BMW, AI로 생산 효율성 혁신…이미지 인식부터 예측 정비까지 전방위 적용

자동차 생산 현장에서 인공지능(AI) 도입이 가속화되고 있습니다. BMW 그룹은 2018년부터 다양한 AI 애플리케이션을 양산 라인에 적용해 왔습니다.

자동 이미지 인식으로 품질 검사 혁신

핵심 분야 중 하나는 자동 이미지 인식입니다. AI가 진행 중인 생산 라인의 부품 이미지를 평가하고, 동일 공정의 수백 장 이미지와 밀리초 단위로 비교합니다.

이를 통해 표준 편차를 실시간으로 파악하고, 필수 부품이 모두 장착되었는지, 올바른 위치에 장착되었는지 등을 검사합니다.

이 기술은 빠르고 신뢰성이 높으며, 무엇보다 사용이 쉽습니다.

현장 전문가의 증언

BMW 그룹 생산부문 혁신·디지털화·데이터 분석 총괄 크리스티안 파트론(Christian Patron)은 "AI는 큰 잠재력을 제공한다. 높은 품질 기준을 유지하면서 직원들을 반복 업무에서 해방시킨다"고 말했습니다.

고정식 카메라 포털에서 모바일 카메라로 전환

BMW 그룹에서는 유연하고 비용 효율적인 AI 기반 애플리케이션이 영구 설치된 카메라 포털을 점차 대체하고 있습니다. 구현이 매우 간단합니다.

생산 현장에서 관련 사진을 찍기 위해 모바일 표준 카메라만 있으면 됩니다. AI 솔루션 설정도 빠릅니다. 직원들이 부품을 여러 각도에서 촬영하고 이미지상에서 잠재적 편차를 표시하면 됩니다.

이렇게 이미지 데이터베이스를 구축해 소위 신경망을 만들면, 이후 사람의 개입 없이 이미지를 평가할 수 있습니다.

코딩 불필요, 야간 학습으로 완성

직원이 코드를 작성할 필요 없습니다. 알고리즘이 사실상 스스로 작성합니다. 학습 단계(하룻밤 정도 소요)에 고성능 서버가 약 100장의 이미지로부터 신경망을 계산하고, 네트워크가 즉시 최적화를 시작합니다.

테스트 런과 약간의 조정 후 신뢰도 100%에 도달하면 학습이 완료되고, 신경망이 부품이 사양을 충족하는지 스스로 판단합니다.

심지어 움직이는 물체도 조명 조건이나 정확한 카메라 위치와 같은 요인과 크게 무관하게 신뢰성 있게 식별됩니다. 이는 물류를 포함한 자동차 공정 체인 전반에 광범위한 적용 가능성을 엽니다.

단순 반복 작업에서 고난도 검사까지

많은 경우 AI 기술은 트렁크에 경고 삼각대가 올바른 위치에 있는지, 와이퍼 캡이 장착되었는지 등 반복적이고 단조로운 검사 업무에서 직원을 해방시킵니다.

더 까다로운 검사 작업도 수행

BMW 그룹 딩골핑 공장 최종 검사 구역에서는 AI 애플리케이션이 차량 주문 데이터와 새로 생산된 차량의 모델명 실시간 이미지를 비교합니다.

모델명과 'xDrive' 같은 식별 플레이트, 일반적으로 승인된 모든 조합이 이미지 데이터베이스에 저장돼 있습니다.

실시간 이미지와 주문 데이터가 일치하지 않으면(예: 명칭 누락), 최종 검사 팀에 알림이 갑니다.

파트론은 "이 모든 노력에서 직원들의 경험과 전문성에 전적으로 의존한다. 그들이 AI 애플리케이션으로 품질과 효율을 개선할 생산 단계를 가장 잘 판단한다. 이런 애플리케이션의 설정과 구현을 의도적으로 단순하게 유지한다. 고급 IT 숙련도 없이도 운용 가능하다"고 강조했습니다.

가짜 결함(Pseudo-defects) 제거

프레스 공장에서 평판 금속 부품이 차체 고정밀 부품으로 성형됩니다. 성형 후 부품에 남은 먼지 입자나 오일 잔여물이 공정 중 드물게 발생하는 미세 균열과 쉽게 혼동됩니다.

딩골핑 공장의 기존 카메라 기반 품질 관리 시스템도 가끔 이런 가짜 결함을 표시했습니다. 실제 결함이 없는데도 목표에서 벗어난 편차로 표시된 것입니다.

새 AI 애플리케이션으로는 신경망이 특징당 약 100장의 실제 이미지(완벽한 부품 100장, 먼지 입자 있는 부품 100장, 오일 방울 있는 부품 100장 등)에 접근할 수 있어 가짜 결함이 더 이상 발생하지 않습니다.

이는 이전에는 가짜 결함으로 이어졌던 시각적 근접 사례에서 특히 중요합니다.

BMW 그룹 슈타이어 공장과 데이터 분석 팀도 가짜 결함 제거에 성공적으로 협력 중입니다. 엔진 콜드 테스트에서 토크 측정의 추정 이상 징후가 나중에 대개 중요하지 않은 것으로 판명되곤 했습니다.

AI 솔루션 도입 전에는 이런 결과가 복잡한 수동 검사와 추가 테스트 런, 연료를 쓰는 핫 테스트까지 야기했습니다.

분석 소프트웨어는 수많은 기록된 테스트 런을 기반으로 훈련돼 실제 오류와 추정 오류를 구별하는 법을 배웠습니다.

AI가 제어: 설비·로봇 제어 시스템과 통합

BMW 그룹 최초의 스마트 AI 제어 애플리케이션이 슈타이어 공장에서 데뷔했습니다. 이 애플리케이션은 컨베이어 벨트에서 빈 컨테이너의 불필요한 이송을 방지해 물류 프로세스를 가속화합니다.

컨테이너가 카메라 스테이션을 통과하면, 직원들이 표시해 저장한 이미지 데이터를 사용해 AI가 컨테이너가 팔레트에 결속돼야 하는지, 아니면 크고 안정적인 상자라 추가 고정이 필요 없는지 판별합니다.

추가 고정이 필요 없으면 AI가 지게차 제거 스테이션으로 최단 경로로 컨테이너를 안내합니다. 추가 고정이 필요한 컨테이너는 결속 시스템이 있는 컨베이어 구간으로 바로 안내된 후 그 뒤의 제거 스테이션으로 갑니다.

이전에는 모든 컨테이너가 대형 컨테이너 제거 스테이션으로 이송됐다가, 추가 고정이 필요한 것들이 다시 전달돼 우회로를 거쳐 결속 설비와 올바른 제거 스테이션에 도달했습니다.

슈타이어 공장 애플리케이션 외에도 AI는 BMW 그룹의 수많은 물류 혁신 뒤에 있습니다. 고해상도 3D 스캔으로 건물과 공장을 생성하는 가상 레이아웃 계획도 지원합니다.

AI는 3D 스캔에서 컨테이너, 건물 구조물, 기계 같은 개별 객체 인식을 돕습니다. 이를 통해 엔지니어들이 3D 계획 소프트웨어에서 개별 객체를 제거하고 개별적으로 수정할 수 있어 현장 적응 시뮬레이션과 이해가 쉬워집니다.

생산 관리 새 지평

BMW 그룹 공장 전반에 AI 애플리케이션 활용 추세가 뚜렷합니다. 스마트 데이터 분석, 최첨단 측정 기술, AI의 통합이 생산 관리에 새로운 기회를 열고 있습니다.

차체 공장에서는 최종 검사 이미지에서 여러 차체의 같은 용접 지점에 용접 금속이 튀었음을 AI가 파악하면, 제어 루프를 닫고 시스템 제어나 정비 주기를 더 빠르고 효율적으로 조정할 수 있습니다.

도장 공장에서는 AI와 분석 애플리케이션이 오류 원인을 너무 일찍 감지해 오류가 거의 발생하지 않게 할 잠재력을 가집니다. 차체에 도장 전 먼지가 붙지 않으면 나중에 연마할 필요가 없기 때문입니다.