코로나19의 글로벌 대유행은 제조산업을 둘러싼 환경을 바꾸고, ‘뉴 노멀(new normal)’이라는 이름으로 새로운 프로세스의 정착을 더욱 앞당기고 있습니다. 이런 상황에서 오토데스크는 정보와 프로세스를 통합하는 디지털 트윈(digital twin), 클라우드 기반의 유연한 제품 개발, 경험을 데이터화하는 인공지능(AI)까지 다양한 기술을 바탕으로 제조 혁신을 돕는다는 계획을 소개했습니다.

코로나19가 제조산업에 큰 영향을 주고 있습니다. 크게 주목할 만한 변화는 무엇일까요

올해 초, 코로나19가 전세계로 확산되기 시작한 직후에는 경기침체에 대해 막연한 두려움이 많았습니다. 각국의 제조산업이 말 그대로 멈추는 상황이 벌어지기도 했고, 국가간의 이동과 소통이 단절된 것은 더 큰 문제였는데요, 이러한 어려움은 지금까지도 일정 부분 이어지고 있습니다. 그리고 코로나19가 단기적인 충격뿐만 아니라 장기적으로도 영향을 줄 것에 대해서 우려하는 지표도 나오고 있다.

이런 상황의 근본적 원인을 한 마디로 정리하면 ‘가치사슬(value chain)의 붕괴’라고 할 수 있겠습니다. 부품 조달이나 해외의 생산기지 등이 복합적으로 영향을 받아서, 제품이 최종 소비자에게 제대로 전달되지 못하는 상황을 맞게 된 것입니다.

제조기업에서는 이전부터 글로벌 협업을 진행해 왔는데, 코로나19의 글로벌 대유행은 IP(지적자산)에 대한 접근부터 시작해 부서간의 협업이나 심지어는 제품 개발을 위한 시스템에 접근하는 것조차 어렵게 만들었습니다. 이런 상황에서 전체 가치사슬을 보완해야 한다는 인식이 커지게 된 것 같습니다.

코로나19가 가져다 준 또 한 가지 변화는, ‘예측하지 못한 곳에서 일어나는 문제를 빠르게 해결하는 것이 기업에 큰 영향을 준다’는 점을 인식하게 되었다는 것이 아닐까 합니다. 이를 위해 정보에 접근하고, 협업하고, 문제를 해결하는 방식을 바꾸어야겠다는 인식이 커지고 있습니다. 기술적으로는 접속 가능한 클라우드, 정보와 프로세스의 통합, 인공지능(AI)을 통한 경험의 데이터화가 해결책이 될 것 같습니다.

제조 분야에서 클라우드에 대한 관심이 늘고 있는데, 잘 활용하려면 어떤 부분을 살펴봐야 할까요

국내 제조산업의 클라우드 전환 속도는 여전히 느린 감이 있습니다. 다소 폐쇄적인 분위기도 느낄 수 있었는데, 시간이 갈 수록 클라우드를 받아들이는 모습을 보이고 있어 앞으로가 기대됩니다.

클라우드는 어디서든 시스템과 데이터에 접속할 수 있고, 항상 새로운 기술로 업데이트할 수 있게 합니다. 시스템에 대한 초기 투자나 설치 비용이 없으면서 필요한 컴퓨팅 파워를 빠르게 활용할 수 있고, 데이터 손실(loss) 문제를 해결할 수 있는 것이 클라우드의 장점으로 꼽힙니다. 이런 장점을 활용하는 것이 지금의 ‘언택트’ 환경에서는 더욱 중요해졌다고 할 수 있습니다.

클라우드가 모든 문제를 해결할 수는 없지만, 요구사항 수집, 스펙 정의, 설계, 검증, 생산 등 제품에 관한 모든 단계에 걸쳐 클라우드에서 데이터가 연결되고 통합되는 것이 중요합니다. 통합된 클라우드 도구는 복잡하고 많은 기능을 갖게 되는데, 이 중에서 필요한 기능을 선택해서 사용할 수 있으려면 직관적인 워크스페이스에서 직관적인 컨텍스트를 제공하는 것도 필요합니다. 변경사항을 빠르게 수집, 정리하고 전달하려면 그래프나 색상 등 시각적인 요소로 표현해서 빠르게 파악할 수 있어야겠지요.

디지털 트윈은 이제 큰 흐름이 된 것 같습니다. 3D 데이터 말고도 신경써야 할 부분이 있을까요

공장의 문제 가운데는 공정 외에 부가적인 부분에서 발생하는 것도 많은데, 이런 문제를 해결하기 위해서는 3D 모델에 그치지 않고 더욱 포괄적인 통합 디지털 트윈이 중요하다고 생각합니다. 이런 복잡성은 공장이나 건물에서 특히 두드러지게 나타납니다. 빌딩과 공장의 건물 구조뿐 아니라 그 안에 들어가는 설비에 대한 디지털 데이터가 포함되는 순간, 전체 데이터의 양이 급격히 늘어나서 관리 가능한 범위를 벗어나게 될 수도 있거든요. 이런 복잡성과 데이터의 크기는 통합된 디지털 트윈을 만드는데 어려움이 되기도 합니다.

오토데스크는 제조와 건축 산업의 융합(convergence)을 통해 포괄적인 데이터 관리를 하는데에 많은 노력을 기울이고 있습니다. 예를 들어, 건물 안에는 사다리나 엘리베이터 같은 제조제품이 많이 들어갑니다. 이런 컴포넌트를 디지털 데이터로 관리하려면 건물에 대한 데이터가 필요한데, 건축 분야에서 쓰이는 BIM(빌딩 정보 모델링)과 연계하면 납기나 투자 등에서 효율을 크게 높일 수가 있습니다. 또, 건설 과정에서는 컴포넌트에 필요한 상세 레벨을 조절해 데이터를 최적화하면서 설계를 진행할 수도 있고요.

인공지능도 제조나 건축 분야에서 점차 관심이 높아지고 있는 것 같습니다

인공지능이 제품 개발에 접목되던 초기에는 경량화에 초점을 두었는데, 갈 수록 활용 범위가 확장되고 있는 상황이라고 보입니다.

제조 분야에서 가장 활발한 AI 활용분야는 제너레이티브 디자인(generative design)이라고 볼 수 있습니다. 제너레이티브 디자인은 초기 형상 모델을 설계하지 않고도 경계조건만 지정하면 인공지능 알고리즘이 많은 수의 설계 옵션을 제안합니다. 이 과정에서 사람은 중간 검증을 하지 않아도 되고, 인공지능이 제안한 것 중에 가장 나은 설계를 선택하면 됩니다.

제너레이티브 디자인은 건설 산업에서도 유용하게 쓰일 수 있습니다. 건설 산업에서는 건물의 내구도, 대피 경로, 위험 물질 등 안전성에 대한 고객 요구가 많은데, 이런 부분을 고려해 최선의 레이아웃을 설계하는 데에 제너레이티브 디자인의 쓰임새가 넓어지고 있는 상황입니다. 실제로 오토데스크의 토론토 오피스를 설계하는 과정에서는, 6개의 조건만 지정하고 인공지능이 최적의 공간 배치를 만들어내는데 제너레이티브 디자인을 사용하기도 했습니다.

• 자세한 내용은 캐드앤그래픽스 웹사이트에서 볼 수 있습니다.