제조업 AI 로드맵: 공장 데이터에서 에이전트까지

AI 파일럿이 라인 하나에서는 성공했습니다. 1년이 지나도 두 번째 공장에는 여전히 도입되지 않았고, 첫 번째 라인도 어느새 쓰지 않게 되었습니다.

제조업 AI 로드맵은 이런 일을 막기 위해 있습니다. 단계는 네 가지입니다. 공장 데이터를 ERP 데이터와 연결하고, 거버넌스를 갖춘 인텔리전스 계층을 더하고, AI 에이전트를 확대한 다음, AI를 공장 운영 방식 안에 넣습니다.

대부분의 제조 기업은 세 번째 단계부터 시작하려 합니다. 파일럿이 멈추는 이유가 바로 그것입니다.

저는 플라스틱, 철강, 방위 산업 제조 현장에서 ERP를 구축했습니다. 같은 패턴이 반복됩니다. 모델이 어려운 부분인 경우는 드뭅니다.

어려운 부분은 세 시스템이 같은 오더를 세 가지 방식으로 기술한다는 점입니다.

성형 캡 5,000개짜리 오더 하나를 생각해 보십시오. ERP는 이것을 생산 오더로 봅니다. MES(현장을 운영하는 시스템)는 14번 프레스의 작업으로 보고, 프레스는 사이클 횟수만 압니다.

이 로드맵은 코어 시스템이 SAP, Oracle, Microsoft, Infor이든 자체 개발 시스템이든 그대로 적용됩니다.

제가 3년을 어떻게 구성하는지 보여 드리겠습니다.

3년, 4단계

1. 01

   현재: 데이터 기반

   공장, 품질, ERP 데이터를 거버넌스가 적용된 하나의 플랫폼에 모으고, 리니지와 셀프서비스 리포팅을 갖춥니다.

2. 02

   1년 차: 거버넌스를 갖춘 인텔리전스

   공장, 라인, 자재, 오더를 위한 하나의 비즈니스 언어, AI 거버넌스, 그리고 첫 번째 빠른 성과.

3. 03

   2년 차: AI 에이전트 확대

   설비보전, 품질, 생산계획, 구매 에이전트가 여러 공장에서 운영됩니다.

4. 04

   3년 차: AI의 전사 정착

   AI가 공장의 계획, 운영, 개선 방식 안에 들어가고, 사람과 에이전트가 함께 일합니다.

일정은 가이드로 보십시오. 공장 10곳이 ERP 4개를 쓰는 그룹이라면 1단계에 더 오랜 시간이 필요합니다.

공장 데이터는 계층으로 존재하며, ISA-95 표준이 이 계층을 잘 설명합니다. 맨 아래에는 센서와 PLC, 즉 각 설비를 제어하는 컨트롤러가 있습니다. 그 위에 SCADA 화면과 히스토리언(설비 측정값 데이터베이스)이 있고, 그다음 MES, 맨 위에 이 모든 것을 계획하고 원가를 계산하는 ERP가 있습니다.

AI가 작동하려면 이 계층들이 서로 연결되어야 합니다. 대부분의 공장에서는 연결되어 있지 않습니다.

저라면 세 가지부터 시작하겠습니다.

1. 데이터 플랫폼입니다. 보통 클라우드 레이크하우스나 웨어하우스로, ERP 데이터, MES 기록, 히스토리언 측정값을 받아들입니다. 대부분의 활용 사례에는 배치별 평균 용융 온도 같은 요약값이 필요합니다.
2. 첫날부터의 거버넌스입니다. 데이터 카탈로그, 각 숫자가 어디서 왔는지 보여 주는 리니지, 품질 규칙이 필요합니다. 스크랩 수치가 어디서 왔는지 아무도 설명하지 못한다면, 그 수치를 예측하는 모델도 아무도 신뢰하지 않습니다.
3. 셀프서비스 리포팅입니다. 공장장은 AI가 개입하기 전에 OEE(가능한 생산량 대비 양품 생산량), 스크랩, 일정 준수율을 하나의 출처에서 볼 수 있어야 합니다.

가장 어려운 작업은 마스터 데이터입니다. 공장 두 곳을 운영하는 플라스틱 그룹을 예로 들어 보겠습니다.

A 공장은 검은색 폴리프로필렌 펠릿을 MAT-1001이라고 부르고 킬로그램 단위로 관리합니다. B 공장은 같은 자재를 PP-BLK-25라고 부르고 25 kg 포대 단위로 관리합니다. 모델에게 수지 사용량을 예측하라고 하면, 모델은 서로 관계없는 두 자재로 봅니다.

해결책은 지루합니다. 자재 책임자가 코드를 매핑하고, 단위 하나를 합의하고, 플랫폼이 매일 밤 그 규칙을 적용합니다.

도구가 매칭을 제안할 수는 있습니다. 그래도 어느 코드를 남길지, 그 이후 규칙을 누가 책임질지는 사람이 결정합니다.

제가 초기에 확인하는 또 하나는 시계입니다. 압연 공장의 히스토리언은 가열로 측정값을 현지 시간으로 기록하는데, ERP는 UTC로 전기할 수 있습니다.

코일 4471의 표면 결함을 압연 당시의 가열로 온도와 연결하고 싶다고 해 보겠습니다. 두 시계가 4시간 어긋나 있다면 모델은 엉뚱한 온도로 학습합니다. 여기서 한 번 바로잡으면 이후 모든 활용 사례가 올바른 값을 씁니다.

1. 01설비와 히스토리언배치별로 요약한 센서 측정값
2. 02MES작업, 정지 시간, 스크랩
3. 03ERP오더, 자재, 원가
4. 04랜딩 존들어온 그대로 보관한 원본 사본
5. 05정제와 매핑자재 코드 하나, 단위 하나, 시계 하나
6. 06셀프서비스 리포트OEE, 스크랩, 일정 준수율

설비에서 원장까지, 모든 오더에 대해 신뢰할 수 있는 하나의 버전

1년 차에는 그 데이터를 AI가 안전하게 쓸 수 있는 형태로 바꿉니다. 핵심은 시맨틱 계층입니다. 공장, 라인, 작업장, 자재, 오더, 결함을 위한 하나의 공통 비즈니스 언어입니다.

에이전트에게 "3번 라인 정지 시간"을 물으면, 에이전트는 어느 3번 라인인지 알아야 합니다. A 공장과 B 공장 모두에 3번 라인이 있을 수 있고, 정지 시간을 세는 방식도 다를 수 있습니다.

한 공장은 설비가 멈춘 순간부터 시간을 잽니다. 다른 공장은 작업자가 정지를 기록한 순간부터 잽니다. 시맨틱 계층은 정의 하나를 문서로 정하고, 모든 리포트와 에이전트가 그 정의를 씁니다.

AI 거버넌스도 같은 해에 갖춥니다. 모든 AI 활용 사례를 등록부에 올리고, 각각에 지정된 책임자, 위험 등급, 사람이 결과를 확인하는 지점을 둡니다.

AI 시스템이 설비의 안전 구성요소가 되면 EU AI Act는 이를 고위험으로 분류합니다. 안전 엔지니어를 일찍 참여시키십시오. 저는 첫 번째 워크숍부터 그들이 함께하기를 원합니다.

그다음 현장 사람들이 체감할 수 있는 빠른 성과 두세 가지를 냅니다. 야간 근무 중의 설비보전 코파일럿을 예로 들겠습니다.

1. 한 기술자가 저압 경보로 계속 고장 나는 유압 프레스 앞에 있습니다. 그녀는 태블릿의 코파일럿에 고장 코드와 프레스 번호를 입력합니다.
2. 코파일럿은 프레스 매뉴얼과 해당 프레스의 과거 작업 오더를 검색합니다.
3. 같은 고장이 전에 두 번 있었고, 두 번 모두 주 실린더의 씰 마모가 원인이었다고 답합니다.
4. 씰의 부품 번호를 알려 주고, 교체 절차가 나온 매뉴얼 페이지를 연결합니다.

프레스를 멈출지는 여전히 그녀가 결정하고, 잠금 조치(lockout)도 여전히 그녀가 직접 합니다. 코파일럿은 오래된 서류를 뒤지는 시간을 없애 주었을 뿐입니다.

교대 인수인계 요약이 두 번째 빠른 성과입니다. 오전 6시에 출근한 감독자는 MES 이벤트, 정지 기록, 품질 보류 내역으로 만든 한 페이지를 받습니다. 9번 프레스는 느린 금형 교체로 40분을 잃었고, 배치 2207은 미성형(short shot) 때문에 보류 중입니다.

감독자는 보류 건을 확인하고 무엇부터 생산할지 결정합니다.

세 번째 선택지는 공급업체 문서 점검입니다. 코일의 밀 시트에 S275라고 적혀 있는데 S355를 주문했다면, AI가 입고 전에 이를 표시합니다. 코일을 합격 처리할지 불합격 처리할지는 여전히 품질 담당자가 정합니다.

저는 첫 후보들의 순위를 이렇게 매깁니다.

1. 01감독자의 질문어젯밤 3번 라인은 왜 시간을 잃었나요?
2. 02시맨틱 계층어느 공장, 어느 라인, 어떤 정지 시간 규칙인지
3. 03거버넌스가 적용된 데이터정지 기록, MES 이벤트, 작업 오더
4. 04코파일럿의 답변모든 수치의 출처와 함께
5. 05감독자의 확인수용하거나 수정하거나 상부에 보고

공장장과 이사회 보고 자료가 똑같이 인정하는 답

비즈니스 가치높음중간낮음

• 자율 일정 수립

• 비전 품질 검사

• 설비보전 코파일럿

• 공급업체 문서 점검

• 교대 인수인계 요약

• 범용 챗봇

낮음중간높음데이터 준비도

• 나중에
• 계획
• 지금 시작

2년 차에는 어시스턴트에서 에이전트로 넘어갑니다. 어시스턴트는 질문에 답합니다. 에이전트는 신호를 지켜보다가 귀하가 정한 한도 안에서 할 일을 결정하고, 귀하의 시스템에서 실행합니다.

제가 보기에 제조업에서 가장 먼저 투자를 회수하는 에이전트는 다음과 같습니다.

1. 예지 보전. 설비 측정값이 고장 전에 ERP의 작업 오더를 발생시키고, 예비 부품을 예약합니다.
2. 품질. 비전 검사가 결함을 표시하면, 에이전트가 해당 배치를 보류하고 공정 설정값과 연결한 뒤 이탈 보고서를 엽니다.
3. 생산계획. 설비가 멈추거나 자재가 늦어지면 에이전트가 일정을 다시 맞추고, 계획 담당자에게 승인을 요청합니다.
4. 구매. 지연된 납품을 추적하고 납기 독촉 요청서 초안을 작성합니다.

스탬핑 프레스의 베어링이 고장 나기 시작할 때 설비보전 에이전트가 어떻게 처리하는지 보겠습니다.

1. 주 베어링의 진동이 2주에 걸쳐 서서히 오르고, 온도도 따라 오릅니다.
2. 에이전트는 이 패턴을 같은 기종 프레스의 과거 고장 사례와 비교해 일치하는 사례를 찾습니다.
3. ERP에 보전 통지를 생성하고, 예비 베어링 재고가 있는지 확인해 예약합니다.
4. 토요일 계획 정지 시간에 작업 시간대를 제안하고, 요청을 보전 계획 담당자에게 보냅니다.

계획 담당자는 그 시간대를 승인하거나 옮깁니다. 에이전트는 통지 생성과 예약을 스스로 할 수 있지만 라인을 멈출 수는 없으며, 그 한도는 지정된 사람이 책임집니다.

이제 생산계획 에이전트를 보겠습니다. 화요일 오후 압출기 한 대가 목요일까지 멈추고, 수지를 실은 컨테이너 하나가 항구에 묶여 있습니다.

에이전트는 미결 오더, 납기, 어느 라인이 어느 제품을 만들 수 있는지 확인합니다. 그리고 두 가지 안을 만듭니다. 수요일 잔업으로 오더 세 건을 2번 라인으로 옮기거나, 고객 오더 한 건을 이틀 미루는 것입니다.

계획 담당자가 하나를 고르거나, 먼저 고객에게 전화합니다. 저는 에이전트가 고객 납기를 조용히 옮기도록 절대 두지 않겠습니다.

2년 차의 더 큰 변화는 책임 소재입니다. 각 에이전트와 그 한도, 그 결과를 누군가는 책임져야 합니다. 저는 에이전트를 직무 기술서와 정기 평가가 있는 새 팀원처럼 대합니다.

1. 01관찰모든 프레스의 진동, 온도, 전류
2. 02감지베어링 측정값이 범위를 벗어나기 시작함
3. 03준비작업 오더 초안 작성, 예비 부품 예약
4. 04승인보전 계획 담당자가 작업 시간대 확정
5. 05실행오더 발행, 기술자 출동
6. 06학습결과가 다음 예측에 반영됨

에이전트마다 책임자 한 명, 정해진 한도

3년 차가 되면 AI는 더 이상 별도의 프로젝트가 아닙니다. 계획, 생산, 품질, 설비보전, 원가 계산 안에 들어가 있습니다.

영업, 생산, 재무가 하나의 계획에 합의하는 월간 S&OP 주기에서는 이렇게 보입니다.

1. 고객이 예측을 공유하면, 에이전트는 주문 이력에 비해 너무 높아 보이는 예측을 표시합니다.
2. 공급업체가 생산 능력을 공유하므로, 에이전트는 코팅 공급업체의 3월 일정이 꽉 찼다는 것을 압니다.
3. 에이전트가 양쪽 모두에 맞는 계획 초안을 만들고 ERP에서 원가를 계산합니다.
4. 회의는 한 시간을 몇 안 되는 진짜 트레이드오프에 씁니다.

계획의 주인은 여전히 사람입니다. 운영 총괄이 서명하고, 재무가 마진을 확인합니다.

제가 살펴볼 또 다른 영역은 원가 계산입니다. 사출 성형기 한 대가 표준 사이클 타임보다 계속 느리게 돈다고 해 보겠습니다. 에이전트는 그 차이를 찾아내고, 원가 영향을 계산한 뒤, 원가 회계 담당자에게 표준을 갱신할지 묻습니다.

결정은 원가 회계 담당자가 내립니다. 표준 원가 변경은 재고 평가와 마진으로 이어지기 때문입니다.

1. 공장장공장 목표와 에이전트 포트폴리오를 책임집니다
   AI 거버넌스모든 에이전트의 등록부, 테스트, 긴급 정지 장치
2. 생산 관리자에이전트가 제안한 일정 변경을 승인합니다

• 설비보전 에이전트책임자: 보전 관리자
• 품질 에이전트책임자: 품질 관리자
• 생산계획 에이전트책임자: 계획 리더
• 구매 에이전트책임자: 구매 담당자

1. 04AI 에이전트와 코파일럿사람의 승인 지점을 둔 설비보전, 품질, 생산계획, 구매 에이전트
2. 03거버넌스를 갖춘 인텔리전스 계층공장, 라인, 자재, 오더의 시맨틱 모델과 AI 등록부
3. 02데이터 기반ERP, MES, 히스토리언 데이터를 담은 레이크하우스, 카탈로그와 리니지
4. 01공장 및 전사 시스템센서, SCADA, 히스토리언, MES, ERP

네 가지는 특정 연도에 속하지 않습니다. 모든 단계에 걸쳐 이어집니다.

1. OT 보안. OT는 설비를 움직이는 컨트롤러와 네트워크를 말합니다. 이를 클라우드 AI와 연결하면 공격 표면이 넓어지므로, 연결 구조를 IEC 62443에 맞춰 설계하고 제어 네트워크를 분리해 두십시오. 에이전트는 히스토리언 데이터의 사본을 읽을 뿐이며 PLC에는 절대 쓰지 않습니다.
2. 데이터 주권. 방위, 정부, 일부 수출 통제 대상 업무에는 국내 또는 온프레미스 AI 옵션이 필요합니다. 모델을 고르기 전에 어떤 데이터가 공장 밖으로 나가도 되는지 정하십시오. 방산 부품 도면은 공개 모델 근처에도 가서는 안 되지만, 수지 수요 예측은 아마 괜찮을 것입니다.
3. 개방형 멀티 벤더 스택. 개방형 포맷과 표준 인터페이스를 쓰십시오. 설비 데이터를 읽는 공통 표준인 OPC UA가 그 예입니다. 그러면 다시 구축하지 않고도 모델을 바꿀 수 있습니다.
4. 사람. 계획 담당자, 엔지니어, 기술자가 에이전트와 함께 일하도록 교육하십시오. 에이전트의 안을 신뢰하는 계획 담당자는 그 안을 씁니다. 신뢰하지 않는 담당자는 Excel로 계획을 다시 만듭니다.

가장 흔한 실패는 확장되지 않는 파일럿입니다. 라인 하나에서 손으로 끌어온 데이터로 학습한 비전 모델은 아이디어를 증명할 뿐, 그 이상은 하지 못합니다.

이를 두 번째 공장으로 가져가 보십시오. 카메라가 다르고, 부품 번호가 맞지 않고, 모델을 책임지는 사람이 없습니다.

두 번째 실패는 AI를 IT 프로젝트로 다루는 것입니다. 생산, 품질, 설비보전 리더가 활용 사례를 책임지지 않으면, 에이전트는 만들어진 뒤 외면당합니다.

제 조언은 프로세스부터 시작하라는 것입니다. 작업 오더나 품질 보류가 지금 어떻게 흘러가는지 그린 다음 시스템을 고르십시오. 누군가 코드를 쓰기 전에 활용 사례마다 비즈니스 책임자를 정하십시오.

실패하는 방식효과적인 방법

1. 01실패하는 방식: 손으로 끌어온 데이터로 라인 하나에서 하는 파일럿→효과적인 방법: 모든 공장을 위해 구축한 데이터 기반
2. 02실패하는 방식: IT가 만들고 공장은 끝내 책임지지 않음→효과적인 방법: 활용 사례마다 생산, 품질 또는 보전 책임자 지정
3. 03실패하는 방식: 프로젝트마다 코드, 단위, 시계를 다시 바로잡음→효과적인 방법: 마스터 데이터를 중앙에서 한 번에 바로잡음
4. 04실패하는 방식: 책임자도, 한도도, 점검도 없는 에이전트→효과적인 방법: 에이전트마다 책임자, 한도, 정기 점검

귀사의 공장에 적용해 보고 싶으십니까? 상담을 예약하시고 활용 사례 하나와 ERP 및 MES의 대략적인 구성도를 가져오십시오. 귀사가 실제로 어느 단계에 있는지, 제가 무엇부터 하겠는지 말씀드리겠습니다.

제조업 AI 로드맵이란 무엇입니까?

제조 기업 전반에 AI를 활용하기 위한 단계별 계획입니다. 공장 데이터와 ERP 데이터를 연결하는 데이터 기반에서 시작합니다. 그다음 거버넌스를 갖춘 인텔리전스 계층, AI 에이전트, 그리고 공장 운영 방식에 들어간 AI가 이어집니다.

제조 기업은 AI를 어디서부터 시작해야 합니까?

데이터부터 시작하십시오. ERP, MES, 설비 데이터를 거버넌스가 적용된 하나의 플랫폼에 연결하고, 마스터 데이터를 바로잡고, 공장장에게 셀프서비스 리포팅을 제공하십시오. 첫 AI 활용 사례는 그 기반 위에서 1년 차에 나옵니다.

제조업에서 가장 먼저 투자를 회수하는 AI 활용 사례는 무엇입니까?

설비보전 코파일럿, 교대 인수인계 요약, 공급업체 문서 점검은 빠르게 제공할 수 있습니다. 예지 보전, 비전 검사, 일정 재조정은 더 큰 가치를 내지만 더 좋은 데이터가 필요하므로 보통 2년 차에 나옵니다.

제조업 AI 로드맵에는 얼마나 걸립니까?

저는 데이터 기반 작업이 시작된 뒤 3년에 걸쳐 계획합니다. 1년 차에 인텔리전스 계층을 더하고, 2년 차에 에이전트를 확대하고, 3년 차에 AI를 핵심 프로세스 안에 넣습니다. 빠른 성과는 첫해 안에 가치를 보여야 합니다.

AI를 쓰기 전에 ERP나 MES를 교체해야 합니까?

아닙니다. AI는 데이터 기반을 통해 기존 시스템 위에 얹힙니다. 어느 벤더를 쓰든, 중요한 것은 ERP와 MES 데이터가 깨끗하고 연결되어 있는지입니다.