내연기관(엔진) 자동차는 136년전 독일에서 등장했다. 이동 시간은 단축됐고 인간이 갈 수 있는 공간은 확장됐다. 1914년 포드는 자동차의 대량 생산 시대를 열었다. 1950년대 제너럴 모터스와 1970년대 토요타는 자동차 산업을 다품종·분업화 방식으로 바꿨다. 2010년 이후 인공지능(AI) 등장과 함께 인류는 스마트 팩토리에 의한 친환경 자동차 시대를 맞이했다. 제조업 같은 전통 산업에 정보기술(IT) 시스템을 결합해 생산 시설을 네트워크화하고, 지능형 생산 시스템을 갖추는 것이 스마트팩토리다.
스마트팩토리와 관련, 한국은 친환경 모빌리티 산업을 지역특화 산업으로 선정한 충청남도 행보가 주목받고 있다. 충남은 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 주관하는 '인공지능 융합(AI+X) 지역특화산업지원' 사업 공모에 지난해 5월 선정되면서 본격적으로 AI에 기반한 친환경 모빌리티 산업 발걸음을 내딛었다. 친환경 모빌리티 산업은 자동차 산업의 저탄소화를 목표로 산업 범위를 수소, 드론, 도심항공교통(UAM), 퍼스널 모빌리티까지 확대하는 것이다. 고성능 소재, 부품·모듈의 설계와 제조, 관리에 AI가 적극 개입한다.
◇에프원소프트, 화물 적재 계획 시간 계산…사람이 하면 2시간, AI는 2분
에프원소프트(대표 오승호)는 공급기업으로 참여해 컨테이너 화물 적재 시 AI 기술을 적용해 공간 최적화가 가능하도록 구현한 'AI 기반 컨테이너 화물 적재 최적 공정화' 솔루션을 개발했다. 현장에 적용하는 검증 절차도 마쳤다.
AI는 화물 적재(20피트 기준) 계획 시간을 종전 2시간에서 2분 이내로 줄였다. 컨테이너 적재 최적화의 정확도는 80%에서 90% 이상으로 상승했다. 수요기업인 홍성브레이크(대표 이성묵)는 AI 융합 솔루션을 도입하면서 화물 물류 관련 비용을 24억원에서 20억원으로 16% 정도 절감할 것으로 기대한다.
오승호 에프원소프트 대표는 “화물 적재 계획을 수립하는 작업이 기존에는 특정한 인력에 국한됐었다”며 “이제는 AI 솔루션을 통해 누구나 가능한 작업으로 전환된 만큼 업무 효율화가 크게 증진됐다”고 설명했다.
◇나이스솔루션, AI 기계 가공 공정 설계, 숙련 작업자 부족난 해소
나이스솔루션(대표 박재근)은 'AI 기반의 형상분석 컴퓨터응용가공(CAM) 지능화 시스템'을 개발하는 공급기업으로 참여했다. 기계 가공의 공정설계를 AI 기반으로 한다.
수요기업인 삼우코리아(대표 조윤장)는 솔루션 도입으로 3D 모델링 1개 기준 CAM 작업 시간을 기존 12시간에서 6시간으로 절반 감소시켰다. NC 가공 시간도 20시간에서 18.6시간으로 7% 줄었다. CAM 작업 시 휴먼 에러로 인한 불량률도 5%에서 1.5%로 낮아졌고, 기존에 불가능했던 무인 CAM 작업도 가능해졌다. 심화되는 금형 전문 인력난도 상당부분 해소될 전망이다.
◇디엘정보기술, 생산공정·재고관리 지능화... AI가 해결사
디엘정보기술(대표 박수철)은 두 곳의 수요기업을 대상으로 '데이터 모델링 및 분석을 통한 공정 지능화 플랫폼 구현' 및 'AI 기반 수요예측 시스템' 솔루션을 제공하는 공급기업으로 참여했다.
공정지능화 플랫폼은 작업자가 수행하던 공정의 데이터 연구 분석 작업을 AI 기반으로 전환한 것이다. 디엘정보기술은 AI 기반 이상치 확인 시스템을 구축해 명확한 검사 기준을 확립했다. AI 시스템을 통해 자동으로 공정 등급을 확정하는 기능도 추가했다. 수요기업인 에스앤씨(대표 김성익)는 플랫폼 도입으로 데이터 분석 작업 시간(1개월 기준)을 184시간에서 48시간으로 70% 이상 감소시켰다. 공정 등급 정확도는 40%에서 80%로 두 배 높아졌다.
수요 예측 시스템은 AI 기반 수요 예측 모형을 통해 원부자재와 완제품 재고관리를 최적으로 구현하는 것이다. 수요기업인 광진기계(대표 권영직·정기범)는 예측 판매량 대비 실제 판매량 오차 비율을 300%에서 250%로 줄였다. 재고 물량이 줄어든 만큼 창고 비용(4일 기준)도 9000만원 이상 감소했다.
◇유림정보시스템, 생산 중 불량품을 AI가 실시간으로 걸러내
유림정보시스템(대표 심현보 )은 'AI 기반 품질 예지보전 시스템'을 개발하는 공급기업으로 참여했다. 실시간 설비 데이터를 활용해 AI가 제품 불량을 예측하는 시스템을 완성했다.
AI는 제품을 생산하는 과정에서 불량 패턴을 인식해 불량을 예측하고, 이를 사용자에게 알려준다. 개발 시스템은 제품의 불량 분석 정확도를 85%에서 90% 이상으로 증가시켰다. 잘못된 진단으로 불필요하게 버려지는 폐기물 또한 10% 정도 줄였다.
수요기업으로 참여한 자동차용 시트 프레임 회사 대일공업(대표 문상인)은 프레임 용접 공정 중에는 실시간으로 제품 불량률을 확인하기 어려웠다. 작업 완료 후 육안 확인으로 오류 발생 가능성이 높았지만, AI 기반 시스템으로 이같은 문제가 해소되기를 기대하고 있다.
◇임픽스, AI는 현장 생산 설비의 고장 징후 미리 알려
임픽스(대표 이상호 )는 'AI 기반 설비 이상 발생 및 교체주기 사전예측 시스템'을 개발하는 공급기업으로 참여해 개발과 검증 절차를 마쳤다. AI가 설비 고장 발생 전 실시간 이상 징후를 탐지하고 예측 결과를 현장 작업자에게 알려줘 사전 정비를 가능하도록 지원하는 기술이다.
솔루션 도입 1차년 도에 평균 고장 수리 간격(MTBF)이 40일에서 60일로 증가했다. 올해 2차년도에는 성능 고도화를 통해 80일 수준까지 늘렸다. 72.7%의 설비 가동률은 1차년도 79.1%까지 증가했으며, 올해에는 86.9%까지 늘었다. 광진 기계(대표 권영직·정기범)는 수요기업으로 참여했고 이번 AI 솔루션 도입으로 높은 수준의 설비 가동률과 함께, 안정적으로 생산설비의 관리와 운영을 수행할 수 있을 것으로 기대하고 있다.
박지성 기자 jisung@etnews.com
