스마트 제조, 스마트 팩토리는 제조업에 생산성과 효율성을 높여준다. 특히 4차 산업혁명 시대, 디지털 전환을 통한 스마트 팩토리로는 미룰 수 없는 과업이다. 빅데이터, 클라우드, 인공지능과 같은 첨단 기술과의 접목으로 비즈니스 혁신이 가속화되고 있는데, 제조 기업을 위한 디지털 제조 혁신 방법은 무엇이 있을까? 제조 기업을 위한 디지털 제조 혁신 세미나에서 인타운 이용은 박사의 발표 내용을 정리했다.
4차 산업혁명은 시작됐는가?
사람과 환경, 기계가 연결되며 지식 정보의 바다로 일컬었던 3차 산업혁명의 시대가 끝났는지에 대해 학자들의 의견이 분분하다. 4차 산업혁명이라는 단어를 처음 언급한 세계경제포럼 클라우스 슈밥은 “4차 산업혁명은 이미 시작됐고, 그 범위 복잡성을 고려할 때 과거 인류가 겪었던 그 무엇과도 다르다”고 말한 반면, 경제학자 제레미 리프킨은 “4차 산업혁명은 아직 도래하지 않았으며, 3차 산업혁명의 연장일 뿐”이라 말했다.
4차 산업혁명 시대에 대한 학자의 의견이 분분한 가운데 확실한 점은 빅데이터, AI, IoT, CPS 등 첨단 기술과의 접목으로 기존과 전혀 다른 현장으로 변하고 있다는 것이다.
산업혁명의 개요
18세기 후반 증기기관의 발달로 국가 내부 연결성이 강화되며 일어난 산업 기계화를 1차 산업 혁명이라 일컫는다. 영국 섬유공업의 거대 산업화가 대표적인 1차 산업 혁명의 예시다.
기계화를 통한 폭팔적인 생산성의 증가는 대량생산의 기반을 만들었다. 20세기 초반 전기에너지 기술을 통해 컨베이어 밸트 기반 대량 생산 시대가 2차 산업혁명이라 말한다.
3차 산업혁명은 반도체, 인터넷 기술을 기반으로 일어난 디지털 지식정보 혁명으로 이어졌다. 디지털 기술을 지나 빅데이터, IoT, AI 등 첨단 기술의 발전으로 사람, 사물, 공간이 초연결 초지능화로 연결됐다. 자동화, 연결성의 극대화인 만물초지능 사회를 4차 산업혁명의 시작으로 보고 있다.
4차 산업혁명의 특징 및 효과
공장의 기계화, 그로 인한 대량 생산, 디지털 기술의 발달로 인한 기존 산업혁명과 달리 4차 산업혁명은 ICT 기술의 동시다발적 발전으로 초지능화를 통한 고객의 세분화 및 개인화가 예측된다. 물리적 한계를 뛰어넘는 초연결화 시대에 산업간 경계가 희미해지고, 마켓 빅뱅과 같은 시장의 빠른 전개가 진행되고 있다. 초지능화·초연결화 등의 과정을 통해 현실 세계와 사이버 세계가 연결되면서 서로 새로운 피드백과 진화를 거듭하게 되고 있다. 통상 글로벌 CPS(Cyber Physical System) 생태계라 칭하고 있다.
사물 인터넷, 빅데이터, 사이버물리시스템, 인공지능 등의 핵심 기술로 이뤄진 4차 산업혁명은 유지비 절감, 전체 생산성의 증가, 총 시스템 다운타임 감소, 기술직의 생산성 향상, 재고 비용 절감, 품질 비용 절감, 예측 정확도의 향상, 출시 기간 단축 등의 이점을 제공한다.
기술 트렌드 변화…디지털 트윈
제조업 패러다임 변화 및 산업별 현재 위치를 살펴보면, 1859년 수공업 시대에 Ford 대량생산라인을 구축해 대량생산 시대를 거쳐, 2000년 맞춤 생산 시대, 향후 개인화 생산 시대로 향해 가고 있는 것이 기술의 흐름이다. 디지털 트윈, 소프트웨어, 엔지니어링이 탑재된 AI 기술이 더욱 고도화될 것으로 보인다.
전통적인 산업이 생산 제품이 비즈니스, 모델, 조직 등의 변형을 통해 디지털 트랜스포메이션화가 진행되고 있다. 다양한 IT 기술을 활용해 아날로그, 전산화, 디지털화 등의 과정을 거쳐 혁신을 일으키는 것을 디지털 트랜스포메이션이라 지칭하고 있다.
전통적인 Product development 경우 △Concept △Design △Physical Prototype △Testing △Change of design △Change of Prototype △Setting-up operation의 체계적인 단계들이 시간 순서대로 이뤄지고 있다. 디지털 트윈이 적용된 Product development는 시뮬레이션 단계가 추가된다. 시뮬레이션 단계 추가로 실질적인 시행착오를 겪지 않아 시간을 절약해주며 생산성을 높여주는 효과를 가져다준다.
산업 인공지능, 핵심 요소 ‘ABCDE’
산업 인공지능은 다양한 머신 알고리즘을 배포하기 위해 개발 검증에 초점을 맞춘 체계적인 학문이다. 지속 가능한 성능을 갖춘 산업용 애플리케이션을 목적으로 하며, 해결책을 제공하기 위한 체계적인 방법론 및 훈련을 포함한다. 산업 인공지능은 산업적 응용과 학문을 연결하는 기능을 수행하며, 산업 실무자를 대상으로 하는 것이 특징이다. 즉, 무엇보다 실무에서 효과를 낼 수 있는 인공지능 기술이 필요한 것이다.
산업 인공지능의 특징은 기존 제조 현장에서 발생했던 문제를 해결해주는 점이다. 기존 제조 현장에서 발생했던 문제를 해결해주는 산업 인공지능의 핵심 요소는 Analytics, Big data, Cloud, Domain knowhow, Evidence 등 ‘ABCDE’ 5가지 요소다.
제조 혁신 사례①-결함 검출
고무 오링은 원형의 단면을 가진 링 모양 밀봉 장치다. 고무 오링은 주로 압력, 진공, 가스, 온도, 화학 약품 등 혹독한 환경에서 주로 사용되기 때문에 공정 및 작업의 안전과 신뢰성 확보의 중요성이 대두되고 있다.
머신비전 AI를 활용하면 고무 오링의 불량 여부 품질 검출을 효율적으로 진행할 수 있다. 고무 오링 부품의 경우 중소기업 제작 제품이 많다. 중소기업 특성상 잦은 입사 및 퇴사 등으로 균형성 확보가 쉽지 않은데, 머신비전 AI를 활용해 인력으로 유지됐던 품질 검출력을 높이는 것이다. 문제 정립, 데이터 셋, 데이터 변환 과정의 제조 빅데이터 분석 프로세스를 도입해 해결할 수 있다.
제조 혁신 사례②-유지보수
유지보수는 80년대 사후 정비를 거쳐 예방정비, 최근 상태 기반 정비의 단계로 나아가고 있다. 사후 정비는 말 그대로 고장 발생 이후 정비하는 것을 의미한다. 그렇기 때문에 다운 타임이 증가하고 부품 재고 유무에 따라 손실이 결정되는 단점이 존재한다. 예방정비는 사후 정비와 달리 주기적인 정비를 통해 부품을 교체하므로 다운타임 증가를 막을 수 있다. 부품의 실제 결함 유무와 관계없이 일정한 주기로 교체하기 때문에 정상 부품의 불필요한 교체가 발생하고, 이로 인한 비용 손실 문제가 생긴다.
이 두 단계를 거쳐 최근에는 AI 기술을 기반으로 한 상태 기반 정비가 도입되고 있다. 상태 기반 정비는 끊김없는 공정과 효율적인 생산성을 목적으로 하는 스마트공장의 핵심 기술이다.
보통의 경우 기계는 고장 이전부터 고장신호를 내보인다. 미약한 고장신호가 쌓여 소음, 떨림, 발열 등이 발생해 브레이크다운 현상이 발생하게 된다. 브레이크다운 이전에 고장신호를 캐치해 수리한다면 수리 시간을 단축할 수 있고, 고장 이전에 수리하기 때문에 정상 부품에 대한 불필요한 부품 교체 문제를 해결할 수 있게 된다. 실제 AI 설비 예지보전 시스템을 적용한 결과, 생산량 10% 이상 향상과 유지보수 및 정비 비용 20% 절감의 모습을 확인할 수 있었다.
산업 AI 가속화
산업 AI가 가속화되면서 제조 분야 포함 수명 전주기에 AI 기술이 적용되고 있다. 데이터 축적 및 컴퓨팅 파워 향상으로 정확도는 향상되고 작업 시간은 감소해 전체 공정의 생산량이 증가하고 있다. 제조 현장에서 발생하는 데이터를 통합하고, 디지털 트윈의 방향으로 전환된다면 비즈니스 혁신을 이룰 수 있을 것이다.
헬로티 함수미 기자 |
