[더테크 서명수 기자]  스마트팩토리의 핵심 경쟁력은 불량률 최소화와 생산 효율성 극대화에 있다. 그러나 현실 제조 현장에서는 설비 교체나 온도·압력·속도 변화 등 작은 변수에도 기존 인공지능(AI) 모델의 성능이 급격히 저하되는 문제가 꾸준히 지적돼 왔다.

KAIST 연구진이 이러한 한계를 극복할 수 있는 새로운 AI 기술을 개발했다. KAIST는 전산학부 이재길 교수 연구팀이 추가적인 데이터 라벨링이나 재학습 없이도 공정 변화에 대응 가능한 ‘시계열 도메인 적응(Time-series Domain Adaptation)’ 기술을 선보였다고 26일 밝혔다.

이번 기술은 시간 흐름에 따라 달라지는 센서 데이터(온도 변화, 기계 진동, 전력 사용량 등)를 활용하는 AI 모델이 학습 환경과 실제 적용 환경이 달라져도 성능을 안정적으로 유지하도록 돕는다. 특히 기존 연구가 데이터 분포 차이에만 집중했던 것과 달리, KAIST 연구팀은 공정 변화로 인해 불량 발생 패턴(레이블 분포) 자체가 달라지는 점을 문제의 핵심으로 짚어냈다.

연구팀은 새로운 공정 데이터를 추세·비추세·주파수 성분으로 분해해 AI가 다각도로 분석하도록 하고, 여기에 기존 모델의 예측값을 데이터 군집 정보와 비교·보정하는 ‘TA4LS’ 기술을 적용했다. 이를 통해 AI가 스스로 불량 패턴 차이를 교정하며 기존보다 최대 9.42% 높은 정확도를 기록했다.

무엇보다 이번 기술은 별도의 복잡한 개발이나 시스템 교체가 필요 없는 ‘플러그인 모듈’ 방식으로 설계돼, 현재 운영 중인 AI 모델에도 손쉽게 결합할 수 있다는 점에서 실용성이 높다.

KAIST 이재길 교수는 “이번 성과는 공정이 자주 바뀌는 다품종 소량생산 환경의 스마트팩토리는 물론, 의료 기기, 스마트시티 등 다양한 영역에서 AI 활용성을 크게 넓힐 것”이라며 “재학습 비용과 운영 부담을 획기적으로 줄이는 계기가 될 것”이라고 말했다.