KITECH 생산기술 전문지

최근 생산·제조 분야에서는 센서 융합과 엣지 컴퓨팅, 딥러닝 기반 분석 기술의 확산으로 공정 이상 감지, 설비 상태 진단, 품질 예측 등에서 인공지능(AI) 활용이 빠르게 증가하고 있다. 그러나 다변수·비선형·시간의존적 특성을 갖는 제조 의사결정 환경에서는 정상/이상과 같은 이산적 라벨이 공정 맥락에 따라 확률적으로 변하며, 경계·전이 구간과 분포 변화가 상시 존재한다. 그럼에도 많은 시스템이 항상 하나의 값 또는 클래스를 출력하는 강제 분류(Always Predict) 구조를 채택함으로써, 분포 겹침 구간에서 과신과 오판을 유발하고 비용 비대칭을 충분히 반영하지 못하며, 반복적 오경보에 따른 경보 피로와 시스템 불신을 초래하는 한계를 드러낸다. 본 논문은 이러한 문제를 알고리즘 정확도 중심의 성능 이슈가 아니라 사용자–모델 상호작용을 포함하는 사회기술적 시스템 설계 문제로 재정의하고, Industry 4.0의 연결·자동화 중심 접근을 넘어 Industry 5.0이 강조하는 인간중심·지속가능·복원력 관점에서 제조 AI를 의사결정지원형 Second Opinion으로 위치시킨다. 이를 위해 선택적 예측(Selective Prediction)을 운영 원리로 도입하여, 모델이 확신이 낮은 경우 보류(reject) 또는 이관(defer)하도록 함으로써 자동화 범위를 risk–coverage 관점에서 정량적으로 관리하는 프레임워크를 제안한다. 또한 보류된 사례가 업무흐름에서 의미 있는 의사결정으로 연결되기 위해 용량·우선순위·근거 제시·피드백 루프를 포함한 운영정책을 제시하고, 불확실성 추정의 신뢰성 확보를 위해 확률 보정, 불확실성 추정, 분포 변화 및 OOD 대응 기술 요소와 함께 risk–coverage, reject quality, 운영 지표, 적정 신뢰 지표의 평가 체계를 정리한다. 제안된 프레임워크는 제조 현장에서 “항상 결론을 강제하는 자동화”가 아니라 “확실한 영역에서의 지원과 모호한 영역에서의 유보/이관”을 통해 사용자 부담과 운영 리스크를 완화하고, 인간중심 제조 의사결정지원으로의 전환을 위한 실용적 설계 원리를 제공한다.

키워드 선택적 예측, Second Opinion, 제조 의사결정지원, risk–coverage, 이관 학습, 불확실성 추정, Industry 5.0, 인간중심 설계