[AI 도입 사례 ⑦] BMW 제조 AI: 불량이 드물수록 합성 데이터가 필요한 이유
BMW는 실제 불량이 충분히 생기기를 기다리지 않고 80만 장 이상의 합성 이미지와 80개 산업 범주를 활용합니다. 중소 제조기업의 비전검사 PoC 설계를 분석합니다.
제조 비전검사의 역설은 좋은 공장일수록 불량 데이터가 부족하다는 점입니다. 불량이 적으면 학습할 이미지가 모이지 않고, 신제품은 생산이 시작되기 전이라 실제 결함 사진 자체가 없습니다. BMW는 이 문제를 합성 데이터로 앞당겼습니다.
공개된 데이터와 운영 방식
NVIDIA의 BMW 사례에 따르면 BMW는 Omniverse Replicator와 Isaac Sim으로 수천 장의 사실적 학습 이미지를 한 번에 생성하는 파이프라인을 만들었습니다. SORDI.ai는 80개 범주에 걸친 80만 장 이상의 사실적 산업 이미지를 제공하는 데이터 플랫폼으로 소개됩니다.
BMW의 Presence Detection은 주요 부품 이미지를 실시간으로 평가하고 이상을 작업자에게 알립니다. BMW 자체 AIQX 소개도 카메라와 센서 데이터를 실시간 분석해 완전성, 변형, 이상을 검사한다고 설명합니다.
| 항목 | 공개 내용 | 실무 의미 |
|---|---|---|
| SORDI 이미지 | 80만 장 이상 | 대규모 합성 학습 기반 |
| 객체 범주 | 80개 | 여러 산업 시나리오 재사용 |
| 생성 방식 | 결함·조명·각도·배경 시뮬레이션 | 희귀 조건을 의도적으로 확대 |
| 적용 시점 | 생산 시작 전 학습 가능 | 신제품 램프업 단축 |
| 최종 운영 | AI 탐지 후 작업자 대응 | 사람 중심의 품질 루프 |
합성 데이터는 실제 데이터를 없애지 않는다
합성 이미지는 필요한 결함을 원하는 빈도로 만들 수 있습니다. 조명, 카메라 각도, 부품 위치, 오염, 누락 같은 변수를 체계적으로 바꿀 수 있습니다. 하지만 가상 환경이 실제 공장의 렌즈 왜곡, 반사, 진동, 먼지를 완벽히 재현하지 못하면 모델은 시뮬레이션에서만 잘 작동할 수 있습니다.
따라서 실제 양품·불량 이미지로 최종 검증하고, 생산 중 새로 발견된 실패 사례를 다시 학습 데이터에 넣는 폐쇄 루프가 필요합니다.
합성 데이터의 역할은 현실을 대체하는 것이 아니라, 현실에서 너무 늦게 생기는 희귀 결함을 학습 가능한 시점으로 앞당기는 것입니다.
중소 제조기업의 PoC 순서
가장 비싼 검사 공정이 아니라 가장 정의가 분명한 한 가지 결함부터 고릅니다. 부품 누락, 라벨 위치, 체결 여부, 표면 흠집처럼 사진으로 판정 기준을 설명할 수 있는 문제가 좋습니다.
| 단계 | 해야 할 일 | 통과 기준 예시 |
|---|---|---|
| 1. 결함 정의 | 양품·불량 경계를 작업표준서로 명시 | 검사자 간 판정 일치 |
| 2. 촬영 고정 | 조명·거리·각도·노출을 표준화 | 동일 부품 이미지 편차 축소 |
| 3. 실제 데이터 | 양품과 확보 가능한 불량 수집 | 추적 가능한 라벨 |
| 4. 합성 보강 | 희귀 결함·각도·조명 조합 생성 | 실제와 시각적 차이 검토 |
| 5. 현장 검증 | 라인 속도에서 오탐·미탐 측정 | 결함별 재현율과 오탐률 |
| 6. 사람 연결 | 불확실 샘플을 작업자에게 전달 | 중단·재검사 절차 확보 |
정확도 하나만 보지 말고 결함별 재현율을 봐야 합니다. 치명 결함을 놓치는 비용과 양품을 불량으로 오판하는 비용이 다르기 때문입니다. 라인 속도, 카메라 장애, 조명 변화, 모델 버전도 함께 모니터링해야 합니다.
만들 것과 살 것을 구분하라
BMW처럼 대규모 합성 데이터 플랫폼을 직접 구축할 필요는 없습니다. 카메라·조명·엣지 장비는 표준 제품을 활용하고, 자사 고유의 결함 정의와 촬영 조건, 작업자 피드백 데이터에 집중하는 것이 중소기업에 더 현실적입니다.
원문 보고서의 삼성전자 사례는 방향성은 타당하지만 같은 범위의 공개 정량 근거를 확인하기 어려워, 이번 글에서는 공개 데이터가 구체적인 BMW 사례를 중심으로 분석했습니다.
참고 자료
- NVIDIA, BMW Group Develop Custom Application on NVIDIA Omniverse: https://www.nvidia.com/en-eu/case-studies/bmw-group-develop/
- BMW Group, How AI is revolutionising production: https://www.bmwgroup.com/en/news/general/2023/aiqx.html