이 시각 제조 영역에는 ‘혁신’에 대한 기대감과 이러한 ‘변혁’에 발맞춰야 한다는 긴장감이 공존하고 있다. 제조업은 앞서 자동화 공장을 통해 패러다임 전환을 경험했다. 현시점에는 ‘자율제조(Autonomous Manufacturing)’로의 체질 변환을 앞두고 있는 양상이다. 기존 자동화 공장은 인간을 보조하고, 인간과 협력해 제조 혁신을 맛봤다. 이 시스템에는 다양한 자동화 요소가 이식되지만, 형태 측면에서 단순 자동화 그치는 경우가 많았다. 자율제조 체제는 제조 설비 운영 프로세스 전주기에 걸쳐 인간이 관여하는 부분을 최소화하는 차세대 지능·자동·자율화 제조 인프라다. 자율제조 시스템이 실현된 제조 시스템은 생산 공정부터 설비 관리까지 다운타임(Downtime)을 ‘쏙 뺀’ 365일 24시간 가동이 가능할 전망이다. 이를 통해 생산성 극대화, 수율 최적화, 이윤 최대화 등 제조 영역의 궁극적 가치를 이룰 수 있을 것이라 기대받는다. 이에 전 세계 제조 생태계는 스마트 팩토리(Smart Factory)를 계승한 자율제조를 제조 혁신 최종 진화형으로 인식하고 있다. 이 과정에서 인공지능(AI)은 스마트 팩토리와 자율제조를 잇는 링커(Linker) 역할을 하고
티라유텍이 제조 실행 시스템상 ‘인공지능 학습을 위한 데이터 증강 방법 및 시스템’을 개발, 특허 취득을 완료했다고 밝혔다. 이번에 취득한 특허는 산업통상자원부 재원으로 한국에너지기술평가원 신재생에너지핵심기술개발 사업의 지원을 받아 수행한 국책과제다. 과제명은 ‘AI∙빅데이터 기술 활용 태양광 모듈 제조공정 혁신을 통한 품질관리 최적화’다. 이 특허는 시험 목적 설비, 가동 초기 설비, 다품종 소량 생산 및 주문생산 설비 등의 시계열 데이터 부족에 따른 인공지능 적용의 어려움을 극복하기 위한 기술이다. ‘데이터 증강 기법’을 통해 원본 데이터를 변형해 학습이 가능한 수준의 유사한 특성을 가진 데이터를 생성하는 것이 특징이다. 특허를 적용하면 티라유텍은 MES DB에 저장된 데이터를 증강시켜 AI 학습 적합도를 검증하고 분석이 완료되면 다시 MES DB에 저장하여 AI 학습에 사용할 수 있다. AI 모델의 성능 개선은 물론 적은 양의 데이터로 학습 시 발생할 수 있는 과소적합 현상을 방지할 수 있을 것으로 기대된다. 티라유텍 관계자는 “이번에 취득한 특허는 산업 자동화 및 제조 분야에서 수집되는 시계열 데이터에 적합한 데이터 증강 기법을 적용한 것이 핵심”이라
공정의 효율을 이끌어내기 위한 기본적인 방법 중 하나는 ‘끊김 없는 공정’이다. 문제 발생 후 해결을 위한 공정 중단은 생산성을 저하시키고, 시간 연장 등의 비효율을 가져오기 때문이다. 그렇다면 문제가 생기기 전, 미리 이상 징후를 탐지할 수 있는 예지보전은 무엇보다 중요하다. 마크베이스의 AIoT Suite 적용 사례로 본 프레스 장비 모터의 이상 감지를 돕는 방안에 대해 소개한다. 예지보전은 데이터를 수집해서 데이터 내부에 포함된 이상징후를 감지하고, 탐지된 결과를 분석 후 조치하는 과정이다. 때문에 유지보전은 공정의 효율을 높이기 위한 필수사항이다. 최근 OT 단의 컴퓨팅 파워가 좋아지면서 실시간으로 쏟아지는 데이터를 안정적으로 수집하고 저장해 전처리 과정을 거쳐 현장이 원하는 데이터의 형태로 만드는 것이 무엇보다 중요해지고 있다. 예지보전의 과정에는 수집/저장, 전처리/학습, 실시간 데이터 흐름, 패턴, 사용자 유지보수 등의 어려움이 있다. 예지보전을 예측하기 위해선 학습을 위한 장기간 데이터 모두의 수집이 필요하다. 데이터 수집 후, 대용량 수집 데이터에 대한 학습 데이터 추출이 필요한데, 데이터 전처리 시간 및 비용이 기하급수로 증가해 큰 어려움을