[AIOps 2편] 제조 데이터 수집, AI 도입 고민? 통합적 AIOps로 해결하세요
Chloe Woo | Content Strategist
제조에서 AIOps의 장점
제조업은 복잡한 IT 환경과 OT가 결합된 산업으로, 이러한 복잡성을 관리하고 최적화하기 위한 필수 역할을 AIOps가 수행할 수 있습니다. 다음은 제조기업이 AIOps를 도입할 때 기대할 수 있는 주요 이점입니다.
(1) 운영 효율 향상
제조업 환경에서는 다양한 기계와 장비가 상호 연결되어 있으며, 이를 지속적으로 모니터링하고 관리하는 데 많은 시간과 자원이 소요됩니다. AIOps는 이러한 반복적이고 복잡한 작업을 자동화하여, IT 및 운영 팀이 더 전략적인 업무에 집중할 수 있도록 돕습니다. 예를 들어, 장비의 상태 모니터링과 데이터 분석을 자동화하여, 문제가 발생하기 전에 대응할 수 있도록 지원하죠. 이를 통해 자원의 효율적 사용과 생산성 향상이 가능해집니다.
(2) 생산 중단 예방
제조 현장에서의 생산 중단(다운타임)은 상당한 비용 손실을 초래할 수 있습니다. AIOps는 기계나 시스템의 이상 징후를 실시간으로 감지하고, 문제 발생 전에 이를 예측하여 예방 조치를 자동으로 실행합니다. 이로 인해 시스템 다운타임을 최소화할 수 있으며, 제조 라인의 원활한 운영을 보장할 수 있죠. 예컨대, 다양한 머신러닝 모델을 활용하면 아무리 복잡하게 동작하는 설비라도 이상을 초기에 감지하고 빠르게 대처할 수 있습니다.
✓ 한국의 선도적인 글로벌 이차전지 제조사가 AI 모델 Pipeline 구성으로 로봇 파지의 이상작동 감지에 성공한 사례
(3) 데이터 기반 의사결정 지원
AIOps는 제조 과정에서 발생하는 대량의 데이터를 실시간으로 분석하고, 유의미한 인사이트를 제공합니다. 이를 통해 경영진은 더욱 정확하고 신속한 의사결정을 내릴 수 있습니다. 데이터 기반의 의사결정은 생산 공정의 최적화, 품질 개선, 비용 절감 등의 다양한 측면에서 조직의 경쟁력을 강화할 수 있고요.
AIOps라고 해서 모든 기능 수행을 위해 반드시 머신러닝 모델을 활용해야 하는 것은 아닙니다. 핵심은 유의미한 인사이트와 원활한 IT 운영에 있기 때문에, I-MR 관리도, 공정 능력 지수(CPK)와 공정 성능 지수(PPK), 파라미터 상관도 분석 등 기존에 검증된 다양한 통계적 공정 관리 기법(SPC)이 더 유용한 경우도 많죠.
✓ 통계적 공정 관리(SPC) 기술의 새로운 트렌드를 알아보세요.
(4) 사이버보안 강화
제조업은 점점 더 디지털화되고 있으며, 이는 사이버보안 위협의 증가로 이어질 수 있습니다. AIOps는 IT 시스템과 OT 시스템 간의 통합을 통해 보안 위협을 실시간으로 감지하고 대응할 수 있는 능력을 제공하죠. 이를 통해 기업은 민감한 데이터를 보호하고, 시스템의 안정성을 유지할 수 있습니다.
AIOps를 도입하되, 단말 기기에서 작동하는 온디바이스 AI와 프라이빗 클라우드, 자체 서버 등을 혼합해 사용해 보세요. 다양한 배포 옵션을 지원하는 AIOps 플랫폼과 하드웨어를 활용하면 기업 보안을 강화하면서 더 높은 성능과 효율을 구현하는 것도 가능합니다.
✓ 2024년 현재, 산업 현장에 온디바이스 AI를 도입해야 하는 이유
(5) 예측 유지보수 및 품질 관리
AIOps는 기계와 장비의 성능 데이터를 실시간으로 분석하여, 유지보수가 필요한 시점을 미리 예측할 수 있습니다. 이를 통해 불필요한 정비를 줄이고, 장비의 수명을 연장할 수 있죠. 또한, 품질 관리 측면에서도 AIOps는 생산 과정에서 발생할 수 있는 품질 문제를 사전에 감지하여 불량품의 생산을 최소화하고, 고객 만족도를 높일 수 있습니다.
✓ 데이터 품질 지표(DQI) 딥러닝 모델로 이미지 데이터 드리프트를 모니터링한 사례
✓ 쉽게 손상되는 파우치형 배터리의 표면 결함 검사 자동화 사례
AIOps 도입시 고려사항
AIOps의 이점이 분명하지만, 이를 구현하는 데는 도전 과제가 따릅니다. 조직은 성공적인 AIOps 도입을 위해 이러한 요소를 신중하게 고려해야 합니다.
(1) 기존 IT 인프라와의 통합
AIOps를 도입하려면 기존의 IT 인프라와의 호환성을 고려해야 합니다. 제조 현장의 많은 시스템이 오래된 레거시 시스템일 수 있기 때문에, 이러한 시스템과의 연동이 가능한지, 추가적인 업그레이드나 통합 작업이 필요한지를 평가해야 합니다. AIOps 솔루션이 기존 시스템과 원활하게 통합되지 않으면 운영 중단이나 예기치 못한 문제가 발생할 수 있죠.
한 예로, 최근 많은 기업들이 투자 여건의 악화로 인해 기존 공장을 개선하는 프로젝트에 집중하고 있는데요. 이런 맥락에서 기존에 사용하던 수백, 수천 대의 PC를 교체하지 않고 머신러닝을 수행하고자 하는 요구가 늘어나고 있습니다. 하지만 실상은 AI 도입이 까다로운 환경인 경우가 많아요. 기존에 보유한 PC에 AI를 돌리기 위한 GPU를 설치할 수 없는 경우 등이죠.
AIOps를 도입하고자 한다면 이 같은 기존 하드웨어와 소프트웨어의 한계를 극복할 수 있는 방안을 미리 고려해야 합니다. 예컨대, 마이크로 서비스 아키텍처 구성으로 기능이나 설비를 자유롭게 확장할 수 있는 솔루션 도입을 고려하세요. 또한, AI 특화 하드웨어인 NPU 칩 등을 활용한 온디바이스 AI 기반으로 시작하는 것도 한 가지 방법입니다. 말단 기기에서 작동하는 분산된 온디바이스 AI를 활용하면 투자비는 최소화하면서 AI 도입 효과를 누릴 수 있습니다. 이때, 제조 AIOps 플랫폼을 활용하면 보다 원활한 통합과 호환이 가능해지겠죠.
✓ 제조 온디바이스 AI에 대한 더 자세한 내용이 궁금하다면?
(2) 데이터 품질 및 관리 문제
AIOps의 핵심은 데이터입니다. 제조 현장에서 발생하는 다양한 데이터 소스(예: 기계 로그, 센서 데이터, 네트워크 트래픽 등)를 수집하고 분석할 수 있는 능력이 중요합니다. 그런데 이 때 데이터의 품질이 매우 중요합니다. 불완전하거나 부정확한 데이터와 같은 데이터 관리 문제는 머신러닝 모델의 효과를 제한하고 최적의 결과를 얻지 못하게 할 수 있죠.
실제로 제조업체의 98%가 ‘데이터가 비즈니스 걸림돌’이라고 답한 조사결과가 있습니다. 세계 9개국 제조업계 리더 500명을 인터뷰한 결과, 71%가 설계팀과 제조팀 간 시너지 부족을 우려했으며, 데이터 흐름에 문제가 없다고 답한 제조업체는 2%에 불과했죠.
[자료 출처: GTT KOREA, 2024.04.24 제조업체 98% ‘데이터가 비즈니스 걸림돌’]
따라서 AIOps의 효과를 제대로 보려면 데이터 정제 및 품질 관리가 필수적입니다. 또한, 데이터를 수집하고 처리하는 과정에서 개인정보 보호 및 보안 요구사항도 충족해야 합니다.
✓ 제조 현장의 데이터 수집을 어떻게 시작해야 할지 막막하다면? 글로벌 제조 현장에서 안정성이 검증된 제조 빅데이터 수집 및 분석 솔루션 Data CAMP에 대해 더 자세히 알아보세요.
(3) 기술 격차와 교육 필요성
AIOps의 성공적인 도입을 위해서는 조직 내 인력의 기술적 역량 강화가 필수적입니다. AIOps는 고도의 기술적 전문성이 요구되며, 이를 운영하고 관리할 수 있는 인력이 필요합니다. 따라서 AIOps 도입 전후로 관련 교육 및 훈련 프로그램을 제공하여 IT 팀의 역량을 강화하는 것이 중요합니다. 또한, AIOps 운영에 필요한 새로운 역할이나 직무를 조직 내에서 명확히 정의하고 할당하는 것도 필요하죠.
(4) 알맞은 AIOps 플랫폼 선정 기준 마련
만약 이러한 자원을 갖추지 못한 기업이라면, 비전문가를 위해 설계된 AIOps 플랫폼을 선정해야 합니다.
- 다양한 팀간 구성원과 플랫폼에서 매끄럽게 협업할 수 있는가?
- 머신러닝을 활용하기 위한 데이터 수집, 전처리, 라벨링, 머신러닝 모델 개발, 배포, 재학습 등 전 과정을 설계할 수 있는가?
- AI, 데이터 분석에 대한 비전문가인 공정 관리자도 사용하기 편리한 툴인가?
- 입력 데이터와 모델의 성능 저하를 자동으로 감지하고 자동 대처해 주는가?
(5) 비용 및 ROI 분석
너무 당연한 이야기지만, 새로운 기술을 도입하기 전 초기 투자 비용과 기대되는 ROI(Return on Investment)를 면밀히 분석해야 합니다. AIOps 도입은 단기적으로는 상당한 비용이 발생할 수 있지만, 장기적으로는 운영 효율 향상, 다운타임 감소, 비용 절감 등의 이점을 가져다줄 수 있죠. 따라서 AIOps의 도입이 장기적으로 기업에 이익이 될 수 있는지를 평가하고, 비용 대비 효과를 명확히 파악하는 것이 중요합니다.
2024 트렌드
(1) 생성적 AI와 통합
2024년, 여전히 AI는 가장 혁신적인 기술이며, 매일 새로운 용도와 발견이 이루어지고 있습니다. 특히 생성적 AI는 콘텐츠 생성 측면에서 무궁무진한 가능성을 열어주고 있죠. AIOps 분야에서도 예외는 아닙니다.
- 코드 생성: 개발자들은 ChatGPT와 같은 AI를 사용해 새로운 코드를 작성하고, 오류가 있는 코드를 자동으로 수정하는 데 도움을 받고 있습니다.
- 합성 테스트 데이터 생성: 생성 모델은 실제 데이터를 학습하여 개인정보 보호 우려 없이도 충분한 테스트 데이터를 생성할 수 있습니다.
- 예측: 생성 모델은 미래의 인프라와 교통 패턴 등을 예측하는 데 유용하며, 이를 통해 AIOps는 리소스를 미리 할당할 수 있습니다.
- 작업 효율성 향상: 생성적 AI는 인간이 수행한 작업을 학습해 더 빠르고 정확하게 같은 작업을 수행할 수 있습니다.
- 높은 견고성과 안정성: 생성적 AI 기반 솔루션은 창의성과 지능을 갖춘 정확한 자동화를 제공하며, 기존의 규칙 기반 접근 방식보다 뛰어난 성능을 발휘합니다.
✓ 무궁무진한 잠재력을 보여주는 대규모 언어 모델(LLM)이 제조업에 어떤 영향을 미칠 수 있는지 더 자세히 알아보세요.
(2) 설명 가능한 AI(XAI)
설명 가능한 AI 기술을 통해 기업은 통찰력 있는 의사 결정을 통해 신뢰와 투명성을 구축할 수 있습니다. AI 엔지니어는 반복되는 문제를 효율적으로 해결하기 위해 의사 결정의 이유를 명확히 구별하는 AIOps 모델을 개발합니다.
✓ 설명 가능한 AI의 개념과 산업 현장에서 최근 각광받기 시작한 이유에 대해 알아보세요.
- 설명 가능한 AI① XAI(eXplainable AI)란? – 개념, 역사, 중요성
- 설명 가능한 AI② XAI(eXplainable AI) 주요 방법론
- 설명 가능한 AI③ XAI와 AI 규제 준수와의 상관성?
- 설명 가능한 AI④ 제조업 활용 사례
(3) 자동화된 근본 원인 분석(ARCA)
자동화된 근본 원인 분석(ARCA, Automated Root Cause Analysis)은 문제가 발생했을 때 그 근본 원인을 자동으로 찾아내는 기술입니다. 일반적으로 문제가 발생한 후에는 이를 해결하기 위해 원인을 파악하는 과정이 필요한데요. 보통 시간과 자원이 많이 소요되며, 오류를 찾기 어려운 경우도 많습니다. ARCA는 이러한 문제를 해결하기 위해 AI와 머신러닝 기술을 활용하여 자동으로 데이터를 분석하고, 문제의 근본 원인을 빠르고 정확하게 식별하는 도구입니다.
2024년에 AIOps는 복잡한 IT 환경에서 문제의 근본 원인을 식별하는 역량을 더욱 강화할 것입니다. 또한, 문제 식별에 국한되지 않고, 신속한 복구를 보장하고 다운타임을 줄이며, 최고 성능을 개선하고 시스템 안정성을 향상시키는 데 주력할 것입니다.
[자료 출처: Key Trends of Next-Gen AIOps to Dominate 2024]
지금 바로 아하랩스 전문가 팀과 상의하세요!
아하랩스는 다년간 수많은 고객사의 글로벌 제조 현장에 직접 AI를 도입하고 실제 양산 라인에서 직접 기술 지원을 해온 풍부한 경험이 있습니다. 이를 통해 제조 현장에 AI를 도입하고자 할 때 발생할 수 있는 문제와 대응 방안에 대해 깊이 이해하고 있으며, 현장 상황에 따라 어떤 전략을 수립해야 하는지에 대한 전문성을 갖추게 되었죠.
2024년 하반기, 아하랩스는 한 발짝 또 앞서 나갑니다. 제조 현장의 다양한 설비로부터 데이터를 일괄 수집하고 분석할 수 있는 Data CAMP 솔루션과, 비지도 산업용 AI 학습/배포 플랫폼인 LISA의 기능이 모두 통합된 AIOps 플랫폼이 출시됩니다. 또한, 제조 현장에서 표면결함 검사, 설비 예지보전 등을 수행할 수 있는 자체 산업용 AI 모델을 경량화하고 NPU 칩 제조사와 협력하여 산업 현장에 온디바이스 AI를 저렴하면서도 효율적으로 도입/활용하기 위한 준비를 하고 있습니다.
제조 현장의 디지털 전환, AI 도입 전략을 고민하고 계신다면, 다양한 경력을 가진 제조 데이터 및 산업용 AI 전문가로 구성된 아하랩스 팀과 지금 바로 상의하세요!