|
오늘날 제조 전문가들은 지능정보통신기술(IICT)을 고객과 비즈니스 파트너를 비즈니스 및 부가가치 프로세스에 통합하고 융합하여 새로운 수익원을 창출하는 데 사용할 수 있어야 한다. 즉 스마트팩토리를 구축해서 사용하는 목적과 정도의 차이를 인식하여야 하며, 지능화된 기계는 사람의 개입 없이 가능한 한 많은 작업을 수행할 수 있을 것이다. 또한, 기계를 네트워킹함으로써 생산을 보다 효율적이고 개별적으로 만들기 위해 정보가 서로 교환되어야 할 것이다. 스마트 팩토리 환경에서 상호작용은 네트워크의 본질이기 때문이다.
산업혁명 핵심인 제조 산업의 스마트 팩토리는 이러한 기본 원칙을 기반으로 시장의 요구인 개인화 맞춤(bespoke) 제조를 위한 제조현장의 기업 내부 공급망(supply chain)과 시장을 포함한 기업 외부 공급망의 프로세스를 실시간으로 자동화하고 피드백(feed back) 시키는 가치망 기반 플랫폼(value chain based Platform)을 네트워킹하는 것이다. 그러므로 발생할 수 있는 모든 센서 및 기계 데이터는 생산 시스템의 동적 실시간 자동 구성을 달성하기 위해 집계, 분석, 평가 및 피드백되어야 한다. 따라서 스마트 팩토리의 피드백 기능은 제조 역량의 핵심이자 제조와 시장에 대한 상호작용의 기본이기 때문이다.
일반적으로 기계는 소프트웨어에 따라 점점 더 차별화되고 초격차 현상이 나타나고 있다. 그 까닭은 스마트팩토리를 완성하는 방향과 가는 길은 빠르게 진화하는 속성을 가지고 있기 때문이다. 신제품과 제조 활동을 기획할 때 일반적으로 스마트팩토리 기술과 실현 가능성을 고려하여 마케팅과 생산의 통합을 위한 동기화(synchronization) 제조 기획을 해야 한다. 실질적으로 제조 현장 경험없이 제조 기획을 수행하는 것은 이미 지나 간 과거 경영활동이었듯이 시장과 고객에게 직접적이고 실질적인 영업 경험 없는 마케팅 전문가는 이미 다가온 미래에는 존재하기 힘들 것이다. 왜냐하면 제조업의 핵심이 사람 중심 사이버 물리 시스템(h-CPS)에 의한 플랫폼 경영 활동이 실질적인 “경험”을 다루는 뉴 노멀(new normal)이기 때문이다.
약 50년 전 스마트 팩토리와 같은 아이디어가 나오기 전에 컴퓨터와 로봇의 선구자인 Marvin Minsky는 인공 지능(AI)을 “기계가 일을 하도록 만드는 과학”이라고 했다. 지난 몇 년 동안 인공지능(AI) 분야에서는 지난 50년보다 더 많은 발전이 가시적으로 이루어지고 있다. 특히 오늘날 스마트 기기들은 말하고 듣고 읽고 쓰고 걷고 움켜쥐고 사물을 인식하고 안전하게 다룰 수 있을 뿐만 아니라 엄청난 양의 데이터를 분석하고 스스로 학습까지 하고 있다.
4차 산업혁명이 몰고 온 인공지능(AI)은 하드웨어의 기능 향상, 기계 학습의 알고리즘, 그리고 인터넷에 존재하고 있는 데이터양과 속도가 동인(動因)이 되어 발전하고 있다. 25년 전 가장 강력한 슈퍼컴퓨터는 초당 약 1000억 개의 산술 연산을 수행할 수 있었다. 오늘날 모든 스마트폰은 이를 수행할 수 있다. 동시에 마이크로칩의 비용과 에너지 요구 사항은 동일한 성능으로 10,000에서 100,000의 요소로 떨어지고 있다. 또한 가속도, 레이더, 열 및 터치 센서와 같은 모든 종류의 카메라, 마이크 및 센서가 초박형으로 작아지고 있고 가격은 빠른 속도로 저렴해지고 있다. 이는 스마트 팩토리를 구축하기에 좋은 기술 환경이 조성되고 있다. 특히 하드웨어 부분의 기능 향상은 과거와 비교할 수 없을 정도로 좋아지고 있다.
또한 신경망이 서로 경쟁하도록 하거나 신경계를 통합하는 뇌(腦)에서와 같이 보상 효과를 사용하도록 할 수도 있다. 오늘날의 소위 딥 러닝 시스템과 1990년대의 네트워크 간의 주요 차이점은 무엇보다도 고성능에 의해서 분별된다. 당시에는 몇 천 개의 뉴런만 몇 개의 레이어로 연결되어 있었지만 오늘날 최고의 시스템에는 수십억 개의 뉴런이 수십억 개의 뉴런으로 연결되어 있다. 이는 자동화를 넘어 기계학습의 알고리즘은 자율화(自律化) 기반의 스마트 팩토리 시대를 예고한다.
그리고 인공 신경망은 훈련되는 학습 예제, 즉 데이터 세트(data set)의 품질만큼만 수준을 유지한다. 메타버스(metaverse) 세계로 펼쳐지는 인류 사회의 풍부한 데이터는 방대하다. 가늠하기 어려운 빅데이터 시대가 전개되고 있다. 증가하고 있는 데이터의 대부분은 인터넷 기술, 즉 클라우드를 통해 전달되거나 학습되거나 저장된다. 이 수십억 개의 이미지, 텍스트, 비디오 및 오디오 파일을 모두 제조업의 새로운 수익원을 찾아내는 뉴 노멀(new normal) 원부자재로 데이터를 사용할 수 있어야 한다. 그래서 데이터가 수익원이다. 그리고 모든 검색어, 모든 음성 입력, 모든 번역 요청과 함께 스마트 기계는 더 많은 것을 배우고 있기 때문에 제조업의 스마트 팩토리는 더 유연해지고 효율적으로 진화한다. 그러므로 인공지능의 동인(動因)은 인터넷에 존재하는 데이터의 양과 속도에 의해서 지속적으로 발전할 것이다.
바이오산업과 같은 소비재(consumer packaged goods, CPG) 산업에서의 첨단 분석(advanced analytics, AA)과 인공지능(artificial intelligence, AI)의 상당한 잠재력은 갈수록 명확해지고 있다. 지난 7년간, 일부 주요 소비재(CPG) 기업들은 전략적으로 AA와 AI를 활용하여 매출 증가, 생산성 향상, 마케팅 지출의 효과 향상이라는 인상적인 성과를 거두었다. 이들의 주요 성공 요인은 세계일류의 기술을 조직의 사람과 관련된 요소들과 통합하여 실질적인 사업 실적을 대규모로 실현하는 능력이다. 그러므로 스마트팩토리도 인공지능을 포함한 일류 기술을 제조 현장과 시장을 연계하여 개인화 맞춤(bespoke) 시장을 대응하는 유연성과 효율성을 동기화하는 플랫폼 제조 경영을 실현해야 한다.
그러나 많은 CPG 기업들은 효과적으로 AA와 AI를 활용하는 데 어려움을 겪고 있다. 이들이 일류의 마케팅, 광고, 상품 혁신 역량을 갖춘 브랜딩의 전문가들이기는 하나 일반적으로 대규모의 분석 또는 기술 혁신 프로그램을 실행하는 데 있어서는 상대적으로 덜 발달되어 있다. 이는 부분적으로는 분산화되고 매트릭스화되어 있는 많은 소비재(CPG) 제조 조직의 특성에서 기인한다.
이러한 제조 기능 구조는 마케팅 및 상품개발 측면에서 우수한 성과를 창출하지만 기업이 데이터 및 분석 플랫폼에 투자하거나 확대 적용에 필요한 스피드(기민성) 업무방식을 구축하는 능력에는 방해가 될 수 있다. 즉 부분 최적화에 머물고 있는 것이다. 이와 동시에, 많은 CPG 기업들은 가장 세부적인 레벨의 영업 데이터(소매 셀인(sell-in) 및 셀아웃(sell-out) 데이터 등)에 대한 일관된 접근성이나 최종 소비자에 대한 퍼스트 파티(first-party) 데이터(개별 소비자 구매 행동에 대한 정보)에 대한 접근성이 없으며, 이러한 문제로 인해 기업은 AA 및 AI 애플리케이션에 대한 공격적인 투자를 못할 수 있다.
성과를 거두고 있는 CPG 기업들은 특히 어려운 세 가지 분야, 즉 적절한 인재 기반과 운영 모델의 개발, 효과적인 데이터 전략 및 거버넌스 확보, 적절한 데이터 및 디지털 플랫폼 구축을 포함한 핵심 분야에서의 실행에 중점을 두었다. 확장된 첨단 분석(advanced analytics, AA)과 인공지능(artificial intelligence, AI) 솔루션의 효과적인 구현은 팬데믹으로 인한 경제적 충격과 그 이후의 회복 기간에 경쟁력의 원천이 될 것이다. 그래서 인공지능(AI) 기반 스마트팩토리는 제조 경쟁력의 원천을 재구성하는 뉴 노멀(new normal) 대전환(Le Grand Replacement) 이다.