전기전자/정보통신

Nikkei Computer_2022.4.28 (p11)

미쓰비시 가스화학, 신기술로 AI 개발
배관의 부식 검사 작업량을 반감

미쓰비시가스화학이 배관의 부식을 검사하는 인공지능(AI)을 개발했다. 이 새로운 AI를 자사의 니가타(新潟)공장에 도입해 부식 검사의 작업량을 반감하는데 성공. 신기술을 이용해 검사 업무를 처리하면서 AI 모델의 정밀도를 높였다고 한다.

미쓰비시가스화학은 AI 스타트업 기업 ABEJA와 제휴해 공장 배관의 부식을 검사하는 AI를 개발해 올 1월, 니가타공장에서 본격적으로 운용을 개시했다. AI의 이용으로 나가타공장의 부식 검사 작업량이 약 50% 줄었다고 한다.

이번에 개발된 부식 검사 AI는 AI와 사람이 협업해 오퍼레이션을 수행하는 'Human-in-the-loop(인간 참여형, 이하 HITL)' 기계학습에 의한 접근방식을 이용한 것이 특징이다. HITL 기계학습이란 인간과 기계의 지능을 조합해 고정밀도의 효율적인 AI 시스템 개발·운용을 목표로 하는 접근방식이다. 기계학습 모델 훈련 시, 인간의 판단을 도입해 모델의 정밀도 향상 등을 도모한다.

-- 보수 직원의 작업 부담 경감 --
미쓰비시가스화학의 니가타공장은 바다에 근접해 있어 배관이 부식되기 쉽기 때문에 배관 점검은 중요한 업무 중 하나라고 한다.

배관 체크 업무에서는 직원(운전 직원)이 공장 내를 순회하며 부식 가능성이 있는 배관을 촬영한다. 부식의 유무나 부식 정도를 운전 직원이 판단하는 것은 어렵기 때문에 지금까지는 숙련된 직원(보수 직원)이 촬영된 영상을 보고 판정하는 구조였다. 하지만 배관 사진의 수가 방대해 부식을 판단하는 보수 직원의 업무 부담이 크다는 과제를 안고 있었다.

이 과제를 해결하기 위해 미쓰비시가스화학은 AI로 배관 부식을 판정하기로 결정했다. 가장 먼저 추진한 것이 판단 로직의 표준화. 미쓰비시가스화학의 생산기술부 프로세스기술그룹과 공장 현장 등 여러 부서로 구성된 워킹그룹을 편성해 보수 직원의 암묵지(暗默知)를 바탕으로 ‘부식 단계 설정’, ‘부식 대응 조치’ 등의 기준을 명확히 하고 매뉴얼화했다.

이후 2019년 11월부터 ABEJA와 함께 AI 모델 개발에 착수했다. 이 때 HITL 기계학습을 도입해 단계적으로 목표를 정해가면서 AI의 정밀도를 높여 나갔다.

기계학습 모델 중 하나인 지도 학습 모델을 개발하는 경우에는 통상적인 교사 데이터를 제시하는 ‘어노테이션(Annotation)’이라는 공정을 거친다. 오카다(岡田) ABEJA CEO는 "(HITL 기계학습에서는) 사람이 실제 업무에서 어노테이션과 같은 일을 한다"라고 표현한다. 즉, 숙련된 직원이 영상을 판단함으로써 AI 모델의 정밀도가 높아진다는 것이다.

실제 정밀도 향상의 흐름은 다음과 같다. AI는 촬영된 부식 영상을 기반으로 부식 장소를 특정해 부식 정도를 판정한다. AI의 판정 결과가 틀릴 경우, 보수 직원이 수정해 AI를 재훈련한다. 이러한 구조를 통해 업무 흐름을 진행시키는 것만으로 AI의 정밀도가 높아진다.

지금까지의 시행착오의 결과, 영상을 바탕으로 5단계로 부식을 판단하는 AI가 완성되었다. 부식 정도가 가벼운 것부터 순서대로 '도장이 벗겨졌다', '녹이 슬었다', '경도 부식', '부식', '중도 부식'으로 판단. 또한, 대응이 필요한 부식일수록 고정밀도로 판단할 수 있다고 한다.

 -- 끝 --

Copyright © 2020 [Nikkei Computer] / Nikkei Business Publications, Inc. All rights reserved.