스마트 팩토리 시대, 데이터 분석가의 역할

배창준, 포스코 설비기술부 PCE(POSCO Certificate Expert)

스마트 팩토리라는 말이 제4차산업혁명 또는 인공지능이라는 키워드가 함께 최근 주 회자되고 있다. 스마트 팩토리는 과거로부터 축적해온 공장 자동화 등과 연속선에서 알아볼 필요가 있다. 스마트 팩토리는 짧은 기간에 이뤄낸 결과가 아닌, 몇 십년에 걸쳐 끊임없는 개선의 과정에서 쌓은 경험과 지식의 축적물이다. 2019년 현재, 스트마트 팩토리를 구성하는 여러 요소 가운데서 핵심은 데이터 기반의 인공지능 기술이다. 이 글에서는 스마트 팩토리의 필수 요소로서 데이터 분석가의 역할을 중심으로 알아본다.

필자는 지난 1989년, 굴지의 철강회사에 입사해 올해로 30년 근속을 맞이했다. 회사가 성장한 만큼 필자도 많은 변화를 겪어왔다. 입사 당시는 생산 분야의 ‘오퍼레이션’을 담당했지만, 지금은 여러 시스템과 데이터를 다루는 프로세스 운영·데이터 분석가로 활동하고 있다.

운영 담당자에서 시작해 데이터 분석가에 이르기까지 필자는 끊임없이 성장했다고 여기고 있다. 늘 혁신을 추구한 회사의 성장 정책과 논리적인 사고를 토대로 새로운 것을 찾으려는 필자의 성격이 어우러진 결과라고 본다.

오퍼레이션 담당자에서 데이터 분석가로 변신

필자가 몸담고 있는 회사는 과거 70년대부터 혁신기법을 많이 도입해 왔다. ‘6시그마’ 등을 적용해 구매·생산·물류 프로세스상의 낭비와 부서별 상이한 절차에 따른 비효율을 지속적으로 개선하는 활동을 해왔다. 그 결과, 회사는 글로벌 경쟁력을 갖추게 됐으며 그 개선 과정에 참여했던 개인들도 성장의 기회를 얻을 수 있었다.

회사의 경영 정책에 힘입어 필자도 여러 번의 프로세스 혁신과 표준화 업무를 수행하는 기회를 얻었다. 그 가운데서도 개인적으로 좋아하는 시스템과 데이터를 다루는 일을 할 수 있었던 것은 큰 행운이었다. 지난 2017년에는 한국데이터산업진흥원의 ‘빅데이터 아카데미’ 데이터 분석 전문가 과정에 도전해 데이터 분석 전문가로서의 길을 걷게 됐다.

필자는 현재 데이터와 데이터를 주고받는 정보 시스템 개선 업무를 하고 있다. 이 업무를 하면서 성취감 뒤편으로 떠안아야 했던 고민도 많았다. 아마도 이 고민은 필자뿐 아니라 데이터를 다루는 사람이라면 누구나 갖게 되는 것이 아닐까 한다.

공장 자동화와 스마트 팩토리

최근 글로벌 회사들이 데이터를 기반으로 하는 ‘4차산업혁명’과 ‘스마트 팩토리’ 도입에 박차를 가하고 있다. 필자가 일하는 회사도 수년 전부터 스마트 팩토리 구현을 위해 많은 관심을 기울이고 있다. 데이터를 응용한 인공지능 설비제어, 영상장치로부터 확보한 데이터를 자동 분류해 특정 제품의 결함 판단 등이 스마트 팩토리의 예라 할 수 있다.

오래 전부터 해 온 제조설비 고도화의 결과가 최근의 스마트 팩토리 패러다임과 결합해 발전의 가속도를 붙이는 모습이다. 필자는 최신 기술이라 할 수 있는 빅데이터, 인공지능 등을 통한 생산공장 자동화를 ‘협의의 스마트 팩토리’라고 하겠다. 이와 비교해 과거부터 줄곧 발전시켜온 공장 자동화 등을 포함한 전 영역의 혁신 패러다임을 ‘광의의 스마트 팩토리’라고 하겠다.

인간에게 도움을 줄 수 있는 체계

A라는 회사가 최근의 기술은 도입하지 않았지만, 고전적인 공장 자동화 등을 통해 생산·제조시설을 효율적으로 운영하고 있다고 하자. 효율적으로 운영하지 못하는 회사 B가 볼 때, A사의 자동화한 공장을 스마트 팩토리라고 부를 수 있다.

필자는 스마트 팩토리는 과거로부터 축적해온 자동화 등과 연속선에서 더 빠르고 정확한, 인간에게 도움을 줄 수 있는 체계라고 본다. 스마트 팩토리의 좋은 사례로 독일, 미국 등의 유수 기업들이 소개되고 있다. 이 기업들이 스마트 팩토리 구현을 위해 50년 이상 끊임없는 개선을 해왔음에 주목할 필요가 있다. 오랜 끊임없는 도전의 과정에서 축적한 경험과 지식의 결과물이다.

스마트 팩토리 구현에 반드시 포함돼야 할 3대 구성요소로서 △탄탄한 설비 △이 설비를 효율적으로 운영하는 시스템 △데이터 사이언티스트와 같은 데이터 분석가를 들 수 있다.

스마트 팩토리의 필수 요소로서 데이터 분석가

필자가 스마트 팩토리의 필수 요소로서 데이터 분석가를 포함한 이유는 다음과 같다.

데이터가 주목받기 전까지의 스마트 팩토리는 시스템 중심의 자동화였다. 일종의 자동화 장치라 할 수 있는데, 여기서 수많은 데이터가 시시각각 생성된다. 이 데이터를 분석하면 가치 있는 결과로 도출할 수 있는데, 문제는 이 데이터는 누구나 읽을 수 있는 형태가 아니라는 점이다. 이 문제를 해결할 수 있는 사람이 바로 데이터 분석가다.

당연한 정의지만, 자동화 장치는 사람이 하던 일을 대신한다. 하지만 이 장치는 늘 사람이 바라는 수준에는 이르지 못하는 한계를 갖고 있다. 사람이 감성적으로 판단하는 영역까지 접근할 수 있어야 그 한계를 뛰어넘을 가능성이 높다. 데이터 기반의 인공지능 기술은 인간의 감성 영역까지 헤아릴 솔루션으로 주목받고 있다. 그것을 한마디로 표현한 것이 바로 ‘요즘의 스마트 팩토리’다.

필자의 논리가 맞다면, 데이터를 다루는 전문가들이야 말로 앞으로 수많은 기회에 노출된 사람들이라고 할 수 있다. 다양한 유형의 데이터 사이언티스트가 스마트 팩토리 구현을 위해 필요하다. 필자는 스마트 팩토리 구현을 위해 데이터 사이언티스트가 해야 할 일을 무엇인지 알아보는 것으로 어떤 데이터 전문가들이 스마트 팩토리에서 각광 받을지를 소개한다.

첫째, 데이터 품질 확보 담당자

스마트 팩토리 구현을 위한 데이터 사이언티스트의 첫 번째 역할은 데이터 품질 확보 담당자다. 많은 데이터가 있다 해도 데이터 품질이 나쁘다면, 좋은 결과를 도출할 수 없다. 일부에서는 ‘빅데이터는 데이터 정합성이 나빠도 많은 데이터로서 정합성의 한계를 뛰어넘을 수 있다’는 논리를 펴기도 한다.

필자는 제조설비 제어 분야에서 일하며 잘못된 데이터가 문제가 되어 엉뚱한 판단을 내린 사례를 봐왔다. ‘잘못된 데이터’는 데이터 추출·분석 과정 중에 걸러질 수 있어야 한다.

예를 들어 설비 이상을 미리 탐지하는 시스템이 있다고 하자. 이 설비 이상 예지시스템이 정교한 판단 알고리즘을 갖고 있다 하더라도, 해당 알고리즘에 입력하는 값(데이터)이 적합하지 않다면 늘 잘못된 결과를 도출하고 말 것이다.

이 상황이 누적되면, 해당 탐지 시스템 자체를 부정하는 결과로 이어진다. 미국의 IT 연구 및 컨설팅사인 가트너의 연구보고서에 따르면 기업의 60%는 이미 인공지능이나 머신러닝을 도입했고, 평균 4개의 인공지능 프로젝트를 수행중이라고 한다. 인공지능 기술을 적용하는 데 있어 어려움의 34%가 데이터의 범위와 품질인 것으로 나타났다.

이 자료를 보면서 다른 데이터 분석가들도 필자와 비슷한 고민을 하고 있음을 알게 됐다. 그렇다면 데이터 품질을 어떻게 확보할 것인가? 그것은 다름아닌 데이터 관리에 대한 정성이 아닐까 한다.

회사마다 데이터 표준을 갖고 있을 것이다. ‘이 데이터의 자리 수는 몇이고, 그 의미는 무엇이다’ 등으로 정의한 표준에 따라 데이터를 관리하는 것을 기본으로 해야 한다. 또한 사용자는 그 표준에 정의한 대로 운영해야 하다. 데이터를 사용하는 사용자 또는 시스템 프로그램이 표준에서 정의?? 사람은 표준에서 정의한 대로 해석할 수밖에 없기 때문에 잘못된 결과를 얻을 확률이 올라간다.

인공지능과 머신러닝 등을 더 효율적으로 사용하기 위해서는 잘못된 데이터를 사전에 방지하고 나아가 끊임없이 정제해 나가는 과정이 필요하다. 데이터 사이언티스트는 내가 적용할 데이터가 어떤 과정을 거쳐 수집되고 있는지를 철저히 확인할 필요가 있다.

둘째, 데이터 간 릴레이션 확보

둘째는 데이터 간 릴레이션 확보다. 생산공정은 수많은 기계들이 상호 연동돼 있다. 생산 라인의 특정 기계에서 문제가 발생하면 전체 시스템에 문제를 불러오듯, 스마트 팩토리의 데이터 또한 마찬가지다.

생산 라인의 수많은 시스템에서 생성하는 많은 개별 데이터는 주변 시스템에서 생성하는 데이터와 결합됐을 때 의미 있는 가치를 도출하게 된다. 예전에 비해 이러한 데이터의 릴레이션 또는 컨넥션이 강조되고 있지만, 이미 분산된 시스템간 데이터 릴레이션은 쉽지가 않다. 분산된 시스템의 데이터를 재배치 또는 재편성을 위해서는 많은 비용이 필요할 수 있다.

데이터 릴레이션의 중요성을 좀 더 쉽게 설명하기 위한 하나의 예를 보자. 한 공장에서 어떤 기계를 도입-운영할 때는 많은 부대업무가 뒤따른다. 기계 도입에서부터 운영, 상태 체크, 정비에 이르기까지 매우 많은 일이 필요하다. 이 일을 체계적으로 하기 위해 담당 부서마다 개별적인 관리 시스템을 개발-운영해야 할까?

기업 입장에서는 생산성 제고를 통한 경쟁력을 제고하려면 통합 관점에서 접근할 수밖에 없다. 설비의 수명을 늘리고 설비의 불량률을 줄이려면 (담당) 부서별 시스템인 아닌, 통합 시스템이 필요하다. 이것이 바로 체계적인 데이터 릴레이션이다.

사전에 릴레이션 확보를 염두에 둔다면 별도의 비용을 지불하지 않아도 될 것이다. 이때 데이터 사이언티스트는 새로운 시스템에서 발생하는 데이터가 기존 시스템과 잘 접목돼 데이터를 원활하게 분석할 수 있도록 하는 것을 중요 업무로 인지해야 한다.

셋째, 커뮤니케이션 능력

스마트 팩토리 시대 데이터 사이언티스트가 해야 할 일이 무수히 많겠지만, 빅데이터 전문가 이론에서 강조하는 ‘커뮤니케이션’ 능력이 매우 중요하다.

데이터를 다루는 사람들끼리 원활한 의사소통은 미처 생각하지 못했던 영감(insight)을 제공할 수 있다. 몇 년 전, 필자는 데이터 분석 전문회사인 미국의 P사를 방문한 적이 있다. 이 회사의 업무에서 감명을 받은 한 가지는 커뮤니케이션 체계였다.

특정 문제 해결 또는 새로운 시도를 위해 각 분야의 데이터 분석 전문가가 한 자리에서 현상과 원인, 개선안을 놓고 토론하고 있었다. 데이터 분석 과정을 공유하면서 민첩하고 정확하게 해결 안을 도출해낸다고 했다. 데이터 간 릴레이션 확보처럼 데이터 사이언티스트 간 릴레이션을 통해 데이터를 보는 인사이트를 확보함으로써 데이터의 가치를 더욱 높이는 좋은 예였다.

데이터로 성과를 도출하는 과학자

이로써 스마트 팩토리에서 데이터 사이언티스트의 역할에 대해 알아보았다. 데이터 사이언티스트는 단순히 데이터를 보고 분석하는 전문가가 아니다. 쉴 틈 없이 발생하는 데이터 하나하나를 아주 정교하게 관리해 성과를 만들어 내는 과학자다.

미래의 스마트 팩토리는 고전적인 자동화 기술과 더불어 사람에게 이야기를 해 주듯, 발생하는 모든 업무 요소의 데이터가 유기적으로 연결되고, 그것을 최신의 신기술로 연결한 생산공정이라고 결론지을 수 있다.

필자는 현재의 회사에 입사한 이래 줄곧 데이터를 발생시키는 시스템 분야에서 일해왔다. 과거에는 데이터를 관리하는 정보 시스템 기획 업무를 했지만, 요즘에는 생산설비의 각종 장치(IoT)에서 생성하는 데이터를 지켜보고 케어하는 업무를 하고 있다.

변화의 중심에 있으면 변화를 느끼기가 어렵다고 한다. 속도를 특성으로 하는 IT 분야에서 바야흐로 데이터가 화두가 되고 있다. 데이터는 IT의 탄생부터 핵심이었다. 그 데이터의 최전선에서 일하는 사람으로서 소중하는 여기는 데이터가 분명 생각하지 못했던 미래를 여는 열쇠 역할을 하리라고 믿는다.

기회가 된다면 산업 현장에서 데이터 활용 성공사례나 또는 데이터 케어 부족에서 오는 낭비사례를 소개할 수 있었으면 한다. 데이터와 늘 함께하는 데이터 사이언티스트 또는 데이터와 연관된 많은 분들께 미래의 주역이 되기를 기원한다. (끝)

출처 : 한국데이터산업진흥원

제공 : 데이터 전문가 지식포털 DBguide.net