최근 생성형 AI 확산과 함께 제조 현장에서도 AI 도입이 늘고 있지만, 공장이나 설비가 바뀔 때마다 AI를 새로 개발해야 하는 문제가 반복되고 있다. 제조 환경마다 데이터 구조와 운영 방식이 달라 기존 AI를 다른 현장에 그대로 적용하기 어렵다. 이에 따라 제조 AI 도입 비용과 시간이 늘어나고 현장 확산에도 한계가 있다는 지적이 제기돼 왔다.
원프레딕트 ‘제조업 AI 컨트롤타워’ (사진=원프레딕트)
그동안 제조 AI는 설비 이상 탐지, 품질 검사, 에너지 관리 등 목적별로 각각 개발되는 경우가 많았다. 특정 공장에서 잘 작동하던 AI도 다른 공장이나 생산라인에 적용하려면 데이터를 다시 수집하고 새롭게 학습해야 했다.
제조 현장에서는 설비 센서 데이터뿐 아니라 공정 조건, 품질 검사 결과, 정비 이력 등 다양한 정보가 함께 연결돼 움직인다. 그러나 기존 AI는 특정 데이터만 개별 분석하는 구조가 많아 공장 전체 흐름과 운영 상황을 종합적으로 이해하는 데 한계가 있었다.
원프레딕트는 설비 상태 변화와 공정 조건, 품질 결과 등을 함께 분석해 이상 징후와 품질 문제 발생 가능성을 동시에 파악할 수 있도록 AI 구조를 고도화하고 있다. 나아가 품질·유지보수·에너지·공정 운영 등 다양한 제조 과제를 하나의 AI 구조 안에서 운영하는 ‘원 모델, 매니 태스크’ 체계도 구축 중이다.
신규 공장에 적은 데이터만으로 빠르게 적용할 수 있는 ‘퓨샷’ 방식과 한 공장에서 학습한 제조 데이터를 다른 공장으로 확장 적용하는 구조도 함께 추진한다.
윤병동 원프레딕트 대표는 “제조 현장은 공정과 설비, 운영 환경이 모두 달라 AI를 현장마다 개별 구축하는 방식에는 분명한 한계가 있었다”며 “앞으로 제조 AI는 단순 자동화를 넘어 공장 전체 운영 흐름을 연결하고 스스로 판단할 수 있는 제조업 AI 컨트롤타워 형태로 진화하게 될 것”이라고 말했다.
이어 “원프레딕트는 제조 파운데이션 모델을 기반으로 실제 현장에 빠르게 적용 가능한 AI 운영체계를 고도화해 나갈 계획”이라고 덧붙였다.
한편 원프레딕트는 산업통상부 주관 ‘제조 파운데이션 모델 핵심기술개발’ 과제를 주도하고 있다. 정유·철강·에너지 등 산업 현장에서 축적한 제조 데이터를 기반으로 MFM 고도화를 추진하고 있으며, 2025년 미국 모티바와 공급 계약 등을 통해 글로벌 제조 AI 시장 확대에도 속도를 내고 있다.
