KUKA와 함께 인더스트리 4.0의 미래로

인더스트리 4.0이라는 용어의 사용은 몇 년이 채되지 않습니다. 예를 들어 사물 인터넷, 클라우드 컴퓨팅 또는 인공지능(AI)과 같은 관련 기술도 몇 년이 채되지 않은 신생 기술에 해당합니다. 그럼에도 거의 매일 새로운 기술적 발전이 이루어지고 있습니다. 이와 관련해 3가지 트렌드가 뚜렷하게 나타나고 있습니다.

인공지능(AI)은 이미 디지털 변혁의 원동력 중 하나로 그 중요성은 미래에 더욱 부각될 것입니다. 예를 들어 AI 덕분에 기계에서는 예방적 차원의 유지보수가 가능해질 것입니다. 뿐만 아니라 스마트 팩토리에서 사용되는 로봇은 스스로 학습하고 논리적으로 행동하며 서로 소통할 수 있는 자율 비서로 변신합니다.

머신 러닝(Machine Learning)도 KUKA에서 중요하게 생각하는 AI 영역 중 하나로서 생산 현장에 도입되고 있으며 머지않아 스마트 팩토리의 핵심 요소가 될 것입니다. 러닝 머신은 스스로 생성한 패턴과 인과 관계를 “이해”할 수 있습니다. 이런 머신은 그 알고리즘을 스스로 개선하는 방식으로 “학습”을 진행하고 그에 따라 실시간으로 반응합니다.

Mixed Reality(혼합현실)의 원리도 매우 혁신적입니다. 여기에는 가상현실(VR)과 증강현실(AR) 기술이 결합되어 있습니다. 가상현실이란 사용자가 현실세계와 완전히 단절되어 있고 구글을 통해 볼 수 있는 가상 환경에 있는 것을 의미합니다. 반면에 증강현실에서는 실제 환경을 볼 수 있지만 디지털 콘텐츠(가상 개체, 정보)가 겹치게 보입니다. 혼합현실 기술에서는 가상 콘텐츠가 현실 세계와 결합하게 됩니다. 증강현실에서와는 달리 콘텐츠는 혼합현실에서 단순히 투사되는 것에 그치지 않고 모바일 장치 또는 헤드 마운트 디스플레이를 통해 나타나게 됩니다. 예를 들어 물리적 세계에 현실적으로 통합된 홀로그램으로서의 Microsoft Hololens가 있습니다. 이것은 마치 실제 물체인 것처럼 이동하고 변할 수 있습니다.

미래의 현실이 이미 시작되었습니다. 하지만 이런 기술에서 산업은 어떤 이익을 누릴 수 있습니까? KUKA의 혁신 프로젝트 중 일부를 살펴보시기 바랍니다.

시뮬레이션 소프트웨어 KUKA.Sim을 이용해 제조 환경 밖에서도 로봇을 프로그래밍할 수 있습니다. 이 소프트웨어는 디지털 트윈, 즉 미래에 구현될 생산 공정의 정확한 가상 이미지와 사용자 사이의 상호작용을 가능하게 합니다. 프로세스 설계 또는 재료 흐름과 병목 현상의 시각화 또는 PLC 코드 시각화에 상관없이, Kuka.Sim으로 생성된 3D 시뮬레이션은 모든 플래닝 프로세스에 사용할 수 있습니다. 가상 컨트롤러와 실제 컨트롤러는 동일한 데이터로 작동합니다: 가상으로 계획한 내용은 나중에 현실에서도 정확하게 구현됩니다. 이를 통해 적은 노력과 비용으로 생산 공정에 대한 최고의 계획 신뢰성이 보장됩니다.

KUKA.Sim에 대해 알아보시기 바랍니다.

개별 로봇 컴포넌트의 수명을 예측할 수 있다면 많은 비용이 소요되는 고장 및 생산 중단을 예방할 수 있습니다. 이런 이유에서 바이에른 주 경제 에너지 기술부(StMWi)에서는 연구 프로젝트 “산업용 로봇의 사용 안전성 및 수명의 예측을 위한 인공지능”(KIVI)을 지원하게 되었습니다. 이 프로젝트의 목표는 산업용 로봇의 상태를 지속적으로 모니터링하고 예방적 차원의 유지보수(Condition Monitoring 및 Predictive Maintenance)를 구현하는 것입니다. 이를 위해 복수의 센서가 먼저 개별 로봇 컴포넌트의 작동 진동 거동에 대한 정보를 전송합니다. 이후 인공지능을 통해 해당 데이터가 평가됩니다. 인공지능은 마모 상태의 발현 시 그 패턴을 인식하고 이를 근거로 거동 모델을 학습합니다. 그 결과는 이미 평가 단계에 있는 프로토타입 AI Toolbox입니다. 이 툴박스를 상업적으로 사용할 수 있게 되면 제조 기업에서는 시스템 가용성을 높이고 생산 공정을 더욱 효율적으로 개선할 수 있게 될 것입니다. 이런 방식은 최종적으로 자원 보존에도 기여하게 됩니다.

산업용 로봇의 모든 최적화 프로세스의 출발점은 바로 데이터입니다. 하지만 데이터 생성 및 수집에는 많은 시간과 비용이 요구됩니다. 이런 비용을 절감하기 위해 로봇 상호작용을 간단하게 시뮬레이션하는 방식으로 데이터를 수집할 수도 있습니다. 문제점: 고도화된 시뮬레이션에서도 현실을 완벽하게 재현하는 것은 불가능합니다. 이런 조건에서 학습된 모션 시퀀스는 간단하게 실제 로봇에 전송할 수 없습니다. 이런 문제점은 이른바 “Reality Gap”(현실격차)으로 불립니다.

바로 이런 문제를 해결하기 위해 “TransLearn” 프로젝트가 시작되었습니다: 우리는 시뮬레이션 오류를 식별하는 방식으로 이런 Reality Gap을 극복하려고 합니다. 목표는 시뮬레이션 결과를 실제 로봇으로 간단하게 전송하는 것입니다.

이런 방식은 많은 이점을 제공합니다: 시뮬레이션에서 로봇 프로그래밍을 더 빠르고 효율적으로 수행할 수 있으며 이를 통해 프로그래밍 비용을 절감할 수 있습니다. 이외에도 시뮬레이션 상태에서뿐 아니라 실제 시스템에서도 학습이 이루어질 경우 로봇의 학습 품질 및 학습 자율성도 개선할 수 있습니다. 이런 방식으로 최적화된 학습 프로세스 덕분에 미래에는 산업용 로봇의 프로그래밍에 소요되는 비용이 획기적으로 절감되고 단순화된 직관적 조작이 가능하게 될 것입니다. 이를 통해 로봇은 스스로 학습하고 사이클 타임은 더욱 단축되고 소비 전력도 상당히 낮아질 것입니다.

최신 생산 공정을 갖춘 기업은 변하는 수요 또는 변화된 조건에 신속하게 대응할 수 있어야 합니다. 특히 생산 공정에서는 공정 고유의 특성, 생산 자원뿐 아니라 제조할 제품에 대한 어댑테이션이 대부분 요구됩니다. 따라서 이런 “지속적인 엔지니어링”은 언제든지 가능해야 합니다. BaSys 4를 통해 생산 공정 효율화를 위한 생산설비용 기본 시스템이 이미 개발되었습니다. 독일연방교육연구부(BMBF)에서 지원하는 BaSys 4.2 프로젝트를 통해 이제 우리는 인더스트리 4.0 플랫폼의 컨셉 및 표준을 기반으로 발전된 인더스트리 4.0 인프라 요소를 구현하기 위한 작업을 진행하고 있습니다. 이 과정에서 우리는 “미들웨어”, “기능성” 및 “가상화”라는 3가지 테마 영역에 역량을 집중할 것입니다. 이를 통해 표준화된 역량 모델을 더욱 개발하고 자동화된 기능 테스트에서의 그 사용을 구현할 것입니다.

그 목표는 변화하는 요건에 지능적이고 논리적으로 대응할 수 있는 변환가능한 생산 시스템을 실현하는 것입니다.