[눈높이 기술] 협업으로 스마트 팩토리 기술 고도화하기
LS ELECTRIC X 마이크로소프트
프로젝트를 진행하다보면 일보 전진이 쉽지 않을 때가 있죠. 새로운 아이디어나 생각의 전환이 필요할 때, 어떻게 하시나요? LS ELECTRIC은 2015년부터 디지털 전환을 위해 노력해 오고 있는데요. 최근에는 마이크로소프트와의 협업을 통해 스마트 팩토리 기술의 고도화를 추진 중이에요. 생기/소재연)제조지능화기술팀 염희근 매니저가 협업을 통해 얻은 성과를 구체적으로 소개해드릴게요.
01. 기초학습
LS ELECTRIC과 한국마이크로소프트가 만난 이유는?
협업으로 제품 외관 검사 시스템과 소음 검사 시스템을 고도화했어요.
사람처럼 똑똑한 제조 공정을 구현하려면 무엇을 먼저 시도해야 할까요? 최우선 과제 중 하나는 검사 시스템을 지능화하는 거예요. 작업자의 감에 의존했던 불량 제품 검사 과정을 AI, IoT 기술 등을 적용해 자동화한다면 불량 판별의 정확도를 높일 수 있을 뿐만 아니라, 공정을 효율화하고 생산성도 높일 수 있어요. LS ELECTRIC은 2019년부터 제조 공정 지능화를 위해 첨단 검사 시스템을 개발해 왔는데요. 대표적인 사례가 바로 제품 외관 검사 시스템과 소음 검사 시스템이에요. 문제는 이러한 검사
시스템의 고도화에 한계가 있다는 점이었어요. 머신러닝에는 불량품 데이터가 필요한데요. 이미 LS ELECTRIC 생산 라인 자체의 완성도가 높아 불량품 데이터 축적에 어려움이 있었던 거죠. 2022년 LS ELECTRIC 한국마이크로소프트가 빅데이터 활용 기술을 두고 함께 연구를 진행하기로 결정한 이유가 바로 이 때문이에요.
02. 궁금해요
검사 시스템, 어떻게 고도화했을까요?
데이터 수집을 가속화하고 불량 유형도 세분화했어요.
제품 외관 검사 시스템 고도화
① EDA를 통한 인식의 전환
제품 외관 검사 시스템의 경우 데이터의 부족이 고도화의 가장 큰 걸림돌이었는데요. LS ELECTRIC은 데이터 확보 방안을 고민하는 대신 마이크로소프트와 데이터 수집 과정을 재검토해보기로 했어요. EDA(Exploratory Data Analysis)란 데이터 수집에만 집중하는 게 아니라 수집된 데이터를 다양한 관점에서 바라봄으로써 그것을 이해하려는 시도를 말해요. 이를 통해 기존 방식의 문제점을 발견하고 개선할 수 있죠. 그동안 제품 외관 검사 시스템에서는 총 7개의 학습 모델을 만들어 각 모델을 위한 데이터를 따로 수집해왔는데요. EDA를 진행해보니 데이터 간 유사성이 발견돼, 학습 모델을 세분화할 필요가 없다는 점을 깨닫게 됐어요. 데이터 수집 방식을 개선함으로써 학습에 필요한 데이터양을 늘릴 수 있었어요.
제품 외관 검사 시스템 고도화
② 이상감지 모델로 데이터 수집 가속화하기
검사 시스템 고도화에는 데이터의 처리 속도도 큰 영향을 미쳐요. LS ELECTRIC 마이크로소프트의 제안으로 이상감지(Anomaly Detection) 모델을 활용해 불량품 데이터 확보 과정을 개선했어요. 머신러닝을 위해선 데이터를 학습용으로 가공해주는 데이터 전처리 과정을 거쳐야 하는데요. 이 과정 중 많은 시간이 소요되는 단계가 바로 데이터 라벨링이에요. 라벨링은 촬영 이미지 데이터를 일일이 확인한 후 불량품일 경우 이미지에 불량 유형 정보를 달아주는 작업을 말하는데요. 수작업으로 처리해야 해서 긴 시간이 소요돼요.
이상감지 모델을 활용한 이유는 이 라벨링 작업을 효율화하기 위해서예요. 이상감지 모델은 불량품이 아닌 양품 이미지를 학습한 모델인데요. 애초에 불량품에 비해 양품 이미지를 쉽게 확보할 수 있기에 학습이 수월하죠. 라벨링 전 단계에 이상감지 모델을 적용할 경우 이 모델이 양품 이미지를 한 번 걸러내 주기 때문에, 불량품 이미지 선별을 위해 모든 완제품 이미지를 확인할 필요가 줄어들어요. 그뿐만 아니라 결함 가능성이 높은 부분에는 표시까지 해준답니다.
제품 외관 검사 시스템 고도화
③ Synthetics으로 비정형 결함 데이터 확보하기
검사 시스템 고도화를 방해하던 또 다른 요소는 비정형 결함이었어요. 극히 낮은 빈도로 발생하는 결함의 경우 어떻게 데이터를 수집해야 할까요? 신세틱(Synthetics)은 그래픽 소프트웨어를 사용해 비정형 결함을 지닌 3D 모델을 직접 생성함으로써 이미지 데이터를 만드는 방식을 말해요. 신세틱을 활용해 실제 생산 라인에서 발생할 수 있는 잠재적인 불확실성까지 데이터로 확보할 수 있었어요.
소음 검사 시스템 고도화 소음 결함 유형의 세분화
MC와 같은 부품의 경우 작동 시 소음이 발생할 수 있고, 이러한 소음이 제품의 품질에 큰 영향을 미치는데요. 이 때문에 LS ELECTRIC은 소음 검사 시스템을 구축해 기술을 고도화하는 중이에요. IoT 기기로 생산 라인에서 소리의 진동 가속도를 측정해 제품의 소음 여부를 판별하고 있어요. 특히 소음 검사 시스템은 시끄러운 공장 환경 속에서도 제품의 소음만을 검출할 만큼 뛰어난 성능을 자랑해요.
LS ELECTRIC 소음의 여부만을 판별했던 머신러닝 모델을 소음을 유발하는 결함 유형까지 판별할 수 있도록 고도화했어요. 마이크로소프트의 애저(Azure) 머신러닝 서비스를 사용해 제품에서 소음을 유발하는 특정 결함 유형을 구별할 수 있도록 한 것이죠. 이러한 고도화 덕분에 기존 모델 대비 성능을 15.6% 향상시킬 수 있었어요. 결함에 대한 상세한 분석을 통해 제품 품질을 향상시킬 수 있으리라 기대하고 있어요.
03. 핵심 정리
마이크로소프트 데이터 사이언티스트들의 도움을 받아 제품 외관 검사 시스템과 소음 검사 시스템을 효과적으로 개선할 수 있었는데요. 이번 협업을 통해 얻은 성과가 한 가지 더 남아 있어요. 바로 워크플로우 프로세스(Workflow Process)의 구축이에요. 그동안 LS ELECTRIC의 AI 모델 개발 과정은 파편화되어 있었어요. 데이터 수집에서 모델 훈련까지의 과정에 연결성이 부족했죠. 그런데 이번 협업에서 데이터 수집과 EDA, 라벨링, 모델 훈련, 오류 분석 등의 단계를 거쳐 고도화를 추진하게 됐고, 그러한 과정을 AI 모델 개발을 위한 하나의 워크플로우 프로세스로 정립할 수 있었어요. 이러한 프로세스는 향후 AI 모델 고도화를 필요로 하는 다양한 프로젝트에도 반복 활용할 수 있기에 기대 효과가 매우 커요.
또한 AI 모델 개발과 같은 고난도의 프로젝트에는 다양한 팀의 협업이 필요하고 그러한 협업에는 그에 적합한 일하는 방식이 필요한데요. 이번 프로젝트에서 마이크로소프트를 통해 진정한 의미의 애자일을 경험해볼 수 있었단 것도 유의미한 성과였어요. 이번 프로젝트에는 제가 속한 생기/소재연구소뿐만 아니라 DX Lab, LS ITC 등이 참여했는데요. 애자일을 기반으로 동떨어져 있던 업무를 빠르게 재편해 상호 보완적인 관계를 형성함으로써 개발 효율을 높일 수 있었어요.
04. 더 알기
마이크로소프트와의 협은 계속될 예정
파트너십을 새롭게 체결해,
협업의 범위를 스마트 팩토리 전반으로 확대할 예정이에요.
제품 외관 검사 시스템과 소음 검사 시스템은 현재 LS ELECTRIC 청주1사업장 생산 라인에 적용되어 있어요. 제품 외관 검사 시스템의 경우 고도화된 모델까지 적용한 상태고, 소음 검사 시스템은 적용을 준비 중이죠. 향후 해당 검사 시스템들을 스마트 팩토리를 위한 솔루션으로 사업화할 수 있으리라 기대하고 있어요.
지난 4월, LS ELECTRIC은 독일에서 열린 하노버 산업박람회에서 마이크로소프트와 ‘스마트 팩토리, 에너지 기반 신사업 공동 개발 및 기술 검증’을 위한 파트너십을 새롭게 체결했는데요. 검사 시스템에 한정되었던 협업의 범위를 스마트 팩토리 전반으로 확대할 예정이에요. 지능형 공장 달성을 위한 대표 시나리오의 데이터 연결성 검증, 생산 설비 문제 해결을 위한 데이터 인사이트 확보, 생산 라인 전력 효율성 분석 등의 과제를 수행하려 해요. 국내에서 두 번째로 등대 공장에 선정되며 스마트 팩토리 전환에 속도를 내고 있는 LS ELECTRIC, 마이크로소프트와의 협업이 LS ELECTRIC 기술을 ‘버전 업’할 수 있는 기회가 되길 기대하며, 앞으로의 기술 고도화 프로젝트에도 많은 응원 부탁드려요.
