삼성·SK·LG, 시스템 개발 본격화 … 오픈 이노베이션 필수
화학저널 2017.03.06
석유화학 공장은 지속가능한 안전 가동을 위해 스마트 팩토리화가 요구되고 있다.
석유화학산업은 저유가 상황이 장기화되며 호조를 이어가고 있으나 시장환경 변화에 따라 언제든 경쟁력을 상실할 수 있을 뿐만 아니라 산업시설에 대한 테러가 급증하고 있는 가운데 자연재해까지 빈번하게 발생해 지속가능한 가동체제를 갖추어 안정공급을 강화하는 것이 중요시되고 있다.
특히, IoT(Internet of Things)와 AI (인공지능) 등을 접목한 스마트 팩토리가 주목받고 있다.
국내에서는 삼성, SK, LG 등이 스마트 팩토리 사업에 진출하고 있다.
삼성SDS는 30년 동안 삼성전자 등 계열사 공장 및 국내 다수기업의 제조현장에 적용한 경험을 집대성해 AI 기반의 스마트 팩토리 솔루션인 넥스플랜트(Nexplant)를 출시했다.
넥스플랜트는 제조공정에 AI 기능을 적용해 센서로 설비 데이터를 수집·분석하고 상태를 실시간으로 모니터링함으로써 문제점을 신속히 파악·해결하고 생산 효율을 극대화할 것으로 기대되고 있다.
삼성SDS가 자체 개발한 빅데이터 분석 플랫폼인 브라이틱스(Brightics)를 탑재하고 있으며 제조과정에서 발생하는 문제점을 Machine Learning(기계학습) 기반의 분석을 통해 자동 검출함으로써 파악·해결에 소요되는 시간을 기존 12시간에서 10분 이내로 대폭 단축시켰다.
넥스플랜트는 대규모 공장은 물론 중소형 공장까지 적용할 수 있도록 경량화시켰으며 앞으로 화학, 전기, 전자, 자동차, 철강, 섬유, 바이오 등 다양한 산업에 도입될 것으로 기대되고 있다.
SK C&C는 2016년 초 Foxconn 공장에 스마트 팩토리 솔루션을 시범 적용하고 하반기에는 스칼라(Scala) 브랜드를 출시했다.
LG 그룹은 LG CNS를 통해 LG전자 등 계열사에 스마트 팩토리 솔루션을 적용하고 있으며 최근에는 LG유플러스가 가정용 IoT에 이어 스마트 팩토리 등 산업용 IoT 사업을 확대하겠다고 나섰다.
그러나 국내 스마트 팩토리 사업은 시스템통합(SI) 관련기업들이 시장 주도권을 장악하고 있고 아직 초기단계이기 때문에 실제 현장에 적용된 사례는 소수에 불과한 것으로 파악되고 있다.
반면, 일본은 화학기업들이 자체적으로 스마트 팩토리 도입에 나서고 있다.
Sumitomo Chemical은 2016-2018년 중기 경영계획을 통해 IoT를 활용함으로써 석유화학공장을 디지털화하겠다는 목표를 세우고 있다.
최근 싱가폴 정부와 공동으로 석유화학공장 관리를 디지털화하기 위한 실증실험을 시작했으며 일본에서도 동일한 실험을 실시하기 위해 검토 작업에 돌입한 것으로 알려졌다.
Mitsubishi Chemical은 국내 공장에 Mitsubishi Chemical Engineering이 구축한 IoT와 빅데이터를 활용한 생산관리 시스템을 도입하고 있다.
제조현장의 각종 설정조건과 아웃풋의 관계를 조사함으로써 품질 안정성 향상, 제조코스트 감축을 도모하는 한편 위험물을 취급하는 현장에서는 물류의 이동노선과 근로자의 움직임을 밀착 모니터링해 작업시간을 최소화하고 있다.
Mitsui Chemicals도 석유화학공장 운영에 AI를 접목하고 있다.
NTT Communications이 보유한 심층 학습기술을 활용해 다양한 원료의 온도, 압력, 유량 등을 약 50종의 프로세스 데이터로 분석하고 석유화학제품이 20분 후 어떠한 품질을 유지하고 있을지 예측하는 기술을 개발해 도입하고 있다.
실제 측정치와 오차가 3%에 불과해 실용화가 가능한 수준이며 앞으로 단독설비 뿐만 아니라 공장 전체에 적용 가능한 시스템으로 발전시킬 예정이다.
Mitsui Chemicals은 15년 전에도 AI, IoT 등을 공장 운영에 도입해 품질을 예측하는 기술을 개발했으나 AI의 단점 가운데 하나인 과학습 문제가 발생해 적용을 포기한 바 있다.
과학습은 AI가 과도한 값까지 정상치라고 받아들이고 학습함으로써 실제 상황에서는 존재할 수 없는 예측을 해버리는 현상으로 NTT와 연계해 알고리즘을 구축함으로써 해결한 것으로 알려졌다.
일본 화학기업들은 그동안 숙련 기술자에게 의존하던 유지보수 등 분야를 중심으로 스마트 팩토리화를 추진하고 있으며 데이터를 수집해 최적의 보수체제를 구축함으로써 젊은 현장 작업자에게 기술을 전승하는 수단으로 활용할 방침이다.
빅데이터의 변수는 일반적으로 수십만개에 달하지만 화학공장에서 발생하는 변수는 수천개에 불과해 화학공학 이론과 제대로 결합시킨다면 AI를 활용한 예측의 신뢰성이 더욱 높아질 것으로 파악되고 있다.
하지만, 화학공장은 화학물질에 따라 배관이 오염되거나 열화되는 등 제조조건이 시시각각 변하기 때문에 한번 시스템을 구축해 영구적으로 적용하기 어렵고 1개월에서 1개월 반 간격으로 재학습이 필수적인 것으로 판단되고 있다.
이에 따라 AI 전문가 육성의 중요성이 확대되고 있으나 화학기업들이 직접 육성·발굴하는 것은 한계가 있기 때문에 외부기관과의 연계가 중요하며 시뮬레이션 소프트를 제작하는 작업 역시 단독으로 진행하기 어려워 엔지니어링, IT 등 다른 산업영역과 오픈 이노베이션을 가속화해야 할 것으로 요구되고 있다. <강윤화 기자>
<화학저널 2017년 3월 6일>
|