[철강전망세미나] “산업계, 자체 데이터 활용한 AI 모델로 혁신해야”

제조업의 AI 전환이 산업계의 과제로 부상한 가운데 AI와 빅데이터 기반으로 철강을 포함한 제조업 분야의 가치 창출이 가능하며, 이를 위해 국내 기업들이 자체적인 교육을 통해 기업에 최적화된 AI 모델을 개발할 필요가 있다는 분석이 나왔다.

12월 5일 서울 양재AT센터 4층 창조룸Ⅱ에서 열린 ‘2026 철강산업 경기 전망 세미나’에서 서울대학교 빅데이터 AI센터 소장을 맡고 있는 산업공학과 조성준 교수는 ‘AI 기반 제조업 가치 창출’을 주제로 발표를 실시했다.

조성준 교수에 따르면 기존의 소프트웨어는 개발자가 수작업으로 구축한 인간 수준으로 태스크를 수행하는 프로그램이라면, AI(Artificial Intelligence)는 SW 개발자가 수작업으로 구축하지 못하여 데이터로부터 머신러닝으로 자동 구축한 인간 수준을 태스크를 수행하는 프로그램 이다. 기존 소프트웨어와 다른 점은 코딩이 필요 없다는 점이다. 그리고 AI에서 데이터는 가치를 만드는 재료로, 특징은 객관적이고, 개인적이며, 24시간 생성된다는 점이다.

AI를 활용한 제조업 분야의 주요 가치 창출 사례를 살펴보면 철강 분야에서 AI의 가치 창출 사례는 포스코가 수행한 ‘냉간 압연 롤 압력 최적화’와 ‘소결공정 팰릿 속도제어 자동화’ 과제를 꼽을 수 있다.

‘냉간 압연 롤 압력 최적화’는 주어진 강판을 원하는 두께로 만들기 위해 적용해야 할 롤의 최적 압력 계산을 위한 것이다. 기존 모델은 ‘물리적 모델’로 오차가 심한 편이어서 포스코는 강판 두께, 전후 텐션, 넓이, 롤 지름, 성분(탄소, 망간, 실리콘) 등의 데이터를 활용하여 압력 보정 값을 추론하는 AI를 개발했고, 이를 통해 물리적 모델보다 오차가 적은 모델을 개발했다.

그리고 ‘소결공정 팰릿 속도제어 자동화’는 팰릿 작업 속도가 너무 느리면 품질 저하, 먼지, CO 및 CO2 증가의 문제점이 있었고, 너무 빠르면 생산량 저하된다는 문제점이 있어 생산량, 품질, 비용, 환경 등의 요소를 고려해 최적의 속도 제어가 필요한 상황이었다. 기존에 포스코는 조업자의 암묵지로 매뉴얼 운전을 했고, 당시 포스코는 2명이 설비 4대, 경쟁사인 일본제철은 2명이 설비 8대를 운영했다. 게다가 후속 세대가 들어오지 않아 조업에 원활하지 않았는데, 1단계로 기존 조업자 수준을 목표로 그들의 조업 데이터로부터 유사한 액션 AI 모델을 구축했고, 변수 선정 후 데이터 학습으로 AI를 구축하여 AI가 조업자 제어와 유사하게 작동하는 모델을 개발했다.

기타 제조업 부문의 사례로는 광가속기 BPM(beam position monitor)의 실시간 고장 진단을 위해 모니터 장비들의 궤적 측정값 사이에 상관 관계가 존재한다는 솔루션을 토대로 데이터로부터 학습해 AI 모델을 구축했다.

대우조선해양은 선박 제조 기간과 관련하여 호선 별 생산 기간은 감소 추세이나 2008년 이후 전반적인 생산기간은 증가 추세이고, 특정 선종의 경우 제작 이후 생산 기간이 꾸준히 감소하는 경향이 있다는 데이터를 바탕으로 AI 모델을 개발했ㄷ.

또한 선박 블록의 이동과 관련하여 블록을 이동시키는 트랜스포터(Transporter)의 데이터를 바탕으로 건조기간을 단축할 수 있는 AI 모델을 개발했다.

두산인프라코어 엔진공장 및 삼성 갤럭시 스마트폰 제조공장에서는 공정 내 검사 결과 데이터와 제품 AS 데이터를 결합하여 AI 모델을 구축하고, 제조공정 관리 변화를 통해 불량률을 36%나 감소시킬 수 있었다.

GE는 항공기 엔진 제작에서 항공사의 운항 데이터를 활용해 고장 가능 확률을 예측할 수 있는 AI 모델을 개발했고, 이를 통한 사전 유지보수 서비스를 실시하여 제조업보다도 더욱 큰 매출을 올렸다.

이외에도 시스템에어컨의 경우 에너지 소비 패턴과 관련한 AI 모델이 구축됐고, 삼성전자의 베트남공장에서는 CNC머신에 센서를 부착해 사전 점검을 통해 고장을 예방할 수 있는 모델을 구축했다. 그리고 생산장비 매뉴얼의 경우 새로운 매뉴얼을 데이터로 활용해 AI 모델을 개발하여 이를 활용 중이다.

조성준 교수는 산업계의 AI 활용을 위해 AI 기획 데이터 AI 가치 창출로 이어지는 독자적 AI 모델을 구축할 필요가 있다고 지적했다.

이를 위해서는 기획 능력을 확보하고, 실무자 대상 교육을 통해 밸류 창출 기획과 각자의 데어터로 AI를 개발할 필요가 있다. 다만 불량률 등 기존 공정의 문제에 대한 무감각과 데이터 활용 가능성을 고려하지 않는 등 문제 의식이 부재할 경우 시작조차 하지 못할 수 있다. 이에 기업 자체적으로 데이터에 기반한 ‘의심’ 문화를 조성할 필요가 있다.

그리고 기업의 데이터 활용에 문제가 되는 것은 핵심 지식이 암묵지 형태로 존재하고, 수작업 데이터가 많아 오류가 발생할 수 있으며 필요한 데이터에 접근하기 어려운 경우가 많다는 점이다.

이에 지식의 명시지화와 함께 수작업 복붙 대신 RPA를 활용할 필요가 있으며, 보안성 확보를 위해 폐쇄형 AI 구축과 자체 데이터로 추가 학습(fine tuning, RAG)을 할 필요가 있다. 또한 AI 관련 리더십 확보를 위해 이무언 대상 교육도 강화해야 한다.

조성준 교수는 “AI를 활용하면 철강을 포함한 제조 부문의 가치 창출이 가능하다. 기업 내 데이터는 가치 창출의 재료로 AI 모델 구축은 기획, 개발, 검증, 활용 4단계로 이뤄진다. 그리고 이 과정에서 현업이 담당하는 기획 단계가 가장 중요하며, 이를 위해 AI, 빅데이터 literacy 교육이 모든 활동의 시작이 된다는 점을 명심해야 한다”고 강조했다.