by
Jul 03. 2018
[후기] LG CNS 스마트팩토리 세미나
데이터 과학자를 꿈꾸며
LG CNS 블로그 독자 초청 스마트팩토리 세미나에 다녀오다
세미나 발표자: 정정민 상무 (스마트팩토리 솔루션 이행 담당)
LG 사이언스파크 대강당지난 5월 31일에 LG CNS에서 주최하는 블로그 독자 초청 스마트 팩토리 세미나에 참여했다. 면접에서 떨어진 후에 아쉬운 마음이 있었다. 이때 스마트팩토리라는 주제로 블로그 독자를 초청하여 세미나를 연다는 것을 알게 되었다. 추첨이라길래 일단 신청부터 해놓자 하는 마음으로 세미나를 신청했다.
신입사원도 아니니까! 하하. 가벼운 마음으로 세미나를 신청하게 되었다. 구글 설문조사로 신청하는 형식이었다.
시작 전신청한 뒤에 꽤 기다렸는데도 소식이 없었다. 떨어졌겠거니 했는데 세미나 일주일 전쯤에 문자로 당첨 사실을 알려주었다. 강당이 꽤 커서 신청한 사람은 모두 참석 가능하지 않았나 싶다. 자리가 많이 남았었다. 이를 통해 스마트 팩토리가 대중에게 알려지지 않은 분야인 걸 느꼈다. 사람들의 관심도가 빅데이터라는 키워드보다 훨씬 떨어진다.
세미나 진행은 다 마음에 들었다. 아무래도 신사옥이다 보니까 강당이 넓고 깨끗해서 좋았다. 그리고 커피랑 간식도 공짜로 받았다.
나름 알찬 구성이라고 생각한다왜 세미나에 참여했는가?
스마트 팩토리라는 단어를 처음 들은 것은 웃기게도 면접을 준비하면서이다. 지원서를 낼 때에 1지망과 2지망의 직무를 적었다. 뭣도 모르고 2지망으로 스마트 팩토리를 지원했다. 그런데 1지망이 떨어지고 스마트팩토리 부문의 면접을 보게 되었다. 무엇인지도 모르고 썼기 때문에 면접에 떨어진 건 당연하다고 생각한다. 헛소리만 하고 면접장을 나왔다.
왜 세미나를 열었는가?
LG CNS가 스마트팩토리 세미나가 연 배경은 LG그룹 내에서 스마트 팩토리화가 진전이 많이 되었기 때문이다. 지금까지는 그룹 내의 공장을 스마트화하는 데에 집중했다. 이제는 내부 노하우에 어느 정도 자신이 생긴 것 같다.
앞으로는 쌓아온 노하우를 바탕으로 스마트 팩토리 부문의 외부 수주를 늘리고 해외 사업에도 진출하겠다는 전략인 것이다. 올해 스마트팩토리 솔루션 이행 담당이라는 자리를 마련하면서까지 제조 혁신 분야에 많은 투자를 하고 있는 듯하다.
그래서 세미나의 주된 목적은 스마트팩토리 부문의 홍보 활동이다. 다른 기업에서도 스마트 팩토리가 뭔지 알아야 해당 사업을 추진하든지 할테니까. 하지만 삼성SDS나 SK C&C에서도 경쟁하고 있는 분야이고 쟁쟁한 글로벌 IT 회사들과 경쟁해야 하는데 LG CNS가 충분한 경쟁력을 갖췄는지는 세미나에서 확인할 수는 없었다.
2016년 7월 스마트 팩토리 홍보 기사
LG CNS “스마트 팩토리로 미래 제조 경쟁력 확보" 클릭
LG CNS, 스마트팩토리 사업 확장 클릭
세미나에서 첫 슬라이드가 인상 깊었다. 마곡에선 2008년에 마지막 쌀 농사을 했다고 한다. 그런데 2018년인 마곡 사이언스 파크에서 이렇게 IT 세미나를 열게 되었다는 말이 참 와닿았다. 10년 만에 이 세상은 엄청나게 변했다. 왜 이제야 알았는가하는 반성과 함께 세미나를 시작하게 되었다.
스마트팩토리란 무엇일까?
간단하게 정의해주었다. 본인이 생각하는 스마트 팩토리란 제조업 경쟁력 강화라고 한다. 그리고 이를 위해 IT 업체의 역할이 무엇일지 고민하고 있다고 했다.
제조업에서 IT가 중요한 이유는 소프트웨어와 하드웨어의 연결이 중요하기 때문이다. 소프트웨어 측면에서 조금만 바꾸어도 하드웨어에서 큰 개선사항이 나올 수 있다. 반대로 하드웨어 측면에서 설비 위치나 프로세스를 조금만 바꿔줘도 소트프웨어 측면에서 큰 개선사항이 나온다. 이것이 MES 중심인 제조업을 LG CNS라는 SW회사가 진출하는 이유이다.
스마트 vs 오토레이션
자동창고는 도요타 같은 완성차 회사가 아니라 택배회사가 필요하다. 팩토리라는 것이 굉장히 다양하기 때문에 스마트 팩토리라고 묶어서 부르는 것은 오류일 수도 있다. 다만 스마트 팩토리는 자동화 공장과는 다르다. 스마트는 정신(지능)이다. 아직 미완이다. 기존엔 찾지 못했던 불량을 데이터를 통해 찾아 낸다. 오토레이션은 사람의 힘, 실수를 줄여주는 육체적 측면이다. 이는 이미 높은 완성도를 가지고 있다. LG그룹의 공장들은 레벨 4~5 수준의 자동화된 공장을 운영하고 있다. 또한 제조 프로세스는 이미 표준화가 되어 있어 더 개선하기가 쉽지 않다.
이제는 제조 과정에서 나오는 데이터를 가지고 스마트화를 해야 한다. 특히 센서를 통해 기존에는 알지 못한 것을 알아낼 수 있다. 어느 프로세스에서 문제가 생겼는지를 알 수 있다. 앞으로 CNS에서 통계학과를 뽑는 이유는 이 스마트를 위한 데이터 환경을 구축하고 싶기 때문이다.
Enterprise Contents Management이란?
아래 구문은 LG의 모토라고 한다. 한국말로 바꾸면 다음과 같지 않을까?
Meet the Right customer needs in FAST, COST Effective way with Quality
빠르고 비용 효율적인 방법으로 품질로써 고객의 올바른 니즈를 충족하라!
모토치고는 길고 메시지가 잘 안 들어오는 단점이 있다. 그러나 핵심은 제대로 담고 있다. 두 가지 측면이다.
품질과 고객 가치
생산을 빠르게 하면서도, 비용을 절감해야 한다. 그리고 품질을 유지한다.
만들어 낸 제품이 고객의 니즈를 충족해야 한다.
맞는 말이다. 제품의 수명주기는 점차 짧아진다. 2년마다 핸드폰을 바꾸는 시대이다. 고장나면 고쳐쓰는 것보다 새로 사는 것이 더 싸고 품질도 더 좋다. 이제 제조 기업은 기존 제품을 생산하면서도 새 제품을 생각해야 한다. 따라서 기존 문제점을 바로 수정할 필요성이 증대되었다. 예를 들어, ECM(Enterprise Contents Management)을 들 수 있다.
기업의 콘텐츠 관리 시스템인 ECM은 기능에 따라 크게 세 가지로 나눌 수 있다. EDM(Enterprise Document Management), DAM(Digital Asset Management), WCM(Web Content Manage ment) 등으로 나눌 수 있다. 쉽게 말해, 관리하는 컨텐츠가 문서인지, 디지털 자산인지, 웹 컨텐츠인지에 따라 나뉜다고 할 수 있다.
ECM = EDM + WCM + DAM
ECM이란 기업의 문서 체계를 지원하는 시스템이다. 문서 업무의 프로세스를 자동화하는 것이다. 문서 체계를 시스템화하면 간편하게 필요한 정보를 검색하고 불러올 수 있다. 또한 자주 사용되는 문서는 재작성할 필요없이 재활용할 수 있도록 액세스 및 검색 절차를 크게 간소화해준다.
ECM은 엄청나게 많은 분야에서 응용할 수 있다.
임직원 별 콘텐츠 접근 권한을 관리
금융, 통신 등의 기업정보 포털을 지원하는 EP(Enterprise Portal) 영역
상품 카탈로그 정보 및 상품 페이지 관리 기능 및 온라인 판매(B2C/ B2B)
사이트의 상품 목록 등 전자 카탈로그 관리 영역
개인화 콘텐츠와 셀프 서비스 사이트
콜센터 지원 등이 가능한 온/오프라인 CRM 영역
그 외 콘텐츠 포털, 콘텐츠 신디케이션, 콘텐츠 유통, 엔터테인먼트 포털, 콘텐츠 비즈니스 업체 등의 콘텐츠 비즈니스 등
ECM의 특징은 무엇인가? ECM은 XML을 메타 데이터 표현 도구로 사용한다. 메타 데이터란 데이터를 위한 데이터이다. 예를 들면 목차와 같이 책 페이지에 대한 목록이다. 기존에는 메타 정보를 개발자가 임의로 정의했다. 이 때문에 타 시스템으로 전환하거나 콘텐츠의 외부 전달 시 메타 데이터까지 주고 받는 것에 대해서는 전혀 기대하지 못했다. 하지만 ECM을 활용해 태그 정보를 주고 받을 수 있다면 달라진다. 특히 제조업에서는 여러 부품의 소프트웨어가 손쉽게 상호 연동할 수 있게 된다.
책을 분류하는 문헌정보학에서도 메타 정보는 300여 가지에 이를 정도로 복잡하고 다양하다. 제조업에서는 분류하기 위해서 더욱 더 많은 항목이 있다. 이처럼 항목을 사전에 한꺼번에 정의하는 것은 비현실적이다. 따라서 사용자가 직접 메타 항목을 정의하고 이에 따른 입력 형식을 구현하는 시스템을 만들어 놓기만 한다면 기업 내에서 문서 작업이 엄청나게 편리해진다.
두번째 특징은 모든 자료의 내용을 포털 체계에서 조회 및 검색이 가능하다. 포털 구조를 지원하기 때문에 외부의 전문 포털 시스템과 유기적으로 운용할 수 있다. 예를 들어, 검색 엔진은 기본적으로 채택하는 사양이다. 소프트웨어에 따라서는 워드나 OA 자료, 심지어 OCR을 이용하여 인식한 문자로 스캐닝한 문서까지도 검색할 수 있다. 무엇보다 내용 기반의 검색은 기존의 메타 정보에 의한 검색보다 수십 배나 많은 자료를 찾아줄 수 있다. 또한 메타 데이터와 함께 활용하면 효과적이다. 예를 들어, 검색한 색인어가 존재하는 페이지만 건너뛰면서 조회하는 방식으로 더 빠르게 필요한 자료인지를 판단할 수도 있다.
콘텐츠 관리 시스템을 특징짓는 또 하나의 기능이 웹 출판 기능이다. 기존 홈페이지의 경우에는 웹 상에 새로운 내용이나 변화를 위해서는 디자이너와 프로그래머를 동원해야 했다. 혹은 직접 HTML 작성 방법을 배워야만 가능했다. 하지만 ECM에서는 템플릿에 의거해 기술하기만 하면 희망하는 위치와 형태로 웹상에 출판할 수 있다. 블로그나 카페를 HTML이 모르더라도 운영할 수 있는 것이 그 예이다.
세 번째 특징은 정형화되지 않은 문서도 관리가 가능하다는 점이다. 이는 OA(Office Automation, 사무자동화) 자료를 위주로 저장-관리를 하는 기존의 EDMS와는 다른 점이다. ECM에서는 반 정형화된 HTML이나 XML 문서도 대상이며, DBMS에서 관리하고 있는 수치 위주의 정형화된 자료까지도 관리 대상이라는 점이다. 다시 말해, ECM은 데이터 파일, 보고서 형식의 자료 혹은 DB의 각 테이블을 연관하여 콘텐츠 자산화를 한다. 이는 ERP나 인적자산관리(HRM), 데이터웨어하우징(DW), 고객관계관리(CRM), MIS 등 여러 가지 시스템과 상호 연동하여 운영 가능한 확장성으로 이어진다.
마지막으로 ECM은 특수화에 손쉽게 대응할 수 있다. 기존의 다양한 요소 소프트웨어들을 종합적으로 확장한 시스템이기 때문에 업무 분야에 따라 유연하게 필요한 부분만 가져다 쓸 수 있다. 기존 EDMS나 WCM보다 구축하기에는 훨씬 복잡하지만 단기간에 이용자의 요구에 대한 대응이 가능하여 도입 기간을 많이 소요하지 않아도 된다.
Digital Twin
디지털 트윈이란 현실 세계를 디지털(데이터)화하는 것을 말한다. 디지털 트랜스포메이션이라고도 부른다. 독일 S사를 벤치마킹하고 있다고 한다. 예를 들어, R&D에서 개발한 기술이 제조에 올라오는 과정이 시스템화가 안되어 있다. 특히 공장설계나 설비 및 사람 배치에 대한 노하우는 있으나 정리가 안되어 있다. 그렇기 때문에 조직 노하우가 쌓이지 못하고 있다. SP(Stored Procedure?, 공장노하우)가 있어야 한다.
이제 공정은 사람에 의존하는 것이 아니라 시스템화 되어야 한다. 현재 엘지의 문제점은 양산 때 문제가 R&D에 피드백이 잘 되고 있지 않다는 것이다. 앞으로 제품생산을 하며 생긴 노하우를 정리하면 데이터 프로덕트라는 것이 생긴다. 데이터 자체로도 상품이 되는 것이다. 중소 기업 차원에서는 이것만으로도 주된 상품이 될 수 있다.
Operation Progress Management
하나의 공정에서 누가, 무엇을, 어떻게 구웠나? 5분동안 습도, 온도는 어떻게 변했는지가 품질에 영향을 준다. 5분에 습도 50%가 최적 조건이라면 이 조건으로 오븐이 실제로 돌아가는지 확신이 없다.
엘레베이터 문제. PLC를 보장하는 것이 중요하다! PLC란 버튼을 눌렀을 때 0. 몇 초만에 이게 반응하느냐에 관한 문제이다. 공정에서는 속도도 중요하지만 기계에 대한 신뢰성 문제도 중요하다. 앞으로 클라우드가 이를 보장할 수 있는가? 이런 고민에서 엣지 컴퓨팅도 나오는 것이 아니겠는가?
통계학도로서 PLC 문제는 분산의 문제라고 생각했다. 평균값을 높이는 것도 중요하지만 분산을 작게 해야 추정이 쉬워지니까. 간단하게 신뢰구간만 생각해도 그렇다. 그 길이가 짧을수록 신뢰구간이 의미가 있다. 분산이 작아질수록 신뢰구간이 짧아지는 것을 생각해보라. 결국 PLC 문제란 신뢰구간 자체가 높은 곳에 위치하는 것도 중요하지만 그 길이가 짧은 것도 중요하다는 말이다.
PLC란?
출처: 위키피디아 클릭
프로그래머블 로직 컨트롤러(영어: programmable logic controller, PLC)는 산업 플랜트의 자동 제어 및 감시에 사용하는 제어 장치이다. PLC는 입력을 프로그램에 의해 순차적으로 논리 처리하고 그 출력 결과를 이용해 연결된 외부장치를 제어한다. 순차제어(sequential control)에 사용되는 대표적 장치이다. PLC는 단독으로 쓰일 수도 있고, SCADA 등의 시스템과 함께 사용되기도 한다.
PLC는 산업현장에서 기계제어 등에 많이 사용한다. PLC는 여러개의 입력과 출력을 갖는다. 광범위한 온도범위에서도 동작해야 하고, 전기적 노이즈에 및 진동과 충격에 강해야 한다. 제어를 위한 프로그램은 배터리 백업 및 비휘발성 메모리에 저장된다. 입력에 대해 실시간 처리 능력을 가짐으로써 정해진 시간의 입력 조건에 대해 출력은 정해진 시간 안에 반응한다.
MES 어디까지 왔는가?
LV 2. 정도라고 생각한다고 한다. 점차 LV 3.로 나아가기 위해서는 기본적으로 많은 데이터가 필요하다.
그렇다면 지금은 데이터가 없나?
있다.
왜 안 되나?
사용한 데이터가 다 틀렸다. 사람이 직접 써낸 데이터는 한계가 있다. IoT에서 데이터를 해결해야 한다.
개인적으로 군대에서 수송 실적 내라고 할 때 각 항공수송반마다 실적을 올리려고 부풀렸던 기억이 난다. 현장에서 데이터를 내라고 하면 절대로 있는 그대로 숫자가 올라오지 않는다. 무엇보다 매번 화물을 포장하고 파레트를 포장할 때마다 용적을 측정하는 것은 불가능하다. 수송이 제대로 되게 만드는 것도 벅찬 현장이다. 그래서 용적은 대충 어림짐작으로 화물 크기를 시스템이 때려넣을 뿐이다. 심지어 무게도 그렇다.
하지만 기계가 자동으로 한다면 적어도 객관적일테고 비교가 가능해질 것이다. 그렇다면 그 데이터는 사용이 가능하겠지...
이렇게 올바른 데이터를 정리하고 R&D에 보내주어야 하는 것이 나의 역할이라는 생각도 들었다.
데이터 사이언티스트의 중요성
Resource - Technology - Man Power
기존에 발견하지 못했던 부분(단순히 엑셀, 미니탭을 사용)은 고급분석을 통해 알게 된다. 하지만 지금은 이러한 분석들이 휘발성으로 나가고 있다. 데이터를 수집해야 한다. 그리고 활용해야 한다. 예를 들어 순간 정전 1/1000 초, 이를 지금은 측정하지 못하고 있다. 그러나 센서가 있다면 할 수 있다.
빵을 만드는 데 파티클이 중요, 공정별로 연결이 안된다. 그런데 지금은 컴퓨터 속도가 발전해서 수백 개의 데이터를 2시간이면 패턴으로 그려준다. 다음 날에 작업자들이 이를 보고 스크리닝하여 공정에 문제가 있는지 여부를 확인한다. 패턴화하는 것이 데이터 사이언티스트의 역할이다.
LG CNS 제품인 FACTOVA기술은 기술일 뿐이다.
기술은 기술일 뿐이다. 어떻게 현장에 적용하는 지가 중요하다.
예를 들어, 아바타라는 영화는 3D 기술과 스토리(내용, 메시지)가 합쳐져서 큰 성공을 거뒀다. 기존의 3D 영화는 기술을 자랑하는 데에 그쳤다. 하지만 아바타는 스토리가 탄탄하고 그것을 어떻게 표현할 것인지를 고민하며 3D기술을 활용했을 뿐이다.
Big Data + Single Data
신기술을 적용할 때엔 고통이 있다. 아직은 AI/ML은 초보적이다. ML도 데이터가 잘못된 경우이거나 혹은 알고리즘이 잘못된 경우가 있다. DI(프로세스 혁신) 증대해야 한다. 그리고 표준화해야 한다. 이를 빠르게 하는 것이 IT의 역할이다.
기술을 적용하는 과정분석가는 공정에 대해 잘 모른다. 하지만 현장에서 업무를 설명하는 것은 힘들다.
그래서 분석가가 스스로 현장을 공부해야 한다.
방법1 - 팀 프로젝트에서 타협의지를 높인다.
방법2 - 현장으로 2년동안 분석가를 보낸다.
