직접 찾아갑니다, 지방 거점 제조 기업이 AI를 시작하는 방법

직접 찾아갑니다, 지방 거점 제조 기업이 AI를 시작하는 방법

'우리도 AI로 뭐 좀 해봐야 하나?' 모든 기업이 하고 있는 고민이죠. 제조 기업이라고 예외일 수는 없습니다. AI 도입을 고민하는 이유는 분명합니다. 생산 라인 자동화, 장비 예지 보전, 품질 관리 고도화 등 AI는 새로운 가능성을 열어줍니다. 하지만 어디서부터 시작해야 할지, 어떤 접근이 우리에게 맞는지, 비용은 얼마나 드는지 등의 질문이 끊이지 않습니다.

특히 중소 규모의 제조 기업에게는 AI가 여전히 낯설고 복잡하게 느껴집니다. 데이터 인프라, AI 전문 인력, 초기 투자 비용 등 기술과 재정적 장벽이 높습니다. 특히 사업장이 지방에 자리잡고 있다면 AI 관련 최신 기술 트렌드에 대한 접근성도 상대적으로 떨어진다고 느낄 수 있습니다. 산업 특화 AI를 개발하고 기업의 AI 역량 내재화를 지원하는 마키나락스는 이런 고민을 하고 있는 제조 기업들을 적극적으로 돕고 있습니다.

이 포스팅을 읽어보시고 우리 회사에도 같은 해결책이 필요하다고 생각하시면 편하게 연락해 주세요. 마키나락스가 여러 산업 현장에서 얻은 실질적인 AI 성공 사례와 경험을 바탕으로 함께 고민하고 방법을 제안해 드리겠습니다.

서울에서 하는 AI 세미나, 우리 회사에서도 가능할까요?

AI 기술은 급격하게 발전하고 있고 비즈니스 임팩트로 연결되는 사례도 빠르게 늘어나고 있습니다. 마키나락스도 시장 속도에 발맞춰 AI 기술 트렌드를 발표하고 실제 산업 현장에 적용되어 효용성을 입증한 성공 사례를 공유하는 세미나를 진행하고 있는데요. 세미나 이후 네트워킹을 통해 현장의 목소리를 들을 수 있고 새로운 비즈니스 기회로 연결되기도 합니다. 지난 3월에도 서울 코엑스에서 ‘AX 시대, 제조 생산성 혁신을 위한 AI 도입 전략’을 메인 주제로 다양한 AI 기술 트렌드와 실제 AI 도입 성공 사례 발표로 구성된 세미나를 진행했는데요. 세미나 주제를 보신 현대포리텍 교육 담당자님께서 자사 임원을 대상으로 한 방문 특강을 문의해 주셨습니다. 서울에서 하는 세미나, 우리 회사에서도 가능할까요? 가능하죠! 그렇게 마키나락스 구성원들은 충북 음성으로 향했습니다.

현대포리텍은 자동차부품 제조기업으로 합성수지 사출품과 고무 부품류를 주력으로 생산하고 있으며 최근에는 전장부품 제조까지 영역을 확장하고 있습니다. 1975년 설립 이래로 중국, 멕시코, 미국, 인도 등지에 해외법인을 두고 글로벌 시장에서도 활동하고 있습니다. 진출 시장과 사업 영역을 계속해서 확대하고 있는 만큼 AI 시작과 운영에 대한 고민도 많았습니다. 이런 상황을 함께 고민하고자 마키나락스에서 다양한 AI 프로젝트를 성공으로 이끈 안승용 이사가 ‘산업 AI, 연구를 넘어 비즈니스로’를 주제로 강연을 진행했습니다.

AI를 적용하기 위한 기본 조건 3가지

세계적으로 제조업에서 AI 프로젝트가 사업검증(PoC, Proof of Concept)을 통과하는 비율은 16% 수준입니다. 그만큼 제조 현장에 AI를 적용하고 비즈니스 임팩트로 연결하기까지는 많은 준비와 노력이 필요합니다. 마키나락스는 70% 수준의 성공률을 기록하고 있습니다. 성공률이 높은 마키나락스는 제조업에 AI를 성공적으로 적용하기 위해 필요한 3가지 기본 조건을 다음과 같이 제시합니다.

AI를 적용하기 위한 기본 조건 3가지

AI를 적용하기 위한 기본 조건 3가지

첫 번째, 데이터 인프라가 필요합니다. AI를 잘 활용하기 위해서는 고품질의 많은 데이터가 필요하기 때문인데요. 수많은 데이터로 반복적인 실험을 통해서 우리 공정에 적합한 AI 모델을 개발합니다. 따라서 제조 현장에서 실시간으로 데이터를 생성하고 수집하는 OT 인프라와 데이터의 수집, 저장, 처리 및 분석을 지원하는 IT 인프라가 갖춰져야 합니다.

두 번째는 도메인 특수성을 반영한 ‘Customized AI’입니다. 기업마다 발생하는 데이터와 해결해야 하는 문제가 다르기 때문에 학습을 진행하는 데이터와 접근 방식도 달라야 합니다. 자동차, 반도체 등 각 분야에 대한 이해도 필요하고요. 따라서 도메인과 현장 특성을 반영한 커스터마이즈 AI가 필요합니다. 이를 통해 AI 성능을 높임과 동시에 학습 비용 등을 낮춰 효율을 최적화하는 것이 가능합니다.

세 번째는 원활한 AI 운영을 위한 머신러닝 기반 인프라(MLOps)입니다. 생산 현장에서 나오는 신규 데이터를 실시간으로 AI 모델과 연결하고 자동으로 재학습시켜서 성능을 끌어올리고 결과물을 제대로 활용할 수 있는 플랫폼이 필요합니다. AI 모델 운영 지원의 속도에 따라 제품 생산 속도나 완성품의 품질에도 많은 영향을 미칠 수 있습니다.

제조 현장에 AI를 가장 빠르게 적용하는 방법

우리 회사는 데이터가 충분하지 않으니, 데이터 먼저 수집하고 그다음에 AI를 시작하면 될까요? 한 1년? 2년? 아니 3년은 지나야 충분한 데이터가 쌓일 것 같습니다. 하지만 마키나락스가 직접 산업 현장에 AI를 적용해 본 결과 데이터 수집과 AI 적용을 동시에 진행하면 제조 현장에 AI를 가장 빠르게 고도화할 수 있었습니다. 수년간 모은 데이터가 우리가 해결하려는 문제를 풀 수 있는 AI를 만드는 데 적합할지 장담할 수 없고, 휴먼 에러가 발생하고 있지는 않은지 점검이 필요하기 때문입니다. 결국 AI는 데이터를 잘 모으고 잘 관리하고 다듬는 일부터 시작해야 잘 만들 수 있습니다. 일단 데이터를 모으면서 AI를 시작하게 되면 어떤 식으로든지 우리 공장을 개선하고 혁신할 수 있는 인사이트와 아이디어들을 찾아낼 수 있습니다. 이는 마키나락스가 여러 기업과 협업하면서 찾은 진리입니다.

기술적인 측면을 넘어 AI 적용 속도를 결정짓는 가장 중요한 요소는 경영진의 결정입니다. 미래 기술에 대해 선도적으로 투자하고 빠르게 추진하는 일은 미래를 준비하는 해안과 지혜가 반영된 결과라고 생각합니다. 마키나락스와 같은 산업 AI 전문 기업과 긴밀한 협업을 통해서 현장의 전문 지식이 AI 모델에 반영되어야 한다는 점도 성공적인 AI 도입을 위해 주목해야 합니다.

"좋은 데이터를 잘 수집하기 위한 템플릿이 있나요?", "플라스틱 사출 조건을 머신러닝 기술로 표준화하고 싶습니다", "오늘 발표를 통해 궁금한 점이 많이 해결됐습니다." 강연이 끝나고 난 후 AI와 관련한 질문이 이어졌고, 이후 구체적인 데이터와 문제 해결 방식을 논의하는 미팅도 진행되었습니다. 산업 AI 전문가와 함께 AI의 실질적인 활용 가능성을 체감하고 AI 도입 전략을 함께 구체화했는데요. 손에 잡히지 않을 것 같았던 AI를 이해하고 실질적인 적용 논의까지 진행해 볼 수 있는 시간이었습니다. 보다 자세한 내용은 🔗AI 도입을 시작하는 기업을 위한 산업 지능화 추진 가이드 포스팅에서 확인할 수 있어요

마키나락스는 풍부한 제조 데이터 경험과 완성도 높은 AI 플랫폼을 기반으로 산업 현장을 지능화하고 기업의 AI 역량 내재화를 지원합니다. 온라인을 통해서 산업 현장에서 얻은 AI 인사이트 전달하는 다양한 활동도 함께 하고 있는데요. 📝 산업 AI 기술과 트렌드 이야기를 만날 수 있는 블로그, 📹 AI 성공 사례와 보다 자세한 기술을 설명하는 웨비나, 📩 다양한 인사이트를 매달 보내드리는 뉴스레터 등이 있습니다. 이외에 우리 회사에 적합한 AI와 관련한 논의가 필요하시면 아래 배너를 통해 언제든 편하게 문의해 주세요. 마키나락스가 함께 고민하겠습니다.

김란영
2024-07-08
Use Cases
See how AI technology in anomaly detection, optimization, and predictive analytics is making industries intelligent