[디지털데일리 박현영기자] “스마트팩토리에선 다양한 데이터를 수집하게 됩니다. 수집된 데이터를 바탕으로 리스크를 발견해 조치할 수 있고, 생산라인 품질을 관리함으로써 수율을 향상시킬 수 있습니다.”

11일 디지털데일리 웨비나 플랫폼 DD튜브에서 열린 ‘인공지능(AI)과 디지털트윈 기반 스마트팩토리와 디지털 전환’ 웨비나에서 김순덕 오라클 상무는 제조사를 위한 디지털전환 사례를 소개하며 이 같이 밝혔다.

김 상무는 코로나19 팬데믹을 겪으며 디지털 전환에 대한 제조 업체들의 수요가 늘었다고 밝혔다. 전미실물경제협회(NABE) 조사에 따르면 제조 업체의 76.9%는 디지털화를 위해 생산과정을 재평가하고 있다. 또 딜로이트에 따르면 제조 경영진의 24%가 디지털트윈을 운영에 가장 중요한 기술로 간주하고 있다.

이처럼 제조업의 디지털 전환 수요가 증가한 가운데, 김 상무는 디지털 전환에 필요한 요소로 네 가지를 꼽았다. ▲스마트팩토리 구현 ▲설비 예측 유지보수 ▲서플라이체인(공급망) 리스크 관리 ▲제품 판매에서 구독으로 바뀐 비즈니스모델 지원 등이다.

스마트팩토리를 구현한 제조업체는 설비의 센서 데이터를 통해 언제쯤 수리해야 할지 여부를 판단할 수 있다. 공장에서 수집한 데이터를 통해 제품 품질과 설비를 관리했다면, 이를 확장 공급망 전체로 확장해야 한다.

공장 내 데이터뿐 아니라 제품이 어떻게 고객에게 전달되고, 고객이 어떻게 사용하는지 모니터링하는 리스크 관리도 중요하다고 김 상무는 강조했다. 또 제조업의 비즈니스모델이 제품 판매에서 구독으로 바뀐 만큼, 고객에게 전달된 제품을 모니터링하면서 예측 유지보수를 진행하면 고객 만족도도 높일 수 있다.

오라클은 클라우드를 통해 제조업의 디지털전환을 지원하고 있다. 김 상무는 그 중 AI‧머신러닝 서비스에 대해 소개했다. 그는 “제조사에서 스마트팩토리를 구축할 때 가장 중요한 건 공장에서 발생하는 현장 데이터(OT, 운영기술)와 IT(정보기술) 데이터를 통합하는 것”이라며 오라클은 데이터 통합은 물론 사용자 목적에 알맞은 머신러닝 서비스를 제공하고 있다고 밝혔다.

일례로 오라클의 AI‧머신러닝 서비스 중 데이터 사이언스의 경우, 파이썬이나 텐서플로우 같은 오픈소스 도구를 지원한다. 쉽고 빠르게 고객 비즈니스에 맞는 머신러닝 모델을 구현할 수 있도록 하기 위함이다. 김 상무는 “대용량 데이터를 처리할 수 있게 스파크 라이브러리를 제공하며, 데이터 과학자들이 모델을 상호 호출하면서 사용할 수 있도록 지원한다”고 강조했다.

AI 서비스도 ▲이상감지 ▲비전(Vision) ▲랭귀지(Language) ▲스피치 등 다양하게 제공한다. 이상감지 서비스의 경우 공장 내 이상현상을 감지하는 것도 중요하지만 오보를 최소화하는 게 가장 중요하다. 김 상무는 “오라클은 150개 이상 특허를 취득한 ‘MSET2’라는 알고리즘을 적용했다”고 설명했다.

‘비전’은 이미지 안에서 개체를 인식할 수 있는 서비스다. 이미지를 보고 불량을 판단할 수 있는 기능이나 문서에서 데이터를 추출하는 기능도 탑재돼있다. 김 상무는 “오라클이 이미 학습된 데이터를 많이 가지고 있어서 전이학습을 통해 빠르게 모델을 생성할 수 있다”고 강조했다.

이 밖에도 ‘랭귀지’는 텍스트를 보고 고객 감정을 분석하거나 핵심 구문을 추출할 수 있는 서비스다. 또 ‘스피치’를 통해선 실시간 음성인식을 통해 음성을 텍스트로 전환할 수 있다.

김 상무는 오라클 AI‧머신러닝 서비스의 또 다른 강점으로 ‘데이터베이스 내 머신러닝 알고리즘’을 내세웠다. 그는 “오라클 서비스는 데이터베이스에 내재된 머신러닝 알고리즘이 있어 외부에서 데이터를 가져온 후 모델링해야 하는 번거로움이 없다”고 말했다. 이어 “데이터가 변하더라도 알고리즘이 다 데이터베이스 내에 있기 때문에, 현재 상황에 맞는 데이터를 활용해 최적의 알고리즘을 이용할 수 있다”고 덧붙였다.

자동화 머신러닝 또한 강점이다. 김 상무는 “사용자들이 머신러닝 알고리즘을 몰라도 데이터와 목적값만 입력하면 자동으로 데이터를 전처리한 후, 알고리즘에 맞게 자동으로 머신러닝 모델링을 제공한다”고 설명했다.

이 같은 오라클의 서비스를 이용한 사례로는 반도체 공장 사례가 있다. 반도체 공장은 라인 별로 데이터가 흩어져 있어 메타데이터를 관리하는 게 중요하다. 오라클은 데이터 카탈로그를 통해 메타데이터를 관리하고, 주요 공정 단계 별로 모델을 생성해 공정 별 수율을 예측할 수 있도록 했다. 이후 오라클 에널리틱스를 통해 데이터 및 모델의 예측 결과를 시각화한 리포트도 제공했다.

해당 공장은 예측된 수율을 바탕으로 불량 반제품을 조기 폐기하고, 비용을 절감했다. 공정 별로 모델을 제공하므로 후공정을 하지 않은 상태에서 불량품을 조기 폐기할 수 있다는 설명이다. 김 상무는 “후공정에 투입되는 자재나 인건비를 절약할 수 있으므로 마지막 단계에 가서 품질 검사를 하는 것보다 비용을 절감할 수 있다”고 강조했다.

고객사의 대표적인 예로는 미쯔비시가 있다. 김 상무는 “미쯔비시는 E-팩토리를 구축한 뒤 오라클 사물인터넷(IoT)를 통해 가동시간을 60% 증가시켰고, 생산량은 30% 늘렸다”고 밝혔다.