AI 플랫폼 전환 로드맵으로 움직이는 철강 공장

5일 ‘2025 금속재료 GVC 컨퍼런스’ R&D 세션에서 인이지 김기한 이사는 철강의 AI 전환을 최신 모델을 더하는 경쟁이 아니라 데이터를 준비해 현장에서 플랫폼 단위로 쓰이게 만드는 경쟁으로 봐야 한다고 밝혔다.

질문을 하면 즉시 응답을 하는 기존 AI 체제를 넘어 복잡한 일을 스스로 나눠 계획·실행하는 에이전트 AI가 확산했고 다음 단계는 설비와 연결돼 실제로 움직이는 피지컬 AI라며, 이를 위해 공장 안팎의 데이터를 모으고 정제해 AI가 활용 가능한 상태로 만드는 선행 작업이 핵심이라고 설명했다.

또한 특정 공정을 조금 고치는 수준이 아니라 공장 운영 체계를 AI 중심으로 재배치하는 플랫폼 전환에 있다고 강조했다. 개별 공정에 모델을 덧붙이기보다 데이터를 한 데 모아 일관된 구조로 다루고, 에이전트가 외부 기능과 데이터를 불러 실제 조치까지 이어지게 하는 흐름을 만들어야 한다는 설명이다.

그는 가트너가 2025년 트렌드로 AI 에이전트와 AI 준비 데이터를 함께 꼽은 점을 들어 두 축이 맞물릴 때 현장 성과가 난다고 했고, 팔란티어 등 성공 플랫폼 사례를 참고하며 공정 전반을 하나의 틀로 묶는 접근이 확산 중이라고 덧붙였다.

다음은 철강 산업에서의 AI 도입 사례이다.

▲ CGL 가열로: 코일·속도·목표 물성 등 운전 이력을 학습해 구간별 목표 온도를 가이드하고, 통과 중간 구간의 보이지 않는 온도를 예측·보정한다. 발표 자료에선 물성·설정온도 예측 정확도 약 98%와 자동 제어 적용을 제시했다.

▲ 전기로(EAF): 스크랩 조성·투입량과 전력 투입 패턴을 학습해 용락 시점을 예측하고 다음 운전 스텝을 안내한다. 발표에 따르면 생산성 약 +3%, 전력 사용 약 −2% 효과가 제시됐다.

▲ 가열로(압연): 생산 스케줄, 로 내부 열상태, 빌렛 정보를 함께 반영해 필요한 열량을 계산하고 가스 사용을 최소화하는 운전을 유도한다. 시점별 로 상태 차이를 고려해 과열·과투입을 방지하고 작업자별 편차를 줄이는 방향으로 설명됐다.

▲ 탄소 LCA: 부산물 전구물질을 활용한 합금강 전기로 정련 공정 최적화를 추진한다는 내용이 소개됐다. 원료·부산물·에너지 등 정련 관련 데이터를 모아 배출과 비용, 목표 물성을 함께 고려해 투입과 타이밍을 설계하는 접근이다.

▲ 제강공정: 투입 원료 조합과 첨가제 전략을 넣으면 예상 항복·인장강도를 앞단에서 계산해 정련 의사결정을 보조하는 물성 예측 모델을 제시했다.

▲ 생산계획 최적화: 설비 가용, 교체 손실, 납기 등의 제약을 반영해 최적 일정을 산출하고, 돌발 이슈 시 시간 단위 재계획으로 대응해 생산성과 납기 준수율을 개선하는 방식이 소개됐다.

▲ 불량 검출(비전 AI): 표면 결함을 자동 검출하고, 여러 케이스를 활용해 사전 학습하며 불량을 검출한다.

요약하면 김기한 이사는 이번 발표에서 에너지 비용 상승, 현장 고령화, 탄소중립 요구는 산업 제조 현장에 디지털로의 전환을 서두르게 하는 배경이라고 설명하며, 데이터–분석–제어를 하나의 ‘플랫폼’으로 통합해 에이전트의 판단을 현장 실행으로 연결해 주는 설계가 철강 AI의 본 게임이라는 메시지를 전했다.