스마트팩토리 공정 바꿔도 제조 불량 포착 알아서...KAIST, 똑똑한 AI 개발 : zum 뉴스

KAIST가 개발한 'TA4LS 기술' 개념도. 스마트팩토리 제조 공정이 변해도 알아서 불량을 잡는다.

우리 연구진이 제조 공정이 바뀌어도 재학습 없이 불량을 탐지하고, 최대 9.42% 성능 향상을 이끌어낸 인공지능(AI) 기술을 개발했다. 스마트팩토리를 비롯해 헬스케어 기기와 스마트시티 등 다양한 분야에서 AI 운영 비용 절감과 활용성 확대에 기여할 전망이다.

한국과학기술원(KAIST·총장 이광형)은 이재길 전산학부 교수팀이 기존 AI 모델을 추가 불량 레이블링 없이 활용할 수 있는 '시계열 도메인 적응' 기술을 개발했다고 26일 밝혔다.

개발 기술은 온도 변화, 기계 진동, 전력 사용량, 센서 신호 등 데이터를 다루는 AI 모델 훈련 환경과 실제 적용 환경이 달라져도 추가 학습 없이 안정적으로 성능을 유지하도록 돕는다.

연구팀은 환경(도메인) 변화에 혼란을 일으키는 AI 모델이 가지는 문제 핵심이 데이터 분포 차이뿐 아니라 불량 발생 패턴(레이블 분포) 자체가 바뀌는 현상에 있다는 점에 주목했다.

연구팀은 새로운 공정 센서 데이터를 추세, 비추세, 주파수 세 가지 성분으로 분해해 각 특성을 파악하는 방법을 개발했다. 기존 모델이 예측 결과를 새로운 공정 데이터 군집 정보와 비교해 자동으로 예측값을 보정하는 방식을 적용한 'TA4LS' 기술이다.

기술 개발 연구진. 나지혜 박사과정(왼쪽)과 이재길 교수.

이 기술은 별도 복잡한 개발 없이도 기존 AI에 끼워 넣는 추가 부품(플러그인 모듈)처럼 쉽게 결합할 수 있어 실용성이 높다.

연구팀은 시계열 도메인 적응 4개의 벤치마크 데이터셋 사용 실험에서 기존 방법 대비 최대 9.42% 정확도 향상을 달성했다.

특히 공정이 바뀌어 레이블 분포 차이가 큰 경우에서도 AI가 이를 스스로 보정해 판별하는 성능 개선 효과가 두드러짐을 보였다. 이런 결과는 여러 종류 제품을 소량 생산하는 스마트팩토리 환경에서 불량 없이 사용될 수 있음을 입증했다.

이재길 교수는 “제조업에서 AI 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술이며, 실용화되면 유지 비용 감소와 불량 탐지율 개선을 통해서 스마트팩토리 확산에 큰 기여를 할 것”이라고 말했다.

이 기사의 카테고리는 언론사의 분류를 따릅니다.