스마트팩토리의 수단과 목적[126]

박정수 성균관대 스마트팩토리 융합학과 겸임교수

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 제품을 제조업이 만들기만 하면 소비되던 시대는 이미 지나간 과거다. 고객과 시장에서 요구하는 제품을 적기 맞춤(Fit in Time)으로 생산해 제공하지 않는다면 제조업의 고질적인 재고 및 금융 비용 부담으로 되돌아와 제조업의 존립을 어렵게 할 수도 있다. 또한 스마트팩토리를 활용해 적기 맞춤(Fit in Time)으로 고객과 시장의 수요를 맞추었다고 하더라도 고객이 원하는 품질 수준이 뒷받침되지 않는다면 제조에 소요된 모든 재원의 몇 배에 해당하는 클레임(claim) 비용을 부담해야 한다.

이처럼 고객과 시장 수요(demand)의 변화 속도가 과거와 다르다. 다양화와 개인화된 맞춤 주문으로 인해 제조 변화를 실시간으로 빠르게 감지해 생산 계획에 반영(feedback & reaction)하는 생산 대응 체제가 변화 관리 차원에서 요구되고 있다. 그 까닭은 과거 부분적(部分的)인 생산 관점에서 전사적(全社的)인 차원의 생산 대응 체제, 즉 생산과 마케팅을 동기화(synchronization)한 ‘똑똑한 제조업 만들기’가 스마트팩토리이다.

이를 위해 고객과 시장의 수요 변화에 민첩하게 대응하는 전사적인 차원의 지속 가능한 생산 역량 강화를 위한 생산 대응 체제가 필요하다. 사물 인터넷(IoT)을 활용하여 변화를 감지할 수 있는 감지(sensor) 기능과 빅데이터 관리 기술과 인공지능을 접목하여 지능화 기능으로 변환(變換) 하여 감지된 변화를 판단하여 그에 맞는 조치가 이루어지도록 판단하는 기본적인 기능이 요구되고 있기 때문이다. 특히 제조 현장의 운영 최적화를 지속적으로 향상시키고, 이를 위해 데이터 기반으로 판단하는 논리 체계에 따라 실행 역량이 발휘되도록 하는 기능으로 “제조 수행 역량”을 지속적으로 향상시키는 것이 스마트팩토리의 목적이다.

또한 제조 공장의 모든 자원을 최적화해 개인화된 맞춤 주문 요구에 대응하기 위해서는 사람에 의한 변동 요소를 최소화하여야 한다. 그 이유는 소품종 대량 생산 시대의 자원 최적화와 다품종 소량 생산 체제의 최적화는 차원이 다르기 때문이다. 그래서 데이터 기반 의사결정이 실시간으로 실행되는 제조 운영 환경을 지속 가능하게 만들어가는 것이 스마트팩토리 구축의 시작이며, 여기서 제조 자원의 최적화란 공정을 구성하는 인적 자원과 물적 요소의 가용성을 극대화하는 것이다.

따라서 고객이 원하는 품질 수준과 제조 자원의 최적화를 위해 스마트팩토리를 구축하여야 한다. 또한 이를 통해 고객과 시장 변화에 민첩하게 대응하는 지속 가능한 생산 전략의 실행 수단으로서 활용되어야 한다. 그래서 스마트팩토리는 수단 매체인 IT 시스템이나 디지털 기술이 아닌 생산 운영 체계 시스템으로 고려되어야 한다. 또한 제조업의 고객과 시장 대응 역량은 제조 실행 현장에서 시장의 변동 요인에 따른 생산 계획의 변동성을 의사결정 판단 기준에 의해 생산 시스템에 반영될 때 판단의 요인으로 작용할 수 있어야 하기 때문에 빅데이터 관리와 인공지능 기술을 접목하여 “실시간 피드백 기능”이 실현되어야 한다. 그것이 스마트팩토리 핵심이다.

예를 들어 기존의 생산 운용(operation)은 생산 계획을 근간으로 사람을 매체로 작업 지시를 내려왔기 때문에 이로 인해 제조 전략의 구현에 상당한 시간이 소요되었다. 반면 스마트 팩토리 기반의 생산 체계는 이러한 시간 간극을 상쇄시키고, QCD(Quality, Cost & Delivery) 관점뿐만 아니라 수집되어 분석된 데이터 관점의 의사결정 과정을 반영시킴으로써 생산의 전략적 선택이 “실시간 피드백 기능”에 의해 실시간으로 제조 현장에서 실행될 수 있다.

기존 시스템, 아날로그와 디지털의 상호 관계, 스마트 팩토리 구축에 대한 객관적인 수단과 목적을 구분하여 선택하기 위해서는 미국의 정보기술 연구 및 자문 기업인 가트너(Gartner, Inc)의 정보통신기술(ICT)에 대한 중요 전략 기술 트렌드에 대해서 주목해야 한다. 가트너의 2021년 중요 전략 기술 트렌드에서는 위기 상황 대처 측면과 기술의 응용 관점에 방점을 두고 이슈를 선정하였다면, 2022년은 기업의 성장과 기술의 상용화 및 수익화 관점에서 이슈를 선정하여 정보통신기술(ICT)의 목적과 방향성을 명료화하고 있다. 2022년에는 시장과 고객들에게 신뢰를 제공할 수 있는 공학적 신뢰(Engineering Trust), 기존과 다른 방식의 서비스나 솔루션을 제공할 수 있는 변환적(變換的)인 형성의 변화(Sculpting Change), 기업은 빅데이터 관리와 인공지능 등 새로운 기술을 활용해 새로운 수익원을 찾아내고 수익성을 극대화하기 위해 성장 가속화(Accelerating Growth) 등의 3가지 부문에서의 기술 트렌드를 강조하고 있다.

이러한 3대 영역(공학적 신뢰, 형성의 변화, 성장 가속화)을 중심으로 미래 기업 환경과 경제적 위험을 극복하고, 조직 또는 기업에서 미래 가치와 새로운 수익원을 창출하기 위해서는 아래 그림에 나타나있는12 가지 전략적 기술 트렌드(trend)에 주목(注目) 해야 한다.

첫째, 공학적 신뢰(engineering trust) 또는 신뢰(信賴) 설계는 클라우드(IaaS, SaaS, PaaS, FaaS) 서비스 환경뿐만 아니라 기존 컴퓨팅 환경에서도 데이터를 안전하게 통합 및 처리함으로써 보다 탄력적(resilient)이고 효율적인 정보통신기술(ICT) 기반을 구축하여 지속 가능한 신뢰를 쌓아가야 한다. 여기서 공학적 신뢰(engineering trust)는 디지털 비즈니스를 전개하기 위한 인프라 구현을 의미하며, 그 핵심은 탄력적이고 효율적인 정보통신기술(ICT)의 구현이다.

그 까닭은 기업의 탄력적인 비즈니스 핵심은 “엔지니어링 되고, 반복 가능하고, 신뢰할 수 있고, 입증되고, 확장 가능한 작업 관행 및 혁신”으로 구성되기 때문이다. 제조업이 탄력적인 비즈니스를 펼치기 위해서 구축하는 스마트팩토리도 마찬가지다. 개념 설계 차원의 신뢰 설계 또는 공학적 신뢰(Engineering Trust)의 요소 기술은 데이터 패브릭(data fabric), 사이버 보안 메시(cybersecurity mesh), 개인 정보 강화 컴퓨팅(privacy-enhancing computation), 클라우드 네이티브 플랫폼(cloud-native platform)이다.

데이터 패브릭(data fablic)은 하이브리드 멀티 클라우드 환경을 포괄하는 다양한 엔드 포인트에서 일관된 기능을 제공하는 아키텍처 및 “데이터 서비스 세트”이며 클라우드, 온 프레미스, 에지 컴퓨팅과 설비 전반에서 데이터 관리 관행과 실무를 표준화하는 강력한 아키텍처이다. 또한 데이터 패브릭(data fabric)은 여러 이점 중에서도 가장 중요한 요소로 부상하고 있는 데이터 가시성 및 통찰력, 데이터 액세스 및 제어, 데이터 보호 및 보안을 제공한다. 조직의 내부와 외부에 존재하는 여러 유형의 데이터는 하나의 아키텍처에서 관리되고 운영되어야 하기 때문이다. 그러므로 비즈니스 창출의 원천이 되는 데이터는 유기적 기반의 ‘패브릭 아키텍처’로 재편하여 운용되고 활용될 필요가 있다.

또한 데이터 패브릭(data fabric)의 가치 관점은 궁극적으로 조직이 데이터를 최대한 활용하여 비즈니스 요구사항을 충족하고 경쟁 우위를 확보할 수 있도록 도와야 한다. 따라서 기업은 하이브리드 클라우드의 강력한 기능을 더 잘 활용하고, 하이브리드 멀티 클라우드 경험을 구축하여, 빅데이터 관리와 인공지능 기술을 통해 지속 가능한 인프라 구축뿐만 아니라 전반적인 성능을 향상시키고 비용을 제어하여야 한다. 그러므로 데이터 패브릭(data fablic)은 디지털화의 시작점이자 공학적 신뢰(engineering trust)의 기본이다.

사이버 시큐리티 메시(cybersecurity mesh)는 기존 기업의 독립된 보안 경계 관점에서 벗어나 클라우드와 비 클라우드 센터의 위치에 관계없이, 사무실과 재택근무자 등 전체적인 보호 방안이 요구되고 있다. 따라서 사이버 보안 메시 아키텍처(CSMA, Cyber Security Mesh Architecture)로 보안 서비스를 통합해야 한다. 다시 말해 조직이 직면한 가장 큰 보안 문제 중 하나는 보안 사일로(silo)다. 많은 기업이 특정 보안 위험을 해결하기 위해 다양한 포인트 보안 솔루션을 활용하지만 결과적으로 보안 아키텍처가 복잡해지고 모니터링 및 관리가 어려워져 탐지를 놓치고 응답이 지연되고 있기 때문이다.

개인 정보 강화 컴퓨팅(privacy-inhancing computation)은 개인으로부터 나오는 개별 데이터의 활용과 보호를 위해서 개인 정보 강화 컴퓨팅(PEC, Privacy-enhancing Computation)을 추천하고 있다. PEC 기술은 소프트웨어와 하드웨어 기반에서 개인 정보를 손상 없이 민감한 데이터를 암호화하고 공유 및 활용할 수 있는 기술이다.

클라우드 네이티브 플랫폼(cloud-native platform)은 기존 레거시 플랫폼이 클라우드로 옮겨졌다고 클라우드 환경이 구현된 것이 아니다. 클라우드 기반의 개발 환경과 응용 환경을 충분히 수용하고 활용할 수 있는 시스템운영이 중요하다. 클라우드 네이티브 플랫폼은 급변하는 비즈니스와 시장의 대응 역량을 높이고 프로그램의 개발 및 적용과 활용이 쉬워져 비용을 절감하면서 비즈니스를 창출할 수 있어야 한다.

둘째, 변화는 본질적으로 파괴적이며 혼란스러울 수도 있다. 오늘날 기업 환경에서는 복잡성을 길들이는 혁신이 필요하다. 형성의 변화(sculpting change)는 창의적인 신기술 솔루션 제공을 통해 조직의 디지털 능력을 지속적으로 확장시켜야 한다. 이를 통해 조직이 빠른 변화 속도에 대응하도록 빅데이터 관리와 인공지능 기술을 지속적으로 형성하는 것이 형성의 변화(sculpting change)에 의한 뉴노멀(new normal) 변화 관리이다. 또한 형성의 변화(sculpting change)는 변화 관리 관점에서 조직의 디지털 변환(DT)을 만드는 기술을 의미한다. 이는 조합 가능한 애플리케이션(Composable Application), 의사결정 인텔리전스(Decision Intelligence), 초자동화(Hyper-automation), AI 엔지니어링(AI Engineering)기술을 포함한다.

조합 가능한 애플리케이션(Composable Application)은 모듈형 서비스로 새로운 서비스 출시 시간을 단축하고 프로그램 코드를 쉽게 재사용할 수 있게 만드는 기술적 특징이다. 여기에는 공장과 제조 조직에서 로봇은 더 이상 새로운 것이 아니듯이 수십 년 동안 로봇은 생산성을 개선하고 작업자가 다른 높은 수준의 작업에 집중할 수 있도록 업무 부담을 해소해 주었다. 생산성을 향상시켜주는 RPA(Robotic Process Automation), 개발자 없이 소프트웨어를 개발할 수 있는 노 코드(no code) 개발 등이 포함된다.

의사결정 인텔리전스(Decision Intelligence)의 역할이 더 중요해지고 있다. 기업 대내외 정보를 통합하고 분석하고 시뮬레이션해야 한다. 이러한 내용은 인공지능(AI) 프로그래밍 기반으로 자동화로 연계되어 지능형 의사결정에 도움을 주어야 한다.

초 자동화(Hyper-automation) 운영의 효율성이 중요해지면서 보다 폭넓은 자동화의 필요성이 부상하고 있다. 초 자동화는 비즈니스 중심의 접근 방식으로 프로세스를 식별하고 검증하며 자동화하는 방법이다. 즉 비즈니스 변환을 위한 프로세스 마이닝 기법 (RPA) 활용으로 조직 민첩성을 높여준다.

인공지능(AI) 엔지니어링은 AI 활용 조직으로 가기 위한 통합적 AI 거버넌스 구현을 의미한다. AI 기반의 데이터 분석과 애플리케이션의 업데이트를 자동화해 효율적인 배치를 구현하고 AI 솔루션 가치를 최적화해야 한다. 또한 정보통신기술(ICT) 분야의 전문시장조사기관 IDC가 전망하는 전 세계 인공지능(AI) 소프트웨어 전망(2021년~ 2025년)에 의하면, 인공지능(AI) 플랫폼이 가장 빠르게 성장하는 것으로 나타나며 인공지능(AI) 애플리케이션 개발과 전개, 그리고 기존의 솔루션이 인공지능(AI)과 접목되어 발전하는 것으로 나타나고 있다.

셋째, 성장 가속화(Accelerating Growth)는 아날로그와 디지털 기술을 접목한 전략적 기술을 활용해 비즈니스의 경쟁 우위 및 시장 점유율을 확보하며, 지속 가능한 가치 창출의 극대화 및 새로운 수익원을 찾아낸다. 따라서 새로운 인프라와 변화하는 조직은 성장 가속화를 위해 노력하게 되며 분산형 기업(Distributed Enterprise), 총체적 경험(Total Experience), 자율 시스템(Autonomic System), 생성형 인공지능(Generative AI)으로 발전하게 될 것이다. 따라서 신뢰가 구축되면 회복과 성장이 더 쉬울 수 있다. Industry Cloud, Generative AI 및 Quantum ML과 같은 기술들은 기술 위험이 비즈니스 위험과 균형을 이룰 때, 미래를 향한 정보통신기술(ICT)을 제공할 수 있다.

분산형 기업(Distributed Enterprise) 모델로 사무실과 재택, 비대면 분산 환경을 활용하는 새로운 조직은 지속 성장을 이끌 수 있다. 디지털 우선주의 정책(Digital First Policy)으로 내외부 조직을 연결하고 지원해야 성장할 수 있기 때문이다. 또한 총체적 경험 (Total Experience)은 고객 경험, 직원 경험, 사용자 경험, 다중 경험의 4가지를 통합하고 이해관계자를 위한 전반적인 경험의 증진, 상호 연결을 향상시켜 조직과 고객의 신뢰도를 높여야 한다.

자율 시스템(Autonomic System)은 자신을 둘러싼 환경에서 학습하여 자기 스스로 관리되는 물리적 혹은 소프트웨어 시스템을 말한다. 자율적인 환경에서 학습하고 실시간으로 자체 알고리즘을 동적으로 업데이트하여 비즈니스에 스스로 대응할 수 있게 지원할 필요가 있다. 제너레이티브 AI (생성형 AI)는 머신 러닝(ML)의 대표적 강화 학습 방법이다. 데이터로부터 얻어낸 결과를 학습시켜 유사하지만 독창적인 결과물을 만들어 내는 방법이다. 특히 이는 지속 가능한 성장 기업의 혁신 엔진으로 지능형 스마트팩토리가 활용될 수 있기 때문이다.

스마트팩토리의 수단과 목적, 전환(transition)과 변환(transformation)은 지향점이 다르듯이 에너지 정책 관점에서 RE100과 탄소제로는 에너지 전환(energy transition)이고, 기업 정책 관점에서 스마트팩토리는 아날로그와 디지털 기술의 상호작용을 통한 변환(transformation)이 자 전략적인 기술 관점에서 수단이다. 결코 목적은 아니다. 그러나 전략적인 기술 차원에서 엔지니어링 설계를 바탕으로 공학적 신뢰와 인프라 구축이 무엇보다도 우선해야 한다. 그 이유는 수단과 방법의 기본적인 토대가 잘 구축되어야 기업이 원하는 목적 달성을 위한 전략과 전술을 잘 전개할 수 있기 때문이다.

신뢰와 변화 관리 역량은 성장을 위한 가속화 엔진이다. 선도 기업들이 스스로의 청사진을 통해 미래를 구현해 가듯이 스마트팩토리와 같은 새로운 기술과 제조 전략을 수용하는 것은 기존의 비즈니스를 점검하고 미래를 예측하는 데 도움을 준다. 그러나 미래를 예측하는 것보다 중요한 것은 미래를 만들어 가는 것이다.