AI로 생산성을 높인 제조업 AI 활용 사례

비용절감이나 생산성 향상 등의 이유로 AI 도입을 고려하는 제조업계가 늘고 있습니다. AI의 활용 분야는 다양하므로 자사에 맞는 시스템을 도입하는 것이 중요합니다. 이번 포스팅에서는 ‘제조업에서의 생성형 AI 활용과 과제’에 대한 설문 결과와 일본 제조기업들의 AI 도입 사례 등을 소개합니다. 아래 내용을 참고하여 귀사에 적합한 AI 기술을 활용해보세요.

현재, 제조업체를 포함한 많은 기업이 생성형 AI 도입을 검토하고 있습니다. 하지만 실제 도입에 나설 때 그 추진 과정에서 여러 가지 문제에 직면하는 기업들도 많습니다. 현재로서는 인력 부족 문제를 해결하기 어렵고, 베테랑 직원에 대한 의존성을 줄이는 것도 힘든 상황입니다. 오늘은 제조업에서의 AI 현황과 AI 도입의 장점, 도입 사례에 대해 설명합니다. 끝까지 읽어보시면 생성형 AI 도입의 이점을 이해하고 기업 내 도입 검토를 가속화할 수 있을 것입니다.

목차

• 제조업의 AI 도입 및 활용 현황

• 제조업의 AI 도입 및 활용에 대한 장점

• 제조업의 AI 도입 및 활용에 대한 단점

• 제조업의 AI 도입 및 활용 사례 10선

• AI 도입 및 활용으로 제조업의 생산성 향상

제조업의 AI 도입 및 활용 현황

제조업계가 현재 ‘AI를 도입하고 있는지’, ‘어떻게 활용하고 있는지’ 등의 현황을 소개합니다.

Salesforce는 제조업계를 대상으로 미디어와 이메일을 활용한 온라인 설문조사를 실시했습니다. 설문 결과 ‘제조업에서의 생성형 AI 활용과 과제’와 관련해 다음과 같은 주요 내용을 밝혀냈습니다.

• 생성형 AI 활용에 긍정적인 기업이 많다

• 문서 관련 업무의 효율화가 기대된다

• 보안 및 인력 문제에 대한 우려

• 실무에서의 응용 및 교육 체계 구축의 필요성

생성형 AI에 대한 현장의 생생한 목소리를 살펴볼 수 있으니 꼭 참고해 보시기 바랍니다.

생성형 AI 활용에 긍정적인 기업이 많다

설문조사에서 “직장에서 생성형 AI를 활용한 경험이 있습니까?”라는 질문에 대한 결과는 다음과 같았습니다.

• 업무에서 활용 중 : 14%

• 시범 운영 중: 22%

• 활용을 검토 중: 27%

• 활용 계획 없음/모르겠음 : 34%

“업무에서 활용 중”, “시범 운영 중”, “활용을 검토 중”을 합산한 63%의 응답자가 활용 의사를 밝혀 많은 기업이 생성형 AI 활용에 긍정적인 것을 알 수 있었습니다.

그러나 “업무에서 활용 중”이라고 답한 비율은 14%에 불과하여, 생성형 AI를 활용하려는 의향은 크지만 실제로 도입된 기업은 아직 극소수에 불과한 상황입니다.

문서 관련 업무의 효율화가 기대된다

제조업에서는 주로 문서 작성 지원 및 요약에 대해 생성형 AI를 활용하거나 도입을 검토하고 있습니다.

생성형 AI의 활용에 긍정적인 응답자에게 “구체적으로 어떤 용도로 생성형 AI를 활용하고 있거나 활용하려고 합니까?”라고 묻자, 다음과 같이 답변했습니다.

• 문서 작성 지원: 64%

• 문서 요약: 47%

• 비즈니스 아이디어의 구체화: 37%

• 지식 접근성 향상: 31%

가장 많이 언급된 항목은 “문서 작성 지원”과 “문서 요약”이었습니다. 제조업은 기술 문서를 포함한 다양한 문서를 다루고 있어, 생성형 AI를 활용하면 이러한 업무의 부담을 줄일 수 있을 것으로 기대됩니다.

또한 “비즈니스 아이디어의 구체화”와 “지식 접근성 향상” 등 아이디어와 노하우와 관련된 문제 해결에도 생성형 AI의 활용이 기대되고 있음을 알 수 있습니다.

보안 및 인력 문제에 대한 우려

생성형 AI 활용을 미루는 이유로 보안 및 인력 문제에 대한 우려가 크다는 점이 꼽혔습니다.

“활용할 계획이 없다”고 응답한 사람들에게 “AI를 활용하지 않는 이유”를 물은 결과, “보안 및 개인정보 보호 문제”가 34%로 가장 많았습니다. 그다음으로 “AI를 다룰 수 있는 인력이 없다”는 응답이 33%로 뒤를 이었습니다.

이 결과는 기업들이 생성형 AI 도입에서 인력 교육과 보안 대책의 중요성을 인식하고 있다는 것을 보여줍니다. 이를 해결하기 위해서는 적절한 보안 시스템 구축과 함께 AI 기술을 다룰 수 있는 인력 확보 및 교육이 필수적입니다.

실무에서의 응용 및 교육 체계 구축의 필요성

생성형 AI를 활용하기 위해서는 스킬 습득이 필요하며, 향후 ‘실무에서의 적용’과 ‘교육체계 구축’이 필요한 실정입니다. 설문에서 “스킬 습득에 효과적이라고 생각되는 접근 방법을 선택해주세요”라는 질문에 대해 다음과 같은 답변이 나왔습니다.

• 사내 실습 및 실무 활용의 기회 제공: 45%

• 전문 인력 확보: 38%

• 사내 교육 체계 구축: 38%

많은 사람이 인재 양성을 위해서는 실무에 적용하는 것이 효과적이라고 생각했습니다.

제조업에서의 생성형 AI 활용 현황과 과제에 대해 더 자세히 알고 싶은 분들은 아래 보고서에서 더 자세히 확인할 수 있습니다. 참고하시길 바랍니다.

제조업의 AI 도입 및 활용에 대한 장점

제조업에서 AI를 도입하면 다음과 같은 장점이 있습니다.

• 비용 절감: AI는 효율성을 높여 불필요한 비용을 절감할 수 있습니다.

• 생산성 향상: AI 기술을 활용하면 자동화가 가능해져 생산성이 크게 향상됩니다.

• 작업 부담 감소: 반복적인 작업이나 고된 업무를 AI가 대신 처리함으로써 직원들의 작업 부담을 줄일 수 있습니다.

자사에 AI를 도입함으로써 얻을 수 있는 구체적인 효과를 파악할 수 있으니, 이를 참고하여 AI 도입을 고려해 보세요.

비용 절감

제조업에서 AI를 활용하면 인건비, 재고 비용 등 다양한 비용을 절감할 수 있습니다. 제조업의 비용이 증가하는 주요 원인은 다음과 같습니다.

• 조달 및 설계 데이터의 종속화: 데이터가 특정 인력에 의존하고 있어, 해당 인력이 빠지면 대응에 큰 비용이 발생합니다.

• 종이 기반의 재고 관리: 종이로 관리되는 재고 시스템에서 인식 오류나 데이터 입력 실수로 과잉 재고나 결품이 발생할 수 있습니다.

• 물류비용 증가: 물류 과정에서의 비효율성으로 추가적인 비용이 발생합니다.

• 생산 공정에서의 인력 과다 요구: 많은 인력이 필요한 생산 공정에서 인건비가 증가합니다.

이러한 문제들은 AI가 탑재된 시스템이나 산업 기계를 도입함으로써 해결할 수 있으며, 주로 다음과 같은 비용 절감으로 이어질 수 있습니다.

• 전문 인력의 공백 해소: 특정 인력에 의존하는 문제가 해소되어, 인력이 빠져도 원활하게 대응할 수 있습니다.

• 데이터 축적과 교육 활용: 수집된 데이터를 활용하여 교육에 적용할 수 있습니다.

• 수요 예측과 재고 관리 최적화: AI를 활용한 수요 예측으로 재고 관리가 최적화됩니다.

• 페이퍼리스화: 종이와 인쇄 비용을 줄일 수 있습니다.

• 최적화된 조달 방법: 효율적인 조달 방법을 명확히 하여 물류비용을 절감할 수 있습니다.

• 산업 기계의 검수 자동화: AI 기반의 산업 기계가 품질 검사를 담당함으로써, 생산 공정에서 필요한 인력을 줄일 수 있습니다.

이처럼 기존에 사람이 해야 했던 업무를 AI가 대신하게 되면 비용 절감이 가능해집니다.

생산성 향상

제조업에서 AI를 활용하면 시간과 노력을 절약할 수 있어 생산성이 향상됩니다. 예를 들어, 가상 공간 내에서 자율 주행 모델링을 할 수 있다면, 컴퓨터 상에서 실제 공간을 재현할 수 있어 위험도가 높은 실험도 가능해집니다.

생산 공정에서도 AI가 탑재된 카메라나 센서를 설치하면 이상 징후를 감지하여, 생산 직원이 일일이 점검할 필요 없이 자동으로 검사가 이루어집니다.

또한, AI의 시뮬레이션을 통해 수요 예측이 가능해지고, 제품의 재고 부족을 방지할 수 있습니다.

AI가 주요 작업을 수행하고, 예외적인 대응만 사람이 하게 되면, 작업 소요 시간을 줄일 수 있습니다. 이로 인해 여유 시간이 생기면, 새로운 제품 및 기술 개발이나 업무 개선에 집중할 수 있어, 더 높은 생산성을 달성할 수 있습니다.

작업 부담 감소

AI 도입은 제조업에서 근무하는 직원들의 부담을 줄이는 데 큰 도움이 됩니다. 특히, 공장에서는 위험한 작업이 많고, 신체적, 정신적으로 부담이 큰 업무가 많습니다.

과중한 업무는 시간이 지남에 따라 집중력이 떨어지기 쉽고, 부상으로 이어질 수 있습니다. 이는 산업 재해로 연결될 수 있기 때문에, 기업에게는 현장 직원들의 안전을 확보하는 것이 중요합니다. 또한, 생산 관리나 설계 업무에서도 작업 부담이 크면, 생산 오류나 설계 오류가 발생할 위험이 있습니다.

AI가 탑재된 산업 기계나 시스템을 도입하면, 사람이 해야 할 작업을 줄일 수 있습니다. 산업 기계를 도입하면 위험한 작업을 줄일 수 있어, 공장의 노동 환경을 개선할 수 있습니다. 또한, 생산 관리나 설계에서 인적 오류를 방지할 수 있습니다. 이를 통해 작업을 반복하거나 수정해야 하는 일이 줄어들게 됩니다.

제조업의 AI 도입 및 활용에 대한 단점

AI를 도입할 때 고려해야 할 단점은 다음 두 가지가 있습니다.

• AI를 잘 활용하지 못하는 경우가 있다

• 도입 비용이 발생한다

장단점을 고려하여 자사에서 도입해야 하는지를 검토해보세요. 아래에서 자세히 소개하겠습니다.

AI를 잘 활용하지 못하는 경우가 있다

제조업에서 AI를 도입하더라도 성과를 제대로 내지 못하는 경우가 있습니다. 특히 AI 도입 자체가 목적이 되어버린 기업은 실질적인 문제 해결로 이어지지 않을 가능성이 큽니다.

AI 도입이 성공적으로 이루어지려면, 명확한 목적을 설정하고 시작하는 것이 중요합니다.

• 공장의 생산성을 높여 짧은 시간 내에 생산량을 향상시킨다

• 설계하는 데 걸리는 시간을 절감한다

위와 같이 목적을 명확히 설정하면 그에 맞게 필요한 툴을 선택할 수 있어, 성공적인 도입이 가능해집니다. 또한, 담당자가 AI를 잘 활용할 수 있도록 교육 프로그램을 마련하고, 운영 시작 후에는 지속적인 지원을 제공하는 것도 중요합니다.

도입 비용이 발생한다

AI를 도입하면 다음과 같은 비용이 발생합니다:

• 도입 비용

• 운영 비용

• AI를 다룰 수 있는 인력의 인건비

• 업무 흐름을 재편성하는 데 드는 비용

도입 비용뿐만 아니라 운영비용도 발생하므로, 이를 미리 고려하여 장기적인 관점에서 AI 도입 여부를 검토해야 합니다. 다만, 적절한 툴을 도입하면 장기적으로는 비용 절감 효과를 얻을 수 있습니다. 단기적인 비용에만 집중하기보다는 AI 도입을 통해 얻을 수 있는 비용 절감과 생산성 향상 등 장기적인 혜택도 함께 고려하여 도입을 결정하는 것이 좋습니다.

제조업의 AI 도입 및 활용 사례 10선

다음은 제조업에서 AI를 도입하여 활용한 사례 10가지입니다:

1. 생성형 AI 활용으로 고객 지원 센터 업무량 80% 감소 – 후지쯔 주식회사 (富士通株式会社)

2. 산업 재해 예방 AI로 안전 확보 – 도쿄 일렉트론 주식회사 (東京エレクトロン)

3. 생산 계획 최적화 시스템으로 업무 시간 10분의 1로 절감 – 닛폰 쇼쿠바이 주식회사 (株式会社日本触媒)

4. 수요 예측으로 재고 과잉 및 부족 문제 개선 – 킹주조 주식회사 (キング醸造株式会社)

5. 제조 현장의 사내 AI 플랫폼 구축 – 토요타 자동차 주식회사 (トヨタ自動車株式会社)

6. 숙련된 암묵지와 AI를 결합해 결함 예측 및 검출 – SOLIZE 주식회사 (SOLIZE株式会社)

7. 지식 활용 AI로 품질 관련 손실 비용 절감 – 도요 엔지니어링 주식회사 (東洋エンジニアリング株式会社)

8. 농작물용 AI 커팅 로봇 도입 – SPREAD 주식회사 (株式会社スプレッド)

9. VR 공간에서의 자율주행 시뮬레이션 – 버추얼 메카닉스 주식회사, 리케이 주식회사 (株式会社バーチャルメカニクス, 株式会社理経)

10. 풍력 발전기 고장 예방을 위한 이상 감지 – 나브테스코 주식회사 (ナブテスコ株式会社)

다른 기업들이 어떤 툴을 도입했는지 파악하고, 자사에서도 활용할 수 있을지 검토해 보세요.

1. 생성형 AI 활용으로 고객 지원 센터 업무량 80% 감소 – 후지쯔 주식회사 (富士通株式会社)

Salesforce의 파트너사인 ‘후지쯔’는 Salesforce의 생성형 AI인 Einstein for Service를 활용하여 제품 관련 문의에 대한 업무량을 80% 이상 줄였습니다. 후지쯔는 다음의 두 가지 기능을 통해 오퍼레이터의 업무량을 줄이고 있습니다.

• 서비스 회신 기능: AI가 자동으로 문의에 대한 답변 내용을 생성하는 기능

• 대화 요약 기능: 오퍼레이터와 고객 간의 대화 내용을 AI가 자동으로 요약하는 기능

이 두 가지 기능을 활용한 결과, 고객 응대 시간이 약 89% 감소하고, 응대 후 기록에 소요되는 시간이 약 86% 절감되었습니다. 이러한 효과를 얻기 위해서는 사내 정보를 AI가 학습할 수 있도록 하는 그라운딩(Grounding)이 중요합니다. 후지쯔는 답변의 정확성을 높이기 위해 반복적으로 데이터를 수정하고 보강하여 운영하고 있습니다. 또한, 후지쯔는 얻은 인사이트를 바탕으로 고객사의 문의센터 문제 해결을 지원하는 서비스도 제공하고 있습니다.

【관련 콘텐츠】 생성형 AI로 약 80%의 업무량 절감】 후지쯔의 Salesforce 고객 지원 센터가 제공하는 고객 경험 및 생산성 향상

2. 산업 재해 예방 AI로 안전 확보 – 도쿄 일렉트론 주식회사 (東京エレクトロン)

반도체 제조 장비를 개발하는 ‘도쿄 일렉트론’은 스타트업 기업과 협력하여 제조 현장의 사고를 예방하는 AI 시스템을 개발했습니다. 공장 내 감시 카메라 영상을 실시간으로 분석하여 위험한 상황을 감지하면, 소리와 빛으로 경고를 보내 사고를 방지합니다. 작업자의 행동도 분석하여 장비 사용에 어려움을 겪는 모습을 감지하면 주의를 환기시키는 기능이 특징입니다. 클라우드를 거치지 않기 때문에, 보안 관리가 중요한 제조업 환경에서도 안전하게 사용할 수 있습니다.

3. 생산 계획 최적화 시스템으로 업무 시간 10분의 1로 절감 – 닛폰 쇼쿠바이 주식회사(株式会社日本触媒)

‘닛폰 쇼쿠바이’는 고흡수성 수지(SAP)의 생산 계획 최적화를 위한 시스템을 개발해 운영하고 있습니다. 이 회사는 지금까지 SAP의 다양한 수요에 대응하기 위해 생산 계획 작성에 많은 시간과노력을 기울여 왔습니다. 이를 해결하기 위해, AI를 활용한 생산 계획 최적화를 구상하고 시스템 개발을 진행했습니다. 그 결과 닛폰 쇼쿠바이의 노하우를 결합한 AI 알고리즘을 성공적으로 구축하여 2022년 10월, 姫路(히메지) 제조소에서 운용을 시작했습니다. 이 시스템을 통해 효율적이고 안정적인 생산 계획 수립이 가능해졌고, 기존보다 작성 시간도 10분의 1로 단축되었습니다. 정확한 연간 계획을 짧은 시간 내에 수립할 수 있게 되었으며, 미래 예측을 통해 안정적인 공급이 가능해졌습니다.

4. 수요 예측으로 재고 과잉 및 부족 문제 개선 – 킹주조 주식회사 (キング醸造株式会社)

‘킹 주조’는 ‘日の出料理酒(히노데 요리술)’로 잘 알려진 조미료 제조업체입니다. 이 회사의 주요 문제는 출하 예측에 일관성이 없어 재고 과잉이나 결품이 발생한다는 것이었습니다. 또한, 출하 거점이 많아 예측을 위한 시간과 비용이 많이 소요되고 있었습니다. 이 문제를 해결하기 위해, 회사는 노코드 예측 AI 툴을 도입했습니다. 사내 시스템 데이터만으로 학습시킨 결과, AI 툴의 예측 정확도가 기존 방식보다 높아졌고, 업무에 적합한 예측 결과를 얻을 수 있었습니다.

5. 제조 현장의 사내 AI 플랫폼 구축 – 토요타 자동차 주식회사 (トヨタ自動車株式会社)

‘토요타 자동차’는 제조 현장에서 자체적으로 AI 모델을 개발할 수 있는 AI 플랫폼을 개발하여 운영하고 있습니다. 이 회사는 AI 개발에 필요한 전문 지식이 부족해 AI 활용이 계획보다 진전되지 않는 문제를 겪고 있었습니다. 이를 해결하기 위해 사내에서 AI 플랫폼을 개발하여, 전문 지식이 없는 제조 직원도 스스로 필요한 AI를 개발할 수 있게 했습니다. 그 결과, 많은 직원이 AI화를 추진하게 되었으며, 현재는 접착제 도포의 육안 검사나 사출 성형기의 이상 감지 등 다양한 분야에서 활용되고 있습니다.

6. 숙련된 암묵지와 AI를 결합해 결함 예측 및 검출 – SOLIZE 주식회사 (SOLIZE株式会社)

‘SOLIZE’는 디지털 데이터와 3D 프린팅 기술을 활용한 디지털 제조 전문 회사입니다. 이 회사는 엔지니어들과 협력하여 3D 프린터에 대한 숙련된 암묵지(개인의 경험을 기반으로 한 노하우)를 AI에 학습시켜 자동화했습니다. 그 결과, 엔지니어의 공수를 줄일 수 있었을 뿐만 아니라, 제작 품질도 향상되었습니다. 또한, 개인별 판단의 차이를 줄여 숙련된 엔지니어처럼 불량 예측을 실현할 수 있게 되어 고객 만족도 향상에도 기여할 수 있었습니다.

7. 지식 활용 AI로 품질 관련 손실 비용 절감 – 도요 엔지니어링 주식회사 (東洋エンジニア リング株式会社)

‘도요 엔지니어링’은 종합 엔지니어링 사업을 전개하는 회사입니다. 이 회사의 문제는 착공 후 재시공 및 부적합으로 인한 품질 관련 손실 비용을 줄이는 것이었습니다. 이를 해결하기 위해, 회사는 프로젝트 이력, 불량 관련 요구 사항, 기술 문서 등 숙련자의 암묵지를 AI에 학습시켰습니다. AI 도입을 통해 해석 차이로 인한 개인 의존성을 방지하고, 문제 재발 방지가 가능해졌습니다. 그 결과, 품질 관련 손실 비용을 줄이고, 고객 만족도 향상에도 기여할 수 있었습니다.

8. 농작물용 AI 커팅 로봇 도입 – SPREAD 주식회사 (株式会社スプレッド)

‘SPREAD’는 식물 공장에서 채소와 과일을 생산하는 기업으로, AI 자동 커팅 로봇을 도입했습니다. AI 기술을 활용한 이미지 처리 기능과 독자적인 하드웨어 덕분에, 이 로봇은 불규칙한 형태의 식물을 적절하게 자를 수 있습니다. 예를 들어, 양상추의 겉모습을 보고 심지가 있는 곳을 추정하여 커팅해야 할 위치를 스스로 판단할 수 있습니다. 기존에는 양상추 심지를 자르는 데 8명의 인력이 필요했으나, 로봇 도입으로 완전 자동화를 실현하게 되었습니다. 또한, AI가 탑재되지 않은 로봇보다 심지를 뽑는 정확도가 향상되어, 식용 부위의 폐기량도 줄일 수 있었습니다.

9. VR 공간에서의 자율주행 시뮬레이션 – 버추얼 메카닉스 주식회사, 리케이 주식회사 (株 式会社バーチャルメカニクス, 株式会社理経)

‘버추얼 메카닉스’와 ‘리케이’는 VR(가상현실)을 활용해 AI 기반 자율주행 시뮬레이션 소프트웨어를 개발했습니다. 실제 차량을 이용한 자율주행 테스트는 시간, 비용, 장소의 문제뿐만 아니라 사고 위험과 규제 등의 문제도 동반합니다. 하지만 시뮬레이션 소프트웨어를 활용하면 도로와 풍경을 컴퓨터 상에 재현하여 현실과 유사한 환경에서 안전하게 테스트할 수 있습니다. 이 소프트웨어 덕분에 자동차 제조업체가 아닌 다른 기업들도 자율주행 기술을 테스트할 수 있게 되었습니다. 많은 기업이 자율주행을 활용한 문제 해결에 도전하고, 기술 발전에 기여할 수 있게 되었습니다.

10. 풍력 발전기 고장 예방을 위한 이상 감지 – 나브테스코 주식회사 (ナブテスコ株式会社)

‘나브테스코’는 철도 차량이나 항공기 부품을 제조, 판매하는 회사입니다. 이 회사의 문제는 풍력 발전 구동 장치의 유지보수가 어려웠다는 점이었습니다. 과거에는 난류와 돌풍으로 발전이 중단되거나 부품 교체 작업이 발생하는 등 큰 손실이 있었습니다. 이를 해결하기 위해, AI 기반의 이상 감지 시스템을 도입하여, 데이터에서 이상 징후를 감지하고 고장을 예방할 수 있었습니다. 이 시스템은 사전에 고장을 방지하는 것뿐만 아니라, 상태 모니터링 장비 개발과 신규 사업 진출로도 이어졌습니다.

AI 도입 및 활용으로 제조업의 생산성 향상

AI를 활용하면 정보의 구분이 사라지고, 새로운 시장 동향과 정보에 기반을 둔 판단이 가능해집니다. 설계, 조달, 생산 부문의 비용 절감과 인력 의존도를 해소할 수 있습니다. 또한, 제조업의 영업 부문에서도 AI를 도입하면, 영업 전략 최적화와 영업 담당자의 스킬 평준화가 가능해집니다.