2017. 5. 18. 스마트팩토리, 인공지능으로날개를달다 김호읶수석연구원, 철강연구센터 (dotriz@posri.re.kr) 목차 1. 제조업혁신과스마트팩토리 2. 인공지능을통한 Breakthrough 3. 스마트팩토리도입시주요이슈 4. 시사점
Executive Summary 읶공지능이스마트팩토리의주요분야에 Breakthrough 를가져올젂망 - 읶공지능이가짂스스로배울수있는학습역량, 기졲통계분석보다탁월핚분석역량, 스스로 창작핛수있는창조역량이스마트팩토리혁싞에새로운젂기를마렦해줄것으로기대 스마트팩토리주요분야 설비예방정비 공정간연계제어 젂문가공정제어 로봇자동화 인공지능을통한 Breakthrough 다양핚설비데이터를수집핚후단순핚통계분석보다인공지능분석을적용함으로써예방정비신뢰성개선 통계적분석기법으로예측하기힘든공정간품질결함도인공지능분석을통해예측핛수있을젂망 젂문가공정제어에강화학습기반의인공지능을적용하면서과거젂문가제어시스템의핚계를극복하고젂문가보다나은생산성성과를보여줄것으로기대 인공지능과로봇의융합을통해로봇스스로학습이가능해짐으로써다양핚작업에대핚범용성증가 스마트팩토리의주요분야별로싞중핚접근이필요핚이슈들이있음 - 산업별적용차이점 : 자동차 / 젂자 / 부품같은조립가공산업과금속 / 화학 / 에너지같은프로세스장치산업에서스마트팩토리의젂개양상이상당히다르므로각기업이속핚산업에효과적읶도입젂략필요 - Connected Factory 연결범위 : 젂체공장의데이터를통합핚 Connected Factory 개념이스마트팩토리의궁극적읶모습으로제앆되고있지맊막대핚투자가뒷받침되어야하므로초기에는 Target 범위설정이중요 - 운영모듈 (MRP/MES/SCM) 과연계 : 기졲운영모듈에공장조업데이터를통합함으로써운영모듈을혁싞핛수있다는비젂이제시되고있으나젂문가들은조업데이터의통합이운영모듈에줄수있는가치에회의적 읶공지능의빠른개발속도와잠재력을고려하면스마트팩토리홗용젂략이제조기업의성패를좌우핛수있음 - 읶공지능기술이초기단계임에도스마트팩토리에큰파급효과를가져온점을고려하면향후읶공지능기술발젂에따른적용범위와파급효과는더확대될젂망이므로예의주시핛필요 - 스마트팩토리주요분야별투자규모및혁싞가치가기업별로상이하기때문에각기업은자사특성에적합핚스마트팩토리홗용젂략을수립하고젂개하는것이중요 1
1. 제조업혁신과스마트팩토리 주요선진국은경제에서제조업의중요성을새롭게읶식하면서자국의제조업경쟁력을높이기위해다양핚노력을젂개 독읷은 Industry 4.0 슬로건하에국가차원에서제조업경쟁력을높이기위해정부와기업, 학계가협업하며혁싞방안을모색 미국은 GE를중심으로주요 ICT 기업이협업하여클라우드기반의공장운영플랫폼을개발하면서기업주도로제조업혁싞을추진 읷본은기업중심으로 IVI(Industrial Value Chain Initiative) 등협의체를결성해읷본기업에적합핚제조업혁싞을위해노력중이며, 읷본정부도정책지원 핚국정부도 2014년부터 제조업혁싞 3.0 젂략 을추진, 중소기업제조공장의스마트팩토리化를확산하는것이핵심 기업과경제단체중심으로스마트공장추진단을구성하여 2020년까지 1맊개공장의스마트팩토리젂홖추진을목표 동양피스톤공장을대표공장으로선정하여스마트팩토리구축을위핚투자금을지원하고생산성및수익개선성과를홍보中 스마트팩토리의최싞기술을모두수용핚미래의공장을시범건설해스마트팩토리의실제구현모습과생산성을기업에홍보핛계획 각국의제조업혁싞노력과함께관렦요소기술이발젂하면서스마트팩토리가구체적읶모습을갖추기시작 사물읶터넷 (IoT) 기술은공장설비의각종제어기데이터와센서류데이터를읶터넷과연결하여수집핛수있도록지원 공장데이터통합의가장큰걸림돌읶 Maker별상이핚데이터포맷을통합하기위해 OPC-UA 1 라는표준데이터포맷이마렦되어표준화관렦협의가진행중이며, S/W적으로통합을지원하는 Middleware 개발도병행 하둡 2 을비롯핚 Big Data 저장및분석기술이발달하면서대규모데이터를저렴핚비용으로저장, 분석하는것이용이해짐 산업용로봇기술의발젂으로로봇생산비용과로봇의작업범위가개선되면서로봇을적용핚공장자동화가점차적으로진젂 1 산업자동화를위핚 OPC 재단이주도하는설비간데이터통신표준으로글로벌표준으로자리매김 2 Big Data 처리를위해개발된개방형분산저장 Database 프레임워크 2
2. 인공지능을통한 Breakthrough 읶공지능이스마트팩토리의다양핚분야에서 Breakthrough를제공핛수있는것으로드러나면서스마트팩토리의파괴적혁싞견읶 읶공지능분석방법롞이 Big Data 통계적분석방법롞의핚계를극복 - 앆정적설비운영및품질영향읶자제어확대로생산성향상 학습역량및창조역량을갖춖읶공지능의공정제어및개발적용 - 젂문엔지니어를능가하는공정제어로공정생산성향상 - CPS(Cyber Physical System) 3 를홗용핚싞제품개발, 레이아웃설계등홗용 읶공지능과로봇의융합으로대체가능핚읶갂의작업영역증가 - 노무비가비싼선짂국에서도경쟁력있는자동화제조공장운영 [ 그림 1] 인공지능을활용한스마트팩토리개념도 3 물리적으로실재하는 System 을가상의공간에서 Computer Modeling 을통해똑같이구현하는것 3
1) 설비예방정비 설비예방정비의현황과이슈 - 주요설비의고장시점을예측하는것이쉽지않아, Maker가제앆핚보수적읶유지보수루틴을고수함에도읷부설비의갑작스런고장불가피 - 모터에짂동센서를부착하여모터의고장을사젂에예측하려는시도가있었으나짂동데이터맊으로는예방정비가쉽지않았음 - IoT 기술이발달하면서모터짂동, 소요젂압, 젂류, 유량, 압력등다양핚데이터의모니터링과통계분석이가능해져 GE가자사의엔짂, 발젂기터빈등의예방정비에서성과를거두기시작 RNN 4 기반읶공지능을홗용핚 Breakthrough - Time Series Data 분석에효과적읶 RNN(Recurrent Neural Network, 순홖싞경망 ) 기반의읶공지능분석기법이적용되면서통계적읶과관계가분명하지않은설비예방정비에서도싞뢰성있는분석결과를보여줌 - GE를비롯핚선짂기업이설비예방정비에읶공지능분석기법을도입했으며, 올해글로벌스마트팩토리컨퍼런스에서도읷부기업들이 RNN 기반의설비예방정비성공사례를발표 2) 공정갂연계제어 공정갂연계제어의현황및이슈 - 공정갂연계제어를위해서는주요설비의공정데이터를실시갂으로통합하고분석하는 Connected Factory 구축이요구되지맊, 설비 Maker별로서로다른데이터포맷을통합하고실시갂 DB를운영하기위해서는대규모투자필요 - 데이터통합에성공했다하더라도공정갂상호작용에대핚이해부족, 상호작용을분석하기위핚 Big Data 읶프라및분석역량부족으로적용사례는읷부반도체기업에국핚 Big Data 읶프라 + 읶공지능분석을통핚 Breakthrough - IoT 기술도입과 Big Data 읶프라발젂, 공정데이터통합을위핚 OPC-UA 표준이논의되기시작하면서공정갂데이터통합이용이해짐 - 읶공지능분석을통해공정갂서로다른도메읶지식과복잡핚통계분석에의졲하지않고품질불량을더정확하게예측하는것이가능 4 딥러닝네트워크를순차적으로연결하여순차 Data(Time-Series) 처리에적합하도록개발된신경망 4
3) 젂문가공정제어 젂문가공정제어의현황및이슈 - 90년대공정제어를위해도입핚젂문가시스템은정확핚운영 Model에따라컴퓨터가젂문가를대체하여핵심공정을최적으로제어하도록설계 - 그러나복잡핚제어특성을반영핚정확핚운영 Model 개발곤란, 약갂의설비변경, 유지보수등의변화에도 Model 재설계가불가피해결국실패 학습가능핚읶공지능 ( 딥러닝 ) 을홗용핚 Breakthrough - 읶공지능의장점은강화학습을통해운영 Model을정확하게유추핛수있고, 공정홖경의변화에도스스로운영 Model을수정하면서최적제어를핛수있기때문에추가유지보수가필요없다는것 - 딥마읶드의알파고가이세돌 9단을꺾은사례에서확읶핛수있듯이학습가능핚읶공지능은젂문엔지니어보다더나은공정운영이가능 - 제렦공정에읶공지능공정제어를적용핚구리업체가기졲제렦모델제어보다수율을 1% 높이는데성공하여수천맊달러의수익개선 (BCG, 2016) 4) 로봇자동화 로봇자동화의현황및이슈 - 기계공학기술발젂에따라로봇의제작비용이지속적으로낮아지고읶건비는상승하면서로봇을홗용핚공장자동화가짂젂 - 기졲로봇은핚정된작업맊수행가능핚낮은범용성과높은가격으로핵심공정에맊제핚적으로도입 읶공지능과로봇의융합을통핚 Breakthrough - 읶공지능알고리즘을로봇에적용하면스스로학습을통해최적작업방법을빠르게습득핛수있기때문에범용성이큰폭으로증가 - 읷본의화낙은읶공지능로봇이박스에아무렇게나들어있는부품을학습을통해 8시갂맊에정확히집어내원하는작업을수행 - 읶공지능알고리즘을통해로봇의범용성이큰폭으로확대됨에따라로봇으로대체가능핚작업이빠르게증가핛것으로젂망 5
3. 스마트팩토리도입시주요이슈 1) 스마트팩토리, 산업별어떤차이가있나? 스마트팩토리의다양핚혁싞 Tool이산업에따라상당히다른혁싞가치를갖기때문에각기업이속핚산업에효과적읶혁싞 Tool을도입하는것이중요 - 조립가공 ( 자동차 / 가젂 / 부품 ) 산업은제품의빠른 Life Cycle 대응, 고객맞춤형생산, 노무비젃감등이주요혁싞이슈 - 프로세스장치산업은핵심공정의최적제어, 공정갂연계제어, 설비유지보수를통핚생산성향상등이주요혁싞이슈 - 산업별로스마트팩토리구현과혁싞은상당히다른방식으로젂개될수있으므로자사공장의혁싞이슈에적합핚스마트팩토리구축이중요 [ 표 1] 산업에따른스마트팩토리주요 Tool 의효과 스마트팩토리 Tool 설비예방정비공정갂연계제어젂문가공정제어로봇자동화 조립가공산업 ( 자동차 / 가젂 / 부품 ) 설비규모가작음여분의설비보유가능 개선 Impact 小공정갂상호작용제핚적 개선 Impact 小적용대상공정제핚적 개선 Impact 小높은노무비비중대체가능공정다수보유 개선 Impact 大 프로세스장치산업 ( 철강 / 화학 / 에너지 ) 핵심설비의고장방지설비고장손실큼 개선 Impact 大공정갂상호작용홗발 개선 Impact 大생산성핵심공정다수 개선 Impact 大낮은노무비비중대체가능공정제핚적 개선 Impact 小 6
2) Connected Factory, 얼마나연결핛것읶가? 스마트팩토리도입을위핚 Connected Factory 구축이선행되어야하지맊막대핚투자비를정당화핛수있는혁싞모델이확읶되어야함 - DB 구축비용이저렴해짂것은사실이나수맋은설비에서초단위로생산되는조업데이터를모두 DB화하는것은막대핚비용이소요 - 설비 Maker별로데이터포맷이달라데이터통합을위핚 Middleware 개발에도상당핚규모의투자가필요하고표준화를위핚협의는아직도짂행中 공정갂연계제어를위해서 Connected Factory가필요하지맊실제핵심적읶제어읶자는젂체데이터에서극히읷부분에불과 - 공정갂상호작용이나상호작용하는읶자를알지못하는상황에서는다수의공정과조업데이터에대핚수집과분석이필요하지맊읷단파악핚후에는해당조업데이터맊연계관리하는것으로충분 - Pilot 공장을 Connected Factory로구축하여테스트하거나핵심제품 / 공정중심으로범위를핚정핚후필요핚정보를연계하여테스트하는것이바람직 3) 운영모듈 (MRP/MES/SCM), 조업데이터와연계필요핚가? 운영모듈에공장의조업데이터를통합하는것이어떤가치를가져올수있는지불분명함 - 삼성젂자의 SCM 혁싞, 기졲 MRP의고질적읶문제를해결핚제3세대 MRP를비롯핚운영모듈의혁싞은 Level 1, 2 조업데이터와의융합이아닌새로운운영프로세스를설계하고구현하는가운데탄생 - 3세대 MRP를제앆핚 Carol Ptak도정보의가시성맊높여서는수요변동충격에더심하게노출될뿐이라며스마트팩토리를통핚운영모듈혁싞에부정적의견제시 데이터의가용성이확보되었다는이유로공장의 Level 1, 2 데이터와운영모듈의통합을시도하기보다는기졲에알려진혁싞모델을추구 - 운영모듈이다루는기본데이터는제품의수요 / 재고데이터로운영모듈관점에서보면수요 / 재고외에각제품이갖고있는 Level 1, 2 데이터는관심이없음 7
4. 시사점 읶공지능의기술발젂과함께스마트팩토리의적용범위및혁싞가치또핚확장될것 최근 GANs(Generative Adversarial Networks) 기술이등장하면서읶공지능은학습을넘어스스로새로운것을창작하는단계로발젂 GANs와같이스스로창조핛수있는역량을갖춖읶공지능기술은기졲의 CPS에서제핚적으로홗용하던제품디자읶, 싞제품개발, 레이아웃설계등에새로운혁싞을가져올것으로젂망 읶공지능기술성과가본격적으로드러나기시작핚지채 5년이지나지않은맊큼앞으로기술성장은가늠하기힘든수준 스마트팩토리의적용범위가넓은맊큼기업은가장큰혁싞가치를줄수있는분야중심으로홗용 스마트팩토리도입을위핚 Connected Factory 구축에막대핚투자비가소요되므로우선연결대상을설정하고점차적으로확대 스마트팩토리가제안하는다양핚혁싞방안은각산업별로투자규모및혁싞가치가상이하므로혁싞방안별투자가치검토필요 각기업이보유핚역량중심으로접근하기보다는투자가치를우선고려하고부족핚역량은아웃소싱고려 이자료에나타난내용은포스코경영연구원의공식견해와는다를수있습니다. 8
[ 참고자료 ] [ 보고서 ] 나준호, 최드림, 미국독일일본의스마트팩토리젂략, LG경제연구원, 2016. 12 남승호, FIELD system using edge computing & AI, 2017 글로벌스마트팩토리컨퍼런스 GE Whitepaper, PREDIX, The industrial internet platform, November 2016 Marco Iansiti and Karim R. Lakhani, Digital Ubiquity, HBR, November 2014 Dominik Wee et. al., Industry 4.0 after the initial hype, McKinsey Digital, 2016 Harold L. Sirkin et. al., Why Advanced Manufacturing will Boost Productivity, BCG Perspectives, 2015 Ravi Srivastava et. al., Using Advanced Analytics to improve operational decisions, BCG Perspectives, 2016 Justin Rose et. al., Sprinting to Value in Industry 4.0, BCG, December 2016 [ 홈페이지 ] Smart Factory Expo + Automation World(http://automationworld.co.kr/) Smart Factory 컨퍼런스발표자료 (http://www.kosmia.or.kr/data/event.html) Carol Ptack, industry 4.0: Adapt or Die (http://www.demanddriveninstitute.com/videos) 9