[헬로티]
제조업은 가장 많은 데이터를 생산하는 산업군이다. 사업을 잘 계획하고 운영하기 위해서는 눈에 보이는 움직임에만 의존하지 않고 해당 기계에서 생성되는 데이터에서 새로운 통찰력과 역량을 이끌어내야 한다. 지난 9월에 개최된 ‘제4회 스마트 제조 베스트 프랙티스 컨퍼런스’에서 아마존웹서비스 글로벌사업 개발 담당 총괄인 더글라스 벨린이 제조업 성장 동력으로서의 데이터가 하는 역할에 대해 강연한 내용을 정리했다.
그림 1. 제조산업 트렌드
최근 제조산업 트렌드에서 보이는 공통점은 ‘데이터’다. 제조업은 가장 많은 데이터를 생산하는 산업군이다. 사실, 우리는 다른 두 종류의 산업 데이터를 합친 것보다 더 많은 데이터를 생산하고 있다. 문제는 제조업이 그 데이터를 가장 적게 활용한다는 것이다. 다시 말해 우리는 생성한 데이터를 모두 사용하지 않으면서 항상 운영을 잘하고 있고, 비용을 절감하고 있다고 말한다. 하지만 데이터의 일부만 활용하면서 그게 가능할까?
많은 분석가에 따르면 지속적으로 사용하는 데이터가 10%에 지나지 않는다고 한다. 따라서 데이터를 10, 20, 30%로 점점 더 많이 활용해야 새로운 통찰력과 역량을 얻을 수 있다.
제조업에서 데이터의 중요성
현재 많은 제조업체들이 아직도 추측에 근거하여 사업을 계획하고 운영하고 있다. 이제 더 이상 추측이나 그럴듯한 얘기, 눈에 보이는 움직임에만 의존하지 않고 해당 기계에서 생성되는 데이터에서 새로운 통찰력과 역량을 이끌어내야 한다.
한 가지 예가 서비스 형태의 상품(Product As A Service)이다. 어떻게 하면 제품에 대한 비용을 먼저 지불하기 보다는 그 결과물에 따라 비용을 지불할 수 있을까? 이러한 방식은 공급자와 정보 이용자 간에 독특한 관계를 만든다.
그 다음 단계를 보면, 고객 환경을 생각하고, 비즈니스 환경에 보이스 기능 및 기타 기능을 어떻게 활용할 수 있는지 생각하고, 새로운 통찰력을 생각하는 것이다. 이것은 비즈니스 환경 운영에 보이스 기능을 더하는 것만큼 간단하다. 그냥 다가가 기계에게 언제 고장이 나는지 물으면 기계는 작동을 시작하여 예지정비 알고리즘을 가동시키고, 해당 환경에서 벗어나면 어떤 문제가 발생하는지 파악하고, 3~5주 이후 장애가 발생한다는 사실과 그 이유와 장소를 말해 준다.
제조 산업이 당면하고 있는 문제가 있다. 먼저 인력 문제다. 직원들이 은퇴하고 있고, 졸업 후 제조업체에 입사하려는 사람은 그렇게 많지 않다. 이 문제의 원인 중 하나는 직원을 고용하는 방식이다.
또 새로운 매출 방안을 발굴해야 하는 점, 공급망 최적화와 재고 수량 최적화를 이끌어내야 하는 점, 자유로운 데이터 활용과 이를 통한 인사이트 도출, 생산 과정 및 IP에 대한 보안 과제들이 제조산업 앞에 놓여 있다.
인더스트리4.0은 이러한 과제의 해결 방안과 연관이 있다. 인더스트리4.0은 15년 전 새로운 통찰력과 역량을 찾기 위한 노력으로 탄생한 9개 이니셔티브다. 자동화 로봇, 시뮬레이션과 고성능 컴퓨팅, 수직·수평 통합체계, 사물인터넷(IoT), 사이버 보안, 클라우드, 3D프린팅, 가상현실, 빅데이터·머신러닝·분석이 9개 이니셔티브다.
그러면 실제로 무엇을 제조하는 능력이 필요할지에 대한 새로운 통찰력과 역량은 어떻게 얻을 수 있을까?
공급망 전체 들어오는 데이터를 수직적·수평적 통합 관점에서 봐야 한다. 그리고 웨어하우스와 기타 부분은 이제 하나의 시스템. 고유한 원스톱 대시보드 기능으로 가져와야 새로운 통찰력을 도출할 수 있다.
이런 보안 환경은 산업용 사물인터넷이나 클라우드를 통해 제공되어야 한다. 클라우드는 온프레미스에는 없는 확장성, 안정성, 그리고 완전히 새로운 형태의 서비스를 가져올 것이다. 다양한 통찰력을 통해 새로운 역량을 갖추면 OT와 IT 간 새로운 차원의 통합을 가져올 것이다.
현재는 양 부문 간 소통은 흔하지 않다. 우리가 원하는 것은 앞으로 최선의 IT와 최선의 OT를 이끌어내어 효율성을 몇 배 높이는 것이다.
그림 2. 제조 산업의 당면 과제
스마트팩토리 사례
기술 데이터 활용 사례에는 생산성 개선, 프로세스 최적화 등의 여러 이점이 포함되어 있다. 이러한 기능들은 시뮬레이션을 위한 데이터 통찰력을 이용하면 얻을 수 있다. 그리고 시뮬레이션 계획에 실제 데이터를 사용하면 인과관계를 파악하고, 제조공장에서 뒤처지는 이유를 알고, 시뮬레이션을 통해 생산을 향상하여 우리가 있어야 할 위치로 돌아갈 수 있다.
예지정비도 스마트팩토리의 중요한 기능으로 꼽힌다. 클라우드에 기반한 예지정비는 어떤 부문에서도 반복 사용할 수 있는 패턴과 기능을 구축할 수 있게 되어 예지정비를 한 기계만이 아닌 여러 장소와 사업에 사용할 수 있게 된다. 기계에서 얻어진 데이터와 이를 통한 통찰력은 쌍방향이어야 한다. 이를 통해 사용자는 보다 나은 최적화를 성취하고 기계를 개발하는 사람은 이후에 더 개선된 기계를 만들 수 있을 것이다.
컴퓨터 비전은 앞으로의 시장에서 엄청난 게임 체인저라고 판단된다. 컴퓨터 비전은 저렴한 비용에 쉽게 시행할 수 있으면서. 이 기능들에 대한 새 통찰력을 주는 최첨단 센서다.
그림 3. 데이터 플라이휠
제조업 성장동력으로서 ‘Data Flywheel’
제조 데이터 플라이휠은 제조 환경에 왜 시각화가 중요한지를 이해할 수 있게 해준다. 제조 데이터 플라이휠은 많은 부분이 데이터와 관계가 있다. 문제는 데이터가 여러 다른 환경에 분산돼 있다는 것이다. 그래도 많은 경우 데이터는 각 부문에서 큰 힘이 돼 준다.
실제로 제품이 수명이 다하는 것을 보면 제품 수명 관리에 대해 이해하게 된다. 로열티 프로그램과 고객 만족에 대해 이해하게 되고, 고객이 데이터를 사용하는 방법에 따라 어떻게 개선해야 할지 알게 된다.
제조 데이터 플라이휠의 구조는 △제품의 품질 확보 그리고 사용량 데이터를 통해 PPD(Product & Process Design)를 향상시키면 △효율적 PPD는 공장 운영 능력을 향상시키게 되고 △향상된 생산시설로 제품의 수준도 향상되는 순환 구조를 가지게 된다. 제품 설계자들은 이에 대한 정보를 받지 않습니다. 공장 현장에서 나오는 실시간 데이터에 대한 액세스가 없기 때문입니다. 하지만 실제 현장을 보면, 대부분 기계에 엄청난 정보가 저장되고 있지만 설계자들이 정보에 접근할 수 없었다.
데이터 활용을 높이게 되면 가동시간, 제품 수준, 공장 생산성 향상에 도움이 된다는 것을 알고 있음에도 말이다. 일단 공장에서 데이터를 가져와 R&D 또는 제품 설계 능력에 적용할 수 있다면 실제로 데이터 플라이휠을 구축할 수 있다.
왜 AWS인가?
많은 고객이 “왜 아마존웹서비스(AWS)가 답이냐”고 묻는다. 기술적 관점에서 AWS는 엄청난 규모의 컴퓨팅 스토리지를 가져와 디스크 공간 부족, 데이터 센터 운영이나 개선에 대해 또는 고성능 컴퓨팅에서 운영이나 더 많은 데이터나 더 많은 컴퓨터 스토리지 추가를 걱정할 필요가 없다.
AWS는 실제로 사용량 기반 소비 모델에서 사용할 수 있다. 지난 몇 달과 같은 슬로우 타임이나 다운타임이 발생한다면 모든 직원이 항상 근무하지는 않을 것이다. 따라서 사용하는 양에 따라 비용을 지불하기 때문에 비용 절감을 할 수 있다.
AWS를 적용한 실제 사례를 하나 들어보겠다. 조지아 퍼시픽(Georgia-Pacific) 제지 회사다. 종이펄프, 타올, 티슈부터 나무, 석고, 건축 자재를 생산한다. 이 회사는 미국에 약 130개 공장이 있는데, 공장에서 수집되고 창출되는 데이터에 대한 통찰력을 얻기를 원했다.
공장에는 수 천개의 센서(품질, 습도, 온도 및 기타 특징을 측정하는)가 있다. 문제는 이 모든 현황을 종합적으로 보여주는 하나의 싱글 비율을 얻기 힘들다는 것이었다.
AWS 데이터 레이크 구축을 지원했다. 키네시스( Kinesis), 아마존 세이지메이커(Amazon SageMaker) 등을 사용해 데이터를 표준화하고, 데이터를 플랫폼으로 가져오게 하고 이 플랫폼을 확장할 수 있도록 했다.
그 결과 조지아 퍼시픽은 장비 고장을 두세 달 전에 미리 예측하고 종이 찢김, IE제품 고장, 제품의 품질을 수 시간 전에 미리 알 수 있게 되었다. 이 기업은 업타임에 대한 것뿐만 아니라 생산 현황도 파악할 수 있게 됐다.
