[82] "데이터로 경영하라"

박정수 성균관대 스마트팩토리 융합학과 겸임교수

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 아무리 구슬이 많아도 꿰어서 목걸이를 만들지 않으면 가치가 없다. 누구나 잘 알고 있는 데이터(data)도 다듬고 쓸모 있게 만들어야 값진 보배가 된다. 사람, 기관, 그리고 기업을 위한 새로운 기회를 창출하는 데 있어서 데이터가 가지는 막대한 잠재력을 강조하고자 한다.

특히 제조 산업의 데이터는 제품이나 소재를 만드는 원료와 같아서 ‘데이터 관리’의 중요성은 날로 증가하고 있다. 인터넷 뿐만 아니라 다양한 응용 프로그램 및 시스템에서 방대한 데이터를 생성 및 축적하고 있으며, 이러한 데이터를 제대로 파악하여 의미 있는 정보로 변환시켜 비즈니스에 활용하는 것이 중요 시 되고 있다.

그러나 “데이터 관리”라는 말이 도대체 무엇을 가리키는 것인지, 누가 무엇을 어디까지 주면 좋은 것인지, 애매한 부분도 존재한다. 제조업에서 사용하고 있는 정보 시스템이 점점 복잡해지고 있는 현 상황에서 이상적인 데이터 관리는 어떤 것일까?

기존 정형 데이터 기반 시스템의 산출물마저도 관점에 따라서 다르게 해석될 수 있다. 그러나 비정형 데이터까지 범위를 넓히면 데이터의 크기, 다양성, 그리고 속도에 이르기까지 매우 다양한 관점이 도출될 수 있어서 이러한 물음 자체가 변화의 시그널(signal)이 자 관점 중심의 데이터 기반 디자인 시대가 열리고 있다는 징조(徵兆)다.

과거 몇몇 기업에서 디자인 경영으로 성공하자 “디자인 경영”이 급 물살을 타듯이 디자인 씽킹(design thinking)은 비즈니스 가치를 한층 높이는 디자이너의 사고력으로 알려지면서 디자인 경영의 보급에 큰 힘이 되기도 했다. 정보통신기술(ICT)의 발달로 순식간에 데이터 시대가 열리면서 “디자인 경영”도 단순히 이론만 설명하는 것이 아니라 실제 서비스나 제품에 적용할 수 있는 가치 제안을 시작하면서 발전해 왔다. 그게 바로 서비스 디자인, 그리고 디자인 전략이다. 경험을 사고 파는 시대, 뉴노멀(new normal) 시대는 데이터 없이는 아무런 의사결정도 할 수 없고 어떠한 것도 설득이 되지 않는다. 과거 인간의 인사이트(insight) 기반 기획 디자이너 시대에서 제조 현장 데이터를 기반으로 사용자 경험도 디자인(DDUX-Design, Data-driven User Experience Design)하는 시대로 전환되고 있다.

그러므로 스마트 팩토리 구축은 ‘데이터 관리’가 최우선이다. 기본적으로 데이터 관리는 데이터 자체를 안전하게 저장하고, 검색할 수 있도록 준비하는 것을 말한다. 또한 데이터가 변경될 때 그 기록을 남겨 항상 최신 데이터를 열람할 수 있도록 해야 한다. 예를 들어, 데이터의 접근성을 향상시켜 데이터의 연계 · 통합을 통해 새로운 가치를 얻어내는 것도 데이터 관리의 일부다. 더 나아가 제조업에서는 품질 마스터, 생산 실적 마스터, 상품 마스터, 고객 마스터, 회계 마스터와 같은 기본적인 마스터 데이터를 중앙에서 관리하는 마스터 데이터 관리(MDM)도 기업에 필수적인 데이터 관리 요소 중 하나다. 다시 말해, 전사적으로 데이터 기준을 하나로 정의하고 그 기반에서 데이터 관리를 운영하는 기준 정보 관리체계(Master Data Management, MDM)가 중요하다. 이를 토대로 데이터를 잘 활용하는 것이 수익 증대 및 원가 절감과 직결된다는 것을 경험할 수 있기 때문이다. 그러므로 전사적 관점에서 데이터 과제를 발굴하고 추진해야 한다.

최근 빅 데이터를 대상으로 한 데이터 관리의 중요성이 증가하고 있는데, 유튜브와 같은 플랫폼에선 거의 대부분 스트리밍(Streaming) 서비스를 하고 있다. 이 서비스를 통해 실시간으로 제작자와 소통하는 것이 가능하게 되었다. 참고로 스트리밍(Streaming)이란 데이터를 로드하는 행위와 외부에서 데이터를 받아오는(로드하는) 행위 자체를 의미한다. 예를 들어, 스마트 팩토리 구축 시 제조 현장의 공급망(in-bound supply chain), 즉 운송 차량, 산업 장비 및 기계에 있는 센서(IoT sensor)는 스트리밍 애플리케이션(Application streaming)에 데이터를 전송한다. 애플리케이션에서는 성능을 모니터링하고, 잠재적인 결함을 사전에 탐지하여 예비 부품 주문 자동화를 통해 장비 가동 중지 시간을 방지할 수 있다. 그러므로 다양한 소스에서 끊임없이 흘러나오는 스트리밍 데이터(streaming data)에 순차적으로 액세스하여 통계적 방법 등을 구사하면서 데이터를 구별하고 분석하는 관리 기술이 이용되고 있다.

또한, 데이터 거버넌스(data governance)도 주목 해야 한다. 제조 산업에서 스마트 팩토리를 진행함에 따라 데이터는 빠른 속도로 가장 가치 있는 자산이 되고 있으며, 의사 결정자는 전략적 비즈니스 의사결정을 내리기 위해 정확하고 시기적절한 데이터를 필요로 한다. 마케팅 및 영업 전문가는 고객이 무엇을 원하는지 파악하기 위해 신뢰할 수 있는 데이터를 필요로 하고, 생산, 조달 및 공급망 관리 담당자는 재고를 보관하고 제조 비용을 최소화하기 위해 정확한 데이터를 필요로 한다. 제조업의 자산 관리자는 현금 관리처럼 데이터도 내부 및 외부적 의무사항에 따라 처리되고 있음을 증명해야 한다. 구체적으로 데이터를 기업의 자산으로 자리매김시키는 경향이 있다. 사일로(silo)화 된 개별 데이터를 연계시켜 기업 전체의 데이터 흐름을 시각화하고 방대한 데이터 속에서 불필요한 데이터를 삭제, 수정하여 데이터 품질을 보장하는 구조를 구축하고 운용(運用) 해야 한다.

스마트 팩토리는 데이터로 제조 경영을 하는 것이다. 제조업의 고객 정보를 비롯한 모든 데이터는 그 데이터를 그냥 보유하고 있을 뿐만 아니라, 활용함으로써 처음으로 가치가 생긴다. 생산도 마찬가지다. 생산 정보를 현장에 피드백(Feed-back) 하여 새로운 가치, 즉 개선점을 찾을 수 있다. 즉, 스마트 팩토리 구축 시 데이터 활용을 위한 환경을 정비하는 것이 중요하다. 데이터를 필요할 때 필요한 만큼을 쉽게 찾아내서 검색 할 수 있는 구조를 디자인하는 것이 필요하다. 또한 정확한 데이터와 최신 데이터를 활용하기 위하여 필요하다면 과거의 다양한 시점 데이터도 참조할 수 있어야 하며, 데이터끼리의 일치성 등을 쉽게 찾을 수 있게 하는 것도 필요하다.

특히 제조 현장은 필기 대장 등의 아날로그적인 것들이 각종 시스템에 의해서 정보화가 진행되었고, 데이터의 양이 늘어나면서 데이터의 종류도 다양해지고 있지만, 근본적인 것은 그다지 변하지 않았다. 데이터 관리 서버와 네트워크에 연결한 물리적인 시스템(ERP, MES, CRM, PLM)은 많은 양과 빈도의 데이터를 효율적으로 활용 · 운용하기 위해서다. 그러나 현대는 너무 방대한 데이터가 왕래하기 때문에 그것을 처리할 시스템의 종류도 늘어 시스템 간의 연계가 잘되지 않는 케이스도 볼 수 있다. 따라서 기업의 데이터 관리에 가장 필요한 것은 분산되기 쉬운 다양한 데이터를 융복합적인 목적에 부합하도록 관리하는 것이라는 인식이 확산되고 있다.

“데이터로 경영하라”의 명령을 현장 중심으로 실행해야 한다. 그것이 스마트 팩토리이자, 4차 산업혁명이자, 뉴노멀(new normal)이다. 데이터는 새로운 수익원이자 21세기의 새로운 석유이기 때문이다. 데이터를 발견, 추출, 처리, 활용하여 매출과 이익으로 전환시키는 것을 스마트 팩토리의 궁극적인 과제로 삼아야 한다. 그러므로 데이터 기반 경영은 제조업이 안고 있는 데이터 관리의 세 가지 과제를 구체적으로 해결해 나가야 한다.

첫째, 제조업 내외에 데이터가 산재해 필요한 데이터를 적기 맞춤(FIT: Fit In Time)으로 찾지 못한다. 물리적인 시스템(ERP, CRM, MES, LMS)에 의한 데이터 관리는 본래 언제 어디서나 사용 할 수 있다. 그러나 데이터가 방대하게 되면 필요한 데이터를 신속하게 찾을 수 없다는 문제가 발생할 수 있다. 그 원인의 대부분은 조직의 사일로(Silo)화에 의해서 데이터의 중앙 관리가 되지 않기 때문이다. 시스템이 기업의 부서별, 업무별로 설치되어 있는 경우, 각각의 시스템이 단절되고 통합되어 있지 않아 상호 연계성이 떨어진다. 그 결과 필요한 데이터를 찾을 수 없는 사태에 빠질 수 있다.

거기에 불필요한 데이터나 부정확한 데이터가 섞여 있어 적기에 필요한 맞춤 데이터의 추출이 어려워지고 있다. 또한 수년에 걸쳐 보수 · 확장을 거듭해 온 기존 시스템에서는 어디에 무엇이 연결되어 있는지 파악하는 것이 어렵고, 대규모 혁신도 어려워지고 있다. 그러므로 데이터 관리를 위해 사용하는 시스템은 오히려 비합리적이고 불편한 것이 되어 버린다. 제조 현장과 시스템 관리 조직 간의 무서운 괴리가 지속적으로 원인을 제공하고 있다. 부분 최적화는 전체 최적화의 갈등일 뿐이다. 전산 조직을 제조 현장으로 옮긴다는 획기적인 발상의 전환이 필요할 수도 있다.

두 번째는 저품질 데이터의 과제이다. 기업이 운용하고 있는 대량의 데이터가 모두 필요한 데이터만 있는 것은 아니다. 실제로 데이터를 그 품질과 용도에 따라 크게 분류하면 다음의 3 가지로 나눌 수 있다. 필요한 데이터, 불필요한 데이터, 필요한지 불필요한지를 알 수 없는 데이터다. 필요한 데이터는 더 민감한 데이터 및 마스터 데이터 등의 중요한 데이터에서 일상의 업무에서 취급하는 데이터까지 다양한 수준으로 구분된다.

한편, 불필요한 데이터는 오래되어 가치가 소실되어 파기해 버려도 상관없는 데이터이다. 불필요한 데이터가 많을수록 필요한 데이터를 찾는 것이 어려워지고 또한 불필요한 비용이 소요될 수도 있다. 그러나 불필요한 데이터를 필터링하는 것은 쉬운 일이 아니다. 데이터와 가치, 즉 기술과 기능의 부조화 현상을 극복해야 한다.

세 번째, 방대한 시스템 연계를 통한 데이터 관리 비용의 증대다. 데이터 관리를 위해 다양한 응용 프로그램과 시스템을 무질서하게 연계시키고 있으며, 하나의 새로운 응용 프로그램을 켤 때마다 관련된 기타 여러 응용 프로그램과 연계시키기 위해 각각 개발 비용이 소요된다. 또한 데이터가 증가하면 그것을 관리하기 위한 비용도 증가한다. 방대한 빅 데이터 관리를 위한 시스템 환경을 마련하기 위해 도입 비용은 물론, 여러 서버를 유지해 나가기 위한 운영 비용도 발생한다. 따라서 효율적인 데이터 관리를 할 수 있는 솔루션을 마련하는 것이 스마트 팩토리이다.

데이터를 연결하는 측면에서 스마트 팩토리의 핵심적인 용어는 사물 인터넷(IoT)이다. 아래 그림은 스마트 팩토리 프로세스에 관한 것이다. 사물 인터넷으로 시작한 산업혁명이 서비스 인터넷, 사람 인터넷, 그리고 행동 인터넷으로 진화하고 있다. 그리고 정보통신기술의 핵심은 사람과 사물을 연결하는 것이다. 따라서 스마트 팩토리의 부가가치는 사람, 즉 현장 전문가에게서 나온다는 것으로 이해할 수 있다. 그래서 뉴 노멀(new normal)이다. 사람(시장)이 원하는 서비스를 찾아 이를 기반으로 기술 개발의 우선순위를 정하고, 점점 더 개인화되고 있는 고객의 요구에 대응하는 서비스를 제공해야 하기 때문이다. 그러므로 스마트 팩토리는 데이터 관리 문제를 해결하는 제조 기술이어야 한다. 데이터 관리의 과제가 표면화되면서 이를 해결하기 위해 많은 기업에서 도입하기 시작한 것이 “데이터 관리 솔루션 ”이다. 특정 업무에 특화된 데이터 관리 시스템은 이전부터 존재했지만 더 근본적으로 문제를 해결하려면 스마트 팩토리 도입 시 업무 프로세스 진단과 전사적 데이터 관리 솔루션을 사용하는 것이 효과적이다.

또 다른 방법은 기존의 시스템에 분산되어 있는 데이터를 상호 연결성이 높은 데이터 관리 플랫폼에 통합하는 방법이다. 기업 내의 모든 애플리케이션과 시스템을 연결하는 데이터 관리 솔루션을 넣는 것으로 데이터 연계를 실현할 뿐만 아니라 필요할 때 필요한 데이터를 추출할 수 있어야 한다. 또한 데이터 거버넌스를 도입하면 데이터의 품질을 높이고, 각 데이터의 유용성 수준을 높일 수 있다.

1970년대 후반에 미국에서 등장한 컴퓨터 통합 생산(CIM, Computer-integrated manufacturing)은 전체 생산 공정에 처음으로 컴퓨터를 활용하는 것이였다. 스마트 팩토리 구축 시 빅 데이터와 인공지능을 활용하는 것과 유사하다. 이러한 통합은 공정 간의 정보 교환과 상호작용을 가능하게 한다. 컴퓨터 통합으로 인해 생산은 더욱 빨라지고 오류는 적게 발생하며, 자동화된 생산 공정을 구축할 능력을 가지게 되었다.

또한 생산현장에 직접 관련되는 부문에서부터 영업부문에 이르기까지 컴퓨터를 네트워크로 연결해 제품의 설계, 제조, 생산관리에 관련된 데이터베이스를 공유시킴으로써 수주로부터 출하까지를 총합적(總合的)으로 관리하는 것으로 제조와 경영을 결합시킨 시스템이다.

컴퓨터를 제조 현장에 도입하여 완전 자동화를 추구했던 CIM 도입은 쉽지 않았다. 그러나 여기서 두 가지 교훈을 얻었다. 하나는 사람을 제외해서는 안 된다는 것이었다. 현장 근로자의 호응을 얻지 못한 것이 문제가 된 것이다. 또 하나의 교훈은 이러한 생산 시스템이 실제 현장에서 검증되어야 한다는 것이다.

스마트 팩토리 구축도 CIM과 다를 바 없다. 데이터 관리에서 출발한다는 점에서는 CIM이나 스마트 팩토리는 동일하다. 그러나 스마트 팩토리는 사물 인터넷, 즉 “연결의 가치”를 지속 가능하게 제조 현장에 도입시키자는 것이다.

궁극적으로 스마트 팩토리는 사물 인터넷을 활용한 “연결의 가치”를 구현하기 위하여 자사 제품의 사물 인터넷(IoT) 화와 제조 현장의 사물 인터넷(IoT) 화로 구분하여 접근해야 한다. 우선 자사 제품의 IoT 화를 실현시키기 위해서는 데이터를 수집하고 분석하여 고객 대응력 향상 및 매출 확대를 노리는 것이며, 제조 현장의 시설, 장비 등을 IoT 화는 생산성 향상과 품질 향상을 지속적으로 실현시키는 것이다. 그래서 스마트 팩토리는 현장 전문가 육성이 중요하다. 즉 제조 현장의 사물 인터넷(IoT) 화의 효과를 얻기 위해서는 제조 현장에서 수집된 데이터에서 생산성 향상과 품질 향상으로 이어질 재료를 감지할 수 있는 분석력을 갖춘 현장 전문가와 제조 공정의 전체 라인과 공장 전체의 관점에서 설비 설계 능력, 기획 디자인 역량을 갖추는 것이 중요하다.

끝으로 생산 기술 향상과 점점 개인화되어 맞춤을 요구하는 고객의 요구에 대한 대응력 강화가 스마트 팩토리의 구축 목적이다. 그러한 목적을 실현하기 위해서는 위에서 언급한 제조 현장에서 센서를 기반으로 하는 사물인터넷, 빅데이터 분석과 학습을 위해서 데이터를 먹고 자라는 인공지능, 과거의 네트워크와 차별되게 데이터를 받아들이고 배분하는 클라우드 컴퓨팅, 그리고 계획과 실행을 일체화시켜 제조 분야의 혁명을 이끄는 3D 프린터 등과 밀접한 관계를 맺고 융복합 했기 때문이다. 다시 말해 실제 물리적인 세계에서 센서 데이터를 통해 생산된 데이터는 가상 공간을 형성, 정보가 전달되도록 한다.

데이터를 주고받으며 만들어 가는 과정(Feed-back)을 통해 감지·분석·예측 등의 활동을 실시간으로 할 수 있게 되는 것, 이게 바로 CPS(cyber physical system)의 골격이며, 데이터와 사람 중심 지능형 제조를 실현하는 것이 스마트 팩토리이고, 그게 바로 h-CPS(human cyber physical system)의 틀(framework)이다. 왜냐하면 스마트 팩토리 플랫폼을 움직이는 핵심은 사람과 데이터이기 때문이다.