제조업의 AI 및 빅 데이터에 대한 PwC의 5분

Manufacturing Global은 PwC 중동의 Kaveh Vessali와 이야기합니다. 제조 분야의 AI 및 빅 데이터 적용에 대한 파트너(디지털, 데이터 및 AI)

인공 지능이 무엇이며 빅 데이터가 무엇인지 정의해 주시겠습니까?

인공 지능은 환경을 인식하고 일반적으로 인간의 지능이 필요한 작업을 수행하는 기계의 능력이며 다양한 기술, 기술 및 응용 프로그램의 전체 분야입니다.

빅 데이터는 매우 큰 데이터 집합을 처리하고 작업하기 위한 도구 및 기능 집합입니다.

AI와 빅 데이터는 어떻게 함께 작동합니까?

빅 데이터는 AI를 가능하게 하는 요소 중 하나일 뿐이지만 데이터의 양이 증가함에 따라 가장 중요한 요소 중 하나입니다. 

제조 환경에 어떻게 적용할 수 있습니까?

대체로 AI와 데이터 사용에는 비용 절감, 인적 오류 최소화, 생산성 및 효율성 증대 등 많은 이점이 있습니다. 고려해야 할 중요한 사항은 어떤 설정이든 - 어떤 기술을 사용하든 - 해결하려는 문제가 무엇입니까? 단순히 반복적인 작업을 자동화하거나 더 나은 더 빠른 결정을 내리기 위해 인간과 기계가 협력하도록 하여 공장에서 작업의 본질을 재발명하는 것입니다.

제조업체가 스마트 제조 기능을 도입할 때 AI와 빅 데이터를 사용해야 하는 이유는 무엇이며 제조업체에 어떤 가치가 있습니까?

한 가지 견해는 다음과 같은 결과로 제조 분야에서 발생하는 AI의 경제적 이점입니다. 

1. AI 기술의 다양한 적용으로 프로세스를 자동화하고 기존 노동력의 작업을 증대함으로써 생산성이 향상됩니다.

2. 고품질 디지털 및 AI 강화 제품 및 서비스와 함께 제조된 제품을 개인화하고 맞춤화할 수 있는 능력 향상으로 인한 소비자 수요 증가.

제조(및 건설 산업)는 본질적으로 자본 집약적이며 2018년 보고서 "중동에서 AI의 잠재적 영향"에서 AI 애플리케이션을 채택하면 해당 부문이 GDP 증가에 기여하는 부분이 2030년까지 12.4%. 

AI와 빅 데이터는 인더스트리 4.0 혁명에서 제조업체가 진화하는 데 어떻게 도움이 될 수 있습니까? 이미 Industry 5.0을 보고 있는 사람들은 어떻습니까?

비즈니스의 미래를 보장하기 위해 지금 하는 투자에 관한 것입니다.

우리는 일반적으로 AI 채택에 대한 두 가지 광범위한 전략 또는 접근 방식을 봅니다. 빅 데이터에 의존하지 않고 즉시 할 수 있는 일이 있습니다. 예를 들어, 컴퓨터 비전과 관련된 기술을 Sensing이라고 부르는 기술을 채택하는 것입니다. 자동 오류 감지와 같이 제조에서 즉시 사용할 수 있는 사용 사례가 많이 있습니다. 그러나 점점 더 가치 있는 머신 러닝 기반 AI 사용 사례를 개발하기 위해 데이터에 대한 투자(올바른 수집 메커니즘, 스토리지, 데이터 거버넌스, 빅 데이터 기능 등)를 필요로 하는 장기적인 플레이가 있습니다. 이것은 장기적인 채택 성공을 위해 절대적으로 필요합니다.

제조 분야에서 AI와 빅 데이터의 가치를 실현하고자 하는 조직을 위한 최상의 전략은 무엇입니까?

AI와 빅 데이터는 성공적인 스마트 팩토리의 일부일 뿐입니다. AI 도입을 주도하는 조직은 이미 핵심 비즈니스 프로세스의 디지털화에서 가장 많은 진전을 이룬 조직입니다. AI 솔루션을 대규모로 사용하기 위해서는 다음을 포함하여 여러 가지 기술 투자와 조직적 결정을 내려야 합니다. 

1. 프로세스를 디지털화하면 궁극적으로 데이터 생성 능력이 향상되고 제조 환경에서 수백 개의 센서가 실시간으로 1000개의 측정값을 생성하는 결과가 빅 데이터입니다. 데이터는 AI 구축의 핵심이므로 안정적이고 정확한 데이터 수집, 관리 및 거버넌스가 핵심입니다. 생산 라인과 공장은 데이터 수집 프로세스에서 중요하고 직접적인 역할을 합니다.

2. 장단기 AI 전략은 사용 사례, 비즈니스 애플리케이션에서 시작됩니다. 제조업체는 AI를 어디에 사용할 것인지 묻고 이러한 사용 사례를 함께 수집하고 예상되는 영향과 구현의 복잡성 간의 균형을 기반으로 프로젝트의 우선 순위를 지정해야 합니다.

물론 기술 및 비즈니스 프로세스 외에도 성공적인 기술 채택의 중심에는 사람이 있습니다. AI 팀은 데이터 과학자뿐만 아니라 작업을 수행할 수 있는 데이터 엔지니어 및 솔루션 설계자, 정확성을 보장하는 데이터 관리자, 비즈니스 리더 및 기술 전문가와 소통할 수 있는 "Analytics/AI 번역가"로 점점 더 많이 구성되어야 합니다. . 문화도 중요하며 제조업체는 데이터 및 AI 기반 문화를 활성화하여 직원들에게 AI와 그 기능, 가치를 추출하는 최선의 방법에 대해 교육함으로써 데이터와 알고리즘에 대한 신뢰를 구축해야 합니다. 물론 긍정적일 뿐만 아니라 기대치를 설정하지 않은 상태에서 마주하게 되는 위험과 한계는 투자 의지에 상당한 영향을 미칠 수 있습니다.

제조에 AI와 빅 데이터를 도입할 때 어떤 어려움이 있습니까?

AI 구현의 주요 과제 중 하나는 ROI(투자 수익률)에 ​​대한 불확실성입니다. 앞서 말했듯이 장기적인 데이터와 AI 전략이 성공하기 위해서는 상당한 투자가 필요하며, 가시적인 수익을 보기 위해서는 시기에 대한 기대치를 현실적으로 설정해야 합니다.

많은 기업들은 또한 데이터 측면에서 어려움을 겪고 있습니다. AI 시스템이 작동하는 데 필요한 데이터를 수집 및 제공하고 정확한지 확인하는 것입니다. 다시 말하지만, 이는 디지털화에 더 많은 투자가 필요함을 의미합니다.

우리 연구에서 대규모로 AI를 구현하는 제조 회사의 주요 과제는 다음과 같습니다.  

• 40% → 기술이 성숙하지 않음  
• 40% → 인력이 AI 구현 및 관리 기술 부족  
• 36% → 투자 수익의 불확실성  
• 33% → 데이터가 아직 성숙하지 않음 
• 32% → 투명성과 신뢰 부족  
• 24% → 직장협의회 및 노동조합  
• 22% → 국내 및 주요 시장의 규제 장애물  

여기서 특히 신뢰 부족과 노동 조합과 관련하여 강조된 한 가지 요소는 AI가 일반적으로 미디어에서 근로자를 "대체"하고 일자리를 얻는 것으로 잘못 표현된다는 것입니다. 예, 첫 번째 산업 혁명 이후로 자동화를 통해 효율성을 높일 수 있습니다. 그러나 우리는 데이터와 AI가 직원을 보강하고 직원의 능력과 제조되는 제품을 향상시키는 데 사용될 때 가장 가치가 있다고 믿습니다.

우리가 보기 시작한 또 다른 과제는 스마트 공장에서 상호 연결된 장비와 기계를 점점 더 표적으로 하는 사이버 공격입니다. PwC는 최근 미국 제조업 협회 및 Microsoft와 협력하여 이에 대해 논의하기 위해 웹캐스트를 개최했습니다.

제조업에서 AI와 빅데이터의 현재 동향은 무엇입니까?

• 엔지니어링, 조립 및 품질 테스트와 같은 핵심 생산 프로세스에 AI 솔루션을 추가하는 데 기업들이 약간 더 집중하는 것을 볼 수 있습니다. 
• 코로나19 프로토콜 준수를 위한 일상적인 시나리오에서 프로토콜 준수 기능에 채택된 기술(예:특정 기계와의 안전 거리 유지)이 채택됨에 따라 안전은 매우 중요합니다. 
• 제조 프로세스와 관련된 대형 기계의 예측 유지보수 및 공급망 최적화에 상당한 관심이 있습니다.

향후 12-18개월 동안 제조 분야의 AI 및 빅 데이터 산업에서 어떤 일이 일어날 것으로 보십니까?

솔직히, 나는 우리가 지난 12-18개월 동안 이미 가던 길을 계속 보게 될 것이라고 생각합니다. AI와 데이터는 이미 제조 분야에서 사용되고 있지만 이러한 사용은 예를 들어 의료 분야만큼 미디어에서 주목을 받지는 않지만 성공 사례가 있으며 운영이 디지털 여정을 계속함에 따라 계속될 것입니다.