제조 성공 가속화: 통합 생태계를 통한 지속적 가치 창출

코로나19 팬데믹 이후 제조업이 활력을 되찾으면서 디지털 트랜스포메이션 이니셔티브에 대한 관심이 새롭게 집중되고 있습니다. 업계는 고대하던 르네상스의 문턱에 서 있으며, 제조 리더들은 혁신을 수용할 뿐 아니라 가속화하면서 제품 품질 유지와 증산 같은 핵심 프로세스를 관리해야 한다는 게 분명해졌습니다. 효과적인 협업이 이 둘을 잘 해내는 열쇠지만, 인력이 여전히 크게 원격 근무 중이란 점에서 더욱 중요해졌습니다.

바이러스가 전 세계를 휩쓸 때, 승자와 패자가 갈릴 거란 게 금방 드러났습니다. 많은 제조업체가 허를 찔렸죠. 앞서 언급한 제조업의 reckoning(청산/심판) 이전에도, 이 업계는 타 산업을 변모시킨 디지털·데이터 중심 마인드셋 채택이 악명 높게 느렸습니다.

이게 팬데믹 때 적나라하게 드러났습니다. 앞서 수천만 달러 규모의 인더스트리 4.0이나 IoT 이니셔티브를 벌였던 기업들조차 내세울 결과물이 없었습니다. 우리 고객 중에도 MachineMetrics와 일하기 전 수년간 자체 솔루션 구축에 매달려 커스텀 개발과 통합에 수백만 달러를 쓰고서야 초기 가치를 얻은 경우가 있습니다. 불행히도 팬데믹이 터지자 그런 구현을 유지할 자원이 뒷전으로 밀렸습니다. 순간 적응에 필요한 데이터가 없었을 뿐 아니라, 과거 IoT 이니셔티브의 망령에 시달렸습니다. 많은 제조업체가 스마트 제조를 이런 대규모 기업 IoT 이니셔티브와 묶어 생각하다 보니 잠재 가치가 사라졌습니다.

팬데믹 탓만은 아닙니다. 사실 팬데믹 전에도 IIoT 구현은 터무니없이 높은 비율로 실패했습니다(맥킨지 2020년 기준 81%). 여러 요인 탓이지만, 주로 구현·배포가 시간 많이 들고 엄청 비싸기 때문입니다. 결과는 크고, 둔하고, 구현하기 어려운 IoT '이니셔티브'인데 실행 가능한 유스케이스는 없습니다. 오래 걸리고 비쌀 뿐 아니라, 제조업의 만성 인재 부족으로 조직 전반이 IT든 OT든 복잡성을 관리할 지식·기술을 갖추지 못했습니다.

오늘날 질문은: 공장 바닥에서 쓸만한 데이터도 없는데 왜 기업 차원에서 디지털 트랜스포메이션에 투자하나? 스마트 제조는 전담 조직 전체를 필요로 하지 않습니다.

대부분 제조업체에 디지털 트랜스포메이션은 제조 운영의 심장, 즉 제품을 만드는 기계 자산과 그걸 돌리는 사람으로부터 인사이트를 포착하는 것으로 시작해야 합니다. 이 자산들은 아마 모든 제조 조직의 최대 자본 지출일 테고, 초당 수천 데이터 포인트를 생산합니다. 그런데 이 데이터는 포착되지도 분석되지도 않아 효율성 개선을 가로막고 지속적 개선을 질식시킵니다. 오늘날 공장은 여전히 수동 프로세스에 매몰돼 조직 모든 구성 요소에 영향을 주는 대규모 비효율을 낳습니다. 이는 MachineMetrics 벤치마킹 리포트(평균 머신 가동률 30% 미만)에서도 드러납니다.

이 데이터와, 데이터에서 도출된 인사이트(와 행동)는 제조업체가 비즈니스를 성장시키고 경쟁력으로 차별화하는 기반이 됩니다. 사실 머신 레벨에 존재하는 비효율성이 막대한 비즈니스 임팩트를 창출할 수 있는 '가장 손쉬운 과일'일 뿐 아니라, 미래 자동화 다수를 견인할 촉매일 확률이 높습니다.

이게 우리 접근법의 기반이 머신 데이터의 자동 포착·변환(맥락화)을 제공하는 사용하기 쉬운 플랫폼을 전달하는 이유입니다. 이 능력으로 소비 가능한 머신 데이터와 인사이트를 단 몇 분 만에 얻습니다. 이 작업이 실제로는 특정 자산 유형(공작기계 등)에 대해 얼마나 엄청나게 어려운지 강조하고 싶습니다. OPC-UA나 MTConnect로 표준화하면 간단하다고 많은 공급업체가 말하지만, 그 프로토콜을 지원하는 기계는 일부에 불과합니다. MM은 수백 고객의 수천 대 기계를 연결했습니다. 앞서 말했듯 많은 제조업체, 컨설턴트, 시스템 통합업체가 더 큰 IoT 이니셔티브 일환으로 머신 데이터 인프라 휠을 처음부터 재구축하려 시도했고, 성공도는 제각각이었습니다. 수평적 IIoT 플랫폼을 활용해도 이런 개발 노력은 수개월에서 수년이 걸립니다. 머신 데이터 포착·맥락화 메커니즘을 구축해도 유지보수해야 합니다. 이런 솔루션 유지 비용이 감당 안 될 뿐 아니라, 이미 존재하는 걸 개발하는 데 자원을 잘못 배정해 잃는 기회 비용과 가치가 제조업체에 경쟁 열위로 돌아옵니다.

머신 자산에서 정확한 실시간 데이터가 자동 포착·변환되면, 지금 당장의 바닥선 가치와 지속적 가치를 견인하는 견고한 기반이 만들어집니다. 우리는 이 데이터에 가시성과 실행 가능성(알림, 분석, 데이터 트리거 자동화)을 결합하면, 수개월 내 15~20% 가동률 성과 개선을 실현할 수 있음을 발견했습니다.

이 기반이 갖춰지면, 제품 설계부터 생산, 품질, 정비, 물류까지 기업·공장 시스템에 사일로화된 다른 데이터와 이 데이터를 통합해('머신 데이터 디지털 스레드 활용') 끝없는 자동화와 놀라운 가치 창출 기회를 그 어느 때보다 빠르게 열 수 있습니다.

그렇게 하면 제조업체와 파트너 생태계가 가치 달성 가속화, 이니셔티브 실패 리스크 최소화를 위해, 특정 IIoT 이니셔티브에 참여하는 각 주체의 고유 역량을 최적으로 정렬할 수 있습니다.

오늘날 IIoT 생태계는 제조업체, 기계 제조사, 기계 제조사 유통사, 서비스 제공업체, 기술·솔루션 제공업체, 시스템 통합업체, 컨설턴트, 소프트웨어 제공업체로 구성됩니다. 각 참여자는 성공적 IIoT 이니셔티브를 견인할 고유 역량, 전문성, 지적재산권을 가집니다. 이 자원들이 정렬되지 않거나 서브옵티마이즈되면, IIoT 이니셔티브는 약속한 가치 제안을 충족 못 하거나, 통계가 보여주듯 완전히 실패합니다.

제조업체는 어디에 집중해야 할까? 우리는 그들이 깊은 도메인 전문성을 활용하는 영역에 집중해야 한다고 봅니다. MM 플랫폼의 아름다움은 제조업체와, 확장하면 그들의 파트너 생태계가 운영 전반의 핵심 프로세스 최적화와 혁신적 신규 프로세스 창출을 가능케 한다는 점입니다. 분석(ML·AI 알고리즘 포함)은 MM이나 다른 분석 기술을 써서 엣지와 클라우드 양쪽에서 개발·적용 가능합니다. 이 역량과 기술의 정렬이 제조업체에 빠르고 지속적 가치 창출의 최적 공식을 만듭니다.

팬데믹이 보여줬듯, 제조업체는 디지털 트랜스포메이션에 투자 안 할 수 없지만 어디에 노력 집중할지 모릅니다. 핵심 전문성 밖의 것을 재구축하려 드는 서브옵티멀 모델은 최소한 시간·자원 낭비, 더 가능성 높게는 실패와 경쟁사와의 차별화·증분 가치 창출 레이스에서 뒤처지는 결과로 이어집니다.

이 문제 해결과 디지털 팩토리 확산을 위해, 더 단순해져야 합니다. 성공적 IIoT 이니셔티브는 적절한 기술 선정과 이니셔티브 참여 주체들의 올바른 정렬을 요구합니다. 빠른 가치 달성 최적화와 리스크 감소를 위해, 그 정렬은 각 참여자의 고유 기술, IP, 도메인 전문성을 활용해야 합니다. 초점은 즉각적 데이터 변환, 아웃오브박스 애플리케이션, 자동화, 다른 베스트오브브리드 팩토리 시스템과의 통합에 맞춰져야 합니다.

앞서 말했듯 많은 제조업체가 이 힘든 시기에 고통받았고, 그 고통 다수는 그들 손 밖이었습니다. 하지만 지난 1년 우리 모두 큰 손실을 겪었고, 어떤 이는 더 컸음을 이 자리에서 말하지 않을 수 없습니다. 그럼 누가 성공했나? 누가 승자였나? 피봇하고, 대응하고, 적응한 기업들. 운이 아니었습니다. 데이터, 도구, 마인드셋을 갖춰 준비돼 있었기에 가능했습니다.

MachineMetrics의 목표는 제조업체의 현재 노력을 늦추거나 복제하는 게 아니라, 가속화하고 최적화해 그들이 준비되고 민첩하게 유지돼 승자가 되게 돕는 겁니다. 크고 둔하고 구현 어려운 IoT 이니셔티브에 투자한 제조업체들: 이제 즉각 도움되는 버티컬 솔루션 쪽으로 브레이크 밟을 때입니다.

쇠는 지금 가장 뜨겁습니다. 칠 준비 되셨습니까?

MachineMetrics로 빠르게 가치 달성하기

데모 예약