[72] 아날로그, 디지털... 스마트 팩토리

박정수 성균관대 스마트팩토리 융합학과 겸임교수

[박정수 성균관대 스마트팩토리 융합학과 겸임교수] 왜 제조업의 경쟁 본질(本質)이 변화하고 있을까? 아날로그 시대의 제조업과 디지털 시대의 제조업의 경쟁 본질은 다르기 때문일까? 과거나 지금이나 제조는 생산의 요소 4M(노동, 재료, 설비, 방법)을 투입하여 균일한 품질로 최적의 원가를 제공하는 활동이며, 4M(Man, Machine, Material, Method)은 제조업에 있어서 기본적인 중요한 요소다.

이를 바탕으로 생산계획, 준비, 실행이 결정되며, 이후 생산활동의 결과를 분석 또는 평가할 때에도 이를 기준으로 수행한다. 왜냐하면 이는 제조업의 목표인 Q.C.D.달성(Quality, Cost, Delivery)을 위한 요소, 즉 균일한 품질. 최적의 원가. 납기 준수이기 때문이다.

그런데 문제는 이렇게 통상적인 목표로는 제조업이 4차 산업 혁명 시대에 살아 남을 수 없다는 것이다. 균일한 품질은 고객이 원하는 맞춤 품질 수준으로, 최적의 원가는 고객과 시장이 원하는 맞춤 경쟁우위 가격으로, 납기 준수는 고객이 원하는 곳에 원하는 시간에 고객 맞춤 납기로 제공해야 한다. 따라서 아래 제시한 표는 제조 활동의 목적에 따른 제조 활동과 원가에 대한 개념 정립, 그리고 공장에서 관리해야 하는 모든 과정(process) 관리에 대한 포인트를 제조업의 목적과 원가 흐름의 상호작용 관점, 즉 4M과 Q.C.D.의 관점에서 나타내고 있다.

출처: 성균관대학교 스마트 팩토리 융합학과 박정수 교수 재인용

제4차 산업혁명의 등장과 함께 예전에는 경험하지 못한 경제 형태가 등장하게 되었다. 과거에는 전화를 통해 음식 배달을 주문해야 했지만 요즘에는 모바일을 통해 간편하게 주문할 수 있는 배달 애플리케이션이 널리 쓰인다. 이렇게 온라인을 통해 수요자가 원하는 것을 즉각적으로 제공하는 경제 형태를 ‘온디맨드(on-demand economy) 경제’라고 칭한다. 온디맨드 경제의 특징처럼 기업과 개인 간의 벽을 허물어서 상호작용을 하는 맞춤 경제활동 시대가 실현되고 있기 때문에, 제조업이 고객과 시장의 요구에 대한 대응역량을 강화하여 적기맞춤(FiT:Fit in Time) 대응을 위한 제조의 시대를 준비하는 것이 스마트 팩토리 구축이다.

디지털(digital)과 아날로그(analog)를 구분하여 제조 활동에 적용하는 것이 애매하듯이 스마트 팩토리도 과거 제조의 본질과 스마트 팩토리의 본질을 구분하기는 어렵다. 근본적인 문제는 기본에서 온다. 흔히 디지털은 숫자판, 아날로그는 계기판에 표시되는 것이라고 구별한다. 또는 계기판을 쓰더라도 불연속적으로 똑똑 끊어지는 방식으로 표시되면 디지털이라고 한다. 바늘로 표시되는 설비 계기판이나 전자시계가 이에 속한다. 이에 따라 보통 “아날로그는 연속적, 디지털은 불연속적 또는 단속적(斷續的)”이라고 이해한다. 이 구별이 잘못된 것은 아니다. 그러나 본질적 차이점은 따로 존재한다.

아날로그(analog)는 ‘닮음·비유’란 뜻의 그리스어 analogia에서 나왔다. 아날로그는 “수를 간접적으로 다루는 방식”이다. 다시 말해 아날로그는 ‘수 다루기의 흉내내기’란 뜻이다. 아날로그식 도구의 대표적 예는 ‘계산자’다. 지금은 ‘휴대용 계산기’에 밀려 볼 수 없다. 하지만 30여년 전만 해도 이공계통 종사자들이 오늘날 계산기를 쓰듯 애용했다. 계산자에는 여러 눈금이 매겨져 있다. 이 눈금이 숫자의 역할을 한다. ‘3+5=8’이라는 계산을 할 때 눈금을 이용해 ‘간접적으로’ 결과를 얻는다. 여기에 실제의 계산은 없다. 계산을 흉내내는 ‘눈금 맞추기’와 ‘눈금 읽기’만 하면 되듯이 제조 목적의 지표도 균일한 품질. 최적의 원가. 납기 준수가 지표 아닌 지표였다.

디지털은 “수를 직접 다루는 방식”이다(digit은 손가락을 뜻하는 라틴어 낱말 digit에서 나온 것으로 ‘숫자’를 뜻한다). 디지털식 기계의 대표적 예는 컴퓨터다. ‘7+3=10’라는 계산을 할 때 컴퓨터는 중앙처리장치(CPU)에서 ‘7’란 수와 ‘3’이란 수를 ‘직접’ 더한다. 아날로그식 ‘눈금’과 같은 “중간매체”는 없다. 답을 내놓을 때도 ‘10’이란 수를 ‘직접’ 보여주듯이, 아날로그식의 표현인 ‘균일한 품질관리’에서 디지털식 표현인 ‘품질관리 목표 10중에 9 달성’이라고 수를 직접 다루어 지표를 제시해야 한다. 즉 관리 지표에 품질이라는 ‘명사(noun)’를 수직하는 형용사 “균일한”이라는 말 대신에 10이라는 수를 표시해 주는 것이 빅데이터와 인공지능 기술 기반 스마트 팩토리의 기본적인 본질이다.

물론 아날로그와 디지털의 두 방식을 합친 장치도 많다. 가게에서 보는 ‘숫자로 표시되는 저울’이 그 예다. 그것을 보통 ‘디지털 저울’이라고 한다. 그러나 여기의 디지털은 ‘숫자판’에 대한 얘기일 뿐이다. 저울 안에는 아날로그적인 하드웨어인 스프링과 압력 센서 등의 기계부품이 들어 있다. 물건을 올리면 스프링이 눌린다. 그 눌림을 센서가 감지해 전기신호를 낸다. 여기까지는 순수한 물리적 현상으로 아날로그적 과정이다. 제조 현장의 대부분의 설비는 그렇게 아날로그식으로 작동한다. 이 신호를 디지털로 바꿔 숫자판에 Q.C.D.의 지표를 나타내는 과정은 명백한 디지털 과정이듯이 제조 현장의 4M의 물리적 작용은 없어지지 않을 아날로그 과정이다.

아날로그의 연속성과 디지털의 단속성(불연속성)은 각각의 본질(本質)에서 나오는 2차적 특성이다. 1/3, 즉 0.333…이란 수를 보자. 계산자나 재래식 저울(아날로그식)의 눈금 위에는 이 수가 분명히 있다. 얼마나 정밀하게 읽을 것인지는 다음의 문제다. 실제로는 모든 수가 다 있다. 따라서 연속적이다. 그러나 컴퓨터에는 1/3과 비슷한 수만 있을 뿐 정확히 1/3이란 수는 없다. 수 자체를 다룬다는 본질상 ‘디지털에서의 수’는 ‘자릿수법으로 나타낸 수’일 수 밖에 없다. 예를 들면 1/3은 0.333…, 무리수 루트 2 (제곱근 2)의 값은 1.414… 로 써야 한다. 그러나 연산 및 표시장치의 한계 때문에 어디선가 반드시 끊어야 한다. 그래서 디지털 수(數)들은 단속적으로 존재한다. 면밀히 살펴보면 아날로그 기술 요소가 기본적인 토대가 되어야 디지털로 변환하는 것이 실효성이 성립된다는 “현장 지향적인 과학적 사실”을 주시해야 한다. 따라서 스마트 팩토리의 구도화는 아날로그 단계와 디지털 단계를 동기화(synchronization) 시키는 매우 복잡한 과정이다. 그래서 빅데이터와 인공지능 기술을 활용하여 진행해야 한다.

어느 고객이 무엇을 얼마나 자주 구매했는지, 어느 매장에서 어떤 유형의 제품을 구매했는지, 언제 재구매 또는 대체 구매할 것인지 등과 같은 정보는 기업의 실무자나 임원들에게 가장 큰 관심사일 것이다. 그런데 문제는 제조 현장과 공급망(supply chain)이 이와 같은 시장의 반응에 대해서 대응하는 역량이 미흡하다는 것이다.

대표적으로 4차 산업혁명의 시대를 예견하면서 관심을 받는, 빅데이터 분석기법이 이에 해당한다. 이제 데이터는 단순히 저장되는 정보로 그치지 않는다. 데이터는 이제 철저히 분석되어 적극적으로 활용된다. 이를 활용한 케이스는 무엇이 있을까? 흔히, 회원제 쇼핑몰이나 인터넷 강의 업체, 온라인 서점 등에서 ‘오늘 본 상품’, ‘많은 이들의 추천 상품’, ‘당신에게 적합한 상품’과 같은 배너를 만들며 자동으로 추천해주는 기능을 경험했을 것이다. 이런 실시간 추천 서비스는 개개인의 맞춤형 서비스를 제공해주는 인공지능과 빅데이터 기술이다. 검색엔진 포털 사이트에서 일정 단어만을 입력하면 추천 검색어가 나열되는 것도, 잘못된 검색결과에서 사소한 오류를 고쳐 수정된 결과를 도출해주며 대중이 원하는 키워드를 찾아주는 역할을 한다. 축적된 데이터를 활용해 고객을 위한 맞춤형 전략을 구사하는 것이다.

이처럼 데이터는 고객의 기호를 파악하는 것은 물론, 업무 프로세스상의 결함을 잡아주는 역할도 한다. 데이터가 단순히 축적되어 저장되는 과거와는 달리, 이를 분석한 활용 형태가 다방면으로 적용되고 있다. 데이터베이스 마케팅이란 용어가 생겨난 지는 오래됐지만 표준화된 고객을 위한 전략이 아닌 개별 맞춤형 전략의 중요성이 대두되며 새로운 대안으로 모색되고 있듯이, 스마트 팩토리도 맞춤형 시장과 고객의 니즈에 대응하기 위해서 “데이터”를 중심으로 다양한 해결 방향과 생산 전략을 구사하는 제조 산업의 경쟁우위 전략인 것이다.

데이터의 가치는 더욱 높아지고 그 중요성 또한 너무나도 강조되고 있지만 기업들은 데이터에 대한 가치를 어떻게 인지하고 있을까? 대부분의 조직은 원칙적으로는 데이터가 자산임을 인식하지만 실질적인 재무 가치 산정은 쉽지 않은 상태이다. 데이터는 무형 자산이다. 실체 확인의 어려움으로 인하여 기업들은 데이터를 자산으로 평가하기보다는 관리를 위한 스토리지 도입 및 유지, 애플리케이션, 인건비 등으로 IT 비용을 증가시키는 요소로 평가하고 있지는 않을까? 데이터가 자산으로서 갖는 특성을 제조 현장과 마케팅 자산으로 인식해야 함에도 불구하고 비용이 많이 드는 자산의 대상으로 인식하는 구태함 때문에, 데이터를 제조산업의 새로운 수익원으로 전환하려는 스마트 팩토리 구현을 오해하고 있지않을까?

Daniel Moody & Peter Walsh의 “Measuring The Value Of Information: An Asset Valuation Approach”에 의하면, 아래 그림은 데이터를 정보로 전환하여 의사결정에 활용하는 경제적 재화로서 정의하기 위한 7가지 특성을 제시하기 위한 정보 생산 프로세스(The Information Production Process)에 대한 그림이다.



그것을 스마트 팩토리 구축의 핵심인 데이터 관리 기술 측면에서 재해석하면,

첫째, 데이터나 정보는 무한정 공유(shareable)가 가능하다. 데이터 획득 단계에서부터 통합과 결합을 고려한 설계를 통해서 비용을 추가하여야 하는 이슈가 발생하지 않도록 데이터를 관리하여야 한다.

둘째, 정보의 가치는 사용량에 따라 증가한다. 즉 사용에 따라 가치가 하락하는 많은 자산들과 달리 정보의 가치는 사용할수록 상승한다. 그러나 동일한 구성과 형태로만 반복적으로 활용된다면 정보가 일반화되는 어느 시점에 활용가치는 하락하게 될 것이다. 누구나 알고 있는 정보는 정보로써 가치를 잃게 되기 때문이다. 그렇기 때문에 무형 자산인 데이터의 특성을 적극 활용하여 동일한 자산으로 가치를 유지하기 위한 데이터 관리 목적이 스마트 팩토리 구축시 고려하여야 한다. 또한 정보를 효과적으로 사용하기 위한 전제 조건은 데이터와 정보가 어디에 존재한다는 것을 아는 것, 위치 파악, 접속 가능, 그리고 사용법을 숙지하여야 한다. 왜냐하면 조직의 모든 사람이 정보의 위치를 알고 있을 때 정보는 최고의 “잠재력”에 도달하기 때문이다.

셋째, 정보는 쉽게 달라진다. 다른 자산과 마찬가지로 정보도 시간이 지남에 따라 감가상각 되는 경향이 있다. 그러나 그것이 가치를 잃는 속도는 정보의 종류에 따라 달라진다. 고객의 정보가 변경될 경우 이전 주소 보다 최근 정보가 더 가치 있겠지만, 패턴을 알고 싶은 경우에는 최근 정보보다 과거 누적된 정보가 더 중요한 가치를 가질 수 있다. 특히, 의사결정지원을 위해서는 과거 데이터의 축적이 절대로 필요하다. 그러므로 데이터 특성과 활용 목적에 따라 차별화된 관리 정책이 필요하다.

넷째, 데이터와 정보의 가치는 정확성에 따라 증가한다. 데이터의 정확성은 데이터가 가져야 하는 기본이 되는 필수 요소임을 누구나 동의하는 사항일 것이다. 그렇다면 정확하지 않은 데이터는 무가치한 것일까? 의사결정을 위한 정보를 생성할 경우 부정확한 데이터를 사용할 수 없지만 데이터의 정확성을 높이기 위한 작업에 활용하기 위해서는 그 또한 관리가 필요하다고 생각해야 한다.

다섯째, 다른 정보나 데이터와 결합하면 가치가 증가한다. 기업 내부 데이터간의 결합뿐만 아니라 서로 다른 기업이 보유하고 있는 데이터 간의 결합은 데이터 분석을 통한 인사이트 확보에 필수 요소가 될 것이다.

여섯째, 무조건 많다고 더 나은 것이 아니다(More Is Not Necessarily Better). 우리는 정보의 홍수 속에 살고 있다. 정보의 양이 한계를 초과하면 이해력은 급격히 저하되고 의사결정 성과는 감소한다고 한다. 빅데이터가 부상하던 초기에도 유사한 사례가 많았다. 일단은 무조건 대량의 데이터를 수집하고 저장하는 것을 우선으로 진행했으나, 무조건 많은 데이터보다는 올바른 데이터를 통한 인사이트를 얻는 것이 더 중요하다는 것을 경험을 통해 알 수 있었다. 스마트 팩토리 구축 시 데이터 관리의 기준을 정립하는 것은 “기획 단계”에서 가장 먼저 디자인해야 한다.

마지막으로, 정보나 데이터는 절대 고갈되지 않는다. 대부분의 자원은 사용할수록 고갈되지만 데이터는 자체적으로 생성되고, 사용할수록 더 많은 데이터를 보유하게 된다. 서로 다른 데이터를 활용하여 요약, 분석 또는 결합한 결과로 새로운 데이터나 파생 데이터가 생성되는 경우가 많기 때문에 사용할수록 더 많은 데이터를 확보하게 될 것이다. 그러므로 빅데이터와 인공지능 기반 스마트 팩토리는 지속가능한 “수익원”을 창출하는 데이터와 정보를 “상품화”하는 제조업의 혁신전략이자, 생산의 요소 4M(노동, 재료, 설비, 방법)을 빅데이터와 인공지능으로 요리(cooking)하는 제조업의 “새로운 맞춤형 생산 조리법(general recipe)”이다.