산업용 로봇의 과거와 현재, 그리고 미래

제조 분야에서 산업용 로봇은 1960년대에 처음 사용된 이래 자동화 시대에 더욱 널리 퍼졌다. 코로나19 팬데믹으로 경제가 디지털화되면서 그 수가 더욱 증가한 것이다. 2023년 한 해에만 전 세계적으로 54만 대 이상의 산업용 로봇이 새로 설치되면서, 운영 중인 산업용 로봇의 총수가 400만 대를 넘어섰다.

건설 산업에 도입되었던 초기 산업용 로봇은 오늘날 제조 및 물류 부문에서 널리 사용되고 있다. 이러한 로봇들은 기업이 더 큰 규모로 과업을 수행하고 새로운 글로벌 경제의 많은 프로세스를 표준화하는 데 기여한다.

제조에서의 산업용 로봇은 제품이나 워크플로에 일련의 동작을 적용하여 픽 앤 플레이스(pick and place), 용접, 접착, 검사 등 산업에 필요한 작업을 자동으로 수행하는 프로그래밍 방식의 기계다.

이러한 동작은 단순 대량 작업에서 무한 반복되며, 로봇은 지루해하거나 지치지 않기 때문에 모든 동작이 첫 번째 동작처럼 섬세하고 정확하다. 또한 산업용 로봇은 지능형 소프트웨어나 카메라, 레이저 같은 센서로 작업을 조정하여 매번 작업을 약간 다르게 수행할 수 있어 다품종 소량 생산 작업에서도 사용된다.

일반적으로 사용되는 산업용 로봇은 다음과 같다.

스카라(SCARA)

’선택적 컴플라이언스 조립 로봇 팔(selective compliance assembly robot arm)’의 약자인 스카라 로봇은 4축으로 이뤄진 팔 중 3개의 축에는 견고한 접합 부분이 있지만 4번째 축은 유연한 적응형 구조다. 그래서 "선택적"이라 불린다.

SCARA 로봇은 매우 빠르고 정밀하며, 전자제품 제조나 식품과 같은 산업에서 픽 앤 플레이스 작업에 주로 사용된다.

다관절 로봇(Articulated robot)

다관절 로봇은 4, 5, 6개 축을 사용하여 SCARA에 비해 전방위 동작 및 작업이 가능하다. 다관절 로봇은 제조에서부터 물류, 식품, 농업에 이르기까지 거의 모든 분야에 널리 활용되는 산업용 로봇 중 하나다. 자동차 공장에서 자동차를 용접하거나 창고에서 상자를 집어 올리는 로봇 영상을 본 적이 있다면 다관절 로봇 영상일 가능성이 높다.

원통좌표형 로봇(Cylindrical robot)

원통좌표형 로봇은 단일 혹은 다관절 팔이 회전식 받침대에서 뻗어 나온 구조로, 로봇이 이펙터 범위 내에서 작업과 상호 작용을 할 수 있다. 로봇이 표면이나 벨트에서 무언가를 집어 올려 제자리에서 회전한 뒤 다른 곳에 놓는 것을 본 적이 있다면, 그것은 원통좌표형 로봇일 가능성이 높다.

델타 로봇(Delta robot)

델타 로봇은 팔이 아래를 향하며 이펙터에 한데 모이는 구조로, 그리스 문자에서 따온 그 이름처럼 거꾸로 된 삼각형 모양이다. 작업 영역 위에 장착하고 이펙터로 아래쪽 구조물이나 표면에 접근한다.

델타 로봇은 보통 대형 산업용 로봇만큼 강력하지는 않지만, 식품이나 제약품 포장처럼 무거운 구성품이 포함되지 않으면서 작고 가벼우면서 정밀함이 요구되는 픽 앤 플레이스 작업에 더 적합하다.

코봇(Cobot)

프로그래밍된 동작을 빠르게 수행하며 움직이는 대형 로봇은 그 특성상 주변에 있는 사람들에게 안전 위험을 초래한다. 이 위험을 해결하기 위해 코봇(협업 로봇)은 인간 동료와 함께 작업하도록 설계되었다.

코봇은 심각한 손상이나 부상을 일으키지 않도록 보통 일정한 크기와 속도로 유지되지만, 사람이 로봇과 접촉하게 되면 강제 종료되도록 프로그래밍할 수 있다. 그렇기 때문에 코봇은 AI가 어려운 문제를 다루도록 훈련하는 데도 적합하다.

이동식 산업용 로봇(Mobile industrial robot)

이동식 산업용 로봇은 공장과 창고에서 자재를 옮기는 데 사용되는 바퀴 달린 로봇 기반이다. AGV 또는 자동 가이드 차량(automated guided vehicle)이라고 불리는 일부 로봇은 바닥에 내장된 전선을 사용하여 고정된 경로를 따라가지만, 최근 발전으로 더 자유롭게 움직일 수 있게 되었다. 자율 이동식 로봇(Autonomous mobile robot, AMR)이라 불리는 로봇은 건물 지도를 가지고 있어 부품을 자율적으로 옮기는 데 사용할 수 있다. AMR은 카메라와 레이저를 포함한 센서를 사용하여 사람이 통행을 방해하는 경우 안전하게 멈춘다.

다른 수많은 분야에서와 마찬가지로 AI는 산업용 로봇에 엄청난 영향을 끼치고 있다. 이전 세대 로봇은 프로그래밍되고 활성화되었다가 다소 잊혔다. 인간은 워크플로를 설계하고, 입력 정보가 올 때마다 로봇이 맡은 공정을 무한히 수행하는 스테이션을 배치했다.

오늘날 제조업체들은 산업 공정에서 산업용 로봇에 보다 폭넓은 직무를 맡기려 하고 있다. 로봇은 충분한 훈련 데이터를 주면 스스로 더 많은 작업을 수행하고 새롭거나 변경된 상황에 머신 러닝을 적용하여 기술 세트를 더 확장할 수 있다. 다른 공정에서 제공하는 훈련 데이터와 자체 과거 수행 정보는 인간의 추가적인 입력 없이도 지속해서 작업을 간소화할 수 있다.

3D 설계 및 3D 프린팅과 같은 디지털 기술로 더 작은 규모의 기업과 운영 조직도 산업용 로봇을 이용할 수 있게 되었다. 이처럼 낮아진 장벽은 분야를 확장하고, 민첩한 기업들의 혁신을 장려하며, 전반적인 성능과 활용을 향상할 것이다.

로봇은 산업용 사물 인터넷(Industrial Internet of Things, IIoT)의 일부이기도 하며, 이 분야는 2030년까지 연평균 23%씩 성장할 것으로 예상된다.

산업용 로봇(수많은 기타 물리적 프로세스 및 측정 수단 포함)이 공급망의 시스템과 더욱 긴밀하게 연결되고 AI 학습 데이터로 사용되는 데이터 세트 규모가 확대됨에 따라 산업용 로봇 생태계의 보안이 더욱 중요해질 것이다.

전 세계의 기업과 조직은 산업용 로봇의 많은 이점을 활용하고 있다.

로봇 벽돌공

건물은 주문 제작으로 건설되고 벽돌을 쌓는 작업은 각기 다르기 때문에, 건설에서 이러한 부문은 디지털 시대에도 여전히 수작업으로 이루어진다.

하지만 호주의 건설 회사 FBR은 벽돌 쌓기가 실제로는 로봇에게 완벽한 작업이라는 것을 깨달았다. 3D 디지털로 재현된 건물 계획으로 컴퓨터는 다음 벽돌을 어디에 놓아야 하는지 정확히 알 수 있다. 로봇이 인간보다 훨씬 더 정확하게 수행할 수 있는 작업인 것이다.

그 결과, FBR은 차량 뒤쪽에 장착되어 자율적으로 벽돌을 쌓는 픽 앤 플레이스 로봇인 헤이드리안 X(Hadrian X)를 만들었다. 이 프로세스는 더 빠르며, 건설 관련 데이터를 제공하므로 프로젝트 관리자가 필요한 벽돌 및 접착제 양을 파악하여 낭비를 줄일 수 있다.

소량 작업에서의 정밀도

수많은 장난감, 자동차 또는 컴퓨터를 생산하는 공장 라인은 로봇이 물건을 제조하는 전형적인 사례다. 정밀함이 요구되는 소규모 시장에서는 로봇을 활용하기 어려울 수 있다. 생산량이 적으면 개선이 더 자주 이뤄지므로 설계자가 원점으로 돌아가 로봇을 다시 프로그래밍해야 하기 때문이다.

이것이 바로 덴마크의 풍력 터빈 블레이드 제조업체 오디코(Odico)가 직면한 과제였다. 12톤의 풍차 블레이드를 터빈에 부착하려면 연결 장치의 배치, 각도, 장력 강도 및 깊이에 대한 세심한 정밀성이 필요하다. 오디코는 드릴 메이트(Drill Mate) 로봇을 개발하여 정밀한 패턴을 반복해서 드릴링하고, 설계가 완전히 변경되더라도 사용된 정확한 매개변수를 저장했다가 재배치했다.

산업용 로봇의 몇 가지 이점은 지난 50년이 넘는 세월 동안 크게 변하지 않았다. 지루하고 위험하고 더러운 작업을 인간보다 더 잘, 더 빠르게, 더 일관되게 수행할 수 있다는 것이다. 하지만 오늘날, 자동화로 로봇이 크게 강화되고 있다.

효율성 및 생산성

로봇과 AI가 사람들의 일자리를 빼앗을 것이라는 흔하고 암울한 전망과는 달리, 산업용 로봇은 동일한 인적 및 물적 자원으로 더 많은 양을 더 신속하면서 향상된 방식으로 생산하는 데 도움이 된다. 이러한 자동화의 증가로 인간 근로자는 명령 체계 위에 있는 창의적인 관리 직책으로 올라갈 수 있다.

품질

정밀 산업용 로봇의 사용이 증가하면서 제품의 일관성과 품질도 향상될 것이다. 산업용 로봇은 더욱 정교하고 세밀한 작업을 처리할 수 있고, 제너레이티브 디자인과 같은 도구와 결합하면 설계가 더 강력해지고, 더 오래 지속되며, 더 나은 성능을 발휘할 것이다.

안전 및 건강상의 이점

사람들이 로봇과 함께 일하는 경우가 많아짐에 따라 인간과 로봇의 협업은 머신러닝이 지속적으로 성능을 개선할 수 있도록 더 많은 데이터 세트를 제공할 것이다. 이를 통해 더 나은 최종 결과물을 얻을 수 있을 뿐만 아니라 작업자의 안전을 우선시하는 보다 확실한 프로세스 내 협업 양식이 만들어질 수 있다.

비용 절약

팬데믹으로 인해 국제 사회가 자동화의 세계로 진입하기 전에도 산업용 로봇을 핵심 부분으로 하는 스마트 제조의 요소가 실질적인 비용 절감을 실현하고 있었고, 그 수치도 알 수 있었다. 2019년의 한 연구에 따르면, 스마트 제조 기술로 생산량은 10%, 설비 사용량은 11%, 노동 생산성은 12% 증가한 것으로 나타났다. 이러한 증가는 결국 기업의 수익 향상으로 이어진다.

분석

산업용 로봇은 산업용 사물 인터넷의 일부로, 방대한 데이터 세트를 생성하고 수집한다. 모든 구성 요소의 성능과 상태, 모든 공정의 전 단계를 디지털 방식으로 재현하면 해당 데이터에 분석 도구를 적용하여 다양한 정보를 얻을 수 있다.

이를 통해 기계의 성능, 기술 ROI의 성과, 수리 또는 교체가 필요한 도구 등을 파악할 수 있다. 이 데이터를 공급업체나 영업 시스템과 같은 다른 영역의 데이터와 연결하면 기업의 시장 내 입지에 대해 정확한 전망을 제공하고 이를 지속해서 업데이트할 수 있다.

인간 직무의 발전

한때 제조업이나 건설업 근로자들은 기름과 톱밥을 뒤집어쓰고, 페인트나 기름 냄새를 맡으며, 그 분야에서 흔하게 일어나는 부상이나 질병을 겪었다. 워크플로의 자동화로 산업용 로봇은 사람의 직무를 이러한 위험한 작업에서 벗어나게 하여, 작업자의 노하우를 AI가 제공하는 가시성 분석과 연결하는 새로운 직책으로 바꿀 수 있다. 인간 근로자들은 점점 더 로봇이 힘든 작업을 수행하는 로봇 워크플로를 설계, 구현 및 관리하면서 인간의 창의성과 경험을 활용하여 비즈니스를 개선하는 역할을 담당하고 있다.

많은 이점에도 불구하고, 로봇을 워크플로 내에 설치하는 것은 쉽지 않으며 비용도 많이 든다. 산업용 로봇을 잘못 도입하면 절약되는 비용보다 더 큰 비용을 지출하게 될 수도 있다. 비즈니스에서 흔히 발생하는 몇 가지 함정은 다음과 같다.

가격표를 넘어서는 비용

매장에 전시된 로봇의 가격표에는 통합 관리 및 워크플로에 로봇을 알맞게 배치하는 기타 도구가 포함되지 않는 경우가 많다.

그 외에도 라인이나 공급업체의 표준이 조금만 변경되어도 미래에 대비해야 할 몰랐던 영역이 드러날 수 있다. 이는 단순히 새로운 소프트웨어나 이펙터가 필요하다는 의미일 수 있지만, 변경을 위해 운영이 중단되는 동안 수익 손실로 이어질 수도 있다.

다양한 표준

거의 모든 산업용 로봇 제조업체에는 로봇의 해당 활동 분야에만 적용되는 표준이 존재하는 경우가 많다. 효율성과 성능을 보고하는 분석 도구나 하드웨어에 맞는 새로운 이펙터가 필요한 경우 예상치 못한 비용이 더 많이 발생할 수 있다.

유지관리 및 단기 비용

로봇은 혼자 작동하지 않으며, 공정을 강화하기 위한 서비스나 업그레이드가 무료인 경우도 거의 없다. 로봇으로 비용을 절감할 수 있지만, 로봇을 운영하는 데 드는 에너지 비용을 고려하면 비용을 회수하는 것은 장기적인 투자다.

제한된 유연성

장점에도 불구하고 로봇은 제조 분야의 다른 주체(인간)만큼 적응력이 뛰어나지 않다. 새로운 제품이나 워크플로 전환을 도입할 때, 사람은 변경된 내용만 학습하면 된다. 로봇은 재프로그래밍 또는 재구축이 필요하므로, 시간, 전문 지식, 비용이 소요된다. 로봇이 공정에 더 많이 통합될수록 재프로그래밍에서 더 큰 비용과 지연이 발생할 것이다.

산업용 로봇은 한 번 프로그래밍하면 끝나는 모델에서 벗어나고 있다. 로봇은 회사의 다른 모든 시스템, 장치, 플랫폼, 때로는 전체 공급망에도 연결될 수 있다. 목표는 로봇이 데이터를 사용하여 스스로 구동하게 만드는 것이다.

미래에는 로봇이 내부 동작을 모니터링하는 신호 판독부터 영업 및 마케팅 데이터에 이르기까지 네트워크 전반의 정보를 활용해 정보에 기반한 의사 결정을 내리고, 더 나은 성과를 내기 위해 스스로 변화하게 될 것이다. 그 결과, 인간 관리자는 비즈니스 목표를 실행하기 위해 모든 디바이스와 도구를 프로그래밍할 필요 없이 개념적인 단계에서 목표를 설정할 수 있게 될 것이다.

계속해서 업데이트되는 실시간 학습 데이터를 사용하는 알고리즘은 가동 중지 시간을 줄이거나, 결함이나 지체가 발생하기 전에 관리자에게 경고하거나, 컴퓨터 비전을 사용하여 사람이 검사하는 것보다 훨씬 상세하게 결함을 검사하고 찾아낼 수 있다.

공장 소유주나 프로젝트 관리자는 워크플로를 디지털 방식으로 모델링하여 실시간 데이터로 상시 업데이트되는 정확한 디지털 트윈을 생성한 다음, 머신 러닝으로 소프트웨어, 연결성, 워크플로 요소의 물리적 위치 등에 대한 개선 사항을 제안할 수 있다.

실제로 AI는 프로젝트가 시작되기도 전에 완벽한 워크플로를 모델링하는 데 도움을 줄 수 있다. 제너레이티브 디자인은 인간 설계자나 관리자가 성능에 관한 매개 변수를 알고리즘에 입력한 다음 기준을 충족하는 여러 디자인을 생성하도록 요청하는 기법이다.

산업용 사물 인터넷(IIoT)

산업용 사물 인터넷에서 스마트 공장의 로봇은 센서로 데이터를 수집하며 이 데이터는 공정을 모니터링하고 조정하는 데 사용된다.

산업용 로봇은 산업용 사물 인터넷(IIoT)의 중요한 요소로, 실질적인 실행이 이루어지는 부분이다. 물리적으로 제품을 생산하고 그 성능을 조사할 수 있는 최고의 기회를 제공한다.

산업용 로봇은 도구, 제품 또는 복잡한 배치를 구축하고, 마무리하고, 실행하고, 포장하는 동안 고객의 기대를 충족하는 방법에 대한 데이터를 제공할 수 있다. 이 데이터는 조직의 IIoT 환경으로 다시 공급되므로, 회사 전체의 장치 및 시스템에서 신호 판독을 통해 모든 공정과 부서가 어떻게 돌아가고 있는지 조망할 수 있게 해준다.

그리고 IIoT는 로봇 공학 전반을 향상하고 있다. 산업용 로봇 시스템은 컨베이어 벨트부터 라인을 따라 내려오는 제품에 이르기까지 시스템의 모든 것을 판독하면서 자체 판독 값을 수집하고 통합할 수 있다. 즉, 공정 전체와 자체 운영에서 생산성에 관한 통찰력을 제공할 수 있다.

이는 시장의 제품 과잉에 관한 예측 데이터부터 생산 속도를 늦추도록 촉구하는 것, "안녕하세요, 제 보조 벨트가 마모되었습니다. 다음 가동 휴식 시간에 교체하는 것이 어떨까요?"라는 로봇의 알림 전송에 이르기까지 무엇이든 될 수 있다.

산업용 로봇은 산업용 사물 인터넷(IIoT)의 중요한 요소로, 실질적인 실행이 이루어지는 부분이다. 물리적으로 제품을 생산하고 그 성능을 조사할 수 있는 최고의 기회를 제공한다.

산업용 로봇은 도구, 제품 또는 복잡한 배치를 구축하고, 마무리하고, 실행하고, 포장하는 동안 고객의 기대를 충족하는 방법에 대한 데이터를 제공할 수 있다. 이 데이터는 조직의 IIoT 환경으로 다시 공급되므로, 회사 전체의 장치 및 시스템에서 신호 판독을 통해 모든 공정과 부서가 어떻게 돌아가고 있는지 조망할 수 있게 해준다.

그리고 IIoT는 로봇 공학 전반을 향상하고 있다. 산업용 로봇 시스템은 컨베이어 벨트부터 라인을 따라 내려오는 제품에 이르기까지 시스템의 모든 것을 판독하면서 자체 판독 값을 수집하고 통합할 수 있다. 즉, 공정 전체와 자체 운영에서 생산성에 관한 통찰력을 제공할 수 있다.

이는 시장의 제품 과잉에 관한 예측 데이터부터 생산 속도를 늦추도록 촉구하는 것, "안녕하세요, 제 보조 벨트가 마모되었습니다. 다음 가동 휴식 시간에 교체하는 것이 어떨까요?"라는 로봇의 알림 전송에 이르기까지 무엇이든 될 수 있다.

디지털 기술이 제공하는 자동화는 제조의 모든 단계에서 큰 변화의 물결을 일으키고 있다.

그중 하나가 제너레이티브 디자인과 적층 제조로 가능해진 신속한 프로토타이핑으로, 스타트업과 중소기업 운영은 물론, 글로벌 규모의 다국적 제조 기업도 적용할 수 있는 방법이다.

장치, 도구 또는 구성 요소의 기반으로 복잡한 배치(또는 그 일부)를 개념화하는 데는 이를 수행할 컴퓨팅 성능 외에는 비용이 거의 들지 않고, 프로젝트 관리자는 제너레이티브 디자인으로 수많은 버전의 디자인을 얻어내서 그중 하나를 선택할 수 있다.

실제 조건에서 설계를 테스트하는 것은 디지털 파일을 3D 프린터로 보내는 것만큼 쉬워졌고, 프로토타입 관리자는 필요한 만큼 많은 성능 기준을 테스트할 수 있는데, 각각의 기준에 따라 각기 다른 구조물을 제작하는 것도 가능하다.

산업용 사물 인터넷의 힘을 다시 한번 활용하면서, 충족해야 하는 측정 기준에 따라 디지털 디자인을 정교하게 다듬을 수 있다. 그리고 생산 준비가 되면 동일한 파일이 워크플로 전체에서 단일 진실 공급원(single source of truth)이 되고, 산업용 로봇 환경으로 전송되어 프로토타이핑 과정 전반에 걸쳐 의도한 대로 정확하게 만들어질 수 있다.

산업용 로봇의 미래는 한 단어로 요약할 수 있다. 바로 자동화다.

로봇은 데이터 환경의 일부로 운영 생태계에 더욱 연결되어 AI시대에 맞게 지속적으로 자체 성능을 보고하고, 문제를 수정하며, 효율성을 찾을 것이다. 로봇과 로봇을 구동하는 알고리즘은 전체 공급망에서 들어오는 데이터로부터 더 많은 정보를 얻어 비즈니스 목표에 따라 작동하면서 시스템에 자리 잡을 것이다.

이는 미래의 제조 또는 산업 노동자는 다른 역할을 하게 된다는 것을 의미한다. 그들은 로봇이 작동하는 방식과 공장 워크플로에서 차지하는 위치에 관한 경험이 필요할 것이다. 하지만 인간이 새로운 제조 기능을 설계하고 구축하거나 기존 기능을 용도 변경할 때, 그들은 단순히 기계공이나 운영자가 되지는 않을 것이다. 자연스럽게 관리자로 변하게 되는 것이다.

인간은 창의적인 문제 해결 방안으로 산업용 로봇 및 연결된 기술이 성취해야 할 전반적인 관점을 설계하고, 제어하며, 그 윤곽을 그릴 것이다. 미래에 요구될 인간의 기술은 기술적이거나 물리적인 것만이 아니다. 공장 근로자는 시스템 엔지니어이자 관리자가 되어 데이터 분석 및 알고리즘의 언어를 구사해야 하고, 사업주와 운영자는 지금 적절한 교육에 투자하여 그 세상에 대비해야 한다. 그렇지 않으면 뒤처지게 될 것이다.

이 기사는 업데이트 되었다. 원문은 2018년 9월에 게시되었다. 마크 스미스(Mark Smith)가 기사 작성에 참여했다.