오늘과 어제가 다르게 진화하고 있는 인공지능. AI는 우리의 일상을 빠르게 뒤바꿔놓고 있다. 산업 현장에서도 AI는 포착하기도 힘들 만큼 빠른 속도로 그 적용 범위를 넓히고 있다. 우리나라 제조업을 견인한다고 할 수 있는 자동차 업계에서도 물론 그렇다. 현재 시점에서 AI는 어떻게 제조, 특히 자동차 제조 현장을 바꿔나가고 있을까?
7일 서울 용산구의 한 호텔에서 열린 오토폼엔지니어링(AutoForm Engineering, 이하 오토폼)의 기자간담회는 첨단 자동차 산업의 AI 활용 방식을 엿볼 수 있는 자리였다. 스위스에 본사를 둔 오토폼은 박판 성형과 차체(BIW) 조립 공정을 위한 엔지니어링 소프트웨어를 개발하는 기업으로, 전 세계 50개국 1000개 이상 기업에 솔루션을 제공하고 있다. 국내에선 삼성전자, LG전자를 비롯해 현대자동차, 포스코 등과 협력 중이다.
이날 기자간담회에 자리한 올리비에 르퇴르트르(Olivier Leteurtre) 오토폼 최고경영자(CEO)는 제조업의 AI 도입의 전제를 '프로세스의 변화'라고 짚었다. 그는“AI 기술을 도입하면 20년 전 방식 그대로가 아니라 프로세스를 완전히 바꿔야 한다”며 “디지털 전환(Digital Transformation, DX)은 엔지니어링과 제조를 어떻게 연결하느냐의 문제”라고 말했다.
자동차 제조 공정에서 AI가 활약하는 세 단계는?
흔히들 제조 현장의 AI를 생각할 때면 사람이 하나도 개입하지 않는 '완전 자율화 공정'을 먼저 떠올리지만, 실제 현장의 모습은 그와는 조금 다르다. 르퇴르트르 CEO의 설명에 따르면 AI가 자동차 생산 현장에서 활약하고 있는 지점은 설계 변경에 따라 공정과 금형, 품질 검토가 연쇄적으로 움직이는 복잡한 의사결정 구간에 있다. 그는 자동차 산업의 AI 활용 방식을 개발 초기 단계의 공정 가능성·소재 사용량 검토, 공정·금형 설계 자동화, 설계 변경안에 대한 즉각적인 공정·제조 가능성 판정 등 세 가지 단계로 제시했다.
첫 번째 단계는 개발 초기에 필요한 판단의 디지털화다. 르퇴르트르 CEO에 따르면 자동차 개발 초반에는 설계 정보가 자주 바뀌고, 동시에 구매·원가·생산성 검토가 이뤄진다. 이때 제조 가능성과 소재 사용량, 공정 수를 얼마나 빨리 가늠하느냐가 이후 일정과 비용에 직접적인 영향을 미친다는 설명이다.
이 구간에서 활약하는 솔루션은 오토폼 카바디플래너(AutoForm-CarBodyPlanner)다. 르퇴르트르 CEO는 "카바디플래너는 차체(BiW) 공정 초기 단계에서 성형성을 빠르게 평가하고 소재 수율을 최적화하는 웹 기반 SaaS 솔루션"이라며, “자동차 개발의 아주 초기 단계에서 스탬핑과 조립에 대한 지식을 가져와 매우 빠른 의사결정을 하도록 돕는다”고 설명했다. 이어 “솔루션을 통해 몇 분, 몇 초 만에 ‘이 부품을 만들 수 있는가’에 대한 정보를 얻을 수 있다”며 “초기 단계에서 판단이 빨라지면 이후 프로세스 전체의 속도도 달라진다”고 말했다.
두 번째 단계는 공정·금형 설계의 자동화다. 자동차 부품 형상이 조금만 바뀌어도 금형과 공정 조건은 연쇄적으로 수정이 필요하게 된다. 특히 금형면(die surface), 복잡한 곡면(Surface) 설계는 작업자의 숙련도에 대한 의존도가 높아 병목이 생기기 쉬운 구간으로 꼽힌다. 오토폼 다이디자이너플러스(AutoForm-DieDesignerPlus)는 공정 설계 단계에서 고품질의 CAD를 생성하고, 최종 검증과 금형 제작에 필요한 설계를 지원한다.
르퇴르트르 CEO는 “공정 지식을 비전문가에게 전달하는 것이 중요하다”라며 “공정을 모르는 프로덕트 디자이너도 ‘이걸 제조할 수 있는가’에 대한 답을 즉시 얻을 수 있어야 한다”고 말했다. 또 “전통적인 방식이면 반나절이 걸리고, CAD 시스템을 사용하면 30분 정도 걸리는 과정이 AI를 사용하면 30초에서 1분이면 된다”면서, “빨간색과 초록색 등으로 표현하는 3D 화면은 번역이 필요 없는 하나의 공통 언어가 될 수 있다”고 강조했다.
세 번째 단계는 설계 변경에 따른 판정이다. 차량 부품 설계는 짧은 기간에도 여러 차례 수정되는데, 이때마다 설계·공정·금형 부서가 다시 제조 가능성을 확인해야 한다. 르퇴르트르 CEO는 설계자가 형상을 바꿀 때마다 AI가 제조 가능 여부를 곧바로 보여주고, 그 결과를 다시 공정·금형 설계와 연결하는 구조를 제시했다. 그는 “도어든 후드든 차량 부품은 짧은 기간에 30번, 40번, 50번씩 바뀐다”며 “우리가 하려는 것은 설계가 바뀔 때마다 설계자가 즉시 ‘생산 가능’ 또는 ‘생산 불가’라는 답을 받게 하는 것”이라고 말했다.
AI, 실패원가 줄이고 숙련자의 경험을 자산화한다
조영빈 오토폼엔지니어링코리아 대표도 AI가 제조 현장의 원가 구조와 의사결정 방식을 바꾸는 중요한 도구라고 짚었다. 조 대표는 “결국 기업이 살아남기 위해 가장 중요한 것은 좋은 가격에 좋은 품질을 유지하는 것”이라며 “AI라는 새로운 기술이 나오면서 같은 품질을 훨씬 더 적은 원가로 그 제품을 만들어야 하는데, 실제로는 실패원가(failure cost)에 많은 비용을 쓰고 있다"고 지적했다.
조 대표는 “예방원가(Prevention cost)에 디지털화(Digitalization)를 적용해 실패원가를 확 줄일 수 있는 방법을 만들어 가야 한다”며 “그 실패원가를 줄일 수 있는 가장 좋은 툴이 바로 AI”라고 말했다. AI를 통해 생산 이후의 수정과 시행착오 비용을 줄이고, 더 앞단에서 품질과 공정을 통제해야 한다는 설명이다.
숙련자의 경험을 기업의 자산으로 남기는 것도 AI의 역할이라고 조 대표는 언급했다. 그는 “과거에는 반드시 경험을 통해서 무언가를 축적했지만 AI 시대에서는 남들이 경험한 것들을 통해 내재화를 할 수 있다”며 “결국 디지털 데이터를 자산화해서 기업의 경쟁력을 키워야 하고, AI를 가지고 공정을 최적화해야 한다”고 강조했다.
헬로티 이동재 기자 |
