제조 데이터는 정리될 때 AI 제품이 된다

Summary
제조 데이터는 많다고 바로 AI 제품이 되지 않는다. 설비 로그, 공정 조건, 불량 이력, 생산 계획, 작업자 노하우가 흩어져 있으면 그것은 원재료에 가깝다. 제조 데이터가 AI 제품이 되려면 품질 예측, 공정 최적화, 설비 이상 탐지, 로봇 시뮬레이션, 디지털트윈, 제조 Agent 같은 고객이 구매할 수 있는 workflow로 바뀌어야 한다. LG에게 중요한 것은 “데이터를 얼마나 쌓았는가”가 아니라 “데이터를 어떤 문제 해결 제품으로 바꾸었는가”다.

1. Key Factors & Questions

Key Factors

LG전자는 스마트팩토리 솔루션 사업을 설명하며 66년 제조 경험과 최근 10년간 770TB의 제조·생산 데이터를 축적했다고 밝혔다. 또한 스마트팩토리 관련 1,000건 이상의 특허를 보유하고 있으며, 2030년까지 스마트팩토리 솔루션 사업을 조 단위 규모로 키우겠다는 목표를 제시했다.

LG Smart Park는 WEF Lighthouse Factory로 선정된 제조 혁신 레퍼런스다. 이는 단순 기술 시연이 아니라 실제 공장 운영에서 데이터, 자동화, 물류, 품질 개선이 연결된 사례다.

NVIDIA는 LG AI Factory를 설명하면서 AI model development, physical AI data generation, robot simulation and training, edge deployment, factory-scale digital twins가 하나의 workflow로 연결된다고 밝혔다.

Questions

이 흐름에서 LG가 던져야 할 질문은 다음이다.

1. 제조 데이터는 어떻게 고객이 구매하는 AI 제품이 되는가?
2. 공장 데이터와 작업 노하우를 어떤 ontology와 workflow로 정리해야 하는가?
3. 스마트팩토리 솔루션과 AI Factory의 차이는 무엇인가?
4. 제조 데이터 제품의 성과는 예측 정확도인가, 생산성·품질·비용 개선인가?

2. 데이터는 원재료이고, 제품은 workflow다

제조 현장에는 많은 데이터가 있다. 하지만 설비 로그, 센서 값, 작업 이력, 품질 결과, 공정 조건이 각각 따로 저장되어 있으면 AI가 바로 사용할 수 없다.

제조 데이터가 제품이 되려면 다음 구조로 바뀌어야 한다.

raw data
→ cleaned data
→ semantic objects
→ prediction / simulation
→ workflow
→ business outcome

즉, 데이터 그 자체를 파는 것이 아니라 데이터를 통해 해결되는 문제를 팔아야 한다.

3. 제조 데이터 제품은 문제 단위로 정의되어야 한다

제조 데이터가 AI 제품이 되는 대표 경로는 네 가지다.

1. 품질 예측
- 불량 발생 가능성 예측
- 원인 후보 추천
- 재작업·폐기 비용 감소

2. 설비 이상 탐지
- 고장 전 징후 감지
- 정비 시점 추천
- downtime 감소

3. 공정 최적화
- 공정 조건 추천
- 생산량·에너지·품질 trade-off 최적화
- cycle time 단축

4. 디지털트윈 / 로봇 시뮬레이션
- 가상 환경에서 공정 변경 검증
- 로봇 동작 학습
- 현장 배포 전 risk 감소

LG Smart Park는 이런 문제들이 실제 현장에서 작동할 수 있음을 보여주는 레퍼런스다.

4. AI Factory는 제조 데이터를 학습·검증 workflow로 확장한다

스마트팩토리는 공장을 효율화하는 언어였다. AI Factory는 한 단계 더 나아가 제조 현장을 AI가 배우고 검증하는 환경으로 만든다.

NVIDIA가 말한 AI Factory workflow는 제조 데이터 제품화의 방향을 보여준다.

AI model development
→ physical AI data generation
→ robot simulation and training
→ edge deployment
→ factory-scale digital twins

이 구조에서는 제조 데이터가 단순 분석 재료가 아니라 AI를 학습시키고, 시뮬레이션하고, 현장에 배포하는 반복 루프의 일부가 된다.

5. 제조 데이터 제품은 platform과 delivery가 필요하다

데이터와 알고리즘만으로는 고객이 살 수 있는 제품이 되기 어렵다. 고객은 “데이터셋”을 사는 것이 아니라 “문제 해결”을 산다. 그래서 제조 데이터 제품에는 platform과 delivery 구조가 필요하다.

LG전자와 LG CNS가 함께 만들 수 있는 제품 구조는 다음과 같다.

Manufacturing AI Package
= 현장 진단
+ 데이터 수집·정제
+ 제조 ontology
+ 예측 모델
+ 현장 workflow
+ KPI dashboard
+ 운영 개선 consulting

핵심은 반복 가능성이다. 한 공장에서만 성공하는 프로젝트가 아니라, 여러 고객과 공장에 재사용할 수 있는 template이 되어야 한다.

6. 한 줄 결론

제조 데이터는 쌓이는 순간 제품이 되지 않는다.
AI 제품이 되려면 예측, 시뮬레이션, 최적화, 실행 workflow로 정리되어 고객이 구매할 수 있는 문제 해결 단위가 되어야 한다.