제조 분야에서의 인공지능을 어떻게 도입하고 활용하고 있을까?

강송희 선임연구원님의 "제조 분야 인공지능 활용 동향과 도입 고려사항" 리포트를 읽고 개인적인 생각과 함께 작성한 글입니다.

https://spri.kr/posts/view/23204?code=industry_trend 

제조 분야 인공지능 활용 동향과 도입 고려사항 - SPRi

 

제조업에서 인공지능이 활용되고 있는 분야는 주로 제품/서비스 개발(21%)과 서비스운영(21%) 마케팅(15%)였고, 생산분야에서 도입한 비율은 12%에 불과했다.

사용되고 있는 기술을 보면 기계학습(23%) 로봇프로세스자동화(RPA, 22%) 컴퓨터비전(18%) 순으로 활용되고 있는 것으로 나타났다. 

2021년 스탠포드 인공지능 보고서, 2020년 PwC 디지털 공장 보고서, 언론 기사 등을 종합하면 인공지 능은 안전이 주요 요구사항인 산업의 미션 크리티컬한 분야에는 아직 쓰이지 않고 있다. 하지만 이미 결함 탐지, 프로세스 최적화·가시화라든가, 예측적 유지보수, 수요계획과 품질 관리 등에서 데이터기반 의사결정을 보조하는 수준으로 현장에서 적용되고 있다.

 

인공지능, 특히 기계학습이 갖는 독자적인 역할과 잠재력으로 주목되고 있는 것은 측정할 수 없는 매개변수를 예측하는 능력이다. 기계학습과 같은 인공지능 알고리즘을 사용하면 다른 센서의 입력 데이터를 통해 실제 물리적 센서의 측정이 누락되거나 없더라도 향후 온도, 압력, 산도, 밀도와 같은 제 조 공정 중 특정 순간에 있을 매개 변수를 예측할 수 있다. 불확실성을 예측·관리 가능한 위험으로 식별 할 수 있도록 해 준다는 것이다.

 

 

2016년 고도의 판단이 필요한 바둑에서 프로그램이 사람을 이겼다.

그전까지 바둑은 거의 무한에 가까운 수가 존재하기 때문에 컴퓨터로 프로그래밍 할 수 없다고 했다.

알파고는 기계학습이라는 방법을 통해 스스로 룰과 승리기술을 익혔고

바둑계의 대가를 이겼다.

그로부터 5년이 흘렀다. 인공지능이 사회와 산업전반에서 어떻게 쓰이고 있는가?

 FANG이라고 불리는 미국의 IT공룡들은 인공지능을 이용해 새로운 서비스를 만들어내고 수익을 극대화하고 돈을 끌어모으고 있다.

하지만 인터넷을 벗어나면 어떤가? 인터넷 기업들이 보여준 혁신적인 성장에 비해 제조기업들의 인공지능 활용은 서비스에 비해 절반도 되지 않는다. 

자본주의를 지탱하고 있는 제조업은 왜 인공지능을 활용하지 못하는걸까?

인공지능을 전기기기 유지보수에 도입하려고 하는 입장에서 세가지 큰 문제가 있다.

1. 어떤 데이터를 수집해야 원하는 예측이 가능한지 알 수 없다.

반도체를 만든다고 생각해보자. 수백가지 공정을 통해 실리콘 웨이퍼가 반도체가 된다.

아주 작은 먼지가 하나 들어가면 반도체 수율이 급격히 떨어지므로 수율을 높히기 위해 공정 중간중간 수많은 검증과정을 거친다.

이 과정에서 SEM이미지가 있을 수도 있고, 챔버의 온도나 가스주입농도와 같은 데이터가 있을 수도 있다.

그럼 이 수많은 측정과정과 데이터중에서 어떤걸 이용해야 인공지능이 수율을 예측하고 개선할 수 있을까?

2. 기존의 시뮬레이션이나 모델들이 인공지능의 역할을 해주고 있다.

딥러닝을 통해 얻은 결론과 물리적 모델을 통해 얻은 결과가 상반된 결과를 낸다면

딥러닝이 문제가 있다고 생각하게 되지 않을까?

문제는 어디에서부터 잘못된 건지 알수가 없다.

3. 인공지능연구가 애초에 FANG 기업에서 필요한 것들로 취중되어 있어서 제조분야에서 참고할 래퍼런스가 없다

 

그럼에도 머신러닝이 제조업에서 사용되어야 하는 이유는 무엇일까?

나는 산업에서 요구되는 기술이 갈수록 고도화되고 있기 때문이라고 생각한다.

EUV라는 기술은 고온의 플라즈마에서 나오는 13.5 nm의 파장을 이용하는데 반도체 성능에 중요한 영향을 미치는 선폭에 영향을 미치는 기술입니다.

문제는 이 고급기술이 있고 없고가 반도체제조사에게 치명적인 차이를 만들어낸다는 점이다. 

애플에서 나온 M1칩셋은 TSMC에서 5나노공정을 통해 만들었다.

이 M1 칩의 등장으로 이전의 인텔기반 맥은 순식간에 찬밥신세가 되었다.

5나노공정 칩이 더 적은전기와 낮은발열 그리고 더 높은성능을 보장하는데,

애플은 더이상 비싸고 느린 인텔칩을 구매할 이유가 없어졌다.

이 기술을 활용하지 못한다면 어쩌면 회사가 사라질 수도 있는 것이다. 

(인텔은 파운드리 사업을 철수하겠다고 발표를 했다가 바이든 정부의 보조로 다시 시작했다)

 

문제는 이 EUV 노광기기를 굴리기 위해서는 너무나 많은 자원이 필요하고 많은 유지보수 비용이 들어간다는 점이다.

수많은 거울을 사용하는데 단순히 이 거울을 냉각하기 위한 전기 때문에 발전기를 돌려야한다.

수 나노의 선폭을 유지하기 위해서 일정한 출력이 보장되어야 한다.

이런 기술의 문제를 해결하기 위해 머신러닝이 계속해서 필요해 질 것이다. 

알수없는 수많은 문제들 때문에 수천억의 공장이 멈춰버릴 수가 있기 때문이다.

 

탄소중립을 위해서라도 기존의 기술들만으로는 성장은 커녕 현상유지도 힘들게 되었다.

새로운 기술은 새로운 문제를 만들 것이고,

더 복잡한 문제들을 만들어낼 것이다. 

제조산업분야에서 인공지능이 더 많이 도입되어야 하는 이유가 여기에 있다고 생각한다.

너무 복잡한 문제는 인지적인 한계때문에 분석이 불가능하다.

영향을 주는 인자가 10가지를 넘어 100가지가 되어버리면 수십 수백명의 연구원이 있어도

정확한 원인을 분석하기가 힘들것이다.

하지만 머신러닝을 이용하면 관계있는 데이터와 관계없는 데이터를 분류할 수 있기도 하고 관계를 도출할 수도 있지 않을까?