오랜만의 가족 외식, 기쁜 마음으로 레스토랑에서 음식을 주문하고 기다립니다. 한참 맛있게 먹고 있는데, 음식에서 머리카락이 나온다면 어떨까요? 아마 레스토랑에 대한 신뢰는 한순간에 떨어질 것입니다. 그런데 다른 음식에서도 머리카락이 나오고, 그것도 모자라 다음 방문에도 동일한 현상이 또 반복된다면 어떻게 될까요?

문제가 발생하는 것은 어쩔 수 없습니다. 이는 제조 기업에도 마찬가지입니다. 모든 불량을 사전에 차단할 수는 없습니다. 대신 한 번 발생한 불량이 재발하지 않도록 막는 것이 중요합니다. 이는 반드시 해야만 하는 일이기도 합니다. 오늘은 스마트 팩토리를 추구하는 제조 기업들이 불량의 재발 방지를 위해 어떤 노력을 하는지에 대해 살펴보겠습니다. 

기업의 불량 방지를 위한 대책은 바로 ‘인공지능’

기업은 불량이 발생하면 분석을 통해 불량의 현상, 원인을 확인하고, 대책을 강구합니다. 도출된 개선 대책은 효과가 있는지 검증에 들어가게 되고, 효과가 검증된다면 다른 제품에 적용될 수 있는지 검토됩니다. 이런 업무 과정은 문서화되어 구성원들에게 공유되고, 신제품 개발 시 동일한 문제가 재발하지 않도록 지식으로 활용됩니다.

문제는 기업의 규모가 커지면서 발생합니다. 다양한 불량이 다양한 영역에서 발생하게 되고, 이를 처리하는 과정에서 많은 사람이 문서를 작성합니다. 문서의 수가 과거보다 기하급수적으로 증가하다 보니, 구성원들이 필요로 하는 지식을 문서를 통해 습득하는 것이 어렵게 되었습니다.

이러한 한계를 극복하기 위해, 초기에는 기업들이 검색 기능을 강화하는 방법을 택했습니다. 일상에서 모르는 내용이 나오면 검색 포털에서 검색하듯, 기업에서도 검색을 통해 내부 구성원들이 개선 활동에 대한 정보에 접근할 수 있도록 만든 것입니다. 하지만 강화된 검색 기능도 존재하는 지식을 온전히 활용할 수는 없었습니다. 검색을 통해 원하는 정보를 얻기도 쉽지 않을뿐더러, 검색된 정보를 이해하고 활용하는 것은 여전히 검색자의 몫이기 때문입니다.

스마트 팩토리를 추구하는 기업에서는 이러한 지식 활용의 어려움을 ICT 기술을 활용해 해결하려 하고 있습니다. 불량의 원인 분석과 개선 대책의 도출, 도출된 개선 대책을 유사 제품군으로 확산하는 일, 신제품 개발 시 동일 불량 유형의 재발 방지 대책 수립에 과거 지식을 활용하기 위해 인공지능(AI)을 도입하는 것입니다.

먼저 불량의 원인을 분석하고 개선 대책을 도출할 때, 인공지능을 활용해 효율성을 크게 높일 수 있습니다. 인공지능은 불량의 현상과 원인, 자재와 공정 및 제품의 특성에 대한 정보를 조합해, 발생한 불량 현상의 원인이 될 수 있는 요소들을 선별할 수 있습니다.

엔지니어는 선별된 결과를 토대로 검증을 진행하면 되기에, 분석에 드는 시간이 크게 단축됩니다. 원인 분석이 끝나면, 인공지능은 과거 데이터를 기준으로 해당 사례에 적용 가능한 개선 대책들을 엔지니어에게 제안하게 되고, 이러한 과정을 통해 불량에 대응하는 시간이 효과적으로 단축될 수 있습니다.

개선 대책의 확산 여부 검토에서도 인공지능이 크게 활약할 수 있습니다. 인공지능은 불량 현상과 불량 원인, 자재와 공정에 대한 자료를 토대로 동일 불량이 발생할 가능성이 있는 제품군을 선별해 제시할 수 있습니다. 기존에는 적용 범위의 선정이 엔지니어 개인의 역량에 달렸었기에 확산 대상에서 누락되는 제품이 발생할 가능성도 있었습니다. 하지만 인공지능을 적용해 적용 가능 제품군을 제시하게 되면 그러한 가능성을 대폭 줄일 수 있습니다. 

설계 단계에서 불량 발생 요소 제거 방법

설계 단계에서 불량 발생 요소를 제거하는 ‘불량의 사전 예방’에도 인공지능을 효과적으로 적용할 수 있습니다. 제품의 품질은 개발 단계에서 결정된다고들 말합니다. 사전에 발생 가능한 불량을 예상하는 것이 그만큼 중요하다는 의미입니다. 인공지능은 개발품의 자재, 공정, 설계 정보를 불량 정보와 조합해, 발생할 수 있는 불량 유형과 불량의 영향, 검증이 필요한 요소들을 제시할 수 있습니다.

개발자들은 제시된 정보들을 통해, 발생 가능한 불량 유형들을 제거하기 위한 노력을 할 수 있게 됩니다. 기존에는 개발자의 역량에 의해 결정되었던 사전 불량 예방 수준이 인공지능의 도움으로 한층 더 높아질 수 있게 되는 것입니다.

품질 개선의 시작은 과거의 실수를 반복하지 않는 것입니다. 하지만 실수의 경험을 효과적으로 활용하지 못한다면, 과거의 실수는 반복될 수밖에 없습니다. 기업들은 축적된 정보를 활용하여 품질을 개선하려는 시도를 멈추지 않고 있습니다. 인공지능 기술은 이러한 노력이 한층 효율적으로 효과를 발휘하도록 만들어 줍니다. 이것이 바로 ICT 기술을 활용한 제조업의 미래가 기대되는 이유입니다. 

스마트 팩토리 플랫폼 ‘팩토바’는?

LG CNS도 제조업 혁신에 앞장서 스마트 팩토리 플랫폼 팩토바(Factova)를 제공하고 있습니다. 공장의 효율성과 불량률을 최소화하기 위해 기존의 공장 자동화 수준을 넘어 데이터 기반의 실시간 자율 운영 공장을 구현합니다.

팩토바를 활용할 경우 기획 기간을 2~3개월 단축하고, LG CNS AI 빅데이터 플랫폼 DAP의 딥러닝을 통해 품질 검사 정확도를 99.7%까지 개선하는 등 생산 효율을 극대화할 수 있습니다. 그리고, 팩토바는 데이터 수집 및 제어, 정보화, 지능화 등 총 3개 계층으로 구성되어 있는데요.

데이터 수집 및 제어 계층에서는 각종 설비와 센서를 통해 빠르게 데이터를 수집하고, 정보화 계층에서는 계획부터 관리까지 제조의 전 라이프 사이클을 정보화해 관리합니다. 지능화 계층에서는 AI, 빅데이터 기술과 접목하여 정보 전달뿐만 아니라 판단까지 제공합니다.

또한, 완성품(LG전자), 부품(LG디스플레이, LG이노텍), 소재(LG화학) 등 LG그룹 계열사 공장에서의 다양한 성공 레퍼런스를 보유하고 있는 것도 큰 장점입니다. 제조 역량을 집대성하여 실질적인 고객의 니즈를 반영한 맞춤형 스마트 팩토리를 구축할 수 있기 때문입니다.

LG CNS는 지난 30여 년간 다양한 제조 현장에서 정보기술을 기반으로 한 제조 기업 경쟁력 향상에 기여해 왔습니다. 축적된 현장 경험과 디지털 신기술 응용으로 보다 혁신적인 생산성 증대 기회를 제공할 것입니다.

글 l LG CNS 스마트팩토리그룹