Product design gets an AI makeover

AI, 제품 설계를 변화시키다

인공지능을 도입하면 시뮬레이션 소프트웨어 엔지니어링이 간단해지고 생산 공정이 개선되고 혁신이 확대된다.

오늘날 엔지니어들은 매일 수많은 사람들이 사용하는 제품을 개발해야 한다는 큰 부담을 안고 있다.

독일 공작기계 제조업체 헬러그룹(Heller Group)에서 제품 개발과 신사업, 기술을 담당하는 번드 자프(Bernd Zapf)에게 물어보라. 자프는 오늘날 “설계, 엔지니어링, 작동, 엄격한 기준에 따른 높은 완성도 사이에서 균형을 맞춰야 한다”는 부담이 점점 커지고 있다고 말한다.

까다로운 요구가 아닐 수 없다. 그렇지만 자프는 필요한 데이터의 확보와 제품 설계 및 개발 과정에서 인공지능(AI, artificial intelligence)의 도움을 받으면 가능한 일이라고 말한다.

놀랄 일은 아니다. 2020년 11월 발표된 맥킨지 조사에서 응답자의 절반 이상이 자신이 속한 조직이 적어도 한 개 업무에 AI를 도입했고, 22%가 조직 전체 수익의 최소 5%가 AI에 기인한다고 답한 것이다. 특히 제조업 부문 응답자의 무려 71%가 AI 도입으로 매출이 5% 이상 늘었다고 답했다.

물론 처음부터 그랬던 것은 아니다. AI가 “제품 개발에 거의 쓰이지 않던 시절을 지나” 지난 몇 년 동안 서서히 발전했다고 자프는 말한다. 이제 구글, IBM, 아마존 등 AI 혁신을 대표하는 거대 기술 기업들은 “AI를 다른 부문에도 도입하기 위해 새로운 기준 마련에 나섰다.” 엔지니어링이 대표적인 분야다.

“AI는 설계 엔지니어의 사용자 경험을 대폭 개선하고 특정 애플리케이션을 개발하는 과정에서 주요 데이터 수집에 사용될 수 있는, 탐구적 성격의 유망 분야”라고 지멘스 인더스트리 소프트웨어의 산업솔루션 책임자 케이트리언 와이케어트(Katrien Wyckaert)는 말한다.

그 결과 AI가 복잡한 시스템을 단순화하고, 제품 출시에 걸리는 기간을 단축하고, 제품 혁신의 원동력을 제공할 수 있는 잠재력을 가진 기술이라는 인식이 점점 높아지고 있다.

복잡한 시스템의 단순화

AI로 제품 개발 과정을 정밀하게 검토할 수 있다는 것이 가장 잘 드러난 사례는 프랑스 자동차 회사 르노(Renault)이다. 점점 까다로워지는 소비자의 요구에 대응하기 위해 르노는 자동화 수동변속기(automated manual transmission, AMT)를 탑재한 신규 모델을 늘리고 있다. AMT는 평소에는 자동변속 모드를 유지하다가 운전자가 버튼을 누르면 기어를 전자적으로 제어할 수 있는 수동변속 모드로 변환되는 시스템이다.

소비자들은 AMT를 선호한다. 그렇지만 이것을 설계하는 것은 지극히 어렵다. AMT의 성능이 기어 전환을 담당하는 전자기계 액추에이터, 차량 상태를 모니터링하는 전자 센서, 변속제어장치에 내장된 엔진 제어 소프트웨어, 이 세 가지 개별적인 서브 시스템에 달려있기 때문이다. 이렇게 복잡한 구조 때문에 시스템의 기능적 요구를 정의하고, 액추에이터 메커니즘을 설계하고, 필수 소프트웨어를 개발하고, 전체 시스템을 검증하면서 각종 시행착오를 겪는 과정에서 최대 1년의 시간이 소요될 수도 있다.

이에, 르노는 AMT 개발의 능률을 높이기 위해 지멘스 DISW가 개발한 짐센터 아메짐(Simcenter Amesim) 소프트웨어를 활용했다. 짐센터 아메짐은 인공지능망 즉, 인간의 뇌를 모방한 AI ‘학습’ 모델에 기반한 시뮬레이션 소프트웨어이다. 엔지니어들은 화면에서 간단하게 아이콘을 ‘드래그’, ‘드랍’, ‘커넥트’하는 동작으로 그래픽 모델을 구축할 수 있다. 간단한 스케치 형태로 화면에 표시된 모델은 AMT 시스템을 구성하는 다양한 요소 간의 관계를 보여준다. 엔지니어들은 이를 통해 AMT 시스템의 작동 방식과 성능을 예측하고, 필요한 개선작업을 개발주기 초반에 마침으로써, 나중에 문제를 발견하여 개발이 지연되는 사태를 방지할 수 있다. 실제로 르노는 하드웨어를 개발하면서 가상 엔진 및 변속기를 활용하여 AMT 개발 기간을 거의 절반으로 단축하는 데 성공했다.

품질과 타협하지 않는 속도

최근 새롭게 추가되는 환경 기준도 르노가 AI 도입을 서두르는 배경이다. 새로운 이산화탄소 배출 기준을 준수하기 위해 그동안 르노는 하이브리드 차의 설계와 개발에 공을 들였다. 그렇지만 하이브리드 엔진 개발은 기존 방식 차량에 들어가는 단일 에너지원 엔진을 개발하는 것보다 훨씬 복잡하다. 하이브리드 엔진을 만들려면 다양한 에너지원에 요구되는 힘의 균형을 맞추고, 다수의 플랫폼 중에서 적절한 것을 선택하고, 변속기와 냉각기가 에너지 성능에 미치는 영향을 분석하는 등의 복잡한 작업을 능숙히 해야 하기 때문이다.

“하이브리드 엔진에 대한 새로운 환경 기준을 맞추기 위해서는 가솔린 엔진의 구조를 처음부터 다시 들여다봐야 한다”고 르노의 시뮬레이션 책임자 빈센트 탈롱(Vincent Talon)은 말한다. 문제는 연비와 배출가스라는 최종 결과물에 영향을 줄 수 있는 액추에이터 수십 개”를 꼼꼼히 살펴보는 것이 매우 길고 복잡한 과정이며, 빠듯한 일정 때문에 일이 더 힘들어진다는 것이라고 덧붙인다.

탈롱은 “현재 다양한 하이브리드 파워트레인 구조를 철저하게 살펴볼 시간은 확실히 부족하다”며 “이렇게 복잡한 새로운 작업을 제대로 해내기 위해서는 선진적인 방법을 사용해야 한다”고 설명한다.

보고서 전문 내려 받기

본 기사는 MIT 테크놀로지 리뷰의 콘텐츠팀 인사이트가 작성했음.

미리보기 3회1회

MIT Technology Review 구독을 시작하시면 모든 기사를 제한 없이 이용할 수 있습니다.