[제조 현장의 인공지능①] 제조공정 효율화·제품 품질관리 활용되는 인공지능

많은 데이터를 단기간에 학습할 수 있는 인공지능은 4차 산업혁명의 핵심 기술이다. 서울 코엑스에서 열린 ‘2023 스마트공장․자동화산업전(2023 Smart Factory․Automation World)'(이하 전시회)에서 인공지능이 실제 산업 현장에서 어떻게 활용되고 있는지 살펴봤다.


전시회에서 만난 김현용 충북대학교 산업인공지능연구센터 초빙교수는 “자동화의 모든 영역에서 인공지능이 활용되고 있다”면서, “학습알고리즘 발달, 빅데이터 등장, 컴퓨팅 능력 향상으로 머신러닝에 이어 딥러닝까지 산업계에 활용되고 있다”고 말했다.

머신러닝과 딥러닝, 어떤 차이점이 있을까?

일반적인 자동화 연산은 데이터와 규칙을 입력하면 일정한 ‘해답’이 나오는 구조다. 하지만 머신러닝은 데이터와 해답을 입력하면 ‘규칙’을 찾아낸다. 입력한 데이터가 늘어날수록 규칙이 더 정교해지기 때문에 ‘학습’을 한다는 의미의 'Learning'이 붙었다.

하지만 머신러닝은 사람의 전처리 과정이 필요하다. 모든 데이터를 입력하는 것이 아니라 사람이 특징적인 데이터를 뽑아 입력하기 때문이다. 김현용 교수는 “사람의 판단이 개입되기 때문에 ‘최적의 결과’인지는 알 수 없다”고 말했다.

딥러닝은 인간의 신경세포를 수학적으로 모델링한 것이다. 머신러닝이 특정 데이터만 입력한다면, 딥러닝은 전체 데이터를 입력한다. 김 교수는 “머신러닝에서 연산의 깊이를 계속해서 확장하다보니 아주 복잡한 작업도 수행 가능해졌고, 데이터 전체를 입력해도 될 정도가 됐다”고 설명했다.

이어, “사람의 작업이 거의 필요하지 않고, 데이터만 입력하면 특징까지 추출할 수 있어 편하고 성능도 우수하다”고 덧붙였다.

제조 현장의 인공지능

그렇다면 제조 현장에서 인공지능은 어떻게 활용될까. 이광연 충북대 산업인공지능연구센터 초빙교수는 “제조업으로 범위를 한정하면, 인공지능의 활용은 크게 제조공정 측면과 품질 측면으로 나뉜다”고 말했다.

제조공정에서 인공지능은 공정의 ‘제조 효율화’에 초점을 맞춘다. 공정 내부 설비의 고장을 진단하거나, 유효수명을 예측하는 예지보전 기술에 활용한다는 것이다. 이 교수는 “인공지능이 설비의 공정 데이터를 활용해 생산 추이를 확인하고, 이상 징후를 감지하는 방식”이라고 설명했다.

품질 측면에서 인공지능은 제품의 검사와 품질관리에 초점을 맞춘다. 인간의 시각적 활동을 기계(컴퓨터)로 대신하는 ‘머신비전’을 활용해 제품의 불량을 판별한다.

이광연 교수는 “인공지능이라고 하면 흔히 방대한 데이터를 입력해야 한다고 생각하지만, 최근에는 많은 데이터가 필요하지 않다”고 말했다.

이에 대해 김현용 교수는 "이미 방대한 데이터를 학습한 공개 딥러닝 모델이 많이 나와 있기 때문"이라고 이유를 설명했다. 처음부터 많은 데이터를 학습시킬 필요 없이, 인공지능 모델이 이미 학습해둔 결과를 목적에 맞게 약간만 수정해도 원하는 작업을 수행하도록 만들 수 있다는 것이다.