KAIST 이재길 교수 연구팀

TA4LS 기술 개념도(KAIST 제공) /뉴스1

한국과학기술원(KAIST)은 전산학부 이재길 교수 연구팀이 제조 공정이나 설비가 바뀌어도 기존 인공지능(AI) 모델을 추가 학습 없이 활용할 수 있는 새로운 '시계열 도메인 적응' 기술을 개발했다고 26일 밝혔다.

시계열 도메인 적응은 온도나 진동 등 시간에 따라 변하는 데이터를 다루는 AI 모델이 훈련받은 환경(도메인)과 실제 적용 환경이 달라져도 추가 학습 없이 안정적으로 성능을 유지하도록 돕는 기술이다.

연구팀은 도메인 변화에 혼란을 일으키는 AI 모델이 갖는 문제의 핵심이 단순히 데이터 분포 차이뿐만 아니라 불량 발생 패턴(레이블 분포) 자체가 바뀌는 현상에 있다는 점에 주목해 새로운 시계열 도메인 적응 기술인 'TA4LS'를 개발했다.

새로운 공정의 센서 데이터를 세 가지 성분으로 분해해 마치 사람이 기계 소리의 높낮이·진동 패턴·주기적 변화를 감지하는 것처럼 AI도 다각도로 데이터를 분석하도록 했다.

이를 통해 기존 공정의 불량 발생 패턴에 편향된 예측을 새로운 공정에 맞게 정확히 조정할 수 있다.

특히 이 기술은 별도의 복잡한 개발 없이도 기존의 AI에 끼워 넣는 추가 부품(플러그인 모듈)처럼 쉽게 결합할 수 있어 실용성이 높다. 현재 사용하고 있는 AI 기술에 구애받지 않고 간단한 추가 절차만 거치면 바로 적용할 수 있다.

연구팀은 변화가 발생한 4종류의 센서 데이터를 사용한 실험에서 기존 방법 대비 최대 9.42% 정확도 향상을 달성했다.

공정이 바뀌어 불량 발생 패턴 등 레이블 분포 차이가 큰 경우에서도 AI가 이를 스스로 보정해 판별하는 성능 개선 효과가 뚜렷하게 나타났다.

이 교수는 "제조업에서 인공지능 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술"이라며 "실용화되면 유지 비용 감소와 불량 탐지율 개선을 통해서 스마트팩토리 확산에 크게 기여할 것"이라고 말했다.

이번 연구는 KAIST 전산학부 나지혜 박사과정 학생이 제1 저자, 남영은 박사과정과 LG AI 연구원 강준혁 연구원이 공동 저자로 참여했다.

연구 결과는 인공지능과 데이터 분야 국제 학회 '지식발견및데이터마이닝학회(ACM SIGKDD) 2025'에서 발표됐다.

출처 : 뉴스1