포드자동차, 스마트 로봇으로 생산속도 향상 15%↑

▲포드가 트랜스미션 조립 공정용 로봇팔에 AI를 적용해 조립 공정 효율을 크게 높였다. (사진=심바이오) ​ 포드가 트랜스미션 조립 공장에 사용되는 로봇팔에 인공지능(AI)을 결합해 점진적이고도 종종 작업자들이 감지할 수 없는 방식으로 스며드는 로봇 자동화를 경험하고 있다고 ‘와이어드’가 지난달 28일(현지시각) 보도했다.   1913년, 헨리 포드는 세계 최초의 이동식 컨베이어 벨트 조립라인으로 자동차 생산 혁명을 가져왔다. 이 혁신은 새로운 자동차를 더 빠르고 효율적으로 조립할 수 있게 만들었다. 몇 백 년이 지난 지금 포드는 오늘날의 제조라인에서 더 빠른 속도를 내기 위해 인공지능(AI)을 사용하고 있다.   미국 미시건주 리보니아에 있는 포드자동차 트랜스미션 공장내 토크 컨버터 조립용 로봇 스테이션에서는 이제 로봇들이 AI를 적용함으로써 이전 조립동작 가운데 어떤 것이 가장 효율적인지 학습하고, 이를 그대로 부품들에 적용하고 있다. 커다란 안전 케이지 안의 로봇팔은 컨베이어에서 커다란 접시 크기의 금속 조작을 집어서 슬롯에 맞물리게 만드는 작업을 수행한다.   포드는 심바이오 로보틱스(Symbio Robotics)라는 신생기업의 기술을 사용해 이전에 행해졌던 조립공정에서 어떤 접근법과 동작이 가장 잘 작동하는지를 알아낸다. 케이지 바로 밖에 있는 컴퓨터는 기술을 감지하고 팔들을 제어하는 심바이오의 기술을 보여준다.       ▲미국 미시간 주 리보니아에 있는 포드자동차 공장에서 로봇들은 기계 학습의 도움을 받아 트랜스미션 부품들을 조립위치에 옮겨 토크 컨버터를 조립한다. (사진=심바이오) ​ 이 기술은 포드자동차의 이 조립라인 공정을 15% 더 빠르게 했다. 가뜩이나 박한 이윤율을 보이는 제조업계에서 이같은 공정 개선은 엄청난 수치다. ​ 론 밴 겔로벤 리보니아 공장 생산책임자는 “개인적으로 이것이 미래의 어떤 것이 될 것이라고 생각한다”고 말했다. 그는 포드가 다른 공장에서도 이 기술을 사용할지 여부를 조사할 계획이라고 밝혔다. 갤로벤은 “이 기술은 컴퓨터가 사물들의 조화하는 방식을 느낌으로써 배울 수 있는 모든 곳에서 사용될 수 있다”며 “그런 수많은 응용분야가 있다”고 말한다.   AI는 종종 파괴적이고 혁신적인 기술로 간주되지만, 리보니아의 토크(torque) 컨버터 조립 설정 학습 사례는 AI가 어떻게 점진적이고 종종 (사람들이)감지할 수 없는 방식으로 산업 공정에 유입될 수 있는지를 보여준다.   자동차 제조는 이미 고도로 자동화돼 있고, 차를 조립, 용접 및 도장하는 데 도움을 주는 로봇은 같은 작업을 끊임없이 반복하는 기본적으로 강력하며 정밀한 자동화작업이지만 이해하거나 주변 환경에 반응하는 능력이 부족하다.   그러나 자동차공장에서 자동화 공정을 추가하는 것은 도전적인 과제이기도 하다. 기계의 손길이 닿지 않는 작업에는 자동차의 대시보드와 차체를 통해 유연한 배선을 하는 작업 등이 포함된다. 지난 2018년 일론 머스크 테슬라 최고경영자(CEO)는 테슬라 모델 3의 생산 지연 발생 원인을 제조 과정에서 더많이 자동화에 의존하기로 한 결정 탓으로 돌렸다.   일본 도요타와 닛산은 이미 생산라인의 효율성을 높이기 위해 같은 기술을 사용하고 있다. ​ 연구원들과 스타트업은 AI가 로봇에게 컨베이어 벨트를 따라 움직이는 낯선 물체도 인지하고 잡을 수 있는 등 더 많은 기능을 제공할 수 있는 방법을 모색하고 있다. 포드자동차의 사례는 간단한 감지 및 학습 기능을 도입함으로써 기존 로봇팔의 조립공정을 어떻게 개선할 수 있는지를 보여준다.   제조 기술 전공인 셰릴 수 노스 캐롤라이나 주립대 교수는 “이것은 매우 가치 있다”고 말한다. 그녀는 자신의 학생들이 머신러닝이 자동화된 시스템의 효율성을 향상시킬 수 있는 방법을 모색하고 있다고 덧붙였다. 수 교수는 “각 제조 프로세스가 고유하고 특정한 방식으로 자동화해야 한다는 것이 하나의 핵심 과제”라고 말한다. 그녀는 “일부 머신 러닝 방법은 예측할 수 없으며, AI의 사용 증가는 새로운 사이버 보안 문제를 야기한다”고 지적했다. ​ 티모시 챈 토론토대 기계산업공학과 교수는 “AI가 산업 프로세스를 미세 조정할 수 있는 잠재력은 매우 크다”고 말한다. 그는 “컴퓨터 비전(시각) 알고리즘이 제품의 결함이나 생산라인의 문제를 발견토록 훈련시킬 수 있기에 제조 품질 관리를 위해 AI가 점점 더 많이 사용되고 있다”고 말한다. 유사한 기술은 예를 들어, 누군가가 올바른 안전 장비를 착용하지 않았을 때 발견해 안전 규칙을 지키도록 하는 데 도움을 줄 수 있다. 챈 교수는 “제조업의 핵심과제는 생산성에 지장을 주지 않으면서 새로운 기술을 워크플로에 통합하는 것”이라고 말한다. 그는 또한 이 작업은 “직원들이 첨단 컴퓨터 시스템으로 일하는 것에 익숙하지 않다면 어려울 수 있다”고 말한다.   이러한 문제는 리보니아 공장에서는 문제가 되지 않는 것 같다. 반 겔로븐 포드 생산부장은 스마트폰과 게임기와 같은 소비자 기기들이 근로자들을 더 기술적으로 친숙하게 만들었다고 믿고 있다. 그는 AI가 블루칼라의 일자리를 빼앗는 것에 대한 모든 논의에 대해, “기존의 자동화 성능을 향상시키기 위해 AI가 사용될 때 이것은 문제가 되지 않는다”며 “인력은 실제로 매우 중요하다”고 말했다.

이성원  sungwonly09@gmail.com

<저작권자 © 로봇신문사 무단전재 및 재배포금지>