제조 라인 생산성 극대화 위한 ‘문제 발견 – 원인 분석 – 최적화’ 과정에서의 AI 역할 강조

“기술 복잡성 높은 분야일수록 AI 활용 수준 낮아” 최적의 기술 고도화 필요성 피력

‍

초거대 AI 등장과 맞물려 산업 기술은 날로 발전을 거듭하고 있다. 초거대 AI는 그동안 산업 내 각 분야에 있던 문제 및 한계 요소를 해결하는 중추 역할을 수행하고 있다. 품질 및 생산성이 강조되는 제조 산업도 초거대 AI 돌풍에 힘입어 AI 도입을 고려하고 있다.

박진우 알티엠 부대표는 이달 16일 막을 올린 AI 전시회 ‘TAS 2023’ 내 콘퍼런스에서 “AI 모델 및 솔루션의 제조 산업 내 성과는 아직 미비한 수준”이라며 AI에 대한 이해를 나타내는 ‘AI 평가 지표’가 낮은 것을 지적했다.

그는 제조 산업 AI 도입 수준에 대해 “제조 기업 중 60%가 파일럿(실증) 단계에 머물고 있다”며 “파일럿 단계를 거쳐 실제 제품 양산 과정에 AI를 적용한 기업은 28% 규모”라고 분석했다. 이는 곧 제조 산업 내 실제 AI 활용 사례가 많지 않다는 것을 의미한다.

그럼에도 그는 실제 AI 활용 사례가 최근 3년새 우상향하고 있는 양상에 주목했다. 2021년 10%대, 지난해 15% 내외에 대비해 제조 산업 내 AI 활약 사례가 증가하고 있다는 것이다.

알티엠은 제조 생산성 극대화를 위한 AI 활용 방법론에 집중해 기술 개발 중이다. 박진우 부대표는 알티엠이 제시하는 AI를 통한 제조 생산성 극대화 전략을 소개했다. 품질 평가 및 불량 검사를 진행하는 ‘문제 발견’, 설비 및 공정 이상 원인 분석에 주력하는 ‘원인 분석’, 공정 개선 및 제어를 위한 ‘최적화’ 단계의 과정이다.

문제 발견 단계에서는 도입·활용 측면에서 기존 비전검사 방식 대비 효율성을 발휘하는 초거대 AI 모델에 집중해 강점을 언급했다. 해당 단계에서 초거대 AI 모델은 불량 데이터 학습 및 레이블링·AI 엔지니어링 검증 및 튜닝·제품 업데이트 시 재학습 등 기존 비전검사 방식이 갖고 있던 허들을 극복할 수 있을 것이라 예측했다.

그는 의료기기 제조 검사 공정에서 해당 기술의 적용 사례를 소개하며 “이물·떨어짐·갈라짐·균열·들뜸·기포 등 검사를 위해 통상 8주가량 기간이 소요됐던 기존 방식 대비, 초거대 AI 기술 적용 시 한 명의 엔지니어가 하루 만에 검사가 가능하다”고 언급했다.

이어 원인 분석 단계는 제조 설비를 주로 다룬다. 제조 공법이 복잡하다고 알려진 반도체 공정은 불량 발생 최소화를 위해 수많은 센서를 설비에 부착한 상태에서 공정 과정을 수행한다. 이는 안 그래도 복잡한 반도체 제조 공정에서 센서 수 급감으로 인한 관리 자원 증가로 이어진다. 박 부대표는 "기술 복잡성이 높은 분야일수록 AI 활용 수준 낮은 것으로 분석된다"며 지속 기술 고도화를 통한 AI 적용이 요구됨을 시사했다.

이에 알티엠은 초거대 AI 기술을 활용해 공정 종합 상태를 분석한 후 설비 상태 건강도를 제공하는 솔루션을 산업에 제시한다. 여기에 설비 특징, 빈도 높은 불량 유형 등을 나타내는 애플리케이션 등을 추가하는 커스터마이징 요소도 갖췄다. 사용자는 해당 솔루션을 통해 제품 완성도, 문제 발생 공정 등을 정량적으로 판별할 수 있다.

끝으로 최적화 단계에서 알티엠이 집중하는 영역은 제어 자동화다. 특히 품질 검사 공정에 주력해 공정 변화에 따른 결과를 분석해 불량을 줄이는 AI 모델을 개발 중이다. 박진우 부대표는 “제조 공정 최적화, 공정 결과 및 수율 예측, 설비 상태 분석 등이 AI를 활용한 솔루션의 지향점이 될 것”이라며 “현재 기대와 의구심을 동시에 받는 제조 AI 영역은 앞선 요소를 갖춰 성공 사례를 지속 구축해야 한다”고 힘주어 강조했다.

[기사 원문]