AI는 품질 검증과 스마트 데이터 분석을 통해 유지 보수 시간을 절약한다. 이 혁신은 작업자의 부담을 덜어주고 효율성을 향상시킨다.

자동차 공장에서 인공지능(AI)은 다양한 공정에 그 활용도를 높이고 생산 공정에 쉽게 통합될 수 있으며 스마트 데이터 분석과 측정 기술 등이 결합되어 차량 생산의 효율성을 높일 수 있는 새로운 기회를 열어주고 있다.

BMW 뮌헨 공장(Plant Munich)에서는 한 대의 차량을 제조하는 데 약 30시간이 소요된다. 그 시간 동안, 각각의 자동차는 엄청난 양의 데이터를 생산한다. 인공지능과 스마트 데이터 분석을 통해 이 데이터를 사용하여 생산을 지능적으로 관리하고 분석할 수 있어 제조 과정을 더욱 간소화하고 모든 고객에게 프리미엄 품질을 제공할 수 있도록 돕고 있다.

이 덕분에 직원들은 단조롭고 반복적인 업무를 하지 않아도 된다. 모든 혁신과 마찬가지로, 핵심 요소는 효율성이다. AI와 스마트 데이터 분석을 위한 옵션은 현재, BMW 뮌헨 공장의 다양한 공정에서 테스트되고 있다. 프레스 공정과 기능이 검증된 일부 공정에는 AI모델이 이미 적용되고 있다.

프레스 공정은 철판을 하루에 30,000개 이상의 차체 부품으로 바꾼다. 2019년부터 각 블랭크에 레이저 코드가 부여되어 본체를 전체적으로 명확하게 식별할 수 있다. 이 코드는 'iQ 프레스(Press)' 시스템에서 선택할 수 있다. 이 시스템은 금속 및 레이어의 두께, 프레스의 온도 및 속도와 같은 재료 및 프로세스 공정에서 각 데이터를 분석하고 기록한다.

실시간으로 클라우드에 업로드된 이 데이터는 프로덕션 팀에서 제조 프로세스를 보다 명확하게 파악할 수 있도록 즉시, 전체 데이터를 사용할 수 있다. iQ 프레스 데이터는 그들에게 중요한 도구로 작용하고 있다. 예를 들어, 품질 관리에서 각 차체 부위를 세부적으로 확인할 필요가 없고, 조치가 필요한 것만 골라낸다.

AI는 수집된 데이터에 기초하여 프로세스에서 반복적인 패턴을 식별할 수 있는 잠재력을 제공하고 지속적인 공정의 최적화를 지원한다. 따라서 iQ 프레스는 생산 시스템의 효율성을 향상시킬 뿐만 아니라 프레스 공정의 시간당 생산량을 더욱 증가시키는 데 도움이 된다.

또한 차체 바디 로봇에는 총 600개 이상의 용접 집게(Tongs)가 장착되어 있다. 예기치 않게 집게를 교체해야 된다면 상당한 시간과 비용이 든다. 게다가, 많은 로봇들에 접근하기가 어렵기 때문에 집게를 분해하고 교체하는 데는 몇시간이 걸릴 수 있다.

이 집게의 상태는 사람의 눈으로 감지해 왔다. 그러나 최근 몇달 동안 뮌헨 공장의 유지 관리 전문가들은 매 시프트마다 마찰 수준을 3회 측정하고 이상 현상을 감지하기 위해 모든 집게에 센서를 장착했다. 그리고 이들이 생성하는 데이터는 AI에 의해 지속적으로 평가되므로 잠재적인 시스템 장애를 예측해낸다

이제, 이 공정은 24시간 모니터링으로 AI가 유지 보수 작업이 필요한지 여부를 확인할 수 있다. 따라서 교체 계획을 보다 효율적으로 수립하고 공정 중단 시간에 맞게 예약할 수 있다.

특히, 도장 공장의 분진은 청소 시스템에도 불구하고, 차체가 페인트 라인으로 이동하면서 먼지 입자가 차체에 달라붙는다. 비록 인간의 눈에는 보이지 않지만, 입자들은 도장 피니시(finish) 품질에 영향을 줄 수 있다. 지금까지 이 같은 잠재적인 결함들은 도장 과정에서는 발견하지 못하고 공정을 마친 후 표면 검사에 의해서만 드러나 다시 작업을 해야 했다. 완전히 다시 도장 공정을 거치는 것이다.

하지만 이제는 모든 도장 시스템에 먼지 수준을 측정하고 도장 품질을 예측할 수 있는 센서가 통합되어 있다. 페인트 공장 내부 또는 버퍼 영역 중 하나에서 환경 변수가 올바르지 않은 경우를 신속하게 파악할 수 있다.

지난 몇달 동안 뮌헨 공장에서 개발한 추가적인 특수 센서가 에뮤 페더 롤러(Emu Feather Rollers) 앞과 뒤에서 도장 공정을 시작할 때 차체 부품의 먼지 수준을 측정해 왔다. 먼지 농도가 너무 높으면 차체는 도장라인을 그대로 통과돼 클린 공정으로 다시 보내진다.

대부분의 AI 프로젝트는 주로 자동화된 영상 인식에 초점을 맞춘다. 여기서 AI 모델은 구성 요소의 이미지를 평가하고 동일한 시퀀스의 다른 수백개의 이미지와 밀리초 단위로 비교하는 데 사용된다. 그런 다음 시스템은 잘못된 위치에 있거나 장착되었거나 없는 부품과 같이 표준에서 벗어난 부분을 식별한다.

플랜트 뮌헨에서는 생산 팀이 위험 경고하는 안전삼각대와 와이퍼 캡 및 도어실(door sills)이 각 차량에 모두 올바르게 장착되었는지 여부를 직접 눈으로 식별하고 있다. 예를 들어, AI는 차량용 안전삼각대가 트렁크의 올바른 위치에 배치되는지 확인하는 등의 단조로운 작업의 작업자의 수고를 덜어주고 있다. 이 작업은 이제 카메라의 실시간 이미지와 수백 개의 저장된 이미지를 밀리 초 단위로 비교하고 표준 편차를 감지할 수 있는 카메라 및 자체 학습 소프트웨어에 의해 수행된다.

또 도어실 포일 커버에 작은 기포가 있어도 기존 카메라 게이트가 도어실이 올바른지 확인하지 못 했던 경우가 많았다. 하지만 이제는 관련된 이미지를 차례로 각 부분을 스캔하고 심지어 접근하기 더 어려운 부분들을 확인하기 위해 모바일 장비를 사용해 거리, 각도 등 모든 것이 제자리에 위치해 있는지 여부를 순식간에 AI는 식별해 낸다.

이 AI 모델은 다양한 관점에서 관련 구성 요소를 스캔하고 이미지에 편차를 표시하는 것으로 시작된다. 이미지를 평가하기 위한 신경 네트워크를 구축하는 데 사용될 수 있는 이미지 데이터베이스를 개발할 수 있게 해 준다. 평가는 완전히 자동으로 수행되며, 기계는 부품이 모든 사양을 충족하는지 여부를 스스로 결정하는 것이다.

BMW는 이 AI 플랫폼(API) 가운데 일부를 글로벌 소프트웨어 개발자를 위해 지난해 12월 말부터 오픈 소스로 공개하고 있다. 공개된 알고리즘은 자동화 된 이미지 인식 및 이미지 태깅과 같은 다양한 AI 응용 프로그램의 일부이다.

공개된 플랫폼(API)은 6개로 구성이 거의 필요 없는 최신 딥러닝 모델 교육을 시작할 수 있는 ▶'BMW-텐서플루-교육-GUI'와 텐서플루 프레임 워크를 사용하는 두 가지의 오브젝트 감지 추론 API ▶'텐서플루- 추론 -API-CPU'. 그리고 학습자동화 플랫폼으로 레이블이 지정된 데이터 세트를 제공하면 즉시 교육을 시작하고 텐서보드(TensorBoard) 및 사용자 정의 REST API와 같은 다양한 방법으로 교육을 모니터링 할 수 있는 ▶'BMW-YOLOv3-Training-Automation', 마지막으로 Yolov3 Opencv와 Yolov3 Darknet 프레임 워크를 사용하는 두 가지 객체 감지 추론 플랫폼 ▶'BMW-YOLOv3-Inference-API-CPU' 등이다. (BMW AI 오픈 소스 다운)

이 알고리즘들은 BMW의 일부 공정과 자율 운송 시스템 및 로봇의 신경망 개발 시간을 대폭 단축했다고 한다. 또 신경망은 생산 및 물류의 라이브 이미지를 이미지 데이터베이스와 독립적으로 비교해 대상 상태와의 편차를 감지한다. 또 플랫폼은 여러 AI 응용 프로그램에서 효과적인 것으로 입증된 혁신적인 디지털 이미지 태깅 소프트웨어의 요소를 제공하며, AI 소프트웨어를 다음 단계의 개발로 끌어 올릴 수 있는 지원을 받는다. 

이처럼 BMW는 제조 및 생산 공정에 인공지능(AI) 응용 프로그램 사용을 확대하고 있다. 각 공정마다 AI 뿐만 아니라 AI 자율로봇, AI 자율이송, 증강현실(AR) 등 신기술을 적용하고 현장의 상황을 실시간으로 반영해 생산성 향상에 기여하기 시작했으며, 각 공정마다 더 이상적인 효율화할 방안을 찾고 있다. 이는 단순 기술 도입에 그치지 않고 지속 가능하고 가장 이상적인 솔루션을 추구하는 아주 가까운 미래 기술인 것이다.

한편, BMW는 전세계 4,000 개 이상의 지점에 약 1,800 개의 공급 업체가 매일 세계 각 지역 30 개 BMW 생산 공장에 3,100 만여개의 부품이 공급되고 있다. 또한 디지털화 및 혁신을 통해 생산과 물류를 보다 유연하고 효율적으로 공급하는 동시에 생산 라인에서는 매일 약 10,000 대의 차량이 전세계의 고객에게 인도되고 있다. 이는 BMW의 소위 'Connected Distribution'이라는 '디지털 커넥티드 딜리버리(Digitally connected delivery)' 솔루션을 기반으로 한다.