상황 판단에 따라 작업 내용을 바꾸는 로봇, 생산 설비의 제어 파라미터의 다이나믹한 최적화 등 AI를 통해 기계가 스마트하게 된다면 생산성 및 품질의 대폭적인 향상을 기대할 수 있다.

일경 모노즈쿠리가 9월호를 통해 'AI로 기계를 스마트하게, 로봇 및 생산설비 등의 기계 제어에 적용'을 주제로 기사를 다뤘다. 자세한 내용을 하단에 소개한다. 

"기계의 실시간 제어에 학습된 추론 모델을 적용해 나가는 것이 제조업의 인공지능(AI) 활용에 대한 다음 이정표가 될 것이다"라고 벡호프(Beckhoff) 오토메이션(본사 요코하마 시) 대표이사장 가와노(川野) 씨는 말한다.

심층학습의 진전에 따라 2013년 이후에 제3차 AI 붐이 일면서 제조업에서도 선진기업이 생산 현장에서 AI를 활용하기 시작했다. 현재, 툴(Tool)과 도입 사례 중에서 많이 볼 수 있는 것은 심층학습의 특기인 화상 인식을 이용한 품질 검사 및 설비의 상태보전 등이다. 가와노 씨는 그것들도 중요한 어플리케이션이라고 운을 떼며 다음 스텝으로 생산 현장의 기계·설비 제어에 적용될 것이라고 기대를 보였다.

기계 제어에서 AI 적용은 인간이 아니면 불가능하다고 여겼던 조작에 대해 자동화의 가능성을 열었다. 숙련된 오퍼레이터보다 전문화된 판단 및 인간보다 신속한 판단, 인간에게는 불가능한 제어 파라미터의 동적인 조정도 가능해진다. 즉, 인간과 동등하거나 그 이상의 '스마트한 기계'를 실현할 수 있는 것이다. 그것은 처리 능력 및 정밀도 향상뿐만 아니라, 제품 품질의 향상, 무인화·성(省)인화와 같은 혜택을 가져다 준다.

실제로 독인 벡호프 오토메이션은 자체 소프트웨어 PLC용으로 기계학습의 옵션 기능을 제공할 예정이다. 기계학습·심층학습의 추론 모델을 PLC의 프로그램으로서 도입하게 된다.

-판단의 질과 속도에서 3가지 적용 영역
AI가 판단하는 질과 속도라는 시점에서 이 글에서 말하는 기계·설비 제어를 위한 AI의 적용은 (1)사람에게는 불가능한 복잡한 판단 및 제어를 고속(실시간 제어)으로 해 내어 고품질의 결과를 얻는다, (2)베테랑 수준의 판단을 이전보다 빠른 속도로 실행한다. (3)사람을 대신해 확실하게 판단·처리한다라는 3가지 영역으로 크게 나눌 수 있다.

일반적으로 사람은 기계가 할 수 없는 고도의 판단이 가능하다고 해도 기계·설비와 동일한 스피드와 횟수로는 처리할 수 없다. 반대로 기계는 고속 처리를 지속적으로 할 수 있지만 베테랑 기술자와 같이 고도의 판단은 불가능했다. 이처럼 양 쪽의 트레이드 오프가 자동화의 한계였으나, AI는 그 한계를 뛰어 넘어 사람이 할 수 없는 파라미터의 확인을 순식간에 해내거나 사람보다 월등하게 고속으로 판단할 수 있다.

◆ Part 2. 기술 동향

- 오므론
125µ초의 제어로 동기화하여 움직이는 AI / 권선기(코일 와인더)의 불량 발생을 10분의 1로 절감
오므론은 폐기 Loss 절감 및 숙련 기술자의 부족과 같은 생산 현장의 과제에 대응하기 위해 AI 및 IoT기술을 탑재한 제어기기 및 로봇의 개발을 적극적으로 추진하고 있다. 향후에는 센싱을 통해 4M(사람(Man), 설비(Machine), 재료(Material), 공법(Method))의 변동을 파악해 AI가 그것을 학습해 자율적으로 생산 설비를 제어함으로써 불량 발생 및 설비 정지가 없는 '라인 이벤트 제로' 생산을 실현하는 것을 목표로 하고 있다.

그 대표격인 제품이 2018년 10월에 발매한 PLC(Programmable Logic Controller)에 AI기능을 융합시킨 'AI 탑재 머신 오토메이션 컨트롤러'(이하, AI 컨트롤러)이다. 기계학습 기능을 탑재한 엣지 컴퓨터로, 센서 및 기기로부터의 데이터를 바탕으로 학습된 AI모델이 순식간에 이상 또는 정상여부를 판단하거나 그 결과를 제어에 피드백 한다. 이 작업을 통해 품질 및 생산성을 높일 수 있다.

AI 컨트롤러는 "기계학습 엔진이 최대 16차원의 다차원 특징량에 대해 평상 시와 다른 이상치(빗나간 값)를 실시간으로 판별할 수 있다"(오므론 인더스트리얼 오토메이션 비즈니스 컴퍼니 기술개발본부 나카지마(仲島) 씨). 주기적으로 변하는 토크(Torque) 및 전압 등의 계측치의 파형을 통해 특징량을 추출해 그로부터 이상도(異狀度)를 산출한다. 또한 '제어 주기로 처리되는 것이 강점'(나카지마 씨). 125µ초의 PLC의 제어 주기마다 데이터 취득 및 AI에 의한 판정을 실행할 수 있다.

AI 컨트롤러 전용의 라이브러리로서 이상도(이상치)를 판정하는 '상태보전 라이브러리'도 제공하고 있다. 설비의 고장 상태 이용을 상정해 생산 설비로 자주 사용되는 '볼 나사' '실린더' '컨베이어'에 대해 이상치 검출 기능을 PLC의 기능블록으로서 제공한다. "움직임에 있어서 눈으로 봐서는 알 수 없을 정도의 지연을 검출할 수 있다"(나카지마 씨)고 한다.

- 미쓰비시전기(三菱電機)
빛과 소리의 학습을 통해 AI가 '좋고 나쁨'을 판단 / 베테랑처럼 가공 조건을 수정
2017년부터 '마이사트(Maisart)' 브랜드로 AI기술을 다양한 영역에서 전개하고 있는 미쓰비시전기. 그 중에서 많은 것이 제조업용으로서, 지금까지도 설계 이상의 전조 검지 및 산업용 로봇의 기능 확장, 생산 라인의 작업 분석 등 AI를 활용한 다양한 기술·솔루션을 발표해 왔다.

생산 설비의 제어에 대한 활용도 시작하고 있다. 그것이 파이버 레더 가공으로의 적용이다. 2019년 4월에 발매한 신제품 'GX-F' 시리즈에는 AI가 가공 조건을 자동 조절하는 'AI 어시스트 기능'을 표준으로 탑재했다. 마이사트를 특징짓는 컨셉트 중 하나인 '알고리즘의 콤팩트화'를 활용해 고속 판단이 요구되는 생산 설비에서의 AI활용을 실현했다.

- 벡호프(Beckhoff) 오토메이션
소프트웨어 PLC에 심층학습을 실장 / 가상 센서로서 고속 동작
"제어 시스템의 벤더로서 AI를 제어에 도입하고 싶다"

벡호프 오토메이션(본사 요코하마) 대표이사 사장인 가와노(川野) 씨는 생산 설비에서의 AI활용에 의욕을 보이고 있다.

- AI를 버추얼(Virtual) 센서로 
실제, 새로운 회사인 독일 벡호프 오토메이션은 AI 활용을 위해 활발히 움직이고 있다. 구체적으로는 산업용 제어 시스템의 전시회인 'SPS IPC DRIVES 2018'(2018년 11월 27~29일, 독일) 및 유럽 최대산업전시회 'Hannover Messe2019'(2019년 4월 1일~5일, 하노버)에서 선보인 새로운 운송 시스템 'XPlannar'로 구동제어에 기계학습에 의한 AI의 추론 모델을 활용하고 있다.

XPlannar는 평면형 고정자(固定子, 타일)와 가동자(可動子, 무버)로 이뤄진 운송 시스템. 임의로 배치된 평면형 타일 위에 전기 부상한 무버가 자유롭게 이동한다. 무버를 그 자리에서 회전시키거나 기울일 수도 있다. 벡호프 오토메이션은 무버를 제어하는 자사의 소프트웨어 PLC 'TwinCAT'용에 AI 추론 모델을 개발해 탑재했다.

해당 모델은 '코일의 전류로부터 무버의 위치 좌표와 방향 벡터를 산출하는 '버추얼 센서'와 같은 것'(가와노 씨)이다. 물론 위치·자세의 추론 정밀도가 나쁘면 동작 제어에 영향을 줄 수 있지만 충분히 학습시켜 '센서'로서의 실용이 가능한 AI 모델을 탑재하고 있다고 한다. 이것들을 응용한다면 "이미 설치된 센서의 계측값을 통해 다른 물리 양을 추론할 수 있게 된다"(가와노 씨)고 한다.

- MUJIN
벌크 피킹 작업, 티칭 작업 불필요 / 동선(動線)을 스스로 생각할 수 있는 지능화 로봇
벌크(낱개로 쌓는) 피킹 작업용으로 지능화한 산업용 로봇 컨트롤러를 개발해 급성장하고 있는 것이 MUJIN(도쿄)이다. 여기에서 말하는 지능화는 사람이 동작 프로그램을 작성하지 않아도 로봇 컨트롤러가 최적의 프로그램을 자동으로 생성하는 것이다. 즉, 로봇이 스스로 생각해서 움직인다.

이 기술에 착안한 대기업이 최근 수년간 생산 라인 및 물류 센터에서 가동되는 산업용 로봇에 MUJIN의 컨트롤러를 잇따라 도입하고 있다. 예를 들어 자동차 부품 대기업인 아이신 에이 더블류(아이신 AW)는 물류 센터에서 복수 종류의 형태가 다른 금속 부품의 피킹을 도입. 밸브 제조 기업인 KITZ도 벌크 부품의 생산 공정으로의 투입에 채택하고 있다.

MUJIN의 기술을 뒷받침 하고 있는 것은 MUJIN과 공동 창업자로 로봇의 동작 계획(모션플래닝)의 권위자인 DIANKOV Rosen 씨의 기술을 바탕으로 한 '모션플래닝 AI'. 일정한 제약 조건 아래, 신작 점에서 각 목적지까지 로봇 팔의 최적의 경로를 고속으로 산출한다. 이 독자적인 기술과 로봇 팔의 각 관절의 움직임을 산출하는 해석적 역(逆)운동학을 구사해 순식간에 로봇의 동작 프로그램을 생성한다.

이들 기술을 탑재한 로봇 컨트롤러와 업무(Work)를 인식하기 위한 3D비전시스템을 조합해 자동화가 어렵다고 인식되어 왔던 벌크 피킹 및 복수 종류의 업무인 팔레타이즈
(Palletize)·디팔레타이즈(Depalletize)를 티칭 작업 없이 자동화에 성공했다.

<해동일본기술정보센터는 故김정식 대덕전자 회장의 기부금으로 설립된 비영리 일본 기술정보센터입니다. 후학들이 선진 일본기술을 습득해 기술강국을 만드는데 기여했으면 하는 바람으로 2010년 3월 서울대학교 관악캠퍼스 공과대학 내에 개소했습니다. 다양한 일본 기술 서적과 일본 정부·산업계 백서, 기술보고서 등을 보유, 온·오프라인으로 정보를 제공하고 있습니다. 매주 발행되는 주간브리핑 신청은 hjtic@snu.ac.kr 로 가능합니다.>