스마트한 머리와 AI: 제조에서 효율성 향상을 위한 세 가지 예

프로그래밍은 이제 과거의 일: VisionLine Detect 영상처리는 이제 인공지능을 사용하여 레이저 용접을 위한 위치를 인식합니다. 지금까지 이를 위해 오랜 시간의 프로그래밍과 사용자 측의 많은 경험이 필요했습니다. 이제는 몇 개의 이미지를 "EasyModel AI" 클라우드 애플리케이션에 업로드하고 마우스를 사용하여 파트에 용접위치를 표시하는 것으로 충분합니다. 그런 다음 EasyModel AI는 스스로 훈련하는 VisionLine Detect 영상처리용 AI 모델을 만듭니다. 따라서 VisionLine Detect는 독립적으로 용접위치를 인식하고 심지어 이전보다 훨씬 더 빠르고 정확하게 레이저를 구성품에 올바르게 포지셔닝합니다. 새로운 솔루션 EasyModel AI는 오늘날 이 가족기업에서 이미 얼마나 다양한 AI가 사용되고 있는지 보여주는 한 예일 뿐입니다.

"저는 제조에서 AI와 관련되는 것을 원하지 않습니다!“ TRUMPF 레이저 기술의 Florian Kiefer는 고객으로부터 자주 이 말을 듣습니다. 대개 이러한 의구심은 사용자가 작업일상에서 직접 AI를 경험하는 경우에만 극복될 수 있습니다. 예를 들어 레이저 용접 중 파트 인식을 위한 AI 지원인 TRUMPF 클라우드 애플리케이션 EasyModel AI를 사용해 볼 수 있습니다. 이 애플리케이션은 이미지 인식 덕분에 생산 프로세스를 안정화시킵니다. 특히 자동차 제작과 같은 대형 시리즈 생산에서 이점을 제공하며, 이상적으로 공작물 개수를 늘리고 가장 높은 데이터보호표준을 준수합니다. 이에 대한 열의는 TRUMPF 레이저 기술의 Produktmanagement Performance Solution 부문 책임자에게서 엿볼 수 있습니다.

AI가 없는 기존 이미지 인식 시스템은 복잡한 형상, 매우 작거나 반사율이 높은 구성품의 경우 한계에 달합니다. 예를 들어 배터리 셀, 민감한 전자장치 컴포넌트 또는 정밀하게 용접해야 하는 원형 반사 케이블이 이에 해당됩니다. 이러한 적용 분야에서 레이저는 단 몇 초 만에 수천 번의 용접작업을 수행합니다. 기존의 이미지 인식 시스템이 파트를 정확하게 인식하지 못하면 아주 작은 오류라도 심각한 결과를 초래할 수 있습니다. 아주 작은 오차라도 예를 들어 자동차 배터리 전체를 사용할 수 없게 되며, 불량품이 증가할 뿐만 아니라 비용도 빠르게 증가시킵니다. EasyModel AI에 의해 개발된 VisionLine Detect용 AI 모델은 레이저 용접에서 이러한 핵심 문제를 해결합니다.

Florian Kiefer는 제품관리자로서 3년 전부터 EasyModel AI의 개발을 주도해 왔습니다. 그는 먼저 수많은 고객과 이야기를 나누고 시장을 분석한 후 간단한 클라우드 기반 솔루션에 전력을 다했습니다. 오늘날 EasyModel AI를 사용하려는 사람은 더 이상 AI 지식이 필요하지 않으며 해당 구성품의 양호한 이미지만 있으면 됩니다. 사용자는 이러한 이미지를 애플리케이션에 업로드하고 Microsoft의 "Paint" 프로그램에서 알고 있는 것과 같은 간단한 툴을 사용하여 용접위치를 색상으로 표시하면 AI가 자동으로 훈련합니다. 몇몇의 이미지에서 사용자는 직접 용접점에 표시합니다. 그런 다음 모델은 용접점에 대한 제안을 독립적으로 제공하며, 사용자는 이를 점검하고 필요한 경우 수정하기만 하면 됩니다. 10~50개의 이미지를 훈련한 후 EasyModel AI는 신뢰할 수 있는 AI 모델을 만듭니다. 이 작업은 일반적으로 몇 분에서 최대 몇 시간 정도 걸립니다. 사용자는 AI 모델을 다운로드하여 이제 높은 반복정확도로 파트를 인식하는 영상처리 소프트웨어인 VisionLine Detect에 전송합니다. 그런 다음 레이저 용접 시스템은 나머지 작업을 처리하고 용접점을 설정할 위치를 정확히 파악합니다.

"데이터를 생성할 때 그 데이터 중 어느 것이 기업 및 해당 생산 프로세스와 관련이 있는지 이해하는 사람이 필요합니다." Jens Ottnad는 젊은 TRUMPF 직원들에게 바로 이러한 전문기술을 전달하기 위해 TRUMPF 기업의 글로벌 교육관리자가 되었습니다. "바로 이 점이 우리 앞에 놓인 가장 큰 변화입니다. 그렇기 때문에 많은 사람들은 AI가 일반적으로 작동하는 방식을 이해해야 합니다."

TRUMPF 기업에서 AI가 수행하는 중심 역할은 Jens Ottnad의 경력도 어느 정도 반영됩니다. Ottnad는 박사학위를 취득한 기계 엔지니어이며 원래는 직업교육과 아무 관련이 없었습니다. 그는 Karlsruher Institut für Technologie(KIT, 칼스루에 테크놀로지 연구소)의 AI 개발 및 연구분야에서 왔습니다. TRUMPF 기업을 데이터 중심 기업으로 발전시키는 것이 그의 임무입니다. 왜냐하면 데이터는 인공지능의 기초이기 때문입니다. 그는 이미 이전 프로젝트에서 이 목표를 달성하기 위해 노력했습니다. 따라서 Ottnad에게 있어 그의 지식을 젊은이들에게 전수하고 교육생과 이중교육 대학생(dual study program)들에게 헌신하는 것은 결과적으로 이어진 단계였습니다. 이제 그의 초점은 디칭엔에서 15개의 진로 분야에 있는 300명의 교육생과 이중교육 대학생, 그리고 TRUMPF 직원의 추가 교육에 있습니다.

레이저 용접에서 아주 작은 케이블은 기계에 있어 도전과제인 반면, 레이저 절단에서는 절단 엣지입니다. "우리 고객은 가능한 최고의 파트 품질을 원합니다. 여기에는 정확하고 정밀한 절단 엣지가 포함됩니다. 레이저 절단에 최적화되지 않은 재료품질이나 표면품질에서 작업 경험이 없는 조작자에게는 특히 까다로운 일입니다"라고 Louisa Peters는 말합니다. 그녀는 TRUMPF 머신툴 부문에서 TruLaser 제품관리자로 3년 전부터 판재파트의 엣지 품질을 담당해 왔습니다. 이러한 경우 판재가공기업의 전문가들은 원하는 결과를 달성하기 위해 다양한 절단 파라미터를 재조정해야 합니다. 즉 절단 프로세스를 선택하며 레이저 절단하고 주관적으로 파트 품질을 평가해야 합니다. 엣지 품질이 충분하지 않은 경우 전문가들은 개별 절단 파라미터를 차례로 변경해야 합니다. 이러한 작업은 많은 노하우가 필요하고 불량품이 증가하며 제조시간이 소요되고 또한 전문가가 항상 이를 위해 있는 것은 아닙니다. TRUMPF 전문가들은 이러한 상황을 위해 Cutting Assistant를 개발했습니다.

이 혁신적인 어시스턴트 시스템은 표면상 레이저 절단 시스템에 연결되어 있는 간단한 핸드 스캐너로 구성됩니다. 이 핸드 스캐너로 사용자는 최적화하려는 구성품의 절단 엣지를 스캐닝합니다. 스캐닝 프로세스가 끝나면 어시스턴트 시스템은 AI 지원 알고리즘을 사용하여 데이터를 처리합니다. TRUMPF 기업은 10만 개가 넘는 이미지로 AI를 훈련시켰습니다. AI 어시스턴트는 절단 엣지의 품질을 객관적으로 평가하고 각각 관련 절단 파라미터의 조정을 위한 제안을 독립적으로 생성합니다. 가장 짧은 시간 내에 사용자는 보다 나은 절단 결과를 달성합니다. 또한 AI 알고리즘은 생성된 제안을 학습하여 향후 보다 나은 권장내용을 제공합니다.

연방통계청 조사에 따르면 독일 기업 5곳 중 1곳이 AI 테크놀로지를 사용하고 있으며, 그 추세가 높아지고 있습니다. AI는 전 세계 디지털 혁신의 필수적인 부분입니다. 독일에서 TRUMPF 기업은 AI 지원의 많은 혁신을 이룬 선구적인 기업입니다. 올해 이 하이테크 기업은 다음 단계로 나아가 전 세계 모든 부서의 AI 개발을 네트워킹하고 전사적으로 사용할 수 있도록 새로운 구조를 만들고 있습니다. AI Hub의 새로운 팀은 빠른 개발에 전념할 것입니다.