학부뉴스
윤병동 교수 연구팀, 제조 자율화 실현 위한 ‘풀스택 AI 팩토리’ 제조 업무 특화형 파운데이션 모델 구축 나서
작성자
최인형
작성일
2026-08-27
조회
159
서울대학교 기계공학부 윤병동 교수 연구팀, 제조 자율화 실현 위한 ‘풀스택 AI 팩토리’ 제조 업무 특화형 파운데이션 모델 구축 나서
- 2026년도 리더연구(유형A) 선정… 총 9년간 대규모 연구 수행
- 데이터 수집-추론-의사결정-물리적 실행을 잇는 end-to-end 풀스택 제조 AI 생태계 구축
- 해석성·설명성이 내재된 제조 업무 특화형 파운데이션 모델(MxFM, Manufacturing x Foundation Model) 개발 및 실 제조라인 실증
▲ 서울대 기계공학부 윤병동 교수
서울대학교 기계공학부 윤병동 교수 연구팀이 제조 현장의 데이터 수집부터 추론, 의사결정, 물리적 실행까지 전 과정을 인공지능으로 통합하는 ‘풀스택 AI 팩토리’ 실현을 위한 연구에 본격 나선다. 윤병동 교수 연구팀의 「풀스택 AI 팩토리를 위한 제조 업무(x)특화형 파운데이션 모델」 과제가 2026년도 리더연구(유형A)에 최종 선정되어, 2026년 6월부터 총 9년에 걸쳐 대규모 연구를 수행하게 되었다.
■ 연구 배경: 확산되는 파운데이션 모델, 그러나 비어 있는 ‘제조 도메인’
최근 GPT, Sora, Gemini 등 텍스트·이미지 분야의 파운데이션 모델과 Chronos, TimesFM 등 시계열 모델이 글로벌 빅테크를 중심으로 빠르게 확산하고 있다. 그러나 고주파 진동·전류 신호, 공정 이력, 비전 데이터가 복합적으로 존재하는 제조 도메인에는 이를 아우르는 범용 파운데이션 모델이 부재한 실정이다.
제조 데이터는 공정·설비·센서별로 표현 방식이 이질적이고, 자연어처럼 명시적인 의미 구조를 갖지 않아 AI 학습에 그대로 활용하기 어렵다. 문제별로 분절된 개별 모델은 관리에 한계가 있다. 또한 다양한 모달리티를 통합할수록 모델의 판단 과정과 근거를 해석하기 어려워지는 문제도 존재한다. 현장에서는 작업자의 정보처리 병목과 설비 인프라의 물리적 한계도 AI 적용의 걸림돌로 작용해 왔다.
■ 연구 내용: 2단계에 걸친 end-to-end 풀스택 AI 팩토리 구현
연구팀은 1단계에서 ‘제조 업무 특화형 파운데이션 모델’을 구축한다. 먼저 공정 단계·작업 이벤트·설비 상태·센서 역할·업무 목적의 5축으로 제조 데이터의 의미를 재정의하고, 계층적 메타데이터 구조와 편차 보정 체계를 통해 AI가 바로 학습할 수 있는 ‘AI-Ready 제조 데이터’ 체계를 정립한다. 이어 고주파 신호 특성을 반영한 데이터 생성 모델과 물리 정합성 검증 기술로, 희소한 이상·고장(edge/corner) 시나리오까지 포괄하는 full-regime 데이터를 확보한다.
이를 바탕으로 전문가 혼합 구조(MoE, Mixture of Experts) 기반의 제조 업무 특화형 파운데이션 모델을 개발한다. 고주파·저주파 시계열과 이미지 등 각 모달리티의 물리적 특성을 보존한 채 공통 표현 공간으로 정렬하고, 업무 맥락(tag) 정보를 활용해 업무별 잠재공간을 분리 학습함으로써 해석성을 확보한다. 또한 어떤 전문가가 판단에 주로 기여했는지를 추적함으로써 AI의 판단 근거를 보다 투명하게 제시할 수 있는 설명성 내재형 모델을 개발한다. 이미지·저주파 영역은 기존에 개발된 범용 파운데이션 모델을 전략적으로 차용하고, 연구 역량은 제조 도메인의 핵심인 고주파 특화 원천기술에 집중한다.
2단계에서는 실 제조라인 기반의 풀스택 AI 팩토리를 구현한다. 품질(분류), 정비(복원), 안전(객체 인식) 등 제조 업무별 어댑터를 결합해 MxFM을 각 업무에 특화하고, 모델의 출력을 바탕으로 판단 근거와 조치 우선순위까지 제시하는 제조 의사결정 에이전트를 구축한다. 성능 저하를 최소화하면서 설명성을 보존하는 경량화 전략으로 서버-엣지-온디바이스를 포괄하는 다중 스케일 실행 구조를 구현하며, 추론 성능을 넘어 실행 가능성까지 평가하는 다층 실증 체계를 마련한다. 실증은 농심, 시너스텍, 대구기계부품연구원 등 협력 기업·기관의 실 제조라인을 대상으로 진행할 계획이다.
■ 기대 효과: 분절된 제조 AI를 넘어 ‘제조 자율화’로
본 연구는 데이터-모델-의사결정-실행을 통합한 end-to-end 풀스택 AI 팩토리 기반을 마련함으로써, 기존의 분절된 제조 AI 구조를 벗어나 제조 자율화를 실현하는 것을 목표로 한다.
윤병동 교수는 제조 AI 분야의 세계적 선도 연구자로, 산학협력 과제 총 95건(완료 86건, 진행 9건, 총 연구비 약 250억 원)을 수행했으며 Reliability Engineering & System Safety(RESS), Mechanical Systems and Signal Processing(MSSP), International Journal of Mechanical Sciences(IJMS) 등 제조 시스템 분야 최상위 저널에 SCI 논문을 다수 게재했다. 2016년 산업 AI 예지보전 기업 원프레딕트(ONEPREDICT Corp.)를 설립해 LG에너지솔루션, GS칼텍스, 한국항공우주산업, 한국전력공사 등의 현장에 솔루션을 적용했고, 2024년 Forbes Korea A150에 선정되었으며, 2025년부터 산업통상자원부 AI 팩토리 Manufacturing AX 얼라이언스 프로젝트 공동위원장으로 국가 차원의 제조 AI 전략을 주도하고 있다.
▲ 풀스택 AI 팩토리 개념도: 데이터 수집-추론-의사결정-물리적 실행의 end-to-end 생태계
[참고자료]
과제명: 풀스택 AI 팩토리를 위한 제조 업무(x)특화형 파운데이션 모델
지원사업: 2026년도 리더연구(유형A)
수행기간: 2026년 6월 ~ 2035년 2월(총 9년)
주관기관 연구책임자: 서울대학교 기계공학부 윤병동 교수
[문의처]
서울대학교 공과대학 기계공학부 윤병동 교수 / bdyoun@snu.ac.kr
서울대학교 공과대학 기계공학부 초자율화 인공지능 연구실 / 02-880-1664
- 2026년도 리더연구(유형A) 선정… 총 9년간 대규모 연구 수행
- 데이터 수집-추론-의사결정-물리적 실행을 잇는 end-to-end 풀스택 제조 AI 생태계 구축
- 해석성·설명성이 내재된 제조 업무 특화형 파운데이션 모델(MxFM, Manufacturing x Foundation Model) 개발 및 실 제조라인 실증
▲ 서울대 기계공학부 윤병동 교수
서울대학교 기계공학부 윤병동 교수 연구팀이 제조 현장의 데이터 수집부터 추론, 의사결정, 물리적 실행까지 전 과정을 인공지능으로 통합하는 ‘풀스택 AI 팩토리’ 실현을 위한 연구에 본격 나선다. 윤병동 교수 연구팀의 「풀스택 AI 팩토리를 위한 제조 업무(x)특화형 파운데이션 모델」 과제가 2026년도 리더연구(유형A)에 최종 선정되어, 2026년 6월부터 총 9년에 걸쳐 대규모 연구를 수행하게 되었다.
■ 연구 배경: 확산되는 파운데이션 모델, 그러나 비어 있는 ‘제조 도메인’
최근 GPT, Sora, Gemini 등 텍스트·이미지 분야의 파운데이션 모델과 Chronos, TimesFM 등 시계열 모델이 글로벌 빅테크를 중심으로 빠르게 확산하고 있다. 그러나 고주파 진동·전류 신호, 공정 이력, 비전 데이터가 복합적으로 존재하는 제조 도메인에는 이를 아우르는 범용 파운데이션 모델이 부재한 실정이다.
제조 데이터는 공정·설비·센서별로 표현 방식이 이질적이고, 자연어처럼 명시적인 의미 구조를 갖지 않아 AI 학습에 그대로 활용하기 어렵다. 문제별로 분절된 개별 모델은 관리에 한계가 있다. 또한 다양한 모달리티를 통합할수록 모델의 판단 과정과 근거를 해석하기 어려워지는 문제도 존재한다. 현장에서는 작업자의 정보처리 병목과 설비 인프라의 물리적 한계도 AI 적용의 걸림돌로 작용해 왔다.
■ 연구 내용: 2단계에 걸친 end-to-end 풀스택 AI 팩토리 구현
연구팀은 1단계에서 ‘제조 업무 특화형 파운데이션 모델’을 구축한다. 먼저 공정 단계·작업 이벤트·설비 상태·센서 역할·업무 목적의 5축으로 제조 데이터의 의미를 재정의하고, 계층적 메타데이터 구조와 편차 보정 체계를 통해 AI가 바로 학습할 수 있는 ‘AI-Ready 제조 데이터’ 체계를 정립한다. 이어 고주파 신호 특성을 반영한 데이터 생성 모델과 물리 정합성 검증 기술로, 희소한 이상·고장(edge/corner) 시나리오까지 포괄하는 full-regime 데이터를 확보한다.
이를 바탕으로 전문가 혼합 구조(MoE, Mixture of Experts) 기반의 제조 업무 특화형 파운데이션 모델을 개발한다. 고주파·저주파 시계열과 이미지 등 각 모달리티의 물리적 특성을 보존한 채 공통 표현 공간으로 정렬하고, 업무 맥락(tag) 정보를 활용해 업무별 잠재공간을 분리 학습함으로써 해석성을 확보한다. 또한 어떤 전문가가 판단에 주로 기여했는지를 추적함으로써 AI의 판단 근거를 보다 투명하게 제시할 수 있는 설명성 내재형 모델을 개발한다. 이미지·저주파 영역은 기존에 개발된 범용 파운데이션 모델을 전략적으로 차용하고, 연구 역량은 제조 도메인의 핵심인 고주파 특화 원천기술에 집중한다.
2단계에서는 실 제조라인 기반의 풀스택 AI 팩토리를 구현한다. 품질(분류), 정비(복원), 안전(객체 인식) 등 제조 업무별 어댑터를 결합해 MxFM을 각 업무에 특화하고, 모델의 출력을 바탕으로 판단 근거와 조치 우선순위까지 제시하는 제조 의사결정 에이전트를 구축한다. 성능 저하를 최소화하면서 설명성을 보존하는 경량화 전략으로 서버-엣지-온디바이스를 포괄하는 다중 스케일 실행 구조를 구현하며, 추론 성능을 넘어 실행 가능성까지 평가하는 다층 실증 체계를 마련한다. 실증은 농심, 시너스텍, 대구기계부품연구원 등 협력 기업·기관의 실 제조라인을 대상으로 진행할 계획이다.
■ 기대 효과: 분절된 제조 AI를 넘어 ‘제조 자율화’로
본 연구는 데이터-모델-의사결정-실행을 통합한 end-to-end 풀스택 AI 팩토리 기반을 마련함으로써, 기존의 분절된 제조 AI 구조를 벗어나 제조 자율화를 실현하는 것을 목표로 한다.
윤병동 교수는 제조 AI 분야의 세계적 선도 연구자로, 산학협력 과제 총 95건(완료 86건, 진행 9건, 총 연구비 약 250억 원)을 수행했으며 Reliability Engineering & System Safety(RESS), Mechanical Systems and Signal Processing(MSSP), International Journal of Mechanical Sciences(IJMS) 등 제조 시스템 분야 최상위 저널에 SCI 논문을 다수 게재했다. 2016년 산업 AI 예지보전 기업 원프레딕트(ONEPREDICT Corp.)를 설립해 LG에너지솔루션, GS칼텍스, 한국항공우주산업, 한국전력공사 등의 현장에 솔루션을 적용했고, 2024년 Forbes Korea A150에 선정되었으며, 2025년부터 산업통상자원부 AI 팩토리 Manufacturing AX 얼라이언스 프로젝트 공동위원장으로 국가 차원의 제조 AI 전략을 주도하고 있다.
▲ 풀스택 AI 팩토리 개념도: 데이터 수집-추론-의사결정-물리적 실행의 end-to-end 생태계
[참고자료]
과제명: 풀스택 AI 팩토리를 위한 제조 업무(x)특화형 파운데이션 모델
지원사업: 2026년도 리더연구(유형A)
수행기간: 2026년 6월 ~ 2035년 2월(총 9년)
주관기관 연구책임자: 서울대학교 기계공학부 윤병동 교수
[문의처]
서울대학교 공과대학 기계공학부 윤병동 교수 / bdyoun@snu.ac.kr
서울대학교 공과대학 기계공학부 초자율화 인공지능 연구실 / 02-880-1664
