[87]'현장전문가 기술'과 스마트팩토리

박정수 성균관대 스마트팩토리 융합학과 겸임교수

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 제조업의 매출 증대와 수익 구조 개선은 어제오늘의 일이 아니다. 그러나 변화하지 않으면서 수익 개선과 새로운 시장 개척이 이루어질 수 없을 뿐만 아니라 기존 고객마저 떠나가게 되는 현상을 대처하기 위한 획기적인 방법이 제조 산업의 스마트화이고 제조 현장의 스마트 팩토리 구현이다.

고객의 소비 형태 변화와 시장의 요구는 “초저가 다품종 생산체제”의 등장을 강력하게 요구하고 있으며, 당연한 이야기이지만, 제조업 입장에서는 대량 고객을 만들어 매출을 신장시키고 지속 가능한 수익구조를 유지 발전시켜야 살아남을 수 있다.

그러므로 스마트팩토리 구축의 목적과 전략적 지향점은 시장의 다양화와 개인화 요구에 적기 맞춤 (FIT.Fit In Time)으로 대응하는 지속 가능한 “제조 역량 강화”이다. 또한 스마트 팩토리는 두 가지 상반된 제조 방식의 결합(synthesis)이다. 즉 개별적으로 개인화된 제품과 서비스를 대량생산하는 것이다. 제조 경쟁에서 개인화 제조를 실행에 옮기려는 제조업들은 기존의 대량생산 제조업들과 비슷한 가격으로 다양성의 실현 가능성을 통해 차별화가 가능해 질 것이다.

대량생산에서 낮은 원가는 우선 규모의 경제(economics of scale), 즉 더 많은 생산량과 더 효율적인 프로세스를 통해 단일 상품이나 서비스의 단가를 낮춤으로써 이루어진다. 다시 말해 스마트 팩토리가 실현시켜야 할 매스 커스터마이제이션(mass customization)에서 낮은 원가는 범위의 경제(economies of scope), 즉 단일 생산 프로세스를 통해 매우 다양한 제품과 서비스를 더 싸고 더 빠르게 생산함으로써 이루어진다. 따라서 제조업은 규모의 경제를 실현시키는 표준 구성 요소(standard components)를 스마트 팩토리 구축의 여러 가지 방법으로 결합하여 다양한 최종 제품을 생산해내는 범위의 경제를 실현함으로써 이 두 가지를 동시에 달성할 수 있을 것이다. 즉 스마트 팩토리를 통해 규모의 경제가 실현되면 제품을 생산하는 평균 비용이 절감되고 한편, 범위의 경제는 여러 제품을 생산하는 데 드는 비용을 비례하여 절감하게 된다.

제조의 4M(Man, Machine, Material, Method)은 제조 산업에서 매우 기본이고 중요한 요소이다. 왜냐하면 이를 바탕으로 계획, 준비, 실행이 결정되며 이후 생산활동의 결과를 분석 또는 평가할 때에도 이를 기준으로 수행하기 때문이다. 최종적으로 제조업의 목표인 Q.C.D.(Quality, Cost, Delivery) 달성을 위한 요소, 즉 균일한 품질. 최적의 원가. 납기 준수이기 때문이다. 제조 활동 중에서 납품한 제품 안에 불량품이 섞여 있거나 제품 가격이 적절하지 않거나 약속한 납기일에 약속한 수량을 공급하지 못하면 고객의 신뢰를 잃고 주문이 줄어들게 될 것이다. 정보통신기술(ICT)이 발달하고 최근에는 인공지능 기술까지 도입된 지능정보통신기술(IICT, Intelligence Information Communication Technology)을 활용하여 고객의 다양한 요구와 개인화 맞춤 대응을 위해서 지능화 제조 현장을 구현하고자 스마트 팩토리 구축에 대한 관심이 고조되고 있다.

스마트 팩토리 구축을 위해서는 기본적으로 체계적인 우선순위를 정립해야 한다. 최우선적으로 고려해야 할 영역은 제조 현장과 시장의 요구를 연결하고 실질적인 제조 활동의 핵심적인 역할을 해야 할 “현장 전문가(명장, 장인 등)에 대한 개념 설계(Concept by Design)와 개념 증명(PoC, Proof of Concept)이 가장 중요한 핵심 중의 핵심이다.

디지털화된 “현장 전문가의 기술”을 어떻게 수집하여 활용할 것인가? 지금까지는 학습과 경험을 통하여 개인에게 체화(體化)되어 있지만 겉으로 드러나지 않는 지식, 즉 암묵지(暗默知)였다. 그러나 “현장 전문가의 기술”은 최신의 오감 센서와 고성능 센서 등을 사용하면 숫자나 값으로 디지털화할 수 있다. 또한 최근에는 동영상이나 이미지 등의 데이터를 수집하여 분석할 수 있다. 이러한 데이터를 수집하여 인공 지능(AI)의 강화 학습(심층 학습)을 활용하여 스마트 팩토리 시스템을 구축하면 현장 전문가의 기술을 항상 일정한 수준으로 문제를 해결하는 것이 가능해진다. 이러한 데이터는 제조업마다 시스템에 축적되어 기업 간이나 공장을 연결하는 산업 데이터 네트워크인 ‘IoT 플랫폼’을 통해 공유할 수 있다. 현장 전문가의 기술을 디지털화한 데이터를 취급 시 주의해야 할 점이 있다. 그것은 맹목적으로 데이터화하는 것이 아니라 데이터의 활용 목적을 정립하여 개념을 설계하여 데이터를 정렬해야 한다. 그것이 제조 데이터 관리의 출발이다.

다시 말해 “현장 전문가 기술”의 디지털화 포인트는 데이터 활용의 목적 측면에서 설계해야 한다. 여러 환경 데이터와 시설 데이터의 상관관계를 연결시켜 현장 전문가의 판단과 비교해야 하고, 현장 전문가의 판단에 사용하는 데이터의 품질과 단위를 가능한 한 갖춰야 하며, 시계열 데이터 원본 문서까지도 연계하여 현장 전문가가 판단하는 포인트와 패턴을 파악할 수 있어야 한다. 왜냐하면 현장 전문가의 노하우를 디지털화하는 목적은 현장 전문가의 암묵지(暗默知)를 누구나 알 수 있고 공유 가능한 형식지(形式知)로 변환하는 것이기 때문이다.

그러나 표면적인 움직임과 하나의 요소를 디지털화하는 것만으로는 현장 전문의 노하우를 형식지 (形式知) 한다는 것은 안된다. 하지만 대부분의 기업들이 그렇게 하고 있다. 기본적으로 제조 노하우는 여러 요인이 겹치고 융합되어 구성된다는 점을 직시해야 한다. 또한 디지털화된 현장 전문가 기술을 인재 육성 수단으로 활용하는 경우에는 육성 대상 기술자가 그 이미지를 그려보면서 성공적인 반복과 반복적인 실패를 쌓아 숙련도를 올려가는 과정이 절실하다. 지금까지 5 년, 10 년 걸리던 시간을 절반 이하로 단축함과 동시에 기술자 개인의 특기와 특성에 맞게 개별적으로 대응하는 것이 중요하다.

그러므로 스마트 팩토리는 제조 현장에 축적되어 온 “제조 노하우를 어떻게 유지 발전시킬 것인가?”가 매우 중요하다. 아날로그와 디지털의 경계를 파악하여 제조의 강점을 유지 발전시키기 위해서 최신의 고성능 센서와 컴퓨터 기술을 활용하여 “현장 전문가의 기술”을 아날로그에서 디지털로 대체할 수 있다.

글로벌 선진 기업들이 디지털화된 형식지(形式知)를 로봇이나 자동화된 공장에 적용하여 높은 품질의 제품을 저렴한 비용으로 생성시켜 시장의 다양하고 개인화된 요구를 대처하는 스마트 팩토리를 시작하고 있다. 아날로그의 보이지 않는 제조 현장의 노하우, 즉 현장 전문가의 기의 디지털화 취급을 잘못하면 스마트 팩토리는 오히려 제조 산업을 어렵게 하고 또다시 우위를 잃을 위험이 있을 수 있다. 따라서 디지털화를 과신하지 않고 아날로그와 디지털의 경계를 파악하고 지켜내야현장 전문가의 기술의 일부를 아날로그로 남기면서 그들의 노하우를 지속적으로 연마가 가능하도록 스마트 팩토리를 구축할 수 있을 것이다.

그럼 구체적으로 어떻게 대처해야 하는가, 아날로그와 디지털의 판별이 가능할까? 결론은 제조업이 자랑하는 생산 현장의 강점이 포함된 것을 현장 전문가를 중심으로 스마트 팩토리를 구축해야 한다. 스마트 팩토리의 구현은 제조 현장 전문가와 거기에서 나오는 데이터를 빼놓을 수 없다. 뛰어난 기술자 및 데이터의 축적은 제조 산업의 근간이기 때문이다. 그러므로 아날로그 측면의 역량은 반드시 지켜야 할 영역 중 하나로서 현장 전문가를 육성하는 방법과 하향식과 상향식이 상호 연계하여 다른 사람보다 빨리 양품 조건을 실현할 수 있는 현장 역량이 중요하다.

또한 현장 전문가의 기술을 디지털화하는 방법과 기술은 산업 및 기업별로 다를 수 있다. 스마트 팩토리는 축적된 제조 강점을 중심으로 구축하는 것이 중요하다. 아날로그와 디지털의 경계를 판별하는 포인트는 현장 전문가의 기술을 유지 발전시키는 방향과 지속 가능한 연마 프로세스다. 아래 그림은 제조 현장의 아날로그(analog) 기술과 인공지능 활용기술 기반의 인적자원 중심 품질기능전개(QFD, Quality Function Deployment)을 위한 스마트 팩토리 개념도이다.

출처 : 성균관 대학교 스마트 팩토리 융합학과 박정수 교수(Analog-based IoB thru QFD).

사람, 사물, 공간, 그리고 각 객체 간의 움직임과 목적을 갖고 활동하는 상호작용을 지능정보통신기술(IICT)을 활용하여 초 연결하고 초 지능화하여 인공지능 기반 스마트 팩토리를 구축하기 위해서는 제조 현장 전문가의 활동, 즉 노하우를 QCD(품질, 원가, 납기) 개선활동에 적용하여 지속 가능한 제조 경쟁력을 향상시키는 것이 핵심이다.

아날로그, 디지털, 인공지능 기술은 스마트팩토리의 기술 측면의 수단이다. 따라서 스마트 팩토리 구축 목적은 이와 같은 기술 수단을 활용하여 매출 신장과 수익 개선을 포함한 미래 수익원을 지속적으로 창출하는 것이다. 사람, 물리적 세계, 메타버스 등은 삼위일체 되어야 한다. 이러한 통합과 융합은 고객과 시장이 원하는 스피드, 즉 피드백(feed-back)을 통해 지속적으로 고객의 요구(VOC)를 대응해가는 제조업의 역량 강화를 목표로 조성되어야 하는 제조 산업의 생태계이다.

뉴 노멀(New Normal) 사회의 제조업의 스마트 팩토리 주요 과제로는 제조 현장 작업자의 작업 방식이 바뀌는 것, 예상하지 못한 의외의 제품 수요의 발생이나 격감 같은 수요 변동이 심한 것, 물류망이 끊기는 공급 업체 변경을 강요하는 등의 공급망(supply chain)의 혼란과 이러한 변화를 부정적인 측면에서만 파악하는 것이 아니라 큰 변화의 기회와 새로운 비즈니스 기회를 포착(捕捉) 할 수 있다.

만능의 인공지능(AI)은 존재하지 않고, 개별적으로 AI 기술을 적재적소에 활용하거나 조합하여 활용하는 것이 필요하다. 제조 현장에서는 아날로그 정보의 인식, 전조 감지, 최적의 솔루션을 제안, 자동 규칙 패턴 발견 및 예측, 자동 판단 · 제어 등 적재적소의 인공지능(AI) 적용을 구분하여 활용할 수 있다. 인공지능(AI)을 활용하여 제조 현장의 가시화, 지속 가능한 개선활동 습관화, 축적의 힘을 활용한 고도화, 자동화, 자율화 등 스마트 팩토리의 업무 성숙도 단계를 구현할 수 있다. 또한 인공지능(AI)를 통해서 효과를 내고 싶은 것은 제조 현장 업무이며, 그 업무를 지원하고 있는 것은 제조 현장 전문가이다. 그러나 인공지능(AI)은 어디까지나 스마트 팩토리의 지능화 수단이며, 활용 목적과 기대 효과를 명확히 하는 것이 중요하다.

특히, 스마트 팩토리 구축 시 인공지능(AI) 활용을 성공시키기 위해서는 조사· 기획, 확인, 도입, 활용의 4 단계에서 각각의 실질적인 현장 경험이 풍부한 현장 전문가와 협력하여 대처하는 것이 필요하다. 왜냐하면 중요한 것은 ”조사 · 기획“ 을 소홀히 하면 제조 현장에서 활용되지 못하는 경우가 다반사(茶飯事)이기 때문이다.

그러므로 스마트 팩토리는 과거 학습되고 경험한 공학적인 측면의 제조 현장이나 경영자의 시각이 아닌 시장과 고객의 시각에서부터 출발하는 품질기능전개(QFD) 기능이 구현되어야 한다. 이런 품질기능전개(QFD) 기법을 통해 제품과 서비스의 기획 단계에서부터 고객과 시장 지향적인 올바른 해석과 제공할 기능을 거치면서 마케팅 전략과 판매 소구점을 명확히 공유할 수 있었듯이 이제는 스마트 팩토리를 통해서 QCD(Quality, Cost, Delivery)의 제조 목표 수준 향상과 새로운 수익원 창출의 계기를 마련해야 한다. 그래서 스마트 팩토리 구축은 완료형이 아니고 진행형 변화관리이다.