HVAC·엘리베이터 공장이 스마트 팩토리로 바뀔 때 달라지는 것들

검사와 캘리브레이션 데이터가 끝까지 이어져야 하는 제품군

HVAC 실외기나 엘리베이터 제어반 같은 제품은 전기·기계·제어가 한 몸에 뒤섞여 있다. 이런 제품은 기능검사·성능검정·현장 캘리브레이션 데이터가 생산 이후에도 끊기지 않고 추적돼야 한다. 게다가 설치가 끝난 뒤에도 빌딩 BMS/EMS, 보안 시스템과 연동된 운영 데이터가 다시 설계·생산 개선으로 돌아오는 폐루프 구조를 갖는다. 스마트 팩토리는 이 두 가지 요구를 충족하기 위한 운영 체계다.

스마트 팩토리는 센서·장비·라인·설비를 IIoT로 연결하고 MES/MOM, ERP/PLM, 분석·AI를 통합해 자율적·지능형으로 의사결정을 수행하는 사이버-물리 시스템 기반 제조 운영 체계로 정의된다. 표준·참조 모델로는 ISA-95/88, OPC UA, MQTT(Sparkplug), REST/GraphQL, IEC 62443 보안 프레임워크가 쓰이고, 네트워크 결정성을 확보하기 위해 TSN이나 프라이빗 5G 도입도 검토 대상이다.

표준 기반으로 장비부터 클라우드까지 잇는다

장비→게이트웨이→플랫폼으로 이어지는 계층 구조를 설계하고, OT(PLC/SCADA)와 IT(ERP/PLM), 클라우드를 이벤트 기반으로 연계한다. OPC UA/MTConnect로 장비 데이터를 표준화하고 MQTT로 경량 퍼블리시/구독을 구현하면, 디지털 스레드로 제품 BOM→라우팅→공정이력→필드 데이터까지 연속성을 확보할 수 있다.

데이터 파이프라인은 스트리밍(Kafka/Redpanda)과 시계열 DB(InfluxDB/Timescale), 데이터 레이크하우스(Databricks/Iceberg)로 구성해 OEE·FPY·CT·E2E 리드타임 같은 지표를 자동 집계한다. 여기에 비전·진동 기반 엣지 AI와 클라우드 학습(MLOps)을 분담시키고, 모델 버전 관리·롤백·성능 모니터링으로 품질을 안정화한다.

MES가 생산 운영의 중심에 선다

SFC(Shop Floor Control), APS(Advanced Planning), e-Kanban으로 실시간 디스패치와 재고 최적화, 라인 밸런싱 자동화를 이룬다. QMS와 연동해 불량·NCR·CAPA를 폐루프로 처리하고, 유닛·배치·시리얼 단위 생산추적과 genealogy 완결성을 보장한다.

디지털 트윈은 공장·라인·셀 수준에서 공정을 시뮬레이션해 사이클타임·버퍼·병목을 최적화하고, 가상 커미셔닝으로 설비 다운타임을 줄인다. HVAC 성능 곡선이나 엘리베이터 안전 로직처럼 제품 자체의 기능 트윈(HIL/FIL)을 사전 검증하고 DOE 기반으로 파라미터를 최적 설계하는 것도 이 계층의 역할이다.

보안은 네트워크 존·컨듀잇 세분화, 제로트러스트, 최소권한·암호화·시크릿 관리에 소프트웨어 서플라이체인 검증(SBOM)까지 더해진다. 데이터 거버넌스(메타데이터·계보·품질 규칙)와 개인정보·현장 데이터 준법성 관리, 에어갭 대 연결성 트레이드오프를 명확히 해야 한다.

실제로는 이렇게 돌아간다

HVAC·엘리베이터 제조라인에서는 비전 AI로 부품 조립을 검증하고 진동·소음 기반 기능검사를 자동 판정한다. 예지정비로 테스트 스탠드 가동률을 유지하고, 실시간 SFC로 시리얼·로트를 추적하며 현장 리워크 경로를 자동 디스패치한다. e-Kanban은 슈퍼마켓 재보충을 자동화한다.

모듈러 건축·프리패브 공장에서는 라인·셀 혼류생산 라우팅을 최적화하고 용접·도장 같은 대형 공정에 IoT 센싱을 붙여 품질 변동을 줄인다. 3D BOM/BOP와 연계한 디지털 트윈으로 택트타임을 시뮬레이션하고, 출하 전 E2E 검증 절차를 표준화한다.

빌딩 IoT 디바이스 생산·검교정 공정에서는 캘리브레이션 스테이션을 자동화하고 결과 데이터를 시계열로 저장하며, 공차 이탈 시 즉시 CAPA를 트리거한다. 펌웨어-하드웨어 매칭 이력을 관리하고 출하 시 디지털 프로비저닝(키 인젝션)을 자동 처리한다.

서비스·운영 데이터 연계 폐루프에서는 설치 현장 BMS/EMS 데이터를 수집·분석해 설계 피드백으로 되돌린다. 고장 유형을 클러스터링해 설계 변경 ECO를 도출하고, RMA/AS 데이터를 생산 genealogy와 결합해 공급망 품질 이슈를 조기에 감지한다.

아키텍처는 데이터가 어디서 처리되는가로 갈린다

입력은 설비 센서·비전, 생산지시(ERP/MES), 작업자 입력, 환경/에너지 데이터다. 엣지에서 수집·전처리한 뒤 이벤트 버스→스트림 처리→AI 추론→MES/QMS 트랜잭션 순으로 흐르고, 결과로 품질 판정·디스패치 지시, 재고/구매 트리거, CAPA 티켓, 경보/리포트가 나온다. 네트워크 장애 시에는 로컬 버퍼·재시도로 대응하고, 중복 이벤트는 idem key로 멱등 처리하며, 트랜잭션 실패 시 보상 트랜잭션을 수행한다.

⤢✕

이 구조를 어디에 얼마나 태울지는 클라우드 중심·엣지 중심·하이브리드 사이의 트레이드오프 문제다.

항목	클라우드 중심	엣지 중심	하이브리드(권장)
성능(지연)	중~고, 네트워크 의존	저지연, 현장 최적	저지연 핵심 처리 + 클라우드 분석
확장성	매우 높음	셀/라인 단위 확장	전사 확장 + 현장 독립성
일관성	최종적 일관성 선호	현장 강한 일관성	계층별 강/약 일관성 혼합
안정성(오프라인)	네트워크 장애 취약	오프라인 내성 높음	로컬 지속성 + 중앙 복구
운영 편의	중앙 관리 용이	사이트별 관리 복잡	중앙 오케스트레이션 + 정책 배포

보안과 운영에서 놓치기 쉬운 것들

네트워크·아이덴티티 측면에서는 OT/IT를 분리하고 ISA/IEC 62443 존/컨듀잇 설계를 적용하며, 제로트러스트와 기기·사용자 단위 최소권한을 지킨다. 프라이빗 5G와 TSN을 함께 도입하면 결정성·보안이 강화되는 대신 투자·운영 복잡도가 늘어난다.

소프트웨어·데이터 측면에서는 서명된 컨테이너/에이전트를 배포하고 SBOM·취약점 스캔, 엣지 롤링/카나리 배포를 적용한다. 데이터 카탈로그·계보·품질 규칙을 갖추고 PII·기밀 데이터는 마스킹·보관주기로 관리한다.

가용성·복원력 측면에서는 로컬 버퍼·백프레셔·DLQ를 설계하고 멱등 처리·사후 보정 쿼리를 갖춘다. 중요 트랜잭션은 2단계 커밋이나 아웃박스 패턴으로 처리하고, 백업·DR과 설비 패치 윈도우를 표준화하며 테스트베드에서 가상 커미셔닝을 거친 뒤 릴리스한다.

단계를 밟아 들어가는 편이 낫다

1단계는 파일럿 셀을 구축해 수집→지표→한정 AI를 돌리고 태그·코드·계보를 표준화하는 데 집중한다. 2단계는 MES/MOM을 확장하고 QMS·APS를 연동하며 하이브리드 아키텍처로 전환한다. 3단계에서 디지털 트윈·시뮬레이션을 통합하고 전사 데이터 거버넌스와 MLOps를 정착시킨다.

이렇게 단계를 밟았을 때 나오는 수치는 OEE +1020%, FPY +515%, 리드타임 -1530%, 재공(WIP) -2035%다. 예지정비 도입으로는 MTBF +1025%, MTTR -2040%를 기대할 수 있고, 에너지 소비는 -815%, 탄소배출 강도는 -512% 감소한다. 라인 변경 리드타임은 -30~50%로 줄어 고혼류·다변량 수요에 대응할 수 있고, 컴플라이언스·트레이서빌리티 감사에 걸리는 시간도 짧아진다. ROI를 확인할 때는 OEE, FPY, 리드타임, 에너지·탄소, 서비스 품질 지표를 기준으로 삼는 것이 좋다.