갈수록 인쇄산업이 위축되는 상황에서 다각도로 돌파구를 찾는 노력이 필요하다. 경기가 좋아지고 경제가 활성화되면 인쇄물도 늘어날 것은 자명하다. 하지만 이는 인쇄인들의 영역 밖이기에 할 수 있는 다른 분야에 집중해야 한다. 

대표적으로 인쇄물 영역을 지키고 침탈을 막는 역할을 해야 한다. 인쇄인들이 편안하게 인쇄물을 생산할 수 있도록 인쇄 집적지를 지키는 것도 필요하다. 

여기에 더해 인쇄인들이 생산시스템을 효율화하고 극대화해서 채산성을 높이는 노력도 해야 한다. 대표적인 것이 스마트 인쇄 시스템, 자동화 모델 구축이다. 하지만 인쇄 생산 시스템 자동화 과정은 고도화 될수록 초기 투자비용이 많이 들기에 업체별로 할 수 있는 것부터 차근차근 해 나가야 하겠다.

그중 하나가 인공지능(AI)이다. 고도화된 자동화 생산 시스템에서는 AI가 주문에서부터 배송까지 전 생산라인을 관리하고 감독할 수 있겠으나 인쇄산업은 고유의 특수성과 설비들, 소프트웨어의 미흡 등으로 현재는 불가능한 상황이다.

때문에 일부 제조과정에 도입하고 순차적으로 이를 확대하는 전략이 필요해졌다. 대표적으로 품질과 설비 관리, 공급망 최적화 등이 그것이다. 전문가들도 강조하고 일선 기업인들도 이미 그 필요성과 효용성에 공감하고 있는 AI는 이제는 선택이 아닌 필수가 됐다. 제조업은 과거 수백 년 동안 여러 단계의 산업 혁명을 거치며 꾸준히 발전해 왔지만, 인공지능의 등장과 함께 전례 없는 속도로 진화하고 있기 때문이다.

아울러 복잡한 일은 AI에게 맡겨 효율성을 높이는 한편, 근로자들은 다른 일에 집중하여 고부가가치를 높이거나 좀 더 창조적인 일을 할 수 있는 여력이 생긴다는 것도 장점이다. 많은 근로자가 해야 할 일은 AI가 하면 그만큼 여력이 생겨 핵심 업무에 집중할 수 있다.

또한 AI는 광범위한 데이터를 축적하고 세분화 하여 관리할 수 있기에 더욱 정교하고 개인화된 제품을 만들 새로운 기회를 열고 있다. 이는 최근 인쇄의 새로운 트렌드로 자리매김한 맞춤형 소량인쇄에 적합한 방식이다. 맞춤형 소량인쇄는 수많은 다양한 고객들이 있어 이를 잘 관리하는 데 활용하면 효율성이 높을 것으로 분석된다.

AI를 활용한 디지털 전환 보편화

실제로 최근에는 인쇄공정에 AI를 활용한 디지털 전환(Digital Transformation)을 구현하는 사례가 늘고 있다. 일례로 한 포장회사는 인쇄설비의 속도를 높이면 인쇄박리 형태의 불량이 발생, 검사시간이 늘고 고객사 불만족 등의 손실이 발생한 경우가 있는데 AI를 도입해 이를 해결했다고 한다.

인쇄 공정별 박리 최소화 AI모델을 기반으로 최적의 공정과 불량예측 시스템을 구축, 대량생산으로 인한 전수검사가 어려운 난제를 해결하고 센서를 통해 설비의 데이터를 수집하여 잘못된 방식의 인쇄에 대해서는 알려주는 기능이 적용됐다고 한다.

참고로 디지털 전환은 디지털 기술을 사회 전반에 적용하여 전통적인 사회 구조를 혁신시키는 것을 말한다. 일반적으로 기업에서 AI를 비롯해 사물 인터넷(IoT), 클라우드 컴퓨팅, 빅데이터 솔루션 등 정보통신기술(ICT)을 플랫폼으로 구축하고 활용하여 기존 전통적인 운영 방식과 서비스 등을 혁신하는 것을 의미한다. 

품질과 설비 관리에 적합

위의 사례처럼 인쇄현장에서 설비의 중단이나 결함은 안전사고로 이어질 수 있고 생산 차질을 초래하며 경제적 손실도 막대하다. 이 때문에 적절한 시점에 기계의 문제를 미리 파악하고 성능 저하 시점이나 교체 필요 여부를 인식함으로써 생산 효율을 극대화하고 제품 품질에 영향을 주는 요소를 사전에 제거하거나 최소화하는 것이 중요하다. 이러한 측면에서 예측과 유지 보수는 매우 중요하다.

최근에는 타 제조업에서는 센서 데이터 분석 기술, 이미지 인식 기술, 자연어 처리 기술이 발전하면서 이와 같은 예측과 유지 보수를 인공지능이 대체하는 추세다. 제조업에서 사용되는 다양한 장비와 기계는 다양한 센서로부터 대량의 데이터를 생성하고 있는 바, 인공지능이 이러한 데이터를 분석해 기계의 성능 저하나 고장을 예측하고 있는 것이다. 

또 인공지능에 기반한 이미지 인식 기술은 기계의 표면적인 문제나 마모 상태를 식별할 수 있고 자연어 처리를 통해 기술자나 작업자들의 메모나 보고서를 분석할 수 있기 때문에 잠재적 문제나 기계 상태를 파악해 정확한 대응이 가능하므로 예측과 유지 보수에서 인공지능의 역할은 점점 커지고 있다고 한다. 이를 전문적으로 개발해 솔루션을 제공하는 업체들도 생겨나고 있다.

또한 노동 집약적이고 오류가 발생할 가능성이 높은 제품 관리에도 AI가 활용되고 있다. AI 중 한 분야인 딥러닝을 이용하면 이미지와 패턴 인식 능력을 통해 미세한 결함을 감지하고 광학 문자 인식 기술을 통해 제품 레이벌 정보가 올바른지 확인할 수 있다고 한다. 

나아가 공급망 최적화에도 일조하고 있다고 한다. 제조업의 경쟁력은 단순히 높은 품질의 제품을 만드는 능력을 넘어서 효율적이고 고객 요구사항에 민감한 공급망을 구축하는 능력까지 확장됐다. 효율적인 공급망을 구축하면 물류비용 절감, 소비자 만족도 향상, 경쟁력 강화 등의 이점을 가져올 수 있기에 제조 기업들은 전략적인 공급망 설계와 관리에 주력하고 있다.

이러한 배경 속에서 인공지능이 공급망에서 활용되는 부문은 크게 AI를 통해 최적의 배송 경로를 계획하거나 예상되는 교통 문제를 예측해 운송비용을 절감, 공급자 평가 및 관리, 복잡한 데이터를 분석해 최적의 결정을 내리고 공급망의 모든 과정을 모니터링하는 점 등이라고 한다.