%eb%8f%84%eb%a9%94%ec%9d%b8
-
스마트팩토리 제조 공정 변해도 알아서 불량 잡는 AI 나왔다
최근 스마트팩토리의 제조 현장에서는 인공지능(AI) 센서 데이터를 활용한 불량 탐지 시스템 도입이 활발히 이뤄지고 있다. 그러나 기계 교체나 온도·압력·속도 변화 등으로 제조 공정이 바뀌면 기존 AI 모델은 새로운 상황을 제대로 이해하지 못해 성능이 급격히 저하되었다. 우리 연구진이 이런 상황에서도 재학습 없이 불량을 정확히 탐지하고, 최대 9.42% 성능 향상을 이끌어낸 AI 기술을 개발했다. 이번 성과는 스마트팩토리를 비롯해 헬스케어 기기와 스마트시티 등 다양한 분야에서 AI 운영 비용 절감과 활용성 확대에 기여할 것으로 기대된다.
우리 대학 전산학부 이재길 교수 연구팀이 제조 공정이나 설비가 바뀌어도 기존 AI 모델을 추가적인 불량 레이블링 없이 활용할 수 있는 새로운 ‘시계열 도메인 적응’기술을 개발했다고 26일 밝혔다.
‘시계열 도메인 적응(Time-series Domain Adaptation)’기술은 시간에 따라 변하는 데이터(예: 온도 변화, 기계 진동, 전력 사용량, 센서 신호 등)를 다루는 AI 모델이 훈련받은 환경(도메인)과 실제 적용 환경이 달라져도 추가 학습 없이 안정적으로 성능을 유지하도록 돕는 기술이다.
이재길 교수팀은 환경(도메인) 변화에 혼란을 일으키는 AI 모델이 가지는 문제의 핵심이 단순히 데이터 분포 차이뿐만 아니라 불량 발생 패턴(레이블 분포) 자체가 바뀌는 현상에 있다는 점에 주목했다. 예를 들어, 반도체 웨이퍼 공정에서 환형 불량과 스크래치 불량의 비율이 설비 변경으로 인해 바뀔 수 있다.
연구팀은 새로운 공정의 센서 데이터를 추세, 비추세, 주파수 세 가지 성분으로 분해하여 각각의 특성을 파악하는 방법을 개발했다. 마치 사람이 기계 소리의 높낮이, 진동 패턴, 주기적 변화를 종합해서 이상 징후를 감지하는 것처럼, AI도 다각도로 데이터를 분석하도록 했다.
즉 기존 모델이 예측한 결과를 새로운 공정의 데이터 군집 정보와 비교해 자동으로 예측값을 보정하는 방식을 적용한 ‘TA4LS(Time-series domain Adaptation for mitigating Label Shifts)’ 기술을 개발했다. 이를 통해 기존 공정의 불량 발생 패턴에 편향된 예측을 새로운 공정에 맞게 정확히 조정할 수 있다.
특히 이 기술은 별도의 복잡한 개발 없이도 기존의 AI에 끼워 넣는 추가 부품(플러그인 모듈)처럼 쉽게 결합할 수 있어 실용성이 높다. 즉, 현재 사용하고 있는 AI 기술에 구애받지 않고 간단한 추가 절차만 거치면 바로 적용할 수 있다.
연구팀은 시계열 도메인 적응 4개의 벤치마크 데이터셋(즉 변화가 발생한 4종류의 센서 데이터)을 사용한 실험에서 기존 방법 대비 최대 9.42% 정확도 향상을 달성했다.
특히 공정이 바뀌어 레이블 분포(예: 불량 발생 패턴) 차이가 큰 경우에서도 AI가 이를 스스로 보정해 판별하는 성능 개선 효과가 두드러짐을 보였다. 이러한 결과는 스마트팩토리의 주요 장점인 여러 종류 제품을 소량 생산하는 환경에서 불량 없이 더욱 효과적으로 사용될 수 있음을 입증했다.
연구팀을 지도한 이재길 교수는 “제조업에서 인공지능 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술이며, 실용화되면 유지 비용 감소와 불량 탐지율 개선을 통해서 스마트팩토리 확산에 큰 기여를 할 것”이라고 말했다.
이번 연구는 전산학부 나지혜 박사과정 학생이 제1 저자, 남영은 박사과정, LG AI 연구원 강준혁 연구원이 공동 저자로 참여했다. 연구 결과는 인공지능과 데이터 분야 세계 최고 권위 학회인 ‘지식발견및데이터마이닝학회(KDD, ACM SIGKDD Conference on Knowledge Discovery and Data Mining) 2025’에서 2025년 8월 발표됐다.
※논문명: Mitigating Source Label Dependency in Time-Series Domain Adaptation under Label Shifts
※DOI: https://doi.org/10.1145/3711896.3737050
한편, 이번 기술은 과학기술정보통신부 재원으로 정보통신기획평가원의 지원을 받아 SW컴퓨팅산업원천기술개발사업 SW스타랩 과제로 개발한 연구성과 결과물(RS-2020-II200862, DB4DL: 딥러닝 지원 고사용성 및 고성능 분산 인메모리 DBMS 개발)이다.
2025.08.26 조회수 5229 -
김기응 교수 연구, 국제 AI 챗봇 챌린지 우승
우리 대학 AI대학원 김기응 교수 연구팀(이정관, 함동훈 석사과정, 장영수 박사과정)은 인공지능 대화 시스템 분야 대표적 국제 경진대회인 제8회 대화시스템기술챌린지(The Eighth Dialogue System Technology Challenge; DSTC8)의 다중 도메인 태스크 완수(Multi-Domain Task Completion) 부문에서 우승을 차지했다.
마이크로소프트 리서치, IBM 리서치, 아마존 알렉사 AI가 공동주최한 대화시스템기술챌린지는 2019년 6월 데이터셋 공개 이후 약 3개월에 걸쳐 진행됐다. 연구팀은 사람이 직접 평가하는 인적 평가에서 68.32%의 성공률로 1위를 차지했고, 언어 이해 점수와 응답 적절성 점수에서 큰 차이를 보였다(결과 안내 : https://convlab.github.io/ ).
이 대회에서는 호텔, 식당, 명소 등 다양한 주제가 등장할 수 있는 여행 정보 안내 상황에서 사용자와의 대화를 통해 ▲ 사용자 요구사항 이해 ▲ 데이터베이스에서 요청한 정보 검색 ▲ 예약 시스템과의 연동 등의 수 있는 목적지향 대화 챗봇(chat-bot)을 만드는 것을 목표로 한다.
이러한 업무를 위한 기존 대화 시스템은 사용자 발화 이해(Natural Language Understanding; NLU), 대화 상태 추적(Dialogue State Tracking; DST), 대화 정책 결정(Dialogue Policy), 시스템 발화 생성(Natural Language Generation; NLG)의 총 네 단계를 수행하는 특화된 모듈로 구성돼 독립적으로 개발하고 통합한다.
김 교수 연구팀은 언어생성 모델인 GPT-2를 기반으로 위의 네 단계를 모두 수행하는 하나의 심층 신경망 모델을 제안했다. 연구팀이 개발한 대화 시스템은 언어생성 모델의 강력한 성능을 활용하는 창의적인 훈련 기법을 선보임으로써 기존의 방법론에 비해 훈련 과정을 대폭 단순화했다.
김기응 교수는 “최근 딥러닝 언어모델들이 다양한 자연어처리 태스크에 활용되는 추세인데, 복잡한 목적지향 대화처리에도 간결한 훈련 방법을 통해 우월한 성능을 보일 수 있음을 공식적으로 인정받은 것에 의의가 있다”라며, “아직 해결해야 할 연구 이슈가 많지만, 이 연구를 출발점으로 삼은 새로운 개발방법론들이 많이 등장할 것으로 기대한다”라고 말했다.
이번 연구는 2020년도 AAAI 학술대회의 대화시스템기술챌린지 워크숍에서 발표될 예정이다. 이 연구 결과는 산업통상자원부의 산업기술혁신사업 지원의 실내용 음성대화 로봇을 위한 원거리 음성인식 기술 및 멀티 태스크 대화처리 기술 개발 과제 수행을 통해 이뤄졌다.
2020.01.31 조회수 16927 -
종이 한 장으로 구제역 조기 진단 가능해진다
지난 2010년 11월 말 경북 안동에서 시작돼 이듬해 4월 초까지 전국으로 퍼졌던 구제역파동은 직접적인 피해액만 3조원으로 추산되며 경제 전반에 미친 파급효과는 5조원 이상이라는 분석도 있다.
구제역과 같은 전염성 강한 질병을 현장에서 즉시 진단할 수 없기 때문에 피해가 확산될 가능성이 높다. 의심신고가 들어오면 시료를 채취해 전문기관에서 분석하는 데만 2~3일 걸린다. 그 사이 바이러스는 걷잡을 수 없이 퍼진다.
구제역, 조류독감, 신종플루 등 전염성이 강한 질병 진단을 위한 바이오센서를 저렴한 가격에 만들 수 있게 됐다.
우리 학교 생명화학공학과 정기준·임성갑(41) 교수 공동연구팀은 종이나 비닐 등 다양한 물질에 항체를 고정하는데 성공해 보급형 바이오센서개발에 필요한 원천기술을 확보했다.
연구결과는 세계적 학술지 ‘폴리머 케미스트리(Polymer Chemistry)’ 후면 표지논문(7월 7일자)으로 게재됐다.
바이오센서의 기판은 안정성이 높은 금이나 유리를 주로 사용한다. 그러나 가격이 비싸고 휴대성이 떨어지기 때문에 현장에서 쓰기 어렵다.
게다가 항원 진단을 위해 사용되는 항체의 높은 생산 단가로 인해 진단시스템의 가격이 비싸 축산농가 등에 보급이 어려웠다.
연구팀은 기존에 있던 두 가지 핵심기술을 보급형 바이오센서 개발에 활용했다.
연구팀은 바이오센서의 제조단가를 획기적으로 줄이는 동시에 휴대성을 높이기 위해 초기 화학적 진공증착법(iCVD, Initiated chemical vapour deposition)으로 종이나 비닐에 고분자 박막을 증착했다. 또 박막과의 화학적 반응을 통해 항체 단백질을 안정적으로 고정하는데도 성공했다.
이와 함께 가격이 비싸고 고온에 견디지 못했던 기존의 항체 대신, 미생물을 기반으로 만들어 저렴하면서도 70℃의 높은 온도에서도 뛰어난 안정성을 보여주는 ‘크링글도메인’이라는 유사항체를 활용했다.
그 결과 연구팀은 기존 진단시스템의 고비용·불안정성 문제를 동시에 해결했다.
이번 연구를 주도한 정기준 교수는 “기판을 종이나 비닐로 대체하고 유사항체를 활용해 지금보다 훨씬 저렴하면서도 안정성 높은 바이오센서를 만드는 것이 핵심기술”이라고 설명했다.
이와 함께 “최근 국내에서 발병해 국민경제에 커다란 피해를 유발했던 구제역처럼 급속한 전파력을 갖는 바이러스성 질병을 현장에서 신속하게 진단할 수 있을 것”이라며 “향후 포스트잇 또는 책자 형태로 바이오센서를 만들어 축산농가에 보급되면 전수조사가 가능해져 무조건적인 살처분을 막고 샘플링검사로 인한 부정확성을 줄일 수 있을 것”이라고 말했다.
한편, 이번 연구는 미래창조과학부 신기술융합형 성장동력사업(바이오제약) 및 글로벌프론티어사업(차세대바이오매스연구단)의 지원을 받아 수행됐다.
그림1. 종이 비닐 등 다양한 표면 물질 위에 단백질을 고정화하는 기술의 모식도
그림2. 비닐(a)과 종이(b)에 고정화된 비항체 단백질 골격을 이용한 바이오센서
그림3. 고분자 박막 증착 기술에 기반한 단백질 고정화 시스템 이미지
2014.07.16 조회수 19714 -
꿈의 소재
- 초고성능의 차세대 전자소자 등에의 그래핀 응용가능성 높여 -
그간 개념상으로만 알려졌던 그래핀의 미세한 주름 구조와 도메인 구조, 그 구조들의 생성원리 및 열처리 공정을 통한 주름구조 제어 가능성이 우리 학교 연구진에 의해 최초로 규명되었다.
우리 학교 EEWS대학원 박정영 교수와 건국대 박배호 교수팀이 주도한 이번 연구 결과는 세계 3대 과학저널(네이처, 사이언스, 셀) 중 하나인 ‘사이언스(Science)’誌에 8월 중 게재될 예정이며, 이에 앞서 ‘사이언스 온라인 속보(Science Express)’에 7월 1일자(한국시간)로 소개되었다.
연구진은 기계적 박리법을 이용해 제작한 그래핀 박막을 원자힘 현미경을 이용하여 측정한 결과 물리적으로 똑같은 특성을 지닌 단일층 그래핀 내에서 마찰력이 현저히 다른 구역(비등방성 마찰력 도메인)이 존재하는 것을 발견하였다.
또한 연구진은 마찰력의 차이가 발생하는 원인을 밝히는 과정에서 그래핀에 잔주름의 방향이 다른 구역(domain, 도메인)이 존재함을 밝혔고, 적절한 열처리 공정을 이용하면 이런 구역구분이 없어지며 전체가 일정한 마찰력을 보이도록 재구성할 수 있음을 보였다.
연구진은 “본 연구는 주름구역의 존재를 최초로 확인하였다는 점과 주름구조의 제어 가능성을 보임으로써 휘어지는 전자소자 등에의 응용가능성을 한 단계 확장시켰다는데 의의가 있고, 향후 활발한 후속연구를 기대한다”라고 밝혔다.
본 연구의 특이한 점으로는 그래핀과 관련된 국내 최고의 전문가들인 서강대 정현식 교수팀, 성균관대 이창구 교수, KIAS 손영우 교수팀 등이 공동 연구에 참여했다는 점이다.
SiO2 기판위에 박리법으로 증착된 그래핀의 원자힘 현미경 이미지(좌), 마찰력 도메인 이미지(중앙), 마찰 도메인에서 예측한 잔주름 분포(우).
2011.07.01 조회수 20205