산업용 AI 시스템 설계: 식별-감지-결정-행동

산업용 AI 시스템은 많은 소프트웨어 중심의 AI 애플리케이션과는 미묘하게 다른 엔지니어링 문제를 가지고 있습니다.

이 시스템은 자산, 장비, 공정, 위치 및 측정값을 제약 조건과 물리적 결과가 있는 실제 세계의 객체로 추론해야 합니다.

전반적인 아키텍처를 생각하는 데 도움이 되는 방법 중 하나는 사이클(cycle)로 보는 것입니다:

IDENTIFY

...

1. 식별 (Identify)

AI가 어떤 것에 대해 추론하기 전에, 컨텍스트를 가지고 있어야 합니다.

우리가 이야기하는 자산은 무엇인가요? 어디에 있나요? 어떤 공정에 속해 있나요? 관련 있는 사람은 누구, 차량은 무엇, 재료는 무엇, 작업 지시는 무엇, 아니면 생산 이벤트는 무엇인가요?

RFID, BLE, UWB, GPS/GNSS, RTLS, NFC, 컴퓨터 비전 등 설정에 따라 다양한 방법으로 물리적 객체를 식별할 수 있습니다.

식별의 목적은 실제 세계의 객체와 구체적인 연관성을 만드는 것입니다.

2. 감지 (Sense)

식별이 컨텍스트를 만든다면, 감지는 현재 상태에 대한 정보를 추가합니다.

온도, 진동, 압력, 전기적 특성, 환경, 위치, 속도, 레벨, 에너지 소비, 구조적 무결성 또는 관심 있는 기타 특성이 그것입니다.

이 모든 것이 물리적 세계의 포괄적인 상태 설명으로 합쳐집니다.

3. 결정 (Decide)

AI 결정 계층은 식별, 감지, 이력(history), 기업 데이터(enterprise data) 및 제약 조건으로부터 정보를 가져와 실행 가능한 결과물을 생성합니다.

이는 다음과 같은 형태를 취할 수 있습니다:

• 이상 탐지 (anomaly detection),
• 예측 (forecast),
• 예지 보전 (predictive maintenance),
• 품질 평가 (quality assessment),
• 위험 점수화 (risk scoring),
• 수요 예측 (demand forecast),
• 재고 투영 (inventory projection),
• 또는 다운스트림 작업 및 공정에 대한 권장 사항.

결정적으로, 결정은 사용 사례에 따라 자문(advisory) 형태일 수도 있고 인간의 확인이 필요한 형태일 수도 있습니다.

4. 행동 (Act)

가장 단순한 수준에서, 행동 계층은 AI로부터 결정을 받아 그것을 물리적 세계에 적용합니다.

이는 작업자에게 메시지를 보내거나, 작업 지시를 생성하거나, 조치를 권장하거나, 심지어 로봇이나 기계에 명령을 전송하는 것을 의미할 수 있습니다.

물리적 시스템은 어떤 조치를 취하기 전에 접근 제어(access control), 권한 부여(authorization), 제약 조건(constraints), 유효성 검사(validation), 인터록(interlocks), 사이버 보안(cyber-security), 감사(auditing), 인간 확인(human confirmation), 그리고 안전장치(fail-safes)가 필요할 수 있습니다.

작동(Actuation)은 항상 경계 지어져야 하며 더 큰 시스템 내에서 제어되어야 합니다.

5. 피드백 (Feedback)

조치가 취해진 후, 시스템은 그 결과를 관찰해야 할 수도 있습니다.

이는 올바른 결과가 달성되었는지, 장비가 반응했는지, 자산이 이동했는지, 프로세스가 상태를 변경했는지, 또는 기타 관련 조치였는지를 평가하는 것을 의미할 수 있습니다.

현장으로부터의 새로운 측정값과 상태 보고는 루프를 닫고(close the loop) 새로운 결정을 내리는 데 사용될 수 있습니다.

이것이 다이어그램에 Act에서 Identify로 폐쇄 루프(closed loop)를 생성하는 피드백 단계가 포함된 이유입니다.

아키텍처가 중요한 이유 (Why architecture matters)

모듈식 아키텍처는 시스템이 성장하고 변화할 수 있도록 하기 때문에 매우 중요합니다.

초기 파일럿은 식별 및 위치 데이터를 사용하여 가치를 창출할 수 있을 것입니다.

사용 사례가 성숙함에 따라, 센서로부터 추가 데이터가 추가되고, 새로운 통찰력을 생성하는 AI 모델에 연결되며, 오케스트레이션된 조치 또는 물리적 프로세스로 이어질 수 있습니다.

이것은 Aperture Venture Studio에서 개발한 AIoT 및 Physical AI 아키텍처의 배경 아이디어 중 하나입니다.

근본적인 공학적 통찰력은 산업용 AI 시스템을 독립적인 모델로 볼 것이 아니라, 물리적 맥락(physical context)을 통합하고, 제약 조건 내에서 작동하며, 실제 세계로부터 피드백을 받는 더 큰 시스템의 구성 요소로 보아야 한다는 것입니다.