제조지능, 제조 자동화와 의사결정 최적화에 필요한 도구
수요 기업이 이해하기 쉬운 제조지능 참조모델 개발 필요
머신러닝·딥러닝 외 데이터 수집과 시뮬레이션 등 모든 단계 이해해야
현재 '정밀가공'과 '사출성형' 대상으로 제조지능 참조모델 개발 완료
스마트공장 확산에도 불구하고 국내 제조지능 개발은 여전히 부족하다는 지적이 제기됐다. 2014년부터 정부 추진으로 제조혁신이 이뤄지고 있지만, 제조 자동화와 의사결정 최적화에 필요한 제조지능 개발은 아직 걸음마 수준이라는 평가다.
배경한 지능형제조융합연구조합(KIDMA) 대표는 27일 온라인으로 열린 제2회 제조지능 컨퍼런스에서 "2014년부터 정부가 나서 제조혁신 계획을 세우고 스마트공장 보급을 추진해 수요기업에서 제조데이터의 중요성을 알기 시작한 기업이 많아졌다"면서도 "그럼에도 국내에서 제조지능 개발은 여전히 미개척 영역"이라고 지적했다. 이어 "기업에서 제조지능에 대한 정확히 이해할 수 있도록 제조지능 개발 가이드가 필요하다"고 말했다.
제조지능은 데이터를 토대로 제조 자동화와 의사결정 최적화에 도움을 주는 도구다. 산업 데이터를 수집하고 이를 머신러닝과 딥러닝으로 분석해 최적화·시뮬레이션하는 전 과정을 뜻한다. 특성에 따라 ▲식별 지능 ▲인지 지능 ▲분석 지능 ▲진단 지능 ▲예측 지능 ▲의사결정 지능 등 6개로 구분할 수 있다.
배 대표는 "제조지능이라고 하면 보통 사람들은 머신러닝과 딥러닝 단계만 생각하지만, 데이터 수집 단계부터 시뮬레이션 등의 단계가 모두 포함된 것이 제조지능"이라고 설명했다.
제조지능은 개발 대상과 데이터 생성 속도에 의해 5단계로 구분된다. 숫자가 높을수록 기술 수준이 높다.
1단계는 분석하고자 하는 대상에 대한 데이터를 수집하고 이를 바탕으로 통계적 분석을 수행하는 수준이다. 2단계는 한 개 대상에 대해 지능화한 것을 의미한다. 다음 단계부터는 대상이 한 개에서 여러 개로 바뀐다. 3단계는 여러 대상을 분석해 예측하는 수준이고, 4단계는 복수의 대상을 지능화한 것을 뜻한다. 최종 5단계는 공장 전체를 지능화한 것을 의미한다.
제조지능을 구축하는 일은 쉽지 않다. 데이터 수집부터가 어렵다. 데이터 수집 주기에 따라 데이터 왜곡 현상이 발생할 수 있어서다. 예를 들어 10초 단위로 공정 데이터를 수집한다고 가정하면, 10초마다 측정된 데이터가 실제와 다를 수 있다. 10초 안에 발생한 일은 알 수 없기 때문이다.
배 대표는 "제조지능은 데이터 측정속도가 빠를수록, 변수의 개수가 많을수록 복잡해지는 구조를 가지고 있다"면서 "이러한 어려움을 극복하기 위해서는 제조지능 참조모델 등이 필요하다"고 밝혔다.
KIDMA는 올해 '정밀가공'과 '사출성형'을 대상으로 한 제조지능 참조모델을 선보였다. 각 산업 분야에 맞춰 제조지능의 1단계부터 5단계까지 가이드라인을 제시했다. 해당 모델을 토대로 실증도 진행했다. 빅데이터를 활용해 스핀 장치의 이상 진단을 파악했고, 기계 마모를 점검해 수명을 진단할 방안도 제시했다.
배 대표는 "제조지능 참조모델은 개발 가이드 역할을 할 수 있고, 지능 측정과 점검 지원 역할을 할 수 있다"면서 "지금은 정밀가공과 사출성형에 대한 모델만 개발했지만, 향후 다양한 업종에 적용할 수 있는 참조모델을 선보일 계획"이라고 밝혔다.
AI타임스 김동원 기자 goodtuna@aitimes.com
[관련기사] LG에너지솔루션, 배터리 전극 절단 공정에 AI 기술 적용...커터 수명 분석에 활용
[관련기사] 김형준 ETRI 지능화융합연구소장 "진정한 디지털 강국 되려면 '국가지능형 융합플랫폼' 구축해야"
무단전재 및 재배포 금지
기사제보 및 보도자료 news@aitimes.com