용접(Welding) 공정이 숙련자의 손끝에서 로보틱스·센서 중심의 자동화(Automation) 체계로 전환되고 있다.
지금까지의 현장 용접은 자동차·조선·플랜트 등 주요 산업의 품질을 결정짓는 핵심 공정임에도 불구하고, 고열·용접매연(Fume)·자세 등 열악한 환경 탓에 인력난과 품질 편차라는 고질적인 숙제를 안고 있었다.
최근 이러한 흐름은 ‘생산 지속성’의 문제로 직결되고 있다. 미국용접학회(AWS)가 향후 5년간 32만 명 이상의 신규 인력이 필요하다고 경고한 가운데, 국내 역시 숙련공 고령화와 신규 유입 둔화라는 이중고를 겪고 있기 때문이다. 국제로봇연맹(IFR)의 통계처럼 전 세계 누적 가동 산업용 로봇이 428만 대를 넘어선 지금, 자동화의 중심은 품질 판단과 공정 제어까지 아우르는 지능형 생산 체계로 이동 중이다.
지난 14일 경상남도 창원특례시 소재 창원컨벤션센터에서 열린 ‘2026 스마트 용접 자동화 세미나’는 이러한 제조 패러다임의 변화를 제시했다. 세미나는 ‘인공지능과 머신비전이 이끄는 스마트 용접 제조 혁신(AI & Vision Driven Smart Welding Manufacturing)’을 주제로 열렸다.
이번 행사에서는 3차원(3D)으로 용접부를 읽어내는 머신비전(Machine-vision)부터 인공지능(AI) 품질 제어, 레이저(Laser)·아크(Arc) 하이브리드 고속 용접, 협동 로봇(코봇)에 이르기까지 용접 공정이 어떻게 ‘데이터 기반 제조 인프라’로 진화하고 있는지가 상세히 다뤄졌다.
비드의 흉터까지 데이터로...육안 검사 한계 부수는 법
박영도 동의대학교 교수는 3D 머신비전 기반 용접 품질검사에 대한 논의를 펼쳤다. 발표의 출발점은 용접부 검사 방식의 전환이었다. 용접 품질을 작업자 눈과 경험에 맡기던 구조에서 벗어나, 센서가 형상을 읽고 시스템이 품질을 판단하는 구조다.
박 교수가 이 같은 전환을 강조하는 이유는 용접 공정 특유의 복잡성 때문이다. 실제로 용접부는 평평한 표면의 검사 대상이 아니다. 용접 후 형성되는 띠 모양의 용접 흉터인 ‘비드(Bead)’의 폭·높이, 표면 굴곡, 눌린 자국인 ‘압흔(Indentation)’, 금속 파편이 튀어 굳은 ‘스패터(Spatter)’, 접합부 주변의 ‘열 변형’ 등이 복합적으로 나타난다.
기존 2차원(2D) 이미지는 표면의 색상이나 윤곽 확인에는 용이하지만, 이처럼 복잡한 높낮이, 단차, 체적 변화를 정밀 포착하는 데는 물리적 한계가 있었다.
박 교수는 이 지점을 3D 머신비전의 필연적인 역할로 연결했다. 레이저·비행시간측정(ToF) 등 3D 센서가 용접부를 입체 좌표로 읽어내면, 검사 대상은 높이값·폭·굴곡이 포함된 구체적인 데이터셋(Dataset)으로 변환된다. 이를 통해 품질 판정 역시 양·불의 막연한 육안 판단에서 벗어나, 철저히 수치화된 정량 기준을 따르게 된다는 설명이다.
박영도 교수는 3D 머신비전의 데이터화가 가져올 현장 변화를 자동차 차체, 조선 블록, 플랜트 배관 등 반복 용접 공정과 연결했다. 접합점이 많을수록 샘플링 검사의 빈틈은 커지고, 작업자의 숙련도와 피로도에 따른 품질 편차도 누적된다는 주장이다. 이 가운데 '인라인(In-line) 3D 검사'가 이 공백을 줄이는 품질 관리 장치로 제시됐다.
생산 과정에서 용접부를 즉각 측정해 이상 형상을 실시간으로 잡아내고, 축적된 검사 데이터를 다음 공정의 기준값으로 전송함으로써 전체 공정의 최적화를 이끌어낸다는 예측이다.
“불량 검출은 기본, 원인까지 추적” 사후 처리에서 실시간 제어로
앞선 발표가 용접부를 3D 형상으로 읽어내는 ‘입력’의 문제를 다뤘다면, 두 번째 발표를 맡은 소한별 엘엠아이테크놀로지스코리아 지사장은 그 데이터를 실제 검사와 품질 제어로 연결하는 ‘판단의 단계’에 집중했다. 발표 주제인 ‘AI 기반 용접 품질 제어’는 결국 수치화된 데이터를 지능형 공정 가이드로 전환하는 과정이다.
소 지사장은 용접 품질을 결정짓는 변수가 단순하지 않음을 강조했다. 전류·전압·속도 등 장비 조건부터 소재 상태, 작업 자세, 열 변형, 심지어 보호 가스 조건까지 동시에 작용한다는 게 그 주장의 배경이다.
지사장은 같은 장비와 작업자 조건에서도 결과가 매번 같을 수 없는 용접 현장의 가변성에 주목했다. 발표는 이 한계를 AI·센서 결합으로 줄이는 방향에 맞춰졌다. 공정 중 발생하는 형상·패턴을 반복 학습하고, 정상 범위와 이상 신호를 실시간으로 분류하는 체계다.
이처럼 엘엠아이테크놀로지가 제안하는 핵심 솔루션은 3D 센서 기반 검사와 AI 판정의 유기적 결합이다. 3D 센서가 비드의 높이·폭·단차 등을 포착하면, AI는 이 데이터를 학습된 검사 기준과 대조해 불량 가능성이 있는 패턴을 분류한다. 이는 반복되는 불량의 원인을 데이터로 추적해, 공정 편차 자체를 줄이고 품질 기준을 안정화하는 데 목적이 있다.
납기·원가를 재설계하는 ‘전략적 용접 공정 융합 기술’
이제는 실제 제작 현장의 병목을 뚫어낼 '한 방'을 제안했다. 지창욱 한국생산기술연구원(KITECH) 수석연구원은 고속 용접 기술을 통한 제조 리드타임 단축을 해법으로 내놨다. 지 연구원은 극저온 환경을 견뎌야 하는 액화천연가스(LNG) 선박 연료탱크 제작 사례를 통해 설득력을 높였다. 레이저(Laser)·아크(Arc)의 장점을 결합한 하이브리드 용접의 실효성을 입증한 것.
그에 따르면, 조선·플랜트 산업에서 용접은 전체 생산 시간표를 결정짓는 핵심 변수다. 특히 선박처럼 대형 구조물일수록 용접 길이는 길어지고, 소재는 두꺼워지며, 품질 기준은 더욱 엄격해진다.
그는 기존 아크 용접은 범용성은 높지만, 두꺼운 소재를 접합할 때 수차례 용접(Multi-pass)을 반복해야 하는 한계가 있었다고 말했다. 이는 작업 시간의 연장은 물론, 누적된 열로 인한 소재 변형을 유발해 후공정의 부담을 키우는 결과로 이어졌다.
지 수석연구원이 선보인 '레이저·아크 하이브리드 용접'은 이러한 물리적 한계를 정면으로 돌파한다. ▲깊고 빠른 용입(Penetration)이 특징인 레이저 ▲현장 적응력이 뛰어난 아크 용접 등을 동시에 활용한 접근법이다. 이러한 방법론은 용접 횟수를 줄이면서도, 접합 속도를 높이는 것이 핵심이다. 이로써 대형 구조물 제작에 소요되는 시간을 물리적으로 단축하고 공정 효율을 극대화한다는 게 그의 설명이다.
숙련공은 품질 확인에만 집중하기로...코봇, 인력을 고부가가치 업무로
임재익 테라다인로보틱스 차장은 스마트 용접 자동화의 ‘현장 안착’에 방점을 찍었다. 그는 발표에서 대형 산업용 로봇과는 궤를 달리하는 코봇 기반 자동화 트렌드를 언급했다. 그러면서 기술의 실행 단위를 현장 작업자 수준으로 낮춰야 한다고 강조했다.
임 차장은 기존 로봇 용접이 가진 높은 진입 장벽을 짚었다. 대량 생산 체제에 최적화된 고정식 산업용 로봇은 다품종 소량 생산이 빈번하고, 공간이 협소한 중소 제조 현장에 적용하기에는 유연성이 상대적으로 떨어진다는 지적이다. 반면 코봇은 별도의 안전 울타리(Fence) 없이 작업자 가까이에 설치할 수 있고, 공정 변화에 따른 프로그램 변경도 용이해 자동화 도입 문턱을 낮추는 대안이 된다는 강조점이다.
특히 용접 현장에서 코봇의 진가는 ‘작업자와의 역할 재배치’에서 빛을 발한다고 말했다. 다양한 위험 요소 때문에 숙련공조차 기피하는 구간을 로봇이 전담하고, 작업자는 설치(Set-up)과 품질 확인 등 고부가가치 업무에 집중하는 구조를 제안한 것이다.
임 차장은 “자동화의 진정한 목적은 사람을 배제하는 것이 아니라, 위험하고 반복적인 구간을 로봇에 맡기고 인적 자원을 더욱 효율적으로 재배치하는 데 있다”며 현장 중심의 자동화 철학을 역설했다.
앞서 제시된 스마트 용접 자동화 기술은 각종 차세대 기술이 작업자를 대신하거나 작업자와 함께 공정을 수행하는 구조다. 이번 세미나는 용접 공정이 작업자의 감각에서 데이터·로봇 중심의 제조 인프라로 이동하고 있음을 암시했다.
헬로티 최재규 기자 |
