[77]일본의 카이젠 vs.한국의 스마트팩토리
by류성 기자
2021.05.01 07:02:05
박정수 성균관대 교수의 현미경 ''스마트팩토리''
제조업 부흥의 선봉장,''인공지능 기반 스마트팩토리''
| 박정수 성균관대 스마트팩토리 융합학과 겸임교수 |
|
[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 나노 바이오 코스메디컬(nano-bio-cosmedical) 산업을 비롯해서 다양한 뉴노멀(new normal) 현상에 의해서 새롭게 나타나고 있는 융복합형 산업의 형태가 새로운 공급망(supply chain)을 포함한 생산 운영 및 시장 대응 전략으로 스마트 팩토리가 검토되고 있다. 데이터 관리 기술의 발전은 통계학 기반 뿐만 아니라 그 범주를 벗어나 빅데이터와 인공지능(AI) 기술을 활용한 데이터의 훈련과 강화 학습(RL)으로 지속적인 가치 제안을 기대하게 하고 있다.
인공지능의 강화 학습은 제조 현장의 근무자와 로봇을 포함한 각종 장비의 행동을 학습하기 위해 인간이 할 수 있는 것을 대체 활용하는 분야에서의 기대를 받고 있다. 강화 학습은 기계 학습이라고하는 AI (인공지능)의 방법 중 하나다. 일반적으로 AI (인공지능)에 행동을 학습시키기 위해서 사람들이 ‘데이터’와 거기에 대응하는 “응답”을 데이터 세트(data set)로 준비해서 학습시키는 것이 대부분이지만, 강화 학습은 다르다. 강화 학습은 점수가 가장 높아지는 것을 목적으로 어떻게 행동하면 점수가 가장 올라가지는를 스스로 찾아서 학습을 실시한다. 다양한 행동을 시도하여 가장 좋은 행동을 찾아 탐색하는 학습을 하기 때문에 인간의 동작에 가까워지는 이미지이다. 그래서 사물 인터넷(IoT)로 시작된 4차 산업혁명이 이제는 행동 인터넷(IoB: : Internet of Behaviors)까지 확대 발전하여 새로운 가치 제안을 제공하고 있다. 다시 말해, 가치 제안을 위해서 모델링에 뛰어들기 전에 먼저 데이터를 이해하고 탐색해야 한다. 데이터 세트가 정리되어 있지 않으면 모델을 구축해도 문제를 해결하는 데 도움이 되지않는다. 마치 쓰레기를 꺼냈다, 넣었다 하는 것처럼(GIGO: garbage-in garbage-out), 강력한 머신러닝 시스템을 구축하기 위해서는 예측 작업을 정의하고, 문제를 해결하기 전에 반드시 데이터 세트를 탐색하고 이해해야 한다.
강화 학습은 인공지능(AI)을 만들 때 만점의 행동을 목표로 일을 주게 되므로, 이는 인공지능(AI) 스스로 행동을 개선시키는 원리이다. 이와 같이 인공지능의 학습과 훈련의 진화 발전을 통해 행동 인터넷(IoB) 기반의 스마트팩토리 구축이 각광을 받게 될 것이다. 제조 산업의 품질, 원가, 납기(Q.C.D)의 근간은 제조 행동과 활동에 의해서 좌지우지되고 있기 때문이다. 따라서 스마트 팩토리는 제조 산업의 빅데이터 관리기술을 기반으로 행동 인터넷(IoB)과 사물 인터넷(IoT) 등의 디지털 기술을 활용한 생산성이 높고 효율적인 공장이여야 한다. 디지털 기술을 활용하여 고품질 · 고부가가치 제품을 낮은 비용으로 단기간에 효율적으로 제조하는 것이 가능해야 경쟁 우위를 지켜나갈 수 있다. 로봇 생산 라인의 자동화 등 기존의 기계화 · 자동화와는 다른 개념이며, 그 특징은 데이터의 수집과 활용이라는 데이터 관리기술에 있다.
그러므로 IoT 센서를 활용하여 실시간으로 취득한 데이터를 클라우드 또는 엣지 서버에 전송하고 데이터를 인공지능(AI)이 분석하여 현장에 반영하고 생산 라인을 간소화하고 시장과 고객의 요구에 대응하는 유연한 구조가 스마트 팩토리라고 할 수 있다.
사물 인터넷(IoT: Internet of Things) 장치의 보급은 용이한 접근성이 가능한(easy to access) 데이터의 확대라는 혜택을 제공 한 반면, 기업은 그 유효한 활용을 비즈니스의 중요한 과제로 내밀 수 있게 될 것이다. 최근, IoT 장치를 통해 실제 데이터를 수집하고 클라우드와 같은 엄청난 자원을 가진 컴퓨터에서 대용량 데이터 분석 · 활용하여 현실 세계로 결과를 피드백(feed-back)하고 있고, 실제 최적의 제어를 실현하는 구조(틀)로서 사이버 물리 시스템(CPS)이 주목 받고 있다.특히 제조 산업에 스마트 팩토리가 요구되게 된 배경에는 세계적으로 AI와 IoT 등 첨단 디지털 기술을 활용한 제품 생산이 폭넓게 적용되고 있으며 제조업의 기존 규칙이 변화하고 있기 때문이다. 우리 나라의 제조업에서도 저출산 고령화로 인한 노동 인구 감소 등으로 동일한 변화가 요구되고 있다. 또한, 미래의 제조 산업은 라이프 스타일의 변화, 사회의 디지털화 및 소프트웨어화에 따른 소비의 고도화에 대응해야 하고, 디지털 기술에 의한 맞춤 상품화에 대응하고, 새로운 생산 기술 · 소재 기술 혁신의 이해와 제조 현장의 디지털화 소프트웨어화에도 적응해야 한다.
아날로그 현실 세계를 디지털 데이터로 파악하여 현실 세계와 정보통신기술(ICT)이 일체가 되어 제조업을 움직이는 구조를 “사이버 물리적 시스템 (CPS / Cyber-Physical System)”이며, 이것을 “(광의의) IoT”라고 생각할 수 있을 것이다.
인터넷에 연결한 사물의 건 수는 증가하고 소셜 미디어나 Web 서비스의 이용이 늘어나면 데이터는 더욱 증가할 것이고 데이터 관리 영역은 보다 더 치밀성을 요구하게 되어 그 데이터를 인공지능(AI)으로 분석하고, 정확한 예측 및 최적의 계획 조언을 할 수 있다. 매 순간 실시간으로 요구되는 의사결정의 단서를 제공하는 피드백(feed-back), 즉 자동조절원리를 강화하는 스마트 팩토리가 구현될 수 있기 때문이다. 반복해서 그 정보를 이용하여 현실 세계, 즉 제조 현장이 움직이면 그 변화는 다시 데이터로 포착되어 사이버 세계에 보내진다. 뉴 노멀(new normal), 지금 그런 구조가 우리 사회와 삶의 터전이 되고 있는 현상이 4차 산업혁명의 본질이다. 그러므로 CPS는 “현실 세계와 사이버 세계가 실시간으로 개선 활동을 실시해주는 구조”라고 파악할 수 있다. 이를 바탕으로 스마트 팩토리는 효율적으로 비용 감소, 시간 단축, 개별 최적화와 같은 혜택을 기업에 제공한다.
지속가능한 혁신적인 변화, 즉 경영학의 핵심어 카이젠은 개선(改善)이라는 한자의 일본식 표현이다. 개선의 사전적 의미는 나쁜 상황을 고쳐 나아지는 것을 말한다. 여기서 나쁜 상황은 제조업이 이익이 나지 않는 상태다. 조직 문화도 마찬가지다. 수익이 창출되지 않는 조직은 패쇄적인 나쁜 조직이다. 이익은 고객과 시장이 평가한 척도이기 때문이다. 제조업 부문에서 이용되고 있는 용어로서의 카이젠은 공장의 작업자들이 중심이 되어 수행하는 소위 아래로부터(bottom-up)의 활동이다. 따라서 카이젠은 일반적인 ‘개선’이라는 한자어와 구별하기 위하여 ‘kaizen’으로 표기 한다. 카이젠 활동의 내용은 생산 설비의 개조, 공구의 개량 등 업무 효율의 향상과 작업 안전의 확보, 품질 불량의 방지 등 생산과 관련된 전 범위에 해당한다. 카이젠은 위로부터 명령에 의해 실행되는 것이 아니라 작업자 스스로가 지혜를 내어 변화시켜 가는 것을 특징으로 한다. 제조업은 카이젠 활동을 대체적으로 QC(quality control) 활동으로 인식한다.
카이젠은 한번 행해지면 끝나는 것이 아니라 차례로 이어지는 지속성, 연속성을 중시한다. 카이젠은 일본 제조업체가 해외에서 공장을 운영할 경우, 일본에서 파견된 작업 트레이너가 현지 종업원을 가르친다. 카이젠이 두루 통용된 계기는 1980년대에 미국의 MIT 대학을 중심으로 행해진 일본 제조업이 왜 강한가를 연구하는 과정에서 학술적인 용어로서 강조되면서 부터다. 즉, 카이젠이 일본 제조업이 지닌 강점의 하나로서 자리매김할 정도였다. 가까운 미래 2030년 이후 우리나라도 일본의 “카이젠”처럼, 한국의 “스마트팩토리”가 대한민국의 제조 부흥을 위해 공헌하고 견인한 내용과 개념 그리고 전략적인 구조가 글로벌 시장에 소개되기를 기대해 본다.
이제 우리나라도 스마트팩토리의 구축 효과가 검증되고 성과로 나타나야 할 때가 다가오고 있다. 첫 번째는 ‘품질 향상’이다. 품질의 향상을 위해, ① 불량률 감소, ② 품질의 안정화 · 차이의 감소, ③ 설계 품질 향상의 세 가지를 목표로 설정해야 한다. IoT 센서를 활용하는 스마트 팩토리는 예를 들어, 인간이 관련된 공정의 작업 절차 및 결과 등의 데이터를 실시간으로 수집 · 분석하고 실수가 일어나기 쉬운 상황을 사전에 파악하고 대응하거나 실수가 일어나도 신속하게 처리 할 수 있게 되어, 제품의 불량률은 최소화된다.
스마트팩토리 구축의 두 번째 목표는 비용 절감이다. 비용 절감을 위해서는 ① 재료의 사용 용량 절감, ② 생산 각 종 자원 절감, ③ 재고 감소, ④ 시설 및 장비의 관리 · 상황 파악의 스피드와 정확도 등이다.
행동 인터넷(IoB), 사물인터넷(IoT), 빅데이터 관리 기술과 인공지능(AI)에 의한 고급 데이터 활용 방식이 도입되면, 설비의 가동 상황이나 재료의 재고, 직원의 부하, 수급 예측 등을 실시간으로 파악 하면서 생산 계획 및 프로세스를 최적화하고 비용 절감을 기대할 수 있다. 또한, 생산에 투입하는 설비나 재료, 사람 등의 리소스를 최적화 할 수 있다면, 같은 품질, 같은 양의 제품을 제조 할 때의 비용이 떨어지기 때문에 제조업의 경쟁력 강화로 이어질 수 있다.
스마트팩토리 구축의 세 번째 목표는 제조 운영 전 분야에 있어서 생산성 향상이다. 생산성 향상은 스마트 팩토리의 큰 주제이다. 생산성 향상을 향해서는 ① 설비와 장비 · 인간의 가동률 향상, ② 인간의 작업의 효율화, 작업량 감소, 그리고 작업 부담 경감 ③ 설비와 장비의 고장에 따른 가동 정지 및 절감의 세 가지가 제시되고 있다. 비용 절감 항목에서도 언급했지만, IoB, IoT와 AI에 의한 고급 데이터 활용이 진행되면, 설비 및 재료, 사람 등 제조 공정 전체의 자원과 성과를 최적화 · 효율화 할 수 있기 때문에, 비용 절감뿐만 아니라 생산성 향상도 기대할 수 있다.
스마트팩토리의 네 번째 목표는 제품화 · 양산화 기간 단축이다. 제조업에서는 제품화 · 양산화 기간 단축은 중요한 과제 및 숙제였지만, 스마트팩토리 구축으로 문제가 해결 될 것으로 기대되고 있으며 ① 제품의 개발 · 설계 자동화, ② 설계 변경에 대한 대응의 신속화, ③ 생산 라인의 설계 · 구축의 단축 세 가지가 제시되고 있다. IoB, IoT를 구사하는 스마트 팩토리는 설계에서 양산까지 많은 제조 공정의 데이터가 축적되기 때문에 이를 분석하고 개선하여 이후의 개발과 설계, 양산화 공정을 단축 할 수 있다.
예를 들어, 과거의 설계 및 개발 사례를 분석하여 설계 개선 모델을 만들어 두는 것으로, 유사한 제품 설계를 할 때 개발 · 설계 프로세스의 일부를 자동화 할 수 있게 된다. 또한 생산 라인의 배치 및 공정 재료 등의 데이터를 분석하여 디지털 및 사이버 공간에서 공정을 재현 시행 착오를 제거하고 최적화하여 유사 제품의 생산을 가속화 할 수 있게 된다.
스마트 팩토리의 다섯 번째 목표는 인재 부족과 육성에 대한 대응력 강화이다. 인력 부족과 인재 육성은 제조업에서도 많은 기업이 안고있는 과제이지만, 스마트 팩토리는 그러한 과제의 해결에도 도움이 된다. 인력 부족과 인재 육성에 대한 대응으로 ① 다양한 인재의 활용, ② 기능 계승 두 가지가 걸려있다.
숙련된 현장 전문가와 기능자의 움직임을 여러 카메라에서 비정형 데이터를 수집하고 AI로 분석하여 공장에서 일하는 현장 근로자가 습득하는 기술과 지식, 경험 등을 체계화한다. 그것을 사용하여 전 영역으로 공유함으로써 효율적인 인재 육성이 가능하게 된다. 이러한 프로세스를 다 언어화하고 해외 공장에서도 적용하면 해외 인재 육성 문제도 용이해 질 것이다.
스마트팩토리 구축의 여섯 번째 목표는 새로운 부가가치와 수익원의 제공과 제공 가치의 향상이다. 스마트 팩토리의 추진은 고객 개개인에게 최적화 된 제품의 제공 및 충실한 애프터 서비스와 맞춤형 서비스 등 새로운 부가가치의 제공으로 이어진다. 부가가치 향상을 위해 ① 다양한 요구에 대한 대응력의 향상, ② 제공 가능한 가공 기술의 확대, ③ 새로운 제품과 서비스의 제공, ④ 제품의 성능 · 기능 향상의 4 개가 걸려있다. 제품에 IoB, IoT 센서와 통신 기능을 통합하여 출시 후 배터리 소모 상황이나 마찰 상황 등을 실시간으로 파악하고 부품이나 배터리 교체 등 애프터 서비스를 적시에 할 수 있게 된다. 또한 내장된 IoT 센서에서 실제 고객의 사용 방법이나 이용 상황(UX-Design)을 파악하여 새로운 제품 개발에도 도움이 가능할 것이다.
향후 제조업은 제품을 제공하는 것이 끝이 아니라 제공된 데이터를 활용하여 보다 가치있는 제품과 경험을 제공하는 것이 중요하다.
최종적으로 스마트 팩토리는 “데이터에 의한 제어 및 최적화”이다. 데이터의 분석 결과와 미래 예측에 따라 생산 완료까지 납기 최소화와 설비 가동 계획과 직원의 작업 계획의 최적화가 지속가능해지고 매출과 이익이 증가하는 경쟁우위 플랫폼이 스마트팩토리다. 아래 그림은 Meta Smart Factory에 대한 그림이다.
| 출처: info@meta smartfactory.com. 성균관대학교 소프트웨어대학 스마트팩토리 융합학과 박정수 교수 재인용 |
|
위 그림 META 소프트웨어는 기존의 ERP 또는 프로덕션 계층 소프트웨어, SCADA 또는 PLC 간에 인터페이스되는 클라우드 기반 ERP/MES 소프트웨어이다. 또한 META 고유의 스마트 I/O 카드와 패널 PC를 통합하여 현장 바닥 데이터를 수집한다. 궁극적으로 스마트팩토리의 구축 목적은 제품, 서비스를 융합하는 매뉴비스(manuvice=manufacturing+ Service)와 메타버스(Metaverse)이다. 여기서 메타버스(Metaverse)는 가상·초월(meta)과 세계·우주(universe)의 합성어로, 3차원 가상 세계를 뜻한다.
그러므로 스마트팩토리의 플랫폼은 인간중심, 즉 행동 인터넷(IoB)과 사물 인터넷(IOT) 기반의 인간-사이버-물리적 시스템(h-CPS: human-cyber-physical system)이다. 그러므로 제조 현장에 “사이버 뇌(cyber brain)”를 적용시켜 초격차 수준의 대응 역량을 향상시키는 절차(알고리즘)이다. 투입하는 자원, 즉 인재, 자본, 기술, 투자 등을 전략 지향적인 목표로 얻어내는 제품과 서비스를 융복합시켜 매뉴비스(Manuvice)로 시장과 고객에 대응하는 메타버스(metaverse) 기반 인간 중심 사이버 물리 시스템(h-CPS)을 통해 조직, 인프라, 운영, 전략 등을 지속가능하게 실현시키는 것이 스마트팩토리의 원리이자 목표다.
또한, 모든 제조 산업의 경영자는 ‘최소의 투입’으로 ‘최대의 결과물’을 내기 위해 ‘시장과 고객 상황’에 맞는 ‘최적의 시스템’을 설계하고 실행하며 모든 것을 책임지는 핵심 인적 자원이자 가장 적극적인 스마트팩토리의 사용자여야 한다.