국내 연구진이 플라스틱 제품 제조에 필수적인 사출성형 공정을 인공지능(AI)이 스스로 최적화하고, 숙련 기술자의 노하우를 초보 작업자에게 자동으로 전수하는 기술을 개발했다.

KAIST는 유승화 기계공학과 교수 연구팀이 사출 공정을 자동으로 최적화하는 생성형 AI 기술과 현장 지식 전이 시스템을 개발해 국제학술지에 연속 게재했다고 22일 밝혔다.

플라스틱 사출성형은 녹인 플라스틱을 틀에 넣어 대량 생산하는 공정으로, 온도나 습도 등 조건이 조금만 달라져도 불량이 발생해 그동안 숙련자의 경험에 의존해왔다. 하지만 고숙련자 은퇴와 외국인 인력 증가로 제조 지식 단절이 우려되는 상황이었다.

연구팀은 실제 사출 공장에서 수개월간 수집한 데이터를 활용해 확산 모델 기반으로 목표 품질을 만족하는 공정 조건을 역설계하는 기술을 구현했다. 기존 생성적 적대 신경망(GAN), 변분 오토인코더(VAE) 기반 모델의 오류율 23~44%를 크게 낮춘 1.63%의 오류율을 달성했다.

실제 공정 적용 실험에서도 AI가 제시한 조건대로 양품 생산이 확인돼 현장 활용 가능성을 입증했다.

연구팀이 개발한 ‘IM-Chat’은 대형언어모델(LLM)과 검색증강생성(RAG)을 결합한 멀티에이전트 AI 시스템으로, 초급 작업자나외국인 작업자도 쉽게 활용할 수 있다는게 연구팀의 설명이다.

작업자가 “현재 공장 습도가 43.5%일 때 적정 사출 압력은?”이라고 자연어로 질문하면, AI가 최적 조건을 계산하고 관련 매뉴얼 근거까지 함께 제시한다. 다국어 인터페이스를 지원해 외국인 작업자도 동일한 수준의 의사결정 지원을 받을 수 있다.

유승화 KAIST 교수는 “공정을 스스로 최적화하는 AI와, 현장 지식을 누구나 활용할 수 있는 LLM을 결합해 제조업의 본질적 문제를 데이터 기반으로 해결한 사례”라며  “앞으로 다양한 제조 공정으로 확장해 산업 전반의 지능화와 자율화를 가속하겠다”고 말했다.

연구 결과는 공학·산업 분야 세계 1위 국제학술지인 ‘저널 오브 매뉴팩처링 시스템즈(Journal of Manufacturing Systems)’ 4월호와 12월호에 연속 게재됐다.