2024-03-28 23:32 (목)
스마트 팩토리 도입 필요성ㆍ추진 방법 공감대 우선 형성돼야
스마트 팩토리 도입 필요성ㆍ추진 방법 공감대 우선 형성돼야
  • 경남매일
  • 승인 2020.10.29 21:29
  • 댓글 0
이 기사를 공유합니다

올해 산업계는 코로나19와 미ㆍ중 무역 갈등으로 어려움을 겪고 있다. 어려운 경제 상황 속에서도 산업계의 디지털 혁명은 대세다. 디지털 혁명을 선도하는 스마트 팩토리 시대는 현재 우리 앞에 펼쳐져 있다. 쉽고 실행 가능한 스마트 팩토리에 대해 조현보 포스텍 산업경영공학과 교수와 정기욱 헝다 신에너지기술그룹 박사의 의견을 듣고 지면에 정리한다.

제조업 혁신의

스마트 팩토리

구축 과정 교훈

질문&대답 공유

대상 설비ㆍ공정 상세한 항목화

데이터 측정ㆍ수집 과정 챙겨봐야

정보 유형별 가공 목표 달성 활용

기존 업무 프로세스 명시적 수정

◆`스마트 팩토리는 혁신 수단`

조현보 교수(포스텍 산업경영공학과)
정기욱 박사(헝다 신에너지기술그룹)
정기욱 박사(헝다 신에너지기술그룹)
조현보 교수(포스텍 산업경영공학과)

스마트 팩토리는 제조기업의 당연한 목표 (품질 개선, 원가 절감, 납기 단축)를 `보다 잘` 달성하기 위한 하나의 혁신 수단이다. IoT, 빅데이터, 클라우드 등과 같은 디지털 기술의 응용을 통해 사람의 경험 기반이 아닌 데이터를 기반으로 의사 결정을 점진적으로 개선하고 자동화한다.

본 글에서는 실제 현장에서 스마트 팩토리를 구축하며 얻은 교훈을 공유하고자 한다. 특히, 제조 영역의 정보화 시스템 구축 시 투자 효율을 극대화할 수 있도록 중요 업무 원칙을 질문 형태로 엮었다.

무엇을 봐야 하는가?

먼저, 대상이 되는 설비 및 공정에 대해 무엇을 봐야 하는지 항목화해야 한다. 항목화는 완전(exhaustive)하고 상세할수록 좋다. 현재 관리 중인 항목으로 제한해서는 안된다. 설정(세팅)-계측 항목 간 구분과 품질 핵심인자(Critical-To-ProcessㆍCTP) 여부 등 가능한 상세히 정의해야 한다.

항목의 명칭법과 분류 기준은 개별 부서가 아닌 전사적 합의가 필요하다. 초기에는 전담 조직이 문서로 합의된 항목 정보를 관리 가능하다. 궁극적으로는 시스템의 기준 정보로 분류해 수요 부서에 의해 지속적으로 유지보수될 수 있도록 해야 한다. 특히 글로벌 경영이 필요한 제조기업의 경우, 항목 정보의 다국어 대응을 위해 시스템 기반의 운영이 반드시 필요하다.

항목 정보와 운영 방식에 대한 성숙도가 확보되면 자연스레 `무엇부터` 봐야 할지 고민이 가능하다. 그리고 이는 선택과 집중을 가능케 해 효과적인 투자로 이어지게 된다.

어떻게 측정, 수집해야 하는가?

`1. 무엇을 봐야 하는가`의 항목별 데이터 확보 현황을 점검하고, 개선 목표를 수립해야 한다. 즉, 데이터 측정과 수집을 제대로 하고 있는지 챙겨보는 것이다. 데이터 품질이 낮으면 이를 기반으로 하는 분석과 시스템이 무용지물이 된다. 데이터 품질 개선 유형은 아래 3가지로 분류 가능하다.

첫째, 측정 시스템 자체가 없는 경우다. 수동 샘플링과 오프라인 측정 등이 포함된다 (Analog-to-DigitalㆍA2D). 측정 시스템을 개발 및 도입하거나 간접 계측(indirect measurement) 및 가상 계측(virtual metrology) 솔루션 적용을 검토할 수 있다.

둘째, 측정 시스템을 개선하는 경우다. 수집 데이터의 정확도(calibration)와 정밀도(Gage R&R)를 점검하고 정합화해야 한다. 측정 시스템의 해상도(resolution)가 충분한지도 따져봐야 한다.

셋째, 수집된 데이터들을 시점(time)과 제품 혹은 반제품 ID 기준으로 정렬해 완전한 추적성을 확보하는 것이다. 즉, 항목별 데이터의 정확도와 정밀도를 확보할 뿐만 아니라, 상호 간 관계를 파악하기 위해 알리바이를 맞추는 것이다.

어떻게 보여줘야 하는가?

데이터를 정보(information)로 만드는 과정이다. 정보란 데이터와 달리 의사 결정에 직접으로 기여한다. 아래의 네 가지 정보 유형으로 가공해 공장의 목표 달성을 위해 활용한다.

첫째, `무슨 일이 일어났지?`에 대한 설명 정보(descriptive information)이다. 데이터 항목의 기본 통계량(평균, 표준 편차, 빈도수 등)이다. 공정 능력(CpK)의 상ㆍ하한(UCLㆍLCL)을 벗어나는 비율 정보 등이 예가 된다. 설명 정보는 적시성(timeliness)을 요구하지 않는다. 다만, 사용자의 가설을 검증할 수 있도록 다양한 정렬 조건 하에 전체 데이터 및 세부 그룹 간 통계량 비교가 가능해야 한다. 엑셀과 같은 유저 인터페이스가 가장 적합하다.

둘째, `왜 문제가 발생했지?` 또는 `왜 발생하지?`의 진단 정보(diagnostics information)이다. 데이터의 패턴, 경향성 그리고 상관관계 등이다. 관리 상ㆍ하한을 벗어나는 경우 특정 패턴이 있는지, 무엇이 영향을 줬을지 등이 포함된다. 마찬가지로 적시성을 요구하지 않는다. 특성 요인도(fishbone)를 중심으로 정량ㆍ정성적인 정보가 모두 편집, 가시화 필요하다.

셋째, 문제 상황을 예측할 수 있을지에 대한 예측 정보(predictive information)이다. 과거 데이터를 기반으로 미래를 예측하는 것이다. 패턴을 분석해 문제 발생 시각을 예측하거나 문제 발생 전에 나타나는 징후를 미리 감지하는 것이다. 여기서 중요한 것은 얼마나 과거의 데이터를 기반 예측할 것인지와 얼마나 임박한 미래를 예측할 것인지가 비즈니스의 요구를 반영해야 한다는 것이다. 즉, 기계 학습(Machine Learning)이나 딥러닝(Deep Learning) 모델의 특정 파라미터는 일반 사용자에 의해서도 반드시 제어 가능해야 한다.

넷째, 문제를 해결하는 처방정보(prescriptive information)이다. 예측 값이 목표와 차이가 있을 때 어떻게 대응해야 할지에 대한 정보다. 예측된 미래(주로 출력값 Y)에 대해 선제적으로 대응(인자값 X)해야 할 대안이다. 다만 대안 변경 시에 발생하는 비용(cost)까지 고려해야 한다. 즉, 예측값, 시뮬레이션 및 최적화 기법에 따른 인자값 대안 그리고 대안별 비용 세 가지를 `한 판`에 보여줘야 한다.

무엇보다 의사 결정의 질을 개선하고 자동화하는 본연의 목적에 충실해야 한다. 화려한 그래프보다 앞서 언급한 정보 유형에 따라 의사 결정에 기여하는 방식이 분명해야 한다.

그럼 무엇을 해야 하는가?

첫째, 시스템과 데이터 기반으로 의사 결정이 되도록 기존 업무 프로세스가 명시적으로 수정돼야 한다. 예를 들어, 특정 부품의 잔여 수명 예측이 가능하다면 이는 스페어 파트(Spare Part) 발주 프로세스에 반드시 반영해야 한다. 초기적으로는 잔여 수명이 업무 담당자에게 참고치로 제공이 가능하다. 추후에는 잔여 수명 예측값에 대한 신뢰도가 확보돼 스페어 파트(Spare Part) 발주 자체가 자동으로 진행되도록 자동화가 가능하다.

둘째, 데이터 및 의사 결정 품질에 대한 지속적 모니터링이 필요하다. 앞서 언급된 잔여 수명과 같은 사례에서도 데이터와 의사결정의 품질을 지속적으로 점검하고 개선 목표를 수립하는 것이 수반돼야 한다. 뿐만 아니라 발주 프로세스 자동화를 달성하더라도 안전 재고량을 최소화하는 것으로 추가적인 개선 목표 수립이 가능하다.

결론은 실제 스마트 팩토리 도입의 혁신 활동이 자리잡기 위해서는 무엇보다 필요성과 추진 방법에 대한 공감대 형성이 필요하다. 스마트 팩토리를 포함한 모든 혁신 활동에는 항상 장애물이 존재한다. 이를 극복하기 위한 가장 좋은 방법은 작은 성공을 통해 큰 변화를 촉진시키는 것이다. 대규모 인프라 투자와 시스템 구축을 기다리기보다는 위의 업무 원칙을 기반으로 MVP(Minimum Viable Product)를 만들고 데이터 품질을 높여 나가는 것이 중요하다. 이와 같은 MVP는 현업 조직과의 공감대를 형성하는데 큰 도움이 된다. 단, 작은 성공을 만들어 내는 실제 실행 주체에게는 경영진의 강력하고 흔들리지 않는 지지가 필요하다. 한시적으로 CEO가 직접 지휘하는 테스크 포스(Task ForceㆍTF) 운영이 적절하다. TF는 실질적인 작은 성공을 직접 만들어 내는 것과 TF 이후에도 스마트 팩토리 추진이 지속될 수 있도록 방안(조직 및 프로세스)을 설계하고 경영진과 컨센서스하는 것을 목표하도록 한다.

정부 및 여하 정책 기획 단체는 스마트 팩토리를 통해 정말 무엇이 좋아지는지를 더 면밀히 따져봐야 한다. 특히 경쟁국(미국, 독일, 중국, 일본 등)의 지원 정책 대비 경쟁 우위를 갖추기 위해서는 실제 기업의 경쟁력 향상에 도움이 되는 정교한 어젠다 설정이 필요하다. 가동률 20% 개선과 불량률 30% 감소 등의 선언적인 목표가 아닌 앞서 언급된 `업무`에 대한 `혁신의 폭`을 개선하는 데 지원을 집중해야 한다.

정리= 류한열 기자
 


댓글삭제
삭제한 댓글은 다시 복구할 수 없습니다.
그래도 삭제하시겠습니까?
댓글 0
댓글쓰기
계정을 선택하시면 로그인·계정인증을 통해
댓글을 남기실 수 있습니다.