SIMTOS존
[SIMTOS 2018] -제조업의 오늘과 내일- 빅데이터 기반의 스마트 제조 의사결정
작성자 : 관리자
2017-12-28 |
조회 : 1904
Feature 출처_ 한국산업기술평가관리원
4차 산업혁명 시대로 진입하면서 빅데이터와 인공지능(AI)을 활용한 데이터 기반의 최적 의사결정 기술에 대한 관심이 증폭되고 있다. 특히, 정확한 의사결정이 필요한 에너지, 제조업 등에서도 다양한 빅데이터 기술 접목이 시도되고 있는데 이번 호에서는 제조업의 보편적 문제들을 정의하는 △의사결정 레벨, 데이터 분석, 최적화 솔루션, 데이터 웨어하우스 등의 △인프라 레벨, 의사결정문제 유형별로 관련 데이터와 데이터 소스를 정의하는 △데이터 레벨 총 3계층으로 구성된 아키텍처 기준 모델을 통해 스마트 제조를 위한 빅데이터 활용 해법의 개발 방향 설정을 알아본다.
국내 제조기업 환경에 적합한 빅데이터 활용 시급
빅데이터는 대용량(Volume), 다양한 형태(Variety), 고속 생성/처리(Velocity) 그리고 가치(Value)로 요약되는 4V 특징을 가진다. 정형 데이터뿐 아니라 문서·동영상·이미지·소리 등의 비정형 데이터를 포함하기도 하며 고속 생성/처리란, 고속으로 생성되는 데이터의 실시간 수집·처리라는 기술적 의미도 담고 있다.
설비고장·제품불량·긴급주문·결품 등의 문제들을 항상 직면하는 제조기업들은 내외 환경의 불확실성 증가로 이를 인간의 힘으로 해결하는데 한계를 보이고 있다. 그에 대한 대안으로, 제조현장의 이미지·영상·도면·신호 빅데이터를 실시간으로 수집, 분석하여 의사결정에 활용하는 기술이 확산되고 있는 추세다. 현재 삼성·현대·포스코·SK 등 대기업을 중심으로 빅데이터 기반 의사결정 지원 시스템 도입이 추진되고 있으나, 중소기업들도 IT 인프라의 유연성이 높고 간섭 우려가 있는 Legacy 시스템이 적으며 변화에 대한 대응이 신속한 장점으로 빅데이터 분석의 활용을 통해 수익성과 효율성을 높일 수 있다.
그럼에도 불구하고 중소 제조기업의 빅데이터 활용이 미진한 원인은 빅데이터 활용 효과 입증의 어려움, 규모 경제가 부족한 상황에서 빅데이터 도입에 투입되는 비용의 부담, 의사결정에 필요한 가치 있는 데이터가 효과적으로 수집되지 않고 있음 등을 들 수 있다.
이처럼 빅데이터 도입의 대기업 편중 현상이 계속될 경우 중소기업과의 정보격차가 심화될 우려도 있다.
따라서, 빅데이터 기반의 제조 의사결정 지원 아키텍처 기준 모델을 제시함으로써 국내 제조기업 환경에 적합한 모델공장 구축을 지원할 필요가 있으며, 다양한 제조업종에서 모델공장 구축 성공사례를 이끌어 냄으로써 많은 중소 제조기업들이 빅데이터 도입 효과를 체감할 수 있도록 하는 것이 중요하다.
각 레벨의 전문 기업들은 하나의 아키텍처 안에서 특화된 경험과 장점을 살려
총체적인 빅데이터 기반의 스마트 제조 지원 시스템을 개발하고
지속적으로 개선 및 확장할 수 있다.
총체적인 빅데이터 기반의 스마트 제조 지원 시스템을 개발하고
지속적으로 개선 및 확장할 수 있다.
빅데이터 기반 제조 의사결정 지원 아키텍처 기준모델
4차 산업혁명 시대의 제조 의사결정 지원 솔루션은 다양한 제조기업이 필요로 하는 보편적인 의사결정문제에 대응하는 빅데이터 기반의 의사결정 지원 서비스와, 여러 가지 의사결정 지원 서비스를 추가 개발할 수 있는 인프라를 제공해 업종별 대량 맞춤화를 지원해야 한다. 이를 위해, 업종별·업체별 다양한 의사결정 지원 서비스의 선별적인 개발 및 도입이 가능하도록 빅데이터 기반 제조 의사결정 지원 아키텍처 기준 모델의 개발이 필요하다. SI 및 솔루션 업체들이 빅데이터 기반 의사결정 지원 시스템을 각기 개발하는 대신 아키텍처 기준 모델에 따라 분야별로 전문기업·기관들이 협업하여 Customizing된 시스템을 낮은 비용으로 개발할 수 있도록 하는 것이 중요하다. 이는 저비용 대량 맞춤화로 많은 제조기업 적용을 실현함으로써 솔루션 개발 기업의 채산성을 개선할 수 있다.
기존에 주로 인프라 개념으로만 정의되던 아키텍처를 의사결정 및 데이터 레벨까지 확대함으로써 가용 데이터에 기초한 현실성 있는 의사결정 지원 솔루션의 개발과 이에 필요한 유용한 데이터를 효과적으로 수집할 수 있도록 하는 것이 관건이다.
각 레벨의 전문 기업들은 하나의 아키텍처 안에서 특화된 경험과 장점을 살려 총체적인 빅데이터 기반의 스마트 제조 지원 시스템을 개발하고 지속적으로 개선 및 확장할 수 있다.
빅데이터 기반의 제조 의사결정 아키텍처 기준 모델은 다음과 같은 3계층으로 구성된다.
1)의사결정 레벨
보편적인 제조 의사결정 문제를 정의하고 이에 기초하여 의사결정 지원 서비스를 개발하는 단계이다. 보편적인 제조 의사결정 문제는 의사결정 계층에 따라 기업·공장·공정·설비로 구분하고 있다.
2)인프라 레벨
다양한 의사결정 지원 서비스 개발에 필요한 데이터의 수집·저장·공유·분석·최적화를 지원하는 인프라를 구축하는 단계이다. 이를 위해서는 IT 및 OT 기술을 융합한 공통 인프라가 필요한데, 이종 제조 기기와 센서 등을 공통 표준 플랫폼으로 연결하는 기술과 빅데이터 분석을 위한 고도의 분석기술이 요구된다.
3)데이터 레벨
데이터 계층은 효과적인 데이터 수집을 위해 의사결정 지원 문제의 유형별로 필요한 데이터와 데이터 소스를 정의하는 단계이다. 스마트 제조를 위한 제조 의사결정을 지원하려면 문제 유형별로 정밀하고 다양한 해석 모델의 개발과 이의 해결에 필요한 데이터 확보가 필요하다. 이를 위해 Top down 방식의 데이터 요구 정의, 전처리 필요성, 가용성을 고려함으로써 제조 데이터의 활용 극대화가 필요하다.
중소 제조기업 활용 시나리오
빅데이터 기반의 제조 의사결정 지원 아키텍처 기준 모델을 베이스로 개발되는 의사결정 지원 서비스들은 공장별 환경과 필요성을 검토하여 공장별로 당장 필요하거나 활용 가능한 서비스들을 선택적으로 구성하여 제공한다. 이를 통해 중소 제조기업들은 현재 수집하고 있는 데이터와 서비스별 요구 데이터를 비교해 활용 가능한 서비스를 파악하고 원하는 서비스를 선택적으로 구성하여 도입할 수 있다.
또한, 현재 활용 가능한 서비스 외에 필요한 서비스가 더 있을 때 해당 서비스의 요구 데이터를 파악하여 부족한 데이터를 추가로 수집할 수 있어야 한다.
양질의 데이터를 위한 체계적인 기술 개발 지원
4차 산업혁명 시대를 맞아 생산성의 획기적인 향상을 위해 데이터 분석 및 최적화 기법을 활용한 과학적 의사결정 기술이 주목받고 있다. 하지만 국내 제조산업에서 절대 다수를 차지하는 중소 제조기업은 대기업에 비해 전문역량 부족으로 데이터기반 운영 최적화 실현이 어려운 상황이라 정부 지원 등을 통해 중소 제조기업을 위한 빅데이터 기반 의사결정 지원 서비스 개발이 절실하다.
또한, 빅데이터 기반의 의사결정 지원 시스템의 성패는 양질의 데이터 확보에 달려 있어 센서개발, 플랫폼 구축, 데이터 전처리 기술 개발 등 제조 빅데이터 확보를 위한 체계적인 기술 개발 지원이 필요하다.
단편적 솔루션 개발이 아닌 아키텍처 기준 모델에 근거한 체계적인 기술개발을 업종별로 세분화해서 발전시키는 한편, 이에 기반한 솔루션 및 서비스 개발을 지원할 필요가 있다.
