A: 결론부터 말하자. 산업 AI 모델 학습에 필요한 데이터량에는 통일된 기준이 없다. 외관 검사는 보통 불량 범주당 수백에서 수천 개의 유효 샘플이 필요하고, 예지 보전은 설비 운전의 시계열 데이터에 더 의존한다. 핵심은 많음이 아니라 적절함이다. 데이터가 실제 운전 조건을 커버해야 하고 주석이 정확해야 하며 시간 범위가 충분해야 한다.
1. 전형적인 시나리오부터
정밀 구조 부품을 만드는 어떤 전자 공장이 프레스 작업장에 AI 외관 검사를 도입해 육안 확인을 대체하려 한다고 하자. 프로젝트 시작 전 라인 관리자가 가장 자주 묻는 질문은 학습을 시작하려면 이미지를 몇 장 모아야 하느냐다. 또 다른 자동차 부품 회사는 사출기의 예지 보전을 원하며 몇 달치 데이터를 모아야 하는지 궁금해한다. 이 두 질문은 실제로 산업 AI 데이터 준비의 두 가지 전형적 경로, 즉 이미지 기반과 시계열 기반을 대표한다.
2. 이미지 작업: 수량은 품질을 따른다
외관 결함 검출에서 데이터량은 불량 유형의 복잡성과 제품 모델에 달려 있다. 경험상 불량 범주당 잘 주석된 500에서 2000개의 샘플이면 사용 가능한 기준선 모델을 학습하기에 대체로 충분하고, 불량 형태가 매우 다양하고 배경이 복잡하면 샘플 요구가 올라간다. 그러나 데이터 기반에 더 주목해야 한다. 이미지가 서로 다른 조명, 스테이션, 자재 배치를 커버해야 하고, 불량 샘플이 실험실 연출 컷이 아니라 라인에서 실제 발생하는 다양한 형태를 포함해야 한다. 음성 샘플(양품)도 똑같이 중요하며 합리적인 비율이어야 하고, 그렇지 않으면 모델이 오검출 쪽으로 치우친다. 지난 3개월간 실제 라인 검사 이미지를 수집해 불량 범주를 정리한 뒤 보충 수집 계획을 정하는 것이 좋다.
3. 시계열 작업: 시간 범위와 운전 조건 커버리지를 보라
예지 보전과 공정 파라미터 최적화 같은 작업에서 데이터 기반은 설비가 다양한 운전 조건에서 연속 운전한 시계열이다. 데이터량은 행 수로 세지 않고 시간 범위가 설비의 전체 운전 주기를 커버하는지로 판단한다. 정상 마모, 금형 교체, 정지, 고장 전조가 포함되어야 한다. 어떤 자동차 부품 회사의 사출기를 예로 들면 최소 3개월에서 6개월의 연속 운전 데이터를 수집하고 샘플링 주파수가 핵심 신호의 동특성을 포착할 수 있어야 한다. 센서 데이터 품질이 수량보다 중요하다. 결측값이 많거나 타임스탬프가 동기화되지 않거나 상태 라벨이 불완전하면 모두 모델을 편향시킨다.
4. 데이터 기반에 대한 세 가지 엄격한 요구
1. 주석 일관성. 산업 데이터 라벨은 흔히 공정 담당자의 판단에 의존하며, 같은 불량 이미지를 사람마다 다르게 라벨링하면 모델은 학습할 수 없다. 주석 기준을 정의하고 일관성 점검을 먼저 하라.
2. 업무와 정렬된 데이터. 각 데이터 배치는 특정 기계, 스테이션, 배치, 공정 파라미터에 매핑되어야 하며, 그렇지 않으면 모델 가동 후 문제를 찾을 수 없다.
3. 지속적 피드백 역량. 라인과 자재가 변하므로 모델에는 반복 개선을 위한 새 데이터가 필요하다. 데이터 기반은 한 번 충분히 모으는 것이 아니라 일상적 수집과 피드백 메커니즘을 갖추는 것이다.
5. 곧 시작하려는 공장을 위한 조언
작은 시나리오 하나와 생산 라인 하나에서 시작해 기존 데이터 자산을 점검하고, 불량 범주나 설비 운전 조건의 커버리지를 평가한 뒤 수집과 주석 투자를 결정하라. 부피를 쌓기보다 데이터 품질 거버넌스를 우선하라. 이 시스템을 만드는 업체처럼 산업 현장을 겨냥한 솔루션은 보통 데이터 수집, 주석, 피드백 도구 체인을 함께 제공해 공장이 모델 학습을 논하기 전에 데이터 기반을 공고히 하도록 돕는다. ERP 시대부터 수십 년의 깊이를 쌓고 120만 고객에게 서비스하며 수천만 대의 단말을 배포한 업체의 경험에서 보면 데이터 기반이 탄탄한 프로젝트가 가동 주기와 안정성에서 분명히 더 좋다.