인공지능(AI)은 제조업체 경쟁력의 판도를 바꿀 수 있다. 효율성 향상, 비용 절감, 품질 개선 및 가동중지 감소 등 이런 잠재적 이점은 물론 기술부족을 극복하는데 도움을 준다. 인공지능은 대형 제조사만을 위한 것이 아니다. 고부가가치나 비용 효율적인 AI 솔루션은 많은 소규모 제조업체들이 인식하는 것보다 더 쉽게 접근할 수 있다.
최근 미국의 MEP National Network™/Modern Machine Shop 웹 세미나에서, 사우스캐롤라이나 MEP 네셔널네트워크의 앤디 카와 델타브라보 설립자 겸 CEO인 릭 오페디사노가 "제조 분야의 인공 지능: 실제 성공 사례 및 교훈"을 발표했다.
.이날 행사에서 릭 오페디사노는 Precision Global, Metromont, Rolls-Royce, JTEKT, Elkem Silicones 등 여러 제조업체와 협력한 AI 사용 사례에 대해 설명했다. 델타브라보는 2017년부터 약 90개 프로젝트를 진행하며 무엇이 가장 잘 작동하는지를 배우고 특히 소규모 제조업체를 대상으로 상당한 ROI(투자수익률)를 산출하고 있다. AI 프로젝트는 장비 가동 시간을 개선하고 품질과 처리량을 높였으며 폐기물을 줄였다. 다음은 성공적인 AI 구현, 잠재적인 함정 및 모범 사례를 파악하고 몇 가지 전문 팁을 공유했다.
AI와 머신러닝
사람들은 종종 AI와 머신러닝이라는 용어를 같은 의미로 사용하지만, 그것들은 매우 다르다. 머신러닝은 서로 다른 소스의 데이터를 한데 모아 데이터가 어떻게 작동하는지, 왜, 그리고 어떤 데이터가 다른 데이터와 상관 관계가 있는지에 대해 이해하는 데 도움을 준다
데이터에 있는 역사적 증거를 가지고 다양한 선택 사이의 확률과 과거에 어떤 선택이 분명히 더 잘 먹혔는지 알려줌으로써 특정 문제를 해결하는 데 도움이 된다. 이 모든 것의 관련성, 특정 결과의 확률 및 이러한 결과의 미래 가능성을 알려준다.
AI는 기계 학습이 제공하는 권장 사항에 대해 조치를 취하는 것이다. 뜨거운 스토브에 비유를 하자면, 뜨거운 스토브 쪽으로 손을 갖다 대면 뇌가 과거의 경험과 손가락의 얼얼함으로부터 일어날 수 있는 일과 해야 할 일을 알려준다. 이것이 바로 기계 학습과 같은 이치다. AI는 화상을 입기 전에 손을 뒤로 당기게 하는 기술력이다.
AI를 채택하는 이유
제조 환경에서 AI를 사용하는 것은 인간이 할 수 있는 것보다 더 빠르고 정확하게 실행 가능한 결정을 내리기 위해 데이터를 사용하는 것을 의미한다. 예측과 이상 징후 또는 이상 징후를 이해하기 위한 두 가지 특정 영역이 있다.
제조과정에는 예측이 가치를 창출할 수 있는 부분이 있다. 데이터를 둘러싼 의사결정과 프로세스에 대한 과거 데이터와 컨텍스트가 충분하다면 예측을 개발할 수 있는 가능성이 높다.
왜 같은 기계에서 같은 입력이 때때로 다른 결과를 가져오는가? 가끔 이해하고 싶은 제조 시나리오가 있는건가? 한 대의 기계에서 나오는 데이터는 인간 분석가가 대응하기 힘들 수 있으므로 AI가 도울 수 있는 부분이다. 또한, 제조 시스템은 전체론적이며 공정의 일부에서 하나의 측정 기준은 동일한 공정의 다른 부분과 관련이 있다. 한 영역만 보고 있다면 다른 영역에서는 무슨 일이 일어나고 있는지 어떻게 알 수 있을까? AI가 해결책이 될 수 있다.
AI가 재정적 영향을 미치는 영역
예측이 가능한 정비: 유지보수 로그에서 과거 기록 데이터를 가져오면 과거의 문제를 해결한 사항을 토대로 향후 페이로드(payroad) 시 기계가 어떻게 동작할지, 수정해야 하는지, 수정 시기, 이유 및 방법을 예측할 수 있다. 이를 통해 다운타임을 크게 줄일 수 있다.
예측이 가능한 품질: 고장을 예측하고 줄이면 상당한 비용 절감 효과를 얻을 수 있다.
스크랩 감소: 메트릭스를 사용하여 제품 사양 전반의 동작을 예측하면 스크랩을 최소화하고 제품 품질을 극대화할 수 있다.
생산량/처리량 증가: 기계 또는 프로세스가 더 이상 지정된 사양을 충족하지 못할지 여부와 시기를 예측하면 사전에 사양으로 돌아가 품질 통과를 줄이는 데 필요한 작업을 수행할 수 있다.
생산량/처리량 증가: 기계나 프로세스가 지정된 규격을 더 이상 충족하지 못할지 여부와 시기를 예측하면 사전에 기계나 프로세스를 사양으로 되돌리는 데 필요한 작업을 사전에 수행하여 품질 통과를 줄일 수 있다.
수요 및 재고 예측: 플랜트 운영 및 생산 이면의 데이터를 완벽하게 이해하면 중요한 부품의 수요와 이동을 예측할 수 있어 상당한 재고 절감 효과를 얻을 수 있다.
모범 사례 및 잠재적인 함정
제조업에 AI 솔루션을 도입하는 것과 투자가 정당한지에 대해서는 회의적인 시각이 많다. 성공적인 AI 구현은 문제(problem), 페르소나(persona), 프로세스(process) 라는 세 가지 P로 귀결됩니다.
인공지능이 풀기에 적합한 문제를 신중하게 정의해야 한다. 리더십, 운영, IT/기술, 디지털 전환 및 재무 담당자를 포함한 적절한 인력이 필요하다. 이들은 각각 AI를 성공적으로 채택하는 데 핵심적인 역할을 한다. 그리고 프로세스 – AI의 문제를 해결하는 올바른 방법을 식별하는 접근 방식이 필요하다. 문제를 해결할 데이터가 존재하는지 이해해야 한다.
새로운 기술이 출시되면, 하나의 생산 라인에서 AI를 시범 운영하는 것과 같은 파일럿으로 시작하는 것이 합리적이다. 반복을 생성하고 발생하는 모든 문제를 해결한 다음 파일럿을 다른 시스템이나 다른 라인으로 확장할 수 있다. 기술을 점진적으로 확장하면 매우 비용 효율적일 수 있기 때문에, 소규모 제조업체의 경우 큰 비용이 발생하지 않는다. 집을 지을 때처럼 ROI에 초점을 맞추는 것을 생각하는 것 이 필요하다. ROI는 지하실을 판다고 나오는 게 아니다. ROI는 그 기반 위에 구축하는 모든 것에서 나온다. AI를 구현할 수 있는 기반을 구축하여 즉각적인 수익을 기대할 수는 없다.
기업이 AI를 구현할 준비가 되었는지 어떻게 알 수 있나? 다리가 3개 달린 의자라고 생각하면 된다. 이 세개의 다리가 모두 갖춰져 있지 않으면 성공할 수 없다.
상부에서 주도권: 데이터를 사용하여 비즈니스를 개선하려는 기업의 주도권과 상부에서 데이터를 활용해 비즈니스를 더 좋게 만들려는 최우선 순위가 없으면 효과가 없을것이다.
데이터 수집에 투자: 회사에서 사람들이 데이터를 저장하고 관심을 갖는 일관된 방식으로 데이터를 수집하는 데 투자하지 않으면 효과가 없을 것이다.
고통을 찾고 이득을 찾아라: 계획되지 않은 다운타임, 폐기 또는 처리량과 같은 특정 문제의 구체적인 재정적 영향을 정량화할 수 있나? 그렇지 않으면, 작동하지 않을 것이다.
전문가 팁
마지막으로 델타브라보가 경험을 통해 배운 AI를 성공적으로 구현하기 위한 고난도 프로 팁 몇 가지를 소개한다.
우수 센터 지정: 여러군데 있는 중소 제조업체는 AI 파일럿을 위한 우수 센터를 하나 선택해야 된다. 단일 라인으로 단일 사이트에 AI를 배포한 다음 더 많은 사이트로 확장하기 전에 2-3 라인으로 확장한다. 다음 실행리드 이름을 지정한다. 공급업체와 소통하고 이러한 노력을 통해 업무를 수행하는 담당자를 한 명씩 지정한다.
단위 경제성 파악: AI 구축 시 최소한의 유지보수를 통해 CPU와 메모리, 디스크 등을 결합해 가상 장비를 제공하는 컴퓨팅 자원에 쉽게 접근할 수 있어 모두가 클라우드를 이야기한다. 클라우드 공급자가 알려주지 않는 것은 그들이 돈을 버는 방식이다. 그들은 데이터를 매우 저렴하게 저장하지만 컴퓨팅 리소스를 사용하기 시작하면 훨씬 더 비싸진다. 다양한 클라우드 제공업체 또는 스토리지 솔루션 중에서 가장 비용 효율적인 방식으로 확장할 수 있는 기능이 필요하다.
기술적 록인에 경계: 단일 클라우드 공급자에 모든 데이터를 저장하는 경우, 마이그레이션하기가 번거롭고 비용이 많이 든다. 빅테크는 들어가기는 쉽지만 빠져나오기는 어렵다는 사실을 명심해야 할 것이다. 특정 공급자에 올인하지 말아야 한다..
모든 사이즈가 다 맞는 것은 아니다: 사전 구축된 예측 유지 보수 솔루션을 약속하는 공급업체가 있으며, 고객은 데이터를 연결하기만 하면 된다. 그러나 믿을 수 없다. 필요한 솔루션은 프로세스를 이해하고 우선순위에 따라 조정하는 것을 기반으로 한다. 미리 제작된 모델은 묘책이 아니다. 당신은 결국 돈을 더 쓰고 다시 돌아가게 될 것이다.
진행을 위한 큰 기회: 화려한 머신러닝 모델을 구상하고 사용법을 알아내는 것 말고도 훨씬 더 많은 것들이 있다. 이 기능을 통해 운영 담당자뿐만 아니라 조직의 모든 사람이 더 똑똑해질 수 있다. 예를 들어 머신러닝은 스프레드시트 프로세스를 자동화하여 매일 새로 고쳐지는 분석 화면에서 데이터를 시각화하고 언제든지 확인할 수 있다.
미래의 경쟁력을 갖추기 위해서는 중소제조업체는 첨단제조기술 분야에 역량을 집중하는 것이 시급하다. 고부가가치나 비용 효율을 높일 수 있는 AI 솔루션을 도입하는것은 생각보다 어렵지 않게 접근할 수 있다.
