연구 배경

최근 제조 공정에서 생산 기술이나 장비 운영 전반에 걸쳐 자동화 적용이 확산되고 있다. 이에 따라, 장비 센서 데이터를 통해 정보를 수집하고, 이상 상황을 탐지하며, 원인을 분석하는 능력이 요구된다. 이를 지원하기 위해 최근에는 대규모 언어모델(Large Language Model, LLM), RAG(Retrieval-Augmented Generation)를 활용한 공정 기반 의사결정 지원 연구가 활발히 진행되고 있다. 그러나, 여전히 최종 판단 및 대응은 숙련된 작업자 경험에 과도하게 의존하고 있어, 작업자 개입을 최소화하는 제조 자동화 공정 실현에는 한계가 존재한다. 본 연구는 이러한 한계를 극복하기 위해, 작업자와 실제 공정 장비 간의 격차를 줄이고 대응 및 의사결정을 자동화하는 방법으로, 지식그래프(Knowledge Graph, KG)를 해석도구로 활용한 3D 프린터 공정 모니터링 방법을 제안한다.

그림 1. KG 기반 3D 프린터 공정 모니터링 시스템 구조

그림 1은 본 연구에서 제안하는 KG 기반 3D 프린터 공정 모니터링 시스템 구조이다. 본 본 시스템은 LLM을 사용하여 기술 문서 내 문장에서 주어, 목적어를 엔티티(Entity)로, 동사를 사전 정의한 관계(Relation)로 매핑하여 도메인 기반 KG를 구축한다. 이후 3D 프린터 센서 데이터를 기반으로 troubleshooting guide에 명시된 조건을 적용하여 이상을 탐지하고, 이를 KG 내의 노드와 매핑하여 이상과 관련된 지식을 추론한다. 최종적으로, 추론된 결과를 경고 알람과 함께 작업자에게 전달하여 신속한 의사결정을 지원한다.

그림 2. 추론 결과

그림 2는 작업자에게 전달된 도메인 기반 KG 내의 지식 추론 결과이다. 예를 들어, 3D 프린터 온도가 정상 조건을 벗어날 경우, 본 시스템은 그림 2와 같이 관련된 지식을 추론하여 제시한다. 이 과정에서 HighTemperature, Warping, BurnedPLA, NozzleContamination, ExcessiveDebris와 같이 반복적으로 등장하는 핵심 개념을 통해 즉각적인 공정 보완과 신속한 의사결정 지원이 가능하다. 또한, (N/A)와 같이 KG 내의 정보가 존재하지 않을 경우, 추가 보완이 필요한 부분을 명확히 식별할 수 있다. 작업자는 단순한 이상 탐지가 아닌, 전체 공정 과정의 최적화와 성능 향상으로 이어지는 의사결정 루프를 확보할 수 있다.

최근 제조 공정 자동화에 대한 관심이 높아지고 있으나, 여전히 숙련된 작업자에 대한 의존도가 증가하는 한계가 존재한다. 이러한 작업자 의존성을 해소하지 않는다면, 자동화 실현의 제약은 불가피하다. 본 연구는 이러한 한계점을 개선하고, 특히 중소기업(SMEs) 환경에서도 공정 자동화를 위하여 적용 가능한 실용적인 KG 기반 3D 프린터 공정 모니터링 방법을 제안하였다.

감사의 글

이 성과는 정부 과학기술정보통신부의 재원으로 과학기술산업사업화진흥원-미래선도연구장비핵심기술개발사업의 지원(과제고유번호: 2710069215)과 2024년도 산업통상자원부 및 한국산업기술기획평가원(KEIT) 연구비 지원(RS-2024-00443562)에 의한 연구임.