제조업에 특화된 MLOps의 필요성
요즘 모든 분야에서 인공지능(AI)이 화제입니다. 제조업도 예외는 아니죠. AI를 도입해 공정을 자동화하려는 시도는 최근 들어 더욱 활발하게 진행되고 있습니다. 그런데 잘 만들어진 AI 모델을 도입하면 모든 문제가 해결될 것 같지만, 현실은 그렇지 않습니다. 아무리 잘 만든 AI 모델이라도 시간이 지나면 성능이 떨어지기 마련입니다.
가장 큰 원인은 새로운 데이터가 지속적으로 유입되면서 데이터의 특성이 바뀌기 때문입니다. 비전 검사에 도입된 AI 모델을 예로 들자면 생산 품목 자체가 변할 수도 있고, 생산 과정이 변해서 취득되는 데이터가 달라질 수도 있습니다. 물론 검사 환경 자체가 변하거나 촬영 장비 교체와 같은 상황 변화가 발생할 수도 있죠.
성능이 떨어진 AI 모델을 계속 사용하게 되면 정확도가 떨어지는 문제가 발생합니다. 제조업 품질 검사 분야에서 이는 결함 제품 유출이라는 치명적인 문제로 직결됩니다. 결함을 찾아내지 못하거나 정상 제품을 결함으로 인식하는 문제가 발생할 수 있는 것이죠. 따라서 AI 모델 성능을 지속적으로 모니터링하고 적절한 시점에 업데이트하는 과정이 중요합니다. AI를 도입하다 보니, AI 모델을 운영하고 관리하는 어려움이라는 새로운 문제가 등장한 거죠.
효과적인 AI 모델 운영을 위한 MLOps
AI 모델을 효과적으로 관리하기 위해 MLOps 개념이 도입되었습니다. MLOps는 ‘머신러닝(Machine Learning)’과 ‘운영’을 뜻하는 ‘Operation’의 합성어로, AI 모델을 지속적으로 모니터링해 고도화하고 업데이트하는 과정을 하나의 시스템으로 운영하는 방식입니다. 이를 통해 AI 모델의 라이프 사이클(Lifecycle)을 관리함으로써 효율적으로 모델을 운영할 수 있습니다.
MLOps가 운영되는 사이클은 크게 네 가지 기능으로 분류할 수 있습니다. ① 가장 주요한 기능은 AI 모델을 모니터링하고 검사 결과들을 통계 분석한다는 점입니다. 이를 통해 적용된 모델의 검사 현황을 실시간으로 파악하고 성능을 분석해 재학습이 필요한 시점을 알 수 있습니다. ② 두 번째는 검사 결과 데이터들을 자동으로 수집하고 재학습에 사용할 데이터들을 정제해 주는 기능입니다. 고도화된 MLOps 시스템은 단순 데이터 수집뿐만 아니라 학습에 필요한 데이터를 추천해 줌으로써 사용자가 겪는 데이터 선별 어려움을 해결해 줍니다.
이후 ③ AI 모델을 다시 학습하고 자체적으로 평가합니다. 기존 모델보다 우수하고 적절한 성능의 모델이 만들어졌다고 판단되면, ④ 모델을 현장에 배포합니다. 각 검사기에 모델을 자동으로 배포하고 배포 이력을 관리함으로써 효율적으로 모델 버전을 관리할 수 있습니다. 설명을 위해 MLOps의 사이클을 구분했지만 이는 실시간으로 동시에 일어나는 작업이라는 점이 가장 중요합니다.
세이지 MLOps만의 차별점
일반적인 MLOps 콘셉트와 세이지 MLOps가 추구하는 점의 가장 큰 차이점은 문제를 접근하는 “방향성”입니다. 모든 머신러닝 운영의 문제를 다루려는 Top-Down 방식이 일반적인 MLOps의 관점이라면, 세이지 MLOps는 제조업 비전 검사 문제에 특화된 머신러닝을 보다 효과적으로 운영하기 위한 기술에 집중한다는 점에서 Bottom-Up 방식으로 문제에 접근하고 있습니다.
즉, 제조업에서 사용되는 비전 이미지를 분석하고 결함을 찾아내는 문제에 특화된 알고리즘을 기본적으로 탑재하고, 이를 잘 운영할 수 있는 AI 기술 및 서버 아키텍처를 도입하는 것이지요. 따라서 실제 제조업 생산 라인에서 품질 검사를 담당하는 작업자들도 손쉽게 MLOps를 다루고 AI 모델을 관리할 수 있도록 설계하고 있습니다.
세이지 MLOps를 사용하면 AI 모델을 업데이트하는데 소요되는 과도한 인력과 시간을 줄일 수 있습니다. 단순히 계산했을 때 사람이 직접 AI 모델을 업데이트한다면 최소 20시간이 필요합니다. 데이터 수집과 정제에 5시간, 데이터 라벨링에 6시간, 모델 학습 및 평가에 6시간, 모델 배포에 1시간, 그리고 모니터링과 통계 분석에만 최소 4시간이 필요하죠. 그러나 세이지 MLOps 모델을 적용하면 이 과정을 1-2시간 만에 모두 수행할 수 있습니다. 제조업은 환경 변화가 잦은 도메인이라 AI 모델 배포를 자주 진행해야 하는데 이를 효율적으로 수행할 수 있는 것이죠.
단순히 작업 시간만 줄어드는 것이 아닙니다. 모니터링부터 모델을 배포하기까지 모든 과정에서 최적의 모델이 만들어질 수 있도록, AI 모델을 업데이트하는 데 도움이 되는 기능과 기술이 탑재되어 있습니다. 이로써 사용자가 올바른 방향으로 AI 모델을 업데이트할 수 있도록 도와줍니다. 이전 모델보다 검사 결과가 떨어지는 모델을 만드는 것을 미연에 방지하는 것이 가능합니다.
결론
세이지가 추구하는 MLOps는 단순히 머신비전의 효과적인 운용을 돕는 시스템이 아닙니다. 제조업 비전 검사의 자동화를 이끌기 위한 솔루션인 동시에, 단순한 업무는 기계에게 맡기고 사람은 더욱 창의적이고 생산적인 일을 할 수 있는 혁신을 이끄는 기술입니다.
© SAIGE All Rights Reserved.