제조현장 Digital Transformation(DX) 추진 담당자의 DX역량 필요성

제조현장에서 DX 업무를 추진하다 보면, 자주 데이터 사이언티스트들과의 협업이 이루어집니다. 보통 OT(Operational Technology) 영역 담당자가 데이터 수집을 담당하고, 탐색적 데이터 분석(EDA)과 데이터 전처리는 데이터 사이언티스트와 같이 협업하며, 데이터 분석은 데이터 사이언티스트들이 수행하곤 합니다.

최근에는 데이터가 기업의 핵심 자산으로 인식되며 그 중요성이 높아지고 있어 외부 데이터 사이언티스트들에게 데이터를 공개하는 것을 꺼려하는 곳도 많아지고 있고, 데이터 사이언티스트들의 OT현장에 대한 지식과 이해도 부족도 자주 언급되면서 많은 업체들이 데이터 사이언스 역량을 내재화하고자 합니다.
그러나 제조현장의 복잡한 특성을 이해하고 적용하는 데에는 많은 시간과 노력이 필요하여 제조업체들이 데이터 사이언스 역량을 내재화하기 쉽지 않은 것이 현실입니다.

그런데, 제조업체가 이러한 역량을 내재화하려 할 때, 또 다른 큰 문제가 발생합니다. 흔히 네카라쿠배로 대표되는 IT 기업이나 금융권에서는 높은 연봉과 훌륭한 근무 조건, 그리고 재택 근무의 가능성을 제공하며 데이터 사이언티스트들을 쓸어담다시피 영입하고 있습니다. 이로 인해 제조현장이 위치한 지방이 아닌 본사(주로 서울)에서 근무할 수 있는 환경이나 재택근무를 제공하고 높은 연봉을 제안하지 않는다면, 데이터 사이언티스트를 영입하는 것은 거의 불가능에 가깝습니다.

이와 같은 현실적인 제한으로 인해 제조업체들은 본사에 DX 조직을 두어 데이터 사이언티스트들을 별도로 관리하는 추세입니다. 마찬가지로, 최근 핫 이슈인 Digital Twin 분야의 시뮬레이션 전문가들도 비슷한 상황에 직면하고 있다고 볼 수 있습니다.

이런 상황에서 제조 현장의 데이터 분석이나 시뮬레이션 등의 DX 업무는 어떻게 추진해야 할까요? 결론적으로, 목마른 사람이 우물을 판다는 말처럼 OT 영역의 실무자들이 자체적으로 데이터 사이언스 역량을 키워나가야 한다고 생각합니다. 물론, 머신러닝이나 AI에서 사용되는 각종 알고리즘의 수학적인 이론을 완벽하게 이해하고 활용하는 것은 쉽지 않습니다. 하지만 최소한 파이썬 같은 언어를 통해 간단한 Proof of Concept(PoC) 수준의 작업을 할 수 있는 역량은 필수적이라고 생각합니다.

현장에서 바쁜 업무를 진행하는 실무자에게는 데이터 사이언스 역량을 키우는 것이 어려울 수 있지만, 최소한 DX 기술들이 어떤 것이며 어떻게 동작하는지 이해하는 것은 외부 전문가들과 협업을 위해 필수적입니다. 예를 들어, 예지보전(Predictive Maintenance, PdM)을 추진할 때, 설비에서 발생한 고장 데이터가 없으면 고장 예지가 왜 어려운지 그 이유를 이해하는 수준은 되어야 이를 바탕으로 DX 기술을 제조 현장에 접목시킬 수 있을 것입니다.

결국 제조현장에서의 DX 추진은 외부의 전문가들만 의존하는 것이 아닌, 현장의 실무자들이 기초적인 데이터 사이언스 역량을 함양하면서 변화에 적응하는 것이 중요합니다. 이렇게 함으로써 제조 현장에서의 DX는 보다 효율적이고 지속 가능한 방향으로 전개될 것이라 봅니다.