.svg)
AI 솔루션 문의하기
스마트팩토리에서 로봇은 제품을 옮기거나 조립하고, 설비 상태를 확인하는 등 다양한 작업을 수행합니다. 생산 과정의 자동화 수준이 높아질수록 로봇이 주변 환경과 작업 대상의 상태를 정확하게 파악하는 것도 중요해집니다. 따라서 AI 학습데이터 구축에서도 로봇 자체의 동작만 기록하기보다 실제 공정에서 어떤 물체를 인식하고 어떤 상황에서 작업을 수행하는지까지 함께 구성해야 합니다. 생산 품목과 로봇의 역할에 따라 필요한 데이터의 종류도 달라질 수 있습니다.
제조 현장에는 부품, 완제품, 작업 도구, 운반용 컨테이너 등 다양한 물체가 존재합니다. 같은 부품이라도 놓인 방향이나 위치, 적재 상태에 따라 로봇이 인식하는 모습이 달라질 수 있습니다. 따라서 이미지나 영상 데이터에는 작업 대상의 종류뿐 아니라 위치와 방향, 작업 전후 상태 등의 정보도 함께 포함할 필요가 있습니다. 특히 로봇이 집거나 이동해야 하는 대상과 주변에 있는 유사 물체를 명확하게 구분할 수 있도록 라벨 기준을 세우는 것이 중요합니다.
스마트팩토리의 로봇은 일정한 공간에서 반복적으로 작업하지만 공정 환경이 항상 동일한 것은 아닙니다.
이러한 조건을 충분히 포함해야 특정 환경에서만 정상적으로 작동하는 AI 모델을 피할 수 있습니다.
실제 제조공정에서는 로봇이 계획한 작업을 한 번에 완료하지 못하는 상황도 발생합니다. 부품을 제대로 집지 못하거나 작업 대상이 예상 위치에서 벗어날 수 있으며, 물체가 쓰러지거나 다른 물체와 겹치는 경우도 있습니다. AI 학습데이터에는 정상적인 작업 영상뿐 아니라 작업 실패와 중단, 재시도 등 예외 상황을 원인별로 구분해 포함하는 것이 필요합니다. 이를 통해 로봇이 특정 상황을 감지하고 다음 동작을 선택하는 과정에도 데이터를 활용할 수 있습니다.
로봇의 움직임만 촬영해서는 해당 동작이 어떤 작업을 위한 것인지 판단하기 어려울 수 있습니다. 제품이 투입된 시점, 로봇의 위치, 집기와 이동, 조립 및 검사 등의 작업 단계가 서로 연결돼야 AI 모델이 공정의 흐름을 학습하는 데 활용할 수 있습니다. 영상 데이터와 함께 로봇 위치, 작업 단계, 설비 상태 등의 정보를 연결하면 단순한 이미지 인식을 넘어 공정 상황을 판단하는 데이터로 확장할 수 있습니다.
스마트팩토리에서는 로봇만 독립적으로 움직이는 것이 아니라 작업자, AGV·AMR, 컨베이어, 생산설비 등이 동시에 작동할 수 있습니다. 이에 따라 로봇의 카메라에 작업자가 지나가는 모습이나 다른 장비가 들어오는 상황이 함께 촬영될 수 있습니다. 사람의 위치와 동작, 다른 장비와의 거리, 작업 영역의 변화 등을 구분해 데이터로 구성하면 로봇의 작업 대상 인식뿐 아니라 주변 상황 판단에도 활용할 수 있습니다.
제조 데이터는 촬영량이 많고 공정별 조건도 다양하기 때문에 수집 이후의 검수 과정도 중요합니다.
특히 특정 제품이나 특정 작업 환경의 데이터가 지나치게 많이 포함되면 모델이 해당 조건에만 맞춰 학습될 수 있어 공정과 환경별 데이터 분포를 함께 확인해야 합니다.
스마트팩토리 로봇을 위한 AI 학습데이터는 깨끗한 작업 환경에서 로봇이 정상적으로 움직이는 장면만으로 구성하기 어렵습니다. 실제 공정에서는 제품의 위치와 조명이 달라지고 작업자나 다른 설비가 움직이며 예상하지 못한 작업 실패도 발생할 수 있기 때문입니다. 따라서 데이터 구축 단계에서 정상 작업과 예외 상황을 함께 수집하고, 로봇의 동작과 작업 대상·공정 단계를 정확하게 연결하는 것이 중요합니다.
.svg)
.svg)
