㈜유비씨 서경민 CTO / kmseo@uvc.co.kr

자동화된 공장은 왜 여전히 기다리는가

쉽게 이해하는 제조 AX의 세 가지 핵심 요소

로봇팔이 부품을 조립하고, 운반로봇이 자재를 나르는 공장을 떠올려 보자. 그런데 설비 한 대가 멈추면 담당자들은 다시 전화를 돌린다. 어떤 주문부터 처리할지, 자재를 어디로 보낼지 사람이 하나씩 정한다. 장비는 자동으로 움직이는데, 공장에서는 여전히 기다리는 시간이 생긴다.

Manufacturing AX, 즉 제조 분야의 AI 전환은 이런 문제를 줄이는 데서 출발한다. AI를 활용해 현장 상황을 파악하고, 더 나은 방법을 찾아 실제 작업에 반영하는 것이다. 나는 그 핵심을 자동화, 자율화, 협업지능으로 설명한다. 각각 맡은 일을 잘하고, 변화에 맞춰 판단하며, 사람과 장비가 함께 움직이는 능력이다.

1  자동화는 반복 작업을 맡고 연결은 공정을 잇는다

자동화는 사람이 정해 놓은 작업을 기계가 일정한 품질과 속도로 반복하는 것이다. 부품을 조립하거나, 제품을 검사하거나, 자재를 옮기는 일이 대표적이다. 같은 일을 꾸준히 수행하는 능력은 공장의 기본이 된다.

문제는 장비들이 서로의 상황을 모를 때 생긴다. 앞 공정은 계속 제품을 만드는데 뒤 공정은 고장으로 멈춰 있다. 창고에는 자재가 있지만 생산라인에서는 언제 도착하는지 알 수 없다. 각 장비가 열심히 움직여도 전체 생산은 늦어질 수 있다.

그래서 자동화와 함께 필요한 것이 연결이다. 설비 상태, 자재 위치, 생산계획이 서로 이어져야 한다. 불량이 늘었다면 어떤 제품이 어느 설비를 거쳤는지도 함께 확인할 수 있어야 한다. 장비마다 ‘작업 완료’를 기록하는 방식이 다르면 같은 뜻으로 맞춰 주는 작업도 필요하다. 서로 다른 장비의 정보를 같은 작업 기준으로 맞추면 공정 사이의 문제를 찾기 쉬워진다. ‘얼마나 자동화됐는가’와 함께 ‘서로의 상태를 알 수 있는가’를 물어야 하는 이유다.

그림 1. 설비의 정보를 연결하면 공정 사이에서 벌어지는 일을 함께 볼 수 있다. 

2  자율화는 상황이 바뀌면 일하는 방법을 바꾼다

자동화된 설비도 예상하지 못한 상황을 만난다. 급한 주문이 들어오거나 고장이 나면 기존 계획을 그대로 따르기 어렵다. 자율화는 이런 변화를 알아차리고, 정해진 목표와 조건 안에서 대응 방법을 고르는 능력이다.

예를 들어 생산 흐름을 좌우하는 설비가 30분 동안 멈췄다고 하자. 시스템은 다른 설비로 일을 옮길지, 작업 순서를 바꿀지, 수리를 기다릴지 비교한다. 약속한 출하 일정, 남은 자재, 작업 가능한 인원도 함께 살펴야 한다. AI는 필요한 정보를 모으고 여러 대안을 비교하는 일을 도울 수 있다. 선택한 방법을 적용한 뒤에는 실제 결과를 확인해 다음 판단에 반영한다. 정보를 보여주는 것에서 한 걸음 더 나아가, 상황에 맞는 행동까지 이어주는 것이다.

모든 결정을 곧바로 AI에 맡길 필요는 없다. 익숙하고 충분히 확인된 상황은 자동 처리하되, 생산에 큰 영향을 주는 변경은 담당자가 검토하도록 정할 수 있다. 사람은 목표와 허용 범위를 정하고 어려운 예외를 맡는다. 어떤 이유로 결정했는지 기록하고 결과를 확인하면서, 시스템이 스스로 처리하는 범위를 넓혀가는 방식이다.

그림 2. 설비 배치와 작업 흐름을 함께 살펴보며 생산계획을 검토하는 화면 예시.

3  협업지능은 사람과 로봇이 함께 일하게 한다

로봇 한 대가 스스로 움직여도 여러 대가 함께 일하는 문제는 남는다. 모두가 자기 일을 빨리 끝내려고 좁은 통로로 몰리면 오히려 길이 막힌다. 공장 전체의 생산 목표에 맞춰 서로 양보하고 순서를 정할 필요가 있다.

협업지능은 설비, 로봇, 작업자가 서로의 상태와 할 수 있는 일을 공유하며 역할을 나누는 능력이다. 제조사와 기능이 다른 장비들도 함께 일하는 대상에 포함된다. 가령 무인지게차가 무거운 자재를 인계 장소까지 가져오고, 작은 운반로봇이 받아 조립라인에 공급한다고 하자. 두 로봇은 도착 시간과 적재 상태를 맞춰야 한다. 자재를 받을 공정도 준비돼 있어야 한다. 인계 장소가 막히면 공급 순서나 장소를 다시 조정한다.

작업자와 로봇이 함께 일할 때도 마찬가지다. 사람의 작업이 늦어지면 로봇이 기다릴지, 다른 작업을 먼저 할지 정해야 한다. 전체 생산계획을 조율하는 시스템과 주변 상황에 빠르게 대응하는 로봇이 함께 작동해야 한다. 자율화가 상황에 맞게 판단하는 능력이라면, 협업지능은 그 판단들을 맞춰 함께 성과를 내는 능력이다.

그림 3. 무인지게차와 운반로봇이 각자의 강점에 맞춰 자재 이송을 분담한다.

4  디지털 트윈에서 미리 시험해 본다

새로운 계획이 좋아 보여도 가동 중인 공장에서 바로 시험하기는 부담스럽다. 이때 쓰는 것이 디지털 트윈이다. 실제 공장의 배치와 움직임을 컴퓨터 안에 재현한 ‘가상 공장’이라고 생각하면 쉽다. 이곳에서 조건을 바꿔가며 결과를 비교할 수 있다. 실제 라인을 바꾸기 전에 어떤 문제가 생길지 살펴볼 수 있는 연습장인 셈이다.

확인할 것은 두 가지다. 로봇이 맡은 작업을 제대로 해낼 수 있는지, 그리고 그 로봇을 넣었을 때 공장 전체의 생산이 나아지는지다. 로봇 한 대가 일을 빨리 마쳐도 다음 공정이 자재를 받지 못하면 제품은 쌓인다. 로봇의 동작뿐 아니라 자재 흐름과 기다리는 시간까지 함께 살펴야 한다.

AI가 여러 대안을 만들고, 가상 공장에서 비교한 뒤, 확인된 방법을 실제 작업에 적용할 수 있다. 로봇이 연습할 다양한 상황을 만드는 데도 디지털 트윈을 활용할 수 있다. 다만 가상 공장이 현실과 다르면 결과도 달라진다. 실제 작업시간과 고장 이력으로 가상 공장을 보완하고, 현장 적용 후에도 예상과 실제의 차이를 계속 확인해야 한다.

그림 4. 실제 배치를 본뜬 가상 공장에서 로봇의 이동과 작업 구성을 미리 살펴본다.

5  제조 AX는 우리 공장의 한 가지 문제에서 시작한다

출발점은 자주 반복되는 문제 하나면 된다. 자재가 늦어 조립라인이 기다린다면, 어디서 지연이 생기고 원인을 찾는 데 얼마나 걸리는지부터 확인한다. 목표도 대기시간을 얼마나 줄일지, 약속한 출하 일정을 얼마나 잘 지킬지처럼 현장에서 확인할 수 있는 기준으로 정한다.

필요한 정보를 연결하고, 대응 방법을 가상 공장에서 비교한 뒤, 일부 공정에 먼저 적용해 본다. 효과가 확인되면 다른 공정과 로봇으로 넓힌다. 세 요소를 한 번에 완성할 필요는 없다. 이미 쓰고 있는 장비에서 필요한 정보를 얻는 것부터 시작할 수도 있다. 자동화된 작업의 정보를 연결하면서 판단을 돕는 AI를 붙이고, 필요한 협업부터 조금씩 늘려갈 수 있다.

유비씨의 제조 AI 플랫폼 OCTOPUS가 지향하는 것도 이 흐름이다. 현장의 정보를 모으고, AI가 대안을 검토하며, 가상에서 확인한 계획을 실제 작업으로 이어가는 것이다. 실행 결과는 다음 판단에 다시 반영한다. 우리 공장이 어디서 기다리는지 살펴보자. 그 기다림을 줄이기 위해 자동화, 자율화, 협업지능이 어떻게 함께 작동해야 하는지 찾는 일이 제조 AX의 구체적인 시작이다.