Private 5G와 MEC로 설계하는 산업용 URLLC 아키텍처

산업용 무선 제어 경로를 짧게 만드는 방식

Private 5G와 엣지 컴퓨팅은 산업 현장에서 유선 케이블을 대체할 무선 인프라로 확산되고 있다. 2026년 글로벌 Private 5G 시장 규모는 약 39억 달러이며, 2030년까지 176억 달러로 성장할 전망이다.

배경에는 공용망이나 Wi-Fi만으로 충족하기 어려운 URLLC(Ultra-Reliable Low Latency Communication) 요구가 있다. 산업용 제어에는 1ms 이하의 무선 전송 지연과 99.9999% 가용성이 요구될 수 있다. 5G Standalone(SA), MEC(Multi-access Edge Computing), 네트워크 슬라이싱을 함께 구성하면 스마트팩토리, 자율 물류, 실시간 AI 추론을 위한 로컬 처리 경로를 만들 수 있다.

URLLC는 무선 구간부터 제약을 둔다

3GPP Release 15와 16에서 정의한 URLLC는 단방향 무선 전송 지연 1ms 이하, 패킷 오류율 10⁻⁵ 이하, 가용성 99.9999% 이상을 기준으로 한다. 이를 물리 계층에서 뒷받침하기 위해 5G NR은 15kHz부터 최대 120kHz까지 Subcarrier Spacing(SCS)을 지원한다. 슬롯 길이를 0.125ms까지 줄여 TTI(Transmission Time Interval)를 짧게 가져갈 수 있다.

2026년은 NSA(Non-Standalone) 아키텍처의 공식 종료 시점으로 여겨진다. 4G 코어를 앵커로 삼는 초기 하이브리드 구조로는 네트워크 슬라이싱, URLLC, mMTC(대규모 기계 통신) 같은 5G 핵심 기능을 완전히 지원할 수 없다.

SA에서는 5G Core(5GC)가 Service Based Architecture(SBA) 방식으로 동작한다. 엔터프라이즈 구내에 UPF(User Plane Function)를 배치하면 사용자 트래픽은 퍼블릭 코어를 경유하지 않고 로컬에서 처리된다. 기기, gNB, UPF, MEC를 잇는 초저지연 경로가 여기서 만들어진다.

RAN 측면에서는 다음 기능이 필요하다.

미니 슬롯(Mini-slot) 스케줄링: 표준 14개 OFDM 심볼 대신 2~7개 심볼 단위로 전송해 응답 지연을 줄인다.
HARQ(Hybrid ARQ) 강화: 재전송 횟수를 제한하고 코드블록 그룹(CBG) 단위 피드백을 사용해 오류 복구 속도를 높인다.
공간 다중화와 빔포밍: 밀집된 산업 환경에서도 신뢰성 있는 커버리지를 제공한다.
예약 자원 전송(Configured Grant): 업링크 스케줄링 요청 없이 즉시 전송할 수 있게 한다.

슬라이스마다 제어 대상과 자원 경계를 분리한다

네트워크 슬라이싱은 하나의 물리 인프라에서 여러 논리 네트워크를 병행 운영하는 방식이다. 슬라이스별로 QoS 정책, 보안 경계, 자원 보장을 따로 둘 수 있으며, 5G SA의 SMF(Session Management Function)와 PCF(Policy Control Function)가 정책을 집행한다.

산업 현장에서는 보통 다음과 같은 역할 분리가 필요하다.

[URLLC 슬라이스] — 자율 로봇, 모션 제어, 협동 드라이브
[eMBB 슬라이스] — 8K 비디오 스트리밍, AR/VR 원격 지원
[mMTC 슬라이스] — 수천 개 센서·게이트웨이 저전력 연결

URLLC 슬라이스에서는 자원 격리와 우선순위 보장이 핵심이다. 3GPP TS 23.501의 S-NSSAI(Single Network Slice Selection Assistance Information)는 단말이 적절한 슬라이스를 선택하도록 지시한다. PRB(Physical Resource Block)를 예약해 URLLC에 전용 무선 자원을 할당하면 eMBB 트래픽이 급증해도 제어 트래픽의 자원을 보호할 수 있다.

⤢✕

NSMF(Network Slice Management Function)는 슬라이스 간 자원 재조정을 맡는다. 실시간 트래픽 분석을 바탕으로 mMTC 슬라이스의 유휴 자원을 URLLC에 임시 할당하는 동적 운용도 가능하다. 생산 라인 이상 감지처럼 URLLC 트래픽이 순간적으로 늘어나는 상황에서 유용하다.

하이브리드 MPN(Mobile Private Network)에서는 방문자와 관리자가 공용 5G 슬라이스를 사용하고, 생산 장비와 자율 이동체는 격리된 사설 슬라이스를 사용한다. VLAN 기반 논리 분리와 IPSec 터널을 함께 적용하면 물리 인프라를 공유하면서 생기는 보안 우려를 상당 부분 낮출 수 있다.

MEC는 처리 위치에 따라 역할이 달라진다

ETSI MEC(Multi-access Edge Computing) 표준인 GS MEC 003은 RAN 근방에 MEC 플랫폼을 두어 애플리케이션 서버 기능을 사용자 가까이에 배치하는 개방형 생태계를 정의한다. ETSI MEC는 2024년 Phase 3를 완료했고 현재 Phase 4에서 멀티도메인 슬라이싱, 연합(Federation), 보안 강화를 중심 의제로 다루고 있다.

현장 엣지(On-Premise Edge)는 UPF와 MEC 플랫폼을 공장이나 물류센터 구내에 설치하는 형태다. 기기와 애플리케이션 사이 RTT(Round-Trip Time)를 5ms 이하로 유지할 수 있고, 데이터가 외부 망을 지나지 않아 데이터 주권과 컴플라이언스 측면에서도 유리하다. URLLC 응용은 대부분 이 계층에서 처리된다.

통신사 엣지(Operator Edge)는 집선 국사(Hub Site) 가까이에 MEC 서버를 두는 방식이다. 현장 엣지와 중앙 클라우드의 중간 지점에서 여러 사이트의 컨테이너 조율과 모델 배포를 맡는다. 지연은 10~30ms 수준이며, eMBB 기반 고해상도 영상 분석에 적합하다.

퍼블릭 클라우드 엣지(Regional Cloud)에는 AWS Wavelength, Azure Edge Zones, Google Distributed Cloud 등이 해당한다. AI 모델 학습, 글로벌 정책 관리, 장기 이력 분석을 수행하고 현장 엣지와 모델 가중치를 주기적으로 동기화한다.

⤢✕

MEC 플랫폼은 MEC 앱이 위치 정보, 무선 네트워크 정보, 대역폭 관리에 접근하는 Mp1 인터페이스를 제공한다. MEO(MEC Orchestrator)는 여러 MEC 호스트에 걸친 앱 인스턴스 생성·이동·삭제를 조율하며, MEPM(MEC Platform Manager)은 개별 플랫폼의 수명주기와 정책 집행을 담당한다. Docker와 Kubernetes 기반 컨테이너 런타임은 앱 격리, 스케일링, 무중단 업데이트를 지원한다.

MEO는 UE Mobility를 추적해 사용자가 다른 gNB 커버리지로 이동할 때 처리 세션을 새 MEC 호스트로 넘기는 라이브 마이그레이션을 지원한다. 공장 안을 이동하는 자율주행 AGV(Autonomous Guided Vehicle)나 드론이 연속적인 AI 추론을 유지하는 데 필요한 기능이다.

제어·물류·추론 워크로드에 적용하는 패턴

생산 라인에서 제어와 검사를 나누는 방법

제조업은 Private 5G 수요의 32~37%를 차지하는 최대 수직 시장이다.

협동 로봇(Cobot)이 사람과 협업하려면 다관절 로봇 암의 위치 피드백 루프가 1ms 이내에 끝나야 한다. URLLC 슬라이스에서 OPC-UA over 5G 또는 PROFINET 적응 레이어를 사용하면 PLC와 로봇 컨트롤러를 연결할 수 있으며, 유선 이더넷 대비 배선 복잡도를 40% 이상 줄인다.

머신 비전 품질 검사에서는 고해상도 카메라 스트림을 MEC의 AI 추론 모델로 실시간 분석한다. 1Gbps 이상의 업링크 대역폭을 제공하는 eMBB 슬라이스와 20ms 이하의 처리 응답을 결합하면 생산 라인 속도를 늦추지 않고 표면 결함을 검출할 수 있다.

예측 유지보수는 수백 개의 진동·온도·전류 센서가 mMTC 슬라이스에서 데이터를 계속 수집하고, MEC의 경량 LSTM 또는 트랜스포머 모델이 이상 패턴을 조기에 찾는 구조다. Ericsson과 제조사들의 공동 연구에 따르면 이 방식으로 설비 다운타임을 35% 이상 절감한 사례가 보고된다.

Private 5G 도입 뒤 생산 사이클 속도가 40% 향상된 사례와 불량률이 60% 감소한 사례도 업계에서 보고되고 있다. 유선 인프라 제거에 따른 비용 절감 역시 TCO 개선 요인이다.

이동체가 많을수록 결정론적 연결이 필요하다

항만, 공항, 대규모 물류센터에서 AGV·AMR(Autonomous Mobile Robot)·드론을 군집 운용하려면 결정론적 연결(Deterministic Connectivity)이 필요하다. Wi-Fi는 채널 경쟁과 핸드오버 지연 때문에 100대 이상의 이동체를 동시에 제어하기 어렵다.

Private 5G의 QoS 플로우 기반 스케줄링은 AGV마다 전용 URLLC 베어러를 할당한다. 충돌 방지나 경로 재계획 명령을 보장된 지연 안에 전달하기 위한 구성이다. MEC의 Fleet Management 시스템은 5G Positioning의 < 1m 정확도와 경로 최적화 알고리즘을 결합해 창고 처리량을 높인다.

항만 자동화에서는 Private 5G가 크레인 자동화, 컨테이너 추적, 자율 운반 차량 제어를 통합해 선석 회전율(Berth Utilization)을 20% 이상 높인 결과가 보고되었다. Public 5G보다 SLA 보장이 명확하고 외부 망 장애의 영향을 받지 않는 점은 항만과 공항 운영자가 Private 5G를 선택하는 이유다.

학습은 클라우드에서, 추론은 엣지에서

2026년 AI 인프라 전략은 클라우드에서 학습하고 엣지에서 추론하는 형태로 수렴하고 있다. 원시 데이터를 클라우드로 보내면 네트워크 대역폭 비용과 지연이 문제가 된다. Private 5G와 MEC 환경에서는 GPU 또는 NPU를 탑재한 엣지 서버가 추론을 맡고, 클라우드는 모델 학습과 버전 관리에 집중한다.

NTT DATA와 Ericsson이 2026년 2월 발표한 협업에서는 Physical AI 에이전트가 Ericsson 엔터프라이즈 엣지 플랫폼에서 실행되며 실시간 의사결정과 자율 행동을 지원한다. 이 구조에서 AI 에이전트는 URLLC 슬라이스로 로봇과 장비에 직접 연결되고, 모델 업데이트는 MEC Orchestrator를 통해 무중단 배포된다.

엣지 추론은 다음 흐름으로 구성할 수 있다.

데이터 수집: 5G 단말에서 UPF를 거쳐 MEC로 스트리밍한다.
전처리 및 특징 추출: 경량 DSP 또는 FPGA 가속 레이어를 사용한다.
추론 실행: ONNX Runtime, TensorRT, OpenVINO 등 최적화 런타임에서 수행한다.
결과 반환: 액추에이터와 제어 시스템에 5ms 이내로 응답을 전달한다.
이벤트 기록: 학습용 데이터를 클라우드 데이터 레이크에 비동기로 업로드한다.

구축 전에 확인할 운영 조건

스펙트럼 확보는 Private 5G 구축의 첫 관문이다. 국내에서는 과학기술정보통신부가 이음 5G 전용 주파수인 4.7GHz와 28GHz 대역을 기업 직접 할당 방식으로 제공한다. 미국 CBRS의 3.5GHz 공유 대역이 TCO 절감에 유리한 것처럼, 구축 전에는 각국의 스펙트럼 정책과 면허·공유·비면허 유형을 검토해야 한다.

TCO는 gNB, UPF, MEC 서버, 코어 소프트웨어 라이선스를 포함한 초기 투자와 스펙트럼 임차료, 유지보수, 소프트웨어 업그레이드 같은 운영 비용을 5~7년 주기로 평가해야 한다. 통신사 관리형 서비스(Managed Private 5G)는 초기 투자를 줄일 수 있지만, 장기적으로 자체 구축보다 운영 비용이 높아질 수 있다.

보안 아키텍처는 Zero Trust 원칙을 기준으로 설계한다. 5GC는 SUCI(Subscription Concealed Identifier)와 SUPI(Subscription Permanent Identifier)를 분리해 기기를 식별하며, NF(Network Function) 사이 통신은 TLS 1.3으로 암호화된다. MEC 앱은 컨테이너 네임스페이스와 mTLS(mutual TLS)로 격리하고, 외부 클라우드 연동에는 IPSec VPN 또는 SD-WAN 오버레이를 적용한다.

상호운용성 측면에서는 O-RAN Alliance의 O1, E2, A1 오픈 인터페이스를 지원하는 장비가 다중 벤더 구성과 지속적인 기술 변화 대응에 유리하다. 3GPP Release 17 이상에서 정의한 RedCap(Reduced Capability) 단말 지원 여부도 저비용 IoT 디바이스 확장에 중요하다. ETSI MEC Phase 4의 멀티도메인 페더레이션은 앞으로 여러 사이트와 여러 사업자에 걸친 엣지 앱 이동성을 보장할 요소로 주목된다.

통합 운영(AIOps)에서는 RAN Intelligent Controller(RIC)를 통해 xApp·rApp 형태의 AI/ML 기반 네트워크 최적화를 자동화할 수 있다. 슬라이스 자원 조정, 빔포밍 최적화, 이상 감지를 RIC 플랫폼에서 실시간으로 수행하면 운영 인력의 수동 개입을 줄일 수 있다.