출처 : https://knowledge.members.co.jp/column/20240927-manufacturing-ai

 

디지털 기술이 바르게 발전하면서 AI를 활용하는 자동화 및 프로세스 최적화가 각종 업계의 관심사가 되고 있다. 특히 제조업에서는 AI의 도입이 주목을 받고 있다. 제조 프로세스의 효율 및 생산성 향상, 고객 니즈에 대한 빠르고 정확한 대응 등 다양한 장점을 기대할 수 있다.

 

여기에서는 제조업에서의 AI 활용 사례를 통해 제조 라인의 최적화 및 물류 프로세스의 재검토, 더 나아가 점검 비용 절감, 안전성 향상 등 제조업의 다양한 측면에 미치게 될 이노베이션을 소개한다. 예지보전, 품질 관리, 스마트 자동화, 에너지 관리 등 AI의 도입이 가져오게 될 혁신을 살펴본다.

 

AI가 변혁시키는 제조업 – 성공의 열쇠를 쥔 6가지 활용 포인트

 

제조업에서 AI를 도입하게 된 배경에는 인더스트리 4.0 및 스마트 팩토리의 발전이 있다.

 

인더스트리 4.0이란 ‘AI와 데이터 분석을 조합하여 제조 라인을 스마트화함으로써 효율적인 생산 체제를 구축하는 것’을 말한다. 스마트 팩토리란 ‘AI 및 기계학습을 사용하여 공장 내 기기 및 시스템을 네트워크화함으로써 자율적으로 운용할 수 있는 공장’을 말한다. 이러한 개념이 도입되면서 제조 프로세스의 자동화 및 디지털화가 진행될 것으로 기대된다.

 

AI가 가져오는 효율 및 생산성의 향상이 주목을 받는 한편, 제조업 중에서도 제대로 도입되지 않고 있는 기업도 적지 않다. 기존 시스템과의 통합 어려움, 막대한 초기 투자와 같은 모든 업계의 공통된 과제 때문이기도 하지만, ‘암묵지의 디지털화’라는 제조업만의 과제 때문이기도 하다.

 

제조 기업에서는 오랫동안 ‘사람의 기술 및 지식’이 중요한 역할을 담당해 왔다. 숙련공의 경험이나 감과 같은 ‘암묵지’에 의존하는 부분이 많았다고 할 수 있다. 이러한 암묵지를 AI에게 학습시켜 활용해야만 한다.

 

여기에서는 제조업의 프로세스를 살펴보고, AI를 도입해야 하는 6가지 테마를 찾아냈다. 선진 기업이 AI를 어떻게 활용하고 있는지, 그리고 제조업만의 과제에 어떻게 대처해야 하는지 – 케이스 스터디를 참조하면서 작용 방법을 생각해 본다.

 

<표> AI를 도입해야 하는 6가지 테마

 

1. 예지보전과 원격 모니터링

 

1-1. PepsiCo(미국) / 제조 현장의 효율 향상과 점검 비용 25% 절감

 

AI 도입 배경

PepsiCo는 1965년에 설립된 식료 및 식품 업계의 세계적인 대기업으로서 펩시, 레이즈, 게토레이, 트로피카나 등의 브랜드를 세계 200개국 이상에서 전개하고 있다. 제조 프로세스의 최적화와 운용 효율 향상을 목적으로 PepsiCo는 예지보전 기술과 원격 모니터링에 AI를 도입하여 업무 효율 향상을 꾀했다.

 

AI 도입 효과

 

AI를 활용하는 예지보전 시스템을 도입하여 제조 설비의 마모 및 고장을 실시간으로 모니터링한다. 이 시스템은 설비의 300만 시간 이상의 가동 데이터를 분석하여 고장 패턴을 특정하는 알고리즘을 구축한다. 컨베이어 벨트 및 베어링의 마모를 사전에 감지함으로써 예기치 못한 다운 타임을 70% 절감하고, 25%의 점검 비용을 절감했다. 제조 현장의 가동률을 높이면서도 최적의 점검 계획을 세울 수 있다. 또한 AI가 센싱 데이터를 분석하여 원격 모니터링을 통해 이상을 감지하고 곧바로 대응함으로써 생산성을 높인다.

 

1-2. Siemens(독일) / 연간 17만 시간 이상의 가동 시간을 확보하는 AI 예지보전 시스템

 

AI 도입 배경

Siemens는 제조업, 인프라, 교통, 의료 등 다양한 분야에서 사업을 전개하고 있다. DX의 추진에서도 앞서나가는 존재로서, 제조업 영역에서 주목할 만한 점은 AI를 활용하는 예지보전 시스템 ‘Senseye Predictive Maintenance’다. 제조업에서는 ‘설비 점검 효율 향상’ 및 ‘제조 라인의 다운 타임 절감’과 같은 과제를 안고 있다. 동사는 AI를 통해 이러한 과제를 해결하고자 하였다.

 

AI 도입 효과

‘Senseye Predictive Maintenance’는 AI와 기계학습을 활용하여 기계의 이상을 예측함으로써 점검 타이밍을 최적화한다. 이 시스템은 실시간으로 설비의 상태를 감시하고 AI가 고장의 조짐을 분석함으로써 다운 타임을 최대 85% 절감하고 보수 비용을 최대 40% 절감한다. 여러 공장 및 거점을 넘나들며 500개 이상의 설비를 감시할 수 있어 설비의 운용 효율을 크게 향상시킨다. 이 시스템을 도입한 자동차 기업은 연간 약 17만 1,000 시간의 다운 타임을 절감하였고, 석유ㆍ가스 산업에서는 기존에 손실을 보았던 7만 2,000시간 이상을 효율적으로 활용할 수 있게 되었다. 식료품 업계에서는 설비 보수의 효율을 높임으로써 연간 4만 유로 이상을 절감했다고 한다.

 

2. 제조 프로세스와 공급망의 최적화

 

2-1. 삼성(한국) / 공급망의 리스크를 AI를 통해 조기 발견, 물류 전략 속도 향상

 

AI 도입 배경

삼성전자는 한국을 대표하는 글로벌 기업으로 스마트폰이나 반도체, 디스플레이, 가전제품을 중심으로 폭넓은 사업을 전개하고 있다. 특히 반도체 분야에서는 NAND 플래시 메모리 시장에서 세계 점유율 30% 이상을 자랑한다. 동사는 2030년까지 반도체 공장을 완전 자동화하여 ‘스마트 센서’로 제조 공정을 제어하는 로드맵을 밝혔으며, DRAM의 설계 자동화, 칩 재료 개발, 파운드리 수율 개선 등 다양한 제조 프로세스에서 AI를 도입하고 있다.

 

AI 도입 효과

삼성 그룹은 AI 기술을 활용하여 제조 프로세스 전체를 자동화하고 DRAM 설계 및 칩 양산 공정에서 효율을 높여 왔다. 2024년 5월에 그룹의 IT 기업 ‘삼성 SDS’는 AI를 활용하는 디지털 로지스틱스 플랫폼 ‘Cello Square’의 성능을 선보였다. 이 플랫폼은 매일 6만 건 이상의 글로벌 뉴스를 분석하여 공급망의 리스크를 찾아내고 물류 리스크를 판정한다. 기존에는 하루 이상 걸렸던 물류 전략 책정 시간을 2시간으로 단축했다.

 

2-2. 토요타(일본) / 생산 속도와 품질을 함께 높이는 AI 도장 시뮬레이션

 

AI 도입 배경

토요타 자동차는 국제적으로 연간 900만 대 이상의 자동차를 생산하는 기업이다. 전사적으로 생산 효율과 품질을 향상하는 데 주력하고 있으며, 제조 프로세스에서 DX를 적극적으로 추진하고 있다. 최근에는 도장 공정 및 품질 관리에서 AI를 도입하였다. 차체 도장 시 색상 관리 항목은 300가지 이상에 달하는데, 기존에는 이를 사람의 경험과 감에 의존했었다. 그러한 작업을 디지털화하여 개발 속도를 높였다.

 

AI 도입 효과

토요타는 AI를 이용하는 도장 시뮬레이션 시스템을 개발하여 색 조합부터 계측까지를 디지털화하였다. 도료 배합을 시뮬레이션하여 도장이 완료된 차체를 시각적으로 재현한다. 이를 통해 실제로 도장하지 않고도 품질을 평가할 수 있어 트렌드 컬러를 재빠르게 제품에 도입할 수 있다. 그에 더해 공장에서는 AI를 활용하는 예측 보수를 도입한다. 토요타는 AI를 활용하여 생산 효율과 품질을 향상하는 데 그치지 않고 작업 환경도 향상시켰다.

 

3. AI가 주도하는 스마트 자동화

 

3-1. BMW(독일) / AI 내비게이션으로 물류 로봇 진화, 에러 절감과 생산성 향상

 

AI 도입 배경

BMW는 독일을 거점으로 하는 세계적인 자동차 기업이며, 특히 고급 자동차 시장에서 존재감을 드러내고 있다. 1917년에 창업한 후 기술 혁신을 추구하여 최근에는 DX의 일환으로 AI 기술의 도입에 주력하고 있다. 동사는 제조 현장에서 자동화를 진행하기 위해 공장에서 일하는 ‘자동유도차량(AGV)’를 개발했다.

 

AI 도입 효과

BMW는 자사에서 개발한 물류 로봇과 스마트 운송 로봇(STR)에 고성능 기술화 AI 모듈을 탑재하고 사람 및 물체를 인식하는 능력을 향상시켰다. 내비게이션 시스템이 발달하여 동사의 AGV는 포크리프트 및 작업자, 장애물을 명확하게 식별한다. 수 밀리초로 대체 경로를 계산한다. 이를 통해 에러나 사고율을 줄이고 물류 프로세스의 생산성을 높일 것으로 기대된다. AI로 구동하는 AGV는 공장 및 창고 관리를 최적화하는 솔루션이 될 것으로 기대된다.

 

3-2. 오므론(일본) / AI 컨트롤러로 가공 정밀도를 높여 공구의 마모를 20% 절감

 

AI 도입 배경

오므론 주식회사는 1933년에 창업한 일본의 전기기기 기업으로, 제어기기, 전자 부품, 사회 시스템, 헬스케어 등 다양한 분야에서 사업을 전개하고 있다. 동사는 제조업 DX를 일찍부터 시작했으며, 숙련된 기술자의 부족 및 생산성 향상과 같은 제조업이 직면한 과제를 해결하기 위해 AI 탑재 컨트롤러를 축으로 하는 ‘i-BELT’를 통해 제조 프로세스를 최적화하고 있다.

 

AI 도입 효과

오므론은 AI를 활용하는 ‘금형 가공 절삭 최적 제어 서비스’를 제공한다. 이 서비스는 공작기에 설치된 진동 센서를 통해 절삭 시 진동 데이터를 실시간으로 계측하고 AI가 절삭 저항을 분석하여 최적의 가공 조건을 제안한다. 이를 통해 가공 시간은 기존에 비해 40%, 공구 마모량은 20% 절감되어 수명이 약 2배로 연장되었다. 이 서비스는 기존의 공작기에도 적용할 수 있어, AI 컨트롤러와 서포트 툴을 조합하여 설비의 이상 조짐을 감시하고 제조 현장의 효율을 높이는 기능도 갖추고 있다.

 

4. 품질 관리와 노동 안전성 향상

 

4-1. 보잉(미국) / 예측 보수 시스템을 통해 사전에 고장 감지, 점검 비용 20% 절감

 

AI 도입 배경

보잉은 항공 우주 산업의 글로벌 기업이며, 민간 항공기 제조 및 우주 시스템을 전개하고 있다. 항공 업계는 무엇보다 ‘안전한 비행’을 중시한다. 동사도 창설한 이후 안전상의 리스크를 줄이기 위한 이노베이션을 거듭해 왔으며, 그 일환으로 AI도 적극적으로 도입하고 있다.

 

AI 도입 효과

보잉은 AI를 활용하는 예측 보수 시스템 ‘Boeing AnalytX’를 도입했다. 이 시스템은 항공기의 실시간 운행 데이터를 분석하여 잠재적인 고장 및 이상을 사전에 감지함으로써 점검 비용을 20% 줄이고, 비행 지연을 35% 절감하였다. 이 프로그램은 계속해서 기능이 확장되고 있으며, 드론과 AI를 조합한 조사 및 비행 중 실시간으로 이상을 감지하는 시스템의 실장을 모색하고 있다.

 

4-2. JFE 스틸(일본) / 실시간으로 인물을 감지하여 현장의 안전성을 높임

 

AI 도입 배경

JFE 스틸은 일본의 3대 철강 기업으로서, 국내외에서 사업을 전개하고 있다. 동사는 DX 전략의 일환으로 제조 프로세스의 효율 향상 및 안전성 강화를 위해 AI 기술을 도입하였다. 동사는 AI를 활용하여 ‘품질 관리 및 노동 안전성의 향상’을 꾀했다.

 

AI 도입 효과

JFE 스틸은 AI를 활용하는 인물 감지 기술을 개발하여 작업 현장에서의 안전성을 강화했다. 작업자가 출입 금지 구역으로 들어가면 실시간으로 감지하여 자동으로 경고를 발함으로써 사고 위험성을 줄인다. 동작 감지 시스템에서는 AI가 작업자의 기본 행동을 확인하고 부적절한 행동을 감지하는 기능도 있다. 이는 노동 안전성의 향상에 공헌한다. 동사는 이러한 AI 기술을 전사적으로 확장하여 안전 관리를 강화하고 생산성을 향상하였다.

 

5. 제품 개발과 맞춤화

 

5-1. NVIDIA(미국) / AI 플랫폼을 통해 제품 개발 가속화, 맞춤화 실현

 

AI 도입 배경

NVIDIA는 1993년에 창업한 미국의 반도체 기업이며, GPU 개발ㆍ제조에 힘을 싣고 있다. AI, 자율주행, 데이터센터 등의 분야에서도 사업을 전개하고 있으며, AI 처리 GPU 기술로 존재감을 높여 왔다. 최근에는 AI 플랫폼을 활용하여 제품 개발을 맞춤화하고 있다.

 

AI 도입 효과

NVIDIA는 제조업을 대상으로 디지털 트윈 기술과 AI 솔루션을 제공하여 제품 개발 및 맞춤화에 있어 큰 성과를 거두었다. 예를 들어 NVIDIA의 Omniverse 플랫폼은 BMW의 공장에서 디지털 트윈을 사용하여 생산 라인을 최적화한다. 제품 개발 속도를 높이고 물류 비용을 절감했다.

또한 NVIDIA는 2023년에 Snowflake와 제휴하여 제조업 기업이 맞춤 생성형 AI 애플리케이션을 구축할 수 있도록 도왔다. 이러한 시책으로 인해 기업은 자사의 데이터를 활용하여 맞춤 AI 모델을 만들고 그 기업만의 애플리케이션을 빠르게 개발할 수 있게 된다. 설계부터 생산, 물류에 이르기까지 AI를 활용하는 제품 개발, 공급망 구축을 시야에 두고 있다.

 

5-2. 아사히 맥주(일본) / 생성형 AI를 통해 기술 자료 검색의 효율을 높여 R&D 가속화

 

AI 도입 배경

아사히 맥주는 1889년에 창업한 대형 맥주 회사다. 주류, 음료, 식품, 약품을 제조ㆍ판매하며, 2023년에는 7,692억 엔의 매출을 올렸다. 음료 업계는 국내외에서 경쟁이 심화되고 있으며, 동사는 제품 개발 강화와 고객 니즈에 대응하는 맞춤화 향상을 위하여 DX와 AI 기술을 적극적으로 도입하고 있다.

 

AI 도입 효과

아사히 맥주는 2023년에 생성형 AI를 활용하는 사내 정보 검색 시스템을 도입했다. 이는 사내에 축적된 방대한 기술 자료를 효율적으로 검색ㆍ활용하기 위한 것으로서, Azure OpenAI Service를 활용하는 시스템이다. PDF, PowerPoint, Word 등의 파일 형식에 대응하며, 파일의 내용까지 검색할 수 있는 기능을 탑재하였다. 검색 결과에는 자동 생성된 약 100자 정도의 요약이 표시되기 때문에, 맥주 양조 및 용기 기술에 관한 정보 수집의 효율이 극적으로 향상되었다. 이를 통해 R&D 프로세스의 속도와 정확도가 크게 향상되었다.

 

6. 에너지 관리와 비용 절감

 

6-1. GE(미국) / 디지털 트윈과 AI를 통해 에너지를 최적으로 관리하여 발전 효율 10% 향상

 

AI 도입 배경

1892년에 설립된 GE(제너럴 일렉트로닉)는 항공 우주, 에너지, 헬스케어 등 다양한 사업을 전개하고 있다. 특히 에너지 분야에서는 오랫동안 지속 가능한 에너지 솔루션을 제공해 왔다. 동사는 에너지 효율 향상과 비용 절감을 위해 AI 기술과 디지털 트윈을 활용하는 관리 시스템을 개발, 에너지 인프라의 운용 효율을 높였다.

 

AI 도입 효과

GE는 디지털 트윈과 AI를 조합한 에너지 관리 시스템을 도입하여 발전소의 운용 효율과 신뢰성을 향상하였다. 디지털 트윈 기술을 통해 발전 설비의 가상 모델을 만들고 실시간으로 운용 데이터를 감시한다. 이를 통해 예기치 못한 다운 타임이 40% 절감되고 유지비가 20% 감소하였다. 또한 연료 소비의 최적화를 통해 발전 효율이 10% 향상되고 운용 비용이 절감되었다.

 

6-2. 요코가와 전기(일본) / FEMS의 도입으로 AI가 공장의 에너지 소비를 관리, 비용 절감

 

AI 도입 배경

요코가와 전기는 1915년에 설립된 일본의 전기기기 기업이며, 제조업을 대상으로 하는 계측, 제어 솔루션에 있어 세계적인 평판을 얻고 있다. 산업 자동화 및 에너지 관리 시스템의 개발에도 강점을 가진 동사는 에너지 효율 향상과 비용 절감을 목적으로 FEMS(Factory Energy Management System : 공장 에너지 관리 시스템)를 개발하고 있다. 에너지 사용을 최적화하기 위해 AI를 통한 데이터 분석을 도입했다.

 

AI 도입 효과

요코가와 전기의 FEMS는 공장 전체의 에너지 사용 상황 및 CO2 배출량을 실시간으로 감시하여 효율적으로 에너지를 관리한다. AI를 활용함으로써 에너지 소비 패턴을 자동으로 분석하고 이상을 감지할 수도 있다. 개선해야 할 점을 빠르게 찾아내고 에너지 소비를 최적화하는 운전 패턴을 도출한다. 특히 보일러 운전 최적화에서 효과를 발휘한다. AI가 축적된 데이터를 분석하여 에너지 소비량을 절감한다. 동사는 공장의 에너지 손실을 줄이고 CO2 배출량을 절감했다.

 

케이스 스터디를 통해 보는 제조업의 AI 도입 – 과제 해결과 미래 전망

 

제조업이 해결해야 하는 과제는 예기치 못한 기기 고장에 대한 대처 및 품질 관리, 노동 안전성 확보, 에너지 비용 최적화 등으로 다양하다. 케이스 스터디를 통해 선진 기업이 AI 기술을 도입함으로써 해결하기 위해 힘쓰고 있음을 알게 되었다.

 

삼성이나 BMW와 같이 AGV나 AI를 도입하여 생산성이 향상되고 있다. 또한 AI가 주도하는 스마트 자동화에서는 생산 현장의 자동화를 한 단계 업그레이드하여 사람과 기계가 협력하는 ‘공존형 공장’이 머지않았다. 요코가와 전기와 같이 AI를 활용하는 FEMS를 통해 에너지 소비와 CO2 배출량의 절감을 동시에 달성하는 접근방식도 있다. 이러한 케이스 스터디는 AI가 현장의 과제를 해결할 뿐 아니라 지속 가능성과도 연관되어 지속 가능한 성장을 가져다줄 수 있음을 시사한다.

 

서두에서 언급한 것처럼, 제조업에서는 숙련자의 경험이나 감과 같은 ‘암묵지’에 의존해 왔다. DX를 하려면 이러한 암묵지를 자동화하는 것이 큰 과제이다. 오늘날 생성형 AI가 발전함에 따라 이러한 ‘암묵지’를 실장하게 될 가능성도 보이게 되었다. PepsiCo와 Siemens에서는 AI를 활용하는 예지보전 시스템을 도입하여 숙련자의 경험에 의존해 왔던 점검 업무를 자동화하였다. 토요타의 사례에서는 AI를 이용하는 도장 공정 최적화를 통해 사람의 감에 의존하지 않는 디지털화의 길을 엿볼 수 있었다.

 

AI를 적용하려면 사내에 축적된 기술 및 노하우를 AI와 통합하는 것이 중요하다. 이러한 프로세스를 통해 경험이 풍부한 직원의 지식을 데이터화하고, 그것을 전사적으로 공유ㆍ활용함으로써 제조 프로세스의 효율 및 품질을 향상시킬 수 있다.

 

 

[AI자율제조로 진화하는, 2025년 글로벌 스마트제조 · 팩토리 기술 개발 동향과 사업화전략] 보고서 상세보기