최근 국내외 제조업체들이 빅데이터 처리와 관련해 인공지능 기반을 다지고 있다. 공정이 고도화됨에 따라 생산 공정에서 산출되는 데이터양이 증대됐으며, 이를 활용한 데이터 처리 기술이 각광받고 있다. 제조업체들은 제조 공정에 인공지능 기능을 적용, IoT를 통해 데이터를 수집·분석함으로써 제조 설비 상태를 실시간 진단하고 문제점을 신속히 파악, 생산 효율을 극대화하고 있다. 하지만 국내 업계는 해외에 비해 빅데이터 처리 기술이 보편화되지 않았으며, 일부 대기업 위주로 추진되는 양상이다. 이에 국내 중소기업의 환경을 고려한 다양한 제조 데이터 케이스를 수집하고 시스템에 적용함으로써 효율적인 운용 방안을 제공할 수 있는 클라우드 활성화 정책 도입이 시급하다.

 

저자
박경국 이사 / 스퀘어네트(주)
최운창 부장 / 스퀘어네트(주)
임도형 부장 / (주)엑 셈
이민철 박사 / 포항공과대학교 산학협력단
이광기 PD / KEIT 산업융합 PD실

 

1. 개요
 
중소·견 제조 기업에서 생산 시 발생하는 데이터에 대한 효과적인 수집 및 수집된 데이터에 대한 의미 분석과 개선점에 대한 현장 적용을 통해 생산성 향상 및 불량률 감소를 달성함으로써 제조 경쟁력을 확보하기 위한 노력이 필요하다.

이를 위해 제조 관련 대용량 데이터 분석을 효과적으로 수행하기 위한 주요 요소 기술(멀티 센싱, 빅데이터 처리, 복합 상황 인지 및 추론 알고리즘)이 적용된 제조상황 진단 및 예측 시스템을 개발해야 한다.

 

그림. 산업기술평가관리원

 

2. 필요성

 

1) 제조 중소기업 관련 데이터 수집 및 분석 활용이 미미
영세 중소기업의 경우 기존 설비가 노후화됐거나 연동이 가능한 설비 및 센서를 갖추고 있지 않다. 또한 담당 부서 및 시스템 부재에 따른 데이터 관련 이해도가 낮다는 문제점이 있다.

중소·견 기업의 경우 연동이 가능한 설비 및 센서 일부를 설치해 활용하고 있으나, 데이터 관련 이해도가 낮고, 담당 부서 및 시스템 부재는 중소기업과 동일하다. ERP, SCM, PLM 등 시스템을 보유해 제조 관련 모니터링 진행하고 있으나, 각 설비별 센서별 환경 조건, 설비 장애, 생산 데이터는 수집에만 머물 뿐 수집된 데이터에 대한 분석이 미미하고, 설비에 적용할 만한 상관관계 유추에 대한 실제 적용 작업을 수행하고 있지 않다.

 

중소/중견기업 데이터 관리 현황

그림. 산업기술평가관리원

 

2) 센서 및 설비 데이터뿐 아니라 제조 관련 노하우 정보 수집 미비
작업 숙련공의 존재는 생산성 향상에 큰 영향을 미친다. 설비 경고에 따른 제조 상황에 대한 빠른 진단을 통해 해당하는 문제점을 신속히 처리해 생산의 연속성을 보장할 수 있다. 이에 더해 작업 및 설비 노하우에 대한 체계적인 데이터 수집 및 분석을 수행함으로써 생산성을 증대할 수 있다.

 

문제 발생 시 숙련공 존재 여부에 따른 대처 내용

그림. 산업기술평가관리원

 

3) 해외 기술 도입으로 인한 플랫폼 종속 및 데이터 주도권 문제 발생(GE 및 IBM 사례)
GE의 경우 Pridix Platform, IBM의 경우 PMQ Platfom을 적용해 자사만의 플랫폼을 기준으로 수요기업들의 제조 관련 데이터를 수집하고 이를 분석, 예측을 통해 플랫폼을 고도화해나가고 있다.

국내 기업의 입장에서 해외 기술을 도입해 시스템을 구축하면 편리할 수 있으나, 플랫폼 종속 및 데이터 주도권을 빼앗기는 문제가 발생하고, 데이터 수집을 위해 라이센스 보유사가 제공하는 디바이스를 활용할 수밖에 없다. 국내 제조업의 경쟁력 제고를 위해서는 제조업 현장의 효율성과 편의성이 강화된 자체적인 인공지능 솔루션을 확보해 보급하는 것이 중요하다. 

 

GE 및 IBM 분석 플랫폼(사진. GE, IBM)

그림. 산업기술평가관리원

 

3. 국내 외 시장동향

 

1) 제조 관련 빅 데이터 분석 및 시장에 관심 확대
최근 제조 산업의 변화를 주도하는 기술에 대한 글로벌 리서치 결과 세계 시장을 선도하는 기술로서 모바일 기술에 이어 빅데이터 분석 기술이 선정됐다.

선도 기업들은 비즈니스 의사 결정에 있어 적시에 정보를 얻거나 시장 상황에 신속히 대응하기 위해 빅데이터 기술을 활용하는 방안을 모색하고 있으며, 비즈니스 성장 기회를 식별할 수 있는 데이터 아키텍처에 대한 투자를 강화하고 있다.

 

제조 관련 기술 관심 분야 및 빅 데이터 시장 추이

그림. 산업기술평가관리원

 

한편 제조업에 대한 인공지능 응용 서비스 적용 분야로는 실시간 공정 제어·관리 서비스, 생산 로봇, 실시간 생산·재고 관리시스템, 공장 데이터 통합플랫폼, 공장 보안 시스템, 재고관리 로봇 등이 선정됐다.

 

제조 분야 인공지능 응용 서비스 적용 분야

(표. IITP 내부자료, 2016.08)

제조 분야 인공지능 분야별 주요 세부기능 변화 예상

(표. IITP 내부자료, 2016.08)

 

2) 국내외 주요 기업들이 인공지능 기반의 다양한 제조 솔루션 확보
 

- 삼성전자 
삼성전자는 2016년 11월 인공지능 기반의 스마트 팩토리 솔루션인 ‘넥스플랜트(Nexplant)’를 출시함으로써 제조 공정에 인공지능을 적용, IoT를 통한 설비의 센서 데이터를 수집·분석해 제조 설비 상태를 실시간으로 진단하고, 문제점을 신속히 파악해 해결함으로써 생산 효율을 극대화했다.

또한 삼성SDS가 자체 개발한 빅데이터 분석 플랫폼인 ‘브라이틱스(Brightics)’를 탑재했다. 이로써 제품 생산 시 불량을 일으키는 요인을 손쉽게 파악하고, 해결 우선순위를 추천받음으로써 엔지니어가 해당 설비 문제를 처리하는 데 큰 도움 줄 것으로 예상된다.

- LG전자
LG CNS는 2017년 8월 산업·제품별 빅데이터 분석 기간을 인공지능 기술로 대폭 줄인 빅데이터 분석 플랫폼 ‘DAP’를 출시함으로써 기존에 걸리던 시간을 단축했다. 이전에는 분석 환경을 조성하고 실제 분석 결과를 얻기까지 3~4개월이 걸렸지만, DAP 출시 후에는 분석 및 개발 환경 조성은 1시간 이내, 분석 결과는 1~2주 안에 얻을 수 있다.  

- GE
GE는 Predix 플랫폼의 적용을 통해 자사만의 플랫폼을 기준으로 수요기업들의 제조 관련 데이터를 수집하고 이를 분석, 예측을 통해 플랫폼을 고도화해나가고 있다.

P&G와 Volvo 등에서 GE의 Predix 플랫폼을 활용한 ‘Brilliant Factory’를 제조 현장에 도입했는데, GE는 어플리케이션 개발자의 참여를 위해 개발자 키트를 공개하거나 Intel, Accenture와 같은 파트너사를 확보, Predix 플랫폼 기반의 산업용 인공지능 생태계를 확장하고 있다. 또한 Predix 플랫폼을 인공지능 기반의 ‘Intelligence Platform’화하기 위해 인공지능 분야의 인력을 확보하고 있다.

 

4. 정책 동향

 

제조업에서 빅데이터 기술을 활용함에 있어, 빅데이터 분석을 위한 지원 정책 방향 기술 로드맵이 정립돼야 한다.

관계부처가 합동으로 발표한 ‘「제조업 혁신 3.0 전략」 실행대책’에서 4대 추진 방향 및 13대 세부 추진과제를 선정, 스마트팩토리 보급·확산 및 8대 스마트 제조기술 개발과제 등을 통해 공정 내 빅데이터 기반품질분석 예측시스템 구축하고, 공정적용 목표를 달성하기 위한 지원정책 방향을 정립해야 한다.

 

스마트 제조 빅데이터 분석 시스템의 중소기업형 기술로드맵

빅데이터 SW(표. 중소기업기술로드맵 홈페이지)

 

5. 기술 동향

 

1) 해외 제조업, 빅데이터 기술 제조 분야 전 영역에 다양하게 적용
해외 기업들은 빅데이터 기술을 제조업 전반에 걸쳐 다양하게 적용했으나, 국내는 투자 초기 단계이며, ICT 융·복합 기술로 대응하고 있다.

국내 제조기업의 경우 대기업을 중심으로 ICT를 적용해 제조현장을 혁신하고자 하는 시도가 일부 진행되고 있으나, 외산 솔루션에 대한 의존도가 높고, 국내에서 스마트공장에 대한 민간투자는 아직 초기 단계이다.

국내의 하드웨어 제조업체들은 규모가 영세하며, 대기업 관련 SI 기업들과 중소 제조 기업에 대한 시스템 구축 기업이 대부분이다. 하지만 외산 솔루션을 도입해 시스템을 통합하는 ICT 융·복합 기술은 상대적으로 강한 편이다.

해외에서는 스마트공장과 관련한 애플리케이션과 플랫폼은 수평적·수직적 통합이, 스마트 디바이스는 기기 간의 연결이 주된 이슈로서, 전 세계적으로 시스템 공급업체들을 중심으로 요소기술 혁신과 통합이 이루어졌다.

다시 말해 전통적인 전문분야를 기반으로 하드웨어는 상위 응용영역까지, 소프트웨어는 사물인터넷, 클라우드 등을 접목해 개발하는 추세이며, 글로벌 선도 기업들은 글로벌 시장지배력을 무기로 통합 솔루션의 독점을 점차 강화하고 있다.

 

2) 대용량 데이터 분석을 위한 인공지능 분석 기법 적용 
하둡을 비롯한 빅데이터 저장 및 분석 기술의 발달로 대용량의 데이터를 분석하는 데 투입되는 비용이 저렴해졌다. 이에 데이터 통합을 위한 ‘OPC-UA’라는 표준 데이터 포맷이 개발되어 데이터 표준화 관련 협의가 논의되고 있으며, SW 통합을 지원하는 Middleware 개발도 병행되고 있다.

해외에서는 시계열 데이터 분석에 효과적인 RNN(순환신경망) 기반의 인공지능 분석 기술을 설비 예지보전에 적용해 신뢰성 있는 분석 결과 나타내고 있으며, GE를 비롯한 선진기업들이 설비 예방정비에 인공지능 분석기법을 도입했다. 또한 올해 글로벌 스마트팩토리 컨퍼런스에서도 일부 기업들이 RNN 기반의 설비 예방정비 성공 사례를 발표했다.

 

3) 지속 생산이 가능하기 위한 설비 예비 보전 기술의 중요성 확대
최근 제조 산업, 플랜트 산업은 물론, 1차 산업까지 각종 설비 고장 예측에 대한 필요성이 확대되고 있다. 산업 전반에 걸쳐 늘어나고 있는 설비 고장 예측에 대한 니즈를 해소하고, 비즈니스로 이어지는 사례들이 늘어나고 있으며, 이러한 추세는 특히 해외에서 두드러지고 있다.

산업계가 활발하게 이루어지는 만큼 관련된 신뢰성공학의 발전도 함양되었고, 사후정비에서 예방정비로, 다시 상태기반정비로 발전 중이다.

 

4) 순간 정지 예측과 점검 
제조업의 생산 운영 측면에서 가장 풀기 어려운 과제는 순간 정지를 해결하는 것이다. 순간 정지를 해결해 설비 가동률을 향상시키면 부가가치가 상승할 뿐만 아니라 정보처리에 드는 비용도 절감할 수 있다.

이러한 과제를 해결하고자 기계·엔지니어링 솔루션을 도입해 문제를 해결하지만, 해결에 있어 어려움이 많다. 이에 제조업에서는 이와 같은 문제를 해결하고자 빅데이터 및 AI 기술을 도입하고 있다.