시스코 시스템즈는 사물인터넷(IoT)이 지금으로부터 약 10년 이상 전인 2008년 또는 2009년경에 처음 탄생한 것으로 추정하고 있다. 그러나 혼란스런 COVID-19 동안 공급망 붕괴와 기술 변화가 일어난 지금 2022년에 IoT 기술에 무엇을 기대할 수 있을까? 

자동화 부품 공급업체 EU Automation의 미국 지역 매니져 Claudia Jarrett는 5G, 에지 시스템, 머신 러닝 등을 포함한 IoT의 주요 동향을 다음과 같이 설명하고 있다.

시스코가 IoT의 역사를 짧게 보고 있는 것은 IoT를 단순히 인터넷이 사람 보다 물건이나 사물에 더 많이 연결되기 시작한 분기점을 기준으로 판단했기 때문이다. 인터넷의 사람대비 사물 연결비율은 2003년 0.08에서 2010년 1.84로 증가했다. 그럼 Internet of Tings(IoT: 사물인터넷)이라는 용어는 언제 처음 사용되었을까?

1985년 Peter T. Lewis로 추정된다. 미국 최초의 휴대전화 회사 Cellular One의 공동 창업자인 루이스는 미의회 블랙 코커스에서 다음과 같이 연설했다. 

"사물인터넷(IoT)은 사람, 프로세스, 기술과 연결된 장치와 센서를 통합하여 원격 감시, 상태파악, 조작, 그리고 그러한 장치의 거동 추세를 평가 가능하게 한다."

그때 루이스가 내린 IoT의 정의는 오늘날 우리가 IoT를 이해하고 있는 것과 상당히 일치한다. 문제는, 제조업체들이 어떻게 디지털화를 통해 우리가 최근에 겪고 있는 코로나와 공급망 관련 혼란을 극복할 수 있는가에 있다.

미래는 5G

Gartner는 전 세계 5G 인프라에 대한 투자가 2021년 연간 39% 이상의 성장률로 190억 달러 증가했으며 이러한 수치는 2022년에 더 크게 증가할 것으로 예상된다고 보고했다. 

5G 네트워크는 더 빠른 데이터 전송 속도와 더 효율적인 연결로 IoT 속도를 높이는 등 제조업체에 새로운 기회를 열어주고 있는 장치 간의 통신이다. 따라서, 5G는 2022년 IoT 성장의 열쇠가 될 것이다.

한편, 기회도 있지만 사이버 보안 위험도 따른다. 5G는 이전보다 더 많은 IoT 기기를 포함하는 네트워크를 물리적으로 점검해야 할 뿐만 아니라 하드웨어에서 소프트웨어 네트워크로 넘어가는 과정도 이해할 수 있어야 할 것이다. 그러나 이러한 네트워크가 점점 더 많은 수의 장치와 연결되어 대량으로 중요한 데이터를 수집하고 공유해야 한다는 점을 고려하면 소프트웨어의 사이버 보안에 취약성이 나타난다.

보안 전문가들은 인공지능(AI), 머신러닝, 자동화로 중요한 시스템에 대한 보안 위협 대비와 함께 진화하는 길도 제시해 줄 것으로 기대하고 있다. 

그러면, 인공지능과 머신러닝은 IoT에 어떤 의미가 있을까?

머신러닝

McKinsey는 "인공지능은 디지털에 이어 새로운 다음 물결을 촉발시킬 준비가 되어 있다."라고 보고했다. 학습과 작업을 반복적으로 수행하여 시간이 지날 수록 더 일 잘하는 AI 알고리즘(머신러닝)에 특히 관심을 가져야 한다.

대량의 데이터가 장치와 연결된 IoT에 의해 점점 더 많이 수집되고 관리될수록 머신러닝은 특히 능력을 발휘하고 유용하다. 이러한 일련의 데이터를 인간이 처리하기는 어렵지만, 머신러닝은 실시간으로 신속하게 분석하여 이상 상황을 식별하고 쉽게 이해할 수 있는 형태로 관련자들에게 결과를 보고할 수 있다.

머신러닝은 공급망 관리의 모든 단계에서도 유용하다는 것이 입증되었다. 예를 들어, 오토바이 제조업체인 할리 데이비슨은 Albert라는 소프트웨어를 사용하여 어떤 잠재적 고객이 구매로 전환할 가능성이 가장 높은지 예측하는 방법으로 40%의 판매를 증가시켰다. 한편, 생산현장에서는 머신러닝 알고리즘으로 기계 가동 시 성능저하를 감지하여 예방적 유지보수가 필요할 때를 의사결정자에게 알려 준다.

루이스의 말에 따르면 IoT를 최대한 활용할 수 있는 유일한 방법으로 사람과 프로세스와 기술을 통합하는 것인데, 이는 인간 근로자들의 기능이 더 숙련되어야 한다는 것을 의미한다.

엣지 컴퓨팅

장비 업체들이 장비에 내장형 분석 기능을 넣음에 따라 엣지 컴퓨팅은 IoT의 주요 트렌드가 될 것이다. 즉, 데이터 소스에 최대한 가까운 곳에서 데이터 처리를 하도록 이동시키는 것이다.

포브스가 말하는 "멍청한" 센서들, 즉 스마트 센서 대신에 기본 마이크나 카메라 같은 엣지 기기를 장착한다. 여기에는 언어 처리 기능이 있는 마이크, 습도 및 압력 센서 또는 컴퓨터 비전을 갖춘 카메라가 포함된다.

예를 들어 로봇의 경우 바코드 인식 같은 단순한 색상이나 질감을 감지하기 위해 2D 비전 시스템이 사용된다. 3D 비전 시스템에서는 여러 대의 카메라를 사용하여 물체의 다차원 모델을 만든다. 

이 사례로 시바우라 머신의 비전 시스템인 TSVision 3D이 있다. 

두 대의 고속 카메라가 3D 이미지를 지속적으로 캡처하고 이 이미지를 지능형 소프트웨어가 처리하여 물체의 정확한 위치를 식별한다. 그러면 로봇은 가장 논리적인 일의 순서를 결정하고 인간 작업자처럼 밀리미터 이하의 정확도로 물건을 손쉽게 집어들 수 있다.

에지 컴퓨팅은 이러한 스마트 센서와 결합할 수 있고 컴퓨팅을 보다 빠르게 수행한다. 한편, 클라우드와 주고 받는 데이터양도 줄어들어 네트워크의 혼잡을 완화하고 네트워크의 대기 시간을 줄일 수 있다. 에지 컴퓨팅의 속도는 실시간으로 데이터를 수집하고 처리한다. 또 처리할 수 있는 기능 외에 유지 보수업무에도 도움이 되어 장비의 부품을 수리 또는 교체해야 할 시기를 보다 신속하게 식별할 수 있다.

결과적으로 장비 공급업체는 제조업체가 원하는 장비의 부품을 필요할 때 정확하게 공급할 수 있어 신뢰를 얻게 된다. 

공급망 탄력성 회복

Forbes는 "지난 2년 동안 전례 없는 혼란으로 회복성이 최우선 과제였다. IoT 기술이 보다 강력하고 재해에 강한 회사로 발돋움할 수 있는 좋은 기회를 제공하였다." 고 말한다.

제조업체들은 공급망 복원을 위해 IoT 투자를 할 때 어떤 점에 집중해야 할까?

헨켈의 최고 공급망 책임자인 Dirk Holbach로부터 많은 것을 배울 수 있다. 맥킨지 앤 컴퍼니와의 인터뷰에서 홀바흐는 다음 세 가지를 추천하고 있다. 

첫째는 가시성(Visibility)이다.  즉, 공급망 속에서 어떤 시점에 무슨 일이 일어나고 있는지 알아야 한다. 

둘째는 사람이다. 기업의 중앙에서 비즈니스를 표준화하고 조직화하여 주어진 프레임워크 내에서 빠른 의사결정을 내릴 수 있도록 하부 조직과 지역 팀에게 전파하는 것을 의미한다. 

마지막으로 제품 소싱을 재검토할 것을 권고한다.

한편, 시스템이 통합되어야 모든 프로세스에서 더 빠른 수준으로 데이터를 수집, 처리 및 사용할 수 있다. 

스마트 센서 및 에지 컴퓨팅 같은 많은 산업용 사물 인터넷(IIoT) 장치로 공급망 사슬의 포괄적인 모습을 디지털화하여야 한다. 

하나의 사례로 PwC의 Digital Factory 2020 보고서에 따르면, 

노키아는 글로벌 공급망 관리에 린 관리 및 데이터 분석 기술을 활용하고 있다. 여기에는 오퍼레이터용 웨어러블 기술, 로봇, 제스처 기반 장비 제어 같은 기술도 포함되어 있다. 노키아는 디지털화를 통해 제조 공정을 개선하고 운영 안정성을 높일 수 있었다고 말한다.

지난 2년 동안 공급망 와해로부터의 교훈은 복원력 구축이었다.  1985년에 시작되었든 2009년에 시작되었든 그 해답은 IoT에 있다.

출처 : manufacturingtomorrow​