제조업을 둘러싼 디지털 전환 가속화, 탄소중립 등 다양한 시장 요구와 함께 패러다임 변화가 이어지고 있다. 한국생산기술연구원은 중소·중견 기업이 보다 고도화된 발전을 이루고, 나아가 우리 산업이 뉴노멀을 이룩할 수 있도록 혁신 연구에 몰두하고 있다. 그 중 미래생산기술 선도를 목표로 하는 제조 특화 인공지능 기술 개발에 특화된 연구부서인 한국생산기술연구원 제조AI연구센터는 제조 지능화를 위한 핵심 기술연구를 주축으로 대한민국 제조업의 경쟁력 강화에 앞서 기여하고 있다.

안녕하세요 센터장님. 월간인물 12월호 제조 산업 특집 기획으로 인사드리게 되어 반갑습니다. 먼저 한국생산기술연구원 제조AI연구센터에 대한 소개 말씀을 직접 부탁드립니다. 
저희 한국생산기술연구원 제조AI연구센터는 미래생산기술 선도를 위한 고신뢰성·고확장성의 제조특화 인공지능 기술 개발 및 확산을 위한 연구부서입니다. 분산된 연구 역량을 결집하고 3개 연구소, 7개 본부와 협업하여 제조 기업의 지능화 기술 역량 향상을 위한 연구활동을 하고 있습니다. 이러한 목표를 위해 현장 데이터 전문가, AI 모델 전문가, AI 시스템 전문가로 이루어진 제조AI 협업 모델을 구축하였습니다. AI 모델을 개발하는 전문가만으로는 성공적으로 제조업에 인공지능 기술을 적용하기 쉽지 않습니다. 왜냐하면 제조 현장은 고도의 전문 지식이 요구되고, 이러한 지식을 인공지능 전문가만으로는 효과적으로 인공지능에 담기가 어렵습니다. 저희 센터는 현재 공정을 잘 알고 있는 연구자 분들은 겸직 연구원으로 그리고 인공지능을 개발하는 연구자 분들은 전임 연구원으로 구성되어 있어서 협업을 통한 시너지를 높이고 있습니다.
제조AI연구센터에서는 제조 지능화를 위한 핵심 기술로 3가지를 중점 연구하고 있습니다. 첫 번째는 제조업 특화 AI 솔루션 개발, 두 번째는 제조 데이터 플랫폼 구축, 마지막으로 디지털 클러스터 구축입니다. 즉 AI, 데이터, 디지털 트윈이 연결되고 융합되어 우리나라 제조업의 경쟁력을 높이기 위한 연구를 하는 센터입니다.

인공지능 기반의 설비 공정, 생산자동화와 제조업의 업그레이드를 위한 효율적인 연구개발 노력을 이어온 제조AI연구센터의 주력 연구 분야, 대표적인 성과에 관해 말씀을 부탁드립니다.
제조업에 인공지능이 연구되는 분야는 다양합니다. 저희 센터는 이런 다양한 분야를 5가지 카테고리로 분류하여 각 분야를 위한 핵심 솔루션을 개발하고자 노력하고 있습니다. 5가지 카테고리는 제품검사, 설비진단, 맞춤형 설계, 물류, 그리고 공정 관리입니다. 제품검사는 완성된 제품의 양불량 판정이 대표적인 예시이겠고, 설비진단은 생산제조를 위한 설비의 고장이나 부품수명을 예측하는 것 등을 포함합니다. 맞춤형 설계는 제품의 요구사항에 맞춘 설계를 도와주는 인공지능 기술 개발, 물류는 공장 내 소재, 반제품들이 라인 사이를 어떻게 효율적으로 이동할지 등을 연구합니다. 마지막으로 공정관리는 제품의 품질이나 생산 수율을 향상시킬 수 있는 공정조건 최적화가 대표적인 예시가 될 것 같습니다.
대표적인 성과로는 먼저 제품검사 분야 중에 의료용 카테터 튜브 형상 결함 검사 시스템을 꼽을 수 있습니다. 핵심 기술은 검사 기준이 바뀌어도 재학습이 필요 없는 인공지능 기반 결함 검사 알고리즘입니다. 또한 불량 제품 데이터 없이 정상 제품 데이터만으로 학습을 하여 제품의 양불을 검사할 수 있는 독자적인 인공지능 모델도 확보하고 있습니다. 설비진단 분야 중에서는 설명가능 인공지능 기반 설비 상태 진단 기술을 들 수 있습니다. 기존에는 인공지능의 판단에 대한 이유를 설명하고 이해하기 어려웠습니다. 이를 극복하고 설비의 상태를 판단하는 인공지능 결과를 주파수 관점에서 설명할 수 있는 알고리즘을 개발하였습니다. 또한 진동 신호를 기반으로 반도체 산업 핵심 설비의 복잡한 상태를 진단할 수 있는 인공지능 기술도 개발하였습니다. 위의 대표 결과 이외에도 5가지 분야를 대표할 수 있는 연구 결과를 지속적으로 확보하기 위해 노력하고 있습니다.

남은 올해, 또는 내년도에 새롭게 준비하고 계신 내용이나 이어질 후속 연구, 프로젝트 방향성이 있다면 무엇일지 언급해주신다면 감사하겠습니다. 
크게 디지털 트윈, 데이터 보안, 제조특화 AI 모델입니다. 저희는 디지털 트윈 기술과 인공지능 기술을 연결하고 융합하여 기존에 단일 AI 모델로는 하지 못한 일들을 해결할 수 있는 기술을 개발할 예정입니다. 또한 인공지능 개발에 가장 중요한 데이터에 대한 이슈를 해결하기 위한 노력을 하려고 합니다. 예를 들어 데이터를 공유하지 않고도 학습할 수 있는 연합학습과 같은 방법론을 적극적으로 도입하려고 합니다. 마지막으로는 저희 센터의 주 임무인 제조특화 AI 모델을 제조업에 성공적으로 적용하는 대표 사례를 지속적으로 확대하려고 합니다. 

생산기술의 스마트화와 자율 제조 관련 딥러닝, 머신비전 연구로 우리 산업의 경쟁력 강화에 몰두하고 계십니다. 이에 중소기업을 포함한 산업 전반의 지속가능한 성장과 혁신에 일조하는 제조AI연구센터의 역할은 무엇일지 들어보고 싶습니다.
인공지능 기술을 제조업에 적용할 때 데이터 관점과 상용화 관점에서 한계점이 존재합니다. 데이터 관점에서는 제조 데이터의 복잡성과 다양성, 특정 조건의 데이터 부족 및 불균형, 레이블링 데이터 확보 어려움 등이 있습니다. 상용화 관점에서는 실제 제조환경에서의 신뢰성 및 확장성 부족, 결과의 해석 및 설명 부족 등을 들 수 있습니다. 이러한 한계점을 극복하고 실제 제조현장에 적용가능한 인공지능 모델을 많이 확보하고 이를 보급 확산하는 것이 제조 산업의 지속가능한 성장에 일조한다고 판단하고 있습니다. 특히 제조업의 중소·중견 기업은 인공지능 전문 인력을 확보하기 쉽지 않습니다. 저희가 개발한 기술과 사례를 기반 삼아 제조 기업에서 인공지능을 도입할 때 어려움을 최소화하고 조금이나마 수월하게 적용할 수 있도록 노력하고 있습니다.

올해 제조 산업의 기술 현황을 포함하여 최근 전문가로서 또는, 센터 차원에서 주목하고 계신 분야 내 중요 이슈가 있다면 무엇인가요?
최근 인공지능 기술 중 제조업에서는 AI자율제조라는 키워드가 있습니다. 인공지능 기술을 이용하여 제조업의 생산성을 획기적으로 높이고, 생산인구 감소, 탄소배출량 감축 등의 문제를 해결한다는 내용입니다. 이를 위해 선도 프로젝트가 올해부터 시작이 되었는데요, 여기서 중요한 것은 ‘AI자율제조를 위한 선도프로젝트의 결과를 어떻게 효율적으로 확산할까’입니다. 그래서 저희들은 다양한 제조 산업, 공정, 기능에 공통적으로 사용할 수 있는 제조특화 파운데이션 모델에 주목하고 있습니다. 기존 인공지능이 특정한 데이터, 특정한 기능에만 동작을 한다면, 파운데이션 모델은 특정한 기능을 다양한 데이터에서도 수행할 수 있거나, 특정한 데이터에 한 가지 기능이 아니라 다양한 기능이 동작되는 특징이라고 말할 수 있습니다. 물론 다양한 데이터에 다양한 기능을 동작시킬 수 있다면 가장 좋겠죠. 저희들은 이렇게 실제 제조업에 사용될 수 있도록 일반화 성능이 우수한 제조특화 파운데이션 모델 개발에 주목하고 있습니다.
또 다른 이슈는 생성모델입니다. 최근 ChatGPT와 같은 언어모델을 통해서 많이 알려진 기술입니다. 데이터를 분석해서 의미 있는 결과를 이끌어내는 인공지능 기술과 다르게 원하는 데이터를 생성할 수 있는 기술입니다. 이러한 생성모델을 제조업에 어떻게 응용할 수 있을까가 저희 센터에서 고민하고 있는 사항 중 하나입니다. 생성 모델 중 하나인 확산모델을 응용하여 이상탐지 분야에 적용되는 인공지능 기술을 확보하고 있고, 이러한 생성 모델을 응용하여 성공적으로 제조업에 적용할 수 있는 특화 모델을 지속적으로 개발할 계획입니다.

지금에 이르기까지 센터장님의 원동력에는 무엇이 있을지도 궁금합니다. 그동안의 활동 중 가장 보람되었던 성과가 있다면 무엇일지 궁금합니다. 더불어 평소 함께하는 직원들에게 특히 강조하시는 내용이 있으신가요? 
제 자신을 포함해서 센터원들이 중요하게 여겼으면 좋겠다는 부분은 2가지입니다. 첫 번째로는 협업입니다. 저희 센터는 실제 제조 현장에 사용 가능한 인공지능 모델을 개발하는 것이 목표입니다. 이를 위해서 제조 현장에 많이 가보고, 제조 공정 전문가와 많은 이야기를 나누어야 한다고 생각합니다. 즉 제조 전문가와의 긴밀한 협업이 필요합니다. 또 다른 협업은 센터원들 간의 협업입니다. 인공지능 기술의 발전 속도는 엄청나게 빠릅니다. 이러한 인공지능 기술을 따라가고 더 나아가 선도하기 위해서는 센터원들 간의 깊이 있는 대화가 필요합니다. 센터 세미나, 외부 전문가 초청 세미나를 포함해서 이야기를 많이 나눌 수 있는 기회를 많이 만들고 있습니다. 강조하고 있는 또 다른 부분은 균형 잡힌 전문성입니다. 모든 분야가 그렇겠지만, 인공지능이라는 학문 밖, 즉 저희같이 제조분야 혹은 다른 산업분야에서 인공지능연구를 하려면 도메인에 대한 지식을 기반으로 하는 인공지능연구를 하여야 합니다. 즉 인공지능이라는 학문을 학문으로서만 접근하고 학문으로서만 전문성을 키우려고만 하면 안 되고 인공지능 중 제조AI는 어떤 것이 다르고 어떤 부분을 고려해서 개발해야 하는지에 대해서 명확히 인식해야 합니다. 그러한 인식 기반 하에 다른 기술과 차별화할 수 있는 기술을 개발할 수 있는 도메인과 인공지능 두 가지 분야에 대해 균형 잡힌 전문 지식을 갖추는 것이 중요합니다.

김윤혜 기자 다른기사 보기