빅데이터 기반 머신러닝으로 제조혁신, MS “연간 1000만달러 비용절감”

실시간
뉴스

산업

빅데이터 기반 머신러닝으로 제조혁신, MS “연간 1000만달러 비용절감”

디지털데일리 발행일 2016-04-24 09:10:05

최민지

URL복사

[디지털데일리 최민지기자] 제조산업에 머신러닝(기계학습)이 접목되면 생산성 향상 및 고질 불량 개선을 통해 비용절감·생산성 향상 등 제조혁신을 일으킬 수 있게 된다. 이에 제조 현장에서는 사물인터넷(IoT), 빅데이터, 머신러닝 등을 적용해 스마트팩토리 등을 구현하기 위한 움직임을 보이고 있다.

이와 관련 한국마이크로소프트(www.microsoft.com 대표 고순동, 이하 한국MS)는 지난 22일 서울 광화문 사옥에서 ‘머신러닝이 가져올 4차 산업혁명과 MS 머신러닝 생태계’를 주제로 국내 주요 기업들을 대상으로 세미나를 개최하고, 머신러닝이 산업현장에 도입된 사례들을 소개했다.

인사말을 통해 이건복 MS이사는 “대표적인 IT기업의 변화를 보면 과거에는 네트워크, 스토리지, 백업 등 장비 팔던 기업들이 잘됐고 그 뒤에는 페이스북, 트위터 같은 소셜 기업들이 성공했다”며 “그 다음은 데이터를 다룰 수 있는 회사들이 잘될 것”이라고 내다봤다.

이어 “클라이언트-서버 시대에는 어떻게 하면 데이터를 잘 기록할거냐가 관건이었지만 앞으로는 데이터를 얼마나 이해하고 인사이트를 만들어내느냐가 경쟁력이 될 것”이라며 “데이터 중심 시대에는 IT가 경영에 새로운 인사이트를 줄 수 있는 힘을 가지고 있으며, MS 머신러닝은 사람을 이기고 대체하는 기술이 아니라 사람을 도와주는 기술로 포지셔닝 할 것”이라고 덧붙였다.

이날 송승호 한국MS 부장은 빅데이터 기반 머신러닝에 대해 발표하며 스마트팩토리 구현을 통해 연간 1000만달러 이상 비용절감 효과를 꾀한 제조업체 사례를 들었다. 금속제품 및 자동차 부품 등을 생산하는 세계적 제조업체 A사는 실시간 생성되는 빅데이터 활용을 통한 객관적 의사결정 및 스마트팩토리 경쟁력 확보, 스마트유지보수 플랫폼 구축을 원했다.

이에 MS는 하둡(Hadoop)을 적용해 센서에서 수집되는 데이터를 저장·관리하고, 생산·공정 라인마다 센서를 장착해 온도·습도 등 데이터를 취합해 분석했다. 실시간 공정 모니터링 및 이상징후 조기 감지, 요인 분석 등을 수행한 것이다.

송 부장은 “고질 불량 개선을 통한 클레임 비용만 연간 310만달러를 절감했고, 불량 발생에 따른 기회비용 손실 및 기타비용 고려 때 연간 1000만달러 이상 비용을 절감한 효과”라고 강조했다.

알루미늄 생산 공정에서도 빅데이터 기반 머신러닝을 적용할 수 있다. 송 부장은 사람이 감지할 수 없는 불량원인을 센서 및 빅데이터·머신러닝 등을 활용해 분석한 후 현장에 적용하게 되면, 불량률이 감소하면서 특정 제품 기준 16만3000달러 클레임 비용이 감소할 것으로 예상했다.

송 부장은 “알루미늄은 두루마리 화장지를 마는 것처럼 일정 속도와 강도로 말려야 하는데 이 과정에서 사람이 감지할 수 없는 오류가 생기면 불량이 발생하게 된다”며 “9억5000만건 데이터 중 2억1000만건이 불량 관련 데이터인데, 이 중 실제 불량에 영향을 미치는 데이터를 찾아낼 때 머신러닝 기법이 사용된다”고 부연했다.

박민우 한국MS 수석은 독일의 엘리베이터 업체 티센크루프(ThyssenKrupp)의 머신러닝 도입사례를 통해 기업들에게 머신러닝을 왜 적용해야 하는지 확실한 목표를 가져야 한다고 역설했다.

티센크루프는 아시아시장에서 고객이 빠르게 늘어나 단시간 내 숙련된 기술인력이 필요했다. 이에 티센크루프는 숙련되지 않은 인력을 엘리베이터 유지보수 부문에 투입해도 충분히 해낼 수 있기를 원했다.

이에 머신러닝 기술을 활용해 엘리베이터 관련 데이터를 수집·분석, 유지보수 방안을 학습시키고 이상징후 및 고장까지 이어지는 시간 등을 예측할 수 있도록 반복적으로 테스트했다. 문제발생 때 대처방안을 머신러닝으로 분석해 현장 지원 인력의 모바일 장치로 전달했다.

박 수석은 “이를 활용하면 미숙한 기술자라도 태블릿 화면을 통해 빠른 의사결정으로 엘리베이터 유지보수 작업을 시행할 수 있게 된다”며 “고객 입장에서 유지보수 비용을 절감시키고, 예측 모델의 정확도를 향상시켜 기술자의 기술 숙련도를 높일 수 있다”고 말했다.

국내기업들의 MS 머신러닝 활용 사례도 소개됐다. 건축 자재를 제조하는 D기업은 국내 최초로 마이크로소프트 애저(Microsoft Azure) 클라우드 플랫폼 기반에서 머신러닝을 사용하고 있다. 이 기업은 판매 데이터 및 시장 관련 데이터를 머신러닝을 통해 분석해 건축 자제 수요 예측을 하고 있다.

기존 고객관계관리(CRM)를 통해 판매 재고를 관리하던 것보다 시장 상황을 예측해 더 정확하게 예측 가능하며, 이를 기반으로 이전보다 빠르게 시장 변화에 대응할 수 있다. 또, 설비 고장으로 인한 생산 중단 등 손실 방지도 가능하다. 현재 베트남 해외 공장의 설비 관련 데이터를 통해 공정상에서 발생되는 불량을 줄이고 품질을 개선하고 있으며, 향후 IoT를 접목해 고장 전 설비를 미리 보전할 수 있도록 할 예정이다.

컨설팅 전문 기업 디에스이트레이드는 “D기업 사례의 경우 클라우드 기반으로 솔루션을 구축해 초기 비용 부담이 낮았다”며 “평균 수요예측 프로젝트의 경우 4~5개월 3명 정도의 인원이 상주하게 되는데, 클라우드 기반에서 구축하니 비용이 기존의 약 20% 정도로 매우 효율적”이라고 말했다.

또한, 이날 한석진 한국MS 부장은 코타나를 통해 머신러닝 기술을 설명했다. 코타나는 MS가 개발한 음성을 인식하는 인공지능 비서 서비스로, 머신러닝 기법이 포함돼 있다.

한 부장은 “기업들은 코타나와 음성으로 상호작용하며 정보를 얻을 수 있고, 다음 달 고객 이탈에 대해 물어보면 관련된 정보를 보여주는 것도 가능하다”며 “미팅 예약, 교통상, 길찾기뿐 아니라 기업 솔루션 등과 결합시켜 활용할 수 있다”고 말을 보탰다.

<최민지 기자>cmj@ddaily.co.kr