제조업에 AI를 적용하기 위해서는 앞서 언급한 대로 ‘데이터 구축’이 잘 되어 있어야 한다. 네이버가 ‘각세종’을 만든 이유도 데이터를 잘 구축하려는 이유이듯이 AI 학습, 그러니까 머신러닝, 딥러닝 기술을 적용하기 위해서는 충분한 규모의 데이터 제공이 필요하다. 현재 이 분야는 대학교나 국책 연구기관에서 많은 연구가 이루어지고 있는데, 그들과 대화를 해보면 한결같이 데이터가 부족하다고 한다. 일반 공공데이터도 이런 상황인데 제조 데이터는 더욱 부족한 것이 현실이다.

그래서 많은 연구자들은 시뮬레이션을 통해 데이터를 양산하여 이렇게 만들어진 데이터와 실질 데이터를 혼합해서 AI를 돌려보고, 그 값이 실질 제조 단계와 유사하게 나오도록 지속적으로 딥러닝과 머신러닝을 하면서 가시적인 연구 성과를 만들어가고 있다.

제조 데이터가 잘 구축되어 있는 플랫폼의 국내 사례는 미미하다고 볼 수 있다. 해외는 국내보다는 나은 편이지만 역시 부족한 것이 현실이다. 특히 중소기업에는 AI 분야가 생소할 수밖에 없기에 공공부문에서 활성화를 위한 투자가 필요한 것이 당연하다.

이에 중소기업벤처부는 산하 공공기관인 스마트제조혁신추진단과 함께 KAMP(Korea AI Manufacturing Platform)를 구축했다. 2021년부터 2023년까지는 구축과 실증하는 데 주력을 하였으며, 2024년부터 2027년까지는 활성화를 목표로 콘텐츠를 다양화할 예정이다.

KAMP는 중소기업 및 학계, 연구기관 등 관심 있는 곳에서 이 사이트에 들어와 제조 AI를 직접 프로그래밍해보고 그 효용성을 체험해 볼 수 있도록 만들어진 온라인상의 플랫폼이다. 많은 ‘데이터셋’이 공개되어 있는데, 중소 제조 현장에서 확보한 6개 목적하에 50여 종의 데이터셋이 등록되어 있다.

6개의 목적으로 데이터를 분류해 보면 공급망 최적화, 생산 공정 최적화, 예지 보전, 자원 최적화, 품질 보증 및 기타 목적으로 분류되어 있으며, 업종별로는 기계 부품, 열처리 및 표면처리와 같은 뿌리 산업, 사출 성형, 식품 가공, 전자 부품 데이터로 구성되었다. 2023년 12월 기준 5만여 건의 다운로드 수를 기록하고 있으며, 올해부터 제2기 KAMP 활성화 단계가 진행되면서 보다 다양한 콘텐츠가 보완될 것으로 기대된다. 체험의 공간이기에 목적 기반 데이터를 분석할 수 있는 7가지의 통계 프로그램과 AI 분석 도구를 무료로 제공하고 있다. 한마디로 ‘중소기업의 AI 놀이터’라고 말할 수 있다. 핵심 놀이기구가 구비되어 있는데 바로 제조 데이터와 분석 도구이다. 가이드북이 있어 안내하는 대로 따라 하기만 하면 체험할 수 있도록 되어 있어 날이 갈수록 관심이 많아지고 있다.

해외 공개 데이터 사례를 보면, Paper with Code나 Kaggle 등이 있으며 대부분 AI 알고리즘 학습을 위한 목적으로 공개되고 있다.

Paper with Code는 개인 및 단체가 연구한 연구 결과를 공유하고 기존의 연구 성과와 AI 모델의 성능을 겨루는 일종의 온라인 지식 공유 커뮤니티를 제공하고 있다. 2023년 8월 기준 11,511개의 벤치마크, 4,331개의 테스크(tasks), 총 103,497 코드 누적 성과가 있다. 이곳은 연구 성과는 자유롭게 공유하는 대신 학습과 AI 알고리즘 개발의 기준이 되는 데이터셋은 정확한 기준 관리를 위해 주요 기여자들의 검토에 의해 그 품질을 관리하는 것이 특징이다.

Kaggle은 기업 및 단체에서 데이터와 해결 과제를 등록하면 데이터 연구자들이 이를 해결하는 AI 모델을 개발하고 공유하는 Open Innovation 방식을 활용하고 있다. 예측 모델 및 분석 대회 플랫폼으로 2023년 8월 기준, 244,845개의 데이터셋이 등록되어 있으며 이중 제조업 관련 사례는 3,646건, 제조 데이터셋은 421건 등록되어 있다.