존 방식보다 프로젝트 기간이 6개월 단축되어 연간 생산성에서 6자리 유로 범위까지 증가할 것으로 기대한다.
보쉬 그룹의 회장인 스테판 하퉁(Dr. Stefan Hartung) 박사는 “보쉬 전체 공장의 절반이 이미 제조 과정에서 AI를 활용하고 있다.”고 밝히고, “이번 생성형 AI의 도입으로 기존 AI 솔루션을 개선함은 물론, 글로벌 제조망에서 이 미래 기술을 최적화해 활용하기 위한 기반을 마련했다.”고 밝힌 바 있다.
공장 규모와 생산 유형에 따라 AI를 사용하여 공장별로 생산성 향상을 달성하고 있으며, 연간 수억에서 수십억 유로의 비용 절감으로 이어지고 있다는 설명이다. 또한 보쉬는 산업용 AI의 개발과 적용에 있어 글로벌 선도적인 역할을 목표로 한다.
![“Depending on the material available, generative AI models are trained with different amounts of real data,” says Beggel](https://i0.wp.com/icnweb.kr/wp-content/uploads/2024/07/laura-beggel-ai_by_Bosch-900web.jpg?resize=696%2C389&ssl=1)
번쩍이는 카메라의 섬광이 총 열두 번 번쩍였다. 리머 프로젝트 팀의 엔지니어이자 이미지 처리 전문가인 티모 슈왈츠(Timo Schwarz)는 “카메라는 고정자의 모든 부분을 2D 및 3D로 이미지를 캡처한다”라고 설명한다.
AI는 실제 및 인위적으로 생성된 이미지를 기반으로 양호한 부품과 불량 부품의 특성과 특징을 학습한다. 새로운 사진이 제시되면 AI는 지식을 적용하고 몇 초 안에 부품에 결함이 있는지 여부를 결정한다. 실제로 결함이 있는 경우, 해당 부품은 자동으로 생산 공정으로 돌아가 재작업에 들어간다. 부품을 재작업할 수 없는 유일한 경우는 작은 덩어리가 형성된 경우이다.
슈왈츠 엔지니어는 현재 새로운 라인에서 육안 검사를 위한 AI 모델을 훈련중이다. 그는 “처음에는 용접이 실제로 허용되더라도 AI가 추정되는 결함을 발견하는 경우가 많기 때문에 모든 오류를 안정적으로 식별하고 부품을 ‘정상’으로 분류하는 규칙을 개선하려고 노력하고 있다”고 설명한다. 예를 들어, AI는 현재 약한 용접을 결함으로 표시하지만 전문가의 관점에서 이 용접은 충분하다고 평가해도 되는 수준이다.
이에, 결함 없는 부품을 찾는 것과 마찬가지로 결함을 안정적으로 인식할 때까지 모델을 수동으로 재훈련하는 과정이 필요하다는 설명이다.
첫 번째 파일럿 라인은 2023년 말에 힐데스하임에서 시작되었다. 올해 초에는 또 다른 파일럿 라인 구축이 시작됐다. 슈왈츠는 “때로는 고정자당 수백 개의 용접이 있다”며, “인간은 평균 70-90%의 비율로 오류를 포착하지만, 완성된 AI 모델은 거의 100%에 가깝게 달성한다.”고 강조한다.
실제 사진을 인위적으로 만든 사진으로 착각한 적도 있었을까? “물론이다.” 그가 말했다. 그리고 덧붙였다. “그 반대도 마찬가지다.”
![During stator production, wires are welded to ensure that the current in the electric motor can flow unhindered.](https://i0.wp.com/icnweb.kr/wp-content/uploads/2024/07/stator-production-bosch-900web.jpg?resize=696%2C384&ssl=1)
인위적으로 생성된 이미지는 사람의 육안으로는 실제 이미지와 구별하는 것이 쉽지 않다. 이것이 바로 목표이다. 보쉬는 체코 이흘라바(Jihlava)와 독일 힐데스하임(Hildesheim) 공장에서 사용하던 접근 방식을 광범위하게 도입할 계획이다. 또한 미국 찰스턴(Charleston) 공장을 위해 프로젝트 관리자인 리머(Riemer)가 램프업 기간 동안 현장에서 시스템 구축을 지원할 예정이다. 그는 “이렇게 최첨단에 서 있다는 것은 대단한 일이라고 생각한다. 생성형 AI를 사용하면 이전에는 볼 수 없었던 이미지를 만들 수 있다. 이것은 제조에서의 많은 것을 바꾸게 될 것이다.”라고 말했다.
생성형 AI는 슈투트가르트-포이어바흐(Stuttgart-Feuerbach)와 같은 다른 보쉬 공장에서도 시범 운영에 들어갔다. 보쉬에 따르면, 더 많은 지역이 조만간 추가될 예정이다. 베겔(LAURA BEGGEL)은 “생성형 AI는 효율성을 높이고 품질을 향상시키기 위한 제조의 가장 큰 수단 중 하나이다.”라고 말하고, “생성형 AI를 통해 기존 AI 솔루션을 최적화하는 것이 가능해졌다. 보쉬(Bosch)는 이 기술의 광범위한 적용을 촉진해 나가고 있다.”
[참조. 보쉬 (Bosch) https://www.bosch.com/stories/ai-image-recognition-production/]