제품 스마트화를 이루기 위해서는 '암묵지(暗默知) 기술'과 '3SMP 활동(표준화·단순화·공용화· 모듈화·플랫폼)' 그리고 '서비스 R&D'로의 패러다임 전환 등의 제품에 대한 기본 사항들이 확립되어야 한다.

'공장 스마트화'가 완성된 후 생산성이나 불량 지표가 전보다 향상되었다고 스마트 공장 도입 목표가 달성된 것은 아니다. 스마트 공장의 궁극적 목표는 '경쟁력 있는 가성비의 제품'을 만드는 것이다. 많은 제조업체들이 스마트 공장 구축에 경쟁적으로 나서고 있고 '공장(工場) 스마트화'의 체계(System)가 완성됐다고 해서 경쟁우위가 확보되는 것은 아니다. 경쟁우위를 확보하기 위해서는 공장 스마트화 구성 외에 추가로 제품의 고유품질을 높이기 위한 '제품(製品) 스마트화'가 이뤄져야 경쟁력이 생기는 것이다.

제품 스마트화를 이루기 위해서는 '암묵지(暗默知) 기술'과 '3SMP 활동(표준화·단순화·공용화·모듈화·플랫폼)' 그리고 '서비스 R&D'로의 패러다임 전환 등 제품에 대한 기본 사항들이 확립되어야 제품의 스마트화가 이뤄진다. 공장 스마트화에 이어 제품 스마트화가 이뤄져야 스마트 공장의 2개 축이 완성되는 것이다.

전기압력밥솥을 예로 들면 전기압력밥솥은 쌀과 물을 적당한 비율로 넣고 시작버튼을 누르면 사용자가 원하는 모든 종류의 밥이 지어진다. 이런 전기압력밥솥을 만들기 위해서는 두 가지 중요한 밥 짓기 기술이 필요하다.

첫째 하드웨어 측면에서 가볍고 열 보존이 좋은 소재 기술과 진공단열을 위한 이중구조의 제조기술이 필요하다. 둘째 소프트웨어 측면에서 밥 짓기 및 뜸 들이기와 보온에 필요한 시간과 온도 관리와 같은 '밥 짓기 경험 기술'에 대한 노하우가 필요하다. 이 노하우를 만들기 위해 오랜 경험을 찾고 많은 여러 실험을 통해 최적 조건을 찾는다. 이 최적조건의 세부 구성 내용을 '알고리즘(algorithm)'이라고 한다.

이 알고리즘을 코딩(coding)하여 밥 짓는데 필요한 로직(Logic)이라는 소프트웨어가 만들어진다. 소프트웨어인 밥 짓기 알고리즘과 하드웨어인 밥솥 제조기술이 있어야 스마트 전기압력밥솥 기능이 완벽해진다. 이 기술을 '암묵지 기술'이라고 한다. 이 기술이 있어야 '제품의 스마트화'가 이뤄진다.

암묵지 기술이란 이론과 경험을 통해 얻은 오랜 현장 경험의 기술지식을 말한다. 알고리즘은 경험을 기반으로 많은 실험을 실시하여 최적의 밥 짓는 방법을 도출하여 만들어진다. 현재 100명의 노동자가 하던 일을 다른 공장에서 10명으로 가능하게 되었다든가, 제조까지 1개월이나 걸리던 생산이 단 하루 만에 가능해진 것은 낭비가 없는 작업의 최적조건을 찾아 생산할 수 있는 알고리즘이라는 암묵지 기술을 통해 이루어진 것이다.

이런 암묵지 기술은 좋은 품질의 제품을 만드는 역할 외에, 다른 사람이나 기업이 짧은 시간에 쉽게 복제하거나 개발할 수 없게 진입장벽을 만들어 보호해주는 중요한 역할도 하고 있다. 이런 암묵지 기술이 별로 필요 없는 제품인 스마트폰을 보면 중국 등 기타 중소형 업체들이 신속히 복제하여 레드오션화(Red Ocean)되는 것을 볼 수 있다. 국내 제조업이 중국이나 동남아 국가의 추격을 따돌리고, 계속 경쟁력을 유지하기 위해서는 노하우인 암묵지 기술 개발에 힘을 기울여야 한다.

아무리 스마트 공장 체제가 완벽하게 이루어져 작업자 없이 인공지능형 로봇이 작업을 한다 해도, 30개의 부품으로 조립하는 공장보다 20개의 부품으로 조립하는 공장은 부품공급·생산성·설비고장 등에서 상대적으로 유리해진다. 조립하는 부품의 종류와 수량이 많으면 경쟁력에서 떨어질 수밖에 없다. 기존 부품의 최소화 활동이 선행되어야 한다.

부품 최소화 활동을 하기 위해서는 부품을 표준화(Standardization), 단순화(Simplification), 공용화(Shareness)해야 한다. 이 활동을 '부품의 3S 활동'이라고 한다. 부품이 3S화 되지 않으면 아무리 잘 만들어진 시스템과 네트워크가 이루어진 스마트 공장이라도 복잡성에 의해 경쟁력이 떨어지게 된다. 부품의 3S 활동에 이어 모듈(Module)의 구성과 플랫폼(Platform) 구성이 추가되어야 스마트 공장이 제 기능을 발휘할 수 있게 된다.

스마트 공장 이전에는 작업자들이 생산성을 경쟁하여 왔다. 그러나 향후 스마트 공장에서는 인공지능의 로봇이나 설비들 간의 생산성 경쟁이 벌어질 것이다. 이때 경쟁의 핵심은 설비 성능의 우수성에 따라 비교 우위가 나타난다고 생각할 수 있다. 그러나 설비는 전문메이커에서 서로 동일한 설비를 구입해 쓰기 때문에 성능은 비슷하다. 이 때문에 스마트 공장에서는 설비 성능보다 부품의 3S와 설비관리가 경쟁의 핵심요인이 된다. 설비 또한 자신이 자가 진단을 하여 설비고장을 해결한다 해도 부품 종류와 수량이 많으면 스마트 공장이라도 고장율과 모델 변경 시간이 증가 할 수밖에 없다. 그러므로 '부품의 3S활동'은 제품구성의 문제만이 아니고 모든 제조과정에 영향을 미치는 매우 중요한 활동이다. 부품의 3S 활동 중 '단순화(單純化)'는 부품 수의 삭감을 위한 활동이다. 먼저 부품 수 삭감을 위해서는 2가지 방법으로 추진해야 한다. 첫째 방법은 '기능 통합화(技能 統合化)' 다. 기능이 없는 부품들을 1개로(one piece) 통합해 부품 수를 줄이고, 기능이 있는 부품은 모듈에 통합하여 부품 수를 줄이는 것이다. 자동차의 범퍼에 여러 부품을 붙여 1개의 모듈로 만드는 것이나, PCB 여러 장을 1장으로 통합하여 1개의 모듈로 만드는 것을 모듈화라고 한다.

두 번째 방법은 '기능 대체화(技能 代替化)' 다. 구성 부품의 구조를 연구하여 타 부품으로 대체하여 볼트나 너트를 3개 체결하던 것을 2개 체결할 수 있게 체결 방법을 개선하여 사용 수량(usage)을 줄이는 것이다.

다음으로 '공용화(共用化)'는 부품의 종류를 줄이기 위한 활동이다.

첫 번째 방법은 부품 '유용화(有用化) 방법'으로 신제품을 만들어도 신규 규격의 부품을 개발하지 않고, 기존에 타 모델에 적용하고 있는 부품을 그대로 사용 (Carry Over)하여 부품 종류를 줄이는 것이다.

두 번째는 '호환성(互換性) 방법'이다. 모양이 다른 기존의 여러 부품을 조립할 때 모양은 달라도 서로 호환성 있게 결합할 수 있는 구조로 만드는 것이다. 볼트·너트·훼스너 등의 체결 부품을 공용화해 체결부품의 종류를 줄이고 작업의 편의성을 추구하여 낭비를 줄이는 것이다.

마지막으로, 표준화(標準化)다. 이는 신규제품이나 모듈을 만들 때 그때그때 필요에 따라 부품의 규격 또는 성능을 현장 맞춤으로 제작하여 사용하는 것이 아니다. 사전에 만들어진 여러 개의 부품 중에서 선택하여 적용하는 경우다. 예컨대 통로는 녹색 칠을 해라, 설비의 위험 부위는 황색으로 하라 등의 주문은 사전에 결정한 표준 색상인 것이다.

서비스 R&D를 통한 MFM(Mass Flow Metering) 활동의 강화다. 기업 활동은 지금까지 '제품의 대량 생산과 판매'에 중점을 두어왔다. 제품을 판매한 뒤, 소비자가 이를 어떻게 사용하는지 직접 관찰하고 개입할 방법이 없었기 때문이다. 지금까지는 판매 후 시장으로부터 정보를 받아 제품개선에 반영하였는데, 정보 입수까지 많은 시간이 소요되어 고객만족에 별 도움이 못되었다. 그런데 스마트 시대에 들어와 사물지능의 초연결성과 상호작용을 활용하여 제품을 판 뒤에도 소비자가 실제 사용하는 과정에서 일어나는 모든 정보가 실시간 (Real Time)으로 입수 가능해졌다. 시장변화에 바로 대응해 문제점을 제품에 반영될 수 있게 된 것이다. MFM 활동을 통한 '서비스 R&D'가 중요하게 되었다.

쉽게 설명하자면 제품을 판매한 후 스피드한 서비스를 위해서는 여러 종류의 데이터가 필요하다. 어떤 종류의 사람이 어떤 상품을 얼마나 자주 이용하는지, 어떤 문제점이 있는지 또 고객에게 더 큰 가치를 제공할 수 있는 방법은 없는지를 파악해야 한다. 고객으로부터 획득한 데이터 정보를 그때그때 필요에 따라 제품에 반영하거나, 일정한 시간 동안 모았다 기회가 되면 일시에 반영해야 한다. 데이터 정보를 모았다 신제품을 개발할 때 반영하면 개선 속도가 느려 스마트시대에는 효과가 없다. 도출된 문제점의 경중(輕重)에 따라 먼저 경미한 문제인 '점의 문제점(M·mino Change)'은 간단한 개선을 통해 실시간으로 제품에 반영하고, 다음으로 '선의 문제점(F·Facelift)'은 제품 모양을 부분적으로 변경하여야 하는 규모가 큰 개선이기 때문에 월 단위로 제품에 반영하고, 마지막으로 '면의 문제점(M·model change)은 모델을 변경하여야 하는 수준의 문제점으로 6개월 정도 단위로 실시하며, 유관기법과 네트워크를 구성하여 스피드한 개선을 함으로써 고객 만족을 추구하는 방법이다.

향후 기업 활동이 서비스 중심 사업 모델로 변화됨에 따라 지금까지는 물리적 제품을 개발하는 '공학 기술'이 R&D의 중심이 되는 제품개발의 R&D 사고에서, 향후에는 사물지능이 수집한 빅데이터를 분석해 사용자의 잠재된 욕구를 발견하고, 이를 충족시켜줄 수 있는 제품을 개발하려는 '서비스 R&D'에 중점을 두어야 한다.

스마트 제조혁신을 처음 시도하는 기업은 스마트 공장에 대한 기술이 없으므로 숙련된 기술자 양성을 위한 '표준화된 스마트 기술 훈련 과정'을 최우선적으로 마련해야 한다. 스마트 기술이 현장에서 제대로 적용되기 위해서는 표준화된 스마트 기술 훈련이 무엇보다 중요하다. 제조업 강국 독일에선 기술자들이 '스마트 표준 기술 훈련'을 실시하기 위하여 어떤 회사나 어떤 공장에서도 같은 업무를 수행할 수 있게 국가와 기업이 주도적으로 교육을 실시하여 수준을 높이고 있다. 이와 연계하여 협력업체의 지도 또한 표준화된 기술자 양성 과정을 통해 육성하여야 한다.

기업에는 경영상 관리하여야 할 많은 관리항목이 있는데, 지금까지 부문별로 분산되어 운영되지만 4차 산업혁명 시대에서는 이 모든 관리항목을 통합하여 데이터 근거에 기반한 '관리문화'를 만들어야 한다. 크게 보면 4차 산업혁명은 데이터가 제품에 접목돼 가치를 높이는 것과 데이터가 기업 업무에 접목돼 생산성을 높이는 것 두 가지로 요약할 수 있다. 여기서 기업 업무는 단순히 생산과정만을 뜻하는 것이 아니라 인사·조직·전략·마케팅·생산관리·재무·회계와 같은 경영의 모든 분야에서 데이터를 근거로 한 의사결정을 하는 것을 의미한다. IoT와 빅데이터, AI는 예전에는 구할 수 없던 방대한 데이터를 저비용으로 실시간(Real Time)으로 확보할 수 있게 되어 이를 매우 빠르고 정확하게 분석해 낼 수 있게 되었다.

스마트팩토리(Smart Factory)는 사람이 일일이 제품을 조립하고 포장하고 기계를 점검할 필요 없이 모든 과정이 자동으로 이뤄지는 공장이다. 그러므로 새로운 시설로 완전 교체해야 한다고 잘못 생각하기 쉽다. 하지만 큰 공장들은 어느 정도 오랜 기간 동안 조금씩 ‘자동화’나, 소프트웨어를 도입해왔기 때문에 스마트 공장은 완전히 새로운 개념이 아니라 공장 자동화가 한층 더 진화된 모습이라는 것을 알고 있다. 그러므로 대체적인 개선 진행의 윤곽은 감지하고 있기 때문에 전문가의 지원을 받아 자체 개선으로 가능하다. 신규 스마트 공장의 건설보다는 기존 공장의 개선을 통해 스마트 공장화 하여야 기술적 착오로 인한 손실을 줄이고 단계적으로 투자가 이루어져 비용이 적게 들게 되며, 제일 중요한 기술 축척을 할 수 있게 된다. 신규 스마트 공장을 신축할 경우 아직까지는 사내에 전체 진행을 자세히 알 수 있는 전문가가 없기 때문에, 외부에 전적으로 의존하게 되고, 또한 단기간에 일시에 설치하게 되므로 경험과 사전교육이 전무한 기존의 직원으로서는 신기술을 전수 받기 어렵다.

그러므로 기술 축적이 어려우며, 안정까지 많은 비용이 투입되며, 장기간 기술적 독립이 어렵게 된다. 그래서 오래된 기존 공장을 수준에 맞게 단계적으로 스마트 공장 체제로 변화시키는 것이 모든 점에서 이점이 많다. 아날로그 수준의 공장을 스마트화시키기 위해서는 구형의 설비에 최신 소프트웨어와 주변기기와 디바이스 설치에 문제점들이 많이 발생할 것으로 생각할지 모르나 아래와 같은 내용을 하나하나 단계별로 개선해나가면 어려운 문제는 아니다.

구형의 공장을 스마트화하기 위해서는 최우선적으로 기존 설비의 정비가 철저히 이루어져야 하고, 우선 공장 곳곳에 지금까지 없던 새로운 스마트 기기인 사물 인터넷 센서와 카메라를 부착하여야 하며, 이 센서와 카메라들이 현장의 크고 작은 모든 데이터를 수집할 수 있는 각종 장비와 소프트웨어 솔루션을 설치하여야 한다.

이렇게 공정마다 수집된 데이터는 개별센서, 센서모듈 게이트웨이서버(Gateway Server)를 거쳐 이더넷 서버(Ethernet Server) 시스템에 모이게 되는데, 이를 위해 공장은 이 어마어마한 데이터를 저장도 하고 분석하고 판단할 수 있는 이른바 빅데이터(Big Data)분석이 가능하게 시스템을 구성하여야 한다.

이렇게 분석한 데이터를 기반으로 똑똑한 인공지능은 어디에서 불량품이 발생했는지, 어디에서 기름이나 유해가스가 새는지, 어떤 기계나 설비에 이상 징후가 보이는지(Before Service) 파악할 수 있게 만들어야 한다. 또한 공정 중에서 발생한 불량이 다음 공정으로 흘러가지 않도록 각종 소프트웨어 솔루션을 이용해 기계적으로 어느 공정에서 조치할지 등도 판단해 전체 공정을 제어할 수 있게 하여야 한다. 또한 지금까지의 공장은 각각의 공정별로 자동화가 이루어져 있는 탓에 앞뒤 공정에서 무슨 일이 일어나고 있는지 알 수가 없어 현장의 관리, 감독자가 직접 현장에서 조치하는 구조였다.

그러나 스마트 공장에서는 모든 설비나 장치가 무선용인 와이파이(WiFi)나 지그비(Zig bee)와 블루투스(Blue tooth)용인 지웨이브(Z-wave) 등의 단거리무선통신으로 연결돼 정보를 주고받을 수 있게 하여야 하며, 최종적으로는 모든 공정을 실시간으로 모니터링하고 분석·판단할 수 있는 최적의 생산 환경을 만들어야 한다. 그러므로 기존 공장을 스마트화하기 위해서는 공정별로 ‘점(點)의 개선’을 먼저 하고 다음에 점의 개선을 모아 Line 단위로 ‘선(線)의 개선’을 실시하고 최종적으로 전 Line을 통합한 공장 전체를 시스템 및 네트워크화 하는 ‘면(面)의 개선’을 단계적으로 해야 무리 없이 스마트 공장 체제를 확립할 수 있게 되어 스마트 공장(Smart Factory)이 완성된다.

※ 백대균은… ‘죽은 공장도 살린다’는 평가를 받는 경영컨설턴트다. 1989년 월드인더스트리얼매니지먼트 연구소를 설립했다. LG전자 창원공장의 생산 라인을 시작으로 국내 1000여 개 업체의 컨설팅을 해왔다.

ⓒ이코노미스트(https://economist.co.kr) '내일을 위한 경제뉴스 이코노미스트' 무단 전재 및 재배포 금지