AI가 이끄는 제로 웨이스트 제조: 공장과 공급망의 혁신

폐기물 없는 세상을 원한다면, 인간의 두뇌만으로는 달성하기 어려울 수 있습니다.

오늘날 비즈니스의 많은 측면에서 그렇듯, 해답은 인공지능(AI)에 있습니다. 특히 제조 현장에서 발생하는 산업 폐기물을 제거하는 AI의 능력에 주목해야 합니다.

산업 흐름 운영을 효율화하는 AI 기업 누들.ai(Noodle.ai)의 CEO 스티븐 프랫(Stephen Pratt)은 이 신생 기술을 "공장과 공급망이 본연의 방식으로 돌아가게 하는 도구"로 봅니다. 즉, "원자재부터 선반까지 끊김 없는 흐름"을 실현하는 것입니다.

물론 공장 내외부의 폐기물 제거는 수십 년간 공급망 임원들의 집착 대상이었습니다. 1940년대 후반 시작된 토요타 생산 시스템(TPS)은 일본의 '무다(無駄, 낭비)' 7가지를 정의했습니다. 최근에는 린(Lean) 생산과 적시 생산(JIT) 이론이 공장 부품 공급과 창고 완제품 출하에서 관리자들이 '과잉 재고'로 여긴 것들을 걷어냈습니다. (불행히도 그 정도가 지나쳐 코로나19 팬데믹 기간 소비재 수요 급증 때 많은 소매업체가 재고 부족을 겪었습니다. 한 사람의 '린' 공급망은 또 다른 사람의 '품절' 사태가 되기도 합니다.)

과거의 폐기물 제거 이론들이 공장에서 실제 결과보다 책과 논문을 더 많이 낳은 건 아닌지 의문입니다. 프랫에 따르면 세계은행은 오늘날 전 세계 산업 폐기물이 도시 고형 폐기물(우리가 '쓰레기'라 부르는 것)의 18배에 달한다고 추산합니다.

공정하게 말해 린, JIT, 식스 시그마, 제약 이론(TOC) 등 첨단 계획 도구들이 공장 안팎의 관리 관행에 뚜렷한 족적을 남겼습니다. 생산 폐기물은 크게 줄었지만 여전히 연간 2조 달러(약 2,600조 원) 규모의 문제로 남아 있습니다. 프랫은 "어디에도 완벽한 흐름 상태는 없다"며 "많은 공급망이 고정된 비즈니스 규칙을 갖고 있지만, 재고 계획가에게 물어보면 그 규칙이 틀렸다는 것만 안다"고 말합니다.

여기에 AI가 폐기물 관리의 새로운 접근법을 제시합니다. 프랫에 따르면 차이는 복잡한 알고리즘을 활용해 과잉 부품·제품·관행이 작업 흐름을 막으려 할 때를 예측한다는 점입니다. 이런 경고 덕분에 인간이 문제 발생 전에 개입해 제품 흐름에 미치는 영향을 차단할 수 있습니다.

AI를 생산 폐기물 공격에 특화해 활용한 지는 10년도 안 됐지만, 프랫은 이미 "놀랍도록 효과적"이라고 평가합니다. 자재 소요량 계획(MRP), 전사적 자원 관리(ERP) 같은 기존 제조 애플리케이션은 느린 컴퓨터와 비싼 데이터 때문에 제약이 있었습니다.

프랫은 "그 기술들의 골칫거리는 생산 수율과 납기 평균치를 가정한다는 점"이라며 "이는 지구상 평균 신발 사이즈를 논하는 것과 같다. 평균과 현실의 차이가 전 세계 폐기물의 약 절반을 차지한다"고 설명합니다.

도요타의 7가지 무다(운반, 재고, 동작, 대기, 과잉 생산, 과잉 가공, 불량)는 일본 산업 엔지니어 오노 다이치(大野耐一)가 정의했습니다. AI가 개입하면서 프랫은 개념을 공장 밖 공급망 전체로 확장해 오늘날 공급망의 4대 폐기물 영역을 다음과 같이 제시합니다:

• 불량 제품. 생산 공정 끝까지 간 불량품은 폐기해야 합니다. 제조업체 손실은 연간 약 8,610억 달러(약 1,120조 원)입니다.
• 공장 설비 고장. 비계획 가동 중단은 "거대한 문제"로 연간 6,890억 달러(약 895조 원) 비용이 듭니다.
• 유통 오류. 공장에서 완벽한 제품이 나와도 현재 IT 시스템이 시간·장소·수량 기준을 못 맞춰 유통 단계에서 멈춥니다. 과잉 재고 비용은 연간 약 4,460억 달러(약 580조 원)입니다.
• 빈 선반. 없는 것이 폐기물 같지 않지만, 고객 구매 시 품절 확률 약 9%를 두려워한 소매업체가 공급망에 재고를 쏟아붓습니다. 그 결과 "필요 이상으로 생산하게 된다"는 게 프랫의 지적입니다.

오늘날 계산용 평균 컴퓨터는 2000년 세계 최고 슈퍼컴퓨터보다 2,000배 빠릅니다. 이런 컴퓨팅 파워 덕분에 사상 처음으로 위 4대 영역을 효과적으로 공략할 수 있게 됐습니다.

AI의 역할은 기술통계 분석에서 처방 분석으로 급속히 이동 중입니다. 현재 AI 시스템은 이상 징후를 스캔하고, 임박한 징후를 관리자에게 알리고, 사건 결과를 예측하고, 시정 조치를 권고합니다. 프랫은 "불량품을 내지 않도록 공장을 어떻게 조정할지도 알려준다"고 덧붙입니다.

이것이 사람을 완전히 배제한다는 뜻은 아닙니다. 프랫은 AI의 무차별 연산력과 인간의 창의성·통찰력을 결합한 이상적 시스템을 지향합니다. 어떤 척도로 봐도 AI가 제조 현장, 나아가 더 넓은 세상에서 약속을 다 이행하려면 아직 갈 길이 멉니다.

최첨단 기술 수용은 점진적일 것입니다. 하지만 프랫은 월마트 같은 대형 소매업체가 공급업체에 완벽한 성과를 요구하면서 AI 성숙이 가속화되고 있다고 봅니다. 그런 기준을 맞출 수 있느냐가 "존속과 도산의 차이"가 될 수 있다고 말합니다.