롤랜드버거(Roland Berger)는 디지털 제조의 현재 상황을 분석하기 위해 이 분야의 리더 산업인 자동차 산업을 살펴봤다. 주요 글로벌 OEM, 티어 1 공급업체(OES) 및 기타 업계 전문가와 대화를 나누고 분석 범위를 좁히면서 주요 가치 동인으로 간주되고 디지털 제조 투자의 대부분에 해당하는 유즈케이스들을 살펴봤다. 또 기업들이 유즈케이스를 정의, 개발, 구현하는 데 따르는 조직적 문제를 어떻게 해결하고 있는지 조사했다. 롤랜드버거는 그 결과, 자동차 산업의 디지털 제조 현황을 그리는 것뿐만 아니라, 이것이 다른 제조산업을 위한 모범 사례가 될 수 있다고 했다.

글 | 베른하르트 란게펠트(Bernhard Langefeld) 시니어 파트너 외 6명, Roland Berger
문의 | 김광호(Kwangho Kim) 부파트너_kwangho.kim@rolandberger.com
  






‘Industry 4.0’이라고도 하는 ‘제조의 디지털화’는 차세대 제조의 핵심이다. 자율 생산으로 가는 길에서 더 높은 수준의 자동화를 가능하게 한다. 제조업체들은 필요한 역량을 구축하고 생산공장 내에서 유즈케이스를 정의, 개발, 도입하는데 상당한 시간과 자원을 투자했다.
특히 자동차 산업은 제조의 디지털화를 강력히 추진해 왔으며, 구현 측면에서 (반도체 산업과 함께) 선도적인 것으로 간주되고 있다. 하지만 초기의 과대광고가 사그라들며 완전한 디지털화, 자율 생산으로 가는 길은 예상보다 어렵다는 것이 분명해졌다. 다양한 기술적 및 조직적 문제로 제조 현장의 디지털화 속도가 제한되고 있는데, 주된 이유는 다음과 같다.  

▶첫째, 많은 회사의 제조 현장은 기업 본사와 매우 독립적이어서 분산된 활동, 이기종 인프라 및 공장별 솔루션을 발생시켰다. ▶둘째, 생산 구조 및 자동화 시스템의 긴 수명으로 인해 제조업체는 레거시 장비의 패치워크로 작업해야 한다. ▶셋째, 일부 디지털 제조 유즈케이스의 가치는 정량화하기 어렵고 중장기적으로만 실현할 수 있어 필요한 투자에 대한 자본을 정당화하기 어렵다. ▶넷째, 기존 직원들은 종종 필요 기술이 부족하고 기업은 디지털화의 이점을 완전히 활용하는 데 필요한 역량을 갖추는 데 어려움을 겪고 있다. ▶다섯째, 머신러닝 유즈케이스를 구현하는데 있어 과거에는 상호작용이 제한적이었고, 기술용어에 대해 ‘동일한 언어를 사용’하지 않는 기업 기능 간 (예: 생산 및 IT) 협력이 필요하다.

하노버 박람회에서 ‘Industry 4.0’이란 용어가 만들어진 지 10년이 지났지만 우리는 여전히 지능적이고 완벽하게 유연하며 자체적으로 구성되는 공장이라는 원 비전에서 멀리 있다. 그러면 지금 정확히 어디에 있을까? 어떤 디지털 제조 유즈케이스가 구현됐고, 어떤 것이 현재 시험 중이고 어떤 것이 초기 개발단계에 있을까?

많은 보도자료와 마케팅 자료를 읽으면 모두가 모든 일을 하고 있다는 인상을 받지만, 이것은 디지털화와 관련해 종종 언급되는 실험 및 페일-패스트(fail-fast) 접근방식으로 설명할 수 있다. 롤랜드버거(Roland Berger)는 이에 디지털 제조의 현재 상황을 분석하기 위해 분석 범위를 좁히고 주요 가치 동인으로 간주되고 디지털 제조 투자의 대부분에 해당하는 유즈케이스들을 살펴봤다. 연구의 일환으로 주요 글로벌 차량 제조업체(OEM), 티어 1 공급업체(OES) 및 기타 업계 전문가와 대화를 나눴고, 가치를 창출하는 유즈케이스를 정의하고 구현 상태를 평가하는 한편 OEM, OES, 지역별 차이점을 찾았다. 또 기업들이 유즈케이스들을 정의, 개발, 구현하는 데 따르는 조직적 문제를 어떻게 해결하고 있는지 조사했다. 

그 결과, 이는 자동차 산업의 디지털 제조에 대한 명확한 그림을 그리는 것 외에도 다른 부문 제조업체를 위한 모범 사례가 될 수 있다. 



자동차 산업이 포커스하고 있는 유즈케이스는? 

인더스트리 4.0에는 다양한 디지털 제조 유즈케이스가 있고 그중 다수는 산업 및 제조 프로세스에 따라 구별된다. 일반적으로 이는 자동차 OEM, OES 및 업계 전문가와의 논의를 위한 기반을 형성한 7가지 전형으로 나눌 수 있다. A 









대부분 자동차 업체들은 각 전형에서 적어도 하나의 유즈케이스를 실험했지만, ▶프로세스(실시간) 매개변수 최적화 ▶상태 모니터링 및 예측 유지보수 ▶자동화된 비전 기반 검사 ▶프로세스 데이터 기반 검사 ▶물류 내에서 자율 자재 처리 ▶공급망에 따라 운송 추적 등 6가지 유즈케이스에 우선순위를 명확히 했다. 

이 6가지 적용 사례는 기업의 디지털 제조 투자의 큰 부분을 차지한다. 흥미롭게도 이 목록에는 크게 과장된 두 가지 유즈케이스가 누락됐는데, 하나는 최근 몇 년 동안 코봇과 경량 로보틱스가 상당한 관심을 끌었지만, 긍정적인 비즈니스 사례를 가진 유즈케이스 수는 비교적 제한적이었다는 것, 다른 하나는 공간 제약으로 전통적인 로보틱스의 사용을 허용하지 않는 수동 작업공간의 레트로스펙티브 자동화였다. 또, 관련 시스템이 이미 구현되었거나(특히 신규공장에서) 기존 MES(Manufacturing Execution System)의 모니터링 솔루션이 여전히 충분하거나 업그레이드나 개조가 정당화되지 못했기 때문에 OEM 및 성숙한 OES의 실시간 성능 모니터링 애플리케이션에 대한 초점은 제한적이었다. 

자동차 산업에서 구현된 디지털 제조 활용 사례를 조사할 때 고려해야 하는 또 다른 차원은 생산기술 및 제조 프로세스다. 예를 들어, 자동차 OEM의 프레스 공장은 최종 조립라인과는 전혀 다른 특성과 디지털 제조 요구사항을 가지고 있다. 그림 B는 각 숍에서 찾을 수 있는 구현된 높은 밸류애드 유즈케이스를 대략적으로 보여준다. 이는 각 생산기술에 추가되는 가치와 관련된다. B









자동차 OES는 전자부품에서 와이어 하네스, 충돌 관리 시스템에 이르기까지 모든 것을 생산하기 때문에 이질적인 특성을 고려해 제조공정을 자세히 살펴보는 것이 더 중요하다. 디지털 제조 유즈케이스와 모든 잠재적 OES 프로세스 간 상세한 매핑은 이 보고서의 범위를 벗어나지만, 티어 1 공급업체와의 협력을 통해 OEM에서 배운 기술과 교훈은 동일한 디지털 제조 유즈케이스가 우선되는 유사한 생산 프로세스를 가진 OES로 이전될 수 있음을 알 수 있다. 

마지막으로, 이 6가지 주요 유즈케이스에 할당된 우선순위는 지역별로 차이가 난다. 예를 들어, 자율 자재 처리는 일반적으로 우선적인 유즈케이스 중 하나지만, 저비용 국가보다 고비용 국가에서 훨씬 더 중요하다.
이제 다양한 높은 밸류애드 유즈케이스를 중점적으로 살펴보고 현재의 구현 상황과 향후 전망을 말한다.



상태 모니터링 및 예측 유지보수  
‘Industry 4.0’의 맥락에서 초기에 적용됐으며 여전히 대부분 자동차 업체에서 주목하는 유즈케이스 중 하나는 예측 유지보수다. 유지보수 비용과 결함 또는 고장위험 사이의 균형을 유지하는 고정된 유지보수 간격을 사용하는 대신 기계, 장비 또는 툴 동작을 분석해 나머지 유효수명(RUL), 상태 지수 또는 성능 저하 패턴을 예측한다. 다른 이점 중에서도 이런 예측은 가용성을 높여 전체 공장의 장비 효율성(OEE)을 높인다. 하지만, 불행히 실제로는 예측 유지보수 유즈케이스의 롤아웃을 지연시키는 몇 가지 문제가 있다. 이상 현상은 일상적인 생산에서 빈번하게 발생하며, 대부분은 마모와 관련이 없다. 사용 가능한 센서 및 데이터 신호는 마모 및 손상 문제와 기타 중요하지 않은 영향을 구별하기에 충분하지 않은 제한된 정보만 제공하는 경우가 많다. 이런 정보를 캡처하기 위해 고품질 센서를 개조하는 것은 복잡하고 상대적으로 비용이 많이 드는 것으로 입증된 경우가 많다. 이런 정보를 사용할 수 있다고 하더라도 기업은 포착한 방대한 데이터에서 유용한 데이터를 추출할 능력이 부족한 경우도 많다. 더욱이, 기본 모델이 없는 머신러닝 알고리즘은 훈련하기 어렵고, 특히 데이터 품질이 나쁜 경우 아무것도 없는 곳에서 인과 관계를 정의하는 경향이 있다. 자동차 회사의 생산 계획에 고정된 유지관리 일정도 조직의 장애물이다. 예측 유지보수에는 유연한 상태 기반 유지보수 계획이 필요하다. 이는 일상적인 플랜트 관리 환경에서 여전히 해결해야 할 과제이며, 이는 유즈케이스의 구현 속도를 더욱 저하시킨다. 따라서 현재 나오고 있는 유즈케이스는 개별 구성요소와 잘 이해된 센서 신호의 제한된 수에 중점을 두고 있고 비교적 단순하다. 전압 및 전류 판독값을 사용해 드라이브를 예측 유지관리하는 것이 한 예다. 시작하기 쉬운 다른 유즈케이스로는 진동 및 (베어링) 온도 분석이 있다. 이런 간단한 유즈케이스를 위한 쉽게 확장 가능한 많은 플러그 앤 플레이 센서 솔루션이 이미 시장에 출시돼 있다.

초음파 노이즈 분석, 윤활 분석 및 적외선 서모그래피와 같이 더 복잡한 유즈케이스 또는 전체 시스템(예: 산업용 로봇)을 다루는 유즈케이스는 현재 개발 중이다. 이런 문제에도 불구하고 예측 유지보수는 확장성과 특히 OEE의 대폭적인 개선 덕분에 상당한 비용 절감 효과로 높은 가치의 유즈케이스로 간주된다. 대형 자동차 OEM의 바디숍에는 수백 개의 산업용 로봇(대부분 동일하거나 유사한 유형)이 있다. 따라서 단일 로봇에 대해 구현되면 유즈케이스를 전체 플릿으로 신속하게 이전할 수 있다. 또한, 컴포넌트 제조는 많은 수의 CNC 가공 센터에 의존한다. 따라서 머시닝 툴에 대한 예측 유지보수 애플리케이션도 수백 대에서 수천 대의 머신에 대해 적용할 수 있다. 확장성은 차치하고, 바디숍과 컴포넌트 제조에서 언급된 애플리케이션은 고장이 발생할 경우 매우 비용이 많이 든다. 산업용 로봇의 고장은 전체 생산라인에 쉽게 정지를 초래해 생산량에 큰 영향을 미친다. 또 장애를 신속하게 해결할 수 있더라도 이런 고도로 연결된 라인을 다시 시작하는 것은 복잡하고 시간이 많이 든다. 머신 툴 고장으로 인해 제조 중인 부품에 결함이 발생할 수도 있다. 재료, 치수 및 이미 완료된 프로세스 단계에 따라 이런 부품을 폐기하는 데 많은 비용이 소요될 수 있다.

예측 유지보수 유즈케이스의 상당한 가치와 개발에 투자되는 리소스는 전 세계적으로 나오는 예측 유지보수 유즈케이스의 수가 앞으로 급격히 증가할 것임을 나타낸다. 추가적이거나 더 나은 센서를 사용해 데이터 품질을 향상시키는 것은 복잡한 머신러닝 알고리즘에 의존하는 것보다 더 나은 결과를 내는 경우가 많기 때문에, 많은 애플리케이션에서 센서의 개조가 필요할 것이다.



자동 품질 검사       
자동화된 품질 검사 및 예측은 현재 자동차 OEM에서 주목하는 또 다른 고부가가치 유즈케이스로, 이 유즈케이스에서는 프로세스 및 센서 데이터를 사용해 데이터에서 이상 징후를 찾아 잠재적인 품질 문제를 감지하거나 예측한다. 
수동 프로세스를 자동화하는 것 외에도 자동화된 품질 검사는 랜덤 스폿 검사를 데이터베이스 검사로 대체할 수 있거나 프로세스에 추가 검사를 추가해 품질 문제를 조기에 더 정확하게 식별할 수 있다. 이런 유즈케이스의 성숙도를 조사할 때는 예측에 사용되는 데이터 유형, 즉 비전 기반 품질 검사와 프로세스/시계열 데이터 기반 품질 검사 간의 차이를 구분해야 한다.



자동화된 비전 기반 검사      
딥 머신러닝의 부상으로 비전 기반 품질 검사(특히 물체 감지를 기반으로 하는 경우)가 크게 개선됐다. 기존 방법과 달리 딥 러닝 기반 접근방식은 전문화된 센서 시스템과 고도로 제어된 환경을 필요로 하지 않는 경우가 많다. 무엇보다도, 딥 러닝 기반 머신비전의 향상된 기능은 (좁은 공간과 차선의 조명조건에서) 인라인 품질 검사를 가능하게 한다. 자동차 플레이어에게 매우 매력적인 관련 유즈케이스는 다음과 같다:

- 단일 부품(예: 스탬프 또는 성형 부품 또는 회로 기판)에 대한 비전 기반 검사
- 최종 조립 시 모든 올바른 부품이 장착됐는지 인라인 점검
- 결함을 조기에 발견할 수 있을 뿐만 아니라 필요한 택트 수를 줄이고 근본적인 원인 식별 및 체계적인 품질 문제 수정을 단순화하기 위해 기존 EOL(End-of-Line) 검사를 대체

사전 훈련된 머신러닝 모델과 고장 없는 부품(일반적으로 대량으로 사용 가능)의 이미지를 사용해 훈련할 수 있는 좋은 부품 분류기에 의존해 비전 기반 품질 검사를 빠르게 구현할 수 있다. 머신러닝 기반 품질 검사는 비교적 새로운 것이기 때문에 대부분의 유즈케이스는 여전히 개발, 파일럿 또는 초기 도입 단계에 있다. ‘저렴한’ 카메라에 의존하는 점점 더 많은 유즈케이스가 나올 것으로 예상되는데, 이런 솔루션은 종종 기존 생산흐름에 영향을 미치지 않고 라인에 쉽게 통합될 수 있다. 고가의 자동화 및 센서 기술이 필요한 경우(예: 도장공장의 비전 기반 품질 검사)의 롤아웃은 새 공장 또는 새 차량 모델과 연결된다.



자동화된 프로세스 데이터 기반               
비전 센서를 사용하는 대신 공정 데이터를 기반으로 부품 품질을 예측할 수도 있다. 
잘 이해된 프로세스와 매개변수에 의존하는 이 유즈케이스는 통계적 프로세스 제어 및 많은 품질 관리 시스템의 일부로 이미 배포된 기타 Six Sigma 방법과 같은 간단한 통계 모델을 사용할 수 있다. 예를 들어, 인가된 토크 및 나사 각도에 기초한 나사형 부품의 품질 예측, 용접 지점의 온도 및 전류에 기초한 스폿 용접 부품의 품질 예측 등이 있다. 이와는 대조적으로 복잡한 프로세스에 의존하고 많은 매개변수를 차지하는 유즈케이스는 여전히 대부분 연구 상태에 있으며, 향후 5년 이내에 널리 구현되지 못할 것으로 보인다. 
딥 러닝은 머신비전의 큰 발전을 촉진했지만, 프로세스 데이터 기반 예측, 즉 시계열 데이터에 대한 사용은 아직 상대적으로 미숙하다.



프로세스 내(실시간) 머신 최적화
프레스와 머시닝 센터에 대한 매개변수는 일반적으로 프로세스 전문가가 설정한다. 공정 경험에 기초한 모수 선택은 대체로 잘 작동하지만, 여전히 최적이 아닌 경우가 많다. 따라서 프로세스 매개변수의 자동 설정 및 최적화는 자동차 산업의 또 다른 초점 영역이다. 
관찰된 유즈케이스에는 원료 특성을 기반으로 프레스 매개변수를 최적화하고 클린룸 관리 및 페인트 분산을 위한 프로세스 매개변수의 자동 조정이 포함된다. 이런 유즈케이스는 제품 품질에 직접적인 영향을 미치기 때문에 스크랩 및 처리 시간에 상당한 영향을 미쳐 많은 가치를 추가할 수 있다. 이런 유즈케이스 구현의 주요 과제는 다음과 같다:

- 특정 공정에 영향을 미치는 모수를 완전히 이해하지 못하는 경우가 많다.
- 기존 센서 신호는 종종 충분하지 않아 전문화된 맞춤형 센서 시스템을 추가해야 한다.
- 프로세스/시계열 데이터에 대한 현대적인 딥 머신러닝 알고리듬의 교육은 아직 상대적으로 미숙하다.
- 과거에 많은 데이터가 기록됐지만 고도로 전문화된 유즈케이스에 필요한 대용량 데이터 세트를 사용할 수 없는 경우가 많아 먼저 캡처해야 한다.

잘 이해된 프로세스의 선택된 매개변수에 초점을 맞춘 일부 간단한 유즈케이스는 이미 롤아웃 단계에 있지만, 프로세스 전문가의 완전한 교체에 초점을 맞춘 더 복잡한 사례는 향후 10년 이내에 널리 구현되지 못할 것이다. 이런 유즈케이스를 구현하기 위한 첫 단계로, 제조업체는 전체 프로세스를 자동화하기 이전에 추가 정보나 제안을 제공해 프로세스 전문가를 지원하는 데 집중하는 경우가 크다.



인트라노지스틱스 내 자율 자재 처리             
자율적인 자재 운송 및 취급은 생산 환경의 비용 절감을 위한 주요 수단이 될 것으로 예상된다. 따라서 자동차 산업의 또 다른 초점이 될 것이다. 
직접 운송 작업(예: 생산라인 내 제품 이동)은 이미 대부분 생산기술에서 자동화돼 있지만, 간접 운송 작업(예: 원자재/서브 어셈블리를 라인으로 운송)은 여전히 수동으로 수행되는 경우가 많다. 특히 운송할 부품이 무거운 경우 더욱 그렇다. 따라서 간접 자재 처리를 자동화하는 것은 오류를 줄이고 효율성을 높일 수 있는 큰 잠재력을 갖고 있어 상당한 가치를 추가하는 유즈케이스다. 머신비전과 여러 센서(예: 라이다, 카메라)의 융합을 기반으로 하는 자율적인 자재 운송은 최근 몇 년 동안의 많은 발전에도 불구하고 다음과 같은 점에서 여전히 어렵다:

- 특히 사용 가능한 공간이 종종 제한되고 사람, 저장 및 운송 차량이 공유한다는 점을 고려할 때, 공장 내에서 아무런 지침도 없는 완전한 자율주행은 여전히 완벽하게 신뢰할 수 없다.
- 형태와 방향이 다양하고 종종 알려지지 않은 자재를 처리할 수 있는 신뢰할 수 있는 솔루션은 아직 발견되지 않았다.
- 브라운필드 애플리케이션의 경우, 기존 레이아웃은 자율적인 자재 운송을 염두에 두고 설계되지 않았다.

이런 과제에 비춰볼 때, 현재 출시되고 있는 무거운 컴포넌트의 운송을 위한 유즈케이스는 대부분 안내를 위해 마커를 선택적으로 사용할 수 있고 다른 장애물(예: 걸어 다니는 사람)을 최소화할 수 있는 제어된 영역에 집중되고 있다. 이런 구현에서 취급 작업은 일반적으로 부품 트레이를 사용하는 등 고도로 표준화된다.
완전히 통제되지 않은 지역에서 마커 없이 무거운 부품을 자율적으로 운송하는 것은 여전히 대부분 개발 또는 파일럿 단계에 있고, 향후 몇 년 내에 널리 보급되지 못할 것으로 예상된다. 이 애플리케이션은 적어도 부분적으로 제어할 수 있는 창고에 우선적으로 적용될 가능성이 높지만, 이와는 대조적으로 고장과 충돌이 덜 중요한 소형 경량 부품(회로기판 및 기타 전자 부품 등)의 운송은 현재 성숙한 제조업체에서 운용되고 있다. 

AGV는 창고와 조립라인 간 또는 아웃바운드 물류[특히 JIT(just-in-time) 요구사항이 있는 공급업체의 경우]에서 컴포넌트를 운송하는 데 사용된다. AGV는 기존 브라운필드 레이아웃을 통해 유연하게 이동할 수 있지만, 도킹은 종종 바닥 마커를 통해 제어되고 컴포넌트는 트레이로 운반된다.



공급망에 따라 운송 추적    
적시 생산과 공급이 늦어 생산라인이 중단될 수 있는 관련 위험 때문에 공급망 내 운송의 실시간 추적은 자동차 업계의 또 다른 핵심 유즈케이스다. 
앞의 유즈케이스들의 구현은 주로 기술적인 문제에 영향을 받았지만, 운송 추적은 대부분 비즈니스 문제다. 업계에서는 일반적으로 들어오는 부품의 원활한 추적을 위해 모두 통합해야 하는 수많은 서드파티 통신업체에 의존한다. 또 배송 추적에 사용되는 센서 시스템을 공급업체에 다시 공급해야 한다. 이런 문제 때문에, 자동차 업체들은 최근 몇 년 동안 중요한 컴포넌트에 대한 인바운드 물류에 주로 집중해 왔다. 그러나 최근에는, 특히 해외수송의 경우 완제품 차량의 아웃바운드 운송 추적이 일부 OEM의 또 다른 초점이 되고 있다.



자동차 산업은 ‘Industry 4.0’ 
유즈케이스 개발 및 구현을 
어떻게 주도하고 있나?                

이처럼 새로운 디지털 제조 유즈케이스의 개발 및 구현은 간단하지 않으며 다양한 기술적, 조직적 과제에 대한 해결책이 필요하다. OEM, OES 및 시장 전문가들과 논의하면서 롤랜드버거는 조직의 설정 및 운영 모델과 자동차 업체들이 이런 문제를 해결하는 데 사용하는 IT/OT 아키텍처를 이해하려고 했다. 구체적인 설정은 회사마다 다르지만, 논의는 많은 유사 패턴과 ‘Industry 4.0’ 유즈케이스 구현을 위한 일반적인 청사진을 보여줬다. 



조직 설정 및 운영 모델 
역사적으로 자동차 산업의 제조공장은 상대적으로 높은 조직 자율성을 갖고 있었다. 따라서 디지털 제조 사례의 구현은 각 공장의 지역 자동화 부서(종종 공급업체와 협력)에 의해 주도돼왔으며, 이로 인해 기업 전체에서 중복된 활동이 발생하고 여러 공장에서 구현하기 어려운 솔루션이 개발됐다. 많은 OES(특히 소규모 OES)에서 여전히 이런 현상이 나타나는 경우가 많지만, OEM은 디지털 제조를 향한 여정에서 더욱 발전했다.
많은 OEM이 새로운 솔루션을 추진하기 위해 새로운 부서 또는 하위 부서를 만들었다. 디지털 제조 유즈케이스를 구현하려면 데이터 분석, IT 및 생산기술이 필요해 새로 설립된 부서는 대개 이런 기능의 전문가를 결합한다. 디지털 제조 부서는 일반적으로 요구사항을 포착하고 피드백을 도출하며 새로운 유즈케이스를 파일럿하기 위해 생산공장과 긴밀하게 협력한다. 파일럿 공장은 일반적으로 광범위한 생산 네트워크에 걸쳐 유즈케이스를 확장할지 여부를 결정하기 전 초기 단계에 이를 테스트하기 위한 것이다. 그림 C는 디지털 제조를 선도하는 OEM이 활용하는 조직 구성 유형을 보여준다.








여전히 공장에서 디지털 제조를 분리해 추진하는 OES는 전체적인 전략, 구조화된 프로세스 및 일관된 운영 모델이 부족해 패치워크 자동화 시스템 환경이 조성되는 경우가 많지만, 주요 OES, 특히 OEM은 대부분 유즈케이스 중심 접근방식에 의존하고 있다. 일반적으로 이들은 5단계 로드맵(그림 D)을 채택해 프로덕션 네트워크 전체에서 유즈케이스를 정의, 개발, 롤아웃하는 경향이 있다. 

1. 공장에서 제안한 기회와 아이디어를 수집하거나 전용 ‘Industry 4.0’ 테스트 랩에서 실험을 통해 유즈케이스를 정의.
2. 유형, 확장성, 밸류애드치(다운타임 감소, OEE 증가 등), 비즈니스 사례(ROI, NPV 등) 및 자본 비용 요구사항을 기준으로 유즈케이스 우선순위 지정.
3. 데이터 분석, IT 및 프로덕션과 같은 다양한 분야의 전문가를 모아 프로토타입 개발.
4. 요구사항을 파악하고 피드백을 받으며 기술적 타당성 및 비즈니스 사례를 검증하기 위해 시범 공장과 긴밀히 협력해 활용 사례 시범 프로젝트를 실행.
5. 모범 사례와 교훈을 다른 공장과 공유해 생산 네트워크 전체에 유즈케이스를 롤아웃.

전담 디지털 제조 부서는 새로운 유즈케이스를 정의하고 우선순위를 지정하고 개발하는 역할을 한다. 공장과 직원들은 일반적으로 일상적인 과제에 따라 새로운 유즈케이스와 애플리케이션을 제안함으로써 정의 프로세스에 참여한다. 커뮤니케이션 캠페인은 공장에 디지털 제조 부서의 가치를 입증하고 지원을 확보한다. 일부 OEM은 직원들이 새로운 기술을 실험할 수 있는 테스트 랩을 설치하기도 한다. 유즈케이스의 우선순위를 결정하기 위해 확장성, 밸류애드, 기술적 실현 가능성 및 구현 비용과 같은 요소가 고려된다. 그런 다음 하나 또는 소수의 선택된 공장을 활용해 새로운 파일럿을 수행한다. 이들은 전용 디지털 제조 시범공장 또는 특정 유즈케이스를 제안한 공장일 수 있다. 파일럿 시험에 성공하면 디지털 제조 부서는 네트워크 내의 모든 해당 공장에 대한 전체 롤아웃을 관리한다.









IT/OT 아키텍처 
유즈케이스 중심 접근방식은 신속하게 달성할 수 있고 특정 비즈니스 사례와 직접 연결되는 가시적인 결과를 낼 수 있다는 장점이 있지만, 이런 접근방식에는 여러 가지 과제가 수반된다. 사례가 하나씩 구현되면 중복 인터페이스와 데이터 스토리지의 위험은 물론, 전체적인 아키텍처의 부재가 항상 발생한다. 많은 유즈케이스를 구현한 선도적인 자동차 업체들은 이미 다양한 유즈케이스별 구현을 관리하는 데 어려움을 겪고 있다.

이런 문제를 해결하기 위해서는 개별 유즈케이스에 대한 구현 지침으로 전체적인 IT/OT 대상 아키텍처가 필요하다. 여기에는 일관된 MES/ERP 시스템 뿐 아니라, 공장 전체에서 새로운 디지털 제조 유즈케이스를 신속하게 롤아웃할 수 있도록 제어 수준(센서, 비전 시스템, PLC 등)에서의 표준화 및 상호운용성도 요구된다. IIoT(Industrial Internet of Things) 기반 솔루션도 이런 대상 아키텍처에서 중요한 역할을 한다.
많은 OEM 업체들은 이미 미래의 타깃 시스템 아키텍처를 개발하기 위한 대규모 프로젝트에 착수했다. 예를 들어, 모든 주요 독일 OEM은 클라우드 기반 IIoT 플랫폼 아키텍처를 정의했으며, 다른 글로벌 OEM들도 유사 이니셔티브를 시작했다. 앞으로 많은 OEM들이 자체 공장, 전체 네트워크 뿐만 아니라, 티어 1 공급업체와 장비 및 자동화 공급업체도 이런 플랫폼에 통합할 계획이다.

OES는 네트워크 전반에 걸쳐 ERP와 MES를 조화시키면서 기본 및 내부 IT 아키텍처에 더 중점을 둔다. 일부 기업은 중앙 IT 및 분석 기능을 발전시키고 있지만, 대부분 OES는 디지털 제조 성숙도가 낮고 가용 자본이 적기 때문에 클라우드 기반 아키텍처에 제한적으로 투자하고 있다.



자동차 산업의 Industry 4.0 구현에서
무엇을 배울 수 있나?                         

자동차 산업은 디지털 제조 측면에서 리더다. 또 업계 최고의 OEM 경험은 유사한 생산공정을 가진 OES로 쉽게 이전될 수 있고, 非자동차 산업에도 마찬가지다. 롤랜드버거의 분석에 따르면, 대부분 산업에 종사하는 기업들은 4가지 주요 이점을 볼 수 있다.



유즈케이스와 리소스의 명확한 우선순위 지정
실험은 초기 경험을 쌓는 데는 좋지만, 실제 효과를 얻으려면 유즈케이스와 리소스의 우선순위를 명확히 지정해야 한다. 유즈케이스의 우선순위를 매기기 위해서는 추가 가치의 정량화와 주어진 디지털 제조 유즈케이스에 대한 비즈니스 사례의 추가 단계가 필요하다. 밸류애드는  다운타임/사이클 시간 단축, 품질 개선, 에너지 소비 절감, 빠른 처리량, 장비 수명 연장 등을 통해 달성 가능한 비용 절감에 의해 주도된다. 관련 비즈니스 사례 계산에서는 디지털 제조 유즈케이스와 관련된 초기 투자(예: 센서 및 연결 장비)와 운영 비용(예: 클라우드 및 소프트웨어 라이센스 및 유지보수)을 모두 처리해야 한다.

유즈케이스가 얼마나 많은 가치를 추가하는지는 경제 환경에 크게 좌우된다. 직접 인건비 절감은 분명히 저비용 국가보다 고비용 국가의 비즈니스 사례에 훨씬 더 높은 긍정적 영향을 미친다. 전 세계에 수백 개의 공장이 있는 OEM과 공급업체는 각 공장에 대한 모든 비즈니스 사례를 개별적으로 계산할 수는 없지만, 네트워크 전체에서 유즈케이스 롤아웃의 우선순위를 정하기 위해 대표적인 경제적 가정을 기반으로 플랜트 유형을 정의할 수 있다.

상당한 가치를 추가하는 유즈케이스는 일반적으로 신속한 구현을 가능하게 하는 비교적 고급 기술 성숙도 또는 높은 확장성을 가능하게 하는 고도로 표준화된 프로세스 또는 기계를 나타낸다. 기술적 관점에서 예측 유지보수 및 자동화된 비전 기반 검사는 비교적 성숙하며 단기적으로 비용 절감을 가능하게 한다. 이런 기술에 대한 가치 제안은 상대적으로 높지만, 수량화하기는 쉽다.



허브 앤 스포크 조직   
중복 없이 유즈케이스를 신속하게 정의, 우선순위를 정하고 구현하려면 중앙집중식(hub-and-spoke) 방식이 필요하다.
중앙 부사를 IT 또는 생산에만 연결할 수는 없다: 두 가지 역량을 모두 결합해야 한다. 많은 디지털 제조 유즈케이스는 데이터 기반 방법을 필요로 하기 때문에 중앙 부서에 데이터 분석 기능과 리소스도 통합해야 한다. 중앙 디지털 제조 부서와 공장 간의 긴밀한 협력이 불가피하지만, 개발을 주도하고 최종 결정을 내리는 데 필요한 권한도 필요하다. 디지털 제조 부서와 공장 간의 체계적인 양방향 지식 전달도 매우 중요하다. 그러나 공장이 이런 발전을 수용하고 헌신적으로 유지되도록 하는 것도 필수적이다. 

커뮤니케이션 활동은 ‘Industry 4.0’ 부서의 작업이 투명하고 가치 있는 것으로 인식되도록 보장해야 한다. 이러한 캠페인은 부서가 공장을 지원하고 상아탑에서 연구를 하고 있지 않다는 것을 분명히 해야 한다. Knowledge Base를 사용해 부서의 작업 및 ‘Industry 4.0’ 관련 전문지식을 모든 공장에서 이용할 수 있도록 할 수 있다.



인재 및 교육 
고도로 자동화된 공장에서 전반적인 장비 효율성과 가동 시간은 예측 유지보수, 신속한 오류 해결 및 장비의 적절한 처리에 크게 좌우된다. 이를 위해 기업은 자동화된 장비와 함께 작업할 수 있도록 작업자를 재교육해야 한다. 이와 동시에 기업들은 원격지에서 엔지니어링 인재를 채용해야 하는 과제에 직면할 것이다. 또한, 숍 및 운영 책임자는 디지털 제조 솔루션의 잠재력을 더 잘 이해해야 한다. 공장과 지역 지도부가 디지털 제조 유즈케이스를 구매하도록 하려면 현지 팀이 이를 실행하고 이점을 실현할 수 있어야 한다. 미래의 숍, 운영 리더 모두 디지털 및 데이터 분석기술을 필요로 하기 때문에, 기업은 인재 확보 및 교육 프로그램을 재고해야 한다.



IT/OT 목표 환경과 로드맵   
초기에 지식을 쌓고 결과를 얻으려면 유즈케이스 중심 접근방식이 필요하지만, 일정 수준의 성숙도에 도달하면 IT/OT 목표 환경 및 구현 로드맵을 포함한 명확한 디지털 제조 전략이 필요하다. IT/OT 목표 환경은 다양한 유즈케이스에 대한 IT 인프라 및 인터페이스의 중복 구축을 방지하고, 유즈케이스 구현 로드맵이 새로운 시스템에 대한 투자와 일치하도록 보장한다. 회사 내부 IT/OT 환경의 표준화 외에도 Industry 4.0의 잠재력을 최대한 활용하기 위해서는 향후 고객, 공급업체 및 장비 공급업체를 통합해야 하는 필요성도 해결해야 한다.

자동차 산업에 대한 롤랜드버거의 분석은 선도적인 업체들이 제조업의 디지털화를 추진하기 위한 명확한 전략을 따르고 있음을 보여준다.
첫째, 리소스가 가장 많은 가치를 창출하는 부분에 집중되고 회사 전체의 많은 소규모 활동에 분산되지 않도록 유즈케이스의 우선순위를 정한다. 둘째, 명확한 운영 모델을 갖춘 디지털 제조 전용 부서는 우선순위가 지정된 유즈케이스로 전달되는 리소스를 효율적으로 활용할 수 있도록 필요한 기능과 역량을 제공한다. 셋째, IT/OT 목표 환경은 구현된 유즈케이스의 롤아웃 및 이후 유지보수를 단순화한다. 이 전략의 세 가지 구성요소를 모두 결합해 서로 강화함으로써 모든 디지털 제조 활동의 효율성을 극대화할 수 있다. 

대조적으로, 자신이 발전하지 않았거나 충분히 빠르지 않다는 것을 발견한 플레이어는 종종 이런 중요 요소 중 하나 이상이 부족하다. 이런 플레이어에게는 한발 물러서 ‘Industry 4.0’ 전략을 정의하거나 구체화하는 데 시간을 할애할 것을 권한다. 

AEM_Automotive Electronics Magazine