구글 클라우드가 제조 기업의 단절된(siloed) 자산을 연결하고 데이터를 처리하고 표준화하며, 생산 현장부터 클라우드까지 전 과정의 데이터 가시성을 강화하는 신규 솔루션 2종을 발표했다.

구글 클라우드가 새롭게 선보인 매뉴팩처링 데이터 엔진(Manufacturing Data Engine)과 매뉴팩처링 커넥트(Manufacturing Connect) 솔루션은 데이터 조정을 통해 △제조 분석 및 인사이트 창출 △예측적 유지보수 △기계 이상 탐지 등 제조업이 직면한 AI 및 분석 기반의 세 가지 주요 과제 해결을 지원한다.

오늘날 제조 산업은 고객의 높아진 기대치, 공급망 변동성, 구매자 행동 변화 등의 요인으로 인해 대대적인 디지털 트랜스포메이션을 추진하고 있다. 그러나 최근 가트너(Gartner) 발표에 따르면, 이러한 문제를 해결하기 위해 생산 단계부터 적극적으로 AI 이니셔티브를 도입한 제조 기업의 비율은 21%에 불과한 것으로 나타났다. 제조 기업에서 데이터를 생산 규모에 맞게 활용하려면 중앙에서 실시간으로 사일로화된 데이터세트에 액세스할 수 있는 환경이 필요하다. 뿐만 아니라 대부분의 AI 및 분석 솔루션은 데이터 과학자 수준에 맞춰져 있어 보통의 비즈니스 책임자가 사용하기에는 어려움이 많다.

이번에 출시된 매뉴팩처링 데이터 엔진과 매뉴팩처링 커넥트 솔루션은 제조 기업이 데이터를 통합하고 직원들이 클라우드 환경에서 분석 및 AI 솔루션을 손쉽게 활용할 수 있도록 지원한다.

매뉴팩처링 데이터 엔진(Manufacturing Data Engine)은 업계를 선도하는 구글 클라우드의 데이터 플랫폼에서 공장 데이터를 처리하고 컨텍스트화하여 저장하는 과정 전반을 지원하는 엔드 투 엔드 솔루션이다. 기업은 데이터 수집, 변환, 저장 및 액세스에 대해 원하는 대로 구성과 맞춤 설정을 계획할 수 있다. 매뉴팩처링 데이터 엔진은 클라우드 데이터플로우(Cloud Dataflow), 펍섭(PubSub), 빅쿼리(BigQuery), 클라우드 스토리지(Cloud Storage), 루커(Looker), 버텍스 AI(Vertex AI), 아피지(Apigee)를 비롯한 주요 구글 클라우드 제품을 제조 솔루션에 통합한다.

매뉴팩처링 커넥트(Manufacturing Connect)는 산업용 에지 데이터 플랫폼 분야의 글로벌 기업인 리트머스 오토메이션(Litmus Automation)과 공동 개발한 공장 에지 플랫폼(Edge Platform)이다. 250개 이상의 머신 프로토콜로 구성된 광범위한 라이브러리를 기반으로 거의 모든 제조 자산 및 산업 시스템에서 데이터를 구글 클라우드로 빠르게 연결하고 스트리밍한다. 매뉴팩처링 커넥트는 제조 데이터 엔진과 긴밀한 통합이 가능해 기업은 데이터를 구글 클라우드로 빠르게 가져와 머신 및 센서 데이터를 처리할 수 있다. 또한 컨테이너화된 애플리케이션과 머신러닝 모델을 에지에 배포할 수 있어 새로운 차원의 활용 사례 구현이 가능하다.

기업은 매뉴팩처링 데이터 엔진과 매뉴팩처링 커넥트를 활용해 데이터를 중앙 집중화하고 조정하는 작업을 통해 다양한 산업 과제를 해결할 수 있다.

 제조 분석 및 인사이트 창출: 제조 기업은 신속하게 맞춤형 대시보드를 만들어 전반적인 장비 효율(OEE, Overall Equipment Effectiveness)과 같은 공장 KPI부터 개별 머신 센서 데이터까지 핵심 데이터를 시각화할 수 있다. 엔지니어와 공장 관리자는 이러한 데이터를 매뉴팩처링 데이터 엔진과 통합해 새로운 기계와 공장을 자동으로 설정할 수 있다. 이를 통해 표준화된 대시보드와 KPI, 온디맨드형 데이터 드릴다운(drill-down) 기능을 활용해 공장 작업 전반에 새로운 인사이트 창출 기회를 확보할 수 있고, 나아가 기업 전체 및 협력사와 쉽게 공유할 수 있다.

 기계 이상 탐지: 제조 기업은 구글 클라우드의 시계열 인사이트 API(Time Series Insights API)를 활용해 실시간으로 머신 및 센서 데이터에 소음, 진동, 온도 등 이상 발생 시 이를 탐지하고 경보를 받을 수 있다.
 예측적 유지보수: 제조 기업은 서비스가 필요한 자산을 미리 예측해 다운타임 및 유지보수 비용을 줄일 수 있다. 또한 몇 주 내로 배포 가능한 머신러닝 모델과 높은 정확도의 AI 최적화 기능을 활용할 수 있다.

제이슨 리스카(Jason Ryska) 포드 제조 기술개발 부문 이사는 “조립 라인에서 생성되는 센서 데이터 양이 증가하면서 제품 품질, 생산 효율성, 장비 상태 모니터링에 대한 보다 스마트한 분석이 가능해졌다. 그러나 이는 동시에 새로운 데이터 유입과 관리의 어려움을 의미한다”라며, “포드가 구글 클라우드와 협력해 구현한 데이터 플랫폼은 현재 2개 공장에 연결된 100여 대의 주요 기계에서 운영되고 있으며, 매주 2,500만 건 이상의 기록을 스트리밍하고 저장한다. 포드는 데이터를 기반으로 강력한 인사이트를 얻고 있으며, 덕분에 앞으로도 선제적인 조치를 취해 공장 운영의 효율성을 한층 더 높일 수 있을 것으로 기대한다”라고 말했다.

한스 탈바우어(Hans Thalbauer) 구글 클라우드 공급망 및 제조 산업 부문 총괄은 “제조 기업은 시스템 간 존재하는 격차를 해소하고 엔지니어가 사용하기 쉬운 AI 기술을 제공해 보다 나은 결과를 달성할 수 있다"라며, "구글 클라우드의 새로운 제조 솔루션은 데이터 과학자의 도움을 받거나 추가적인 통합 코드 작업을 할 필요 없이 엔지니어가 직접 사용할 수 있는 도구를 제공해 기업의 인력 혁신 추진에도 기여할 것”이라고 말했다.