기계와 소프트웨어의 발전은 제조를 더 스마트한 공장으로 전환하고 있다. 현재의 공장이 스마트한 공장으로 진화하는데 있어서 가장 중요한 미래의 기술로 각광 받고 있는 것 가운데 하나가 인공지능(AI) 기술이다.

인공지능과 머신러닝은 확장 능력이 가장 큰 자동화 기술 분야라고 할 수 있다. 이 기술은 작업의 개별 프로세스와 기능을 최적화할 수 있으며, 생산 및 유지보수 일정을 관리하고, 비전 검사와 같은 기존 기술의 기능을 확장하고 개선한다.

Accenture와 Frontier Economics가 발표한 한 연구에 따르면 2035년까지 AI 기술이 노동 생산성을 최대 40%까지 높일 수 있으며, 제조 부문에 직접 부가가치(DVA)가 추가로 3조8천억 달러를 창출할 수 있다.

미래의 먹거리로 부상하고 있는 머신러닝과 AI 분야에서 존재감을 더하고 있는 메이저 자동화 3사의 AI 사업전략을 취재했다.

 

<기획·취재/최교식 기자 cks@engnews.co.kr>

 

 

 

 

 

기업은 숙련된 노동력에 덜 의존하고 AI 및 기계 인텔리전스에 더 많이 의존하기를 원하지만, 현재 전 제조업체의 1%만이 AI 또는 기계학습을 운영에 활용하고 있다. 대부분의 제조업체는 이 기술을 운영에서 활용하는 방법을 더 잘 이해하기 위한 노력을 실제로 전개하고 있으며, 한 조사에 따르면 주요 CPG의 45%는 10년 이내에 AI나 기계 학습을 통합할 것으로 예측된다. 국내 제조업계에서도 현재 AI를 사용하는 방법에 대해서 구체적으로 논의를 하고있는 단계에 들어섰다.

AI는 현재 비전 및 검사 시스템에 활발하게 도입이 되고 있다. 제조업체는 AI와 머신러닝을 동시에 활용하여, 주요 영역에 센서를 배치하여 효율성에 대한 지속적인 실시간 데이터를 수집할 수 있으며, AI 프로그램을 통해 분석하여 전체 프로세스를 개선하기 위한 잠재적인 조정을 할 수 있다.

 

AI, 시각 센싱을 통한 품질관리와 로보틱스, 예지보전 영역에서 부상

 

AI가 적용될 수 있는 분야는 다양하다. 로크웰 오토메이션의 이원영 차장은 “AI가 적용될 수 있는 분야는 식품, 자동차, 중공업 등 정말로 많다.”고 말하고, “시스템AI는 인더스트리가 많긴 한데, 품질과 연관된 경우가 많아서, 의외로 보수적인 자동차 분야에서 시스템AI를 진행하고자 하는 의뢰가 많다.”고 의견을 피력한다.

Beckhoff Korea의 이명복 이사는 “해외에서는 라면 포장의 실시간 검사나 앵커 볼트 생산라인 최적화 등 여러 사례가 보고되고 있다. 국내에서는 현재 한 연구소에서 AI를 적용해 크레인 재진제어에 사용될 수 있는 제어 방식을 연구하고 있으며, 올해 전반기 이전에는 결과를 얻을 수 있을 것으로 보인다.”고 말한다.

AI와 머신러닝을 통해 얻을 수 있는 장점은 많다.

지멘스는 현재의 전망에서 가장 크게 적용이 가능한 분야는 시각 센싱을 통한 품질관리, 로보틱스 그리고 예지보전 분야를 꼽는다. 지멘스 윤웅현 부장은 “이러한 제품 혹은 장비의 품질관리에 적용되는 AI는 작업자의 불필요한 집중도를 낮추고, 좀 더 효율적으로 인적자원을 배치하는 것이 가능하도록 도움을 제공하고, 기존에 인간의 노하우에만 의존했던 편차가 심했던 작업들을 표준화할 수 있다.”고 말하고, “결국 전반적인 관점에서 AI는 인력에 의존했던 작업들을 자동화할 뿐 아니라, 표준화할 수 있는 보조적 역할을 제공하고, 기존의 인간 전문가들은 본인이 가지고 있는 노하우를 AI에 적용하고 또한 그 데이터와 AI 자체를 관리하는 형태의 근무가 가능해지게 된다.”고 덧붙인다.

또 전 세계적으로 공급망이 이슈로 부상하고 있는데 AI는 이 공급망이나 창고관리에도 도움을 줄 수 있다.

지멘스 윤 부장은 “공급망이나 창고관리에서의 AI의 역할은 일련의 흐름 즉 생산량 예측à자재투입à자재 및 창고자재 상태 체크à자재 수급계획 수립 및 제안이 될 것”이라고 말한다.

또 Beckhoff Korea 이 이사는 “최근 공급망 관리자들은 인공지능을 활용하여 예측 정확도를 높이고 수요 및 자재관리를 최적화하는 완전 자동화된 자체 조정 의사결정 시스템을 목표로, 원자재 공급 업체에서부터 최종 고객에 이르기까지 방대한 공급망 체인의 요소들을 연계시키고 있다. 여기에는 과거 판매 데이터와의 공급망 설정을 통합할 뿐만 아니라, 각 지역의 광고 및 가격, 지역 일기 예보와 같은 실시간 데이터를 모두 포함하고 있다. 이러한 접근은 최종 고객에 이르기까지의 모든 불확실성 요소를 고려하여 예상치 못한 사건으로 인한 제품 구성, 또는 유통 네트워크의 변화에 유연하게 적응할 수 있도록 하는 것이다.”라고 말한다.

 

 

 

IT 엔지니어가 아닌 자동화 엔지니어도 사용하기 쉬운 AI 시스템을 제공하는데 초점

 

현재 지멘스와 로크웰 오토메이션은 현재 PLC에 꽂아서 쓸 수 있는 AI모듈을 내놓고 AI사업을 전개하고 있다.

지멘스의 SIMATIC S7-1500 NPU 모듈은 PLC의 모듈 형태로 신경망처리 장치를 CPU 랙 혹은 리모트 랙에 추가해서 산업 현장에 인공지능 어플리케이션을 적용하는 것이 목적이다. 여기에서의 장점은 모듈화가 가능하다는 것이다. 모듈화가 가능하다는 것은 PLC CPU와 NPU의 데이터가 중간 과정 없이 직접 교환이 가능하다는 의미고, 이는 바로 현장에의 반응시간에 직결되게 된다. 크기가 작은 만큼, 큰 연산은 불가능하겠지만, 엣지디바이스 혹은 클라우드에서 운영하는 것보다 더 즉각적인 현장 어플리케이션 적용이 가능해지는 것이다. 필드레벨과 엣지레벨 그리고 클라우드 레벨의 순환 구조에서, IT 엔지니어가 아닌 자동화 엔지니어도 사용하기 쉬운 AI 시스템을 제공한다는 것이 지멘스의 궁극적인 목표다.

로크웰의 FactoryTalk Analytics LogixAI(이하 로직스 AI) 모듈은 제어 섀시에 직접 장착되며, 백플레인을 통해 컨트롤러 데이터를 스트리밍하여 예측 모델을 구축한다. 생산 작업을 지속적으로 모니터링하고, 이를 통해 얻은 정보로 이상 징후를 감지한다. 또한, 작업자와 기술자가 머신러닝의 개념을 쉽게 적용하여 제품 품질 문제를 해결하고 프로세스 무결성을 보호한다. 특히 이러한 모든 기능은 머신러닝 알고리즘을 자체 개발하거나 검증, 관리할 필요 없이 사용할 수 있다는 것이 장점이다.

한편, PC 기반 제어 업계를 대표하는 Beckhof는 지멘스나 로크웰 오토메이션과는 달리, 소프트웨어적으로 AI 기술을 지원하고 있다. Inference Engine을 통한 실시간 제어와 학습모델의 프레임워크에서 출력되는 출력값을 자동화 시스템을 통해 실시간에 가까운 제어가 가능하도록 하는 것이 Beckhoff가 지향하는 AI 기술이다. 강력한 GPU가 필요한 머신러닝 프레임워크를 위해 원격에서 데이터를 교환할 수 있는 방법으로 데이터 교환은 표준화된 교환방식인 ONNX(Open Neural Network Exchange)를 이용한다.

Beckhoff Korea 이 이사는 “머신러닝이 통합된 TwinCAT3는 모델 교환 방식의 표준화와 동적 로딩을 통한 실시간 제어, 이 두 가지의 경쟁력을 지닌다.”고 말한다. TwinCAT3에서 머신러닝을 사용한다는 것은 하드웨어를 추가하거나 변경하지 않고 인터페이스를 구축할 수 있으며, 자동화 시스템에서의 완벽한 실시간 제어가 가능하다는 것이다. 또 TwinCAT3 ML은 표준 교환 형식인 ONNX의 파일로 동적으로 로딩할 수 있기 때문에, 다양한 머신러닝 훈련 프레임워크를 사용해서 설비에 적합한 모델을 선정할 수 있으며, 이 모델은 1ms 미만의 실행 주기로 실시간으로 실행될 수 있다. 그리고 이런 식으로 추론(훈련된 ML 모델의 실행) 결과를 직접 처리하고 초고속 EtherCAT 통신을 통해 출력 장치로 전송하여 설비를 실시간으로 제어할 수 있다.

 

산업현장에서의 인공지능은 만능이 아니라 현장 근로자의 노하우를 보조하는 존재

 

AI와 같은 신기술을 완전히 활용하기 위한 제조업계의 노력도 필요하다는 의견이다.

지멘스 윤 부장은 “구축하고자 하는 시스템에 맞는 데이터가 충분히 확보되어 있는가, 만약 아니라면 어떠한 유형의 데이터를 PoC 단계에서 축척해 가며 학습에 이용할 것인가를 먼저 올바르게 결정하는 것이 중요하다. 결국 산업현장에서 인공지능은 만능이 아니라 현장 근로자의 노하우를 보조하는 존재로 인식해야 보다 좋은 성과를 낼 수 있다.”고 말한다.

Beckhoff Korea 이 이사는 “AI 능력에 대한 현실적인 견해와 한계를 명확하게 알아야 할 필요가 있다. 또한 유연한 접근방식을 통해 AI의 최적화된 모델을 채택해야 한다. 그리고 고정관념을 바탕으로 이루어진 획일화된 프로세스 내에서는 AI를 통한 성능 개선은 만족할 만한 결과를 얻지 못한다. 이러한 고려사항은 결국 제조 생산현장의 과정에서 자동화할 수 있는 요소를 파악하고 AI가 작동하는 방식과 기존의 기술 접근 방식이 어떻게 다른지, AI의 작동 모델을 사용함에 있어 필요한 준비사항에 대한 충분하고 높은 기술적 이해 수준이다. 이를 바탕으로 잠재적 사용 사례의 실용적인 우선순위를 지정해야 한다. 이 단계에서는 재무적인 판단 등 전반적인 영향 가능성이 주요 우선순위를 정하는 매개변수가 되어야 한다.”고 피력한다.

로크웰 이원영 차장은 “실제 미팅을 하면 고객이 AI를 도입해서 뭘 하고 싶은지를 정확하게 얘기를 못 하는 경우가 대부분이다. 도입해야겠다는 건 인식하고 있지만, 이를 구축해서 우리회사가 원하는 게 뭔지, 현재의 상황과 도입시 원하는 방향에 대해 설명을 잘 못하는 고객들이 대부분이다. 그러나 이를 명확하게 설명을 못 하면 구축한 목표가 없는 거기 때문에 구축하는데 어려움을 겪을 수 있고, 구축을 하더라도 목표치를 달성했는지 잣대가 없을 수 있다. 따라서 현재의 문제점이 무엇이고 AI를 도입해서 되고 싶은 게 무엇인가를 제조 고객사 자체적으로 명확히 해주면, 구축을 제공하는 입장에서 구체적이면서 명확하게 솔루션을 제공할 수 있다.”고 말한다.

제조업계에서 머신러닝이나 AI는 급격한 속도는 아니지만 향후 몇 년 이내에 괄목할 만한 수요가 형성될 것이라는 것이 전반적인 의견이다.

지멘스나 로크웰, Beckhoff Korea 3사 모두 현재 AI 관련 PoC를 진행하고 있는 것으로 알려졌다.

지멘스 윤 부장은 “기술적인 기능성만 가지고 이야기하면, 인간의 의사결정이 꼭 필요하지 않은 영역에는 거의 대부분 적용이 가능하다고 생각한다. 다만, 비용과 노력의 투자 대비 이익에 대한 고려가 필요하기 때문에 섣불리 예단하기는 어려우나, 적어도 수년 이후에는 머신 비전으로 대체가 불가능한 생산 제품 품질 관리 영역과 다품종 생산이 필요한 조립라인의 로봇 영역 그리고 모터가 부착되는 장비의 예지 보전 영역은 AI로 대체가 가능한 수준이 될 것이라고 예측하고 있다.”고 말한다.

Beckhoff Korea 이 이사는 “자동화 가능성이 매우 높은 숙박 및 식품 서비스, 운송 및 창고 보관, 농업, 소매 무역 및 제조현장에서 활발히 검토되고 구현될 것으로 판단된다.”고 의견을 피력한다.

로크웰 이 차장은 “이미 기존시장은 포화상태다. 플랫폼이나 AR, VR, AI는 미래 투자 먹거리이기 때문에, 앞으로 수요가 확대될 것이다. AI 비전 같은 경우도 AI가 모든 걸 해결할 수 있는 게 아니라 사람이 눈으로 보던 걸 기계가 대신 해주는 심플한 콘셉트다. AI는 사람이 하는 걸 도와주는 역할이다. 그런 측면에서 사람을 도와주는 역할로서, AI는 얼마든지 확대가 될 것 같다.”라고 밝힌다. 이와 함께 “요즘은 비싸더라도 좋은 제품 하나를 사는 게 추세다. 그런 측면에서 어느 기업이든 품질에 굉장히 포커스가 맞춰져 있고, 우리 쪽에 AI를 의뢰하는 기업들도 그런 맥락에서 AI가 정말 필요하다는 판단에 의해 의뢰를 하고 있다. 과거에는 일이 일어나고 확인만 했던 상황에서, 지금은 예지보전을 통해 품질을 향상시킬 수 있다는 측면에서 산업 전반에 매우 긍정적인 영향을 미칠 수 있다.”라고 역설한다.

 

 

 

생태계 전략 ‘눈길’

 

이처럼 긍정적인 미래를 보여주는 AI 시장을 선점하기 위한 글로벌 자동화 메이저 기업들의 사업전략을 살펴볼 필요가 있다.

지멘스는 다양한 디바이스 계층에서의 인공지능과 자동화 엔지니어도 쉽게 적용할 수 있는 인공지능을 목표로 한다. 지멘스 윤 부장은 “기존의 AI가 클라우드나 적어도 PC급의 디바이스에서 사용되던 것에 비해 지금은 PLC 모듈까지 적용할 수 있도록 소형화 되어있고, 이러한 각자의 장단점들을 상호보완하는 유형으로 발전해 나가고 있다. 클라우드에 부족한 반응 시간은 NPU가, NPU에 부족한 연산속도와 규모는 클라우드가 보완하고, 엣지디바이스가 그 중간 역할을 해주는 상호보완적 구조의 AI로 일종의 기업 자체의 생태계를 제시하고, IT 전문가가 아닌 자동화 엔지니어도 보다 쉽게 AI 사용에 접근할 수 있도록 하는 것이 지멘스의 가장 뚜렷한 방향이 될 것으로 보인다.”라고 밝힌다.

Beckhoff의 AI 사업전략은 BSP(Beckhoff Solution Provider)를 활용한 AI 어플리케이션 확대다. Beckhoff Korea 이 이사는 “Beckhoff는 다양한 제품 포트폴리오를 보유하고 있다. 그러나, AI와 같은 특수한 어플리케이션 분야에 대해 필요로 하는 노하우와 능력에 한계가 있기때문에, BSP라는 프로그램을 통해 산업분야별 협력/파트너 고객을 모집하고 있다. Beckhoff는 산업 분야에 필요한 툴박스를 제공하고, BSP는 BSP의 노하우와 인적 네트워크를 통해 사업을 확장할 수 있다. 국내에서는 이러한 프로그램으로 시장을 확대하고자 한다.”라고 밝힌다.

자동화 업체들에 의한 머신러닝과 AI 기술개발도 빠르게 발전이 되어 나갈 것으로 보인다.

Beckhoff Korea 이 이사는 “머신러닝과 AI는 지능형 이미지처리 분야에서 급격한 성장을 이루고 있다. Beckhoff에서도 비전처리를 위한 다양한 알고리즘이 이미 TwinCAT 커널 수준에서 구현되어 다양한 어플리케이션에 적용되고 있기 때문에, 머신러닝과 결합된 제품이 준비될 것으로 보인다.”라고 밝힌다. 또한, Beckhoff 자체 솔루션에서도 다양하게 ML이 적용될 것으로 예상된다. 리니어 모터의 코깅 증상을 없애기 위해 데이터를 수집한 후 패턴을 분석해 코깅 증상을 없애는 것이 그러한 예 가운데 하나다.

초기단계에 있는 제조 AI시장. 누가 먼저 이 시장을 선점할 수 있을지 초미의 관심이 모아지고 있는 가운데, 메이저 자동화기업들의 발걸음이 분주해지고 있다.