불량 찾고 도면 읽고…‘산업AI’, 제조·사무 업무로 적용 확대

산업AI의 적용 대상은 제조 업무와 사무 업무로 넓어지고 있다. 현장에서는 카메라를 활용해 제품 결함을 탐지하고, 부품 맞물림 소리를 활용해 조립 상태를 확인하는 사례가 제시됐다. 사무 영역에서는 도면 변경점을 분석해 견적 검토를 지원하고, 현장 사진과 음성을 활용해 작업신고서 작성을 지원하는 방식이 소개됐다.

이 같은 기술들은 지난 21일부터 23일까지 일산 킨텍스에서 열린 '2026 산업AI 엑스포'에서 소개됐다. 행사에서는 제조 공정과 기업 업무를 대상으로 한 AI 적용 기술이 공개됐다. 참가기업들은 개별 작업 자동화부터 도입 이후 운영에 이르는 활용 범위를 제시했다.

아울러 행사에서는 현장 데이터 기반 모델 개선 기술과 기존 시스템 연계 기술, 기업 내부 AI 구동 인프라, AI 신뢰성 검증 방안도 소개됐다. 이에 따라 산업AI 도입이 개별 작업 자동화를 넘어 운영 전반까지 확장되는 흐름이 부각됐다.

행사장에는 '산업AI 융합특별관'도 구성됐다. 이 특별관에서는 제조업 AI 대전환(M.AX)을 주제로 전환의 정책 방향을 제시하고, 국내 제조업 산업 기반과 공급망, 숙련자 노하우를 AI와 결합하는 전략과 적용 사례를 소개했다. 기업 전시에서는 제조데이터와 모델, 생산설비를 연결하는 기술이 주요 주제로 다뤄졌다.

품질검사 분야에서 제시된 내용은 결함 탐지 기능과 검사 결과의 축적·활용 방식이다. 이 내용은 품질검사를 단순 판정에서 끝내지 않고, 현장에서 나온 결과를 다시 모델 개선에 연결하는 흐름을 설명한다.

아이벡스는 비전검사 '아이비전(AIVision)', 로봇 제어 '아이봇(AIVot)', 모델 운영 플랫폼 '아이브옵스(AIVOps)', 품질 데이터 관리 엔진 '아이브데이터(AIVData)'를 연계하는 구성으로 소개됐다. 생산라인에서 새 결함이 발견되면 작업자가 판정을 확인하고, 확정 데이터를 기반으로 모델을 재학습한 뒤, 검증이 완료된 모델을 현장에 재배포하는 방식이다.

검사 결과는 일회성 기록으로 끝내지 않고, 품종·공정 변화에 대응하기 위한 학습 자료로 활용된다. 이를 통해 현장 검사 결과를 축적하고 다시 활용하는 구조를 갖췄다.

또한 영상으로 확인하기 어려운 상태를 보완하는 기술로는 소리 활용이 제시됐다. 디플리의 제품인 '리슨 AI 인더스트리얼(Listen AI Industrial)'은 부품 체결음과 기계 작동음을 분석해 정상 상태와 다른 신호를 탐지하며, 이를 통해 외관에 드러나지 않는 결합 상태를 확인하고 설비 이상 징후를 감지하는 데 활용된다.

제조 현장에서 데이터를 확보한 이후 이를 실제 공정 개선에 연결하려면 데이터를 활용한다는 전제 아래 모델을 개발하고 운영할 수 있는 지원 환경이 필요하다. 이런 맥락에서 몬드리안에이아이는 제조 특화 플랫폼 '몬플랜트(MonPlant)'를 전시 출품했다.

'몬플랜트(MonPlant)'는 데이터 통합을 지원하고, 코딩 없는 모델 개발·운영을 지원하며, 설비 제어 연계를 지원하는 기능을 갖췄다. 적용 분야는 품질검사와 예지보전이다.

AI 활용 대상은 생산 공정에만 그치지 않고 설계·견적 등 전후 업무에서 축적된 정보로도 넓어지고 있다. 이에 마키나락스는 도면 AI 솔루션 '드로우엑스(DrawX)'를 제시했으며, 이 솔루션은 도면 내 재질 추출, 도면 내 치수 추출, 도면 내 형상 정보 추출, 유사 도면 검색 지원, 변경점 비교 지원, 원가 분석 지원, 제작 가능 여부 검토 지원 기능을 제공한다.

마키나락스는 고객 적용 사례에서 '드로우엑스(DrawX)'를 통해 도면 검토·관리 시간이 최대 90% 감소했다고 설명했다. 초점은 흩어진 도면 탐색 시간을 단축하고 견적·구매 판단용 정보를 정리하는 데 있다.

기업 업무에 AI를 적용하려면 개별 자료를 업무에 활용하는 전제와 함께 관련 정보 간 관계를 파악할 필요가 있다는 점이 제시됐다. 뤼튼AX는 행사에서 설비 이력·공정 조건·검사 결과·작업 문서의 온톨로지 연결 접근법을 제시했다. 온톨로지 연결의 목적은 정보 의미·관계를 구조화하는 데 있으며, 이를 통해 AI의 업무 맥락 파악을 지원한다. 지원 분야는 연구개발·예지보전·품질관리다.

서울 AI 허브는 입주 기업들과 공동관을 구성했다. 공동관의 목적은 기업 업무별 과제 대응 기술을 소개하는 데 있다. 이곳에서 에이아이지먼트는 구매 원가 절감 AI를 소개했고, 코그콤은 데이터 통합·운영 자동화 솔루션 '리컬럼'을 선보였으며, 플래닝고는 AI·3D 기반 제품 구성·견적 솔루션을 제시했다.

공동관에는 내부 데이터의 외부 전송이 어려운 기업을 대상으로 한 구성도 포함됐다. 사이오닉에이아이·하이퍼엑셀은 '스톰(STORM)' 플랫폼과 언어처리장치(LPU) 기반 추론 인프라를 결합해 폐쇄망·온프레미스용 AI 에이전트를 제시했다. 해당 접근은 기업 내부 비정형 데이터 활용과 추론 효율 확보를 지향한다.

두 기업은 현장 사진·음성 기반 작업신고서 작성, 건설 도면 변경 사항 검색, 자재 정보 검색 등의 안내 활용 사례를 제시했다. 이를 위해 문서·도면·보고서의 AI 판독 가능 형태 정리를 지원하고, 정리된 자료의 실제 업무 활용도 지원한다고 설명했다.

이 같은 흐름은 각종 업무 자료를 AI가 읽고 쓰기 쉬운 형태로 전환한 뒤 실제 현장 업무에 적용하는 방식이다. 두 기업은 이렇게 정리된 자료를 바탕으로 작업신고서 작성과 도면 변경 사항 확인, 자재 정보 검색에 활용하는 사례를 안내했다.

엘리스그룹은 '헬피 시리즈(Helpy Series)'를 중심으로 문서 분석 방안과 사내 지식 활용 방안을 소개했다. '헬피비전'은 문서 분석에, '헬피컨텍스트'는 관련 정보 연결에, '헬피코드'는 개발 활용과 업무 지원 활용에, '헬피챗'은 개발 활용과 업무 지원 활용에 각각 쓰이는 구성을 제시했다.

엘리스그룹은 클라우드 최적화 소프트웨어 'ECI'와 모듈형 데이터센터 'AI PMDC'도 공급한다. 이에 따라 사업 구조는 기업 내부 자료 처리 소프트웨어와 구동 인프라를 동시에 제공하는 방식으로 구성된다.

기사 부분은 AI 구축 이후 단계의 운영·관리와 검증 체계를 함께 다뤘다. 메가존클라우드는 부스 안내판을 통해 자회사 알파코드의 '그래비티(Gravity)'·'노바(NOVA)'·'제니스(Zenith)'를 제시했고, 구축 이후 데이터·모델·에이전트 관리 기술을 소개했다. '그래비티(Gravity)'는 데이터 운영 담당 플랫폼이고, '노바(NOVA)'는 대규모언어모델(LLM) 운영 담당 플랫폼이며, '제니스(Zenith)'는 에이전트 운영 담당 플랫폼으로 제시됐다.

이를 바탕으로 기업의 AI 활용 단계별 관리 기능이 설명됐다. 데이터, 대규모언어모델(LLM), 에이전트를 각각 맡는 플랫폼 구성을 통해 AI 운영 체계 구축 이후의 운영·관리 흐름이 제시됐고, AI 운영 체계 구축과 함께 판단·행동 검증 문제도 제기됐다.

이와 관련해 씽크포비엘은 '리인(Re:In)'·누말리스(Numalis)의 '사임풀(Saimple)'·에이전트슈어(AgentSure)의 '야누스(JANUS)' 연계 방안을 소개했다. '리인(Re:In)'은 학습·검증 데이터의 실제 사용 환경 반영 충실도 진단 도구이고, '사임풀(Saimple)'은 예상 밖 조건에서의 모델 안정적 작동 여부 평가 도구이며, '야누스(JANUS)'는 에이전트와 외부 도구 연결 과정의 보안 위험 점검 솔루션이자 업무 규칙·권한 준수 여부를 검증·통제하는 수단이다. 이를 통해 데이터·모델·에이전트 운영 전반으로 신뢰성 관리 범위를 확대하는 접근이 제시됐다.

전시에서는 검사·설계·문서 처리 등 업무별 AI와 데이터 관리·인프라·검증 기술의 연계 시도가 드러났다. 이에 따라 산업AI 기업의 경쟁 구도는 기능 개발·공급 중심에서 현장 적용 이후 성과 관리까지 확대될 것으로 전망됐다. 이 과정에서 주요 경쟁력으로는 기존 장비·시스템 연계 지원과 작업시간 절감 역량, 불량률 감소 역량, 운영비 절감 역량이 제시됐다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=408709

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=408709