NewsPeppermint

와이어드 / Will Knight

원문보기

인공지능 카메라가 공정 결함과 부품의 조립 오류를 감지합니다. 특히, 이러한 기술은 코로나 팬데믹 상황에서 유용합니다.

영국의 피투아이(P2i)사는 스마트폰 등 전자기기용 방수 나노코팅 업체입니다. 평소에는 고객사 공장의 품질관리 문제를 해결하기 위해 항공편으로 엔지니어를 파견해 왔습니다. 하지만 비행이 금지되고, 국경이 폐쇄되고, 보안이 강화되는 코로나 시대에 더는 엔지니어들을 직접 파견할 수 없게 되었죠. 이에 따라, 피투아이는 공정의 미세한 결함들을 찾아내기 위해 인공지능을 활용하게 되었습니다.

피투아이의 최고운영책임자(COO) 닐 하크라이더(Neal Harkrider)는 “코로나 전파 이후 지난 4개월간 우리 회사의 설비를 전 세계에 어떻게 배치하여 서비스할지 재평가해야 했다”고 밝혔습니다.

피투아이는 오류를 찾아내기 위해 인스트루멘탈(instrumental)사의 기술을 활용하고 있습니다. 나노코팅 기계 주위에 부착된 카메라들이 공정이 끝난 스마트폰을 검사하여 오류가 발견되면 경보를 울립니다. 하크라이더 최고운영책임자는 “이러한 비전 시스템이 우리의 주요한 품질관리 수단”이라고 언급하면서, “허용 오차를 즉각, 원격으로 조정할 수 있는 대단한 시스템”이라고 평가했습니다.

코로나 팬데믹을 계기로 많은 제조업체가 기존 관행에서 탈피하고 있습니다. 어떤 기업들은 출장, 야간 배송, 수동 검사를 대신하여 원격감지 센서와 머신러닝을 활용합니다. 물론 로봇은 민첩한 손놀림과 유연성이 필요한 제조업에서 인간을 대체하기 어려울지도 모르죠. 하지만 피투아이의 시스템은 우리가 인공지능을 제조업 분야에서 어떻게 활용할 수 있을지 보여주는 사례입니다.

하크라이더는 코로나 팬데믹 이전에는 대부분 업체가 보안상의 이유로 협력사를 포함한 외부인이 공정 장비에 접근하지 못하도록 제한했다고 말합니다. 하지만 지금은 5개 고객사가 공장에 피투아이의 장비와 인스트루멘탈의 검사 기술을 도입하여 공정을 원격으로 감시, 제어하고 있습니다.

MIT ‘제조 및 운영을 위한 머신 인텔리전스’ 프로그램의 운영책임자인 브루스 롤러(Bruce Lawler)는 “제조업체들이 자동 검사기술 도입에 한창인 시기에 때마침 팬데믹이 발생했다”고 말했습니다.

“제조업에서 가장 중요한 과제 중 하나는 어디서 문제가 발생했는지 찾아내는 것인데, 만약 카메라를 전체 공정의 모든 로봇에 부착하고 검사를 더욱 자주 시행한다면 결함이 어디서 발생했는지 정확히 발견할 수 있을 겁니다.”

제조업체들은 오랫동안 컴퓨터 영상을 사용하여 결함과 문제를 검사해 왔습니다. 하지만 결함을 찾아내는 규칙을 직접 코딩해야 했기 때문에 장비를 배치하고 교체하는 데 긴 시간이 걸렸죠. 인공지능을 사용할 경우에는 시스템에 특정한 결함 사례들을 입력하면 됩니다. 인공지능은 인스트루멘탈의 시스템과 마찬가지로 제품이 갖추어야 할 모양과 조건을 학습하여, 이를 바탕으로 비정상적인 결함을 찾아냅니다.

딥러닝으로 알려진 인공지능이 제조업 분야에서 기존의 컴퓨터 영상 시스템을 대체하면서 급속히 퍼지고 있습니다. 알고리듬은 수천 장의 샘플 사진을 통해 강아지나 고양이의 이미지를 스스로 배우거나 보안 영상에서 특정인을 식별할 수 있습니다. 또한 나사, 회로판, 또는 스크린의 이미지를 확인하여 표준에서 벗어난 오차를 감지할 수도 있죠.

애플의 전직 엔지니어들이 설립한 인스트루멘탈은 머신러닝을 활용하여 생산라인 모니터링을 자동화했습니다. 이 회사의 대표인 안나 카트리나 셰들리스키(Anna-Katrina Shedletsky)는 “전통적인 컴퓨터 비전 시스템은 정해진 규칙을 기반으로 하므로 문제를 발견하여 해결하는 데 적합하지 않았다”고 평가하면서, “기존 시스템의 한계를 극복하기 위해 인공지능 검사가 필요하다”고 덧붙였습니다. 코그넥스(Cognex)를 비롯한 전통적인 컴퓨터 비전 시스템 업체들은 기존 제품에 머신러닝을 활용하고 있으며, 몇몇 스타트업은 설치와 사용이 편리한 상용 제품을 출시했습니다.

하루에 수백 대의 자동차를 생산하는 인디애나주의 도요타 제조공장에서는 품질 관리가 필수적입니다. 대시보드에 잘못된 부품을 넣으면 생산라인이 멈출 수도 있습니다. 일반적으로 작업자들은 부품의 바코드를 스캔하여 공정에 적합한 부품인지 다시 확인합니다. 현재 이 공장은 로봇 검사 시스템을 준비하고 있습니다. 부품을 조립하기 전에 작업자가 부품을 내밀면 그 주위로 카메라를 움직여 여러 각도에서 점검하고 인공지능을 활용하여 부품을 식별하는 시스템입니다.

로스앤젤레스에 있는 스타트업 엘레멘터리 로보틱스(Elementary Robotics)의 검사용 로봇은 ‘H’ 모양의 바를 따라서 수평과 수직으로 움직이는 카메라가 장착된 고전적인 형상입니다. 로봇 앞에 물체를 놓으면 움직이는 카메라가 다양한 각도에서 검사합니다. 이 로봇은 생산공정에서 인간 작업자와 자율 시스템이 어떻게 협업하는지 보여주는 좋은 사례입니다.

이 시스템의 테스트를 담당하는 도요타의 수석 엔지니어 카를로 크루즈(Carlo Cruz)는 “자동화는 고도로 복잡하고 중첩된 솔루션을 설계하는 매우 불안정한 과정이므로, 앞으로 인간을 연결고리로 두는 관점이 중요해질 것”이라고 전망했습니다. 더불어 “이 기술은 검사, 품질관리를 비롯한 다양한 분야에 적용될 수 있어 잠재력이 높다”고 평가했습니다.

2017년 설립된 엘레멘터리 로보틱스는 지금까지 물밑에서 운영됐으며, 지난 화요일 1,270만 달러(150억원) 규모의 시리즈A 투자를 받았다고 발표했습니다. 아리에 바네하마(Arye Barnehama) 대표는 줌(Zoom)을 통해 전자상거래 제품의 포장에 손상이 있는지, 라벨이 잘못 부착되었는지 검사하는 시스템을 시연했습니다. 또한, 고객이 회로기판의 결함을 검사하는 다른 버전의 시스템도 선보였습니다.

바네하마 대표는 “이 시스템들의 비용은 각각 1만 달러(1,200만원) 초반 수준이며, 머신러닝에 상대적으로 적은 수의 사례가 필요하다”고 말합니다. 고객이 수십 개의 이미지를 엘레멘터리 로보틱스에 보내면 알고리듬을 훈련할 수 있습니다. 작업자가 새로운 물체를 보여주면 알고리듬은 기존에 학습한 이미지와 비교해 적합한지 판단합니다. 작업자는 알고리듬의 판단이 정확한지 입력하고, 이 결과가 반영되어 알고리듬이 보완됩니다.