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.
1. 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).
2. 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.
3. 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 |
한줄요약
제조 암묵지 예산이 데이터화보다 먼저 요구하는 것은 설비 쪽 정격·경고·정지 한계값의 사전 문서화다.
본 글은 2027년 정부 예산안(정부 예산 표, 중기부 예산 표)과 투라인클라우드 MOU 소식(문서2)을 바탕으로 기구설계 관점에서 재구성했습니다.
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.