제조 기업의 AI 도입 및 활용 방안 (실사례 포함)
https://youtu.be/eJSJmVMdLNc?list=LL
인이지의 유보선 팀장님이 정리해주신 제조 기업의 AI 도입 및 활용 방안 영상을 보며 정리한 포스팅입니다.
보다 구체적인 설명은 위 영상을 보시면 더욱 좋습니다
제조업에서 AI는 매우 다양한 분야에서 적용 가능하다
1. 불량 검사
2. 자재 관리
3. 고장 예지 정비
4. 설비 운용 등의 운용 최적화
+ 영업과 마케팅 분야에서 소비자 트렌드 예측과 맞춤형 서비스 제공
제조 기업의 AI 도입 및 활용 방안
1. 불량검사
가장 많이 도입하는 분야는 생산품의 불량 검사
특히 중소기업에서는 생산 제품을 일일이 확인하는 형태로 불량 제품을 찾아내는 것이 매우 일반적인 일이다.
이런 부분에서 제품의 이미지 등을 활용해서 불량 진단을 자동화 가능
공정에 따라서 제품의 이미지 정보뿐만 아니라, 제품의 생산 공정 데이터 및 제품 가동 시 발생하는 소음, 진동 등
공정에 대한 정보를 토대로 불량품을 검출할 수 있다
2. 자재 관리
제조 업체는 제품에 대한 수요를 고려해서 제품을 얼마나 생산할지 항상 미리 고민하고
그에 따라 필요한 원자재, 부품 등을 구매한다.
또한 원자재 등의 가격이 저렴할 때 미리 구매하는 형식으로 생산 제품의 단가를 낮추기 위해 항상 노력해야 한다.
인공지능을 적용해서 제품의 수요, 중요 원자재와 부품의 가격을 예측하고
그에 따라 구매 계획, 생산 계획을 최적화하여 기업의 이윤을 최대화 할 수 있다
3. 고장 예지 정비
제조 산업 분야는 밸브, 펌프, 배관 등 많은 설비와 부품이 필요하며, 서로 연계하여 적절히 동작해야 양질의 제품을 생산할 수 있다.
이러한 설비나 부품은 점차 노화하게 되어 균열, 부식등이 발생할 수 있으며
제품 생산 공정 전반이 동작 불가능하게 될 수도 있습니다.
이를 사전에 방지하고자 인공지능 기반 고장 예지 설비 적용하여, 중요 부품이나 설비의 정비 및 교체 시기를 추정하는 방식이다.
4. 제조 설비 운영 최적화
예를 들어 화학 반응 공정은 반응을 위한 화합물, 촉매, 온도, 교반기 및 외기 온도 등
매우 다양한 요인들이 복잡하게 상호작용하여 제품을 생산한다. 이런 공정에 AI를 통해 생산량 최적화 가능
AI 도입을 통해 기대할 수 있는 효과
1. 기업의 이익 증대
정량적인 지표로 드러나는 이윤 증대 가능.
예를 들어 제품 생산 시 낭비되는 원재료, 연료 등을 최소화
또한 생산 설비를 최적 제어함으로써 같은 양의 원재료로 더 많은 제품을 생산할 수 있다.
그리고 고장 예지 정비를 통해서 제품 생산 설비의 비정상적 기동 정지를 최소화 가능.
기업의 규모에 따라 다르겠지만,
연간 소비되는 연료 사용량의 0.1%만 절약할 수 있어도 기업은 엄청난 이윤 증대를 기대할 수 있다.
또한 탄소 중립과 같은 환경을 위한 정부 주도의 제약에서도 대응 가능
2. 경쟁력 향상
정량적 평가가 어려운 부분에도 개선이 가능하다 ( 제품 품질의 상향 평준화 )
제품 생산을 위해 중요 설비를 24시간 가동하기 때문에
양질의 제품 생산을 위해서는 현장 근로자의 집중력이 필수이다. (생각보다 품질에 영향 미치는 아주 중요한 요소)
사람으로 인한 오차를 최소화하고, 현장 작업자의 작업 피로도 경감, 양질의 균일한 제품 생산 실현
그리고 모든 인공지능 도입이 성공하고 있지 않기 때문에 도입 비용도 적절하게 고려하면 좋다
AI 도입 절차와 방법
어떤 데이터를 보유하고 있는지, 또는 확보해야 하는지 명확히 알아야 한다.
공정에서 어떤 데이터가 중요한지 이해 필수적이다.
실무자들은 이미 잘 알고 있는 부분이기 때문에, 현장의 목소리에 귀 기울이는 것이 중요하다.
필요한 데이터를 측정(센서)하고 저장하기 위한 데이터 처리 시스템을 구축 (서버 등)
도입 기업은 제조 공정에 대한 전문 지식, 노하우 등을 개발 기관과 공유하여
도입 기업의 제조 공정, 제어 방식 등이 개발 기술에 잘 반영될 수 있도록 노력해야 한다.
또한 도입 후에 현장 전문가가 신뢰할 수 있고 유효한 효과가 발휘될 수 있도록 유도해야 한다.
개발이 어떤 방향으로 진행되고 있는지 살 사용자와 함께 주기적으로 확인하는 과정도 필요합니다
해당 분야에서 오랜 시간 종사한 전문가가 보기에 그 방식이 합리적이지 않다면
많은 시간과 노력을 들여 개발한 기술이 무의미해질 가능성도 있다.
반드시 현장 전문가가 신뢰할 수 있는 기술을 개발하는 것이 제조 AI 도입에 있어서 중요
AI 도입 사례
용광로에서 철광석과 코크스 등이 뒤섞여 여러 화학 반응을 동시에 일으키는데
이러한 과정을 디지털화한 후에 인공지능을 적용하여, 공정에 관련한 주요 사항들을 예측 및 최적화하였다.
그 결과 일일 용선(쇳물) 생산량이 240톤 증가했는데
이는 중형 승용차를 연간 8만 5천대를 더 생산할 수 있는 양이다
또한 용광로의 용선 온도를 인공지능 기반으로 최적화하여 연간 연료비를 650억원 절감하였다
D발전소는 석탄을 분쇄하여 연소시키고, 발생 열로 고온 고압의 수증기를 만들어
터빈을 회전시켜 전기를 생산하는데
이 과정에서 스팀 배관의 균열이 빈번하게 발생하여 전체 발전 설비가 자동 정지되는 상황이 발생하곤 하였다
최근에는 이런 발전 공정에 인공지능 기술을 도입하여
스팀 배관의 온도를 예측해서 배관 균열에 의한 스팀 누수를 지속해서 감시하고 있다고 한다.
또한 스팀 배관의 온도 예측은 석탄 연소애 의한 잔여물로 인하여
배관으로의 열전달 효율 등을 간접적으로 분석할 수도 있다.
이런 내용을 기반으로 배관의 정비 및 교체 시기를 추정할 수 있다.
이미지 기반의 불량품 검출을 많이 적용하고 있다.
저가의 카메라 장비와 인터넷 정도만 있어도 쉽게 도입이 가능하기 때문이다.
주방 세정제 등을 생산하는 매출액 약 100억원 정도 규모의 H사는
포장 공정에 이미지 기반 오포장 검사 기술을 도입했다
제품 포장 박스에 정해진 숫자의 제품이 정확히 잘 담겨 있는지를 AI를 통해서 자동으로 검출하는 시스템
약 2억원 중 1억 5천 정부 지원금.
에어컨 조립 후 실험 가동 시 발생하는 소음으로 조립의 양/불량을 판단하는 인공지능 기술을 도입하여 인건비 절감