자율 로봇과 AI 가 바꾸는 산업 시설의 지속 모니터링 체계

산업 시설은 안전과 컴플라이언스, 가동률을 유지해야 하는 압박에 직면해 있다. 여기에 인력 부족과 노후 인프라 문제가 겹치면서 시설 관리의 부담은 더욱 커지고 있다. 기존의 수작업 점검 프로그램은 특정 시점의 상태만 확인 하는 방식이기 때문에, 점검 사이에 발생하는 작은 이상 징후가 누락될 수 있다. 이는 유지보수 업무 적체, 리스크 확대, 비용 증가로 이어지는 요인이 된다.

이러한 한계를 보완하기 위해 시설 관리 분야에서는 새로운 접근 방식이 확산되고 있다. 로봇과 AI를 활용해 시설 전반을 지속적으로 모니터링하고, 현장 데이터를 기반으로 선제적인 의사결정을 지원하는 방식이다. Boston Dynamics는 자사의 4족 보행 로봇 Spot과 Orbit 소프트웨어 플랫폼을 통해 산업 시설의 점검, 안전 관리, 보안, 컴플라이언스 업무를 지능형 시설 관리 체계로 전환할 수 있다고 설명한다.

▲ Boston Dynamics의 Spot은 산업 시설 내부를 이동하며 시각, 열화 상, 음향 데이터를 수집하고, 이를 기반으로 시설 점검과 안전관리 자동화를 지원한다.

수작업 점검에서 지능형 시설 관리로

로봇과 AI는 사람의 관리·감독을 대체하기보다 그 범위를 확장하는 기술로 활용된다. 산업 현장에서는 설비 상태, 안전 위험, 접근 제한 구역, 누출 여부 등을 주기적으로 확인해야 하지만, 사람이 모든 구역을 동일한 빈도와 품질로 점검하기는 어렵다. 특히 위험하거나 접근이 어려운 구역에서는 점검 자체가 제한될 수 있다.

Spot과 같은 자율 로봇은 시각, 열화상, 음향, 3D 데이터를 자율적으로 수집할 수 있다. 이를 통해 시설과 장비 상태에 대한 정보를 더 자주, 더 일관되게 확보할 수 있으며, 작업자가 직접 접근하기 어려운 구역에서도 점검 데이터를 수집할 수 있다.

AI 기반 소프트웨어 플랫폼은 이렇게 수집된 데이터를 분석해 이상 징후를 식별하고, 팀과 현장 전반에 걸쳐 실행 가능한 인사이트를 제공한다. Spot이 시설 전반에서 데이터를 수집한다면, Orbit은 이 데이터를 맥락 정보, 추세 분석, 전사적 가시성으로 전환하는 역할을 한다.

▲ Spot과 관련 페이로드는 디지털 트윈 생성, Visual AI, 열화상 분석, 음향 누출 감지, 기계 점검 등 다양한 산업용 점검 작업에 활용될 수 있다.
 

AI 기반 시각 점검으로 현장 데이터를 인사이트로 전환

시설 관리에 AI를 도입하는 과정이 반드시 복잡하거나 많은 비용이 드는 것은 아니다. Boston Dynamics는 Spot을 시설 점검에 배치하면 구조화된 데이터가 지속적으로 생성되며, 이를 통해 시설 관리팀과 전사 운영 조직이 실행 가능한 인사이트를 확보할 수 있다고 설명한다.

Spot과 Orbit은 유연한 자동화, 멀티모달 데이터 수집, 즉시 활용 가능한 비전-언어 모델을 제공한다. 또한 기업의 데이터 분석 조직은 API 를 활용해 데이터를 기록 시스템에 통합하거나, 특정 인사이트 도출을 위한 맞춤형 AI 모델을 학습시킬 수 있다.

이 가운데 AI Visual Inspections, 즉 AIVI는 캡처된 이미지에 대한 자연어 질문에 자동으로 답변하는 기능이다. 별도의 설정이나 모델 학습 없이 사전 학습된 모델을 활용할 수 있으며, PTZ, 열화 상, 일반 영상 캡처와 연결된 점검 지점에서 실행된다. 결과는 예/ 아니오 형태의 답변, 수치 판독값, 간단한 객체 수량 집계 등 구조 화된 데이터로 제공된다.

대표적인 활용 사례는 다음과 같다.

• 출입 통제와 격리 상태 확인을 위해 문이 열려 있는지 또는 닫혀 있는지 감지

• 5S 보드의 시각적 관리 기준 준수 여부 확인

• EHS 사고 예방을 위한 누출, 유출, 잔해물 식별

• 소화기나 안전 표지판 등 특정 물체의 존재 여부 확인

• 계기판 또는 디지털 화면의 수치 데이터 판독

• 사이트 글라스 수위 점검

이러한 기능을 통해 현장에서 캡처한 이미지는 단순한 기록 자료를 넘어 안전 개선과 컴플라이언스 문서화에 활용할 수 있는 데이터로 전환된다. Orbit AIVI 학습 기능은 Boston Dynamics가 호스팅하는 모델을 기반으로, Spot이 수행하는 일반적이고 가치가 높은 점검 데이터를 통해 지속적으로 개선된다. 이러한 클라우드 기반 모델 운영 방식은 Orbit 소프트웨어를 직접 업데이트하지 않고도 관련 모델을 정기적으로 개선할 수 있도록 한다.

Site View로 시설 상태 변화를 시간 흐름에 따라 추적

Site View는 시설 내부를 탐색 가능한 360° 워크스루 형태로 제공해, 현장 상태를 시간의 흐름에 따라 비교할 수 있도록 지원한다. 팀은 원격으로 현재 시설 상태를 확인하고, 과거 기록과 비교해 누출, 잔해물 축적, 무단 접근과 같은 변화를 식별할 수 있다.

EHS, 보안, 컴플라이언스 팀에게 Site View는 감사 대응과 사고 조사에 필요한 시각적 기록을 제공한다. 특정 시점의 시설 상태를 문서화하고, 변화가 발생한 구역을 빠르게 추적할 수 있기 때문이다.

또한 Site View는 AIVI와 연동돼 파노라마 이미지를 측정 가능하고 검색 가능한 데이터로 전환한다. 사용자는 Site View에서 열화상, 게이지, 음향 점검 미션을 추가로 구성할 수 있으며, 정해진 주기에 따라 캡처된 파노라마 패널을 비교해 새롭게 나타나는 리스크를 조기에 파악할 수 있다.
 

▲ 작업자는 태블릿 기반 인터페이스를 통해 Spot이 수집한 시설 데이터를 확인하고, Site View를 활용해 현장 상태를 시간 흐름에 따라 비교·검토할 수 있다.
 

이러한 기능은 실제 산업 현장의 시설 점검과 안전관리에도 적용되고 있다. Boston Dynamics는 POSCO, Cargill, AB InBev, Woodside Energy 등의 사례를 통해 Spot과 Orbit이 위험 구역 점검, EHS 대응, 시설 상태 기록, 에너지 관리 등에 활용되고 있다고 설명한다.

이러한 적용은 작업자 노출 감소, 열화상·음향·시각 데이터를 통한 조기 이상 감지, 누출 감지를 통한 에너지 절감, 타임스탬프 기반 기록을 활용한 감사 대응 강화로 이어질 수 있다.

시설 점검은 지속 모니터링 체계로 전환

산업 시설의 안전, 컴플라이언스, 운영 관리는 더 이상 정기적인 수작업 점검에만 의존하기 어렵다. 인력 부족, 시설 노후화, 규제 요구 강화가 동시에 진행되면서 현장 상태를 지속적으로 파악하고, 이상 징후를 조기에 감지할 수 있는 체계가 요구되고 있다.

로봇과 AI는 이러한 변화에 대응하는 기술적 수단으로 부상하고 있다. 자율 로봇은 현장을 반복적으로 이동하며 시각, 열화상, 음향 등 다양한 데이터를 수집하고, AI 기반 플랫폼은 이를 분석해 실행 가능한 인사이트로 전환한다. 이를 통해 시설 관리팀은 위험 요소를 더 빠르게 확인하고, 감사 대응에 필요한 기록을 확보하며, 수작업 점검 부담을 줄일 수 있다.

Boston Dynamics의 Spot과 Orbit 사례는 산업 시설 점검이 단순한 현장 확인 업무에서 벗어나, 데이터 기반의 지능형 시설 관리 체계로 전환되고 있음을 보여준다.

자료제공: Boston Dynamics(www.bostondynamics.com)