[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 제조업들은 기존 사업 모델에 대해 끊임없이 의문을 던져야 한다.


개인화된 고객과 시장이 급변하고 있기 때문이다. 또한 제품의 사용자 경험(UX-Design)이 새로운 서비스 영역의 지평을 확대시키고 있기 때문이다. 그것은 4차 산업혁명의 또 다른 특징이기도 하다. 다시 말해 ‘제품 소유의 시대’에서 제품 사용을 중시하는 ‘경험의 시대’로 시장과 고객이 이동하고 있는 것이다.

이에 따라 ‘제품-서비스’ 및 ‘서비스-제품’ 간 매칭(matching) 서비스와 사용한 만큼 지불하는 방식(pay-as-you-go)이 등장하고 있다. 그 결과, 제품 가격은 동일하지만 고객의 총 지출은 현저히 낮아지게 된다. 왜냐하면 소유할 필요 없이 사용한 만큼만 지불하고도 고객의 소비 욕구는 해소되기 때문이다.

이러한 소비 순환은 과거와는 다른 새로운 과정이다. 이는 더 이상 판매 단위당 가격이나 생산 규모가 문제되지 않는 대신에 늘어나는 사용량과 줄어드는 사용 비용이 중요해지고 있음을 의미한다. 그러므로 사용량 증가와 사용 비용 감소에 대한 속도 관리를 위해서는 전반적인 공급망(SCM)과 제조 현장의 빅데이터 관리기술이 점점 더 중요해 질 것이다.

과거 산업화 과정에서 컴퓨터 기술을 활용하기 위해 구축해 온 업무 프로세스(process)와 시스템으로는 4차 산업혁명의 속도를 감당하기에는 역부족이다. 5G 네트워크(5G network)와 같은 통신기술의 발달, 클라우드, 엣지 컴퓨팅 기술, 산업 지능형 사물인터넷(IIIoT: Industrial Intelligence & Internet of Things), 그리고 빅데이터 관리 기술은 차원이 다른 속도로 모든 것을 가능하게 만들 수 있기 때문이다.

제품 개발에서 시장 출시, 고객 주문에서 도착까지의 소요시간이 획기적으로 단축될 것이고, 원격 모니터링과 예지 정비로 장비와 제조 공장의 고비용 다운 타임(down time)이 사라져 가동중단 역시 줄어들게 된다. 따라서 이러한 속도 관리의 필요성은 유연성을 기반으로 한 전략적인 실행 디자인에 의해서 고객 맞춤형 스마트팩토리 시대로 촉발되는 계기가 될 것이다.

더 나아가 인공지능 활용 지능형 서비스, 산업 지능형 사물인터넷(IIIoT: Industrial Intelligence & Internet of Things), 서비스와 사물 인터넷(Intelligence of things and services)기반의 기계 및 설비 연결 기술과 그 곳에서 생성되는 빅데이터 관리기술이 이를 뒷받침해야 한다

. 이에 따라 마케팅의 전략적인 측면에서 제조업의 경영전략은 효율성, 탄력성, 생산성 향상을 뛰어넘어 고객과 시장 특성 분석을 통한 개인화 고객과 시장을 ‘대응(Responsiveness)’하는 역량 발휘가 절실하다.

이러한 개인화 고객과 시장의 요구는 기업이 고객 맞춤형 스마트팩토리를 통해 제조 프로세스를 재구성하라는 명령어로 이해할 수 있어야 한다. 따라서 제조업이 갖춰야 할 핵심 요소는 과학적 우수성, 또는 복잡하고 무거운 시스템이나 프로세스가 아니라 수익을 창출하기 위한 개념 디자인과 실행 디자인을 동기화(synchronization)시켜주는 소프트웨어 파워(Software power)이다.

소프트웨어파워(Software power)가 스마트 팩토리 구축의 필요조건이라면 빅데이터 관리기술은 충분조건이다. 빅데이터는 기존의 데이터 처리 애플리케이션 소프트웨어에서 다루기에는 너무 크거나 복잡한 데이터 세트(sets)를 분석하고, 체계적인 추출 및 처리 방법을 다루는 분야다.

많은 사례(rows : 행)가 있는 데이터는 더 큰 통계적 힘을 제공하는 반면, 복잡도가 높은 데이터(more attributes or columns : 속성 또는 열)는 더 높은 허위 검색 속도로 이어질 수 있다. 그래서 빅데이터 관리 기술이 중요하다.

스마트팩토리 구축의 핵심인 빅데이터 관리기술이 해결해야 할 도전적인 과제(challenges)로는 데이터 캡처, 데이터 스토리지, 데이터 분석, 검색, 공유, 전송, 시각화, 쿼리, 업데이트, 정보 개인 정보 보호 및 데이터 소스가 있다. 빅데이터는 원래 볼륨(volume), 다양성(variety) 및 속도(velocity)라는 세 가지 핵심 개념과도 연관되어 있다.

스마트팩토리 구축을 위한 생산 현장의 빅데이터를 다룰 때, 다양한 빅데이터 샘플을 추출하지 않고 단순히 어떤 일이 일어나는지 관찰하고 추적할 수도 있다. 하지만, 빅데이터는 허용 가능한 시간과 가치(value chain) 내에서 처리할 수 있는, 기존 소프트웨어의 용량을 초과하는 크기의 데이터를 포함하고 있는 경우가 종종 발생된다.

그러므로 데이터 생성과 수집을 위해서는 다양한 도구들이 활용되어야 한다. 그리고 그 다음 단계에서 통계적 방법을 사용해 수 많은 변수 사이에서 의미가 존재하는 값과 상호작용하는 상관관계를 연결하고, 데이터를 학습시켜 나아가는 과정이 필요하다. 바로 이것이 스마트팩토리 구축의 출발이자 인공지능의 준비과정이다.

현재 빅데이터라는 용어는 예측 분석, 사용자 행동 분석 또는 데이터 가치 추출을 위한 특정 고급 데이터 분석 방법으로서 사용되는 경향이 있다. 다만, 특정 데이터 세트의 크기에 대해서는 거의 사용되지 않고 있다. 지금 이용할 수 있는 데이터의 양이 실제로 크다는 것은 의심의 여지가 없겠지만, 그것이 이 새로운 데이터 생태계의 특성이라고 단정지을 수는 없을 것이다. 그래서 스마트팩토리를 위한 빅데이터 관리 목적으로서의 ‘품질(Quality), 원가(Cost), 납기(Delivery)’는 중요하다. 아래 그림은 이러한 세가지(Q, C, D)에 대한 흐름을 보여주고 있다.

자료: 텔스타홈멜 제공

<이미지를 클릭하시면 크게 보실 수 있습니다>

스마트 팩토리를 통해 맞춤형 제품과 서비스를 생산하기 위해서는 복잡한 시스템 및 프로세스 모니터링(process monitoring) 구축을 위한 실행 디자인이 필요하다. 스마트 팩토리 하에서 설비 및 업무 자동화는 생산능력 증가, 비용절감, 신제품 개발의 빠른 대응, 불량률 감소 및 제품 품질 향상, 고객 맞춤형 제품 생산, 현장 생산일정 관리 자동화, 작업 안전성 확보와 같은 경쟁우위를 제공한다.

이렇게 스마트 팩토리 빅데이터 관리기술과 인공지능을 활용한 자율화(autonomization) 및 자동화가 제조업의 경쟁우위를 위해 미칠 영향은 크기 때문에 기업들의 스마트 팩토리 기술 활용은 지속적으로 확대될 것으로 예상된다.

제조 현장에서는 다양한 제조 빅데이터들이 생성되고 있다. 예를 들면, 생산관리 부문에서는 생산능력 및 설비 수, 생산 진척정보, 재고 관리, 공정위치, 생산량 및 작업시간, 작업관리 등의 데이터가 수집되고 있다.

또한, 원가관리의 경우 가동시간, 재료 사용량, 에너지 사용량, 재고, 작업자 공수, 관리비와 같은 데이터가 있으며, 설비관리에서는 가동상태, 고장시간, 사용/가공 이력, 비가동 내역과 같은 데이터가 생성되고 있다. 마지막으로, 품질관리에서는 운전조건, 복구시간, 불량원인, 불량 수, 불량내용 등과 같은 데이터가 수집된다. 이와 같이 스마트팩토리의 지속적 활용에 미치는 영향의 핵심에는 전략적 활용이 가능한 데이터가 있다.

이러한 스마트팩토리의 제조 빅데이터 관리기술 활용은 제품의 설계, 품질, 조달, 제조공정 등에서 새로운 가치, 생산성 향상과 고객만족을 제고시킬 수 있다. 스마트 팩토리의 진정한 구현을 위해서는 내부 및 외부 가치사슬 통합이 필요하다.

스마트 팩토리는 기업의 가치 사슬 통합을 가능케 하는 기술이기도 하다. 스마트 팩토리 구축을 위한 내부 가치사슬 통합은 기업 상위수준에서 다양한 부서들과 정보가 공유되고, 내부적으로 제품생산을 적시에 신속하고 효율적으로 실행할 수 있기 때문에 유용성을 제공한다.

한편, 외부 가치사슬 통합은 새로운 기술을 적용해 다양한 기업들과 협업 또는 경쟁하면서 효율적인 생태계를 형성하게 될 것이다. 더 나아가 스마트 팩토리는 새로운 비즈니스 모델의 개발과 가치네트워크(value network)를 형성할 수 있기 때문에 단순히 생산 영역에 국한시키지 않아야 한다. 제조업들은 기존 사업모델에 대한 의문을 가지고 새로운 제조업 경영전략으로서 인공지능 기반 스마트팩토리 플랫폼 구축을 검토해야 할 것이다.