AI 활용으로 진화하는 제조업 사례
2025-03-10
AI 활용으로 진화하는 제조업 사례
디지털 기술의 급속한 발전으로 AI 기반 자동화 및 프로세스 최적화가 모든 산업의 관심사가 되었다.
특히 제조업에서 AI 도입 활용이 주목받고 있는 가운데. 제조공정의 효율성 향상, 생산성 향상, 고객의 요구에 신속하고 꼼꼼하게 대응하는 등 다양한 이점이 기대되고 있다.
이 기사에서는 AI가 제조업에 어떻게 활용될 수 있는지에 대한 예를 통해 AI가 생산라인 최적화, 물류 프로세스 검토, 유지 보수 비용 절감 및 안전 개선과 같은 제조의
다양한 측면에서 효과를 낼 수 있는 혁신을 소개한다.
제조업에 AI가 도입된 배경 중 주된 요인에는 인더스트리4.0과 스마트팩토리의 발전에 기인한다.
인더스트리 4.0은 AI와 데이터 분석을 통하여 생산라인을 지능화하고 효율적인 생산 시스템을 구축하는 것이며, 스마트팩토리는 AI와 머신러닝을 사용하여 공장의
생산설비와 시스템을 네트워크화하여 자율적으로 운영할 수 있는 공장을 의미한다.
이러한 개념의 구현은 제조 프로세스의 자동화 및 디지털화로 이루어진다.
전 세계적으로 AI 활용의 효율성과 생산성 향상이 주목받고 있으나 AI를 제대로 도입 활용하지 못하는 기업도 많이 있다.
기존 시스템과의 통합의 어려움, 초기 투자 규모 등 모든 산업에 공통적인 문제가 있는 한편 디지털화하기 어려운 제조업 고유의 암묵적 과제도 있다.
아래에 제조 프로세스에서 6가지 주제를 추출하여 선진 기업들은 AI를 어떻게 사용하고 있는지, 그리고 제조업의 고유한 과제를 어떻게 해결하고 있는지 살펴보고,
활용 사례를 통해 구현 방법에 대해 생각해 본다.
□ 예측 유지 보수 및 원격 모니터링
AI를 활용한 생산장비의 실시간 모니터링과 고장 예측을 통해 문제가 발생하기 전에 예방한다.
장비의 상태를 원격으로 파악하고 유지보수 업무효율을 향상시킨다. 이를 통해 설비 다운타임을 최소화하고 생산성을 높일 수 있다.
● PepsiCo (미국) / 제조현장 작업효율 향상 및 유지보수 비용 25% 절감
• AI 도입 배경
1965년에 설립된 펩시코(PepsiCo)는 전 세계 200개국 이상에서 펩시(Pepsi), 레이즈(Rays), 게토레이(Gatorade), 트로피카나(Tropicana)와 같은
브랜드를 생산하는 음료 및 식품 산업의 글로벌 선진 기업이다.
제조 프로세스를 최적화하고 운영 효율성을 개선하기 위해 이 회사는 예측 유지 관리 기술 및 원격 모니터링에 AI를 도입하여 운영업무를 간소화했다.
• AI 활용 효과
제조 기계설비의 마모 및 고장을 실시간으로 모니터링하기 위해 AI 기반 예측유지 보수 시스템을 도입했다.
이 시스템을 통하여 장비에서 300만 시간 이상의 가동 데이터를 분석하고 고장 패턴을 식별하는 알고리즘을 구축하였다.
컨베이어 벨트와 베어링의 마모를 사전에 탐지하여 계획에 없는 가동 중단 시간을 70% 줄이고 유지보수 비용을 25% 삭감하였다.
AI가 원격 모니터링을 통해 센싱 데이터를 분석하고 이상을 탐지하여 작업 현장의 생산성을 개선하는 동시에 최적의 유지보수 관리 계획을 수립할 수 있게 되었다.
https://www.pepsico.com/our-stories/story/artificial-intelligence-at-pepsico
● Siemens(독일) / 연간 170,000시간 이상의 운영 시간 확보, AI예측 유지보수 시스템
• AI 도입 배경
Siemens는 제조, 인프라, 운송 및 의료를 포함한 광범위한 분야에서 사업을 전개하고 있으며 디지털 혁신(DX) 추진에 있어서 세계적 선도기업이다.
제조업 분야에서 가장 주목할 만한 것으로 AI를 활용한 예측정비 시스템인「Senseye Predictive Maintenance」이다.
제조업에서는 설비유지 보수업무의 효율 향상, 계획에 없는 생산라인의 가동중지시간 삭감 같은 과제가 있다.
AI를 통해 이러한 문제를 해결하는 시스템을 개발했다.
• AI 활용 효과
「Senseye Predictive Maintenance」는 AI와 머신러닝을 사용하여 기계 설비의 이상을 예측하여 유지 보수 타이밍을 최적화한다.
이 시스템으로 자사 공장의 설비상태를 실시간으로 모니터링하고 AI를 사용하여 고장 징후를 분석하여 가동 중단 시간을 최대 85%까지 줄이고 유지 관리 비용을
최대 40%까지 절감하였다. 장소가 다른 여러 공장의 현장에서 500개 이상의 장비를 모니터링할 수 있어 장비의 운영 효율성을 크게 개선할 수 있다.
이 시스템을 도입한 어느 한 자동차회사는 연간 약 17만 1,000시간의 가동 중지 시간을 달성하였으며, 석유 및 가스 산업에서는 72,000시간을 개선하였다.
식음료 산업의 경우 생산설비 유지 보수 업무 효율 향상으로 인해 연간 40,000유로 이상의 비용 절감하였다고 보고되었다.
□ 제조공정 및 공급망의 최적화
AI로 제조 프로세스와 공급망을 최적화 목표는 수요예측 및 재고관리의 정확성을 개선하여 공급을 안정화하고 비용을 절감하는 것이다.
효율적인 제조전반의 효율향상을 위한 공급망 가시성 개선.
● Toyota(일본) / AI로 도장 공정 시뮬레이션. 생산 속도와 품질 향상
• AI 도입 배경
도요타 자동차는 전 세계적으로 연간 900만 대 이상의 차량을 생산하는 자동차 제조기업이다.
전사적으로 생산효율과 품질 향상에 주력하고 있으며, 제조공정에서 디지털 혁신(DX)을 적극적으로 추진하고 있다.
최근 몇 년 동안 AI를 도입하여 도장 공정 및 품질 관리에 활용하고 있다.
차체 도장 공정에는 300개 이상의 색상 관리 항목이 있는데 AI 도입 전에는 장인의 경험과 직감에 의존했다.
AI 도입 목표는 이 프로세스를 디지털화하고 개발 속도를 높이는 것이다.
• AI 활용 효과
도요타 자동차는 AI를 활용하는 도장 시뮬레이션을 개발하여 색상 생성에서 계측에 이르기까지 디지털화에 도전하였다.
도료의 배합을 시뮬레이션하여 도색된 차체를 시각적으로 재현한다.
이를 통해 실제로 페인팅하지 않고도 품질을 평가하여 가능한 한 신속하게 유행하는 색상을 제품에 반영할 수 있게 되었다.
또한 AI를 사용한 예측 유지 보수를 도입하여 생산 효율성과 품질을 향상, 작업 환경을 개선하였다.
https://www.toyotasystems.com/product-service/special/paint-dx/
● 삼성전자(한국) / AI로 공급망 리스크 조기 탐지, 물류 전략 신속화
• AI 도입 배경
삼성전자는 대한민국을 대표하는 글로벌 기업 중 하나로, 스마트폰, 반도체, 디스플레이, 가전제품을 중심으로 다양한 사업을 전개하고 있다.
특히 반도체 분야에서는 낸드 플래시 메모리 시장에서 30% 이상의 세계 시장 점유율을 차지하고 있다.
2030년까지 반도체 공장을 완전 자동화하고 '스마트 센서'로 제조공정을 제어한다는 로드맵을 공개했으며, DRAM 설계 자동화, 칩 소재 개발, 파운드리 수율 개선 등
다양한 제조공정에서 AI를 활용하고 있다.
• AI 활용 효과
삼성전자는 AI 기술을 활용해 전체 제조공정을 자동화하고 DRAM 설계와 칩 양산 공정에서 효율성을 높여왔다.
2024년 5월, 삼성그룹의 IT 기업인 삼성SDS는 AI 기반 디지털 물류 플랫폼인 Cello Square의 퍼퍼먼스를 선보였다.
이 플랫폼은 매일 60,000개 이상의 글로벌 뉴스 항목을 분석하고, 공급망 리스크 등 물류 위험을 판정한다.
개선 효과는 물류 전략을 수립하는 데 걸리는 시간이 하루 이상 걸렸던 것을 2시간으로 단축하였다.
□ AI가 주도하는 지능형 자동화
AI와 로보틱스를 결합한 자동화 기술. 생산 조건에 적응하며 복잡한 제조공정에서도 높은 품질과 효율성을 높여 비용을 절감.
● BMW (독일) / AI 내비게이션으로 물류 로봇 진화, 오류삭감, 생산성 향상
• AI 도입의 배경
BMW는 독일에 본사를 둔 글로벌 자동차 제조기업으로, 특히 고급 자동차 시장에서 입지를 넓히고 있다.
1917년 창업 이래 기술 혁신을 추구해 왔으며, 최근에는 DX의 일환으로 AI 기술의 도입에 주력을 쏟고 있다.
제조현장의 자동화를 강화하기 위해 이 회사는 공장에서 물류를 담당하는 AGV(무인운반차)를 개발했다.
• AI 활용 효과
BMW는 물류 로봇과 STR(스마트 운송 로봇)에 고성능 기술과 AI 모듈을 탑재하여 사람과 사물을 인식하는 능력이 향상되었다.
내비게이션 시스템이 진화하여 현장의 AGV가 지게차, 작업자 및 장애물을 명확하게 식별할 수 있다. 대체 경로를 밀리초 단위로 계산한다.
이를 통해 오류 및 사고 발생률을 줄이고 물류 프로세스의 생산성을 향상할 수 있다. AI 기반 AGV는 공장 및 창고 관리를 최적화하는 솔루션이 될 것으로 예상된다.
https://www.bmwgroup.com/en/news/general/2023/aiqx.html
● OMRON (일본) / AI 컨트롤러로 가공 정밀도 향상 및 공구 마모 20% 감소
• AI 도입 배경
오므론은 1933년에 설립된 일본 전기전자 제조기업으로 제어기기, 전자부품, 사회 인프라시스템 및 의료기기 등 다양한 분야에서 사업을 전개하고 있다.
제조기업 중 선도적으로 디지털 혁신(DX)을 추진하고 있는 회사 중 하나이며, 숙련 노동자 부족 및 생산성 향상 등 제조업이 직면한 과제를 해결하기 위해
AI 탑재 컨트롤러를 중심으로 한 i-BEL 개발로 제조공정을 최적화하고 있다.
• AI 활용 효과
오므론은 AI 기반의 금형 가공을 위한 최적 절단 제어 서비스를 제공하고 있다.
공작기계에 설치된 진동 센서를 통해 절삭할 때의 진동 데이터를 실시간으로 측정하고, AI가 절삭력을 분석하여 최적의 가공 조건을 제안하는 서비스이다.
효과로 가공 시간이 40% 단축되고 공구 마모가 20% 감소하며 사용 수명이 거의 2배 연장되었다.
이 서비스는 기존 공작기계에도 적용할 수 있으며, AI 컨트롤러와 지원 도구를 결합하여 장비의 이상 징후를 모니터링하고 제조 현장의 효율성을 높일 수 있는 기능을
갖추고 있다.
https://monoist.itmedia.co.jp/mn/articles/1711/28/news089.html
□ 품질 관리 및 산업안전 향상
AI로 품질을 관리하고, 작업 환경을 모니터링하며 위험한 상황을 즉시 감지한다. 품질 보증을 추진하는 동시에 작업자의 안전을 확보하고 위험을 최소화한다.
● Boeing (미국) / 예측 유지 보수 시스템으로 고장을 사전에 감지하여 유지보수 비용 20% 절감
• AI 도입 배경
보잉은 상업용 항공기 및 우주 시스템을 제조하는 글로벌 항공우주 기업이다.
항공 업계는 무엇보다도 안전을 중시한다. 창립 이래 안전상의 리스크을 줄이기 위해 혁신을 거듭해 왔으며, 그 일환으로 AI를 적극적으로 도입했다.
• AI 도입 효과
보잉은 AI 기반 예측 유지 보수 시스템 Boeing AnalytX를 도입했다.
이 시스템은 실시간 항공기 운영 데이터를 분석하여 잠재적인 고장 및 이상 징후를 사전에 탐지함으로써 유지 보수 비용을 20% 절감하고 항공편 지연을 35% 줄였다.
이 프로그램은 지속적으로 확장되고 있으며, 드론과 AI를 결합한 검사와 비행 중 실시간으로 이상 상황을 감지하는 메커니즘을 구현하기 위해 연구하고 있다.
● JFE 스틸(일본) / 실시간 사람을 탐지 작업 현장의 안전 개선
• AI 도입의 배경
JFE 스틸은 일본 3대 철강 메이커 중 한 기업이다. DX 전략의 일환으로 제조공정의 효율과 품질관리 및 안전성을 개선하기 위해 AI 기술을 도입했다.
• AI 활용 효과
JFE스틸은 작업 현장의 안전을 강화하기 위해 AI 기반 인체 탐지 기술을 개발했다.
작업자가 제한 구역에 들어가면 실시간으로 탐지하고 자동으로 경보를 발령하여 사고 위험을 줄인다.
움직임 탐지 시스템은 AI를 사용하여 작업자의 기본 행동을 확인하고 부적절한 행동을 탐지하는 기능이 있어 산업안전과 생산성 향상에 기여하고 있다.
https://www.jfe-steel.co.jp/release/2018/12/181211.html
□ 제품개발 및 개별 맞춤화
AI 사용으로 시장 데이터와 고객 피드백을 분석하여 요구 사항을 반영하는 제품을 신속하게 개발한다.
B to C 비지니스에서는 개인 맞춤형 제품 개발을 통해 경쟁력을 강화하고 있다.
● NVDIA (미국) / AI 플랫폼, 제품개발 및 맞춤화 가속화
• AI 도입 배경
NVIDIA는 1993년에 설립된 미국 반도체 회사로 GPU 개발 및 제조에 중점을 두고 있다.
또한 AI, 자율주행, 데이터센터 등 분야로 사업을 확대하고 있으며, AI 처리 GPU 기술로 사세를 확장하고 있다.
최근 몇 년 동안 AI 플랫폼을 활용하여 제품개발을 커스터마이징하는 일을 추진해 왔다.
• AI 활용 효과
NVIDIA는 제조업용 디지털트윈 기술과 AI 솔루션을 제공하여 제품개발 및 개별 맞춤화에서 상당한 성과를 거두고 있다.
예를 들어, NVIDIA의 Omniverse 플랫폼은 디지털 트윈을 사용한 BMW 공장의 생산라인 최적화로 제품개발 속도를 높이고 물류비용을 절감했다.
또한 NVIDIA는 2023년에 Snowflake와 파트너십을 맺고 제조업체가 맞춤형 AI 어플리케이션을 구축할 수 있도록 지원한다.
이 이니셔티브를 통해 기업은 데이터를 활용하여 맞춤형 AI 모델을 만들고 고유 어플리케이션을 신속하게 개발할 수 있다.
설계에서 생산 및 물류에 이르기까지 AI 기반 제품개발 및 공급망이 시야에 들어오게 된다.
https://blogs.nvidia.co.jp/blog/bmw-group-nvidia-omniverse/
● 아사히 맥주 (일본) / 생성형 AI로 기술자료 검색 간소화 및 R&D 가속화
• AI 도입 배경
아사히 맥주는 1889년에 설립된 일본의 맥주제조 식품업체이다.
이 회사는 주류, 음료, 식품 및 의약품을 제조 및 판매한다.
음료업계가 점점 더 경쟁이 치열해지고 있는 가운데 이 회사는 제품개발을 강화하고 고객의 요구에 맞게 개별 맞춤화 개선하기 위해 DX 및 AI 기술을 적극적으로
도입 활용하고 있다.
• AI 도입 효과
2023년 일본 아사히 맥주는 생성형 AI를 활용한 사내 정보 검색 시스템을 도입했다.
이 시스템은 사내에 축적된 방대한 양의 기술 데이터를 효율적으로 검색하고 활용하는 Azure OpenAI 서비스를 이용한 시스템이다.
PDF, PPt, Word 등의 파일 형식을 지원하며 파일의 내용까지 검색할 수 있는 기능을 갖추고 있다.
검색 결과에는 약 100자 정도로 자동 생성된 요약이 표시되므로 맥주 양조 및 용기 기술에 대한 정보수집을 획기적으로 간소화하였다.
이를 통해 R&D 프로세스의 속도와 정도가 크게 향상되었다.
https://www.asahibeer.co.jp/news/2023/0727_2.html
□ 에너지 관리 및 비용 절감
AI를 통해 제조 프로세스에서 에너지 소비를 최적화하여 비용을 절감하고 환경에 미치는 영향을 완화한다.
● GE (미국) / 디지털 트윈 및 AI로 에너지 관리 최적화 및 발전 효율 10% 향상
• AI 도입 배경
1892년에 설립된 General Electric(GE)은 항공우주, 에너지 및 의료기기 분야 등 다각화된 기업이다.
특히 에너지 부문에서 수년 동안 지속 가능한 에너지 솔루션을 제공해 왔다.
이 회사는 AI 기술과 디지털 트윈을 활용하여 에너지 효율을 개선하고 비용을 절감하여 에너지 인프라의 운영 효율성을 향상하는 관리 시스템을 개발했다.
• AI 활용 효과
GE는 발전소의 운영 효율과 신뢰성을 개선하기 위해 디지털 트윈과 AI를 결합한 에너지 관리 시스템을 구현했다.
디지털 트윈 기술로 발전 시설의 가상 모델을 만들어 운영 데이터를 실시간으로 모니터링한다.
결과적으로 계획에 없는 가동 중단 시간이 40% 감소하고 유지 관리 비용이 20% 절감되었다. 또한 연료 소비를 최적화하여 발전 효율을 10% 높여 운영 비용을 절감했다.
https://www.gevernova.com/software/innovation/digital-twin-technology
● 요코가와 전기(일본) / FEMS 도입, 공장 에너지 사용 AI가 관리하여 비용 절감
• AI 도입 배경
요코가와 전기는 1915년에 설립된 일본 전자 제품 제조기업으로 제조 산업용 계측 및 제어 솔루션 분야에서 세계적으로 인정받고 있는 기업이다.
산업 자동화 및 에너지 관리 시스템 개발에도 강점을 가지고 있는 이 회사는 에너지 효율성을 개선하고 비용을 절감하기 위해 공장 에너지 관리 시스템(FEMS)을
개발하고 있다. 에너지 사용을 최적화하기 위해 AI 기반 데이터 분석을 도입했다.
• AI 활용 효과
요코가와 전기의 FEMS는 전체 플랜트의 에너지 사용량과 CO2 배출량을 실시간으로 모니터링하고 에너지를 효율적으로 관리한다.
AI를 사용하면 에너지 소비 패턴을 자동으로 분석하고 이상을 탐지할 수 있다.
개선이 필요한 영역을 신속하게 식별하고 최적의 에너지 소비 운영 패턴을 도출한다. 특히 효과적인 것은 보일러 가동의 최적화이다.
AI는 저장된 데이터를 분석하여 에너지 소비를 제안한다. 이 회사는 먼저 자사의 공장에서 에너지 손실을 줄이고 CO2 배출량도 줄여 실증하였다.
https://www.yokogawa.co.jp/news/press-releases/2023/2023-03-30-ja/
사례에서 나타난 제조업의 AI 도입과 문제 해결 및 미래 전망
제조 현장은 예상치 못한 장비 고장처리, 품질관리, 산업안전, 에너지 비용 최적화 등 해결해야 할 광범위한 문제를 가지고 있다.
상기 사례를 통해 세계적 선도기업들이 AI 기술 활용으로 문제를 해결하는 방법을 확인했다.
위 사례에서 알 수 있듯이 AI가 해당 분야의 문제를 해결할 뿐만 아니라 탄소배출과 연결된 지속 가능한 성장 또한 가능하다는 것을 보여주고 있다.
서두에서 언급했듯이 제조업은 숙련 노동자의 경험과 직관 같은 "암묵적 지식"에 의존해 왔다. 이러한 암묵적 지식의 자동화는 디지털 혁신(DX) 주요 과제이다.
최근 생성형 AI의 발전으로 이 "암묵적 지식"에 대한 혁신 가능성이 명확해졌다.
AI 도입 활용의 핵심은 사내에 축적된 기술과 노하우를 AI와 접목하는 것이다.
이 프로세스를 통해 경험이 풍부한 직원의 지식을 데이터로 변환하고 전사적으로 공유하고 활용함으로써 제조공정의 효율성과 품질향상이 목표가 되어야 한다.
참고 | https://knowledge.members.co.jp/column/20240927-manufacturing-ai