Pegatron, 비주얼 AI 에이전트와 디지털 트윈을 통해 공장 운영을 확장하다

전통적인 생산 라인 계획은 공장 인력의 경험에 의존해 작업대와 작업을 배치하므로, 실제 운영 환경에 대한 예측적 인사이트가 부족합니다. 생산 라인의 설비종합효율(Overall Equipment Effectiveness, OEE)은 운영이 시작된 뒤에야 평가할 수 있는데, 이때는 이미 자본이 투입된 상태라 너무 늦은 경우가 많습니다. Pegatron은 NVIDIA Omniverse를 사용하여 PEGAVERSE라는 디지털 트윈 플랫폼을 구축했습니다. 이 플랫폼은 공장 운영을 물리적으로 정밀하게 시뮬레이션한 환경을 구현하고, 데이터를 디지털화해 시스템 병목 현상 조기 감지와 같은 개선 기회를 식별합니다.

PEGAVERSE는 시뮬레이션과 현실 기반 인텔리전스를 결합하여 생산 라인이 구축되기 전에 빠른 운영 개선을 지원합니다. 생산 라인 계획은 사이클 시간을 추정하고 효율성을 예측하며 병목 구간을 식별하기 위해 먼저 시뮬레이션될 수 있습니다. 그런 다음, 결과를 바탕으로 시뮬레이션을 최적화하고 조정하여 활용도를 극대화할 수 있습니다. PEGAVERSE는 시뮬레이션과 평가를 통해 실제 라인을 반복 수정하는 데 드는 시간과 비용을 효과적으로 줄일 수 있습니다.

Pegatron은 실제 구현 전에 공간의 모든 측면을 설계, 테스트, 최적화할 수 있도록 실제 생산 시설에 상응하는 6개의 가상 공장을 배포했습니다. 이는 신규 공장의 건설 기간을 40% 단축하는 데 기여할 것으로 예상됩니다.

Pegatron에는 생성형 AI와 AI 에이전트를 통해 프로세스를 최적화할 수 있는 기회가 많이 존재합니다. 그러나 각 부서는 자체적으로 에이전트를 개발하면서 필요 컴퓨팅 리소스, MLOp 파이프라인, 최소 표준화와 관련된 문제로 어려움을 겪고 있었습니다. Pegatron은 더 높은 수준의 효율성을 실현하기 위해 다양한 AI 에이전트를 개발하고 훈련하며 배포할 수 있는 AI 팩토리인 PEGA AI를 구축했습니다. Pegatron은 NVIDIA AI Enterprise와 NVIDIA DGX™를 사용하여 풍부한 파운데이션 및 추론 모델 포트폴리오를 기반으로 데이터 처리, 모델 맞춤화, 검색 증강 생성(RAG), 가드레일을 간소화함으로써 AI 에이전트 개발을 가속화하고 있습니다. 모델에는 거대 언어 모델(LLM)과 NVIDIA VILA 아키텍처 기반의 맞춤형 비전 언어 모델(VLM)이 포함되어 있습니다.

PEGA AI는 지난 4년간 전사적으로 AI 에이전트 개발을 400% 가속화했습니다. 이 PEGA AI 에이전트들은 NVIDIA Isaac Sim 기반의 로봇과 영상 분석을 위한 NVIDIA Metropolis 기반의 카메라 인프라로부터 센서 기반 데이터를 수집합니다. 이 에이전트들은 지능형 고객 서비스 에이전트, 품질 검사자, 창고 운영 에이전트 등으로 배포되어 기계 상태 모니터링, 안전 규정 준수, 프로세스 최적화 등을 수행할 수 있습니다.

정밀 제품 조립 분야의 선두 주자인 Pegatron은 PEGA AI와 NVIDIA AI Blueprint for Video Search and Summarization(VSS)을 사용하여 PEGA Visual Analytics Agent(VAA)를 구축했습니다. AI 공장을 확장하는 데 있어 지속적인 과제는 복잡한 수작업 절차와 높은 인력 이직률입니다. 예를 들어, 수작업 조립 공정의 규정 준수 모니터링은 노동 집약적이고 오류 발생률이 높으며 리소스가 부족한 상황에서 확장하기 어려운 작업입니다.

이러한 문제를 해결하기 위해 Pegatron은 VSS를 사용해 실시간으로 조립 공정을 모니터링하고 개선할 수 있는 Assembly Guiding Agent를 배포했습니다. 이 에이전트는 조립 공정을 분석해 잠재적인 이상을 감지하고, 조립 공정 전반에서 안전 기준이 준수되고 있는지를 확인합니다. 예를 들어, 전화기나 노트북 조립 중에 나사를 빼먹는 등의 실수가 발생하면 Pegatron의 작업자는 실시간 알림을 수신하고 즉시 오류를 수정할 수 있습니다. 공장 현장 운영자는 사고 당시의 영상 클립을 검토하고, 추가 이해를 위해 Assembly Guiding Agent에게 질문할 수도 있습니다.

이 AI 에이전트를 조립 공정에 도입하면서 Pegatron은 조립 라인당 인건비를 7% 줄이고, 결함률도 67%나 낮추는 성과를 내고 있습니다. NVIDIA와의 협업을 통해 Pegatron은 일관된 품질을 보장하고 더 효율적으로 공정을 관리하며 제조 운영 전반에서 혁신과 성과를 이끌어내고 있습니다.

또 다른 사례는 글로벌 IC 기판 공급업체이자 Pegatron의 고객인 Kinsus International Technology로, 이 회사는 제조 결함을 식별하고 해결하는 데 어려움을 겪고 있었습니다. 이 때문에 제조 엔지니어들은 문제 파악을 위해 기계 설정, 소재 온도 등의 요소를 연관시키며 수천 개 단위를 수작업으로 검사하느라 많은 시간을 소비해야 했습니다. Kinsus는 PEGA AI를 통해 이미지 분석과 제조 데이터를 결합하여 자동으로 문제를 분석하고 해결하는 멀티모달 AI를 구축했습니다. 이제 이 회사는 결함뿐만 아니라 근본 원인까지 정확하게 식별할 수 있게 되었습니다. NVIDIA VLM으로 강화된 이 AI 기반 접근 방식을 통해 분석 정확도는 76%에서 거의 95%까지 향상되었고, 결함 분석에 걸리던 시간은 며칠에서 거의 제로에 가깝게 대폭 단축되었습니다. 그 결과, Kinsus는 제품 품질 관리 수준을 크게 개선하고, 자율 제조로의 전환을 가속화할 수 있었습니다.

Pegatron은 디지털 트윈과 AI 기반 공장을 결합하여 대규모 AI 에이전트 훈련을 진행하며 산업용 AI 분야의 선두 주자로 자리매김하고 있습니다. 일례로, Pegatron은 접착제를 분사하는 로봇이 접착제의 점도나 실내 온도 등 변화하는 환경 조건에 동적으로 적응할 수 있도록 지원하는 AI 에이전트를 구축했습니다. 이 팀은 고급 시뮬레이션과 PEGA AI를 활용하여, 접착제 분사 정책을 학습하고 시뮬레이션된 PEGAVERSE 내에서 이를 연습할 수 있는 에이전트를 개발했습니다.

이 에이전트는 자율적으로 자기 평가를 수행하고 접착제 분사 기계의 파라미터를 최적화할 수 있을 때까지, 그리고 동적으로 실시간 환경 변화에 적응할 수 있게 될 때까지 PEGAVERSE 데이터 플라이휠 내에서 fine-tuning됩니다. 이 과정을 통해 일관된 품질과 효율성이 확보됩니다. PEGAVERSE 내에서 다양한 시나리오를 시뮬레이션하고 빠르게 개선을 반복함으로써, 시스템은 개발 주기를 며칠에서 몇 분으로 가속화하고 확장형 및 지능형 자동화를 통해 스마트 공장을 구현할 수 있습니다. PEGAVERSE는 시뮬레이션에서 실제 환경으로의 정책 이전을 가속화하며 결함 또는 중복을 식별하는 단계에서 맥락 기반 추론과 인과관계 분석을 적용하는 단계로 진화하고 있습니다. Pegatron의 NVIDIA GTC 발표, 디지털 트윈과 AI 팩토리의 조화: 산업 자율성의 실현을 시청하며 AI 기반 공장이 어떻게 대규모로 AI 에이전트를 훈련해 실제 운영을 최적화하고 자동화를 촉진할 수 있는지 확인해 보세요.