챗GPT 제조현장 개선활동에 활용 가능성 시험

제조현장 개선 과거사례나 주의점 찾는데 생성 AI 활용 

챗GPT로 대표되는 생성 AI(인공지능)에 관심이 집중되고 있는 가운데, 제조 현장에서의 활용 방법을 생각할 수 있을까?

발 빠르게 제조현장 개선활동을 지원하는 툴로 챗GPT 활용을 적극적으로 검토하고 있는 중견 제조기업이 있어 이를 소개한다.

중견 자동차 부품업체인 아사히철공과 그 기업 제조 현장 개선 성과와 노하우를 IT기술과 접목한 솔루션을 신사업으로

사외에 제공하고 있는 IoT 서비스 기업 아이스마트테크놀로지스(i Smart Technologies)의 챗GPT활용 추진사례를 소개한다.

IoT로 개선 사이클 고속화

아사히철공은 자동차 금속부품을 가공하는 중견 제조기업이다.

이 회사는 공장 개선활동의 일환으로 IoT(사물인터넷)를 활용한 시스템을 자체 개발해 큰 성과를 내고 있다.

그리고, 사외에 사례를 확대 전개하기 위해 신사업으로 IT벤쳐기업 iSmart Technologies를 설립했다.

이 회사는 IoT를 포함한 선진 디지털 기술 활용을 적극적으로 추진하고 있다.

아사히철공에서는 iSmart Technologies가 개발한 현장 가시화(可視化) 툴 「iXacs(아이작스)」를 활용해

연간 약 4억엔의(2015년 대비) 노무비 삭감 실적을 올렸다. 또한, 설비 전력 소비량에 대한 가시화 활동을 추진하여 26%(2013년 대비) 삭감했다.

아사히철공과 아이스마트테크놀로지스 두 회사의 대표이사인 기무라씨는 제조현장에서 IoT를 활용하는 목적에 대하여 다음과 같이 설명한다. 

"경영의 가치로 연결하는 것이 모든 개선 활동의 목적이다. 이러한 시점에서 생각했을 때 부가가치 있는 작업 외에 부수작업이 개선의 대상이다.

이러한 부가가치가 없는 작업의 부하를 제거해 나가는 것이 중요하다.

IoT 등 디지털 기술을 활용한다고 해서 실제 작업 내용 자체가 크게 달라지는 것은 아니지만 개선 속도가 매우 빨라진다.

개선 사이클을 앞당길 수 있기 때문에 이것이 모이면 큰 차이를 낳게 된다 "

개선 노하우를 카탈로그 화하여 사례 전파 아이템 목록을 작성

그러나, IoT 활용으로 개선 활동 주기 자체는 빨라졌지만 개선 방법은 사람에 따라 관리하는

방법이 달라 각자 개인이 종이나 파일로 저장하고 있었다.

이미 실적이 나온 개선 노하우와 패턴 등도 전사 공유되고 있는 상태는 아니었다. 

이 개선 노하우를 전사 공유하여 제조 현장 문제에 대한 대책의 조기화와 인재육성시

교육 효율화를 목적으로 노하우를 추출해 만든 것이 전사 확대 아이템 리스트(노하우집)다.

개선 활동은 현장에서 실제로 일하고 있는 사람들이 직접 발견하는 문제와 인식 등을

토대로 부가가치 있는 업무 프로세스로 개선하는 것이 중요하다.

각 현장에 맞는 최적의 개선 내용을 작성하기 때문에 개선 활동과 사례를 목록화해도 다른 현장에서 그대로 사용할 수 있는 경우는 드물다.

그러나, 거기서 사용한 생각이나 아이디어, 방법 등은 활용할 수 있다.

아사히철공에서는  이 전사 확대 아이템 목록 작성 시에, 색인으로 사용할 수 있도록 어떠한 발상으로

개선하였는가를 나타내는 「상위 개념」을 설정하였다.

먼저 이 상위 개념을 기반으로 활용할 수 있는 개선 아이디어를 내도록 유도하는 한편 구체적인 사례도 확인할 수 있도록 만들었다.

상위 개념으로서 설정한 색인은

· 「필요 없게 한다 (원래 그 일이 필요한가를 검토한다)」 

· 「대기 시간 짧게」 

· 「동시에 실시」 

· 「거리를 짧게」 

· 「부수 작업을 없앤다」 

· 「신경 쓰는 일을 없앤다 (직접 관련 없는 공정, 신경 쓰이는 요소 등)」 

· 「고속화」 

· 「관리 철저」 

· 「순간 정지를 없앤다」의 9가지이다. 

”이렇게 개선의 시각이 전사적으로 공유 인식됨으로써, 과거에는 발견하지 못해 방치되어 있던 낭비를 공유하고 인식하게 된다.

상위 개념이 개선 아이디어를 생각해 내는 힌트가 되면 좋겠다“ 고 사장인 기무라씨는 말했다.

챗GPT에 전사 확대 개선 아이템 목록 사례를 질문

이 전사 확대 아이템 목록을 토대로 실시한 개선 활동으로, 실제로 많은 성과를 창출하였다.

개선 활동 사례에 상위 개념을 설정한 것이 200개 이상 축적되었다. 

문제는 개선 사례가 늘어날수록 목적에 부합하는 사례를 찾기 어려워진다.

이 경우 효율을 올리기 위한 개선 구조가 오히려 부담스러워지는 정서적 측면도 발생하고 있었다.

게다가 개선 사례 기록 방법 등도 여러모로 생각은 해보았지만, 직원들 간에 개인차가 발생하여,

사례에 따라서 활용하기 어려운 것이나 이해하기 어려운 것도 있었다.

이러한 문제들이 발생하고 있는 가운데 챗GPT 등 생성 AI에 대한 관심이 높아져 「이것을 사용할 수 없을까」라고 생각하게 된다.

「전사 확대 아이템 리스트의 활용 부하가 높아지고 있는 중에 챗GPT를 활용하여, 자연언어로 질문만 해보아도 일치될 것 같은

상위 개념과 그 사례 등을 간단하게 찾아낼 수 있게 되었다. 또한 입력 방법에 대한 직원 간의 편차도 생성 AI로 흡수할 수 있으면,

입력시 직원간의 차이도 관리를 할 수 있다」라고 기무라씨는 말한다.

구체적으로는 챗GPT에 전사 확대 아이템 목록의 내용을 읽게 하고, 자연언어로

질문만 하면 상위 개념을 포함한 최적의 개선 사례를 답변할 수 있도록 했다. 

예를 들어 '머시닝 사이클 타임의 사례는?'이라고 입력하여

물으면 '설비' '목표' '내용' '상위 개념' '주의점' 등을 항목화해 조목조목 대답해준다.

「질문에 대한 대답은 안정되어 있지 않으며 실수도 있지만, 생성 AI를 사용하는 의도는 개선 활동의 발상이 떠오르게 하기 위해서이다.

이러한 의미에서 생각하면 다소의 실수는 그렇게 큰 문제가 되지 않는다. 챗GPT가 질문의 의도를 읽고, 우리가 생각하고 있는 것 이상으로

알기 쉽게 정리해 답변해 주는 경우도 있다. 이번에도 주의점 등 읽어 들인 데이터는 정리되어 있지 않았지만, 

챗GPT가 필요하다고 생각해 정리해 주고 있었다. 이러한 정리 방법에서 힌트를 얻어 새로운 아이디어가 떠오르는 경우도 있다」고 기무라씨는 의미를 부여한다.

현재는 시스템 측면에서의 제약 등도 있고 제조 현장의 실제 환경에서 활용하기까지에는 아직 이르지만,

시험적으로 검증하는 단계에서는 「활용할 수 있을 것 같은 느낌을 받았다」고 기무라씨는 자신감을 보였다.

현 단계에서 해결해야 할 과제로 데이터량이 부족하다.

전사 확대 아이템 리스트에 있는 모든 사례를 읽게 할 수 있는 것은 아니기 때문에 질문을

했을 때 의도한 답변을 이끌어내지 못하는 경우가 있다. 머지않아 이러한 제약도 해소될 것으로 생각한다.

이렇게 시스템상의 제약을 해결한 후 i Smart Technologies사에서 사외에 제공하고 있는 개선 GAI(Generative AI)솔루션에 접목해 나갈 방침이다.

자사뿐 아니라 여러 회사에서 개선 활동 사례를 공유하고 생성 AI로 쉽게 개선 노하우를 유도해낼 경우 개선 사이클 속도를 올릴 수 있다. 

제조 현장에서 가장 중요한 것은 개선활동의 내용이다.

부수적으로 발생하는 부가가치가 없는 작업의 부하를 철저히 절감해 나가는 것이다. 이런 의미에서도 생성 AI에 거는 기대가 크다.

참조 | https://monoist.itmedia.co.jp/mn/articles/2307/11/news076_2.html​