미디어
대한민국 제조 AX의 경쟁력, ‘국산 NPU’와 ‘현장 암묵지’가 핵심
[공학저널 전찬민 기자] 현재 제조산업은 자동화 단계를 넘어 AI가 생산계획부터 공정 제어, 품질관리, 설비 운영, 공급망 관리까지 제조 전 과정을 실시간으로 최적화하는 ‘자율제조’로 진화하고 있다. 이에 따라 정부의 M.AX 전략과 산업계의 투자 확대를 바탕으로 제조 AX가 본격적인 확산 단계로 진입했다.
현재 제조업은 숙련인력 감소와 고령화, 품질 기준 강화, 다품종 생산, 에너지 비용 상승 등 여러 문제를 동시에 겪고 있으며, 특히 숙련자가 오랜 경험을 통해 체득한 판단 기준은 대부분 매뉴얼이나 데이터로 남아 있지 않다. 숙련자가 제품의 미세한 색상 변화나 설비의 소리·진동·온도 변화를 보고 이상을 알아채는 능력이 바로 제조 현장의 ‘암묵지’다.
이러한 암묵지가 데이터로 전환되지 않으면 숙련자가 퇴직하거나 이직할 때 기업의 핵심 경쟁력도 함께 사라지게 된다. 따라서 제조 AX는 단순히 설비를 자동화하는 것이 아니라 숙련자의 판단과 조치 경험을 데이터로 기록하고, AI가 이를 학습해 다음 세대 작업자에게 전달할 수 있도록 만드는 과정이 필수적이라고 볼 수 있다.
동시에 제조 AI를 실제 생산라인에서 운영하기 위한 연산 인프라도 중요하다고 볼 수 있다. 현재 산업용 AI는 외산 GPU에 대한 의존도가 높아 도입 비용, 소비전력, 공급망, 유지관리 측면에서 부담이 발생할 수 있지만, 실시간 추론 업무에 국산 NPU를 활용하면 외산 장비 의존도를 낮추고, 전력 효율과 응답속도, 데이터 보안을 함께 확보할 수 있을 것으로 기대된다.
결국 제조 AX는 국산 NPU를 기반으로 제조 AI를 안정적으로 실행할 수 있는 산업 인프라를 확보하고, 현장 숙련자의 암묵지를 기업의 데이터 자산으로 전환하는 것이 핵심이다. 정부는 산업 인프라 확보를 위한 지원 체계를 마련하고 산업 AI 생태계 조성을 위한 지원에 적극 나서고 있다.
이러한 상황에서 코드비전㈜은 카메라 영상, IoT 센서, 3차원 데이터, CT·X-ray, 음향·진동·온도·전류, 설비 로그 등 제조 현장의 멀티모달 데이터 수집을 통해 비전 AI 불량검출, 공정 이상탐지, 품질예측 및 예지보전 모델을 개발하고 있다. 특히, 이를 국산 NPU 기반 Edge 시스템에 최적화해 생산라인에서 실시간으로 운영함으로써 코드비전은 제조 AX 생태계 확장을 선도하는 기업으로 자리잡고 있다.
코드비전이 수집하는 것은 단순한 센서값만이 아닌, 이상이 발생했을 때의 설비 상태, 작업자의 판단, 실제 조치 내용, 조치 이후의 결과까지 ‘상태–판단–조치–결과’ 구조로 기록한다. 이렇게 축적된 제조 암묵지는 숙련자의 작업 시점에서 영상과 센서값, 작업자의 판단 근거, 설비 정지 여부, 부품 교체 결과 등에 따라 하나의 데이터로 연결하고, 이를 기반으로 AI가 과거 사례를 기반으로 이상 가능성과 대응 방법을 작업자에게 제시하게 된다.
AI 판정 결과는 PLC·MES·ERP와 연계하고, MLOps를 통해 데이터 수집, 모델 학습, 배포, 성능 모니터링과 재학습을 지속적으로 관리하게 된다. 최근에는 LLM 기반 제조 AI 에이전트를 결합해 작업자가 자연어로 불량 원인과 설비 상태를 질문하면, AI가 과거의 암묵지 데이터를 근거로 원인과 조치 방법을 안내하도록 기술을 고도화하고 있다.
코드비전 송응열 대표이사(사진)는 “코드비전은 AI 모델 정확도보다 생산량, 불량률, 설비 비가동 시간, 작업자 안전 등 실제 현장 지표가 얼마나 개선됐는지를 중요하게 평가한다”며 “대표적으로 국산 NPU를 적용한 제조 AI 실증에서는 기존 시스템 대비 초당 영상처리 성능을 306% 개선하고, 처리 지연은 32% 수준으로 낮췄으며, 소비전력 대비 성능은 617% 향상했다. 이는 국산 NPU가 단순한 연구용 반도체가 아니라 고속·저지연·저전력 특성이 요구되는 실제 제조 현장에서 활용될 수 있다는 점을 보여준 성과”라고 말했다.
그는 이어 “코드비전의 MLOps 플랫폼은 불량을 검출하는 데서 끝나지 않고 불량이 발생한 시점의 영상과 센서 데이터, 작업자의 판단, 설비 정지와 수리 내용, 최종 결과를 함께 축적해 한 번의 사고와 한 번의 조치가 다음 사고를 예방하는 학습 데이터로 전환된다”며 “이러한 제조 암묵지가 데이터로 축적되면 작업자 개인에게 의존하던 판단 기준을 조직 전체가 공유할 수 있게 돼 신규 작업자의 교육기간을 단축하고 작업자별 품질 편차를 줄일 뿐만 아니라, 숙련자의 퇴직 이후에도 기업의 핵심 기술을 보존할 수 있다”고 덧붙였다.
이처럼 코드비전은 AI 모델 개발뿐만 아니라 데이터, AI 알고리즘, 국산 NPU, 생산설비, MLOps와 AI 에이전트를 하나의 운영체계로 연결할 수 있다는 점이 핵심 경쟁력이다. 특히, 제조 현장에서 생산라인의 실시간 추론은 저지연·저전력·안정성이 중요한 만큼 코드비전은 AI 모델을 경량화하고 국산 NPU에 최적화해 여러 국산 NPU 장비를 적용할 수 있는 호환 구조도 함께 고도화하고 있다는 점을 주목할 필요가 있다.
또한, ‘AI가 무엇을 학습할 것인가’를 설계하는 능력은 또 하나의 차별화된 경쟁력이라고 볼 수 있다. 특정 공장에서 수년간 축적된 작업자의 판단과 조치 결과는 해당 기업만이 보유할 수 있는 고유 자산이이며, 코드비전은 이 암묵지를 AI가 이해할 수 있는 구조로 설계하고, 지속학습이 가능한 데이터로 전환하는 역할을 하고 있다.
한편, 제조기업의 영상과 공정 데이터가 외부로 반출되지 않도록 온프레미스와 Edge 환경에서 AI를 운영하는 것은 단순한 보안 문제가 아니라 기업의 제조기술과 암묵지를 국내에 보존하는 ‘데이터 주권’의 문제로 이어질 수 있다. 이에 따라 코드비전은 ‘국산 NPU와 대한민국 제조 현장의 암묵지를 결합한 자율제조 AI 플랫폼’을 개발해 국내 제조산업과 반도체 생태계로 이어지는 선순환 구조를 만드는 것이 목표다.
이를 위해 코드비전은 먼저, 국산 NPU 기반 제조 AI 패키지를 표준화하고 비전검사, 공정 모니터링, 설비 이상탐지, MLOps, LLM 기반 제조 AI 에이전트를 하나의 패키지로 구성해 제조기업이 현장 맞춤형 기능을 도입할 수 있도록 할 계획이다. 또한 국산 NPU 제조사별 하드웨어 차이를 소프트웨어가 흡수하는 구조로 개발해 고객은 생산규모, 공정 특성에 따라 국산 NPU 선택하고 동일한 코드비전 플랫폼에서 AI 모델을 운영할 수 있도록 지원할 예정이다.
그 다음 단계는 ‘제조 암묵지 데이터레이크’를 구축하는 것이다. 이를 통해 설비 상태와 불량 데이터뿐 아니라 작업자의 판단, 조치, 승인, 복구, 최종 결과까지 표준화해 축적하게 되며, AI 에이전트는 이 데이터를 활용해 유사 불량 사례, 예상 원인, 조치 순서와 주의사항을 작업자에게 제공하게 된다.
해외시장에서는 일본과 인도네시아를 중심으로 국산 NPU 기반 제조 AI 실증을 확대할 계획으로, 이미 인도네시아 산업기계 전시회에서 현지 제조기업 12곳과 비밀유지계약(NDA)을 체결한 바 있다. 코드비전은 국내 제조 현장에서 검증한 국산 NPU와 제조 AI 플랫폼을 해외 생산라인에 적용해 국산 AI 반도체의 수출과 제조 AI 생태계 확산에도 기여할 준비를 마쳤다.
송 대표는 “코드비전이 만들고자 하는 것은 일반적인 불량검출 장비가 아닌, 국산 NPU라는 실행 기반 위에 숙련자의 암묵지를 데이터로 축적하고, AI가 이를 학습해 생산성과 품질, 안전을 지속적으로 개선하는 제조 지능화 체계”라며 “국산 NPU가 제조 AX의 몸이라면 현장의 암묵지는 두뇌다. 코드비전은 이 두 가지를 연결해 대한민국 제조기업의 기술과 경험이 사라지지 않고, 더 강한 산업 경쟁력으로 이어지도록 만드는 기업이 되겠다”고 포부를 밝혔다.
저작권자 © 공학저널 무단전재 및 재배포 금지