DAATKING아마존웹서비스Amazon Web Services – AWS는 AWS 리인벤트(AWS re:Invent) 행사에서 아마존 모니트론(Amazon Monitron), 아마존 룩아웃 포 이큅먼트(Amazon Lookout for Equipment), AWS 파노라마 어플라이언스(AWS Panorama Appliance), AWS 파노라마 SDK(AWS Panorama SDK), 아마존 룩아웃 포 비전(Amazon Lookout for Vision)의 머신러닝 서비스를 발표했다.
이 5가지 새로운 머신러닝 서비스는 산업 및 제조 업계 고객사가 생산 공정에서 인텔리전스를 활용해 운영 효율성, 품질 관리, 보안 및 작업장 안전을 개선할 수 있도록 돕는다. 이 서비스들은 고도화된 머신러닝, 센서 분석 및 컴퓨터 비전 기능을 제공하며, 고객사가 직면한 공통적인 기술적 과제를 해결하고, 가장 포괄적인 클라우드-투-에지 산업 머신러닝 서비스 제품군을 구성한다.
수십만 이상의 고객이 머신러닝을 위해 AWS를 이용하고, 규모와 업종을 불문한 고객들이 AWS 서비스를 활용해 머신러닝을 비즈니스 전략의 핵심으로 삼는 이유가 여기에 있다. AWS의 새로운 산업용 머신러닝 서비스에 대한 자세한 내용은 https://aws.amazon.com/industrial/에서 확인할 수 있다.
제조시설, 풀필먼트 센터, 식품가공 공장 등의 산업 환경에 머신러닝을 도입하려는 기업들의 움직임이 커지고 있다. 이러한 고객들에게 데이터는 복잡한 산업 시스템을 하나로 묶는 결합 조직(connective tissue)역할을 한다. 산업 시스템은 일반적으로 오류에 대한 허용오차가 적은 수많은 상호의존적 프로세스로 이루어지며, 사소한 문제라도 중대한 영향을 초래할 수 있다. 시설에서 운용되는 장비에 대한 데이터 분석 능력은 고객들의 이러한 어려움을 해결하는 데 도움이 되며, 많은 고객들이 AWS IoT 사이트와이즈(AWS IoT SiteWise)와 같은 서비스를 산업 장비에서 데이터를 수집하고 실시간 성능 지표를 생성하는 방법으로 활용하고 있다.
클라우드를 이용해 산업 데이터를 수집하고 분석하기 시작함에 따라, 고객은 머신러닝을 데이터 이해와 운영 효율성 향상에 활용할 수 있는 새로운 방법을 요청하기도 했다. 비용 절감과 운영 효율성 향상을 위한 예지 정비를 구현하기 위해 머신러닝을 활용하고자 하는 고객들도 있다. 또한, 연결되지 않거나 지연 시간에 민감한 환경을 가진 고객들은 제품 결함을 발견하고 작업장 안전을 개선하기 위해 에지에 컴퓨터 비전을 사용하길 원한다. 이와 같이 니즈와 기회가 진화하는 가운데, 업체들은 자사 장비가 생성하는 방대한 양의 데이터로부터 더 많은 가치를 얻기 위해 클라우드, 인더스트리 에지, 그리고 머신러닝을 함께 활용할 수 있도록 AWS에 도움을 요청했다.
아마존 모니트론과 아마존 룩아웃 포 이큅먼트, 머신러닝 기반 예지정비 구현
현재의 산업계와 제조업체가 직면하고 있는 가장 큰 어려움은 장비의 지속적인 유지보수이다. 그동안 대부분의 장비 유지보수는 대응적(기계 고장 후)이거나 예방적(기계 고장을 방지하기 위해 정기적으로 수행)이었다.
대응적 유지보수는 상당한 비용과 다운타임을 초래할 수 있으며, 예방적 유지보수는 비용이 많이 들거나 과도한 유지보수를 초래하고, 충분히 자주 수행되지 않으면 고장을 예방하지 못할 수 있다. 예지 정비(장비의 유지보수 필요 시기 예측)는 더 효율적인 솔루션이다. 하지만 지금까지 기업들은 예지 정비를 구현하기 위해서, 여러가지 기술을 조합한 복잡한 솔루션을 새로 만들기 위해 숙련된 엔지니어와 데이터 과학자가 필요했다. 여기에는 활용 사례에 적합한 유형의 센서를 파악 및 조달하고 IoT 게이트웨이(데이터를 집계하여 전송하는 장치)와 연결하는 작업이 포함된다. 그 다음, 기업들은 모니터링 시스템을 테스트하고 데이터를 온프레미스 또는 클라우드로 전송하여 처리해야 했다. 그렇게 한 후에야 사내 데이터 과학자가 머신러닝 모델을 구축해 패턴과 이상 징후 데이터를 분석하거나 이상치 탐지 시 경고하는 시스템을 만들 수 있었다.
일부 기업은 장비 전반에 센서를 설치하고 데이터 연결, 저장, 분석 및 경고에 필요한 인프라에 많은 투자를 해왔다. 그러나 이러한 회사들조차 일반적으로 고급 머신러닝 모델에 비해 비용이 많이 들고 비정상적인 상태를 감지하는 데 비효율적인 기초적인 데이터 분석과 단순한 모델링 방식을 사용한다. 대부분 기업들에게 고도로 정확한 예지 정비를 가능하게 하는 머신러닝 모델을 구축하고 개선할 전문지식과 인력이 부족한 상황이다. 그 결과, 예지 정비를 성공적으로 이행할 수 있었던 기업은 거의 없으며, 이행한 기업도 투자 효율성을 극대화하고 자체 개발한 솔루션을 유지하는 부담을 덜 수 있는 방안을 모색하고 있다. 새로운 AWS 머신러닝 서비스를 통해 얻을 수 있는 혜택은 다음과 같다:
기존 센서 네트워크가 없는 고객을 위해 아마존 모니트론(Amazon Monitron)은 센서, 게이트웨이, 머신러닝 서비스로 구성된 엔드-투-엔드 머신 모니터링 시스템을 제공하여 이상 징후를 감지하고 산업 장비 유지보수가 필요한 시기를 예측한다.
아마존 모니트론은 고객이 고도화된, 머신러닝 기반의 예지 정비 시스템을 새로 구축하는 데 드는 비용과 복잡성을 줄이고, 핵심 제조, 공급망, 운영 기능에 집중할 수 있도록 한다. 아마존 모니트론은 비정상적인 진동이나 온도 변동을 모니터하여 기계가 정상적으로 작동하지 않는 경우를 감지하고, 고객에 예지 정비 필요 여부를 판단하기 위한 기계 검사 시기를 통보한다. 엔드-투-엔드 시스템에는 진동과 온도 데이터를 수집하는 IoT 센서, 데이터를 집계해 AWS로 전송하는 게이트웨이, 머신러닝이나 클라우드 경험 없이도 비정상적인 장비 패턴을 감지해 몇 분 안에 결과를 제공할 수 있는 머신러닝 클라우드 서비스가 포함되어 있다.
아마존 모니트론을 이용하면 유지보수 기술자가 개발 작업이나 전문 교육 없이 몇 시간 안에 기계의 상태 추적을 시작할 수 있다. 아마존 모니트론은 산업 및 제조 환경에서, 베어링, 모터, 펌프, 컨베이어 벨트와 같은 다양한 회전 장비에 사용할 수 있다. 활용 사례는 쿨링 팬이나 워터 펌프와 같이 데이터 센터에 사용되는 몇 가지 중요한 기계를 모니터링하는 것부터 생산 및 운반 시스템을 갖춘 제조 시설에 대규모로 설치하는 것까지 다양하다. 아마존 모니트론에는 고객사의 현장 유지보수 기술자가 장비 동작을 실시간으로 모니터링할 수 있는 모바일 앱도 탑재돼 있다. 이 모바일 앱을 통해 기술자는 여러 기기의 비정상적인 장비 상태에 대한 경고를 받고, 기계 상태를 확인하고, 유지보수 일정을 계획할 필요가 있는지 여부를 결정할 수 있다. 시스템의 정확도를 높이기 위해 기술자들은 모바일 앱에 경고의 정확성에 대한 피드백을 입력할 수 있으며, 아마존 모니트론은 그 피드백을 학습하여 시간이 지남에 따라 지속적으로 개선된다. 아마존 모니트론은 현재 이용 가능하며 자세한 내용은 https://aws.amazon.com/monitron에서 확인할 수 있다.
기존 센서가 있지만 머신러닝 모델 구축을 원하지 않는 고객을 위해 아마존 룩아웃 포 이큅먼트(Amazon Lookout for Equipment)는 AWS에 센서 데이터를 전송하여 고객을 위한 모델을 구축하고 비정상적 장비 동작을 감지하기 위한 예측을 제공한다. 먼저, 고객은 자체 보유한 센서 데이터를 아마존 S3에 업로드하고 S3 위치를 아마존 룩아웃 포 이큅먼트에 제공한다. 또한, AWS IoT 사이트와이즈에서 데이터를 가져올 수 있으며 OSIsoft와 같은 다른 인기 있는 기계 운영 시스템과 원활하게 호환된다. 아마존 룩아웃 포 이큅먼트는 데이터를 분석하고, 정상적 또는 건강한 패턴을 평가한 다음, 모든 데이터로부터 얻은 내용을 학습하여 고객 환경에 맞는 맞춤형 모델을 구축한다. 이후 아마존 룩아웃 포 이큅먼트는 해당 머신러닝 모델을 사용해, 들어오는 센서 데이터를 분석하고 기계 고장에 대한 초기 경고 신호를 파악할 수 있다. 이를 통해 고객은 예지 정비가 가능하고, 비용을 절약할 수 있으며, 산업 시스템 라인의 충돌을 방지하여 생산성을 향상할 수 있다. 아마존 룩아웃 포 이큅먼트는 고객이 기존 센서로부터 더 많은 가치를 얻을 수 있도록 하며, 고객이 전체 산업 공정을 실질적으로 개선할 수 있는 의사결정을 적시에 할 수 있도록 돕는다.
아마존 룩아웃 포 이큅먼트에 대한 자세한 내용은 https:// aws.amazon.com/lookout-for-equipment에서 확인할 수 있다.
AWS 파노라마, 컴퓨터 비전 활용해 산업현장 운영과 작업장 안전 개선
많은 산업 및 제조업 고객사들은 모니터링 또는 육안 검사 작업을 자동화하고 실시간으로 의사결정을 내리기 위해 시설 및 장비의 라이브 비디오 피드에 컴퓨터 비전을 사용할 수 있기를 원한다. 예를 들어, 고객은 조정 필요 여부 판단(예: 미세 밀링 또는 레이저 툴링), 운영 기준 준수를 위해 현장 및 야드 활동 모니터링(예: 보행자 및 지게차가 지정된 작업 구역에 있는지 확인), 또는 시설 내 작업자 안전을 평가(예: 적절한 사회적 거리두기 또는 개인보호장비[PPE] 착용 여부)를 위해 고속 공정들을 정기적으로 점검해야 한다. 그러나 오늘날 사용되는 일반적인 모니터링 방법은 수동적이고 오류가 발생하기 쉬우며 확장하기가 어렵다. 고객은 라이브 비디오 피드를 모니터링하고 분석하기 위해 클라우드에서 컴퓨터 비전 모델을 구축할 수 있지만, 산업 시설은 일반적으로 연결 속도가 느리고 비용이 많이 들거나, 아예 연결되지 않는 외진 곳에 위치해야 하는 경우가 많다. 이러한 문제는 제조된 부품이나 보안 피드에 대한 품질 점검과 같은 수동 검토를 수반하는 산업 공정의 경우 훨씬 더 어렵다.
예를 들어, 처리량이 높은 생산 라인에 품질 문제가 발생할 경우, 문제가 지속될 경우 막대한 비용이 소요되므로 즉시 알고 싶어한다. 이러한 유형의 비디오 피드는 컴퓨터 비전을 사용하여 클라우드에서 자동으로 처리될 수 있지만, 비디오 피드는 대역폭이 높고 업로드 속도가 느릴 수 있다. 따라서 고객은 사용이 어렵고, 오류가 발생하기 쉬우며, 비용이 많이 드는 비디오 피드를 실시간으로 모니터링해야 한다. 이러한 모델을 가동할 수 있을 정도의 처리 능력을 갖춘 스마트 카메라를 사용하면 좋지만, 스마트 카메라로 우수한 정확도와 낮은 대기 시간 성능 구현은 어려운 일이 될 수 있다. 대부분의 고객들은 결국 산업 장비에 통합된 맞춤형 코드를 실행하도록 프로그래밍할 수 없는 덜 정교한 모델을 실행하게 된다. 이제 AWS는 다음과 같은 지원을 할 수 있다:
AWS 파노라마 어플라이언스(AWS Panorama Appliance)는 고객이 이미 설치했을 수 있는 기존 온프레미스 카메라에 컴퓨터 비전을 추가할 수 있는 새로운 하드웨어 어플라이언스를 제공한다. 고객이 AWS 파노라마 어플라이언스를 네트워크에 연결하면, 장치가 자동으로 카메라 스트림을 식별하여 기존 산업용 카메라와 상호 작동을 시작한다. AWS 파노라마 어플라이언스는 AWS 머신러닝 서비스 및 IoT 서비스와 통합돼 맞춤형 머신러닝 모델을 구축하거나 보다 정밀한 분석을 위해 영상을 수집할 수 있다. AWS 파노라마 어플라이언스는 AWS 머신러닝을 에지까지 확장하여 고객이 외부 연결 없이도 로컬 현장에서 예측이 가능하도록 지원한다.
각 AWS 파노라마 어플라이언스는 여러 카메라 스트림에서 컴퓨터 비전 모델을 병렬로 실행할 수 있어 품질 관리, 부품 식별, 작업장 안전 등에 활용할 수 있다. AWS 파노라마 어플라이언스는 소매, 제조, 건설 및 기타 산업에 대해 AWS 및 타사의 사전 훈련된 컴퓨터 비전 모델과 함께 작동한다. 또한 아마존 세이지메이커(Amazon SageMaker)로 구축한 고객 개발 컴퓨터 비전 모델을 AWS 파노라마 어플라이언스에 배치할 수 있다.
AWS 파노라마(AWS Panorama) 소프트웨어 개발 키트(SDK)는 하드웨어 업체가 유의미한 컴퓨터 비전 모델을 에지에 실행할 수 있게 하는 새로운 카메라 구축을 지원한다. AWS 파노라마 SDK로 제작된 카메라는 빠르게 움직이는 컨베이어 벨트에서 손상된 부품을 감지하거나 지정된 작업 구역 밖에 있는 기계를 발견하는 등의 활용 사례를 위한 컴퓨터 비전 모델을 운영한다. 해당 카메라는 엔비디아(NVIDA)와 암바렐라(Ambarella)의 컴퓨터 비전을 위해 설계된 칩을 사용할 수 있다. 제조업체는 AWS 파노라마 SDK를 이용해 고화질 영상을 더 높은 해상도로 처리할 수 있는 컴퓨터 비전 모델로 카메라를 구축할 수 있다. 또한 이더넷을 통해 전원을 공급받아 현장 주변에 배치할 수 있는 저렴한 기기에 보다 정교한 모델을 구축할 수 있다. 고객은 아마존 세이지메이커로 자체 모델을 훈련해 클릭 한 번으로 AWS 파노라마 SDK로 구축한 카메라에 배치할 수 있다. 고객들은 또한 문자나 이메일을 통해 잠재적인 문제에 대한 경고를 받기 위해 AWS 파노라마 SDK로 제작된 카메라에 람다(Lambda) 기능을 추가할 수 있다. 또한 AWS는 PPE 탐지 및 사회적 거리두기와 같은 작업에 대해 사전 구축된 모델을 제공하며, 이러한 모델은 머신러닝 작업이나 특별한 최적화 없이 몇 분 만에 배치할 수 있다. AWS 파노라마와 지원 벤더 및 파트너에 대한 자세한 내용은 https:// aws.amazon.com/panorama에서 확인할 수 있다.
아마존 룩아웃 포 비전, 이미지와 영상에 대한 시각적 이상 징후 탐지를 빠르고 정확하게, 저렴한 비용으로 제공
AWS 고객들이 자체 카메라로 컴퓨터 비전을 활용하려는 목적 중 하나는 품질 관리를 위한 것이다. 기업들은 품질관리를 유지하기 위해 꾸준한 근면성을 유지해야 한다. 제조업만 보더라도, 간과된 오류로 생산라인 가동이 중단되어 매년 수백만 달러의 비용이 초과 발생되고 매출 손실이 발생하고 있다. 산업 공정의 육안 검사는 보통 사람이 실시하는데, 이러한 검사는 지루하고 일관성이 없을 수 있다. 컴퓨터 비전은 결함을 일관성 있게 식별하는 데 필요한 속도와 정확성을 제공하지만 구현이 복잡할 수 있으며, 데이터 과학자 팀이 머신러닝 모델을 구축, 배치 및 관리해야 한다. 이러한 장벽 때문에, 대다수의 기업은 머신러닝 기반의 시각적 이상 징후 탐지 시스템을 활용하지 못하고 있다. AWS는 이러한 기업들을 다음과 같이 지원한다.
아마존 룩아웃 포 비전(Amazon Lookout for Vision) 은 머신러닝을 통해 한 시간에 수천 개의 이미지를 처리하여 결함과 이상 징후를 찾아내는 정확도가 높고 비용이 저렴한 이상 징후 탐지 솔루션을 제공한다. 고객들은 기계 부품에 금이 가거나, 패널에 흠집이 나거나, 불규칙한 모양이나 제품 색상 오류 등의 이상 징후를 식별하기 위해 아마존 룩아웃 포 비전에 카메라 이미지를 일괄 또는 실시간 전송한다. 그 다음 아마존 룩아웃 포 비전은 적절한 조치가 취해질 수 있도록 기준과 다른 이미지들을 보고한다. 아마존 룩아웃 포 비전은 작업환경의 변화로 인한 카메라 각도, 포즈, 조명 등의 편차를 처리할 수 있을 만큼 정교하다. 고객은 기준에 맞는 ‘적절한’ 상태의 이미지를 30개만 제공하면 기계 부품이나 제조 제품을 정확하고 일관성 있게 평가할 수 있다. 아마존 룩아웃 포 비전은 또한 아마존 파노라마 어플라이언스에서도 운영된다. 고객은 오늘부터 AWS에서 아마존 룩아웃 포 비전을 운영할 수 있으며, 내년부터는 AWS 파노라마 어플라이언스 및 기타 AWS 파노라마 기기에서 아마존 룩아웃 포 비전을 실행할 수 있어 고객들은 인터넷 접속이 제한되거나 가능하지 않은 장소에서도 아마존 룩아웃 포 비전을 이용할 수 있게 된다.
현재 아마존 룩아웃 포 비전을 이용할 수 있으며 자세한 내용은 https:// aws.amazon.com/lookout-for-vision에서 확인할 수 있다.
스와미 시바수브라마니안Swami Sivasubramanian AWS 아마존 머신러닝 부사장은 “산업과 제조업계 고객사들은 주주, 고객, 정부, 경쟁업체로부터 비용 절감, 품질 향상, 규정 준수에 대해 지속적인 압박을 받고 있다. 이들 기업은 클라우드와 머신러닝을 이용해 프로세스를 자동화하고 운영 전반에 걸친 인적 역량을 향상하길 원하지만 이러한 시스템 구축은 오류 발생 가능성이 높고, 복잡하며, 시간과 비용이 많이 들 수 있다. 고객사들의 미래 스마트 팩토리 구축을 돕기 위해, AWS가 클라우드를 에지로 연결시키고, 설치 및 배치가 쉽고 빠르게 구동할 수 있는 5가지 새로운 산업 특화 머신러닝 서비스를 고객에게 제공하게 되어 기쁘다”고 말했다.
GS EPS 한국의 산업 분야 선도 기업이다. GS EPS 이강범 전무는 “지금까지 10년 넘게 자사 자산 전반에 대한 데이터를 생성해 왔으나 데이터에 대한 통찰력을 얻기 위해 물리적, 규칙 기반 방법만을 사용해 왔다. 아마존 룩아웃 포 이큅먼트를 통해 공장 운영팀이 ML 전문지식 없이도 자사 장비에 모델을 구축할 수 있게 됐다. AWS와 아마존 룩아웃 포 이큅먼트를 통해 우리는 자사 조직의 데이터 중심 업무문화 혁신을 주도하고 있다”고 말했다.
두산인프라코어는 세계 유수의 중장비 및 엔진 제조업체다. 두산인프라코어 조재연 부사장은 “두산의 차세대 장비 개발에 AI활용이 중요하기 때문에, 자동화되고 확장 가능한 머신러닝이 활용될 수 있는 활용 사례를 개발하기 위해 AWS와 협력하고 있다. 이를 바탕으로 차세대 IoT 플랫폼에서 아마존 룩아웃 포 이큅먼트를 활용하기 위해 AWS와 지속적으로 협력하게 돼 기쁘다”고 말했다.
◈ 다트크리에이티브 | 한재현 기자 wowhjh@gmail.com
Add comment