스마트팩토리 현장에서 가장 큰 과제 중 하나는 공정이 조금만 바뀌어도 기존 인공지능 불량 탐지 시스템의 성능이 급격히 떨어진다는 점입니다.

기계 교체, 온도나 압력 변화, 속도 조정 등 새로운 상황이 등장하면, AI가 이를 제대로 이해하지 못해 다시 학습해야 하는 불편이 따랐습니다.

KAIST 전산학부 이재길 교수 연구팀은 이런 문제를 해결하기 위해 제조 공정이나 설비가 바뀌어도 추가적인 불량 레이블링이나 재학습 없이기존 AI 모델을 적용할 수 있는 시계열 도메인 적응 기술을 선보였습니다.

이번에 개발된 시계열 도메인 적응 기술, TA4LS(Time-series domain Adaptation for mitigating Label Shifts)은 시간에 따라 달라지는 센서 데이터를 추세, 비추세, 주파수 성분으로 나눠 분석하고, 기존 AI 모델의 예측 결과를 새로운 데이터 패턴과 자동으로 비교해 보정하는 방식입니다.

쉽게 말해, 별도의 복잡한 개발 없이도 기존 AI에 끼워 넣는 플러그인 모듈처럼 간단히 적용해, 환경이 변해도 AI가 스스로 판별 기준을 조정하는 원리입니다.

연구팀은 4종의 실제 센서 데이터셋을 활용한 실험 결과, 기존 방식보다 정확도가 최대 9.42% 향상됐습니다.

특히 불량 발생 패턴 자체가 달라지는 경우에도 안정적으로 성능을 유지할 수 있음을 확인했습니다.

이는 다양한 공정을 빠르게 전환하는 스마트팩토리의 특성에 최적화된 성과로 평가됩니다.

연구를 지도한 이재길 교수는 "AI의 재훈련 문제를 해결함으로써 유지 비용을 줄이고 불량 탐지율을 크게 높일 수 있다"며 "스마트팩토리뿐 아니라 헬스케어 기기와 스마트시티 분야에도 폭넓게 활용될 수 있을 것"이라고 말했습니다.

이번 연구는 KAIST 전산학부 나지혜 박사과정이 제1저자로 LG AI연구원과 협력해 진행됐으며,
연구 결과는 인공지능과 데이터 분야 세계 최고 권위 학회인 지식발견 및 데이터마이닝학회(KDD) 2025에서 8월 발표됐습니다.