AI를 통해 공장을 스마트 제조업체로 전환

Sep 07, 2023

인공지능(AI)은 ChatGPT 챗봇이 출시된 이후 모든 사람의 입에 오르내렸습니다. AI는 산업생산 기술에서도 큰 진전을 보이고 있다. 머신러닝은 제조 효율성을 높일 수 있습니다. 하지만 어떻게 작동합니까? 9월 18일부터 23일까지 열리는 EMO 하노버 2023 전시회에서 그 방법을 알아보세요. '제조 혁신(Innovate Manufacturing)'이라는 기치 아래, 세계 최고의 생산 기술 무역 박람회인 이 박람회는 인공 지능이 두드러지는 등 신선한 아이디어를 많이 제시함으로써 무역 관객에게 영감을 줄 것입니다.

생산 기계가 실제로 자체 최적화를 수행할 수 있습니까? 그들은 실수로부터 배울 수 있습니까? 그리고 다른 기계로부터 노하우를 얻는 것도 가능한가요? 인공지능(AI)이 이 모든 것을 가능하게 한다. 자가 학습 생산 기계가 지능적으로 작동하면 생산성이 향상되고 비용이 절감되며 품질이 향상되고 가동 중지 시간이 줄어듭니다.

“우리는 생산 기술 프로세스를 최적화하는 데 많은 시간을 투자했으며 여기서 경쟁 우위를 구축했습니다. 이제 우리는 산업 생산의 디지털 전환에서도 같은 일을 하고 싶습니다.”라고 ISST 프라운호퍼 소프트웨어 및 시스템 엔지니어링 연구소의 데이터 경제 부서 책임자인 Markus Spiekermann은 설명합니다. “인공지능은 새로운 요구 사항을 충족하는 데 결정적인 역할을 하고 있습니다.”라고 Spiekermann은 말합니다. “AI 방법을 통해서만 높은 수준의 자동화를 달성할 수 있기 때문입니다.”

선반에 대한 예측 유지보수

AI 트렌드가 산업계에 확산되고 있다. 예를 들어 공작 기계 제조업체인 Weisser Söhne GmbH & Co. KG는 선반의 예측 유지 관리를 가능하게 하는 AI 모델을 사용합니다.

Dr.-Ing은 “예측 유지 관리는 AI를 사용하여 기계 고장을 방지하기 위해 서비스가 필요한 시기를 예측합니다.”라고 설명합니다. Karlsruhe에 본사를 둔 스타트업 Prenode GmbH의 CEO이자 창립자인 Robin Hirt입니다. 소프트웨어 회사는 기계 제작자가 공장에 맞춤형 AI 기반 기능을 장착할 수 있도록 지원합니다.

현대 생산 기계는 인공 지능의 도움으로 자체 최적화가 가능하다고 Hirt는 말합니다. “그들은 일반적으로 이를 위해 소위 머신러닝 방법을 사용합니다. 이를 통해 기계는 생산 데이터의 패턴과 상관관계를 인식하고 자동으로 개선 사항을 도출할 수 있습니다.” 많은 경우 실수로부터 배우고 다른 기계의 노하우를 채택하는 것도 가능합니다.

공통 AI 모델을 생성하는 데 사용되는 분산형 데이터

단일 선반에서 얻은 데이터는 정확한 AI 모델의 기초로 충분하지 않기 때문에 연합 학습 기술이 자주 사용됩니다. 연합 학습은 데이터를 직접 공유하지 않고 분산 형식으로 데이터를 저장하여 일반적인 AI 모델의 "훈련"을 용이하게 합니다. 따라서 개별 데이터는 각 기계에 남아 있으며 중앙의 한 장소(예: 기계 제조업체의 클라우드)에 저장할 필요가 없습니다.

AI 모델은 진행 중인 선반 데이터를 사용해 공장의 현재 상태를 추정한 후 이를 운영 담당자에게 전달합니다. 이를 위해 딥러닝 신경망이 사용됩니다.

Trumpf의 스마트 정렬 도우미

독일 바덴뷔르템베르크주 디칭엔에 있는 레이저 전문가 Trumpf가 만든 시스템인 분류 가이드(Sorting Guide)를 운영하는 데도 인공 지능이 사용됩니다. 이 시스템은 생산된 부품을 분류하여 기계 활용도를 높이는 데 도움이 됩니다. 정렬 가이드는 분산형 기계 학습에 의존하는 카메라 기반 지원 시스템입니다. AI 시스템의 주요 구성 요소는 고해상도 카메라, 대형 스크린, 산업용 PC, 영상 처리를 위한 지능형 소프트웨어 등이다.

Prenode CEO Hirt는 “분산형 기계 학습에는 여러 기계를 연결하여 AI 시스템을 형성하는 것이 포함됩니다.”라고 원리를 설명합니다. 이러한 기계는 작업 프로세스에 대한 로컬 데이터를 지속적으로 수집합니다. 각 기계마다 AI 모델이 개발되어 중앙 집중화됩니다. Hirt는 “이러한 모델은 중앙 클라우드에 병합되어 개별 시스템으로 다시 전송됩니다.”라고 덧붙입니다. 그런 다음 AI 시스템은 민감한 원시 데이터를 공유할 필요 없이 다른 모든 시스템의 경험을 로컬에서 활용할 수 있습니다. “이를 통해 기계는 프로세스를 보다 효율적으로 실행하고 생산성을 높일 수 있습니다.”라고 Hirt는 약속합니다.