![인사이트 이미지]()
With People
AI가 이끄는 제조 현장의 혁신
AI 기술이 산업 분야는 물론 일상에서도 곳곳에 스며들면서, AI는 이제 공상과학이 아닌 현실의 영역에 자리하게 되었습니다. 얼마 전에는 AI 관련 기술이 노벨 물리학상과 화학상을 수상하며 과학계에서도 혁신을 일으켰는데요. 앞으로 기업의 경쟁력은 AI를 얼마나 빠르게, 적재적소에 활용하는지에 달렸다고 볼 수 있습니다.LG이노텍은 AI의 가능성을 일찍이 파악하고, AI를 제조 공정에 적용하기 위해 2019년부터 연구를 진행해 왔는데요. 제조 현장의 혁신을 이끄는 Industrial AI에 대해, LG이노텍 AI/Big Data 솔루션팀 류승훈 팀장님의 이야기를 들어보겠습니다! Q. ‘Industrial AI’란 무엇인지 간단하게 설명 부탁드립니다.‘제조 AI’라고도 불리는 이 기술은 AI로 제조 공정의 물리적인 환경을 모사해 제품 품질 예측, 유지보수, 공정 최적화 등을 수행하는 기술입니다. 좀 더 자세히 설명해 드리자면, 먼저 최초 설정된 공정 전체 프로세스를 AI가 전수 점검하여 불량 발생이 예상되는 공정을 사전에 탐지합니다. 그리고 불량 예측 결과를 바탕으로 AI가 공정 과정의 수많은 변수를 반영한 시뮬레이션을 수행합니다. 이를 통해 불량률을 최소화할 수 있는 최적의 공정 조건을 찾아내는 것이죠. Q. 팀장님께서는 Industrial AI 개발 과정에서 어떤 역할을 맡으셨나요?광학솔루션사업부에서는 일찍이 데이터 기반으로 공정을 최적화하여 품질을 높이는 기술의 중요성을 파악하고, 관련 기술을 많이 개발해 왔어요. 그러다 2019년에 AI 기술을 활용한 품질 예측 등의 AI 기술 개발이 필요했고, 그때부터 AI 선행 기술 개발을 시작했습니다. 2021년부터 본격적으로 R&D 팀을 구성하고 제가 리더가 되어 과제를 수행했습니다. 당시에는 Industrial AI와 같은 개념과 방법론에 대한 연구가 내부적으로나 학계에서도 많이 이루어지지 않았던 때였어요. 여러 기술적 장벽을 마주치며, 그 벽을 넘기 위한 LG이노텍만의 Industrial AI 개념과 다양한 기술들을 개발하는 역할을 주로 맡았습니다. Q. AI는 이제 막 개화하기 시작한 분야인 만큼, Industrial AI 개발이 쉽지만은 않았을 것 같습니다. 어떤 어려움이 있었고, 어떻게 극복하셨는지 이야기해 주실 수 있을까요?Industrial AI는 일반적인 AI 연구 분야와는 조금 다른, 제조업에서만 연구되고 활용될 수 있는 특화된 AI 기술이라고 할 수 있습니다. 학계에서 주로 연구하는 AI는 ‘인간의 두뇌’를 모사하는 ‘Neuro AI’인 반면 Industrial AI는 ‘물리적 환경’을 모사하기 때문인데요. Neuro AI는 영상 이미지나 언어 텍스트와 같은 데이터를 주로 다루지만, Industrial AI는 영상과 언어 데이터뿐만 아니라 다양한 물리적 인자들을 데이터로 활용해야 합니다. 이처럼 특화된 데이터를 다루다 보니, 개발 당시에는 참고할 만한 자료가 거의 없었어요. 제조업 도메인에서 특화된 기술을 연구한 학계 논문도 존재하지 않았습니다. 완전히 새로운 영역에 도전하는 것이나 마찬가지였죠. 당연히 많은 어려움과 실패도 따랐습니다. 앞서 말씀드렸던 것처럼 학계에서 사용하는 데이터와 제조 현업의 데이터 형태가 다르다 보니, 저희 데이터에 대한 깊이 있는 이해를 바탕으로 AI 모델에 적용하는 것이 매우 어려웠어요. 학계의 연구 성과를 도입해도 AI 성능이 잘 나오지 않았고, 최신 논문을 아무리 읽어도 해결되지 않는 문제들이 많았죠. 다양한 방법을 시도해 봐도 만족스럽지 않은 결과가 반복되자 저를 비롯한 프로젝트 멤버들이 정신적으로 매우 지치는 상황이 이어졌어요. 그럼에도 불구하고, 우리는 기술의 최전선에 있다는 생각과 이 벽을 넘으면 선두주자가 될 수 있다는 믿음으로 힘든 시간을 버텼습니다. 계속해서 AI 모델과 데이터를 실험한 결과, 우리가 원했던 결과물들을 지속적으로 얻어낼 수 있었습니다. 개인적으로 감정의 기복이 적은 편이지만, 이러한 기술적 장벽을 멤버들과 함께 하나씩 넘어갈 때는 정말 기쁘더라구요. Q. Industrial AI 개발을 위해서는 하드웨어 & 소프트웨어 분야의 협업도 중요할 것 같은데요. 어떤 분야의 전문가들이 어떻게 협업했는지에 대해서도 말씀 부탁드립니다.Industrial AI 기술을 성공적으로 구현하기 위해서는 다양한 조직 간의 협업이 필수적이었습니다. 예를 들어, 저희 CTO 내 AI 전문 조직은 AI에 대한 지식과 이해를 갖췄지만, 현업 데이터에 대한 이해가 부족했습니다. 반면 광학·기판·제조·개발 등 각 현업 전문가들은 해당 분야의 지식과 데이터에 대해 잘 알고 있었지만, AI에 대해서는 확신이 부족했죠. 이를 해결하기 위해 초기부터 Cross-Functional 팀을 구성했습니다. CTO 인력과 사업부 인력이 함께 참여하는 전사 TDR 조직을 통해 각자의 지식을 공유하며 과제를 진행했습니다. 프로젝트 관리 측면에서는 일반적인 개발 방법이 아닌, 스크럼(Scrum)과 같은 애자일(Agile) 개발 방법론을 활용했어요. 쉽게 말해 프로젝트를 작은 목표와 짧은 주기로 쪼개 점진적으로 개발을 진행하는 관리 기법인데요. 계획, 연구개발, 리뷰, 회고 등의 기간을 2주로 짧게 잡고 과제를 발전시켜 나갔습니다. 이 과정에서 엔지니어뿐만 아니라 각 조직의 임원들도 과제의 방향을 함께 점검하고, 프로젝트 팀의 방향성을 자주 조정하며 효과적으로 협업할 수 있었습니다.Q. Industrial AI를 통해 고객의 어떤 Pain Point를 개선했다고 생각하시나요?정량적으로는 불량 감소로 인한 F-Cost(Failure cost, 불량 발생으로 인한 손실 비용)를 절감했고, 정성적으로는 더 고품질의 제품을 생산하여 고객 만족을 달성할 수 있다는 점이 주요 개선점입니다. 또한, Industrial AI는 경쟁사가 시도하지 못한 새로운 기술 혁신이었기에 LG 이노텍의 남다른 기술력과 역량을 증명할 수 있었고, 이는 고객이 LG이노텍을 더욱 신뢰하고 선택하는 데 기여했다고 생각합니다. Industrial AI 기술은 단순히 하나의 사업부에만 국한되지 않고, 기판과 전장 등 다양한 사업군에 적용될 수 있는 확장 가능한 기술이에요. 따라서, Industrial AI 기술은 LG이노텍의 다양한 고객들에게 더 많은 가치를 제공할 수 있는 기반 기술이 될 수 있다고 생각합니다. Q. 마지막으로, Industrial AI가 Remarkable한 이유는 무엇이라고 생각하시는지 말씀 부탁드립니다.현재 학계의 대부분의 AI 연구는 LLM(Large Language Model)과 생성형 AI에 집중되어 있으며, 제조업에서의 Industrial AI는 상대적으로 연구가 잘 이루어지지 않고 있습니다. 학계에서는 제조업의 주요 데이터를 확보할 수 없기 때문에 연구 자체가 불가능한 이유도 있죠. 이러한 상황에서 LG이노텍이 R&D에 투자하고 적용하고 있는 Industrial AI는 제조업 AI 기술의 최전선에 있다고 생각합니다. 저는 혁신이 항상 이 최전선을 넘어섰을 때 이루어진다고 믿어요. 사업부와 CTO 모두가 오랜 시간 동안 한마음으로, 수많은 실패에도 포기하지 않고 도전하여 얻은 작은 성과들이 이제 막 나타나고 있습니다. 이러한 성과들을 위해 실패를 장려하고 도전을 권장하는 LG이노텍의 문화는 대단하다고 생각합니다. Industrial AI 기술은 이제 시작에 불과하며 앞으로 더 큰 가치를 창출할 잠재력을 지니고 있어요. 지금까지의 모든 과정과, 앞으로의 무한한 가능성을 Remarkable하다고 평가하고 싶습니다.
