미래 생산시스템의 변화와 기업 대응 방향 제시

[산업일보]
2023 국제인공지능대전 부대행사인 '디지털 전환을 위한 산업인공지능 적용 기술 세미나'가 12일 서울 코엑스 컨퍼런스룸 E2홀에서 개최했다.

동국대학교 전성범 교수는 ‘미래 생산시스템의 변화 및 스마트공장 구현 사례’를 발제로, 산업계의 디지털 전환의 애로점과 발전을 위한 방향을 제시했다.

전 교수는 “데이터가 디지털화되지 않은 엑셀, 수기문서, 아이디어 등의 형태로 존재할 경우, 이를 통합해서 정보시스템에 하나로 묶는 것은 쉽지 않다”라며, 데이터를 공유하지 않는 사일로(silo) 현상 등도 데이터 품질 및 기존 정보시스템 연결을 저해하는 요소라고 지적했다.

이에 데이터의 낮은 균일도와 품질을 올리거나 표준화하고 각각 따로 떨어져 있는 정보들을 통합할 수 있어야 한다고 했다.

예컨대, MES 구축 시스템을 구축할 때 생산방식, 주문방식, 핵심 기준 정보에 따라서 각 기업이 중점을 두고 있는 것이 다르다는 것이다. 때문에 중요 정보를 먼저 효율화한 후 나머지 부분들을 점차 확대 진행하는 것이 중요하다는게 전 교수의 관점이다.

그는 열처리 공장의 MES 구축 사례를 들며, “기존에 수기로 입력해왔던 것을 데이터의 표준화 혹은 낮은 균일도를 해소하기 위해서 태블릿이나 애플리케이션에 주어진 형태로만 입력해서 데이터베이스에 저장하거나 클라우드로 확인할 수 있는 시스템을 구축했다”라고 소개했다.

이를 통해 작업실적을 실시간으로 살펴볼 수 있고, 설비 점검에 대한 이력 등도 십계 집계할 수 있다며, 이러한 부분이 스마트팩토리로 나아가기 위한 디딤돌이 된다고 했다.

산업의 머신러닝 적용의 이슈에 대해서도 언급했다.

전 교수는 “머신러닝 중 지도학습 기반의 경우 답이 있는 상태에서 이를 학습해 최적으로 운영하는 케이스다. 그런데 대부분의 회사는 답이 없는 상태다. 운영데이터는 있지만, 이 데이터가 과연 학습을 통해서 참고할 만큼 최적 운영 데이터인지에 확신할 수 없다”라며, 강화학습이나 지도학습이나 공통적으로 겪는 어려움이 블랙박스의 문제라고 설명했다.

즉 블랙박스의 문제는 행위에 대한 결과의 과정을 알지 못한다는 한계점이 있다. 전문지식 없이는 완변하게 이해하기 어려운 구조라는 것이다.

반면, 화이트, 박스(White box), 또는 글래스박스(Glass box) 모델은 내부 구조를 사람이 완전히 이해할 수 있는 모델이다. 의사결정을 하는 디시전트리(Decision Tree)나 룰 베이스드 러닝(Rule based Learning) 같은 것이 화이트 박스 모델에 해당된다.

전 교수는 의사결정에 대한 이유를 맥락과 함께 제공하는 해석 가능한 기계학습(Interpretable)이라는 콘셉트들이 최근 산업 인공지능 분야에 화두가 되고 있지만, 기계학습이 적용되더라도 최종적으로 책임을 지는 것은 사용하는 사람이라는 점 때문에 해석 가능한 모델에 대한 많은 연구가 이뤄지고 있다고 최근 동향에 대해 말했다.

이어 LS ITC, 큐빅테크, 모빅랩, 베슬에이아이 등이 참여해 제조 현장의 디지털 전환과 산업 인공지능 적용 사례 등에 대해 공유했다.