[글 한국인더스트리4.0협회 박한구 명예회장] 지난 칼럼에서는 ‘데이터가 원유’라는 정신 혁명, ‘데이터를 원유로 만드는 전략’과 ‘SDM의 심장, 데이터스페이스 운영전략’에 대해 공유했다. 이번 칼럼에서는 데이터를 가치 있게 활용해 다양한 제품을 생산하고, 지속 성장하기 위해 생산 관리자 및 작업자(OT, Operation Technology)의 저항을 해소하는 SDA(Software Defined Automation) 전략을 공유하고자 한다.

유연생산 체계의 요구 배경

최근 소비자들은 개별적인 요구사항을 반영한 맞춤형 제품을 원한다. 이에 제조업체는 다양한 제품 사양에 신속하게 대응할 수 있어야 한다. 지금은 동일한 생산 설비로 소프트웨어 변경으로 다양한 제품을 생산하는 것이 필수가 됐다. 그러나 이러한 변화를 도입하기 위해서는 기존의 운영 기술(OT) 환경에서 저항을 극복해야 한다.

OT 공장 운영자의 보수적 행동 습관화

공장 운영자들은 소프트웨어 수정에 대한 불안감을 가지고 있다. 생산 현장의 OT 직원들은 PLC, DCS 등 컨트롤러 소프트웨어를 변경하는 것에 대해 큰 불안감을 가지고 있다. 소프트웨어 수정 이후 기존 생산 공정이 원활하게 운영되지 않을 가능성이 높고, 생산 품질 저하로 인한 문제를 발생시킨다고 생각한다. 과거 성공한 경험에 따라 현재 방식이 최적이라고 판단하는 변화에 대한 저항으로 볼 수 있다.

OT 직원들의 또 다른 저항 요인은 AI 및 자동화 기술이 자신의 역할을 대체할 것이라는 두려움이다. 특히 숙련된 작업자들은 자신의 경험과 기술이 AI 보다 우월하다고 여기며 변화를 거부하는 경향이 있다. 변화 저항의 근본 원인은 실패에 대한 두려움이다.

제조업에서는 한 번의 실수가 치명적인 품질 문제로 이어질 수 있기 때문에, 변화 자체를 리스크로 인식하고 있다. 경험 기반의 운영 방식을 선호한다. 한국의 제조업 현장은 표준화된 메뉴얼보다는 숙련자의 경험과 노하우에 의존하는 경향이 강하다. 따라서 업무 방식의 안정성을 선호한다. IT 부서와 달리 OT 부서는 실시간 운영이 필수적이므로 변경이 가동 중단으로 이어질 가능성을 우려한다.

OT 저항력 대응 방안

디지털트윈 및 시뮬레이션 기반으로 새로운 기술에 대한 변경사항을 사전에 검증하는 방식으로 OT의 저항력에 대응할 수 있다. 디지털트윈 기술을 활용해 새로운 소프트웨어 적용 전 가상 환경에서 시뮬레이션을 수행함으로써 위험을 최소화할 수 있다. 이를 통해 변화에 대한 신뢰도를 높이고 불확실성을 줄일 수 있다. 주요사례로 자동차 제조업체 A사는 생산 공정 변경 시 디지털트윈을 활용해 소프트웨어 업데이트의 영향을 분석하고, 예상되는 생산 품질과 공정 속도를 사전에 평가해 안정적으로 시스템을 변경할 수 있었다.

표준화된 작업 매뉴얼 정립 및 교육도 필수적이다. 특히 한국과 미국의 제조업 문화 차이를 반영한 교육 및 매뉴얼 개발이 필요하다. 한국 작업자는 매뉴얼보다 자신의 경험에 의존하는 경향이 강하므로, 경험 기반 작업 방식을 디지털화해 AI가 학습할 수 있도록 유도해야 한다. 미국 작업자는 표준 작업 절차(SOP, Standard Operating Procedure)를 철저히 따르는 경향이 강하므로, AI와 협업할 수 있도록 매뉴얼을 업데이트하고, 시행착오를 줄이는 방향으로 유도하면 쉽게 해소된다.

실제 반도체 제조업체 B사는 제조 공정에서 AI와 협업하는 방식으로 작업 지침을 매뉴얼화하고, 이를 숙련공들에게 반복 교육했다. 결과적으로 AI 기반의 생산 최적화가 가능해졌으며, 작업자들도 AI와의 협업에 익숙해졌다.

OT와 AI의 협업을 강화하는 전략도 쓸 수 있다. AI 및 자동화 기술을 단순한 대체가 아닌 협업 도구로 활용하도록 유도해야 한다. AI는 실시간 데이터 분석을 통해 최적의 의사결정을 지원하고, 작업자는 AI가 제안한 최적의 방안을 검증하고 조정한다. 작업 표준화 및 실수 감소를 위해 AI 기반의 분석 결과를 적극 반영한다.

철강업체 C사는 AI 기반 예측 유지보수 시스템을 도입해 설비 고장을 사전에 감지하도록 했다. 초기에는 OT 작업자들의 저항이 있었으나, AI가 실질적으로 설비 가동률을 높이고 유지보수 비용을 절감하는 결과를 보이자 점진적으로 AI 협업을 받아들이게 됐다.

추가적으로 경험 기반 기술의 디지털화 및 AI 학습도 가능하다. 지금의 숙련된 작업자 경험을 디지털화해 AI/ML(머신러닝) 모델이 학습하도록 해야 한다. 과거 작업 데이터를 기반으로 AI가 학습할 수 있도록 데이터를 수집 및 가공한다.

작업자의 숙련도를 AI가 분석해 최적의 공정 조건을 제시하도록 개발한다. AI가 실시간으로 생산 데이터를 모니터링하고, 이상징후 감지 시 즉각적인 피드백을 제공한다. 사례로 전자부품 제조업체 D사는 AI 기반 머신러닝을 통해 작업자의 숙련도를 분석하고, 신규 작업자가 숙련된 작업자의 방식과 유사한 패턴으로 작업할 수 있도록 가이드 시스템을 구축했다.

미래의 소프트웨어 정의 자동화(SDA) 시스템 관리

IT 세계는 표준에 의존해 경쟁 기술을 제거하고 새로운 도전 과제를 해결하는 혁신을 가능하게 한다. 그러나 운영 기술(OT) 분야에서는 변화의 속도가 훨씬 느리다. 이는 위험 최소화에 중점을 두기 때문이다. 이유는 제조 장비에 대한 투자 회수 기간은 수년, 심지어 수십년에 이르며, 공정은 연속적인 수익을 창출하기 위해 24시간 내내 가동돼야 한다. 또한 제조 공장의 사용자들은 특정 벤더의 기술에 집착하며, 이러한 ‘부족주의(tribalism)’ 성향으로 산업 전반에 걸친 새로운 이니셔티브가 뿌리내릴 유인이 부족하다. 결론적으로 IT 세계와 달리 OT는 변화에 대한 저항이 크고, 변화가 이루어지는 속도도 상대적으로 느리다.

지속적인 소프트웨어 개발의 필요성

전통적으로 자동화 솔루션은 주로 거의 오류없는 코드가 독립된 장치에서 실행되는 형태로 구성된다. 이런 시스템에서는 코드 변경이 공정 중단의 위험을 초래할 수 있기 때문에 환영받지 않으며, 기능 업데이트도 장비가 업그레이드되거나 확장되지 않는 한 드물다. 하지만 이제 상황이 변하고 있다.

오늘날 공장은 더 자주 재프로그래밍되고 있다. 더 큰 유연성이 요구되는 것이다. 이는 비용을 절감하고 공정 중단 시간을 피하기 위한 필수 조건이 됐다. 제조업체 또한 빠르게 변하는 수요에 적응하기 위해 새로운 생산 시설을 더 신속히 가동해야 하는 압박을 받고 있다. 그럼에도 불구하고 제조업체는 자동 백업 부족, 코드 오류, 또는 USB 메모리 사용(종종 랜섬웨어 공격의 원인)으로 인한 중단 위험을 줄일 수 있는 엄청난 잠재력을 여전히 무시하고 있다.

전통적인 PLC(프로그램 가능한 논리 제어기) 엔지니어링 프로세스에는 개선의 여지가 많으며, 이를 위해 산업 DevOps(소프트웨어 개발 및 운영 통합)가 유용할 수 있다. 일관되지 않은 버전 관리와 수동 코드 관리는 운영 오류, 공정 중단, 보안 침해의 위험을 증가시킨다. 설치된 많은 시스템은 재해 복구 기능이 불충분하며, PLC 관리에서 보안 조치가 부족해 심각한 위협이 될 수 있다.

이러한 문제를 해결하기 위해 전체 PLC 엔지니어링 프로세스는 IT 분야에서 사용하는 방식과 더 유사하게 작동해야 한다. 이를 위해 SDA를 도입하고 활용한다.

SDA의 백업 및 버전 관리 솔루션

SDA는 여러 자동화 벤더 플랫폼에서 PLC를 원활하고 안전하게 관리할 수 있는 최초의 솔루션을 제공한다. SDA는 백업 및 버전 관리다. 다양한 PLC 코드를 자동 관리한다. SDA의 솔루션은 여러 벤더와 모델의 PLC 코드를 자동 백업 및 강력한 버전 관리 기능을 통해 단일 툴로 관리할 수 있다. 기존 엔지니어링 도구도 비슷한 기능을 제공할 수 있지만, SDA는 한 가지 툴로 여러 PLC 브랜드와 모델을 관리할 수 있는 독보적인 특징을 가지고 있다.

SDA는 변경사항 기록 및 비교한다. 브라우저를 통해 프로젝트 변경 내역을 기록하고, 변경된 버전을 시각적으로 비교하며, 누가·언제·무엇을 변경했는지 확인할 수 있다. SDA는 자동 백업 및 복구를 수행한다. 자동 백업과 재난 복구 전략을 통해 데이터 손실 및 운영 중단을 방지하고, 평균 복구 시간을 단축할 수 있다. 또한 보안 기능을 가지고 있다. 원격 액세스 보안으로 PLC와 프로젝트에 대해 안전한 원격 액세스를 제공한다. 세분화된 사용자를 관리한다. 시간과 역할에 따라 PLC 및 프로젝트에 대한 사용 권한을 관리할 수 있다.

SDA의 레거시 코드 관리, Factory Agent

AI 기반 코드 관리 도우미로서 역할도 한다. SDA의 Factory Agent는 AI를 활용한 코파일럿으로 오래된 PLC 코드를 사람이 이해할 수 있는 언어로 번역하거나 다시 코드로 변환한다. 이를 통해 PLC 전문가가 아닌 사람도 PLC 기능을 신속히 이해할 수 있도록 지원한다. 세대 교체로 인해 PLC 프로그래머가 은퇴하더라도 특정 기술 지식을 기업 내부에 유지할 수 있다. 버전간 비교 지원한다. Factory Agent는 코드 버전을 비교할 때 차이점을 식별하기 쉽고 명확한 언어로 설명해 사용자가 변경사항을 빠르게 이해할 수 있도록 돕는다.

SDA는 가상 PLC로의 전환 지원

현재 설치된 PLC를 대상으로 제공되는 이 솔루션은 제조업체가 가상 PLC로 전환할 때 원활한 전환을 지원한다. SDA의 백업 및 버전 프로와 Factory Agent는 PLC 코드 관리의 혁신을 이끌며, 사용자들이 다양한 벤더의 PLC를 단일 플랫폼에서 안전하고 효율적으로 관리할 수 있도록 돕는다. 이는 데이터 손실 방지, 운영 효율성 향상, 그리고 PLC 기술의 지속적인 유지와 활용을 가능하게 한다.

결론적으로 OT 인력의 보수적 성향을 고려할 때, 단순한 기술 도입이 아니라 SDA 기반의 디지털트윈을 통한 사전 검증, AI와의 협업 지침 정립, 표준화된 매뉴얼 교육, 경험 기반의 AI 학습이 필수적이다. 또한 각 기업 문화 및 국가별 제조업 특성을 반영한 전략을 수립함으로써 AI 및 자동화 기술이 자연스럽게 생산 현장에 정착될 수 있도록 해야 한다. AI는 작업자의 대체가 아닌 협력자로서 역할을 수행해야 하며, 이를 위해 OT와 IT 간의 적극적인 협력이 요구된다.

최종윤 기자 다른기사 보기