AI가 제조·가공 산업을 혁신하는 방식: 맷 댄포드 인터뷰

Modern Machine Shop 선임 에디터이자 'Data Matters' 칼럼니스트인 맷 댄포드가 머신 숍에서 인공지능(AI)의 역할에 대해 이야기했습니다. 그는 머신 모니터링에서 머신 러닝으로 나아가는 경로를 제시합니다. 현재 가공 현장에선 CNC에서 머신 모니터링 시스템으로 데이터를 수집합니다. 다음 논리적 단계는 머신 러닝으로 그 데이터 속에서 공정 개선 기회를 찾는 것입니다. 아래는 대화 전문입니다. 또한 Modern Machine Shop과 자매지 Additive Manufacturing의 AI와 제조업 교차점을 다룬 기사 모음도 다운로드 가능합니다.

대담 전문

피터 젤린스키, Modern Machine Shop

피터 젤린스키입니다. Modern Machine Shop 매거진입니다. 오늘은 선임 에디터 맷 댄포드와 함께합니다. 맷, 시간 내주셔서 감사합니다.

맷 댄포드, Modern Machine Shop

천만에요.

피터 젤린스키

맷은 우리 잡지에서 디지털 기술을 담당합니다. 아직 제조 현장에 완전히 자리 잡진 않았지만 다가오고 있는 기술들을 다루죠. 월간 칼럼 'Data Matters'에서 이에 대해 씁니다. 오늘은 머시닝 시설에서 AI가 맡을 역할에 대한 맷의 견해를 들어보려 합니다.

맷 댄포드

AI에 대한 관심이 뜨겁습니다. 하지만 방문하는 독자 대부분에겐 아직 먼 이야기처럼 느껴집니다. 당장은 머신 러닝보다 머신 모니터링에 더 관심이 많죠. 하지만 머신 모니터링이 실은 첫 단계입니다. 머신 러닝( AI의 부분집합)의 진정한 약속은 데이터 분석이기 때문입니다. 머신 모니터링 시스템, 숍 관리 및 ERP 시스템이 그 분석에 필요한 원시 데이터를 제공합니다. 독자들이 인지하든 않든, 이는 아직 오지 않은 미래 역량으로 가는 첫걸음입니다.

피터 젤린스키

좋습니다. 머신 모니터링이 오늘날의 단계라고 하셨는데, 구체적으로 무엇을 의미합니까?

맷 댄포드

기본적으로 컨트롤에서 직접 데이터를 폴링하거나, 공작기계 여러 부품에 부착한 센서에서 데이터를 가져옵니다. 이는 예방 정비 등에 활용됩니다. 가장 흔한 사례는 CNC 데이터를 폴링해 기계 성능을 확인하는 것입니다.

피터 젤린스키

현장에 가면 파이 차트나 빨강·노랑·초록 표시 모니터가 점점 늘고 있습니다. 머신 모니터링을 제대로 하려면 무엇이 필요할까요?

맷 댄포드

전문가들과 숍 관계자들이 공통으로 강조하는 건 '인내심'입니다. 한 번에 모든 걸 기대하지 말고 천천히 가라는 거죠. 최근 방문한 곳에선 단순히 '뭐가 언제 돌아가나'부터 시작했습니다. 관리자 수준뿐 아니라 ERP와 연동해 각 워크스테이션에 페이싱 바를 설치, 작업자와 셋업·가동 인원이 현재 진도를 알 수 있게 했습니다. '지금까지 몇 개를 만들었어야 하는가'를 보여주는 거죠. 모두가 현황을 파악하는 기본 목표에서 출발합니다. 정의 통일도 중요합니다. '사이클 중'이란 무엇을 의미하는가? 공구 교환 시간도 포함되는가? 이런 기초를 다지지 않고 도입하면 환멸만 느끼고 원하는 결과를 얻지 못합니다.

피터 젤린스키

왜 가치가 있습니까? 여전히 머신 모니터링 이야기지만, 왜 이리 중요한가요?

맷 댄포드

첫째, 현재 위치를 정확히 아는 겁니다. 전문가들에 따르면 시스템 설치 후 자신이 생각만큼 잘하지 못한다는 사실에 놀란 숍이 많습니다. 그 현실을 직시해야 합니다. 데이터는 거짓말을 하지 않습니다. CNC에서 나온 데이터는 조작할 수 없고, 이벤트 발생과 기록 사이에 지연도 없습니다. 자신의 편견을 걷어내고 실제 성과를 보고 의사결정할 수 있게 해줍니다.

피터 젤린스키

머신 모니터링에서 머신 러닝으로 가는 경로를 말씀하셨습니다. 머신 러닝이란 무엇이고, 그 경로는 어떻습니까?

맷 댄포드

머신 러닝은 AI의 부분집합입니다. 정의가 '학습'이란 단어에 담겨 있죠. 기존 프로그램이 프로그래밍한 것만 수행하는 반면, 머신 러닝 알고리즘은 시간이 지나며 데이터가 쌓일수록 스스로 개선됩니다. 전형적인 예가 이미지 인식입니다. 개와 고양이 사진을 더 많이 학습시킬수록 구별 능력이 향상됩니다. 우리 분야에 적용하면, 역시 핵심은 데이터 분석입니다. 머신 모니터링, 숍 관리 시스템 등이 제공하는 방대한 원시 데이터에서 사람이 발견하기 어렵거나 불가능한 패턴과 상관관계를 찾아냅니다. 그렇지 않으면 엄청난 시간과 노력이 들겠죠.

피터 젤린스키

… 머신 모니터링 시스템에서 쏟아지는 데이터가 너무 많아 일일이 활용하기 어렵고, 그 속에 숨은 귀중한 통찰이 가려질 시점을 예상하신 거군요.

맷 댄포드

정확합니다. 어떤 기능이 나올지 아직 모릅니다. ERP 업체들이 머신 러닝을 연구 중이지만 아직은 전망 단계입니다. 하지만 반드시 옵니다. 지금 할 최선은 시스템을 가동하고 숍 관리를 21세기로 데려오는 것입니다.

피터 젤린스키

맷, 어느 정도 가까이 와 있다고 보십니까? 머신 러닝 형태의 AI가 산업 도구로, 제조 현장에서 쓰이려면 얼마나 남았나요?

맷 댄포드

예단하기 어렵습니다. 모든 게 전망입니다. 정당한 과대광고도 많죠. 큰 영향을 미칠 테니까요. 한 가지 시각으로 보면, 제조업체가 구글을 쓰는 정도가 이미 산업 도구로서의 AI입니다. 구글 검색엔 이미 AI가 쓰이지만 아무도 대대적으로 발표하지 않았죠. 제조 현장에도 그렇게 스며들 겁니다. 소프트웨어에 자연스럽게 녹아들어, 우리가 의식하지 못한 채 쓰게 될 겁니다. AI의 이상은 정신적 작업을 자동화하는 것이니, 우리가 신경 써서 관리해야 한다면 제구실을 못 하는 셈입니다. 그냥 나타나서 쓰게 될 겁니다.