제조업 AI 시장 연 57% 성장 예상
제조공정 문제 조기 식별 신속 해결
팬데믹에도 예측 유지 보수 등 각광
지속가능성 결정 핵심수단 ‘자리’

 
총알 잘 뚫리지 않는 탱크 소재 개발
지능형 영상보안시스템 등 적용 광범


2021년 열린 세계경제포럼(WEF·일명 다보스포럼)에서 향후 5년간 제조 분야에서의 가장 큰 변화는 인공지능(AI) ‘머신러닝(Machine Learning)이 결정할 것’이라는 데 의견이 모였다. 또 세계경제포럼은 2020년 1월 10일 4차 산업혁명 기술을 활용해 미래 세계 제조의 등대 같은 역할을 하는 18개의 등대공장(light house factory)을 발표하기도 했다.

그런데 놀랍게도 18개의 등대공장으로 뽑힌 독일의 헨켈(생활용품), 미국의 존슨앤드존슨 비전케어(콘택트렌즈), 일본의 히타치(전자부품), 중국의 하이얼(가전) 등의 기업 특징을 살펴보면 100%가 현장 공장에서 수집한 제조데이터와 AI를 도입해 성과를 창출했다는 공통점을 발견할 수 있었다.

글로벌 시장조사기관인 마켓앤드마켓의 2020년 보고서는 제조업의 AI 시장이 2020년 11억 달러에서 2026년 167억 달러에 이를 것이라고 전망했으며, 예측 기간 동안 57.2%의 연평균 성장률(CAGR)을 달성할 것으로 예상했다. 그리고 제조 AI 시장의 주요 활성화 동인으로 제조 AI 데이터셋, 진화하는 산업용 사물인터넷(IoT) 및 자동화, 컴퓨팅 성능 개선을 꼽았다.

해당 보고서는 특히 코로나 팬데믹 시기에도 제조 시장에서 AI의 예측 유지 보수(predictive maintenance) 및 기계 검사(machinery inspection application)는 향후 제조 AI 영역에서 가장 큰 점유율을 차지하고 또 발전할 분야임을 예상했다. 이를 보면 앞으로 제조 AI의 확산세는 지속하리라는 것을 예측할 수 있다.

이렇게 제조데이터와 AI 분석은 향후 제조기업의 지속가능성을 결정지을 수 있는 핵심 수단으로 자리매김하고 있다. 이러한 시대적 흐름 속에 독일, 미국, 일본 등 제조 선진국은 이미 제조데이터와 AI의 중요성을 인지하고 첨단 제조와 스마트공장의 질적 고도화에 이를 핵심요소 및 기술로 적극활용하고 있다.

그렇다면 이제 국내 제조업을 살펴보자. 국내 제조업은 우리나라 국내총생산(GDP)의 30.4%를 차지하고 있으며 국내 전방위적으로 산업성장을 견인하는 중추적 역할을 수행해 오고 있다.

그러나 현재 국내 제조업은 독일, 일본, 미국 등 제조 선진국과 중국, 인도와 같은 후발 국가들 사이에서 넛크래커(nutcracker·나라의 경제 상황이 선진국과 후발 개발도상국 사이에 끼인 현상을 호두 까는 기구에 끼인 호두에 비유한 말) 상황에 직면하고 있다. 이에 중소벤처기업부, 스마트제조혁신추진단, 한국과학기술원 K-인더스트리4.0추진본부·제조AI빅데이터센터는 2020년 12월 14일 세계 최초로 민관 합동 인공지능 중소벤처 제조 플랫폼 KAMP(Korea AI Manufacturing Platform)를 출범했다. 그리고 제조데이터·AI를 활용한 생산성 및 품질 향상을 위한 KAMP 기반사업을 추진 중이다.


제조데이터와 제조 AI의 활용 목적

제조데이터는 설비관리·품질관리·생산관리 등을 위해 제조 현장인 공장에서 수집되는 데이터를 의미한다. 제조데이터의 종류는 크게 설비 제조데이터, 운영 제조데이터, 에너지 제조데이터로 나뉜다. 설비 데이터란 생산설비로부터 발생하는 설비 상태, 설비 제어, 외부 장비와의 연결을 위한 로그 데이터를 의미한다. 운영 제조데이터란 제조 정보시스템(MES, ERP, CRM, SCM, PDM 등)으로부터 추출된 관리 데이터를 뜻한다. 마지막으로 에너지 제조데이터란 공장 설비 및 장비를 운영하기 위해 투입되는 에너지(전기, 오일, 가스) 데이터를 뜻한다.

제조업에서 이러한 다양한 종류의 제조데이터를 수집·축적해 AI를 적용하는 이유는 △장비 이상 조기탐지 △품질 이상 탐지·진단 △장비 운영 최적화를 들 수 있다.

장비 이상 조기탐지란 생산과정에서 사용되는 장비의 고장 징후를 제조 AI·빅데이터 기술을 통해 조기감지·예측해 능동적으로 높은 설비 가동률을 확보하는 것을 의미한다.

품질 이상 탐지·진단이란 생산된 제품의 품질을 영상, 진동, 소리 등 실시간으로 수집된 제조데이터를 대상으로 AI·빅데이터 분석을 통해 정상 범위에서 벗어난 불량 원인을 예측하는 것을 뜻한다.

마지막으로 장비 운영 최적화란 생산현장에서 발생하는 4M+2E(Man, Material, Machine, Method, Environment, Energy) 제조데이터에 대해 AI·빅데이터를 분석함으로써 제조공정에서 발생 가능한 문제를 조기에 식별하고 신속하게 해결해 최상의 공정 상태를 유지하는 것을 의미한다.


제조데이터와 제조 AI의 활용사례

KAMP를 활용해 제조 현장에 제조데이터 및 AI 기술을 실제 적용한 모범사례를 알아보자. 1990년 설립된 경기도의 자동차 부품 제조업체는 무선 진동센서를 통해 축적된 데이터로 개발한 AI를 활용, 단조프레스의 고장 징후를 예측해 장비 이상 조기탐지를 끌어냈다.

1947년 설립된 내화물(고온, 화학적 작용 등에도 견딜 수 있는 재료) 제조기업은 엑스레이 비파괴 검사기반 이미지 데이터를 활용해 AI를 개발한 결과 생산물이 양품인지 불량인지를 분석해 품질검사 정확도를 향상했다. 마지막으로 1999년 설립된 울산의 정밀금형 제조기업은 프레스 설비의 소리데이터를 수집·활용해 AI 금형 수명예측 모델을 개발·적용했으며 그 결과 프레스 설비 비가동 시간 최소화 및 생산성 향상을 달성했다.


국방 제조에서의 제조 AI 활용사례

국방 분야 제조물이 불량으로 군부대에 납품되면 사고로 직결돼 군 장병의 부상을 초래하고 심지어 목숨을 앗아 갈 수도 있다. 또한 국방 군수물품이 제때 제조되지 않아 생산이 지연된다면 병력과 장비의 효율적인 운영이나 전력의 우위 선점에 매우 큰 제약을 받게 된다. 그러므로 국방 분야 제조업은 앞서 설명한 제조 AI 적용 목적을 반영해 아주 정밀하고 섬세한 작업으로 생산이 이뤄져야 한다.

총알·박격포탄 제조에 있어 프레스, CNC(Computer Numerical Control·컴퓨터 수치 제어) 머신의 AI 장비 이상 조기탐지 및 제품의 불량 여부 예측을 수행할 수 있다. 총알이 잘 뚫리지 않는 탱크 소재를 AI로 개발해 보다 튼튼한 탱크를 제조할 수도 있다. AI가 탱크 제조의 연구개발(R&D) 시간 단축에 기여할 수도 있다.

경계초소, GOP, GP 등에 설치할 CCTV 제조 시 AI를 탑재하면 AI가 적인지 아군인지 확인하고 동태를 추적하며 중앙시스템에 이를 알릴 수 있는 AI 기반 지능형 영상보안시스템을 적용할 수도 있다.

이를 위해 CCTV 제조업체는 AI 분석을 위한 충분한 제조 AI 데이터셋이 필요하다. 군에 제공되는 장비 제조업체는 특정 부대의 장비 가동 현황 데이터를 확인하고 AI가 부품 교체 적기를 알려 줘 전투준비태세를 강건히 하고 군 전력 유지의 효율성 또한 향상할 수 있다.

국방 장비의 설비 건전성 유지가 적시에 이뤄지지 않는다면 장비 노화현상과 함께 차후에는 장비 유지를 위한 부품비, 인건비 등의 유지보수 비용이 증폭할 수 있다. 이렇게 국방 관련 제조에도 국방 경쟁력 강화를 위해 제조데이터와 AI 기술을 광범위하게 적용할 수 있다.

그러나 2021년 과학기술정책연구원(STEPI)이 발간한 ‘국방 분야 인공지능 기술 도입의 주요 쟁점과 활용 제조 방안’ 보고서에 따르면 군, 대학, 연구소, 방산기업 전문가 50명을 대상으로 한 설문조사에서 국내 국방 분야 AI 기술 활용성에 대해 응답자의 74%가 ‘매우 미흡’ 또는 ‘미흡’으로 답한 것으로 확인됐다.

국방 분야는 군이 요구한 군사무기·장비를 제조기업이 개발·제공하며, 제조데이터·AI 기술 적용과 함께 국방비 및 군사력의 효율적인 운영을 통해 전력 우위 유지가 가능하다는 특징이 있다. 따라서 국내 국방 분야 제조에 있어 좋은 전략참모의 역할을 할 수 있는 제조데이터·AI의 활용이 보다 확대돼 국군의 첨단화와 군사력 강화를 견인하기를 기대한다.