인공 지능 건설 기계를 위한 기계 학습의 필요성

인공 지능 건설 기계를 위한 기계 학습의 필요성

 

건설기계산업연구원  김인유

 

 

건설 산업에서 기계 학습(Machine learning)은 많은 것을 의미하며, 그 핵심은 데이터라는 것이다.

 

텔레매틱스를 통해 생성되는 데이터가 많을수록 학습할 데이터가 많아지므로 인공 지능(AI)이 더욱 발전한다는 것이다. 데이터가 복잡할수록 AI에 유리하고, AI가 더 발전하여 의사 결정이 개선된다는 것이다. 즉, 데이터와 AI가 서로 유입되는 루프( loop) 덕분에 건설 효율성이 높아지고 있다는 의미이다.

 

기계 학습(Machine learning)은 시스템이 명시적으로 프로그래밍하지 않고도 자동으로 학습하고 경험에서 개선할 수 있는 기능을 제공하는 AI 애플리케이션이다. Trimble의 글로벌 IP 이사인 Jim Coleman이 간결하게 말했듯이 "데이터는 AI의 연료라는 것이다."

 

• 인공 지능(AI : Artificial Intelligence)

AI와 데이터가 루프에 있다는 개념을 확장하여 서로의 발전을 돕는다는 것이다. 즉, 데이터를 더 많이 얻을수록 폭 넓은 문제를 처리할 수 있고 더 많은 문제를 해결할 수 있다는 것이다.

AI에서 해야 할 일이 많은데 이 모든 것이 자료를 수집하고, 데이터를 구성하고, 그 데이터를 분석 및 평가라는 개념에 초점을 맞추고 있다는 것이다.

데이터는 모든 AI 및 기계 학습을 위해 생명선으로 많은 건설 업체들은 이미 인식하지 못한 채 사용할 수 있는 데이터를 가지고 있다.

수년에 걸쳐 프로젝트 및 활동을 통해 수집된 이 데이터는 기계 학습에 필요한 소스가 될 수 있으며, 이 기존 데이터를 사용하여 학습한 다음 실제 예측 시나리오에 사용하기 전에 검증 테스트와 비교하고 훈련할 수 있다. 전문 기술 회사가 진행 중인 작업은 말할 것도 없고 자체 프로그램을 보유한 많은 제작사와 함께 건설 현장에서 기계 학습의 예는 수없이 많다.

기계 학습은 지난 몇 년 동안 빠르게 확장되었으며 여러 응용 프로그램이 있다. 기계 학습을 통해 건설 업계의 주요 의사 결정권자는 채석장, 현장 개발 작업, 도로 건설 또는 지하 애플리케이션에서 작업의 모든 측면을 더 쉽게 ​​관리할 수 ​​있으며, 더 큰 그림은 건설 회사가 더 효율적으로 기능하고 자원을 최적화할 수 있게 해줄 것이다.

 

또한, 이 프로세스의 핵심 단계는 스마트 건설 기계가 중앙 집중식 클라우드 기반 시스템에 연결할 수 있는 능력이라는 점이다. 건설 산업에서 새로운 수준의 지능과 자동화를 실현할 수 있는 기계 학습(machine learning)의 잠재력은 어느 정도 무한할 것으로 보인다. 그러나 그것은 모두 우리가 수집할 수 있는 데이터의 품질과 양, 그리고 그것을 스마트 머신을 통해 얼마나 잘 사용할 수 있는지에 달려 있다.

 

최근 일부 건설 기계의 불도저, 굴착기와 스키드 로더 등은 자율 건설 기계로 로봇 공학을 적용하여 AI 안내 시스템을 통하여 특정 반복작업에서 자율적으로 작동하고 작업을 할 수 있도록 하고 있으며, 복잡한 경우는 조종사가 필요하다.

작업 현장의 특정 작업을 자동화하여 작업이 원활하게 이루어지길 바라며, 특정 작업에 초점을 맞추고 잘 수행하며 기존 작업 흐름에서 작업할 수 있도록 돕고 있다.

 

건설 현장은 매우 복잡하여서 일부 건설 기계 자동화하는 것만으로도 많은 도움이 되고 많은 생산성을 향상할 수 있다.

 

• 유압 시스템(Hydraulic system)

예를 들어 Caterpillar, Komatsu 또는 Volvo 등의 굴착기를 변환하는 전자 제어 유압 시스템이 있는 한 그렇게 다르지 않다. 물론 조종사 없이 작업 중인 대형 굴착기 나 광산 트럭은 항상 우리의 관심과 상상력을 사로잡을 것이다. 그들은 건설 현장에서 기계 학습의 가장 시각적인 측면일 수 있다. 그러나 다른 많은 사례가 뒤에서 작용하고 있다.

 

AI는 기계가 고장 나거나 더 광범위하고 거시적인 의미로 생산적으로 사용되지 않을 때 조종사에게 알리는 것과 같은 특정 작업을 위해 사용된다. 예를 들어 프로젝트를 가장 잘 구성하는 방법을 계획하는 계약자들을 위해 가장 효율적인 프로세스를 살계 할 수 있는 AI 소프트웨어가 있다는 것이다.

 

AI는 일정 지연 및 비용 초과에 대해 예측할 수 있다. 일정 및 예산 실적에 대한 기존 데이터가 있는 경우가 많아서 이를 예측에 사용할 수 있으며, 이러한 예측은 시간이 지남에 따라 AI가 보유한 데이터가 많을수록 개선될 것이다.

 

건설에서 '스마트화'는 데이터를 사용하고 성능을 비교함으로써 공급망 선택이 스마트해지고, 현재와 관련이 있을 수 있는 과거의 리스크를 파악하고 정량화하기 위해 기계 학습을 활용해 리스크 계획도 스마트해지고 있다는 것이다.

건설이 다른 산업에 비해 신기술을 채택하는 속도가 느리다는 것은 의심의 여지가 없지만, 이는 새로운 아이디어에 대한 뿌리 깊은 거부감 때문만은 아니다.

 

• 새로운 도전 – 디지털 트렌드

건설과 관련하여 두 개의 프로젝트 또는 실제로 건설 현장이 같지 않기 때문에 채택 프로세스가 느려집니다. 따라서 기술은 항상 새로운 과제에 직면한다. 기계 학습이 개발됨에 따라 굴착, 포장 또는 밀링과 같은 반복적인 작업에서 가장 잘 작동하지만, 잠재력은 그 이상이라고 생각한다.

 

우리가 앞으로 나아가고 AI가 계속 발전함에 따라 우리는 건설 프로젝트의 모든 측면에 적용하기 시작할 것이다. 잠재적인 애플리케이션은 무수히 많으며, 효율성 향상, 작업과정 개선 및 산업의 가속화 된 속도가 모두 가능하다.

 

자동화된 건설 기계는 조종사가 이를 감독할 필요가 있다. 이 분야가 발전함에 따라 기계 3~5대당 한 사람이 될 수 있으며, 현재로서는 불분명하다. 기술 부족에 직면한 건설은 흥미로운 길입니다. 계약자가 프로젝트를 더 잘 계획, 실행 및 모니터링하는 데 도움이 되는 AI도 있다. 수십억 달러 규모의 프로젝트를 계획하고 구현할 때 잠재적인 혁신적 이점을 확인하기 위해 기계 학습 유형 지능을 필요하지 않습니다.

건설 및 토목 산업의 인력 부족이 장기적인 주요 문제로 낮은 출산율과 숙련된 인력 감소라는 것이다. 이로 인해 AI 및 텔레매틱스와 같은 디지털 기술이 탑재된 기계에 대한 수요가 증가할 것이며, Covid-19와 같은 전염병으로 인해 사회적 거리 두기 요구 사항을 준수하기 위해 자동화 및 원격 작업이 더 많이 필요하므로 디지털 방식으로 강화된 기계에 대한 수요를 더욱 증가시킬 수 있다. 특히 자동 정지 장치 및 경보와 같은 안전 기능은 항상 필요하다는 것이다.

 

디지털화 추세는 렌탈 부문에 유익할 것으로 보인다. 즉, ICT 기능으로 인해 새로운 기계의 높은 구매 가격으로 인해 임대 보급률이 증가할 것이고, 국내 건설 지출이 안정적으로 유지된다면 임대 부문에서 지출되는 금액이 늘어날 것으로 예상한다. 디지털 기술은 효율성을 높이기 위해 민간 프로젝트에 자주 선택되지만, 공공 작업에서도 필요하다.