AI 제조업 시대는 분명히 오겠지만.... '관건은 시기'

다양한 제조 산업의 기업들이 AI 사용을 시작했다. 그러나 이 기술이 제조업에서 황금기를 맞을 준비가 되어있는지는 아직 확실치 않다. 
 
제조업 내부에서도 품목에 따라 제조 과정에 편차가 크다. 심지어는 한 부문 내에서도 기업마다 차이가 나는 경우가 종종 있다. 그러나 고가의 장비 및 숙련된 인력을 늘 필요로 한다는 점, 그리고 비용 절감을 위해 기계 및 인력 모두 최적의 방식으로 배치되어야 한다는 점은 거의 모든 종류의 제조업이 공유하는 특징이다.

다양한 제조업 분야의 기업들은 현재 제조 공정 개선을 위해 AI를 활용하고 있다. 대부분의 경우, 고유한 프로세스에 맞추기 위한 맞춤형 AI 솔루션이 필요하다. 대개 교차조직팀(cross-organizational teams)은 서로 협력해야 한다. 최소한 제품 및 엔지니어링팀이 참여해 원재료 및 부품을 가져와 판매 가능 제품으로 전환하는 기업 고유의 방식에 적합한 솔루션을 구축해야 한다. 
 

 AI, 기저귀 제조를 개선하다
프록터 앤 갬블(Procter & Gamble)의 CIO인 비토리오 크레텔라는 자사의 AI 활용 현황에 대해 다음과 같이 전했다.

“P&G의 모든 비즈니스 영역이 자동화, AI 및 머신 러닝과 같은 신기술의 영향을 받고 있다. 이를 감안해 기업 전반에 걸쳐 디지털 역량을 강화하고 AI 활용을 2배로 늘려 비즈니스 및 소비자를 위한 추가적인 혜택을 창출하고 있다. 빠르게 발전하는 한 분야는 디지털 솔루션이 품질 및 회복탄력성 개선에 기여하는 제조 환경이다.”

기저귀 제조 방식을 고민하는 소비자는 드물겠지만 P&G는 이 프로세스에 완벽을 기하고자 지난 수십 년간 노력해왔다. 기술은 늘 이러한 임무를 가능케하는 필수 요소였다. 최근에는 세계적으로 유명한 브랜드 중 하나인 팸퍼스(Pampers)의 생산 개선에 AI가 상당히 중요한 역할을 했다. 

기저귀 생산 과정은 생각보다 정밀함을 요한다. 최적의 흡수력, 누출 방지 및 편안함 보장을 위해 여러 겹의 소재를 매우 정밀히 조립해야 하기 때문이다. 팸퍼스의 제조 공정은 각 기저귀 조립을 위해 40개 이상의 개별 글루 스트림(glue streams)을 필요로 한다. 글루 스트림의 경우, 분당 기저귀 1,200개의 생산 속도로 완벽한 일관성(consistency)을 가지고 작동할 수 있어야 하며, 이 모든 작업은 전 세계 각기 다른 140개 제조 라인에서 이뤄진다.

P&G 엔지니어들은 AI 모델 훈련에 사용할 데이터를 캡처하는 고속 데이터 수집 시스템을 개발했다. 그들이 직면한 과제 중 하나는 생산 오류의 간헐성과 관련 있었다. 상당한 비용 및 혼란을 초래하지만 자주 발생하지는 않아 실패 이벤트(failure events)가 훈련 데이터에 제대로 반영되지 않았던 것이다.

이 문제를 해결하기 위해 엔지니어들은 글루 오류(glue errors)가 없는 기저귀를 생산하는 제조 라인과 각기 다른 방식으로 오류를 일으키는 제조 라인을 모두 모방해 추가 데이터를 생성하는 고충실도(high-fidelity) 핫글루(hot-glue) 데이터 시뮬레이션 모델을 만들었다. 

P&G 엔지니어들은 마이크로소프트와 협력해 개발한 AI 플랫폼을 사용하여 실제 데이터 및 합성 데이터 모두를 활용해 훈련한 모델을 개발했다. 이제 이 모델은 실시간 제조 라인에 설치되어 있으므로 라인 운영자는 실시간 알림을 받아 제조 및 글루 스트림 모델 오류를 신속히 지시 및 해결할 수 있다. 

크레텔라는 “이 새로운 모델의 경우, 부모들이 팸퍼스에게 기대하는 무결성 및 제품 우수성 유지에 도움이 됐다. 비즈니스 측면에서 보면 글루 관련 스크랩을 80% 줄일 수 있었다. 이는 상당히 성공적인 결과다”라고 말했다. 
 
AI, 반도체 제조에 기여하다
AI를 위한 근간 기술을 개발하는 칩 제조업체들은 AI 기술을 소비자이기도 하다. AMD의 CTO인 마크 페이퍼마스터는 “데이터에 기반한 예측 분석 수행에 AI를 활용하고 있다. 현재 업계 전반에 걸쳐 배포되고 있는 것으로 안다”라고 전했다. 

AMD는 팹리스 기업으로서, 반도체를 설계하고 파트너사를 통해 제조한다. 이미 모든 프로세스 및 공급망 파트너의 센서에서 방대한 양의 데이터가 수집되고 있다. 이러한 정보는 다양한 방식으로 저장되고 활용된다.

페이퍼마스터는 “데이터 레이크를 생성했기 때문에 상당히 효율적인 방식으로 데이터에 액세스할 수 있다. 이를 통해 AI를 다양한 방식으로 활용할 수 있다.  설계 및 제조의 상호작용을 바탕으로 수율 개선이 있는 지점을 파악하기 위해 데이터를 검토한다”라고 말했다. 

페이퍼마스터에 따르면, AI는 칩 수율 개선 및 공급망 운영의 병목 현상을 찾기 위한 ‘건초 더미에서 바늘 찾기’ 작업에 상당히 효율적인 것으로 입증됐다. 그는 “데이터를 얻은 다음 올바른 질문을 던지고 발견한 바를 실행에 옮길 수 있는 적절한 팀을 만들어 제조 흐름을 개선하고 효율성을 증대하는 게 핵심이다”라고 말했다. 

또 다른 칩 제조업체인 엔비디아는 반도체가 AI를 활용하는 이상적인 소비처라는 데 동의한다. 엔비디아의 CTO인 마이클 케이건은 “칩 제조는 1,000개 이상의 단계를 필요로 하며, 각 단계는 거의 완벽히 수행되어야 한다. 정교화된 계산은 모든 단계에서 수행된다. 생체 분자 크기의 피처(features)를 만들어내고 패턴화 한다. 또한 AI는 결함 감지 및 장비 모니터링을 위해 활용된다”라고 말했다. 

자사의 제품을 활용
지멘스(Siemens)는 자사 제품에 AI를 적용하고 120개 이상의 공장에 걸쳐 있는 자체 제조 공정에 이를 활용하기도 한다. 또한 고객이 더 적은 노력 및 재료로도 제품을 설계할 수 있도록 디지털 트윈(digital twins)을 제공한다. 이 시뮬레이션 소프트웨어 또한 AI를 사용한다. 

지멘스의 CIO인 한나 헤닉은 “IoT 분야 전문 기업이기도 한 지멘스는 물리적 환경 및 실제 환경을 연결하는 소프트웨어 및 커넥티드 하드웨어(connected hardware)를 제공한다. 또한 정보 기술 및 데이터 분석과 AI를 활용해 공장 및 생산 라인 자동화뿐만 아니라 자율성 개선을 위해 실제로 적응성을 높이는 솔루션을 제공한다”라고 설명했다. 

그는 제조업의 AI 활용이 향후 더욱 증가할 것이라고 예측했다. 그는 “예를 들어, 특정 로봇 팔이 수행하는 프로세스 변경을 통해 실수를 최소화할 수 있음을 발견할 수 있다. 혹은 생산의 특정 부분 재배치가 낭비를 줄이는 데 기여할 수 있음을 인지할 수도 있다”라고 언급했다. 

실제로 지멘스는 최근 엔비디아와의 파트너십을 통해 AI 기반 디지털 트윈 기술을 제공한 바 있다. 고객이 프로세스를 시뮬레이션하고 방대한 양의 합성 훈련 데이터를 생성하도록 지원하기 위해 지멘스 엑셀러레이터(Xcelerator) 플랫폼과 엔비디아 옴니버스(Omniverse)를 결합했다. 또한 이들은 합성 데이터 처리에 도움이 되는 도구를 곧 제공할 예정이다. 
 
제조업의 AI 혁신, 아직은 대기업 전유물
AI를 실험하는 앞선 제조 기업들이 나름의 효과를 거두고 있지만 상당한 양의 맞춤화가 확산에의 걸림돌이다. 초기에 AI 트렌드에 편승하고자 결정한 CIO들의 경우, 개발 및 유지보수 비용을 지불한 이들이다. 크레텔라는 “제조 자산의 고유한 다양성을 고려할 필요가 있다. 완전히 표준화된 접근 방식을 구현하기가 어렵다. 그러나 업계에서는 각 공장에서의 특정 사용 사례 구현을 위해 플랫폼 구성요소를 공통 분모로 표준화하고 있다”라고 설명했다. 

P&G와 같이 상당히 큰 기업의 경우, 다양한 제품 라인에 재사용할 수 있는 모듈을 개발할 만하다. 그러나 이러한 접근 방식은 소규모 조직 혹은 제품군 범위가 적은 기업의 경우 적합하지 않다. 대부분의 기업은 대규모 맞춤화를 위한 리소스가 부족하며 자체적인 재사용 가능 구성요소를 개발할 가치가 있는 제품이 충분치 않다. 더 많은 표준 도구를 사용할 수 있는 새로운 시대는 좀 더 기다려야 할 수 있다.  

대기업은 다른 이점도 가지고 있다. 각기 다른 프로젝트에 사용할 자체 플랫폼을 구축할 수 있기 때문이다. 크레텔라는 “AI가 진정한 차별화 요소가 되기 위해서는 일회성 이니셔티브를 넘어 다수의 회사 범주 및 전 세계 시장 전반에 걸쳐 알고리즘 솔루션을 체계적으로 확장해야 했다. 이 프로그램을 통해 우리는 품질, 회복탄력성을 제공하고 물 및 에너지 소비를 최적화하는 특정 사용 사례를 가능케하기 위해 수백 개의 공장에 AI 플랫폼을 구현하고 있다”라고 덧붙였다. 

엔비디아의 케이건은 업계가 표준화 수준에 도달하면 모델 및 프레임워크를 중심으로 발전할 것으로 예상했다. 엔비디아 또한 조직이 고도로 숙련된 AI 전문가 없이도 AI 프로젝트를 시작할 수 있도록 돕는 소프트웨어 일부를 제공하면서 이 방향으로 나아가고 있다. ciokr@idg.co.kr