한국과학기술원(KAIST)은 전산학부 이재길 교수 연구팀이 제조 공정이나 설비가 바뀌어도 추가 학습 없이 기존 인공지능(AI) 모델을 활용해 불량을 탐지할 수 있는 '시계열 도메인 적응' 기술을 개발했다고 26일 밝혔다.

최근 스마트팩토리(생산과정에 자동화 기술을 결합한 지능형 공장) 제조 현장에서 AI 센서 데이터를 활용한 불량 탐지 시스템 도입이 가속화하고 있다.

이 시스템은 설비에 부착된 센서로부터 입력되는 데이터를 실시간으로 분석해 설비 이상이나 불량품을 조기에 발견할 수 있지만, 생산 라인이 바뀌거나 설비 교체 등 제조 공정이 바뀌면 시스템의 성능이 급격히 떨어지는 등 문제가 있었다.

이 때문에 새로운 공정에 대해 추가 레이블링(특정 정보에 불량 여부나 상태 정보를 사람이 별도로 확인하고 레이블을 달아주는 작업)을 해야 하는 등 번거로움과 비용 부담이 컸다.

연구팀은 바뀐 공정에 대한 레이블링 없이도 기존 방법론의 성능을 개선할 수 있는 기술을 개발했다.

연구팀이 개발한 시계열 도메인 적응(Time-series Domain Adaptation) 기술은 시간에 따라 변하는 데이터, 예를 들어 온도 변화나 기계 진동, 전력 사용량, 센서 신호 등을 다루는 AI 모델이 훈련받은 환경(도메인)과 실제 적용 환경이 달라져도 추가 학습 없이 안정적으로 성능을 유지하도록 돕는 기술이다.

시계열 센서 데이터를 추세(trend·장기 변화), 비추세(detrend·순간 변화), 주파수(frequency) 등 세 가지 관점에서 동시에 분석, 불량 탐지 정확도를 높였다.

사람이 기계 소리의 높낮이, 진동 패턴, 주기적 변화를 종합해 이상 징후를 감지하는 것처럼 AI도 다각도로 데이터를 분석하도록 했다.

예를 들어 정상 운영 시에는 온도가 완만하게 상승하고(추세) 작은 진동만 있으며(비추세) 일정한 주기로 반복되지만(주파수), 이상 상황에서는 이 패턴들이 모두 달라진다.

연구팀은 새로 개발한 시계열 도메인 적응 기술을 사용한 실험에서 기존보다 최대 9.4% 높은 정확도를 달성했다.

이재길 교수는 "현재 사용 중인 공정에 간단한 추가적인 절차만 거치면 바로 적용할 수 있다"며 "제조업에서 인공지능 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술로, 스마트팩토리 유지 비용 감소와 불량 탐지율 개선에 기여할 것"이라고 기대했다.

이번 연구 성과는 국제 학술지 '지식발견및데이터마이닝학회 2025'에서 최근 발표됐다.