메뉴바로가기본문바로가기

동아사이언스

수학이 공장서 불량품 찾는 시간 7분의 1로 단축했다

통합검색

수학이 공장서 불량품 찾는 시간 7분의 1로 단축했다

2020.12.17 19:14
수리연 산업수학혁신센터 알고리즘 최적화로 불량품 찾는 시간 7분의 1로 단축
스마트팩토리는 지능형공장으로 공장 장비들의 데이터를 받아 최적의 공정을 찾아나간다. 픽사베이 제공.
스마트팩토리는 지능형공장으로 공장 장비들의 데이터를 받아 최적의 공정을 찾아나간다. 픽사베이 제공.

국내에서 산업 분야의 각종 난제 해결에 수학을 도입해 연구하는 산업수학자들이 스마트 공장에서 불량품 탐지 속도를  획기적으로 줄이는 방법을 알아냈다.

 

국가수리과학연구소(NIMS) 산업수학혁신센터는 공장에서 불량품 탐색에 사용하는 ‘랜덤 컷 포레스트’ 알고리즘을 최적화해 탐색 시간을 7분`의 1로 줄였다고 17일 밝혔다.

 

지능형 공장에서 만들어지는 제품은 여러 숫자로 이뤄진 데이터로 표현된다. 예를 들어 나사, 베어링 같은 금속 제품의 경우 진동수나 전류량으로 데이터를 만든다. 지능형 공장은 불량품이 발견되면 생산을 일시적으로 멈추기 때문에 불량품 데이터를 얻기 어렵다. 이런 이유로 기업에서는 생산된 제품의 데이터로 새로 만든 제품이 불량인지 아닌지 판단하는 방법을 찾는 연구가 활발하다. 

 

‘랜덤 컷 포레스트’ 알고리즘은 이용하는 방법은 이 중 하나다. 랜덤 컷 포레스트 알고리즘은 모든 데이터를 무작위로 분류하는 과정을 하나의 나무가지 형태로 만드는 알고리즘이다. 나사의 경우 진동수가 특정 값보다 큰 데이터 집단과 작은 데이터 집단으로 분류한다. 비슷한 방식으로 각 집단을 계속 분류해 이 과정을 하나의 나무구조처럼 만든다. 검사가 필요한 제품의 데이터를 추가해 나무구조롤 만든 후 추가하기 전에 만든 구조를 비교해 불량품을 찾아낸다.

 

랜덤 컷 포레스트 알고리즘은 데이터를 하나만 추가해도 트리의 구조가 복잡해져서 탐색 속도가 느려지는 단점이 있다. 이런 이유로 지능형 공장에서 실제로 사용하기가 어려웠다. 

 

연구팀은 문제를 해결하기 위해 불필요한 연산 과정을 없애기로 했다. 랜덤 컷 포레스트 알고리즘은 새로 만든 제품 데이터를 추가할 때마다 처음부터 나무구조를 다시 만든다. 연구팀은 기존 데이터로 만들어 놓은 나뭇가지에 새 데이터를 곁가지로 추가하는 방법을 찾아내는 식으로 연산량을 획기적으로 줄였다.

 

이렇게 바꾼 방식으로 불량품을 탐색한 결과 기존 알고리즘이 탐색하는 시간의 7분의 1만에 불량품 탐색이 가능했다. 데이터의 량이 적을수록 탐색 정확도가 더 높다는 사실도 확인했다. 

 

김민중 수리연 산업수학혁신센터장은 “이번에 개발한 알고리즘은 생산 공정뿐만 아니라 다양한 산업 분야의 불량품 감지에도 적용할 수 있다”며 “향후 다른 분야에도 범용적으로 활용할 수 있을 것으로 본다”고 말했다. 

이 기사가 괜찮으셨나요? 메일로 더 많은 기사를 받아보세요!

댓글 0

18 + 7 = 새로고침
###
    과학기술과 관련된 분야에서 소개할 만한 재미있는 이야기, 고발 소재 등이 있으면 주저하지 마시고, 알려주세요. 제보하기