[뉴스비전e 김호성 기자] 제조업에서의 AI기반 분석플랫폼을 적용하게 되면 기기 고장이나 에너지 사용량 등 제조설비에서 반드시 필요한 부분에 대한 빠른 분석과 이를 통한 능동적 대처가 가능해 진다는게 특징이다. 

위 영상은 삼성SDS가 발표한  AI기반 분석플랫폼 'Brightcs AI'를 통해 기존 분석데이터와의 차이점을 에너지 사용량 분석 사례를 통해 비교해보는 모습이다. 

기존 플랫폼과 차이는 분석함수나 변수 선택하는 화면이 없고, AI를 통해 자동분석하는 특징이 있다. 

이와 함께 분석가가 생각하지 못한 것을 추천해준다. 

과거데이터는 비슷하게 나온다. 정확도는 유사하게 나왔다. 

특정 기준값을 제시를 하면, 전기사용량이 넘어섰을 경우 이에 대한 처방용 보고서를 만들수 있다. 

레포트 기능을 통해, 여러가지 데이터가 나온다. 파워포인트와 비슷한 모습이다. 

날씨 습도 정보를 보여주고, 작년 사용한 에너지 사용량 대비 올해 사용할 것으로 예상되는 예측값도 나온다. 

에너지 사용 가이드라인을 제시해주면서 언제 얼마나 전기사용량이 늘어날지와 공조기를 어떤것을 어느시간대에 끄면 초과기준을 넘어서지 않을 것이라는 예측값이 나온다. 

보고서는 이메일, 웹, 모바일 모두로 제출이 가능해진다. 

▲비정형 데이터의 폭증과 제조업에서의 AI분석기반 플랫폼

공정에 있어서의 센서는 폭발적으로 증가세지만, 공정마다 센서를 다 부착하기는 어렵다. 

AI분석 플랫폼은 자연어 질의를 통해서 과거 전문가들이 어떻게 처리했는지를 가상화된 전문가 역할을 해준다. 

숫자로 된 정형화된 데이터가 아닌 이미지 등 비정형화된 데이터에 대한 분석도 필요해 졌다. 

설비 공정 제품에 나오는 데이터를 수집해서 이상을 감지하고 분류, 군집, 원인분석, 예측 제어하는 역할을 AI분석플랫폼이 해 줄 것으로 보인다. 

설비 공정 제품에서 나오는 데이터가 급증하고 있고 정말로 필요한 데이터가 무엇인지에 대해서는 현장의 엔지니어들은 대충의 가름은 할 수 있다. 

제조업에 맞춰진 AI분석플랫폼은 기존 강화학습을 더욱 '강화'했다. 

데이터를 통해 인지 습득한 알고리즘이 반복학습을 통해 제조업에 맞게 예측하는 기능까지 더한 것이다. 

제조엔지니어링에서 가장 궁금한 것 중 하나는 설비 유지보수의 시점이다. 또 예고 없이 발생하는 설비고장도 있다. 생산일정에 큰 차질을 주기 때문이다. 

이에 따라 엔지니어가 가늠하는 대충의 감(感)이 아닌 가장 최적의 유지보수 시점을 파악하는게 중요하다. 

품질에 있어서도, 이상의 원인을 분석해야 한다. 수백만개에 달하는 공정 가운데 품질 이상의 원인을 찾는 것은 공정 엔지니어의 가장 큰 숙제 중 하나다. 

기존 물리적 분석 모델의 한계는 내부에 있는 모든 공정 과정에 금속에 센서를 달수 없다는 점이다.  진동, 온도 등의 영향으로 센서를 부착하지 못하는 한계 때문이다. 

머신러닝과 딥러닝을 AI기반 분석플랫폼은 제조공정상 문제가 발생할 경우, 그것이 당장의 일시적 문제인지, 앞으로도 이어질 문제인지를  앞뒤 6개월을 살펴보고, 정확한 원인을 분석할 수 있다는 평가다.