Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2005-0461(Print)
ISSN : 2287-7975(Online)
Journal of Society of Korea Industrial and Systems Engineering Vol.42 No.3 pp.25-38
DOI : https://doi.org/10.11627/jkise.2019.42.3.025

Development of Smart Factory Diagnostic Model Reflecting Manufacturing Characteristics and Customized Application of Small and Medium Enterprises

Hyun-Deuk Kim*,****, Dong-Min Kim**, Kyung-Geun Lee***, Je-Whan Yoon***, Sekyoung Youm*
*Department of Convergence Standard, Dongguk University
**Corporate Support Center, Incheon Technopark
***Quality Management Division, Korean Standards Association
****Standards Division, Korean Standards Association
Corresponding Author : sekyoungyoum@gmail.com
10/06/2019 29/08/2019 30/08/2019

Abstract


This study is to develop a diagnostic model for the effective introduction of smart factories in the manufacturing industry, to diagnose SMEs that have difficulties in building their own smart factory compared to large enterprise, to identify the current level and to present directions for implementation. IT, AT, and OT experts diagnosed 18 SMEs using the “Smart Factory Capacity Diagnosis Tool” developed for smart factory level assessment of companies. They analyzed the results and assessed the level by smart factory diagnosis categories. Companies’ smart factory diagnostic mean score is 322 out of 1000 points, between 1 level (check) and 2 level (monitoring). According to diagnosis category, Factory Field Basic, R&D, Production/Logistics/Quality Control, Supply Chain Management and Reference Information Standardization are high but Strategy, Facility Automation, Equipment Control, Data/Information System and Effect Analysis are low. There was little difference in smart factory level depending on whether IT system was built or not. Also, Companies with large sales amount were not necessarily advantageous to smart factories. This study will help SMEs who are interested in smart factory. In order to build smart factory, it is necessary to analyze the market trends, SW/ICT and establish a smart factory strategy suitable for the company considering the characteristics of industry and business environment.



제조업 특성을 반영한 스마트공장 진단모델 개발 및 중소기업 맞춤형 적용사례

김 현득*,****, 김 동민**, 이 경근***, 윤 제환***, 염 세경*
*동국대학교 융합표준학과
**인천테크노파크 기업지원센터
***한국표준협회 품질경영본부
****한국표준협회 표준본부

초록


    1. 서 론

    2016년 다보스포럼에서 4차 산업혁명이 언급되었고 이 후 전 세계적인 화두가 되면서 스마트공장이라는 새로운 제조 패러다임이 제시되었다. 현재 제조업이 직면하고 있 는 인력 감소/고령화, 인건비 증가, 고객요구 다양화 등의 사회․경제적 한계를 극복하기 위한 대안으로 스마트공 장이 떠오르고 있다. 우리나라는 국내 총생산 중 제조업 비중이 30%에 육박할 정도로 높으나 미국, 독일, 일본에 는 기술측면에서, 중국에는 비용측면에서 밀려 고전하고 있다. 또한 2020년에는 국제 제조업 경쟁력 순위에서 인도 에 밀려 5위에서 6위로 떨어질 것으로 예측되고 있어 혁 신이 절실히 필요하기에 우리나라에 스마트공장의 도입 은 필수 불가결하다고 할 수 있다[3].

    4차 산업혁명에 대응하기 위해 독일은 ICT와 제조업의 융합, 국가 간 표준화를 통해 스마트 팩토리 등을 추진하 는 Industry 4.0을 진행 중이다. 또한 미국은 제조업 경쟁력 회복을 위해 첨단제조파트너십을 추진 중이며, 일본은 비 교우위산업 발굴, 신시장 창출, 인재육성 및 확보체계 개 혁, 지역혁신 등을 포함한 다양한 산업재흥전략을 실행하 고 있다. 중국의 경우 인터넷과 제조업의 융합을 위해 3단 계의 중국제조 2025를 진행 중이다[15]. 특히 독일은 스마 트공장 구현에 있어 표준의 중요성을 인식하여 Hierarchy Level, Life Cycle, Architecture와 같이 3개 축으로 구성된 RAMI(Reference Architecture Model for Industry 4.0)을 국 가표준으로 제정하여 보급․확산하고 있다. 우리나라의 경 우도 2016년에 국가 차원에서 스마트공장 개념 정립 및 산업계 확산을 위한 한국산업표준(KS, Korean Industrial Standards)을 개발하였다. 또한 2020년 1만 개, 2022년 3만 개의 스마트공장을 목표로 보급․확산사업을 진행 중에 있다. 그러나 18년 기준 7,903개까지 진행되고 있는 스마 트공장 보급은 양적인 측면에서 성공적인 것처럼 보이나 국내 기업들의 스마트공장에 대한 이해수준이나 초기 구 축비용을 고려하면 현실적이지 못하다는 의견도 있다[13].

    국내 대기업의 경우 기존의 자동화와 ICT를 통해 실제 제조현장의 Q(Quality), C(Cost), D(Delivery) 측면에서 고도 화를 진행하고 있다. 그러나 대기업 1차 협력사를 제외한 중소기업들은 설비/시스템 및 투자자금 부족, 유지보수 등 의 사후관리 미흡, 구축시스템 활용인력에 대한 부담이 크 기 때문에[10] 매출기여도에 대해서는 긍정적으로 생각하 면서도 쉽게 추진하지 못하고 있다. 많은 기업들이 정부 산하기관에서 시행하고 있는 각종 지원사업을 통해 스마트 공장 구축을 시도하고 있지만 대부분 수작업에 의존하는 기초수준(76.4%)으로 HW와 SW가 완벽하게 융합된 ‘고도 화’ 단계를 지향하지 못하고 있는 것이 현실이다[16].

    이에 본 연구에서는 제조업의 실효성 있는 스마트공장 도입을 위해 진단모델을 개발하고 대기업에 비해 자체적 으로 스마트공장 도입에 어려움이 있는 중소기업을 진단 하여 현 수준을 파악하고 추진방향을 제시코자 한다.

    2. 선행 연구

    스마트공장은 기존의 IE(Industrial Engineering, 공장운 영)기법과 ICT 기술(IoT, Big Data, Cloud Computing 등) 을 융합하여, 기존의 공장보다 더 나은 효율(시간/품질/비 용 측면)로 운영의 전 과정(고객주문, 설계, 구매, 생산, 품질관리, 서비스)을 향상시킨 공장을 의미한다. 스마트 공장 개념은 공장자동화와 일부 유사한 측면이 있다. 그 러나 공장자동화는 무인자동화를 통해 현 시점의 효율화 를 본다면 스마트공장은 미래에 대한 예측으로 생산의 효 율화를 추구한다고 볼 수 있다[9].

    스마트공장은 융복합사업의 완성체로 Sensor → IoT → 빅데이터 수집 및 분석 → Value Chain 상 운영플랫폼 (MES, PLM, ERP 등)과의 연계를 기본으로 한다. 스마트 제조를 위해 기업에서 고려해야 할 특성(Characteristic), 기술(Technology), 동인(Enabler Factor)은 매우 복잡하고 광범위하게 연결되어 있어 기존 제조 패러다임으로 스마 트공장을 구현하는데 많은 어려움이 있다[14].

    2.1 국내․외 스마트공장 추진현황

    글로벌 국가들의 경우 독일은 Industry 4.0, 미국은 Remaking America와 첨단제조기술, 일본은 산업재흥플랜, 중국은 중국제조 2025로 하여 전략적으로 스마트 공장을 추진하고 있으며 한국은 제조업 혁신 3.0과 스마트공장 도입 및 확산을 진행 중이다[1].

    특히 독일의 경우 <Figure 1>과 같이 Plant Lift Cycle, Comm Protocol, Field Device Integration, Automation Systems, Field Device, Production Process 등의 표준을 포함한 RAMI 4.0모델을 개발하여 스마트공장 보급 및 확산에 힘 쓰고 있다[4].

    또한 독일에서는 인더스트리 4.0의 경험치를 가진 리딩 기업들이 워크샵을 통해 인더스트리 4.0 추진을 위한 Readiness Model을 만들었다. 그 결과로 <Table 1>과 같이 6개 범주(Strategy and Organization, Smart Factory, Smart Operations, Smart Products, Data-driven Services, Employees)와 18개 하위항목을 제시하였으며 이 중 스마트공장 범주에는 Digital Modeling, Equipment Infrastructure, Data Usage, IT System과 같이 4개 하위항목이 있다. 또한 각 범주별 준비 도를 6단계 수준으로 제시하였는데 20명 이상의 종업원 을 가진 268개 조사대상 기업들에 대한 연구결과 0~5까 지의 6단계 중 평균 0.7 수준이며 95%가 0~2 수준의 낮은 단계로 평가되었다[2].

    우리나라도 국가적 차원에서 중소 제조기업의 경쟁력 강화와 일자리 창출을 위해 2020년까지 스마트공장 1만개 도입을 목표로 하며 현재까지의 우수한 성과에 따라 2022 년까지 2만 개에서 3만 개로 목표를 상향하여 보급․확산 에 힘쓰고 있다. 2014~2018년까지 5년간 7,903개의 중소 기업 대상으로 스마트공장을 구축하였으며 그 결과 생산 성 30% 증가, 불량률 43.5% 감소, 고용창출 2.2명 증가 등 Q(Quality), C(Cost), D(Delivery), P(Productivity), S(Safety) 측면에서 획기적인 성과를 거두었다[12].

    스마트공장 보급․확산과 목표 달성을 위해 <Table 2> 와 같이 스마트공장의 기본개념과 구조, 용어, 운영관리 시스템(진단 평가 모델)에 대해 2016년 6월에 KS가 제정 되었다[5, 6, 7].

    2014년부터 스마트공장 사업을 지원한 산업통상자원부 와 민관합동 스마트공장 추진단은 스마트공장을 정의하 면서 구축 성숙도를 <Table 3>과 같이 기초, 중간1, 중간2, 고도화 4개로 구분하고 있다. 국가적인 활발한 지원에도 불구하고 아직까지 우리나라 기업의 스마트공장 구축 수 준은 대부분 기초단계(76.4%)에 머물고 있다[16].

    2.2 기업규모별 스마트공장 구축

    <Figure 2>에서 보는 바와 같이 인더스트리 4.0 범주 에 대해 기업규모에 따른 구축준비도를 살펴보면 전반적 으로 기업규모가 작을수록 준비도가 낮아 중소기업일수 록 인더스트리 4.0, 스마트공장 대응이 쉽지 않음을 알 수 있다[2].

    또한 <Table 4>에서와 같이 2015년 독일 연방경제에 너지부의 발표 자료에 의하면 중소․중견기업은 대기업 에 비해 스마트공장을 포함한 인더스트리 4.0 추진을 위 한 기본요소인 자원, IT 인프라, 프로세스, 생산기술/장비 측면에서 모두 열위에 있는 것으로 나타났다[8].

    이처럼 대기업에 비해 인적․물적자원이 열악한 중소 기업을 위해 국가에서는 스마트공장 보급․확산사업, 대․ 중소 상생형 스마트공장 구축지원 사업 등으로 다양하게 지원하고 있다. 스마트공장의 완성형은 HW와 SW가 완벽 하게 융합된 ‘고도화’ 단계이나 현재 스마트공장 지원사업 은 수적인 목표달성을 위해 단가가 저렴한 SW보급에 치 중되어 있다[3]. SW는 대부분 외부 IT 솔루션업체를 통해 도입되나 단순 SW도입 시 기업에 제대로 내재화되어 활 용되는 구축성공률이 높지 않기 때문에(30% 수준) [17] 스 마트공장 추진방향의 명확화, 업무 프로세스 반영, 설비․ 정보 시스템과의 연계 등 이루어져야 한다.

    국내 스마트제조에 대한 인식조사 결과 스마트제조에 대한 중소 제조기업의 인지도는 53%로 높지 않았고 실 제 자동화․지능화 관련 설비․솔루션을 도입한 기업도 14.6%로 낮았다. 반면 자동화․지능화를 위해 52.6%가 투자의향이 있으며 스마트제조 설비 도입에 따른 기업의 매출액 향상, 투자회수도 긍정적으로 보고 있다. 장애요 인으로 예상되는 인력채용, 직원교육, 사후관리, 투자자 금 부족 등이 해결될 경우 스마트공장 보급 및 확산은 가속화될 수 있을 것으로 판단된다[3].

    3. 스마트공장 진단모델 개발 및 적용결과

    3.1 스마트공장 진단모델 개발

    본 연구에 적용된 스마트공장 수준평가 진단모델은 2018년까지 총 18개월에 걸쳐 개발되었으며 스마트공장 전문가 그룹, 기업체 직무담당자, HW/SW 전문가 등 15여 명이 21회 회의를 거쳤고 Pilot Test와 대기업 7개사, 중소 기업 20개사 진단으로 유효성 검증을 완료하였다. 개발된 진단모델은 <Table 5>와 같이 10개 대항목, 189개의 소항 목으로 구성되며(전체 평가항목은 [별첨]으로 제공) 총 1000점 만점으로 <Table 6>과 같이 종합점수에 따라 총 5단계(시작-준비-진행-완료-고도화)수준으로 분류된다.

    본 진단모델은 스마트공장에 대한 올바른 개념인식과 정확한 구축방향 설정을 위한 객관적 진단 및 평가도구 로써 기업 운영현황을 제대로 파악하고 스마트화 대상, 기간, 범위 등을 명확히 하는데 목적이 있다. 개발된 모 델은 기존 진단모델과 2가지 차이점을 가지고 있다. 첫 째, 각 진단항목별 구체적 판단기준을 제시하여 객관적 평가를 통한 개선항목 도출이 가능토록 하였다. 둘째, 다 양한 업종과 기업규모에 적용이 될 수 있도록 설계되었 다. 기업 업무프로세스 중심으로 진단모델이 구성되어 대상기업의 Value Chain에 맞추어 유연하게 평가항목을 구성할 수 있게 하였다.

    범주별 진단중점사항을 보면 다음과 같다.

    • (1) 전략 : CEO 및 임원의 Smart Factory에 대한 이해 도․실행의지․로드맵, 기술도입 프로세스, 성과관 리 프로세스, 전담조직 구성, 구성원 이해도 함양 등

    • (2) 현장관리 : 3정, 5S, 눈으로 보는 관리 등

    • (3) 설비관리 : 자동화․데이터운영 설비비중, 유틸리 티 설비 모니터링, 에너지 소모량 제어 등

    • (4) 업무 프로세스 : 설계 변경, 도면 관리, 프로젝트 관 리, 공정 설계, 개발프로세스 표준화 수준, 개발 Tool 활용도, 공정 피드백, 기준정보 운영, 고객수 요 대응, 생산계획 수립, 작업계획 수립, 생산실적 및 이상대응 관리, 고객관리, 품질 이상추적, 품질 계획, 협력사 품질관리, 품질개선, 품질표준 관리, 품질관리, 계측기 관리, 설비마스터 관리, 설비 예 방보전, 자재관리, 금형치공구 및 설비개선, 자재 소요량 관리, 자재구매, 자재 입․출고, 자재관리, 제품출하 등

    • (5) 기준정보 표준화 : 제품모델, 제품 BOM, 제품 설 계요소, 공정관리, 품질관리, 설비정보, 설비자재, 보전작업, 제품자재, 협력사 정보, 고객정보 등

    • (6) 설비-시스템 연계 : 시스템 연계 설비비중, 설비상 태 정보, 생산지시, 설비 Alarm, 설비데이터 활용, 가동지시, 생산 Recipe, 생산정보 등

    • (7) 정보 시스템 : IT 솔루션(ERP, SCM, MES, QMS, CMMS, PLM, EMS) 및 정보보안 등

    • (8) 시스템-시스템 연계 : IT 솔루션 간 연계 등

    • (9) 데이터 활용 : 설비 데이터 분석, 설비 예지정비, 품질 데이터 분석, 품질이상 예지, 에너지 데이터 분석, 배출물질 이상 예측 등

    • (10) 효과분석 : 설비종합효율, 시간당 생산량, 재고회 전율, 공정능력지수 등

    진단모델 개발 시 특히 스마트공장 구축에 있어 인식 전환이 필요한 몇 가지 사항을 중점적으로 고려하였다. 첫째, 스마트공장 구축에 있어 정보시스템만 구축되면 스마트공장이 된다는 인식을 개선하는 것이다. 둘째, 업 무프로세스를 배제하고 산업, 제품, 업무특성을 무시한 채 일률적인 자동화 설비/시스템 구축으로 발생하는 Loss를 방지하는 것이다. 셋째, HW/SW 간 연계성 없는 스마트공장 구축으로 설비와 정보 시스템 간의 발생할 수 있는 연결성 결여를 최소화 하는 것이다. 넷째, 대부 분의 기업이 스마트공장 구축을 외주업체에 의존하기에 진단을 통해 기업 특성에 맞도록 단계별 스마트공장 추 진방안을 제시하는 것이다.

    본 진단모델은 스마트공장 구현에 있어 다음과 같은 특장점을 가지고 있다. 개발된 진단모델은 스마트공장 구축․운영 전략부터 업무 프로세스, 정보 시스템, 성과 등의 전 영역에 걸친 종합적 진단 Tool이며 체계적인 항 목분류(대분류-중분류-소분류)로 세부적 진단이 가능하기 에 스마트공장의 공유 플랫폼 역할을 하는 다양한 정보 시스템과의 연계로 기업에 실질적인 도움을 줄 수 있다.

    3.2 스마트공장 진단모델 적용결과

    본 스마트공장 수준평가는 대기업에 비해 자체적으로 스마트공장 추진에 어려움이 있는 중소기업을 지원하는 목적에서 수행되었다. ① 신청접수 → ② 기업선정 → ③ 전 문가 매칭 → ④ 스마트공장 수준진단 → ⑤ 스마트화 도입 기술 검토 → ⑥ 추진과제 정립 → ⑦ 사업완료 및 사후 관리의 절차에 따라 2018년 4~6월까지 총 3개월간 인천 지역 내 18개 중소기업에 대해 5명의 IT(Information Technology), AT(Automation Technology), OT(Operation Technology) 전문가가 매칭되어 스마트공장 구축 역량진단을 실시하였다. 진단자에 의한 편차를 최소화하기 위해 사전 워크숍을 실시하여 진단항목별 평가기준과 방법을 공유하 였고 진단매뉴얼 제공으로 주관적 판단을 배제하였다.

    진단항목은 <Table 5>와 같이 본 연구를 통해 개발된 “스마트공장 구축 역량 진단지”를 기반으로 참여기업의 규모/업종, 업무기능에 맞추어 범주와 평가항목을 1000 점 만점으로 하여 구성되었다. 범주별 평가결과를 백분 위점수로 환산하여 상대 비교가 가능토록 하였고 KS X 9001-3에 제시된 스마트공장 성숙도에 따라 5단계로 나 누어 기업이 현재 수준을 제시하였다.

    KS X 9001-3은 스마트공장—제3부 : 운영관리시스템 (진단 평가 모델) 국가표준으로 KS의 공신력과 인지도가 있어 산업계에서 널리 활용되고 있다. 하지만 실제 스마 트공장 수준평가 시에는 범용․공용적 표준보다 현장에 맞는 구체적 사항이 필요하기에 항목별 목적, 내용, 판단 기준, 평가참고사항 등 포함한 본 진단모델을 활용하여 평가하였다. 평가결과의 경우 참여기업의 이해도와 수용 도를 높이기 위해 본 진단모델의 수준별 내용을 통상적 으로 많이 활용되는 KS X 9001-3에 있는 “스마트공장 성숙도”에 맞추어 표현하였다.

    본 진단은 2가지 주안점을 가지고 진행되었다. 첫째, ICT기술 도입 위주의 스마트공장 구축이 아닌 내부 시스 템 변화를 추구하였다. 기업 내부 시스템 및 운영 프로세 스 변화를 추구하여 기업 경쟁력을 높이고자 하였고 기 업 상황에 맞는 전략과 로드맵 제시를 위한 IE-ICT 간 균형 있는 융․복합 진단을 수행하였다. 둘째, 스마트공 장 구축 역량 진단시트를 기준으로 객관적 진단을 실시 하였다. 기업 경영 전반의 운영 프로세스, 정보화 운영 현황에 대해 전략, 공장 현장 기본, 설비자동화 등 10가 지 항목으로 검토하고 진단항목별 점수를 합하여 종합적 으로 현 수준을 평가하였다.

    기업맞춤형 스마트공장 추진을 위해 진단 전 <Table 7>과 같이 기업 요청사항을 파악하여 내실 있는 진단이 될 수 있도록 하였다. MES 구축, 생산계획 체계, 병목공 정 해소, 사내표준화, 자재관리, IT 시스템 도입, ERP 시 스템 구축 등과 같은 생산관리 분야 요청사항이 78%로 스마트공장 구축에 있어 Value Chain 최적화가 큰 비중 을 차지하고 있음을 알 수 있었다.

    4. 진단결과

    18개 참여기업 중 매출액 50~100억원대 기업이 8개로 가장 많았으며, 다음으로 10~50억원대 기업이 7개였다. 제 조형태별로 보면 가공업종 7개, 조립업종 11개로 원자재․ 부품을 수급 받아 고객사에 전달하는 형태의 기업이 많았 다. 정보시스템 구축여부를 살펴본 결과 현재 ERP를 구 축하여 경영활동에 활용하고 있는 기업은 6개로 구축기 업보다 구축하지 않은 기업이 더 많았다.

    전체적인 진단결과를 보면 기업 평균점수은 322점(1000 점 기준)으로 KS X 9001에서 제시한 스마트공장 성숙도 측면에서 1수준(점검)과 2수준(모니터링)사이에 있으며 스 마트공장 도입을 위한 준비 및 시작단계에 있다. 특히 스 마트공장 전략, 설비 자동화, 설비관리, 정보․IT 시스템, 데이터 활용, 효과분석 등이 낮게 나왔다. 업종별로 보면 <Table 8>과 같이 생활용품 < 기계 < 자동차부품 < 전기 전자 순으로 진단점수가 높았고 업태별로는 조립 < 가공 순으로 진단점수가 높은 양상을 보였다.

    범주별 비교분석을 위해 백분율점수로 변환하여 IT 시 스템 구축여부, 업태별로 보면 <Table 9>와 같다. IT 시스 템(ERP) 구축업체(6社)는 31%, 비구축업체(12社)는 33% 로 거의 차이가 없으며 IT 시스템 구축업체는 물류관리, 정보 시스템, Data 활용, IT 시스템 구축에서, 비구축업체 는 현장기본, 품질관리, 설비관리에서 강점을 보였다. 또 한 가공(7社)업체가 36%, 조립(11社)업체가 30%로 공정 이 복잡한 가공업체의 스마트공장 수준이 약간 높았으며 가공업체는 현장기본, 설비 자동화, 생산관리, 품질관리, 설비관리에서, 조립업체는 정보 시스템, Data 활용에서 강점을 보였다.

    매출액과 스마트공장 수준 간 연관성을 분석하였을 때 <Figure 3>과 같이 뚜렷한 상관관계를 도출할 수 없 었는데 이는 매출액이 높다고 하여 스마트공장 구축에 있어 유리한 위치에 있지 않다는 것을 의미한다고 볼 수 있다.

    <Table 9>에 명시한 범주별 진단결과를 요약해보면 다음과 같다.

    • ① 스마트공장 전략(29%) : 경영자 및 임원들이 스마트 공장의 필요성을 느끼고 있으나 추진전략과 로드맵 이 약하며 대부분 전담 조직이 없는 상황이다. 우선 적으로 추진조직, 인력보강 및 단계별 추진전략 수 립이 필요하다.

    • ② 공장현장 기본(43%) : 현장관리의 기본이 되는 3정 5S, 눈으로 보는 관리활동은 대체적으로 이행되나 기업별로 수준 차이가 크다.

    • ③ 설비 자동화(26%) : 수작업부터 간이자동화, 반자동 화, 일부자동화 등이 기업에 따라 다른 형태를 보이며 전반적으로 자동화 수준이 높지 않다. 노후 설비의 경우 자동화, 정보화, 시스템 연계가 쉽지 않을 것 으로 판단된다.

    • ④ R&D업무(46%) : 기준정보관리, 프로젝트관리 등이 정보 시스템과 연계되지 않은 경우가 다수 있으며 변경점 관리, 공정 Feedback 프로세스도 취약하다.

    • ⑤ 생산관리(50%) : 주/월 생산계획, 일 생산지시가 Off- Line으로 이루어지는 경우도 있어 MES 시스템 구 축, 고도화를 통한 생산 계획과 실적에 대한 정보화, 공정별 작업계획 및 실적관리가 필요하다.

    • ⑥ 물류관리(45%) : Bar Code 또는 QR Code를 활용 한 자재 입/출고관리와 POP를 통한 원/부자재, 외 주가공품, 입/출고현황 등의 관리가 필요한 기업이 많다.

    • ⑦ 품질관리(42%) : 품질관리, 품질계획 프로세스 표 준화 및 품질 기준정보 코드화를 통한 품질관리체 계 구축이 필요하며 관리계획서에 따라 작업표준, 검사표준이 운영되고 주요항목에 대한 공정능력지 수 등의 관리가 제대로 이루어져야 할 것이다.

    • ⑧ 설비관리(30%) : 설비관리 프로세스가 취약하고 설 비이력 관리대장을 수기로 작성하는 경우가 다수 이며 설비관리를 위한 보전활동과 소모품 관리체 계가 미흡한 기업이 많다.

    • ⑨ SCM 관리(37%) : BOM, 자재 발주 및 입고 등이 주로 엑셀로 관리되며 소요량 계산부터 직관적으 로 이루어지는 경우가 많고 협력사별 최소 발주단 위 등이 관리되지 못하여 장기재고 및 불용자재가 많이 발생하고 있다.

    • ⑩ 기준정보 표준화(39%) : 기준정보 표준화가 거의 되어 있지 않거나 BOM, 부품이 표준화되어 있더 라도 자재 및 공정관리 표준이 미흡하여 관리효율 화 및 업무간소화를 필요로 하는 기업이 많다. 문 서체계, 코드체계, BOM에 대한 기준정보를 수립 하고 그것을 관리하는 전사적 조직, 프로세스 정립 이 필요하다. 기준정보에 대한 표준화 선행 후 IT 시스템 도입이 필요할 것이며 이를 위해 경영진이 의지를 가지고 전사적인 프로세스 혁신(PI, Process Innovation)활동을 전개해야 할 것이다.

    • ⑪ 정보 시스템(30%) : ERP를 사용하고 있으나 회계 전표 처리기능에 국한되어 있고, MES 시스템은 구 축 되었으나, 현실과 맞지 않아 전혀 사용하고 있 지 않는 경우도 있다. 장기적 관점에서 ERP․MES 시스템의 종합적 고도화가 필요하다.

    • ⑫ DATA 활용(20%) : 각종 검사현황이 일부 수기형 태로 관리되고 있으며 시간, 압력과 같은 설비 PLC 공정정보는 기록만 될 뿐 잘 활용되지 않고 있다. 설비이상감지를 위한 데이터 수집 및 분석체 계가 미약하며 에너지 Data 분석을 위한 IoT 시스 템 구축도 필요하다. 설비와 품질의 미흡한 관리상 태가 데이터 분석 및 활용에도 영향을 주고 있기에 데이터를 활용 전에 목적을 정의하고, 프로세스를 정립하는 것이 우선시 되어야 한다.

    • ⑬ IT 시스템(22%) : ERP 등의 시스템이 구축되어 있 으나 제대로 사용되지 않는 경우가 많다. 시스템적 업무수행에 대한 거부감 → 시스템 활용도 저하 → 시스템 데이터 신뢰도 저하 → 시스템 미사용의 악 순환이 지속되어 시스템이 활용되지 않고 있다. 시 스템을 업무에 활용하기 위해서는 데이터 기반 의 사결정 구조(경영전략)와 프로세스 중심 기업운영 이 필요하다고 할 수 있다. PI를 통해 프로세스 표 준화, 기준정보 표준화, 조직 및 인력의 R&R(역할 과 책임)을 정의한 후, 시스템을 도입해야 구축성 공 가능성이 높아질 것으로 예상된다.

    • ⑭ 효과분석(29%) : 관리항목 체계를 재정비하고 P(Productivity), Q(Quality), C(Cost), D(Delivery) 등의 핵 심성과지표(KPI)에 대해 CTQ Tree를 전개하여 각 각 주단위나 월단위로 집계 분석될 수 있도록 정보 시스템과 연계해야 한다.

    스마트공장 구축을 위해서는 시장동향 및 SW/ICT를 분석하고 산업특성과 경영환경을 고려하여 기업에 적합 한 스마트공장 추진전략 수립이 필요하며 스마트공장 추 진 목적과 범위, 목표, 기대효과가 명확히 선제되어야 한 다. 단기적으로 기존공장의 효율향상이라는 관점에서 사 업장별/업무별 운영계획 수립, 현재수준 평가, 과제도출 을 하고 중장기적으로 시장변화를 고려한 측면에서 운영방 향을 검토하고 4M(Man, Machine, Material, Method)[11]과 2E(Energy, Environment)를 반영하여 스마트공장 프레임 을 구축해야 할 것이다.

    스마트공장은 그 자체가 목적이 아니며, 궁극적으로 기업 경쟁력 강화를 위해 생산성을 향상시키는 수단이 되어야 한다. 그렇기에 순차적으로 추진해야 할 개선과 제가 무엇인지에 대한 검토가 필요하다. 또한 스마트 혁 신문화 조성을 위해 조직간 협업으로 운영 시스템, 하드 웨어, 소프트웨어를 융합해야 하며 궁극적으로 전사 가 치사슬의 디지털화를 통해 스마트공장을 구현하고 새로 운 사업모델을 창출해야 할 것이다.

    매출규모 및 생산형태에 대한 세부적인 분석을 통해 최소 3-5개년 사업 포트폴리오 및 판매량, 영업이익을 예 측하여 투자전략을 세워야 한다. 중장기적 관점에서 이 익확보 여부를 충분히 검토한, 단계적 접근이 필요하며 기업상황을 고려한 IT/IoT 시스템 사양을 적용해야 한다. 예를 들면 사출전용 MES, 자동차부품전용 MES, ERP기 능을 일부 갖춘 MES 등이 그런 것이다.

    인적자원 관점에서는 단순히 자동화를 통한 인건비 절감 목적이 아닌, 인력 확보가 어려운 3D 작업 중심으 로 선제적 추진이 필요하다. 일례로 협동로봇, 간이자동 화, 모노즈쿠리 작업개선 등을 통한 인간과 기계의 공존 모색을 들 수 있다. 프로세스 관점에서는 기업 운영시스 템, 데이터(생산성․품질․재고․납기 데이터 등) 수집 및 분석 수준에 따라 IT 시스템 도입여부가 결정되어야 할 것이다.

    마지막으로 기본과 원칙 준수가 우선 시 되어야 한다. 스마트공장을 구축할 수 있는 업무표준 정립 및 현장 기 본준수, 품질관리 체계, 설비보전 체계 등이 갖추어져 있 는지에 대한 검토가 중요하다.

    5. 결 론

    본 연구는 국내 제조업체가 스마트공장 구축함에 있 어 도움이 될 수 있도록 진단모델을 제시하고 중소기업 에 적용한 결과를 보여주고 있다. 참여기업들의 스마트 공장 진단점수는 1000점 만점에 322점으로 1수준(점검) 과 2수준(모니터링) 사이에 있었다. 진단범주별로 보면 스마트공장 전략, 설비 자동화, 설비관리, 정보․IT 시스 템, 데이터 활용, 효과분석 등의 수준이 낮아 CEO의 스 마트공장 구축전략, 자동화시스템 고도화, 프로세스 최 적화, 현장데이터 및 IT 시스템 활용, 구축 후 효과 모니 터링 등이 시급한 것으로 파악되었다.

    진단 전 기업요청사항을 보면 MES 구축, 생산계획 수립, 병목공정 해소, 사내표준화, 자재관리, IT 시스템 도입, ERP 시스템 구축 등 생산관리 분야가 78%로 생산공정 최적 화에 대한 요구가 다수였고 진단결과 또한 스마트공장 구축을 위해서는 업무 프로세스 및 표준체계 정립, 기본 적인 현장개선(정비)활동, 공장 Layout 재배치, 기업규모 에 맞는 IT 시스템 구축 등이 선행되어야 하는 것으로 나타나 기업요청사항과 많은 부분이 일치하였다. 기업들 은 자사의 기업규모, 업종․업태를 고려하여 취약한 부 분에 대해 현실적으로 실현가능한 과제를 먼저 추진해야 할 것이다.

    본 연구를 통해 제조업의 기업운영 프로세스를 반영한 스마트공장 진단모델을 개발하고 자체적으로 스마트공장 추진이 어려운 중소기업에 대한 적용사례 및 현 수준을 보여줌으로써 스마트공장을 도입코자 하는 중소기업에 실질적인 도움을 주고자 했다. 참여기업은 진단내용에 대 해 전반적으로 만족하였으며(진단만족도 : 4.5점/5점만점) 실질적으로 도움이 되었다고 평가하였다. 그러나 진단내 용과 항목이 많기에 진단일수(3일)가 부족하여 5일정도로 늘리길 원하였다. 또한 본 진단결과를 스마트공장 추진전 략 수립에 적극 활용할 예정으로, 실효성을 높이기 위해 PI(프로세스 혁신), ISP(정보전략 수립), H/W와 S/W 인프 라 구축, 인력양성 부분을 중점적으로 진단하면 좋을 것 같다는 의견이 있어 향후 진단 시 진단기간, 중점항목 가 중치에 대해 검토가 필요할 것으로 보여진다.

    연구의 한계로는 스마트공장 수준평가 분야가 학술 적으로 정형화되지 않았고 기업별 업무프로세스도 상이 하여 진단모델을 개별기업까지의 맞춤형으로 보기에 어 려움이 있으며 진단 시 일부 주관적 판단이 포함된 경우 가 있어 이후 많은 연구사례가 나오면 추가적인 비교․분 석이 필요할 것으로 판단된다. 또한, 진단대상이 18社로 기업규모(매출액), 업종, 업태, IT 시스템 기 구축여부 등 에 따라 구분했을 시 대표성 있는 결과값으로 부족한 부 분이 있기에 이후 통계분석이 가능한 수준으로 대상기업 을 확대하여 보완할 예정이다.

    Acknowledgement

    This study is part of the results of <Customized Diagnosis Consulting Project for Smart Factory Building> of Incheon Technopark.

    Figure

    JKISE-42-3-25_F1.gif

    Germany's RAMI 4.0 Smart Manufacturing Reference Model and IEC-related Standards

    JKISE-42-3-25_F2.gif

    Readiness Measurement by Company Size

    JKISE-42-3-25_F3.gif

    Correlation between Sales Amount and Smart Factory Diagnostic Score(except one company with 357 million won)

    Table

    Dimension and Associated Field of Industry 4.0

    Smart Factory-Related Korean Standard

    Smart Factory Level

    Obstacles of adopting Industry 4.0 : Difference between SME and Large Enterprise

    Main and Sub Category of Smart Factory Diagnosis

    [별첨] 본 진단에 활용된 스마트공장 진단항목 및 진단매뉴얼(Sample)

    Smart Factory Level by Total Score

    Before Diagnosis, Company’s Requirement

    Smart Factory Diagnostic Score by Industry Sector/ Type

    Diagnostic Results by Category

    Reference

    1. Choi, Y.H. and Choi, S.H., A Study on the Factors Influencing the Competitiveness of Small and Medium Companies Applied with Smart Factory System, Information Systems Review, 2017, Vol. 19, No. 3, pp. 95-113.
    2. Foundation for mechanical engineering, plant engineering, and information technology of Germany, Industrie 4.0 Readiness, 2015, https://www.industrie40-readiness.de/.
    3. Gu, B.J., Lee, J.S., Lee, M.H., and Son, S.H., Domestic Smart Manufacturing Policy and Support Statusand Improvement Plan, KISTEP Issue Weekly, 2018, Vol. 1, ISSN 2586-2278.
    4. Kim, Y.W., Jung, S.J., You, S.G., and Cha, S.G., Smart Factory International and Domestic Standardization Trend, Journal of Communications and Networks, 2015, Vol. 33, No. 1, pp. 30-36
    5. Korean Agency for Technology and Standards, Smart Factory-Part 1 : Basic Concepts and Structure, KS X 9001-1, 2016.
    6. Korean Agency for Technology and Standards, Smart Factory-Part 2 : Terminology, KS X 9001-2, 2016.
    7. Korean Agency for Technology and Standards, Smart Factory-Part 3 : Operation Management System(Diagnostics and Assessment Model), KS X 9001-3, 2016.
    8. Kwon, J.H. and Lee, S.B., A Case Study of German Small and Medium Enterprises Introduction of ‘Industry 4.0’ and It’s Implication to Korea, Koreanische Zeitschrift fu¨r Wirtschaftswissenschaften, 2016, Vol. 34, No. 2, pp. 37-55
    9. Lee, H.H. and Leem, C.S., SWOT Analysis for Small and Medium Enterprise in Smart Factory Introduction, Journal of the Korea Convergence Society, 2018, Vol. 9, No. 3, pp. 1-14.
    10. Lee, H.Y. and Jang, J.Y., Smart Factory Status Analysis and Responding Strategy of SMEs in Southeast Region, The Journal of The Korean Institute of Communication Sciences, 2018, Vol. 35, No. 4, pp. 35-42.
    11. Lee, J.C., Step by Step Implement Points for Smart Factory Building, Industrial Engineering Magazine, 2018, Vol. 25, No. 4, pp. 31-37.
    12. Ministry of SMEs and Startups, Main Business of Ministry of SMEs and Startups in 2019, 2019, https://www.mss.go.kr/.
    13. Park, J.P., Analysis on Success Cases of Smart Factory in Korea : Leveraging from Large, Medium, and Small Size Enterprises, Journal of Digital Convergence, 2017, Vol. 15, No. 5, pp. 107-115.
    14. Sameer, M., Muztoba, A.K., David, R., and Thorsten, W., Smart Manufacturing : Characteristics, Technologies and Enabling Factors, In : Proceedings of the Institution of Mechanical Engineers, Part B : Journal of Engineering Manufacture, In Press, 2017, pp. 1-20.
    15. So, A.Y., 4th Industrial Revolution and Domestic International Smart Factory Industry Trends, Convergence Weekly Tip, 2017, Vol, 57, pp. 1-8.
    16. The Presidential Committee on the 4th industrial revolution, Strategies for Smart Factory Expansion and Advancement, 2018, https://www.4th-ir.go.kr/.
    17. The Standish International. Inc, Standish Group 2015 CHAOS Report, 2015, https://www.standishgroup.com/.