공장 바꿔도 다시 학습 필요 없어요…KAIST, AI 불량 탐지 기술 개발

제조 공정이 변경되더라도 기존 인공지능 모델을 다시 학습시키지 않고 그대로 사용할 수 있는 기술이 국내 연구진에 의해 개발됐다. 이로써 스마트팩토리 운영에 드는 비용과 시간이 대폭 줄어들 것으로 기대된다.

한국과학기술원(KAIST) 전산학부 이재길 교수 연구팀은 8월 26일, ‘시계열 도메인 적응’이라는 인공지능 기술을 새롭게 개발했다고 발표했다. 이 기술은 시간의 흐름에 따라 변화하는 데이터를 다루는 인공지능이 훈련된 환경과 다소 다른 실제 생산 환경에서도 성능을 안정적으로 유지할 수 있도록 설계됐다. 특히 기존과 다른 공정이나 설비로 바뀔 경우에도 추가 학습 없이 기존 모델을 그대로 활용할 수 있다는 점이 핵심이다.

최근 제조업계는 센서를 활용한 불량 탐지 기술을 빠르게 채택하고 있다. 센서가 실시간으로 데이터를 수집하고 인공지능이 이를 분석해 공정 이상이나 불량을 조기에 발견하는 방식이다. 문제는 생산 라인의 변경이나 낡은 설비의 교체 등으로 데이터 환경이 바뀔 경우, 기존 모델이 상황을 인식하지 못해 정확도가 크게 떨어진다는 점이다. 이에 따라 새로 바뀐 환경에 맞춰 데이터를 수작업으로 분류하고 다시 학습시키는 작업이 필요했는데, 이는 시간과 비용 면에서 적지 않은 부담을 초래해 왔다.

연구팀이 개발한 기술은 시계열 데이터 분석에 ‘추세’, ‘비추세’, ‘주파수’라는 세 가지 관점을 동시에 적용한 것이 특징이다. 추세는 온도처럼 천천히 변하는 패턴을, 비추세는 갑작스러운 진동변화 같은 일시적인 변동을, 주파수는 일정한 주기로 반복되는 움직임을 의미한다. 사람이 기계의 소리나 진동을 전반적으로 듣고 손상 여부를 판단하는 방식처럼, 인공지능도 입체적인 패턴을 기반으로 이상 여부를 감지하도록 설계됐다.

실험 결과에 따르면, 해당 기술을 적용한 불량 탐지 모델은 기존 방식보다 최대 9.4% 더 높은 정확도를 보였다. 이재길 교수는 “기존 공정에 간단한 절차만 거치면 곧바로 적용이 가능하다”며, “스마트팩토리 운영 시 가장 큰 걸림돌 중 하나였던 공정 변경에 따른 인공지능 재훈련 문제를 해결하는 계기가 될 것”이라고 말했다. 연구 성과는 데이터 마이닝 분야의 국제 학술대회인 ‘지식발견및데이터마이닝학회 2025’에서 최근 공개됐다.

이번 기술은 인공지능 기반의 제조관리 효율성을 한층 강화함으로써, 향후 스마트팩토리의 확산과 자동화 수준 향상에도 긍정적인 영향을 끼칠 것으로 보인다. 특히 공정 변경이나 설비 교체가 잦은 중소 제조업체에도 손쉽게 도입될 수 있다는 점에서 산업 전반의 디지털 전환 속도를 높이는 촉매제 역할을 할 전망이다.