머신 러닝 (학습하는 기계)

인공지능이 제조업을 변화시킬 수 있는 시대라고들 말하지만 아직 기술도입이 활발하게 일어나고 있진 않다

Lindsay James
7 June 2017

제조업에서도 인공지능을 통해 자동화의 확대와 향상된 예측 및 유지 보수, 대량의 맞춤생산 등의 환경개선이 가능해질 것이라는 인식은 확산되고 있다. 하지만 아직 기술도입이 빠르게 일어나고 있지는 않은 가운데, 전문가들은 전문 인력과 산업전반의 협력이 조화롭게 결합되어야 성공을 위한 길로 나아가는 것이라고 이야기한다.

샌프란시스코에 기반을 둔 IT기업인 엔비디아(NVIDIA)는 인공지능(AIArtificial Intelligence)이란 인간의 지능을 기계가 구현하는 것 ( H u m a n intelligence exhibited by machines)이라고 정의했는데, 이러한 인공지능은 급속도로 진 화하고 있는 추세다. 시리(Siri)나 알렉사 (Alexa)에게 질문을 할 때나 넷플릭스에서 추천 프로그램들을 볼 때, 페이스북이 추천 하는 친구(친구 추천)에게 친구신청을 할 수 있는 것도 인공지능의 기능이 사용되었기 때문이다.

이미 인공지능은 소비자들의 여러 일상생활 에 적용되어 사용되고 있지만 실제 비즈니 18 COMPASS #11 2017 스 영역으로까지 확장되기 시작된 것은 매 우 최근의 일이다.

런던에 위치한 엑센추어 리서치의 상무이사 이자 수석 경제분석가인 마크 퍼디(Mark Purdy)는 "인공지능은 사실 비즈니스에 적용 될 수 있는 정도의 수준에 도달했다"라며, "이는 처리 속도와 데이터 저장 공간 및 데 이터 검색 기술, 센서, 알고리즘 등의 급속한 발전으로 가능한 일이다. 결과적으로 비즈니 스에서도 지능형 자동화 시스템을 통해 프 로세스를 최적할 수 있게 되었고, 노동력과 물적 자본을 향상시켜 새로운 혁신을 추진 할 수 있게 한다"고 설명했다

비즈니스에 인공지능이 활용되고 있는 예는 여러 곳에서 목격되고 있다. 캘리포니아에 위치한 스텐포드대학의 인공지능연구소 컴 퓨터 공학자들은 내재된 피부암의 가능성을 시각적으로 진단할 수 있는 알고리즘을 개 발했다. 또한, 마이크로소프트는 전문 속기 사와 같은 수준의 업무를 처리할 수 있는 목 소리 인식 시스템을 선보였고, MIT대학의 컴 퓨터 공학부와 매사추세츠주에 위치한 인공 지능 연구소 과학자들은 맨하탄 부근의 인 구가 더 효율적으로 이동할 수 있는 방안을 고안하기 위해 3백만 건 이상의 택시 승하 차 데이터를 수집했다

제조업에 적용

그러나 제조업에서의 인공지능 도입은 뒤처 지고 있다. 미디어 정보회사인 멜트워터 (Meltwater)의 한 기사에서 보면 미국 유타

“ 인공지능은 사실 비지니스에 적용될 수 있는 정도의 수준에 도달했습니다.”

마크 퍼디(Mark Purdy)
엑센추어 리서치 상무이사 겸 수석 경제분석가

주에 위치한 소프트웨어 회사인 도모(Domo) 의 데이터 전략이사인 브랜트 다이크(Brent Dykes)는 "분석력의 성숙도가 인공지능 성 공의 핵심”이라고 한다. 글로벌 컨설팅 기 업인 맥킨지는 오늘날 제조산업은 아직까지 도 데이터 분석을 통해 얻을 수 있는 잠재가 치의 20~30% 밖에 사용하지 못하고 있다" 며, "이마저도 대부분 산업을 선도하는 회사 에서만 일어난다"고 전했다.
글로벌 비즈니스와 기술 연구 및 자문 기업 인 포레스터(Forrester)는 인공지능의 현존 하는 가치는 대부분 공장 자동화 기계 제조 사인 FANUC가 전문으로 하는 예방 정비에 관한 것이라고 말한다. FANUC은 필드 (FIELD)라는 신규 시스템에 제로다운 타임 (Zero Down Time)이라는 애플리케이션을 가동 중인데, 이는 26개 공장에 배치된 6,000개 이상의 로봇들로부터 데이터를 수 집하고, 머신러닝 애플리케이션을 이용하여 이를 분석하는 일을 한다. 오작동을 일으킬 수 있는 모든 이슈들은 보고되어 기계가 멈 추기 전에 이를 해결할 수 있는 부품 및 지 원을 제공한다.
FANUC 영국 지사의 기술총괄인 스티브 카 폰은 "FANUC의 필드 시스템은 기업이 가지 고 있는 엄청난 양의 데이터를 활용할 수 있 도록 도와준다"며, "제조업은 이전보다 훨씬 지능적으로 변할 것이다. 인공지능을 이용하 여 다운타임을 최소화하려는 예측정비 시스 템 구축은 이미 여러 곳에서 현실화되고 있 다"라고 말했다.

싹트는 미래

인공지능은 공장 자동화와 같은 분야에서도 큰 잠재력을 갖고 있다. 보잉의 데이터 분석 그룹의 해리쉬 라오 (Harish Rao) 상무는 보잉이 발행하는 2017

FANUC는 새로운 FIELD 시스템에 대해 Zero Down Time 응용 프로그램을 실행하고 있다. 이 시스템은 26개 공장 및 분석에서 6,000개 이상의 로봇 데이터를 수집하고 있는데, 그것은 기계학습으로 알려진 인공지능의 형태다. (사진 제공: FANUC)

년 2월 사보에서 "이것은 보잉뿐만 아니라 모든 기업들에게 아주 큰 기회다"라며, "생산 성과 품질 및 안전성 등 복잡한 과정이 요구 되는 일들에 자동화가 도움을 줄 수 있을 뿐 만 아니라, 납품 기일을 정확하게 지키는 일 도 할 수 있게 된다. 기계들에 장착된 센서 들을 통해 감지되고 수집된 데이터들은 디 자인, 재고, 안전 기록 등과 같은 기존 데이 터들과 연동되어 작업 최적화를 이끌어 낼

“인공지능 시스템이 아무리 좋더라도 신청하고 유지하기 위한 인적 자본, 제조자는 혜택을 얻지 못할 것이다.”

로버트 아킨슨(Robert Atkinson)
정보 기술 및 혁신 재단 총장

수 있다. 딥러닝 모델은 그저 자동화될 작업 을 인식하는 것에서 끝나는 것이 아니라, 모 든 데이터를 분석하고 패턴을 정하며 자동 화에 가장 적합한 작업을 추천한다"라고 말 했다.
FANUC은 인공지능이 주도하는 공장 자동화 의 잠재력을 인식하고, 새로운 작업에 대하 여 스스로 학습하는 로봇을 만들기 위해 딥 러닝 전문 기업인 프리퍼드 네트웍스 (Preferred Networks(PFN))에 730만달러(약 83억900만원)를 투자했다
프리퍼드 네트웍스의 캘리포니아 지사에 수 석 연구관인 쇼헤이 히도(Shohei Hido)는 "FANUC은 이러한 방식으로 인공지능을 제 품에 적용시킨 첫 회사다. 우리는 딥러닝을 통해 인공지능을 쓰레기 처리용 로봇에 탑 재해 쓰레기통 내부의 어느 지점에서 사물 을 집는 것이 가장 효과적인지를 예측할 수 있도록 연구해 왔다. 일반적인 엔지니어들이 이와 같이 규칙을 기반으로 한 시스템을 공 장에 설치하려면 보통 2주 이상 걸린다. 하 지만 인공지능이 탑재된 시스템을 이용하며, 며칠 안에 로봇들이 스스로 모든 종류의 물 체를 선별하여 집는 법을 배울 수 있고, 90%정도의 정확도를 갖는다. 우리는 이 기 술이 올해 말 제조업에도 도입될 것이라고 예상하고 있다"라고 말했다.

주문할 수 있는 기계

인공지능은 변화에 신속하게 적응하고 조정 되는 기업의 탄생을 가능하게 한다.
"만약 제조업이 대량생산에서부터 낭비요소 를 최소화 하는 시대로 변화했다면, 오늘날 떠오르는 제조방법은 대량 맞춤생산이다"라 고 타타 컨설팅(Tata Consultancy)의 제조 혁신 및 변화 부서의 수장인 스리니바사 샤 크라바티(Sreenivasa Chakravarti)가 말했 다. 그는 또 "이 변화는 훨씬 신속하게 반응 하고 현장에서 즉시 결정을 내릴 수 있다는 것을 의미한다. 더 많은 제품 기능들이 생산 작업의 후반부에 추가되도록 미루어짐에 따 라, 시스템은 어느 때보다 더 빠르게 반응할 필요가 생겼다. 이러한 요구사항은 오직 기 계들이 이러한 변화를 빠르게 배우고 적응할 수 있을 때만 가능한 것이다"라고 덧붙였다.

글로벌 스포츠웨어 브랜드인 아디다스는 2 0 1 7 년 하 반 기 까 지 아 틀 란 타 주 에 'SPEEDFACTOY'라는 공장을 세울 계획이며, 이미 인공지능을 이용한 맞춤 생산에 대한 실험을 진행 중이다. 아디다스는 기밀을 유 지하면서도 SPEEDFACTOY가 데이터를 기 반으로 다양한 생산과정을 스마트한 방식으 로 연결할 것이라고 언급했다. 또한, 자동화

20%-30%

맥킨지에 따르면 제조산업은 데이터 분석을 통해 얻을 수 있는 잠재가치의 20~30% 밖에 사용하지 못하고 있다. 여성이 차지하는 비율은 20%에 불과하다.

및 분권화된 유연한 제조과정을 만들기 위해 로봇 기술과 3D 프린팅 기술이 결합될 예정 이다. 아디다스의 상임이사인 에릭 리에드커 (Eric Liedtke)는 한 기자간담회에서 "이는 우 리가 제품을 소비자를 위해, 소비자와 함께, 소비자가 실제로 경험할 수 있는 곳에서 제 작할 수 있도록 도와 준다. 이를 통해 자사 고유의 창의성을 갖게 되며, 미국 내에서 맞 춤화를 향한 끝없는 기회를 창출해 나가려는 노력을 보여줄 예정이다"라고 말했다.

작업 진행 중

이 모든 잠재력을 인지하려면 제조사들은 주요 기술의 격차를 줄여야 한다. 미국 워싱 턴에 기반을 둔 정보기술 및 혁신 재단(The Info rmation and Te chnology and Innovation Foundation)의 총장직을 겸임하 고 있는 로버트 아킨슨(Robert Atkinson)은 "아무리 인공지능 시스템이 좋더라도 인적자 원이 없으면 그 시스템을 적용하고 유지할 수 없다. 그럼 제조사들도 얻을 게 없는 것 이다"라며, "맥킨지 컨설팅은 2018년에 미국 에서만 보아도 14만~19만명 정도의 데이터 과학자 인력이 부족할 것이라고 예상했다. 더 나아가 빅데이터 세상에 필요한 분석 기 술을 지닌 매니저나 분석가의 숫자 부족은 더욱 더 클 것이다"라고 말했다.

타타 컨설팅 서비스의 부사장이자 글로벌 제조부서의 대표인 밀린드 라카드(Milind Lakkad) 또한 인공지능의 진화 속도와 현재 제조산업의 기술 도입의 격차를 지적했다. "각각의 기계나 장비에만 인공지능을 탑재하 는 방법만으로는 생산 시설이 효과적으로 작동하지 않는다. 인공지능의 성공은 연속화 된 작업 계획을 실행하는 장비들의 상호작 용을 깊게 이해하는 것에서 시작된다." 이를 이해하기 위해서 그는 다음과 같은 세 가지 의 요소가 갖춰져야 한다고 말했다
"첫째, 인지 학습을 가능하게 하는 표준화되 고 개방된 정보교류 프로토콜이 필요하다. 그리고, 모든 OEM 기업들의 부품들이 스마 트한 경로를 통해 하나로 '관리되고 있는' 더 큰 단일 목적을 달성하기 위한 협력이 가능 해질 수 있도록 꾸준히 노력해야 한다. 마지 막으로 이러한 조건의 환경에서 발생할 수 있는 다양한 안전문제들을 예측할 수 있는 방안 또한 고려되어야 할 것이다. 이 중 어 느 것도 각각의 기업들이 개별적으로 할 수 있는 일이 아니다. 전체 산업이 다 함께 협 력해야 할 것"이라고 말했다.

앞으로 나아가기

제조업이 인공지능 도입을 고려하기 시작한 지금도 인공지능의 발전과 진화는 계속 계 속되고 있다.
데이터 관리 및 서비스 회사인 테라다타 (Teradata)의 분석 담당 대표 책임자인 빌 프랭크(Bill Franks)는 "사람들이 몇 년 내에 벌어질 일들에 감탄을 금치 못할 것이라고 단언한다"라며, "인공지능은 결국 제조기업들 이 향상된 효율성과 일관된 품질을 가져올 뿐만 아니라, 쓰레기 배출을 최소화 하는데 도 기여할 것"이라고 말했다. ◆

Related resources

Subscribe

Register here to receive a monthly update on our newest content.