제조기업들이 스마트 제조와 관련된 몇 가지 도전 과제를 이해하고 극복할 수 있도록 지원하기 위해 스트리밍 분석과 자동화 및 산업용 IoT 를 통합하는 선도적인 low-code 플랫폼 기업 Crosser사의 CEO이자 공동 설립자인 Martin Thunman씨의 통찰력을 공유한다.

디지털 제조의 도전과제를 살펴보기 전에 산업계의 지난 여정을 살펴본다. 산업혁명 1.0과 2.0시대를 생각해 보자. 기계화와 증기 동력에 이어 전력의 대량 사용이 이어졌던 시대와 현재의 우리는 완전히 다른 제조 혁신 시대를 바라보고 있다. 바로 이전의 산업혁명 3.0시대에는 자동화된 생산시스템과 IT 시스템 및 로봇 공학을 공장 현장에 도입하기 시작했다.

지난 시대의 모든 산업혁명 기술들은 관련된 공통점을 가지고 있다. 모두 어느 정도 설명할 수 있는 데이터를 생성했다. 그러나 이제 4차 산업 혁명 시대에 접어들면서 자율 시스템과 IoT와 머신 런닝 같은 기술의 혜택으로 제조 기업들은 데이터를 이용하여 공장을 보다 더 생산적이고 유연하고 비용 효율적으로 만들 수 있는 능력을 갖추게 되었다.

가능성

더 중요한 것은 데이터에 액세스하고 데이터를 분석하여 제조기업이 비즈니스 전반에 걸쳐 가치를 창출하는 데 도움이 될 수 있는 풍부한 사례를 생성하게 되었다. 

대부분의 기업들은 처음에 데이터를 수집하고 분석하기 위해 클라우드 시스템이나 데이터 센터로 보내는 것 같다.

활용 사례로 몇 가지 예를 들면, 공장 현장의 데이터 시스템을 통합하거나 이 데이터를 가져와 사용하는 것과 관련이 있다. 기계 상태를 나타내는 지표들을 전사적 자원 관리(ERP) 시스템에 통합하여 생산 계획을 세우거나 그 관리 업무에 효율적인 도움을 얻고 있다. DCS 나 SCADA 시스템에 데이터를 통합하여 기계설비 상태 및 효율성을 모니터링하여 생산의 최적화를 실현할 수 있게 된다. 

그리고, 산업혁명 4.0 기술은 첨단 자동화의 원동력이 되기도 한다. 이전 시대의 유연성이 부족한 자동화 시스템을 넘어 새로운 기술을 통해 훨씬 더 빠른 데이터를 기반으로 작동하는 자동화를 수행할 수 있다.

생산 라인을 중심으로 현장을 이해하고 데이터를 통해 통찰력을 얻어 기계와 프로세스 또는 전체 공장에 대한 목표를 설정하는 것이다. 

또한 공장 현장 이외의 프로세스에도 머신 데이터를 활용할 수 있다. 예를 들어 공급망과 영업 및 재무 등 거의 모든 부서에서 공장 데이터를 분석하는 이점을 누릴 수 있다. 기계 상태와 생산 현장 운영에만 데이터를 활용하는 것은 아니다.

도전 과제

위와 같은 사용 사례를 자사에서 실현하기에 현실적으로 어려운 도전 과제들도 많이 있다. 특히 기업 내에 소프트웨어 개발자가 없는 경우 더욱 그러하다.

Actify.com에 의하면 모든 데이터의 33%는 분석에 유용하게 사용할 수 있으나, 제조업체들은 현재 전체 데이터의 단지0.5%만 처리하고 있다고 한다.  데이터 전략을 구체화하면 데이터를 유용하게 처리할 수 있고 시간 낭비를 대폭적으로 줄일 수 있다.

그러나, 원시 데이터 관리 방법은 그렇게 간단하지 않다. 데이터 기획을 성공의 기초로 생각하는 것이 중요하다. 왜냐하면 머신 런닝이나 인공 지능(AI)과 같은 어마어마한 기술이 뒤따라 오고 있기 때문이다. 

제조기업은 데이터 전략을 구축할 때 세 가지 주요 원칙을 따라야 한다. 

먼저, 전략을 수행하는데 있어 기업 내 전체에서 실용적이고 쉽게 구현할 수 있어야 한다. 또한 기업의 목표와 관련성이 있고 맞춤화 되어야 한다. 진화할 수 있어야 하고 변화를 수용할 수 있어야 시류의 트렌드를 따라갈 수 있다.  그리고, 데이터 전략은 비즈니스 전반에 걸쳐 보편적으로 적용되어야 하고 필요할 때 쉽게 업데이트할 수 있어야 한다.

다음 과제는 여러 계층에서 나타나는 복잡성 문제다. 새로 설치한 로봇 옆에 있는 기존 기계, 여러 세대에 걸쳐 공급된 프로토콜 및 PLC(Programmable Logic Controller), 단편화된 운영 기술(OT) 시스템 및 분할된 네트워크는 다양한 데이터를 대량으로 생성하고 있지만 복잡성을 만드는 원인 중 일부일 뿐이다. 이러한 데이터 홍수를 어떻게 관리할 것인가?

대부분의 많은 제조업체들에게 있어 데이터를 관리하는 것은 어려운 일이지만 디지털 리소스가 부족하면 극복해야 할 과제가 더 많아진다. National Skills Coalition의 보고서에 따르면 조사 대상 제조업체의 3분의 1 이상이 디지털 기술이 제한적이거나 전혀 없다고 한다. 반면, 변화하는 기술에 가장 잘 적응하는 데 필요한 고급 기술을 보유한 기업은 조사 대상 기업 중 29%에 불과하였다.

현재 LinkedIn에는 130만명이 넘는 소프트웨어 업무 관련 인재를 필요로 하고 있다. 채워지지 않고 있는 이 많은 일자리는 무엇을 말하고 있는지 단편적으로 보여주고 있는 것이다. 기업은 개발자를 고용하면 IoT 문제를 해결할 수 있다고 생각할지 모르지만 밤을 새워도 고군분투할 뿐이다.

솔루션

대신 기존 팀에 권한을 부여하는 것이 중요하다. Crosser사는 스마트한 도구가 기존 팀을 지원하고 혁신을 돕는 핵심이라 믿고 있다. 앞서 언급한 도전 과제에 대한 우리의 대응은 세 가지 핵심 원칙을 기반으로 한다.

"low-code"라고 하는 접근 방식을 통해 구현되는 셀프 서비스의 단순성이다. 이 방법은 소프트웨어 개발자에 의존하지 않고 혁신을 촉진하는 것으로 업계 전반에 걸친 추세이다. 특정 사례를 개발하기 위해 끌어다 쓸 수 있는 미리 구축된 모듈과 IT/OT 협업을 용이하게 하는 시각적 디자인 흐름을 통해 소프트웨어 개발 기술이 없는 팀이 함께 작업하여 산업혁명 4.0을 기업 내 시설에 도입할 수 있다.

Crosser 라이브러리에는 모든 요청과 원하는 것에 대응하기 위해 설계되고 사전에 구축된 특징적인 블록이 있다. 제조업체는 관련 분석 모듈과 엔터프라이즈 커넥터를 선택하여 데이터를 수집하고, 데이터에 의미를 부여하고, 지능형 논리를 적용하여, 워크 플로에서 수행할 명확한 업무를 생성할 수 있다.

데이터 처리 수단을 갖추는 것만으로는 충분하지 않다. 전체 데이터 수명 기간 동안 처리할 아키텍처 또한 필요하다. 통합 플랫폼은 기존의 느린 ESB(엔터프라이즈 서비스 버스) 솔루션에서 iPaaS(서비스형 통합 플랫폼) 모델을 통해 하이브리드 통합이라고 하는 차세대 플랫폼으로 발전하게 된다.

하이브리드 아키텍처를 사용하면 on-premise이든 엣지이든 클라우드 또는 데이터 센터에 있는 통합노드 와 프로세싱을 전개하는데 있어서 완전한 유연성을 가질 수 있다. 어디에나 Low-code 솔루션을 설치할 수 있지만 단일 플랫폼에서도 처리할 수 있다.

산업계에 산업혁명 4.0 기술이 확대 전개되어 가고 있지만, 문제가 전혀 없는 것은 아니다. 데이터 관리를 현실화하기 위해 적합한 맨 파워와 지식, 인프라 등 모두 갖추는 것은 불가능해 보일 수 있다. 그러나 신뢰할 수 있고 사용자 친화적인 단일 Edge 분석 플랫폼을 구현하면 소프트웨어 개발자가 있든 없든 모든 기업에 최신 기술을 제공할 수 있다.

출처 : manufacturingtomorrow