최근 보고서에 따르면 2022년 제조업에서의 AI는 23억 달러의 가치로 평가되며 2027년에는 167억 달러에 이를 것으로 예상하고 있다. 자동화 및 예측 분석에서 자연어 처리(NLP) 및 컴퓨터 비전에 이르기까지 다양한 형태의 AI를 채택한 결과로 IBM, Intel, GE, Siemens 같은 얼리 어답터들은 비즈니스에서 성장세를 보이고 있는 것을 알 수 있다.

아래에 제조 기업들이 그들의 공정에서 AI를 적용하여 이익을 얻을 수 있는 몇 가지 방법들을 살펴보자. 또한, 어떠한 제품 사양일지라도 비용을 절감하고 공정을 개선하는 데 도움이 될만한 다양한 AI 응용 프로그램을 공유한다.

인공지능을 제조업에 도입하는 이유

KMPG의 제조분야 책임자인 하랄드 폰 하이니츠(Harald von Heynitz) 씨는 "로봇 공학, 3D 프린팅 및 AI의 첨단 기술을 활용하면 여러 부문과 특히 틈새시장에서 공급업체의 효율성을 높이고 비용을 절감하며 안전성을 개선하는 데 매우 중요하다"고 말한다. 

인공지능이 제조업에 가져오는 이점은 크게 두 가지로 분류할 수 있다.  하나는 AI 솔루션이 비즈니스 본업에 전례 없는 성장과 확장성을 가져다 준다. 다른 하나는 직원의 노동생산성과 만족도에 긍정적인 영향을 가져온다고 볼 수 있다. AI가 제조업의 미래 모습을 어떻게 변화시킬 지에 대해 더 좀 더 자세히 알아보자.

수요 예측

적정재고 수준과 수요를 예측하는 일은 항상 개선 과제가 잠재해 있는 업무이다. 지난해 수요와 매출을 바탕으로 한 엑셀 시트와 확률 같은 구태의연한 방법이 예전에는 통했을지 모르지만, 이제 AI로 새로운 수준의 정확성에 입각하여 업무를 수행할 수 있다. 대량의 과거 데이터, 동향 및 현재 이벤트를 토대로 적절한 AI 도구 및 ML 모델을 활용하여 수요를 예측하면 정확성이 최고 수준으로 높아진다. 

여기에 공급망의 관련 요소가 포함되면, 1년 중 수요가 변동하는 시기에 어떤 제품이 가장 빨리 팔리고 있는지, 특정 품목이 얼마나 빨리 소진되는지 예측할 수 있다. 이 수요 예측 데이터와 통찰력을 토대로 매출과 재고 회전율을 높이는 동시에 비용과 과잉 생산을 줄일 수 있다.

탄소 배출량 삭감

세계경제포럼(WEF)에 의하면 세계 탄소 배출량의 5분의 1이 제조업에서 나온다. 폐기물, 과잉 생산, 화석 연료 사용 등이 탄소 배출의 주요 요인이다. 따라서 생산이 환경에 미치는 부정적인 영향을 최소화하기 위해 디지털 기술을 사용하는 일은 모든 제조 기업이 조만간 해결해야 할 과제이다. 이미 디지털 혁신을 추진하고 있다면 다음 단계는 수집한 데이터를 보다 투명하게 처리하는 것이다. 

선도 제조기업을 벤치마킹하며 탄소배출 저감 노력에 힘을 쓰면 고객들 사이에서 신뢰를 얻을 것이다. 인공지능 기술을 사용하여 생산 프로세스, 운송, 장비 등의 탄소 배출량을 모니터링하면 기업의 탄소 저감 목표에 실제로 접근할 수 있는 지름길이다. 

AI를 잘 활용하면 효율성을 최적화하고 시장 수요와 탄소 배출량을 예측하여 이에 대한 규제에 계획적으로 대응할 수 있다.

프로세스 최적화에 활용

적절한 AI 활용으로 자사 프로세스와 협력업체 프로세스를 최적화하여 생산성과 수익성을 극대화할 수 있다. 생산 공정 흐름의 변경은 비용, 생산 품질, 납기 및 생산 프로세스 등 모든 업무에 영향을 미친다. 

제품의 라이프사이클에 있어서 가장 큰 개선사항 중 하나가 자동화이다. 복잡하거나 반복적인 작업을 자동화하여 비용을 절감하고 시장 출시 시간을 단축하며, 발생하기 쉬운 인적 오류와 위험을 제거하고, 확장성과 유연성이 높은 생산 라인을 만들면 당연히 생산성은 높아지고, 에너지 소비량이 최소화될 것이다.

직원 만족도 향상

제조 과정에 AI를 도입하면 직원들의 만족도가 높아지며 정신 건강에도 가치 있는 좋은 영향을 미친다. 

한 연구에 따르면 AI는 특히 저숙련 직원들의 정신 건강을 향상시키는 것으로 나타났다. 

인공지능이 제조업의 비지니스 측면뿐만 아니라 회사 직원들에게도 정신적인 안정과 만족도를 높여주고 있다. 새로운 기술을 학습하는 데 도움이 되며 익숙해지는데 필요한 시간을 단축하고 전반적으로 작업 환경을 개선하는데 도움이 되기 때문이다. 

또한 AI를 활용하면 데이터 입력 및 엑셀 시트 생성 같은 반복적인 작업도 자동화할 수 있어 직원의 업무 생산성이 향상된다. 결과적으로 직원들이 더 중요한 다른 업무에 집중할 수 있는 시간을 만들어 준다.

인공지능 제조업무에 활용

첨단 품질 보증과 비쥬얼 검사

품질 보증의 실패는 종종 계획에 없는 추가비용 발생, 출시 시간 지연, 고객 불만 및 회사의 평판 저하를 초래할 수 있다. 

Acedia에서 이러한 위험을 제거하기 위해 고객과 함께 베어링 생산 공정의 향후 품질을 예측할 수 있는 솔루션을 개발하였다. 이 프로젝트는 기계 학습 및 컴퓨터 비전 모델을 사용하여 기능이 떨어지는 베어링의 업로드된 사진들을 토대로 베어링의 품질을 인식하고 분류한다. 수집한 데이터를 크라우드에 올려 예측 분석으로 전 세계 고객 공장에 베어링이 도달하기 전에 생산 과정에서의 오류를 검출하게 된다. 또한 정확한 원인 분석 및 생산 최적화를 수행할 수 있다. 

맥킨지 보고서에 따르면 인공지능은 사람이 하는 검사에 비해 결함 판별 정도을 90% 증가시킬 수 있다고 한다.

로보틱스

최근 연구에 따르면, 현재 사용되고 있는 모든 로봇의 약 90%가 제조 시설에 분포되어 있다. 제조업 관련자와 로봇에 대해 이야기를 해보면, 사람들은 종종 주로 하드웨어를 생각한다. 그러나 로봇은 하드웨어에 의존하는 만큼이나 그 뒤에서 소프트웨어가 지원하고 있다. 

로봇에 첨단 AI 및 ML 모델을 사용하면 생산 공장에서 로봇이 사람보다 훨씬 빠르게 작업을 수행하는 동시에 오류 위험을 제거할 수 있다. 모든 로봇은 특정 작업을 전문적으로 수행하며 관리자가 근태를 감독할 필요도 없이 완전히 독립적으로 작업한다. 이는 조립, 자재 취급, 용접, 액체물질 분사 또는 제거 등 정확하고 빠르고 안전하게 작업을 할 수 있어 사람은 보다 중요하고 부가가치 있는 일에 집중할 수 있다는 것을 의미한다.

이슈 보고서 작성

AI, 특히 자연어 처리(NLP)를 활용한 보고서 작성은 일반적으로 챗봇을 사용한다. NLP는 구조화되지 않은 인간의 언어를 이해하고 이를 구조화된 데이터로 변환하여 분석할 수 있는 아주 새로운 기술이다. 챗봇을 사용하면 항상 다양한 생산 수준의 프로세스, 기계 부품 및 상태에 대한 정확한 실시간 정보를 얻을 수 있으며, 특히 시간에 민감한 문제일 때 매우 중요한 역할을 한다. 

NLP 및 챗봇 사용 기타 사례 분야를 보면 고객 지원 자동화, 배송 또는 업데이트 알림, 현장에서 올라오는 문의점 관리, 재고 및 공급업체 관리에 활용하고 있는 것을 볼 수 있다. 데이터베이스 및 지식에 대한 빠르고 쉬운 액세스, 효율성 및 운영 개선, 최종 사용자를 위한 혁신적인 쌍방향 대화 환경 등 공장 내 전체에 수많은 이점을 가져다 준다.

사이버 보안

제조업에서 AI의 또 다른 중요한 활용 사례는 산업 사이버 보안이다.  IoT 공격, 공급망 감염, 피싱, 지적 재산권 도난, 심지어 랜섬웨어 등 이것들로 인해 많은 돈과 귀중한 데이터가 손실될 수 있다. 

특히 제조업은 해킹에 성공하면 수익성이 좋은 산업이기 때문에 해커들이 선호하는 공격 목표이다. 2020년에만 제조업체의 40% 이상이 사이버 공격을 받았다. 중소기업에서부터 일류 제조기업에 이르기까지 다양하다. 2017년 자동차 제조업체 혼다에 대한 공격이나 르노-닛산에 대한 랜섬웨어는 아직도 기억이 생생하다.

권장 보안 지침과 사이버 보안 프레임워크 채택 등 당연히 모두에게 필수적이다. 그러나 이것 만으로는 위협을 해결하고 위험을 최소화하는 데 충분하지 않다. 인공지능 중심의 사이버 보안 전략이 새로운 표준과 규범이 되고 있다. 

악의적인 내부 정찰 행위, 명령 및 제어 공격(외부 원격 액세스 도구 사용 포함), SMB brute force 공격, 계정 스캔 등을 AI를 활용하여 탐지할 수 있다. AI는 이러한 모든 위협과 공격을 실시간으로 감지하여 빠르고 효율적이며 정확하게 교정단계를 거쳐 복원할 수 있다. 또한 모든 네트워크 트래픽에서도 데이터를 수집하고 로그와 이벤트를 분석하여 위협을 예측할 수 있다.

제조업에서 AI의 미래는 무엇을 의미하는가?

딜로이트의 최근 보고서에 따르면,

• 제조업에서 매년 약 1,812페타바이트의 데이터를 생성하고 있는 것으로 추정되며, 이는 소매, 금융, 통신 및 기타 산업보다 훨씬 많은 것으로 나타난다.

• 제조업 기업의 93%는 AI가 비즈니스 부문 전체의 성장과 혁신을 견인할 것이라고 확신하고 있다.

• 조사 대상 기업의 83%는 AI가 수익에 긍정적인 영향을 미칠 것으로 생각한다.

글로벌 시장의 경쟁력이 높아지면서 식품, 의약품, 화학, 자동차, 전자 등 제조 부문의 업종이 AI 활용 경쟁에 합류하고 있다. 그러나 AI 기술 스택의 원활한 활용은 도전 없이는 이루어지지 않을 것이다. 

AI 활용을 생각하고 있는 제조기업 앞에 놓여있는 가장 큰 과제는 숙련된 인재의 필요성과 사내 자원에 대한 신뢰 부족이다. 

이 어려운 도전에의 접근법으로 AI 활용에 성공한 얼리 어답터들이 선행하였던 전담 AI 팀을 아웃 소싱하는 것도 하나의 방법이다.

참조 : manufacturingtomorrow​