[43]스마트팩토리와 지속가능 경쟁우위 전략

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 코로나19, 비대면 경영환경, 제조 산업이 극복해야 할 난제들이 갈수록 증가하고 있다. 대부분의 선진국, 글로벌 제조 분야에서 스마트 팩토리를 추진하지 않는 기업은 찾아보기 힘들다.

예를 들어, 중국은 제조 산업 전략으로 “스마트” 생산 장비의 개발과 새로운 정보 기술의 조달 및 활용을 위해 빅데이터와 인공지능 개발에 천문학적인 재원을 투입하고 있으며, 미국과 독일은 제조 산업에 디지털 전환(Digital Transformation) 원칙의 이행을 특별히 신경 쓴다는 점은 주목할 필요가 있다.

즉 이들 국가의 정부는 제조 산업의 경쟁력을 지속시키기 위해, “스마트 팩토리”를 선제적이고 주도적(Initiative)으로 지속 가능한 경쟁우위 전략(“독일 인더스트리 4.0”, 미국의 “첨단 제조”)으로 보고, 이미 완성단계 수준으로 개발하여 선진화에 박차를 가하고 있다. 이러한 전략적 프로그램에 따르면, 스마트 팩토리는 정보, 기술 및 인간의 독창성을 결합하여 비즈니스의 모든 측면에 전사적 제조 지능화(EMI)의 개발과 적용에 있어 빠른 “변화관리”를 시도하고 있으며, 그것은 제품의 개발, 제조, 공급망(SCM) 및 판매 방식을 근본적으로 변화시킬 것이다.

스마트팩토리에 적용할 시스템은 연역적 추론(deductive inference)과 귀납적 추론(inductive inference) 측면에서 조명해 볼 필요가 있다. 일반적으로 연역적 추론은 어떠한 전제로부터 결론을 논리적으로 도출하는 추론방식이다.

수학과 형식논리학의 한 추론이며, 삼단논법이 대표적인 예이다. 예컨대, ① 모든 동물은 죽는다. ② 코끼리는 동물이다. ③ 그러므로 코끼리도 죽는다. 이 예에서 코끼리가 죽는다는 결론은 모든 동물이 죽는다는 전제로부터 논리적으로 따라 나온 것이다.

모든 연역적 추론이 갖추어야 할 보편적인 원리는 비모순율, 즉 비모순율 (非矛盾律, Law of noncontradiction ) 또는 무모순율 (無矛盾律)은 논리학의 법칙 중 하나로, 아리스토텔레스에 따르면 「어느 사물에 대하여 같은 관점에서 동시에, 그것을 긍정하면서 부정하는 것은 불가능하다」는 것을 말한다.

한 명제는 동일한 항목에서 동시에 참과 거짓이 될 수 없다는 것이다. 연역적 추론이 타당성을 확보하기 위해서는 두 가지 조건이 반드시 요구된다. 첫째는 전제가 참이어야 한다는 점이다. 전제가 틀리면 그 전제에서 추론된 결론도 틀릴 수밖에 없기 때문이다. 둘째는 논증이 타당해야 한다는 점이다. 말하자면, 결론이 전제로부터 논리적으로 타당하게 도출되어야 한다.

그러나 절대적 관념론(絶對的觀念論 , Absoluter Idealismus)의 철학자 헤겔(Hegel, Georg Wilhelm Friedrich)이 지적했듯이, 연역적 추론은 시간적이거나 변화하는 것에는 활용범위가 제한적일 수 있다고 지적했다. 이러한 현상이 4차 산업혁명이 몰고 온 빅데이터 관리기술과 인공지능에 의해서 점점 뚜렷해지고 있다.

인공지능 기반 스마트 팩토리에서 적극적으로 활용해야 할 빅데이터 관리기술 관점에서는 개별적인 사실들로부터 일반적인 원리를 이끌어내는 귀납적 추론(inductive inference) 방식이 필요하다. 귀납적 추론은 연역적 추론에 대비되며, 경험과학과 같은 실질논리학의 한 추론이다.

예컨대, 코끼리는 죽고, 인간도 죽으며, 옆집 아저씨도 죽는다는 사실로부터 동물과 인간이 죽는다는 사실을 추론하는 방식이다. 귀납법은 완전 귀납법과 불완전 귀납법으로 나누어지며, 전자는 수집된 개개의 사례 전부를 빅데이터처럼 관찰하고 분석 검토하여 그 수집된 사례범위 내에서만 결론을 유추하는 것을 의미하며, 후자는 관찰된 사례를 바탕으로 관찰되지 않은 사례까지 포함하여 결론을 유추하는 것을 의미한다.

귀납적 추론은 귀납적이고 과학적인 방법, 경험적 증거의 규칙, 실질논리학의 가능성 등 귀납원리를 가능하게 하는 요인들이 필요하다. 귀납적 추론의 신뢰성은 귀납원리와 그것이 사용하는 경험정보에 달려 있다.

그러나 경험적 추론은 인간경험의 불완전성 때문에 부분적인 경험사실로부터 전체를 온전하게 추론하는 데 한계를 가질 수 있다. 그렇지만 빅데이터 관리기술을 기반으로 기계학습과 딥러닝을 적절히 통합하여 학습과 분석을 병행하면 상당부분 최적화(Optimization)가 가능하다. 그 좋은 예가 알파고 바둑경기이며, 향후 전사적 제조 지능화(EMI)의 기본적인 틀이다.

미래의 공장은 지금의 공장보다 유연하고, 빠르며, 효율적이고 지속 가능해야 한다. 이는 디지털화와 네트워킹을 기반으로 빅데이터 관리기술과 인공지능을 이용해야 가능할 것이다. 아래 그림은 연역적 추론을 근간으로 개발해 온 전통적인 소프트웨어 개발과 귀납적 추론을 매개로 기계학습 기반 소프트웨어 개발을 보여주고 있다.

여기서 중요한 것은 비정형 데이터와 정형데이터를 구분하여 상관관계(Correlation) 분석을 통해 인사이트와 예지(Insight & Foresight)를 찾아내고, 제조업의 가치를 창조하기 위한 인과관계(Causality)에 대해서 의사결정 과정을 포함시켜 일련의 사이클(PDCA)을 기획하는 역량이다. 이것이 바로 “스마트팩토리”의 핵심이다.

출처: 성균관대학교 스마트팩토리 융합학과 박정수 교수

스마트 팩토리는 제품을 위한 인공의식, 즉 인공의식(人工意識, artificial consciousness , AC )은 인공지능(AI)과 지능형 로봇에 관련된 연구 영역이며, 기술로 만들어진 인공물에 의식을 갖게 하는 것을 목적으로 한다. Machine Consciousness (MC), Synthetic Consciousness 등으로도 불린다. 인공적으로 지각을 가진 ‘존재’를 만드는 이야기는 옛날부터 신화 등 여러 가지 형태가 존재했다.

기계 및 공구 관리 외에 최종 제품도 당연히 스마트해져야 한다. 제품은 디지털 트윈(Digital Twin)을 통해 일종의 인공의식(AC)을 얻게 된다. 따라서 제품 자체가 자신의 생산 방식에 대한 지식(知識)을 알려줄 수 있고, 긴 시각으로 보면 제품이 자신을 스스로 통제하고 최적화(Optimization)할 수 있다. 좋은 예로 요즘 자동차는 자율 주행이나 부분 자율 주행 기능을 통해 스스로 자신을 통제할 수 있다.

인공지능 기반 맞춤형 스마트 팩토리를 위해서는 반드시 작업 단계와 품질 점검 및 이력추적관리를 포함하는 작업 계획과 시험 계획을 생산 데이터 및 엔지니어링 데이터와 연결하고, 이로부터 자동으로 데이터를 생성해야 한다. 빅데이터와 인공지능은 디지털 트윈의 “두뇌”를 형성한다. 이들이 결국 지능형 스마트 팩토리의 지속가능한 개선(CBI)을 의미한다. 다시 말해 어떤 데이터가 어디서 생성되고 이들이 어떻게 필요한가 하는 것이 스마트 팩토리의 핵심이기 때문이다.

스마트 팩토리로 효율성은 높이고 비용은 낮춘다. 미래의 생산 현장에서 인간이라는 요소가 더 이상 필요하지 않을 것이라고 주장하는 사람들이 많다. 하지만 이는 방향이 틀렸을 뿐만 아니라, 경제적인 측면에서 말이 되지 않는다. 인간 요소는 스마트 팩토리에서 더욱 중요한 역할을 할 것이다.

인간이 생산 현장에서 수행하게 될 과제는 계속 변화할 것이고, 생산 활동 비율은 낮아질 것이며, 그 대신 모니터링(Monitering) 업무 비율이 높아질 것이다. 다시 말해, 기계가 인공지능을 통해 지능화되듯이 인간도 빅데이터 관리기술과 인공지능을 통해 제조업의 가치(Value) 창출을 획기적으로 개선할 수 있을 것이다.

스마트 팩토리는 공급망관리(SCM) 측면에서 지능적 제품 또는 기계 등 다른 스마트한 대상과 연결하여 유연성은 높이고 비용을 현저히 낮춘다. 즉 물류 프로세스의 디지털화를 통해 재고를 줄이고, 동시에 민감한 부품이나 제품인 경우에 센서를 이용한 수송 경로 모니터링을 통해 전체 공급 체인에서 완전한 투명성을 실현할 수 있다.

스마트 팩토리는 전사적 제조 지능화(EMI)이다. 즉 공장 자체만 디지털화와 인공지능화 하는 것이 아니라 거기에서 생산되는 제품도 디지털화뿐만 아니라 인공지능화되어야 한다. 여기에서 가치 창출이 변화를 겪고, 지금처럼 공장 안에서만 이루어지는 것이 아니라, 제품 개발 단계부터 가치 창출이 이루어져야 한다. 이는 스마트 팩토리에서 자주 나타나는 판매, 판매 후 서비스와 제품 개발 간의 분쟁도 종식시킬 수 있을 것이다.

스마트 팩토리를 구현하려면 다양한 기술과 접근법이 필요하다. 기존의 생산 설비를 바꾸거나 공장을 새로 구상할 경우, 비전과 전략을 도출할 수 있는 방법론적 절차가 있어야 한다. 이는 성급하게 대응해서는 안되며, 지속적인 개선 프로세스를 포함하는 중장기적인 절차와 계획이 있어야 한다.

과거부터 사용해 온 연역적 추론을 근간으로 한 시스템을 구축할 것인지, 빅데이터 관리기술과 인공지능을 활용한 귀납적 추론을 바탕으로 전사적 제조 지능화를 실현시킬 것인지 판단해야 한다. 그러므로 인공지능 기반 스마트팩토리는 가치를 창출하는 제조업의 새로운 경영전략으로 자리매김될 것이며, 그 핵심은 빅데이터 관리기술이다.