Industrial AI: Shanghai Electric이 대형 가스터빈의 생산·용접 검사·정비에 AI를 넣은 방식
중국 Shanghai Electric은 대형 가스터빈의 블레이드 생산, 로터 용접 검사, 운전·정비에 산업 AI를 넣었다고 발표했습니다. 무작위로 쌓인 블레이드 소재를 3D 비전으로 집는 정확도는 99.99%를 넘고 정비 플랫폼 SIMPLE은 터빈 60여 기의 누적 100만 시간 넘는 운전 데이터를 씁니다.
Shanghai Electric은 산업 AI를 가스터빈 수명주기의 세 지점에 나눠 넣었습니다. 블레이드 생산, 로터 용접 검사, 발전소 운전·정비입니다. 따라 하려면 지점마다 성공 지표를 먼저 정하고 현장 데이터를 설계와 공정으로 돌려보낼 부품 식별 키를 처음부터 맞춰 둬야 합니다.
요약
중국 전력 장비 기업 Shanghai Electric은 2026년 11월 10일 PR Newswire로 보도자료를 내고 대형 가스터빈(heavy-duty gas turbine, 발전소용 대용량 가스터빈) 제조와 수명주기 서비스에 산업 AI를 적용했다고 밝혔습니다. 회사는 가스터빈을 고급 장비 제조의 “crown jewel”로 부릅니다. 복잡한 부품을 정밀하게 가공해야 하고 설치 뒤에는 수명 내내 안정적으로 돌아야 하는 제품이라는 뜻입니다. 그래서 AI를 한 곳에 몰지 않고 장비 엔지니어링 지식과 생산·운전 데이터를 묶어 세 영역에 넣었습니다. 여러 블레이드를 한 줄에서 만드는 유연 생산 라인, 로터 용접을 실시간으로 보는 AI 비전 검사 단말, 설치된 터빈을 감시하는 운전·정비 플랫폼 SIMPLE입니다.
회사가 밝힌 결과는 숫자 세 개로 정리됩니다. 무작위로 쌓인 블레이드 소재를 3D 비전과 AI로 찾아 집는 정확도는 99.99%를 넘습니다. 용접 영상은 5G로 보내 분석하고 몇 초 안에 결과를 냅니다. SIMPLE은 터빈 60기 이상, 누적 운전 100만 시간 이상의 데이터를 바탕으로 돌아갑니다. 회사는 이 구성으로 고장 난 뒤 고치는 정비를 미리 막는 정비로 바꾸고 현장 경험을 저장해 다시 쓰겠다고 설명합니다. 앞으로는 제조와 운전에서 얻은 피드백을 설계, 생산, 사후 서비스로 돌려보내고 해외 프로젝트에서 이 역량을 검증할 계획입니다. 비용 절감이나 불량률 개선 수치는 보도자료에 나오지 않습니다. 아래에서는 세 영역의 작동 방식을 풀고 실제로 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.
핵심 메커니즘
Flexible Blade Line: 여러 블레이드를 한 줄에서 섞어 만드는 라인
가스터빈 블레이드는 단마다 크기와 형상이 다르고 가공 경로도 다릅니다. 유연 생산 라인은 이런 품종을 한 라인에서 섞어 만들고(혼류 생산), 품종이 바뀌면 라인이 스스로 전환합니다. Shanghai Electric은 AI 비전, 디지털 트윈(실제 라인을 본뜬 가상 모델), 지능형 일정 계획, 로봇을 한 시스템으로 묶었습니다. 일정 계획과 MES(Manufacturing Execution System, 제조 실행 시스템), 품질 관리가 연결돼 소재 투입부터 가공, 검사, 최종 포장까지 한 흐름으로 관리됩니다. 설비에 문제가 생기면 완전 자동 모드에서 설비 단독 운전 모드로 바꿔 생산을 이어 갑니다. 이 방식은 품종이 많고 로트가 작은 정밀 부품에서 가치가 큽니다. 한 품종을 대량으로 찍는 라인이라면 전용 지그와 고정 동선이 더 싸게 먹힐 수 있습니다. 가상 예시로, 1단 블레이드 20개를 가공하는 중에 3단 블레이드 긴급 주문 8개가 들어오면 일정 계획이 순서를 다시 짜고 디지털 트윈에서 공구·지그 전환을 먼저 돌려 본 뒤 라인을 바꿉니다.
3D Vision Bin Picking: 무작위로 쌓인 소재를 찾아 집는 로봇
빈 피킹(bin picking)은 상자나 더미에 정렬 없이 쌓인 부품을 로봇이 하나씩 골라 집는 기술입니다. 3D 카메라가 더미를 찍으면 AI가 블레이드 소재(blank, 가공 전 원재료 형태) 하나하나의 위치와 자세를 계산하고 로봇이 집을 지점을 골라 집어 가공 위치에 정확히 놓습니다. 회사는 집기 정확도가 99.99%를 넘는다고 밝혔습니다. 만 번 집을 때 실패가 한 번이 안 된다는 뜻입니다. 사람이 소재를 트레이에 가지런히 정렬해 주던 공정을 없애고 싶을 때 쓰며 형상이 비슷한 품종이 섞여 들어올수록 효과가 커집니다. 소재가 늘 같은 자세로 공급되는 라인이라면 단순한 고정 지그로 충분합니다.
Embodied AI Weld Inspection: 협동로봇이 로터 용접을 실시간으로 보는 검사 단말
로터는 발전 장비의 고가 핵심 부품이고 용접 품질이 안전 운전을 좌우합니다. Shanghai Electric은 큰 부품의 가공 부위를 검사하려고 AI, 로봇 제어, 용접 전문 지식을 합친 AI 비전 검사 단말을 만들었습니다. 회사는 이를 embodied AI(몸체를 가진 AI, 화면 속 판정이 아니라 현장에서 움직이며 보는 AI) 구조라고 부릅니다. 협동로봇에 전용 엔드 이펙터(로봇 팔 끝에 다는 도구)를 달았고 버튼 한 번에 팔이 뻗고 접히며 용접 사이클에 맞춰 자동으로 움직입니다. 찍은 영상은 5G로 보내 분석하고 몇 초 안에 결과가 나옵니다. 용접이 진행되는 동안 결함을 잡으니 다 끝난 뒤 찾는 것보다 일찍 손을 쓸 수 있습니다.
Data Feedback Loop: 현장 관찰을 공정 개선과 품질 추적으로 잇는 고리
검사 단말은 판정에서 끝나지 않습니다. 회사는 현장에서 관찰한 내용, 공정 최적화, 품질 추적을 하나의 데이터 고리로 이었다고 설명합니다. 숙련 용접사가 머릿속에 갖고 있던 판단이 판정 기록과 조치 결과로 남아, 다음 판정과 공정 조정에 다시 쓰입니다. 회사는 이 고리를 수명주기 전체로 넓혀 제조와 운전에서 나온 피드백을 설계, 생산, 사후 서비스에 돌려보내겠다고 밝혔습니다. 이 고리가 돌려면 같은 부품을 생산, 검사, 운전 데이터에서 같은 번호로 찾을 수 있어야 합니다.
SIMPLE: 터빈 60여 기의 운전 데이터로 돌리는 운전·정비 플랫폼
SIMPLE은 Shanghai Electric의 지능형 O&M(Operations and Maintenance, 운전·정비) 플랫폼입니다. 터빈 60기 이상에서 모은 누적 100만 시간 이상의 운전 데이터를 씁니다. AI에 가스터빈 작동 원리 지식을 결합해 실시간 성능 감시, 동적 성능 최적화, 조기 고장 경보를 제공합니다. 클라우드-엣지 협업(cloud-edge coordination)으로 설계 데이터와 운전 데이터를 이어, 감시에서 조기 경보, 진단, 조치로 이어지는 의사결정 흐름을 지원합니다. 원격 협업 도구도 붙어 있어 전문가가 발전소 현장 영상을 보며 AR(증강현실) 주석으로 작업을 안내합니다. 같은 기종이 여러 발전소에 깔려 있어 기종 단위 비교가 가능할 때 가치가 커지고 설치 대수가 몇 기뿐이면 경보 기준을 잡을 데이터가 모자랍니다.
저자가 든 사례
블레이드 유연 생산 라인: 혼류 생산과 99.99% 집기
| 구분 | 내용 |
|---|---|
| 상황 | 블레이드는 크기, 형상, 가공 경로가 다양해 라인 하나가 여러 품종을 다뤄야 함 |
| 한 일 | AI 비전, 디지털 트윈, 지능형 일정 계획, 로봇을 통합. 3D 비전과 AI로 무작위 적재 소재를 찾아 집고 정위치. 일정 계획, MES, 품질 관리를 연결 |
| 결과 | 집기 정확도 99.99% 초과(회사 발표). 혼류 생산과 자동 전환, 투입부터 포장까지 관리. 완전 자동과 단독 운전 사이 전환. 생산성·비용 수치는 밝히지 않음 |
| 연결 | Flexible Blade Line, 3D Vision Bin Picking |
로터 용접 AI 검사 단말: 몇 초 안에 나오는 판정
| 구분 | 내용 |
|---|---|
| 상황 | 로터는 고가 핵심 부품이고 용접 품질이 안전 운전에 직결됨 |
| 한 일 | AI, 로봇 제어, 용접 전문 지식을 합친 검사 단말. 협동로봇과 전용 엔드 이펙터, 버튼식 팔 동작, 용접 사이클 자동 적응. 5G로 영상 분석 |
| 결과 | 실시간 감시로 결함 조기 발견, 몇 초 안에 결과. 현장 관찰, 공정 최적화, 품질 추적을 잇는 데이터 고리. 결함 검출률 수치는 밝히지 않음 |
| 연결 | Embodied AI Weld Inspection, Data Feedback Loop |
SIMPLE: 사후 정비에서 선제 정비로
| 구분 | 내용 |
|---|---|
| 상황 | 발전소는 신뢰성 높은 운전, 제때 받는 정비 지원, 낮은 장기 운영 비용을 원함 |
| 한 일 | 터빈 60기 이상, 누적 100만 시간 이상 데이터로 SIMPLE 운영. AI와 작동 원리 지식 결합, 클라우드-엣지 협업, AR 원격 지원 |
| 결과 | 실시간 성능 감시, 동적 성능 최적화, 조기 고장 경보. 사후 수리에서 선제 정비로 바꾸는 것이 목표. 경보 정확도·정지 시간 감소 수치는 밝히지 않음 |
| 연결 | SIMPLE, Data Feedback Loop |
기술 디테일: 가스터빈 공장에서 AI를 실제로 돌리려면
보도자료는 구성과 결과만 밝힙니다. 아래는 같은 구성을 실제로 돌릴 때 필요한 내용을 새로 정리했습니다. 필드명, 임계값, 기간은 가상 예시입니다.
집기 정확도 99.99%를 내 라인에서 재려면(3D Vision Bin Picking). 먼저 분모를 정합니다. 첫 시도 성공만 셀지, 재시도 끝에 성공한 것도 셀지에 따라 숫자가 크게 달라집니다. 집기 한 건마다 pick_id, part_type, pose_conf(자세 추정 확신도), grasp_point, result(success, miss, regrip, collision), cycle_time_s, intervention(사람 개입 여부)을 남깁니다. 99.99%를 주장하려면 표본도 커야 합니다. 실패가 한 번도 없을 때 95% 신뢰로 실패율 0.01% 이하를 말하려면 약 3만 회 시도가 필요합니다(3을 시도 횟수로 나눈 값이 실패율 상한이 된다는 rule of three). 자세 추정은 블레이드 CAD 모델을 점군(3D 카메라가 찍은 점들의 집합)에 맞춰 후보 자세를 내고 충돌 검사를 통과한 집기점 가운데 점수가 높은 곳을 고르는 방식이 흔합니다. 금속 소재는 표면 반사 때문에 점군이 비는 일이 잦으니 조명 각도, 편광 필터, 다중 노출을 먼저 시험합니다. pose_conf가 기준(예: 0.9)보다 낮으면 집지 않고 다시 찍고 두 번 연속 낮으면 단독 운전 모드로 넘기며 작업자를 부릅니다.
혼류 일정과 자동 전환을 맞물리려면(Flexible Blade Line). 일정 계획의 입력은 주문(품종, 수량, 납기), 설비 상태, 공구·지그 재고, 품종 간 전환 시간 표입니다. 출력은 설비별 작업 순서입니다. 확정 전에 디지털 트윈에서 전환 순서를 돌려 공구 간섭과 지그 누락을 잡습니다. 다시 계획하는 계기는 긴급 주문, 설비 정지, 검사 불합격 세 가지로 정해 두고 그 밖에는 확정한 순서를 바꾸지 않아야 현장이 흔들리지 않습니다. 자동 모드와 단독 운전 모드 사이 전환은 시각, 사유, 복귀 시각을 기록해 어느 설비가 자동화의 발목을 잡는지 봅니다.
용접 영상을 몇 초 안에 판정하려면(Embodied AI Weld Inspection). 촬영, 전송, 추론, 결과 표시를 합친 지연 예산을 먼저 정합니다(예: 3초 이내). 큰 모델은 5G로 공장 안 서버에 보내 돌리고 단말 쪽에서는 가벼운 모델로 1차 판정만 하는 식으로 나눌 수 있습니다. 판정 결과는 weld_id, rotor_serial, pass_no(용접 패스 번호), frame_ts, defect_type, bbox, confidence, decision(ok, review, stop)으로 남깁니다. 모델은 결함 위치를 상자로 찾는 객체 검출 모델(예: YOLO 계열)로 시작하고 균열처럼 가늘고 긴 결함이 많으면 픽셀 단위 분할 모델을 더합니다. 결함 유형 라벨은 새로 만들지 말고 사내 용접 기준서의 분류를 그대로 씁니다. 확신도가 애매한 구간은 용접 전문가에게 넘기고 그 판정을 학습 데이터로 되돌립니다(Data Feedback Loop). 미검(결함을 놓침)과 과검(정상을 결함으로 봄)은 따로 셉니다. 안전 부품이라 미검은 0에 가깝게 잡고 과검은 검토 인력이 교대마다 감당할 수 있는 수준으로 맞춥니다.
SIMPLE 같은 조기 경보를 만들려면. AI와 작동 원리 지식을 결합하는 흔한 방법은 물리 성능 모델로 기대값을 계산하고 실측과의 차이(잔차)를 감시하는 것입니다. 현재 대기 온도, 압력, 부하에서 나와야 할 출력, 배기 온도, 열소비율을 계산하고 실측과 벌어지는 추세가 기준을 넘으면 경보를 냅니다. 데이터만 보는 모델은 계절이나 부하 변화를 고장으로 착각하기 쉬운데, 기대값을 빼고 보면 이 착각이 줄어듭니다. 여러 기의 데이터로는 같은 기종의 정상 범위를 잡습니다. 경보는 unit_id, tag, residual, trend_window, severity, suggested_action, evidence(과거 유사 사례)로 남깁니다. 지표는 고장 전 얼마나 먼저 알렸나(경보 리드 타임), 오경보율, 실제 정비로 이어진 비율 세 가지면 충분합니다. 모델 학습은 클라우드에서, 실시간 판정은 발전소 쪽 엣지에서 돌리면 통신이 끊겨도 경보는 살아 있습니다. AR 원격 지원 세션은 녹화, 주석, 조치 결과를 사례로 묶어 저장해 다음 경보의 evidence로 씁니다.
현업 실행 디테일: 누가, 언제, 무엇을
보도자료는 역할과 일정을 밝히지 않습니다. 아래는 비슷한 장비 제조사가 셀 하나부터 시작한다고 가정해 새로 짠 가상 예시입니다.
| 역할 | 맡는 일 |
|---|---|
| 생산기술 팀장 | 대상 셀 선정, 수작업 정렬·대기 시간 측정, 병행 운전 운영 |
| 품질·용접 전문가 | 결함 분류 기준 정리, 라벨 검수, AI 판정과 사람 판정 비교 |
| 서비스(O&M) 팀장 | 설치 기종별 운전 이력과 정비 이력 제공, 경보 기준 검토 |
| IT·OT 담당 | 공장 네트워크(5G·유선) 점검, 설비 로그 수집, MES 연동 |
| 데이터·AI 엔지니어 | 비전 모델 학습, 로그 스키마 설계, 편차·오탐 분석 |
| 경영 스폰서 | 성공 지표와 판정 회의 주재, 확산 예산 결정 |
시작 전에 준비할 것은 다섯 가지입니다. 품종별 블레이드 CAD 모델, 소재 더미 사진과 점군 샘플 수백 장, 용접 기준서와 과거 결함 이미지, 설치 기종의 센서 태그 목록과 운전 이력, 현재 공정의 기준 지표(정렬 인력, 검사 대기 시간, 사후 정비 건수)입니다.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~2주 | 대상 셀 하나 선정, 현재 지표 측정, 부품 식별 키 확정 | 기준 지표표, 데이터 키 정의서 |
| 3~6주 | 샘플 수집과 라벨링, 모델 학습, 로그 스키마 적용 | 1차 모델, 집기·판정 로그 |
| 7~10주 | 병행 운전(사람과 AI가 같은 건을 따로 판정) | 일치율·미검·과검 보고 |
| 11~12주 | 판정 회의, 확산 여부와 다음 영역 결정 | 진행·보류 결정서 |
판정 회의에서 묻는 질문은 이렇습니다. 지금 사람이 소재를 정렬하는 데 하루 몇 시간을 쓰는가? 지난 1년 동안 용접 결함이 후공정에서 발견돼 재작업한 건은 몇 건이고 건당 비용은 얼마인가? 설치 기종 가운데 같은 모델이 몇 기이고 센서 데이터가 몇 년 치 남아 있는가? AI 판정이 틀렸을 때 누가 멈춤 권한을 갖는가? 생산, 검사, 운전 데이터에서 같은 부품을 같은 번호로 찾을 수 있는가?
진행 판정 기준의 예는 이렇습니다. 빈 피킹은 3만 회 시도 중 실패 3회 이하, 사람 개입은 교대당 1회 이하. 용접 검사는 병행 운전 기간 미검 0건, 전문가 검토로 넘어간 건이 교대당 감당 가능한 수준. 조기 경보는 과거 고장 이력을 되짚었을 때 실제 고장 전에 경보가 뜬 비율과 오경보율을 서비스 팀이 받아들일 수 있는 수준. 하나라도 못 넘으면 확산하지 않고 원인을 고친 뒤 4주 더 병행합니다.
AX 적용 제언입니다. 발전 설비, 조선, 항공 엔진 부품처럼 비싸고 품종이 많으며 안전에 직결되는 부품을 만드는 한국 제조사라면 이 구성이 그대로 참고가 됩니다. 다만 세 영역을 한꺼번에 시작하지 말고 병목이 가장 큰 지점 하나를 고릅니다. 사람 손 정렬이 라인 속도를 묶고 있으면 빈 피킹, 품질 사고 비용이 크면 용접 검사, 설치 기반에서 나오는 서비스 매출이 크면 O&M부터입니다. 어느 쪽에서 시작하든 부품 일련번호를 생산, 검사, 운전 데이터의 공통 키로 처음부터 정해 둬야 합니다. Shanghai Electric이 말하는 수명주기 피드백은 이 키가 있어야 돌아갑니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 원문 | Shanghai Electric 보도자료, PR Newswire 배포, 2026.11.10, 상하이 |
| 회사 | Shanghai Electric(SEHK: 02727, SSE: 601727) |
| 대상 | 대형 가스터빈 제조와 수명주기 서비스 |
| 영역 1 | 블레이드 유연 생산 라인: AI 비전, 디지털 트윈, 지능형 일정 계획, 로봇. 혼류 생산, 자동 전환 |
| 수치 | 무작위 적재 소재 집기 정확도 99.99% 초과 |
| 영역 2 | 로터 용접 AI 비전 검사 단말: 협동로봇, 전용 엔드 이펙터, 5G 영상 분석, 몇 초 안에 결과 |
| 영역 3 | SIMPLE 운전·정비 플랫폼: 60기 이상, 누적 100만 시간 이상. 성능 감시, 성능 최적화, 조기 경보, AR 원격 지원 |
| 향후 | 수명주기 데이터 통합, 설계·생산·사후 서비스로 피드백, 해외 프로젝트에서 검증 |
| 밝히지 않은 것 | 비용 절감액, 불량률 변화, 경보 정확도, 독립 검증 |
핵심 개념
- Heavy-duty gas turbine
- 발전소에서 쓰는 대용량 가스터빈입니다. 항공기 엔진에서 파생한 소형 기종과 구분해 부릅니다.
- Blade blank
- 최종 형상으로 가공하기 전의 블레이드 원재료 덩어리입니다.
- Mixed-model production
- 여러 품종을 한 라인에서 순서를 섞어 생산하는 방식입니다.
- MES
- Manufacturing Execution System. 작업 지시, 실적, 품질 기록을 현장 단위로 관리하는 시스템입니다.
- End effector
- 로봇 팔 끝에 달아 실제 작업을 하는 도구입니다. 그리퍼, 카메라 마운트 등이 있습니다.
- Cloud-edge coordination
- 학습과 집계는 클라우드에서, 실시간 판단은 현장 가까운 엣지 장비에서 나눠 하는 구조입니다.
- Point cloud
- 3D 카메라가 찍은 표면의 점 좌표 묶음입니다. 빈 피킹에서 부품 자세를 계산하는 재료입니다.
- Rule of three
- n번 시도해 실패가 없으면 실패율 상한을 약 3/n(95% 신뢰)으로 보는 통계 어림법입니다.
내 메모
TODO: 내 생각 추가
원문은 Shanghai Electric 보도자료 「Shanghai Electric Integrates Industrial AI into Heavy-Duty Gas Turbine Manufacturing and Lifecycle Services」(PR Newswire, 2026.11.10)입니다. 링크한 PR Newswire 독일어판과 같은 영문 보도자료를 KYODO NEWS PRWIRE 재배포본(kyodonewsprwire.jp/release/202611109846)으로 읽었습니다. 수치는 모두 회사 발표이며 독립 검증은 없습니다. 요약, 핵심 메커니즘의 원문 설명, 사례, 원문 사례 표는 보도자료 내용을 AX Review가 다시 정리했습니다. 기술 디테일, 현업 실행 디테일, 인포그래픽, 필드명·임계값·일정·판정 기준은 실제로 돌릴 때 필요한 내용을 새로 작성한 가상 예시입니다. 전체 내용은 원문에서 볼 수 있습니다.