Human-centric multi-objective optimisation of operator safety and productivity

당신이 고속 레이스카의 캡틴이라고 상상해 보십시오. 당신의 목표는 우승하기 위해 가능한 한 빨리 달리는 것이지만, 여기에는 함정이 있습니다. 속도가 빨라질수록 심장은 더 세게 뛰고, 손은 떨리며, 충돌할 것 같다는 공포감이 커진다는 점입니다. 물건을 만드는 세계, 구체적으로 거대한 회전 공구를 사용하여 금속을 절삭하는 과정에서도 공장 노동자들은 이와 유사한 딜레마에 직면합니다. 그들은 생산성을 높이고 싶어 합니다. 즉, 최대한 빠르게 많은 양의 금속을 깎아내고 싶어 하죠. 하지만 동시에 안전하고 차분한 상태를 유지해야 합니다. 만약 기계가 너무 진동하거나 소음이 너무 커지면, 노동자의 심박수가 치솟고 안전에 대한 감각이 떨어집니다. 이것은 단순히 기분의 문제가 아닙니다. 스트레스를 받은 작업자는 지친 작업자가 되며, 지친 작업자는 실수를 저지르게 됩니다. 그래서 과학자들은 까다로운 퍼즐을 풀기 위해 노력하고 있습니다. 어떻게 하면 작업자가 기절할 것 같은 기분을 느끼지 않으면서도 기계가 빠르게 작동하도록 조율할 수 있을까요?

이것은 인공지능이라는 특별한 종류의 "디지털 두뇌"를 사용하여 이 퍼즐을 풀고자 했던 새로운 연구에 대한 이야기입니다. 연구진은 단순히 추측하는 대신, 똑똑한 코치 역할을 하는 컴퓨터 모델을 구축했습니다. 이 코치는 세 가지를 동시에 관찰합니다. 금속이 제거되는 속도(생산성), 작업자의 심장 박동수(생리학적 스트레스), 그리고 작업자가 느끼는 공포감(주관적 안전감)입니다. 목표는 기계가 열심히 작동하면서도 인간은 차분함과 자신감을 유지할 수 있는 완벽한 "스위트 스팟(sweet spot)"을 찾는 것이었습니다. 이를 위해 그들은 각기 다른 개성을 가진 세 가지 유형의 AI 코치를 테스트하여, 어떤 코치가 최선의 균형을 찾을 수 있는지 확인했습니다.

실험: 금속과 마음의 춤

연구진은 실제 작업장에서 실생활 테스트를 설정했습니다. 훈련된 밀링 머신 사용자인 11명의 자원봉사자가 각각 27가지의 서로 다른 절삭 작업을 수행했습니다. 이는 총 297개의 작업에 해당합니다! 모든 작업마다 그들은 세 가지 주요 설정을 변경했습니다. 공구의 회전 속도, 금속에 파고드는 깊이, 그리고 전진하는 속도입니다. 작업자들이 업무를 수행하는 동안 연구진은 그들을 면밀히 관찰했습니다. 연구진은 작업자의 손목에 스마트워치를 채워 심박수를 추적했고, 마이크를 설치해 소리를 들었으며, 진동 센서를 기계에 부착해 흔들림을 감지했습니다. 그 후, 작업자들은 설문지를 작성하여 자신이 느낀 위험도, 초조함, 또는 불편함을 평가했습니다.

그 후 팀은 "강건 선형 모델링(Robust Linear Modelling)"이라는 강력한 통계 도구를 사용하여 이 복잡한 데이터를 명확한 규칙으로 변정했습니다. 이것은 마치 점들을 연결하는 탐정과 같습니다. 그들은 이송 속도(feed rate)가 증가할 때 심박수가 얼마나 뛸지, 혹은 절삭 깊이가 변할 때 진동 수준이 어떻게 변하는지를 정확히 파악해 냈습니다. 그들은 작업자의 심박수가 안전감을 느끼는 데 있어 가장 큰 단서라는 것을 발견했습니다. 심장이 빠르게 뛰면 작업자는 불안함을 느꼈습니다. 흥미롭게도, 공구의 속도는 기계를 더 시끄럽게 만들었지만, 실제로 작업자의 신체에 스트레스를 준 것은 절삭의 '깊이'와 '이송 속도'였습니다.

AI 대결: 세 명의 코치, 하나의 목표

규칙을 확보한 후, 연구진은 세 가지 서로 다른 AI 알고리즘이 완벽한 기계 설정을 찾도록 했습니다. 이 세 가지 알고리즘을 레이스카를 튜닝하는 세 종류의 코치라고 상상해 보십시오.

1. 유전 알고리즘 (Genetic Algorithm, GA): 이 코치는 자연 선택 전문가와 같습니다. 다양한 설정을 조합하고, 가장 잘 작동하는 것은 남겨두며, 좋지 않은 것은 버리면서 완벽한 해결책을 향해 서서히 진화해 나갑니다.
2. 인공 면역 시스템 (Artificial Immune System, AIS): 이 코치는 인간의 면역 체계에서 영감을 받았습니다. 바이러스를 추적하는 백혈구처럼, 좋은 해결책을 많이 만들어내고 이를 미세하게 조정하며 가장 안전하고 효과적인 경로를 찾아냅니다.
3. 개미 군집 최적화 (Ant Colony Optimization, ACO): 이 코치는 개 떼처럼 행동합니다. 개미들은 좋은 경로에 "냄새 흔적"(디지털 신호)을 남깁니다. 만약 어떤 경로가 훌륭한 결과로 이어진다면, 더 많은 개미가 그 길을 따라가며 흔적을 강화합니다.

결과: 누가 경주에서 승리했나?

결과가 나왔을 때, 세 명의 코치는 서로 다른 전략과 결과를 보여주었습니다.

AIS 코치 (균형 잡힌 승자):
인공 면역 시스템은 가장 다재다위한 성능을 보여주었습니다. 이 코치는 작업자의 심박수를 모두 중에서도 가장 낮은 78 bpm으로 유지했습니다. 동시에 생산성 또한 높게 유지하여, 분당 약 460 mm³의 금속을 제거했습니다. 이 코치는 작업자가 안전함을 느끼는 경로(위험 점수 1.01)를 찾아내면서도 기계의 속도를 너무 늦추지 않았습니다. 이 연구는 이것이 인간의 웰빙과 공장의 산출량 사이에서 균형을 맞추는 가장 "합리적인" 접근 방식이라고 제안합니다.

GA 코치 (안전 우선 접근법):
유전 알고리즘은 조금 더 신중했습니다. 이 코치는 무엇보다 작업자를 안전하게 유지하는 것을 우선시했습니다. 매우 낮은 심박수인 80 bpm과 가장 낮은 인지 위험 점수인 1.10을 달려냈습니다. 하지만 이렇게 안전을 확보하기 위해, 생산율은 399.85 mm³/min로 약간 낮아지는 것을 감수해야 했습니다. 이는 마치 조금이라도 속도를 내는 것을 거부하며 결코 긴장하지 않으려는 운전자와 같습니다.

ACO 코치 (스피드 광):
개미 군집 최적화는 가장 공격적이었습니다. 이 코치는 분당 470 mm³의 금속을 깎아내며 가장 높은 생산성을 달 확보했습니다. 하지만 대가가 있었습니다. 작업자들의 심박수가 82 bpm으로 더 높았고, 인지된 위험도도 더 높았습니다. 연구에 따르면 이 알고리즘은 다소 불안정했습니다. 일부 테스트에서는 음수의 금속 제거량과 같은 불가능한 설정을 제안하기도 하여, 안전이 중요한 작업에는 신뢰성이 부족하다는 것을 보여주었습니다.

핵심 요약

이 연구는 모든 것을 해결할 수 있는 단 하나의 "마법 버튼"을 찾은 것이 아닙니다. 대신, 모든 사람을 항상 만족시키는 단 하나의 완벽한 설정은 존재하지 않는다는 것을 보여주었습니다. 당신은 당신만의 절충안을 선택해야 합니다. 만약 작업자에게 절대적으로 가장 안전하고 편안한 경험을 제공하고 싶다면, GA 설정을 선택하십시오. 만약 안전과 속도 사이에서 최선의 균를 찾고 싶다면, AIS 방식이 승자입니다. 만약 작업자가 다소 스트레스를 받더라도 최대한 빠르게 가고 싶다면, ACO가 그곳에 도달하게 해줄 수도 있지만, 그것은 위험합니다.

연구진은 또한 기계 자체에 대해서도 놀라운 사실을 발견했습니다. 그들은 이송 속도(공구가 움직이는 속도)가 작업자에게 스트레스를 주는 주된 요인인 반면, 절삭 깊이를 늘리는 것이 오히려 특정 테스트에서는 생리적 부하를 줄이는 데 도움이 된다는 것을 발견했습니다. 이는 직관에 반하는 결과일 수 있습니다. 마치 큰 걸음을 내딛는 것이 작고 빠른 걸음을 여러 번 내딛는 것보다 덜 힘들게 느껴진다는 것을 발견한 것과 같습니다.

결론적으로, 이 논문은 우리가 인간을 배려하는 공장을 설계하기 위해 스마트한 컴퓨터 모델을 사용할 수 있음을 증명합니다. 이러한 AI 코치들을 사용함으로써, 공장 관리자들은 단순히 돈을 가장 많이 버는 것뿐만 아니라, 작업자의 심장이 편안한 속도로 뛰고 마음이 안전하다고 느낄 수 있도록 기계를 조율할 수 있습니다. 이는 "스마트 제조"가 진정으로 "인간에게도 스마트한" 제조가 되는 미래를 향한 한 걸음입니다.