‘AI 옷입은 SDF’ 제조 혁신 중심에 서다

자율제어·모니터링 통해 현장 컨트롤

자동화·효율 및 생산성 향상 등 ‘이점’

현대차·기아 ‘SDV·SDF’ 연결해 ‘혁신’

미라콤아이앤씨, 생성형 AI 기술 공개

기존 레거시 시스템 통합과정도 문제

보안 위험 증가 가능성 해결은 필수

[정보통신신문=김연균기자]

대량 생산 체계를 기반으로 발전해 온 제조업이 사물인터넷(IoT), 클라우드 컴퓨팅, 디지털트윈 등이 도입되면서 변화의 중심에 서게 됐다. 특히 인공지능(AI)이 접목된 ‘소프트웨어 정의 공장(SDF : Software-Defined-Factory)’은 새롭게 각광받는 제조 패러다임으로 제조 환경 모든 요소와 프로세스를 소프트웨어로 정의하고 제어, 최적화한다는 특징이 있다.

■무선 네트워크 기반 SDF 확산

SDF는 소프트웨어가 공장 내 모든 인프라를 관장한다.

현장의 물리적 장비 등은 소프트웨어 정의를 통해 자율제어와 실시간 모니터링이 가능하고, 소프트웨어 기반으로 AI·IoT·클라우드·빅데이터·디지털트윈 등 차세대 기술 활용폭이 넓어진다. 이를 통해 자동화 요소 강화, 비용 절감, 효율성 향상, 생산성 최적화, 인프라 유연성 강화, 리스크 최소화 등 이점 달성을 가능케 한다.

SDF 구현을 위해서는 현장에서 발생하는 다양한 데이터를 안정적으로 수집하고 처리 가능한 인프라가 필요하다.

예를 들어 IoT 센서, 비전 카메라 등 다양한 디바이스로부터 온도, 압력, 진동, 영상 등의 데이터를 실시간으로 수집해야 하며, 확보된 데이터가 전송되기 위해서는 산업용 이더넷을 포함한 무선 네트워크, 5G 등 네트워크 망이 구축돼야 한다.

현재 SDF는 다양한 산업 분야에서 도입되고 있다.

최근의 자동차 산업은 제품 설계·기획부터 자동화와 디지털트윈 등을 도입해 소프트웨어 기반의 생산 라인을 가동하고 있다. 이러한 생산 라인은 부품 조립 공정을 시뮬레이션하고 최적화함으로써 문제를 사전에 발견한다.

특히 SDF는 다품종·맞춤형 생산에 유연성을 제공한다. 차량 모델이나 옵션이 변경될 때 기존 물리적 설비 변경없이 생산 공정의 흐름과 파라미터를 재구성할 수 있어 시스템을 사용할 수 없는 다운타임을 감소시키고 생산 효율을 향상시킬 수 있다.

설비 투자 비용이 큰 반도체 산업에서도 SDF의 가치는 상승 중이다.

하나의 반도체 제품이 나오려면 수많은 제조공정이 수반된다. 단위 제품 출시를 위해서는 모기판에 에피텍시(Epitaxy), 에칭(Etching), 불순물 주입, 식각, 광 노광 등 제품 목적에 맞는 공정 과정을 선택한다. 공정 과정이 끝나면, 외부 환경에 반도체를 보호하기 위한 패키지(Package) 단계를 거쳐 최종적으로 제품이 출시된다.

만약에 공정에 필요한 한 대의 장비 가동이 멈춘다면 생산에 큰 차질이 발생한다.

반도체 산업에서 AI와 센서 데이터를 활용한 ‘설비 상태 예측 관리’는 이러한 우려를 잠재우는 역할을 한다.

한 보고서에 따르면 AI 기반 예지정비시스템을 도입하면 설비 가동시간은 10~20% 증가하고 유지보수 계획에 소모되는 시간은 50% 단축되며, 부품 비용도 10% 절감되는 것으로 알려져 있다.

■기업 기술개발 역량 촉진제

산업별로 SDF의 가치 차이는 있지만 AI에 기반을 둔 보편적 가치는 기업들의 기술개발 역량을 촉진하고 있다.

몇몇 사례를 살펴보자면, 현대차·기아는 소프트웨어 중심 자동차(SDV : Software Defined Vehicle)와 SDF 개념을 연결하고 있다. SDV와 SDF는 변화 주체가 차량인지 공장인지만 다를 뿐, 결국 하드웨어에서 소프트웨어 중심으로 변화한다는 점에서 공통점을 갖고 있다.

SDF는 데이터 연결과 디지털 전환을 통해 고객의 요구사항이 반영된 제품을 누구보다 빠르게 제공하는 SDV 생산 기지 역할을 수행하게 된다.

현대차그룹은 SDF 구현을 위해 하드웨어와 소프트웨어를 분리하고, 제조 시스템의 아키텍처를 △하드웨어 △제어 △데이터 플랫폼 △애플리케이션 등 4개의 레이어로 구분했다. 이로써 하드웨어와 소프트웨어를 독립적으로 개발할 수 있고 생산 공장의 운영 현황을 실시간으로 파악할 수 있으며, 전 세계 공장을 최신 생산 알고리즘으로 지속적으로 업데이트할 수 있다.

‘네오팩토리’는 현대오토에버의 SDF 솔루션을 아우르는 자체 브랜드다. ‘네오’의 ‘3N’은 더 새로운 기술(NEO Technology), 더 새로운 생활(NEO Life), 더 새로운 경험(NEO Experience)을 제공한다는 의미를 뜻한다.

최근 현대오토에버는 ‘2025 스마트공장·자동화산업전(AW 2025)’ 팩토리 시연 존에서 미니 생산라인을 직접 시연하며 △협동 로봇 △차량 이동 로봇 △외장 검사용 AI 비전 시스템 등이 어떻게 연계돼 작동하는지를 관람객들이 직접 확인할 수 있도록 했다.

특히 자동차와 로봇설비를 설치한 팩토리 시연 존에서 거대언어모델(LLM) 기반 AI 에이전트가 미니팩토리를 자율 제어하는 시연에 관람객들의 관심이 쏠렸다.

미라콤아이앤씨의 제조실행시스템(MES) ‘Nexplant MESplus’는 생성형AI를 접목한 기술이다. 이 시스템은 사용자가 일상적인 언어로 질의하면 특정 기간 생산 성과, 불량률, 원자재 사용 데이터 등 핵심 제조 정보를 즉각적으로 제공한다.

또 에너지관리시스템인 FEMS와 제조 공정 및 설비에서 발생한 빅데이터를 분석하는 솔루션인 BDA, 3차원(3D) 기반 물류 모니터링 솔루션인 FMB DT, 물류자동화시스템인 AMHS, ERP 솔루션인 SAP S4/HANA 클라우드 등 다양한 솔루션을 보유하고 있다.

■SDF에 거는 기대만큼 과제도

SDF 구현으로 기대되는 효과를 위해서는 몇 가지 검토해야 할 부분도 존재한다.

최근 KISDI AI Outlook에 게재된 임규혁 슈타켄 수석연구원의 ‘AI 기반 소프트웨어 정의 공장을 활용한 제조 혁신’ 보고서를 주목할 필요가 있다.

먼저 임규형 수석연구원은 “기존 레거시 시스템과의 통합 과정은 결코 쉬운 것이 아니기 때문에 초기 도입 비용과 시간이 많이 소요될 수 있으며, 이기종 시스템 간 인터페이스 표준화도 중요한 이슈로 작용할 것”이라고 분석했다.

또한 네트워크 기반 제조 환경에서는 보안 위험이 증가할 가능성이 높으며, 데이터 전송과 저장에 대한 안전성 확보, AI 의사결정의 신뢰성 문제 등도 선제적으로 대응할 필요가 있다.

특히 임 연구원은 “법·제도 측면에서는 SDF 확산을 위한 데이터 표준화, 인증 체계, 지적재산권 보호 등 정책적 지원이 필요하며, 제조 데이터 활용과 관련한 가이드라인도 개선도 요구된다”고 조언했다.

이와 함께 제조 분야 인력의 디지털 역량 부족과 조직 변화에 따른 저항 문제는 SDF 도입을 저해하는 요인으로 작용할 수 있는 만큼 SDF 도입에 필요한 인재 양성과 교육이 필수적으로 요구된다.

끝으로 임 연구원은 “결론적으로 AI 기반 SDF는 제조 분야의 디지털 전환을 가속화하면서 생산성 향상과 유연성 증대라는 중요한 가치를 창출하고 있다”며 “그러나 기술, 정책, 경제 측면에서도 선제적으로 해결되어야 할 과제도 여전히 존재하고 있는 만큼 이를 보완하기 위한 연구와 정책적 지원은 필수이며, 추가적인 연구와 실증 분석을 통해 SDF의 효과성을 지속적으로 검증해야만 제조 분야의 패러다임은 재편될 것으로 기대된다”고 강조했다.