화승알앤에이, 움직임 복잡한 탄성체 제어 기술 확보…다크팩토리 향한 AX 공정 첫발 뗐다

화승이 탄성체의 복잡성을 제어할 길을 열었다. 화승알앤에이는 지난해 과학기술정보통신부가 추진한 ‘PINN모델’ 제조 융합 데이터 수집 실증 사업에서 데모 모델을 구현하는 데 성공했다. 자동차 문 틈새에 들어가는 실링 제품과 같은 고무 기반의 탄성체는 업계에서 ‘생명체’로 비유할 정도로 움직임 등의 물성이 복잡해 피지컬 AI 적용과는 거리가 멀었다.

화승알앤에이는 이번 사업을 토대로 다크 팩토리(불 꺼진 공장)를 실현하겠다는 의지를 보였다. PINN모델 개발 과정에서 자율 제조를 위해 다뤄야 할 데이터를 정립한 게 이번 사업에서 얻은 가장 큰 결과물이라는 평가다.

지난 2월 그룹 차원의 AX(인공지능 전환)를 연구할 ‘부산 실증테크센터’를 기장군 명례산단에 건립하기로 결정한 것도 제조 데이터 확보가 뒷받침됐기 때문이다. 그룹 AX 사업을 총괄하는 박귀영 화승 전무는 “공장 대신 R&D 센터를 건립하는 것은 그룹 역사상 처음”이라며 “공정 데이터를 수집하기 시작했으므로, 앞으로 탄성체에 대한 AX 공정 도입을 시작으로 장기적으로 다크 팩토리로 영역을 확대할 것”이라고 말했다.

◇ 피지컬 AI 적용 위한 PINN 모델 구현

시작은 실링이 가공돼 나오는 압출 라인 끝에 달린 네 대의 카메라였다. 2024년 화승T&C가 삼성전자·한국생산기술연구원과 추진한 AI 제조 지능 실증 사업이다. 네 대의 카메라는 초당 3200장의 이미지를 찍어 실링의 결함 여부를 입체적으로 관찰한다. 맨눈으로 검사했던 과정이 3D 이미지로 대체됐다.

압출, 가류, 인취기를 거치는 동안 원재료로 투입된 고무 띠는 긴 실링으로 재탄생한다. 이 과정에서 열과 압력, 배합비, 점도 등 다양한 물리적·화학적 공정이 이뤄진다. 이미지를 분석한 AI는 제품의 결함 여부를 판단하고 압출 공정의 최적 속도(RPM)를 추천한다. 여기서 얻은 최상의 공정 조건이 다음날 공정까지 자동으로 이어지고 수정을 반복하는 구조다.

이 사업을 토대로 지난해 화승알앤에이는 피지컬 AI ‘PINN모델’ 제조융합데이터 수집 실증사업을 추진했다. 탄성체 복잡성을 수학적 알고리즘으로 계산하는 PINN 모델 데모는 그간 구축해 온 제조 인프라에서부터 출발했다.

PINN 모델은 데이터의 양보다 현상을 이해하고 설명할 수 있는 피지컬 AI를 위한 초 고정밀 물리 융합 데이터를 활용한다. 고무의 복잡한 점탄성 움직임을 해석하고, 가황 과정에서 열전달로 활성화하는 화학 반응을 모델링한다.

분석을 수행한 서울대 에너지공정공학연구실은 압출 공정의 고무 틀의 부피 팽창과 압축 이후의 고무 특성 예측을 위한 데이터 수집을 시도했다. 제조 데이터 수집을 위해 기존 48개의 센서를 600개로 늘려 제조 공정의 열전달 방정식을 수립하면서, 피지컬 AI 구현을 위한 PINN 모델 데모 구현에 성공했다.

◇ 다크 팩토리 실현 위한 연구 박차

가장 복잡한 제조 공정인 탄성체 분야에서 피지컬 AI 도입이 가시화하자 화승알앤에이는 장기적으로 다크 팩토리 구현을 목표로 사업 고도화에 나섰다. 명례산단의 ‘부산실증테크센터’는 그룹 차원의 AX 실험 공간으로 만들 예정이다. 화승 통합기술본부의 연구개발인력을 한 곳에 집중시켜 자동차 부품 중심의 연구개발을 넘어 피지컬 AI 기반의 자율 제조와 신소재 탄성체를 사업화하는 인큐베이팅의 거점으로 삼는다는 구상이다.

박 전무는 “지난해까지 추진한 과제를 바탕으로 공정을 고도화하고 후공정 자동화 라인과 연계할 예정”이라며 “지금까지 확보한 공정을 바탕으로 피지컬 AI 기반의 자율 제조를 완성할 계획”이라고 말했다.

부산=민건태 기자 minkt@hankyung.com