테크니컬 리포트 2023 No.4
'뭔가 다르다'를 감지하고 '앞으로 바뀔 것'을 예측
~파형 데이터용 AI 개발 플랫폼 AlliomWave~

근래, 다양한 영역에서 AI를 활용한 업무의 효율화, 개선이 진행되고 있습니다. FA(Factory Automation)의 현장에서도, 인인화나 변종 변량 생산에 대응하기 위해, 사람의 손에 의지하고 있던 “모호한 판단”을 필요로 하는 작업에 AI 기술을 활용하려고 하는 움직임이 나오고 있습니다. 주식회사 에이아이큐브^※1(이하, AI 큐브)는 제조 현장의 데이터와 AI 기술을 융합하여 지금까지 자동화할 수 없었던 영역의 자동화 실현을 향한 노력을 하고 있습니다. 자동화 영역 확대를 위해 "제조 현장에서 당연히 AI 기술이 활용되고 있는 상태를 만든다!"를 목표로 하고 있습니다.

AI를 개발할 때는 학습을 위해 많은 양의 데이터가 필요합니다. 일반적으로, 정상과 이상을 판별하는 이상 검출 AI를 개발할 경우, AI의 정밀도를 높이기 위해서는, 정상 데이터와 이상 데이터가 같은 정도수 필요합니다. 그러나 FA 설비는 최대한 정상적으로 동작하도록 설계·제조되어 있기 때문에 정상 데이터를 대량으로 수집할 수 있어도 이상 데이터를 수집하는 것이 어렵다. 따라서 AI의 정확성을 높이는 데 필요한 양의 비정상 데이터를 수집하는 데 엄청난 시간이 걸리는 문제가 있습니다. 이 과제로 인해 결과적으로 AI 개발에 이르지 못하는 경우도 있어 이상 데이터가 적은 FA 영역에 AI 도입이 진행되기 어려운 원인이 되고 있습니다.
그러므로 이러한 문제를 해결하기 위해 에이아이 큐브는 "데이터가 없다면 만들어 버리자! 게다가 대량으로! 실기가 없어도 AI가 만들 수 있는 환경을 준비하자!"Alliom(아리옴)으로 제안했습니다.
그림 1은 Alliom을 이용한 AI의 도입 단계입니다. 지금까지의 Al개발은 「STEP01：현장에서 실 데이터를 준비한다」로부터, 그 데이터를 사용해 「STEP03：AI 모델을 만든다」에 직접 연결되어 있었습니다. Alliom에서는 앞에서 설명한 두 단계 사이에 "STEP02: 데이터 만들기"를 추가했습니다. 이것이 Alliom의 가장 큰 특징입니다. 이 특징에 의해, 이상 데이터가 수집 곤란한 상황이라도, 필요한 학습 데이터를 스스로 만들 수 있기 때문에, 현장에서 대량의 데이터를 수집할 필요가 없고, 단시간에 고정밀도의 AI를 고객의 현장에 도입하는 것이 가능해집니다.

그림 1 Alliom을 사용한 AI 도입 단계

AI 큐브는 AI 모델 생성 프로세스를 완벽하게 디지털화하고, 가장 빠른 제작 현장에 AI 도입이 가능한 Alliom을 구현하기 위해 "AlliomPicking", "AlliomVision", "AlliomWave"라는 3가지 제품을 출시하고 있습니다. 로봇의 장미 적재 피킹 작업에 특화된 AlliomPicking, 이미지 데이터에 특화된 AlliomVision, 파형 데이터(수치 데이터)에 특화된 AlliomWave 등 각각의 용도에 따른 기능과 GUI(Graphical User Interface)를 갖추고 AI의 지식이 없는 분들도 쉽게 AI를 개발할 수 있습니다.
본 보고서에서는 제조업을 위한 최초의 "파형 데이터를 의사적으로 만들고 그 데이터를 사용하여 AI를 만드는" AI 개발 플랫폼 AlliomWave를 소개하고 소개합니다.

※1　주식회사 에이아이 큐브
FA 현장에 신뢰할 수 있는 AI 솔루션을 제공하는 바카라 사이트 그룹 회사

AlliomWave는 '뭔가 다르다'를 감지하고 '앞으로 바뀐다'를 예측할 수 있는 파형 데이터용 AI 개발 플랫폼입니다.

AlliomWave는 실제 파형 데이터를 기반으로 디지털 환경에서 의사 파형 데이터를 생성하는 '의사 파형 생성 기능'과 그 파형 데이터를 사용하여 고정밀 AI를 단시간에 생성하는 'AI 모델 생성 기능'의 두 가지 기능을 가지고 있습니다. 여기서 사용하는 파형 데이터는 시간적으로 변화하는 수치 데이터를 시계열 순으로 나열한 데이터로, 예를 들어 FA 기기를 동작시키는 모터에서는 전류값, 토크값, 회전수 등의 데이터를 들 수 있습니다. AlliomWave에서는 이러한 파형 데이터를 사용하여 설비의 이상이나 생산시의 불량, 품질의 이상 등을 검지하는 이상 검출 AI를 개발할 수 있습니다.
이하에서는 '의사 파형 생성 기능'과 'AI 모델 생성 기능'에 대해 설명합니다.

AI 도입의 장벽이 되는 “이상 데이터의 수집이 곤란”이라는 과제는 「의사 파형 생성 기능」으로 해결할 수 있습니다. 10개 정도의 이상 파형 데이터만 있으면, 의사적인 이상 파형 데이터가 단시간에 대량으로 생성 가능합니다(그림 2). 본 기능은 기본 파형 데이터에 노이즈 부가나 종횡축 방향으로의 팽창·수축 등의 복수의 처리를 부가합니다. 이를 통해 기본 파형 데이터의 특징 (예 : 파형의 피크 위치 및 크기 등)이있는 의사 파형 데이터를 생성 할 수 있습니다 (그림 3). 또, 처리 파라미터를 변경하는 것으로, 기의 파형 데이터에 가까운 의사 파형 데이터의 생성이나, 학습 데이터에 바리에이션을 갖게하기 위해서 기의 파형보다 변화를 준 의사 파형 데이터를 생성하는 등, 다양한 의사 파형 데이터를 생성 가능합니다. 또한 의사 파형은 정상 파형, 이상 파형 등 모두 생성 가능합니다.
이 기능을 사용하면 실제 기기에서 많은 양의 비정상 데이터를 얻는 시간이 필요 없으며 FA 현장에 AI를 쉽게 적용할 수 있습니다.

그림 2 생성된 의사 파형 데이터(생성된 파형을 중첩하여 표시)

그림 3 의사 파형 데이터 생성 예

AlliomWave에서는 생성된 의사 파형 데이터의 확실성을 확인하기 위해 AI 큐브 오리지널 알고리즘의 "유사도"라는 지표를 도입했습니다. 「유사도」란, 생성한 의사 파형 데이터와 기의 파형 데이터가 얼마나 유사하고 있는지를 수치적으로 나타낸 지표입니다. 파형 데이터는 이미지와 같이 외형으로 확실성을 판단하기가 어렵습니다. 「유사도」를 사용함으로써, AI의 학습에 악영향을 미칠 가능성이 있는, 기의 파형 데이터와 크게 괴리한 의사 파형 데이터 등을 사전에 제거할 수 있습니다.

AlliomWave는 이 '유사도'를 사용하여 의사 파형 생성 시 매개변수를 변경하여 생성한 복수 패턴의 결과를 비교하는 기능과 '유사도' 범위를 지정하여 채용하는 파형 데이터를 자동으로 폐기 선택하는 기능을 갖추고 있어 AlliomWave의 GUI 버튼 조작만으로 AI 학습에 유효한 데이터입니다. 각 기능의 GUI 화면은 그림 4, 그림 5에 나와 있습니다. 그림 4는 의사 파형 생성 결과를 비교하는 GUI입니다. 생성 결과의 유사도 분포를 확인하는 히스토그램 표시나 생성된 파형의 차이를 확인하는 중첩 표시에 의해 의사 파형 데이터를 객관적으로 선별할 수 있습니다. 그림 5는 생성 된 의사 파형을 선택하는 GUI입니다. 의사 파형에 해당하는 유사도의 히스토그램 범위에서 지정하고 중첩된 파형 표시에서 결과를 확인할 수 있습니다.
생성된 의사 파형 데이터는 AI 학습 데이터로 다음 단계의 AI 모델을 생성하는 데 사용됩니다. 또, 옵션 기능이 됩니다만, 생성한 의사 파형 데이터를 csv 파일에 출력해, 고객이 이미 구축하고 있는 AI 모델의 학습용 데이터로서 사용하는 것도 가능합니다.

• 

  그림 4 의사 파형 파라미터를 변경한 생성 결과 비교
  (AlliomWave GUI 화면)

• 

  그림 5 의사 파형 데이터 선택
  (AlliomWave GUI 화면)

생성된 AI 모델은 AlliomWave에서 제공하는 API를 인터페이스로 사용하여 고객의 애플리케이션에 통합할 수 있습니다.

※2 Python
Python Software Foundation의 상표

볼 나사를 사용한 반송 기구에서 볼 나사가 열화되면 위치결정 정밀도가 저하되어 결과적으로 후공정의 반송물 파지 에러로 이어지는 문제가 있습니다. 이 과제를 AlliomWave로 해결할 수 있는지를 검증하기 위해, 「정상적으로 가동해, 이상 데이터를 거의 수집할 수 없는(10건 정도) 제조 라인으로, 볼 나사의 이상을 검지하고 싶다」라고 하는 케이스를 상정해, 볼 나사의 데이터를 이용해 AI 판별 정밀도와 AI 생성 시간의 검증을 실시했습니다.
만약 제조 라인에서 충분한 수의 이상 데이터를 취득하려고 하면, 정상적으로 가동하고 있는 제조 라인에서는 이상의 발생은 드물기 때문에 데이터 취득에는 방대한 시간을 필요로 합니다만, 지금 어느 10건 정도의 이상 데이터만으로 AI 모델을 생성하면, 이상 검지의 정답률은 90% 정지였습니다.
그에 반해 AlliomWave에서 10건 정도의 이상 데이터로부터 의사 파형 데이터를 300건 생성하고, 이 데이터를 사용하여 AI 모델을 학습시킴으로써 몇 분 안에 정답률 100%에 접근할 수 있었습니다. (표 1)

표 1 의사 파형 데이터를 사용한 모델 정확도 비교

이 보고서에서 소개한 AlliomWave는 소량의 파형 데이터에서도 의사적으로 대량의 파형 데이터(의사 파형 데이터)를 생성할 수 있기 때문에 실제 설비에서 대량의 이상 데이터 수집에 방대한 시간을 필요로 하는 것으로 해방되어 AI에 의한 이상 검지 기능이나 고장 예측 기능의 현장에의 도입 이것에 의해, 제조 현장의 인수에 의지하고 있던 “모호한 판단”에 AI 기술이 활용되어, 현장에서의 판단의 정밀도가 향상하는 것과 동시에, 자동화 영역의 확대에 공헌할 수 있다고 생각합니다. 현재는 이상 검지에 특화한 기능이 되고 있습니다만, 향후는 고장 예측의 기능을 추가하는 등, 고객의 요구에 맞도록 브러시 업해 갈 것입니다.
앞으로도 AI 큐브 기술의 진화를 기대해 주세요.