[뉴웨이브]클라우드, 진정한 제조4.0 시대를 열다

4차 산업혁명, 인더스트리 4.0, 디지털전환(DT) 등 제조업과 같은 전통 산업에 IT를 접목해 민첩성을 기르고 새로운 신사업 모델을 만들어 산업 경쟁력을 강화하는 것이 더욱 중요해졌다. 클라우드가 주목받는 이유다. 기업의 부담을 줄이고 클라우드 서비스를 필요할 때 이용함으로써 핵심 비즈니스에만 집중할 수 있기 때문이다.

예를 들어 제트 엔진 제조사인 GE애비에이션은 비행기 제조사에 엔진만을 공급하는 데 그치지 않고, 전 세계 450여개 항공사에 클라우드 기반의 기술 지원 사업을 시작했다. 운항 중인 1만5000여개 개별 엔진에서 발생하는 5000여개 센서 데이터를 클라우드로 수집·분석해 안전 운항 예측에 활용하고 있다. 또한 항공사의 불필요한 정비 건수를 56%가량 줄여 1800만달러의 비용을 절감했다. IT를 이용해 기존 제조 사업을 서비스 사업으로 확장한 사례다.

이는 제조 업체에 있어 쉬운 과정은 아니다. 대다수의 공장이 IT를 바로 접목할 수 있는 빠른 인터넷과 인프라를 갖추지 못했기 때문이다. 이런 환경을 소위 에지(Edge)라고 한다. 에지에서 나오는 대용량 데이터를 저장하고 분석할 수 있는 인공지능(AI) 기반의 기계 학습 모델을 만들 수 있는 컴퓨팅 용량이 필수적이다. 그러나 에지 환경 자체가 이러한 인프라를 갖추기 어려운 경우가 많고, 기업 자체적으로도 기계 학습 연구·개발 역량을 갖추기가 어렵다. 클라우드 기반의 범용 서비스에 주목하는 이유다.

AWS는 최근 아마존 룩아웃포비전 서비스를 출시했다. 컴퓨터 비전 기술을 사용해 기계 결함 및 이상을 찾아주는 기계 학습 서비스다. 공장에서 사진만 찍어서 클라우드에 올리면 제품의 표면 품질, 색상, 형태에 대한 부품 손상을 감지해 공정 문제를 바로 파악한다. 기존 부품 공정에서 축적된 고성능 모델에 기반하고 있어 별도로 AI 전문 지식을 요하지 않는다. 의료 진단 장비를 생산하는 GE헬스케어는 이를 일본 공장에 적용했다.

아마존 룩아웃포이큅먼트 서비스도 주목할만하다. 공장 설비에 대한 진동, 압력, 온도 등의 센서 데이터를 분석해 비정상적 장비 동작을 미리 감지함으로써 고장이 나기 전에 조치를 취할 수 있다. 공장 설비가 고장 나면 생산이 중단될 수 있어 조기에 문제를 감지하는 것이 중요하다.

한국 제조 기업들도 이 서비스를 개발해 테스트하는 데 적극적으로 나섰다. 에너지 플랜트 전문 기업인 GS EPS의 경우 플랜트 운영팀이 기계 학습 전문 지식 없이도 AI 모델을 만들 수 있도록 했다. 두산인프라코어 역시 차세대 사물인터넷(IoT) 기반의 장비 생산·분석에 이를 활용하고 있다.

AWS는 비정상적 장비 상태를 감지하고 유지 보수 시기를 예측하는 AWS 모니트론이라는 장비도 함께 선보였다. 이로써 대기업뿐 아니라 중소기업의 공장에서도 바로 사용할 수 있도록 진입 장벽을 낮췄다. 새해에는 클라우드를 통한 제조 기반의 DT가 이뤄지는 원년이 될 것으로 기대한다.

윤석찬 AWS 수석 테크에반젤리스트