제조산업 지능화의 구축 방법과 사례 (1)
스마트 공장의 목적은 정보기술을 활용해 실시간으로 제조 환경의 문제점을 조기에 발견하여 급변하는 경영환경에 민첩하게 대응하고, 제조업에서 보유하고 있는 품질, 비용, 납기 문제점에 대하여 연속 개선 프로세스를 통하여 생산성을 높이면서 고객 만족에 기여하는 것이다.
이를 효율적으로 구현하기 위해 전산화, 자동화로는 성장 방법에 한계가 있다. 시시각각 발생하는 제조 데이터를 실시간 통합하고, 이를 통하여 제조 혁신을 구현하는 변화 관리와 공정 혁신을 포함하는 제조 혁신으로 발전해야 한다.
이번 호부터 제조산업 지능화를 위하여 산업용 AI(Industrial AI)가 어떻게 적용되는지와 대표적인 구축 사례 및 산업분야의 차별화 방안을 소개한다.
■ 차석근 | 에이시에스(ACS)의 부사장/CTO이다. 40여년 간 MES와 ISO 표준화를 중심으로 스마트 공장 솔루션 경험을 쌓았다. 중소기업청 생산정보화, 산업부 스마트공장, 중기부 스마트제조혁신 프로그램을 기획했다.
이메일 | sk_cha@acs.co.kr
홈페이지 | http://acs.co.kr
1. 성공과 실패 사례에서 배우는 지혜
지난 2019년 소프트뱅크의 손정의 회장이 정부에 “첫째도 AI, 둘째도 AI, 셋째도 AI”를 제시하면서 모든 산업분야에 AI 적용 기획이 추진되었다. WEF(세계경제포럼)과 컨설팅 업체인 맥킨지(McKinsey)에서는 등대공장 선정을 수행하였고, 2019년 국내 기업으로는 포스코(POSCO)가 선정되었다. 반면, 글로벌 제조업의 대표를 자칭하는 중국의 경우에는 애플 단말기의 OEM 공급업체인 폭스콘(Foxconn)을 선두로 각 산업분야에 10개 기업 등대공장으로 인정받았다. 여기에서 핵심 기술의 평가는 산업용 AI를 어떻게 적용하여 최대의 성과를 얻을지에 대한 지표가 핵심 선정 항목으로 평가되었다.
빅데이터와 인공지능(AI)의 시대는 다른 모델을 요구하고 있다. 사실 우리가 좋아하든 싫어하든, 또는 잘 인식하지 못하고 있을 수 있지만, 요즘 의사결정의 중심은 데이터와 알고리즘으로 가고 있다.
넷플릭스는 우리가 어떤 영화를 볼 것인가를 알려준다. 음원 사이트는 내가 무슨 음악을 들으면 좋을지 가려낸다. 운전할 때에는 내비게이션이 시키는 대로 따라간다. 기업의 채용 과정도 최소한 1차 심사는 인공지능으로 대체하기 시작했다. 은행 대출도 많은 경우 알고리즘에 의해 결정하는 추세다. 주식 투자의 70~80%는 알고리즘이 담당하고 있다. 미국의 데이팅 웹사이트들은 당신의 이력과 당신의 SNS 활동 등을 고려해 파트너를 추천한다. 앞으로는 직업과 전공 선택부터 누구와 결혼할 것인가 등의 문제에 대해 컴퓨터 알고리즘의 도움을 차츰 더 많이 받을 것이다.
컴퓨터는 가장 최근의 연구 결과를 습득하고, 인간이 도저히 상상할 수 없는 정보를 순식간에 분석해 우리에게 최적의 의사결정 조언을 한다. 이런 인공지능 알고리즘 의사결정을 기업에서는 점점 보편적으로 사용하고 있다. 우리는 이것을 ‘인공지능을 통한 자동화’라고 부른다. 기업은 인력을 대체하고, 비용을 절감하며, 생산 효율성을 높이는 방식을 적극적으로 도입하고 있다.
이런 긍정적 성과물에서 테슬라의 일론 머스크는 왜 ‘사람 없는 공장’을 포기했을까? 일론 머스크는 경영 능력과 비전에서 일반인의 상식을 훨씬 뛰어넘어 ‘외계인’이라고까지 불린다. 그는 완전히 사람이 없는 인공지능 기반 공정으로 테슬라 전기차를 만들려고 엄청난 노력을 쏟았다. 하지만 그는 인공지능과 로봇을 이용해 완전 자동화 생산 공정을 실행하려던 계획이 실패했음을 시인하게 된다. 그 후 그는 커다란 텐트 공장을 만들고 옆에서 숙식하며 새로운 프로세스를 진두지휘했다.
그래서 만든 것이 인간과 인공지능이 어우러진 새로운 협업 공정이다. 그는 이 텐트 공장에서 인간과 로봇이 해야 하는 일을 다양하게 실험했다. 이를 통해 어떤 프로세스를 완전 자동화하고, 어떤 프로세스에는 인간이 개입해야 하는지를 결정해 새로운 시스템을 완성했다. 결과는 ‘인간 + 인공지능’이라는 공존이다. 제프 베이조스의 아마존도 거의 완벽한 물류 자동화 시스템을 완성했지만, 여기에서는 25만 명의 인간이 같이 일하고 있다.
IBM의 인공지능 ‘왓슨(Watson)’을 도입한 병원에서는 환자들이 왓슨의 진단 결과를 얼마나 신뢰할까. 사실 우리가 알고 싶은 것은 ‘인간과 왓슨의 결과가 다른 경우 누구를 따라야 할 것인가’ 하는 자극적인 질문이다. 하지만 이는 좋은 질문이 아니다. 인공지능은 대결 상대가 아니라 이용 대상이다. 우리의 목표는 인공지능을 이용해 인간에게 더 나은 최적의 시스템을 만들어 나가는 것이다. 인공지능의 진단 시스템이 의사를 대신해 암 진단을 내려 주겠지만, 의사들은 이 결과를 최종 판단하고, 얼마나 심각한지 살펴보고, 치료 계획을 세우고, 추가 검사가 필요한지 결정해야 한다.
또 다른 사례를 살펴 보면, 2013년 GE는 대규모 데이터 환경에 임베디드와 기계 기반 알고리즘에 스마트 디바이스를 융합한다는 아이디어를 제시하고, ‘기계 + 마인드’ 개념의 산업용 데이터 플랫폼인 프레딕스(GE Predix)를 발표했다. 당시에는 아주 멋진 비즈니스 모델로 평가되었지만, 2019년 GE는 나스닥에서 퇴출되는 굴욕을 당했다.
프레딕스의 가장 큰 문제는 모든 기계에서 발생하는 데이터를 관리하는 최종 도구로 하나의 공통 클라우드 플랫폼을 선택한 것이다. 때문에 각 산업의 특성과 차별화된 관리 항목에 대응하는 제조 본질의 문제에 대한 솔루션을 제공할 수 없었다. 자동화, 정보기술, IT 플랫폼, 빅데이터 및 기타 기술이 성숙하지 않기 때문에 제조 및 산업에 스마트 공장의 전환에 한계가 있었던 것이다.
중국의 스마트 제조 개발에서도 비슷한 경우가 있었다. 국가 정책에 의해 추진된 일부 기업은 산업 인터넷 및 IoT 플랫폼 구축, 모든 생산 라인에 다수의 센서 추가, 대규모 데이터베이스 생성, 인적 노동을 대체하는 로봇 등 공장의 ‘스마트’ 변환에 많은 투자를 했다. 이 업그레이드 및 변환 과정에서 모든 사람은 좋은 의도를 가지고 있지만 실제 요구 사항, 요구 사항 및 핵심 역량이 종종 무시된다. 이것이 지능형 제조에서 중국이 직면한 주요 문제이다.
2. 제조 품질에 미치는 3차원 요소
제조는 기본적으로 품질, 원가, 납기(QCD : Quality, Cost, Delivery)라는 3요소의 효율화가 중요하다. 이를 위해 <그림 1>에서 제시하는 것과 같이 크게 품질에 미치는 3차원 본질에 대한 이해가 필연적이다.
■ 숙련(Discipline) : 작업자 숙련도, 조직문화와 관리 능력 → 강력한 조직 문화(월드베스트 : 일본)
■ 시스템(System) : 장비, 시스템과 표준 절차 → 설계 및 제조 능력(월드베스트 : 독일)
■ 본질(Intrinsic) : 도메인 지식을 사용하는 고객 → 특허와 혁신적 협력(월드베스트 : 미국)
그림 1. 제조 품질의 3차원(숙련, 자동화, 본질)
