-
- 박정수 교수의 현미경 '스마트팩토리'-[31]도구와 망치,그리고 스마트팩토리
- 독일 실존주의 철학자 하이데거의 통찰을 빌리자면 도구적 존재로서의 사물은 역설적으로 도구로서 제 기능을 하지 못할 때 그 존재의 의미가 드러난다. 도구로서 망치가 정상 기능을 하는 동안 우리의 시선은 망치로 내리치려는 못에 고정되어 있을 뿐이다. 망치가 부러져서 더 이상 제 기능을 하지 못할 때 비로소 우리의 시선은 못에서 망가진 망치로 옮겨간다. 공급자 중심 시장에서 ‘도구’는 기존의 시스템(ERP, MES), 즉 선진화된 업무 절차(Process)와 글로벌 표준 프렉티스(Global Standard Practice)가 내장된 다양한 용도의 ‘망치’로 비유할 수 있다. 그렇다면 ‘못’은 제조업이 제조해 온 제품과 서비스일 것이다. 4차 산업혁명은 과거의 산업혁명과 같이 더 이상 ‘망가진 도구’를 사용하여 제조업을 부흥시킬 수는 없다. 그 이유는 시장과 고객이 변화하고 있기 때문이다. 특히, 일대일 마케팅 또는 개별 마케팅이라고도 불리는 ‘개인별 맞춤 마케팅’을 그 예로 들 수 있다. 기업은 빅데이터 분석과 디지털 기술을 활용해 현재 또는 잠재 고객에게 개인화된 메시지로 제품과 서비스를 전달한다. 즉, 맞춤형 마케팅 활동이 점점 더 섬세하게 작동되고 있는 것이다. 또 한편으로는 빅데이터 수집, 분석 등 디지털 기술을 활용한 제조업의 디지털 전환(Digital Transformation)이 선진 정보통신기술(ICT)에 의해 빠른 속도로 혁신되고 있는 것도 중요한 까닭이다. 디지털 경제의 발전으로 인해 개인의 개성과 다양성이 반영된 제품과 서비스는, “고객이 원할 때, 원하는 곳에, 원하는 만큼” 해결되고 있다. 실질적으로 ‘온 디맨드 경제(On-Demand Economy)’가 시장에서 해결되고 있는 시대에 제조업의 마케터(marketer)들은 실시간으로 고객 경험에 기초한 개인화 전략을 구현할 수 있게 되었다. 그러므로 이러한 시장과 고객 니즈(needs)를 해결하기 위해서는 인공지능 기반 스마트팩토리 구축이 필수적이다. 더 나아가 개인화된 비대면 시장을 위한 ‘스마트팩토리웹(Smart Factory Web)’은 제조업의 자산과 자원의 유연한 공유·관리를 가능케 하여 효율을 극대화하고, 글로벌 시장에서 가시성을 제공할 수 있도록 한 인공지능 기반 스마트팩토리 플랫폼이다. 스마트팩토리웹(Smart Factory Web)에 참여하기 위해 참가자들은 온톨로지(Ontology)로 모델링된 자신의 공장 능력을 설명한다. 자동화를 위한 기계학습(ML)은 이 모델링을 보조하기 위해 사용된다. ‘OPC UA (OPC Unified Architecture ; OPC 재단이 개발한 산업 자동화를 위한 기계 간 통신 프로토콜)’은 가장 하위의 디바이스 또는 기계로부터 최상위 애플리케이션 또는 공장에까지 상호운용성(運用性), 즉 상호 간에 실시간 데이터를 위한 통신 프로토콜로 사용된다. 현실적으로 제조업체들은 중요한 생산 데이터를 공유하는 데 주저하고 있다. 따라서 상호 간 통신은 안전해야 하며 데이터 소유자에게 “제어 메커니즘”을 제공해야 한다. 그러므로 제조 데이터 센터는 데이터의 안전한 교환과 데이터 사용 통제를 지원할 ‘피어투피어(peer-to-peer)’ 네트워크 기능이 강화되어야 한다. 스마트공장은 기계, 센서, 액추에이터, 제품 등 분산된 사물의 상호작용을 기반으로 고도의 적응성과 재구성(reconfiguration)이 가능한 유연성으로 제조 공정의 비전을 제시해야 한다. 또한, 사이버물리시스템(CPS)과 인공지능의 활용으로 “지능형 제조업”의 지향점이 되어, 전사적 제조 지능(EMI: Enterprise Manufacturing Intelligence))이 제조 혁신을 주도하는 생산 현장이 되어야 한다. 기존 공급자 중심의 제조환경과 비교했을 때, 지능형 제조는 높은 상관관계, 깊고 역동적인 통합, 방대한 양의 데이터로 특징지어진다. 이런 특징으로 인해 여전히 다양한 도전에 직면하고 있다. 스마트팩토리는 기본적으로 산업 빅데이터 수집, 온톨로지 기반의 지능형 제품군 모델링(Ontology modeling towards the intelligent manufacturing product lines), 산업 빅데이터에 기반한 예측 진단, 제품군 장비에 대한 그룹 학습, 지능형 제품군 재구성 등 지능형 온톨로지 모델링 기반의 스마트팩토리 전략이 실현되어야 한다. 아래 그림은 인공지능 기반 스마트 팩토리의 온톨로지(Ontology)이다. 온톨로지(Ontology)는 사물과 사람, 사물과 사물 간의 관계 및 다양한 개념을 컴퓨터가 연산하여 처리할 수 있는 형태로 표현하는 것이다. 특히 온톨로지는 인공지능(AI), 시멘틱 웹(semantic web), 자연어 처리(natural language process), 문헌정보학 등 여러 분야에서 지식 처리, 공유, 재사용 등에 활용된다는 의미이다. 이는 존재론을 기반으로 실재(reality)에 대한 정확한 이해를 추구하는 철학에서 유래한다. 현재 제조업계는 다양한 도전을 마주하고 있다. 예를 들어, 최근 정보 기술(예: AI, 산업용 무선 네트워크, 빅데이터 분석, 소프트웨어 정의 네트워크, 클라우드 컴퓨팅, CPS, IoT & Edge Computing)에 대한 지속적인 융·복합과 실행에 대한 도전이 그러하다. 이와 함께 지능형 제조 제품 라인에 대한 온톨로지(Ontology) 모델링 구현·진단·최적화, 산업 빅데이터 분석을 통한 지능형 제품군 재구성, 중요한 연구 가치 및 긴급한 현실적인 애플리케이션 요구에 대한 대응이 필요하다. 또한 지능형 제조 제품 라인의 유연성과 자원 활용의 효율을 높이기 위한 신세대 지능형 제조 기술의 조사 및 적용은 향후 중요한 엔지니어링적 응용 가치를 지니게 될 것이다. 인공지능 기반 스마트팩토리가 사물인터넷, 빅데이터, 클라우드 컴퓨팅 등 신세대 정보기술(IT)로서 제조의 다른 분야로 전환할 경우 정보기술(IT)과 제조기술(OT)의 심층 융합 방법을 선택해야 할 것이다. 다만, 린 생산(Lean Production) 프로세스 제조 영역은 제품 제조 공정 중 실시간, 신뢰성, 안전성 요건 등 정보기술과 다른 특징을 가지고 있다. 결국 이러한 제조 영역은 새로운 제조의 틀에서 볼 때, 사용자 정의가 특징인 지능형 제품의 고효율 생산을 실현하고자 하는 공장의 수요를 충족시키지 못할 것이다. 기존 제조장비는 동일한 유형의 제품을 대량으로 생산하도록 설계되어 있으며, 일반적으로 재구성이 어렵다. 또한 이러한 장비는 제조 공정 중 동적 재구성과 더불어 능동적인 작동과 유지보수를 지원하지 않는다. 따라서 맞춤형 제품을 위한 제조업은 기기 및 제조 시스템의 고장 진단, 최적화, 재구성 등 제조 장비와 생산 라인에 관한 모든 새로운 요구사항을 수용해야만 할 것이다. 그래서 스마트 팩토리는 과거의 시스템적인 접근보다는 빅데이터 관리에서 출발한 인공지능 기반의 플랫폼화가 선결되어야 한다. 지능형 스마트팩토리를 구축할 때는 제조 라인의 높은 상관 관계에 주목해야 한다. 지능형 제조 시스템은 제조·검출·조립 장치, 창고 보관 시스템, 전송 시스템, 서버 및 보안 감시 단말기 등이 모두 유·무선 및 실시간 네트워크를 통해 상호 연결되는 환경 하에 있다. 그러므로 데이터를 교환하고 상호 소통하는 것이 스마트 팩토리 구축의 기본이라 볼 수 있다. 이와 같은 높은 상관관계가 스마트 팩토리를 통해 제조업이 실현 하고자 하는 목적 중의 하나는 ‘적시 맞춤(FIT : Fit in Time)’이다. 이를 통해 기업은 현재와 미래의 고객 수요 및 내부 운영 구조, 이와 호환되는 최적의 운영(Optimized Control)과 민첩성을 달성하기 위한 운영 전략을 구축할 수 있다. 기술 요건과 관련 ‘적시 맞춤(FIT : Fit in Time)’을 통해 기업의 전반적인 전략적 위치를 고려할 수 있고, 미래에도 기업 운영 요건을 지원할 새로운 첨단 기술이 지속적으로 구현될 수 있을 것이다. 따라서 스마트 팩토리 ‘적시 맞춤(FIT : Fit in Time)’의 운영원리를 익혀 제조업의 제조와 공급사슬(supply chain)의 경쟁력을 높이는 전략 개발이 매우 중요하다. 그것은 전사적 제조 지능화(EMI : Enterprise Manufacturing Intelligence)를 위한 인공지능 기반 스마트팩토리 구축을 통해 가능할 것이다. 또한 그것은 기존의 시스템처럼 더 이상 ‘망가진 도구’로서 사용되는 일은 아닐 것이다. 기사전문보기 → https://m.edaily.co.kr/news/read?newsId=01384166625801392&mediaCodeNo=257
-
- 작성일 2020-06-15
- 조회수 6740
-
- 박정수 교수의 현미경 '스마트팩토리'-[30]스마트팩토리와 적시맞춤(Fit in Time)
- 4차 산업혁명이라는 변화의 패러다임 속에서 세계적으로 확산하고 있는 코로나19 펜데믹(pandemic)의 영향으로 제조 산업은 미래 흐름을 가늠하기 쉽지 않은 불확실성에 놓여져 있다. 그럼에도 제조 전략을 수립할 때 가장 먼저 고려해야 할 것은 시장과 고객에 대한 마케팅적인 분석이다. 제조업은 고객과 시장의 주문과 구매 행태에 따라 크게 Make-to-Stock, Make-to-Order, Make-to-Engineer로 구분할 수 있다. 이러한 3가지 프레임워크에 맞춰 각각 적합한 제조업 전략을 세우는 것이 매우 중요하다. 그러나 새로운 4차 산업혁명 시대의 개인화 고객과 시장은 맞춤형 제품과 서비스를 적기에 가장 적합화된 ‘FIT(Fit in Time)’을 실현하라는 지상과제를 부여하고 있다. 공급자 중심 시대에서 대표적인 생산 전략이 린 생산(Lean Production)의 ‘JIT(Just in Time)’였다면, 수요자 중심 시대에서는 스마트팩토리의 ‘FIT(Fit in Time)’가 대표적인 생산 전략이 되어야 한다. 아래 그림은 종합 미디어 매체인 ‘이데일리’를 통해 ‘FIT(Fit in Time)’를 최초 공개하는 “EMI(Enterprise Manufacturing Intelligence) Thru Smart Factory”이다. 기본적으로 제조 분야의 생산 전략을 수립하기 위해서는 스마트공장에 대한 철저한 이해가 필요하다. 공급자 중심의 제조 생산 전략으로 성장한 기업은 정보통신기술과 인공지능의 발달로 등장한 4차 산업혁명 시대에서 근본적인 문제에 직면할 수밖에 없다. 기존 공급자 중심의 제조업은 저임금을 포함한 생산원가가 낮은 개발도상국과의 경쟁으로 위협받아 왔다. 저임금 전략의 구사는 단순하지만 효과적이다. 기술의 글로벌 표준화로 제품 품질 또한 대체로 양호한 편이다. 다만 제품 수요의 변동성이 크고, 제품 다양성이 높으며, 고객 수요가 적게 나타나는 경우에 가성비가 크게 줄어드는 맹점을 지니고 있다. 다행스럽게도 대부분 기업은 제품의 대량 맞춤화에 대한 수요가 증가하게 되면 대량 생산 가격으로 광범위한 제품 포트폴리오(Product Portfolio)를 제공했다. 이를 통해 저임금 전략과 직접 경쟁할 수 있는 현실적인 토대가 될 수 있었다. 하지만, 그러한 시장 대응이 과연 지속 가능할 것인가에 대해서는 의문이다. 전통적으로 맞춤화와 저렴한 비용은 상호 배타적이었다. 기본적으로 생산 전략 차원에서 대량생산은 제품 품종을 희생해 저렴한 제품을 공급한다. 반대로 맞춤화는 제품의 다양성을 제공한다. 그러나, 다품종 소량 생산은 제품의 서비스화를 실현시켜, 개인화 고객의 경험 속에 포지셔닝(positioning)되는 속성을 갖고 있다. 그러나 전자상거래 출현에 따른 개인화 고객과 ‘FIT(Fit in Time)’를 통해 스마트팩토리가 시장에 제공할 컨텐츠(Contents)의 상호작용 증가로, 고객들은 이제 낮은 비용으로 구매 만족이 가능해 지고 스마트팩토리 시스템을 통해 그들만의 독특한 제품 요구 조건을 구체화할 수 있게 됐다. 그것이 바로 맞춤형 스마트팩토리 효과이다. 빅데이터 관리 기술을 바탕으로 구축되는 인공지능 기반 스마트 팩토리는 다양성과 맞춤화 창출을 기본으로 개인화된 시장과 고객을 대응하는 역량을 갖춰 나가는 것이다. 하지만 대량 주문 제조에 종사하는 회사는 경쟁적이고 낮은 가격으로, 충족되는 수요에 따라 구매 활동을 유도함으로써 실제로 시장 점유율의 큰 부분을 차지하고 있다. 또한, 대량 생산과 같은 규모의 경제가 아닌 다양한 경제를 통해 우위를 차지하려고 한다. 따라서 기업이 이러한 대량 주문형 시장에서 경쟁력을 유지하기 위해서는 민첩성, TQM(Total Quality Management)과 같은 전통적인 방법론을 뛰어넘는 새로운 전략적 접근이 필요하다. 기업이 대량 및 소량 맞춤 환경에서 살아남기 위해 실현해야 할 스마트팩토리 전략은 ‘FIT(Fit in Time), 적시 맞춤’이다. 스마트팩토리는 각 회사마다 개별적인 특성을 가지고 있고, 제조업 내에서 운영되는 시장 부문과 그에 따른 고객 수요에 의존한다. 단순히 빠르고 낮은 원가를 구성하자는 것이 아니다. ‘FIT(Fit in Time)’라는 것은 제조업이 시장과 고객의 변화에 따라 신속하게 재구성할 수 있는 통합 제조 인프라를 핵심에 두고, 향후 고객 수요 변화에 신속 대응할 수 있도록 구축해 가는 것이다. 그것이 스마트팩토리의 생산 전략이다. 이를 통해 기업은 현재와 미래의 고객 수요 및 내부 운영 구조와 호환되는 최적의 운영(Optimized Control), 민첩성을 달성하기 위한 운영 전략을 구축할 수 있다. 기업은 전반적인 전략적 위치를 고려함으로써, ‘FIT(Fit in Time)’를 통해 미래에도 운영 요건을 계속 지원할 새로운 첨단 기술을 구현할 수 있게 될 것이다. 따라서 스마트 팩토리의 ‘FIT(Fit in Time)’ 기반 운영 원리를 익혀 제조업의 제조와 공급망의 경쟁력을 높이는 ‘스마트 팩토리 전략’을 개발하는 것이 매우 중요하다. 기사전문보기 → https://m.edaily.co.kr/news/read?newsId=01374326625799096&mediaCodeNo=257
-
- 작성일 2020-06-08
- 조회수 6806
-
- [칼럼] 박정수의 일자리와 4차 산업혁명 이야기
- [칼럼] 박정수의 일자리와 4차 산업혁명 이야기 성균관대학교 스마트팩토리융합학과 겸임교수 박정수 제조업의 디지털화는 스마트 팩토리, 빅데이터 관리는 지능형 서비스의 시작이다. 코로나19에 따른 경제 사회의 구조적인 변화가 가시화되고 있으며, 과거에 경험하지 못한 위기가 엄습하고 있다. 유례없는 감염병이 전 세계에 걸쳐 유행하면서 만들어낸 충격은 보건과 방역을 넘어 소상공인과 중소기업을 뒤흔들고 있다. 이 와중에도 스마트 팩토리를 구축해야 할 이유는 제조업의 지속적인 성장을 위해 반드시 필요한 경영의 패러다임(paradigm)이기 때문이다. 제조업의 스마트화를 위해서는 빅데이터 관리기술을 활용한 BaaS(Bigdata-as-a-Service)의 기반 구축이 필수적이다. 더 나아가 빅데이터를 통해서 사용자와 고객의 경험을 디자인하는 역량을 다져가야 한다. 고객과 사용자 경험이 어떻게 형성되고 있는 지 빅데이터 속에 녹아 들어 있기 때문이다. 이를 통한 고객과 사용자 경험(UX-Design, CX-Design)의 혁신만이 제조업의 미래를 바꿔 줄 것이다. 앞으로 개인화로 대변되는 디지털 시대의 고객과 사용자들이 매 순간 더 나은 경험을 기대할 것은 자명하다. 고객과 사용자 경험의 혁신을 제공하기 위해 끊임없이 변화를 시도하는 제조업만이 생존하는 시대가 바로 4차 산업혁명시대이다. 현실에 안주하지 않고 고객과 사용자 경험 기반의 혁신을 지속적으로 시도함으로써 제조업의 미래 경쟁력을 키울 수 있다. 그러므로 스마트 팩토리는 제조업 스스로 혁신의 도구를 만들어가는 새로운 경영 기법이다. 개인화 고객들은 매 순간 더 나은 사용자 경험을 제조업에 기대한다. 그러므로 고객과 사용자 경험 혁신을 제공하기 위해서는 빅데이터 관리 기술을 활용한 BaaS 기반 스마트 팩토리를 구현해야 한다. 이와 같이 스마트 팩토리 구축을 위해 끊임없이 변화를 시도하는 제조업만이 생존하게 되는 시대가 바로 4차 산업혁명시대이다. 따라서 현실에 안주하지 않고 고객 입장에서 고객들이 체험하고 있는 경험 기반의 혁신을 BaaS(Bigdata-as-a-Service)로 서비스화함으로써 제조업의 미래 경쟁력을 키울 수 있을 것이다. 그래서 스마트 팩토리의 올바른 구축이 절실하다. 우리는 경험의 시대에 살고 있다. 그것이 서비스든 제품이든 간에, 우리는 다양한 경험을 통해 높은 기대를 갖게 된다. 그 경험들은 정보와 기술이 계속 발전함에 따라 자연스럽게 점점 더 복잡해지고 있으며, 각각의 영역에서 진화와 함께 충족되지 않은 욕구의 새로운 것들이 이미 다가오고 있는 중이다. 이런 상황에서 디자인 사고는 단순히 문제 해결의 접근 방식을 넘어 성공 확률과 획기적인 혁신의 가능성을 높여 줄 것이다. 4차 산업 혁명이 몰고 온 스마트 시대는 시간이 가면 갈수록 더 높은 삶의 질을 추구하는 현대의 개인화된 소비자들에게는 제품의 품질이나 기술 수준보다 디자인과 브랜드가 더욱 중요해지고 있다. 이제 사람은 단순한 신체적, 물질적인 만족만을 요구하는 것이 아닌 영혼의 만족, 즉 경험을 원하고 있으며, 디자인이 그러한 욕구를 충족시킬 수 있다는 것이다. 이러한 이유로 많은 기업이 디자인에 관심을 기울이기 시작했고 지금은 사용자 경험(UX-Design)까지도 디자인이 '고객을 만족시킬 수 있는 모든 것'이라고 생각하는 기업들도 있다. 제품 개발 단계뿐만이 아니라 제품의 기획, 마케팅, 관련 서비스 등 전 과정에 걸쳐 디자이너들의 감수성과 사고방식이 적용되고 있다는 것이다. 이것이 바로 디자인적 사고가 되고 지금의 '디자인 씽킹' (Design Thinking)이 됐다. 디자인 씽킹(Design Thinking)은 디자인 중심의 프로세스 디자인이라고 이해할 수 있으나, 제조업의 스마트팩토리와 같은 새로운 개념을 디자인적인 방법론으로 적용시킬 때 경영 또는 업무 프로세스에 적용하는 것이 핵심이다. 지금까지의 공급자 중심 산업 생태계에서는 제품을 기획, 생산해 영업을 통해 전개하는 방식이 주류였다. 따라서 공급자 중심 공급망(SCM)의 특징은 푸쉬 전략(Push Strategy)의 경영기법을 활용해 왔다. 그러한 기반에서 마케팅 기법의 발전을 가져오게 되었으며, 제조업을 운영하는 시스템도 이와 같은 맥락에서 개발돼 선진 기업의 베스트 프렉티스(best practice)를 수용하는 차원으로 도입돼 왔다. 푸쉬 전략(Push Strategy)은 대량 생산을 통한 규모경제 효과와 시장 점유율을 통한 시장 주도력을 확보하는 전략적인 차원에서는 성공적인 효과를 가져왔다. 그러나, 과다 재고의 문제와 공급망(SCM)을 중심으로 다양한 낭비 요인 발생 등 경영의 자원 제약(Constraint) 차원에서는 한계성을 드러낸 것이 사실이다. 이러한 현상이 좀 더 변화돼 린 생산(Lean Production)방식이 출현하였다. 제품을 기획하고, 프로토타입(prototype: 본격적인 상품으로 나오기 전 성능을 검증, 개선하기 위한 시제품) 제작 후, 피봇(pivot; 수정 보완)의 프로세스를 거치는 방식이 사용된 것이다. 이는 푸쉬 전략에 의해 고정화된 생각의 틀을 고객의 니즈에 따라 제품의 출시 시기를 변화시킬 수 있었다는 데 그 의의를 가질 수 있다. 4차 산업 혁명 시대는 개인화 고객에 의한 풀 전략(Pull Strategy)이 요구되고 있으며, 정보통신기술의 발달로 초연결성이 점점 높아짐에 따라 빅데이터 관리 기술이 대두되고 있다. 스마트 팩토리는 위 그림과 같이 8가지의 낭비 요소인 'DOWN TIME'을 실질적으로 개선해 나가는 것이며, BaaS 기반 제조업 경영 전략은 스마트 팩토리 구축의 핵심이 돼야 한다. 한편, 디자인 씽킹(Design Thinking)은 고객의 니즈, 프로토타입, 피봇의 단계로 구성돼 있다. 초기에 마련된 비즈니스 기획에 모든 일정과 프로세스를 맞춰 종국에는 기획 자체가 프로세스화 되고 유연성이 높아지는 것이다. 따라서 스마트 팩토리를 통해 고객 맞춤형 생산활동을 극대화하기 위해서는 반드시 수용해야 할 전략적 접근 방법이 바로 '디자인 씽킹(design thinking) 기반 경영혁신관리'이다. 결과적으로, 스마트 팩토리가 제조업에 필요한 이유는 과거의 경영관리와는 달리 고객 맞춤형이라는 새로운 비즈니스 기회를 제공하기 위해서다. 성공적인 경영혁신 콘텐츠(contents)로 스마트 팩토리를 활용하고 있는 선진 기업들을 보면 대다수의 제조업들이 변화관리 전략으로 스마트 팩토리를 채택하고 있다. 과거 성공적인 경영혁신의 대부분은 생각보다 훨씬 더 평범한 것이었다. 결국 우리는 빅데이터 관리 기술과 같이 흔히 일어나는 변화를 BaaS(Bigdata-as-a-service)로 이어가야 하는 미래의 혁신 과제가 남겨진 셈이다. 그래서 스마트 팩토리 구축은 제조업의 경쟁력을 향상시키는 핵심이며, 이미 온 4차 산업혁명은 인공지능과 IIIOT(Intelligence Industrial IOT)기술을 기반으로 비대면 산업을 창조하거나 강화할 것으로 예상된다. 전문 : http://naver.me/xSjrzlow
-
- 작성일 2020-05-27
- 조회수 6733
-
- 박정수 교수의 현미경 '스마트팩토리' [28] 제조업이 미닝 아웃(meaning out) 고객을 붙잡아야 하는 이유
- 박정수 교수의 현미경 '스마트팩토리' [28] 제조업이 미닝 아웃(meaning out) 고객을 붙잡아야 하는 이유 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 1960~70년대에 출생하여 기존 질서와 연계해 정의하기 어렵다는 의미로 명명된 ‘X세대(Generation X)’에 이어 1980~2000년에 태어나 다음 세대로 이름 붙여진 ‘Y세대’ 또는 ‘밀레니얼 세대(Millennial Generation, Generation Y)’는 정보통신기술(ICT)과 컴퓨터에 친숙하다는 이유로 “테크세대”라는 별명 또한 갖고 있다. 밀레니얼 세대가 4차 산업혁명을 주도하고 있다. 특히 그들은 새로운 소비의 축으로 등장하면서, 이전 세대보다 활발하게 자기 주관을 적극적으로 표현하며, 여론을 모으고 변화를 꾀하는 이들을 중심으로 “미닝 아웃(Meaning Out)” 현상이 떠오르고 있다. 미닝 아웃(Meaning Out)은 가치관에 부합하는 소비를 통해 자신의 취향이나 개성을 도드라지게 드러내는 행위를 가리킨다. 미닝 아웃은 ‘의미’, ‘신념’을 뜻하는 미닝(meaning)과 ‘드러내다’의 커밍아웃(coming out)이 결합되어 탄생한 신조어다. 따라서 자신의 정치 사회적 신념이나 기호를 자신의 소비 성향을 통해 SNS 등에 공개적이고 적극적으로 표현하는 독특한 소비 문화를 갖고 있다. 미닝 아웃을 실천하는 소비자들은 알려진 통념과는 달리 단순히 분노나 반감, 호의나 선호 등의 일시적인 감정과는 관계없이 일상화된 소비 경험을 공유하고 있으며, 개인화된 시장을 형성하면서 하나의 소비 트렌드로 진화하고 있다. 즉 감정적인 호불호와는 관계없이, 소비를 통해 제품과 서비스를 경험 기반으로 신념을 표현한다. 반면 가격이 좀 비싸거나 지연 배송이라 할지라도 공정한 거래로 생산되거나 동물 실험을 거치지 않는 등 환경보호에 기여하는 제품이라면 기꺼이 구매한다. 심지어 가치관이 일치하는 영화가 개봉하면 비록 영화관에 직접 관람하지 않더라도 좌석을 예매하여 지지하는 응원의 ‘영혼 보내기’ 운동에도 적극적으로 참여하고 있다. 이처럼 고객 맞춤형 시대를 대변하는 미닝 아웃은 단순히 소비자가 가격이나 마케팅에 따라 움직이는 공급자 중심의 수동적인 존재가 아님을 의미하는 소비 현상, 즉 경험을 교환하는 현상이다. 소매점의 판매대에 진열된 제품만이 아니라, 제품을 생산하는 기업의 이념이나 가치관까지 고려해서 소비를 결정하겠다는 주도적인 소비 흐름인 것이다. 이러한 소비 경향은 사회적 책임과 윤리적인 책임을 다하지 않는 기업은 앞으로 시장에서 살아남을 수 없음을 의미한다. 지속 가능한 환경을, 사람뿐 아니라 동물의 권리를 보호하는, 공동체에 착한 영향력을 행사하는 기업이 소비자에게 선택 받는 것이다. 착한 가치관을 꾸준히 공유하고 실천하는 기업의 제품과 서비스를 소비하여 경험을 나누고 전시함으로써 자신이 추구하는 가치를 지지하고자 하는 소비자들의 행보가 기업의 방향을 바꾸고 있다. 이와 같이 밀레니얼 세대가 주도하고 있는 시장과 소비자, 사용자의 경험 디자인(UX-Design)은 빅데이터 관리기술을 통해서 사용자와 고객의 경험을 디자인하는 역량으로 다져가야 한다. 고객과 사용자 경험이 어떻게 형성되어 미닝 아웃의 경험 가치로 나타나고 있는 지 빅데이터 속에서 찾아 경영의사결정을 해야하기 때문이다. 이를 통한 고객과 사용자 경험(UX-Design, CX-Design) 디자인의 혁신만이 제조업의 미래를 변화시킬 것이다. 더 나아가 앞으로 개인화로 대변되는 디지털 시대의 고객과 사용자들이 매 순간 더 나은 경험을 기대할 것이 분명해지고 있으므로, 그러한 현상을 포괄적인 ‘비대면 현상’으로 개념화하여 실행 디자인을 설계해 가는 선진화 작업이 절실하다. 스마트 팩토리는 제조업 스스로 혁신의 도구를 만들어가는 새로운 경영 기법이다. 고객 입장에서 고객들이 체험하고 있는 경험 기반의 혁신을 BaaS(Bigdata-as-a-Service)로 서비스화함으로써 제조업의 미래 경쟁력을 키워야 한다. 따라서 스마트 팩토리의 올바른 구축은 데이터 관리 역량이 핵심이며 인공지능 주도형 의사결정이 새로운 제조업 경쟁력이다. 아래 그림은 진화되어 온 기업의 경영의사결정의 모형을 보여주고 있다. 4차 산업혁명 시대에 즈음하여 많은 기업들이 ‘데이터 주도형(data-driven)’ 의사결정에 적응해 가고 있다. 데이터는 의사결정의 질을 향상시켜 줄 수 있지만 그러기 위해서는 데이터를 활용할 줄 아는 전문적인 프로세서(processor)가 절실하다. 흔히, 프로세서라고 하면 사람일 거라 많이들 짐작한다. ‘데이터 주도형’이라는 용어 자체나, 데이터 선별과 압축의 주체가 인간이며 그 과정들이 인간의 프로세싱(processing)을 전제로 수행된다는 의미를 포함하고 있다. 하지만, 데이터에 담겨있는 가치를 십분 활용하려면, 기업들이 인공지능을 업무흐름(workflow)에 도입할 필요가 있다. 때에 따라선 인간을 업무흐름에서 배제할 필요도 있다. 그러므로 데이터 주도형에서 인공지능 주도형(AI-driven) 업무흐름으로 진화해 나가야 한다. 데이터 주도형은 데이터에 방점이 찍히지만, 인공지능 주도형은 프로세싱 능력이 핵심이다. 데이터란 더 나은 의사결정을 가능하게 하는 통찰을 말하는 반면, 프로세싱이란 통찰을 추출해 그 통찰로부터 의사결정이라는 결과물을 얻어내는 행위를 말한다. 따라서 스마트 팩토리는 빅데이터 관리기술을 활용하여 기초 단계를 구축하고, 나아가 인공지능을 활용하여 미닝 아웃과 같은 개인화 고객을 맞춤형으로 판매 생산(S&OP) 대응할 수 있는 인공지능 기반 고도화 작업이다. 그러므로 인공지능은 제조업의 이윤 극대화 차원에서 적정한 재고수준이 얼마인지 객관적으로 결정해 줄 수 있다. 하지만 경쟁이 치열한 환경에서 이윤을 희생하더라도 더 나은 경험을 고객에게 제공할 목적으로 보다 더 많은 재고를 확보하기로 결정할 수도 있을 것이다. 다른 한편으로, 인공지능은 마케팅에 더 많은 돈을 투자할 경우 투자수익율이 가장 높을 거라는 결정을 내릴 수 있지만, 품질 수준을 높이기 위해 투자를 연기하고 성장을 완화하기로 결정할 수도 있다. 전략, 가치, 시장 상황 같은 정보를 인간이 얻을 수 있다면 인공지능의 합리적 판단에서 물러나는 결정을 할 수도 있다. 결국, 인간과 인공지능을 번갈아 코봇(cobot)처럼 활용할 수 있는 것이다. 결과적으로 제조업은 미닝 아웃(meaning out) 고객층을 붙잡아야 한다. 개인화된 고객의 특성 속에는 맞춤형이라는 숭고한 가치가 존재한다. 그와 같은 제조업의 핵심가치를 시장과 고객에게 대응시키는 목적으로 스마트 팩토리를 구축해야 한다. 그래서 스마트 팩토리는 공장 개선 사업이 아니고 제조업의 생태계를 재건시키는 마중물이다. 미닝 아웃과 같은 특성을 포함하여 제조업은 세대의 특성에 대한 편견을 극복해야 한다. 그것은 공급자 중심 공급망(SCM)에서 수요자 중심 공급망으로 전환되는 길목에 해답이 있기 때문이다. 그러므로 미래 제조업의 이익, 품질, 원가, 납기를 위해서는 인공지능 기반 스마트 팩토리를 구축하여 경영의사결정을 ‘고도화’해야 할 것이다. 칼럼 전문 : https://m.edaily.co.kr/news/read?newsId=01364486625771872&mediaCodeNo=257 지난 칼럼 보기 박정수 교수의 현미경 '스마트팩토리' [27] 박정수 교수의 현미경 '스마트팩토리' [26] 박정수 교수의 현미경 '스마트팩토리' [25]
-
- 작성일 2020-05-26
- 조회수 6838
-
- 2019 중소기업 계약학과 우수사례 선정 - 김명수 연구원
- '"중소벤처기업진흥공단 2019년 우수사례집 선정" - 성균관대학교 스마트팩토리융합학과 김명수 융합의 힘을 증명했습니다! 미래에 대한 불안이 출발점 물류포워딩, 무역 업무에 관심이 많아서 관세사 공부를 한 적이 있다. 2년 동안 노력하였지만 아쉽게도 2차의 문턱을 넘지 못하면서 공부를 접게 되었고, 이후 중견 제조업체에서 해외영업업무로 사회에 첫발을 디뎠다. 그러나 ‘비전’은 쉽게 다가오지 않았고 불안이 엄습했다. 이때 4차 산업혁명이라는 키워드가 다가왔다. 거대한 변화의 흐름 속에 진입하는 방법은 쉽지 않았다. 중소·중견기업 계약학과라는 시스템을 알기 전에는 말이다. 리서치를 통하여 평소 관심이 있었던 스마트팩토리융합학과가 있다는 것을 발견했다. 대학원 입학설명회를 통한 교수님과의 면담, 학교 방문을 통한 재학생과의 질의응답 등을 통해 제조업 기반의 성장을 추구하는 대한민국에서 가장 필수적인 기술인 스마트팩토리 분야에 깊이 빠졌고 가슴은 벅차게 두근거렸다. “목표를 높게 잡으면 절반 이상까지 갈 수 있다”는 가치관으로 더욱 높은 목표를 향해가겠다는 김명수 연구원에게 스마트팩토리는 그야말로 스마트한 기회가 되고 있었다. 연구의 재미에 푹 빠지다 대학원에 입학해 다양한 각도로 사고하고 나의 아이디어를 빌드업 해가면서 첫 논문을 작성했을 때의 쾌감은 짜릿했다. 운이 좋았는지 첫논문으로 홍콩에서 열린 머신러닝 관련 국제학술대회에 참가하여 여러 외국인들 앞에서 영어로 논문발표 하면서 자신감은 배가되었다. 융합학과라는 특성상 혼자 연구하는 것 보다 다른 원우와의 협업을통하여 아이디어를 발전시켜나가는 과정이 너무 즐거웠고 성과도 뒤따랐다.대학원 선배, 동기와 함께 팀을 꾸려 학과에서 공부하였던 산업인공지능 수업 내용을 토대로 ETRI 주최 KSB 인공지능 프레임워크 공모전에 “제품 수요 분석 및 전략 수립 지원 서비스”라는 주제로 참가하였다. 연구, 일, 학업을 병행하면서 진행하여 물리적인 시간이 부족하였지만 4명의 팀원과 함께 아이디어를 발전시켜 나갔고, 결국 우수상을 수상하였다. 현재 연구방향의 경우 ‘스마트 창고관리를 위한 oneM2M 표준의 예측 프레임워크 설계 및 평가에 관한 연구’라는 주제로 인공지능과 오픈소스 IoT platform의 기술적 융합에 대한 연구를 진행하고 있고,그에 대한 실적으로 국제학술대회 2편, 국내 저널지(KCI) 1편을 출판하였고 관련 수요예측 기법을 특허 출원하여 등록까지 준비 중에 있다. 이와 같은 연구 리서치 능력을 바탕으로 ㈜사이버테크프랜드와함께 산업단지공단의 스마트제조 R&D과제 사업계획서 작성에 주도적으로 참여하였고 최종적으로 지정과제로 선정이 되어 R&D기획능력 배양 사이버테크프랜드의 연구개발 수준을 높이는 데 기여에 기여하였다. 다양한 현장 수요형 프로젝트과목이 강점 스마트팩토리는 제조를 넘어 사업 전반에 걸친 데이터 수집과 자동화과정을 의미한다. 이를 구축하기 위해서는 제조뿐만 아니라 사업 전반에 걸친 이해가 필요하다. 제품 기획부터 연구개발, 마케팅, 유통, 투자 유치 등 다양한 프로젝트를 경험하면서 사업 공동체 모두가 데이터를 공유하고 이해할 수 있는 데이터 플랫폼의 필요를 경험했다. 또한각각의 영역이 서로 융합하기 위해서는 사업을 직접 진행해본 경험이 필요하다는 사실을 깨달았다. 이러한 조건에 부합하는 업체가 사이버테크프랜드였다. 사이버테크프랜드는 IT서비스를 제공하는 데에 있어서 그치지 않고 고객 컨설팅,서비스 구축부터 활성화 및 마케팅에 이르기까지 사업 전반적인 영역에 있어서 성장 동력을 확보해 왔다. 각 영역에서의 노하우를 무기로 계약학과사업 전반에 걸친 융합을 꿈꾼다면 훌륭한 차세대 스마트팩토리의 개념을 제시할 수 있을 것이라 생각한다. 현장 수요형 프로젝트 과목이 많다는 것이 스마트팩토리융합학과의 강점이다. 자신이 원하는 분야의 프로젝트를 잘 결합하면 원하는 결과를 얻을 수 있는 최고의 기회가 되리라 믿는다. 계약학과 동료들과 공모전에 참가해서 입상 ★김명수연구원의 계약학과 성공비결 계약학과는 불안했던 시기를 기회로 바꾸게 하였다 물리적으로 부족한 시간을 동료들을 믿고 함께 한 것, 전체를 보는 거시성과 그것을 실현할 개인의 미시적인 부분을 잘 실현한 것이 주요했습니다! . . . 참여기업 (주)사이버테크프랜드 설립 1998년 대표자 김정혁 직원 30명 사업내용 응용소프트웨어개발 및 공급업 홈페이지www.cyberwin.co.kr 주소 경기도 하남시 조정대로 150 대표인사말 시작점에 함께하는 늘 도전하는 기업! 1998년 설립된 경영정보시스템(이하 MIS) 전문기업 '사이버테크프랜드'는 지난 21년간 중소・중견 제조기업을 대상으로 사출・프레스・정밀가공・조립 등 뿌리산업 업종에 특화된 ERP, MES, SPC, QMS, POP 등의 MIS를 구축해왔습니다. 뿌리산업 업종의 4차 산업혁명을 주도하겠다는 목표를 세우고 R&D 기획 및 연구개발 부서를 확장하며 최근에는 성균관대학교와의 산학연계로 스마트팩토리 UNIC 활동을 통해 최신 기술을 연구・개발하고 있습니다. 업종별 특화라는 장점을 유지하면서도 지능화된 솔루션을 위해 노력하고 있으며, 시스템 하자보수 및 유지보수를 통해 고객과 함께 하는 것을 주요 계획으로 두고 있습니다. 이를 통해 ‘고객만족’을 넘어 ‘고객감동’에까지 이르는 지속적 관리를 통해 고객사에 만족스러운 지능형 솔루션을 제공하여 성장하고자 합니다. 감사합니다.
-
- 작성일 2020-05-21
- 조회수 7823
-
- 박정수 교수의 현미경 '스마트팩토리'-[27]비대면 시대, 주목받는 스마트팩토리
- 박정수 교수의 현미경 '스마트팩토리' [27] 비대면 시대, 주목받는 스마트팩토리 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] “K-방역이 세계의 표준이 됐다.” 지난 10일 문재인 대통령은 취임 3주년 대국민 특별연설에서 일자리 창출을 위한 ‘한국판 뉴딜’을 국가프로젝트로 추진하겠다고 밝혔다. K-방역은 유사이래로 대한민국이 ‘세계 최초로 개념을 디자인한 (First in class) 비즈니스 모델’이다. 문 대통령은 “정부는 새로운 일자리를 만들어 국민에게 새로운 기회를 제공하겠다”고 언급했다. 또한, “한국판 뉴딜은 디지털 인프라를 구축하는 미래 선점투자”라며 “5G 인프라 조기 구축과 데이터를 수집, 축적, 활용하는 데이터 인프라 구축을 국가적 사업으로 추진하겠다”고 밝혔다. 그러면서, “의료, 교육, 유통 등 비대면 산업을 집중 육성”할 것임을 강조하며, “도시와 산단, 도로와 교통망, 노후 SOC 등 국가기반시설에 인공지능과 디지털 기술을 결합하여 스마트화하는 대규모 일자리 창출 사업도 적극 전개할 계획”이라고 역설했다. 이어진 연설에서 문 대통령은, “우리는 ICT 분야에서 우수한 인프라와 세계 1위의 경쟁력을 지니고 있다. 바이오 분야의 경쟁력과 가능성도 확인되었다. 비대면 의료서비스와 온라인 교육, 온라인 거래, 방역과 바이오산업 등 ‘포스트 코로나’ 산업분야에서 강점을 가지고 있다. 인공지능, 빅데이터 등 4차 산업혁명 기술을 결합하여 디지털 경제를 선도해 나갈 충분한 역량을 갖추고 있다. 혁신 벤처와 스타트업이 주력이 되어 세계를 선도하는 ‘디지털 강국’으로 대한민국을 도약시켜야 한다. 시스템반도체, 바이오헬스, 미래차 등 3대 신성장 산업을 더욱 강력히 육성하여 미래먹거리를 창출하겠다”고 제시했다. 이는 개념 디자인과 실행 디자인을 과거와 다르게 차별적으로 준비하여야 한다는 것을 의미한다. 왜냐하면, “대한민국은 세계에서 가장 안전하고 투명한 생산기지”가 되고 있기 때문이다. 4차 산업 혁명 시대에서 개인화된 고객과 시장에 맞춤형 제품과 서비스를 제공하기 위해서는 안전하고 투명한 생산 인프라가 최우선이며, 스마트 팩토리는 제조업의 지속적인 성장을 위해 반드시 필요한 제조업 경영의 패러다임(paradigm)이다. 그러므로 제조업의 스마트화를 위해서는 빅데이터 관리기술을 활용한 BaaS(Bigdata-as-a-Service)의 기반 구축이 필수적이다. 정부의 국민 보건에 대한 데이터 베이스(data base)가 선제적으로 준비되어 ‘K-방역 모델 구축’이 가능했고, 나아가 세계 표준이 되고 있다. 이와 같은 시대적인 현상은 과거 선진국들이 발빠르게 ‘개념을 설계’하여 글로벌화를 추진하였듯이 우리도 그래야 한다는 점을 강조하게 된다. 그 선봉에 스마트 팩토리가 있다. 아래 그림은 스마트 팩토리의 개념 디자인을 도식화한 것이다. 더 나아가 빅데이터를 통해서 사용자와 고객의 경험을 디자인하는 역량을 다져가야 한다. 고객과 사용자 경험이 어떻게 형성되고 있는 지 빅데이터 속에 녹아 들어가 있기 때문이다. 이를 통한 고객과 사용자 경험(UX-Design, CX-Design)의 혁신만이 제조업의 미래를 바꿔 줄 것이다. 앞으로 개인화로 대변되는 디지털 시대의 고객과 사용자들이 매 순간 더 나은 경험을 기대할 것이 분명해지고 있으며, 그러한 현상을 포괄적인 ‘비대면 현상’으로 개념화하여 실행 디자인을 설계해 가는 선진화 작업이 절실하다. 이는 고객과 사용자 경험의 혁신을 제공하기 위해 끊임없이 변화를 시도하는 제조업만이 생존하는 시대, 그것이 바로 4차 산업혁명시대이기 때문이다. 현실에 안주하지 않고 고객과 사용자 경험 기반의 혁신을 지속적으로 시도함으로써 제조업의 미래 경쟁력을 키울 수 있다. 그러므로 스마트 팩토리는 제조업 스스로 혁신의 도구를 만들어가는 새로운 경영 기법이다. 고객 입장에서 고객들이 체험하고 있는 경험 기반의 혁신을 BaaS(Bigdata-as-a-Service)로 서비스화함으로써 제조업의 미래 경쟁력을 키워야 한다. 따라서 스마트 팩토리의 올바른 구축은 데이터 관리 역량이 핵심이다. 우리는 경험의 시대에 살고 있다. 그것이 서비스든 제품이든 간에, 우리는 다양한 경험을 통해 높은 기대를 갖게 된다. 그 경험들은 정보와 기술이 계속 발전함에 따라 자연스럽게 점점 더 복잡해지고 있으며, 각각의 영역에서 진화와 함께 충족되지 않은 욕구의 새로운 것들이 이미 다가오고 있는 중이다. 이런 상황에서 디자인 사고는 단순히 문제 해결의 접근 방식을 넘어 성공 확률과 획기적인 혁신의 가능성을 높여 줄 것이다. 디자인 씽킹(Design Thinking)은 디자인 중심의 프로세스 디자인이라고 이해할 수 있으나, 제조업의 스마트팩토리와 같은 새로운 개념을 디자인적인 방법론으로 적용시킬 때 경영 또는 업무 프로세스에 적용하는 것이 핵심이다. 4차 산업 혁명 시대는 개인화 고객에 의한 수요자 중심 풀 전략(Pull Strategy)이 요구되고 있으며, 정보통신기술의 발달로 초연결성이 점점 높아짐에 따라 빅데이터 관리 기술이 대두되고 있다. 한편, 디자인 씽킹(Design Thinking)은 고객의 니즈, 프로토타입, 피봇의 단계로 구성되어 있다. 초기에 마련된 비즈니스 기획에 모든 일정과 프로세스를 맞춰 종국에는 기획 자체가 프로세스화 되고 유연성이 높아지는 것이다. 따라서 스마트 팩토리를 통해 고객 맞춤형 생산활동을 극대화하기 위해서는 반드시 수용해야 할 전략적 접근 방법이 바로 ‘디자인 씽킹(design thinking) 기반 경영혁신관리’이다. K-방역이 경험으로 증명되고 있듯이 스마트 팩토리가 제조업에 필요한 이유는 과거의 경영관리와는 달리 비대면 고객 맞춤형이라는 새로운 비즈니스 기회를 제공하기 위해서다. 국경이 봉쇄되어 글로벌 공급망(SCM)이 휘청거리고, 해외 위험 관리 필요성이 증폭되고 있기 때문에, 지능형 스마트 팩토리를 구축하여 경쟁력있는 제조 혁신을 실현시켜 나간다면 해외로 진출한 제조업들이 국내로 유턴하는 리쇼어링(reshoring) 현상이 가속화될 것이다. 왜냐하면 아무리 시장이 크고 인건비가 저렴해도 휘청거리는 공급망(SCM)으로는 사업을 영위할 수가 없기 때문이다. 중국과 인도, 그리고 동남아로 진출한 기업의 단 5%만 국내로 ‘유턴’하게 된다면 10만개 이상의 일자리가 만들어 질 것이다. 따라서 4차 산업혁명이 요구하는 ‘지능형 스마트 팩토리 구축’은 해외로 나간 제조업들의 리쇼어링(reshoring)을 위한 좋은 ‘당근’이 될 것이다. 전문 : https://m.edaily.co.kr/news/Read?newsId=01364486625769576&mediaCodeNo=257 지난 칼럼 보기 박정수 교수의 현미경 '스마트팩토리' [26] 박정수 교수의 현미경 '스마트팩토리' [25] 박정수 교수의 현미경 '스마트팩토리' [24]
-
- 작성일 2020-05-18
- 조회수 6881
-
- 박정수 교수의 현미경 '스마트팩토리'-[26]공급자 중심 '푸쉬 전략'의 종언시대
- 박정수 교수의 현미경 '스마트팩토리' [26] 공급자 중심 '푸쉬 전략'의 종언 시대 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 스마트 팩토리는 왜 구축해야 하는가? 그 이유는 제조업의 지속적인 성장을 위해 반드시 필요한 경영의 패러다임(paradigm)이기 때문이다. 제조업의 스마트화를 위해서는 빅데이터 관리기술을 활용한 BaaS(Bigdata-as-a-Service)의 기반 구축이 필수적이다. 더 나아가 빅데이터를 통해서 사용자와 고객의 경험을 디자인하는 역량을 다져가야 한다. 고객과 사용자 경험이 어떻게 형성되고 있는 지는 빅데이터 속에 녹아 들어있다. 이를 통한 고객과 사용자 경험(UX-Design, CX-Design)의 혁신만이 제조업의 미래를 바꿔 줄 것이다. 앞으로 개인화로 대변되는 디지털 시대의 고객과 사용자들이 매 순간 더 나은 경험을 기대할 것은 자명하다. 고객과 사용자 경험의 혁신을 제공하기 위해 끊임없이 변화를 시도하는 제조업만이 생존하는 시대가 바로 4차 산업혁명시대이다. 현실에 안주하지 않고 고객과 사용자 경험 기반의 혁신을 지속적으로 시도함으로써 제조업의 미래 경쟁력을 키울 수 있다. 그러므로 스마트 팩토리는 제조업 스스로 혁신의 도구를 만들어가는 새로운 경영 기법이다. 개인화 고객들은 매 순간 더 나은 사용자 경험을 제조업에 기대한다. 그러므로 고객과 사용자 경험 혁신을 제공하기 위해서는 빅데이터 관리 기술을 활용한 BaaS 기반 스마트 팩토리를 구현하여야 한다. 이와 같이 스마트 팩토리 구축을 위해 끊임없이 변화를 시도하는 제조업만이 생존하게 되는 시대가 바로 4차 산업혁명시대이다. 따라서 현실에 안주하지 않고 고객 입장에서 고객들이 체험하고 있는 경험 기반의 혁신을 BaaS(Bigdata-as-a-Service)로 서비스화함으로써 제조업의 미래 경쟁력을 키울 수 있을 것이다. 그래서 스마트 팩토리의 올바른 구축이 절실하다. 우리는 경험의 시대에 살고 있다. 그것이 서비스든 제품이든 간에, 우리는 다양한 경험을 통해 높은 기대를 갖게 된다. 그 경험들은 정보와 기술이 계속 발전함에 따라 자연스럽게 점점 더 복잡해지고 있으며, 각각의 영역에서 진화와 함께 충족되지 않은 욕구의 새로운 것들이 이미 다가오고 있는 중이다. 이런 상황에서 디자인 사고는 단순히 문제 해결의 접근 방식을 넘어 성공 확률과 획기적인 혁신의 가능성을 높여 줄 것이다. 출처: 성균관대 스마트팩토리 융합학과 이건우 디자인 씽킹(Design Thinking)은 디자인 중심의 프로세스 디자인이라고 이해할 수 있으나, 제조업의 스마트팩토리와 같은 새로운 개념을 디자인적인 방법론으로 적용시킬 때 경영 또는 업무 프로세스에 적용하는 것이 핵심이다. 지금까지의 공급자 중심 산업 생태계에서는 제품을 기획, 생산하여 영업을 통해 전개하는 방식이 주류였다. 따라서 공급자 중심 공급망(SCM)의 특징은 푸쉬 전략(Push Strategy)의 경영기법을 활용해 왔다. 그러한 기반에서 마케팅 기법의 발전을 가져오게 되었으며, 제조업을 운영하는 시스템도 이와 같은 맥락에서 개발되어 선진 기업의 베스트 프렉티스(best practice)를 수용하는 차원으로 도입되어 왔다. 푸쉬 전략(Push Strategy)은 대량 생산을 통한 규모경제 효과와 시장 점유율을 통한 시장 주도력을 확보하는 전략적인 차원에서는 성공적인 효과를 가져왔다. 그러나 과다 재고의 문제와 공급망(SCM)을 중심으로 다양한 낭비 요인 발생 등 경영의 자원 제약(Constraint) 차원에서는 한계성을 드러낸 것이 사실이다. 이러한 현상이 좀 더 변화되어 린 생산(Lean Production)방식이 출현하였다. 제품을 기획하고, 프로토타입(prototype: 본격적인 상품으로 나오기 전 성능을 검증, 개선하기 위한 시제품) 제작 후, 피봇(pivot; 수정 보완)의 프로세스를 거치는 방식이 사용된 것이다. 이는 푸쉬 전략에 의해 고정화된 생각의 틀을 고객의 니즈에 따라 제품의 출시 시기를 변화시킬 수 있었다는 데 그 의의를 가질 수 있다. 4차 산업 혁명 시대는 개인화 고객에 의한 풀 전략(Pull Strategy)이 요구되고 있으며, 정보통신기술의 발달로 초연결성이 점점 높아짐에 따라 빅데이터 관리 기술이 대두되고 있다. 스마트 팩토리는 위 그림과 같이 8가지의 낭비 요소인 ‘DOWN TIME’을 실질적으로 개선해 나가는 것이며, BaaS 기반 제조업 경영 전략은 스마트 팩토리 구축의 핵심이 되어야 한다. 한편 디자인 씽킹(Design Thinking)은 고객의 니즈, 프로토타입, 피봇의 단계로 구성되어 있다. 초기에 마련된 비즈니스 기획에 모든 일정과 프로세스를 맞춰 종국에는 기획 자체가 프로세스화 되고 유연성이 높아지는 것이다. 따라서 스마트 팩토리를 통해 고객 맞춤형 생산활동을 극대화하기 위해서는 반드시 수용해야 할 전략적 접근 방법이 바로 ‘디자인 씽킹(design thinking) 기반 경영혁신관리’이다. 결과적으로, 스마트 팩토리가 제조업에 필요한 이유는 과거의 경영관리와는 달리 고객 맞춤형이라는 새로운 비즈니스 기회를 제공하기 위해서다. 성공적인 경영혁신 컨텐츠(contents)로 스마트 팩토리를 활용하고 있는 선진 기업들을 보면 대다수의 제조업들이 변화관리 전략으로 스마트 팩토리를 채택하고 있다. 과거 성공적인 경영혁신의 대부분은 생각보다 훨씬 더 평범한 것이었다. 결국 우리는 빅데이터 관리 기술과 같이 흔히 일어나는 변화를 BaaS(Bigdata-as-a-service)로 이어가야 하는 미래의 혁신 과제가 남겨진 셈이다. 그래서 스마트 팩토리 구축은 제조업의 경쟁력을 향상시키는 길라잡이다. 전문 : https://m.edaily.co.kr/news/Read?newsId=01380886625767280&mediaCodeNo=257 지난 칼럼 보기 박정수 교수의 현미경 '스마트팩토리' [25] 박정수 교수의 현미경 '스마트팩토리' [24] 박정수 교수의 현미경 '스마트팩토리' [23]
-
- 작성일 2020-05-11
- 조회수 6700
-
- 박정수 교수의 현미경 '스마트팩토리' [25] 스마트 팩토리의 시작은 BaaS(Bigdata as a Service)로부터 출발해야 한다.
- 박정수 교수의 현미경 '스마트팩토리' [25] 스마트팩토리의 시작은 BaaS(Bigdata as a Service)로부터 출발 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 스마트 팩토리의 시작은 BaaS(Bigdata as a Service)로부터 출발해야 한다. 제조업체가 다양한 시스템, 장치, 애플리케이션에서 고도로 분산된 데이터를 생성해 온 반면, 데이터 과학(data science)분야에서는 많은 데이터 관리 및 분석 과제를 통해 빅데이터 시대를 지원하기 위한 새로운 접근방식을 필요로 하였다. 이러한 산업용 빅데이터 분석의 핵심과제는 제조업의 생산 공간의 대규모 이기종(異機種) 데이터 소스(Data Source)와 실시간 분석 및 의사결정이다. 또한, 4차 산업혁명시대에서 제조업에게 요구되고 있는 스마트 팩토리는 산업용 빅데이터 분석의 새로운 개념, 방법론 및 애플리케이션 시나리오를 제시하고 속도 및 문제 해결의 획기적 개선 과제를 제공할 수 있어야 한다. 따라서 스마트 팩토리 구축을 위해서는 다음과 같은 ‘제조업 빅데이터 분석을 위한 주요 5가지 방법론’에 초점을 맞춰야 한다. 첫째, 고도로 분산된 제조업 데이터 수집 방법에 대한 개념 디자인이다. 다양한 시스템, 장치 및 애플리케이션에서 생성되어 고도로 분산된 데이터 소스를 액세스(access), 통합하는 과정은 결코 쉬운 작업이 아님은 분명하다. 둘째, 산업용 빅데이터 저장소(repository)를 어떻게 설계해야 하는 지 전략적인 판단이 필요하다. 또한, 샘플링 편향 및 이질성(sampling biases and heterogeneity)에 대처하고, 다양한 데이터 형식과 스트럭쳐(data formats and structures) 및 저장 방법을 마련해야 한다. 셋째, 대규모 제조업 데이터 관리이다. 그 중요성으로 볼 때 향후 엄청난 비용과 효율 문제에 봉착할 것이다. 그러나, 대규모 이기종 데이터 구성 및 공유를 활용하기 위한 초석임은 분명하다. 넷째, 스마트팩토리의 핵심역량인 제조업 데이터 분석이다. 데이터 생성부터 준비까지 데이터 검증 추적이 가능해야 한다. 다섯째, 스마트 팩토리의 기본인 제조업 데이터 거버넌스(Industrial data governance)이다. 데이터 신뢰, 무결성 및 보안 보장 등 각 단계마다 도전과 잠재적인 해결책을 찾아가야 한다. 또한 스마트 팩토리 가시성(smart factory visibility), 기계 작동, 에너지 관리, 사전 예방적 유지보수, 적시 공급망 등 제조업용 빅데이터의 전형적인 응용도 고려해야 한다.스마트 팩토리의 사물인터넷(IoT) 애플리케이션에는 머신러닝(ML, Machine Learning) 모델을 기반으로 한 실시간 예측 분석이 필요하다. 다만, 빅 데이터에서 ML 모델을 구축하는 것은 쉬운 작업이 아니다. 많은 시간이 소요될 뿐만 아니라 기능 엔지니어링, 파라미터 튜닝, 모델 선택 등의 개발자 전문 지식이 부족한 경우가 많다. 그리고, ML 라이브러리와 프레임워크, 데이터 수집 도구, 스트림 및 배치 처리 엔진, 시각화 기법, 그리고 사용 가능한 하드웨어 플랫폼의 범위는 시스템 설계와 신속한 개발 및 배치 문제를 더욱 악화시키는 요인으로 작용한다. 마지막으로 IoT의 리소스 제약이 원인이 되어 분석 엔진의 실행이 클라우드와 엣지 스펙트럼(cloud and edge computing, Spectrum) 전체로 분산시켜야 하는 결과를 낳기도 한다. 이러한 난제를 극복하기 위해서는 IoT 분석 라이프사이클 관리를 위한 이벤트 중심의 BaaS(Big Data as a Service)가 필요하다. 예를 들어, 아래 그림과 같이 텔스타-홈멜㈜의 BaaS 제품인 ‘LINK5 MOS(Manufacturing Operation System)’는 사용자에게 애플리케이션 및 인프라 요구사항을 명시하기 위해 엔지니어링 원리에 기초한 직관적이고 선언적인 메커니즘을 제공하고 있다. ‘LINK5 MOS’는 탑다운(top-down) 방식의 선형적 프로세스(linear process) 시스템이 아닌, 생성적 프로그래밍 원리를 통해 생산 라인 배치를 자동화하는 기술과 빅데이터 관리 기술이 활용된 보텀업(bottom-up) 방식의 비선형 프로세스(nonlinear process)로 개념 디자인한 스마트 팩토리 플랫폼이라 할 수 있다. 이는 30년 이상 바텀업 방식으로 축적된 빅데이터 관리 기술 기반의 Ts-SPC(생산 제품 품질 관리)와 PLC-SPC(생산 설비 품질 관리)를 개념 디자인 한 것에 기인한다. [그림] 텔스타-홈멜㈜ ‘LINK5 MOS(Manufacturing Operation System)’의 BaaS 개념도, 성균관 대 스마트팩토리 융합학과 임동균(인공지능 전문 기업: 理想高㈜ 대표) 제공 사물인터넷(IoT) 기반 시스템은 고속으로 많은 양의 데이터를 생성 및 분석하여 귀중한 통찰력을 도출하고 있다. 또한, 이를 바탕으로 다양한 애플리케이션 정보에 입각한 결정을 내려야 한다. 이러한 맥락에서 IoT 분석 작업의 개발, 구축, 실행 라이프 사이클은 복잡하다. 첫째, 대규모 훈련 데이터 세트를 이용한 1개 이상의 인공지능(AI)/기계학습(ML) 모델 개발을 수반하기 때문이다. 이 단계에서는 개발자가 실현 가능한 ML 모델(예: 선형 모델, 의사결정 나무 또는 신경망)의 범위를 인지하고 ML 라이브러리와 프레임워크의 과정 중에서 선택할 수 있어야 한다. 둘째, ML 모델을 교육하고 수신 요청 처리 준비가 완료되면, 해당 모델을 신속하게 배치하고 대상 하드웨어 인프라의 분석 파이프 라인과 통합해야 한다. ML 모델 개발은 리소스(resource)가 풍부한 클라우드에서 수행될 수 있으나, IoT 시스템 자원의 제약적 특성과 분석 작업의 실시간 요구사항을 이유로 대량의 데이터가 예측을 위해 가장자리에서 클라우드 이동을 제한시키게 된다. 이를 대신해 훈련된 ML 모델을 클라우드 에지 스펙트럼 전체에 분할 및 배포하기 위한 효과적인 리소스 관리가 요구되고 있다. 이러한 데이터 사이클(data cycle)을 통해 축적의 힘과 지속 가능한 지능화의 단계가 시작되는 인공지능 기반 스마트 팩토리가 구축되어야 한다. 불행하게도, IoT 분석 애플리케이션 개발자들은 IoT 분석의 모든 도전적인 라이프사이클 활동을 처리하는 데 필요한 전문지식을 보유하지 못하는 경우가 많다. 따라서 ML 모델 개발 프로세스를 완화하고 개발자에게 분석 애플리케이션 구성 요소의 배치 결정, 리소스 사용 모니터링, 클라우드 에지 스펙트럼 전체에서 서로 다른 데이터 처리 작업 제어에 대한 책임에서 벗어나도록 해야 한다. 왜냐하면 모델 기반 엔지니어링(MDE), 특히 도메인별 모델링 언어(DSML) 및 생성 프로그래밍은 오류 발생 빈도가 높고 반복적인 작업으로부터 사용자를 완화하는 이점을 갖고 있기 때문이다. 이와 동시에 서버리스 컴퓨팅(serverless computing)은 런타임 인프라(run time infra) 관리 문제로부터 사용자에게 직관적인 형상을 제공하는 장점이 있다. 따라서, 다년 간 축적해 온 모델 기반 엔지니어링(MDE)과 서버리스 컴퓨팅의 이점을 활용하고, ‘LINK5 MOS’와 같은 IoT 분석 라이프사이클 관리를 위한 서비스형 빅 데이터 기반 서비스를 제공하는 BaaS(Big Data as a Service)를 현실적인 대안으로 제시하고자 하는 것이다. 그동안 스마트 팩토리 구축에 사용된 수많은 시스템들은 맹목적인 비전만을 제시하였다. 현장을 벗어 난 시스템, 누군가 설계한 시스템을 탈피해 개인화된 고객을 지속적으로 대응해 나가기 위해서는 ‘맞춤형 스마트 팩토리 구축’이 절실하다. 그래서 스마트 팩토리 구축의 출발은 BaaS에서 시작되어야 한다. 왜냐하면, 현장에 해답이 있기 때문이다.
-
- 작성일 2020-05-04
- 조회수 6850
-
- 박정수 교수의 현미경'스마트팩토리'-[24]독일 노빌리아가 연간 고객맞춤형 가구 58만세트를 만드는 비결
- 박정수 교수의 현미경 '스마트팩토리' [24] 독일 노빌리아가 연간 고객맞춤형 가구 58만 세트를 만드는 비결 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 데이터를 바탕으로 이루어지는 디지털 전환(Digital Transformation)은 전통적인 사회구조를 혁신시키며 제조업의 핵심으로 자리매김하고 있다. 그 요인으로는 우선 데이터의 내재적 가치를 꼽을 수 있다. 데이터는 이미 새로운 ‘자산’으로 자리 잡아 새로운 가치로서 적절한 관리를 필요로 하게 되었다. 또한 제조업 입장에서 볼 때, 디지털 전환을 통해 시장과 계속 연계되는 효과가 있다. 디지털화된 데이터가 크게 중요해진 탓이다. 이를 수용하지 않으면, 이제는 결코 살아남을 수 없는 상황이 도래한 것이다. 이와 함께 디지털 전환은 새로운 기술과도 연결되어 있다. 클라우드, 빅데이타 등 디지털 플랫폼 기술과 사물인터넷, 디지털 트윈(Digital Twin), 인공지능(AI), 3D 프린트, 가상제품설계(Virtual Product Design) 등 기업의 성장에 필요한 다양한 요소들이 디지털과 연관되어 있다. 결국 디지털 시대라는 혁신 생태계의 변화 속에서 디지털 전환은 필연적으로 기업들의 생존 전략이 될 수밖에 없다. 스마트화되고 있는 시장과 고객의 요구 역시 디지털 전환을 해야 하는 이유 중 하나다. 특히 밀레니엄 세대는 인터넷과 모바일, SNS를 자유롭게 다룰 수 있는 세대로서 디지털 장치에 익숙하다. 결국 사용하는 데이터가 비즈니스에 녹아들어야 하는 상황이 되었다. 이에 따라 스마트 팩토리를 구축하기 위해서는 빅데이터 관리 기술이 우선적으로 적용되어야 한다. 그래야 고객 맞춤형 스마트팩토리가 가능해지기 때문이다. 많은 제조업들이 디지털 압박을 받고 있다. 디지털 전환을 중심으로 빅데이터 관리 관리기술이 적용된 스마트팩토리는 사실 혁명이 아니라 진화다. 자연스러운 과정이라는 뜻이다. 정보통신기술(ICT)과 같은 다양한 기술들이 기존 전통적인 운영방식과 서비스 등과 접목되어 함께 적용되고 있기 때문이다. ‘디지털 전환’에 있어 4가지의 기술 카테고리가 중요하다. 이중 가장 먼저 대두된 것은 연결성(Connectivity)이다. 최근 ‘스마트 기기’로 명명되는 다양한 기술들이 여기에 포함된다. 특히 최근에는 통신 케이블 등의 물리적인 장치 없이, 데이터를 전송하는 기술이 개발되어 디지털 전환이 가속화된 상황이다. 두 번째는 이동성(Mobility)이다. 사용자 친화적인 원격 장치들은 이미 많은 사람들에게 익숙하다. 결국 원격 장치와 관련된 이동성은 앞으로도 더욱 중요해질 전망이다. 세 번째는 디지털 전환에 필수적인 클라우드(Cloud) 기술이다. 많은 양의 데이터를 빠르고 정확하게 취급하는 것 역시 클라우드 기술과 연관이 있다. 마지막으로 분석(Analytics) 또한 중요한 부분을 차지한다. 인공지능(AI) 최적화 퍼포먼스, 인지적 애플리케이션 등이 여기에 포함된다. 이와 같이 데이터 기반 기술들이 스마트팩토리를 촉진시키고 있다. 이중 데이터는 ‘핵심’이다. 또한 스마트 팩토리의 중요 이슈는 ‘디지털 전환’이다. 이는 일반적인 시스템(MES, ERP)이나 기술이 아닌 제조업의 기업 가치를 바탕으로 진행되어야 한다. 이후 지속 가능성(Sustainability)을 비롯해 안전과 보안, 자산 최적화, 실행 효율성, 그리고 밸류 체인(value chain) 최적화 등에 초점을 맞추어야 한다. 특히 ‘사람과 노동자(Employees)’가 전환의 중심이 되어야 한다. 그러나, 안타깝게도 선형적 프로세스(Linear Process)가 ‘글로벌 베스트 프랙티스(Global Best Practice)’로 포장된 시스템, 이 시스템들을 무차별적으로 맹종(盲從)하는 기업 문화와 행동은 디지털 유효성을 가로막는 가장 큰 방해 요소라고 볼 수 있다. 이는 과거 산업화 과정에서 컴퓨터 기술 활용을 위해 구축해 온 업무 프로세스(process)와 시스템으로는 4차 산업혁명의 속도와 품질수준, 원가관리, 납기관리 등을 감당하기에 역부족이라는 현실을 직시하지 못한 것에 기인한다. 이러한 데이터들은, 기존의 선진기업들이 컴퓨터 기반에서 개념 설계한 MES, ERP 등 생산, 경영 분야의 기간 시스템과 연동되어 주문이 접수되고, 경영상 판단에 의해 공장이 최적의 생산체제 하에서 운영될 것이라고 보았다. 그 이유는 명확하다. 이와 같은 시스템들은 소품종 대량생산체제(mass production)에서나 통용되는 시스템이기 때문이다. 다시 말해 기업 집단(대기업)의 주 변수와 하청업체의 종속 변수 사이에 톱다운(top-down) 방식의 선형적 프로세스(linear process)를 기반으로 개념을 디자인한 시스템인 것이다. 물론, 지난 과거의 소품종 대량생산체제 하에서의 이런 방식은 기존 많은 기업들의 성공사례로 증명됐다는 점에서 옳았다고 볼 수 있다. 그러나 앞으로 스마트팩토리를 구축하는 데 있어서는 한계점이 도출될 수 밖에 없다. 결국 개인화된 고객 및 시장, 생산현장은 필연적으로 빅데이터 관리 기술이 활용된, 바텀업 방식(bottom-up: 세부적인 데서 출발하는 방식)의 비선형 프로세스(nonlinear process)로 개념 디자인한, 인공지능 기반의 혁신적인 스마트팩토리 플랫폼을 필요로 하고 있다. 독일의 주방가구브랜드 노빌리아의 경우 매일 2600 세트, 연간 58만 세트의 고객맞춤형 주문사양으로 제작된 부엌가구를 세계 약 70개국에 제공하고 있다. 노빌리아는 개인화 생산(Personalized Manufacturing)을 선도적으로 구축하여 각 고객이 원하는 맞춤 사양의 주방가구를 생산하여 제공한다는 것이 특징이다. 노빌리아의 경쟁력은 “Manufacturing by Wire”라 불리는 자동생산방식에 있다. 생산공정을 전공정과 후공정으로 나누고 각 공정마다 고도의 빅데이터 관리기술과 정보통신기술을 접목했다. 고객이 주문한 가구에 어떤 부품이 적재적소에 들어가는지, 그리고 적시에 원하는 장소로 배달되고 있는지 등의 다양한 정보를 제공하고 있다. 이는 조립공정의 최적화는 물론, 고객 불만 접수 시 개별 부품의 문제를 찾는 데도 활용된다. 또한 노빌리아는 전공정에서 데이터 웨어하우스(Data Warehouse)를 통해 다양한 부품 및 조립품의 홀(hole) 위치를 관리하고 있다. 후공정에서는 주문 시 필요한 가공완료 부품을 데이터 관리기술을 통해 MOS(Manufacturing Operation System)로 계획관리 및 선정하고, 포장 부품에 RFID 태그 또는 바코드를 부착해 각 부품에 개별적으로 식별 가능한 ID를 부여한다. 다시 말해 인건비 부담이 큰 독일에서 자체 생산으로 경쟁력을 가져가기 위해 생산 자동화를 필수적으로 하고 있는 것이다. 이로써 독일 내 2개 공장, 2500여명의 직원으로 약 1조 5000억원의 매출을 달성한 노빌리아는 스마트 팩토리를 통해 지속적으로 품질관리는 물론 생산성을 향상시키고 있다. 아래 그림에서와 같이 제품추적시스템과 빅데이터 관리, 그리고 디지털 피킹 시스템(Digital Picking System)을 스마트 팩토리로 연계해 공급망(Supply Chain) 전반에 걸쳐 지속 가능한 시너지 효과가 창출되도록 하고 있다. 이와 같이, 기업은 앞으로 IIoT(Industrial Intelligence of Things)기반으로 제조 현장 빅데이터를 수집하고, 데이터 애널리틱스(Data Analytics: 빅데이터 관리기술)을 통해 실시간으로 데이터를 분석할 수 있는 역량을 키워야한다. 또한, 현장과 동기화된 사이버 모델(Cyber Model)을 디지털 트윈(Digital Twin) 개념으로 구성, 활용하여 제조시스템의 효율적인 설계, 운용(Operation)을 수행하는 체계를 구축해야 한다. 그래야 주문 변경, 공정 이상, 설비 고장 등의 상황 변경을 자동화가 아닌 자율적(Autonomous)으로 인지, 판단, 대응할 수 있는 지능적인 플랫폼(Platform)으로 ‘인공지능 기반 스마트팩토리’가 구축될 것이다. 따라서, 스마트 팩토리는 과거 개념의 “공장”이 아닌, 공급망(SCM)의 플랫폼이자 제조업의 새로운 경영전략이다. 그러므로 제조업은 앞으로 IIoT(Industrial Intelligence of Things)기반으로 제조 현장 빅데이터를 수집하고, 데이터 애널리틱스(Data Analytics: 빅데이터 관리기술)을 통해 실시간으로 데이터를 분석할 수 있는 역량을 키워야한다. 또한, 현장과 동기화된 사이버 모델(Cyber Model)을 디지털 트윈(Digital Twin) 개념으로 구성하고, 활용하여 제조시스템의 효율적인 설계, 운용(Operation)을 수행하는 체계를 구축해야한다. 주문 변경, 공정 이상, 설비 고장 등의 상황 변경을 자동화가 아닌 자율적(Autonomous)으로 인지, 판단, 대응할 수 있는 지능적인 플랫폼(Platform)으로 ‘인공지능 기반 스마트팩토리’를 구축할 수 있을 것이다. 기사전문보기:https://news.naver.com/main/read.nhn?mode=LSD&mid=shm&oid=018&aid=0004627435&sid1=110
-
- 작성일 2020-04-27
- 조회수 6840
-
- 박정수 교수의 현미경 '스마트팩토리'-[23]스마트팩토리와 경쟁우위 축적의 힘
- 박정수 교수의 현미경 '스마트팩토리' [23] 스마트팩토리와 경쟁우위 축적의 힘 [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 인공지능 기반 스마트팩토리는 공장 내 설비와 기계에 센서(IoT)가 설치되어 정형 및 비정형 데이터가 실시간으로 수집, 분석되고 공장 내 모든 상황들이 일목요연(一目瞭然)하게 보여지는(Observability) 것으로부터 출발한다. 나아가 생산 현장의 다양한 빅데이터 분석 및 인공지능 활용으로 점차 개인화되고 있는 시장과 고객에게 맞춰진, ‘스스로 지능화되어 제어(Controllability)되는 제조 공장’을 의미한다. 과거에는 숙련된 작업자가 원료의 색깔을 육안으로 검사하거나, 또는 설비 소음과 진동을 감지하여 경험적으로 무엇이 문제인지 파악하고 손쉽게 문제를 해결해 왔다. 하지만 인구통계학적인 측면에서 근로자 고령화 및 숙련공 감소로 인해 문제 발생 시 제대로 대응하기가 점점 어려워 지고 있는 실정이며, 소품종 대량생산 시스템에서의 자동화 측면에서도 점차 한계를 드러내고 있다. 또한, 개인화된 시장과 고객의 요구 변화에 따라 제품의 라이프 사이클(PLC)이 단축되고 있다. 맞춤형 대량 및 소량생산으로 변화하면서 가볍고 유연한 생산 체계(Lean & Flexible Manufacturing System)가 요구되고 있다. 이러한 상황에서 제조업 혁신을 위한 새로운 방안으로 부상하고 있는 것이 바로 ‘인공지능 기반 스마트팩토리’라고 볼 수 있다. 이렇듯 제조업의 근본적인 혁신을 요구하는 환경에도 불구하고, ‘지금의 공장도 충분히 스마트하다’라는 인식을 갖고 있는 기업인들이 적지 않다. 현재 대부분의 생산 현장에서는 단위 공정 별로 자동화, 최적화가 이루어져 있기 때문에 공정과 공정이 유기적으로 연계되지 않고 있다. 전후 공정에서 어떤 일이 일어났는지 알 수 없는 구조라는 이야기이다. 그래서 개별 공장에서 수집된 데이터 활용률이 현격히 낮은 수준에 머물러 있다. 그렇다면 왜 데이터 활용이 미비한 것일까? 이는 과거 산업화 과정에서 컴퓨터 기술 활용을 위해 구축해 온 업무 프로세스(process)와 시스템으로는, 4차 산업혁명의 속도와 품질수준, 원가관리, 납기관리 등을 감당하기에 역부족이라는 현실을 직시하지 못한 것에 기인한다. 이러한 데이터들은, 기존의 선진기업들이 컴퓨터 기반에서 개념 설계한 MES, ERP 등 생산, 경영 분야의 기간 시스템과 연동되어 주문이 접수되고, 경영상 판단에 의해 공장이 최적의 생산체제 하에서 운영될 것이라고 보았다. 그 이유는 명확하다. 이와 같은 시스템들은 소품종 대량생산체제(mass production)에서나 통용되는 시스템이기 때문이다. 다시 말해 기업 집단(대기업)의 주 변수와 하청업체의 종속 변수 사이에 탑다운(top-down) 방식의 선형적 프로세스(linear process)를 기반으로 개념을 디자인한 시스템인 것이다. 따라서 지난 과거 그 때는 그 방식이 옳았다. 그러나 이러한 탑다운 방식의 스마트팩토리는 한계점이 도출될 수 밖에 없다. 그러므로 생산현장과 개인화된 고객 및 시장은 빅데이터 관리 기술이 활용된, 바텀업(bottom-up: 세부적인 데서 출발하는 방식) 방식의 비선형 프로세스(nonlinear process)로 개념 디자인한, 인공지능 기반의 혁신적인 스마트팩토리 플랫폼을 필요로 하고 있다. ‘그렇게 할 수만 있다면 과연 스마트 공장이 될 수 있는가’, ‘더 나아가 고도화는 가능할 것인가’. 이것을 얘기할 때, 논리와 언어적인 표현, 그리고 기존 경영학적인 개념으로는 접근하지 말아야 한다. 왜냐하면 우리는 그와 같은 것을 이미 지식으로 학습했기 때문이다. 4차 산업혁명 시대에서는 우리가 기존에 알고 있는 지식이 변화될 수 밖에 없다. 근본적인 문제는 제조 현장과 스마트 시장(똑똑한 개인화 시장)에 대한 새로운 정의가 필요하다는 점이다. 마치 법과 규정에 대한 입법이 지지부진하거나 계류되어 수많은 정책들이 발목 잡히는 현상처럼 스마트팩토리의 근본적인 문제 역시 기존의 개념과 학습된 지식에 머무르지 않고 새로운 개념 디자인으로부터 출발하여야 한다. 이러한 새로운 개념 디자인 설계의 핵심은 시스템 구축이 아닌, 빅데이터 관리 기술을 어떻게 접목시켜 활용해 갈 것인지에 대한 청사진이 내포되어야 한다. 그래야 데이터 축적에 의한 미래 제조업의 힘이 만들어 질 수 있기 때문이다. 또한 그러한 축적의 힘이 바로 스마트 팩토리 고도화의 기반이 될 것이며, 빅데이터 관리 기술을 바탕으로 인공지능이 접목 된 지능화 공장, 즉 고도화된 스마트팩토리를 지속적으로 전개할 수 있을 것이다. 아래 그림은 스마트 팩토리를 고도화하기 위한 빅데이터 관리 기술의 속성과 연산처리를 위한 데이터 복잡성과 데이터 양에 대한 상관관계를 보여주는 자료이다. 출처 : 박정수 성균관대 스마트팩토리 융합학과 대학원 교수 출처 : 텔스타홈멜 스마트팩토리 컨설팅 소속 윤수환 프로 제공 스마트팩토리는 전후 공정간 데이터를 자유롭게 연계할 수 있어 총체적인 관점에서 최적화를 이룰 수 있으며, 생산 현장의 효율성을 지속적으로 제고시켜 나갈 수 있다. 병원으로 비유하자면, 최고의 실력을 가진 내과 전문의와 외과 전문의가 환자를 따로 진료하지 않고 서로 정보를 공유하며 협진할 때 환자를 보다 정확하게 진단할 수 있는 것과 비슷한 효율성, 바로 고도화되는 과정인 것이다. 그렇다면, 스마트팩토리 도입으로 무엇이 좋아질 것인가? 스마트팩토리가 구현되면 각 공장에서 수집된 수많은 데이터를 기반으로 분석하고, 의사결정하는 데이터 기반의 공장 운영체계(Data Driven Operation)가 갖춰지게 된다. 이를 토대로 생산현장에서 발생하는 현상, 문제들의 상관관계를 얻어낼 수 있다. 즉, 원인 불명의 돌발 장애, 품질 불량 등의 원천적인 요인을 알아내 해결할 수 있게 될 것이다. 뿐만 아니라, 숙련공들이 경험으로 얻은 노하우를 데이터화함으로써 누구나 쉽게 활용할 수 있게 된다. 예를 들면, 현장에서 발생하는 돌발상황이 모니터링 되어 비숙련자도 대응할 수 있도록 원격지에서 가이드를 해줄 수 있게 되는 것이다. 이러한 데이터들은 과거 지나간 데이터와 프로세스가 중시된, 과거 정형 데이터 중심의 MES(Manufacturing Execution System)와는 전혀 다른 인공지능 기반 기업 맞춤형 시스템MOS(Manufacturing Operation System)에 활용된다. 결국 그 자체로 고도화된 스마트 팩토리로서 지속적으로 최적화된 제어(optimized control)를 실현하게 될 것이다. 왜냐 하면 스마트 팩토리가 기초 따로 고도화 따로 존재 가능한 개념이 아니기 때문이다. 제조의 본질적 의미로 접근해 본다면, 기초에서 출발해 시간이 지나면서 누적된 효과를 기반으로 인공지능이 접목되고, 지능화되어 점차 축적의 힘이 발휘됨으로써 고도화되는 것으로 이해될 수 있다. 고도화 스마트팩토리가 적용된 제조업은 IoT를 활용한 설비 관리로 설비의 현재상태를 실시간으로 진단하게 된다. 또한 수집된 데이터를 분석하여 문제 발생이 예측되는 설비의 원인을 찾아 사전에 조치함으로써 안정적인 조업 환경을 유지함은 물론, 설비의 수명까지도 연장할 수 있게 될 것이다. 그래야 원가 우위 경영이 가능해 질 수 있다. 품질 체계도 획기적으로 개선될 것이다. 기존 문제 발생 시 원인을 분석해 대응하는 체계에서 결함 원인을 사전에 파악해 선제적으로 대응하는 체제로 바꿔 불량이 발생되지 않도록 관리될 것이다. 더 나아가 품질 이력관리가 체계화되어 지속 가능한 품질 우위 경영이 가능해 진다. 이를 위해서는 인공지능을 활용한 지능형 서비스, 산업 지능형 사물인터넷(IIIoT: Industrial Intelligence & Internet of Things), 서비스와 사물 인터넷(Intelligence of things and services)기반의 기계 및 설비 연결 기술과 그 곳에서 생성되는 빅데이터 관리기술이 뒷받침 되어야만 한다. 이로 인해 제조업의 마케팅과 경영전략은 효율성, 탄력성, 생산성 향상을 뛰어넘어 고객과 시장 특성 분석을 통한 개인화 고객과 시장을 ‘대응(Responsiveness)’하는 역량 발휘가 절실해 지고있다. 따라서, 스마트 팩토리의 고도화는 제조업의 경쟁력을 만들어가는 매우 중요한 혁신활동이다. 결국 제조업이 갖춰야 할 핵심 요소는 과학적 우수성, 또는 복잡하고 무거운 시스템이나 프로세스가 아니라 수익을 창출하기 위한 개념 디자인과 실행 디자인을 동기화(synchronization)시켜주는 소프트웨어파워(Software power)이다. 그 중심에 빅데이터 관리 기술과 인공지능이 존재하고 있다. 그러므로 스마트팩토리의 고도화를 위한 빅데이터 관리 기술과 인공지능의 궁극적인 목적은 ‘품질(Quality), 원가(Cost), 납기(Delivery)’를 혁신시켜 제조업의 경쟁우위를 도모하는 축적의 힘을 만들어내는 것이다. 기사전문보기 : https://m.edaily.co.kr/news/Read?newsId=01236566625737432&mediaCodeNo=257
-
- 작성일 2020-04-20
- 조회수 6751