◯ 인공지능은 속도, 품질, 효율성 등을 향상시켜 핵심 경쟁력을 확보하기 위한 수단
- 납기 단축(Speed), 유연생산체계를 통한 고객맞춤형 대량생산(Mass customization) 실현(Flexibility), 품질 향상(Quality), 에너지 효율 향상(Efficiency)이 주된 목적
※ 오토바이 제조기업인 할리 데이비슨은 고객의 다양한 맞춤 주문의 제조 과정을 21일에서 6시간으로 단축시켜 경쟁우위를 확보
◯ 머신러닝과 데이터 수집 및 처리 기술이 발전하면서 그동안 시도하지 못했던 다양한 분야에서 혁신 가능
- 머신러닝을 예측 분야에 적용함으로써 설비의 고장 시점을 예측하고 공정이 최적화되도록 제어하고 에너지와 원료 사용량을 최소화할 것으로 기대
※ 출처 : 포스코 경영연구원(’17.5)
- GE, 전 세계 400여개의 생산 시설에서 생성되는 데이터를 수집하여 모니터링한 경험을 바탕으로 분석과 예측을 통한 제조 공정 스마트화 추구
※ 항공기 엔진과 발전기 설비는 중단 없이 안정적으로 가동하는 것이 무엇보다 중요한 분야
※ 최초의 산업용 클라우드 플랫폼인 ‘Predix’를 바탕으로 IIoT(Industrial Internet of Things, 산업용 사물인터넷)를 통해 데이터를 수집하고 예지 정비를 통해 설비 장애를 사전에 예방
- 지멘스, 공장 자동화 설비 생산의 강자로 CPS(Cyber Physical System, 사이버 물리 시스템)를 하드웨어와 융합하여 새로운 부가가치를 창출하려는 목적으로 Digital Twin(실제 기기와 설비를 컴퓨터에 가상으로 구현하여 가상 시운전을 통한 시뮬레이션이 가능하도록 하는 기술) 강조
※ 제조업을 위한 클라우드 플랫폼인 ‘MindShpere’를 통해 소프트웨어 기업의 제조업 스마트화를 위한 솔루션과 수요 기업이 연계된 생태계 구축
※ 지멘스의 전략은 자사의 기존 강점을 바탕으로 기초 인프라 영역인 데이터 수집과 처리, 시뮬레이션 분야의 플랫폼으로 확장하는 것
- 미쓰비시는 전기기기 분야의 강점을 활용한 엣지 컴퓨팅을 바탕으로 스마트화 추진
※ 엣지 컴퓨팅은 현장 설비와 ERP(Enterprise Resource Planning, 전사적 자원관리)나 MES(Manufacturing Execution System, 생산실행관리시스템) 등의 IT 시스템 중간에서 실시간으로 데이터를 분석하여 이벤트 발생에 대응하는 방식
(시사점)
이 글은 제조업에서 인공지능의 본질이 “기술 도입”이 아니라 현장 문제 해결과 경쟁력 강화에 있음을 시사한다. AI는 납기 단축, 품질 향상, 유연생산, 에너지 효율 개선처럼 제조기업이 직접 체감할 수 있는 성과와 연결될 때 의미가 커진다. 할리데이비슨 사례처럼 고객 맞춤 생산 시간을 크게 줄이는 것은 AI·데이터 기반 제조혁신이 단순 자동화를 넘어 비즈니스 모델 자체를 바꿀 수 있음을 보여준다. 또한 GE의 Predix, 지멘스의 MindSphere와 디지털 트윈, 미쓰비시의 엣지 컴퓨팅 사례는 제조 AI 경쟁이 설비 판매가 아니라 데이터 수집·분석·예측·제어 플랫폼 경쟁으로 이동하고 있음을 보여준다. 따라서 국내 기업도 AI를 독립 기술로 보기보다 공정 최적화, 예지정비, 품질검사, 고객맞춤 생산을 실현하는 현장형 솔루션으로 설계해야 한다.
댓글 쓰기