6개월 성장으로 10년을 바꿀 수 있다면.
#인공지능 

생성 AI – 제조업 결함 감지를 혁신하는 방법

제조업에서 제품의 품질 관리와 결함 감지는 필수적인 과제입니다. 그동안 사람의 육안 검사에 의존해왔지만 대규모 생산 환경에는 적합하지 않았습니다. 생생 AI를 통한 새로운 대안이 대두되고 있습니다.

2024-04-20 | 김정은

제조업 품질 관리의 중요성과 기존 방식의 한계

제조업에서 제품의 품질 관리와 결함 감지는 필수적인 과제입니다. 이를 통해 원가를 절감하고 고객 만족도를 높일 수 있기 때문입니다.
그동안 제조업체들은 사람의 육안 검사에 의존해왔지만, 이는 정확성과 효율성이 낮을 뿐만 아니라 대규모 생산 환경에는 적합하지 않았습니다.
이에 컴퓨터 비전 기술을 활용한 자동화 결함 검출 시스템을 구축하게 되었습니다.

그러나 컴퓨터 비전 모델을 훈련시키기 위해서는 대량의 데이터가 필수적입니다.
특히 실제 현장에서 발생 빈도가 낮은 결함 유형의 경우, 관련 이미지 데이터를 수집하기가 매우 어렵습니다.
이러한 한계를 극복하기 위해 최근 생성 AI(Generative AI) 기술에 주목하고 있습니다.

결함 이미지 데이터 부족 문제 해결을 위한 생성 AI 활용

생성 AI란 텍스트 기반 입력을 받아 이미지, 오디오, 코드 등의 콘텐츠를 생성해내는 AI 모델을 말합니다.
대표적인 예시로 DALL-E, 스테이블 디퓨전(Stable Diffusion) 등이 있습니다.
이러한 생성 AI 모델을 활용하면 실제 데이터가 부족한 상황에서도 원하는 형태의 데이터를 인공적으로 생성할 수 있습니다.

제조업 분야에서는 생성 AI 모델을 활용해 결함 이미지를 대량 생성하고, 이를 컴퓨터 비전 모델 훈련에 활용하고 있습니다.
구체적인 프로세스는 다음과 같습니다.

① 실제 결함 이미지를 소량 수집합니다(10~20장 수준).

② 수집한 이미지를 생성 AI 모델에 입력하여 미세조정(fune-tuning)을 수행합니다.

③ 텍스트 프롬프트 엔지니어링을 통해 프롬프트를 작성합니다.

④ 프롬프트를 생성 AI 모델에 입력하면 해당 프롬프트에 부합하는 다양한 결함 이미지가 대량 생성됩니다.

⑤ 생성된 이미지를 컴퓨터 비전 모델 훈련 데이터로 활용합니다.

 

생성 AI 기술 제조업 활용의 4가지 주요 이점

기존 이미지 데이터 확보 방식 대비, 생성 AI 기술을 활용했을 때의 이점은 다음과 같습니다.

첫째, 데이터 준비 기간이 획기적으로 단축됩니다.
한 제조업체 사례에 따르면 기존 2개월에 달했던 데이터 준비 기간이 1-2주로 줄어들었습니다.

둘째, 모델 개발 및 훈련 속도가 대폭 향상됩니다. 대량의 데이터를 손쉽게 생성할 수 있기 때문입니다.
상기 사례에서는 모델 훈련 속도가 8배 이상 빨라졌다고 합니다.

셋째, 별도의 GPU 등 하드웨어 인프라를 구축할 필요가 없어 비용 효율적입니다.
클라우드 기반의 AI 서비스를 활용할 수 있기 때문입니다.

넷째, 프롬프트 엔지니어링을 통해 다양한 변형의 데이터를 자유자재로 생성할 수 있으며, 모델 미세조정의 유연성이 높습니다.
이를 통해 고품질의 AI 모델을 개발할 수 있습니다.

 

제조업체 사례: 생성 AI로 결함 감지 정확도 혁신

실제 한 제조업체 사례에서는 생성 AI 기술을 활용해 5에포크만에 검증 데이터 세트에 대해 거의 완벽한 수준의 정확도를 달성했다고 합니다.
이는 기존 방식 대비 혁신적인 성능 개선입니다.

이렇듯 생성 AI는 제조업의 디지털 전환을 가속화할 혁신 기술로 주목받고 있습니다.
결함 감지를 넘어 제품 설계, 공정 시뮬레이션, 디지털 트윈 구축 등 다방면에서 생성 AI가 활용될 것으로 기대되고 있습니다.

예를 들어 제품 설계 시 생성 AI로 다양한 디자인 안을 시각화해볼 수 있습니다.
공정 시뮬레이션에서는 가상의 생산 환경을 생성해 새로운 공정을 검증해볼 수 있겠죠.
또한 설비나 제품의 디지털 트윈을 구축할 때에도 생성 AI 기술이 큰 역할을 할 수 있습니다.

그러나 생성 AI 활용을 위해서는 먼저 입력 데이터의 품질과 보안 이슈를 철저히 관리해야 합니다.
부적절한 데이터가 모델 훈련에 사용될 경우 치명적인 문제가 발생할 수 있기 때문입니다.

아울러 새로운 AI 기술을 효과적으로 활용할 수 있는 기업 문화와 인재 기반을 갖추는 것도 중요합니다.
기업 내 AI 리터러시 제고와 AI 활용 프로세스 정립, 데이터 사이언티스트 등 전문 인력 확보가 필수적입니다.

생성 AI 제조업 활용 사례

생성 AI를 활용하면 실제로 발생하지 않은 가상의 결함 사례도 시뮬레이션할 수 있습니다.
이를 통해 모델의 예외 상황 대응 능력도 높일 수 있어 보다 견고한 모델을 만들 수 있습니다.
자동차, 항공, 전자제품 등 다양한 제조업 분야에서 생성 AI 기술을 통해 결함 감지 모델의 성능을 끌어올리고 있습니다.
빠른 시일 내에 충분한 데이터를 확보할 수 있었기에 모델 개발 기간과 비용을 대폭 단축할 수 있었다고 합니다.

BMW –  생성 AI 활용 자동차 부품 결함 감지 모델 개발

BMW는 생성 AI를 활용해 자동차 부품 결함 감지 모델을 개발했습니다.
실제 결함 이미지 데이터가 부족한 상황에서, 생성 AI로 다양한 결함 이미지를 대량 생성하여 모델 훈련에 활용했습니다.
이를 통해 높은 정확도의 결함 감지 모델을 단기간에 개발할 수 있었다고 합니다.

제너럴 일렉트릭(GE) – 생성 AI 활용 가스터빈 블레이드 결함감지 모델 구축

또한 제너럴 일렉트릭(GE)에서는 생성 AI를 활용해 가스터빈 블레이드 결함을 감지하는 모델을 구축했습니다.
기존에는 블레이드 결함 데이터 부족으로 모델 성능이 낮았지만, 생성 AI로 다양한 결함 이미지를 만들어 데이터셋을 강화할 수 있었습니다.
이를 통해 가스터빈 안전성과 효율성을 크게 높였다고 합니다.

화웨이(Huawai) – 생성 AI 활용 스마트폰 카메라 렌즈 결함 검출 모델 개발

화웨이(Huawai)도 생성 AI를 통해 스마트폰 카메라 렌즈 결함 검출 모델을 개발했습니다.
드문 결함 유형의 데이터를 생성 AI로 보완하여 모델 성능을 끌어올렸다고 하네요.

보잉 – 생성 AI 활용 기체 외부 결함 시각화

한편 보잉에서는 생성 AI를 활용해 기체 외부 결함을 시각화하는 데 성공했습니다.
실제 결함 이미지로는 충분한 데이터를 확보하기 어려웠지만, 생성 AI로 다양한 조건의 결함 이미지를 만들어 시각화 모델 개발에 활용했습니다.

반도체, 제약/바이오, 우주항공, 에너지, 식음료 등 다양한 제조업 분야에서도 생성 AI 기술이 혁신적인 역할을 하고 있습니다.
충분한 데이터 확보가 어려운 상황에서 생성 AI를 활용하여 제품 품질 검사, 설계, 연구개발 등의 과정을 혁신하고 있는 것입니다.

TSMC – 생성 AI 활용 웨이퍼 결함 감지 모델 개발

반도체 제조사 TSMC는 생성 AI를 활용해 웨이퍼 결함 감지 모델을 개발했습니다.
반도체 웨이퍼에는 다양한 유형의 미세 결함이 존재하는데, 이를 육안으로 감지하기는 사실상 불가능합니다.
TSMC는 생성 AI로 웨이퍼 결함 이미지를 대량 생성하여 데이터셋을 구축, 높은 정확도의 결함 감지 모델을 만들어낼 수 있었습니다.

암젠 – 생성 AI 활용 단백질 구조 예측하는 모델 개발

제약/바이오 분야에서도 생성 AI가 활용되고 있습니다.
암젠에서는 생성 AI 기술로 단백질 구조를 예측하는 모델을 개발 중입니다.
단백질 구조 데이터를 충분히 확보하기 어려웠지만, 생성 AI로 구조 이미지를 생성해 모델 훈련에 활용하고 있습니다.
이를 통해 신약 개발 과정을 혁신할 수 있을 것으로 기대하고 있습니다.

NASA – 생성 AI 활용 우주 부품 3D 모델링 데이터 생성

우주 항공 분야에서도 생성 AI가 주목받고 있습니다.
NASA는 생성 AI 모델로 우주 부품의 3D 모델링 데이터를 생성하고 있습니다.
실제 우주 부품들의 3D 데이터를 모두 확보하기 어려웠지만, 생성 AI를 통해 다양한 각도와 조건에서의 3D 모델을 만들어 낼 수 있었습니다.
이를 바탕으로 우주 부품 검사와 설계 과정의 효율을 높이고 있습니다.

GE 리뉴어블 에너지 – 생성 AI로 블레이드 결함 이미지 대량 생성 및 활용

에너지 분야에서는 생성 AI가 풍력 터빈 블레이드 결함 감지에 활용되고 있습니다.
GE 리뉴어블 에너지에서는 생성 AI로 블레이드 결함 이미지를 대량 생성하여 모델 훈련 데이터로 사용했습니다.
이를 통해 기존 대비 2배 높은 정확도로 결함을 감지할 수 있게 되었다고 합니다.

네슬레 –  생성 AI 활용 제품 라벨 인쇄 품질 검사 모델 개발

식음료 제조업체 네슬레에서는 생성 AI를 활용해 제품 라벨 인쇄 품질 검사 모델을 개발했습니다.
생성 AI로 다양한 유형의 라벨 인쇄 결함 이미지를 만들어 모델을 훈련시켰는데, 높은 정확도와 함께 검사 시간도 대폭 단축할 수 있었다고 합니다.

기업의 생성 AI 수용과 적극 활용이 경쟁력 향상의 열쇠

AI 기술은 나날이 진화하고 있습니다. 최신 AI 기술인 생성 AI 역시 그 혁신의 속도가 가팔라질 것으로 예상됩니다.
기업이 이러한 AI 기술을 적극 수용하고 과감히 적용한다면, 경쟁력을 한 차원 높일 수 있을 것입니다.

제조업 분야에서 생성 AI 활용 사례들이 디지털 혁신의 촉매제가 되기를 기대해봅니다.
생성형 AI로 품질 관리를 한층 강화하고, 설계부터 생산, 서비스에 이르는 프로세스 전반을 혁신할 수 있을 것입니다.
그 혁신의 길에서 기업들이 주도적인 역할을 해나가기를 바랍니다.