[29]인공지능이 스마트팩토리와 만났을때

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 이미 도래하고 있는 4차 산업혁명 시대의 대표적인 핵심기술은 빅데이터와 인공지능(AI)이다.

이러한 4차 산업혁명 시대의 기술적, 환경적 변화는 바이오 산업의 ‘파괴적 혁신(disruptive innovation)’에도 큰 영향을 미치고 있다. 바이오 기술이 정보통신기술, 나노기술 등 첨단기술과 융합되고 차세대 유전체 분석기술과 같은 혁신기술이 급속히 발전하면서 인간을 포함한 생물체의 다양한 정보, 즉 바이오 데이터의 양은 기하급수적으로 증가하는 추세이다.

방대한 정보를 순식간에 분석하고 처리할 수 있는 빅데이터 관리기술과 인공지능의 머신러닝과 딥러닝으로 분석·추론·학습 능력을 강화하고 있다. 이를 통해 다양한 산업에서의 효율적인 의사 결정과 과거 ‘시스템을 위한 시스템 구축’에서 탈피한 새로운 시스템 구축과 운영 지원의 ‘인공지능 기반 스마트 팩토리 구축’이 제조업의 새로운 경쟁력 확보를 위한 경영고도화로 자리매김하고 있다.

이와 함께 스마트 팩토리의 핵심은 EMI(Enterprise Manufacturing Intelligence: 전사적 제조 지능)를 어떻게 구현하느냐에 따라 고도화의 성패가 좌우된다고 볼 수 있다. 인공지능을 활용한 EMI란 실시간 정보 확인을 통해 신속한 의사결정을 지원하는 것으로, 어떤 일이 있었는지, 왜 이 현상이 발생했는지, 앞으로 어떤 일이 발생할지, 그리고 지금 어떤 행동을 취해야 하는지를 빅데이터 관리기술과 인공지능을 통해 데이터 기반으로 시스템이 분석, 예측, 처방 및 이행하는 형태로 진화될 것이다( Revolutionize your manufacturing with AI-based Decision Making).

바이오 산업 생태계 역시 방대한 바이오 빅데이터와 인공지능이 도입되면서 새로운 관점의 바이오 경제를 창출하기 시작했다. 농업, 축산업, 수산업 등 생물자원의 정보를 축적하고 분석하여 식량 문제를 해결하거나 새로운 자원의 개발과 생산을 효율화하고 있다. 또한, 데이터와 인공지능을 활용한 맞춤형 진단과 예방·치료를 통해 고령화 시대의 보건의료시스템을 효율화하고 국가의료부담을 낮추는 노력이 전 세계에서 경쟁적으로 추진되는 것이 그 일례이다.

지금까지 대부분의 제조 공장은 데이터가 아래에서부터 위로 취합되어 올라가고, 현장의 엔지니어나 운영자보다는 경영자에게 모든 정보가 집중되어 의사결정이 이루어지는 계층적 구조였다. 그러나 디지털 트랜스포메이션(Digital Transformation)을 하게 되면 누구나 정보를 가져다 쓸 수 있고 의사결정도 할 수 있다. 그러기 위해서는 우선적으로 데이터 정보가 공유되어야 하고 정보들이 실시간으로 전달되어야 한다. 정보를 원활하게 주고받을 수 있도록 보안을 기반으로 하는 네트워크가 기본적으로 갖춰져야 하며 여러 메이커 간의 상호 호환성을 위한 공통된 스마트 팩토리 플랫폼이 필요하다.

스마트 팩토리를 통해 비즈니스 에코시스템(Ecosystem) 기반의 산업을 디지털 플랫폼으로 변경하겠다는 제조회사 비율이 늘어나고 있다. 또한, 2030년까지 증강현실과 같은 몰입형 인터페이스와 인간-머신 상호작용(HMI)을 요구하는 유스 케이스(Use case)를 만들어가겠다는 비율 또한 80%나 됐다. 이는 ‘내 눈으로 보겠다’는 제조업의 가시화(Visualization) 경영을 스마트 팩토리를 통해 구현하겠다는 제조회사가 늘어나고 있다는 의미로 해석될 수 있다. 즉, 제조 현장에서 객관화된 데이터를 가지고, 디지털 트랜스포메이션(digital transformation)을 통해서 직관적으로 의사결정을 하겠다는 것이다.

다시 말해 3차 산업혁명 시기에는 전사적 자원 관리(ERP: Enterprise Resources Planning)가 가장 핵심적인 시스템이었다면, 4차 산업혁명시대에는 제조업의 전사적 제조 지능화(EMI: Enterprise Manufactory Intelligence)가 스마트 팩토리 고도화의 성패를 좌우할 것이다.

제조업의 제조 현장과 상위 정보시스템의 구조로 본다면, 제조 설비 단계의 자동화를 위한 센서, 로봇, 액추에이터, 컨트롤러 등이 실행되고, MOS(Manufacturing Operation System)와 인공지능 기술을 활용한 전사적 제조 지능(EMI: Enterprise Manufacturing Intelligence)이 구현되는 것, 즉 인공지능 기반 스마트 팩토리의 고도화 핵심인 지능화를 어떻게 구현하느냐에 따라 고도화의 성패가 좌우된다고 볼 수 있는 것이다.

전사적 제조 지능화(EMI)를 목적으로 구축되어야 할 인공지능 기반 스마트팩토리는 품질·원가·납기·에너지를 포함한 빅데이터 집계가 엣지 컴퓨팅(Edge Computing) 기술로 자동 또는 실시간으로 진행된다. 그리고, 제조 빅데이터 관리기술을 통해 개선 항목 분석이 가능해져 실시간 정보 확인을 통해 빠른 의사결정을 지원하게 된다. 이는 앞에서 언급한 바와 같이 어떤 일이 있었는지, 왜 이 현상이 발생했는지, 예지적(predictive)으로 앞으로 어떤 일이 발생할지, 그리고 지금 어떤 행동을 취해야 하는지를 데이터 기반의 시스템이 분석, 예측, 처방 및 이행하는 형태로 발전해 나가게 되는 것이다.

이러한 어플리케이션은 구조상 데이터 영역 측면에서 보면 디바이스와 머신 레벨, 시스템과 엣지 컴퓨팅 레벨, 전사적인 클라우드 컴퓨팅 레벨로 나눠진다. 디바이스와 머신 레벨에서는 PLC(Programmable Logic Control)와 MTTR(Mean Time to Report)을 모니터링하여 5G모바일 네트워크 내 Ethernet/IP 디바이스를 자동으로 인식시키고, 디바이스와 머신 데이터를 분석하는 것 등의 작업이 이뤄진다.

이를 통해 디바이스와 머신에 이슈(issue)가 발생하면 작업자에게 알리고, 특정 작업자나 제조현장에 어떤 디바이스와 머신이 중요한지 학습하여 시스템과 엣지 컴퓨팅 레벨의 상태진단을 통해 발견하기 어려운 이슈를 알림과 함께 해결할 수 있어야 스마트 팩토리가 고도화되고 있다고 할 수 있을 것이다. 그런데 그동안 구축해 온 시스템, 선진 기업을 모방(?)하듯 구축해 온 시스템으로 가능할까?

디바이스와 머신 레벨에서의 역할로서는 품질 문제의 예로 설명해 볼 수 있다. 예를 들어, 어떤 업체가 똑같은 장비를 최종 소비자(end-user)에게 납품을 한다고 했을 때, 이 장비가 100%의 퍼포먼스(성능)로 제작되었더라도 현장에서는 이보다 낮은 수준에 머무를 수 있을 것이다.

만일, 사전에 납품 장비에 대한 정보를 세팅(setting)해 둔다면 등록된 장비의 상태 정보, 분석, 파라미터 트렌드, 유지보수(MA) 등을 클라우드 기반으로 모두 취합해서 관리할 수 있기 때문에, 최종 사용자(end-user) 입장에서는 공장 관리에 도움이 될 것이다. 또한, 제작업체(OEM) 입장에서는 납품 장비에 대한 트러블 슈팅을 세계 곳곳에서 비대면 원격화 할 수 있어 더 나은 장비를 만들 수 있게 될 것이다.

디바이스와 머신 레벨에서 한 단계 더 나가면 시스템과 엣지 컴퓨팅 레벨이 있다. 이 레벨을 통해 비로소 결함 및 고장에 대해 ‘어떻게 해야 하나요?’라는 데에 이르게 된다. 이 레벨은 품질 저하를 막기 위해서 무엇을 해야 하는지에 대한 행위 레벨이다. 앞서 디바이스와 머신 레벨은 구성, 데이터 확립, 모델링, 모니터링, 액션을 하기 위해서 데이터 사이언티스트(알고리즘을 만들 수 있는 모델러)가 필요했지만, 시스템과 엣지 컴퓨팅 레벨에서는 불필요하다.

제조업 입장에서는 정보를 받으면 실시간 액션이 중요한데 클라우드로 오가는 시간이 더디면 의미가 없게 된다. 따라서 인공지능 기반 스마트 팩토리에서는 이것을 엣지 컴퓨팅으로 실행해야 한다. 현장에서 바로 처리할 수 있도록 인공지능과 엣지컴퓨팅을 활용하여 제조업의 전사적인 제조 지능화, 즉 축적의 힘으로 자연스럽게 고도화가 이루어지도록 구축 초기부터 정보통신기술과 제조기술을 융합해서 설계(Architecture)해야 한다. 바이오 제약을 예로 들자면, 공정의 내부 작용에 대해 이전에 해독할 수 없었던 통찰력을 발견함으로써 고전적인 분석 도구 스택(stack)을 확장시켜주고 있다. 아래 그림은 ISPE사의 그림이다.



4차 산업혁명이 몰고 온 스마트 팩토리는 인공지능 기반 고도화 단계로 접어들고 있다. 특히 엣지 컴퓨팅을 통해 OT(Operation Technology) 데이터와 IT 데이터를 받아서 데이터를 통합하고 조율한다. 이를 통해 각각의 현장에 필요한 정보를 운영 분석해서 맞춤형 의사결정이 가능하도록 전사적 제조 지능화(EMI) 수준이 점점 향상되어야 한다.

시장에서는 밀레니얼 세대와 개인화 고객층을 중심으로 ‘미닝 아웃(Meaning Out)’ 현상이 나타나고 있다. 그들이 제조업의 변화를 거래 행위로 자극하고 있으며 4차 산업혁명을 주도하고 있다. 비대면 시장의 성장과 변화를 주도하고 있는 그들이 새로운 소비의 축으로 등장하면서, 이전 세대보다 활발하게 자기 주관을 적극적으로 표현하며, 여론을 모으고 변화를 꾀하고 있다. 따라서 이제 더 이상 공급자 중심 시장원리를 기반으로 한 지식과 경쟁 도구로는 생존할 수 없는 것이다. 이것이 바로 수요자 중심 맞춤형 시대를 준비해야 할 분명한 이유이다.

따라서, 빅데이터 관리 기술이 주도하고 있는 인공지능 기반 스마트 팩토리 고도화는 의사결정의 자동화와 자율화를 수행할 수 있도록 인공지능을 활용해야 한다. 이러한 밀레니얼 세대와 개인화 고객층의 미닝 아웃 현상은 EMI(전사적 제조 지능)로 구현될 인공지능 기반 스마트 팩토리의 고도화를 더욱 촉발시키는 계기가 될 것임이 분명하다.