【 청년일보 】 2016년에는 알파고가, 지난해에는 chatGPT가 등장하며 생성형 AI는 일상생활에 점차적으로 많이 노출되고 있다.

생성형 AI란 단순히 데이터 분석에만 그치는 것이 아니라 텍스트, 이미지, 동영상 등 새로운 콘텐츠를 만들 수 있는 AI를 말한다. 예를 들어, 당장 chatGPT에게 특정 주제를 주고 보고서를 써달라고 요청하면 AI는 그에 맞는 보고서를 제공한다.

이처럼 사람의 요구에 따라 여러 콘텐츠를 제공하는 AI를 생성형 AI라 말할 수 있다. 요즈음 들어서는, 개개인이 일상생활 중 chatGPT를 많이 활용하는 모습들을 자주 볼 수 있다.

그렇다면 산업현장에서는 생성형 AI는 어떻게 쓰이고 있을까?

생성형 AI는 생산 시스템의 생산성을 향상하는 데에 도움을 준다. 생산 데이터를 분석하고 이해해 생산 라인의 최적화 방법을 제안하는데, 구체적으로 품질 관리, 장비 유지보수, 생산 계획 등에 관여할 수 있다. 그 중에서, 생산 장비의 예측 유지보수에 대해 알아보자.

생성형 AI는 기계학습과 데이터 분석 기술을 통해 장비 고장을 사전에 예측해 다운 타임을 최소화하고 효율적으로 장비가 운용될 수 있도록 할 수 있다.

이를 위해서는 일반적으로 생산 기계의 데이터와 특성을 수집, 추출이 필요하다. 예를 들어 유지보수 기록이나 작동 시간, 센서 데이터 등을 수집해 기계 학습 모델을 학습시키는 데에 활용한다. 이 모델은 곧 기계의 유지 보수 시기를 예측하는 데에 사용되는데, 대표적으로 사용되는 모델의 종류에는 회귀 분석, 신경망, 의사결정 트리 등이 존재한다.

기계학습 모델을 선택할 때에는 문제의 목적에 따라 적합성을 판단한다. 분류, 회귀, 시계열 예측 등의 문제 유형을 파악 후, 사용하는 데이터의 양과 특성을 고려한다. 마냥 더 복잡한 모델이 성능이 더 좋은 것이 아니라 데이터셋이 작은 경우에는 간단한 모델을 선택하는 것이 더 좋기도 하다. 모델의 성능 또한 평가 요소가 된다. 교차 검증이나 테스트 데이터셋을 통해 정확도를 평가한다.

또한 모델이 과적합되지 않았는지, 새로운 데이터에 대해 일반화될 수 있는지 정규화도 고려해야 하는 대상이 된다. 이러한 기준에 의해 선택된 모델은 테스트 데이터셋을 통해 평가한다. 그 이후로는 최종적으로 유지보수가 필요한 시기를 예측할 수 있다.

위와 같이 생성형 AI는 생산 시스템을 최적화해 유지보수 비용을 감축할 수 있다. 뿐만 아니라 앞에서 언급했던 것과 같이 품질 관리, 시스템 자동화 등에도 기여하며 기업이 경쟁력을 키우고 생산성을 향상시킨다. 생성형 AI는 생산 시스템 분야에서 이와 같이 접목되어 두각을 나타내고 있다.
 

【 청년서포터즈 7기 성민지 】