설비 한 번 멈추면 시간당 2억 3,150만 원이 새어 나가거든요 🩺 공장 라인이 멈춘 순간부터 시간은 돈으로 바뀝니다. 시간당 16만 9,889달러, 우리 돈 약 2억 3,150만 원. 글로벌 자동화 기업 ABB가 지난해 한국을 포함한 18개국 산업계 의사결정자 3,600명에게 물어 얻은 평균값입니다. 한두 곳의 불운이 아닙니다. 예고 없이 멈춰 서는 설비 때문에 전 세계 제조업이 흘리는 돈은 해마다 68조 원에 달합니다.
◾ 한 시간 멈추면 2억 원이 사라진다
2026년 9월 24일 ABB와 회계법인 딜로이트가 내놓은 집계에 따르면, 계획되지 않은 돌발 설비 중단으로 전 세계 제조업계가 입는 손실은 연간 약 500억 달러, 약 68조 원입니다. ABB의 자체 조사에서는 설비가 한 번 멈출 때마다 평균 시간당 약 2억 3,150만 원이 사라진다는 답이 나왔습니다. 하루가 아니라 한 시간 기준입니다. 반도체·자동차·철강처럼 거대한 장비가 쉴 새 없이 돌아가는 현장에서는, 기계 하나가 고장 나 라인이 서는 것만으로 시간당 수억 원의 피해가 발생합니다.
◾ 망가지면 고치고, 날짜 되면 갈았다
지금까지 공장이 설비를 관리하는 방법은 크게 두 가지였습니다. 하나는 기계가 실제로 망가진 뒤에 고치는 사후 수리입니다. 다른 하나는 아직 멀쩡한 부품도 정해진 날짜가 오면 '혹시 모를 사고'에 대비해 무조건 교체하는 방식입니다. 전자는 멈춘 다음에야 손을 쓰고, 후자는 멈추지 않아도 라인을 세웁니다. 산업계가 세 번째 길을 찾기 시작한 배경이 여기 있습니다. 고장이 난 시점도, 달력에 적힌 날짜도 아니라 설비의 실제 상태를 기준으로 삼는 방식입니다.
◾ 진동과 온도가 고장을 먼저 말한다
그 세 번째 방식이 예지보전입니다. 설비에 붙인 센서가 진동과 온도, 전류 데이터를 계속 모으고, 인공지능이 이를 실시간으로 분석해 고장 가능성을 예측합니다. 사람이 소리나 열로 알아채기 전에 데이터의 미세한 변화가 먼저 신호를 보낸다는 것이 전제입니다. 상태가 양호한 설비는 원래 교체 시점을 넘겨 더 오래 쓰고, 이상 징후가 잡힌 설비는 교체를 앞당깁니다. 정비 주기를 날짜에서 상태로 옮기는 셈입니다. 큰 고장으로 번지기 전에 작은 이상을 처리한다는 것이 핵심입니다.
◾ 현대차는 5일 전, 포스코는 이틀 만에
국내 현장에서도 결과가 나오고 있습니다. 현대자동차는 피지컬 AI 기업 마키나락스와 함께 로봇 동작 데이터를 딥러닝으로 분석해, 고장을 최대 5일 전에 90% 이상의 정확도로 예측하는 시스템을 구축했습니다. 부품 수명이 다하기 직전까지 기계를 돌린 뒤 생산이 없는 시간에 맞춰 교체하기 때문에, 불필요한 라인 중단이 크게 줄었습니다. 포스코 광양제철소는 아마존웹서비스와 만든 이상 예지 모델 InnoPIMS로 이상 진단 모델을 만드는 시간을 기존 2주에서 이틀로 약 80% 줄였습니다. 삼성전자는 2030년까지 생산라인 전체를 AI 자율 공장으로 바꾸겠다는 목표를 세우고, 가상공간에 실제 공장을 똑같이 구현하는 디지털 트윈으로 설비 위험 요인을 미리 걸러냅니다. 효성중공업은 창원공장에 생산관리 시스템과 사물인터넷 장비를 깔아 스마트패드·스캐너로 모은 데이터로 공정별 작업 현황을 실시간 관리하고, LS일렉트릭은 청주사업장에 AI 용접·외관·소음 검사를 도입해 작업자 숙련도 차이에서 오던 품질 편차를 없앴습니다.
◾ 멀쩡한 부품을 버려도 손실은 남았다
날짜에 맞춰 부품을 갈아 끼우는 것도 엄연한 대비책이었습니다. 그런데도 손실이 남는 이유는, 그 방식이 고장 시점을 맞히지 못하면서 쓸 수 있는 부품까지 버리기 때문입니다. 딜로이트는 유지보수가 비효율적으로 이뤄질 경우 산업계의 생산능력 자체가 최대 20%까지 낮아질 수 있다고 분석했습니다. 설비를 전부 새로 사야 한다는 전제도 흔들립니다. ABB는 외형 인프라는 그대로 두고 핵심 내부 부품만 최신 디지털 장치로 바꿔 연결하는 레트로핏 방식을 적용하면, 전면 교체와 비교해 탄소 배출을 최대 57% 줄이면서 장비 수명은 10년 이상 늘렸다고 밝혔습니다. 자사 AI·머신러닝 설비 분석 솔루션을 적용한 기업의 공장 멈춤 시간이 최대 70%까지 줄었다는 것도 ABB 측 설명입니다.
◾ 모으는 것보다 시점을 고르는 일
ABB 관계자는 "AI의 핵심 가치는 단순히 데이터를 모으는 데 그치지 않고, 설비가 멈추기 전에 이상을 포착해 최적의 정비 시점을 제안하는 데 있다"고 말했습니다. 이어 "앞으로 제조업에서 AI는 자동화를 넘어 안정적 운영과 불확실성 관리를 위한 핵심 경쟁력이 될 것"이라고 덧붙였습니다. 데이터 수집량이 아니라 언제 멈춰 세울지를 정하는 판단이 성과를 가른다는 의미입니다. 다만 다운타임 70% 감소나 탄소 57% 절감은 ABB가 자사 솔루션 적용 사례를 근거로 제시한 수치라는 점은 함께 읽을 필요가 있습니다.
◾ 한 가지만 기억한다면
이 흐름의 판단 기준은 '설비를 얼마나 자주 바꾸나'가 아니라 '무엇을 근거로 바꾸나'입니다. 달력이 기준이면 멀쩡한 부품이 버려지고, 고장이 기준이면 라인이 먼저 섭니다. 예지보전은 그 사이에서 상태를 기준으로 삼습니다. 설비 교체를 검토하는 현장이라면, 전면 교체 외에 내부 부품만 바꾸는 레트로핏이라는 선택지도 있다는 점이 ABB 사례에서 확인됩니다. 다시 처음의 숫자로 돌아가 보면, 라인이 한 시간 서는 값은 평균 2억 3,150만 원입니다. 그 한 시간을 언제 쓸지 고르는 일이 예지보전이 하는 일입니다.
