화학기업들은 IoT(사물인터넷), 3D프린터, 인공지능(AI) 등 신기술의 상호작용에 따라 새롭게 탄생하는 포스트 제조업에 대한 대응이 요구되고 있다.
IoT, 3D프린터, AI는 포스트 제조업을 실현하는 핵심기술로 주목되고 있으며 3가지 신기술은 상호 발전하면서 포스트 제조업을 실현하기 위한 과제를 해결하고 사회에 혁신을 불러일으킬 것으로 기대되고 있다.
IoT와 3D프린터로 생산 “효율화”
IoT의 보급은 3D프린터의 용도 확대에 기여하고 3D프린터의 보급은 IoT의 발전을 촉구하는 등 상호 긍정적 작용을 수행할 것으로 예상되고 있다.
다만, IoT가 보급되기 위해서는 기술적 과제 및 법적 규제 외에 도입 코스트 문제를 해결해야 하는 과제를 안고 있다.
사물을 데이터로 관리하기 위해서는 각종 IC(Intergrated Circuit) 칩 및 RFID(Radio Frequency Indentificaiton), QR(Quick Response) 코드 정보를 축적하고 발신할 수 있어야 하며 IC칩, RFID 가격이 많이 저렴해졌음에도 생산라인에 IC칩 부착공정을 추가해야 하기 때문에 코스트 부담이 가중되고 있다.
해당 과제를 해결하기 위해 3D프린터를 활용하는 방안이 강구되고 있다.
일본에서는 3D프린터를 사용해 조형할 때 내부에 RFID를 내장하는 연구개발(R&D)을 진행하고 있다.
최종제품 내부에 조형 데이터를 저장해 3D프린터가 있는 곳에서는 어디에서나 동일제품을 재생산할 수 있도록 하는 연구이며 3D 스캔을 활용한 3D 데이터화와 같은 기술을 활용함으로써 추가 공정을 생략할 수 있는 것으로 파악된다.
해당 연구를 응용하면 생산라인 자체를 변경하지 않고 일부 생산기계를 3D프린터로 대체하는 것만으로 IoT를 공장에 적용할 수 있을 것으로 예상되고 있다.
또 최종제품에 IC칩을 내장하면 사물의 업데이트도 가능해진다.
출하한 최종제품에 새로운 부속장치를 추가하거나 소모품의 교환부품을 배포할 때 내장된 IC칩에 조형 데이터를 전달하면 수요처가 3D프린터를 통해 직접 출력할 수 있으며 OS 및 보안 소프트의 업데이트와 같이 사물도 업데이트하는 시대가 도래할 것으로 예상된다.
사물은 일반적으로 감가상각에 따라 가치가 떨어지지만 업데이트를 반복하며 기호에 따라 맞춤화하면 기존제품이 신제품보다 높은 가치를 보유하게 될 수도 있다.
3D프린터의 보급이 이루어지면 3D프린터를 보유하고 있는 B2B(기업간 거래) 관련기업이 부가가치를 높이기 위해 해당 서비스를 제공할 가능성이 높은 것으로 판단되고 있다.
드론 및 로봇 산업에서는 이미 사물 업데이트를 전제로 한 사업모델을 구상하고 있는 것으로 파악되고 있다.
3D프린터는 IoT가 추구하는 매스커스터마이제이션(Mass Customization) 발전에도 중요한 역할을 수행할 것으로 예상된다.
매스커스터마이제이션은 대량생산(Mass Production)과 고맞춤화(Customization)의 합성어로서 과거에는 서로 양립할 수 없다고 여겨지던 대량생산과 맞춤화를 융합시킴으로써 경영혁신의 새로운 패러다임으로 자리잡고 있다.
생산제품 일부를 소비자의 요청에 따라 다른 소재로 변경했을 때 안전성에 문제가 없다는 것을 증명하는 것은 매우 어려우며 다품종 소량생산하며 맞춤화를 실시했을 때 어느 정도의 변형이면 품질을 보증할 수 있는지에 대한 평가는 제조업자가 시행해야 해 부담이 크다.
일반적으로 자동차와 같이 안전성이 매우 중시되는 산업은 시제품에 엄격한 실험을 반복함으로써 안전성을 증명하고 있다. 예를 들어 좌석의 착석감을 향상시키기 위해 소재를 보다 부드럽게 바꾸고 싶다는 니즈에 대응하다가 자동차 전체의 안전성이 조금이라도 저하하면 변경 후 기준을 충족시켜야 한다.
하지만, 매번 니즈에 맞추어 각 시제품을 제작하고 내구성 테스트를 실시하는 것은 현실적으로 불가능하기 때문에 자동차와 같은 안전성이 중시되는 산업에 매스커스터마이제이션을 적용하는 것은 어려운 것으로 파악되고 있다.
그러나 3D프린터를 도입하면 시제품 제조코스트를 절감해 매스커스터마이제이션을 실현할 가능성이 높아질 것으로 기대되고 있다.
설계 단계에서 시제품을 제작할 수 있기 때문에 커스터마이즈화 가능성을 보다 정확하게 판단할 수 있고 3D프린터는 조형 재형성 수준이 높기 때문에 시제품 현물의 시험결과와 시뮬레이션상 결과의 차이를 좁히는 것도 가능하다.
이에 따라 시뮬레이션 값을 최종제품 보증에 사용할 수 있을 것으로 판단된다.
아울러 3D프린터가 조형 속도 등의 과제를 해결하면 시제품 코스트 경쟁력을 강화할 것으로 예상되고 있다.
IoT와 AI 연동된 심층학습 주목…
AI는 「심층학습(Deep Learning)」이라 불리는 계층 뉴트럴 네트워크(Neural Network)형 기계학습이 성과를 거둠에 따라 다시금 주목받고 있다.
기계학습은 범용적이며 뛰어난 AI를 만들어낼 것으로 기대되고 있다.
IBM은 심층학습 기술을 지닌 AlchemyAPI를 인수해 자사의 인지컴퓨팅(Cognitive Computing)인 「Watson」에 대한 응용을 추진하고 있다. Watson은 의료 및 금융 서비스 분야에서 실제 비즈니스에 활용되고 있다.
다만, 새로운 AI와 기존 AI 모두 양질의 데이터베이스가 요구되는 등 기계학습의 집적체라는 점은 동일하다.
IoT는 데이터베이스를 작성하는데 최적의 툴이 될 것으로 기대되고 있다.
AI는 IoT 활용을 통한 데이터 해석의 가장 큰 과제였던 대용량 데이터로 무엇을 시사할 수 있는가에 대한 답을 내릴 수 있을 것으로 예상되고 있다.
대량의 데이터 가운데 무엇이 관계하는 변수인지 통계적 가공을 반복하고 있으나 최종적으로는 데이터 과학자의 센스에 따라 추출되고 있다. 기존의 해석 툴은 데이터를 보기 쉽고 가공하는 것이 가능하지만 가장 결정적인 변수인 특징량을 도출하는 것은 불가능했기 때문이다.
그러나 심층학습형 AI를 활용해 특징량을 도출하는 성과가 창출되기 시작했으며 얼굴의 특징량을 스스로 도출한 AI의 얼굴 인식능력은 이미 인간의 수준을 넘어선 것으로 파악되고 있다.
Microsoft의 화상인식 AI는 타인을 동일인물로 판정하는 얼굴 화상 오인률이 4.9%로 인간의 5.1%에 근접한 것으로 나타났다.
IoT를 통해 데이터를 취득하고 데이터베이스를 기반으로 성능이 향상된 AI가 특징량을 특정하며 변수를 바탕으로 IoT 단말기기에 변화를 촉진하는 자가발전의 사이클을 구축하면 양 기술은 급속도로 발전할 것으로 예상된다.
3D프린터가 복합소재를 사용해 데이터를 출력하기 위해서는 잉크젯 1방울당 수백기가바이트의 데이터 처리가 요구된다.
에러 없이 빠르게 처리하는 것은 물론이나 소재 특성을 발휘하기 위한 특징량을 자동으로 요구하게 되면 3D프린터용 복합소재의 선택지를 대폭 늘릴 수 있고 3D프린터를 통해 표현할 수 있는 특성이 확대될 것으로 예상된다.
화학기업이 직면하는 “변혁”
3D프린터, IoT, AI는 별도의 이유로 주목되기 시작한 기술이나 각각 연계성을 가지고 발전을 지속하고 있다.
2016-2017년 제1의 변혁기에는 대기업과 벤처기업 공장에 대한 시험적인 도입과 사회적 계몽활동이 이루어질 것으로 파악된다.
3D프린터, IoT, AI 등을 함께 활용했을 때의 효능을 설명하는 논문과 기사가 늘어나고 있으며 항공우주, 첨단의료 전문기업이 3D프린터를 공장에 도입하기 시작했고 독일, 미국공장 일부 라인에서 IoT가 활용되고 있다.
제1의 변혁기는 조합계 생산기업이 중심이 돼 실험과 변화가 이루어질 것으로 예상된다.
제2 변혁기인 2018년경 이후에는 IoT 활용이 조합계 공장의 일부 라인에서 전체 라인으로 확대될 것으로 예상된다.
3D프린터를 도입함으로 설계와 제조가 보다 명확하게 분리되고 간이 AI를 활용한 데이터 분석 결과가 생산효율성 향상 및 신제품 개발에 응용될 것으로 파악된다.
B2B 산업에서는 칩 내장형 최종제품 판매와 사물 업데이트 서비스가 이루어져 선진국에서는 제조업 생산거점을 해외에서 자국으로 이전하는 움직임이 나타날 가능성도 있다.
일찍이 소재 생산기업은 수요처인 최종제품 생산기업과 협력해 생산에 밀접하게 관여해 왔다.
그러나 공장 전체가 IoT를 활용함에 따라 소재 생산기업은 기술 파트너를 수요기업의 설계부로 이관할 것으로 예상된다. 또 소재는 3D프린터 보급으로 정밀설계가 가능해짐에 따라 기존의 배합기술 이외에 설계기술이 중요해지고 디지털화할 것으로 파악된다.
그리고 소재산업의 핵심 역량은 소재의 취급기술과 맞춤 능력 등에서 디지털 설계기술과 표준화 능력으로 변화할 것으로 판단된다.
제2의 변혁기에서는 조합계 생산기업에게 소재를 제공하는 소재 생산기업의 변화가 요구된다.
소재 생산기업은 개발에 요구되는 핵심 역량이 변화함에 따라 영업·경영방식의 전환이 필요해질 것으로 예상되고 있다.
제3의 변혁기인 2020년경에는 소재의 디지털화와 AI의 발전으로 취급할 수 있는 소재가 늘어남에 따라 3D프린터 활용이 일반 소비자에게도 확대될 것으로 예상된다.
B2C(소비자 대상 거래) 상품에도 사물 업데이트 서비스를 제공할 수 있게 되며 제조 데이터 판매도 일반화될 것으로 예측되고 있다.
3D프린터로 제조 데이터를 구입해 집에서 출력하는 시스템이 구축됨에 따라 대기업 중심의 선도적인 기술이 개인의 아이디어와 집적된 형태로 신제품이 나오기 시작하는 메이커운동(Maker Movement)이 본격화될 것으로 기대된다.
제3의 변혁기에는 사회가 크게 변화하고 최종제품 생산기업, 소재 공급기업 뿐만 아니라 제조 데이터를 관리·판매하는 새로운 형태의 사업자가 등장하는 등 산업 밸류체인이 변화할 것으로 예상된다.
화학기업, 소재 디지털화로 신소재 개발
화학기업들은 제2, 제3의 변혁기에 소재의 디지털화가 요구될 것으로 예상된다.
소재는 혼합 방식에 따라서 특성이 변화하며 여러 소재를 혼합하면 중량·강도·유연성·광학성 등이 중간 정도의 특성을 나타낼 것으로 생각하기 쉬우나 어떻게 혼합했는지에 따라 좌우되기 때문에 일반화하기는 어려운 것으로 파악된다.
강도는 특성이 다른 소재를 격자 형상으로 배치하는가 병렬로 배치하는가 혹은 랜덤으로 배치하는가에 따라 달라진다.
나노 레벨의 원자 배열이 마크로 레벨의 소재 특성에 영향을 미치는 것은 잘 알려진 사실이나 배열을 의도적으로 조정하는 것은 고난이도의 기술이며 3D프린터도 미크로 레벨의 컨트롤에는 성공했으나 마크로 수준은 실시하지 못하고 있다.
앞으로 IoT 및 AI의 발전으로 복합소재를 취급하고 대규모 데이터를 처리할 수 있는 3D프린터가 나타남에 따라 완전히 새로운 특성을 지닌 소재를 개발할 수 있을 것으로 기대되고 있다.
기존의 신소재 개발에 한계가 나타나고 있는 가운데 혼합방법을 통한 소재 설계는 아직 개발 여지가 많기 때문이다.
소재의 마크로 특성에 미치는 영향도 크기 때문에 앞으로 소재 개발의 중심가치는 「소재 현물」에서 「소재 설계」로 이행될 것으로 예상된다.
소재 설계는 어느 타이밍에 어떠한 소재를 설계할지 디지털로 표현할 수 있으며 소재 현물 개발도 디지털화가 이루어질 것으로 파악된다.
구글·아마존 중심 새로운 이해관계자 등장
화학기업들은 제2의 변혁기에 그동안 큰 연관성이 없었던 분야에서 수요처 및 관련기업이 등장할 것으로 예상된다.
새로운 이해관계자(Stakeholder)가 등장함에 따라 우선적으로 수요기업과의 관계를 변화시켜야 할 것으로 예상된다.
구글(Google)은 2010년경부터 로봇 개발에 거액을 투자하며 인간과 동일한 정밀작업이 가능한 로봇을 개발하고 있는 벤처기업을 인수해 제조업에 로봇을 투입하는 것을 목표로 하고 있다.
오퍼레이션 및 제조기술 뿐만 아니라 단순한 조립 등까지 포함하면 제조업은 아직까지 사람에게 의존하고 있는 공정이 많다.
구글은 생산공정을 모두 로봇화해 생산효율성을 대폭 향상시킬 것으로 예상되고 있다.
구글은 3D Systems와 고속 3D프린터를 공동 개발하고 있다. 기존의 3D프린터는 조형물 형상마다 다르나 약 1cm 적층하는데 1시간 정도의 시간이 소요돼 양산공정에 3D프린터를 활용하는 것이 어려웠다.
구글은 조형 속도를 대폭 개선함으로써 3D프린터를 통해 제조업에 진출하는 것을 목표로 하고 있다.
2011년 Motorola Mobility를 인수해 불과 2년만에 매각했으나 각종 특허에 대한 권리와 R&D 부문은 존속시켰으며 3D프린터 프로젝트인 「Project Ara」도 지속하고 있다.
Project Ara는 스마트폰을 모듈별로 생산·판매함으로써 블루투스 사용 여부, 저장용량 등을 소비자가 자유롭게 선택하도록 하는 모듈형 판매 프로젝트이다.
생산기업은 다품종 생산이 기본이나 구글은 3D프린터를 활용함으로써 과제를 해결할 것으로 예상된다.
아마존은 창고 안에서 수하물을 자동 구분해 트럭에 적재하는 운송 로봇을 실용화하고 있다.
최근에는 운송 센터에서 수요처에게 직접 상품을 배송하기 위한 무인항공기 개발을 추진하고 있다.
아마존은 현재 창고 내외의 물류 스마트화에 주력하고 있으나 앞으로는 자동화·최적화된 고도의 물류시스템을 활용해 공장 내 상품이동 및 운송관리 등 제조업 현장에 솔루션을 제공할 계획이다.
화학기업의 기술영업은 수요처의 공장에서 니즈를 창출하고 과제를 해결하는 것에서 수요기업의 제조공정을 파악하는 것으로 변화할 가능성이 있다.
소재, B2C화로 매스마케팅 요구
사물 업데이트가 B2C 상품으로 확대되면 화학기업도 B2C 비즈니스와의 연관성이 높아질 것으로 파악된다.
소비자가 복사용지 또는 프린터 인쇄 토너를 구입하는 것과 같이 3D프린터용 소재를 구입하는 시대가 도래하면 글로벌 화학기업들은 중간 마진을 생략하기 위해 최종소비자와 연계되는 비즈니스 모델을 구축해야 한다.
B2C 상품도 수요처 니즈를 파악해 개발에 활용하는 시스템과 마케팅 능력을 구축해야 한다.
3D프린터 소재에 대한 니즈를 결정하는 것은 3D프린터 생산기업 뿐만 아니라 실제 사용자이다.
현재 3D프린터 관련 시장규모가 가장 커질 것으로 예상되는 자동차 시제품 생산 분야에서도 3D프린터 생산기업 뿐만 아니라 자동차기업이 3D프린터에 활용되는 소재를 결정한다.
자동차기업들이 3D프린터를 자동차 생산을 위한 수많은 선택사항 가운데 하나로 생각하고 있으며 3D프린터를 통해 디자인, 안전성 등을 구현할 수 있는가를 중시하고 있기 때문이다.
제조장치 기술은 1980년대에 확립됐고 업그레이드 가능성이 낮기 때문에 현재 3D프린터 생산기업은 최종 사용자의 니즈를 소재 생산기업에게 전달하는데 그치고 있다.
화학기업들은 제조업자와 연계해 니즈를 파악해야 하지만 포스트 제조업 시대에서 제조현장은 소수의 대기업에 한정돼 다수의 소기업·개인으로 확산될 것으로 예상된다.
사물 업데이트 및 맞춤형 서비스 등의 니즈는 개별적으로 발생한다.
이에 따라 화학기업들은 대형 수요처에 대응하는 기존 개발 방식에서 B2C 상품을 제공하는 곳과 마찬가지로 매스마케팅 기능을 확보하는 것이 요구될 것으로 예상된다. <이하나 기자: lhn@chemlocus.com>
