최근 발표된 '산업 AI 및 AI 시장 보고서 2021-2026'에 따르면, 산업 현장에서의 AI 도입률은 불과 2년여 만에 19%에서 31%로 증가했습니다. 응답자의 31%는 이미 AI를 사업 운영에 전면 또는 부분적으로 도입했으며, 39%는 현재 해당 기술을 테스트 또는 시범 운영하고 있습니다.
인공지능(AI)은 전 세계 제조업체와 에너지 기업에게 핵심 기술로 부상하고 있으며, 사물인터넷(IoT) 분석에 따르면 산업용 AI 솔루션 시장은 팬데믹 이후 연평균 35%의 강력한 성장률을 기록하며 2026년까지 1,021억 7천만 달러에 이를 것으로 예측됩니다.
디지털 시대는 사물인터넷을 탄생시켰습니다. 인공지능의 등장은 사물인터넷의 발전 속도를 가속화시킨 것으로 볼 수 있습니다.
산업용 AI와 AIoT의 성장을 이끄는 몇 가지 요인을 살펴보겠습니다.
요인 1: 산업용 AIoT를 위한 소프트웨어 도구가 점점 더 많아지고 있습니다.
2019년 사물인터넷(IoT) 분석이 산업 인공지능(AI) 분야로 확장되기 시작했을 당시에는 운영 기술(OT) 업체에서 AI 전용 소프트웨어 제품을 출시한 곳이 거의 없었습니다. 그 이후로 많은 OT 업체들이 공장 현장용 AI 플랫폼 형태의 AI 소프트웨어 솔루션을 개발 및 제공하며 AI 시장에 진출했습니다.
데이터에 따르면 약 400개 업체가 AIoT 소프트웨어를 제공하고 있습니다. 산업용 AI 시장에 진출하는 소프트웨어 공급업체 수는 지난 2년 동안 급격히 증가했습니다. IoT Analytics의 조사에 따르면 제조업체/산업 고객에게 AI 기술을 제공하는 업체는 634곳이며, 이 중 389곳(61.4%)이 AI 소프트웨어를 제공하는 것으로 나타났습니다.
새로운 AI 소프트웨어 플랫폼은 산업 환경에 초점을 맞추고 있습니다. Uptake, Braincube, C3 AI 외에도 점점 더 많은 운영 기술(OT) 공급업체들이 전용 AI 소프트웨어 플랫폼을 제공하고 있습니다. 예를 들어 ABB의 Genix 산업 분석 및 AI 제품군, Rockwell Automation의 FactoryTalk 혁신 제품군, Schneider Electric의 자체 제조 컨설팅 플랫폼, 그리고 최근에는 특정 추가 기능들이 있습니다. 이러한 플랫폼 중 일부는 광범위한 사용 사례를 대상으로 합니다. 예를 들어 ABB의 Genix 플랫폼은 운영 성과 관리, 자산 건전성, 지속 가능성 및 공급망 효율성을 위한 사전 구축된 애플리케이션 및 서비스를 포함한 고급 분석 기능을 제공합니다.
대기업들이 인공지능 소프트웨어 도구를 생산 현장에 도입하고 있다.
AI 소프트웨어 도구의 활용성은 AWS, 마이크로소프트, 구글과 같은 대기업들이 개발한 새로운 특정 사용 사례용 소프트웨어 도구에 의해서도 촉진되고 있습니다. 예를 들어, AWS는 2020년 12월에 Amazon SageMaker JumpStart를 출시했습니다. 이 기능은 Amazon SageMaker의 한 기능으로, 예방 유지보수(PdM), 컴퓨터 비전, 자율 주행과 같은 가장 일반적인 산업 사용 사례를 위한 사전 구축 및 사용자 정의 가능한 솔루션 세트를 제공하며, 몇 번의 클릭만으로 배포할 수 있습니다.
특정 사용 사례에 맞춘 소프트웨어 솔루션이 사용성 개선을 주도하고 있습니다.
예측 유지보수에 초점을 맞춘 소프트웨어 제품군과 같이 특정 사용 사례에 특화된 소프트웨어 제품군이 점점 더 보편화되고 있습니다. IoT Analytics에 따르면, 데이터 소스의 다양화, 사전 학습 모델 사용 증가, 데이터 향상 기술의 광범위한 도입으로 인해 2021년 초 AI 기반 제품 데이터 관리(PdM) 소프트웨어 솔루션을 사용하는 공급업체 수가 73개로 증가했습니다.
두 번째 요인: AI 솔루션의 개발 및 유지 관리가 간소화되고 있습니다.
자동화된 머신러닝(AutoML)이 표준 제품으로 자리 잡고 있습니다.
머신러닝(ML) 관련 작업의 복잡성으로 인해 머신러닝 애플리케이션이 급속도로 성장하면서 전문 지식 없이도 사용할 수 있는 즉시 사용 가능한 머신러닝 방법론에 대한 수요가 증가했습니다. 이러한 배경에서 탄생한 연구 분야를 오토ML(AutoML)이라고 합니다. 다양한 기업들이 고객이 ML 모델을 개발하고 산업 현장에 더 빠르게 적용할 수 있도록 지원하는 AI 솔루션의 일환으로 이 기술을 활용하고 있습니다. 예를 들어, SKF는 2020년 11월 오토ML 기반 제품을 발표했는데, 이 제품은 기계 공정 데이터와 진동 및 온도 데이터를 결합하여 비용을 절감하고 고객에게 새로운 비즈니스 모델을 제시합니다.
머신러닝 운영(ML Ops)은 모델 관리 및 유지보수를 간소화합니다.
머신러닝 운영이라는 새로운 분야는 제조 환경에서 AI 모델의 유지 관리를 간소화하는 것을 목표로 합니다. AI 모델의 성능은 일반적으로 공장 내 여러 요인(예: 데이터 분포 및 품질 표준 변경)의 영향을 받아 시간이 지남에 따라 저하됩니다. 따라서 산업 환경의 높은 품질 요구 사항을 충족하기 위해서는 모델 유지 관리 및 머신러닝 운영이 필수적입니다(예: 성능이 99% 미만인 모델은 작업자 안전을 위협하는 행동을 식별하지 못할 수 있음).
최근 몇 년 동안 DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, Weights & Biases 등 많은 스타트업이 ML 운영 분야에 뛰어들었습니다. 기존 기업들도 자사의 AI 소프트웨어 제품에 머신러닝 운영 기능을 추가했는데, 마이크로소프트는 Azure ML Studio에 데이터 드리프트 감지 기능을 도입했습니다. 이 새로운 기능을 통해 사용자는 모델 성능 저하를 유발하는 입력 데이터 분포의 변화를 감지할 수 있습니다.
요인 3: 기존 애플리케이션 및 사용 사례에 적용된 인공지능
기존 소프트웨어 제공업체들이 인공지능 기능을 추가하고 있습니다.
MS Azure ML, AWS SageMaker, Google Cloud Vertex AI와 같은 기존의 대규모 AI 소프트웨어 도구 외에도, CAMMS(컴퓨터화된 유지보수 관리 시스템), MES(제조 실행 시스템), ERP(전사적 자원 관리)와 같은 기존 소프트웨어 제품군에도 AI 기능을 접목하여 성능을 크게 향상시킬 수 있습니다. 예를 들어, ERP 공급업체인 Epicor Software는 Epicor Virtual Assistant(EVA)를 통해 기존 제품에 AI 기능을 추가하고 있습니다. 지능형 EVA 에이전트는 제조 공정 재조정이나 간단한 질의(예: 제품 가격 정보 또는 가용 부품 수량 확인) 수행과 같은 ERP 프로세스를 자동화하는 데 사용됩니다.
산업 현장의 활용 사례들이 AIoT를 통해 업그레이드되고 있습니다.
기존 하드웨어/소프트웨어 인프라에 AI 기능을 추가함으로써 여러 산업 분야의 활용 사례가 향상되고 있습니다. 대표적인 예로 품질 관리 애플리케이션에 사용되는 머신 비전을 들 수 있습니다. 기존의 머신 비전 시스템은 특수 소프트웨어가 탑재된 통합 또는 분리형 컴퓨터를 통해 이미지를 처리하고, 미리 정해진 매개변수와 임계값(예: 높은 대비)을 평가하여 객체에 결함이 있는지 여부를 판단합니다. 하지만 많은 경우(예: 배선 모양이 다른 전자 부품) 오탐률이 매우 높습니다.
하지만 이러한 시스템들은 인공지능을 통해 다시 주목받고 있습니다. 예를 들어, 산업용 머신 비전 솔루션 제공업체인 코그넥스(Cognex)는 2021년 7월 새로운 딥러닝 도구(Vision Pro Deep Learning 2.0)를 출시했습니다. 이 새로운 도구는 기존 비전 시스템과 통합되어 최종 사용자가 딥러닝과 기존 비전 도구를 동일한 애플리케이션에서 결합하여 긁힘, 오염 및 기타 결함을 정확하게 측정해야 하는 까다로운 의료 및 전자 환경의 요구 사항을 충족할 수 있도록 합니다.
요인 4: 산업용 AIoT 하드웨어의 개선
AI 칩의 성능이 빠르게 향상되고 있습니다.
임베디드 하드웨어 AI 칩은 다양한 옵션으로 AI 모델 개발 및 배포를 지원하며 빠르게 성장하고 있습니다. 예를 들어, NVIDIA는 2021년 3월에 출시된 최신 그래픽 처리 장치(GPU)인 A30과 A10을 통해 추천 시스템 및 컴퓨터 비전 시스템과 같은 AI 활용 사례에 적합한 솔루션을 제공하고 있습니다. 또 다른 예로, Google의 4세대 TPU(텐서 처리 장치)는 특정 AI 워크로드(예: 객체 탐지, 이미지 분류, 추천 시스템 벤치마크)에서 모델 개발 및 배포 효율과 속도를 최대 1,000배까지 향상시킬 수 있는 강력한 특수 목적 집적 회로(ASIC)입니다. 전용 AI 하드웨어를 사용하면 모델 계산 시간을 며칠에서 몇 분으로 단축할 수 있으며, 많은 경우 혁신적인 변화를 가져왔습니다.
강력한 AI 하드웨어를 사용량 기반 요금제를 통해 즉시 이용할 수 있습니다.
대규모 기업들은 최종 사용자가 산업용 AI 애플리케이션을 구현할 수 있도록 클라우드에서 컴퓨팅 리소스를 제공하기 위해 서버를 지속적으로 업그레이드하고 있습니다. 예를 들어, AWS는 2021년 11월에 NVIDIA A10G Tensor Core GPU 기반의 최신 GPU 인스턴스인 Amazon EC2 G5를 공식 출시했으며, 이는 컴퓨터 비전 및 추천 엔진을 포함한 다양한 머신러닝 애플리케이션에 사용할 수 있습니다. 나노트로닉스(Nanotronics)와 같은 검출 시스템 공급업체는 마이크로칩 및 나노튜브 제조 과정에서 처리 속도를 높이고 검출 정확도를 향상시키기 위해 자사의 AI 기반 품질 관리 솔루션의 Amazon EC2 인스턴스를 활용하고 있습니다.
결론 및 전망
인공지능(AI)은 공장에서 생산되는 것을 넘어 AI 기반 예측 유지보수(PdM)와 같은 새로운 애플리케이션은 물론 기존 소프트웨어 및 사용 사례를 개선하는 데까지 널리 활용될 것입니다. 대기업들은 이미 다양한 AI 활용 사례를 도입하여 성공적인 결과를 보고하고 있으며, 대부분의 프로젝트에서 높은 투자 수익률을 기록하고 있습니다. 클라우드 컴퓨팅, 사물 인터넷(IoT) 플랫폼, 그리고 강력한 AI 칩의 발전은 차세대 소프트웨어 및 최적화 기술을 위한 기반을 제공하고 있습니다.
게시 시간: 2022년 1월 12일