logo2

[AI Story] AI 도입을 고민하는 제조기업, 문제 정의부터 시작하자

Startup,Business,Concept,,Businessman,Holding,Tablet,And,Icon,Transparent,Rocket
스마트 팩토리,  4차산업혁명, 제조 산업에서도 AI에 대한 관심이 높아지며 다양한 곳에서 이를 도입한 사례를 자주 보셨을 겁니다. AI 도입 후 업무 프로세스 개선, 운영 효율 향상 등 많은 성공 사례가 들리면서 우리 기업에도 도입하기 위해 알아보기 시작했지만 정형화된 기준이 없어 망설여졌던 경험이 있지 않으셨나요? AI 도입에 투자 비용은 얼마나 필요한지, 모델 개발에서 실현까지 얼마나 걸리는지, 무슨 데이터가 얼마나 필요한지, 어떤 문제를 해결할 수 있는지, 수많은 질문들이 있으실 겁니다. 
AI를 기반으로 업무 자동화 및 지능화, 불량 예측, 예지 정비, 수율 예측 등 다양한 제조 문제들을 지금도 해결하고 있습니다. 그러나 충분한 데이터양과 명확한 사전 준비 없이 발족된 PoC (Proof of Concept, 개념증명) 프로젝트의 경우 양산 발전 가능성이 낮습니다. 사람이 일을 하면서 간단하고 복잡한 업무가 있듯이 AI에게도 다양한 난이도의 문제가 존재합니다. AI는 학습하는 데이터를 바탕으로 모델의 퍼포먼스, 신뢰도, 그리고 난이도가 결정됩니다. 데이터의 양이 적으면 그만큼 정보력도 감소하기 때문에 AI 모델이 학습하고 처리해야하는 난이도는 어려워집니다. 그러므로 모델의 목적과 부합하도록 데이터를 가공 및 학습한다면 수월하게 모델을 생성할 수 있습니다.
그림1
Scenario
A사에서 B 제품에 대한 일별, 지역별 판매량과 매출 데이터가 1억개 이상 확보하여 AI로 수요 예측을 하기에 충분하다고 판단했습니다. 그래서 AI 솔루션을 도입하기 위해 AI 전문가를 만났는데 “데이터가 부족합니다.”라는 답변을 받았습니다. 솔루션을 도입하기에 충분한 데이터양인데, 납득할 수 없는 A사였습니다.

‘데이터 부족’의 의미를 정의해 보겠습니다.

1. 불합리한 데이터의 혼합
AI 가 없더라도 보통의 제조 현장에서 정상 제품의 기준과 유형을 정의하며 양.불의 여부만 기록합니다. 때문에 세밀한 불량 유형 관리가 되는 경우가 흔하지 않습니다. 또한 기존 육안 검사 또는 머신 비전 검사의 판별 정확도가 높지 않아 데이터를 세밀한 기준에서 구분하기 어렵습니다. 그러므로 정상 데이터에 불량 데이터가 같이 분류되거나 불량 유형별 명확하게 구별이 되지 않는 경우가 발생합니다. 높은 모델 퍼포먼스를 구현하기 위해서는 깨끗한 데이터 라벨과 구성이 중요합니다.
 
2. 정상 데이터의 보유 여부
불량과 이상을 탐지하고 정의를 하기 위해서 비정상 데이터를 보유하는 것은 당연합니다. 초기 AI 모델에게 불량 유형을 학습시키는 동일한 원리로 정상 유형을 설정해야 합니다.
머신러닝 네트워크는 인간의 논리를 기반으로 설계되었기에 사람의 사고방식과 동일합니다. 웨이퍼 기판이 깨지고  이물질이 발생하고 다양한 불량 유형들이 있겠지만 정상 제품이 무엇인지에 대한 이해가 전제로 있어야만 합니다.
 
3. 적합한 데이터의 부족
데이터의 볼륨도 중요하지만 데이터 품질과 적합성도 매우 중요한 요소입니다. 수요 예측이란 제품 매출액 외에도 경제, 트렌드, 계절성, 브랜드 인지도와 평가 등 수많은 영향 요인들이 있습니다. 때문에 매출 데이터만으로 정확한 수요 예측 모델 생성은 어렵습니다. 그래서 각 요소들이 어떠한 연관성 있는지 어떤 문제를 해결할 수 있는지 파악하기 위해 PoC를 진행하기도 합니다.

결론적으로 어떤 문제를, 왜 해결하고자 하는지 정의를 해야만 적합한 데이터를 적절한 기준으로 구분할 수 있습니다.

위의 예시에서는 재고 확보, 생산량 관리 등의 수요 예측을 하고자 하는 목적이 무엇인지 정의가 있어야 효과적으로 AI를 도입할 수 있습니다. 문제 선정에 대한 중요성을 이해하셨나요?
AI 모델을 개발하기 위해 문제 정의, 데이터 수집, 그리고 데이터 전처리는 매우 밀접하게 상관된 핵심 프로세스입니다.
RTM은 반도체 및 첨단 정밀 공정 노하우를 이해하는 제조 전문가들과 데이터 스페셜리스트들이 문제 선정부터 AI 솔루션 개발과 도입까지 함께 서비스를 제공합니다. AI 솔루션 도입을 고민하는 제조 기업들은 RTM 전문가와 전문 상담을 통해 맞춤형 솔루션을 발견하세요.

Research Lab

10F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Headquarter

7F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Email

admin@rtm.ai

Tel

02.2088.6780

Fax

070.7543.6780

© 2022 RTM. All Rights Reserved.

Research Lab          Youtube        Facebook

Research Lab

10F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Headquarter

7F Kwangsung Bldg, 11, Yeoksam-ro 3-gil, Gangnam-gu, Seoul, Republic of Korea

Email

Tel

Fax

admin@rtm.ai

02.2088.6780

070.7543.6780

© 2022 RTM. All Rights Reserved.
Scroll to Top