LG AI연구원, 스스로 판단하는 제조 AI 구현 나선다

LG AI연구원이 공장 설비 이상 원인을 찾아 대응책을 제안하고 제품 검사 과정에서 발생한 AI 판단 오류까지 스스로 분석하는 자율 제조 기술 개발에 나섰다.

강병준 LG AI연구원 연구위원은 14일 서울 코엑스에서 열린 '피지컬 AI 테크 위크'에서 '제조 자율화의 핵심 엔진, 에이전틱 AI'를 주제로 강연하며 제조 현장의 AI 활용 기술과 연구 사례를 소개했다.

기존 제조 AI가 설비나 제품의 이상 여부를 판단하는 데 주로 활용됐다면 LG AI연구원이 개발하는 기술은 문제가 발생한 원인을 분석하고 필요한 조치까지 제안하는 데 초점을 맞췄다.

강병준 LG AI연구원 연구위원은 ”공장 설비 이상 원인을 찾아 대응책을 제안하고 제품 검사 과정에서 발생한 AI 판단 오류까지 스스로 분석하는 자율 제조 기술을 개발하고 있다”고 밝혔다. (사진=지디넷코리아)

여러 AI 에이전트가 데이터를 분석하고 관련 문서를 검색해 문제 해결에 필요한 작업을 수행하도록 하는 방식이다.

제품 검사 과정에서 AI가 잘못 판단한 사례를 찾아 수정 방법을 제안하는 기술도 개발 중이다. 검사 환경이 바뀔 때마다 사람이 AI 모델을 조정해야 했던 작업을 줄이고, 데이터 선별부터 재학습까지 자동화하는 연구도 진행하고 있다.

다만 AI가 설비를 직접 제어하려면 안전성과 신뢰성을 확보해야 한다. LG AI연구원은 현재 AI의 분석 결과와 조치 방안을 작업자에게 전달하는 방식을 활용하면서 실제 설비 제어까지 자동화 범위를 넓히는 방안을 연구하고 있다고 밝혔다.

설비 이상 원인 분석하고 조치 제안…검사 AI도 성능 개선

강 연구위원은 제조 설비에서 이상 징후가 발생했을 때 AI가 원인을 분석하고 대응 방법을 제시하는 사례를 소개했다. 기존 이상 감지 AI가 정상과 비정상 여부를 구분했다면, 새로운 기술은 설비 데이터뿐 아니라 작업 매뉴얼과 공정 정보까지 함께 분석한다.

일례로 설비에서 비정상적인 데이터가 발생하면 AI가 관련 문서를 검색해 원인을 파악하고 필요한 조치를 제안한다. 여러 AI 에이전트가 데이터 분석과 문서 검색, 대응 방법 검토를 나눠 수행하며 문제 해결에 필요한 작업 순서도 결정한다.

강 연구위원은 "기존 이상 감지 모델은 이상이 있다, 없다 정도로 판단했다"며 "이제는 어떤 원인 때문에 이상이 발생했고 실제 조치를 취하려면 어떻게 해야 하는지 추천해 줄 수 있다"고 말했다.

지금은 AI가 설비를 직접 제어하지 않고 작업자에게 이메일로 분석 결과를 전달한다. 잘못된 판단이 실제 설비 작동에 영향을 줄 수 있는 만큼 사람이 조치 내용을 확인하도록 한 것이다.

그는 "직접 제어하는 부분에 위험성도 따르기 때문에 작업자에게 이메일을 전달하는 방식으로 하고 있다"면서 "사람의 신뢰가 어느 정도 확보되면 직접 제어하는 부분까지 들어갈 수 있지 않을까 생각한다"고 설명했다.

제품의 불량 여부를 판별하는 검사 AI에도 에이전트 기술을 적용하고 있다. 제조 현장에서는 제품의 형태나 검사 환경이 바뀌면 기존 AI 모델의 정확도가 떨어질 수 있어 새로운 데이터를 수집하거나 검사 기준을 조정해야 한다.

LG AI연구원은 검사 과정에서 AI가 잘못 판단한 사례를 분석하고 어떤 검사 지시문이 오류에 영향을 줬는지 찾아 수정 방안을 제안하는 기술을 개발했다. 작업자가 수정안을 승인하면 AI가 지시문을 조정하며, 별도의 모델 재학습 없이 검사 환경 변화에 대응하는 방식도 연구하고 있다.

AI 모델 재학습 과정 역시 자동화 대상이다. 강 연구위원은 현재 운영 중인 모델이 판단하기 어려워하는 데이터를 찾아 추가 학습이 필요한 사례를 선별하고 학습과 배포까지 여러 AI 에이전트가 나눠 수행하는 시스템을 개발하고 있다고 밝혔다.

로봇 움직임에 따른 주변 변화도 예측…현장 적용은 신뢰성 과제

로봇이 작업할 때 주변 환경에 미치는 영향까지 예측하는 기술도 소개됐다. 기존 로봇 AI는 물체를 집거나 옮기는 등 주어진 동작을 수행하는 데 집중했지만 실제 제조 현장에서는 로봇의 움직임이 주변 물체와 설비에 어떤 영향을 미치는지도 고려해야 한다.

LG AI연구원은 로봇의 동작과 주변 공간의 변화를 함께 학습시키는 방식을 연구하고 있다. 물체를 특정 위치로 옮기는 과정에서 주변 물체가 어떻게 움직일지 예측해 로봇이 작업을 수행하도록 하는 기술이다.

제조 현장의 제한된 컴퓨팅 환경에 맞춰 AI 모델을 경량화하는 연구도 진행하고 있다. 대규모 AI 모델은 많은 연산 능력과 메모리를 필요로 하지만 실제 제조 설비에는 고성능 컴퓨팅 자원이 부족할 수 있어 모델 크기를 줄이는 기술이 필요하다.

LG AI연구원은 제조 현장의 전문 용어와 작업 정보가 손실되지 않도록 중요한 정보를 최대한 유지하면서 모델을 압축하는 방법을 개발하고 있다. 모델을 작게 만들면서도 제조 분야의 특수한 표현과 작업 맥락을 이해하는 성능을 유지하는 것이 목표다.

강 연구위원은 이들 기술을 실제 제조 공정에 적용하려면 AI의 판단 속도와 운영 효율성을 높여야 한다고 설명했다. 여러 AI 에이전트가 하나의 작업을 수행하기 위해 여러 단계를 거치면 처리 시간이 길어지고, 로봇 역시 기존 산업용 로봇에 비해 움직임이 느려질 수 있다는 것이다.