산업용 인공지능(Industrial Artificial Intelligence)

작성: 차석근(sk_cha@acs.co.kr)

요약

인공 지능 (AI)은 인간이 감지 및 추론 프로세스를 모델링하는 많은 지능형 방법을 탐색 할 수 있도록 하는 인지 과학입니다. 산업용 AI는 기술자 도구로 반복과 일관된 성공으로 AI 알고리즘을 체계적으로 개발하고 구축 할 수 있는 체계적인 규율입니다. 이 논문에서는 이 혁신적인 기술의 중요한 이점에 대해 설명합니다. 또한, 본 연구는 제조 에코 시스템에서 산업 AI를 구현하고 상당한 재정적 이익을 얻은 상위 제조업체에 적용되는“등대 공장”을 새로운 형태로 설명합니다. 이 연구는 실제 산업 AI 구현에 대한 연구원 및 산업의 지침 및 로드 맵으로 작용할 것으로 생각됩니다.

핵심어: 산업용 AI, 스마트 제조 시스템, 등대 공장, 사이버 물리 시스템, 산업 4.0

1. 소개

스마트 제조분야의 혁신리더십에 대한세계적인 경쟁은유럽, 미국및 아시아의기업들 사이에서시작되고 있습니다. 제조업은제조업체가 공장을디지털화하는 데도움이 되는기술로 인해과거 경험하지못한 변화를겪고 있습니다. 제4차산업혁명은 회계와운영 분야에영향을 미치면서생산성과 고객만족도를 향상시킬수 있습니다. 실질적인제조 4.0 구현은생산성향상, 유연성, 품질 및속도 개선으로시작됩니다. 동적으로 급변하는주문형 생산시스템을 구현하기위해 기계와기계 및인간과 기계간의 상호작용을 통해제조 유연성을달성 할수 있습니다. 실시간플랜트 모니터링및 적시유지 보수를통해 품질을향상시킬 수있습니다. 제조 장비및 도구의품질 저하는계획되지 않은가동 중지시간을 증가시켜제품 품질을낮추고 생산성을줄입니다. 따라서 지능화예지 및건강 관리 (PHM:Prognostic and Health Management) 도구는 적시유지 관리에필수적이며, 고품질 제품을보장하고 비계획가동 중지시간을극소화하며 고객만족도를 높입니다. 전주기제품수명에 기여하는서로 다른제조 부문간의 상호연결성을 향상시켜제조 리드타임을개선할 수  있습니다. 기업 간수직 및수평 데이터통합은 회사, 부서, 기능및 기능간에투명성과 응집성제공으로 제조효율성을 크게높일 수있습니다. 이러한 단기및 장기목표에 따라산업 4.0 실현은다른 제조산업의 많은리더에게 최우선과제로 남아있습니다. 그러나 이러한기술을 대규모로빠르게 적용할수 있는제조 현장은거의 없습니다.

최근 세계경제 포럼 (World Economic Forum)은 McKinsey & Company와의협력을 통해모든 산업및 지역에서 1,000 개가넘는 주요제조업체를 조사하고 16 개“등대공장”을 선정하여최첨단 생산현장으로 인정했습니다 [1]. 이러한소위 등대공장은 제조4.0 기술의대규모 구현을향해 다른산업을 안내하기위한 대표역할을 합니다. 우리는조직이 등대공장지위를 달성하기위해 제조4.0 기술의채택, 확장및 성공적인구현을 위한포괄적 인기술 로드맵과 프레임워크가 필요합니다.

2.파괴적인 제조 4.0 기술의진화

3 차산업 혁명동안 제조기술의 발전은컴퓨터 수치제어, 유연제조시스템, 컴퓨터지원 설계, 컴퓨터지원제조 및컴퓨터통합 제조와같은 정보기술과 밀접한관련이 있습니다. 20 세기말에 달성된 이혁명은 컴퓨터의현대화, 인터넷 보급및 다양한디지털 장치로특징 지워졌습니다. 사물인터넷 (Internet of Things)은 4 차산업 혁명을일으켰으며, 때로는 산업4.0이라고도불립니다. IoT 개념이 적어도 1991 년이후로 문헌에서논의되었지만, 영국의 기업가인 Kevin Ashton이 Proctor & Gamble의 프레젠테이션에서 '사물인터넷'이라는 용어를만들어 낸것은 1999 년 (그림 1)입니다.

초기 단계에서 IoT 기술은주로 제조요소를 식별하고 ID를할당하며 정보및 통신도구를 사용하여연결을 개선하는데 중점을두었습니다. 클라우드 컴퓨팅의출현은 확장가능한 IoT 응용 프로그램의개발 및구현을 위한촉매 역할을했습니다. 클라우드 컴퓨팅은 IoT 장치에서생성 한데이터의 저장, 계산및 통신을위한 플랫폼을제공했습니다. 곧 기업은소프트웨어, 인프라 및플랫폼을 서비스로제공하여 거대기업의효율성을 대폭개선하고 비용을절감하는 동시에회사가 자체통신 인프라를개발할 필요가없게 했습니다

2009 년에는이러한 제조기술의 발전에힘 입어클라우드 제조라는새로운 패러다임이등장했습니다. 이것은 클라우드제조 버전으로발전되었습니다.

클라우드가 분산된 제조리소스를 집계한 다음이를 서비스로추출 및가상화하기 위한핵심 기술지원을 제공한 컴퓨팅제품 수명주기의모든 것이서비스로 제공될 수있는 제조효율성과 새로운수익 생성개선에 도움되었습니다. IoT 및 클라우드제조에 대한관심이 높아짐에따라 인터넷은흩어져 있고연결된 수많은장치가 폭발적으로확장되어 전례가없는 수준의제조 데이터생산 및소비가 발생했습니다.

그러나 클라우드컴퓨팅의 중앙집중 데이터센터모델의 인프라및 네트워크연결은 빅데이터를 실시간처리하도록 설계되지않았습니다. 따라서 2014 년 Cisco는 단순히여러 소스에서원시 데이터를추출하여 분석을위해 클라우드로직접 보내는대신, 포그컴퓨팅 개념을도입했습니다. “장치와 클라우드컴퓨팅 데이터간에컴퓨팅, 스토리지 및네트워킹 서비스를제공하는 고도로가상화 된플랫폼 센터” 인포그 컴퓨팅은클라우드 인프라를엣지 장치에가깝게 구성하므로엣지 계산및 로컬스토리지를 수행하여클라우드 효율성을향상시킵니다.

한편, 데이터무결점, 유연성, 시각화 및감독 통제를개선하기 위해사이버 시스템과물리적 시스템을통합하는 데많은 노력이있었습니다. 이와 관련하여 2015 년혁신적인 IMS (Center forIntelligence Maintenance Systems)에서혁신적인 5 단계 사이버물리 생산시스템 아키텍처를제안했습니다 [2]. 제안 된 5C-CPPS 아키텍처는산업 4.0 제조시스템에서 사이버물리 생산시스템을 단계별로구현을 위한명확한 로드맵을 제공합니다. 이디자인에서는 디지털트윈 개념이사이버 수준에올바르게 통합되어이 영역의향후 개발을명확하게 합니다. 또한블록 체인은다른 인에이블러와 함께저렴한 비용으로적은 에너지로보안, 투명성및 P2P 상호작용을 크게개선 할수 있는유망한 기술입니다 [3]

인공 지능에관한 최근백악관 보고서 [4]는 AI의중요성과 이분야에 대한명확한 로드맵 및전략적 투자의필요성을 강조합니다.  AI는이 디지털혁신의 주요구성 요소로자리 매김되고있습니다. 기존의 파괴적인제조 4.0 기술을사용하더라도 제조에연결된 대부분의연결된 장치는초기화, 관리, 모니터링및 피드백을포함하여 사람의개입 없이도결정을 내릴수 없습니다. 이러한물리적으로 연결된것들에 지능을주입하면 그것들로부터생성 될수 있는가치가 기하급수적으로 증가할 수있습니다. AI는 최소한의인간 상호작용으로 작동하는    스마트공장목표를 지원합니다.

IMS는강력한 5C-CPPS 아키텍처를 기반으로산업지능화라는 새로운용어를 만들어냈습니다. 이 개념은제조의 여러측면에서 생산성, 유연성, 품질및 속도를향상시킬 것으로예상됩니다. 산업용 AI는 데이터기술, 분석기술, 플랫폼기술 및운영 기술의네 가지기술을 통해스마트하고 탄력적인 산업시스템을 구현할수 있습니다. 적층제조, 증강현실 및고급 로봇공학과 같은지원 기술은제조 4.0으로의이동 속도를높이는 촉매제가될 수있으며, 새로운 기술구현 및단기 및장기에 대한꾸준하고 일관된진행을 보장하는적응 형비즈니스 모델이될 수있습니다. .

3. 스마트 제조의 촉매제 인 AI

스마트 제조에서 AI 도구와 기술의 역할은 뜨거운 주제입니다. AI 혁명은 초기 단계를 넘어서며 많은 회사들이 상당한 적용을 하고 있습니다.

오늘날 공장 현장에 배치 된 크고 작은 장치에는 많은 양의 데이터를 수집 / 공유하고 다양한 작업을 수집하는 센서가 장착되어 있습니다. 제조업체는 빅 데이터 분석의 전략적 중요성을 인식하기 시작했으며, 따라서 데이터는 제조 경쟁력을 향상시키는 핵심 요소가 되었습니다.

AI의 분석 기능을 활용하여 실시간으로 분석되는 이러한 방대한 양의 데이터는 자산 가동 중지 시간 감소, 제조 효율성 향상, 생산 자동화, 수요 예측, 재고 수준 최적화 또는 위험 수준 향상 등 의사 결정을 개선하고 비즈니스 사용자에게 향상된 통찰력을 제공 할 수 있습니다. PHM은 이 기술의 주요 응용 프로그램 중 하나이며 수요 예측, 품질 관리 및 로봇 공학이 밀접하게 따릅니다. 지난 몇 년간, 기업 차원의 통찰력을 즉각적으로 강화하거나 기업이 특정 기계, 프로세스 또는 문제를 이해하도록 돕는 AI 코팅 마술 총알을 제공하려는 벤처 기업이 수백 개나 나왔습니다. 이 경쟁의 승자는 기업이 요구하는 확장 가능한 솔루션을 제공 할 것입니다.

그림 1 : 제조분야의 파괴적인기술 발전

4. 디지털 혁신 : 파일럿단계에서 멈춤

이러한 디지털혁신에 효과적으로적응하기 위해기업은 이러한파괴적인 기술의기능과 기존생태계에 미치는영향을 이해해야합니다. 그러나 많은회사는 전략과비즈니스에 AI를 포함시킬수 있는방법에 대한포괄적 인기술 로드맵과 프레임워크를 가지고있지 않습니다. 따라서그들은 아직채택으로 의미있는 이익을얻지 못하고있으며 그로인한 경제적영향의 대부분은아직 오지않았다. 그들은“조종사 지옥”에갇혀있는 것으로보이며 체계적인능력을 쌓는데 성공할수 없습니다.

자동화는 제한된수의 시나리오에서정해진 규칙세트에 따라사전 정의된 조작세트를 수행하는로봇 / 기계 / 장비의배치로 시각화할 수있습니다. 그러나 AI 기반 머신은규칙을 따르는것이 아니라데이터 내의패턴을 지능적으로이해하고 인식하며과거 경험을통해 배우고미래의 성능을향상시킵니다. 따라서 AI를 사용하면동일한 장비및 장비세트가 주어진솔루션 공간내에서 복잡한문제에 대한솔루션을 식별할 수있습니다.

이 비전은건전하지만 전세계의 비즈니스리더는 제조산업에서 AI의 실시간구현을 방해하는몇 가지실질적인 문제에직면하고 있습니다. 1) 산업계가이 기술을수용하도록 설득할 수있는 산업성공의 증거는충분하지 않습니다. 2) 광범위한산업 응용분야에 적용하기위한 체계적인접근 방식의부족; 3) 데이터가다른 형식으로보고되고 기록될 때기계 / 장비에서표준화되고 구조화된 데이터를사용할 수없습니다 4) 산업에서 기계고장을 거의허용하지 않기때문에 기계고장 데이터를사용할 수없습니다. 5) 동적 애플리케이션배경은 결과를검증하기 위해일반 상식을추가하기 위해작업자를 통한개입이 필요할수 있습니다.

5. 산업용 인공 지능은 똑똑한 제조를 강화할 수 있습니다

기업들은 산업 환경에서 AI를 구현하기 위한 체계적인 구조가 필요합니다. 산업용 AI는 스마트하고 탄력적 인 산업용 시스템을 실현하고 내결함성, 주문형 및 자체 구성이 가능합니다. 산업 AI는 "지속 가능한 성능을 가진 산업 응용 프로그램을 위한 다양한 기계 학습 알고리즘의 개발, 검증 및 구현에 중점을 둔 체계적인 학문"과 같이 정의됩니다. 기본 개념은 AI 방법론으로 보강 된 분산 제조 리소스를 최적으로 조정하여 최종 사용자에게 주문형 제조 서비스를 제공하는 것입니다. 그림 2는 IMS 5C-CPPS 아키텍처와 관련하여 산업 AI의 4 가지 기술을 더 잘 이해할 수 있음을 보여줍니다. 이 아키텍처는 초기 데이터 수집에서 최종 가치 창출에 이르는 포괄적 인 단계별 전략을 제공합니다..

그림 2 : 제조에서 CPPS 실현을 위한 기술 활성화

데이터 기술: 데이터는 제조4.0의성장을 촉진하는잠정적인 새로운오일입니다. 따라서 스마트공장은주로 데이터또는 정보, 지식및 통찰력으로이어지는 보다정확하게 실행가능한 데이터에관한 것임을이해하는 것이중요합니다. 더 많은데이터를 분석할수록의사 결정이더 똑똑해집니다. 4 차산업 혁명이전에는 머신데이터를 수집하는수동 방법에크게 의존했습니다. 이는매우 비효율적이며인적 오류에매우 취약하며운영에 대한실시간 가시성을제공 할수 없었습니다. 경쟁이치열한 제조환경의 변화에 ??따라머신 및애플리케이션에서 데이터수집 프로세스를자동화하는 것이미래의 성공에필수적입니다.

센서를 사용하여생산현장을 계측하면제조 장비, 재고, 사람등 회사자산의 용량및 성능에대한 완벽한가시화가 가능합니다. 절삭력, 진동, 음향등의 장비에서다양한 유형의신호를 수집할수 있습니다. 배출, 온도, 전류, 기름잔해, 압력등 데이터는정적 (기계 ID, 프로세스매개 변수, 작업 ID 등, 즉대부분 배경정보) 또는동적 (기계상태, 재고수준, 자산활용 등) 일수 있습니다.  데이터 구성요소 레벨, 기계레벨 또는작업 현장레벨에서 생성될 수있으며 구조화된 데이터와구조화되지 않은데이터로 크게나눌 수있습니다. 데이터 기술의역할은 방대한양의 다양한제조 데이터스트리밍을 실시간으로효율적으로 효율적으로추적, 제어및 문서화하는것입니다. 데이터 통신및 관리는산업용 AI를위한데이터 기술의중요한 부분이되었습니다. 통신 기술은높은 데이터전송 속도, 낮은대기 시간, 높은신뢰성, 높은 보안성, 정확한추적 성및 확장성과 같은기능이 필요합니다.

분석 기술: 오늘날 많은회사는 데이터수집 하드웨어및 센서에상당한 투자를하여 대량의프로세스 데이터를수집하고 저장합니다. 그러나일반적으로 운영개선의 기초가아닌 추적목적으로 만사용합니다. 수집 된정보로 무엇을해야 하는지아는 것이중요합니다. 분석은 관행을평가하고 개선하기위해 이러한데이터 스트림에통계 및기타 수학적도구를 적용하는것을 말합니다. 분석기능을 통해제조업체는 생산공정에서 가장미세한 변동성을조사하고 Six Sigma와 같은린 (lean) 생산방식을 넘어설 수있습니다. 이를 통해생산 프로세스를가장 구체적인작업 또는활동으로 분할하여성능이 저하되거나병목 현상을일으키는 특정공정 / 구성요소를 식별할 수있습니다.

데이터 기반모델링을 통해제조는 숨겨진패턴, 알려지지않은 상관관계 및제조 시스템의기타 유용한정보를 발견하고얻은 정보를다른 기술과통합하여 생산성과혁신을 향상시킬수 있습니다. 데이터분석 외에도데이터 시각화도구는 분석기술의 필수요소입니다. 데이터 분석에서제공하는 최신실시간 정보는결과를 업무에종사하는 사람들에게결과를 명확하고효과적으로 전달할수 없다면낭비가 됩니다. 해석하기쉽고 사용자에게친숙한 그래프, 차트및 보고서를통해 제조업체는분석 된데이터를 보다쉽게 ??이해하고중요한 지표를추적하며 목표와얼마나 멀리또는 가까이있는지 평가할수 있습니다.

플랫폼 기술: 플랫폼은 장치연결, 데이터처리 (수집 / 추출스토리지 분석시각화) 및 최종애플리케이션에 이를전달하는 등산업 환경에서응용 프로그램구현에서 역할을수행하는 하드웨어또는 소프트웨어를말합니다. 플랫폼은 산업용 AI 개념의중심에 서서각 산업에고유 한애플리케이션 중심기능을 개발하는데 필요한도구와 유연성을제공합니다. 플랫폼 기술은디지털 트윈, 데이터스토리지, 작업장 전체의연결성, 에지 인텔리전스, 로봇통합 등의기술을 조정, 통합, 구현및 지원하는데 도움이됩니다. 일반적으로 독립형, 포그/ 엣치와클라우드와 같이세 가지주요 유형의플랫폼 구성을찾을 수있습니다. 이들의 차별화요소는 분석이구현되는 위치입니다.

6.‘등대’: 스마트공장 실현을위한 도약

일반적으로 제조문제는 가시적인영역과 보이지않는 영역의두 영역으로매핑 될수 있습니다 (그림 3). 기계고장, 수율감소, 제품품질 손실등이 눈에보이는 결함의예입니다. 보이지 않는문제는 기계성능 저하, 부품마모, 윤활부족 등과관련이 있습니다. 일반적으로고장, 품질및 생산성과같은 잘정의 된문제는 연속적인개선 및표준 작업을통해 해결됩니다. 즉, 전통적인제조 방식 (왼쪽하단). 오늘날경쟁사들은 문제방지를 위한경쟁 (왼쪽상단)보다경쟁 업체보다더 빠르게고품질의 고객이원하는 제품을설계, 생산및 제공하기위해 AI 알고리즘을사용하고 있습니다. 많은회사의 현재노력으로 보이지않는 문제 (오른쪽공간)에대한 새로운방법 / 기술이개발되었습니다. 산업 AI 기반접근 방식을채택하면 역동적이고불확실한 환경 (오른쪽상단 공간)에서스마트 제조를위한 새로운가치 창출기회를 창출할 수있습니다. 산업용 AI의 핵심요소를 통합적으로구현하면 눈에보이는 문제를해결할 뿐만아니라 보이지않는 문제도피할 수있습니다.

산업 AI는작업 감소, 폐기물감소 및걱정 없는제조와 같은스마트 제조분야에서 3W를 달성하는데 도움을줄 수있습니다. ‘걱정’은 제품의품질 저하, 고객불만족 또는비즈니스 쇠퇴로인해 발생할수 있는오늘날의 제조시스템에서 보이지않는 문제입니다. 이러한과제를 해결하려면체계적인 접근방식을 통해고급 AI 도구를활용해야 합니다. 적응형 AI 모듈의활용을 통해문제의 가시적인 측면을식별하고 미래의문제를 해결함으로써작업 및낭비를 줄일수도 있습니다.

윤활 등일반적으로 고장, 품질및 생산성과같은 명확하게정의 된문제는 연속적인개선과 표준작업을 통해해결됩니다. 즉, 전통적인제조 방식 (왼쪽하단). 오늘날경쟁사들은 문제방지를 위한경쟁 (왼쪽상단)보다경쟁 업체보다더 빠르게고품질의 고객이원하는 제품을설계, 생산및 제공하기위해 AI 알고리즘을사용하고 있습니다. 많은회사의 현재노력으로 보이지않는 문제 (오른쪽공간)에대한 새로운방법 / 기술이개발되었습니다. 산업 AI 기반접근 방식을채택하면 역동적이고불확실한 환경 (오른쪽상단 공간)에서스마트 제조를위한 새로운가치 창출기회를 창출할 수있습니다. 산업용 AI의 핵심요소를 통합적으로구현하면 눈에보이는 문제를해결할 뿐만아니라 보이지않는 문제도피할 수있습니다.

산업 AI는작업 감소, 폐기물감소 및걱정 없는제조와 같은스마트 제조분야에서 3W(Waste Reduction,Work Reduction, Worry Free Manufacturing)를달성하는 데도움을 줄수 있습니다. ‘걱정’은제품의 품질저하, 고객불만족 또는비즈니스 쇠퇴로인해 발생할수 있는오늘날의 제조시스템에서 보이지않는 관심사입니다. 이러한과제를 해결하려면체계적인 접근방식을 통해고급 AI 도구를활용해야 합니다. 적응형 AI 모듈의활용을 통해문제의 가시적인 측면을식별하고 미래의문제를 해결함으로써작업 및폐기물 감소를달성 할수도 있습니다.

그림3 : 산업 AI의 영향: 눈에 보이는 문제 해결에서 보이지 않는 곳으로 피하기

제조 기술개발에 고급기술을 통합하고상당한 경제적및 재정적이점을 얻은공장은 제조4.0 및소위 등대공장의 맥락에서진정한 지침을제시합니다. 인텔리전스는 이러한고유 한공장의 핵심자산이며 산업용 AI의적응 및구현을 통해완전히 활용되며, 4 개의기술 지원도구를 통해핵심 추진엔진 역할을하고 실제구현을 위한고급 CPS 구조를크게 단순화할 수있습니다 (그림 4). 이설계에서 제조병목 현상은서로 협력하여작동하는 로컬장치에 내장된 자율 AI 모듈로명확하게 식별및 관리됩니다. 예를들어, Apple에서 가장큰 단위제조 계약자폭스콘은 등대공장 중하나입니다. 이 회사의심천 공장은대부분의 생산라인과 공장을완전히 자동화하여진정한 등대공장이되었습니다. 그들은 생산라인에서 로봇을사용하고 있기때문에 더적은 빛을필요로 하며더 중요한것은 더적은 인력을필요로 합니다. 이운동은 Bosch Automation, BMW,Tata Steel, Procter & Gamble 및 Rold를포함한 다른회사들로 확장되었습니다.

그림4 : AI는 등대 공장에서 핵심 자산 주도 성장

7. 결론

이 백서는제조 시스템에서산업 AI를실현하기 위한핵심 기술을제시합니다. 이 지능형시스템의 주요요소 및해당 기능에대해 자세히설명합니다. 산업 AI는제조 시스템의주요 트렌드중 하나로간주되며 이연구는 이기술을 산업 4.0에대한 개발과통합하기 위한연구에 대한지침을 제공할 것으로생각합니다.

참고 문헌

[1] Leurent, H., Boer, E. D., “Fourth Industrial RevolutionBeacons of Technology and Innovation in Manufacturing” White Paper, January 10,2019. https://www.weforum.org/whitepapers/fourth-industrial-revolution-beacons-of-technology-and-innovation-in-manufacturing

[2] Lee, J., Bagheri, B. and Kao, H.A., 2015. Acyber-physical systems architecture for industry 4.0-based manufacturingsystems. Manufacturing letters, 3, pp.18-23.

[3] Lee J, Azamfar M, Singh J. A Blockchain EnabledCyber-Physical System Architecture for Industry 4.0 Manufacturing Systems.Manuf Lett 2019. doi:10.1016/j.mfglet.2019.05.003.

[4] House, W., 2016. Artificial intelligence, automation, andthe economy. Executive office of the President.

https://obamawhitehouse.archives.gov/sites/whitehouse.gov/files/documents/Artificial-Intelligence-Automation-Economy.PDF.