카이스트, 스마트팩토리 공정 변경에도 성능 유지하는 AI 개발

[녹색경제신문 = 이지웅 기자] 이재길 카이스트 전산학부 교수 연구팀이 제조 공정이나 설비가 바뀌어도 기존 AI 모델을 추가적인 불량 레이블링 없이 활용할 수 있는 새로운 ‘시계열 도메인 적응’ 기술을 개발했다.

‘시계열 도메인 적응(Time-series Domain Adaptation)’ 기술은 시간에 따라 변하는 데이터)를 다루는 AI 모델이 훈련받은 환경과 실제 적용 환경이 달라져도 추가 학습 없이 안정적으로 성능을 유지하도록 돕는 기술이다.

이재길 교수 연구팀은 환경 변화에 혼란을 일으키는 AI 모델이 가지는 문제의 핵심이 단순히 데이터 분포 차이뿐만 아니라, 불량 발생 패턴 자체가 바뀌는 현상에 있다는 점에 주목했다. 예를 들어, 반도체 웨이퍼 공정에서 환형 불량과 스크래치 불량의 비율이 설비 변경으로 인해 바뀔 수 있다.

연구팀은 새로운 공정의 센서 데이터를 추세, 비추세, 주파수 세 가지 성분으로 분해하여 각각의 특성을 파악하는 방법을 개발했다. 마치 사람이 기계 소리의 높낮이, 진동 패턴, 주기적 변화를 종합해서 이상 징후를 감지하는 것처럼 AI도 다각도로 데이터를 분석하도록 했다.

이를 통해 기존 모델이 예측한 결과를 새로운 공정의 데이터 군집 정보와 비교해 자동으로 예측값을 보정하는 방식을 적용한 ‘TA4LS(Time-series domain Adaptation for mitigating Label Shifts)’ 기술을 개발했다. 이로써 기존 공정의 불량 발생 패턴에 편향된 예측을 새로운 공정에 맞게 정확히 조정할 수 있게 됐다. 

해당 기술은 별도의 복잡한 개발 없이도 기존의 AI에 끼워 넣는 추가 부품처럼 쉽게 결합할 수 있어 실용성이 높다. 현재 사용하고 있는 AI 기술에 구애받지 않고 간단한 추가 절차만 거치면 바로 적용할 수 있다.

연구팀은 시계열 도메인 적응 4개의 벤치마크 데이터셋을 사용한 실험에서 기존 방법 대비 최대 9.42% 정확도 향상을 달성했다.

특히 공정이 바뀌어 레이블 분포 차이가 큰 경우에서도 AI가 이를 스스로 보정해 판별하는 성능 개선 효과가 두드러졌다. 이러한 결과는 스마트팩토리의 주요 장점인 여러 종류 제품을 소량 생산하는 환경에서 불량 없이 더욱 효과적으로 사용될 수 있음을 입증했다.

이재길 교수는 “이는제조업에서 인공지능 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술”이라며 “실용화되면 유지 비용 감소와 불량 탐지율 개선을 통해서 스마트팩토리 확산에 큰 기여를 할 것”이라고 말했다.