엔투엠, 연구실부터 생산현장까지 연결하는 제조 AI 플랫폼 선보여

[산업일보]
제조업의 인공지능 전환(AX)을 위해서는 생산설비의 디지털화뿐 아니라 연구개발 단계에서 축적한 지식과 생산 현장의 데이터를 유기적으로 연결하는 작업이 필요하다. 특히 제조 현장에 남아 있는 작업자의 경험과 노하우를 데이터로 전환하고 이를 생산공정에 반영하는 것이 주요 과제로 꼽힌다.

엔투엠은 11월 3일부터 5일까지 코엑스에서 열리는 AIoT 국제전시회(AIoT Korea Exhibition 2026)에서 제조 현장의 디지털 전환(DX)부터 AX까지 지원하는 AI 플랫폼 'AutoOpt Sentia'를 소개했다.

AutoOpt Sentia는 연구실(LAB)에서 이뤄지는 제품 개발과 실험 데이터를 생산공정 및 품질관리 단계까지 연결하는 제조 AI 플랫폼이다. 연구개발 과정에서 확보한 데이터를 기반으로 최적화 모델을 도출하고, 이를 실제 생산설비와 공정에 적용할 수 있도록 설계했다.

플랫폼은 물리적 설비와 센서, PLC 등을 연결하는 Physical Layer를 기반으로 실시간 데이터를 수집하는 IoT Platform, 통합 데이터베이스(Data Hub), AI 모델의 학습과 추론 및 공정 최적화를 담당하는 MLOps, AI Assistant와 Smart LAB 등을 제공하는 Application 등 5개 계층으로 구성된다.

엔투엠 관계자는 “제조 현장은 센서 데이터가 확보되지 않은 곳도 있고, 디지털 전환이 전혀 이뤄지지 않은 환경도 있다”며 “AutoOpt Sentia는 이런 현장들이 DX를 거쳐 AX로 전환할 수 있도록 지원하는 플랫폼”이라고 설명했다.

화장품 제조공장은 플랫폼의 적용 사례 중 하나다. 이 관계자의 설명에 따르면, 연구실에서 화장품을 개발할 때 사용하는 원료의 종류와 투입량, 온도, 교반 속도 등 실험 조건을 데이터로 축적하고, 이를 바탕으로 제품별 최적화 모델을 도출한다. 연구실에서 확보한 모델은 실제 생산공정으로 이관되며, 생산 규모와 설비 조건에 맞춰 추가적인 보정 작업을 거친다.

관계자는 “연구실에서 원료를 몇 그램 넣고 온도를 어떻게 설정하며, 교반기를 몇 RPM으로 돌렸는지 등의 과정을 데이터화한다”며 “제품에 맞는 모델을 만들고 이를 생산공정에 적용하는데, 연구실과 생산공장은 규모와 환경이 다르기 때문에 현장 조건에 맞게 다시 조정하는 과정이 필요하다”고 말했다.

생산공정에서는 교반기와 추출기 등 각종 장비에 설치된 IoT 센서와 기존 설비 시스템을 연계해 공정 데이터를 수집한다. 이를 통해 생산 흐름을 확인하고 결과 데이터를 품질관리에 활용한다. 제조 절차와 관련된 기준 문서를 데이터베이스화해 현장 담당자가 필요한 정보를 질의하고 답변받을 수 있는 기능도 제공한다.

제조업의 AX 전환 과정에서 해결해야 할 또 다른 과제는 숙련자의 경험과 노하우, 이른바 ‘암묵지’를 데이터로 전환하는 일이다. 작업자의 감각과 경험에 의존하는 생산 조건을 데이터화하지 못하면 특정 인력에 대한 의존도가 높아지고, 숙련자가 현장을 떠났을 때 공정 운영에도 어려움이 발생할 수 있다.

관계자는 “암묵지는 종이 문서로 관리되는 정보도 있고 구전으로만 전해지는 노하우도 있다”며 “결국 도메인 지식을 어떻게 데이터로 전환할 것인지가 핵심이다. 담당자가 자신의 노하우를 어느 범위까지 공유할 수 있는지도 협의해야 한다”고 밝혔다.

이어 “제조 현장에서는 날씨가 습하거나 비가 오는 날, 기온이 높고 건조한 날 등에 따라 생산 조건을 다르게 적용하기도 한다”며 “기존에는 작업자의 감각에 의존했던 이런 판단을 데이터로 축적하고, 학습과 모델 적용, 최적화 과정을 반복해야 암묵지를 해결할 수 있다”고 설명했다.

그는 “MLOps 기반 AutoOpt 플랫폼을 개발하기 시작한 지 4~5년 정도 됐다”며 “하이퍼 파라미터 최적화 등 기존 알고리즘으로 해결하기 어려운 부분에 AI를 적용하는 경험을 축적해 왔다. 비교적 이른 시기에 개발을 시작하고 실제 현장에 반영해 왔다는 점이 엔투엠의 강점”이라고 말했다.