샌프란시스코에 본사를 둔 스타트업 Niobia는 배터리 및 반도체 제조에서 가장 비용이 많이 드는 문제 중 하나인 생산 라인에서 발생하는 결함의 원인 파악에 대응하고 있다. 이 회사는 결함을 감지하는 AI 소프트웨어를 사용하며, 엔지니어들이 챗봇에 결함이 발생한 이유를 질문하고 관련 데이터를 며칠 동안 수작업으로 조사하는 대신 몇 분 안에 분석할 수 있도록 한다.
이 기술을 사용하는 기업들은 결함을 모니터링하기 위해 생산 라인에 AI 에이전트를 배치하는 한편, 인간 엔지니어들은 가능한 원인을 규명하고 실패 조건을 이해하는 과정에 계속 참여한다. 이러한 에이전트는 센서와 유사한 방식으로 제조 장비에 직접 설치된 독립형 GPU에서 작동하며, 이를 통해 미세한 결함을 감지할 수 있다. 여기에는 크기가 현미경 수준에 불과한 흠집이나 구멍도 포함된다.
결함 발견에서 원인 해석까지
Niobia의 기능은 문제가 존재한다고 보고하는 데 그치지 않는다. 플랫폼은 관련 데이터를 한곳에 모은 뒤 엔지니어들이 챗봇을 통해 후속 질문을 하면서 무슨 일이 발생했는지 파악하고 가능한 원인을 심층적으로 분석할 수 있도록 한다. 회사는 이러한 접근 방식이 연구개발 또는 제조 공정 개선 중 문제가 발생한 뒤 생산 라인을 재가동하는 데 필요한 시간을 줄이는 것을 목표로 한다고 밝혔다.
배터리 및 반도체 산업에서는 속도가 특히 중요하다. 각각의 오류가 큰 비용이 드는 가동 중단과 제조 일정 지연으로 이어질 수 있으며, 일부 경우 손실액은 수백만 달러에 이를 수 있다. 또한 재료 및 기술 개발 공정이 복잡하기 때문에 단순히 규격을 충족하지 못하는 제품을 발견하는 것보다 결함 원인을 파악하는 일이 더 어렵다.
제조 데이터 보호를 위한 로컬 AI
Niobia는 오픈소스 모델을 기반으로 배터리 및 반도체와 관련된 데이터와 연구를 활용해 모델을 재훈련한다. 공동 창업자 Gaurav Jha에 따르면 회사가 이 경로를 선택한 이유는 고객들이 보호를 약속받더라도 민감한 산업 데이터를 공용 클라우드로 보내기를 원하지 않기 때문이다.
회사는 고객이 자체 암호화 키를 보유할 수 있도록 하며, 이에 따라 Niobia는 고객 데이터를 복호화할 수 없다. 이는 플랫폼의 요구사항이 결함 발견의 정확도뿐 아니라 데이터가 어디에서 처리되는지, 누가 데이터에 접근할 수 있는 권한을 보유하는지와도 관련된다는 점을 보여준다. 특히 지식재산과 지정학적 경쟁에 대한 민감도가 높은 산업에서는 더욱 그렇다.
초기 집중 분야와 더욱 자율적인 공장을 향한 포부
현재 제품은 세 가지 제조 공정에 집중한다. 막 코팅, 전류를 사용해 표면을 금속으로 덮는 전기 도금, 그리고 고체 입자를 기체나 액체 안에 부유시키는 화학 공정인 유동층 반응이다. Jha는 회사가 향후 기술의 자율성을 높여 더 높은 수준으로 스스로 운영될 수 있는 공장에 도달하고자 한다고 말했다.
이 소식이 중요한 이유는 무엇인가? Niobia의 제안이 지닌 실질적 가치는 엔지니어를 대체하는 데 있는 것이 아니라 결함을 발견한 시점과 그 원인을 이해하는 시점 사이의 시간을 줄이는 데 있다. 그러나 해당 자료는 플랫폼의 성능, 고객 수 또는 발견 정확도에 관한 수치를 제시하지 않는다. 따라서 실제 상업적·산업적 영향은 독립적인 운영 결과를 통해 검증될 필요가 있다. 또한 자율 운영 공장을 향한 포부는 여전히 미래의 목표이며, 현재 완성된 역량으로 발표된 것은 아니다.