일본산업뉴스요약

Start Up Innovation / Science
AI 공장 작업, 실용 레벨에 진입
불필요한 동작을 검출해 개선

-- 다품종 소량 생산을 지원 --
공장 등에서 필요한 다양한 작업을 인공지능(AI)으로 효율화하는 기술이 실용 레벨에 진입했다. 복잡한 형태의 부품 공급 작업을 AI와 로봇으로 원활하게 이루어지도록 하거나, 작업자의 불필요한 동작을 검출해 개선할 수 있다. 저출산 등으로 인력부족이 이어지고 있는 가운데 다품종 소량 생산이 일반화되고 있는 산업 현장에서 AI로 작업의 효율화를 실현할 수 있을 것이다.

오사카대학의 하라다(原田) 교수와 산업기술종합연구소는 로봇으로 정확하게 부품을 집어 올리는 피킹의 성공률을 높였다. ㄷ자의 형태의 부품을 뒤엉키지 않고 정확하게 집어 올리는 실용화 레벨을 달성했다.

-- 뒤엉키지 않고 정확하게 집어 올릴 수 있어 --
상자에 아무렇게나 쌓여진 상태의 부품을 카메라로 인식해 로봇의 손으로 정확하게 집을 수 있게 된다면 제조 현장의 조립 공정에서 사람에게 의존해온 부품 공급의 자동화로 이어질 수 있다. 지금까지 로봇이 아무렇게나 쌓여진 상태의 부품을 피킹할 수 있는 것은 단순한 형태에만 대응할 수 있었다.

연구팀은 부품들이 뒤엉키지 않게 로봇이 집어 올릴 수 있는 자세를 AI방법의 하나인 ‘심층학습’으로 학습시켰다. 일반 AI로는 로봇을 몇 번이나 움직일 필요가 있었지만 시뮬레이션으로 학습 데이터를 축적해 학습시킨 결과, 부품의 어느 부분을 집어야만 뒤엉키지 않는지를 예측할 수 있도록 했다.

그 결과, 실제로 로봇을 움직이지 않아도 단시간에 성공률을 높일 수 있었다. 한 달 이상 필요했던 학습 시간도 하루면 충분하다.

앞으로는 S자형의 부품 등도 정확하게 집어 올릴 수 있도록 연구를 추진해나갈 계획이다. 또한 올바르게 잡지 못했을 경우는 일단 손에서 놓고 다시 재도전하거나 집어 올린 부품이 뒤엉켜 있을 때는 무게를 통해 판단해 흔들거나 놓아버리는 등이 가능하도록 한다. 이번 연구는 신에너지∙산업기술종합연구기구(NEDO)로부터 지원을 받고 있으며 기업과 연대해 조기 실용화를 목표로 하고 있다.

2018년 11월에는 오사카대학 대학원 기초공학연구과에 ‘다이후쿠 물류자동화 공동연구강좌’가 개설되었다. 물류시스템을 운영하는 다이후쿠의 기술자들이 하라다 교수 팀과 함께 연구를 추진하고 있다. 로봇 피킹 기술도 포함해 차세대 물류의 자동화 기술을 개발한다.

미쓰비시덴키(三菱電機)는 공장에서 작업하는 사람들의 작은 동작의 차이 등을 찾아내어 불필요한 움직임을 제거해 개선하는 행동 분석용 AI를 개발했다. 부품의 공급 위치 개선이나 동작의 최적화 등 작업 공정의 최적화를 위한 것으로 자사 공장에서 시험적으로 도입하고 있다.

장치의 조립 작업에서는 부품을 일정한 장소에 놓고 나사를 조여 조립하는 등의 작업 순서로 진행된다. 작업자는 이러한 움직임을 9회 반복. 이 때 작업자의 양 손목 위치를 3차원 카메라로 촬영해 표준 동작 패턴을 결정하고 그 패턴에서 어긋난 동작을 AI가 산출하는 것이다.

-- 공정을 즉시 분석 --
개발된 AI는 작업자가 부품을 조립 순서를 틀리거나 상자에서 부품 2개를 동시에 집어 다시 돌려 놓는 등의 불필요한 동작을 찾아낸다. 사람이 알아차리기 어려운 작은 움직임의 차이도 AI는 찾아낼 수 있다고 한다. 미쓰비시덴키 첨단기술종합연구소 센서정보처리시스템기술부의 오쿠다(奧田) 그룹매니저는 “AI는 작업자 개개인에 맞는 분석이 가능하다”라고 말한다.

AI의 사전 학습이 불필요해 하나의 공정 분석은 수 초~수 분만에 끝낼 수 있다. 기존에는 작업자의 움직임을 비디오로 촬영해 스톱워치로 하나의 공정에 걸리는 시간을 측정. 분석에 수 일 걸리는 경우도 있었다. 학습 데이터를 이용하는 AI 방법도 보급되고 있지만 자동화는 어려웠다.

NEC는 산업기술종합연구소와 공동으로 새로운 생산 프로세스의 설계 단계에서 찾아내기 어려운 이상을 AI와 시뮬레이션을 활용해 찾아내는 기술을 개발했다.

통상적으로는 새로운 생산 프로세스가 가동되기 전에 설비의 처리 속도와 생산 계획이 달라져도 정체나 지연이 발생하지 않는지 등은 시뮬레이션을 통해 확인한다. 예를 들어 금속 소재를 생산하는 공장에서는 중간 재고가 보관 장소의 용량을 넘어 생산이 정지되는 사태를 피해야 할 필요가 있다.

하지만 공정이 많을 경우 모든 가능성을 확인하는 것은 어렵다. 전문가가 경험이나 감을 통해 조사하지만 시간이 걸리면서 미처 확인하지 못하는 경우도 발생한다.

NEC가 개발한 신기술은 문제가 발생할 것 같은 케이스와 그 발생 확률을 AI가 학습해 큰 틀을 파악해 그것을 집중적으로 조사한다. 고베(神戶)제강소의 생산 시뮬레이터로 시험해본 결과, 전문가가 1주일 걸려도 상정하기 어려웠던 패턴도 하루 만에 찾아낼 수 있었다고 한다.

일본에서 공장의 생산 현장에서의 작업을 AI로 효율화하려는 움직임이 활발한 것은 다품종 소량 생산이 일반화되고 있기 때문이다. 적은 품종을 대량 생산하던 시대에 비해 제조사들은 고객의 수요에 세밀하게 대응하지 않으면 살아남기 힘들어졌다. 생산 효율을 높이는 기술 및 노하우가 지금까지 이상으로 중요해지고 있다.

AI 인재 부족도 우려되고 있다. 정부는 인재 육성을 본격화하기 시작하고 있지만 일본의 제조 능력 유지 및 향상으로 이어질 수 있는 움직임이 필요하다.

 -- 끝 --