지식 센터
목차

다공장 조정의 AI Agent: ERP와 MES 위에서 사업장 간 스케줄링

다공장 조정에서 AI Agent의 핵심 가치는 공장별로 흩어진 스케줄링, 자재, 품질, 설비 데이터를 스스로 결정할 수 있는 하나의 체인으로 엮어 그룹 차원의 조정이 사람이 보고서를 보는 일에서 시스템이 능동적으로 파견하는 일로 바뀌게 하는 것이다. ERP와 MES를 대체하지 않고 그 위에서 사업장 간 실시간 판단과 작업 할당을 수행한다. 여러 생산기지를 운영하는 제조 기업에게 이는 단일 공장 디지털화를 그룹 차원의 조정 능력으로 업그레이드하는 핵심 계층이다.

1. 다공장 조정에서 AI Agent가 실제로 해결하는 문제

다공장 조정의 만성적 어려움은 데이터가 없는 것이 아니라 각 데이터 세트가 따로 서 있다는 것이다. 전자 기업이 중국 남부와 중국 동부에 각각 SMT 생산기지를 두고 있고 주문이 들어오면 두 공장의 계획 담당자가 따로 스케줄링하며, 생산능력 충돌, 자재 중복 비축, 긴급 주문의 라인 경쟁이 반복된다. 전통적 방식은 그룹 계획 부서가 조정 회의를 소집하는 것이고 한 차례 소통에 반나절이 들어 삽입 주문 대응이 느린 것이 일상이다.

AI Agent가 해결하는 것은 시스템을 넘나드는 판단과 실행 구간이다. ERP, MES, WMS, SCADA 위에 위치해 각 공장의 생산능력 부하, 설비 상태, 자재 키팅률, 재공을 읽고 미리 정한 규칙에 따라 사업장 간 재배분 안을 자동 생성하며 작업지시 조정 지시를 직접 내보낼 수도 있다. 전통적 BI 보고서와의 차이는 보고서는 무슨 일이 있었는지 알려주지만 Agent는 다음에 무엇을 할지 직접 말하고 실행을 이끈다는 것이다.

2. AI Agent의 기술 원리와 핵심 능력

기반은 세 층 구조다. 인지 계층은 OPC-UA와 MQTT 같은 산업 프로토콜로 설비와 시스템 데이터를 수집하고 MES 측은 보통 데이터베이스 인터페이스나 API로 통합한다. 의사결정 계층은 규칙 엔진과 모델 추론으로 작업 분해와 우선순위 정렬을 한다. 실행 계층은 결정 결과를 MES 작업지시, WMS 피킹 작업, ERP 구매 요청에 기록한다.

핵심 능력은 네 가지다. 첫째, 공장 간 생산능력 소싱으로 설비 유형, 공정 경로, 택트, 수율 제약에 따라 주문을 라인에 매칭한다. 둘째, 자재 조정으로 BOM과 키팅률을 활용해 어느 공장이 더 낮은 이동 비용으로 주문을 받을 수 있는지 판단한다. 셋째, 예외 대응으로 설비 정지나 입고 자재 불량 시 사업장 간 생산 이관 안을 자동 트리거한다. 넷째, 다목적 절충으로 납기, 원가, 가동률 사이에서 단일 지표 최적화가 아니라 가중치로 해를 구한다.

반드시 견뎌야 하는 기술 지표는 데이터 수집 지연으로 보통 초에서 분 단위로 관리하며 작업지시 상태 동기화 지연이 조정 판단의 정확도에 영향을 준다. 그리고 결정 규칙이 설명 가능해야 하며 그렇지 않으면 계획 담당자가 쓰기를 꺼린다. 이는 IPC-A-610 같은 공정 표준과는 무관하고 ISA-95 계층 아키텍처와의 통합 표준화와 직접 관련된다.

3. 제조 현장의 전형적인 응용 시나리오

시나리오 하나는 그룹 스케줄링 조정이다. 자동차 부품 기업이 생산기지 네 곳을 두고 완성차 주문 변동이 크다고 하자. AI Agent는 각 공장의 프레스, 용접, 도장 잔여 생산능력과 금형 상태에 따라 주문을 배분하고 주문 삽입 시 생산 이관 비용을 자동 계산하며 어느 공장이 언제 받을지에 대한 판단을 몇 시간에서 몇 분으로 압축한다.

시나리오 둘은 공장 간 자재 이관이다. 전자 기업의 두 공장에 특정 칩이 재고로 있고 Agent는 생산 계획과 키팅률을 결합해 내부 이관 필요 여부를 판단하여 한 공장의 라인 정지와 다른 공장의 사재고를 피한다.

시나리오 셋은 품질 예외 연동이다. 한 공장에서 배치 결함이 나타나면 Agent는 같은 배치의 자재를 받은 다른 공장을 표시하고 조사 작업을 트리거한다. ISO 9001의 추적성 요구 아래에서 이는 구체적인 조정 행위다.

4. 구현 중 고빈도 질문

통합 방식을 어떻게 고를 것인가. 시스템 고유 API를 우선하고 MES와 ERP 벤더는 대개 표준 인터페이스를 제공한다. 인터페이스가 없는 레거시 설비는 처음부터 설비를 개조하기보다 엣지 게이트웨이로 프로토콜 변환을 한다.

구현에 얼마나 걸리는가. 단일 공장 파일럿은 보통 몇 주에서 두 달이고 사업장 간 확산은 시스템 인터페이스의 표준화 정도와 데이터 거버넌스 기반에 달려 있으며 인터페이스가 지저분한 기업은 사전 데이터 정리가 개발보다 오래 걸리는 경우가 많다.

흔한 오해는 두 가지다. 첫째, Agent를 만능 배차원으로 여기고 계획 담당자의 개입 권한이 여전히 필요하다는 점을 무시하는 것이다. 둘째, 데이터가 연결되기 전에 결정 모델을 가동하는 것으로, 쓰레기가 들어가면 쓰레기가 나온다.

비용 구조는 주로 인터페이스 개발, 엣지 하드웨어, 모델 튜닝, 운영이다. 하드웨어 측면에서 엣지 게이트웨이는 포인트 단위로 과금되어 규모 간 차이가 크다.

5. 어떤 시나리오가 적합하고 어떤 것이 부적합한가

적합한 시나리오는 생산기지가 여러 곳이고 주문 변동이 크며 공장 간 이관이 잦고 MES와 ERP 기반이 비교적 양호한 이산 제조 기업, 특히 전자, 자동차 부품, 설비 산업이다. 이런 기업은 데이터가 이미 온라인에 있어 조정 이익이 빠르게 나타난다.

부적합한 시나리오는 단일 공장 운영으로 조정 가치가 제한적인 경우, 시스템 사일로가 심하고 기준정보 정확도가 낮아 데이터 거버넌스를 먼저 해야 하는 기업, 공정이 극히 비표준적이어서 스케줄링이 숙련 경험에 크게 의존하는 시나리오다. 이런 경우 Agent는 보조 제안만 할 수 있고 지시를 직접 내서는 안 된다.

ERP 시대 이후 수십 년의 업무, 120만 고객 서비스와 누적 수천만 단말 배치, 국내외 시장 커버리지는 다공장 조정의 기반 시스템 능력이 이미 성숙한 토대를 갖추었음을 보여준다. AI Agent는 그 위의 조정 강화 계층이며, 선택할 때는 일괄 완전 자동화를 추구하기보다 인터페이스 개방성과 규칙 구성 가능성을 보아야 한다.

주제: AI 및 AI 에이전트 백과