다행히도 우리는 산업 제조 부문의 글로벌 부사장과 함께 앉았습니다. Mendix라파엘로 레프라티. 라파엘로는 진화하는 제조 기술에 대해 잘 알고 있습니다. 그는 25년 동안 제조업에서 일하며 다양한 역할을 맡아왔습니다. 자동차 제조제조 운영 관리, 사업 개발 분야에서 경력을 쌓았습니다. 그는 전기공학 학사 학위와 고급 인간-기계 협업 박사 학위를 취득했습니다.

우리가 논의한 내용은 다음과 같습니다.

• AI는 제품 엔지니어링 부서, 제조, 작업 현장 및 공급망에서 고려해야 할 필수 조건입니다.
• AI의 산업적 활용 사례
• AI를 활용한 실시간 의사결정은 어떤 모습일까?

AI 시작하기

AI를 시작할 때는 회사의 구체적인 요구 사항과 준비 상태를 고려하는 것이 중요합니다.

산업 분야에서 AI를 활용하려면 어디서부터 시작해야 할까요?

라파엘로 레프라티(RL): 모든 것은 집중에 달려 있습니다. AI에 대한 관심이 높아지고 있으며, 제조업체가 기술의 목적을 달성하는 데 AI를 어떻게 적용할 수 있을지에 대한 관심이 높아지고 있습니다. AI는 더 나은 결과를 얻을 수 있는 잠재적인 수단 중 하나입니다. 특정 산업에서 더 나은 결과는 출시 기간 단축을 의미합니다. 예를 들어, 전자업계에서라면 혁신적인 제품을 시장에 가장 먼저 선보이고 싶을 것입니다. AI는 이러한 목표를 달성하는 데 도움이 될 수 있습니다. 프로세스를 간소화하고, 설계, 개발 및 운영을 지원하여 문제를 예방하거나 예측할 수 있도록 지원합니다. 또한, 과거 데이터와 각 데이터 간의 상관관계를 더욱 효과적으로 활용할 수 있도록 지원합니다.

하지만 다른 제조 산업에서는 생각이 달라집니다. 시장에 먼저 진출하는 것이 반드시 주된 목표가 아니라, 옳은 일을 하고 고객에게 최고 품질의 규정을 준수하는 제품을 제공하는 것이 목표입니다. 항공기 제조를 예로 들어 보겠습니다. 품질과 규정 준수는 필수이며, 실패는 용납되지 않습니다. 이는 AI에 대한 접근 방식이, 예를 들어 업데이트를 통해 몇 가지 버그를 해결할 수 있는 새 휴대폰을 출시하는 것과는 완전히 다릅니다. 결국 중요한 것은 어떤 유형의 프로세스가 필요한지 파악하고 AI가 이를 어떻게 지원할 수 있는지 파악하는 것입니다.

따라서 AI에 대해 생각할 때는 어떤 종류의 우선순위에 대해 이야기하고 있는지 파악하고, 차별화되는 측면에 집중해야 합니다.

산업 조직이 AI 이니셔티브를 시작할 때 고려해야 할 전제 조건은 무엇입니까?

RL : 세 가지가 있습니다.

1. 데이터 접근 및 통합
2. 데이터 품질 및 거버넌스
3. 변화하려는 의지

이것은 모든 제조 산업.

시스템을 고려해 보세요. 데이터에 접근이 가능한가요? 핵심 시스템들이 서로 소통하나요?

집중해야 할 데이터가 활용 가능한지 확인해야 합니다. 적절한 데이터가 없다면 AI는 아무런 의미가 없습니다. 과거 데이터와 실시간 데이터가 필요합니다. 제조 실행 시스템(MES) 데이터, 전사적 자원 관리(ERP) 데이터, 제품 수명 주기 관리(PLM) 데이터 등이 필요합니다.

데이터의 양뿐만 아니라 품질도 중요합니다. 데이터가 구조화되고 맥락에 맞게 구성되었나요? 예를 들어, 특정 센서에서 수집되었는지, 아니면 특정 장비에서 수집되었는지, 언제 어떤 도구를 사용하여 수집되었는지 등입니다.

마지막으로, 조직을 생각해 보세요. 회사 전체가 AI 기반 접근 방식을 도입할 준비가 되어 있습니까? 직원들이 익숙하지 않은 환경에서 벗어나게 한다는 이유로 반대에 부딪히지는 않을까요? 특정 영역에서 AI 기반 의사 결정이 적절한지 고려해야 합니다. 구체적인 책임 분야도 고려해야 합니다. 조직을 이끌어가야 할 부분이 너무 많습니다.

제조업체는 의지, 데이터 준비성, 데이터 접근성을 어떻게 해결하고 있나요?

RL : 분명히 말해, 세 가지 모두를 모든 곳에, 한꺼번에 가질 필요는 없습니다.

AI가 생산성 향상, 품질 개선, 비용 절감 등을 통해 어떤 영향을 미칠 수 있는지 조사하기 위해 많은 투자가 이루어지고 있습니다.

AI 이니셔티브는 특정 도메인에서 시작할 수 있습니다. 따라서 조직의 모든 부서가 즉시 AI를 사용할 필요는 없습니다. 모든 도메인이 처음부터 동일한 수준의 데이터 품질이나 가용성을 갖추고 있지 않다는 점을 인지하는 것 또한 중요합니다.

AI 사용 사례부터 시작하세요

AI 사용 사례를 고려할 때, 즉각적인 가치를 제공할 수 있고 기술적 복잡성이 낮은 것부터 시작하는 것이 좋습니다.

좋은 AI 활용 사례는 무엇인가요?

RL : AI 활용 사례의 시작은 다음과 같습니다. 특정 산업 분야에서 AI를 활용하여 현장 작업자를 지원하는 것입니다. 작업자는 시간 압박을 받고 있습니다. 작업을 완료하려면 문서를 참조해야 할 수도 있습니다. 예를 들어 안전 지침이나 작업자 도구에 대한 지침이 있습니다. 이러한 작업에는 시간이 걸릴 수 있습니다. AI는 작업자가 필요한 정보를 안정적으로, 이상적으로는 더 빠르게 검색하고 제공할 수 있도록 지원해야 합니다. AI 부조종사 여기서 시작하는 게 좋을 것 같아요.  

MES는 시작하기 좋은 곳입니다. 예를 들어 MES 데이터를 활용할 수 있기 때문입니다. MES는 하나의 도구입니다. MES를 사용하여 부조종사에게 X 교대 근무에서 무슨 일이 있었는지, Y 교대 근무에 필요한 자재는 무엇인지, 공급업체 Z에서 받은 자재는 어디에 사용되었는지 등의 정보를 요청할 수 있습니다.

그리고 제품 계보가 있기 때문에 부조종사가 사용할 수 있도록 데이터가 이미 구조화되어 있습니다. 좋은 활용 사례이자 가치 있는 사례죠.

AI와 실시간 의사결정

실시간 의사결정의 성공 여부는 업종에 따라 달라집니다. 따라서 기대치를 현실적으로 설정하세요.

AI는 어떻게 작업 현장을 실행의 장소에서 실시간 의사결정의 장소로 바꿀 것인가?

RL : AI는 종종 속도에 대해 이야기합니다. 하지만 저는 기대치를 설정하는 것이 중요하다고 생각합니다. 신뢰할 수 있는 실시간 의사 결정 프로세스를 구축하는 것은 많은 기업의 비전일 것입니다. 하지만 인간을 항상 최신 상태로 유지하는 것은 항상 중요합니다. 왜냐하면 거기에는 위험도 따르기 때문입니다. 제 생각에 기술은 발전하지만, 사람들이 갖는 신뢰 수준은 같은 속도로 발전하지 않을 것입니다. 따라서 우리가 정의하는 실시간의 방식으로는 발전하지 않을 것이라고 생각합니다.

규제가 엄격한 업계에서는 AI 에이전트가 무엇을 해야 할지 결정하는 것을 원하지 않을 수 있습니다. 하지만 지연을 예측할 수 있는 실시간 제안을 제공하면, 업계에 적합한 시점에 적절한 결정을 내리는 데 도움이 됩니다.

방법 Mendix 및 Siemens Xcelerator는 AI를 시작하는 데 도움이 됩니다.

조직의 20%는 AI 활용에 있어 데이터, 통합, 품질 및 가용성을 가장 큰 과제로 꼽았습니다. 13%는 비용과 자원 확보를, 11%는 직원 교육 및 변화 관리를 가장 큰 과제로 꼽았습니다.

어떻게 봅니까 Mendix 및 Siemens Xcelerator가 AI 과제 해결에 도움이 될까요?

RL : Mendix ~의 일부가 되는 것 Siemens 엑셀레이터 이미 풍부한 기능과 연결성을 기반으로 통합된 가치 제안을 제공하고 있습니다. 이를 통해 개발자는 Teamcenter, Opcenter, Capital 또는 Polarion의 고품질 데이터에 액세스하여 스마트 산업 애플리케이션. 과 Mendix우리는 제조업체가 엔지니어링이나 제조 공정의 특정 요구 사항을 지원하는 애플리케이션의 디지털 스레드를 만드는 로드맵을 정의하도록 돕습니다.  

이를 통해 더 광범위한 규모로 AI를 구현하기 위한 로드맵을 더 쉽게 표현할 수 있습니다.

방법 알아보기 Mendix 고객 AI를 통해 최대한 많은 가치를 창출하고 있습니다.