제조업 AX의 현실｜AI보다 먼저 설비·품질 데이터 연결이 필요한 이유
제조 현장에서 AI 모델의 정확도만 높여도 공장이 곧바로 바뀌지는 않는다. 센서와 PLC, MES, 품질검사, 정비, ERP 데이터가 서로 다른 시간과 코드로 저장되면 불량 원인을 앞뒤 공정과 연결할 수 없고 고장 예측도 실제 정비 지시로 이어지지 않는다. 제조 AX의 첫 질문은 어떤 모델을 살지가 아니라 어떤 데이터가 어디에서 끊기는지다.
- 설비·공정·품질·정비·경영 데이터를 같은 시간축과 기준정보로 연결해야 한다.
- 수집에서 제어까지의 폐루프를 만들되 자동 제어는 검증 후 단계적으로 연다.
- 정부·기업 수치는 점검 표본, 목표, 공급사 설명인지 구분해 읽어야 한다.
금속 원통 세 개와 그 앞의 작은 직사각형 물체로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
AI보다 먼저 연결할 다섯 가지 데이터
첫째는 센서·PLC·DCS의 설비 상태와 이벤트다. 둘째는 MES의 작업지시, 로트, 공정 순서다. 셋째는 측정값과 불량 유형 같은 품질 데이터다. 넷째는 고장 원인, 부품 교체, 작업자 조치가 담긴 정비 기록이다. 다섯째는 ERP의 주문, 원가, 납기다. 이 다섯 층이 연결돼야 “진동이 올랐다”를 넘어 어느 제품과 공정 조건에서 품질과 납기에 어떤 영향이 있었는지 추적할 수 있다.
밀폐형 금속 장비함과 옆에 놓인 원형 센서로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
연결은 한 데이터베이스에 모두 복사한다는 뜻이 아니다. 설비 ID, 제품·로트 ID, 타임스탬프, 단위, 결측·이상치 처리 기준을 공유하고 원천으로 되돌아갈 수 있어야 한다. 생산 데이터의 시간 지연과 샘플링 주기가 다르면 상관관계를 원인으로 오인할 수 있으므로 동기화 규칙도 필요하다.
42개 사업장 평균 수치를 읽는 법
산업통상부는 2026년 8월 AI 팩토리 선도 프로젝트로 약 170개 사업장을 지원했고, 성과가 먼저 나타난 42개 사업장을 점검한 결과 생산성이 평균 30.1% 높아지고 불량률이 평균 15.5% 낮아졌다고 발표했다. 세부적으로 품질검사 시간 33% 단축, 특정 공정 생산성 66.7% 향상, 검사 시간 90% 단축 등의 사례도 제시했다.
정밀 베어링 두 개와 밀폐형 센서 모듈로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
하지만 이 평균은 전체 170여 곳이 아니라 성과가 나타나기 시작한 42곳의 점검 결과다. 기준 기간, 투자·유지비, 중단 사업장, 공정 표준화의 기여도는 공개 페이지의 숫자만으로 판단하기 어렵다. 공공 사업 자체평가의 유용한 신호이지만 모든 공장에 같은 개선률을 보장하는 독립 대조실험은 아니다.
빈 부품 상자 세 개와 짧은 롤러 컨베이어로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
수집에서 현장 제어까지의 운영 순서
실무 흐름은 수집, 표준화·시간 정렬, 저장, 분석·모델 운영, 현장 앱, 제어 순으로 볼 수 있다. 포스코DX는 PosFrame을 정형·비정형 생산 데이터를 실시간 수집해 분석과 AI, 제어에 연결하는 플랫폼으로 설명한다. 센서·PLC·DCS·DAQ 연결, 20밀리초에서 1초의 수집 주기, 페타바이트 수준 저장, 엣지 AI 실행도 제시한다. 이는 공급기업의 제품 설명이며 독립 성능평가와는 구분해야 한다.
기계 프레임에 정리된 파란색과 회색 공압 튜브로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
초기에는 AI가 경보와 원인 후보를 추천하고 숙련자가 승인하게 하는 편이 안전하다. 충분한 계절·품종·교대조 데이터를 모으고 오탐과 미탐을 확인한 다음 제한된 설정값만 자동 조정한다. 통신 단절 때의 안전 상태, 수동 전환, 변경 이력, 모델 롤백을 먼저 설계해야 한다.
흰 안전모와 회색 작업 장갑 및 닫힌 금속 케이스로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
데이터 공유 계획과 완료 성과를 구분하기
Siemens와 기계 제조사·연구기관의 2025년 데이터 얼라이언스는 여러 제조사의 고품질 기계 데이터를 교환해 NC 프로그램 생성, 예지보전, 적응형 제조, 에너지 최적화에 쓰겠다는 계획이다. 공개 당시 생산성 개선은 의도와 예상 효과이지 완료 성과가 아니었다. 국내 제조 AX 얼라이언스의 공통 데이터셋도 영업비밀을 제외하고 보안 체계 아래 구축·관리한다는 정책 구상이다.
데이터 소유권, 설비 보안, 제조사별 의미체계가 해결되지 않으면 공유 선언만으로 학습 가능한 데이터가 생기지 않는다. 익명화가 공정 노하우 유출 위험을 완전히 없애는 것도 아니다. 무엇을 중앙에 모으고 무엇을 현장에 남길지, 학습 결과의 권리는 누구에게 있는지를 계약과 기술 통제로 함께 정해야 한다.
현장 도입 체크리스트
- 설비·로트·품질·정비 데이터를 공통 ID로 추적할 수 있는가?
- 센서 단위, 수집 주기, 시간 동기화 기준이 문서화됐는가?
- 결측·이상치와 작업자 수기 기록의 처리 규칙이 있는가?
- AI 추천을 승인할 현장 책임자와 자동 제어 범위가 정해졌는가?
- 통신 장애 시 수동 전환과 안전 정지 절차가 있는가?
- 도입 전 기준 생산성·불량률·정비비를 같은 산식으로 기록했는가?
창가 작업대의 금속 트레이 세 개와 원통형 금속 부품으로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.
자주 묻는 질문(FAQ)
Q1. MES가 있으면 제조 AX 준비가 끝난 것인가?
A. 아니다. 설비 원천 신호, 품질, 정비, ERP가 공통 식별자와 시간축으로 연결되는지 확인해야 한다.
Q2. 오래된 설비도 데이터를 연결할 수 있나?
A. 게이트웨이와 추가 센서를 쓸 수 있지만 신호 의미, 지연, 안전 인증과 유지보수 비용을 먼저 검토해야 한다.
Q3. 예지보전 모델은 바로 설비를 제어해도 되나?
A. 초기에는 추천과 사람 승인부터 시작하고 오탐·미탐 및 장애 대응이 검증된 범위에서만 자동화를 넓히는 편이 안전하다.
Q4. 정부 발표 평균 30.1%를 목표로 잡아도 되나?
A. 참고치는 될 수 있지만 선택된 42개 사업장 평균이다. 자사 공정의 기준값과 비용을 사용해 별도 목표를 세워야 한다.
보호망이 설치된 벨트와 풀리 조립부로 제조업 데이터 연결을 설명하는 이미지. ※ 생성형 AI로 만든 이해용 이미지이며, 실제 기업·기관 현장 기록 사진이 아닙니다.