[Industry Insights]
인더스트리 4.0에서의 공장 설계 자동화: 레이아웃 최적화(Layout Optimization)의 미래

    인더스트리 4.0에서의 공장 설계 자동화
- 레이아웃 최적화(Layout Optimization)의 미래

인더스트리 4.0(Industry 4.0)에서 주목받는 스마트 팩토리(Smart Factory)

2011년 독일이 인더스트리 4.0을 선언하였고 2016년 다보스포럼에서 4차 산업혁명이 논의된 이래 전 세계적으로 제조업의 디지털화가 숨 가쁘게 전개되고 있습니다. 4차 산업혁명을 대표하는 키워드는 "스마트 팩토리"로 기존의 제조 환경에 IoT, 클라우드, 빅데이터, 애널리틱스, VR·AR, 인공지능 및 로봇 등 최신 ICT 기술을 접목한 첨단 자동화 공장을 의미합니다. 제조 운영 전략 관점에서 스마트 팩토리는 기업 내부의 각종 생산 자원을 일사불란하게 제어하고 생산 현황을 실시간으로 모니터링할 수 있도록 오케스트레이션한 시스템으로 볼 수 있습니다. 잘 구현된 스마트 팩토리는 자동화 기반의 유연한 생산 체제를 갖춤으로써 시장 변화에 발빠른 대응이 가능해져 TTM(Time To Market)을 실현함과 동시에 높은 수준의 품질을 담보하는 생산성 향상 효과를 제공합니다.

인더스트리 4.0 이미지

레이아웃 최적화(Layout Optimization)의 현주소

레이아웃 최적화는 좁게 보면 공장 설비 배치 설계 최적화이고 넓게는 각종 오브젝트를 특정 면적·장소와 같은 공간에서 최적의 조건으로 배치한 도면을 자동으로 생성하는 것을 의미합니다. 현재의 배치 최적화 기술은 여타 스마트 팩토리 기술들과 달리 완전한 자동화를 이루었다고 보기 어렵습니다. 그 이유는 여러 가지가 있겠지만, 대표적으로 전통적인 산업 구조에서는 인간이 해결하지 못할 수준의 설계가 필요하지 않았다는 점, 그리고 학계와 시장이 제시한 기술 수준이 부분적으로는 문제를 해결할 수 있을지언정 완성된 그림을 보여줄 수는 없었다는 점을 들 수 있습니다. 그렇다 보니 많은 기업이 설계 솔루션을 앞다투어 내놓았지만 아쉽게도 스마트 팩토리의 프로세스와 같은 전체적인 자동화를 구현해내지는 못했습니다.

레이아웃 최적화 영역은 그동안 유수의 학계와 설계 솔루션 회사들이 다양한 논리적인 도구를 개발하여 문제 해결을 시도했지만, 시장은 계속 침묵해왔습니다. 결국 학계와 기업은 규격화된 논리 외의 그 무언가가 존재하며 이를 충족해야만 한다는 사실을 인정해야 했습니다.

그럼에도 불구하고 의미 있는 사례들이 조금씩 드러나고 있습니다. 글로벌 설계 및 디자인 소프트웨어 전문 기업인 A사는 자사의 솔루션으로 직접 사무실 배치 레이아웃을 시도하였으며 글로벌 산학 협력을 통해 건축 설계 자동화를 활발히 전개 중입니다. 건축·건설과 같이 눈에 띄는 커다란 오브젝트들이 배치되는 과정과 결과를 살펴보는 것은 레이아웃 최적화 도구의 수준을 가늠하기에 좋은 척도입니다. A사의 솔루션은 고정화되어 있는 규칙에 한해 안정적인 배치를 할 수 있는 것으로 보입니다. 또한 여러 환경적인 요소에 대한 컨트롤을 시도해 볼 수 있는 모습들이 눈에 띕니다. 다만 해당 솔루션은 건축 분야에서의 가능성을 본 것으로 복잡한 구조를 띠는 산업 현장에서는 다양한 문제 상황이 주어진다는 점을 염두에 두어야 합니다. 예를 들자면 최적화와 상관없이 "정갈하게 배치", "이해관계에 따른 우선순위 재정의"와 같은 것들입니다. 이런 상황은 해결해야 하는 경우의 수를 기하급수적으로 올리게 됩니다.

건설 분야의 경우 우리나라와 같이 밀집도가 높은 지역에서는 행정적, 환경적 그리고 비용 등의 문제로 레이아웃 배치 난이도가 매우 높게 형성됩니다. 더욱이 어느 정도 작업이 된 상태에서 타당성 검토 등의 전제 조건이 변경된다면 다시 원점으로 돌아가야 하는 상황이 되어 시간과 비용 손실이 크게 발생합니다. 하지만 다행스럽게도 최근에는 이런 복잡성까지 해결한 사례가 나오고 있습니다. 앞서 언급한 A사의 솔루션은 복잡성에 대한 대응이 비교적 발빠르게 이루어지고 있으며, 토목·건설 분야에서 레이아웃 구성 솔루션을 연구해 오던 국내 B사의 경우 건설 공정에서 단계별 레이아웃과 상황에 따른 제약 조건을 반영한 시뮬레이션 기능을 선보이면서 가능성을 보여주고 있습니다.

토목, 건설 이미지 톱니바퀴

다양한 도전의 시간

앞서 기본적인 레이아웃 배치 최적화는 어느 정도 가능함을 확인하였습니다. 다음 과제로 수백 종류, 수천 대의 장비가 들어가는 반도체나 디스플레이와 같이 고도화된 산업 분야에서 성공 사례가 나와야 합니다. 논리적인 차원에서 해결되어야 할 배치 최적화 문제와 디자이너, 엔지니어, 나아가 의사결정권을 가진 인적 가이드라인을 소화해내야만 완전 자동화 영역에서 순도 높은 결과물을 얻을 수 있을 것입니다. 그러나 현실은 전문가가 개입하는 영역을 솔루션으로 대체하기가 매우 어려운 상황입니다. 솔루션의 일반적인 문제 해결 방식과 현장 전문가의 판단 방식은 확연히 다릅니다. 몇 수 뒤를 예측하면서 경우의 수를 판단해 해답을 제시하는 솔루션과 달리, 그들은 경험을 토대로 완성된 한 판의 이미지를 머릿속에 넣어둔 채 세부사항을 손질해 나갑니다.

이쯤에서 떠오르는 장면이 있습니다. 2016년 이세돌 9단과 알파고(AlphaGo)의 네 번째 대국. 가장 높은 승률의 수만 선택해 나가던 알파고에 이세돌은 전체의 그림을 그려 내어 대응하면서 정확하게 허를 찔러 승리할 수 있었습니다. 데이터만으로 표현할 수 없는 복합성 속에서 이세돌은 정확하게 약점을 낚아채어 상대의 실수를 이끌어 냈습니다. 이후 알파고의 후예들은 이세돌의 이런 능력까지도 딥마인드(DeepMind)의 영역으로 끌어들임으로써 이제는 인간에 버금가는 지략을 펼칠 수 있게 되었습니다. 반면 설계 자동화 분야에서는 인간이 생각하는 완성된 그림을 솔루션이 이해하지 못하면서 여전히 숙제로 남아 있습니다.

에스코어(S-Core)도 이런 일련의 과정과 도전, 그리고 기회에 맞닿아 있습니다. 수년에 걸쳐 레이아웃 최적화 영역에서 기술을 축적해왔고 그간 드러난 장단점을 지속적으로 보완해오고 있습니다. 여러 경험과 시행착오를 겪은 결과, 기술이 필요로 하는 개념을 이해하는데 한 걸음 더 가까이 다가갈 수 있었습니다.

레이아웃 최적화의 미래: 완전한 디자인 자동화(Design Automation)

공장 자동화(Factory Automation)가 전방위적으로 확장되어 스마트 팩토리로 발전했듯이 레이아웃 최적화의 종착역은 완전한 디자인 자동화가 되어야 할 것입니다. 에스코어가 정의하는 레이아웃 배치 설계 자동화 단계는 다음과 같습니다.

레이아웃 배치 설계 자동화 단계의 항목: 단계, 자동화 비율, 표현, 주체, 핵심 기반, 비고
단계 자동화 비율 표현 주체 핵심 기반 비고
0단계 0% 수작업 디자이너 및 엔지니어(사람) 설계 및 모델링 SW 기존방식
1단계 10% 데이터 수집 및 검증 디자이너 및 엔지니어(사람) RPA, ERP, PLM등 최적화영역
2단계 30% 최적화 디자이너 및 엔지니어(사람) 추천 시스템, 데이터 마이닝 최적화영역
3단계 50% 제한적 자동화 시스템(디자이너와 엔지니어의 부분적 개입) 인공지능 자동화영역
4단계 80% 부분적 자동화 시스템(디자이너와 엔지니어의 부분적 개입) 인공지능 자동화영역
5단계 100% 완전자동화 시스템(운영 관리자만 개입) 인공지능 자동화영역
[그림 1] 레이아웃 배치 설계 자동화 단계 (출처: 에스코어)
 • Level 0: 설계 디자이너의 툴을 활용한 직접 배치 설계 (수작업)

 • Level 1: 설계 디자이너 작업 사항에 대한 배치 조건 자동 검증 (데이터 수집 및 검증)

 • Level 2: 제한적 영역의 제한적 조건 배치 프로토타입 생성 및 최적화 (최적화)

 • Level 3: 제한적 영역의 일부 검증 및 수정을 통한 자동화된 배치 설계 (제한적 자동화)

 • Level 4: 전체 영역의 일부 검증 및 수정을 통한 자동화된 배치 설계 (부분적 자동화)

 • Level 5: 전체 영역의 전체 자동화 배치 설계 (전체 자동화)

종합해 볼 때 본 설계 자동화는 인공지능과 같은 능력이 필요할지 모릅니다. 알파고가 이세돌이라는 장인을 만나 한 번 넘어진 후 알파고 제로(AlphaGo Zero)가 되어 이제는 인간을 능가해 그들만의 리그를 하는 형국이 되었다지만, 설계 배치 자동화 영역에 인공지능을 도입한다고 해서 그와 같이 될 것이라고는 장담할 수 없습니다. 승패가 정해져 있는 바둑과 달리 상황에 따른 최종 의사 결정은 "인간"이 하기 때문입니다. 하지만 적어도 설계 자동화 영역에 이르게 된다면 의사 결정을 위해 소요되는 (시간적, 물리적) 비용에 대한 걱정은 지금보다 훨씬 가벼운 문제가 되지 않을까 생각합니다.

끝으로 설계 배치 자동화를 적용할 수 있는 사업 분야는 단순히 플랜트·엔지니어링에만 국한되지는 않는다는 점도 강조하고 싶습니다. 첨단 장비들의 조합이 필수적인 항공 우주·조선업에서도 충분히 유의미한 결과를 가져올 수 있을 것입니다. 나아가 설계 변경 시뮬레이션이나 기존 설계 검증 영역과 설계 배치 자동화를 조합하면 더욱 향상된 자동화 생태계가 형성될 것으로 기대합니다.

# References
[1] https://www.smart-factory.kr/smartFactoryIntro
[2] 인공지능 기반의 건축설계 자동화 기술개발 최종 보고서. 국토교통부 국토교통과학기술진흥원, 2020년 1월
[3] https://www.autodesk.co.kr/solutions/generative-design



▶  해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶  해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.


공유하기 열기
박성규, 백용환
박성규, 백용환 인텔리전트 팩토리 전문가

박성규 | 에스코어㈜ 소프트웨어사업부 기술그룹
Smart Layout 솔루션 개발 PM을 담당하고 있습니다. 공장 설계 자동화와 스마트팩토리 분야의 부서 역량 강화와 사업 기회 발굴을 추진하고 있습니다.

백용환 | 에스코어㈜ 소프트웨어사업부 기술그룹
Smart Layout 솔루션 개발을 담당하고 있습니다. CAD/CAE 솔루션 개발을 전문으로 하고 있으며 자동화 및 최적화를 이용한 업무 효율화에 관심을 가지고 있습니다.