스마트팩토리에서 AI 역할↑…기술 개발로 난제 해결 중

[산업일보]
제조 기업은 스마트팩토리 구축을 통해 혁신을 시도하고 있다. 인공지능(AI)을 도입한 검사로 불량품 판별 속도나 정확도를 높이는 게 대표적이다. 시간, 사람, 공간 등의 문제를 AI로 해결하려는 것이다.

현재 제조공정은 인공지능을 통한 검사 무인화로 진입하는 단계에 있다. AI가 제품을 검사한 후 사람이 불량을 수동으로 확인하는 것에서, 검사 전체를 인공지능이 담당하는 수준으로 나아가는 중이다.

제조 기업들은 이 과정에서 여러 난제를 마주하고 있다. 데이터 확보 및 분류, AI 성능 유지 등에서 어려움을 겪고 있어 문제 해결에 열중이다.

모바일, 자동차 등의 핵심 소재‧부품을 개발 및 생산하는 LG이노텍은 관련 기술 개발을 위해 LG생산기술원, LG AI연구원과 협업하고 있다. 일례로 불량 데이터 확보의 어려움은 인공지능이 스스로 가상의 불량 데이터를 생성해 학습하는 방식으로 해결했다.

이상석 LG이노텍 생산기술담당 상무는 20일 ‘제2회 Industrial AI Forum 웨비나’에서 “현재 생산하고 있는 제품의 특징을 고려해, 발생할 수 있는 불량 형상을 가상으로 만들어 냈다”며 “실제 불량 데이터 없이 인공지능 모델을 구축해 AI 적용기간을 단축했다”고 말했다.

약 120일이 필요했던 AI 적용기간을 85% 단축해 약 2주 정도로 단축했다는 설명이다. 그는 인공지능 모델의 성능도 기존과 같거나 향상됐다고 부연했다.

데이터 분류는 액티브 러닝(Active Learning)을 통해 정확도를 높인 것으로 나타났다. 모든 데이터를 학습하는 게 아니라, AI 모델 구축에 중요한 경계영역 데이터를 선별적으로 학습하는 방식을 통해서다.

이 상무는 “데이터 분류에서 오류 확률이 높은 소량의 데이터를 추출해 AI 모델에 반영했다”며 “기존과 비교해 30%의 데이터만으로 성능을 120% 이상 끌어올렸다”고 했다.

데이터 확보 및 분류에 관한 기술을 개발했으나 인공지능이 학습한 데이터가 모든 데이터를 대변할 수 없다는 문제는 남아있다. 제조공정 조건, 제품 추가 등의 변화로 기존의 AI 성능이 감소하는 측면도 있다.

LG이노텍은 LG AI 연구원과 함께 자동 및 연속 학습이 가능한 기술을 개발해 이 문제를 해결했다. AI 모델의 성능 변화를 감지해, 시스템 기반으로 데이터 정확도와 성능을 유지하는 방식이다.

이 상무는 “엔지니어를 통한 데이터 재학습 없이 AI 모델의 성능을 관리하고 있다”며 “데이터 수집 및 학습을 자동화해 성능 하락을 막을 수 있었다”고 말했다.