스마트 제조

스마트 제조는 컴퓨터 통합 제조, 높은 수준의 적응성과 신속한 설계 변경, 디지털 정보 기술, 그리고 보다 유연한 기술 인력 교육을 활용하는 광범위한 제조 분야이다.[^1] 그 외의 목표로는 수요에 따른 생산량의 신속한 변경, 공급망 최적화, 효율적인 생산 및 재활용성 등이 포함되기도 한다.[^9] 이 개념에서 스마트 공장은 상호 운용 가능한 시스템, 다중 규모의 동적 모델링 및 시뮬레이션, 지능형 자동화, 강력한 사이버 보안, 그리고 네트워크화된 센서를 갖추고 있다.

스마트 제조의 광범위한 정의는 다양한 기술을 포괄한다. 스마트 제조 흐름에서 핵심 기술로는 빅데이터 처리 능력, 산업용 연결 장치 및 서비스, 그리고 첨단 로봇공학 등이 있다.^2 [[File:Automated Manufacturing Research Facility.jpg|thumb|463x463px|데이터 분석, 컴퓨팅 및 자동화의 상호 연결성을 보여주는 제조 제어 시스템 예시 그래픽.[^10] 데이터 분석, 컴퓨팅 및 자동화의 상호 연결성을 보여주는 제조 제어 시스템 예시 그래픽]]

빅데이터 처리

스마트 제조는 복잡한 생산 공정을 최적화하고 공급망 관리를 강화하기 위해 빅데이터 분석을 활용한다.[^3] 빅데이터 분석이란 속도(velocity), 다양성(variety), 용량(volume)이라는 이른바 3V의 관점에서 대규모 데이터 세트를 수집하고 이해하는 방법을 말한다. 속도는 데이터 수집의 빈도를 나타내며, 이는 이전 데이터의 활용과 동시에 이루어질 수 있다. 다양성은 처리할 수 있는 다양한 유형의 데이터를 의미한다. 용량은 데이터의 양을 나타낸다.[^11] 빅데이터 분석을 통해 기업은 스마트 제조를 활용하여 주문에 대응하는 대신 수요와 설계 변경의 필요성을 예측할 수 있다.[^1]

일부 제품에는 센서가 내장되어 있어 대량의 데이터를 생성하며, 이 데이터는 소비자 행동을 이해하고 제품의 향후 버전을 개선하는 데 활용될 수 있다.[^4][^12][^13]

공급망 자율성

빅데이터 처리에서 예상되는 핵심 가치 요소 중 하나는 완전한 공급망 자율성의 도입과 그에 대한 지속적인 발전이다. 공급망 자율성은 운영 및 물류 분야에서 새롭게 등장한 개념으로, 데이터를 활용하여 최소한의 인적 개입 또는 인적 개입 없이 독립적으로 기능할 수 있는 공급망을 말한다. 자율 공급망(ASC)은 계획, 조정 및 실행을 포함한 다양한 기능을 자체 관리할 수 있는 시스템으로 정의될 수 있으며, 이러한 영역 전반에 걸친 자율성의 정도와 범위가 완전한 자율성으로의 발전 단계를 규정한다.

이러한 시스템은 디지털 트윈, AI 기반 에이전트, 실시간 데이터 등의 기술에 의존하여 세 가지 핵심 역량을 달성한다: 자기 구성(운영을 동적으로 조정), 자기 최적화(지속적으로 성능 개선), 자기 치유(수동 개입 없이 장애에 대응). 이러한 요소들이 감지, 처리, 의사결정 및 학습 루프를 통해 어떻게 상호 작용하여 엔드투엔드 자율성을 구현하는지를 보여주는 개념적 프레임워크가 존재하며,[^14] 이는 복잡하고 변동성이 큰 환경에서 미래의 공급망을 보다 회복력 있고, 효율적이며, 적응력 있게 만드는 방법을 이해하는 데 기반을 제공할 수 있다.

첨단 로봇공학

스마트 머신으로도 알려진 첨단 산업용 로봇은 자율적으로 작동하며 제조 시스템과 직접 통신할 수 있다. 일부 첨단 제조 환경에서는 공동 조립 작업을 위해 인간과 함께 작업할 수 있다.[^15] 감각 입력을 평가하고 다양한 제품 구성을 구별함으로써, 이러한 기계는 사람의 개입 없이 문제를 해결하고 의사 결정을 내릴 수 있다. 이 로봇들은 처음에 프로그래밍된 것 이상의 작업을 수행할 수 있으며, 경험을 통해 학습할 수 있는 인공지능을 갖추고 있다.^2 이러한 기계는 재구성 및 용도 변경이 가능한 유연성을 가지고 있다. 이를 통해 설계 변경과 혁신에 신속하게 대응할 수 있으며, 이는 기존의 전통적인 제조 공정에 비해 경쟁 우위를 제공한다.[^16] 첨단 로봇공학을 둘러싼 우려 사항 중 하나는 로봇 시스템과 상호 작용하는 인간 작업자의 안전과 복지이다. 전통적으로 로봇을 인간 노동력으로부터 분리하는 조치가 취해져 왔으나, 로봇 인지 능력의 발전으로 코봇과 같이 로봇이 사람과 협력하여 작업할 수 있는 기회가 열리고 있다.[^17]

클라우드 컴퓨팅은 대용량 데이터 저장소나 연산 능력을 제조에 신속하게 적용할 수 있게 하며, 기계 성능 및 출력 품질에 관한 대량의 데이터를 수집할 수 있게 한다. 이를 통해 기계 구성, 예측 유지보수 및 결함 분석을 개선할 수 있다. 더 나은 예측은 원자재 주문이나 생산 일정 수립을 위한 보다 효과적인 전략을 촉진할 수 있다.

3D 프린팅

2019년 기준으로 3D 프린팅은 주로 신속한 시제품 제작, 설계 반복, 소규모 생산에 사용되고 있다. 속도, 품질, 재료의 개선은 대량 생산[^18][^5] 및 대량 맞춤화에[^5] 유용하게 활용될 수 있을 것이다.

그러나 3D 프린팅은 최근 몇 년간 크게 발전하여 더 이상 시제품 제작을 위한 기술로만 사용되지 않는다. 3D 프린팅 분야는 시제품 제작을 넘어서고 있으며, 특히 공급망에서 점점 더 광범위하게 활용되고 있다. 3D 프린팅을 활용한 디지털 제조가 가장 많이 나타나는 산업은 자동차, 산업 및 의료 분야이다. 자동차 산업에서 3D 프린팅은 시제품 제작뿐만 아니라 최종 부품 및 제품의 완전한 생산에도 사용된다. 3D 프린팅은 또한 공급업체와 디지털 제조업체가 협력하여 코로나19 대응을 지원하는 데에도 활용되었다.[^6]

3D 프린팅은 보다 성공적인 시제품 제작을 가능하게 하며, 이를 통해 기업들은 짧은 기간에 상당한 양의 부품을 생산할 수 있어 시간과 비용을 절약하고 있다. 3D 프린팅이 공급망을 혁신할 수 있는 큰 잠재력이 있으며, 따라서 더 많은 기업이 이를 활용하고 있다. 3D 프린팅이 직면한 주요 과제는 사람들의 사고방식 전환이다. 더불어, 일부 작업자들은 3D 프린팅 기술을 관리하기 위해 새로운 기술을 다시 습득해야 할 것이다.[^6]

작업장 비효율성 및 위험 요소 제거

스마트 제조는 또한 작업장 비효율성을 조사하고 작업자 안전을 지원하는 데 기여할 수 있다. 효율성 최적화는 "스마트" 시스템 도입자들의 주요 관심사로, 데이터 연구와 지능형 학습 자동화를 통해 이루어진다. 예를 들어, 작업자에게 Wi-Fi와 블루투스가 내장된 개인 접근 카드를 제공하여 기계 및 클라우드 플랫폼에 연결함으로써 어떤 작업자가 어떤 기계에서 실시간으로 작업하고 있는지 파악할 수 있다.^19 지능형 상호 연결된 '스마트' 시스템을 구축하여 성과 목표를 설정하고, 목표 달성 가능 여부를 판단하며, 실패하거나 지연된 성과 목표를 통해 비효율성을 식별할 수 있다.[^20] 일반적으로 자동화는 인간의 실수로 인한 비효율성을 완화할 수 있다. 그리고 전반적으로, 진화하는 인공지능은 이전 시스템의 비효율성을 제거한다.

로봇이 제조의 물리적 작업을 더 많이 담당하게 되면서, 작업자는 더 이상 현장에 있을 필요가 없어지고 위험에 노출되는 일이 줄어든다.[^7]

인더스트리 4.0의 영향

인더스트리 4.0은 제조업과 같은 전통 산업의 컴퓨터화를 촉진하는 독일 정부의 첨단 기술 전략 프로젝트이다. 그 목표는 적응성, 자원 효율성, 인체공학을 특징으로 하며, 비즈니스 및 가치 프로세스에 고객과 비즈니스 파트너의 통합을 추구하는 지능형 공장(스마트 팩토리)이다. 기술적 기반은 사이버 물리 시스템과 사물인터넷으로 구성된다.[^8]

이러한 종류의 "지능형 제조"는 다음을 크게 활용한다:

• 제품 조립 및 원거리 상호작용 모두에서의 무선 연결;
• 공급망과 제품 자체에 분산 배치된 최신 세대 센서(사물인터넷);
• 제품의 건설, 유통 및 사용의 모든 단계를 제어하기 위한 대량의 데이터 처리. 유럽 로드맵 "미래의 공장"과 독일 로드맵 "인더스트리 4.0″은 수행해야 할 여러 실행 방안과 관련 이점을 설명하고 있다. 몇 가지 예시는 다음과 같다:
• 첨단 제조 공정과 쾌속 시제품 제작은 각 고객이 상당한 비용 증가 없이 맞춤형 제품을 주문하는 것을 가능하게 할 것이다.
• 협업 가상 공장(VF) 플랫폼은 제품 수명 주기 전반에 걸쳐 완전한 시뮬레이션과 가상 테스트를 활용하여 새로운 제품 설계 및 생산 공정 엔지니어링에 관련된 비용과 시간을 획기적으로 줄일 것이다.
• 첨단 인간-기계 상호작용(HMI)과 증강 현실(AR) 장치는 생산 공장의 안전성을 높이고 근로자에 대한 신체적 부담을 줄이는 데 도움이 될 것이다(근로자의 연령은 증가 추세에 있다).
• 기계 학습은 리드 타임 단축과 에너지 소비 절감 모두를 위해 생산 공정을 최적화하는 데 필수적일 것이다.
• 사이버 물리 시스템과 기계 간(M2M) 통신은 매우 효과적인 예측 유지보수를 수행하여 가동 중지 시간과 유휴 시간을 줄이기 위해 현장에서 실시간 데이터를 수집하고 공유하는 것을 가능하게 할 것이다.

통계

대한민국 산업통상자원부는 2016년 3월 10일 1,240개 중소기업의 스마트 공장 구축을 지원했으며, 그 결과 불량 제품이 평균 27.6% 감소하고, 시제품 생산이 7.1% 빨라졌으며, 비용이 29.2% 절감되었다고 발표했다.[^21]

같이 보기

• 개방형 제조
• 4차 산업혁명
• 도시 제조업

외부 링크

• CESMII - 미국 스마트 제조 국립연구소
• 미래의 공장
• Agnieszka Radziwon, Arne Bilberg, Marcel Bogers, Erik Skov Madsen. 스마트 팩토리: 적응형 및 유연한 제조 솔루션 탐구 – 제24회 DAAAM 지능형 제조 및 자동화 국제 심포지엄 논문집, 2013년 10월 23–26일, 크로아티아 자다르. – Elsevier, Procedia Engineering, ISSN 1877-7058, 69 (2014),
• Agnieszka Radziwon, Marcel Bogers, Arne Bilberg. 스마트 팩토리: 제조 생태계를 위한 개방형 혁신 솔루션 탐구 작성일: 2014년 5월 28일. SSRN에서 열람 가능, 11페이지. 게시일: 2014년 10월 1일
• GE, 제조업의 미래를 공동 창조하기 위한 '마이크로팩토리' 출범
• 스마트 기계와 미래의 공장

---

참고 문헌

[^1]: Cite journal title = 스마트 제조, 제조 인텔리전스 및 수요 동적 성능 journal = Computers & Chemical Engineering date = 2012-12-20 pages = 145–156 volume = 47 series = FO

[^3]: Cite web url = https://www.nist.gov/el/msid/syseng/upload/SMSDAFY2014.pdf title = 스마트 제조 시스템 설계 및 분석 last = Rachuri first = Sudarsan date = February 4, 2014 website = Nati

[^4]: Yang, Chen. 제조업에서의 사물인터넷: 주요 쟁점과 잠재적 응용. (January 2018)

[^5]: Hughes, Andrew. 인더스트리 4.0은 데이터 이상의 것: 제조업에서의 3D 프린팅. LNS Research. (Mar 23, 2017)

[^6]: Wilson, Georgia. 제조업에서 3D 프린팅의 진화. BizClick Medial Limited. (May 16, 2020)

[^7]: Louchez, Alain. 스마트 제조에서 제조 스마트로. Automation World. (January 6, 2014)

[^8]: Jacinto, Joan. 스마트 제조? 인더스트리 4.0? 그것은 무엇인가?. (July 31, 2014)

[^9]: Shipp, Stephanie S.. 첨단 제조업의 새로운 글로벌 동향. Institute for Defense Analysis. (March 2012)

[^10]: Albus, James S.. 영어: NBS 자동화 제조 연구 시설(AMRF) 아키텍처.. (1995-01-01)

[^11]: Cite book date = 2014-12-01 pages = 918–922 doi = 10.1109/IEEM.2014.7058772 first1 = J. last1 = Leveling first2 = M. last2 = Edelbrock first3 = B. last3 = Otto title=2014 IEEE International Conferenc

[^12]: Porter, Michael E.. 스마트 커넥티드 제품이 경쟁을 어떻게 변화시키고 있는가. April 2016. (November 2014)

[^13]: 사물인터넷(IoT)으로 더 스마트한 제조 구축. Lopez Research. (2014)

[^14]: Cite journal last1 = Xu first1 = Liming last2 = Mak first2 = Stephen last3 = Proselkov first3 = Yaniv last4 = Brintrup first4 = Alexandra title = 자율 공급망을 향하여: 정의,

[^15]: Wang, W.. 인간 시연으로부터의 교수-학습-협업을 통한 인간-로봇 협업 과제 촉진

[^16]: 스마트 제조를 위한 로봇 시스템. US Department of Commerce. (October 2013)

[^17]: Bicchi, Antonio. 스프링거 로봇공학 핸드북. Springer Berlin Heidelberg. (2008-01-01)

[^18]: Zimmermann, Stefan. 인더스트리 4.0 – 제조 산업에서의 3D 프린팅. Atos SE. (March 26, 2018)

[^20]: Jung, Kiwook. 스마트 제조 시스템의 전략적 목표와 운영 성과 지표 매핑. (2015-03-16)

[^21]: 스마트 공장, 중소기업의 생산성 향상. (March 11, 2016)