제조업의 체질을 바꾸는 디지털 혁신 기술들

클라우드
글로벌 공급망 관리를 살펴볼 때 가장 대표적인 변화는 클라우드를 중심으로 진행되고 있다. 자원을 로컬 서버에 두지 않고 고속 네트워크를 통해 수요가 발생하거나 필요할 때마다 불러오는 클라우드의 특성을 살려, 액세스 권한을 얻은 모든 사용자가 동시에 플랫폼에 접속해 작업하는 클라우드 기반 SCM(Supply Chain Management) 솔루션의 비율이 늘어나고 있다.

SC다이제스트(SCDigest)가 2016년 발표한 SCM 동향과 기회에 대한 벤치마크 보고서에서는 70% 이상의 응답 기업이 일부, 또는 대부분의 공급망 소프트웨어로 클라우드 기반의 SCM을 채택할 것이라고 답한 바 있다. 클라우드를 활용한 SCM 플랫폼은 표준화된 프로토콜을 통해 글로벌 물류 가시성을 확보하고, 환경 변화에 신속하게 대응할 수 있다. 의사소통이 더욱 신속해지고 주문과 실행 간의 경계가 사라져 신뢰성, 투명성, 효율성, 민첩성이 향상된다.

아마존의 음성 기반 자동 주문 서비스인 DRS (Dash Replenishment Service)는 네트워크를 통해 고객 데이터를 수집하고, 사용량이나 패턴을 분석해 제품 소비 기간을 예측하고 알맞은 시기에 새 제품을 배송해주는 서비스로 많은 고객을 확보했다. 대시 단말기의 버튼을 클릭하면 구매자 정보와 원하는 제품 종류와 수량 등이 아마존 서버로 전송된다. 구매자의 주문 이력과 교체 주기, 선호하는 제품 등의 데이터가 아마존 클라우드에 누적되고 분석되면서 더욱 다양하고 개인화된 서비스로 진화할 가능성이 크다.

이와 유사하게 제조업에서도 설비 부품이나 원료의 교체 및 보급 주기를 파악해 수요가 발생하기 전에 앞서 필요한 물품을 자동으로 공급하는 RaaS(Replenishment as a Service)가 자리 잡아 가는 추세다. 중소기업 역시 값비싼 자체 플랫폼을 구축하지 않고도 SaaS(Software as a Service)를 사용할 수 있어 실시간 재고 관리 능력과 대응 역량을 향상하고, 고객의 요구에 더욱 민첩하게 반응할 수 있게 되었다.

블록체인
거래정보를 네트워크에 분산 저장해 참여자가 공동으로 기록하고 관리하는 블록체인은 다양한 이해 관계자가 존재하는 제조 환경의 보안과 투명성을 제고한다. 블록 형태의 거래 기록이 시간 순서로 정렬되고, 모든 참여자가 거래 이력을 분산 보유해 개인이 임의로 변경할 수 없으므로 본질적으로 위조가 불가능한 특성이 있다. 이 때문에 데이터의 무결성이 보장되고, 자동차, 농산물은 물론 와인과 보석 등 고부가가치 제품의 생산지, 유통 과정, 공급 업체를 기록하고 추적할 때 유용하게 쓰일 수 있다.

생산자와 소비자를 잇는 물류 과정에서는 선적, 수출입, 관세 부과, 수수료 지불 등 많은 계약 관계가 발생한다. 수많은 문서를 대조하고 일일이 결재와 원본의 진위를 확인해야 하는 유통 분야의 복잡성은 거꾸로 가장 혁신 가능성이 큰 과정이기도 하다. 블록체인을 활용한 스마트 계약서는 금융뿐 아니라 제조와 물류 산업에서도 기업 간 거래 방식에 근본적인 변화를 가져올 수 있다. 일방적인 거래 장부 변경이 불가능하고, 사용자 간 동의를 기반으로 계약이 체결되는 신뢰 네트워크의 장점을 제조업이 흡수할 수 있기 때문이다. 또 IoT와 블록체인 기술을 결합해 센서 등 민감한 부품에 고유 ID를 부여함으로써 위변조를 막고 유통 과정의 가시성을 제고할 수 있다.


AI
자동 생산 시스템을 체계화한 기업이라 하더라도, 수집한 방대한 데이터를 제대로 처리하지 못해 오히려 정확한 분석에 실패하는 경우가 적지 않다. 결국 경험에 의존해 데이터를 처리하거나 제한적인 샘플을 가지고 데이터 전체를 판단하는 치명적인 오류나 한계를 겪을 수밖에 없다. 실시간 데이터 수집과 동시에 인공지능 기술을 적용해 데이터를 자동으로 분류하거나 패턴을 파악해 흐름을 알아내는 예측 기법을 갖춰야만 하는 이유가 여기에 있다. AI 기반 딥러닝 기술로 데이터를 더 과학적으로 분석해서 활용해야 효용을 얻을 수 있는 것이다. 특히 제조업에 AI 기반 비전 검사를 도입한 기업은 검사 정확도를 기존대비 크게 높여 품질 경쟁력을 개선하게 된다.

제조업에서 재고는 곧 유지 비용과 위험성 증가를 의미한다. 정확한 생산 계획을 수립하려면 과거 판매 실적 변화와 영향을 미친 요소, 가격 변동 시의 결과 등 다양한 정보를 분석해 수요를 예측할 수 있어야 한다. AI를 활용한 예측은 주문이 발생한 후에 대응하는 것이 아니라, 판매량과 수요를 미리 알고 대처한다는 점에서 한층 진보한 과학적 전략이며, 더 좋은 가격에 제품을 판매하고 브랜드 가치를 높이는 선진 분석 서비스다. AI 기술을 통해 유통 업체는 판매 물량을 미리 준비하고, 매장에서는 과학적 데이터에 기반한 프로모션을 진행할 수 있으며, 제조사 역시 제품 수요의 변화를 자동으로 생산 라인에 반영할 수 있어 한층 부담을 덜 수 있게 된다.

아마존 고(Amazon Go)는 입체 카메라를 장착한 로봇이 매장 통로를 돌아다니면서 재고를 조사하고 소비자 수요에 반영하는 서비스다. AI 기술은 매장 내 재고 관리보다 규모가 더 큰 제조 현장에서도 위력을 발휘한다. AI를 활용해 제조 지능을 구현하면 정확한 수요 예측과 가격 최적화를 수행할 수 있기 때문이다. AI와 IoT 시스템의 효율적인 결합은 시간과 운영 비용 절감, 수작업 오류 제거 등의 효과를 가져온다. 반복되는 업무가 아닌 분석적이고 창의적인 작업에 인력을 집중할 수 있어 궁극적으로 인력 생산성 향상에도 기여한다.

IoT
데이터를 수집하는 센서는 제조업 현장에서 정보에 기반한 의사 결정을 내릴 때 필수적인 요소다.공장과 설비 곳곳에 설치된 센서는 데이터를 수집하고 네트워크를 통해 PTC (ThingWorx), 지멘스 마인드스피어(MindSphere) 같은 IoT 플랫폼에 전달된다. IoT 기술을 통해 기존의 계층적이고 수직적인 작업 관리 시스템을 수평적이고 개방적이며 완전한 상호 연결 모델로 대체하면서 제조 프로세스의 자원 관리를 최적화할 수 있다. 지리적 위치와 상관없이 네트워크로 연결된 설비 상태나 제품 품질 정보를 중앙에서 모니터링하여 제품 설계나 제조 공정을 재조정할 수 있고, 초기 단계에서 품질 문제를 감지하고 해결할 수 있다.

제품 서비스 단계에서도 IoT가 활용되는데 대표적인 사례로는 독일 티센크루프(Thyssenkrupp) 사의 지능형 엘리베이터 유지 보수 서비스인 프리벤티브(Preventive)를 들 수 있다. 티센크루프 사의 엘리베이터는 모터 온도, 운전 속도, 도어 기능 등 센서에서 수집한 데이터를 분석해 기존 업계 표준을 넘어 강화된 예측 역량과 선제적인 유지 보수 서비스를 제공함으로써 엘리베이터 가동 시간과 제품 수명을 획기적으로 늘렸다.


AR/VR
게임 등 일반 사용자 엔터테인먼트 시장에서 일제히 쏟아져 나온 VR 기기는 지난해 2세대 제품이 발매되면서 조금 더 정교해졌다. 구글과 애플 등은 스마트폰이 AR 기능을 탑재하거나 바로 활용할 역량을 개발하는 데 집중하고 있다. 그러나 AR과 VR의 진정한 가치는 제조업에서 찾을 수 있다.

제조업은 원자재 수급부터 완제품 생산 단계까지 관리하는 면적이 매우 넓고 위험 요소가 많다는 특징이 있다. 생산 과정이 원격지에서 이루어지는 경우, 부품과 원료의 이동 거리가 곧 비용 상승 요인으로 작용하고 인력도 많이 투입된다. AR/VR 기술을 적극 활용하면 전문 인력이 직접 현장으로 이동하지 않아도 모든 상황을 지켜보면서 클라우드, 모바일 플랫폼을 통해 작업을 지시할 수 있다. 미국 업스킬(Upskill)사가 개발한 스카이라이트(Skylight) 플랫폼을 탑재한 스마트 글래스는 Boeing의 항공기 제조 환경에서 제조 시간 단축 등 직접적인 생산성 향상에 기여했다. 우수한 제조 인력은 그 자체로 기업의 경쟁력이 될 수 있다. 기존의 물리적 한계를 넘어 활동 반경을 넓혀가면서 꼭 필요한 곳에 인력을 적절히 배치할 수 있다면, 기업은 더욱 큰 가능성을 얻게 된다. AR/VR 기술이 전문 고급 인력의 재배치와 육성, 관리까지 아우르는 셈이다.

삼성SDS의 Cello1 VWS(Virtual Warehouse System)는 물류 창고 내의 특정 위치에서의 3D 설계 계획을 현장의 실시간 데이터와 직관적으로 결합한 VR 기반의 창고관리시스템이다. Cello VWS는 물류 창고의 데이터를 3D로 시각화해 제품 가용성과 상태 정보 액세스 기능을 높이고, 기업의 물류 창고 운영 역량을 최적화할 수 있다. 기존 창고 운영 시스템과의 호환성을 보장함은 물론, 출고 계획과 창고 레벨 등을 상세한 차트, 3D 모델, VR 시뮬레이션으로 구체화해 작업에 가시성을 부여한다. 창고 직원들은 여러 각도에서 다양한 시뮬레이션 모델을 미리 확인하면서 가장 효율적인 경로를 설계할 수 있다. 삼성SDS는 Cello VWS를 통해 창고 내 제품 위치를 최적화해 시야 확장성과 이동 경로 효율을 7~14% 개선했다고 밝혔다.

과거에는 단순한 수학적 계산만으로도 팔레트와 트럭의 화물 적재량을 결정할 수 있었지만, 패키지의 복잡성과 예측 불가능성으로 인해 적재 과정은 갈수록 효율화와 최적화가 요구되는 상황이다. 또, 개별 직원이 미세한 실수나 오류를 발견하고 수정하는 작업도 더 어려워졌다.

이를 해결하기 위해 Cello Loading Optimizer는 3D 이미지로 맞춤 시뮬레이션 모델을 생성한다. 가중치, 레이블 위치, 무게 중심 등 적재 최적화에 필요한 다양한 조건을 적용하면서 측정 과정을 자동화하고, VR의 특성을 최대한 활용해 방위, 최대 적재 무게, 상·하단 적재 클래스를 고려한 최적의 위치를 선정할 수 있다. Cello Loading Optimizer는 영업, 제조, 항공 산업 포워딩 창고에서 널리 활용되고 있다. 삼성SDS는 네덜란드에 위치한 물류창고에 Cello Loading Optimizer를 도입한 결과 수작업과 비교해 12%의 적재 효율 향상을 경험했다고 밝혔다.

디지털 트윈(Digital Twin)
IoT, AI와 머신러닝, AR/VR 기술이 발전을 거듭하면서 더 많은 통찰력과 비즈니스 가치를 끌어내는 기술 간 교차점이 등장하기 시작했다. 제조업 분야에서는 이미 3D 모델링과 시뮬레이션 기술이 자리 잡은 지 오래다. 그러나 엔진이나 터빈 등 중장비를 판매하던 업체도 저성장 시대를 맞아 첨단 기술을 결합하고 예측 역량을 개선해 생산성 확대 방안을 마련하기 시작했다.

디지털 트윈은 IoT, AI, AR/VR 등 다양한 혁신 기술을 복합적으로 응용한 제조 시뮬레이션 모델이다. 주로 기획 및 설계 과정에서 다양한 IoT 센서로 생산 전 과정의 데이터를 입수하고, AI 및 빅데이터 알고리즘으로 실시간 정보를 분석해 자산 운영 예측도를 비약적으로 높인다. 분석한 데이터를 다시 설계나 생산 역량 개선에 반영해 실패 위험을 파악하고, 다운타임을 줄이며, 설비 과부하나 부품 교체 주기가 전체 생산의 효율성에 미치는 영향도 평가할 수 있다.

디지털 트윈이 수집하는 방대한 양의 데이터를 시각화하는 과정도 중요하다. 운영 인력의 데이터 이해도를 높여 인사이트를 얻기 위해서는 AR/VR 기술이 제공하는 몰입형 경험이 필수적이다. 전문 인력은 물리적 위치나 거리에 구애받지 않고 웨어러블 등 다양한 형태의 AR/VR 기기를 사용해 원격으로 설비를 진단할 수 있게 되어 최적의 생산 라인을 구축할 수 있다.

더 나은 스마트팩토리를 선택하는 기준

이렇게 4차 산업혁명은 여러 혁신 기술이 뒷받침하는 거대한 변화다. 이러한 기술들은 단독으로 쓰이기보다 다른 기술과 효과적으로 결합할 때 더욱 커다란 가치를 창출한다. 클라우드 플랫폼에서 대규모 데이터를 분석하거나 IoT 센서가 수집한 데이터를 AI 기법으로 진단하는 등, 다양한 기술이 함께 결합될 때 최대의 생산성을 얻을 수 있다.

스마트팩토리는 주요 영역의 혁신 기술을 통합해 제조와 관련된 모든 과정을 실시간으로 연결하고, 데이터 기반의 의사 결정을 가능하게 하며, 인적 개입을 최소화해 제품의 균일성과 운영 최적화를 완성하는 지능형 생산 공장을 의미한다.

전세계 여러 곳에 생산 현장을 둔 글로벌 제조 기업은 각기 다른 시스템에서 다양한 기능을 사용한다. 그러나 기존 레거시 시스템은 이렇게 복잡한 환경을 통합적으로 관리하고 최적화하기 어렵다는 한계를 안고 있다. 따라서 제조업에서도 다양한 애플리케이션을 통합적으로 관리하는 클라우드 플랫폼을 기반으로 지능적인 관리 체계를 구축하고, 표준화된 개발/운영 환경을 지원할 필요가 있다.

어떤 업종이든 기계가 단 몇 대라도 돌아가는 곳이라면 모두 제조 공정에서 데이터가 발생하기 마련이다. 지난주에 벨트를 교체했고, 작년에는 어떤 생산 라인에서 설비 고장이 있었다는 기록은 아주 중요한 데이터이다. 그러므로 고가의 대규모 시스템을 도입하지 않고도, 특정 설비만 체크하는 센서를 달거나 기기마다 적절한 곳에 인프라를 배치할 수 있도록 호환성을 확보하는 것이 중요하다.

한편, 제조 현장 역시 다양한 생산 요구에 발맞추기를 원하지만, 실시간 데이터 분석 역량을 갖추지 못해 설비 고장 등의 오류에 뒤늦게 대처할 수밖에 없다는 고민이 깊다. 그러므로 구체적인 방향을 설정한 후 목적에 맞는 인프라를 선정해야 한다. 기존의 자동화나 최적화가 공장 단위로만 이루어졌다면, 이제 분산된 여러 공장에서 발생하는 데이터를 연결하고 실시간 분석을 통해 본격적인 스마트팩토리 단계로 마이그레이션할 때다. 이러한 시도는 현재에도 계속 진행되고 있는데, 우선 모든 설비와 시스템에서 표준화된 데이터의 수집, 통신, 처리, 분석을 거쳐 관리자와 작업자가 활용할 수 있는 형태로 변환하는 체계가 구축되어야 한다.

스마트팩토리를 도입하려는 기업은 디지털 트랜스포메이션을 구성하는 클라우드, AI, IoT 등 다양한 첨단 기술을 종합적으로 소화하고, 각 기술을 유기적으로 연결해 복합적으로 활용하는 플랫폼을 선택해야 한다. 또한, 반도체나 디스플레이 등 최고 수준의 보안이 필요한 첨단 기술 분야는 프라이빗 클라우드로 외부로부터 최대한 독립적인 환경을 구축하고 일반 데이터는 퍼블릭 클라우드를 결합한 하이브리드 클라우드에 저장하는 등, 데이터의 목적과 제품의 특성에 따른 다양한 구성 방식을 지원하는 플랫폼을 갖춰야 한다.

또, 생산 라인 등의 설비 운영 경험, 시스템 구축 경험, 컨설팅 경험을 갖춰 데이터를 체계적으로 분류하는 노하우를 지닌 플랫폼을 선정하는 것이 필수적이다. 데이터 전체를 로드하지 않고도, 선분류 과정을 거쳐 각 역할에 맞게 시스템과 인력을 배치하면, 데이터의 양이 많더라도 동시에 분석할 수 있어 데이터 분석 효율을 증진할 수 있다.

스마트팩토리 플랫폼은 단순히 데이터만을 처리하는 플랫폼이 아니다. 현장에서는 처음부터 모든 시스템을 새롭게 구축할 수 없다는 점도 유의해야 한다. 기존에 투자한 대규모 설비를 최대한 살리면서 점진적으로 혁신을 진행해 나가야 한다. 기존 시스템과의 통합이 가장 중요하다는 의미다. 다른 시스템에서 배출되는 센서 데이터를 수집해 분석할 수 있는 물리적 아키텍처를 구성하고, 이기종 데이터의 호환성을 확보하는 것도 중요한 단계일 것이다. 특히 호환성 확보는 기존 정보의 표준화가 중요한 제조 기업이 스마트팩토리를 선정할 때 가장 중요한 기준이 된다.

제품 라이프 사이클 전반을 관리하는 지능화 전략으로서의 스마트팩토리 플랫폼이 필요한 이유가 바로 여기에 있다. 삼성SDS는 디지털 혁신 기술과 제조업 트렌드에 발맞춘 플랫폼을 구현했다. 반도체나 디스플레이 등의 첨단 기술 집적 분야는 물론, 30년 동안 삼성 관계사의 IT 서비스를 담당하면서 많은 경험을 확보한 것은 삼성SDS만이 가진 강점이다. 삼성SDS가 수많은 제조 공정과 장비에서 나온 데이터를 관리한 노하우를 플랫폼화해 제조산업의 디지털 혁신을 지원하는 스마트팩토리 전문 플랫폼으로 개발한 것이 바로 Nexplant Platform이다. 차세대 패러다임을 좌우하는 스마트팩토리 전략에서 Nexplant Platform은 중요한 미래 도구로 꼽힌다.


※ 이 글은 IDG Korea에서 발간하는 문서로 IDG Korea의 허락을 얻어서 게재합니다.
저작권법의 보호를 받고 있으며, 무단 전재 재배포를 금지합니다.
IDG Korea의 허락 없이 이 글을 온라인 사이트 등에 무단 게재, 전재하거나 유포할 수 없습니다.


▶   해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에 저작권이 있습니다.
▶   해당 콘텐츠는 사전 동의없이 2차 가공 및 영리적인 이용을 금하고 있습니다.