[첨단 헬로티]
4차 산업혁명 시대의 제조 지능화를 위해서는 데이터 수집을 위한 산업용 IoT와, 잘 저장하고 분석하기 위한 빅데이터 기술, 그리고 예측 모델을 위한 인공지능 기술이 필요하다. 하지만 현실은 데이터를 가지고 학습시켜서 지능화 단계로 넘어갈 만한 수준은 아닌 것 같다. 지금 뭔가를 하겠다면 일단 산업용 IoT 적용으로 가시화부터 해야 할 것이다. 현대중공업의 제조 지능화는 어떻게 구현하고 있는지, 지난 10월 2일에 열린 ‘산업지능화를 위한 AI 팩토리 컨퍼런스 2019’에서 현대중공업 김태환 전무가 강연한 내용을 정리했다.
▲ 김태환 현대중공업 전무는 “사람들은 AI가 세상을 다 바꿀 것처럼 얘기하지만, 제조 분야는 아직 갈 길이 먼 것 같다”며,
“그럼에도 불구하고 AI를 해야 한다면 산업용 IoT 적용으로 양질의 데이터를 확보하고 가시화부터 해야 한다”고 말했다.
4차 산업혁명 시대의 제조 지능화를 위해서는 CPS(가상물리시스템)를 먼저 이해해야 한다. CPS 원리는 첫째 데이터를 생성해야 하고, 둘째 생성된 데이터를 잘 수집해서 분석해야 하며, 셋째 분석된 데이터 결과를 다시 현실 세계에 피드백하는 3단계 체계를 가진다.
여기에 필요한 기술로는, 데이터 수집을 위한 산업용 IoT와, 잘 저장하고 분석하기 위한 빅데이터 기술이 있어야 한다. 그리고 예측 모델을 위한 인공지능 기술이 필요하다. 이것이 잘 이루어지면 스마트가 붙는 모든 산업에 적용될 수 있다.
4차 산업혁명 시대 주목해야 할 2가지
4차 산업혁명 시대에 우리가 주목해야 할 게 2가지가 있다. 하나는 산업용 IoT를 적용해서 데이터 정보가 실시간으로 전달될 수 있도록 해야 한다. 그리고 제품이든 제조든 가상모델이 있다면, 이 가상모델에 실시간 운영되는 데이터가 전달되어서 동기화(트윈)를 시킨다. 실제와 가상이 트윈 되는 이것을 ‘디지털 트윈’이라고 한다.
또 하나 주목할 부분은 우리가 빅데이터로 현상을 알 수 있고 예측도 가능하지만, 예측에 대한 처방을 하려면 시뮬레이션을 해야 한다. 즉, 문제의 대안을 디지털 트윈에서 찾을 수 있다. 여기서 중요한 건 데이터의 획득이 사람의 개입 없이 이루어져야 한다는 점이다. 사람이 개입하면 데이터가 누락, 오류, 가공 등이 생길 수 있기 때문이다. 그래서 산업용 IoT가 매우 중요하다.
또 하나는 나중의 문제이지만, 데이터가 쌓이면 이것을 가지고 학습시켜서 지능화 단계로 넘어간다. 지금은 학습시킬 만한 단계는 아닌 것 같고, 뭔가를 하겠다면 일단 가시화부터 해야 할 것이다.
조선의 예를 들면, 영업/수주를 해서 설계하고 강제 절단하여 용접 조립, 의장, 도장, 탑재, 완벽작업을 거친 후에 시운전 및 인도하는 일련의 과정을 거친다. 현대중공업은 절단장비, 용접, BLT 공장, 자재 물류, 도장, 도크 분전반, 골리앗 크레인 등 설비의 요소요소에 산업용 IoT를 적용하고 있다. 이유는 가시화하기 위해서다. 현대중공업은 그것을 디지털 스레드(Digital Thread)라고 한다.
선박 건조에서 대표적인 작업이 용접과 도장이다. 용접과 도장은 매우 중요하고 많은 비용이 드는 작업이다. 이 부분을 현대중공업은 디지털화해서 성과를 내고 있다. 용접 모니터링을 통해 용접 생산성이 약 2배 증가했으며, 도장 또한 디지털화로 비용을 크게 절감했다.
현대중공업은 또 자동화가 가장 잘 된 공장에도 모든 디지털 기술을 다 넣었다. IoT, 빅데이터, AI, AR, IT 시스템 등 기술을 넣어서 스마트 팩토리 시범공장을 운영하여 작업 생산성 약 30% 증대했다.
대조립공장의 경우도 디지털 트윈으로 만들었다. 이 공장은 산업용 IoT를 적용해서 사람의 개입 없이 공장이 운영되고 있는 모습을 가시화해서 실시간으로 볼 수 있도록 했다. 정반 최적 배치 및 실시간 공정 운영을 함으로써 작업 공수를 12% 절감했다.
또한, 여의도 면적의 2.4배 되는 넓은 야드(작업장)를 가지고 있는 현대중공업은 최근 이 야드 전체를 디지털 트윈화하고 있다. 선박 건조를 위한 일련의 과정을 비롯해 집체만한 블록 이송작업까지 실시간으로 볼 수 있도록 가시화 하고 있다. 공장 전체가 디지털 스레드가 되는 것이다.
AI 서비스 개발 사례
다음은 AI 서비스 개발 사례이다. 첫 번째 예로, 현대중공업은 용접 예열 최적 파라미터 추천서비스를 제공하고 있다. 티바 용접의 경우 용접이 잘 되고 품질을 높이기 위해 예열을 하는데, 이는 간단해 보이지만 고도의 숙련된 노하우가 필요하다. 온도가 일정하고 길게 유지되어야 하기 때문이다. 일정한 온도를 위해서는 숙련자/비숙련자의 데이터 획득 및 분석하여 고주파 양을 조절해야 하는데 이 부분을 AI로 대체하겠다는 것이다.
두 번째는 설비 상태 진단 및 고장 시점 예측 서비스를 제공하고 있다. 작업 공정상 크레인이 고장나면 전체 공정이 멈춘다. 그래서 크레인 고장을 미리 예측하거나 방지를 해야 하는데, 이를 위해서 현대중공업이 생각한 게 서보모터이다. 서보모터는 부하율을 센싱한다. 서보모터의 부하율이 어긋나거나 이격이 발생하면 크레인의 고장이 발생한다. 현대중공업은 서보모터의 부하율과 고장 전조 신호 등의 수집된 설비 정보를 기계학습 모델을 통해 고장 발생 시점 예측 모델을 생성했다.
세 번째 개발 사례는 정비 이력 내용(텍스트) 분석 및 작업 추천이다. 현대중공업은 로봇 사업도 하고 있다. 그동안 진행해 온 로봇 관련 유지보수 이력 정보들을 모아 텍스트를 분석하고 특징을 추출해 머신러닝 베스트 조치 추천 알고리즘을 만들었다. 이렇게 만들어진 로봇 과거 이력정보를 기반으로 장애조치 가이드를 추천하고 있다.
네 번째 사례는 품질 관련 고객 코멘트 분석이다. 선박을 만들다 보면 선주로부터 품질에 대한 의견, 설계에 대한 의견 등 수천 건의 코멘트를 받는다. 이러한 의견들을 다 모아 인공지능 기계학습을 시키고 분류 모델을 만들면, 선주의 코멘트 내용을 자동 분류하여 과거 그 분류에 해당되는 것을 찾아준다. 또한, 유사 코멘트 내용을 검색하여 이런 핵심어가 앞으로 언제쯤 일어날 것이라는 예측도 가능하다.
그 외에도 현대중공업은 용해 주입 관리를 위해 AI 영상 분석을 통한 원자재 투입 실적을 자동 집계하고 있으며, 대차 현황 파악도 AI 영상 인식 기술을 활용하고 있다.
갈 길 먼 AI, 가시화부터 해야
사람들은 AI가 세상을 다 바꿀 것처럼 얘기한다. 하지만 제조 분야는 아직 갈 길이 먼 것 같다. 도입기를 거쳐 성장기에 오르려면 5년이 걸릴지 10년이 걸릴지 모른다.
AI를 쉽게 생각하면 안 된다. 그럼에도 불구하고 AI를 해야 한다면 기본적으로 양질의 데이터 확보가 필요하다. 그리고 가시화부터 해야 한다. 하다가 여력이 생기면 학습시켜서 인공지능 기계학습 모델을 만들어 보는 것이 좋을 것 같다.
또 하나 중요한 것은 빅데이터 분석이다. 전문가에게 빅데이터를 분석하고 AI를 하라고 하면 엉뚱한 결과가 나오기 쉽다. 전문가는 도메인을 잘 모르기 때문이다. 그래서 현업에 있는 인력을 빅데이터와 AI 모델 교육을 시켜야 한다. 전문가는 전문가대로 기술 지원을 하면 된다.
