AIㆍML / IoT / 데이터ㆍ분석

“고급 예측 분석으로 시작하라” SAS의 스마트 팩토리 고도화 전략

김혜정 | ITWorld 2023.05.25
AI는 제조산업의 디지털 트랜스포메이션을 위한 핵심 기술이다. 산업통상자원부는 IT 활용도에 따라 스마트 팩토리를 4단계로 구분했는데, 제조의 전 과정이 통합되고 맞춤형 생산이 가능한 고도화 단계는 AI 기술이 필수적이다. 제조업의 혁신을 상징하는 ‘스마트 팩토리’는 AI 없이 고도화하기 어렵다.
 
ⓒGetty Images Bank

제조업에서 가장 주목받는 AI 활용 분야는 고급 예측 분석이다. 예측 분석은 데이터를 통해 문제가 될 만한 상황을 예측하고 방지하는 기술로, 기업의 의사결정을 지원하고 효율성과 생산성을 높이는 대표적인 방법이다. 

고급 예측 분석 시장의 선도 업체 SAS의 글로벌 테크놀로지 프랙티스 APAC 담당 최병욱 이사는 5월 25일 ITWorld와 CIO Korea가 주최한 ‘Future of Manufacturing 2023’에서 “제조업에서 SAS를 통한 분석 활용은 고객 접점뿐 아니라 설비와 공정 측면에서도 다양한 이점을 지닌다”라고 말했다. 
 
SAS 글로벌 테크놀로지 프랙티스 APAC 담당 최병욱 이사가 5월 25일 개최된 ‘Future of Manufacturing 2023’에서 발표하고 있다. ⓒITWorld

최병욱 이사에 따르면, 제조업에서 고급 예측 분석이 최근 가장 활발하게 활용되는 사례는 고객 인텔리전스다. 고객과 잠재 고객의 요구사항과 선호도를 더 잘 이해하고 대응해 시장 점유율을 높이는 방향으로 활용할 수 있다. 제품 판매 및 활용 측면에서는 날씨와 같은 외부 조건의 변동성을 고려해 수요를 예측하고 공급망을 최적화하며, 고객의 불만에 선제적으로 대응해 보증 비용 절감에도 도움이 된다.

IoT 데이터를 실시간으로 분석하면 장비 성능도 극대화할 수 있다. 가동 중지 시간 및 예정되지 않은 유지 보수로 인한 비용을 줄이거나 품질 예측과 이상 감지에 대한 AI 기반 인사이트를 통해 수율과 현장 품질을 개선할 수 있다. 또한 스마트 커넥티드 제품과 설비 자산에 대해서는 텔레매틱스로 제품을 확장해 능동적이고 혁신적인 비즈니스 모델을 실시간으로 생성할 수 있다.

최병욱 이사는 “SAS가 제공하는 GUI 기반 AI 셀프서비스 분석 플랫폼은 엔지니어와 데이터 과학자, 개발자의 원활한 협업을 지원해 쉽고 빠른 모델링이 가능하다. 또한 매니지드 클라우드 서비스를 통해 데이터 거버넌스와 관리 의사결정을 지원해 TCO 향상과 구축 시간 단축, 탄력성 증가 등의 이점까지 제공한다”라고 설명했다.

특히 SAS는 ML, 딥러닝, 컴퓨터 비전처럼 학습/언어/시각/음성 등 다양한 유형의 AI가 혼합된 이른바 ‘복합 AI(Composite AI)’를 통해 여러 공정 및 품질 문제를 해결하도록 지원한다. 최병욱 이사는 “미래의 제조업 측면에서는 복합 AI가 다양한 관점에서 활용된다”라고 강조했다.
 

복합 AI를 활용한 품질 및 모니터링 개선 사례

최병욱 이사는 반도체용 블랭크 마스크 제조 공정에서 SAS의 솔루션을 활용해 최적의 제조 조건을 파악해 생산성을 높인 가상의 사례를 공유했다. 우선 ML 모델 개발에 앞서 선행되어야 하는 작업은 문제 정의다. 해당 사례에서는 제조 공정의 특성상 생산량이 증가하면 품질 검사 값이 점차 증가하는 경향이 있었다. 
 
ⓒSAS

문제를 정의한 후에는 제어 매개변수에 따라 품질 검사 값을 예측할 수 있는 ML 모델을 개발한다. 이 사례에서는 과거 및 최근 실제 UV 스펙트럼 값과 장비의 차이점, 제조 생산 로트의 모든 데이터, 온도나 압력 등의 환경 정보를 기본적인 입력 매개변수로, 가스와 전원 정보를 제어 매개변수로 설정했다.

가령 이 사례에서 허용 기준값을 0.3nm라고 설정하고 제어 매개변수를 입력해서 나온 값이 0.25nm라고 한다면, 가스와 전원 값에 변화를 줘 0.05nm만큼 최적화해야 한다. 이때는 옵티마이제이션 파라미터 서치 알고리즘(Optimization Parameter Search Algorithm)을 활용해 제어 매개변수를 어떻게 구성해야 하는지 답을 얻을 수 있다.

구체적인 예측 최적화 작업은 애널리스트와 오퍼레이터라는 2가지 유형의 사용자 중심으로 진행된다. 먼저 애널리스트가 데이터 준비 처리 단계를 포함한 품질 예측 모델을 설계하는데, 이 과정에서 5~20여 가지의 모델을 테스트해 가장 예측력이 좋은 ‘챔피언 모델’을 식별하고 이를 이용해 최적의 매개변수 검색 로직을 개발하며, 최적화한 모델을 자동화한다.

오퍼레이터는 대상 품질 테스트 값을 지정하고 이 값을 충족하는 최적의 매개변수 값을 도출한다. 해당 사례에서 오퍼레이터는 자신이 고려한 최적의 가스 및 전원 정보 값을 입력하고 예측 품질 테스트 값을 도출해 목표와의 격차를 최소화한다. 

최병욱 이사는 “템플릿 형태로 사전 정의된 예측 모델을 사용하거나 어떤 모델의 알고리즘을 어떻게 활용하면 좋을지 막막하다면 SAS 바이야 플랫폼의 자동화 기능을 활용해 자동화된 파이프라인을 생성할 수도 있다. 후자의 경우 데이터를 입력하면 자동화 파이프라인이 생성돼 목표하는 예측 모델을 소프트웨어가 도출해 준다. 전반적으로 모델을 생성하고 활용하고 사용자가 직접 오퍼레이션하는 것까지가 전체적인 라이프사이클”이라고 설명했다.

SAS 바이야 플랫폼에 포함된 ML 모델 개발과 운영 라이프사이클은 컴퓨터 비전에도 적용할 수 있다. 예를 들어, 석고 보드를 생산하는 제조 기업에서는 레일을 따라 보드가 이동하면서 여러 개의 보드가 겹쳐지거나 이동 지연이 발생하면 제품 출하 시간이 지연되는 문제를 겪을 수 있다. 이런 사례에서는 공장 카메라로 촬영되는 모니터링 이미지 정보를 수집해 문제를 실시간으로 탐지하는 방법으로 공정 문제에 빠르게 대처할 수 있다.

일반적으로 이미지 분석 단계는 다음과 같이 진행된다. 우선 영상에서 프레임을 추출하고 크기를 조절한 뒤 오브젝트 탐지 모델 YOLO로 필요한 부분을 선택한다. 그리고 바운딩 박스(bounding box)로 이미지에서 특정 사물의 위치를 파악한 뒤 그에 맞게 이미지 크기를 다시 조절하고, 키포인트 디텍션(KeyPoint Detection)으로 이미지에서 특징점을 검출한다. 제품 사이의 거리는 칼만 필터링(Kalman Filtering)을 통해 실시간 추적한다.
 
ⓒSAS

SAS는 일련의 과정을 ESP(Event Stream Processing)와 비주얼 데이터 마이닝 및 머신러닝(Visual Data Mining and Machine Learning)과 같은 솔루션을 통해 매끄럽게 통합하며, 기존 시스템과 연계해 실시간 알림까지 제공한다. 최병욱 이사는 “기존 컨트롤러에서 수집되는 실시간 프레임 데이터에서 특정 사물의 영역과 거리, 움직임을 예측하고 고객사와 서드파티가 보유한 켑웨어(Kepware)나 PLC에 ‘문제가 발생했으니 작업자는 확인해 보라’는 형태로 알려준다”라고 말했다.
 

분석 전문가부터 시민 개발자까지 ‘모두를 위한’ 시스템

데이터, 탐색, 배치에 이르는 SAS의 분석 라이프사이클은 데이터옵스와 모델옵스를 따른다. 최병욱 이사는 “크게 데이터를 수집하고 관리하는 부분과 모델을 생성하는 부분, 모델을 배포하고 PLC나 서드파티에서 관리하는 부분으로 구성되며, 그 사이에는 사례에서 살펴본 것처럼 데이터를 시각화하거나 분석해 의사결정을 지원하는 과정이 있다. ML과 컴퓨터 비전뿐 아니라 자연어 처리와 같은 여러 가지 텍스트 분석도 라이프사이클에 포함된다”라고 설명했다.

특히 최병욱 이사는 SAS가 초점을 두는 것은 “모두를 위한 분석”이라고 강조했다. ML이나 딥러닝 모델을 만드는 것은 데이터 엔지니어와 데이터 과학자만의 특화된 영역이지만, SAS는 간편한 자동화 기능을 통해 분석 전문가나 시민 데이터 과학자도 자신이 원하는 대로 만들고 적용하고 관리할 수 있도록 지원한다.

디지털 트랜스포메이션 시대의 제조기업은 프로세스와 성능을 최적화하는 솔루션을 구축하는 것이 중요하다. 이를 위해 SAS는 다양한 오픈소스와 솔루션을 통해 SAS 분석 라이프사이클을 실시간으로 지원한다. 최병욱 이사는 “AI 기반 엔터프라이즈 분석 플랫폼 SAS 바이야(Viya)는 데이터를 관리하고 관리된 데이터를 시각화하며, 표현된 데이터를 모델로 생성해 실제 생성된 모델을 원하는 대로 추출하고 활용하는 형태의 전반적인 ‘원샷(one shot)’ 서포트를 지원한다. 이것이 SAS가 현재 그리고 미래의 제조업에 제공하는 라이프사이클”이라고 강조했다.
editor@itworld.co.kr
 

회사명 : 한국IDG | 제호: ITWorld | 주소 : 서울시 중구 세종대로 23, 4층 우)04512
| 등록번호 : 서울 아00743 등록발행일자 : 2009년 01월 19일

발행인 : 박형미 | 편집인 : 박재곤 | 청소년보호책임자 : 한정규
| 사업자 등록번호 : 214-87-22467 Tel : 02-558-6950

Copyright © 2024 International Data Group. All rights reserved.