인사이트리포트

AI 컨택센터로 완성한 프리미엄 리조트 고객 경험 혁신

고객들에게 편안한 휴식과 특별한 경험을 제공하는 프리미엄 리조트. 하지만 성수기 예약 오픈 기간에는 고객 문의가 집중되면서 고객센터 운영에 큰 부담이 발생합니다.   오늘은 프리미엄 리조트 A사의 고객센터가 어떤 문제를 겪었고, 미라콤아이앤씨 AI 컨택센터를 통해 어떻게 변화했는지 이야기해보겠습니다.       ㅣ Pain Point1  늘어나는 문의, 길어지는 대기 시간 그 어느 때보다 설레야 할 휴가 시즌. 하지만 A사의 고객 문의가 급증하면서 전화 연결은 어려워졌고, 긴 대기 시간이 이어지면서 이용객들의 불만도 함께 커지고 있었습니다.   상담원들은 반복되는 문의를 처리하느라 업무 부담과 피로도가 높아졌고, 신속한고객 응대에도 한계가 생기기 시작했습니다.      ㅣ Solution1 AI 셀프 서비스로 문의 분산 미라콤아이앤씨는 A사의 고객센터에 이용객들이 스스로 문제를 해결할수 있는 3가지 셀프 서비스를 구축했습니다. 예약 조회, 운영 시간, 이용안내처럼 단순하고 반복되는 문의는 AI 챗봇을 통해 빠르게 해결할 수 있도록 구성했고, 그 결과 더 많은 문의를 동시에 처리할 수 있게 되었습니다. 덕분에 이용객들의 대기 시간은 크게 줄었고, A사의 상담원들은 AI가 해결하기 어려운 복잡한 상담에 더욱 집중할 수 있게 되었습니다.     ㅣ Pain Point2  정보를 찾느라 늦어지는 상담 기존에는 상담 이력부터 운영 정책까지, 필요한 정보를 하나하나 찾아가며이용객의 문의에 대응해야 했습니다.   그러다 보니 상담원마다 응대 속도와 상담 품질에 차이가 생기기도 했고, 필요한정보를 찾느라 고객을 기다리게 하는 경우도 있었습니다.     ㅣ Solution2 AI Assistant로 상담 업무 지원 A사는 상담지원 애플리케이션을 적용해, 상담 내용을 실시간으로 이해하고, 필요한 상담 이력과 지식을 한눈에보여주며 상황에 맞는 답변을 즉시 추천해 주었습니다.   AI는 상황에 맞는 답변을 추천하고 상담 유형에 따른 후속 조치까지안내해 상담원의 의사결정을 지원합니다.   덕분에 상담원은 정보를 찾는 데 시간을 쓰기보다 이용객과의 대화에 더욱 집중할 수 있었고, 보다 빠르고 일관된 상담을 제공할 수 있게 되었습니다.     ㅣ Pain Point3  상담이 끝나도 계속되는 업무 상담 업무가 끝난 후에도, 고객센터의 업무는 계속 이어졌습니다. 상담 내용을 다시 정리해 상담 이력으로 남기고, 반복되는 VOC와 주요 이슈를 분석하는 데 많은 시간이 필요했습니다. 또한 축적된 상담 이력을 체계적으로 관리하고, 필요한 데이터를 찾아활용하는 일도 쉽지 않았습니다.     ㅣ Solution3 AI를 통한 상담 후 업무 자동화 AI컨택센터를 통해 상담이 종료되는 즉시 상담 내용을 자동으로 요약하고상담 이력으로 관리할 수 있도록 했습니다. 반복되는 VOC와 주요 이슈를 AI가분석하고 분류해, 상담 데이터를 체계적으로 축적할 수 있도록 했습니다.이렇게 축적된 상담 데이터는 이후 AI가 더욱 정확한 답변을 추천할 수 있도록 지속적으로학습되고 고도화됩니다. 덕분에 상담원은 상담 후처리에 드는 반복 업무를 줄이고, 이용객 상담에더욱 집중할 수 있게 되었습니다.     ㅣ AICC도입 후 리조트 고객센터는? AI 컨택센터 도입 이후 리조트 고객센터의 운영 방식은 크게 변화했습니다. 이용객은 긴 대기 시간 없이 필요한 정보를 빠르게 확인할 수 있게 되었고, 상담원은반복 업무를 줄이고 보다 중요한 상담에 집중할 수 있게 되었습니다.   또한 상담 데이터가 체계적으로 축적·활용되면서 고객 응대 품질은 더욱향상되고, 고객센터 운영 효율성도 높아졌습니다.   미라콤아이앤씨 AI 컨택센터는 고객 경험 향상과 상담 업무 혁신을동시에 실현하며 프리미엄 리조트 A사의 고객센터 운영 경쟁력을 강화했습니다.     여러분의 고객센터는 어떻게 운영되고 있나요? 고객 문의 증가와 상담 품질 향상이라는 과제를 해결하기 위해 많은 기업들이AI 컨택센터 도입을 검토하고 있습니다.   다양한 산업의 디지털 혁신을 지원해 온 미라콤이 함께 고민하겠습니다.   고객 응대 효율을 높이고 상담 품질을 향상시키는 AI 컨택센터 구축을고민하고 계신다면 지금 바로 미라콤에 문의해 보세요.   고객센터 운영 환경과 업무 특성을 깊이 이해한 전문가가 귀사의 디지털 혁신 여정을 함께하겠습니다. 프리미엄 리조트 A사의 AI 컨택센터구축 사례가 궁금하시다면 아래 영상을 통해 확인해보세요! 미라콤 전문가에 사업 문의를 하고 싶으시다면 아래 버튼을 통해 문의하기를 남겨 주세요!  

준비를 넘어 실행으로…탄소규제 대응, 제조데이터에서 해법을 찾다

ESG 공시와 제품환경규제가 본격화하면서 제조기업은 이제 '공장 전체의 탄소 배출량'이 아닌 ‘제품 하나의 탄소 배출량’을 설명해야 하는 시대를 맞았습니다. 지난 20일 켐토피아는 대한상공회의소 국제회의장에서 ‘ESG 데이터 전환과 제품환경규제 대응 컨퍼런스’를 개최했습니다.   이날 행사는 ESG 정보공시와 글로벌 제품환경규제에 대한 기업의 실질적인 대응 방안을 모색한다는 취지로 마련됐는데요.   기업 및 기관의 기후공시, 환경·안전·보건, 탄소관리, 제품환경규제 담당자들이 참석한 가운데 변화하는 규제 환경과 대응 전략을 둘러싼 다양한 논의가 이어졌습니다.   (출처-미라콤아이앤씨, 켐토피아 박상희 대표(가운데)와 연사 및 관계자들)   이날 미라콤아이앤씨는 제품 단위의 탄소데이터를 정확하게 산정하고 추적하기 위한 핵심 기반으로, MES 기반 제조데이터의 중요성을 제시했습니다.   발표자로 나선 미라콤아이앤씨 서영환 스마트팩토리 실행팀장은 ‘제품환경규제(LCA)를 대비한 기업의 제조데이터(MES)의 중요성’을 주제로 인사이트를 전했습니다.   서 팀장은 제품 단위의 환경정보를 요구하는 규제가 강화되는 가운데 이를 제대로 대응하기 위해서는 ESG 데이터와 제조 현장의 데이터를 연결하는 것이 핵심이라고 강조했습니다.   (출처-미라콤아이앤씨, 발표 중인 서영환 팀장)   서영환 팀장이 가장 먼저 짚은 것은 제품환경규제가 요구하는 데이터의 수준이 달라지고 있다는 점입니다.   과거에는 사업장 전체의 연간 탄소 배출량을 산정하고 보고하는 방식이 중심이었다면, 이제는 규제와 고객의 요구가 점차 사업장 총량에서 제품 원단위로,  평균값에서 실제 제조 과정에서 발생한 1차 데이터로,  자사 내부에서 공급망 전체로 확대되고 있습니다.    결국 ‘우리 공장이 얼마나 배출했는가’를 넘어  ‘이 제품 하나를 만드는 데 얼마만큼의 에너지와 탄소가 투입됐는가’를  설명해야 하는 시대가 된 것입니다. 문제는 제조 현장의 데이터가 애초에  탄소 배출량을 계산하기 위해 만들어진 것이 아니라는 데 있습니다.    생산 현장에서는 전력 사용량, 생산 수량, 설비 가동시간,  공정 실적과 같은 데이터를 관리하지만,  ESG 조직은 제품별 탄소 배출량이라는 형태의 데이터를 필요로 합니다.    특히 같은 라인에서 여러 제품을 생산하더라도  제품마다 거치는 공정과 설비, 작업시간, 재작업 여부가 다르기 때문에  공장 전체의 전력 사용량을 단순히 생산 수량으로 나눈 평균값만으로는  실제 제품별 환경 영향을 정확히 설명하기 어렵다는 것입니다.   (출처-미라콤아이앤씨, 발표 중인 서영환 팀장)   서 팀장은 이를 해결하기 위해 에너지를 어느 수준까지 계측할 것인지,  제품별로 어떻게 배분할 것인지, 산출된 값의 근거를 어떻게 추적·검증할 것인지,  협력사 데이터까지 어떻게 연결할 것인지를 제조기업이 사전에 준비해야 한다고 강조했습니다. 여기서 중요한 역할을 하는 것이 바로 MES를 중심으로 한 제조데이터의 연결입니다.    MES에는 어떤 제품이 어떤 공정을 거쳤는지, 어느 설비에서 얼마 동안 생산됐는지,  생산량과 작업 실적은 어떠했는지 등 실제 제품이 만들어지는 과정의 데이터가 축적됩니다.    여기에 설비와 계측기에서 수집한 에너지 데이터를 연결하면  공장 전체의 에너지 총량을 넘어 제품-공정-설비 단위로 사용량을 추적하고,  이를 제품별 탄소 배출량 산정의 근거 데이터로 활용할 수 있는 구조가 만들어지죠. 이번 발표에서 제시된 방향은 켐토피아와 미라콤아이앤씨가  함께 추진하고 있는 사업과도 맞닿아 있습니다.    양사는 지난해 11월 스마트팩토리 및 탄소중립 솔루션 사업 협력을 위한  전략적 업무협약(MOU)을 체결했습니다.    미라콤의 MES인 Nexplant MESplus와 FEMS를 기반으로  제조 현장에서 발생하는 생산·설비·에너지 데이터를 수집·관리하고,  이를 켐토피아의 LCA를 비롯한 환경규제 대응과  탄소 배출량 산정·관리를 가능하게 해주는 Carbon-Slim 등  ESG·탄소관리 솔루션과 연계하는 것이 협력의 핵심입니다.    양사는 이를 결합해 제조데이터 관리부터 탄소 배출량 산정·모니터링,  감축 전략과 ESG 규제 대응까지 이어지는 통합 서비스를 지원하고 있습니다.     기업의 ESG 대응은 이제 제도 이해를 넘어 실행 체계를 갖추는 단계에 접어들고 있습니다.    이에 따라 앞으로는 필요한 데이터를 실제 업무와 제조 현장에서  어떻게 확보하고 관리할 것인지가 중요해질 전망인데요.    양사는 제조데이터와 탄소관리 전문성을 연결해  제조기업이 강화되는 탄소 규제와 제품환경규제에 선제적으로 대응하고  지속 가능한 경쟁력을 확보할 수 있도록 지원을 이어갈 예정입니다.              

라면 제조로 알아본 국내 선진 식음료 기업 A사의 스마트팩토리 구축 전략

여러분 라면 좋아하시죠? 시원한 국물에 쫄깃한 면발까지, 남녀노소 가릴 것 없이 대한민국 국민이라면 누구든 좋아하는 음식이 아닐까 싶은데요. 최근에는 K-푸드의 인기가 높아지면서 글로벌 시장에서도 크게 주목받고 있습니다.   그런데 이 라면, 어떻게 만들어지는지 혹시 생각해 본 적 있으신가요? 식품 제조 현장에서 하나의 제품이 생산되려면 수많은 원재료와 생산 설비를 관리하는 동시에 엄격한 품질과 식품 안전 기준까지 충족해야 하는데요. 우리가 좋아하는 이 라면 역시 여러 가지 공정과 관리를 거쳐 생산됩니다. 오늘은 미라콤이 스마트팩토리 구축 프로젝트를 진행한 국내 주요 식음료 기업인 A사의 사례를 다뤄 보고자 합니다. 라면 제조 현장에서 마주하게 되는 주요 pain point로는 무엇이 있는지, 그리고 미라콤은 이러한 pain point를 어떻게 해결했는지 알아보겠습니다.   | 라면은 어떻게 만들어질까? 라면 제조는 제면 공정부터 시작됩니다. 면 반죽을 롤러로 눌러 얇은 면으로 뽑아내는 과정인데요. 이렇게 뽑힌 면은 증숙 공정과 납형 공정, 유탕 공정, 냉각 공정을 거쳐 우리가 아는 라면의 모양새를 갖추게 되죠.   라면을 이루는 또 다른 축인 스프 공정도 빼놓을 수 없습니다. 스프는 보통 커다란 쿠커(솥)로 만드는데요. 다양한 재료를 배합하고 조리해 감칠맛 나는 스프를 만듭니다.   제면 공정과 스프 공정은 둘 다 배합 과정을 거칩니다. 제면 공정에서는 밀가루와 배합수를 섞어 반죽을 만들고요. 스프 공정에서는 대두유나 간장, 온수 등을 배합합니다. 그리고 이 배합 과정에서 라면 제조 현장에서 마주하는 첫 번째 pain point가 발생합니다.   | Pain point&Solution: 배합   문제는 배합 과정에서 작업자가 원료를 직접 계량하고 설비 조건까지 수동으로 설정한다는 점입니다. 이 과정에서 원료가 잘못 투입되거나 정량보다 많거나 적게 투입되는 일이 발생할 수 있는데요. 작은 오차라도 제품의 맛과 품질 편차로 이어질 수 있습니다. 품질 이슈는 식음료 기업의 브랜드 이미지에 치명적인 타격을 입히기도 하죠.  미라콤아이앤씨는 스마트팩토리 구축 프로젝트를 통해 원료가 정확하게 계량·투입될 수 있도록 했습니다. 시스템이 레시피를 설비에 전달하도록 해 작업자가 제품명과 운전 레시피 번호만 확인하면 설비를 가동할 수 있도록 했습니다.   또 전자저울과 시스템을 연동해, 미량의 원료도 정확하게 계량하여 투입할 수 있도록 했습니다. 작업자의 노하우가 아닌 표준화된 레시피를 적용해 면과 스프를 생산할 수 있도록 한 것이죠. | Pain point&Solution: 날인   만들어진 면과 스프는 포장 공정을 거치며 시중에서 판매되는 라면 한 봉지가 되는데요. A사엔 포장 공정 또한 날인 단계에서 오류가 발생하는 등 pain point가 있었습니다. A사의 경우 글로벌 시장에 제품을 수출하는 까닭에 유통기한을 수출국의 형식에 맞추어 인쇄해야 했습니다. 문제는 수동으로 날인 정보를 입력하다 보니 수출국의 형식과 맞지 않게 유통기한이 인쇄되곤 했다는 건데요. 형식에 맞지 않는 날인 정보가 인쇄됐을 경우엔 대량으로 제품을 폐기할 수밖에 없었습니다.   미라콤과 구축 프로젝트를 진행한 후엔 어떻게 바뀌었을까요? A사는 더 이상 사람이 수동으로 날인 정보를 입력하지 않습니다. 대신 미라콤의 MES를 통해 작업 지시별 날인 정보를 전송하여 입력 오류를 최소화했습니다. 이를 통해 A사는 대량 폐기로 인한 손해를 현저히 줄이고 품질 신뢰성 또한 한층 높일 수 있었죠.   | Pain point&Solution: 이력 추적   식음료 제조 공장은 제조 과정에서 품질 사고가 발생했을 시, 그 원인을 추적할 수 있어야 합니다. 어떤 재료에 문제가 있었는지, 문제의 범위는 어느 정도인지 조속히 밝혀 조처할 수 있어야 한다는 것이죠. MES 기반의 역추적을 통해 박스 단위로 어떤 재료에 문제가 생겼는지 범위를 확인할 수 있게 되었다는 점도 구축 프로젝트를 통해 A사가 거둔 성과였습니다. A사는 박스 단위로 어떤 재료에 문제가 생겼는지 그 범위를 확인할 수 있게 됐고요. 그 결과 품질 문제 발생 시 원활하고 민첩한 대응을 할 수 있게 되었죠.   | Pain point&Solution: 생산 품질 관리 A는 수기 관리로 인한 데이터 오입력과 문서 작업 증가 문제 또한 해결할 수 있었습니다. 설비 연계를 통해 MES에서 실시간으로 실적을 처리하고, 이를 ERP에 전송하도록 한 것인데요. 이를 통해 데이터 정확성을 확보했음은 물론 문서 작업 및 일 마감 시간도 대폭 줄일 수 있었습니다. 식음료 제조의 필수 요건이라 할 수 있는 HACCP 인증을 위한 HACCP 일지를 전자문서화해, 식품 안전 이력을 체계적으로 관리하고, 감사 대응과 추적성 또한 한층 강화할 수 있게 되었습니다.   또 대부분의 설비를 연동해 비가동, 스펙 아웃(Spec out)된 설비의 상황을 대시보드로 실시간 확인할 수도 있게 되었는데요. 이제 현장 작업자는 물론 사무실에서도 중앙 모니터를 통해 설비 상태를 모니터링해 대응할 수 있게 됐습니다.   *스펙 아웃(Spec out) 설비가 설정된 기준값을 벗어나는 현상   | 식음료 산업에 부는  제조 혁신 바람 구축 프로젝트 이후, A사의 스마트팩토리 성과를 측정한 결과는 고무적이었습니다. 추적/조치 시간은 90% 감소했으며 문서 작성 시간은 종전 대비 반으로 줄었습니다. 실시간 LOT 추적률은 100% 수준으로 향상됐고요. 재고 정확도 역시 90% 증가했죠. 특히 배합 과정에서 발생하곤 했던 자재 오투입이 100% 감소한 점 역시 스마트팩토리 구축 프로젝트를 통해 A사의 pain point가 얼마나 잘 해결됐는지를 보여줍니다.   그간 식음료 업종은 반도체나 전기·전자, 자동차 부품, 금속가공 등 업종에 비해 시스템 자동화 수준이 낮다고 인식되어 왔습니다. 또 생산, 품질, 설비 부문의 운영에 있어 Paper 위주의 수기 관리로 실시간 제조 가시화 및 분석 또한 미흡한 것이 사실이었습니다. 하지만 A사의 사례를 보면 식음료 업종의 선진사들은 이미 새로운 경쟁력 확보에 총력을 다하고 있다는 점을 알 수 있는데요. A사는 최근 AX(AI Transformation)를 위해 새로운 도약을 준비하는 등 글로벌 시장 경쟁력을 더욱 강화하기 위해 제조 혁신의 속도를 높이고 있습니다. 제조 혁신의 첫발은 현장을 제대로 이해하는 파트너와 함께하는 것입니다. 여러분은 어떻게 준비하고 계신가요? 다양한 식음료 제조 현장을 데이터로 연결하고 제조 AX에 앞장서 온 미라콤이 함께 고민하겠습니다. 식음료 제조 현장의 다양한 과제를 해결하고 제조 AX 등 혁신을 함께 준비하고 싶다면 지금 바로 미라콤에 문의해 보세요. 업종 특성을 깊이 이해한 전문가가 여러분의 제조 혁신 여정을 함께하겠습니다. 국내 선진 식음료 기업 A사의 스마트팩토리 구축 사례에 대해 더 자세히 알고 싶으시다면 아래 영상을 확인해 보세요!    미라콤 전문가에 사업 문의를 하고 싶으시다면 아래 버튼을 통해 문의하기를 남겨 주세요!      

거세지는 탄소규제, 한숨 쉬는 산업계

탄소중립 시대로의 이행이 본격화하고 있습니다.   이에 따라 제조 산업을 둘러싼 긴장감도 빠르게 고조되고 있습니다.    녹록지 않은 규제와 감축안이 제시된 가운데 이제 탄소는 특정업종만의 이슈가 아닙니다.    현실이 된 탄소 규제와 그에 따라 한층 까다로워진 비즈니스 환경, 더 나아가 제조 기업이 준비해야 할 사항에 대해 알아보겠습니다.   | 글로벌 탄소 규제는 이미 시작됐다       EU는 올해 1월부터 탄소국경조정제도(CBAM)을 본격 시행했습니다.    CBAM은 EU가 2021년 공개한 환경 규제입니다.   EU가 아닌 국가에 EU와 동일한 수준의 탄소배출 규제를 적용하여공정한 경쟁 여건을 마련한다는 취지로 마련됐습니다.    환경 규제이지만,사실상 유럽의 무역장벽이 될 것이라는 게 산업계의 시각입니다.    실제로 CBAM으로 인해, 올해부터 산업계가 겪게 될 여파가 만만치 않다는것을 알 수 있습니다.   지난해까지는 EU로 수입되는 제품의 탄소배출량을 보고하는 것까지가 의무였다면 올해부터는 유럽으로 수입하는 제품이 배출한 탄소에 비례해 세금을 부과합니다.   독립된 제3인증기관이 기업의 탄소배출량을 검증하면, 수출 기업은 제품 생산 과정에서 배출한 탄소의 양만큼 인증서를 구매해 제출해야 합니다.   | 우리 기업과 무슨 상관일까? 가장 먼저 CBAM의 적용을 받는 건 △철강 △알루미늄 △시멘트 △비료△전력 △수소 등 6개 업종입니다.   난감축 산업인 철강 업계는향후 10년간 5조원에 이르는 부담을 져야 할 것으로 추산됩니다.   더 큰 문제는 타 업종도 안심할 순 없다는 것입니다. 로이터통신에따르면 EU는 지난해 12월 CBAM 개정 방안을 발표하면서 원재료를 넘어 완제품까지 적용 범위를 확대할 방침입니다.    추후 세탁기 등 가전제품이나 자동차 부품 등이 과세 대상에 포함될 수 있다는 전망이 나오는 만큼 향후 CBAM에서 자유로운 업종은 많지 않을 것으로 보입니다.       탄소 규제가 강화됨에 따라 글로벌 대기업들은 공급망 전체로 감축 목표를 확장하고 있습니다.   이는 대기업 본사뿐 아니라 협력사들도 탄소 규제에 대응할 수 있는 역량을 갖춰야 한다는 것을 의미합니다.   문제는 CBAM이 중견·중소기업에 더 가혹하다는 것입니다.   규제 대응 여력이 충분한 대기업은 이전부터 탄소관리를 위한 여러 가지 대응책을 마련해 왔지만,   중견·종수기업 등 인력이나 자금, 정보가 부족한 기업은 이상의 규제에 대응하는 것이 쉽지 않은 까닭입니다.   | 탄소규제 대응을 위해 필요한 것 탄소규제 대응을 위해서는 LCA(Life cycle assessment, 전과정 평가) 평가 기준에 맞는 탄소 추적 체계가 필요합니다.   LCA란원료 채취 단계부터 가공 조립, 수송, 사용, 폐기 등 제품 생애 주기 전체에 걸친 환경 영향을 정량적으로 평가하는 방법론을 뜻합니다. 탄소규제는 제품과 LOT 별 상세 데이터 관리는 물론 LCA를 기반으로 Scope1(직접 발생), Scope2(간접 발생), Scope3(가치사슬 전/후방 발생)에 따라 탄소량을 관리할 것을 요구하고 있습니다.   이에 따라 기업은 검증기관제 제출할 근거 자료를 확보해야 하는데요.   이를 위해선 탄소관리 데이터 다운로드 및 리포팅이 가능해야 할 것이고요.   보다 근본적으로는 IoT 기반 계측을 통한 에너지 효율화와 이를 통한 실질적인 탄소 감축 또한 필요할 것입니다.   더 나아가 탄소 감축 과정에서 발생할 수 있는 생산·품질 문제 또한 방지할 수 있어야겠죠.       | 미라콤이 제안하는 탄소 관리 솔루션     하지만 이처럼 규제에 대응하는 것이, 말처럼 쉽진 않습니다.    일부 대기업을 제외하면 전문 인력과 시스템이 부족한 경우가 많은데요.    제품/LOT별 상세 데이터 관리와 LCA 기반 분석 등 복잡한 배출량 산정및 보고 체계는 제조 기업들의 대응을 더 어렵게 만들고 있습니다.    이밖에도 설비에서 올라오는 탄소 데이터의정합성에 관한 문제, 탄소 감축을 위한 개선 포인트 도출 어려움에 관한 문제 또한 남아 있죠.   이에 미라콤은 제조 고객이 느끼는 이상의 페인포인트를 해결하고, 탄소규제에 원활히 대응할 수 있도록 탄소관리 솔루션을 제공합니다. 미라콤이 제공하는 탄소관리 솔루션의 특장점은다음과 같이 정리할 수 있습니다.     우선, 탄소 배출량 기준환산 관리를 통해 제품 생산의 공정과 설비, 라우팅별 탄소배출량 기준정보를 관리할 수 있습니다.   또 MES 기반의 생산 데이터와 에너지 사용 데이터를 연계해 LOT 단위로 탄소 배출량을 산출할수 있는데요.    이를 통해 제품별 탄소 배출에 관한 실시간 분석과 이력 추적이 가능합니다.       LCA를 기반으로 Scope 1,2, 3 탄소량 관리가 가능해 원료부터 제조, 유통, 사용까지제품 전 과정의 탄소 배출량을 파악하는 것 역시 가능하고요.   에너지 원 단위 관리 기능으로, 전기·용수·가스·스팀·에어 5가지 에너지 원 별로 탄소 사용량을 관리할 수도 있습니다.   공정과 설비를 기준으로 탄소량을 분석해 탄소 및 에너지 절감 방안을 제시하는 점 또한 미라콤이 제공하는 탄소관리솔루션의 특장점이라 할 수 있겠습니다. 무엇보다도 MES 내 탄소 관리 모듈을 통해 탄소 데이터를 축적하고, 이를 기반으로 각 제품별 탄소 배출 리포트를 자동으로 생성할 수 있습니다.    리포트는 ISO에서 요구하는 목차로 구성 되어 있어. 해외 규제 대응은 물론 고객사의 요구 사항에도 충분히 대응하는 데에 활용됩니다.     탄소 규제 대응은 더 이상 선택이 아닌, 기업의 생존 조건으로 자리잡고 있습니다.   데이터 기반의 탄소 배출 관리와 추적 체계가 점점 더 중요해지는 가운데, 이를 뒷받침할 수 있는 통합적인 관리 시스템의 필요성은 점차 커지고 있습니다.   탄소 규제 강화가 거세지는 지금, 장기적으로 탄소 관리 시스템 마련여부는 기업 간 격차를 확대하는 요인이 될 텐데요.   규제 대응을 넘어,변화하는 요구에 대응할 수 있는 기반을 점검해 볼 때입니다.

다크팩토리, AX로 판단하고 RX로 실행하다

| 다크팩토리 실현에 나선 글로벌 제조 기업들   이제 공장은 단순히 자동화된 공간이 아닙니다. 스스로 판단하고, 스스로 최적화하며, 스스로 문제를 해결하는 ‘자율제조 시스템’으로 진화하고 있습니다.    과거의 스마트팩토리가 정해진 프로세스를 자동으로 수행하는 수준이었다면, 최근의 *다크팩토리는 데이터를 기반으로 AI가 스스로 의사결정을 내리고 실행하는 단계로 발전하고 있습니다.   *다크팩토리: 사람이 없어 조명을 켜지 않아도 되는 공장. 산업용 로봇과 AI 등 첨단 기술로 생산하는 미래형 공장을 뜻함     대표적인 사례로 Tesla의 기가팩토리를 들 수 있습니다. 테슬라는 생산 전반에 걸쳐 수집되는 방대한 설비·공정 데이터를 기반으로, 생산 조건과 공정 흐름을 지속적으로 최적화하고 있습니다. 특히 소프트웨어 중심의 생산 제어 구조를 통해, 공정 변경이나 품질 이슈 발생 시 사람이 개입하기 이전에 시스템이 먼저 대응하는 체계를 구축하고 있습니다.   또 다른 사례로는 Bosch의 드레스덴 반도체 공장이 있습니다. 이 공장은 AI 기반 공정 제어와 자율 물류 시스템을 결합해 생산·물류·품질 데이터를 하나의 흐름으로 통합 운영하고 있습니다. 설비 상태와 생산 조건을 실시간으로 분석하여 이상 징후를 사전에 감지하고 대응함으로써, 운영 개입을 최소화하면서도 생산 안정성과 품질을 동시에 확보하는 체계를 구축했습니다.   이러한 변화의 핵심은 명확합니다. 공장은 더 이상 사람이 운영하는 자동화 설비의 집합이 아니라, 데이터가 흐르고 AI가 판단하며 시스템이 스스로 운영되는 하나의 유기적인 체계로 진화하고 있습니다. 다크팩토리는 단순한 무인화가 목적이 아닙니다. 복잡한 제조 환경에서 발생하는 수많은 변수 속에서 인간의 의사결정을 대체할 수 있는 수준의 ‘판단 체계’를 구현하는 것이 본질입니다.   그리고 이 지점에서 제조 경쟁력의 격차가 본격적으로 벌어지고 있습니다. 단순 자동화 수준에 머무른 기업과, 데이터 기반 자율 운영 체계를 확보한 기업은 생산성, 품질, 원가 측면에서 구조적인 차이를 보일 수밖에 없습니다. 이제 질문은 보다 명확해집니다. 공장은 어떻게 ‘판단하는 시스템’으로 진화할 수 있을까요? 그리고 그 판단을 어떻게 실제 제조 현장의 실행으로 연결할 수 있을까요?   | 다크팩토리 실현의 선결 조건 AX·RX   다크팩토리를 실현하기 위해서는 성공적인 AX(AITransformation)과 RX(Robotics Transformation)가 필요합니다. 사람 대신 정교한 판단을 내려줄 수 있는 AI와 이를 실행해 줄 로보틱스가 마련되어야만 무인 생산체계를 갖출 수 있는 까닭입니다.   AX와 RX 실현의 핵심은 신뢰도 높은 데이터 확보에 달려 있습니다. 이때 데이터를 단순히 모으는 수준에 그쳐선 안 되며 설비와 공정, 품질정보를 유기적으로 연결해 데이터 자산으로 전환해야 하는데요. 생산·품질·설비·공정 전반의 제조 데이터를 신뢰성 있게 확보하여 자산화하기 위해서는 이를 취합·정제하고 표준화할 수 있는 고도화된 제조 시스템이 필요합니다.   미라콤아이앤씨는 이를 위한 Full-line up 솔루션을 제공합니다. 우선 설비 데이터를 실시간으로 수집·제어하는 Nexplant MESplus MC와 이기종 시스템 연계 및 인터페이스 표준화를 지원하는 Highway101을 통해 현장 데이터를 누락 없이 확보하고, 다양한 설비와 상·하위 시스템을 유기적으로 연결합니다. 이를 기반으로 축적된 데이터는 표준화와 정제를 통해, 분석 가능한 ‘제조 데이터 자산’으로 전환됩니다.   | 성공적인 제조 AX·RX를 위한 미라콤의 제안   미라콤아이앤씨는 이상의 데이터 수집·연계 체계 위에 자사가 개발한 MES(Manufacturing Execution System, 제조 실행 시스템)인 Nexplant MESplus를 중심으로 제조 데이터 플랫폼을 구축하고, 이를 토대로 AI 엔지니어를 도입하는 청사진을 제시합니다.   Nexplant MESplus는 17개의 모듈과 550개 이상의 기능을 보유한, 전 세계적으로도 경쟁력을 인정받는 플랫폼 기반 솔루션입니다. 생산·품질·설비·공정 전반의 데이터를 통합 관리하며, 제조 전 영역을 아우르는 확장성과 유연성을 동시에 제공합니다.   특히 QMS(Quality ManagementSystem, 통합품질관리)와 EES(EquipmentEngineering System, 실시간 설비데이터 분석 및 엔지니어링)는 Nexplant MESplus 플랫폼에 통합되어 있어, 하나의 시스템 내에서 품질 데이터와 설비 데이터를 실시간으로 수집·분석·처리할 수 있는데요. 이를 통해 현장에서 발생하는 다양한 데이터를 고신뢰·고정합성 데이터로 관리하며, AI 학습과 고도화된 분석의 기반 또한 마련할 수있습니다.   이처럼 통합 플랫폼과 연계 솔루션을 기반으로 확보된 데이터 자산은 AI 모델의 분석 정확도와 예측 신뢰도를 극대화하는 데에 활용됩니다. 기존 Nexplant MESplus 도입 기업은 해당 플랫폼 위에 AI 엔지니어 서비스를 추가하는 방식으로 확장할 수 있는데요. 시스템 교체 부담 없이 단계적이고 현실적인 스마트 제조 고도화를 추진할 수 있다는 강점이 있습니다.   | 막막하기만 했던 제조 AX, 이제 미라콤과 함께   그간 제조 현장에서는 데이터 기반의 AI 활용에 어려움을 겪어왔습니다. 여기엔 몇 가지 이유가 있습니다.   우선 설비·공정·품질 데이터가 실시간으로 폭증하고 있음에도, 이러한 데이터가 즉각적인 의사결정과 실행으로 연결되지 못하는 구조적 한계가 있습니다. 당장 데이터가 시스템별로 분산돼 있어 표준화와 통합 분석이 어렵고, 동일한 이슈를 두고도 공정 조건·설비 상태·자재 정보를 종합적으로 파악하는 데 많은 시간이 소요되는 문제가 있다는 것입니다.   여기에 초 단위로 누적되는 설비 로그와 센서 데이터는 현장 인력이 실시간으로 해석하기에 한계가 있어, 문제 발생 이후에야 원인을 추적하는 사후 대응을 반복할 수밖에 없는 실정이고요. AI 도입에 필요한 데이터 정제와 모델 구축은 그 과정에서 전문 인력과 장기간 검증이 필요해, PoC 이후 현장 확산으로 이어지지 못하는 경우가 적지 않습니다.     미라콤아이앤씨는 AI 엔지니어 도입에 최적화한 솔루션 라인업을 토대로 이러한 한계를 개선하며, 전문 인력 의존도를 낮추면서도 신속하고 신뢰도 높은 의사결정 체계를 구현합니다.   Nexplant MESplus 위에서 구동되는 AI 엔지니어는 불량 원인을 분석하고 이상 징후를 사전에 예측하는 등 무인 자동화에 필요한 작업 지시를 내립니다. 데이터 기반의 최적 조치 방안을 제안하는 것은 물론 현장 담당자와의 인터랙션을 통해 추가 질의·시나리오 분석까지 지원합니다. 이를 통해 현장 의사결정을 실시간으로 보조하고, 문제 해결과 공정 최적화를 주도합니다.   AI 엔지니어가 내린 판단은 로보틱스를 통해 실행됩니다. 미라콤이 제공하는 로봇 제어시스템은 자율이동조작 로봇(AMMR)과 자율이동 로봇(AMR) 등 이기종로봇 통합 제어를 통한 제조 공정 및 물류 자동화를 수행합니다. 실시간 관제 환경 아래 로봇은 충돌과 병목 가능성을 고려해 스스로 이동 경로를 최적화하고, 이송과 피킹은 물론 공정 작업과 품질 검사까지 복합 업무를 수행할 수 있습니다. 제조 기업은 단순 반송을 넘어 생산·공정·검사 전반에 로봇을 활용함으로써 사람의 개입을 최소화하고, 보다 안전하고 안정적인 자율 운영 체계를 구현할 수 있습니다.   이처럼 AX와 RX를 결합한 전략은 단순한 자동화 수준을 넘어, 문제 인지부터 조치까지의 리드타임을 단축하고 숙련 인력 의존도를 완화하며 운영 표준화를 실현하는 데 목적이 있습니다. 또한 로봇 자동화의 확장성과 운영 안정성을 동시에 확보하고, 반복적이고 위험한 작업을 줄임으로써 현장의 안전성을 개선합니다.   미라콤아이앤씨는 ‘판단과 실행이 연결된 자율 제조 구조’의 방향성을 제시합니다. 이를 위해서는 데이터가 분석 보고서에만 머무르는 것이 아니라, 즉각적인 현장 실행으로 이어져야 합니다. 데이터 분석 결과가 현장 실행으로 직접 연결되는 구조를 구현하고, 로봇 역시 개별 공정 자동화를 넘어 라인 전체를 최적화하는 실행 수단으로 확장해야 하는 이유가 여기에 있습니다.     스스로 판단하고 실행하는 공장은 더 이상 먼 미래의 이야기가 아닙니다. 이미 글로벌 선도 기업들은 AX와 RX를 통한 다크팩토리 실현으로, 생산 구조를 재편하고 있습니다.   미라콤아이앤씨는 이러한 변화의 흐름 속에서, 제조데이터의 수집·연계·활용부터 AI 기반 의사결정, 로보틱스실행까지 전 과정을 하나의 체계로 구현할 수 있는 해법을 제시해, 우리 제조 기업의 다크팩토리 실현을 돕고자 합니다.   지난 28년간 제조 고도화를 이끌어온 미라콤아이앤씨에 Nexplant MES 및 제조 AX·RX 도입을 문의해 보세요.    

데이터 기반 제조혁신(MES·스마트팩토리)의 본질을 다시 묻다 | 제조의 제갈량이 필요한 시대

우리는 지금 AI 기술을 도입하는 시대를 지나 ‘AI가 판단의 기준이 되는 시대’로 진입하고 있습니다. 이 변화는 제조 현장에서 더욱 선명하게 드러나는데요. 산업통상자원부는 26년까지 제조 AI 전환에 약 7천억 원의 예산을 투입하기로 했고, 삼성전자는 엔비디아와 협력해 반도체 특화 AI 팩토리 구축에 나서고 있습니다. 이제 AI는 하나의 기술 트렌드가 아니라 산업 질서 자체를 재편하는 힘으로 작동하고 있습니다.  AX(AI Transformation) 시대. 감과 경험으로 움직이던 제조 현장은 ‘자동화의 문제’를 넘어 ‘어떻게 판단하고, 무엇을 예측할 것인가’를 묻기 시작했습니다. 이 변화의 한가운데서 다시 한 번 ‘제조혁신의 본질’을 질문하게 됩니다. | 제조혁신의 본질은 기술이 아니라 ‘의사결정 방식’의 변화이다 많은 경우 제조혁신을 새로운 설비나 솔루션의 도입으로 이야기합니다. 그러나 제조업의 역사를 돌아보면 제조혁신의 본질은 기술의 도입이 아니라 사람의 경험에 의존하던 판단을 데이터로 설명 가능한 결정으로 바꾸는 것에 있었습니다. 과거에는 많은 사람의 경험과 판단이 경쟁력이었습니다. 숙련자의 감과 노하우는 불확실한 환경에서 가장 빠른 답이었기 때문이죠. 하지만 이제 제조 환경은 달라졌습니다. 숙련 인력의 감소와 공정 복잡화로 인해 개인의 경험에 의존한 판단은 더 이상 지속 가능하지 않습니다. 이제 제조혁신이 의미하는 것은 더 빠르게 만드는 것이 아니라 더 정확하게 판단하는 구조를 만드는 것입니다. 즉, 공장은 판단하고 예측하는 시스템으로 진화해야 합니다. 그리고 바로 이 지점에서 우리는 다시 한 번 질문하게 됩니다.  “그래서 지금 제조업의 가장 큰 리스크는 무엇일까?” 기술 변화가 클수록 제조업의 리스크는 기술 그 자체보다 ‘판단 기준의 붕괴’에서 시작됩니다. 투자를 줄이는 결정은 빠르게 내려지지만, 그 과정에서 무엇을 기준으로 판단하고 있는지조차 점검되지 않는 경우가 많습니다. 많은 제조 기업이 비슷한 숫자와 비슷한 조건 속에서도 전혀 다른 결과를 만들어내는 이유가 바로 여기에 있습니다. 기록의 시대에서 ‘예측의 시대’로 과거 제조 운영의 핵심은 사후 기록과 분석이었습니다.   •얼마나 생산했는가 •불량은 얼마나 발생했는가 •사고는 왜 일어났는가   그러나 이 지표들은 문제가 발생한 이후에야 의미를 가지죠. 복잡해진 공정과 빠르게 변하는 환경에서는 이 방식만으로 선제적 통제가 어렵습니다. 이제 공장은 ‘돌아가는 시스템’이 아니라 ‘스스로 판단하는 유기체’가 되어야 합니다.      | 삼국지로 보는 제조 세계관- 조조 VS 제갈량 제조혁신의 본질이 ‘기술’이 아니라 ‘판단 방식’의 변화라면 이 전환을 가장 직관적으로 보여주는 서사가 있습니다. 바로 삼국지입니다. 삼국지는 단순한 영웅담이 아니라 혼란한 시대 속에서 누가 더 정확하게 상황을 읽고 어떤 판단 구조를 가졌는가의 이야기입니다. 그리고 이 서사는 오늘날 제조 현장과 놀랍도록 닮아 있는데요. 최근 공개된 ‘제조 삼국지 콘셉트 AI 애니메이션 영상’은 이 변화를 상징적으로 보여줍니다.     조조의 공장 ― 감과 경험으로 버티는 제조 ‘제조 삼국지’ 애니메이션 속 조조는 압도적인 병력과 실행력을 가진 인물입니다. 문제가 생기면 병력을 더 투입하고, 위기가 오면 더 강하게 밀어붙입니다. 이는 과거 제조업의 운영 방식과 닮아 있습니다. -숙련자의 감과 경험에 의존한 판단 -문제가 발생하면 인력과 자원 추가 투입 -사고는 발생한 뒤에야 원인 분석 겉보기에는 강한 추진력으로 공장을 유지하는 듯 보이지만 실제로는 리스크가 누적되는 구조입니다. 삼국지 영상 속 조조의 메가팩토리가 붕괴하는 장면은 감과 인력 중심의 제조가 가진 구조적인 한계를 상징합니다.     제갈량의 공장 ― 흐름을 읽고 예측하는 제조 반면, 제갈량은 가장 많은 병력을 가진 인물이 아니었습니다. 그러나 그는 늘 전체 흐름을 읽고 싸우지 않아도 되는 선택을 설계했습니다. 제조 현장에서의 제갈량은 바로 데이터 기반 제조혁신을 의미합니다. -공정 흐름의 가시화와 예측 -품질·안전·운영 기준의 표준화 -실시간 데이터에 기반한 의사결정 사람, 데이터, 설비를 하나의 흐름으로 연결된 공장. 이것이 제갈량형 제조입니다. 삼국지 영상 속 제갈량의 부채는 미라콤 FMB(Flexible Monitoring Board) 대시보드로 공정의 실시간 상황을 읽어내는 제조 판단 능력을 상징합니다.     | 불확실한 시대, 문제는 ‘투자’가 아니라 ‘판단’이다   조조의 공장은 사람이 버텨왔지만, 제갈량의 공장은 판단 구조가 버텼습니다. 불확실성이 커질수록 승패는 병력의 크기가 아니라 판단의 정확도에서 갈립니다. 이 차이는 투자 규모의 문제가 아니라 무엇을 근거로 판단했는가의 문제입니다. 바로 이 지점에서 오늘날 제조업의 질문이 시작됩니다.   “지금 이 불확실한 시기에 MES나 스마트팩토리에 투자하는 게 맞을까?” 이 질문은 지극히 합리적입니다. 다만, 여기서 한 가지는 분명히 짚고 넘어가야 합니다.   “지금 투자를 줄이는 것이 안전한가”와  “판단을 멈추는 것”은 전혀 다른 선택입니다.   그래서 MES·스마트팩토리는 ‘선택’이 아니라 ‘기반’입니다 오늘날 제조혁신은 더 많은 설비를 도입하는 문제가 아니라, 누가 공장의 흐름을 읽고, 미래를 준비할 수 있는가의 문제입니다. 그리고 이 지점에서 MES는 더 이상 ‘있으면 좋은 시스템’이 아닙니다. 공정·설비·운영의 흐름을 연결해 판단이 가능한 상태를 만드는 기반 인프라입니다. 미라콤은 이 흐름을 단순히 시스템으로 구축하는 데 그치지 않고, 어떤 데이터를 어떻게 연결해야 의사결정이 가능해지는지를 설계해왔습니다. 즉, MES는 목적이 아니라 도구이며, 그 도구를 통해 ‘판단 구조’를 완성하는 것이 제조혁신의 본질입니다.     | 제갈량형 제조 리더십, 그리고 미라콤   ― ‘더 많은 손’에서 ‘더 나은 지성’으로 지금 제조업에 필요한 것은 더 많은 실행력이 아니라, 흔들리지 않는 판단의 기준입니다. 지금 제조업은 불확실성, 인력, 규제, 경쟁이라는 복합적인 리스크에 동시에 노출돼 있습니다. 이 상황에서 필요한 것은 더 많은 손이 아니라 전체를 보고 흐름을 읽는 ‘지성’입니다. 미라콤은 제조 현장을 가장 가까이에서 이해하며, 데이터·MES를 통해 판단이 가능한 제조 구조를 설계해온 파트너입니다. 삼국지에서 전쟁의 승패를 가른 것이 병력의 크기가 아니라 제갈량의 판단 구조였듯 제조혁신의 승패 역시 데이터의 흐름을 읽고 결정할 수 있는 능력에서 갈립니다. “데이터를 읽는 자, 제조의 내일을 연다.”     지금은 제갈량의 시대,  데이터 기반 제조혁신의 시대입니다.