현대 사회에서 인공지능은 우리 생활의 많은 부분에 뿌리내리며 최근 몇 년 동안 혁신적인 발전을 거듭했고 이러한 발전은 제조업과 같은 전통적인 산업 분야에서도 큰 변화의 물결을 불러왔다. 제조업은 과거 수백 년 동안 여러 단계의 산업 혁명을 거치며 꾸준히 발전해 왔지만, 인공지능의 등장과 함께 제조업 분야는 전례 없는 속도로 진화하고 있다. 이러한 기술적 혁신은 제품의 설계∙개발, 예측∙유지보수, 품질 관리, 공급망 최적화, 로봇 프로세스 자동화 등 제조업의 모든 과정에 깊숙이 파고들며 우리가 알고 있는 전통적인 제조방식을 재정의하고 있다.

인공지능의 발전은 생산 효율성 증가, 비용 절감, 제품 품질 향상, 더욱 짧아진 제품 출시 기간 등의 혜택을 가져다주고 있다. 또한 인공지능은 더욱 정교하고 개인화된 제품을 만들 새로운 기회를 열고 있다. 이 모든 인공지능 혁신은 제조업이 고객의 요구에 더욱 민첩하게 대응하고 더욱 지속가능하며 효과적인 방식으로 운영되도록 돕고 있다. 이하에서 인공지능이 제조업의 각 분야에서 미치는 영향에 대해 구체적인 사례를 통해 깊이 있게 살펴보고 이를 통해 기업들이 어떻게 전통적인 제조방식을 혁신하고 있으며, 또한 이러한 변화가 미래의 제조업에 어떤 영향을 미칠지 살펴본다.

 

제품 설계와 개발은 인공지능에 맡긴다

 

현재 미국은 제품 설계 및 개발 분야에서 인공지능을 다양하게 활용하고 있다. 대표적으로는 ▲ 인공지능을 이용해 사용자의 주어진 파라미터와 제약 사항을 기반으로 수천, 수만 가지의 설계 옵션을 자동으로 생성하고 이를 통해 설계자가 최적의 설계를 선택해 효율적인 제품을 더 빠르게 개발하도록 돕는 생성형 디자인 부문, ▲ 인공지능을 활용해 제품의 성능 요구 사항에 맞도록 최적의 재료를 선택하고 이를 통해 제품의 내구성, 가격, 무게 등의 요구 사항을 충족시키도록 돕는 재료 선택 부문, ▲ 물리적 프로토타입을 제작하기 전에 디지털 환경에서 제품의 성능을 시뮬레이션하는 데 인공지능을 활용하고 이를 통해 비용과 시간을 절약하고 제품의 품질을 향상하도록 돕는 프로토타이핑 시뮬레이션 부문 등에서 인공지능의 활약이 두드러지고 있다.

 

샌프란시스코에 본사를 두고 있는 Autodesk는 3D 디자인, 엔지니어링 소프트웨어를 개발하는 글로벌 기업으로, 건축·제조·건설·미디어·엔터테인먼트 등 다양한 산업 분야에서 활용되는 다양한 소프트웨어 제품 및 서비스를 제공한다. 그중에서도 Autodesk가 제공하는 Fusion360 솔루션은 클라우드 기반의 3D CAD, CAM 및 CAE 도구로서 인공지능을 이용한 생성형 디자인 기능을 활용해 여러 가지 설계 옵션을 자동으로 제시하고 최적의 제품 설계를 도출할 수 있도록 사용자를 돕는다.

 

<Autodesk의 인공지능 생성형 디자인 솔루션 ‘Fusion360’을 이용한 제품 설계 예시>

[자료: Autodesk, Go Fast Campers, Limbitless Solutions, Magic Mixies]

위의 예시들은 왼쪽부터 차례로 플랫폼 캠퍼 ‘Go Fast Campers’, 어린이를 위한 맞춤형 생체공학 팔 ‘Limbitless Solutions’, 상호작용 장난감 ‘Magic Mixies’를 설계하는 단계에서 Autodesk의 Fusion360 솔루션을 활용하고 실제 제품으로 구현된 모습을 보여준다. 이 중에서 Go Fast Campers의 플랫폼 캠퍼나 Limbitless Solutions의 생체공학 팔은 모든 제품을 맞춤형으로 제공해야 하는 바, 인공지능을 이용한 생성형 디자인 기능이 유용하게 활용된다. 사용자의 요구 사항과 선호도를 초기 단계에서 입력해 주면 제품이 개별 사용자의 특별한 필요나 기대에 정확하게 부합하는 방식으로 디자인될 수 있기 때문이다.

이외에도 인공지능을 제품 설계 및 개발 단계에서 활용하는 경우 최적의 디자인 솔루션을 제시하는 것은 물론이고 전통적인 설계 접근법에서는 생각하지 못했던 새롭고 혁신적인 디자인을 창조하는 것이 가능하며, 3D 프린팅 같은 빠른 제조 기술과 연동해 실제 제품 개발 시간을 크게 단축시킬 수 있다. 또한 제조 과정에서의 제약사항을 고려하기 때문에 불필요한 제조 비용과 시간이 낭비되는 것을 사전에 방지하고 재료 사용을 최소화하면서 제품의 성능을 최대화하는 방안도 탐색할 수 있기 때문에 제품을 지속가능한 방식으로 제작하는 데 도움이 된다. 인공지능은 이렇듯 제품 설계 및 개발 분야에서 전반적인 효율성을 향상시키고 있는 바, 앞으로 인공지능의 발전과 더불어 더욱 정교해진 알고리즘이 도입되면 제품 설계 및 개발 분야에서 인공지능의 잠재성은 더 커질 것으로 전망된다.

제조 현장의 안전사고와 품질 관리 걱정은 옛말

제조 현장에서 기계의 중단이나 결함은 안전사고로 이어질 수 있고 생산 차질을 초래하며 경제적 손실도 막대하다. 이 때문에 제조기업들은 적절한 시점에 기계의 문제를 미리 파악하고 성능 저하 시점이나 교체 필요 여부를 인식함으로써 생산 효율을 극대화하고 제품 품질에 영향을 주는 요소를 사전에 제거하거나 최소화하는 것이 중요하다. 이러한 측면에서 예측∙유지 보수는 제조업에서 매우 중요한 전략적 도구다.

최근에는 센서 데이터 분석 기술, 이미지 인식 기술, 자연어 처리 기술이 발전하면서 이와 같은 예측∙유지 보수를 인공지능이 대체하는 추세다. 제조업에서 사용되는 다양한 장비와 기계는 다양한 센서로부터 대량의 데이터를 생성하고 있는 바, 인공지능이 이러한 데이터를 분석해 기계의 성능 저하나 고장을 예측하고 있는 것이다. 또한 인공지능에 기반한 이미지 인식 기술은 기계의 표면적인 문제나 마모 상태를 식별할 수 있고 자연어 처리를 통해 기술자나 작업자들의 메모나 보고서를 분석할 수 있기 때문에 잠재적 문제나 기계 상태를 파악해 정확한 대응이 가능하므로 예측∙유지 보수에서 인공지능의 역할은 점점 커지고 있다.

미국 텍사스주 오스틴에 본사를 두고 있는 SparkCognition은 인공지능 기반 시각 분석 및 예측∙유지 보수 솔루션 ‘SparkCognition Visual AI Advisor’를 선보이고 있다. 이는 제조업 분야에서 기계 및 장비의 실패를 미리 예측하고 운영 중단 시간을 줄이며, 유지 보수 비용을 절감하는 데 중점을 둔다. 구체적으로 카메라로부터 수집된 데이터를 실시간으로 분석해 장비의 현재 상태를 파악하고 이상 징후를 탐지하고 머신 러닝 알고리즘을 활용해 장비의 고장이나 성능 저하를 예측한다.

<인공지능을 이용해 지게차 사고를 예방(위)하고 현장을 자동으로 모니터링해 작업장 안전을 최적화(아래)하는 모습>

[자료: SparkCognition]

한편 제조업에서 품질 관리는 아무리 강조해도 지나치지 않다. 기존의 품질 관리는 노동 집약적이고 오류가 발생할 가능성이 높으며 신속성이 떨어지지만, 인공지능 중 한 분야인 딥러닝을 이용하면 이미지와 패턴 인식 능력을 통해 미세한 결함을 감지하고 OCR(Optical Character Recognition, 광학 문자 인식) 기술을 통해 제품 라벨 정보가 올바른지 확인할 수 있다. 또한 제품이 조립품인 경우에는 각 부품이 올바르게 조립됐는지 검증하고 제품을 올바르게 분류할 수 있는 바, 품질 관리 전반을 자동화하고 정확도를 높이는데 인공지능이 기여하고 있다.

 

머신 비전 시스템 분야 선도업체인 Cognex는 미국 매사추세츠주에 본사를 두고 있다. Cognex의 머신 비전 솔루션은 제조업체들이 생산 라인에서 제품의 결함을 감지하거나 제품을 추적, 정렬, 분류하는데 유용하게 사용되고 있으며 Cognex는 딥러닝 기반의 비전 알고리즘과 같은 최신 인공지능 기술을 머신 비전 솔루션에 통합하고 자동차, 전자제품, 포장 등 다양한 부문에서 생산 효율성과 품질을 향상시키고 있다.

<딥러닝 기반의 품질 관리 솔루션이 사용되고 있는 다양한 제조업 분야>

[자료: Cognex]

 

이와 같이 인공지능은 미국 제조업의 예측∙유지 보수와 품질 관리 부문에서 혁신을 주도하고 있다. 효율적인 생산을 위해 이러한 기술의 도입은 더 이상 선택이 아닌 필수가 돼가고 있으며, 향후 지속적인 기술 발전에 따른 적용 사례가 더 많아질 것으로 예상된다.

 

공급망 최적화의 답은 인공지능에 있다

제조업의 경쟁력은 단순히 높은 품질의 제품을 만드는 능력을 넘어서 효율적이고 고객 요구사항에 민감한 공급망을 구축하는 능력까지 확장됐다. 미국은 세계에서 세 번째로 넓은 국토를 가진 나라로 다양한 지리적, 기후적 특성을 갖기 때문에 물류 및 공급망 관리 난이도가 매우 높고 지역별로 경제 활동 차이가 있어서 제품 및 원자재의 수요와 공급도 지역별로 편차가 심하다. 효율적인 공급망을 구축하면 물류비용 절감, 소비자 만족도 향상, 경쟁력 강화 등의 이점을 가져올 수 있기에 미국 내의 기업들은 전략적인 공급망 설계와 관리에 주력하고 있다.

이러한 배경 속에서 인공지능은 미국 제조업의 공급망 분야에서 중요한 변화를 주도하고 있다. 인공지능이 공급망에서 활용되는 부문은 크게 ▲ 인공지능을 통해 판매 예측, 재고 수준, 유통 기한 등의 데이터를 종합해 재고를 최적화하는 스마트 재고 관리, ▲ 인공지능을 통해 최적의 배송 경로를 계획하거나 예상되는 교통 문제를 예측해 운송 비용을 절감하는 운송 및 물류 최적화, ▲ 인공지능을 통해 공급자의 성능 데이터를 분석해 최적의 공급자를 선택하는 공급자 평가 및 관리 부문 등 크게 세 가지로 나누어 볼 수 있다.

미국 애리조나주에 본사를 두고 있는 Blue Yonder는 공급망 관리 분야의 선도적 기업 중 하나로, 인공지능 및 기계학습을 통합한 공급망 관리 솔루션 ‘Luminate’ 플랫폼을 선보이고 있다. Luminate 플랫폼에는 공급망 관리 과정을 지원하기 위한 수요 예측, 재고 관리, 물류 네트워크 최적화 등의 기능이 포함돼 있으며 이를 통해 고객은 공급망의 효율성과 가시성을 높일 수 있다.

<인공지능 및 기계학습이 통합된 공급망 관리 솔루션 - 네트워크 설계 기능(위), 재고 최적화 기능(아래)>

[자료: BlueYonder]

 

인공지능을 공급망 관리에 활용하는 경우에 수요 예측, 재고 관리, 가격 예측 등의 다양한 분야에서 정확도가 향상되고, 복잡한 데이터를 분석해 최적의 결정을 빠르게 내릴 수 있을 뿐 아니라 블록체인과 함께 사용해 공급망의 모든 과정을 모니터링하고 분석함으로써 공급망의 투명성도 높일 수 있다. 이처럼 인공지능은 제조업의 공급망 분야에서도 빠른 변화와 혁신을 주도하고 있다. 인공지능의 발전으로 공급망의 효율성, 반응성 및 유연성이 크게 향상되고 있고 이는 제조업체들에 경쟁 우위를 제공한다. 앞으로도 인공지능은 제조업 공급망 관리 부문에서 중요한 역할을 지속적으로 차지할 것으로 예상된다.

로봇 프로세스 자동화(RPA)와 인공지능

 

제조업은 인력 관리, 주문 관리, 재고 관리, 공급망 관리 등 많은 사무적 업무를 동반한다. 로봇 프로세스 자동화(Robot Process Automation, 이하 RPA)는 이 중에서도 반복적인 규칙에 기반을 둔 작업을 자동화해 작업의 효율을 높이고 인력 자원을 핵심 업무에 집중시키는데 도움을 준다. RPA는 종종 인공지능과 비슷한 맥락으로 언급되긴 하지만, 이 둘은 엄연히 다른 기술을 기반으로 한다. 그럼에도 불구하고 두 기술은 함께 사용돼 업무 프로세스를 개선하고 효율을 높이는 데 기여할 수 있다.

RPA는 구체적으로 소프트웨어 로봇 또는 ‘봇’을 사용해 사람들이 일상적으로 수행하는 반복적인 업무를 자동화하는 기술로 주로 데이터 입력, 데이터 이동, 기본적인 데이터 처리, 시스템 간의 통신과 같은 작업을 수행한다. 최근에는 이러한 RPA와 인공지능이 결합된 ‘지능형 RPA’ 또는 ‘인공지능 기반 RPA’라는 개념이 등장했다. 이는 RPA의 자동화 능력과 인공지능의 분석 및 학습 능력을 결합해 업무 프로세스를 더욱 효율적으로 자동화하는데 사용된다. 예를 들면, 인공지능을 활용해 이메일 내용 또는 문의 사항을 분석하고 그 내용에 따라 적절한 대응 양식을 자동으로 생성하거나 처리∙승인 등과 같이 사무 공간 내에서 일어나는 규칙적 업무를 높은 정확도로 자동화할 수 있다.

뉴욕에 본사를 두고 있는 UiPath는 RPA 소프트웨어를 핵심 제품으로 제공하며, 사용자가 간편하게 워크플로우를 만들고 관리할 수 있도록 직관적인 사용자 인터페이스를 제공한다. 초기의 RPA 솔루션은 주로 규칙 기반 작업에 초점을 맞췄지만 최근 UiPath는 인공지능 기능을 통합해 복잡한 작업도 자동화할 수 있도록 발전하고 있다. 아래 그림은 폴리머 제조업체인 Covestro가 일반적인 HR 프로세스인 병가 인증서를 UiPath의 인공지능 기반 RPA를 통해 처리하는 것에 대한 인포그래픽이다. Covestro 측의 분석에 의하면 인공지능에 기반한 RPA 덕분에 HR팀이 해당 업무에 소요하는 시간의 85%를 절약하고, 문서의 50%는 이미 약 95%의 정확도로 직접 자동적으로 처리되고 있다고 한다.

<인공지능 기반 RPA를 HR 프로세스인 병가 인증서 처리에 활용하는 예>

[자료: UiPath]

인공지능 기반 RPA는 텍스트 및 이미지 인식, 자연어 처리, 예측 분석 등의 고급 기능이 가능해지면서 자동으로 처리할 수 있는 업무 범위가 넓어지고 있다. 시장조사기관의 분석에 따르면 인공지능 기반 RPA는 기업들이 경쟁력을 유지하고 성장하기 위해 필수적인 툴로 자리잡아 가고 있다. 이러한 트렌드는 앞으로도 계속될 것이며, 인공지능과 RPA의 결합은 더욱 풍요로운 기술 혁신을 가져올 것으로 보인다.

시사점

시장분석기관 Market and Market에 의하면 제조업에서의 인공지능 시장 글로벌 규모는 2022년 기준 23억 달러이고 향후 5년간 연평균 47.9% 성장하며 2027년에는 163억 달러에 달할 것으로 전망되며, 북미 지역의 경우는 예측 기간 연평균 47.6% 성장해 2027년에는 56억 달러 규모에 이를 것으로 예상된다. 분야별로는 현재 자동차 부문이 가장 많은 비중을 차지하고 있으며 2027년에도 이러한 추세는 계속될 것으로 보인다. 다만 예측 기간 연평균성장률은 중금속 및 기계 제조 부문이 68.3%로 가장 빠르게 성장할 것으로 예상된다.

 

<각 분야별 제조업에서 활용되고 있는 인공지능 시장 규모>

(단위: US$ 백만)

[자료: Market and Market]

 

<분야별 제조업에서 성장하고 있는 인공지능 시장>

[자료: Market and Market]

 

산업용 인공지능 솔루션 스타트업에 종사하고 있는 A씨는 인터뷰에서 “인공지능은 제품 설계부터 유지 보수, 공급망, 품질관리, 자동화에 이르기까지 제조업 전반에 걸친 다양한 프로세스의 효율성을 향상시킨다. 그렇기에 현재의 글로벌 경쟁 환경 속에서 인공지능의 도입은 제조업에서 단순한 선택이 아닌 필수다. 많은 사람이 인공지능이 인간을 대체할 것으로 예상하고 있지만, 그보다는 인공지능을 제조업에 도입하면 반복적이고 기계적인 업무에서 벗어나 더 창의적이고 복잡한 문제 해결에 집중할 수 있게 된다는 관점에서 바라봐야 한다. 미국의 많은 제조기업이 인공지능을 내재화하기 위해 고군분투하고 있다”라며 관련 업계 종사자라면 빠르게 변화하는 제조업계 현실을 직면해야 한다고 강조했다.

앞서 살펴본 바와 같이 인공지능은 제조업의 다양한 분야에서 혁신의 원동력으로 작용하고 있다. 이러한 기술의 도입과 확산은 새로운 기회와 도전을 동시에 가져온다. 기업들은 이러한 변화의 파도를 올바르게 타기 위해 지속적인 관심과 투자, 그리고 전략적인 접근이 필요할 것이다.

자료: Autodesk, Go Fast Campers, Limbitless Solutions, Magic Mixies, SparkCognition, Cognex, BlueYonder, UiPath, Market and Market, KOTRA 실리콘밸리 무역관 자료 종합