‘Industry 4.0’이 가져온 미래형 공장 혁신 사례 - 제조업을 혁신하다. Indusrty 4.0 (2편)-

지난 1편에서는 'Industry 4.0'이 추구하는 목적과 기능들에 대해서 알아보았는데요. 이번 시간에는 'Industry 4.0'이 적용된 미래형 공장 사례에 대해 알아보고, 어떻게 접근해 나가야 할 것인지 알아보도록 하겠습니다. 

● 제조업을 혁신하다. Indusrty 4.0 (1편) : http://blog.lgcns.com/897

  ▲Industry 4.0의 인큐베이터 역할을 하는 Siemens Amberg 스마트 디지털 공장의 모습 

    (출처: www.siemens.com)

스마트공장을 우리가 자주 사용하는 네비게이션 도구에 비유하여 설명해 보겠습니다. 일단 사람들이 자주 가는 행선지에 대한 정보를 보유(제품 가공에 대한 정보)하고, 현재 위치와 시시각각으로 변하는 교통 상황에 대한 정보(현재 가공상태, 대기행렬, 기계상태, 설비활용률 등)를 실시간으로 업데이트해 최적화 경로(최적화 생산)를 계속 찾아줍니다. 

복잡한 현실처럼 제조 환경 또한 이렇게 동적으로 변하는 상황을 고려하는 것이죠. 생산 일정에 따라 최적의 생산 셋업을 찾고, 동적인 스케줄을 시시각각으로 갱신하여 적용할 수 있고, 이를 통하여 불량률•자원 효율성 등을 각각 낮추거나, 높일 수 있을 것입니다. 

제조 시스템이 가질 수 있는 가장 고질적 문제 중의 하나는 생산여력(Capacity)과 실제 생산능력 (Capability) 사이의 차이로 인한 자원 활용의 비효율성입니다. 현재 가장 효과적으로 자원을 이용하고 있다는 공장의 경우에도 85% 정도의 자원 이용률에 그치고 있다고 합니다. 

즉, 전체 작업 시간에서 15% 이상의 비율로 그 가치가 존재하지 않는 활동들 즉, 머신 체인지오버(Machine Change Over)^[각주:1], 설비 점검•수리, 정지, 그리고 불량품 가공 등에 설비•자원들이 낭비되고 있는 현실인 것이죠. 이는 제품의 신속한 납기를 저해합니다. 마치, 차를 샀는데 일주일에 한 번 탄다거나, 정작 타고 나갔는데 신호대기로 기름만 낭비한다거나 하는 것과 마찬가지입니다. 

따라서, 스마트공장은 낭비 Zero 공정과 납기단축을 실현하기 위한 해묵은 세 가지 과제를 종합적으로 해결하기 위해 제시된 것이라고 할 수 있는데요. 그 과제의 내용은 다음과 같습니다.

① 시스템이 제어할 수 있는 인자인 제품(생산량, 제품 개발/생산 공정 등), 자원(공정을 담당하는 개체)     들을 어떻게 하면 가장 효율적으로 제조 활동에서 분배•이용•관리•유지할 수 있을까? 

② 제어할 수 없는 외부 인자들(날씨 등 환경요소, 고객의 구매의사, 부품 공급측면 등)에 대한 정보를       어떻게 제조 의사결정에 활용할 수 있을까? 

③ 제품과 자원들에서 발생하는 다양한 데이터, 시스템 자체의 복잡성을 어떻게 처리하고, 체계화된           시스템 지도를 구축할 수 있을까? 

그렇다면 다음의 사례들을 통해 이러한 문제들을 어떻게 해결하고 있는지 살펴보겠습니다. 크게 스마트공장 구축을 위한 근간 기술을 공급하는 쪽과 실제 다양한 제품 제조 현장의 스마트화를 통한 스마트공장 패러다임을 수요하는 쪽, 그리고 클라우드를 통한 근간 기술과 제조 서비스의 공유로 나눠서 소개하도록 하겠습니다. 

Siemens의 여러 공장 중, 독일 Amberg에 위치한 이 공장은 Industry 4.0과 스마트 팩토리의 테스트베드로서 활용되고 있습니다. 즉, 스마트공장 구축기술을 여러 다른 제조업체들에 파급 및 상용화하기 위해, 실제 생산환경에서 검증과 개발을 목적으로 한 일종의 R&D 산학 협업 플랫폼이라 할 수 있겠는데요. 

제품수명 주기관리(Product Lifecycle Management, PLM) 등을 활용한 제품개발 및 제조기획을 관장하는 ‘가상생산’과 각종 센서, 디바이스, 제어, 생산관리시스템 등을 연동하는 제조수명 주기관리를 통한 ‘공장생산’을 통합하고 있습니다.

Amberg 공장은 이 회사의 여러 제품 중, PLC 등의 산업용 자동화 관련 기기와 소프트웨어를 중점적으로 제작하는 공장입니다. 1,000여 종에 달하는 제품을 한 달에 백 만개 이상 생산하며, 자체 개발한 자동화 장비들, 로봇 및 SIMATIC MES 소프트웨어^[각주:2]가 적용되어 하루 5천만 개의 개별 공정을 관리합니다. 

그 결과 현재 약 75% 정도의 자동화율과 0.0012%의 불량률을 유지하고 있는데요. 이렇게 다양한 종류의 제품을 생산 시, 가장 문제점으로 드러날 수 있는 것이 제품 종류가 바뀔 때 발생하는 제조 공정의 수정이며, 상당한 시간이 이 '체인지오버' 과정에 소요됩니다.   

이를 해소하기 위해 IT와 융합한 기계와 수만 개의 센서를 통해 얻어진 5,000만 개 이상의 빅데이터를 실시간으로 분석하고, 의미 및 활용 방안을 도출한 후, 스스로 의사 결정을 하게 되는데요. 뿐만 아니라 모든 부품과 제품에도 바코드, RFID 등을 부착해 그 상태를 실시간으로 파악하고, 지능형 기계들은 제품을 중심으로 M2M(Machine to Machine) 상호 작용하는 일종의 ‘소셜 머신’을 형성하는 것입니다. 

즉 기계, 로봇, 툴이 생산품에 대해 가변적으로 조정되는 플러그 앤 프로듀스(Plug&Produce) 프로세스가 구축되는 것이죠. 사물인터넷(Internet of Things, IoT)의 공장판 버전으로 그 부분 집합에 해당한다고도 말할 수 있겠습니다. 

그리고 작업 대상에 대해 미리 파악하고, 어디에 위치시켜야 할지 문제를 감지하여 작업을 중단하기도 합니다. 또한 다음 작업이나 생산 단계를 자율적으로 결정하기 때문에 불량률이나 생산 주기가 감소하고, 그 결과 변화에 대한 유연성이 증가하게 되죠. 또한 아래 그림처럼 중앙의 SIMATIC IT 플랫폼에 감지된 혹은 그로 인해 변화된 정보들이 집합되어 현장을 한눈에 모니터링 할 수 있습니다.  

    ▲대시 보드를 통한 사용자 중심 (공장 매니저, 작업자 등)의 다양한 공장 모니터링 

       (출처: www.iwu.fraunhofer.de)  

그리고 생산 현황, 불량률, 가동률, 수행률 등이 통계치, 도표 등으로 가시화되어 생산라인을 최적 운용하는 데 필요한 의사결정 보조역할을 해 주고, 이를 통해 가치 있는 전략을 수립할 수도 있죠. 마지막으로 불량품이나 현장 문제 발생 시 부분에 대한 세부적인 정보 확인과 운영 규칙의 조정 또한 가능합니다. 

단일 제품 중 가장 복잡도가 높은 자동차와 항공기 생산은 ‘Industry 4.0’의 성과와 파급력이 가장 잘 드러나는 분야인데요. 앞서 소개한 Siemens, Bosch 등이 개발•검증하여 공급하는 스마트공장 기술을 독일의 여러 자동차 업체들이 자사의 기존 시스템에 활발히 흡수•적용하고 있습니다. 

‘Volkswagen’의 경우는, 생산 정보가 담긴 RFID 칩을 부착한 자동차 플랫폼이 생산 라인을 지나가면서 능동적으로 자신이 받아야 할 가공 작업을 기계들에게 요청하는 방식을 사용하고 있습니다. 차체 플랫폼은 인도에 위치한 공장에서 로봇과 레이저 용접 등을 이용해 따로 제작하고 있으며, 원거리 설비들은 유럽 본사에 있는 엔지니어들과 가상 공장을 통해 원격으로 운영•관리•수리합니다. 

한편으로, ‘Daimler Benz’는 모듈화된 플랫폼과 주문 생산 전략(Make-to-order)을 통해 개인화된 제품 생산을 실현하고 있습니다. 십여 가지가 넘는 엔진, 인테리어, 인포테인먼트 시스템, 색상 조합을 능동적으로 적용하는데요. SAP HANA Platform과 같은 클라우드 기반의 ERP/가상 IT 플랫폼과 Siemens의 제품수명 주기관리(PLM)를 함께 사용하여 모듈•부품 공급 업체들과 보다 긴밀한 정보 공유 및 협력이 가능합니다. 20개 이상의 개발센터와 공급업체가 동일한 플랫폼을 사용하여 수평적 가시성이 확보된 공급망 관리를 통해 납기 준수율과 만족도를 동시에 달성하고 있습니다. 

‘BMW’의 경우는 전기 자동차 생산을 통해 Industry 4.0 패러다임을 실현하고 있습니다. 탄소 섬유 복합재, 고탄성 내열 플라스틱, 알루미늄 드라이브 모듈 등의 신소재와 연료 전지 등의 미래형 자원 및 자체 광산 및 풍력 발전기를 통해 자원과 에너지 자급하고 있는데요. 신소재를 통해 금형 프레스, 페인트 공정이 사라지고, 조립 시 컨베이어벨트 대신 자율형 무인 스마트 카트를 사용해 유연한 공정 전환이 가능해졌습니다. 

모든 BMW 모델들이 한 개의 라인에서 생산이 가능하게 하기 위해 노력 중이고, 이를 위해 제품수명주기, 제조수명주기, 생산관리 시스템이 유기적으로 상호작용하는 플랫폼을 구축하였습니다. 또한 협업 로봇(Cobots)이 여러 부분에 사용되어, 하나의 로봇이 차체 운반, 좌석 조립, 차체 도장, 유리 설치 등의 다양한 작업을 수행합니다. 

   ▲GE의 Brilliant Factory (출처: blogs.actuate.com)

독일의 Industry 4.0과 흡사한 개념으로, 미국 내에서도 GE, CISCO, Intel, Honeywell, Rockwell 등의 업체들이 협력을 통해 스마트 제조시스템 인프라 공급을 위한 기반 기술을 활발히 개발•시험하고 있는 중입니다. 

그 중 대표적인 것으로 GE의 Brilliant Factory라는 스마트팩토리 테스트베드가 있습니다. Industrial Internet, Intelligent Platform을 통한 물리-가상의 결합을 통해 제품개발•부품공급•실제 생산에 이르기 까지 제조 주기의 단축을 위한 기술을 축적하고 있습니다. 또한, 제품에 따라 새로운 생산 라인을 깔 필요 없이 3D 프린터 등을 같이 활용하여 한 공장에서 항공, 에너지, 발전 관련의 다양한 제품군을 함께 제조할 수 있게 되었습니다. 

앞서, 독일 자동차 업체들과 흡사하게, 미국 자동차 업체인 GM 또한, GE 등이 공급하는 스마트팩토리 관련 인프라와 자체 노하우를 통합하여 실재 현장의 스마트 환경을 이루어 나가고 있습니다.  소셜미디어를 통해 운전자의 운전 습관, 그리고 고장에 대한 토의, 특정 자동차 브랜드의 부분별 내구성 등의 리뷰를 바탕으로, 제조사와 연계된 부품 공급자들이 보다 현실적인 대비 전략을 마련하는 것이 가능합니다.  

   ▲ 소셜 및 상황•환경요인을 활용한 GM의 스마트팩토리 적용사례 (참조: Cognizant, 2014)

    * 이미지를 클릭하시면 더 큰 이미지로 보실 수 있습니다. 

또한 제품, 자원끼리의 실시간 정보 교환뿐만 아니라, 날씨 등의 환경적인 요인조차 지능형 환경 센서를 이용하여 측정하여 생산 의사결정에 반영하는데요. 실시간 정보를 바탕으로 거기에 대응•예측하여 작업 단계의 순서와 규칙을 능동적으로 조정해 줍니다. 그리고 이것은 공장 전체의 활용률을 높이는 방법으로 사용되고 있습니다.

클라우드 PLM(Product Lifecycle Management)/CAD(Computer Aided Design)/CAE(Computer Aided Engineering) 등을 이용한 가상 제조 환경에서 협업 개발이 이루어지고 있으며, 모델 기반의 스마트 공장은 공정 프로토타이핑(Prototyping), 공급망 최적화, 예측기반 유지 보수, 실시간 분석 및 협동 계획의 마련이 가능합니다. 

기존 On-Site PLM, ERP 등의 제품•제조 주기 가상 시스템들에서 더 나아가 이를 클라우드 플랫폼에서 통합•관리하려는 움직임 또한 활발히 진행되고 있습니다. 클라우드 기반 제조(Cloud-based Manufacturing)은 클라우드 기반에서 자원•정보 공유가 이루어지고, 장소에 구애 받지 않는 가상 작업 공간을 제공합니다. 

이렇게 되면, 제품 공급망에 연계된 여러 공장들이 보다 열린 환경에서 쉽고 빠르게 협력이 가능해 질 것입니다. 또한 아래 그림과 같이 여러 제조관련 서비스가 비즈니스 프로세스로 매쉬업되어 필요할 때 마다 맞춤형 소프트웨어와 정보로 제공되는데요. 

   ▲보다 열린 환경에서의 Cloud-based 스마트 제조 플랫폼 

    * 이미지를 클릭하시면 더 큰 이미지로 보실 수 있습니다. 

또한 네트워크형 가상-물리 제조 방식으로 인해 다양한 제조 자원•공장이 비즈니스 절차에 의해 하나의 기계처럼 구동되는데요. 이는 다양한 사용자군에게 다양한 제조 관련 지원과 파생 서비스를 제공할 수 있습니다. 그리고, 서비스 제공자와 수혜자의 구분이 없어지는데, 이는 서로의 자원과 서비스를 빌려 쓰는 형태라고 볼 수 있습니다. 

현재, 주요 IT/DB 업체(SAP, Microsoft, IBM, Oracle, PTC, Salesforce, Tibco 등)와 제조업체들(LG, Samsung, GE, Intel, Siemens, Bosch 등) 그리고 중소 솔루션 업체들이 새로운 제조방식의 실용화를 확대하고 있고, 서로 경쟁과 협력을 통해 발전해 나가고 있는 중입니다. 

이러한 플랫폼의 상용화는 아직 개발•도입 단계인데요. 위에 설명드린 바와 같이 GE Intelligent Platform/Brilliant Factory 등이나 Cisco Industrial Smart Solution, MS DiRA-Azure 바탕의 Global Operation, Intel Manufacturing Platform, SAP HANA, PTC ThingWorx 등이 클라우드를 활용한 복합적인 제조 IT 플랫폼 수립에 박차를 가하고 있습니다. 

이것이 상용화된다면 다음과 같은 시나리오가 가능해질 것 같은데요. 태풍 등의 자연재해로 인해 필요한 부품들을 공급받지 못하여 납기일을 맞추지 못할 경우, 클라우드의 가상 공장을 통해 연결된 가용한 다른 생산 자원을 이용할 수 있다면 제조사는 그 피해를 상당 부분 줄일 수도 있을 것입니다. 연결된 유휴 생산 자원은 그 활용도를 최대화할 수 있을 것이고, 또한 스마트공장 구축•실행을 위한 기반 기술들 또한 클라우드를 통해 공유•활용될 수 있을 것입니다. 

현재 우리나라에서도 정부•대기업 주도로 뿌리기업 생산성 제고를 위한 제조현장 스마트화-첨단화 지원사업과 스마트 팩토리 공급산업 육성이 시작되었습니다. 2020년까지 1만개 이상의 중소 제조기업을 스마트화하여 우리나라 제조업의 경쟁력을 전체적으로 높여나가려 노력 중입니다. 

여러분은 ‘머니볼(Moneyball)’이란 영화를 알고 계신가요? 야구판에서 컴퓨터와 통계를 활용해 선수를 뽑고, 구단을 운영하는 내용이었죠. 극적인 요소가 다소 가미되긴 했었지만, 이것을 보신 여러분은 어떤 생각을 하셨었나요?

'Industry 4.0'의 실용화 또한 이와 비슷할지 모르겠습니다. 그 개념 자체가 무척 복합적이며, 보다 장기적인 접근이 필요할 것으로 보이는데요.

사실, 독일이나 미국의 Industry 4.0의 구체화되지 않은 패러다임을 자동화 수준과 인식에서 차이를 보이는 국내 기업에 그대로 도입 시 국내 실정과는 맞지 않을 수도 있다는 우려도 존재합니다. 또한, ROI(투자대비수익률)에 대한 회의적인 시각 때문에, 아직도 중소기업들은 그 도입과 적용을 꺼리고 있기도 합니다. 

그래서, 투자를 통해 여러 솔루션들을 도입하는 것은 쉽지만, 사실 더 중요한 것은 탄탄한 스마트팩토리 기반 기술 확보를 위한 국산화된 테스트베드와 이를 각각의 제조 시스템의 특성에 맞게 ‘맞춰 나가는’ 작업일 듯합니다. 

ROI를 생각하며 단기간에 가시적 성과를 기대하기 보다는 기계와 소프트웨어, 작업자, 협력업체들이 모두 유기적으로 연결되어 적응하는데 필요한 시간을 인내해야 하는 것이죠. 가장 쉬운 방법으로는 대상 기업의 현재 정보화 수준을 세밀하게 진단하고, 단계별로 (자동화 단계, 자체 시스템 지능화 단계, 공급망 단계, 클라우드 공유 단계로 확산) 차근차근 적용해 나갈 필요가 있을 것입니다. 

시뮬레이션 같은 도구로 무엇인가를 분석을 할 때도, ‘웜업 기간(Warmup Period)’이라는 것은 필요합니다. 컴퓨터로 분석 시, 그 초기 상태는 현실과 많이 다르기 때문에 소위 말해 현실과 좀 닳게 만드는 튜닝 과정이 있어야 하는 것이죠. 이를 통해 좀 더 정확한 분석 결과가 도출될 수 있습니다. 그리고 이것은 너무 길어도 좋지 않지만, 다듬는 과정이 반복적으로 수행되면서 결국 최적의 솔루션들이 탄생될 수 있습니다. 

어떤 패러다임이 제시되었을 때, 그것은 어느 날 갑자기 생겨난 것들이 아닐 겁니다. 하나 둘씩 더해진 '기술'이란 이름의 새 옷감 혹은 낡은 헌 옷들을 잘 이용해, 현 시대가 요구하는 가장 입기 좋은 형태의 새 옷으로 짜깁기된 것들이겠죠. 

그리고 이렇게 새 옷을 입게 되었을 때 직면하게 되는 도전이 있는데요. 바로 ‘지도’를 만드는 일입니다. 맞춰 나간다는 작업은 결국 여러 개체들과 정보들 사이의 복잡한 관계를 생산 체계라는 새로운 지도로 만드는 작업일 것입니다. 

  ▲뇌 신경망과 흡사한 인터넷 지도 (출처: en.wikipedia.org)>

21세기 이후에 (모바일) 플랫폼 시장을 양분한 두 회사가 있습니다. 바로 '구글(Google)'과 '애플(Apple)'이죠. 방식의 차이(오픈•패쇄)는 있지만 두 회사 모두 그러한 지도를 잘 만들어 놓았기에 오늘날 헤게모니를 장악할 수 있지 않았나 하는 생각이 듭니다. 또한 그 지도가 바로 개인이나 해당 기업의 ‘지혜’가 될 것은 자명합니다. 지도를 통해 올바른 정보와 미래에 대한 방향을 예측할 수 있기 때문이겠죠. 

‘The best way to predict the future is to create it’ 이라는 피터 드러커(Peter Drucker)의 말을 떠올려 봅니다. 이제 정보의 바다 속에서 그 실용성이라는 보물섬을 찾기 위한 항해가 본격적으로 시작되었습니다. 이것이 바로 상상력과 기술을 접목하는 IT의 역할이 그 어느 때 보다 절실한 이유입니다. 

글 ㅣ 이승엽 연구원 

1. 공장의 설비나 생산라인을 교체하여 셋업(Set-up)하는데 걸리는 시간 [본문으로]
2. Siemens의 MES(Manufacturing Execution System) 소프트웨어 [본문으로]