‘생존 전략’이 된 제조 산업의 AI
제조업의 AI 활용 현황
노후 산업 현장에 자동화 시설과 디지털 기술을 도입해 생산성을 높이는 ‘디지털 전환(DX)’ 개념이 등장한 지 10여 년이 지났습니다. 제조업 현장의 DX는 2022년 챗GPT의 등장으로 생성형 AI가 확산되면서 큰 변화를 맞이했는데요. DX에 AI를 더한 AX(AI+DX), 즉 ‘AI를 통한 디지털 전환’이 미래 제조업 패러다임의 핵심이라는 인식이 확산되면서 업계 분위기도 크게 달라지고 있습니다.
세계 최대 산업 자동화 전문기업인 로크웰 오토메이션이 발표한 ‘2024 스마트 제조 현황 보고서’에 따르면 제조 기업의 83%는 생성형 AI를 제조업에서 투자할 기술 1위로 뽑았고, 올해 제조 운영 과정에 도입할 것으로 예상하고 있습니다. 글로벌 리서치 전문 마켓앤마켓(MarketsandMarkets)은 글로벌 제조업 AI 시장이 2023년 32억 달러에서 2028년까지 208억 달러로 연간 45.6%의 고속 성장을 이어갈 것으로 전망했고요. 다양한 제조업의 생산 공정 자동화가 진행되면서 이 때 생성되는 데이터를 수집, 분석, 처리하는 과정에서 AI 활용이 빠르게 증가할 것으로 분석했습니다.
제조업에서 AI를 활용하는 방법
제조업에서 AI는 생산 공정 자동화, 수요 예측 및 공급망 관리 최적화, 불량률을 낮추는 품질 관리 등을 중심으로 기술 활용 가치가 높은 편입니다.
1. 생산 공정 자동화로 효율성 향상
- MES : 스마트 공장의 핵심 소프트웨어인 MES는 제조 기업의 생산 계획부터 작업 지시, 생산 추적, 설비 관리, 생산 성과 분석 등 생산 관리 효율성을 높이는 정보를 제공하는 시스템입니다.
- 디지털 트윈(Digital Twin) : 물리적인 제조 시스템을 가상 공간에 정확하게 복제한 것으로, 실제 공정에서 발생할 수 있는 다양한 상황을 시뮬레이션하고 분석할 수 있습니다.
- 로봇 프로세스 자동화(RPA) : 반복적인 데이터 입력, 시스템 간 데이터 전송, 계산 등을 자동화하여 생산성을 향상시킵니다.
- 예측 유지보수 : AI 기반 시스템으로 장비 상태를 분석하여 고장을 예측하고 사전 조치를 취할 수 있습니다.
- 협동 로봇(코봇) : 인간과 협력하여 작업하는 로봇으로 무거운 물건 운반, 조립 라인 작업 등에 활용됩니다.
2. 수요 예측 및 공급망 관리 최적화
- 머신러닝 알고리즘 : 구매 패턴을 분석하여 제품 수요를 예측하고 생산량을 조절합니다.
- 재고 관리 시스템 : 인공지능 기반 시스템으로 재고 수준을 추적하고 부족 시 알림 기능을 제공하며, 공급망 병목 현상을 파악합니다.
- 인공지능 기반 공급망 관리 : 공급망 데이터를 분석하여 효율적인 물류 및 생산 계획을 수립하도록 지원합니다.
3. 품질 관리 및 제품 개발 개선
- 인공지능 시스템 기반 오류 검출 : 생산 라인에서 제품 결함을 자동으로 빠르고 정확하게 검출합니다.
- 인공지능 기반 제품 개발 : 데이터를 분석하여 제품 개발 속도를 높이고 품질을 개선합니다.
제조업 가치사슬 – AI 적용 예시
그 동안 제조업에서 AI 도입이 어려웠던 이유
그렇다면 실제 제조업 현장에서 AI 도입률은 어떨까요? 글로벌 제조업 AI 시장의 가파른 성장세와 생성형 AI 도입에 대한 높은 관심에도 불구하고 AI 도입률은 낮습니다. AI 도입 성과에 대한 확신과 데이터 정제 및 인프라 구축의 어려움, 초기 투자 및 유지 관리 비용에 대한 부담, IT 역량 부족 등 현실적인 장벽들이 만만치 않았기 때문입니다.
제조업 AI 서비스는 센서나 카메라 등에서 수집된 ‘디지털화된 물리 데이터’에 의존하는 경우가 많습니다. 이런 데이터는 태생부터 디지털 성격을 지닌 데이터와 달리 굉장히 방대하고 다양하기 때문에 즉시 활용하기가 쉽지 않습니다. 특히, 각 기업은 동종 산업에 있거나 동일한 제품을 생산하더라도 고유의 설계와 제조시설을 보유 하고 있는데요. 이는 각 기업의 노하우이자 기밀이기 때문에 기업별로 데이터가 모두 다를 수밖에 없어 데이터 표준화가 쉽지 않습니다. 현장에 대한 전문성 및 노하우를 특정 작업자만 가진 경우가 많아 이를 데이터화하는 과정이 어려워 AI 모델링 작업이 매우 더디게 진행되기도 합니다. 데이터나 AI에 대한 충분한 이해 없이 AI 도입을 결정을 내리고 잘못된 방식으로 접근해 실패하는 경우도 있고, 데이터 부족 및 인프라와 기술 개발에 대한 비용 문제로 도입 자체가 어려운 경우도 많습니다.
제조업에 AI를 어떻게 도입해야 할까요?
제조업에 AI를 성공적으로 도입하기 위해서는 전문가의 도움이 필수적입니다. 기업이 내부 데이터를 기반으로 문제를 정의하고, 이를 통해 유지 보수 및 생산성 개선에 활용하는 것은 상당히 복잡한 과정입니다. 제조업에 특화된 AI 도입을 위해서는 데이터와 AI에 대한 깊은 이해가 필요하며, 기업이 보유한 데이터 자산과 데이터 수집 방법을 명확히 파악하고 AI로 해결하려는 문제의 목표를 설정하는 것이 중요합니다.
전문가의 컨설팅을 통해 단계별 AI 기술 도입 방안을 세우고, 공장 최적화를 돕는 SaaS 서비스나 솔루션을 이용하는 방법도 있습니다. 단계별로 AI 기술을 도입하면 초기 투자 비용을 낮출 수 있는데요. 생산성 향상 효과가 가장 큰 핵심 공정부터 AI 기술을 적용하여 성공 사례를 확인 후 확장하는 방식으로 AI 기술을 도입할 수 있습니다. 또한, 유지 관리 비용 부담을 줄이기 위해 과거 온프레미스 방식으로 구축된 스마트팩토리 MES 솔루션을 SaaS 형태로 전환하는 서비스를 이용하는 것도 좋은 방법입니다.
제조 현장의 AI 도입은 ‘선택’이 아닌 ‘필수’
1) 제조 산업에서 생산되는 방대한 데이터 양
GP Bullhound의 조사에 따르면 제조 산업은 매년 1,812페타바이트(PB)의 방대한 데이터를 생성하는 것으로 추정됩니다, 이는 2위인 정부기관에서 생성하는 911PB의 2배에 달하는 수치로 제조 산업에서 생산되는 데이터 양은 굉장합니다.
이러한 방대한 양의 데이터는 AI 기술 도입에 아주 중요한데요. AI는 이 데이터를 효과적으로 분석하고 활용하여 생산성 향상, 품질 관리, 예측 유지보수, 비용 절감 등의 다양한 이점을 제공합니다. 데이터 중심의 제조 환경에서 AI는 경쟁력을 강화하고 혁신을 실현하는 핵심 도구로 자리 잡고 있습니다.
2) 2.5조 원 투입해 국내 제조업 AI 도입 가속 지원하는 정부
정부는 지난 22일 ‘AI 자율제조 얼라이언스(동맹) 출범식’을 개최했습니다. 제조 현장에 인공지능을 도입해 생산성·안전성·환경성을 높이는 ‘AI 자율제조’ 확산을 위해 2조 5,000억 원을 투자하고, 오는 2030년까지 AI 자율제조 도입률을 40%로 달성한다는 계획을 발표했는데요. 현재 산업단지는 노후화, 작업자 고령화, 노동 시장에서의 제조업 기피, 숙련공 부족 현상 등의 문제가 심각한 상태인데요. 위와 같은 문제를 해결하고 기업의 지속 성장을 위해서과 산업단지의 디지털화는 필수적입니다.
이제 제조 현장의 AI 도입은 선택이 아닌 생존을 위한 필수 전략이 됐습니다. 제조 산업의 방대한 데이터를 잘 활용하려면, 생산공정 단계에서 수집되는 데이터를 AI 기반으로 관리하고 분석하는게 중요하고요. 산업의 특성을 반영한 AI 솔루션을 활용해 다양한 제조 환경의 세부적인 요구를 해결할 수 있습니다.
크라우드웍스는 산업 특화 지식이 반영된 학습 데이터 특징을 정의하고, 데이터 설계부터 구조화 및 구축까지 풍부한 경험을 가지고 있습니다. 이 역량을 기반으로 제조 기업의 내부 데이터를 검토하고 분석해 생산 공정 최적화 방안을 도출하고, 해당 데이터를 활용한 AI 솔루션을 제공해 국내 제조 AI 레퍼런스를 확보하는 동시에 AI 데이터 시장 경쟁력을 강화할 예정입니다. 지난 26일 크라우드웍스는 지능형 스마트 팩토리 솔루션 기업 ‘시즐(SIZL)’과 업무 협약을 체결했습니다. 이번 협약을 통해 크라우드웍스는 시즐의 제조 공정 데이터를 활용해 MES 솔루션을 고도화하고, 혁신 성장하고 있는 제조 AI 시장에 본격적으로 진출하게 됐습니다. 제조업 AX를 위한 크라우드웍스의 도전에 많은 관심과 응원 부탁드립니다.
