KAIST는 제조 현장의 공정 변경에도 기존 인공지능(AI) 모델을 재학습하지 않고 불량을 탐지할 수 있는 시계열 도메인 적응(Time-series Domain Adaptation) 기술을 개발했다고 26일 밝혔다.

연구팀은 이 기술을 통해 AI 모델 성능을 최대 9.42% 향상시키는 성과를 거뒀다.

스마트팩토리에서 활용되는 기존 AI 불량 탐지 시스템은 기계 교체나 온도·압력·속도 변화 등으로 제조 공정이 바뀌면 성능이 급격히 저하됐다.

이번에 개발된 기술은 시간에 따라 변하는 센서 데이터를 추세·비추세·주파수 성분으로 분해해 특성을 파악한다,

또 기존 모델의 예측 결과를 새로운 공정의 데이터 군집 정보와 비교해 자동으로 예측값을 보정하는 'TA4LS(Time-series domain Adaptation for mitigating Label Shifts)' 기술을 개발했다.

실험은 변화가 발생한 4종류의 센서 데이터를 활용해 진행됐으며, 특히 레이블 분포 차이(불량 발생 패턴 차이)가 클 때 성능 개선 효과가 두드러졌다.

연구팀은 별도의 복잡한 개발 과정 없이 기존 AI 모델에 플러그인 형태(추가 부품)로 적용할 수 있어 실용성이 높다고 강조했다.

이번 연구는 나지혜 KAIST 전산학부 박사과정 학생이 제1 저자, 남영은 박사과정, 강준혁 LG AI 연구원이 공동 저자로 참여했다.

연구 결과는 인공지능 분야 국제 학회인 '지식발견·데이터마이닝학회 2025'에서 발표됐다.

이재길 KAIST 전산학부 교수는 "제조업에서 인공지능 도입의 가장 큰 걸림돌이던 공정 변경 시 재훈련 문제를 해결한 기술"이라며 "실용화되면 유지 비용 감소와 불량 탐지율 개선을 통해 스마트팩토리 확산에 도움이 되길 기대한다"고 말했다.