제조 데이터 수집만으론 부족…AI 학습용 3단계 관리 추진

[이데일리 신영빈 기자] 제조 현장에서 쌓이는 데이터를 인공지능(AI) 학습에 바로 활용할 수 있도록 원천데이터부터 학습용 데이터까지 단계별로 관리하는 체계가 추진된다. 공장에서 수집한 데이터를 3단계로 나눠 AI가 실제 학습에 쓸 수 있는 형태로 바꾸는 방식이다.

18일 정보기술(IT) 업계에 따르면 정보통신산업진흥원(NIPA)은 경남에서 추진 중인 ‘인간-AI 협업형 대형행동모델(LAM) 개발·글로벌 실증’ 사업에서 제조 데이터를 활용 단계에 따라 ‘브론즈·실버·골드’로 관리하는 체계를 연구하고 있다.

배경훈 부총리 겸 과학기술정보통신부 장관이 지난 2월 6일 경남 창원 신성델타테크의 플라스틱 사출·조립 공정을 방문해 현장에서 수집된 제조데이터를 기반으로 구축된 디지털트윈 공정을 살펴보고 있다. (사진=과학기술정보통신부)

경남 LAM 사업은 올해 시작된 피지컬AI 연구개발 사업이다. 제조현장에서 확보한 고신뢰성 융합데이터를 바탕으로 물리법칙을 반영한 AI 모델을 개발하고 이를 실제 제조공정의 정밀제어까지 연결하는 것이 목표다.

브론즈는 제조현장에서 그대로 수집한 원천데이터다. 이를 활용 가능한 형태로 1차 가공하면 실버, AI 모델 학습에 바로 투입할 수 있도록 최적화하면 골드 단계가 된다. 이 같은 관리체계를 고안한 것은 공장에 데이터가 많이 쌓여 있어도 현재 형태로는 피지컬AI 학습에 바로 활용하기 어렵기 때문이다.

현장 데이터를 새로 확보하는 과정도 쉽지 않다. 가동 중인 생산라인에 센서를 추가하거나 데이터 수집 환경을 바꾸면 공정에 영향을 줄 수 있어 기업의 협조가 필요하다. NIPA는 개념검증(PoC) 등을 거쳐 기업들이 데이터 수집 가능성을 확인한 뒤 실제 공장 데이터를 확보하는 작업을 진행하고 있다.

이렇게 만들어진 골드 단계 데이터는 제조공정별 피지컬AI 모델 학습에 투입된다. 경남 사업은 제조현장에서 필요한 공정을 13개 분야로 구체화해 각각에 특화된 모델을 개발하고 향후 이를 결합해 보다 범용적인 모델로 확장하는 방안을 추진하고 있다.

13개 분야는 여러 제조현장에서 활용할 수 있도록 특정 기업이 아닌 공정 단위로 선정했다. 공정별 특화 모델을 먼저 개발한 뒤 이를 결합해 다양한 제조현장에서 활용할 수 있는 범용 모델로 확장한다는 구상이다.

학습된 모델은 다시 설비와 로봇 제어에 활용된다. 현장에서 새롭게 발생하는 데이터는 다시 수집·가공해 모델 학습에 반영하는 순환구조를 구축한다.

기존 스마트팩토리가 데이터를 수집·분석해 사람의 의사결정을 돕는 데 초점을 맞췄다면 피지컬AI는 AI가 공정 상태를 판단하고 실제 설비나 로봇의 동작까지 제어하는 방향으로 확장된다.

NIPA 관계자는 “현재 공장에 축적된 데이터는 그대로는 피지컬AI 모델 학습에 활용하기 어렵다”며 “현장에서 수집한 원천데이터와 1차 가공 데이터, AI 모델 투입에 최적화한 데이터를 각각 브론즈·실버·골드로 구분하는 방안을 연구하고 있다”고 설명했다.

이어 “실제 현장 데이터만으로는 한계가 있어 합성데이터도 함께 활용하고 수집·저장·학습·모델 적용을 거쳐 다시 제조현장으로 연결되는 순환구조를 구축하려고 한다”고 말했다.