자율제조 AI의 개념

자율제조 AI(Artificial Intelligence)는 인공지능 기술을 활용하여 제조 공정을 자동화하고 최적화하는 기술입니다. 제조업의 생산성을 높이고, 비용을 절감하며, 품질을 향상시키는 등의 효과를 제공합니다.

자율제조 AI는 제조 공정의 각 단계에서 발생하는 데이터를 수집하고 분석하여, 제조 공정을 자동화하고 최적화합니다. 이를 통해 재고를 관리하고 품질을 개선하여 불량률을 줄일 수 있으며, 제조 공정에서 발생하는 문제를 빠르게 해결할 수 있습니다. 특히 기존의 공장자동화(Factory Automation)와 유사하다고 볼 수 있으나 로봇·기계·시스템 등 생산 주체가 스스로 학습하고 추론한다는 점에서 차이점이 발생합니다. 자율제조에서는 AI 기술의 적용을 위한 데이터의 연계 및 활용이 핵심이라고 할 수 있습니다.

자율제조 AI의 등장 배경

이러한 자율제조AI가 생겨나고 확산되고 있는 데에는 다양한 이유가 있습니다.

대내외적 환경이 변화하며 제조업의 생산 체계가 대량생산에서 맞춤생산, 개인화생산으로 변화하였습니다. 제품이 개인화됨에 따라 그 종류는 더욱 다양해졌습니다. 빠르고 다양한 변화를 요구하는 현 상황에서 제조업의 기존 생산체계는 소품종 대량 생산에 최적화되어 있기 때문에 다양한 수요 변동에 대응하기에는 시간과 비용이 과도하게 소요되는 문제점이 있어서 유연성을 확보하기에 어려움이 있습니다. 이는 단순히 현재 직면한 과제를 넘어서 기업의 생존과 직결되고 있습니다.

그림 1. 제조산업 패러다임의 변화 양상

또한 오늘날 인구구조에 따른 고령화와 제조업 현장직 기피 현상 등 복합적인 문제로 인해 제조산업 전반에 노동력 부족 문제는 산업경쟁력의 약화로 이어지고 있습니다. 이러한 종합적인 문제를 해결하기 위해 IoT, AI·빅데이터, 디지털 트윈 등 첨단 제조기술을 활용한 생산체계를 통해 높은 생산성과 품질을 유지하는 것이 요구되고 있습니다. 최근 AI 기술이 비약적으로 발전하면서 제조업의 이러한 문제점들을 해결하고 작업자의 개입을 최소화하는 자율생산이 가능한 기술적 토대가 마련되고 있습니다.

자율제조 AI 도입 효과

1) 생산성 향상

자율제조 AI는 생산 공정을 자동화하고 최적화하여 생산성을 극대화할 수 있습니다. 이를 통해 제품 생산에 대한 계획을 조정하고 시간을 단축시켜 불량률을 줄이는 등 ‘생산’과 관련하여 다양한 효과를 얻을 수 있습니다.

2) 비용 절감

자율제조 AI는 생산 공정의 데이터를 실시간으로 분석하고, 이를 바탕으로 최적의 생산 조건을 도출합니다. 따라서 인력의 최적화를 이룰 수 있고, 제품의 오류를 줄여 기존에 오류가 발생하는 동안 일어났던 비용의 낭비를 방지할 수 있습니다.

3) 품질 개선

실시간 데이터가 지속적으로 축적되므로, 문제가 일어날 수 있는 지점을 미리 예측하고 해결할 수 있는 방안을 마련할 수 있습니다. 이로 인해 제품의 불량율을 줄이고 품질을 개선할 수 있습니다.

4) 새로운 비즈니스 기회 창출

AI를 활용하여 생산 과정에서 발생하는 데이터를 기반으로 새로운 제품이나 서비스를 개발하고 출시할 수 있습니다. 기존 제품을 확장하거나 새로운 시장에 진출하는 등의 기회를 만들어낼 수 있으며, 이는 해당 기업이 산업 내에서 경쟁력을 갖출 수 있음을 의미합니다.

자율제조 AI의 핵심, 데이터

산업통상자원부가 올해 5월 발표한 자료에 따르면 현재 우리 제조업의 지능화 수준은 약 76% 정도가 기초 단계에 머물러 있습니다. 산업부는 ‘AI 자율제조 전략 1.0’을 발표하며 현재 9% 수준인 AI 자율제조 확산율을 2030년까지 30% 이상 높이고, 제조 생산성 또한 20% 이상 향상시키는 것을 목표로 제시했습니다. 정부도 기업들이 AI를 적극 활용하여 생산성을 향상시킴으로써 산업 경쟁력을 확보하는 데에 노력을 기울이고 있는 와중, 아직까지 기업들은 AI를 도입하는 데에 있어 어려움을 느끼고 있습니다.

실제로 IT World와 CIO가 조사한 ‘2023 국내 AI 도입 및 활용 현황 조사’ 결과를 보면 AI 기술을 도입하여 실제 업무에 활용 중이라는 기업은 23.8%, 도입 계획 검토 중인 기업은 40.7%, 도입할 계획이 없는 기업은 8% 등으로 나타났습니다. 더불어 AI를 도입하는 데에 있어 기업이 가장 크게 어려움을 느끼는 부분은 ‘데이터 부족과 데이터 품질 문제’가 약 53%로 1위를 차지했습니다.

그림 2. AI 기술 도입 현황 (출처 : IT World&CIO)

그림 3. AI를 도입, 운영하는 과정의 어려움 (출처 : IT World&CIO)

자율제조 AI를 실현시키기 위해서는 다른 무엇보다 데이터 수집 과정을 꼼꼼히 설계하고 수집하는 것이 중요합니다. 제조 공정에서 발생한 과거의 데이터와 실시간으로 수집되는 데이터를 분석하여 최적의 생산 조건을 도출하는, 데이터 기반의 의사결정이 이루어지기 때문입니다.

자율제조 AI 도입 시 고려할 점 : 고성능 인프라와 데이터의 중앙 통합

제조 공정에서 발생하는 방대한 양의 데이터를 보관·수집·활용하려면 고성능의 인프라 시설을 갖추고 있어야 합니다. 고성능 컴퓨팅(HPC)은 대량의 데이터를 빠르게 처리하고 계산할 수 있는 환경을 제공하며, 네트워크 인프라를 통해 데이터 전송 속도를 높일 수 있습니다. 기본적으로 높은 성능을 자랑하니 업무를 진행하는 과정에 있어 지연되는 시간을 줄일 수 있고, 이를 통해 생산성을 향상시킬 수 있습니다.

고가의 고성능 자원에 대한 효율적 관리

인프라를 통합하여 구축하면 CPU와 GPU, 소프트웨어 라이선스 등의 전체 자원을 어떻게 사용하고 있는지 모니터링하고 통계 낼 수 있어 향후 기업의 전략 수립 시 참고할 수 있습니다. 즉 기존 사용량에 대한 데이터를 기반으로 기업에 적합한 의사결정을 할 수 있습니다.

개인별 및 부서별 협업 증대

인프라 시설 및 데이터를 전사 통합으로 구축하면 연구원 상호 간의 협력이 원활하게 이루어질 수 있습니다. R&D 업무 특성 상 개인이 아닌 팀 단위로 업무가 이뤄지는 경우가 있는데, 이 때 사용하는 환경이 다르고 데이터를 축적하는 방식이 다르면 커뮤니케이션에 오차가 발생할 수 있습니다. 통합적인 환경을 이용하고 데이터 공유가 원활히 이뤄지면 협업이 더욱 매끄럽게 진행되어 업무 진행 속도가 지연되는 것을 방지할 수 있습니다.

통합 HPC 솔루션, 아렌티어를 통한 기반 구축

연구 분야별 최적화된 솔루션 제공

RNTier(아렌티어)는 시뮬레이션, 엔지니어링 디자인, 딥러닝 등 R&D 분야에서 고성능의 컴퓨팅을 필요로 하는 각 분야별 최적화된 솔루션을 제공합니다. 시뮬레이션의 경우 상용 소프트웨어별 작업 제출폼을 제공하고 작업 후처리 연동 등의 기능을 지원하며 엔지니어링 디자인의 경우 3D 전용 VM을 통한 원격 고성능 그래픽 작업을 지원합니다. 또한 딥러닝은 VM뿐만 아니라 도커·쿠버네티스 기반의 컨테이너의 환경까지 고객 맞춤형으로 제공하여, 이를 통해 고객의 업무 환경이 더욱 쾌적하고 편리해질 수 있습니다.

최근 R&D 분야의 다양화 및 세분화가 이루어져, 하나의 기업에서 시뮬레이션과 엔지니어링, 딥러닝을 모두 진행하고자 하는 니즈가 보이는 기업도 증가했습니다. 아렌티어는 솔루션별 단독 구성도 가능하지만 분야별 통합 구 또한 가능하여, 사용자와 관리자 모두가 업무별 환경을 통합 사용 및 관리할 수 있습니다.

HD현대도 선택한 R&D 통합 플랫폼, 아렌티어

HD현대는 설계 기간을 단축하고 더욱 정밀한 선박을 설계함으로써 조선업 내에서의 경쟁력을 강화하고 초격차 기술을 확보하기 위해 R&D 통합 플랫폼인 아렌티어를 ‘R&D Workspace’라는 명칭으로 도입했습니다. 이를 통해 언제 어디서나 CAD, CAE, AI 등의 업무가 가능해졌으며, 단일 플랫폼 내에서 온프레미스와 퍼블릭 클라우드를 모두 이용하여 업무의 혁신성을 가속화하였습니다.

이를 사용하는 연구원들은 빠르고 안정적인 작업 환경을 통해 “모든 해석 사용자들이 R&D Workspace 내에서 편리하게 모든 해석 업무를 수행할 수 있게 되었습니다”, “이전에 느껴졌던 느림 현상이 느껴지지 않아 업무 생산성이 높아졌습니다”라며 만족감을 드러냈습니다.