1. 서 론

스마트공장이란, 기획·설계에서부터 생산, 유통·판매에 이르기까지 모든 과정에 사물인터넷(IoT), 인공지능(AI), 빅데이터와 같은 정보통신기술(ICT)을 적용한 지능형 공장을 의미한다. 우리나라의 제조업 경쟁력은 2016년 기준 세계 5위이며, 국내총생산(GDP)의 제조업 비중이 주요국 중 가장 많은 편에 속한다. 제조업이 우리나라 경제의 원동력인 만큼, 정부는 다양한 정부 지원 사업과 정책 등을 통해 제조업의 스마트화에 많은 노력을 쏟고 있다. 정부는 그 동안의 스마트 제조 확대 정책을 통해 목표 대비 초과 보급할 정도로 양적인 측면에서는 성공적인 달성을 이루었다. 기업의 인식과 보급률이 개선되고 있는 만큼, 양적 보급이 아닌 인공지능(AI)과 데이터를 기반으로 한 질적 고도화를 목표로 정책을 전환했다. 기업 또한 기초-중간 단계 수준의 구축만으로도 가시적인 성과를 기록했고, 이제는 더 큰 성장을 위한 고도화에 관심을 집중시키고 있다.

2. 인공지능(AI)의 필요성 및 활용 방안

앞서 말씀드린 것처럼 기초-중간 단계의 스마트공장을 구축한 기업의 경우 고도화를 목표로 전략을 세워 나갈 것이다. 스마트공장을 구축하지 않는 기업이더라도, 고도화를 고려한 장기적인 로드맵을 수립한 뒤 체계적이고 단계적인 구축을 통해 기업 맞춤형 스마트공장 구축을 목표로 해야 한다. 또 기업은 최종적으로 제조 전 과정을 ICT로 통합하여 인간과 기계가 유기적으로 연결되는 지능형 공장을 목표로 해야 한다. 스마트제조혁신추진단은 기관의 비전을 AI, 슈퍼컴 기반의 중소기업 스마트제조혁신 체계 구축이라고 명시한 만큼, 진정한 의미의 스마트공장 구축을 위해서는 반드시 정확한 데이터를 기반으로 한 인공지능(AI)이 필수다. 단순히 공장 자동화가 아닌 인공지능 기술을 활용하면 다양한 이점이 있다. 인간이 일을 하는 것보다 더 빠르고 정확하며, 예측하지 못한 상황이 발생했을 때에도 즉각적인 수정 및 조치가 가능하다.

또한, 설비 및 공구의 예지보전과 예방정비 등이 가능하며, 생산 제품에 대한 품질 향상 및 관리가 가능하다. 경영 차원에서도 인공지능은 반드시 필요하다. 날이 갈수록 기업의 규모와 데이터는 점점 커지고 있지만, 경영자가 볼 수 있는 데이터의 한계는 명확하다. 사람이 분석 가능한 데이터는 한정적인 것에 반해 인공지능은 한계가 없이 데이터를 조회 및 분석할 수 있으며, 이를 통해 빠르고 합리적으로 의사결정을 내릴 수 있다. 이렇듯 인간이라면 놓칠 수 있는 사소한 데이터라도 인공지능을 활용한다면 예측 및 예방이 가능하며, 실제 데이터에 기반한 합리적인 의사결정이 가능하기 때문에 인적 문제, 경영, 안전 등 모든 분야에서 활용할 수 있다.

3. 국내 AI 정책 및 방향성

정부는 지난 2019년 12월에 전 부처가 참여하여 ‘인공지능(AI) 국가 전략’을 발표했다. 이후 인공지능 강국으로 도약할 수 있도록 다양한 전략 및 지원, 법제도 정비 등을 추진하고 있다. 3대 분야에 9대 추진 전략을 가지고 세분화하여 추진하고 있으며, 인공지능 인프라 확충 및 경쟁력 화보, 인재 양성과 규제 혁신 등의 과감한 행보를 보이고 있다. 특히 제조 분야에서는 AI·데이터 기반 중소기업 제조혁신 고도화 전략과 함께 30년까지 2,000개의 인공지능 기반 스마트공장을 보급하기 위한 도입 및 활용 과제를 진행하고 있다. 대표적인 전략 중 하나가 바로 세계 최초 민관협력의 제조 특화 AI 플랫품(KAMP, Korea AI Manufacturing Platform)을 구축한 것이다. 스마트공장에서 생성되는 데이터를 저장 및 분석, 활용할 수 있도록 했으며, 이를 통해 중소기업의 생산성을 향상시키고, 활용에 대한 이익을 제조기업에 환원하는 체계를 마련했다. 데이터는 인공지능 활용에 있어 가장 중요하면서 어려운 분야인 만큼, KAMP를 통해 인공지능 도입에 도움을 받을 수 있다. 어렵고 진입 장벽이 높다고 포기하는 것이 아니라 혁신적인 개선과 변화를 통해 경쟁력을 높일 수 있도록 여러 인공지능 전략 및 지원을 추진하고 있다.

 

4. 인공지능 활용을 위한 빅데이터 시스템 구축의 필요성

제조 현상에서 인공지능을 제대로 활용하고 싶다면, 정확한 실시간 현장 데이터에 기반한 빅데이터가 필요하다. 인공지능 시스템 도입은 당장이라도 할 수 있지만, 빅데이터가 없는 인공지능은 유명무실하다. 인공지능 솔루션을 도입하고 싶다는 문의가 자이솜에게도 많이 오고 있지만, 획일적인 인공지능 시스템 도입이 아닌(기업 맞춤형 시스템 구축을 위해 실시간 데이터를 수집할 수 있는) 빅데이터 수집 시스템을 우선적으로 구축하는 것을 권장하고 있다. 기존에 MES나 ERP만을 도입한 기업의 경우, 사람이 직접 현장 데이터를 입력하고 있는 경우가 많다. 이럴 경우 현장 작업자의 경험적 데이터를 입력하거나 작업자의 실수를 감추기 위해 잘못된 값을 입력할 경우, 추후 스마트공장 고도화 단계에서 큰 문제로 이어질 수 있다. 그렇기 때문에 정확한 데이터를 입력하는 것이 중요하다. 또한 무조건적으로 모든 데이터를 수집하는 것보다는 기업의 현 상황과 미래를 위해 필요한 데이터를 정의 및 선별하여 수집하는 것을 권장해 드린다. 추후 성공적인 고도화 및 인공지능 시스템 도입을 위해 데이터 수집 단계에서부터 로드맵을 설정하는 것이 좋다.

5. 노코드 인공지능 플랫폼 도입의 필요성

실시간 현장 데이터 수집 시스템이 마련되고, 데이터 역시 충분하다면 인공지능을 활용한(생산 공정 제어가 가능한) 지능형 공장이 필요하고, 그러한 기반이 마련되었다. 인공지능 시스템 구축을 위해 알고리즘 모델링과 빅데이터 학습 등을 위한 설계·기획부터 해야 하며, 실질적인 구현을 위해 더 많은 시간을 코딩에 할애한다. 일반적인 방법으로 인공지능 시스템을 구현한다면 파이썬이나 자바 같은 프로그래밍 언어를 활용하여 하나하나 코딩을 해야 한다. 자이솜 역시 인공지능 솔루션을 직접 개발하고, 공급자 입장에서 고객분들과의 상담과 실제 구축 등을 통해 안타까운 사례들을 보았다. 의도한 대로 설계했더라도 원하는 결과가 나오지 않거나, 경우에 따라서 모델링 과정부터 다시 코딩해야 한다. 아직도 많은 기업 혹은 전문가들이 알고리즘에 대한 고민보다 코딩하는 시간에 더 집중하는 것이 안타깝고 비효율적이라고 생각한다. 그렇기 때문에 코딩보다는 알고리즘에 집중할 수 있는 플랫폼이 필요하다.

6. 코딩이 필요 없는 인공지능 시스템의 장점

모든 부분이 뛰어나다고 감히 말씀드릴 수 없지만, 코딩이 필요 없는 인공지능 플랫폼을 사용했을 때의 장점이 많다.
첫 번째는 코딩이 필요 없기 때문에 개발 지식이 없더라도 인공지능 플랫폼을 구축할 수 있는 장점이 있다. 코딩을 배울 필요도 없고, 코딩을 하지 않더라도 원하는 대로 결과를 만들 수 있기 때문에 인공지능 외적인 부분의 지식을 습득할 필요가 없다. 또한, 코딩하는 시간이 현격하게 줄어들기 때문에 인공지능 플랫폼에 대한 설계 및 구현에 있어서 절대적 시간의 이점을 얻을 수 있다. 알고리즘 설계에 더 많은 시간을 할애할 수 있으며, 코딩으로 인한 구현 시간 및 실수에 대한 부분을 걱정할 필요가 없기 때문에 결과적으로는 인공지능 플랫폼의 퀄리티가 높아진다. 개발 시간 단축과 어려움에 대한 부분을 해결할 수 있을 뿐 아니라 유지보수에 대한 장점이 크다. 코딩으로 인공지능 플랫폼을 구현해도, 해당 개발자가 퇴사하거나 다른 개발자에게 인수인계할 경우에 어려움이 많을 수 있다. 물론 분석이 가능하겠지만 작성한 코드를 직접 분석해야 하는 시간이 필요하며, 별도의 설명을 해두지 않았다면 더 많은 시간이 요구될 것이다.

하지만 노코딩 플랫폼을 이용하면(GUI가 있기 때문에 작업한 것을 파일로 열어보면) 어떤 흐름으로 구성되어 있고, 어떤 속성들을 설정했는지 한 눈에 파악할 수 있다. 다른 상황이 발생했을 때에도 마찬가지다. 알고리즘 디자인에 대한 것이 끝나더라도, 트레이닝 과정에서 원하는 결과가 나오지 않을 경우 디자인을 수정하거나 다시 설계해야 할 수도 있다. 그럴 경우 처음부터 코딩하는 것이 아니라 작업한 파일을 열어 기존의 알고리즘을 수정 혹은 보완한다면 해당 과정을 더 빠르고 쉽게 수행할 수 있다.

7. 결 론

이제는 기초-중간 단계를 구축한 기업이 많아졌으며, (통계적으로 봤을 때도) 가시적인 개선 및 변화가 나타나는 만큼 긍정적인 인식이 더 커지고 있다. 성공적으로 정착되고 있는 만큼, 양적 확산보다는 질적으로 더 성숙한 스마트공장을 구축하기 위한 전략이 많아지고 있다. 진정한 의미의 스마트공장을 구축하기 위해서는 인공지능을 반드시 고려하고, 장기적인 발전을 위해 구축 로드맵을 설계해야 한다. 가장 이상적인 것은 스마트공장 기초 단계부터 인공지능을 고려하는 것이다. 기초 단계를 기획할 때부터 고도화를 고려하는 것과 고려하지 않는 것의 차이는 상당히 크다. 데이터 수집 단계에서부터 체계적이며 효율적으로 구축해 나간다면 더 완벽한 맞춤형 스마트공장을 구축할 수 있다. 구축된 시스템을 다시 되돌리거나 변경하는 것이 쉽지 않기 때문에 스마트공장 전체에 대한 구축 경험과 기술력을 가진 전문 기업의 컨설팅을 받는 것이 좋다. 많이 생소한 분야고 어려운 분야인 것은 맞다. 하지만 국가 차원에서 다양한 전략 및 법제도 정비 등 지원을 아끼지 않고 있으며, 갈수록 인공지능 시스템의 유무가 기업 경쟁력의 큰 차이를 만들 것이다. 기업의 장기적인 발전과 혁신을 위해 지금부터라도 인공지능에 대비하는 자세가 필요하다.

ysjeong@xisom.com