“제조 현장에서 AI 활용, 작은 문제부터 시작하세요”

SK텔레콤 사내 벤처에서 스핀아웃한 마키나락스…반도체·자동차 생산 라인 고장 예측

[HELLO AI] 이경전이 만난 AI 프런티어⑬-윤성호·이재혁 마키나락스 대표

제조업 혁신에는 인공지능(AI)이 빠질 수 없다. 산업 현장에서 생산 장비 운영을 최적화하고 공정 자동화를 달성하면서 효율성을 높이는 역할을 한다. 현장에서 나오는 데이터를 활용해 장비의 고장을 예측하기도 한다. 마키나락스는 서울과 미국 실리콘밸리에 사무소를 둔 스타트업으로, 산업용 AI 솔루션을 제공하고 있다. SK텔레콤에서 제조업 특화 AI 데이터 분석 솔루션 기술을 개발했던 윤성호·이재혁 두 공동 대표는 2018년 5월 마키나락스를 창업했다. 지난해 7월 120억원 규모의 시리즈 A 투자를 유치하며 대기업에서 스핀아웃(분사)한 스타트업으로 새 이정표를 제시하고 있다.


“마키나락스는 AI 기술로 복잡한 산업 이슈를 해결하는 기업으로, 제조 기술 도입에서 운영까지 엔드 투 엔드(end to end) 솔루션으로 기업에 가치를 제공하고 있습니다.”(이재혁 마키나락스 대표)

“제조·산업 분야에서 AI를 사실상의 표준으로 만드는 것이 마키나락스의 미션이라고 생각합니다. 공정이나 제조의 반복적인 과정에서는 AI를 통해 효율적으로 운영하고 인간은 예술과 같이 고유의 능력을 활용할 수 있는 분야에서 더 무한한 가능성을 펼칠 수 있도록 할 수 있는 것이 궁극적으로 추구하는 가치입니다.”(윤성호 마키나락스 대표)

최근 제조 현장에 AI를 도입해 생산성을 높이려는 시도가 이어지는 가운데 마키나락스의 솔루션은 공정 복잡도가 높은 자동차·반도체·배터리·제약 분야 등에 경쟁력을 갖고 있다. 이재혁 대표는 “반도체에서 배터리까지 복잡한 산업 데이터를 가장 많이 다뤄 봤고 글로벌 톱 기업들을 레퍼런스 고객과 투자자로 이미 확보하고 글로벌로도 뻗어나가 앞으로도 계속 확장할 기업”이라고 강조했다.

이날 인터뷰는 서울 서초동 사무실에서 줌(Zoom)으로 미국 실리콘밸리와 연결해 이원으로 진행됐다. 윤성호 대표는 서울 본사에서, 이재혁 대표는 미국 실리콘밸리 서니베일에 있는 사무실에서 각각 인터뷰에 응했다.

이경전 교수(이하 이경전) : “마키나락스가 세 가지 일을 한다고 했는데 그 부분을 소개해 주세요.”

윤성호 대표(이하 윤성호) : “우리가 집중하는 영역은 제조와 에너지 산업입니다. 애플리케이션으로 보면 이상 탐지, 제어 최적화, 예측 분석을 하고 있습니다. 구체적인 사례로는 로봇팔 이상탐지, 차량 에너지 관리 시스템(EMS), 태양광 발전량 예측이 있습니다.”

이재혁 대표(이하 이재혁) : “예측 분야에서 에너지 저장 장치(ESS) 시스템의 이벤트 예측을 통해 화제가 언제 날지를 예측합니다.”

윤성호 : “각 분야별로 보면 이상 탐지는 처음부터 가장 주력했던 영역입니다. 반도체 장비나 화학 장비를 대상으로 개념 증명(POC)을 진행하면서 사업을 확장해 왔어요. 로보틱스는 생산 라인에서 사용되는 로봇들의 고장을 성공적으로 탐지하고 있습니다. 제어 최적화는 아직 솔루션으로 선보이지 않았지만 POC를 지나 파일럿 단계를 거치고 있죠. 태양광 발전량 예측은 올해부터 서비스를 제공할 계획입니다.”

마키나락스의 이상 탐지 솔루션인 ADS(Anomaly Detection Suite)는 제조 장비나 설비에 부착된 온도·압력·진동 등 다양한 센서에서 나오는 데이터를 분석해 장비가 언제 고장날지 예측하는 예지 정비 솔루션이다.

반도체 장비, 배터리, 로봇 팔, 화학 반응로 등 다양한 생산 장비에 적용돼 다양한 고장 유형에 대응한다. 복잡도가 높고 독한 화학물을 사용하는 반도체 공정은 예기치 못한 장비 고장이 발생할 수도 있다. 기업마다 반도체를 제조하는 방식에 차이가 나 고장 유형도 다양하다. 마키나락스는 ADS를 통해 최대 36시간 전에 고장 시기를 예측하고 고장 원인을 안내하는 서비스를 제공하고 있다고 강조했다.

제어 최적화에서 ICS(Intelligent Control Suite)는 전기차의 최적 온도 관리, 다량의 제조 로봇 팔 움직임 최적화를 지원한다. 예를 들어 전기차 부품 제조 업체에서는 기존 에너지 관리 시스템(EMS)에 쓰이던 PID(Proportional Integral Derivation) 제어가 아닌 ICS를 도입해 압축기·팬·밸브 등 여러 요소를 동시에 제어하면서 안전하면서 효율적으로 온도를 제어한다. 이를 통해 기존 PID 제어 방식 대비 최대 20%의 에너지 사용량을 절감한다고 마키나락스 측은 설명했다.

이경전 : “수익 모델의 형태에서 서브스크립션까지 가는 게 바람직하다고 보는데, 세 분야에서 생산성이 있다고 검증된 영역은 무엇입니까.”

윤성호 : “얼마나 스케일업(scale-up)이 가능할지는 사업을 지켜봐야 하지만 이상 탐지와 예측 분야에서 가능성을 내다보고 있습니다.”

이경전 : “개인적으로 마키나락스가 만든 ‘기업에서의 인공지능 활용 프레임워크’ 그림을 매우 좋아합니다. AI 시장의 중요한 트렌드는 기계 학습을 한 번에 끝내고 적용하는 것이 아니라 액티브 러닝(active learning), 컨티뉴얼 러닝(continual learning)과 같은 계속적인 학습을 통해 기업·조직·제품에 완전히 스며들게 하는 것입니다. ‘기업에서의 인공지능 활용 프레임워크’는 기업이 하나의 사이클을 개발하고 나면 이를 운영하는 체계를 통해 계속적으로 학습(continual learning)해 나가는 과정을 구축할 필요가 있다는 것이에요. 어떻게 그리게 된 그림입니까.”


윤성호 : “AI 하면 대부분 딥러닝을 생각해요. 창업 당시 사람들은 딥러닝 기술만 있으면 문제를 해결할 수 있을 것이라고 얘기했어요. 하지만 우리가 막상 이 기술을 가지고 제조업에 가 보니 딥러닝 기술만으로는 문제를 해결할 수 없었습니다. 그 과정에서 만든 그림입니다. 데이터를 기반으로 딥러닝 모델을 만드는 기술 스택은 많은 회사들이 가지고 있다고 생각해요. 생산 라인에 가 보면 도메인 지식(특정 분야에 대한 전문 지식)을 가진 엑스퍼트 피드백을 어떻게 효과적으로 모델링 과정에 녹여 낼 것인지에 대한 질문도 있었죠. 이 밖에 제어 최적화에선 시뮬레이션 환경에서 피드백을 줄 수 있는 모델 개선이 필요하다고 봤습니다. 무엇보다 생산 환경이 계속 변하고 있어요. 달라진 환경에 적응할 수 있는 오퍼레이션 시스템과 컨티뉴얼 러닝 기술이 필요하다는 것을 하나의 그림에 집약해 보고 싶어 그리게 됐습니다.”

이경전 : “같이 일하는 회사와는 어떤 식으로 계약하고 일을 진행합니까.”

윤성호 : “계약 형태는 다양합니다. 초기에는 대부분 서비스 형태의 계약을 합니다. 프로젝트성 계약을 한 뒤 프로젝트가 성공적으로 끝나고 검증되면 이후 소프트웨어를 위한 계약으로 넘어가는 식입니다. 프로젝트는 한 번에 끝날 수도 있고 2~3회에 걸치는 과정일 수도 있습니다. 우리의 첫째 타깃 유저는 머신 러닝에 대한 기본적 수준의 지식을 가진 사람입니다. 이후 공장에 적용돼 돌아가는 단계에서는 머신 러닝 지식과 관계 없이 현장 전문가가 쓸 수 있는 형태로 타깃을 나눠 보고 있습니다.”

이경전 : “중소기업에는 머신 러닝 전문가가 거의 없잖아요. 그러면 주로 대기업을 상대로 일하나요.”

윤성호 : “프로젝트들은 대기업을 상대로 많이 진행됐습니다. 로봇 팔 이상 탐지 솔루션은 머신 러닝 지식이 없어도 어느 정도 교육을 통해 사용할 수 있는 수준으로 개발돼 있습니다.”

이경전 : “로봇 팔 이상 탐지는 구체적으로 어떤 것인가요.”

윤성호 : “로봇이 반복적인 동작을 수행하면서 고장이 발생할 수 있습니다. 이런 고장을 사전에 탐지하는 것이에요. 기존에는 진동 센서와 같은 센서 데이터를 부착해 탐지하는 시도들이 있었습니다. 그런데 이런 시도의 한계는 추가 센서를 달아야 한다는 것입니다. 또 하나의 로봇에는 잘 동작하지만 다른 로봇에 적용되거나 티칭(로봇의 동작을 프로그래밍하는 것)이 바뀌는 경우 이상을 잡아내기 어려웠습니다. 그런 문제를 해결하기 위해 우리는 진동 센서에 의존하지 않고 로봇에서 나오는 전류 값을 활용합니다. 티칭이 바뀔 때마다 머신 러닝 모델을 다시 학습시키는 방식으로 높은 정탐률과 낮은 오탐률을 가능하게 합니다.”

이경전 : “데이터 수집은 실시간으로 하나요.”

윤성호 : “수집 주기는 로봇 팔의 세팅에 따라 달라요. 대략 1초에서 10밀리세컨(ms)까지 다양하게 수집할 수 있습니다. 특정 동작을 하는 중간에 전류 값을 수집합니다. 정상 동작일 때 나오는 데이터에서 패턴을 학습해 정상 패턴을 넘어서면 이상을 알려주는 방식이에요.”

이경전 : “이상이 생겨 생산 라인이 멈추기 전에 미리 알려줍니까.”

윤성호 : “자동차 생산 라인을 보면 생각보다 생산 속도가 빠릅니다. 해외 공장을 기준으로 거의 분당 차 한 대를 조립합니다. 예를 들어 30분 동안 가동에 문제가 생긴다면 30대 정도를 조립하지 못하게 됩니다. 예기치 못한 다운타임이 생산량에 큰 영향을 미칠 수 있어요. 사전에 고장을 잡아내면 점검을 통해 최악의 상황으로 가는 것을 막을 수 있습니다.”

이경전 : “고객에게 큰 가치를 줬거나 내부 직원들에게 보람으로 남은 성공 사례가 있나요.”

윤성호 : “이상 탐지와 제어 최적화 분야에 있어요. 특히 반도체는 미션 크리티컬한 공정을 가지고 있습니다. 생산 라인이 멈추는 것에 따른 여파가 매우 큽니다. 클라이언트들도 기존에 다운타임을 줄이는 시도를 해 왔어요. 2년 치 데이터로 검증된 바에 따르면 기존에는 정탐률을 50% 이상 높일 수 없었습니다. 오탐률도 10% 이상이었습니다. 그런데 우리 딥러닝 기반의 방식으로 진행했을 때 최소 70% 이상의 정탐률을 기록했습니다. 10개 중 7개의 고장을 제대로 맞힌 겁니다. 고장이 아닌데 고장으로 인지하는 오탐률도 1% 아래로 줄였습니다. 또 제어 최적화 분야에선 자동차 공조 시스템을 제어하는 알고리즘을 개선한 사례가 있습니다. 강화 학습 기반의 알고리즘으로 대체했을 때 에너지 효율이 기존의 PID 제어 방식 대비 많게는 20%까지 올라가는 것을 확인했습니다. 20%라는 숫자가 전기차에 적용되면 주행 거리와 관련되면서 더 중요한 의미를 갖게 됩니다.”

이경전 : “제조 기업의 경영진이나 실무진에게 건설적인 조언을 할 부분이 있습니까.”

이재혁 : “마키나락스는 대기업뿐만 아니라 중견기업들과도 같이 일하고 있습니다. 중소기업의 문을 두드리지 않은 것은 아니에요. AI 기술 도입에 대해 아직은 경영진과 공장의 실무진과의 괴리가 있는 게 현실입니다. 무엇보다 중견·중소기업은 일자리에 민감해요. 우리가 조언하고 싶은 것은 ‘작은 문제부터 시작하라’는 것입니다. 빅데이터나 클라우드와 같은 시스템이 갖춰질 때까지 기다리지 말고 로봇 팔 옆에 서버라도 놓아 두고 데이터를 일단 모으고 분석하면서 작게나마 성과를 내는 게 중요해요. 또한 원청과 하청 기업이 있을 때 서로 협업해 디지털 트랜스포메이션의 돌파구를 마련할 수 있습니다.”

이경전 : “‘작은 문제부터 시작하라’, ‘대기업의 성과를 확산하라’는 중요한 말씀을 해 주신 것 같습니다. 전반적인 제조의 혁신이 일어나기 위해서는 다같이 해야 하죠. 정책 논의도 많이 하고 있죠.”

이재혁 : “기고를 통해 정책 제안을 하면서 동일한 얘기를 하고 있습니다. 이제는 지원 기관들도 모든 것의 시작이 데이터라는 것을 알고 있어요. 그래서 중소기업이 데이터를 잘 축적하도록 클라우드 비용을 지원해 주는데, 이 부분에서는 고민이 필요하다고 봅니다. 처음에는 어떤 데이터를 어떤 주기로 어떻게 저장해야 할지 잘 모르기 때문입니다. 둘째 해부터는 지원비가 줄어드는데 데이터를 많이 모으면 좋다고 생각해 무작정 많이 모으면 데이터 저장 비용이 대폭 늘어납니다. ‘스몰 스타트’라는 것은 다시 말해 ‘문제 정의’부터 시작하라는 것입니다. 데이터를 쌓는 것보다 더 중요한 것은 문제 정의입니다. 꼭 우리가 아니더라도 경험이 많은 전문가나 성과를 낸 기업을 통해 모든 것의 ‘페인 포인트(pain point)’를 찾는 게 중요합니다.”

이경전 : “AI와 일자리에 대해선 어떤 견해를 갖고 있나요. 개인적으로는 AI가 도입된다고 해서 일자리가 줄어드는 게 아니라는 주장을 하고 있는데 현장에서 볼 때는 어떻습니까.”

이재혁 : “단기적으로는 저항이 있습니다. 현장의 엔지니어들은 암묵지를 가지고 일합니다. 그런데 기계가 대신하고 나아가 예측까지 한다면 일자리를 뺏긴다는 생각이 들 수도 있습니다. 그런데 솔루션이 완성되면 최소한 밤샘 작업은 없어집니다. 갑작스러운 셧다운 상황이 발생하지 않고 그래서 가동률이 올라가고 생산성이 늘어나면 사람도 더 필요하게 돼 있습니다.”

이경전 : “제조 AI 분야에서 수아랩이 코그넥스에 인수된 사례가 있습니다. 마키나락스는 10년, 20년 후 어떤 회사가 되는 비전을 가지고 있습니까.”

윤성호 : “확실한 목표는 지속 가능한 회사가 되겠다는 것입니다. 장기적으로 이익을 내는 회사를 만들어 나가고 싶어요.”

이재혁 : “엔터프라이즈 솔루션업계는 기존 소프트웨어 대비 성능이 10배 좋거나 원가를 10분의 1로 줄이지 않는 이상 새롭게 진입할 수 없습니다. 하지만 각 엔터프라이즈 솔루션에서 새로운 기술이 나올 때마다 1등은 기존 회사가 아닌 우리 같은 스타트업이 차지했어요. 전사적자원관리(ERP)가 처음 나왔을 때 IBM과 오라클이 경쟁했지만 결국 1등은 훨씬 작은 기업인 SAP였죠. 고객관계관리(CRM) 분야는 세일스포스닷컴이 사스라는 새로운 기술을 내세워 선점했습니다. 새로운 스테이지가 열리면 작은 기업들이 기존 대기업을 물리치고 1등을 한 것처럼 우리도 그러한 꿈을 꾸고 있어요.”

이경전 : “마키나락스의 인재상은 무엇입니까.”

윤성호 : “우리가 생각하는 인재상은 ‘빠르게 개선할 수 있는 사람’입니다. 마키나락스는 그 누구보다 빠르게 성공하기가 아니라 ‘누구보다 빠르게 실패하기’를 지향합니다. 많은 시도를 해 보고 빠르게 실패하는 게 불확실성에 대응하는 방법이라고 생각합니다. 그 과정에서 탁월함을 추구하는 사람이 우리의 인재상입니다. 최근 스타트업들이 전반적으로 복지가 좋은 편인데, 우리는 1년에 한 번은 해외 학회를 지원하고 있습니다. 신종 코로나바이러스 감염증(코로나19) 사태 이전에는 최대 500만원까지 매년 학회를 지원해 왔어요. 팀원들이 가장 아쉬워하는 부분입니다.”

이경전 : “마지막으로 강조하고 싶은 것이 있나요.”

윤성호 : “많은 영역에서 결국 AI가 표준 기술이 될 것이라고 봅니다. 제조 분야도 예외가 아닐 것이라고 보고 있습니다. 우리는 이와 같은 표준화 작업을 최대한 앞당길 비전을 가지고 있습니다.”

이재혁 : “우리는 B2B 엔터프라이즈 솔루션 업체로, AI 기술을 통해 문제를 해결합니다. 현장 속에 뛰어들어 기름때 나고 먼지 나는 공장 제조 라인에서 현장의 엔지니어들과 계속 호흡하면서 문제를 푸는 일을 하고 있습니다. 제조 현장에서 이슈를 풀어 가는 프로젝트를 지속하면서 그 경험을 바탕으로 제품과 플랫폼을 만들어 나갈 겁니다.”



이현주 기자 charis@hankyung.com
상단 바로가기