지식 센터
목차

AI Agent와 전통적 MES의 통합

AI Agent와 전통적 MES의 통합은 본질적으로 MES를 에이전트로 대체하는 것이 아니라 Agent를 MES 위의 스케줄링 두뇌이자 상호작용 계층으로 만드는 일이다. MES는 계속 작업지시, 자재, 품질, 설비 데이터를 관리하고, Agent는 사람의 의도를 이해하고 모듈 간 작업을 조율하며 예외 처리를 사람이 시스템을 뒤지는 방식에서 시스템이 사람을 찾는 방식으로 바꾼다. 구현의 관건은 인터페이스 계층에 있다. MES 역량을 OPC-UA, REST API, 메시지 큐를 통해 Agent가 호출할 수 있는 도구로 노출하고, 제조 도메인 지식 베이스와 권한 경계를 더하면 일정 조정, 품질 추적, 설비 예외 대응 같은 시나리오에서 폐루프가 작동할 수 있다.

1. AI Agent가 MES 안에서 실제로 해결하는 문제

전통적 MES의 강점은 공정 경직성이다. 작업지시 발행, 공정 보고, 배치 추적, SPC 판정이 시스템에 하드코딩되어 안정적이지만 유연하지 않다. 문제는 공정 사이의 틈에 있다. 계획 담당자가 실장기의 불량률이 갑자기 올라간 것을 발견하면 MES에서 설비 대장을 조회하고, 공정 파라미터를 뒤지고, 동일 배치의 품질 데이터를 비교한 뒤 일정을 수동으로 바꿔야 한다. 네다섯 개 화면을 오가는 순서이며 시간이 걸리고 개인 경험에 의존한다.

AI Agent가 메우는 것이 바로 이 구간이다. MES 기능 인터페이스를 도구 집합으로 취급하고, 내일 A 라인의 긴급 수주를 앞당겨 삽입하고 불량률이 높은 설비는 피하라는 자연어 지시를 받아, 설비 상태 조회, 작업지시 우선순위 읽기, 스케줄링 인터페이스 호출, 조정 결과 기록으로 자율 분해한다. MES는 데이터와 실행의 권위 있는 원천으로 남고, Agent는 조율과 의사결정 지원만 하며 하위 공정 파라미터를 직접 다시 쓰지 않는다.

2. 통합을 성립시키는 기술

세 가지가 핵심이다. 인터페이스 표준화, 도구 기술, 권한 격리다.

인터페이스 계층은 주로 두 경로를 따른다. 하나는 MES 벤더가 노출하는 REST API나 웹 서비스로, 작업지시 조회, 보고, 품질 판정 같은 역량을 HTTP 인터페이스로 감싼다. 다른 하나는 설비 계층을 겨냥한 OPC-UA로, 택트, 정지 사유, OEE 구성처럼 실시간 라인 상태가 필요한 시나리오에 적합하다. 일부 레거시 MES는 데이터베이스 뷰만 제공하는데, 이 경우 보통 Kafka 같은 메시지 큐를 추가해 변경을 포착하고 Agent가 생산 데이터베이스를 직접 읽지 않게 한다.

도구 기술은 Agent가 MES를 이해하기 위한 전제다. 업계 관행은 각 MES 기능을 파라미터 설명이 있는 함수 시그니처로 작성하는 것이다. 예를 들어 query_workorder(line, date_range)가 우선순위 필드를 포함한 작업지시 목록을 반환하도록 하면 Agent가 어느 것을 어떤 파라미터로 호출할지 결정할 수 있다. 공정 경로 제약, 교체 시간 매트릭스, 품질 판정 규칙 같은 제조 도메인 지식은 MES에 밀어 넣지 않고 Agent 측에 지식 베이스나 규칙 엔진으로 붙인다.

권한 격리는 생략할 수 없다. Agent의 MES 인터페이스 호출은 최소 권한으로 인가된 전용 서비스 계정을 사용해야 하고, 일정 변경이나 배치 해제 같은 쓰기 작업에는 사람의 확인 노드가 있어야 한다. IEC 62443은 산업 시스템의 접근 통제에 명확한 요구를 두고 있으며, 새로운 접근 주체인 Agent도 동일한 계정과 감사 체계에 편입시켜야 한다.

3. 이미 종단 간 운영이 가능한 업무

시나리오 하나는 전자 공장의 SMT 교체 스케줄링이다. SMT 작업장에 8개 라인이 있고 스텐실과 피더 구성에 따라 교체 시간이 20분에서 60분 사이로 달라진다고 하자. 계획 담당자가 A 고객의 긴급 수주를 우선 보호해야 한다고 말로 지시하면, Agent는 MES 작업지시 풀을 조회하고 라인별 현재 진척과 설비 상태를 읽고 교체 시간 매트릭스로 삽입 순서를 계산해 조정 권고를 만들어 MES 스케줄링 모듈에 기록한다. 택트가 안정적인 라인이 첫 시험에 적합하고, 혼류가 심하고 수주 삽입이 잦은 환경은 더 세밀한 제약 규칙이 필요하다.

시나리오 둘은 자동차 부품 기업의 품질 추적 질의응답이다. 기업이 IATF 16949 심사를 통과해야 하고 심사원이 이 배치 너클에 어떤 원자재 히트 번호가 쓰였고 어느 다이캐스팅 설비에서 생산되었으며 당시 금형 온도가 어땠는지 묻는다고 하자. 전통적 방식은 품질 엔지니어가 MES에서 배치 트리를 계층별로 클릭하는 것이다. Agent는 질문을 받아 배치 추적 인터페이스, 설비 파라미터 인터페이스, SPC 기록 인터페이스를 호출하고 세 데이터 집합을 타임스탬프와 함께 하나의 추적 체인으로 조립한다. 여기서 Agent는 새 데이터를 만들지 않고 모듈 간 집계만 하므로 정확도는 MES의 배치 관계 필드가 완전한지에 달려 있다.

시나리오 셋은 설비 예외 대응이다. 사출 작업장의 한 기계가 세 샷 연속으로 미성형을 내면 MES가 품질 경보를 올린다. Agent는 경보 유형을 읽고, 해당 금형의 지난 24시간 공정 파라미터 곡선을 가져와 동일 금형의 이력 정상 배치와 비교하고, 배럴 온도 센서 점검을 제안하는 예비 판단을 내린 뒤 정비 작업지시 초안을 자동 생성한다. 센서 드리프트나 입고 수분 변동처럼 데이터 특징이 명확한 이상은 Agent의 사전 스크리닝에 적합하고, 금형 구조 손상이 관련된 판단은 여전히 사람의 참여가 필요하다.

4. 구현 중 유의할 자주 나오는 질문

통합 방식을 어떻게 선택할 것인가. 신규 라인이나 비교적 최신 MES 버전은 안정적이고 문서가 잘 갖춰진 공식 API를 선호한다. API가 없는 레거시 시스템은 메시지 큐로 데이터를 동기화하고 Agent 측에 경량 상태 캐시를 두어 빈번한 데이터베이스 조회가 MES 성능에 영향을 주지 않게 한다. Agent가 MES 데이터베이스에 직접 쓰는 것은 바람직하지 않다.

구현 기간은 어느 정도인가. 스케줄링 권고 같은 단일 시나리오 파일럿은 인터페이스 검토에서 종단 간 운영까지 보통 수 주가 걸리고, 시나리오 간 확산에는 지식 베이스 정비와 권한 체계 재작업 시간이 추가되어야 한다. 기간은 Agent 자체가 아니라 MES 인터페이스의 개방 정도가 주로 결정한다.

비용 구조는 어떤가. 세 부분이다. MES 인터페이스 개발이나 적응 작업, Agent 측 지식 베이스와 규칙 구성 인력, 운영 중 모델 호출과 연산 비용이다. 앞의 두 가지는 일회성 투자이고 세 번째는 호출 빈도에 따라 달라지므로 고빈도 조회 시나리오는 호출당 비용을 평가해야 한다.

흔한 오해가 두 가지 있다. 첫째는 Agent를 만능 질의 상자로 보고 MES가 수집한 적 없는 데이터까지 답하리라 기대하는 것이다. Agent는 기존 데이터를 집계할 수 있을 뿐이므로 수집 공백을 먼저 메워야 한다. 둘째는 Agent가 사람의 확인을 건너뛰고 공정 파라미터를 직접 변경하게 하는 것이다. 이는 ISO 9001과 IATF 16949의 변경 통제 요구 아래에서 성립하지 않으며, 쓰기 작업은 승인 흔적을 남겨야 한다.

5. 이 통합이 적합한 대상과 그렇지 않은 대상

적합한 시나리오는 MES가 1년 이상 안정적으로 운영되고 자재, 공정 경로, 설비 대장 같은 기준 정보가 비교적 깨끗하며 모듈 간 조회와 일정 조정이 빈번한 이산 제조 작업장이다. 특히 전자 조립, 자동차 부품, 사출 성형처럼 공정 연계가 긴밀하고 예외 대응 요구가 빠른 산업이 그렇다. ERP 시대부터 수십 년간 일해 왔고 120만 고객을 서비스하며 누적 수천만 대 단말을 보급하고 국내외 시장을 커버하는 시스템 벤더는 인터페이스 표준과 기준 정보 정비에서 축적이 깊어 Agent 통합을 시작하기 쉽다.

부적합한 시나리오는 MES가 아직 제대로 운영되지 않고 보고가 종이에 의존하는 공장으로, 기본 디지털화가 먼저다. 입고 일관성이 매우 나쁘고 공정 파라미터에 수동 개입이 잦은 시생산 라인은 Agent의 규칙 추론이 쉽게 실패한다. 쓰기 작업에 대해 무관용이고 자동 기록을 허용하지 않는 규제가 강한 업무는 Agent가 읽기 전용 조언만 할 수 있어 가치가 줄어든다. 또한 반사율이 높거나 변형이 큰 부품의 비전 기반 Agent 응용은 이미징 조건을 별도로 평가해야 하고 표준 솔루션을 그대로 재사용할 수 없다.

주제: AI 및 AI 에이전트 백과