포메이션랩스가 자동차부품 제조 현장의 품질 이상 예측과 전력 사용량 관리, 인공지능(AI) 비전 검사를 하나의 플랫폼에서 운영하는 'AI 통합 브레인 시스템'을 구현했다. 공정마다 따로 운영되던 AI 모델과 제조 데이터를 연결해 생산 과정에서 발생하는 이상을 조기에 확인하고 현장 대응 속도를 높이는 것이 핵심이다.
포메이션랩스는 경상남도와 경남테크노파크가 수행하는 '확산거점형 AI솔루션 개발·실증 지원과제(2025~2026년)'의 주관기업으로 참여해 자동차부품기업 CTR 창원공장에서 현장 실증을 진행했다. 심플랫폼은 통합 AI 플랫폼과 품질예측 모델을, 교림소프트는 전력예측 모델을 개발했다.

자동차부품 제조 현장에서는 생산계획과 전력 사용량, 설비의 시계열 데이터, 제품 검사 이미지가 서로 다른 형태와 주기로 발생한다. 기존에는 이들 데이터를 한꺼번에 분석하기 어려워 제품 생산이 끝난 뒤 불량을 확인하거나 월별 전력 사용량을 수작업으로 관리해야 했다.
포메이션랩스는 서로 다른 데이터를 하나의 공정 상태로 연결하고 AI 분석 결과를 통합 대시보드에서 확인할 수 있도록 시스템을 설계했다. 현장 담당자는 품질 이상 가능성과 예상 전력 사용량, AI 비전검사 결과를 한 화면에서 확인하고 필요한 조치를 내릴 수 있다.
올해는 CTR 조립공정의 PM3 라인에서 구축한 품질 이상탐지 모델을 CMFB와 D2UX 라인으로 확대했다. 정상적인 공정 패턴을 학습한 AI가 하중과 위치 등 시계열 데이터의 변화를 분석해 이상 가능성을 조기에 알리는 방식이다. 불량 데이터가 부족한 제조 현장에서도 정상 패턴과의 차이를 기준으로 이상을 판별할 수 있다.
전력예측 AI도 고도화했다. 생산 품목과 수량, 작업 순서와 과거 전력 사용 패턴을 반영해 조립라인의 전력예측 오차율을 지난해 18.69%에서 올해 14%대로 낮췄다. 적용 범위도 조립라인에서 단조·열처리 공정으로 확대하고 있다. AI가 일별 전력 사용 리포트를 제공해 현장 담당자가 전력 낭비 구간과 개선이 필요한 설비를 파악할 수 있도록 했다.
비전검사 분야에서는 올해 3월부터 7월까지 이미지 97만8883건을 수집하고 계획한 AI 모델 7종 가운데 6종을 개발했다. 주요 검사 모델의 평균 정밀도는 최대 99.5%를 기록했으며, 검사 주기도 기존 8초에서 6초 이하로 단축했다. 제품의 부품 누락과 찢어짐, 찍힘 등을 판별한 결과는 품질 이력으로 관리한다.

현재까지 전체 데이터 수집 실적은 2억3500만건으로 목표 2400만건을 크게 웃돌았다. 데이터 가공은 9100만건, AI 알고리즘 개발은 10종으로 각각 목표인 90만건과 6종을 넘어섰다.
포메이션랩스는 향후 TTA 공인시험을 통해 공정검사 투입 공수 10% 개선, 품질이상 감지 정확도 40% 개선, 전력 사용량 0.6% 절감 등의 성과를 검증할 예정이다. 검증을 마친 솔루션은 CTR의 다른 공장과 경남지역 자동차부품기업에 우선 확산하고, 이후 다른 제조업종에도 맞춤형으로 적용할 계획이다.
수요기업인 CTR 관계자는 “품질과 전력, AI 비전 검사 데이터를 하나의 플랫폼에서 확인하면서 공정 이상에 보다 신속하게 대응할 수 있는 기반을 마련했다”며 “현장 운영 효율과 품질 신뢰도를 함께 높이는 데 도움이 될 것으로 기대한다”고 말했다.
원석래 포메이션랩스 대표는 “각각의 AI 모델을 개발하는 데 그치지 않고 현장의 다양한 데이터를 하나의 운영 체계로 연결하는 데 중점을 뒀다”며 “CTR 실증을 바탕으로 기업 규모와 제조공정에 맞춰 도입할 수 있는 확산 모델을 만들겠다”고 말했다.
이번 과제는 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 지원하는 '제조업 AI융합 기반 조성 사업(2024~2026년)'과 연계해 추진되는 사업이다. 제조 현장에서 검증한 AI 솔루션을 지역의 다른 기업과 공정으로 확산해 제조업의 AI 활용 기반을 넓히는 것이 목적이다.
정용철 기자 jungyc@etnews.com











