마스터링 AI

라이뷰

마스터링 AI

인공지능은 어떻게 한국 제조 현장을 혁신했나

집현네트워크
집현네트워크 인증된 계정 · 더 나은 지식기반 사회를 지향합니다.
2024/04/30

에디터 노트 

제조 인공지능(m-AI)을 소개한 1편에서는 간략한 인공지능(AI)의 역사를 짚어보고, 제조업 분야에서 AI가 어떻게 활용될 수 있는지 살폈습니다. 2편에서는 AI가 제조 현장을 혁신한 구체적인 응용 사례를 살핍니다. 선구적 사례를 남기고 지금도 현장을 연구중인 김기수 포스코 홀딩스 기술총괄(CTO, 미래기술연구원장 겸임)과 강현석·김도훈 포스코기술연구원 수석연구원, 이종석 성균관대 교수가 소개합니다.

Google DeepMind


고로(Blast Furnace) 공정

고로(용광로)는 철광석과 코크스(석탄)을 투입해 쇳물을 생산하는, 철강 제조에서 가장 중요한 설비다 (그림 1). 고온 상태에서 철광석의 환원과 용융이 일어나는 반응기이며 어떤 성분과 품질의 연원료(철광석, 코크스 등 연료 및 원료)가 공급되는가에 따라 조업 방법이 크게 바뀐다. 사람의 경우 품질 좋은 쌀로 밥을 지어먹으면 맛도 좋고 소화도 잘되는데, 항상 좋은 재료의 음식만 먹을 수 없다. 쌀밥만 먹다가 갑자기 잡곡밥으로 바꿔 먹으면 먹기 불편하다. 고로에서 사람이 먹는 밥에 해당하는 연원료가 바뀌면 소화불량과 같은 현상이 나타나 쇳물 생산에 영향을 준다. 조업 여건상 항상 동일한 품질의 연원료를 공급할 수 없으므로 연원료의 품질 변동을 지속적으로 확인해야 한다. 
 
과거에는 연원료의 품질 평가를 샘플링 방법으로 검사했다. 그러나 연속적으로 많은 양의 원료가 투입되는 공정에서 극히 적은 양의 샘플만으로는 대표성을 가질 수 없어, 연원료의 변동 상황을 즉시 판단하는 데 한계가 있었다.
[그림 1] 고로(용광로) 모식도. 저자 제공


그러나 최근 딥러닝 기술이 발전해 영상 처리 분야의 활용성이 높아짐에 따라 연원료의 실시간 품질 검사가 가능하게 됐다. 합성곱신경망(CNN, Convolution Neural Network) 기반...
집현네트워크
집현네트워크 님이 만드는
차별화된 콘텐츠, 지금 바로 만나보세요.
이미 회원이신가요? 로그인
더 나은 지식기반 사회를 향한 과학자·전문가 단체입니다. 상호 교류를 통해 지식을 집산·축적하는 집단지혜를 추구합니다. alookso와 네이버를 통해 매주 신종 감염병, 기후위기, 탄소중립, 마이크로비옴을 상세 해설하는 연재를 진행하고 있습니다.
140
팔로워 1.4K
팔로잉 0