다양한 산업에서 많은 기업들이 디지털 변화를 시작하고 있다. 그런데, 많은 기업들이 조직의 모든 분야에서 이 변화를 운영할 만한 시스템적 접근에 대해서는 놓치고 있는 부분이 많다. 이 ‘디지털 변화의 이해’부분에서는 다양한 산업에서 기업들이 어떻게 이런 변화를 동시다발적으로 계획할 수 있는지에 대해 설명하고자 한다.

오늘날 대기업들은 IIoT와 같은 새로운 기술들이 제품, 비즈니스 프로세스, 그리고 SCM에 어떤 변화를 가져올지 충분히 생각해야 한다. 전략 수립 단계에서 기업은 5년, 10년, 20년에 걸친 장기적인 전략을 세워야 하는데, 이런 변화 전략은 회사의 경쟁상황의 변화, 서비스 전달체계의 변화 그리고 인더스트리 4.0, 스마트 제조, 스마트 연결 자산 등 현존하는 모델들을 반영해 세워진다.

사람, 프로세스, 그리고 기술은 운영 수월성을 시작하는 데 있어 토대가 된다. 그리고 이는 일반적으로 조직의 리더들에 의해 이루어 진다. 시장선도 기업들은 운영의 전반에 걸쳐 성과를 향상 시키기 위한 메트릭스 프로그램과 함께, 사람, 프로세스, 그리고 기술적 능력의 성장과 목표 설정을 위한 성숙된 모델을 가지고 있다. 대부분의 기업들은 10년이 넘는 기간 동안 운영 수월성의 시행을 다양한 형태와 유행에 따라 시도하고 있다. 종종 이런 시행은 린 또는 식스 시그마와 같은 회사의 지속적 성장 능력과 복수의 경영 시스템과 합쳐져 시행이 되어 왔다. 한 걸음 더 나아가, 제조 회사는 기업의 기술 능력향상뿐만 아니라 혁신을 드라이빙 할 수 있게 운영 수월성 계획을 지속적으로 진화 시킬 필요가 있다. 이는 “실패는 자주 그리고 빠르게 하라!”라는 스타트업 정신을 의미하기도 하는데, 이는 대부분의 지속적인 개선 계획에 의해 전재된 전형적인 1%~2% 이익보다 훨씬 더 많은 것을 제공할 가능성을 가지고 있는 파일럿 프로젝트에서 나타난다.

전통적으로 기업 아키텍처는 IT기업에 의해 만들어져 왔고, 일반적으로는 IT 스택과 기업 어플리케이션 환경의 진화를 위한 탄탄 프로세스 구축에 집중되어 있었다. 이와 별개로 자동화, 기술 협력, 그리고 진보된 제조업체들(OT기업들이라고 일컫는다)은 플랜트 단위 기술을 위해 기술 아키텍처를 가지고 있다. IIoT의 출현과 함께, LNS 리서치는 IT-OT 전체에 걸쳐 기업 아키텍처의 프로세스와 공식 기준을 적용하는 것을 추천하고 있다. 이를 효과적으로 완료하기 위해서, 산업의 기업들은 IT와 OT에 걸쳐 서로 협력할 필요가 있다. 그리고 이는 디지털 오피스의 리더가 성공하기 위해 반드시 이뤄야 하는 중요한 부분이다.

종종 기업들은 넓은 의미에서의 전략적 목표와 운영 수월성, 그리고 운영 아키텍처의 연관성을 고려하지 않고 비즈니스 사례개발과 솔루션을 선택한다. 일반적으로 비즈니스 사례개발 계획은 프로세스와 기술 모두에 조해가 깊은 전문가에 의해 시행 될 때 성공적일 수 있다.

이런 전문가들을 구별해 내는 것은 여간 쉬운 일이 아니다. 보통 이들은 IT/OT 역할을 둘 다 할 수 있는 진보된 제조 환경에서 활동을 하며, 세부적 비즈니스 기능 또는 조직의 기술적 지원을 하는 리더들이 많다. 비록 비즈니스 사례가 만들어지기 전에 다양한 디지털 변화의 영역들이 완료될 필요는 없지만, 전문가들은 이미 상호작용을 하고 있다. 이런 관점에서 기업이 기술 투자를 일회성 비즈니스 사례로 보지 않는 것이 중요하다. 대신 향상되는 운영 수월성의 성숙도와 장기 전략적 목표의 뒷받침에 따른 운영 아키텍처와 함께하는 장기적 비즈니스 사례개발로 봐야 한다. 또한, 강력한 비즈니스 사례는 선택 활동에 있어 의사 결정을 하고 어떤 결정이 더 나은지 조사를 하는 데 있어 위험 기반 이론이 될 것이다.

종종 기업들은 프레임워크의 전반적 부분을 드라이브 할 수 있도록 솔루션을 먼저 선택하면서, 디지털 변화를 거꾸로 시작하는 경우가 있다. 다시 한번 강조하는데, 솔루션의 선택은 포괄적 계획의 일부분으로 보는 것이 매우 중요하다. 솔루션 선택은 진공상태에서는 절대 성공할 수 없고, 유행을 따르거나 운영의 변화에서 이루어 진다면 이의 적용은 점점 힘을 잃게 될 것이다. 성공적인 솔루션 선택을 위해서는 많은 편견을 제거할 수 있고 IT, OT를 포함한 조직의 모든 연관된 부분을 통합 할 수 있는 효과적인 솔루션 선택 프로세스를 구축해야 한다.

새로운 운영 아키텍처 모델로의 전환에 있어, 기업들은 기업 아키텍처의 확장된 범위로 이동할 필요가 있다. 이 확정된 범위는 반드시 엣지분석과 공급자, 국제 운영, 소비자 그리고 제품들의 가치 사슬에 걸친 어플리케이션과 함께 운영 요소를 반영해야 한다. 또한 어플리케이션과 클라우드/직접설치 그리고 시간 연속/구조/구조화 되지 않은 데이터 종류를 포함한 분석환경에 걸쳐 있어야 한다. 조사에 따라, 이 확장된 모델은 연결, 클라우드, 빅데이터 분석 그리고 어플리케이션 개발과 같은 IIoT 플랫폼의 주요 구성요소를 포함해야 한다. 이 확장된 범위는 기업의 의미 있는 아키텍처 결정을 하기위한 세부적 단계를 언급하기에는 너무나 광범위 한다. LNS 리서치는 3단계 접근방법을 추천한다. 레벨1은 모든 범위를 포함한다.



다음 단계의 세부내용에서, 고단계 아키텍처의 주요 요소는 반드시 포함되어야 한다. 예를 들어, 구조화된 데이터 분석과 어플리케이션을 위한 기업의 레벨2 운영 아키텍처는 기업 어플리케이션의 전통적 범위를 넓게 맵핑 한다.

이런 아키텍처를 구성하는데 있어, 전통적인 어플리케이션인 ERP, PLM, MES, SCM, 그리고 CRM에 너무 집중하지 않는 것을 당부한다. 대신에 실행/계획/분석에 사용된 시스템/운영, 시스템/가치 사슬 시스템에 이러한 맵핑을 한다. 그런 다음 다른 어플리케이션을 이 모델에 맵핑 할 수 있다.



운영 아키텍처의 또 다른 중요한 영역은 전통적으로 운영에 있어 디바이스와 자산의 연결, 그리고 엣지분석을 위한 레벨2 운영 아키텍처인 기업 어플리케이션과 함께 운영되지 않았다는 것이다. 이 단계에서 기업은 차세대 IIoT 프로토콜과 게이트웨이 뿐만아이라, 전통적 컨트롤 시스템 체계의 데이터 흐름과 안정성을 보장하기 위해 네트워킹과 자동화 인프라를 운영할 필요가 있다. 이 부분이 가장 혁신적이고 변화가 많이 일어나는 영역이다. 많은 기업들이 IIoT 기술이 클라우드와 게이트웨이의 독점형태로 흘러가는 게 아닌가 많은 걱정을 하고 있다. 그러나, 기업의 대다수는 이를 직접 컨트롤 하고 정보가 여전히 전통적인 흐름뿐만 아니라 새로운 평평 계층 구조로도 흐르는 예측가능한 미래를 위해 하이브리드 모델을 사용할 것이다. 이는 기업이 디바이스, 게이트웨이, 사내, 그리고 클라우드에 걸쳐 서로 조화를 이루는 데이터와 연결 모델이 필요하다는 것을 의미한다. 또한, 플랜트 영역에서 IIoT로의 이동을 위한 비용 효율, 리던던시, 그리고 고장 방지 연결, 저장 환경이 필요하다는 것을 의미하기도 한다.



가장 세부적인 관점(레벨3 운영 아키텍처)에서 레벨 2의 개별적이고 세부적인 요소는 통합되어야 한다. 예를 들어 이 클라우드는 기능의 세부적 조각들을 포함하고 있다. 이는 MOM(Manufacturing Operations Management) 또는 세부 엣지분석, 어플리케이션, 안전, 디바이스 운영, 그리고 스마트 연결 디바이스에 사용하는 커뮤니케이션 프로토콜에 포함되어 있다.

LNS 리서치는 빅데이터가 무엇이고 산업 현장에 어떻게 적용될 수 있는지에 대한 비교적 포괄적인 IT관점을 가질 것을 권유한다. 한 가지 정의는 널리 받아들여지고 있는 빅데이터의 3V이다.

• Volume(양)
• Velocity(속도)
• Variety(다양성)

산업 영역에서 우리는 많은 양의 데이터와 속도의 데이터를 다루어야 했다. 보잉에 따르면 787 기종이 한 번의 비행에서 약 0.5테라바이트의 데이터를 생산한다고 한다. 우리가 다루지 않았던 것은 다양성이었다. 이 데이터의 대부분은 상대적으로 잘 구조화된 프로세스 데이터로 시간에 따라 저장 되거나 엔터프라이즈 어플리케이선에 구조화된 데이터로 저장하기위해 송신된 데이터들이다.

IIoT의 출연과 함께, 데이터는 이미지, 비디오, 구조화되지 않은 텍스트, 진동, 또는 소리와 온도와 같은 다른 형태의 정보를 포함한다. 이런 다양한 종류의 데이터가 함께 수집되면서, 기업들은 제조에서 빅데이터를 반드시 다루어야 하고, 이는 분석과 도전에 있어 새로운 설정을 불러올 것이다.



빅데이터를 정의하면서, LNS 리서치는 산업 현정에 이를 적용하고 분석하는 것에서 상대적으로 포괄적인 IT관점을 가질 것을 추천한다. 산업 현장에서는 빅데이터 이전에도 서술, 진단, 예측 그리고 처방을 위한 분석을 하였다. 전통적으로 이런 분석은 구조와 시계열 데이터를 산업의 핵심 인물들에게 알려 주기위한 분석에 집중되었었다. : 품질, 생산, 자산, 수송, 혁신 등

예를 들면 다음과 같다.
1. 서술: Metrics and Scorecards for Overall Equipment Effectiveness (OEE), On Time Delivery (OTD), Scrap, Mean Time to Failure (MTTF) 2. 진단: Reliability engineering, quality engineering, root cause analysis 3. 예측 및 처방: Modeling and simulation, statistical process control, advanced process control

그러나, 새로운 빅데이터 솔루션이 나오면서, 예측과 처방에 초점을 맞춘 분석이 나타났다. 그리고 비록 이런 기술들이 빅데이터를 위해 개발되었지만, 데이터가 적던, 많던 간에 어디에서나 사용할 수 있다.

이 새로운 빅데이터 분석의 흔한 예에는 머신 학습이 포함되어 있다. 이 새로운 분석은 일반적으로 전통적인 툴이 모델이 되고 프로세스 되는 곳에서 데이터에 맞춰져 있는데, 빅데이터 분석을 사용하는 데이터 과학자와 전통 모델에 기초한 분석을 사용하는 엔지니어 사이에 다리를 놓는 것에 과제를 더하고 있다.
차세대 예측 분석은 다음에 무엇을 선택하는 지를 나타내고, 운영을 최적화 하고, 혁신을 가능하게 할 것이다. 다음 세션에서는 이런 툴들의 적용과 어떻게 기업들이 이들을 사용함으로써 가치를 만들 수 있는지에 대해 알아 볼 것이다.







원문: How Manufacturing System Architecture Is Being Transformed by LNS Research
번역: 김수진 선임연구원
편집: 김수진 선임연구원