
한 라면 제조공장 생산라인에는 믹서부터 7단 제면 롤러, 포장기까지 8대 공정이 있다. 이 라인에 제조 파운데이션 모델(MFM)을 적용하자 6개월간 설비 이상 6건을 조기에 감지했다. 활용한 진동·전류 데이터는 5000만건이다. 탐지율은 100%, 오탐률은 2.7%였다.
이달 3일 AI팩토리 전략회의에서 윤병동 M.AX 얼라이언스 AI팩토리 분과위원장(원프레딕트 대표)이 공개한 제조 파운데이션 모델 프로토타입 실증 결과다. 반도체 공장의 천장주행물류이송장치(OHT)에서도 6개월간 축하중·클램프 풀림·윤활·기어 등 4종의 설비 고장을 탐지율 94%로 예측했다. 개발 공수는 16MM에서 3.2MM으로 줄었다. 같은 설비에서 해외 고주파 모델과 해외 비전 모델의 탐지율은 각각 76%, 73%에 그쳤다.
지금까지 제조 AI는 맞춤복이었다. 고장 예측, 품질 예측, 공정 최적화 AI를 업무마다 따로 만들었고, 다른 공장에 쓰려면 다시 손봐야 했다. 한 AI기업은 “공장마다 설비와 데이터가 달라 검증된 모델도 추가 조정이 필요하다”고 말했다. 윤 위원장은 설비를 바꾸거나 고칠 때마다 AI를 다시 개발해야 하고, 노하우는 숙련자의 감각에 기대고 있다는 점도 지금 방식의 한계로 꼽았다.
MFM은 이런 반복 개발의 부담을 덜기 위한 모델이다. 대규모 제조 데이터로 한 번 사전학습해 여러 설비와 업무가 함께 쓰는 공통 모델로, 새 현장에서는 공통 뼈대(백본)는 그대로 두고 소량의 현장 데이터로 가벼운 모듈만 추가 학습한다. AI를 처음부터 다시 만들 필요가 없다는 것이다. 앞의 라면공장 라인에 맞는 AI를 개발하는 데 든 공수는 24MM(Man-Month)에서 4.1MM으로 줄었다. 개발자 한 사람이 2년 동안 매달려야 하던 일이 약 4개월로 줄었다는 뜻이다. 윤 위원장 측은 품질·정비에 쓰이는 설비 진동 같은 고주파 신호, 공정·에너지 관리에 쓰이는 저주파 신호, 검사 이미지, 텍스트를 하나로 묶는 멀티모달 통합 모델도 개발하고 있다. 고장 데이터가 드문 현장에도 쓸 수 있다. 라면공장 실증은 정상 상태 데이터만으로 학습했고, OHT 실증은 정상 데이터를 20분의 1만 쓰고 고장 데이터는 몇 건만 활용했다.
![[M.AX 풀스택 진화]<3>공장마다 따로 만들던 AI, '하나의 두뇌'로 묶는다](https://img.etnews.com/news/article/2026/11/18/news-p.v1.20261118.615238dee8874440a19f4904e8581feb_Z1.jpg)
3대 업종 프로토타입은 반도체(고주파 시계열)·자동차(이미지)·석유화학(저주파 시계열) 데이터로 각각 만들어졌다. 기존에 쓰던 AI 모델보다 성능이 자동차 이미지 검사는 79%, 석유화학 전류·온도 데이터 분류는 2% 높아졌다. 석유화학은 기존 모델의 성능이 이미 높아 개선 폭이 작았다. 대신 AI를 만드는 기간이 크게 줄었다. 자동차는 3개월에서 10일로, 석유화학은 10개월에서 1개월로 단축됐다. 반도체 설비·검사 데이터 예측 실증에서도 성능이 13% 오르고 개발 기간이 10개월에서 1개월로 줄었다.
AI팩토리 M.AX 얼라이언스는 지난해 10월 1일 AI팩토리 전략회의에서 업종별 제조 AI 모델 개발에 착수했다. 공동위원장인 고영명 포항공대 교수는 당시 전 세계적으로 다양한 제조업에 적용할 범용 AI 모델은 없고, 고품질 제조 데이터를 활용하면 세계 최고의 제조 AI 모델을 개발할 수 있다고 봤다. 이후 1년 만에 프로토타입이 나온 셈이다.
윤 위원장은 승부처로 시계열 데이터를 꼽았다. 텍스트·이미지 분야는 해외 빅테크가 학습 데이터에서 크게 앞서 있어 검증된 모델을 가져다 쓰고, 시계열 데이터는 제조 강국인 한국이 '해 볼 만하다'는 것이다. 그의 분석에 따르면 저주파 시계열 모델은 구글·지멘스가 앞서 있고, 설비 진동 같은 고주파 시계열 모델은 아직 빅테크가 들어오지 않은 초기 단계다. 국내에서는 인이지·포스텍이 저주파, 원프레딕트·서울대가 고주파 모델 개발에 나섰다.
정책 무게도 실렸다. 정부는 올해 6월 범부처 '제조AI 2030 전략'에서 '제조업에 특화된 AI 두뇌' 개발을 3대 핵심과제 가운데 하나로 꼽았다. 산업통상부는 '풀스택 AI팩토리 및 제조AI 파운데이션모델 기술개발' 사업 예산 1200억원을 2027년 정부안에 반영했다. 윤 위원장은 반도체·식품 실증에 이어 제약·자동차로 넓히고, 2028년 업무 특화 MFM을 내놓은 뒤 해외 현장에 진출하는 로드맵도 제시했다.
MFM을 키우는 에너지원은 현장 데이터다. 윤 위원장은 품질·공정·정비·에너지·안전 데이터가 더해질수록 MFM이 성장한다고 설명하면서도, 시계열 데이터가 공장마다 갇혀 있는 '데이터 사일로' 탓에 다른 분야보다 확보가 어렵다고 짚었다. 산업부는 지난달 M.AX 얼라이언스 데이터 분과를 출범시키고 제조데이터 추진 로드맵을 내놓았다. 데이터 표준화와 전략적 수집, 안전한 관리 체계를 갖춰 기업이 안심하고 데이터를 제공하고 활용할 수 있는 환경을 만든다는 구상이다.
현장 데이터를 먹고 자라는 건 로봇도 마찬가지다. 김정관 산업부 장관은 지난달 27일 한 언론 기고에서 “AI 기술은 현장에서 쓰이며 데이터를 쌓고 검증받지 않으면 연구실 밖에서 상용화하기 어렵다. AI로봇에게 절실한 건 일하고 배울 기회”라고 강조하기도 했다. 윤 위원장도 MFM을 AI팩토리에 그치지 않고 휴머노이드·자율주행차·자율운항선박 등 M.AX 10대 분야로 넓힌다는 목표를 내놓았다.
안영국 기자 ang@etnews.com