제조업 공장을 효율적으로 운영하고 관리하는 업무에서 외관 검사, 이상 유무 판단, 예측 예지 보전 같은 분야에 AI(인공 지능)을 도입하는 일이 점점 증가하고 있다.

이 외에도 AI를 탑재한 협업 로봇이 대기업은 물론 중견 중소 제조기업의 현장에 도입되어 활약하고 있다. 고액의 설비 투자나 복잡한 관리 시스템이 필요한 산업용 로봇과 달리, 공간을 많이 차지하지 않고 안전 보호책(가이드) 없이도 도입할 수 있는 것이 장점이다.

앞으로 제조 공장은 완전 자동화되어 압도적인 비용 절감 실현 가능성이 높은 곳이다. AI와 함께 IoT(사물 인터넷) 도입도 진행되어 인간의 생각과 통찰력을 접목한 운영이 가능하다. 

단순 작업을 AI 로봇에게 맡기면 사람은 보다 창의적이고 혁신적인 기술 개발을 비롯 부가가치가 높은 일에 몰입할 수 있을 것이다.

먼저 현재 제조업이 안고 있는 과제나 문제점을 개략적으로 정리해 보자.

●일손 부족

저출산 고령화가 진행되면서 노동력 부족 현상이 본격화될 것이다. 한정된 인원으로 얼마나 효율적으로 제조 현장을 경영할지 큰 과제임에 틀림없다.

●근로자의 고령화

고령자들은 기능과 기술면에서 숙련되어 있는 반면, 퇴직문제와 최신 설비를 도입해도 비교적으로 다루기 어려운 잠재적 리스크가 존재한다.

●기술의 전승

제조업의 핵심은 기술력이라 단정해도 과언이 아니다.

저출산으로 노동력이 고령화됨에 따라 젊은 노동자가 줄어들면 숙련된 기술자들이 보유하고 있는 기술을 전승하기 어렵게 된다.

최악의 경우 사업을 지속할 수 없는 위기에 처해질 수도 있다.

●격화되는 경쟁

젊은 연령층의 제조업 기피 현상과 노동력 감소 외에 세계화로 제조업뿐 아니라 다양한 분야와의 경쟁이 점점 심화되고 있다.

극복하는 길은 얼마나 효율성을 높이고 비용을 절감하느냐가 중요하다.

제조업에 AI 도입 장점

그렇다면 제조업에 AI를 도입하면 어떤 장점이 있는지 그리고 활용 가능성 있는 일들을 구체적으로 살펴보자.

●업무의 효율화

AI 도입으로 인한 큰 장점 중 하나가 업무 효율화이다. 현재 제조업에서 아주 잘 활용하고 있는 AI 시스템이나 솔루션은 AI를 활용한 외관 검사이다.

공장에서 제조한 제조품을 AI 외관 검사를 하여 반품과 수선 비용을 절감하고 생산성을 향상시키고 있는 기업이 많다.

 IT업계 대기업 구글도 이 분야에 진출해 솔루션을 공급하고 있으며 자동차 기업인 르노나 항공기 제작사인 에어버스 같은 기업들도 제조 현장의 검사업무에 AI를 도입하여 활용하고 있다.

●안전성 향상

AI 도입으로 작업의 안전성 향상도 가능하다. 출입 금지 구역 작업자 출입 상황을 카메라를 통하여 관리 감시하거나 중장비 근처에 있는 사람의 유무를 GPS를 사용해 확인하는 등 안심하고 일할 수 있는 현장 조성에 큰 도움이 된다.

●직원들의 스트레스 경감

작업의 효율화와 안전성 향상은 직원들의 스트레스 경감과 깊은 관련성이 있다. AI를 사용하여 스트레스를 정기적으로 체크하면 직원들의 업무집중도 강화와 스트레스 조기 케어로 이어질 것이다.

●일정한 품질유지

수작업이나 목시 검사는 작업자에 따라 업무의 질에 편차가 있어 그것으로 인한 불량과 손실 발생이 반복된다. 작업이나 검사에 AI를 활용하면 품질을 균일화할 수 있어 품질 손실 비용을 줄일 수 있다.

●피로감 누적으로 인한 퍼포먼스력 저하 억제

인간은 휴식 없이 계속 일할 수 없다. 피로가 쌓이면 아무래도 퍼퍼먼스가 저하되고 업무나 작업에 악영향을 미치기 마련이다. 피로도가 큰 업무나 작업분야에 AI를 적극 활용함으로써 직원의 피로도를 낮추어 퍼퍼먼스를 향상시킬 수 있다.

●안전 사고 감소

제조현장에서 작업 중에 아무래도 안전 사고 발생 위험은 항상 잠재해 있기 마련이다. 특히, 안전위험성이 있는 작업에 AI를 활용하면 인적 사고를 감소시킬 수 있다. 이를 통해 작업의 효율화뿐만 아니라 현장 환경도 개선된다.

예를 들어 최근 급격히 보급되고 있는 AI 탑재 AGV(무인반송차)는 자율주행 기술도 활용하고 있기 때문에 제조업이나 물류, 병원 현장에서 충돌사고나 낙하사고 방지에 큰 도움이 되어 안전성이 향상되었다. 

제조업 AI 도입 활용 실패 5대 원인

AI를 도입한 제조 업체 모두가 성공하는 것은 아니다. 아래에 제조업에 AI를 도입하여 활용할 때의 주의점을 소개한다.

●데이터의 양과 질이 부족하면 예측 모델의 정도가 낮다

어느 한 제조업체의 프로젝트에서 컴퓨터 수요 예측 업무에 AI를 도입하려 했다. 예측 모델을 만들었으나 좀처럼 목표로 삼은 정도가 나오지 않았다. 

조사해 보니, 상품의 프로모션(CM등)이나 이벤트(세일, OS의 지원 정지등)가 크게 영향을 주고 있다는 것을 파악했다. 그러나 필요한 이 데이터는 부서 간 연계와 소통이 원활하지 않은 문제로 AI에 넣지 않았던 것이다.

또한 다른 프로젝트에서 교통량을 측정하는 업무에 AI 활용을 도입했는데 충분한 정도가 나오지 않았다. 조사해보니 데이터량은 충분했지만 영상의 해상도가 낮아 모델의 정확도가 높지 않은 사태가 발생한 것이다.

AI를 활용하려면 학습에 사용하는 데이터의 양과 질이 중요하다는 것을 시사하는 단적인 사례이다.

●프로젝트 도중 목적이 변경된다

AI에 필요한 데이터는 AI도입 목표에 따라 다르다. 또한 AI의 능력을 원하는 대로 충분히 살리려면 대량의 데이터가 필요하다. AI를 잘 활용하기 위해서는 AI에게 어떤 일을 담당하게 할 것인지 먼저 명확한 목표를 세우는 것이 가장 중요하다.

어느 한 반도체 제조업체에서 제조공정 일부에 AI를 도입 활용하려 하였으나 현장과 경영진이 소통이 원활하지 않았는지 프로젝트 도중 방침이 변경되었다. 

처음에 AI도입 범위를 제조 공정의 일부로 한정하였는데 방침에서 공장 전체로 변경되고 다시 일부로 원위치 되었다. 도입 목적이 변경되면 AI에 필요한 정확한 데이터를 얻을 수 없게 된다.

●현장의 이해도 부족과 비협조

AI를 도입하려면 활용하는 현장의 이해와 협력이 필수적이다.

한 프로젝트에서 터널 공사의 콘크리트 외관 검사를 드론과 AI를 조합하여 진행하려고 했다. 데이터를 수집하는 일에 현장의 협조를 부탁해야 한다. 

현장도 그들 나름의 업무가 바쁘기 때문에 당초 예정했던 데이터 양의 1/3밖에 수집하지 못하는 사태가 발생했다.

설상가상으로 취합한 영상과 사진의 질도 좋지 않아 AI 모델 구축을 의뢰한 외주처도 불만의 목소리가 높아졌다. 

그래도 어떻게든 AI 모델을 만들어 달라고 사정하였는데 당초 예정했던 기간 보다 두 배의 시간이 걸리고 비용도 1.7배까지 늘어났다. 이 프로젝트 담당자는 상당히 고생하였을 것이다.

●적용범위 확대

적용 범위를 너무 넓히는 것도 실패의 원인이 된다. 

한 제조업 업체 A사는 공장에서 여러 업무에 AI를 활용하기 위해 도입계획을 수립했다.

문제는 개발 초기 단계에서 적용 범위를 너무 확대하여 실제 현업에서 AI 운용에 드는 번거로움과 비용이 증가하였다. 외관 검사에서부터 부품 픽업, 계기판 판독에 이르기까지 이것 저것 생각나는 것 모두를 적용하려고 했기 때문이다.

어떤 업무는 AI를 활용하는 것보다 사람이 직접 작업하는 것이 오히려 훨씬 빠르고 비용이 적게 발생하는 업무도 있다.

AI 도입은 어디까지나 수단이며, 도입 자체가 목적이 되어 버리는 경우 거의 실패할 확률이 높아진다.

●AI 도입 효과는 있다고 하나 현장검증 미흡

AI 적용 전에 반드시 비용 대비 효과를 제대로 검증해야 한다.

어느 한 제조업체에서 자사 공장의 생산 라인에 도입할 영상검사 검품 자동화 AI 시스템 개발을 검토하였다.

AI 이미지 인식으로 미리 학습시킨 검품 대상품과 제조라인 위의 제품 이미지를 대조하여 불량품을 특정하는 시스템이다.

프로젝트 담당자는 도입을 결정하고 품의를 받아 예산을 확보하였다. 

문제는 공장 생산라인에서 작업을 실제 어떻게 하고 있는지 AI 추진 프로젝트 담당자가 충분히 파악하지 못한 채로 개발하였다.

실제로 현장에 도입했으나 검품 속도가 너무 빨라 불량품을 제거하는 인력이 제대로 따라가지 못하는 문제가 발생하여 효율이 이전보다도 높지 않았다.

지금까지 AI도입에 실패한 사례를 간단히 소개하였다. 

아직 최적화하는데 해결할 과제와 제약 조건이 남아있지만 AI는 제조업 발전에 크게 도움이 될 수 있는 잠재력을 충분히 가지고 있다. 

AI활용에 관한 지속적인 관심과 자사 제조업무 효율화 등 실적개선에 활용할 수 있는지 검토해보길 바란다.

참조 : ai-market​