LG전자, 부품 탐색 AI 에이전트로 R&D 생산성 높인다

류재철 LG전자 사장과 홈로봇 'LG 클로이드'/ [사진=LG전자]

냉장고, 세탁기, 건조기 등 대형 생활가전 한 대에는 1,000개 이상의 부품이 들어간다. 신제품을 개발할 때마다 엔지니어들은 수십만 개의 기존 부품 데이터를 찾아서 비교·검토해야 했다.

여기에 설계 데이터는 보안 등을 이유로 여러 시스템에 분산돼 있고, 대부분이 2D 도면이나 3D 형상 데이터 같은 비정형 형태로 존재해 엔지니어가 필요한 정보를 찾는 데 막대한 시간이 소요됐다. 이 때문에 부품 탐색은 유관부서에 의존하거나 베테랑 엔지니어의 자문, 과거 개발 이력 등에 기댈 수밖에 없는 구조적 한계가 있었다.

이러한 제조 R&D 현장의 고질적인 비효율을 해결하기 위해 LG전자가 나섰다. LG전자는 최근 수십 년간 축적한 설계 데이터를 AI가 학습·분석·추론할 수 있는 'AI 레디(AI-ready) 데이터'로 전환하고, 이를 바탕으로 부품 탐색 AI 에이전트 '파트리버(Part-Riever)'를 개발했다.

'부품(Part)'과 '되찾다(Retrieve)'의 의미를 결합한 파트리버는 개인의 경험과 과거이력에 의존하던 기존의 부품 검토 방식을 AI 기반의 데이터 분석 체계로 탈바꿈시킨 AI 솔루션이다.

가장 눈에 띄는 변화는 압도적인 속도와 편의성이다.

파트리버는 자연어 검색을 지원해 평소 말하듯 조건을 입력하면 된다. 예를 들어 "기존 모델과 유사하면서 출력이 1,000W 이상인 스테인리스 재질의 히터 부품을 찾아줘"라고 입력하면, AI가 단순 키워드 검색을 넘어 2D 도면, 3D 형상, 기술 문서 등 다양한 데이터를 종합적으로 분석한다. 부품명이나 규격이 달라도 최적의 유사 부품을 찾아 제안하는 데 걸리는 시간은 통상 1~2분에 불과하다.

이러한 AI 탐색이 가능한 이유는 LG전자가 설계 데이터를 AI가 이해하고 활용할 수 있도록 가공했기 때문이다. LG전자는 2D 도면에서 부품의 사양, 재질, 제작 조건(도면 주기) 등 핵심 정보를 추출해 구조화했고, 3D 형상 데이터는 형상 특징을 방향성을 갖는 벡터(Vector) 형태로 변환해 AI가 부품 간 유사성을 스스로 판단할 수 있는 기반을 마련했다.

그 결과 신입 엔지니어도 숙련된 전문가처럼 축적된 설계 자산을 쉽게 활용해 의사결정을 내릴 수 있게 됐다. 실제로 일부 작업에 파트리버를 적용한 결과 기존에 수일이 걸리던 작업이 약 30분으로 크게 단축됐다.

또 최근 전기레인지 신제품 개발 과정에서는 AI가 약 550개의 후보 부품을 분석해 적합한 유사 부품을 제안했고, 이를 통해 신규로 개발해야 할 부품 수를 약 25%나 줄이기도 했다. 이미 검증된 부품을 공용화해 개발 속도와 생산 효율, 설계 품질을 동시에 끌어올린 것이다.

파트리버가 가져올 기대효과는 신제품 개발 효율에만 머물지 않는다. 검증된 부품을 여러 제품군에서 재활용하면 품질 편차와 불량 가능성을 낮출 수 있고, 동일 부품 적용 범위가 넓어지면 서비스 단계에서의 부품 수급과 A/S 대응이 빠르고 안정적으로 이뤄질 수 있다. 또 협력사의 부품 생산 및 운영 효율도 높아지는 등 공급망 전반의 경쟁력 강화로 이어질 수도 있다.

현재 개념검증(PoC)을 통해 기술 완성도와 활용성을 검증하고 있으며, 연내 구성원들이 자유롭게 활용할 수 있도록 적용 범위를 확대할 계획이다. 나아가 설계 데이터를 비롯한 제조·개발 전반의 데이터를 AI가 활용 가능한 자산으로 전환하고, 이를 기반으로 AX(AI Transformation) 중심의 제조 혁신을 가속한다는 방침이다.

LG전자 관계자는 "설계 데이터의 자산화와 AI 에이전트 개발은 개인의 경험과 노하우를 조직 전체가 활용할 수 있는 자산으로 전환하는 과정"이라며 "앞으로도 AI 기반 제조 혁신으로 개발 속도와 품질을 높여 고객경험 혁신을 이끌 것"이라고 말했다. 

[폴리뉴스 박수남 기자]