산업기술/제조/경영

Nikkei Monozukuri_2020.12 특집 요약 (p51-63)

대 변화에 강한 뛰어난 공장
제조업 디지털 변환(DX)의 사례

제품 매출 추이의 급격한 변동, 고객 요구의 변화. 코로나19는 어떤 사태도 발생할 수 있다는 것을 알려주며, 동시에 지금까지 제조업이 안고 있던 문제점을 가시화하였다. 급격한 변동이나 변화에 신속하게 대응하도록 업무를 개혁하기 위해 IT의 힘을 빌리는 디지털 트랜스포메이션(DX)이 진행되기 시작했다.

Part 1. 총론
예상 불가능한 국면에 DX가 효과, 기존의 IT를 능가하는 변화에 대한 대응력

코로나19의 제2차 유행이 안정세를 보이기 시작한 20년 가을 이후, 제조업에서 중∙장기적인 디지털 트랜스포메이션(DX)의 움직임이 두드러지기 시작했다. 예를 들면, 카시오계산기는 새로운 생산개혁을 21년 4월에 실시한다고 공표. 후지쓰는20년 10월에 자사의 DX프로젝트에 대해 밝혔다. 그 며칠 후에는 화낙과 NTT 커뮤니케이션즈와 공동으로 제조업에 특화된 클라우드를 운영할 새로운 회사 DUCNET(도쿄)의 설립을 발표했다.

온라인에서의 리모트워크나 서비스 제공과 같은 감염 대책 DX와 더불어, 코로나19 후의 회사를 전망한 중∙장기적인 개혁이 시작된 것이다. 미쓰비시종합연구소 디지털 트랜스포메이션부문의 고바시(小橋) 수석연구원은 “정세 흐름이 변했다. 기업에게는 변화에 기민한 대응(리질리언스)이 이전보다 더 요구되고 있다”라고 말한다. 코로나19 이전의 업무 효율화나 이익 증대를 위한 DX는 안정된 사회 상황을 전제로 하고 있었다. 그러나 지금 그 기반이 크게 흔들리며 변화에 대한 대응력의 중요도가 크게 상승했다.

-- 리드타임의 길이가 표면화 --
카시오계산기의 시노다 생산본부장은 코로나19 제1차 유행 때의 혼란과 대응에 대해 이렇게 말한다. “점포 폐쇄 등으로 인해 상품이 전혀 팔리지 않게 되었다. 급하게 생산을 줄여 재고 확대를 막았지만 전부 수작업이었다”. 이를 통해 표면화된 것이, 카시오계산기가 30년에 걸쳐 생산 활동의 기본으로 삼아 왔던 제조 리드타임(생산계획 확정부터 제조까지의 기간) ‘3개월’의 의미였다.

코로나19 이전에는 3개월이라는 리드타임 길이로 사업을 추진하는데 있어서 어려움은 없었다. 그러나 코로나19의 영향으로 제품이 완전히 팔리지 않게 됐다는 정보가 들어오기 시작하고, 그 상황이 길어질 것이 분명해진 시점에서 생산계획을 축소한다고 해도, 공장 출하가 감소하는 것은 3개월 후까지 기다려야 한다. 그것을 방지하기 위해 카시오계산기는 생산 계획의 취소 작업, 즉 자사 공장이나 600개에 달하는 부품 공급업체, 관련 부문 등과의 조정을 실행했다. 그러나 가령 취소가 불가능하여 팔리지 않는 제품의 재고를 계속 쌓아 두는 상황이 된다면 3개월은 너무나 길다.

그래서 카시오계산기는 코로나19 이후의 사회에서는 리드타임 3개월은 너무 길다고 판단하고 단축을 결단했다. 짧으면 짧을수록 좋다고도 하지만, 공급업체로부터의 부품 확보 등에 필요한 기간을 생각해 새로운 제조 리드타임을 2개월로 결정했다. 이 목표를 위해 카시오계산기는 현재 개혁을 추진하고 있다.

카시오계산기는 원래 IT 시스템의 도입이나 업무의 전자화에 적극적이었다. ERP(Enterprise Resource Planning)를 통한 기간 시스템도 조기에 도입했다 그럼에도 리드타임 2개월이라는 명확한 목표를 세우기 위해서는 코로나19의 유행과 같은 통렬한 경험이 필요했다.

이러한 개혁에는 IT에 의한 사업 개혁, 즉 DX가 필요하다. 새로운 목표에 따른 IT 시스템 구축에는 그렇게 비용은 들지 않았다. 기간 ERP 시스템과 연계할 시스템의 계량도 끝났다고 한다. 보급으로 인해 저가로 손쉽게 이용할 수 있게 된 IT가 DX를 지원하고 있는 것이다.

-- 고객 요구의 변화에 대응 --
변화에 대한 대응력은 각기 다른 요구를 하는 고객에 대한 대응력도 된다. 카시오계산기는 앞으로 인터넷을 통한 판매가 증가할 것으로 보고 있다. 고객과 직접 접촉하는 기회가 늘면서 수요 변화나 동향을 쉽게 파악하게 될 것이라고 예상한다. 그렇게 파악한 변화에 바로 대응하기 위해서라도 리드타임의 단축이 필요해졌다.

개별 고객에 대한 대응은 결국에는 개별수주생산이 된다. BtoB에서는 개별수주생산을 통해 고객에게 가치를 제공하고 있는 기업은 많다. “일본기업의 뛰어난 수주 생산력은 일본 국내에서는 잘 알려지지 않았지만 실은 일본기업의 큰 강점이다”(경영컨설턴트 혼마(本間) 씨). 코로나19를 계기로 “대량생산형 산업은 재검토되고, 대비되는 개념으로서 Sustainable(지속 가능)한 제조로 변해 간다. 그 콘셉트가 더욱 진행되면 수주생산형 기업이나 비즈니스가 다시 부활하지 않을까 생각한다”(미쓰비시종합연구소의 고바시 수석연구원).

그러나 그러한 기업도 효율화는 더욱 필요할 것이다. 미쓰비시종합연구소는 고객이 결정한 사양에 따라 설계, 제조하는 수주설계생산(ETO：Engineer to Order) 방식의 기업이, 복수의 최적화 설계안을 고객에게 제시해 최종적인 제품 사양을 결정하는 수주사양생산(CTO：Configure to Order) 방식으로 전환하기 위한 시스템을 연구하고 있다. 그를 위해 인공지능(AI)과 해석계산(CAE)를 응용, 다양한 요구에 대응할 수 있는 체제를 미리 정비해 둔다.

-- DX가 진행되지 못하는 이유 --
-- 기술자의 생각을 반영할 수 있다 --

Part 2. 사례(1): 카시오계산기
코로나19 이후를 전망한 생산 사이클 단축, 수요 동향에 기민하게 대응

카시오계산기는 손목시계의 생산 사이클을 기존의 3분의 2로 단번에 단축하는 생산 개혁을 실시한다. 디지털 기술을 풀 활용해 생산 준비와 제조 공정을 단축. 지금까지 3개월이 걸렸던 생산 설계 결정에서 출하까지의 제조 리드타임(이하, 리드타임)을 2개월로 단축한다. 20년 6월에 개혁 프로젝트를 발족하고, 21년 4월부터 실시할 계획이다.

개혁의 중핵은 자동생산라인의 도입 등으로 스마트화한 공장이다. 영업부의 수요 정보를 공장으로 직결해 생산 착수 전의 준비 기간을 단축한다. 부품을 생산하는 공급업체와의 사이에서 긴밀하게 정보를 교환할 수 있도록 정보시스템을 정비하고, 부품이 입하되기까지의 기간도 단축한다. 또한 제품 조립 시간도 자동화 라인을 통해 단축할 생각이다.

-- 브레이크를 밟으려 해도 밟을 수 없다 --
개혁의 배경에는, 코로나19로 인한 제품 수요의 급격한 변화에 카시오계산기의 공장이 기민하게 대응하지 못했다는 반성이 있다.

20년 3월 이후에 코로나19의 영향이 세계적으로 나타났다 이 때 락다운(도시봉쇄)으로 인한 점포 휴업 등으로 제품 판매가 완전히 멈췄다. “상품이 전혀 팔리지 않게 되었다는 것을 알고 있었다. 그러나 지금까지와 동일한 생산계획이 짜여 있었고, 대량 생산되는 제품이 그대로 재고로 쌓이는 상황에 직면했다. 그래서 20년 5월까지 매주 영업부와 온라인으로 정보를 교환하고, 생산을 억제하고 재료를 보관해 두는 등 재고 확대를 어떻게든 막으려 노력했다. 공장 생산의 브레이크를 밟고 싶었지만 좀처럼 밟을 수 없었다. 게다가 그 작업은 전부 수작업으로 할 수 밖에 없었다”(시노다 생산본부장).

그러나 20년 6월이 되면서 중국에서 수요 회복이 보이기 시작했다. 그러나 이번에는 단번에 엑셀을 밟을 수 없었다. 생산 계획을 세워도 제품이 나오는 것은 가을이 돼야 한다. 그래서 카시오계산기는 수요와 직결된 생산 증감이 가능하도록 개혁하겠다는 결심을 굳혔다. 그를 위해 반드시 필요한 것이 생산 리드타임의 단축이었다.

-- 리드타임을 2개월로 단축 --
“’3개월이라는 기간을 불과 1개월 단축할 뿐’이라고 느낄지도 모른다. 그러나 다품종 소량생산이기 때문에 오퍼레이션은 복잡하다. 불과 1개월이라도 카시오계산기가 30년 동안 단축하려고 했지만 하지 못했던 과제다”(시노다 생산본부장).

리드타임의 단축이 가능해진다면 과잉 생산이나 불량품을 방지하기 쉬울 뿐 아니라 계획 단계에서 수요를 정확하게 상정할 수 있게 된다. “현재로서는 3개월 전에 계획을 결정할 때, 영업부가 ‘분명히 팔린다’라고 생각할 만한 근거가 있는 것과, 근거는 약하지만 ‘결정해야 하니까 결정한 것’이 혼재되어 있다”(시노다 생산본부장). 근거가 약한 제품은 결과적으로 팔릴지도 모르지만 팔리지 않고 재고로서 남을 가능성도 있다. 따라서 회사로서는 이 위험을 가능한 줄여나가고 싶어한다.

한편으로 3개월 전에는 알지 못했던 수요가 2개월 전에는 알 수 있는 경우가 있다. 즉, 3개월 전의 결정에서는 빠질 수밖에 없었던 수요를 반영할 수 있기 때문에 그 만큼의 판매 기회를 놓치지 않아도 된다.

-- 5,000종류이 다품종 생산 --
-- 공급업체 별로 세심하게 대응 --

Part 2. 사례(2): 미쓰비시종합연구소그룹
10분만에 제안, 사양은 고객과 결정, 수주 생산의 개혁 시스템을 AI로 개발

미쓰비시종합연구소와 그룹 기업인 MRI Research Associates(도쿄)는 AI와 해석계산(CAE)을 조합한 제품 사양의 책정지원시스템 ‘CAE4CTO’을 개발 중이다. 기존에 산업용 설비기기의 수주 생산에서는 사양책정(기본설계)에 수 개월이 걸렸다. 이를 10분 정도로 대폭 단축한다.

산업용 설비기기 업체는 고객에 의한 요구사양(요건정의)을 기다려 설계∙생산하는 수주설계생산(ETO：Engineer to Order) 방식을 취할 수 밖에 없는 케이스가 많다. 이를 수주사양생산(CTO：Configure to Order) 방식으로 전환한다. 업체가 고객에게 복수의 기본 설계안을 제시하고, 고객이 그 중에서 결정하는 스타일이다. AI와 CAE의 조합으로 제안 프로세스를 압축. 제안력 강화와 효율 향상의 양립을 목표한다.

-- AI로 다양한 제품 구성을 생성, CAE로 검증 --
미쓰비시종합연구소는 원래 룰 베이스의 엑스퍼트 시스템을 통해 실현한 AI 컨피겨레이터를 제공한 실적을 보유하고 있다. 유닛간 조합 규칙을 통해 제품으로서 성립하는 구성을 자동적으로 생성할 수 있다. 이렇게 생성한 다양한 제품 구성에 대해 CAE를 이용한 해석계산을 실행하고, 그 결과를 AI 컨피겨레이터에 피드백해 두는 것이 기본 아이디어다.

사전에 CAE가 계산하고 있던 결과로 인해, 특정 성능을 얻기 쉬운 구성이나 비용을 억제할 수 있는 유닛의 조합 등의 정보를 AI 컨피겨레이터에 넣을 수 있다. 고객과 상담할 때는, 상담을 통해 요건정의 항목의 우선순위나 밸런스를 미묘하게 바꾼 복수의 안을 생성할 수 있다. 모든 안은 납기와 비용은 사전 CAE 계산으로 담보하고 있다. 결정한 사양에 대해서는 상세하게 설계 검토를 더해 가지만, 사전에 개요 설계를 최적화하고 있기 때문에 납기나 비용이 크게 팽창하는 일은 없다.

기존처럼 기본설계에 몇 주에서 몇 개월을 투자한다면 복수의 안을 비교 검토하기는 어렵다. 고객은 요건정의를 하나로 결정할 수 밖에 없었다. 새로운 시스템의 이용으로 고객은 복수의 요건정의를 비교 검토할 수 있게 되었고, 업체는 고객에게 컨설팅이라는 부가가치도 제공할 수 있게 된다.

이 대응을 가능하게 한 것은 컴퓨터(PC)의 성능 향상이다. 계산의 소요 시간이 단축되었고, 수많은 구성 하나 하나에 대해 현실적인 시간으로 특성이나 성능을 검증할 수 있게 되었다.

-- 수 십만 건의 사양에 대해 특성을 확인 --

Part 2. 사례(3): 후루카와전기공업
DX의 전문 담당 조직을 신설, 부서간 연계를 추진, IT 인재를 육성

디지털 트랜스포메이션(DX)을 추진할 때의 큰 문제 중 하나가 제조업 현장의 지식과 IoT(사물인터넷)나 AI 기술을 겸비한 인재의 확보다. 외부에서 채용하려 해도 IoT나 AI에 정통한 인재는 확보 경쟁이 치열해 인건비가 상승하고 있다. 운 좋게 우수한 인재를 채용해도 제조 현장의 지식을 새로 배워야 한다.

그것보다는 이미 현장의 각 부서에서, AI에 흥미를 갖고 DX를 실천하는 인재를 육성하는 편이 현실적이다. 후루카와전기공업이 20년 4월, DX 추진 조직으로 설립한 ‘디지털이노베이션센터’는 사내 각 부문의 IoT나 AI 활용을 지원하는 것과 함께 인재 육성도 목적으로 하고 있다.

원래 후루카와전기공업은 통계해석에서 시작해 LASSO회귀분석이나 베이스 추정 등의 해석 기술, 결정트리(Decision Tree)에 의한 기계학습 기술의 이용 등을 전개하고 있었다. 최근에는 심층학습을 이용한 이미지 처리 응용도 시작했다. 연구개발본부 디지털이노베이션센터의 노무라(野村) 센터장은 “그러나 해석 담당 전문 부문뿐 아니라 생산기술 부문이나 공장 등이 각각 착수하고 있어 효율적이지 못하다. 때문에 상호 연계를 도모하려는 목적으로 이 센터를 설립했다”라고 말한다.

디지털이노베이션센터 AI∙소프트웨어개발과의 기세(喜瀬) 개발과장도 지금의 부서로 이동하기 전에 소속되어 있던 현장에서 생산 설비를 대상으로 한 AI 활용을 추진하고 있었다. 오픈 소스의 소프트웨어를 이용한, 비용을 그다지 들이지 않아도 되는 대응이라고 한다. 후루카와전기공업은 이처럼 원래 현장 지식을 갖고 있는 멤버에게 AI 등의 지식을 교육하면 실력을 갖춘 데이터 과학자를 육성할 수 있다고 생각했다.

각 부문에서 AI 응용 등에 착수하는 인재간 연계 강화를 도모하고, 사례 정보나 기업으로서의 가이드라인을 공유하며, 시스템 개발이나 운용 효율화를 도모한다. 온라인 학습 프로그램 등을 통해 최신기술을 학습할 기회도 제공해 나간다.

 -- 끝 --

Copyright © 2020 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.