‘AI’로 용광로 안전사고 위험 낮춘다

[헤럴드경제=구본혁 기자] 용광로 쇳물의 온도는 1600~1700℃에 이른다. 그래서 제철 과정은 절대적 주의가 필요한 작업이다. 더군다나 출강은 용광로에서 불순물 제거 작업을 거친 쇳물을 이송 용기에 담는 공정인데, 베테랑의 숙련도와 집중력에 따라 조업의 품질에 절대적인 영향을 미친다. 이 위험천만한 고난도의 작업을 인공지능이 대신하면 어떨까?

포항공과대학교(포스텍) 철강‧에너지소재대학원 홍대근‧임창희 교수 공동연구팀은 인공지능(AI)을 활용한 출강 자동화 시스템을 개발했다고 1일 밝혔다. 이 시스템은 현재 포스코 광양제철소 2제강 2전로에 적용, 스마트팩토리 혁신을 앞당기고 있다.

컵 안에 있는 불순물을 제거하기 위해 컵을 천천히 기울여 불순물만 걸러내듯이, 출강은 전로 안에 떠 있는 슬래그(불순물)를 천천히 걸러내는 작업이다. 지금까지 출강 방식은 작업자가 고온, 고열의 작업 환경에서 육안으로 확인하면서 이 작업을 매일 수십 차례 수동으로 작업해야 했다. 그렇다 보니 작업자의 숙련도에 따라 제품 성분이나 미세한 품질의 편차가 발생하고, 데이터를 정량화하기 어려움이 있었다. 또한, 고열 작업 특성상 안전사고에 노출될 수밖에 없었다.

연구팀은 전로 출강자동화를 위해 포스코 기술연구원, 광양제철소 제강부와 협업하여 영상분석 연구를 수행했다. CCTV를 통해 실시간으로 수집되는 다트(내화물) 투입 영상과 SDS 영상을 이용해 딥러닝 기반 다트 투입 적중 여부 자동 판정 기술을 각각 개발했다.

먼저 작업을 단계별로 세분화하고 조건별 데이터를 수집, 표준화한 다음 출강 패턴을 도출했다. 이렇게 도출된 출강 패턴을 토대로 딥러닝을 통해 합금철 및 슬래그 유출 방지를 위한 다트 투입 시점을 판단하고, 출강 종료까지 공정이 자동으로 이루어져 작업자 간 편차를 줄일 수 있게 됐다. 또한 AI 영상인식 기술을 통해 출강 과정을 직접 눈으로 확인하지 않고도 고온 작업으로 인한 위험을 감지할 수 있게 됐다.

홍대근 교수는 “AI를 활용한 출강 자동화 시스템은 작업 효율 향상과 품질 안정화를 달성한 것은 물론 작업자 안전을 크게 향상시킬 수 있다”며 “출강 자동화 알고리즘을 더욱 고도화해 모든 위험에 대비할 수 있도록 하겠다”고 말했다.

한편 포스코에서는 이번에 개발한 전로 출강 자동화 기술을 확대 적용하기로 결정했다. 연구팀은 개발한 영상 기반 슬래그 다트 투입 적중 여부 자동 판정 기술을 기술이전 하는 것을 추진하고 있다.