
인공지능(AI) 전문기업 더아이엠씨가 텍스트·문서 데이터 분석으로 쌓은 기술을 제조현장으로 확장하며 ‘피지컬 AI’ 사업에 속도를 내고 있다. 기계의 소리와 진동을 분석해 제품 불량과 설비 이상을 감지하고, 나아가 AI의 판단을 실제 설비 제어까지 연결한다는 구상이다.
더아이엠씨는 지난해 대구시와 대구디지털혁신진흥원이 추진하는 ‘광역연계형 AI솔루션 개발·실증 지원과제’의 주관기업으로 선정됐다. 이 과제를 통해 제조설비의 소리·진동 데이터를 활용해 제품 품질을 관리하고, 고장 징후를 미리 파악하는 예지보전 기술을 개발해 왔다. 2년간 추진해 온 사업은 올해 말 종료를 앞두고 있으며, 현재 기술 고도화와 현장 실증을 통해 최종 성과를 검증하고 있다.
더아이엠씨는 빅데이터 분석 플랫폼 ‘TEXTOM’과 생성형 AI 플랫폼 ‘AITOM’을 통해 데이터 수집·분석 역량을 쌓아왔다. TEXTOM은 회원 3만8000여 명을 확보했으며, 분석 결과를 활용한 학술논문은 1113편에 달한다. AITOM을 기반으로 한국지역정보개발원, 한국해양진흥공사, 전남테크노파크 등에 생성형 AI 시스템을 구축한 경험도 있다.
이번 사업은 이 같은 역량을 제조현장에 접목한 사례다. 더아이엠씨는 지난해 고광산업의 로링기에 적용한 기술을 올해 같은 기업의 헤딩기와 은성공업의 로링기로 확대했다. 로링은 금속 소재를 금형 사이에서 굴려 나사산 등을 만드는 공정이고, 헤딩은 금속 소재의 끝부분을 눌러 볼트나 나사의 머리 모양을 만드는 공정이다. 기술을 실제 생산라인에 적용해 효과를 검증하는 수요기업은 고광산업 한 곳에서 은성공업을 포함한 두 곳으로 늘었다.

AI 학습데이터는 지난해 약 30만 건에서 올해 약 60만 건으로 늘었다. 불량 탐지 모델의 F1 점수는 0.77에서 0.88로, 설비 고장 징후를 감지하는 예지보전 모델의 F1 점수는 0.71에서 0.85로 높아졌다. F1 점수는 AI가 불량으로 판정한 제품 중 실제 불량이 얼마나 되는지와, 전체 불량 중 AI가 얼마나 놓치지 않고 찾아냈는지를 함께 반영한 지표다. 1에 가까울수록 성능이 높으며, 두 모델 모두 당초 목표인 0.65를 웃돌았다.
기존 클라우드 서버 중심의 분석 방식에서 벗어나 설비 가까이에 설치된 장치가 직접 불량과 이상 여부를 판단하는 ‘엣지 AI’ 기술도 적용했다. 외부 서버를 거치지 않고 현장에서 분석 결과를 확인할 수 있어 신속한 품질관리와 설비 점검에 활용할 수 있다는 설명이다.
고광산업은 로링기와 헤딩기에서 기술 활용 가능성을 검증하고 있다. 고광산업 관계자는 “두 공정에서 발생하는 소리와 진동을 AI로 분석할 수 있는 기반을 마련했다”며 “제품 불량을 조기에 발견하고 설비 점검의 효율성을 높이는 데 도움이 될 것으로 기대한다”고 말했다.
현장 실증은 마무리 단계로, 11월 말 생산성 검증을 앞두고 있다. 더아이엠씨는 향후 성형기와 절삭기 등으로 적용 범위를 넓힐 계획이다. AI가 불량을 판별하면 설비 제어장치(PLC)가 그 결과를 받아 불량품을 자동으로 선별·분리하도록 기술을 발전시킨다는 구상이다.
전채남 더아이엠씨 대표는 “이번 사업은 텍스트와 문서를 분석하던 AI 기술을 제조현장의 소리와 진동으로 확장한 중요한 전환점”이라며 “불량 탐지와 예지보전 기술을 고도화하고 AI의 판단이 실제 설비 동작으로 이어지는 피지컬 AI 사업을 본격적으로 키워가겠다”고 말했다.
이번 과제는 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 지원하는 ‘제조업 AI융합 기반 조성 사업’과 연계해 추진되고 있다. 더아이엠씨는 이번 실증을 바탕으로 다양한 제조업종과 지역으로 피지컬 AI 기술의 적용 범위를 넓혀갈 계획이다.
배경민 한경닷컴 기자 bkm@hankyung.com
관련뉴스






