"판재는 기본적으로 모든 카메라의 적입니다!"라고 Korbinian Weiß는 말합니다. 그는 수년 동안 이 두 개를 더 가깝게 만들기 위해 노력해 왔습니다. "판재는 미러링되고, 구부러지고, 얇고 흔들리고, 모든 형태를 가질 수 있습니다." 카메라가 판재를 인식하는게 쉽지 않습니다. 인공지능(AI)은 이러한 문제를 더 잘 해결하는 데 도움이 됩니다.
기초로서의 데이터
Weiß는 디칭엔 TRUMPF에서 AI 이미지 인식팀을 이끌고 있습니다. 그가 계획한 대로라면, 예를 들어 TRUMPF 최초의 전자동 레이저 기계인 TruLaser Center 7030에 최소 24대의 카메라가 설치되었을 것입니다. 현재 수많은 이미지와 비디오 클립을 제공하는 "단지" 12개가 있습니다. 이는 다른 많은 데이터와 함께 기계의 추가 개발과 완전히 새로운 제품을 위한 기초를 형성합니다. 말하자면 컴퓨터 비전팀 작업의 기초입니다. 그런데 TruLaser Center 7030이 판재를 한 장씩 절단할 때 인공지능(AI, "Artificial Intelligence")은 도대체 어디에 있습니까? 용어를 설명하면 도움이 될 수 있습니다. AI는 많은 하위 영역이 있는 과학 연구영역입니다. 머신러닝도 그 중 하나입니다. TruLaser Center 7030과 같은 기계가 "학습"하고 이후에 훨씬 더 좋고 효율적으로 작동하려면, 적절한 소프트웨어 형태의 툴과 방법이 필요합니다. 전문가들이 컴퓨터 비전(Computer Vision)이라고도 말하는 머신 비전은 이러한 방법 중 하나입니다.
Korbinian Weiß는 디칭엔 TRUMPF에서 AI 이미지 인식팀을 이끌고 있습니다.
Korbinian Weiß는 TruLaser Center 7030 기계 공간에서 기록된 100,000개 이상의 이미지로 AI를 훈련시킵니다.
AI 설명: TRUMPF의 컴퓨터 비전 전문가는 AI가 판재 절단 시 어떻게 도움이 되는지 기꺼이 설명합니다.
Sorting Guide를 위한 솔루션
Korbinian Weiß는 실제 기계 엔지니어지만, 초기에 TRUMPF에서 소프트웨어 제어 프로젝트를 개발했습니다. 그는 원래 AI 활용이 계획되지 않았던 TRUMPF Sorting Guide의 프로젝트 책임자였습니다. Sorting Guide는 완전히 고전적인 알고리즘과 함께 작동해야 합니다. "테스트 홀에서 정말 잘 작동했고 최고의 결과를 얻었습니다"라고 37세의 그는 설명합니다. 그런 다음 테스트 고객에게 가져갔지만, "아무것도 작동되지 않았습니다". 문제는 조명 조건이었습니다. 환경에서의 수많은 밝고 어두운 재료, 미러링되는 표면 및 물체가 알고리즘을 압도했습니다. "우리는 AI를 통해서만 이 문제를 제어할 수 있었습니다"라고 Weiß는 말합니다 그 기반은 컴퓨터 비전팀이 먼저 손으로 라벨링, 즉 분류해야 했던 100,000개의 이상의 이미지였습니다. 판재 부품이 이미지에 표시되었는지 여부에 대한 정보와 함께 해당 알고리즘을 사용하여 수많은 훈련 루프에서 예측정확도를 지속적으로 향상시키기 위해 소프트웨어를 "훈련"할 수 있었습니다.
항상 AI는 아닙니다
"5%만이 AI이고, 95%는 데이터입니다. 먼저 데이터를 수집하고, 데이터를 큐레이팅하고, 데이터에 라벨링하고, 다양한 문제 해결 목표를 위해 데이터 레코드를 수집하고 데이터에서 올바른 균형을 찾는 것 …"라고 37세의 그는 그의 팀이 일하는 방식과 실제 도전과제에 대해 설명합니다. 때로는 고전적인 알고리즘만으로 고객 문제를 해결하기에 충분할 때도 있습니다. 하지만 그렇지 않은 경우가 점점 더 많아지고 있습니다. TRUMPF가 2020년 출시한 Sorting Guide 개발 이후, 컴퓨터 비전 분야에서는 많은 일이 일어났습니다. 기술과 알고리즘 데이터베이스가 향상되었을 뿐만 아니라 사고방식도 바뀌었습니다. "오늘날 우리는 제품을 개발할 때 항상 데이터에 대해 생각합니다"라고 Weiß는 말합니다. 이러한 이유로 TruLaser Center 7030에 카메라가 설치되어 있으며 완전히 새로운 비즈니스 모델이 가능해졌습니다. 여기에는 예를 들어 TRUMPF의 Pay per Part 모델이 포함됩니다.
원격 야간 작업
이 비즈니스 모델에서는 첨단 테크놀로지 기업의 전자동화된 주력 제품이 고객의 홀에 있고 그곳에서 원하는 부품을 생산하지만, 작센 주의 노이키르히(Neukirch) 설치장소에 있는 TRUMPF 팀이 3교대로 즉 야간에 컨트롤을 맡고 있습니다. 카메라를 통해 팀은 기계를 깊숙히 들여다보고 논스톱으로 데이터를 제공할 수 있습니다. 판재 부품이 걸리는 경우, 카메라는 이벤트 몇 초 전부터 이벤트 후 몇 초까지 비디오 클립을 기록합니다. 이를 통해 AI는 향후 이러한 오류를 방지하도록 훈련할 수 있습니다. 보다 효율적인 기계 사용, 더 길어진 작동시간, 더많은 공작물 수량, 재료 절약, 유지보수 예측, 지원 시스템 등 AI의 사용 가능성은 다양하며 이제 시작되었습니다. "현재 비전 분야에서 많은 일이 일어나고 있습니다"라고 Korbinian Weiß는 말하며 2024을 기대하고 있습니다. 예를 들어 AI 자체를 사용하는 스마트 카메라는 곧 TRUMPF 기계에서 하나의 주제가 될 것입니다.
TRUMPF가 스마트 팩토리에서 수집하는 것과 같이 기계 데이터는 컴퓨터 비전팀이 AI를 훈련하는 데 도움이 됩니다.
데이터, 데이터, 데이터: TruLaser Center 7030에 카메라가 더 많이 설치될수록 Korbinian Weiß 팀은 더 많은 데이터를 받습니다. 전문가들은 이를 사용하여 AI를 훈련시킵니다. 이때 다음이 적용됩니다: 데이터가 많을수록 더 나은 결과가 생성됩니다.
각성하십시오!
"망치지 마십시오!"라고 5년 전 하노버 박람회에서 셉 호흐라이터(Sepp Hochreiter) 교수는 독일 기계 엔지니어들에게 외쳤습니다. "설비 엔지니어링에서의 우위를 망치지 마십시오." 기계 엔지니어링은 눈이 멀고, Facebook이나 Apple과 같이 고객과 지속적인 접촉을 유지하지 않으며, 데이터가 있어도 분석하지 않고 있다고 합니다. "기계 엔지니어와 사용자는 각성해야 합니다. 호흐라이터(Hochreiter) 교수는 인공지능 분야의 세계적인 권위자로 간주됩니다. 니더바이에른 태생인 그는 린츠에 있는 요한네스 케플러 대학교(Johannes-Kepler-Universität)의 머신러닝(Machine Learning) 연구소와 인공지능(Artificial Intelligence) 실험실을 이끌고 있습니다. 지난 해 그는 Axel Springer 그룹의 미디어 브랜드 "Welt"로부터 독일의 AI 상을 받았습니다. 이 상은 독일에서 동종 상 중 최고의 상입니다.
호흐라이터(Hochreiter) 교수는 현재 ChatGPT보다 훨씬 뛰어난 자신의 언어 모델을 개발하고 있습니다. 5년이 지난 오늘날에도 그는 "각성은 여전히 유효합니다"라고 말합니다. 기계 및 설비 엔지니어링은 특히 남서부 지역에서 잘 진행되고 있지만, 오늘날에는 반드시 최고의 기계를 만드는 것이 아니라, 최고의 환경을 만드는 것이 중요합니다. 그는 현재 해당 주제에 관해 무슨 일이 일어나고 있는지 면밀히 모니터링하고 있으며 TRUMPF에 대해 열정적입니다. "이 기업의 사람들은 매우 잘 하고 있습니다!"
