3D프린팅 스마트 제조 진화, 산업용 인공지능 기술 확보 해야
우리나라는 3D프린팅 관련 인공지능(AI) 분야는 불모지이다. 방향성도 무엇을 해야 할 지에 대한 아이디어도 없기 때문에 교육 방향과 기술 개발 방향을 모색해야하는 중요한 시점이다. 이에 인하대학교 제조혁신대학원 인공지능 적층제조 연구실에서는 기고를 통해 AI 현황, 산업용 AI 분야와 발전 방향, 3D프린팅의 인공지능 기술 적용 그리고, 국내에서 개발 해야할 대표적인 3D프린팅 인공지능 솔루션을 제안하고자 한다.
제1·2차 산업혁명이 내연기관 등을 이용한 물리적 노동의 대체 및 효율화였다면, 제3·4차 산업혁명은 정신적 노동의 대체·효율화로 볼 수 있으며, 인공지능은 현재 4차 산업혁명의 핵심인 초지능화(Hyper-Intelligent)를 이끌고 있다, 이런 4차 산업혁명은 3D프린팅 등 제조업에 대한 산업 트랜드와 패러다임을 빠르게 변화시키고 있다.
이러한 가운데 글로벌 경제의 전방위 공급과잉, 수요축소 시대가 도래함에 따라 우리나라 제조업의 돌파구 마련이 시급하다. 이에 대한 해결책 중에 하나인 AI 기술은 그 자체로 막대한 부가가치를 창출하는 신산업이며 다양한 기존 제조산업과 금융·물류·교육·의료 등과 융합돼 산업구조의 혁신을 가져올 것으로 기대되고 있다.
AI는 3차에 걸친 침체기를 거쳐서 최신 기술인 딥러닝 등장으로 부흥하고 있다. 인공신경망의 한계점을 극복하는 방식 제시되고, 이를 기반으로 개발된 딥러닝 알고리즘으로 각 분야에서 획기적인 성과를 내고 있다.
대표적으로 비전 부분에서는 기존 컴퓨터 비전이라는 학문을 통해 80% 정도 식별이 가능했으나, 딥러닝 도입 후 100% 가까운 식별 능력으로 인간의 능력을 능가하고 있다. 3D프린팅 제조업 분야에서도 이러한 패러다임 변화에 적응하기 위해 최근 적층제조 스마트팩토리 플랫폼이 본격적으로 개발되면서 소재, 공정, 장비 설비 관련 빅데이터가 수집돼 AI 등을 활용한 다양한 어플리케이션이 개발되고 있다.
■3D프린팅 분야에서 AI 적용은 필수
인공지능은 크게 제조업 분야에 적용되는 산업용 AI와 일반 AI 분야로 구분할 수 있다. 일반 AI 분야는 컴퓨터 과학과 정보 과학에서 진행을 하는 분야로 연구와 실제 적용이 혼용이 되어, 일반 엔지니어가 적응하기가 어렵고, 이론 분야에 치중이 되어 있다. 일반 PC 산업과 비교를 하면, 워드 프로세서를 쓰고자하는 사람이 워드프로세서도 개발하고, 이외에 운영체제도 개발하고, 관련 프로그램까지 같이 개발을 해야하는 상황이다. 일반인은 딥러닝을 3D프린팅에 적용을 하려고 하는데, 이것을 하기 위해, 통계학, 인공 신경망 이론 등에 대해 배우고, 이것을 컴퓨터 언어인 파이썬으로 프로그램을 개발을 해야 하는 것이다.
즉, 파이썬이라는 컴퓨터 언어, 통계학 툴, 그리고, 신경만 언어인 텐서 플로우를 배우고, 이것으로 인공지능 프로그램을 적용을 해야하니, 실제 적용보다는 이런 것을 배우느라 세월을 다 보내고 있는 실정이다. 이는 산업용 AI도 마찬가지로 신경망을 현재 3D프린팅에 적용을 하고 싶은 데 필요 없는 것을 배우고 원활하게 쓰느라 세월을 다 보내고, 지쳐서 정작 AI 적용에는 소홀한 실정이다.
때문에 기존의 인공지능 교육 방식 보다는 산업에 필요한 AI 커리큘럼이 만들어지고, 실제 제조업 현장에 적용하는 산업용 AI에 주력을 해야한다. 정부에서도 이 분야에 대한 육성책으로 국내 제조업 기반 데이터를 기반으로 한 인프라, 전문가 네트워크, 기업지원 서비스를 연결하여 스마트공장의 인공지능 활용을 가속하는 민간 클라우드 기반 인공지능 제조 플랫폼(Korea AI Manufacturing Platform)을 구축했으나 아직 초기 단계이다. 또한 국내에는 전문 교수도 없고, 전문인력도 거의 없으며, 실제 학문적으로 정리도 안 된 상황이다.
세계 시장규모를 보면, 일반 AI 시장이 현재 40조원 시장인데 산업용 AI 시장은 현재 약 6조원에 불과하나 2025년까지 연평균 19% 증가한 17조원으로 성장이 예상되고 국내 시장도 2025년까지 연평균 25% 증가해 5,000억 내외로 성장할 전망이다.
산업용 AI 분야는 주요 생산 장비의 고장 예지 보전, 자동차 도장, 판금의 제품 표면 불량 검사, 공정 최적화, 생산 안전 환경 등에서 적용이 활발해 인공지능 불량 검출 기술의 경우 400여개 업체가 협회를 만들 정도다. 실제 적용 사례를 살펴보면 △반도체 장비 이상 탐지 △고장 전에 부품 주문 △고장시 바로 부품 교체로 생산성 향상 △반도체 칩 배치 최적화 △자동차 공장의 로봇의 고장 예지 △전기차 에너지 관리시스템(EMS) 최적화로 20% 연료 절감 △다중 로봇 시스템 경로 도출 자동화를 통한 속도 5배 향상 등이 있다.
2025년 17조 시장 성장, 비지도학습·강화학습 교육 및 정부지원 필요
포드社 산업용 AI 활용 로봇·3D프린팅 자동생산 시스템 구축, 국산화 추진
■3D프린팅 AI 적용, 품질관리·장비운영·자동화 기여
AI는 지도학습, 비지도학습, 강화학습 등이 있다. 일반 AI는 지도학습, 비지도학습이 주로 쓰이는 데 비해, 산업용 AI는 강화학습과 비지도학습이 쓰이고 있다. 따라서 2~3년 AI 학문을 배우고 나와도 산업 분야에서는 다시 교육을 받아야 하는 것이 현실이다.
산업용 AI 기술에서는 통계학에 가까운 머신러닝보다는 딥러닝을 중심으로 배워야 하고, 딥러닝 분야에서도 지도학습, 비지도학습, 강화학습 중에서, 비지도학습과 강화학습을 중점적으로 배워야 한다. 이미 구축이 거의 끝난 불량을 판별하는 판별 모델링보다는 새로운 데이터를 생성이 가능한 GAN(생성적 적대 신경망) 기술과 같은 생성 모델링에 주력해야, 산업에 적합한 AI 적용이 가능하다.
또한, 로봇 생산 패스의 최적화, 칩 배치 최적화, 전기차 에너지 관리시스템의 최적화에 적용되는 강화학습 기술도 배워야 한다. 이처럼 산업용 AI는 기존 AI와 중점적으로 배워야 하는 분야가 다르기 때문에 인력 양성 방향과 기술 개발은 정확한 방향성을 가지고 추진해야 한다.
해외에서는 3D프린팅 소프트웨어나 장비에 AI를 활발히 적용해 제품이 생산되는 성과가 나오는 데 비해, 우리는 전무한 것이 현실이다. 이에 우리는 산업용 AI 기술개발 및 3D프린팅 적용에 박차를 가해야 한다. 3D프린팅(적층제조)에서 AI 적용 분야는 크게 5가지로 나눌 수 있다.
첫 번째는 적층제조 설계(AM Design)에 DfAM(적층제조특화설계) 기술을 학습시켜 최적의 디자인을 시뮬레이션 보다 빠르게 지원하는 시스템이다.
두 번째는 공정 개발 및 최적화(Process and Performance Optimization) 시스템으로 기존의 공정의 실시간 레이어 별 사진을 학습해 새로운 공정의 실제 결과를 사전에 예측하여 공정 개발을 하고, 공정 상의 문제점을 찾아내는 시스템이다. EOS社가 인공지능업체와 디지털 트윈 기술을 기반으로 공동개발을 한 바 있다.
세 번째는 실시간 공정 모니터링 및 제어(In-Situ Process Monitoring and Control)로 수집된 데이터 기반으로 AI 및 빅데이터를 활용한 어플리케이션중 하나인 조업·품질 이상 감지, 설비 고장 예지 등을 구현함으로써 설비 운용 신뢰성을 높이고, 공정의 결함을 미리 예지·예측하고 예측한 결과에 따라 최적의 제어가 가능한 생산 솔루션을 개발하는 것이다. 이 기술은 필자가 학교에 오기 전에 국산 멀티 레이저 장비 개발에 맞추어 국산화한 기술로 여기에 인공지능 기술만 적용을 하면 되는 상황이다.
또한 3D프린팅 주요 생산장비 예지보전 기술이 있는데 현재 LG, 반도체 업체, 로봇 업체 등에서 AI 예지 보전이 일반적으로 활용되고 있으며 3D프린팅에도 AI 기술과 엣지컴퓨팅 기술이 적용되고 있는 추세다. 최근에는 주요 장비에 대한 고장을 사전에 예측하는 기술을 구현하여, 장비 고장으로 인한 해당 공정의 가동 중단 관련 제조 손실을 사전에 방지하는 기술이 부각되고 있다.
네 번째는 검사·테스팅이다. 카메라를 사용하고, 딥러닝 기법으로 부품의 사이즈 변화, 적층 불량 등을 실시간으로 검출하는 시스템이다. EOS社는 칼 자이스社의 광학 기술을 이용해, 각 불량 사진을 사전에 DB로 구축하고 딥러닝 기술을 이용하여 100% 가까이 불량 검출을 한 바 있다. 이는 지도학습을 통한 판별 모델링의 기술을 이용한 예이다.
다섯 번째는 생산 최적화이다. 로봇을 사용해 사람의 개입 없이 로봇과 3D프린터가 통신을 하여 무인 자동 생산하는 시스템이다.
이것은 포드社에서 처음으로 개발했는데 제조공정 적용 품질검사기와 연계한 딥러닝 강화학습 기반의 Path Optimization AI 기술을 개발해 적용했다. 생산용 협업로봇의 시뮬레이터를 활용한 강화학습으로 로봇의 최적의 패스를 찾아낸 사례이다. 생산·제조공정의 적용 시스템 인터페이스 및 타 산업분야로 확대 적용이 가능한 것으로 유연생산용 3D프린팅 시스템과 협동 로봇 표준 인터페이스를 개발하였고, 제조라인 전체 통합 생산·제조 공정의 모니터링 및 불량·결함 검출 예측 시스템을 개발한 사례이다.
결론적으로 필자는 5가지 분야를 적용한 최적의 AI 솔루션을 제안한다. 산업체에서 멀티 레이저 메탈 3D프린터 및 프로세스 모니터링 시스템을 개발하고, 국산화해 국내 중견기업의 방산 및 국방 부품 생산시스템 및 의료 임플란트 제작 시스템을 개발한 경험을 바탕으로 딥러닝 기반 품질 예측, 생산 품질 관리 시스템 방식을 기업체와 공동개발 중이다. 이 시스템은 EOS 같은 외산 시스템 및 국산화 장비도 공동 개발 구축이 가능하다. 완성이 되면 국내 장비 업체에 기술을 이전할 계획이다.
1차로 각종 파라미터 레이저 강도, 스캔스피드, 멜트풀 강도, 각 레이어 사진, CT, 물성 등 데이터 DB를 수집할 수 있는 공정 모니터링 시스템을 구축하여, 공정 데이터 DB를 구축할 계획이다. 이 데이터를 딥러닝(AutoEncoder/GAN)으로 학습하여, 최적의 공정 파라미터 도출하고, Ansys Additive science Material Tuner SW를 사용하여 시뮬레이션 이외에 마이크로 스트럭처로 예측한다. EBSD 실험을 해석적으로 구현하고, Grain 크기 분포, Orientation Angle 분포 확인 하여, 최적의 물성 설계를 진행하는 시스템이다.
2차로 생산 품질 관리 시스템은 독일의 제트엔진 개발사인 MTU, LIEBHERR社와 동일한 품질 관리 시스템을 부품 공정에 구축해, 실시간으로 X-ray CT와 동일한 딥러닝 기반 불량 검출을 한다.
이처럼 3D프린팅에 적용이 유망한 다섯 가지의 AI를 총 망라한 기술이 국내 제조기업의 생산성 향상과 3D프린팅 적용 확대의 기반이 되길 기대한다.