「모든 것을 직접 해내는」 도전과 돌파: Union Tool이 AI-Stack으로 효율적인 GPU 자원 관리를 실현하는 방법

AI 기술을 도입한 제품 영상 검사 계획

초경 드릴 비트, 스터드 밀링 커터 및 금속 가공 장비 제조업체인 유니온 툴(Union Tool)은 전자 회로 기판에 부품 고정 및 배선을 위한 미세 구멍을 뚫는 데 특화된 ‘PCB 드릴 비트’ 분야의 글로벌 선도 기업입니다. 글로벌 반도체 선도 기업들이 생산하는 고집적도 CPU, GPU 등의 부품이 정상 작동하기 전에, Union Tool이 제조한 드릴로 뚫은 이 ‘공’은 필수적인 핵심 요소입니다.

Union Tool의 높은 기술력을 뒷받침하는 핵심은 철저한 ‘내재화’ 전략에 있습니다. 제품을 제조할 뿐만 아니라 생산 장비 자체도 회사에서 직접 개발합니다. 해당사 생산기술부 부부장 시노자키 료(篠崎亮)는 “우리 회사는 ‘무엇이든 직접 만든다’는 기업 문화를 지니고 있습니다. 인쇄회로기판(PCB) 제조업체 등 고객이 요구하는 제품을 실현하기 위해 제조 장비까지 자체 개발하며 맞춤형 방식으로 제품을 생산합니다”라고 말했습니다ㄡ

Union Tool 생산기술부 부부장 시노자키 료

유니온 툴은 중국, 북미 등지의 다수 고객사를 보유하고 있으며, 주로 GPU 및 CPU 패키징 기판 제조업체에 맞춤형 제품을 공급합니다. 이 회사는 상시 1000종 이상의 제품을 생산하며, 드릴 비트날의 시제품만 해도 1만 종이 넘습니다.

당연히 제조 공정에서 ‘검사’는 매우 중요한 역할을 합니다. 제품 검사 방식은 전수 검사와 표본 검사 두 가지가 있지만, PCB 드릴의 날 끝은 머리카락보다 가늘어 육안으로 식별하기 어렵기 때문에 작업자는 현미경을 통해 검사를 수행해야 합니다. 이 작업은 부담이 클 뿐만 아니라 상당한 숙련 기술이 필요합니다. 향후 인력 부족 문제를 고려할 때, 인력에 의존하는 검사 체제는 지속하기 어려울 전망입니다. 이러한 이유로 시노자키가 소속된 생산기술부는 2023년부터 AI를 활용한 영상 검사 가능성을 연구하기 시작했습니다.

“카메라로 제품 영상을 촬영해 오염이나 이물질 등으로 인한 불량 여부를 감지합니다. 문제는 처리 속도입니다. 경력 작업자는 한 번에 여러 드릴을 육안으로 검사하며 1초 안에 여러 제품을 처리할 수 있습니다. 기계가 같은 수준에 도달하려면 AI를 통해 신속하게 처리하고 처리량을 높여야만 따라잡을 수 있습니다.”라고 시노자키는 설명했습니다.

이 과제를 해결하기 위해 해당 회사는 결국 GPU를 활용한 AI 검사 장치를 개발했습니다.

양품 영상 훈련을 통한 AI 검사 장치 메커니즘

개발 완료된 AI 검사 장치는 사전에 검사를 통과한 양품 이미지를 대량으로 촬영하여 AI가 학습하도록 합니다. 불량품 이미지를 사용하지 않는 데에는 이유가 있습니다.

“드릴의 불량률이 극히 낮고, ‘불량품’ 상태도 다양한 형태를 띠기 때문에 실제로 다양한 불량 샘플을 충분히 준비하기 어렵습니다. 이러한 이유로 양품 이미지로 AI를 훈련시키고, ‘양품이 아닌 것’을 불량품으로 판정하는 메커니즘을 채택했습니다.”라고 시노자키가 설명했습니다.

양품 훈련과 동시에 검사용 촬영 장치도 개발했습니다. 미세한 드릴의 날끝을 촬영하기 위해 회전하면서 촬영하는 특수 구조가 필요했으며, 여러 번의 반복 실험을 거쳐 약 1년 만에 해당 장치를 완성했습니다.

「AI-Stack」도입으로 GPU 자원 효율적 공유

생산기술부 내 소프트웨어 개발을 담당하는 곳은 기술2과입니다. 해당 과의 임신일랑 과장과 신보귀야 부주사는 AI 영상 검사 시스템 개발 업무를 맡고 있습니다. “처음에는 각자의 컴퓨터에 GPU를 도입해 두 대의 기기로 모델 훈련을 시작했습니다. 실제 학습과 프로그램 개발은 상당히 순조롭게 진행되었지만, GPU 환경 설정에 많은 시간이 소요되었다”고 임 과장은 전했습니다.

Union Tool 생산기술부 임신일

AI를 활용한 제품 영상 검사 시스템 구현을 위해 유니온 툴은 소프트웨어와 하드웨어를 동시에 개발 중이며, 현재 개발의 핵심 단계에 진입해 2025년 내 정식 가동을 목표로 하고 있습니다.

또한 생산기술부는 AI를 통해 생산 효율성을 한층 더 높이고자 하며, 성능이 더 우수한 GPU 도입을 검토 중입니다.

“개발이 진행됨에 따라 우리 부서 인원도 점차 늘어나고 있습니다. 각 컴퓨터마다 독립적인 GPU를 별도로 도입하면 비용이 많이 들 뿐만 아니라 환경을 각각 설정해야 하는 부담이 큽니다. NVIDIA GPU 자체가 리소스 분할 기능을 지원한다는 점을 알고 있어 팀이 GPU를 공동으로 효율적으로 활용할 수 있을지 고민해 봤지만, 아키텍처가 상당히 복잡해 설정하는 데 많은 노력이 필요했습니다.”라고 시노자키씨는 전했습니다.

그러나 데이터 센터용으로 설계된 고성능 GPU는 대개 대규모 애플리케이션을 위해 제작되어 해당 회사에는 사양이 지나치게 높고 실제 수요를 초과했습니다. 팀이 ‘GPU 분할’ 기술 가능성에 관심을 가지면서도 구체적인 구현 방법을 찾지 못하던 중, 2023년 5월 한 전시회에서 Macnica의 제안이 전환점을 마련했습니다.

“Macnica가 대만 INFINITIX에서 개발한 ‘AI-Stack’ 도구를 소개해 줬습니다. 제공하는 기능이 우리의 요구사항에 딱 맞는 것 같아 먼저 테스트해 보기로 했습니다.”라고 시노자키가 말했습니다.

린과 신호는 Macnica가 제공한 클라우드 평가 환경에 접속해 AI-Stack의 기능을 테스트했습니다. 결국 그들은 이 도구가 회사 내 GPU 활용 효율을 효과적으로 높일 수 있다고 판단하고 AI-Stack을 정식 도입하기로 결정했다.

사실 AI-Stack의 매력은 단순히 ‘GPU 자원 분할’에 그치지 않고, 한 걸음 더 나아간 자원 관리 효율성에 있다. 사전 설정된 정책(Policy)에 따라 단일 또는 다중 GPU로 구성된 자원 풀을 개인이나 팀에 자동으로 할당합니다. 사용자는 각 팀별로 GPU 자원의 ‘최소/최대 사용량’ 등의 조건을 설정할 수 있읍니다. 예를 들어, GPU 자원이 완전히 유휴 상태일 때는 특정 팀이 모든 자원을 독점적으로 사용할 수 있습니다. 다른 팀도 사용을 시작하면 시스템은 사전 설정된 정책에 따라 자동으로 할당합니다. 이러한 운영 방식은 귀중한 GPU 자원의 사용률을 효과적으로 높여 유연하면서도 효율적인 자원 관리를 실현합니다.

INFINITIX가 개발한 AI-Stack은 업계 최고 수준의 AI 인프라 관리 소프트웨어로, 기업의 AI 도입을 크게 가속화합니다. GPU 분할/집약, 크로스 노드 컴퓨팅, 이종 클라우드 관리, 직관적인 그래픽 인터페이스 및 환경 구축 기능을 통합하여 GPU 컴퓨팅 자원 사용 효율을 극대화하고 AI의 고속 반복 개발을 유연하게 지원합니다.

휴가 중에도 GPU 자원을 지속적으로 활용할 수 있습니다.

생산기술부는 AI-Stack 도입 후 팀원 간 GPU 자원 공유가 매우 간편해졌다고 평가하며 높은 만족도를 표했습니다.

“AI 개발 프로젝트가 시작되면 컨테이너를 가동하고 필요한 개발 환경을 구축합니다. 수동으로 GPU 자원을 할당하려면 매번 Kubernetes를 통해 전문 인력이 작업과 설정을 수행해야 했는데, 이 과정은 번거로울 뿐만 아니라 시간이 많이 소요되었습니다. 하지만 AI-Stack 도입 이후 이러한 복잡한 단계는 더 이상 필요하지 않으며, 우리는 AI 학습 데이터 설계와 개발 작업에만 집중하면 됩니다.”라고 신보(新保)는 말했습니다.

Union Tool 생산기술부 신보 타카야

임(林)은 AI-Stack의 스케줄링 기능에 대해 높이 평가했습니다. “AI-Stack은 GPU를 분할해 다중 사용자가 동시에 사용할 때 자동으로 자원 할당을 최적화할 뿐만 아니라, 매우 편리한 ‘GPU 사용 예약’ 기능을 제공합니다. 대량 데이터 훈련 시 작업을 미리 대기열(queue)에 등록해 순차적으로 실행할 수 있습니다. 금요일 퇴근 전에 주말 GPU 작업을 예약해 두면 월요일 아침에 처리 결과를 확인할 수 있어, 예전처럼 주말에도 직원이 출근해 GPU 계산을 시작해야 했던 번거로움이 사라졌습니다.”

현재 해당 회사는 나가오카 기술 센터에 NVIDIA RTX A5000 2장을 탑재한 GPU 서버 1대를 구축했으며, 도쿄 본사에는 성능이 더 높은 NVIDIA H100을 배치했습니다. 이러한 GPU 자원은 모두 AI-Stack 플랫폼에서 통합 관리되며, 향후 생산기술부 외에 다른 부서에서도 공동 사용이 가능하도록 개방할 계획입니다.

인공지능을 활용할 수 있는 내부 인재를 양성한다

AI-Stack을 통해 Union Tool은 GPU 자원을 효율적으로 분할하고 활용할 수 있는 인프라를 성공적으로 구축했습니다. 그러나 시노자키 씨는 현재 회사 내부에는 AI를 진정으로 활용할 수 있는 인재가 여전히 부족하다고 인정했습니다.

“사실 관리 부서에는 AI를 도입해 효율화를 도모하기에 매우 적합한 업무가 많습니다. 하지만 이를 실현하려면 개발, 제조, 관리 등 모든 부서에서 AI를 활용할 수 있는 인력을 양성해야 합니다. 이에 따라 다른 부서에서 3명의 직원을 생산기술부로 이동시켜 AI를 통한 업무 혁신 방안을 모색하는 프로젝트를 시작했습니다.”

이 프로젝트 멤버 중 한 명인 이케즈 준이치(제1공구기술부 PCB 공구 개발과)는 본래 드릴 디자이너이지만, AI를 통해 회사 내부 문서 자원의 효율적 활용을 도모하고자 합니다.

“회사 내부에는 기술 정보가 담긴 보고서 등 문서가 방대하지만, 과거에는 이러한 지식이 효과적으로 활용되지 못했습니다. 또한 이 문서들에는 고객의 특수 사양 등 기밀 정보가 포함되어 있어 외부 AI에 학습을 맡길 수 없습니다. 따라서 우리는 사내에 AI 환경을 구축하고 자체적으로 로컬 LLM(대규모 언어 모델)을 개발해 이 내용을 처리하는 방안을 검토 중입니다.”라고 이즈는 설명했습니다.

Union Tool 생산기술부 이케즈 슌이치

Union Tool이 제조하는 공구는 대부분 맞춤형 제품으로, 고객별 요구에 따라 PCB 재질과 표면 가공 상태 등이 각기 다릅니다. 관련 기술 문서는 신제품 개발 과정에서 매우 귀중한 지식의 보고라 할 수 있습니다. 이케즈는 생성형 AI와 사내 정보 검색을 결합한 메커니즘을 통해 RAG(검색 강화 생성, Retrieval-Augmented Generation) 등의 기술적 접근을 활용해 과거에 축적된 지식과 경험을 효과적으로 활용함으로써 AI 답변의 정확도를 높이는 방안을 구상 중입니다.

향후 AI가 여러 부서에 걸쳐 적용 범위가 확대됨에 따라 AI-Stack의 GPU 자원 분할 기능도 더 큰 가치를 발휘할 전망이다.

도입 과정 내내 지속적으로 동행해 준 Macnica에 높은 평가를 드립니다.

유니온 툴의 AI-Stack 도입 프로젝트에서 시노자키 등은 유통사인 맥니카가 매우 든든한 버팀목이 되어 주었다고 입을 모았습니다.

“솔직히 말해, AI-Stack 도입 과정에서 우리 회사의 ‘모든 걸 직접 해결하려는’ 문화가 오히려 걸림돌이 됐습니다. 모든 설정을 내부 인력만으로 해결하려다 오히려 많은 시간이 소요됐습니다. 맥니카 담당자는 조용히 곁에서 지켜보며 우리의 방식을 존중하고 인내심 있게 도입 전 과정을 지켜봐 주었습니다. 아마도 이미 도움을 주고 싶었을 텐데(웃음), 정말 어려움에 부딪혔을 때만 손을 내밀어 준 점이 인상 깊었습니다.”라고 시노자키 씨는 전했습니다.

AI-Stack을 통해 Union Tool은 GPU를 효율적으로 관리할 수 있는 환경을 구축했으며, 향후 생산 기술 분야에 이를 적용할 뿐만 아니라 AI를 통해 회사 전체 업무의 효율화를 도모할 계획입니다. ‘모든 것을 스스로 한다’는 기업 정신을 고수하면서도 우수한 도구에 대한 과감한 도입이라는 유연한 태도를 결합한 Union Tool이 AI 활용 성과를 실현하는 날이 이미 코앞에 다가왔습니다.

제작: ITmedia 주식회사　© 2025 ITmedia, Inc. All Rights Reserved.