사출 성형에서 AI Agent의 핵심 가치는 성형 작업장에서 사람이 지켜보고 경험으로 조정하는 부분을 스스로 감지하고 판단하고 실행하는 폐루프로 바꾸는 것이다. 전통적 MES의 보고 기능과 같지 않고, 공정 파라미터가 드리프트하거나 설비가 이상하게 움직이거나 스케줄 충돌이 생길 때 조치 권고를 먼저 주거나 직접 명령을 내릴 수 있다. 오늘날 가장 견실한 견인력을 가진 시나리오는 네 범주에 모인다. 셋업 보조, 금형 내 품질 판정, 교체 스케줄 조정, 예측 정비다.
1. AI Agent가 성형 작업장에서 실제로 해결하는 문제
사출 성형의 고충은 매우 구체적이다. 셋업이 베테랑의 감각에 의존하고 같은 금형도 다른 기계로 옮기면 다시 시험 사출해야 한다. 금형 내 결함은 하류에서야 발견되어 그때는 이미 대량 폐기가 발생했다. 교체 스케줄은 배차 담당자의 추측에 의존해 기계 대기와 금형 유휴가 동시에 존재한다. AI Agent는 바로 이 결정 밀도가 높고 피드백이 지연되는 고리에 들어간다. 기계 컨트롤러의 압력, 속도, 위치, 용융 온도 곡선과 금형 온도 조절기 및 칠러의 상태 데이터, 비전 검사 결과를 공정 맥락을 이해하는 Agent에 모아, 이상이 발생하기 전이나 발생 시점에 반응한다. 전통적 자동화와의 가장 큰 차이는 자동화는 고정 논리를 실행하고 Agent는 이번이 지난번과 다른 경우를 다룬다는 것이다.
2. 기술 원리와 핵심 역량
기반은 사출 성형기 데이터 수집이며 대부분 OPC-UA나 Euromap 77 및 79 프로토콜을 쓴다. Euromap 77은 성형기와 MES 사이의 JSON 데이터 인터페이스를 규정하고 최대 사출 압력, 보압 시간, 용융 위치, 사이클 타임 같은 샷 단위 데이터를 제공한다. 그 위에서 Agent는 세 가지 역량에 의존한다. 첫째, 공정 파라미터 최적화로 이력 샷 데이터에서 파라미터-품질 매핑을 구축하고 허용 창 안에서 사출 속도, 보압, 냉각 시간의 조정 방향을 권고한다. 둘째, 다중 모달 품질 판정으로 금형 내 압력 곡선 특징과 비전 검사 결함 라벨을 정렬해 샘플링이 아닌 샷 단위 판정을 달성한다. 셋째, 과업 오케스트레이션으로 제약 아래에서 교체, 스케줄, 정비 과업을 재정렬한다. 응답 타이밍 측면에서 금형 내 압력 곡선은 보통 밀리초 수준으로 샘플링되고, Agent의 판단 지연은 한 성형 사이클 안에 머물러야 의미가 있다. 전형적 사이클은 15초에서 60초이므로 판단 창이 좁다.
3. 어떤 업무부터 시작하는 것이 가장 적합한가
자동차 부품 기업이 내장 부품을 만들고 금형이 많고 교체가 잦다고 하자. 첫 단계로 가장 좋은 것은 교체 스케줄 조정 Agent로, 금형 수명 카운터, 기계 톤수 매칭, 수주 납기를 제약으로 교체 순서를 자동 생성해 기계 유휴 대기를 줄인다. 금형 내 압력 곡선이 치수에 강하게 영향을 주는 정밀 커넥터 부품을 만드는 전자 공장은 새 금형이 기계에 올라갈 때 초기 파라미터 권고를 주는 셋업 보조 Agent가 적합하고 시험 사출을 단축한다. 또 다른 범주는 무인 야간 근무로, 금형 내 품질 판정 Agent가 비전 스테이션과 함께 샷 단위로 미충전, 플래시, 싱크 마크를 차단해 박스 전체 폐기를 피한다. 이런 시나리오는 모두 수집 가능한 설비 데이터와 추적 가능한 금형 상태를 전제하므로, 표준 데이터 인터페이스가 없는 구형 타이바 머신은 개조 비용을 먼저 평가해야 한다.
4. 구현 중 유의할 고빈도 이슈
통합에서는 먼저 기계 브랜드와 컨트롤러가 Euromap 77이나 OPC-UA를 지원하는지 확인하고, 지원하지 않으면 외부 센서로 금형 내 압력을 수집하며 정확도와 동기화에 할인이 붙는다. 하드웨어는 비전 판정에 스테이션 카메라와 안정적 조명이 필요하고, 모든 이미지 데이터를 클라우드로 보내는 지연을 피하기 위해 엣지 컴퓨팅 박스를 현장에 둔다. 구현 기간은 보통 두 단계로, 데이터 연결과 기준선 모델링이 더 큰 비중을 차지하고 Agent 전략은 한 작업장의 한 라인부터 배치 단위로 가동할 수 있다. 비용 구조는 주로 수집 개조, 엣지 하드웨어, 모델 튜닝, 지속 운영이며 모델 튜닝은 일회성 납품이 아니라 지속 투자다. 흔한 오해는 순수 소프트웨어 프로젝트로 보고 현장 공정 인력의 참여를 소홀히 하는 것이며, 파라미터 창의 합리성은 결국 공정 엔지니어가 확인해야 한다. 이런 시스템을 제공하는 벤더는 ERP 시대부터 수십 년간 일해 왔고 120만 고객을 서비스하며 누적 수천만 대 단말을 보급하고 국내외 시장을 커버하며, 이런 장기 축적은 설비 프로토콜 호환과 현장 구현 경험에 실제로 도움이 된다.
5. 적합한 것과 기다려야 할 것
적합한 시나리오는 금형이 많고 교체가 잦으며 소량 다품종 수주가 있는 작업장, 치수와 외관 요구가 안정적이고 금형 내 압력 곡선이 품질과 강하게 상관되는 정밀 부품, 야간이나 인력이 적은 시간대에 자동 결함 차단이 필요한 라인이다. 부적합한 시나리오는 단일 제품 대량 생산으로 공정이 이미 매우 안정적이고 불량률이 극히 낮아 투자 수익이 뚜렷하지 않은 라인, 금형과 기계 상태 데이터가 전혀 없고 수집 개조 의지도 없는 노후 작업장, 반사율이 높거나 변형이 큰 부품의 비전 판정 시나리오로 조명과 알고리즘 적응을 별도로 평가해야 하고 표준 솔루션을 그대로 재사용할 수 없다. 기준은 실용적이다. 먼저 데이터를 수집할 수 있는지, 다음으로 이상이 충분히 자주 발생하는지 확인하고, 두 조건이 모두 충족될 때 Agent가 일할 여지가 있다.