결론부터 말한다. 제조명장의 노하우를 데이터로 만들기 전에, 설비 설계자가 정격값과 한계값을 먼저 문서로 고정해야 한다. 기준선이 없는 현장에서 수집한 데이터는 “명장이 이렇게 했다”는 기록은 되지만 “왜 그 값이 허용됐는가”에는 답하지 못한다. 이것이 필자의 관점이다.
핵심 뉴스 팩트 요약
정부 2027년 예산안에는 아래 항목이 있다(문서1, 정부 예산 표 1번 항목).
| 세부 항목 | 세부 내용 | 예산 |
|---|---|---|
| 피지컬 AI 실증 | 제조, 건설 등 8대 분야 | 0.5조원(총 2.6조원) |
| 제조 암묵지 AI | 제조명장 노하우 데이터화 | 0.3조원 |
| 전력·용수·산단 지원 | 한전 출자, 송전선로 지중화 등 | 2.1조원 |
중기부 예산 표에는 “중소기업 피지컬 AI 실증 1,728억원”이 별도로 있고, 주요 내용에는 “피지컬 AI 벤처·스타트업 실증 및 중소 제조 현장 AI 전환 지원에 1,728억원 신규 배정”으로 기재돼 있다(문서1, 중기부 단락). 두 수치의 관계(부처별 배분인지 총액 포함인지)는 제공된 정보에서는 확인할 수 없다.
같은 시기 산업계 소식 하나. 투라인클라우드는 PIKAI와 물리기반 AI·MSA 산업 AX 공동추진 MOU를 맺고, 설비데이터를 활용한 SaaS 플랫폼 구축과 예지정비 등 공동 서비스 발굴을 계획한다고 밝혔다(문서2, 투라인클라우드 항목).
기구 관점 영향 분석
예산 명칭이 “제조명장 노하우 데이터화”다. 데이터화 대상이 사람의 판단이라는 점을 분명히 하고 있다. 사람의 판단은 항상 설비 상태를 전제로 내려지는데, 그 전제가 문서화돼 있지 않으면 데이터는 맥락을 잃는다.
“설비데이터 활용”이 사업의 출발점이다. 그런데 필자가 현장에서 본 설비데이터 문제는 센서 부족이 아니라 기준 부재다. 진동 값이 올라왔을 때 정상 상한이 도면·사양서 어디에도 없으면, 명장은 감으로 판단하고 AI는 그 감을 학습한다. 감을 학습한 모델은 설비가 바뀌면 무너진다.
“AI 전환은 IT 부서와 데이터 팀의 일”이라는 가정을 이 글은 깬다. 기구설계 팀이 넘겨야 할 것은 3D 모델이 아니라 다음 네 가지 숫자다.
| 항목 | 설비 설계자가 명문화해야 할 값 | 비고 |
|---|---|---|
| 정격 | 설계 운전 조건(속도, 하중, 온도) | 사양서 기재 여부 확인 |
| 경고 한계 | 정격 대비 여유가 소진되기 시작하는 값 | 안전율 계산 근거와 함께 |
| 정지 한계 | 구조·베어링·구동계 손상 전 정지값 | 인터락 설정값과 일치 |
| 마모·교체 기준 | 소모 부품의 교체 판단값 | 명장 노하우가 가장 많이 숨어 있는 곳 |
이 표가 채워져 있으면 명장의 판단은 “기준 대비 어디쯤에서 손을 썼는가”로 좌표화된다. 채워져 있지 않으면 판단은 좌표 없는 점의 나열이다.
현장에서는 “명장의 감이 바로 기준이고, 문서화하려면 그 감을 먼저 캐내야 한다”는 반론이 나온다. 타당하다. 순서를 뒤집어, 명장 인터뷰로 임시 기준을 잡고 설계 계산으로 검증하는 방식도 가능하다. 다만 두 방식 모두 최종적으로는 설계 근거(하중·응력·수명 계산)로 한 번 더 확인해야 한다. 안전율은 명장의 감과 계산, 두 번 검증한다.
스펙 대조표
| 항목 | 확인 여부 | 비고 |
|---|---|---|
| 피지컬 AI 실증 8대 분야 목록 | 미확인 | 문서1·문서2에 구체 분야명 없음 |
| 예산 배분 우선순위(설비군·공정별) | 미확인 | 두 문서 모두 명시 없음 |
| 중기부 1,728억원과 총 3,000억원의 관계 | 미확인 | 부처별 배분인지 총액 포함인지 불명 |
| 사내 설비 정격·경고·정지 한계값 문서화 현황 | 확인 필요 | 사양서 실사 후 재확인 요망 |
| 인터락 설정값-사양서 한계값 일치 여부 | 확인 필요 | 현장 계측 후 재확인 요망 |
설계 반영 체크리스트
- 설비별 정격값·경고값·정지 한계값을 도면·사양서에 명시 여부
- 명장 인터뷰로 잡은 임시 기준을 하중·응력·수명 계산으로 재검증 여부
- 센서 데이터 수집 전에 판정 기준선 문서화 선행 여부
- 예산 항목 간 관계(부처별 배분·총액 포함 여부) 확인 여부
한줄요약
제조 암묵지 예산이 데이터화보다 먼저 요구하는 것은 설비 쪽 정격·경고·정지 한계값의 사전 문서화다.
¹ 암묵지(Tacit Knowledge): 문서화되지 않고 경험자의 몸에 남아 있는 지식.
² MSA(Microservices Architecture): 소프트웨어를 작은 서비스 단위로 나눠 구성하는 방식.
³ 예지정비(Predictive Maintenance): 설비 상태 데이터로 고장 시점을 예측해 정비하는 방식.