AI 기반 제조 혁신(by 어문정 연구원)

SEMINAR REPORT

AI 기반 제조 혁신 세미나 후기

AI Driven Transformation in Manufacturing

🎓 LG AI 연구원 👤 엄문정 박사 🏭 제조 AX

이번 학기 마지막 AI 세미나로 LG AI 연구원 엄문정 박사님의 특강을 듣게 되었습니다. 제조업의 디지털 전환(DX)을 넘어선 인공지능 전환(AX) 패러다임과, LG AI 연구원의 실제 적용 사례를 중심으로 정리합니다.

01LG AI 연구원 소개

2020년 12월 설립된 약 300명 규모의 조직으로, LG 그룹 전체 사업군의 AI 엔진 역할을 수행합니다. 슬로건은 "Where LG starts, true AI begins."

300+

연구원 규모

80+

특허 출원

150+

논문 게재

8

연구 랩

02DX에서 AX로의 패러다임 전환

세계 제조업은 디지털 전환을 넘어 인공지능 전환(AX) 시대로 진입했습니다. 기존에는 데이터를 모으고 자동화하는 데 그쳤다면, 이제는 AI가 스스로 해석·판단·실행하는 단계로 넘어가고 있습니다.

구분	DX (디지털 전환)	AX (AI 전환)
의사결정	사람이 최종 결정	AI가 스스로 결정
AI 역할	단편적 분석 도구	자율 운영의 핵심 주체
시스템 구조	ERP/MES 중심, 시스템 단절	3대 AI 융합 자율 시스템

💡 AX의 핵심 — 3대 AI 융합

① Generative AI

지식 생성·창의적 설계

② Agentic AI

다중 에이전트 협업·통합 제어

③ Physical AI

물리적 실행·현장 자율화

03국내외 도입 현황

⚠️ 충격적인 현실

국내 제조업의 AI 도입률은 여전히 0.1~1% 수준입니다.

해외 선도 기업과의 격차는 다음과 같습니다.

🇩🇪 Bosch

설비 효율 9% 개선
리드 타임 36% 단축

🇫🇷 Schneider Electric

제조 효율 향상
공정 고장률 대폭 감소

🇹🇼 Foxconn

제조 효율 향상
불량·고장 대폭 감소

04LG AI 연구원 성공 사례 5선

1

NCC 납사 스케줄링 최적화 🛢️

LG화학 대산 공장의 24시간 운영 석유화학 공장에 다중 에이전트 강화학습을 적용. 원료 입고·배분·분해 전 단계를 AI가 통합 제어하여 천재지변·시장 변화에 자동 대응.

✓ 성과: NeurIPS·ICML 논문 게재 + 현장 적용 완료

2

검사 파라미터 자동 최적화 🔍

100여 개 파라미터 조정에 Bayesian Optimization + Differential Evolution 하이브리드 알고리즘 적용. 자율 최적화 루프 구축.

✓ 성과: 엔지니어 조정 시간 70% 이상 단축, 과검출률 감소

3

테스터 장비 대체 AI 🧪

제조 공정 중 자연스럽게 쌓이는 정형 로그 데이터로 마지막 품질을 예측. 고비용 테스터 장비를 단계적으로 대체.

✓ 진행 상황: 현재 60% 스킵 단계 도달 (목표: 100%)

4

ESS 이상 감지 ⚡

전국 200개 ESS 현장 데이터를 클라우드 통합 후 물리 모델 + 딥러닝 하이브리드 AI 적용.

✓ 성과: 실제 사고 12건 중 9건 사전 감지 성공

5

생활건강 수요 예측 🛒

시계열 파운데이션 모델에 외생 변수(날씨·프로모션·경쟁사)를 결합. LLM 기반 BI까지 통합해 자동 보고서 생성.

✓ 성과: 예측 정확도 25% 이상 향상, 분석 리드타임 단축

05핵심 시사점

① 대-중소기업 격차 해소 — AI 전문 인력·고품질 데이터·교육 인프라를 중소기업으로 확산해야 국가 경쟁력 확보 가능

② 레거시 시스템 재편 — 기존 시스템 고집보다 AI 도입을 위한 과감한 투자와 선택·집중 필요

③ End-to-End 통합 — 공정 단위 부분 최적화를 넘어 설계→생산→물류→유지보수 통합 시스템 구축

④ 데이터 품질 확보 — "Garbage In, Garbage Out" — 고품질 데이터 수집·클렌징·변환이 모든 AX의 출발점

"

LLM을 너무 믿다 보면
본질에서 멀어진 일을 하게 됩니다.

— 엄문정 박사

06마무리 인사이트

이번 세미나에서 가장 인상 깊었던 점은 화려한 AX 비전과 0.1% 도입률이라는 현실 사이의 솔직한 간극을 공유해주셨다는 것입니다.

특히 "LLM에 너무 의존하면 본질에서 멀어진다"는 경고는 AI 도구를 일상적으로 사용하는 실무자로서 깊이 공감되는 지점이었습니다. 데이터 분석가로서 향후 제조·산업 도메인의 AI 융합 흐름을 지속적으로 모니터링하고, 정형 데이터 기반 파운데이션 모델과 시계열 예측 기술에 대한 학습을 강화해야겠다는 생각이 들었습니다.

제조업과 AI의 결합은 앞으로 5~10년간 가장 큰 변화를 가져올 분야입니다. 이 흐름을 놓치지 않고 따라가는 것이 데이터 직군의 중요한 과제가 될 것 같습니다.

📌 이번 학기 마지막 AI 세미나 후기였습니다. 한 학기 동안 좋은 강의 감사했습니다!