[논문] 현장작업의 암묵지를 골격에 의한 동작인식과 AI로 형식지화하는 수법

암묵지를 형식지로 바꾸는 접근법에 대해 간단히 개관한 후, 

미츠비시파워의 사례연구를 소개하려고 한다.

형식지와 암묵지

암묵지를 형식지로 바꾸어 활용하려는 노력은 

Taylor(1911)가 스톱워치와 노트를 사용하여 작업자들의 동작을 기록하여 활용한 것을 시초로 볼 수 있지만, 

암묵지가 무엇인지 비교적 명확히 정의한 것은 Polanyi(1966)인 듯 하다.

Polanyi는 현장 작업의 기능 중에서 목적 달성을 위해 행해지지만 명확히 설명할 수 없는 일련의 근육운동을 암묵지라고 지적하고 있다.

그 후 암묵지를 형식지로 바꾸는 것은 가능한 것이냐, 암묵지는 무엇이냐 등에 대해 여러 의견이 있었으나, 

현재 일반적으로 통용되는 형식지와 암묵지의 개념은 아래와 같다.

• 형식지(explicit knowledge) : 문법에 맞는 문장, 수치적 표현, 기술사양, 매뉴얼 등 언어에 의해 표현하는 것이 가능한 지식
• 암묵지(tacit knowledge) : 신념, 사물을 보는 관점, 가치관 등 형식언어로 표현하는 것이 어려운, 개인의 체험에 근거한 개인적 지식

일본 산업에 있어서의 암묵지의 형식지화

일본의 가장 큰 사회문제 중 하나가 고령화인데,

고령화 문제는 특히 산업에서 두드러지고 있다.

기존의 숙련된 현장 작업자들이 슬슬 은퇴하고 있는데,

이들이 은퇴하기 전에 젊은 작업자들에게 숙련 작업자들의 노하우를 전부 전수하기가 어렵고, 

이대로 숙련 작업자들이 은퇴해버리면 기존의 생산을 유지하는 것도 어려워지기 때문이다.

따라서 일본 제조업에 있어서는 AI를 활용하여 숙련작업자의 기능을 지식산업에 변환하는 기술의 구축이 급선무이다.

AI에 의한 암묵지의 형식지화 아이디어

마츠바라(1991)는 Polanyi가 제창한 암묵지의 구조에 착목하여, 

계층 사이의 연결에 의해 정보가 처리되는 구조가 신경망과 유사하므로,

암묵지를 인공 신경망에 의해 형식지로 변환할 수 있다는 가능성을 지적했다.

골격데이터 식별 딥러닝

Shiba 등(2013)은 보행자 식별에 사용 가능한 골격 데이터 딥러닝을 제안했다. 

Zhu 등(2016)은 골격데이터를 사용한 딥러닝으로는 오버피팅에 의해 행동식별의 정확도가 떨어지는 점에 대해서,

시계열적 분석을 위해 LSTM을 사용함으로써 보다 정확한 행동인식이 가능해진다는 점을 보여준다.

한편 시미즈 등(2019)은 골격데이터를 사용하여 작업자 행동분석을 실시하여, 

제조현장의 작업 순서가 정확한지 여부를 센서 대신 딥러닝으로 식별할 수 있다는 것을 확인하였다.

미츠비시파워 사례연구

이 연구에서는 골격에 의한 동작인식에 의해 얻어진 골격정보를 기초로 하여, 숙련작업자의 기능에 대해 딥러닝을 실시할 수 있는 알고리즘을 개발하여 적용하였다.

이것에 의해 숙련작업자의 암묵지를 딥러닝용 데이터셋트로 자산화하는 것이 가능해진다.

본 연구의 목적은 기능 레벨이 다른 수 명의 작업자 데이터를 사용하여 숙련작업자의 기능을 형식지화하는 것이다.

과제였던 것은 적은 양의 작업동영상을 데이터로 하여 작업자의 식별이 가능한 알고리즘을 구축하는 것이었다.

이를 해결하기 위해 알고리즘에 IE시점의 방법과 VE시점의 방법의 프로세스를 적용하였다.

이 알고리즘을 검증한 결과, 3명의 작업자의 2회분의 작업동영상만으로도 각 작업자의 식별이 가능한 것을 확인하였다.

미츠비시파워 사례연구에 대한 소감

암묵지를 형식지로 바꾸는 데에 딥러닝을 사용한다는 주제가 흥미로웠고, 

골격데이터를 학습시킨다는 점도 흥미로워서, 

주제에 관해서는 상당히 재밌다고 느꼈다.

 

하지만 해당 연구에서는 3명의 작업자의 동영상을 사용하고 있다.

경력이 각각 2개월, 3년, 10년인 3명의 작업자의 동영상을 사용하여, 전부 학습 및 테스트 데이터로 사용하고 있다.

내가 볼 때 이 점은 상당히 아쉽다. 

내가 궁금한 부분은 학습하지 않은 숙련자, 비숙련자의 데이터로 테스트하더라도 숙련자인지 비숙련자인지 구분이 가능할까 하는 점이다.

(아마 그게 안 되었기 때문에 결과적으로 이런 내용의 논문을 쓴 게 아닐까 싶다.)
해당 논문의 결과만 보면, 숙련도를 검사하는 데에 성공했다고 말할 순 없다.

단지 개인차를 식별하는 것이 가능했다는 것밖에는 말할 수 없다.

모처럼 재미있는 논문을 찾았다고 생각했는데 조금 아쉬웠다.

 

그리고 처음 논문 제목을 봤을 때 암묵지를 형식지화해서 비숙련 작업자도 일을 빨리 터득하게끔 해준다든가,

기계가 대체할 수 있게 된다는가 어딘가에 활용이 가능해진 것이라고 기대했는데,

해당 논문에서 말한 암묵지는, 단지 “숙련도를 평가하는 것”이었기 때문에, 

실제 가능하더라도 내가 기대한 “암묵지의 형식지화”에 비해서는 용도가 상당히 제한될 것 같아서 주제도 조금 아쉽다.

여러 모로 좀 낚인 듯한 느낌이 든다.

그래도 하나의 케이스로서 발상, 연구 수법, 프로세스 등은 참고할 만 했던 것 같다.

참고자료

赤城弘一, et al. "現場作業の暗黙知を骨格による動作認識と AI で形式知化する手法の研究: 技能レベルに差がある作業者の識別." 日本経営システム学会誌= Journal of Japan Association for Management Systems 37.3 (2021): 199-210.

松原仁. "暗黙知におけるフレーム問題." 科学哲学 24 (1991): 45-56.

https://jbpress.ismedia.jp/articles/-/58368