[교육 후기]

- 조현덕 차장

1. 4차 산업혁명이란?

• 물리세계, 디지털세계, 그리고 생물 세계가 융합되어, 경제와 사회의 모든 영역에 영향을 미치게 하는 새로운 산업시대를 일컬음

2. 4차 산업혁명 분야

• 인공지능(AI), 사물인터넷(IoT), 로봇기술, 디지털 트윈, 가상현실(VR) 등

3. 디지털 트윈에 대해

• 제조업뿐만 아니라 의료, 에너지, 금융, 공공 서비스 등 거의 모든 영역에서 폭넓게 활용
• 바로 가상공간에 실물과 똑같은 물체를 만들어내는 '디지털 트윈' 쉽게 말해 실제 사물이나 환경 등을 디지털 공간에 똑같이 구현함으로써 시뮬레이션 해볼 수 있는 기술

4. 디지탈트윈 사례

• 독일 지멘스사는 스마트 공장 구축을 위해 자사 생산시설을 그대로 본뜬 디지털 트윈 시스템을 개발.
• 작업 효율 및 품질 개선 측면에서 상당한 성과를 거둠
• 스마트 공장은 공장 내 설비와 기계에 설치된 센서를 통해 데이터가 실시간 수집/분석되어 공장 내 모든 상황들이 한눈에 보이고, 분석해 스스로 제어가 가능해짐

강우석 과장

1. 일상생활의 디지털화

• 일상에서 소비하는 대부분의 것들이 아날로그에서 디지털로 넘어가게 되고 이를 통해 소비데이터가 점차 누적되게 되었음.
• 데이터가 누적됨에 따라 활용성/파급성에 따른 가치판단을 통해 데이터 보관방식에도 변화가 이루어짐
  • 어떤 데이터를 어떻게 활용할지 정하고 정리해서 쌓던 방식에서 (Data Warehouse)
  • 나중에 무엇을 어떻게할지 모르니 일단 수집하는 방식으로 (Data Lake)
• 기존 데이터 결합에 새로운 변수 추가에 따른 재해석, 이에 따른 새로운 가능성을 발견할 수 있는 여지로 인해 미처 찾아내지 못했던 아이디어를 도출해낼 수 있는 기반을 마련할 수 있음

2. 제조업에서의 데이터 활용

• 일상생활뿐만 아니라 산업현장의 데이터들도 디지털화할 수 있는 기반이 마련됨에 따라 이를 활용할 수 있게 됨.
• IoT활용을 통한 생산공정 현장의 데이터, 원재료 물성/특성 데이터, 공장의 환경이나 기상상태와 같은 환경요인의 데이터를 수집하여 해당 변수들의 결합을 통해 분석을 할 수 있음
• 데이터 분석은 데이터간 유의미한 차이/관계/패턴을 확인하고 설명하는 과정인데 이를 위해서는 무엇을 위한 분석인지 목표를 설정하고, 이에 따라 필요한 데이터를 선정해보면서, 대상 데이터의 속성에 따라 적용가능한 최적의 알고리즘을 선택하여 결론을 내야한다.

3. 스마트 팩토리

• 기존에 수행하던 제품기획부터 판매까지의 모든 과정을 ICT 기술로 통합하여 생산성 향상을 이루어내는 지능형 공장을 뜻하며, IoT를 통한 데이터 수집이 이루어지고, 알고리즘(AI)를 활용하여 의사결정을 대체하며, Robot을 활용하여 빠르고 정밀한 작업수행을 요건으로 한다.

이종원 대리

1. AI, BigData, Cloud, DT Smartphone 의 대중 보급 → 데이터 축적의 가속 대중의 스마트폰 사용으로 데이터 발생이 다양해지고 축적 속도 또한 가속화됨.

데이터의 축적 기준으로 DW, DL 활용을 위한 적재 : Data Warehouse 적재 후 활용 : Data Lake

단순 데이터의 양보다는 질!! 질적인 측면에서 적절한 변수 설정 필요!! 새로운 변수 설정은 새로운 관계를 만들고, 새로운 아이디어가 나온다.

단순 비교를 넘어서 새로운 변수를 설정하고 분석하는데 어려움 → 알고리즘 활용

알고리즘의 활용은 결국 확률 계산

2. 제조업 생산공정(IoT 수집 데이터) → 원재료 특성(데이터) → 환경 요인(공장, 작업자, 기상 등,,,) → ….
   IoT 수집데이터+데이터+데이터,,, 를 분석하고 활용하는데 어떤 변수를 설정할 것인가
   유의미한 변수를 설정하는 과정은 결국 목표를 설정하는 그 과정에 도구로써 알고리즘을 사용

3. Smart Factory 데이터와 아키텍쳐를 통해 빅데이터 기반 의사결정 지원
   기획/설계 → 생산 → 유통/판매 프로세스에 걸쳐 ICT 기술을 활용하여 생산성 향상이 목표
   IoT 데이터 수집 + 알고리즘 의사결정 + Robot 생산속도, 정확성 향상

조재희 사원

1. 데이터 활용도

• B2C(Business to customer) 분야
• 기존에도 데이터가 쌓였지만 현재는 고객정보 등 플러스 알파의 데이터가 쌓인다
• 소비의 디지털화 예시) 커피, 식품, 지도 offline으로 구매/확인 → 사이렌오더, 쿠팡, 네이버지도 사용
• 컨텐츠화 예시) TV/라디오 → MP3/PMP → OTT(스트리밍, 실시간 정보 데이터를 얻을 수 있다)
• B2B(Business to Business) 분야
• B2B 데이터 근원은 빅데이터이고, 기본적인 기반으로 인프라가 먼저 구축되어야만 한다

2. 알고리즘의 등장

• 배경: 데이터의 혁신은 변수가 추가됨에따라 이뤄진다. 변수가 많아지고 분석이 어려지면서 자연스럽게 알고리즘을 이용하게 되었다.
• 머신러닝을 통해 어떤 변수가 활용도가 있는지 주요 변수를 선택하고 예측에 사용할 수 있다. 사람이 예측하게되면 심슨의 역설에 빠질수 있다.
• 알고리즘 자체 기술보다는 어떻게 사용할 것인지 알고리즘의 흐름이 중요하다.
• 알고리즘은 정해진 답이 아니라 확률이기 때문에 적용시 파일럿 테스트는 필수이다.

3. 스마트 팩토리

• 스마트 팩토리의 DT혁신은 매우 방대하기 때문에 IoT/AI/로봇 /유지보수 중에서 선택하여 진행해야한다.
• 제조업은 생산 분야만 테이터 분석이 가능하다(구매나 판매는 예측하기가 어렵게 때문) 기존에는 식스시그마로 정해진 데이터로만 분석했었다면 현재는 IoT, AI으로 다양하게 데이터 분석이 가능하다.
• 제조는 공장, 원재료 등 특성이 자주 바뀌기 때문에 알고리즘 업데이트가 필요하다.

• 소프트웨어 로봇 또는 인공지능으로 비즈니스 프로세스를 처리하고 관리하는 자동화 기술
• 사람이 하는 정형화된 본복적인 Tast를 소프트웨어 로봇이 대신 수행

📌활용분야

• 대출정보 갱신: 비대면 대출 및 개인정보 활용 동의 고객에 대한 정보갱신
• 신용카드 발급: 카드 발급 신청서 접수 및 계좌 개설 자동화
• 출하검사: 출하 검사 성적서 위한 고객 시스템 접속 및 제출
• 신규고객 등록: 고객 등록 요청서 이메일 접수 및 양식을 점검하여 고객 정보 등록 자동화
• 결산오류 제거: 회사 결산 업무 적용하여 오류 개선

자세한 내용은 RPA의 모든것 시리즈에서 확인...!

• 네트워크 내의 모든 참여자가 거래정보를 공동으로 검증, 기록, 보관하여 공인된 제3자 없이 거래기록의 신뢰성을 확보하는 기술

📌활용분야

• 온라인 거래 플랫폼: 판매자와 구매자의 신원정보, 그리고 거래 내역 등을 블록체인 원장에 저장함으로써 안정성을 보장하며, 플랫폼 내에 거래에 대한 신뢰성 향상
• 건강여권: 사용자가 선별진료소에서 코로나 검사를 받으면 검사결과가 병원 측으로부터 앱으로 송신되어 검사결과를 필요로하는 기관에 QR코드 형태로 제출이 가능하고, 모든 데이터는 위변조가 불가한 블록체인상에 기록함.
• 포인트 통합: 해당 플랫폼을 통해 가입된 모든 기업의 포인트를 시스템에 통합시켜 포인트를 한곳에 모아서 볼 수 있으며, 특정 토큰을 발행하여 플랫폼내 기업의 포인트를 서로 교환 가능

📌제조업과 블록체인의 만남

제조는 블록체인 도입에 대한 기대가 큰 분야다. 블록체인의 핵심 가치는거래 플랫폼에 신뢰를 더할 뿐 아니라 제조 혁신의 가치를 실현하기 위한 인프라의 발전 방향과 밀접하게 닿아있다. 캡제미니(Capgemini Research Institute), PWC(PricewaterhouseCoopers), 가트너(Gartner) 등 글로벌 컨설팅사 역시 이러한 블록체인의 가치에 주목해 제조 분야에서의 블록체인 활용 잠재력을 높이 평가한 바 있다. 그러나 제조현장에 블록체인 기술이 도입되기까지는 다소 시간이 소요될 것으로 예상된다. 이미 많은 솔루션이 도입되어 또 다른 신기술을 도입하기에는 현장 환경이 다소 경직되어 있으며, 개별 솔루션이 진화를 거듭하며 기능이 확장되고 상호 통합되는 추세로 상대적으로 적은 투자와 익숙한 환경 속에서 기업이 원하는 목표를 이룰 가능성이 높기 때문이다. 제조현장의 문제를 해결하는데 블록체인만이 유일한 해결책으로 논의되는 것은 아니며, 신기술 도입에 따른 추가적인 자원 투입이 예상됨에도 유의미한 성과를 담보하기 어려운 불확실한 현실이 제조업이 블록체인, 나아가 여타 신기술을 도입하는데 주저하는 이유의 하나가 될 수 있다.

제조업 블록체인의 핵심 가치

• 블록체인이 제공하는 신뢰성, 안정성, 효율성, 보안성이라는 가치는 비즈니스 생태계 조성에 활용도가 높기 때문이다.
• 블록체인은 자산을 디지털화하고, 설비 운용 등 사업 관련 기록의 확인・공유・진본 추적을 용이하게 하며, 디지털 거래에 신뢰를 부여할 뿐 아니라 중개자 없이도 보안성 높은 가치 전달 시스템을 제공하고 이를 분산화 된 구조에서 유지하여 통제권 위임을 용이하게 한다.
• 수십 개의 시스템이 도입되어 운용되던 현장에 중개자를 최소화하고 네트워크에 연결된 설비 및 IoT 기기, 센서 등을 통해 즉각적으로 수집된 정보를 보다 명확하고, 신뢰할 있는 프로세스로 공유・활용 가능하게 지원한다. 거래 중 발생하는 자산 또는 데이터의 소유권이나 책임 등에 대해 선명성을 부여한다.

제조업 블록체인 도입 사례

제조업 가치사슬 내 블록체인 도입 가치 및 잠재 활용 분야

출처: ETRI Insight '제조 혁신: 블록체인 도입 가치와 방향' 보고서

• IT 물리 자원을 논리적으로 가상함으로써, IT 자원을 직접 구축하지 않고 이용량에 따른 비용 지불
• 인터넷 상의 가상화된 서버에 프로그램을 두고 필요할 때마다 컴퓨터나 스마트폰 등에 불러와 사용하는 서비스

📌활용분야

• IaaS (Infrastructure as a Service) 이용자에게 서버, 스토리지 등의 하드웨어 자원을 임대, 제공하는 서비스
• SaaS (Software as Service) 이용자가 원하는 소프트웨어를 임대, 제공하는 서비스
• PaaS (Platform as Service) 이용자에게 소프트웨어 개발에 필요한 플랫폼을 임대, 제공하는 서비스

📌 제조업과 클라우드의 만남

제조업의 디지털 전환, 즉 ‘스마트 제조’는 제조 가치사슬의 모든 영역에 걸친 광범위한 디지털화를 기반으로 생산성을 향상시키고 고객가치를 증대시키는 제조 혁신이다. 클라우드는 제조 공정의 디지털화와 제품의 서비스화, 그리고 이에 따른 가치사슬의 구조 혁신 과정 전반에 관여하는 스마트 제조의 플랫폼 기술이다. 클라우드 도입은 기업의 영업이익을 개선시킬 수 있을 뿐 아니라, 기업이 속한 산업의 평균 생산성을 증대시키는 데도 기여한다.

클라우드를 활용한 제조업의 디지털 전환 전략은 디지털 전환의 핵심요소인 ‘데이터(DATA)’를 키워드로 요약된다.

1. 키워드 D는 데이터 거버넌스 비즈니스에 유용한 데이터가 무엇인지 정의하고, 이를 어디서 수집하고 무엇에 활용하며 어떻게 보호할 것인지 등 데이터 활용 전반에 대한 기업 내부의 정책체계를 수립하는 전략

   현재 많은 기업의 데이터는 조직 내 파편화되어 있어 활용도가 저조한 상황이다. 지속 가능한 데이터 거버넌스 수립과 함께 클라우드 기반의 데이터 플랫폼 구축으로 데이터의 활용도와 신뢰도, 보안을 모두 높여야 한다. 두산인프라코어는 클라우드 기반 빅데이터 플랫폼 DI360을 구축함으로써 데이터 기반의 협업과 의사결정 구조 혁신을 꾀하고 있다.

2. 키워드 A는 제조 공정을 지능화하는 전략

   스마트 공장 구축 시 제조기업이 가장 많이 호소하는 문제가 시스템 호환성과 비용 부담이다. 스마트 공장을 구축 중인 국내 기업의 77.9%는 기초단계에 머물러 있다. 문제 해결을 위해서는 IT(정보기술) 및 OT(운영기술)의 통합과 점진적인 지능형 자동화가 요구된다. LS일렉트릭은 클라우드 기반 지능형 자동화 솔루션을 통해 기술 활용의 속도를 높이고 시스템 유지보수 비용을 절감하는 한편, 스마트 공장 플랫폼 서비스를 출시하여 중소기업의 단계적인 지능형 자동화를 지원하고 있다.

3. 키워드 T는 판매 및 물류 채널을 디지털화하는 전략

   공급망 리스크 등으로 인해 발생한 판매 및 물류 채널의 운영 비효율을 개선하기 위해서는 채널의 디지털화와 이를 통한 새로운 고객가치 창출이 필요하다. 한미약품 그룹은 의약품 판매채널을 온라인 디지털화함으로써 판매와 유통을 수직적으로 통합하는 한편, 물류채널의 디지털화를 통해 의약품 유통을 효율화하고 더 나아가 비즈니스 모델까지 확장했다.

4. 키워드 A는 고객의 경험을 데이터로 분석하는 전략

   소유 중심에서 사용 중심으로의 제품 소비 패턴에 대응하기 위해 많은 기업이 디지털 기술이 결합된 스마트 제품을 출시하고 있으나, 여전히 고객 경험 데이터를 활용한 제품의 서비스화 전략이 부재한 상황이다. 제품의 서비스화는 고객 경험 데이터를 수집, 통합/분석, 활용하는 효과적인 방법으로, 클라우드와 사물인터넷(IoT) 등의 디지털 기술을 활용해 데이터 활용과 고객가치 증대의 선순환 구조를 구축하는 것이 중요하다. 코웨이는 클라우드 기반 IoT 플랫폼을 구축함으로써, 고객의 경험을 데이터로 수집, 분석하고 이를 통해 고객에게 개인화된 서비스를 제공하고 있다.

유념해야할 것...

한 가지 유념해야 할 것은 디지털 전환은 기업의 지속적인 성장을 위한 효과적인 수단 중 하나일 뿐 디지털 기술 도입을 통환 디지털화 자체가 목적이 되어서는 안 된다는 점이다. 클라우드도 마찬가지다. 디지털 전환을 위한 효과적인 수단으로서 클라우드의 도입이 성공적인 디지털 전환으로 이어지기 위해서는 데이터 활용 전략과 더불어 기업의 상황에 맞는 클라우드 운영전략이 필수적으로 요구된다.

출처: 1.https://www.kita.net/cmmrcInfo/internationalTradeStudies/researchReport/focusBriefDetail.do?pageIndex=1&no=2228&classification=1&searchReqType=detail&pcRadio=&searchClassification=&searchStartDate=&searchEndDate=&searchCondition=TITLE&searchKeyword=&continent_nm=&continent_cd=&country_nm=&country_cd=&sector_nm=&sector_cd=&itemCd_nm=&itemCd_cd=&searchOpenYn= 2.https://cloud.google.com/blog/ko/topics/inside-google-cloud/google-cloud-manufacturing-industry-solutions-korean-customer-cases

• 기계가 경험을 통해 학습하고 새로운 입력 내용에 따라 기존 지식을 조정하며 사람과 같은 방식으로 과제를 수행할 수 있도록 지원하는 기술

📌활용분야

• 보험: 이전의 보험 사기 사건들을 학습하고 분석해 각종 사기 계획을 미리 구별 가능
• 자연어 처리: 인간의 언어, 억양 및 맥락을 컴퓨터가 이해할 수 있도록 처리.
• 데이터 마이닝: 보유한 데이터를 분석하여 유용한 정보를 추출하는 기술로 생산성 관리, 시장분석 등에 사용
• 지능로봇: 외부환경을 인식하여 스스로 상황을 판단하고 자율적으로 움직이는 기계, 자율주행 자동차 등

📌인공지능과 제조업의 만남

10가지 사례

코로나 시국에도 불구하고, 제조업 관계자들은 인공지능을 통해 자사의 제품을 차별화하면서도 생산 원가를 낮추어 제품 마진을 지키려고 노력 중이다. 보스턴컨설팅그룹(BCG)의 최근 연구 결과인 “포스트-위기 상황에서 AI 기반 기업들의 실적 증가” 에 의하면, 최근 역사에 일어난 네 번의 글로벌 위기 상황에서, 14%의 기업들의 실적 및 이윤 폭이 증가했다. 기업들은 인공지능을 다양한 방식으로 활용하고 있고 특히, 실시간 모니터링을 통한 데이터를 수집으로 인공지능 모델을 훈련하는 방식으로 제조업에서 활용하고 있다.

Capgemini의 “인공지능과 제조업 작업: 실무자의 관점을 중심으로” 라는 연구에서 제조업 기업들이 어떻게 인공지능을 활용하고 있는지 총 10개의 사례를 확인 할 수 있다.

1. 제너럴 모터스 (General Motors)의 장비 관리 솔루션

• 제조업에서 가장 인기가 많은 인공지능 솔루션은 설비 예지 보전 및 작업 설비 정비시간 예측 솔루션임
• 제너럴 모터스의 솔루션은 조립 로봇에 탑재된 카메라를 이용해 로봇 부품 고장 사전 징후를 탐지함
• 해당 시스템의 파일럿 테스트 결과, 7천 개가 넘는 로봇 중에서 72건의 부품 고장 사례를 탐지했고 사전 감지를 통해서 작업 다운타임을 최소화함

2. 제너럴 모터스 (General Motors)와 오토데스크 (Autodesk)의 만남

• CAD 디자인을 할 때 사용할 수 있는 제약 조건 하 최적화 로직 솔루션을 개발함
• 제너럴 모터스의 디자이너들이 다양한 제약 조건 (재질, 생산 방법, 탑재 기능)을 제시하면, 오토데스크의 디자인 소프트웨어가 무게 및 다양한 제품 규격에 맞춘 설계를 출력함
• 실제로 자동차의 안전벨트 브래킷 부품을 해당 소프트웨어로 설계해본 결과, 기존의 설계보다 40% 가볍고 20% 더 견고한 디자인이 완성됨

3. 노키아 (Nokia)의 영상 기반 작업 오류 탐지 시스템

• 노키아는 핀란드에 있는 자사 생산설비를 모니터하는 머신러닝 기반 영상 어플리케이션을 출시함
• 공정 담당자에게 생산 설비 과정에서 생긴 특이사항을 알려줌으로써 실시간으로 이상 상황에 대처할 수 있음

4. 아우디 (Audi)의 이미지 분석 솔루션

• 이미지 분석 관련 AI 기술의 발달과 고화질 카메라의 가격 하락으로 기업들이 이미지 기반 인공지능 솔루션을 부담 없이 도입할 수 있음
• 특히, 이미지 분석을 기반으로 한 작업공정의 실시간 모니터링이 큰 인기를 끌었음
• 아우디는 실제로 딥러닝 기술을 활용한 영상 인식 시스템을 자사의 프레스 공장에 도입함

5. 다논 (Danone)의 수요 예측 프로그램

• 다논은 프랑스 기반의 다국적 식품기업이며, 최근 머신러닝을 이용하여 수요 예측 정확도를 크게 향상시키려고 노력 중임
• 머신러닝을 이용해서 다양한 부서(마케팅, 공급사슬, 재무, 판매 등)간의 협업 효율을 올려주고, 나아가 수요 예측 정확도를 향상시키고 있음
• 머신러닝 솔루션을 도입한 이후, 수요 예측 실패 사례는 20% 감소하였으며, 매출 감소는 30%가 줄었으며, 제품 노후화를 30% 줄이고, 수요 예측 관계자의 업무 부담량을 50% 줄였음

6. 탈레스 에스에이 (Thales SA)의 고속철로 예지보전 솔루션

• 탈레스 에스에이는 전자부품 회사이며, 유럽의 대륙간 고속철로에 설치된 자사의 센서로 다양한 정보를 수집하고 있음
• 센서로 수집한 데이터를 가지고 높은 정확도로 고속철로 수명 예측 및 예방적 유지보수를 돕는 인공지능 알고리즘을 개발함
• 해당 알고리즘의 도입으로 철도회사들은 예측하지 못한 철로 폐쇄를 사전에 막을 수 있게 되었음

7. BMW의 생산 설비 모니터링 솔루션

• BMW는 인공지능을 이용하여 생산설비에서 실시간으로 불량품을 감지하는 솔루션을 개발하고 이를 도입했음
• BMW의 공장에서 AI 솔루션이 방금 생산된 차량 데이터를 주문 내역과 비교하고, 미리 서버에 저장된 이미지 데이터베이스와 생산된 제품을 비교함으로써 차량이 기준에 부합하는지 확인함
• 해당 기술과 같은 인공지능 솔루션을 BMW는 오픈-소스 플랫폼에 공유하고 있음

8. 슈나이더 일렉트릭 (Schneider Electric) IoT 애널리틱스 솔루션

• 마이크로소프트의 머신러닝 서비스를 이용하여 근로자 안전 개선, 가격 절감, 및 안전성 개선을 하고 있음
• 슈나이더의 데이터 과학자들은 유전에서 수집한 데이터를 이용하여 정비가 필요한 부분을 예측하는 머신러닝 솔루션을 개발하고 있음
• 마이크로소프트의 Azure의 머신러닝 서비스를 배포한 후, 작업 효율이 10~20%가 향상되었음

9. 닛산 (Nissan)의 인공지능을 이용한 디자인 솔루션

• 닛산 디자이너들은 DiveSpark라는 프로그램을 이용하여 산업 기준과 규격에 맞는 신규 모델을 디자인하는 알고리즘을 개발하고 있음
• 이뿐만 아니라, 인공지능을 이용하여 기존 모델들의 수명을 늘리는데 사용하고 있음

10. 캐논 (Canon)의 불량품 검사 시스템

• 캐논은 머신러닝을 이용하여 고정밀 부품들의 불량 여부를 확인하고 있음
• 캐논의 부품들은 산업용 엑스레이 기술을 이용하여 각 부품들의 불량 여부 및 품질 검사를 진행하고 있음
• 컴퓨터 비전 및 머신러닝 기술을 이용한 불량 탐지 솔루션을 사용함으로써 탐지된 부품의 이미지 분석, 고장 예측, 그리고 인간의 눈으로 식별하기 어려운 결함까지 탐지할 수 있음

제조업의 인공지능은...

제조 기업의 인공지능 도입은 스마트 공장의 흐름과 엮여 있기에 센서, 데이터, 네트워크, 인공지능, 클라우드, 엣지컴퓨팅, IoT 등과 같은 기술들을 종합한 통합적 관점에서 바라봐야 한다. 제조분야의 특성상 무턱대고 신기술을 적용하기 보다는, 요구사항을 기반으로 스마트 공장의 기능적 3요소 (감지, 판단, 수행)를 고려하여 인공지능이 무슨 목적으로, 무슨 역할을 할 것인지를 먼저 정의하고 의사결정하는 것이 무엇보다 중요하다.

출처: https://www.lotis.or.kr/trends/1046 https://redshift.autodesk.co.kr/articles/ai-in-manufacturing-kr

정의 및 범위

• 스마트공장의 프로세스 및 업무에서 생성되는 다양한 종류(정형/비정형 및 IoT 센서)의 데이터를 수집/저장하고 분석하는 센터로 스마트공장 최적화에 기여
• 모든 제조과정을 이해하고 학습하여 조작, 공정, 제어, 생산하는 등의 자동화를 분배, 지휘할 수 있는 분석이 가능한 중앙두뇌와 같은 역할

구축 방향

• 분절된 기능 요소별 데이터 마트 구축과 단계별 통합 절차

  • (요소별) 클라우드 기반의 데이터 마트를 구축할 수 있으며 비용이 저렴하여 중소 및 벤처기업 공정에 활용

    • 지능형 공장관리를 위해서는 데이터 수집체계가 선행되어야 함
    • 현재 제조공장의 데이터 형태는 분절된 형태이거나 수집 불가능한 형태
    • 대규모 인프라 투자가 어렵거나 공정이􀀁 복잡하지 않은 소규모 스마트공장에 적합
    • 클라우드 형태로 빅데이터 센터를 구축

  • (통합형) 대규모 공정시스템에 특화된 통합형 빅데이터 센터 구축

    • 제고 공정이 복잡하고 연계 단위가 대규모인 경우 통합적인 빅데이터 센터 구축
    • 기획, 생산, 재고관리, 모니터링, 설비, 유통물류에 이르는 전 단계의 공정 데이터 수집활용
    • 중견 및 대기업에 적합한 모델

• 스마트공장은 수준별로 구축 단계를 거쳐야 하며 단계적으로 선행되어야 하는 기술들과 구축 기반이 필요함

요소기술

📌 공간 빅데이터

정의

• 광범위한 공간에서부터 협소한 3차원 현실 세계의 공간에 이르는 다양한 크기와 형태의 공간정보를 활용하여 가상현실과 환경을 구현하고, 가상공간 또는 공간정보와 다양한 빅데이터를 매시업(Mashup) 하여 융복합 서비스 구현 기술 및 솔루션
  • 현실 세계 공간을 가상으로 구현
    • 위치기반 데이터를 가공한 GIS 데이터 기반의 상징적인 가상공간에서부터 현실 세계를 그대로 구현하는 3D 모델링 기술 등 다양
    • 가상현실과 위치기반의 공간정보를 구현하는 기술인 가상현실(VR), 증강현실(AR), 디스플레이, 3D 기술 등 ICT 전 분야를 접목한 가상융합기술(XR: extended reality)
    • 기존의 GIS 기반의 위치 지리정보와 IoT의 발전으로 주변 공간을 실시간으로 측정하고 인지하는 기술이 중요해짐
  • 가상의 공간에서 데이터와 상호작용할 수 있는 기술 구현 및 서비스 방법 및 형태로 사용자 몰입 극대화(Immersion), 현실 공간 제약 해소(Beyond Space), 가상현실 연결•융합(Connectivity) 의미
    • 기존의 물리적 공간정보를 활용한 가상공간 구현에 그치는 것이 아니라 가상공간과 빅데이터가상호작용하여 구현되는 서비스
    • 콘텐츠와 데이터가 매시업 된 형태인 메타버스, 디지털 트윈이 대표적이며 미시적으로는 이러닝, 스마트 러닝과 같은 교육 서비스 플랫폼과 스마트팩토리 등 산업 서비스에 이르기까지 다양함
    • 과거 GIS 기술에서 시작하여 사물인터넷의 등장과 빅데이터 기반의 인프라 기술이 발전함에 따라 공간정보와 빅데이터 등 융복합 가능
    • 공간 데이터뿐만 아니라 마이데이터 등 개인화 서비스가 공간정보와 융복합 할 수 있는 데이터 중요성 증가

구축방향

• 공간정보분석 및 공간빅데이터 융복합 솔루션은 크게 공공/민간 서비스용(소프트웨어)과 제조산업용(하드웨어)으로 구분
  • (서비스용) 위치 및 지리정보 등 공간 콘텐츠 위에 마케팅 데이터, 마이데이터, 정책 데이터 등 빅데이터와 결합할 수 있도록 융복합 지원 분석 도구와 솔루션
    • 공간정보가 극대화되어야 할 패션, 여행, 식품 등 다양한 서비스 분야에 활용
    • 공간정보에 결제정보, 이동정보, 인식 및 감성 정보 등을 결합하여 새로운 서비스 창출
    • VR, AR 등 가상공간 체험 디바이스와 결합하여 마케팅 효과 극대화
    • 공공부문 등 정책서비스 시뮬레이션을 통해 정책서비스 집행의 개선점 환류
    • (제조산업용) 위치 및 지리정보 등 공간 콘텐츠와 결합하여 로봇, 자율주행 모빌리티, 드론 등을 원격 조종할 수 있도록 알고리즘 개발
    • 산업현장에서 로봇의 이동, 작업 제어
    • 자율주행 차량, 드론 등 디바이스의 능동적 인지
    • 테러, 화재, 재난, 안전 등 인간이 쉽게 접근하지 못하는 곳에 공간정보와 인지 정보가 결합하여 부상자식별, 장애물 제거 등 임무 수행

요소기술

출처: 전략제품 현황분석 스마트공장 빅데이터 센터, 전략제품 현황분석 공간정보분석 및 공간빅데이터 융복합 솔루션

공장자동화는 대량생산의 시대에 초점을 맞추고 있다면 스마트공장은 유연생산을 추가한 개념이다. 스마트 공장은 유연생산과 자동화의 개념을 동시에 달성함으로써 다품종 소량생산에도 대응이 가능하다.

📌스마트 공장 및 제조

스마트제조의 정의

• ICT(Information and Communication Technologies)를 활용하여 기존 제조업의 전 과정을 디지털화하고, 미래 첨단 산업으로 전환(Digital Transformation)함으로써 국가 산업구조를 혁신하기 위한 제반 활동으로 제품(Product)과 생산 시스템(Production System), 그와 관련된 비즈니스 등 제품의 생산 및 이와 연계된 제조 활동을 포함
• 제품의 기획, 설계, 생산, 유통․판매 등 전 과정이 IoT(Internet of Things), CPS(Cyber Physical System), IoS(Internet of Services) 등의 ICT와 융합하여 자동화 및 정보화되어 가치사슬 전체가 실시간 연동 통합됨으로써 생산성 향상, 에너지절감, 인간중심의 작업 환경을 구현하고, 최적비용 및 시간으로 고객맞춤형 제품을 생산

스마트공장의 정의

• 제조 과정의 전부 또는 일부에 IoT․AI․빅데이터와 같은 ICT기술을 적용하여 자동화, 디지털화된 공장을 구현하여 기업의 생산성, 품질 등을 향상시키는 지능형 공장을 의미
  • 최소 비용 및 시간으로 고객맞춤형 제품을 생산하는 공장으로 공정 자동화 및 다품종 생산에 대응하는 유연생산체계 등을 통해 생산성 향상, 에너지 절감, 인간 중심의 작업 환경 등을 지향
• 최적화된 생산을 달성하기 위한 스마트공장은 기존의 공장에 비해 데이터와 분석이 특히 강화된 특징 보유
  • (데이터) 스마트 공장에서 운영되는 모든 기기(자동화기기, 제어기, 센서, 스마트기기 등)들이 표준화된 데이터 모델에 기반하여 실시간으로 공유되고 상호제어 될 수 있는 환경 제공
  • (분석) 실시간으로 수집된 데이터들을 분석하여 수요 예측, 자원 관리, 예지 보전, 문제 발생 회피, 통제･운영상의 문제 등을 분석하는 SW 제공
  • (모델) 수집된 데이터를 기반으로 가상의 공장 모델을 활용하여 모델링 및 시뮬레이션을 수행/검증하여 실공장에 반영할 수 있는 기능 제공
  • (운영･통제) 모델링 및 시뮬레이션 검증 결과를 바탕으로 최적의 생산 공정 확립을 위해 각 생산시스템 및 기기들의 제어 기능을 제공하는 SW로 MES, ERP2) 등을 포함
  • (통합･연동) 스마트공장을 위하여 사용된 모든 기기들을 연결하고 생성된 데이터를 실시간 저장, 공유하여 최적 생산을 결정할 수 있도록 도와주는 제반 지원 시스템으로 CPS 기반기술, IIoT, IIoS, 클라우드, 빅데이터, 보안기술 등을 포함

구축방향

스마트제조 R&D 로드맵에서는 크게 애플리케이션•플랫폼과 장비•디바이스로 분류

• (애플리케이션) 스마트제조 IT 솔루션의 최상위 소프트웨어 시스템으로 MES(Manufacturing Execution System), ERP(Enterprise Resource Planning), PLM(Product Lifecycle Management), SCM(Supply Chain Management) 등 플랫폼 상에서 각종 제조 실행을 수행하는 애플리케이션으로 공정설계, 제조실행분석, 품질분석, 설비보전, 안전/증감작업, 유통/조달/고객대응 등이 존재
• (플랫폼) 스마트공장의 기반에 해당하는 장비•디바이스에서 입수한 표준화된 정보를 최상위 애플리케이션에 전달하는 역할을 수행하는 미들웨어 수준의 기술들로 디바이스에 의해 수집된 정보의 실시간 취합, 처리, 분류 등을 포함한 상위 애플리케이션과 연계할 수 있는 빅데이터 분석, CPS(사이버 물리 기술), 클라우드 기술 등이 존재
• (장비･디바이스) 최하위 하드웨어 중심의 시스템으로 주력산업, 신산업과 관련된 공정•장비를 위한 컴포넌트인 컨트롤러, 로봇, 센서 등 다양한 요소로 구성되어 있으며, 장비에 내장되는 지능형 임베디드 소프트웨어 영역도 포함

기술로드맵

어플리케이션 및 플랫품 분야 대기업 동향

1. 매출계약결재 - 영업팀 설명사항에 계약관련 내용을 표형태로 결재 세부내용에 입력하여 상신하고 있음. RPA를 사용하여 계약PDF문서의 정보를 읽어오고 표로 정리하면 편리하게 사용할 수 있을 것 같음.

2. 손익(계) 보고자료 작성 - 경영기획팀 정형화된 엑셀작업을 RPA을 사용하여 자동 입력한다.

1) 정형화된 단순업무 자동화를 통한 반복작업 처리방안 소개

2) 복잡도 낮고 반복적인 업무의 효율적 처리가능

2. 제안내용

1) 대상업무 나열

i. PC 수행작업 중 규칙적, 표준화, 단순반복적 업무 리스트업

2) 대상업무 검토

i. 업무별 적용가능성 검토 진행 (with 티시스 담당자)

ii. 예외케이스 등 의견수렴

3) 적용예시

i. 시스템 일일체크이력 확인 및 이력기록 업무자동화 (별첨자료 13~14p)

3. 별첨

1) 업무생산성향상 제안_반복수행업무 간소화위한 RPA적용

#ppt 파일 업로드 불가로 참고요망

빅데이터

1. 대출정보갱신

비대면 대출 및 개인정보 활용 동의 고객에 대한 정보 갱신

• 담보 대출 고객 정보 조회
• 해당 담보에 대한 원부, 진위 여부 확인

  2. 신용카드 발급

  카드발급 신청서 접수 및 계좌 개설 자동화
• 발급대상 리스트 확인
• 고객정보 확인 및 동의서 수령 여부 확인
• 카드 발급 부서 통보

  주요 시중은행 RPA 추진 현황 참고:

📌유통

1. 출하검사

출하 검사 성적서 위한 고객 시스템 접속 및 제출

• ERP 시스템 출하내역 다운로드
• 고객 제출 양식으로 자료 추출 후 고객 시스템에 업로드 & 전송

2. Invoice 처리

Invoice 장부 처리 자동화

• 스캔된 Invoice를 OCR로 인식, 사용자 결과 확인 후 진행
• 지정된 담당자 이메일로 공지

📌영업

1. 신규고객 등록

고객 정보 등록 자동화

• 고객 등록 요청서 이메일 접수 및 양식 점검
• 회사 등록번호 이용하여 웹사이트 유효성 검사
• ERP 고객 모드 생성 및 서비스 관리 시스템에 정보 등록

📌재무회계

1. 결산오류 제거

회사 결산 업무 적용하여 오류 개선

• 수익 결산/보고 관련 대량 데이터 정제 및 가공

1. MACRO & RPA 차이점

• 매크로는 단일프로그램 웹에서만 가능하다. 예를 들어서 엑셀 매크로는 엑셀, 웹 매크로는 웹에서만 가능하다는 단점이 있다.

• RPA는 Robotic Process Automation의 약자로 말 그대로 로봇 자동화 프로세스이다. 사무실의 사람이 pc를 이용하여 하는 작업들을 모방하여 실행하는 소프트웨어 로봇으로, 엑셀/웹/이메일 등 모든 작업을 하나의 소프트웨어 로봇으로 자동적으로 처리할 수 있다.

2. RPA가 등장한 배경

• 기업에서 핵심업무를 제외한 부수적인 업무를 외부업체에 맡기는 BPO(Business Process Outsourcing)시장이 커지면서, 원래 목적인 비용절감이 줄어들게 되고 BPO의 한계로 사람이 아닌 로봇 소브트웨어 RPA에게 마틱기 시작한 것이다. 이로 인해 금융권에서는 20~30%의 비용 점검을 경험하고 있다. 관련 기사 확인: 우리은행, RPA 업무 확대...37억원 비용 절감
• RPA 국내시장: 2017년부터 52시간 근무제도가 시행되면서 인력의 효율적인 시간관리가 요구되었고, 그에 따라 RPA를 적용해 맡기는 사례가 늘어나게 되었다.

3. RPA 적용

1) RPA의 장점

RPA는 기본적으로 분석, 설계, 구축, 이행의 시스템으로 수행하게 되고 사람의 행동을 모방하도록 설정되어 잇다. 예시) A라는 조건의 이메일 첨부파일을 B폴더에 저장하여 파일의 시트에서 특정 셀 값을 취합하여 별도의 파일을 저장하는 등의 행동 패턴을 데이터화함. 이에 따라 단순반복 업무에서 벗어나 업무의 유연성을 얻고 창의적인 업무에 시간을 더 투자할 수 있게 되어 업무 생산성 향상이 이뤄질수 있다.

2) RPA 적용 가능 업무

1) 표준화: 규칙적인 업무와 표준화된 프로세스가 갖추어진 업무

2) 단순반복: 사람의 판단이 필요하지 않는 단순반복 업무

3) 정형데이터: 매크로와 달리 다양한 프로그램을 동시 사용하기에 대내외 시스템이나 웹사이트를 이용한 정형 데이터 처리 업무

3) RPA 적용 산업분야

👔 금융업

금용산업의 경우 여러가지 시스템을 사용하고 단순한 정보 입력과 반복적인 작업이 많음

• 적용사례: K은행에서 RPA를 이용하여 183개의 업무에서 125만 시간 업무량을 자동화함.

🏭 제조업

일 단위로 이루어지는 업무

• 적용사례: P제철소 국내 제조업 최초로 제품부두 항만 투자 업무에 RPA 적용함. 매일 30분씩 소요되던 제철소 내 항만 비용처리 업무시간을 5분으로 단축함.

🚀 유통업

일 단위로 이루어지는 업무

• 적용사례: H기업은 코딩없이 자동화 구현 기능을 지원하는 개발봇, 무인 수행봇, 유인 수행봇, 관리봇 등 RPA 기반으로 로봇프로세스를 적극 활용함.

4) RPA + AI = IPA

참고링크:

1. https://blog.naver.com/youngdisplay/221977632260
2. https://www.sedaily.com/NewsView/22Q8ZYKOWL
3. http://www.sisajournal-e.com/news/articleView.html?idxno=274116
4. https://newsroom.koscom.co.kr/18216

⚽파라미터 세팅

1. ExecuteScript 작성

기준 시간과 범위를 세팅한다.

• 타이틀 입력
• 변수의 값 형식 및 범위 정의
• JavaScript 입력

  this.CurDateTime = new Date();
  this.mMonth = this.CurDateTime.getMonth() + 1;
  this.mMonth = this.mMonth;
  this.mDate = this.CurDateTime.getDate();
  ```this.ExRowStrNo = 29;
  if(this.mDate == 1)
  this.ExRowEndNo = 41;
  else
  this.ExRowEndNo = 40;

2. 일자시간 설정

지정한 날짜의 형식을 변환하여 문자열로 반환한다.

• this.mTime의 결과값의 현재 날짜/시간(this.CurDateTime)을 시간:분(HH:mm) 문자열로 반환 할 수 있도록 속성 설정
• this.DateYMD의 결과값의 연월일은 yyyyMMdd 문자열로 반환할 수 있도록 속성 설정

⚽ DB연결설정

1. DB 연결

MsSQL, Oracle 등 DB와 연결할 수 있다. ODBC 드라이버는 필수 설치.

• MES DB 'SYS_BATCH_JOB_LOG' 테이블에 연결할 수 있도록 각 속성 입력.

2. DB 값 가져오기

연결한 DB에서 특정 필드의 데이터를 가져올수 있다.

• 가져온 필드 데이터를 저장할 변수 'RESULT_DailyCheck_Bat_MES_output' 으로 지정
• 가져올 db의 연결 정보 변수 지정
• Command 입력(실행할 쿼리 명령어 입력)
  • 'SYS_BATCH_JOB_LOG' 테이블에서 마지막 시퀸스의 'STATUS' 필드 값 가져오기

⚽ 조건분기 및 Action 설정

1. 조건분기 기준 설정

조회된 내용을 기반으로 조건 설정한다.

• 'RESULT_DailyCheck_Bat_MES_output' 변수 값이 0 (배치 모두 성공)이면 true action, 이외는 false action이 실행되도록 조건을 설정한다.

2. 조건분기 성공 Action 설정

1) Excel 작업대상 문서열기 2) Excel 작업대상 시트선택 3) Excel 날짜 Cell 확인 4) Excel 열 이름 추출 5) Excel 추출정보 기준시간 기록 설정 6) Excel 작업대상 문서 닫기 7) Excel 작업 처리상태 메일 전송

3. 조건분기 실패 Action 설정

📌ABAP RPA 실습

⚽ SAP ABAP 프로그램 생성

1. 프로그램 생성

2. 코드작성

⚽ 프로그램 실행

DT의 정의에 대한 무수한 학문적, 비즈니스적인 해석 자료들이 존재하고있고, 수행 방법 또한 다양한 해석을 통해서 방법론이 소개 및 제시되고 있다. 이러한 무수한 정의를 요약해보면, DT는 디지털 관련 모든것으로 인해 발생하는 다양한 변화를 동인으로 기업의 전략, 조직, 프로세스, 비즈니스 모델, 전략, 프로세스, 시스템, 조직, 문화 등을 근본적으로 변화시키는 디지털 기반 경영전략 및 경영활동이라고 할 수 있다.

👓DT의 출현과 변화

우리 생활에 인터넷 통신이 등장하면서 DT는 시기와 목적에 따라 3가지 유형으로 변화 발전하고 있다고 구분할 수 있다.

• 1단계: 컴퓨터 시스템에 아날로그 정보를 디지털 정보로 전환하는 시기
• 2단계: 운영 혁신 및 효율화를 목적으로 업무프로세스의 디지털라이제이션 시기
• 3단계: 디지털화된 인프라/시스템에 대한 새로운 기술의 적용과 고객의 인터넷 접속 환경의 다변화, 인터넷상의 대중 커뮤니케이션 그룹의 다변화에 따른 비즈니스 혁신의 시기

📌DT전환은 무엇을 하는 것인가?

디지털 전환(DT)의 대상은 ‘기업에 대한 모든 것’이라고 할 수 있다. 구체적으로 정의하려면 기업을 구성하고 있는 구성요소를 먼저 살펴봐야 한다. 기업의 구성요소는 학자 및 디지털 전환(DT) 컨설팅을 리딩하는 회사마다 다를 수 있겠으나, 우선 삼성SDS에서 정의한 크게 다섯 개의 범주로 디지털 전환(DT)의 구성요소를 보자.

① Customer Understandings 기업은 디지털 전환(DT)이나 가속화를 통해서 비즈니스 모델을 변경하고 새로운 시장 변화에 적응한다. 하지만, 이러한 변화는 기업이 아니라, 고객이 주도한다. 고객의 경험을 향상하는 것은 디지털 전환(DT)의 중요한 목표이다. 따라서 고객에 대한 완전한 이해는 디지털 전환(DT)의 시작점이다.

② Strategy & Leadership 성공적인 디지털 전환(DT)을 위해서는 디지털 전략을 수립하여 추진 목표와 방향성을 명확하게 해야한다. 디지털 전략은 기업의 전략과 연결하고 비즈니스 목표에 맞추어야 한다. 디지털 전환(DT)은 기업을 지속 가능한 성장을 가능하게 하고 비즈니스 목표를 달성하기 위한 새로운 수단이다. 또한, 성공적인 디지털 전환(DT)은 최고경영진의 혁신 리더십을 전제로 한다. 종종 간과될 수 있는 중간관리자급의 주인정신 및 책임감 등 리더십의 참여 및 연계성이 높아야 한다. 따라서, 최고경영진부터 중간관리자에 이르기까지 모든 리더십의 의지 또한 디지털 전환(DT)의 중요한 대상이라고 할 수 있다.

③ Technology & Infrastructure 디지털 전환(DT)의 기반으로써 새로운 기술을 수용하고 변화에 적응할 수 있는 디지털 생태계를 구축해야 한다. 디지털 전환(DT)은 단순히 기존 프로세스를 향상시키는 것이 아니라, 디지털 기술을 활용하여 새로운 유형의 제품과 프로세스를 가능하게 하는 것이다. 디지털화를 촉진하는데 적합한 디지털 기술을 보유하는 것 또한 매우 중요하다.

④ Operations 다양한 유형의 비즈니스 모델을 유지 및 활성화할 수 있도록 플랫폼 형태의 유연한 사업 운영이 필요하다. 제품이나 서비스를 플랫폼 형태로 전환하면 기업의 혁신성과 효율성은 크게 향상될 것이다. 하지만, 플랫폼은 끊임없이 변화하고 진화하고 있다. 디지털 전환(DT)에서 직면하는 가장 큰 과제는 레거시 시스템과 새로운 플랫폼 간의 충돌이다. 아무리 표준화한 플랫폼을 도입한다고 해도 도입하는 순간 또 하나의 레거시 시스템이 되고, 더 빠른 속도로 진화하는 디지털 기술을 매번 수용하기가 어렵다. 그리고 플랫폼을 유지하면서 생태계를 확장하기 위해서는 지속적으로 파트너쉽을 체결하고 협력하여 혁신하는 것이 중요하다.

⑤ People, Organization & Culture 디지털 기술을 도입하고, 이를 최적으로 활용할 수 있도록 임직원들의 디지털 역량을 확보하는 것이 중요하다. 기업은 고객 중심으로 바꾸기를 기대하지만, 하루아침에 모든 것을 바꾸기는 어렵다. 직원들이 디지털 혁신에 유연해지고, 새로운 사고방식에 빠르게 익숙해질 수 있도록 지속적인 교육을 제공해야 한다. 고객 경험을 개선하는 것이 디지털 전환(DT)의 일부인 것처럼, 기업 내부적으로도 임직원 역량, 조직성과 및 문화 등을 디지털 전환(DT)의 대상으로 검토해야 한다. 결국, 디지털 전환(DT)이 정착될 수 있도록 임직원의 디지털 역량과 조직문화 등에 대한 변화관리가 필요하다.

요약 DT의 구성요소

1. 고객에 대한 완전한 이해
2. 기업 목표를 위한 최고경영진부터 중간관리자에 이르기까지 모든 리더십의 의지력
3. 인프라 및 디지털 생태계 구축
4. 지속적인 파트너쉽 체결 및 협력으로 유연한 사업 운영
5. DT가 정착될 수 있도록 임직원의 디지털 역량과 조직문화에 대한 변화관리

📌DT는 어떻게 추진하는가?

성숙도 진단

DT의 시작은 성숙도 진단이며 꼭 필요한 과정이다. “왜 DT를 하는가?”, “DT는 무엇을 해야 하는가?“, “DT를 어떻게 실행할 것인가?“ 등과 같은 기본 질문들을 토대로 디지털 전환(DT) 관련 경영진들이 주요한 의사결정들을 해야 하는데, 일반적으로 경영진들간에 의견의 차이가 생긴다. 그리고 임직원들을 계획에 동참하도록 노력하다 보면, 디지털 전환(DT)의 본래 목적을 절충하고 집중을 잃게 되기 쉽다. 여기서부터 하나, 둘씩 문제가 발생하기 시작한다. 이러한 문제를 극복하기 위해서는 디지털 전환(DT)에 대한 방법론에 입각하여 순차적으로 해결해 나가는 것이 필요하다.

디지털의 성숙도의 정의 및 모델

디지털 성숙도 정의: “디지털 성숙도는 조직이 지속적으로 발생하는 디지털 변화에 적응하기 위해 체계적으로 준비하는 방법”

성숙도 유형/수준 구분을 위해 많은 방법론에서는 임직원의 설문조사를 기반으로 성숙도를 측정하며, 고객 경험/전략/리더십/프로세스 운영/정보기술/문화/조직 등의 디지털 전환(DT)을 위한 영역이 설문 항목으로 구성이 될 수 있다. 임직원 대상의 설문 진행 방식은 가장 보편적인 디지털 성숙도를 진단하는 도구라 할 수 있지만, 아래와 같은 이유로 어려움이 있다.

• 일반 직원이 응답하기 어렵다 : 회사의 디지털 비즈니스 전략을 잘 이해하고 있거나, 전체 프로세스를 폭넓게 이해하고 있는 직원은 거의 없다. 각자 자기 직무에 대해서만 응답할 뿐이다.
• 경영진이 답하기도 어렵다 : 경영진은 전략 방향성을 알고 있지만 실제 운영 부분의 디지털화 수준을 체감할 기회가 많지 않다. 특히 경영진과 일반 직원이 느끼는 우리 회사의 혁신문화 수준은 ‘동상이몽(同床異夢)’인 경우가 많다.
• 수준을 비교하기 어렵다 : 진단 결과를 얻는다 해도 우리 회사와 같은 업종, 유사한 규모의 회사와 비교해 보기가 어렵다.

그래서 기업 필요에 따라 DT 성숙도를 보다 정확하게 진달할 수 있는 업체를 선별하는것도 필요할 수 있다. 예시) 삼성SDS의 DT 진단 서비스, DTA(Digital Transformation Assessment)

참고링크: https://www.samsungsds.com/kr/insights/dta.html