기존 제조 데이터는 사람이 설비를 관리하기 위해 쌓은 데이터라서, AI가 공정 이상이나 품질 원인을 배우기에는 부족할 수 있다. 제조 AI가 제대로 작동하려면 단순히 데이터를 많이 모으는 것이 아니라, 이상이 발생하는 찰나의 순간과 물리적 작용점을 놓치지 않아야 한다.

그래서 디지털리트로핏은 낡은 설비에 센서를 붙이는 수준을 넘어, AI가 배울 수 있는 감각 구조를 다시 설계하는 일로 바뀌어야 한다. 사람이 보기 좋은 위치가 아니라 AI가 원인을 가장 잘 구분할 수 있는 위치에서, 적절한 주기와 방식으로 신호를 읽어야 한다. 프라운호퍼의 공작기계 smartTOOL 사례에서는 공구와 소재가 맞닿는 지점 가까이에서 데이터를 취득할수록 공구마모 예측이 정밀해진다. 노후 용접설비 디지털리트로핏 사례에서도 열화상만 보는 방식보다 전류 변화율·압력·열화상을 함께 읽을 때 불량 탐지 성능이 크게 향상된다.

결국 제조 AI의 출발점은 알고리즘 자체가 아니라, AI가 배울 수 있는 정직한 현장 감각을 만드는 데 있다. AI 시대의 디지털리트로핏은 기존 설비를 단순히 디지털화하는 작업이 아니라, AI가 판단할 수 있는 작용점과 감각 구조를 현장 안에 새로 설계하는 과정이다. 

본 내용은 ㈜코아칩스의 기술 인사이트를 바탕으로 전자신문에 게재한 연재 칼럼입니다. ㈜코아칩스(CORECHIPS)는 배터리와 배선이 필요 없는 무전원·무선 센서 기술과 에너지하베스팅 기술(SAW-based Passive Radio Sensor & Energy Harvesting)을 시작으로, 노후 설비에 신경을 심는 디지털 리트로핏(Digital Retrofit)과 센서플랫폼 구축을 추진해 왔습니다. 나아가 말단에서 먼저 판단하고 반응하는 디지털반사신경망(DRN, Digital Reflex Network)과 감각지능(Sensory Intelligence) 솔루션을 통해, AI 시대에 필요한 산업 현장의 감각계층을 구현해 나가고 있습니다. 코아칩스는 특화된 센서솔루션 기술을 기반으로, AI가 현장을 더 정확히 이해하고 판단할 수 있도록 하는 감각 인프라를 만들어가고 있습니다.