|
스마트 공장과 스마트 제조는 산업 4.0 또는 4차 산업 혁명으로 알려진 기술 혁신의 일부이다. 처음 세 번의 산업혁명이 각각 증기기관, 조립라인, 컴퓨터의 힘 등 우리가 일하고 생산하는 방식을 완전히 바꾼 혁신적인 신기술에서 탄생했다면, 오늘날, 4차 산업혁명은 “인공지능을 활용하여 학습하는 사이버 물리 시스템(cyber-physical system)”처럼 디지털 전환과 지능형 자동화에 의해 주도되고 있다.
제조산업은 모든 환경 변화에 민첩하게 적응해야 한다. 아니 변화하는 세상을 선도해야 한다. 지난 몇 년 동안 비즈니스 리더들에게 디지털 전환은 2020년대 경쟁력과 탄력성을 원하는(hope to be competitive and resilient) 공급망과 제조 운영의 시급한 우선 과제라는 사실이 점점 더 분명해지고 있다.
비대면 현상은 세계적인 공급망 약점과 산업 취약점을 더욱 노출시켰다. 포브스지(Forbes magazine)의 최근 기사는 “COVID-19는 제조업이 이미 알고 있어야 할 것을 세계에 보여주었다”고 강조한다. 제조산업의 전통적인 기존의 공급망과 제조 생태계가 실패하고 있으므로 디지털 방식으로 완벽하게 바꿔야 하며, 고객과 시장의 변화에 적응력이 뛰어나고 대처 능력이 월등한 인공지능 기반 스마트 팩토리 솔루션으로 전환해야 한다고 주장하고 있다.
스마트팩토리 기술 개발과 미래 공장 개발에도 소비자의 기대가 한몫하고 있다. 아마존 효과로 알려진, 익일 배달에 대한 소비자 수요는 꾸준하고 빠른 속도로 증가하고 있다. 좋든 나쁘든 미국 경제와 세계 경제가 아마존 효과의 진통을 겪고 있다. 전자상거래 제공업체들은 아마존의 속도와 효율성에 맞춰야 한다는 압력이 날로 높아지고 있으며, 소비자의 기대가 완화되고 있다는 증거는 전혀 없다. 국내도 마찬가지다. 시장의 수요가 점점 더 빠르게 과거와 다른 차원의 서비스 수준이 요구되고 있다. 이러한 추세는 스마트 팩토리 기술에 대한 수요 증가에 주요 요인이 되어 왔는데, 이는 지금까지 구축해 온 시스템이 이러한 현상에 보조를 맞추는 데 필요한 물류 및 웨어하우징 용량의 규모를 충족시키지 못한다는 사실이 입증되고 있기 때문이다.
그러나, 하버드 비즈니스 리뷰가 2020년 기사에서 “제조업체들은 한 분야에 겨우 집중하는 전문가들과 하청업체들에 의존했고, 심지어 그 전문가들도 다른 많은 분야에 의존해야 한다. 그리고 세계가 철광석이나 리튬 금속과 같은 천연자원을 다른 지역에 의존하게 된 것처럼, 그 지역 역시 이러한 전문가들이 거주하는 지역에 의존해야 한다.” 라고 지적한 바와 같이, 기존 시스템으로 비용과 공급망 리스크를 줄일 수는 있지만, 그렇다고 해서 시장의 수요와 상호연결성이 줄어드는 것은 아니다. 따라서 효율성과 가시성을 최적화하기 위해 인공지능 기반 스마트 팩토리를 구축하는 것이 그 어느 때보다 중요하다.
제조 현장의 사람과 기계, 그리고 제품으로 구성되는 제조 요소는 많은 양의 데이터를 생성하고 있다. 최근 들어 사물 인터넷(IoT) 센싱기술을 통한 감지 능력 향상은 빅데이터를 생성시키고 있으며, 그것을 활용하기 위해서 인공지능 기술을 적용해야 한다. 빅데이터 활용기술을 활용하여 인공지능 기술을 제조 업무에 적용시킴으로써 새로운 “Service AI”를 구현시키는 것이 스마트팩토리 고도화의 핵심이기 때문이다.
다른 한편, 빅데이터로 인해서 제조 데이터의 시간, 소스 및 형식의 다양성이 더 확대되고 있기 때문에, 인간의 근면성만 가지고는 데이터에 내장되어 있는 상관관계를 물리적으로 감지하고, 학습하며, 의사결정을 하고 행동화로 연결시키는 것이 점점 더 불가능해지고 있다. 그래서 인공지능의 기계학습(ML)을 활용해서 실효성을 향상시키는 것이 합리적이다. 왜냐하면 “Service AI”의 중요한 속성은 민첩성(Agility & Velocity)에 있기 때문이다. 그래서 CPS(Cyber Physical System), Digital Twin, XR(확장형 현실)을 인공지능과 융합시켜 새로운 수익원을 찾아내는 지속 가능성 관리가 스마트팩토리의 궁극적인 목적이다.
스마트 팩토리는 어떻게 작동하는가? 우리는 종종 자동화된 프로세스에 대해 스마트 팩토리만의 독특한 것처럼 이야기하지만, 자동화 및 로봇공학은 수십 년 동안 제조 작업에서 사용되어 왔다. 수 많은 전통적인 공장들은 다양한 영역에서 바코드 스캐너, 카메라, 디지털화된 생산 장비와 같은 자동화 기계들을 사용해 왔다. 하지만 그 장치들은 서로 연결되어 있지 않거나 연결되어도 부분적인 수준이였다. 기존 공장의 인력, 자산 및 데이터 관리 시스템은 모두 서로 격리된 상태로 운영되어 왔으며 각각의 시스템적인 포지셔닝(positioning)을 강조하는 부분 최적화가 전부였다.
스마트 팩토리는 기계, 인력 및 빅데이터를 디지털로 연결된 단일 에코시스템에 통합하여 작동한다. 스마트 팩토리는 데이터를 큐레이션하고 분석할 뿐만 아니라 실제로 경험을 통해 학습한다. 데이터 세트를 해석하고 통찰력을 얻어 동향 및 이벤트를 예측하고 스마트 제조 워크플로우 및 자동화 프로세스를 권장 및 구현한다. 스마트 팩토리는 자가 수정 및 자가 최적화를 위한 지속적인 절차 개선을 거친다. 즉, 각각의 객체 스스로와 인간이 보다 탄력적이고 생산적이며 안전하도록 학습할 수 있다. 즉 자율적인 활동이 가능해지고 있다.
아래 그림은 스마트 팩토리의 세 가지 절차 단계와 기본 구조를 보여주고 있다.
|
첫째, 데이터 수집은 인공 지능 및 최신 데이터베이스 관리 기술을 통해 비즈니스 활동, 공급망(supply chain) 및 전 세계에 걸쳐 서로 다른 일련의 유용한 데이터와 빅데이터 분석을 통해 개인 맞춤 정보를 제공하는 행위를 하는 큐레이션(curation)과, 컴퓨터가 처리하거나 분석할 수 있는 형태로 존재하는 관련 정보의 집합체인 데이터 셋(data set)을 획득할 수 있다. 센서와 게이트웨이를 통해, 산업 사물 인터넷(IIoT)은 연결된 기계가 시스템으로 데이터를 수집할 수 있도록 한다. 수많은 다른 데이터 포털을 통해, 인공지능(AI) 기반 시스템은 성능, 시장 동향, 물류 또는 기타 잠재적으로 관련된 소스와 관련된 데이터 세트를 컴파일(compile)할 수도 있다.
두번째, 데이터 분석 영역은 머신 러닝 및 지능형 비즈니스 시스템은 고급 분석 및 최신 데이터 관리 솔루션을 사용하여 수집된 모든 상이한 데이터를 파악할 수 있다. 산업 사물 인터넷(IIoT) 센서는 기계의 수리 또는 정비가 필요할 때 경고할 수 있으며, 시장 및 운영 데이터를 컴파일(compile)하여 기회와 리스크를 파악할 수도 있다. 워크플로우(workflow) 효율성은 시간이 지남에 따라 연구하여 성능을 최적화하고 필요에 따라 자동으로 수정할 수 있으며, 실제로 비교 및 분석이 가능한 데이터 세트(data set)는 스마트 팩토리의 전체 최적화 및 공급망 예측을 알리기 위한 통합의 무한한 가능성과 스마트팩토리의 목적함수인 새로운 수익원을 제시할 것이다.
세번째, 지능형 공장 자동화 영역은 데이터 수집 및 분석이 완료되면 워크플로우(workflow,작업흐름)이 설정되고 시스템 내의 기계와 장치로 지침이 전송된다. 이 장치들은 공장 내에(in-bound supply chain) 있거나 공급망의 물류 또는 제조 링크에 있는 멀리 떨어진 곳(out-bound supply chain)에 있을 수 있다. 스마트 워크플로우 및 프로세스가 지속적으로 모니터링 및 최적화된다. 시장의 정보가 특정 제품에 대한 수요 급증에 대해 경고하는 경우 3D 프린터 워크플로우는 해당 제품에 대한 생산 우선 순위를 높이도록 지시할 수 있으며, 원자재 선적이 지연될 경우 재고 버퍼를 교대로 배치하여 중단을 방지할 수도 있다. 즉 전반적으로 단순 자동화를 뛰어 넘는 자율화를 실현시켜 제조 역량의 핵심이라고 할 수 있는 민첩성(agility)이 강화된다.
궁극적으로 스마트 팩토리의 목적은 새로운 수익원을 지속적으로 찾아내는 것이다. 많은 기업이 수십 년 동안 기본적으로 변하지 않은 공급망 운영 및 기존 시스템을 통해 성과를 거두고 있다. 그러나 소비자의 기대치와 경제 불확실성이 사상 최고조에 달하고 있는 상황에서, 공급망 관리자는 측정 가능하고 실현 가능한 새로운 수익원을 제공할 수 있는 솔루션을 필요로 하며 이를 신속하게 구현해야 한다.
생산성 및 효율성 증대는 만고의 진리다. 제조의 역사를 통틀어, 제조는 주로 이미 일어난 사건이나 추세를 살펴본 다음, 그 이후에 다른 방향으로 비즈니스를 이끌기 위해 노력해 왔다. 스마트 팩토리 기술은 사후 대응적 관행의 필요성을 줄이고 공급망 관리를 보다 탄력적이고 대응적인 모드로 전환하도록 설계되어야 한다. 예측 분석 및 빅데이터 분석을 위해 인공지능의 학습과 분석 기술을 사용하면 최적화된 프로세스를 식별하고 구현할 수 있다. 적시 재고 관리, 정확한 수요 예측 및 출시 속도 향상은 스마트 공장에서 제공하는 몇 가지 효율성 이점 중 하나다.
딜로이트는 스마트팩토리 연구 보고서에서 “기업들이 스마트팩토리 이니셔티브에 투자한 후 제조업 생산량, 공장 활용도, 노동 생산성 등 분야에서 최대 12%의 상승률을 보고이고 있다”고 말한다. 또 2030년에는 스마트공장을 갖춘 제조업체들이 스마트팩토리를 구축하지 않은 공장에 비해서 순수 노동생산성이 30%이상 능가할 것으로 예상했다. 한편, 오늘날의 스마트 팩토리 기술을 통해 기업은 친환경적이고 안전하며 사회적으로 책임 있는 제조 관행을 보다 쉽게 파악하고 구현할 수 있게 되었다.
끝으로 제품 품질 및 고객 경험에 대한 관리의 수준이 스마트 팩토리를 통해서 급변하고 있다. 젊은 층의 모바일 스마트폰 게임과 마찬가지로, 전통적인 제조업체들은 종종 그들의 지시사항을 정확하게 수신하고 하위 계층의 공급업체와 제조업체들이 그들의 공급망을 따라오도록 하는데에 어려움을 겪고 있다. 스마트 팩토리에서는 스마트 팩토리의 클라우드 연결 및 엔드 투 엔드 가시성을 통해 제조 프로세스의 모든 계층에 대한 실시간 통찰력과 권장 사항을 제공하기 때문에, 신속한 사용자 정의 및 변화하는 추세에 대한 대응 능력을 통해 제품이 고객의 요구에 완벽하게 반응할 수 있을 것이다. 이로 인해 시장의 경쟁력이 향상되고 제품 리뷰가 개선되며 비용이 많이 드는 반품이나 리콜이 줄어들 것이다. 그러므로 제조 대응(MRP III: Manufacturing Response Planning) 역량을 강화하는 것이 스마트 팩토리 사고(smart factory thinking)이며 적기맞춤(FIT:Fit in Time)을 실현시키는 것이다. 따라서 빅데이터 활용기술을 활용하여 인공지능 기반 스마트 팩토리를 구축하여 지속 가능한 “service AI”를 “AI-aaS”로 새로운 수익원을 제공하는 제조 생태계 조성이 절실하다. 그것이 제조 혁신의 고도화이기 때문이다.
