PLM 베스트 프랙티스 컨퍼런스 2021 주요 발표 정리 (3)
‘PLM 베스트 프랙티스 컨퍼런스 2021’이 지난 6월 17~18일 온라인으로 진행되었다. ‘연결의 시대, 디지털 전환과 가치 중심의 PLM’을 주제로 한 이번 행사에서는 코로나19 이후 사회, 경제, 문화에 걸쳐 진행되는 거시적 변화에 주목하면서, 투자 대비 효용성을 극대화할 할 수 있는 가치 기반의 PLM에 포커스하여 최신 기술 트렌드와 성공사례 등을 소개했다.
■ 정수진 편집장
서귀현 전 두산중공업 상무는 기조연설을 통해 ‘기업에서 진정으로 필요한 PLM과 AI’의 조건에 대해 짚었다.
디지털 트랜스포메이션 및 스마트 공장을 설명하는 참조 모델 중 하나로 독일의 RAMI 4.0(Reference Architectural Model Industrie 4.0)이 있다. 여기서는 ▲공장 설비-설계 정보- 비즈니스 정보의 연결 ▲제품 기획부터 폐기까지의 연결 ▲공장에서 만드는 제품과 공장 바깥의 연결 등 세 가지를 중심축으로 설명하고 있다.
또한, GE에서는 협업 설계 - 설비 정보/설계 정보를 연결한 생산 - 고객 인도 - 현장의 사용 데이터 분석 및 설계 반영까지 순환되는 구조를 ‘디지털 스레드(digital thread)’의 개념으로 정리하기도 했다. 서귀현 전 상무는 “모든 기업과 산업이 연결되는 것이 미래 제조의 모습이 될 것”이라고 전망했다.
최근 제조산업에도 AI가 도입되면서 현장의 빅데이터를 모아서 PLM 등 기간시스템과 연결하려는 시도가 진행되고 있는데, 이 때 어려운 점 가운데 하나는 데이터를 수집하고 분석하는데 시간이 많이 걸린다는 점이다.
중공업 제조 현장에서 설비에 센서를 부착하고 충분한 양의 데이터를 모으는 데에는 보통 6개월 정도가 걸린다고 한다. 그런데 데이터를 수집한 후 분석하는 과정에서 중요한 데이터가 빠져 있다는 점을 발견하면 필요한 데이터를 얻을 수 있는 센서를 추가하고 데이터를 모으는데 다시 6개월이 걸린다는 것이다.
서귀현 전 상무는 제조기업에서 PLM의 메타데이터와 AI를 빠르게 활용할 수 있는 방법을 제시했다.
- 설계는 설계자마다 자유롭게 하고 AI가 표준 아이템으로 변환하도록 하면 설계 표준화를 위한 기준 데이터를 만드는 노력을 줄일 수 있다.
- 여러 조직에서 생산/재고/구매 등 다양한 기준 데이터를 관리하게 되는데, 이들 프로세스 간의 연결을 위해 AI를 활용할 수 있다.
- 미래 예측과 리스크 관리에 딥러닝을 활용한 분석을 활용할 수 있다.
서귀현 전 상무는 “미래 제조를 위한 AI 적용이 성공하기 위해서는 AI를 통해 개선하고자 하는 핵심 과제나 이슈를 잘 정의하는 것이 먼저 이뤄져야 한다. 그리고 또한 문제를 빠르게 검증할 수 있는 방법을 고민해야 한다”고 짚었다.
또한, “미래 제조의 완성된 모습을 구현하기까지는 시간이 걸릴 것이다. 고도화된 스마트 공장을 한번에 완성할 수는 없기 때문에, 단계별로 스마트 공장 수준을 높일 수 있는 노력과 시간이 필요하다는 점을 잊지 말아야 할 것”이라고 전했다.
