클라우드는 필요에 따라 제약 없이 확장되는 IT 인프라이며 다양한 디지털 기술을 플랫폼으로 제공하기 때문에 누구나 쉽게 사용할 수 있는 장점을 지닌다. 따라서 기업이 클라우드를 쓴다는 것은 매년 출시되는 수천 개의 신규 서비스와 기능(Feature)을 사용하는 것과 같다. 그러면 클라우드의 활용을 높이기 위해서는 어떻게 해야 할까? ‘2020 스마트제조 대전망 온라인 컨퍼런스’에서 AWS(아마존웹서비스) 강명구 파트너가 그 방법을 제시한 내용을 정리했다.
스마트 제조와 클라우드
스마트 제조는 제조가 디지털 전환이 된다는 의미이다. 여기서 디지털 전환은 데이터, 분석, 기계 학습을 기반으로 새로운 통찰력과 가치를 창출하여 사업을 혁신하는 것을 말하는데, 좀 더 알기 쉽게 설명하면 사람으로 일하는 회사가 데이터와 기계 학습을 통해 시스템으로 일하는 회사가 된다고 하면 이해가 빠를 것이다.
국내 제조업 현황을 보면 98% 이상이 스마트공장 중간1 이하로 조사됐다. 그러다 보니 공장이 시스템에서 다양한 생산 계획이나 영업 계획, SCM 계획들이 나오지만 그런 시스템이 제공하는 플래닝 대로 돌아가는 회사들은 아직 많지 않고, 회의나 조정을 통해서 이런 시스템에 있는 데이터들을 수정해서 운영하는 경우가 많다.
또 시스템에서 다양한 KPI들을 제공해 주지만 목표대로 하다보면 현실과 동떨어져 안 쓰게 된다. 또한, 파편화된 개발 관리가 이루어지다 보니 많은 경우 개발자에 의존할 수밖에 없고 자료가 손실되는 등 개발이 비효율적이다. 그리고 만약 이런 시스템에서 나온 정보가 틀렸을 때 오류 원인의 분석이 어려워 오프라인 회의들을 계속 해야 하는 불편이 있다.
종합적으로 보면, 중간 1단계 이하의 제조업들은 시스템이 아닌 사람에 의존한다. 이것을 변화시키는 게 데이터이다. 만약 세상의 모든 데이터를 가져 현 상황의 원인과개선 방안을 알 수 있다면 사람에 의존하지 않아도 되고 시스템에 의한 혁신적 운영이 가능할 것이다. 그런 관점에서 최근 제조업에서는 많은 디지털 전환 과제들이 나오고 있다.
예컨대, 수요 예측 솔루션, 예지 정비 솔루션, 수율 예측 솔루션, OEE 향상 솔루션 등이 요즘 화두인데, 이러한 여러 가지 솔루션이나 시스템들이 데이터 기반의 기계 학습과 인공지능 기반으로 바뀌어 가고 있다.
예를 들어, 솔루션이 디지털 전환이 되면, 데이터들이 자동으로 수집되고 전송되어서 저장되고 그렇게 저장된 빅데이터는 분석과 학습을 통해서 인사이트를 제공해 줌으로써 정확한 수요 예측이 가능해진다.
따라서 많은 제조회사뿐만 아니라 비 제조회사에서도 디지털 전환을 하겠다는 요구가 증가하고 있다. 통계를 보면, ‘기술 개발 예산 37%는 디지털 전환에 투입할 것이다’는 예측 조사가 있고, 실제로 2019년에 2조 달러가 디지털 전환에 소요됐다. 또한, 전 세계 기업의 54%가 디지털 전환에 우선순위를 둘 것이라고 했다. 앞으로도 매년 디지털 전환에 2조 달러 이상씩 쓰일 것이라는 예측들이 나오고 있다.
그러나 과거부터 디지털 전환에 노력했던 기업들의 70%는 목표에 미달했다. 이는 디지털 과정이 쉽지 않다는 것을 의미한다. 그러면 왜 실패한 걸까?
이유는 기업들이 기존 전산실 상에서 디지털 전환을 구현하기 때문이다. 기업이 어떤 제품을 생산하기 위해서는 구매에서부터 개발, 생산, 판매에 이르기까지 모든 프로세스 시스템들을 구축하게 되는데, 보통 이런 솔루션들은 강하게 묶여서 구축되는 경우가 많다. 가장 쉽고 빠른 방법이기 때문이다. 그런데 이렇게 구축하게 되면 혁신 속도가 낮다. 그 이유는 하나를 변경하면 다른 영역까지 영향을 주기 때문이다. 디지털 전환에 현 운영 시스템의 영향이 없어야 하는데 데이터를 모아서 저장하고 머신러닝이라는 새로운 기반 기술에 집어넣으려고 하면 시스템 전체적으로 문제를 줄 수가 있고, 그러다 보니 미래 사용량을 감안해 시스템 과잉 투자가 불가피해진다.
또한, 디지털 기술들은 많은 회사에 없던 기술이기 때문에 디지털 전환을 위해서 인재를 채용하고 조직을 만들어서 운영해야 하는데 그러기까지는 시간이 오래 걸리고 실패할 확률도 높아진다. 이러한 이유 때문에 기업들은 디지털 전환하는데 1년 이상씩 걸리는 어려움이 있다.
그러면 어떤 구조를 어떻게 하면 혁신할 수 있을까? 앞서 여러 시스템들이 강하게 결합돼 있으면 구축은 편하지만 나중에 변경하기가 어렵다고 설명했다. 따라서 강한 결합을 약한 결합으로 만들어줘야 한다. 그리고 여러 가지 기술을 어떻게 하면 쉽게 사용할 수 있도록 만들어 주느냐가 중요하다. 지금 반복적으로 개발하는 상황이라면 일정 금액을 주더라도 그냥 사용할 수 있는 플랫폼 기술을 만들어주는 게 필요하다. 그래서 나온 게 클라우드이다.
클라우드의 핵심 가치는 크게 두 가지이다. 첫째는 필요에 따라 제약 없이 확장되는 IT 인프라다. 내가 필요할 때마다 더 확장되고 필요 없으면 안 써도 된다. 또 자원 제약이나 미래에 쓸 양을 미리 고민하지 않아도 된다. 둘째는 다양한 디지털 기술을 플랫폼으로 제공하기 때문에 누구나 쉽게 사용할 수 있다. 그래서 기술을 개발하는 대상이 아니라 그냥 사용하는 대상으로 만들어 놓은 게 클라우드이다. 이러한 이유들 때문에 디지털 전환에 있어서 클라우드가 제조업에서 크게 주목받고 있다.
AWS 안에서 서비스 되는 기술들은 수백 가지가 되며 더 많은 기술들이 계속 늘어나고 있다. 그런데 아직도 많은 분들은 핵심 서비스인 서버, 데이터베이스, 네트워크를 빌려주는 것으로만 생각하게 되는데, 이는 매우 조금 알고 있는 것이다. 사실은 그것 외에도 IoT, 머신러닝, 애널리틱스를 비롯한 다양한 디지털 기술을 플랫폼 하에서 제공하고 있다. 따라서 기업이 클라우드를 사용한다는 것은 매년 출시되는 수천 개의 새로운 앞선 디지털 기술을 사용하는 것과 같다. 반대로 클라우드를 쓰지 않는다는 것은 고객 니즈에 따라 매년 출시하는 수천 개의 신규 서비스와 기능(Feature)을 쓰지 않겠다는 의미이다.
앞선 기업들은 클라우드가 제공하는 기술을 기반으로 해서 손쉽게 본인이 원하는 서비스를 구축하고 있다.
클라우드 활용 전략
클라우드 기반의 개발 방식도 이제는 바뀌어야 한다. 아직도 개발을 착수할 때 기술부터 솔루션, 응용까지 하나하나 차곡차곡 개발해야 된다는 전통적인 구축 방식을 고수하는 고객들이 있다. 예를 들어, 수율 예측의 경우 수많은 데이터를 모아서 미래에 수율이 어떻게 될지 예측하는 솔루션을 구축하려는 고객이 있다고 하자. 이 고객은 먼저 클라우드 업체를 선정하고 설비된 센서에서 받은 데이터를 보내면 클라우드에서 저장하고 분석하고 머신러닝 또는 인공지능을 통해 인사이트를 도출해서 고객에게 딜리버리한다. 그러면 수율 예측의 디지털 전환이 완료된다. 시간이 더 지나 수요 예측이나 예지 정비 등도 하고자 할 때 또 업체를 선정한다. 이런 식으로 하나씩 늘려가듯 개발을 하다 보면, 문제는 어떤 시너지를 내기 위한 시스템 통합이 쉽지않고 디지털 전환의 기반 기술들이 반복된 형태로 지속 개발되다 보니 비용이 증가하게 된다.
그러면 클라우드 활용을 극대화하기 위해서는 어떻게 해야 하나? 먼저 클라우드가 제공해주는 기본적인 데이터 파이프라인을 그대로 품고 그 위에서 다양한 응용들을 빠르게 만들어가는 기업들이 가장 클라우드를 잘 활용하는 기업이라고 할 수 있다. 예를 들어, 지금 개발을 착수한다라고 하면 예전처럼 기술과 솔루션을 차곡차곡 쌓는 방식이 아닌 기업이 필요한 응용이 뭔지를 정의하고 빨리 응용들을 만들어가는 게 중요하다. 필요한 기술과 솔루션은 이미 클라우드에서 제공하고 있기 때문이다.
그래서 AWS에서 제공하는 데이터 파이프라인의 여러 기술들을 플랫폼화시키는 게 핵심인데, 각각의 응용들을 만들 수 있는 환경들을 잘 만들고 그 위에서 수율 예측, 수요 예측, 예지 정비의 다양한 과제들을 확대시켜 나가면 시스템 통합도 유리하고 공통 기술들을 개발하는 데 들어가는 비용들도 중복되지 않는다.
클라우드의 핵심적인 가치는 데이터 수집·처리·분석·학습하는 다양한 기술을 플랫폼으로 제공하는 것이다. 그리고 그 기반 위에서 수요 예측이든 예지 정비이든 SCM 고도화든 제조업체에서 필요한 응용 기술들을 빠르게 확장시켜 가고 그 결과물들을 시스템에서 받아서 활용한다면 빠르게 혁신할 수 있다.
폭스바겐 사례
폭스바겐이 그 대표적인 사례이다. 폭스바겐은 글로벌 자동차 회사이지만 내부에는 12개의 브랜드와 120여 개의 공장이 있다. 이러한 다양한 이종 회사들과 공장들은 디지털 전환을 하기가 어렵다. 폭스바겐으로서는 파편화된 IT 구조를 극복하는 것이 고민이었다. 그래서 세운 전략이 인더스트리얼 클라우드라고 하는 플랫폼 전략이었다.
이를 위해 AWS 위 아래에 데이터 파이프라인을 플랫폼화하고 그 중간에 있는 DPP 서비스라고 하는 디지털 전환 과제들, 이를 테면 부품관리, 예지 정비, 금형 최적화, 에너지 최적화, 디지털 샵 관리 등을 빠르고 다양한 실험을 통해 그 결과물들을 각각의 공정에 적용하면서 DPP 플래폼을 구축했다.
한국의 스마트 팩토리 전략
한국은 어떤가? 한국의 스마트 팩토리 전략도 클라우드 기반으로 혁신을 하고 있다. 스마트공장 구축 보급사업이 최근까지 70% 달성한 시점에서 약 95%는 여전히 중간 1단계 이하이다. 정부에서 고도화1,2 사업을 중심으로 단계적 확대 적용하고 있지만 고도화까지 가는데는 큰 갭이 있는 게 사실이다. 따라서 고도화 전략은 전산실이 아닌 클라우드로 가야 한다. 클라우드가 각각의 중소기업 전용 전산실 역할을 함으로써 중앙에서 고도화된 기술을 제공해주기 때문이다.
예를 들어, 공장들은 VPN이나 5G를 통해서 클라우드에 데이터만 올려주면 공급기업들이 다양한 응용들을 만들어서 클라우드 기반으로 팔고 제조기업들은 그것을 구독하는 형태로 제공받아 빠르게 혁신할 수 있다. 물론 여기에는 데이터 표준화가 필요하고 통신의 표준화도 필요한데, 그런 부분들을 고도화하면서 진행하고 있다.
요약하면 스마트 제조는 결국 데이터와 기계 학습 기반의 디지털 전환을 통해 구현된다. 그리고 기존 전산실에서 하려고 하면 여러 가지 기술적 제약으로 혁신 속도가 떨어지니 클라우드를 적극 채용하는 것이 다지털 전환의 속도를 높이는 길이다. 또한, 클라우드 활용을 극대화하기 위해서는 데이터 플랫폼을 구축하고 그 위에 응용을 얹어서 빠르게 응용을 늘려가는 게 효과적이다.
헬로티 임근난 기자 |
