최근 발표된 산업 AI 및 AI 시장 보고서 2021-2026에 따르면, 산업 현장에서 AI 도입률은 불과 2년 만에 19%에서 31%로 증가했습니다. 응답자의 31%는 운영에 AI를 완전히 또는 부분적으로 도입했으며, 39%는 현재 해당 기술을 테스트하거나 시범 운영 중입니다.
AI는 전 세계 제조업체와 에너지 회사의 핵심 기술로 떠오르고 있으며, IoT 분석에 따르면 산업용 AI 솔루션 시장은 팬데믹 이후 강력한 연평균 복합 성장률(CAGR) 35%를 기록하며 2026년까지 1,021억 7천만 달러에 이를 것으로 예측됩니다.
디지털 시대는 사물 인터넷(IoT)을 탄생시켰습니다. 인공지능의 등장이 사물 인터넷의 발전 속도를 가속화했음을 알 수 있습니다.
산업용 AI와 AIoT의 성장을 촉진하는 몇 가지 요인을 살펴보겠습니다.
요인 1: 산업용 AIoT를 위한 소프트웨어 도구의 증가
2019년 IoT 분석이 산업용 AI를 포괄하기 시작했을 당시에는 운영 기술(OT) 공급업체의 AI 전용 소프트웨어 제품이 거의 없었습니다. 이후 많은 OT 공급업체가 공장 현장용 AI 플랫폼 형태의 AI 소프트웨어 솔루션을 개발하고 제공하면서 AI 시장에 진출했습니다.
데이터에 따르면 거의 400개의 공급업체가 AIoT 소프트웨어를 제공합니다. 산업용 AI 시장에 참여하는 소프트웨어 공급업체의 수는 지난 2년 동안 급격히 증가했습니다. IoT 애널리틱스는 연구 기간 동안 제조업체/산업 고객에게 AI 기술을 제공하는 공급업체 634개를 파악했습니다. 이 중 389개(61.4%)가 AI 소프트웨어를 제공합니다.
새로운 AI 소프트웨어 플랫폼은 산업 환경에 초점을 맞춥니다. Uptake, Braincube, C3 AI 외에도 점점 더 많은 운영 기술(OT) 공급업체가 전용 AI 소프트웨어 플랫폼을 제공하고 있습니다. ABB의 Genix Industrial 분석 및 AI 제품군, Rockwell Automation의 FactoryTalk Innovation 제품군, Schneider Electric의 자체 제조 컨설팅 플랫폼, 그리고 최근에는 특정 애드온이 그 예입니다. 이러한 플랫폼 중 일부는 광범위한 사용 사례를 목표로 합니다. 예를 들어 ABB의 Genix 플랫폼은 운영 성과 관리, 자산 무결성, 지속 가능성 및 공급망 효율성을 위한 사전 구축된 애플리케이션 및 서비스를 포함한 고급 분석을 제공합니다.
대기업들은 자사의 AI 소프트웨어 도구를 생산 현장에 투입하고 있습니다.
AI 소프트웨어 도구의 가용성은 AWS와 마이크로소프트, 구글과 같은 대기업들이 개발한 새로운 사용 사례별 소프트웨어 도구에 의해 주도되고 있습니다. 예를 들어, 2020년 12월, AWS는 Amazon SageMaker JumpStart를 출시했습니다. 이 기능은 PdM, 컴퓨터 비전, 자율주행과 같은 가장 일반적인 산업 사용 사례에 대해 사전 구축되고 맞춤 설정 가능한 솔루션을 제공하며, 몇 번의 클릭만으로 배포할 수 있습니다.
사용 사례별 소프트웨어 솔루션은 사용성 개선을 촉진합니다.
예측 유지 관리에 중점을 둔 것과 같은 사용 사례별 소프트웨어 제품군이 점점 더 보편화되고 있습니다. IoT 애널리틱스(IoT Analytics)는 데이터 소스의 다양성 증가와 사전 학습 모델 사용, 그리고 데이터 강화 기술의 광범위한 도입으로 인해 AI 기반 제품 데이터 관리(PdM) 소프트웨어 솔루션을 사용하는 공급업체 수가 2021년 초 73개로 증가했다고 밝혔습니다.
요인 2: AI 솔루션 개발 및 유지관리가 간소화되고 있습니다.
자동화된 머신 러닝(AutoML)이 표준 제품이 되어가고 있습니다.
머신러닝(ML)과 관련된 작업의 복잡성으로 인해 머신러닝 애플리케이션의 급속한 성장은 전문 지식 없이도 사용할 수 있는 기성 머신러닝 방법에 대한 수요를 창출했습니다. 이러한 수요를 반영하여 머신러닝의 점진적 자동화라는 연구 분야가 탄생했으며, 이를 AutoML이라고 합니다. 다양한 기업들이 이 기술을 AI 솔루션의 일부로 활용하여 고객이 ML 모델을 개발하고 산업 활용 사례를 더욱 신속하게 구현할 수 있도록 지원하고 있습니다. 예를 들어, SKF는 2020년 11월, 기계 공정 데이터와 진동 및 온도 데이터를 결합하여 비용을 절감하고 고객에게 새로운 비즈니스 모델을 제공하는 AutoML 기반 제품을 발표했습니다.
머신 러닝 작업(ML Ops)은 모델 관리 및 유지 관리를 간소화합니다.
머신 러닝 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 기준의 변화)의 영향을 받아 시간이 지남에 따라 저하됩니다. 따라서 산업 환경의 높은 품질 요건을 충족하기 위해서는 모델 유지 관리 및 머신 러닝 운영이 필수적입니다. (예: 성능이 99% 미만인 모델은 작업자 안전을 위협하는 행동을 식별하지 못할 수 있습니다.)
최근 몇 년 동안 DataRobot, Grid.AI, Pinecone/Zilliz, Seldon, Weights & Biases 등 많은 스타트업이 ML Ops 분야에 뛰어들었습니다. 기존 기업들은 기존 AI 소프트웨어 제품에 머신러닝 운영 기능을 추가했는데, Microsoft는 Azure ML Studio에 데이터 드리프트 감지 기능을 도입했습니다. 이 새로운 기능을 통해 사용자는 모델 성능을 저하시키는 입력 데이터 분포의 변화를 감지할 수 있습니다.
요인 3: 기존 애플리케이션 및 사용 사례에 적용된 인공 지능
기존 소프트웨어 공급업체도 AI 기능을 추가하고 있습니다.
MS Azure ML, AWS SageMaker, Google Cloud Vertex AI와 같은 기존의 대규모 수평적 AI 소프트웨어 도구 외에도, 컴퓨터 유지보수 관리 시스템(CAMMS), 제조 실행 시스템(MES), 전사적 자원 관리(ERP)와 같은 기존 소프트웨어 제품군도 이제 AI 기능을 도입하여 크게 개선할 수 있습니다. 예를 들어, ERP 제공업체인 Epicor Software는 Epicor Virtual Assistant(EVA)를 통해 기존 제품에 AI 기능을 추가하고 있습니다. 지능형 EVA 에이전트는 제조 작업 일정 조정이나 간단한 쿼리 수행(예: 제품 가격 또는 사용 가능한 부품 수에 대한 세부 정보 확인)과 같은 ERP 프로세스를 자동화하는 데 사용됩니다.
AIoT를 활용하여 산업적 사용 사례가 업그레이드되고 있습니다.
기존 하드웨어/소프트웨어 인프라에 AI 기능을 추가하여 여러 산업 활용 사례가 개선되고 있습니다. 대표적인 예로 품질 관리 애플리케이션의 머신 비전을 들 수 있습니다. 기존의 머신 비전 시스템은 특수 소프트웨어가 탑재된 통합형 또는 개별형 컴퓨터를 통해 이미지를 처리합니다. 이 소프트웨어는 미리 정해진 매개변수와 임계값(예: 고대비)을 평가하여 물체의 결함 여부를 판별합니다. 많은 경우(예: 배선 형태가 다른 전자 부품)에는 오탐(false positive)이 매우 높습니다.
하지만 이러한 시스템은 인공지능을 통해 부활하고 있습니다. 예를 들어, 산업용 머신 비전 공급업체인 코그넥스(Cognex)는 2021년 7월 새로운 딥러닝 툴(Vision Pro Deep Learning 2.0)을 출시했습니다. 이 새로운 툴은 기존 비전 시스템과 통합되어 최종 사용자가 동일한 애플리케이션에서 딥러닝과 기존 비전 툴을 결합하여 스크래치, 오염 및 기타 결함의 정확한 측정이 요구되는 까다로운 의료 및 전자 환경을 충족할 수 있도록 지원합니다.
요인 4: 산업용 AIoT 하드웨어 개선
AI 칩은 빠르게 발전하고 있습니다.
임베디드 하드웨어 AI 칩은 빠르게 성장하고 있으며, AI 모델의 개발 및 배포를 지원하는 다양한 옵션이 제공됩니다. 예를 들어 NVIDIA의 최신 그래픽 처리 장치(GPU)인 A30과 A10은 2021년 3월에 출시되었으며 추천 시스템 및 컴퓨터 비전 시스템과 같은 AI 사용 사례에 적합합니다. 또 다른 예로, Google의 4세대 텐서 처리 장치(TPus)는 강력한 특수 목적 집적 회로(ASics)로, 특정 AI 워크로드(예: 객체 감지, 이미지 분류, 추천 벤치마크)에 대한 모델 개발 및 배포 시 최대 1,000배 더 높은 효율성과 속도를 달성할 수 있습니다. 전용 AI 하드웨어를 사용하면 모델 계산 시간이 며칠에서 몇 분으로 단축되며, 많은 경우 획기적인 변화를 가져왔습니다.
강력한 AI 하드웨어는 사용량에 따른 요금 지불 모델을 통해 즉시 사용할 수 있습니다.
초대형 기업들은 최종 사용자가 산업용 AI 애플리케이션을 구현할 수 있도록 클라우드에서 컴퓨팅 리소스를 제공하기 위해 끊임없이 서버를 업그레이드하고 있습니다. 예를 들어, 2021년 11월 AWS는 컴퓨터 비전 및 추천 엔진을 포함한 다양한 ML 애플리케이션을 위한 NVIDIA A10G Tensor Core GPU로 구동되는 최신 GPU 기반 인스턴스인 Amazon EC2 G5의 공식 출시를 발표했습니다. 예를 들어, 감지 시스템 제공업체 Nanotronics는 마이크로칩 및 나노튜브 제조 과정에서 처리 속도를 높이고 감지율을 높이기 위해 자사의 AI 기반 품질 관리 솔루션의 Amazon EC2 사례를 활용하고 있습니다.
결론 및 전망
AI는 공장에서 생산되어 AI 기반 PdM과 같은 새로운 애플리케이션과 기존 소프트웨어 및 사용 사례를 개선하는 데 널리 활용될 것입니다. 대기업들은 다양한 AI 사용 사례를 출시하고 성과를 보고하고 있으며, 대부분의 프로젝트는 높은 투자 수익률을 달성하고 있습니다. 결론적으로 클라우드, IoT 플랫폼, 그리고 강력한 AI 칩의 부상은 차세대 소프트웨어 및 최적화를 위한 플랫폼을 제공합니다.
게시 시간: 2022년 1월 12일