중소 제조공장, AI 도입 장벽을 낮추는 방법 철강 공장 용광로에서 나오는 온도 데이터, 주조 공장의 냉각 속도 기록, 시멘트 라인의 예열 조건. 공장마다 이 데이터들은 제각각 다른 형식으로 쌓이고 있습니다. 문제는 이 데이터가 많아도 서로 연결되지 않으면 AI가 읽지 못한다는 점입니다. 중소·중견 제조기업 대부분이 바로 이 벽 앞에 멈춰 있습니다.
현재 제조기업들은 설비 운전정보, 공정 조건, 품질 정보 등 방대한 데이터를 보유하고 있습니다. 그러나 기업마다, 공정마다 저장 형식과 관리 체계가 달라 AI가 이를 통합적으로 활용하기 어렵습니다. 개별 기업이 자체 AI 모델을 개발하려면 상당한 자금과 전문인력이 필요합니다. 자금과 인력이 부족한 중소·중견기업에는 처음부터 높은 진입 장벽입니다.
한국산업단지공단(이하 산단공)은 이 문제를 해결하기 위해 '열 공정 특화 제조 AI 파운데이션모델 개발 및 실증' 사업을 추진하고 있습니다. 2028년까지 국비 230억 원이 투입됩니다. 파운데이션모델은 여러 기업과 공정에서 공통으로 쓸 수 있는 AI 기반 모델로, 기업별 공정 특성에 맞게 다시 조정해 적용하는 방식입니다. AI 도입에 드는 시간과 비용을 줄이는 것이 핵심 목표입니다. 총 3개 산업군 13개사 이상에서 모델을 적용하고 검증할 계획입니다.
산단공이 이 사업에 도입하는 핵심 기술은 온톨로지입니다. 온톨로지는 서로 다른 데이터가 어떤 의미를 갖고 어떻게 연결돼 있는지를 AI가 이해할 수 있도록 관계를 정의하는 기술입니다. 예를 들어 설계도면(CAD) 데이터와 생산현장 데이터를 이 기술로 연결하면, 설계 단계부터 생산 완료까지 데이터가 끊기지 않고 이어집니다. AI는 이 연결된 데이터를 '제조지식'으로 활용해 공정 분석과 의사결정에 씁니다. 산단공은 지난 27일 서울 성동구 위즈코어 성수생각공장에서 이 기술의 현장 적용 가능성을 논의했습니다. 이상훈 이사장과 박승훈 위즈코어 대표, 박덕근 AI디비전 대표 등 10여 명이 참석했습니다.
사업 대상인 열 공정은 철강, 시멘트, 주조 등 국내 주력 제조업에서 제품 품질과 에너지 효율을 좌우하는 공정입니다. 산단공은 우선 철강산업의 가열·열처리 공정에 AI 모델을 적용합니다. 이후 시멘트산업의 예열·냉각 공정, 뿌리산업(주조·단조 등 제조업의 기초 공정 산업)의 용해·주조 공정으로 적용 범위를 넓힐 계획입니다. 단계적으로 확장해 공통 모델의 신뢰도를 검증하는 구조입니다.
이 사업의 방향은 개별 기업이 각자 AI를 개발하는 방식에서 벗어나는 것입니다. 산단공이 공통 파운데이션모델을 먼저 구축하고, 기업은 자사 공정 특성에 맞게 조정해 사용하는 구조입니다. 이상훈 한국산업단지공단 이사장은 "국산 온톨로지를 활용해 산업단지 제조기업의 데이터를 의미 있는 제조지식으로 연결하고, 이를 기업의 인공지능 전환과 생산성 향상으로 이어갈 수 있는 방안을 적극 모색하겠다"고 말했습니다.
철강·시멘트·주조 등 열 공정을 운영하는 중소·중견 제조기업이라면 이 사업의 수혜 대상이 될 수 있습니다. 산단공은 3개 산업군 13개사 이상에 모델을 적용·검증할 계획이며, 참여 기업을 통해 AI 도입 비용을 낮추는 것을 목표로 합니다. 관련 문의는 한국산업단지공단(www.kicox.or.kr)을 통해 확인할 수 있습니다. 공장 데이터가 따로 놀고 있다면, 그 연결 작업이 이 사업의 출발점입니다.
