스마트팩토리라는 말이 제조 현장에 들어온 뒤로도, AI 는 대개 대시보드에서 멈췄다. 센서가 데이터를 모으고 모델이 예측을 내놓아도, 마지막에 밸브를 돌리고 롤러 간격을 조정하는 손은 여전히 사람의 것이었다. 스마트팩토리 솔루션 기업 엠아이큐브솔루션은 그 마지막 구간, AI 의 판단을 설비 제어로 넘기는 일을 파고들었다1. 그리고 도시락·왕뚜껑·팔도비빔면을 만드는 팔도 나주공장이 19억4,000만원짜리 첫 테이블을 내줬다15.
왜 라면 공장이었나 — 예측만으로는 면 한 줄도 바꾸지 못한다
자율제조 이야기는 흔히 반도체나 자동차처럼 공차가 촘촘한 산업에서 먼저 나온다. 식품은 반대편에 있다. 원재료 편차가 크고 공정이 끊기지 않고 이어지며, 그래서 오랫동안 숙련자의 손과 감이 마지막 판단을 맡아 온 영역이다. 라면 제조가 대표적이다. 반죽을 섞고 면대를 밀어내는 믹서·롤러 공정, 면을 찌고 튀기는 증숙·유탕 공정이 한 줄로 이어진다1. 이 줄 위에서 품질을 결정하는 변수는 면대 두께, 개당 중량, 수분과 지방 함량 같은 물리량이다1. 문제는 이 값들이 공정이 끝난 뒤에야 확인된다는 점이었다. 검사 결과가 나올 때쯤이면 이미 다음 배치가 라인을 지나간 뒤다.
엠아이큐브솔루션이 팔도 나주공장에 심는 플랫폼은 이 시차를 없애는 데서 출발한다. 증숙·유탕 공정에는 제품의 수분·지방 등 성분을 실시간 예측해 최적 공정 조건을 도출하는 시스템을, 믹서·롤러 공정에는 면대 두께와 라면 중량을 실시간 예측하는 시스템을 붙인다1. 그 위에 전 공정의 센서와 제조실행시스템(MES) 데이터를 실시간 분석해 이상 징후를 찾아내고 조치를 자동으로 권고하는 AI 이상탐지 시스템이 얹힌다1. 여기까지는 잘 만든 예측 AI 의 범주다. 시장에 비슷한 그림을 그리는 회사는 이미 여럿 있다.
결정적 차이는 다음 단계에 있다. 각 시스템은 통합 운영·제어 포털로 묶이고, 자동제어장치(PLC) 등 기존 생산설비와 연계돼 설비 제어까지 이어진다1. 센서 데이터를 분석·예측하는 데 그치지 않고 AI 의 판단을 실제 생산설비 제어로 연결하는 것, 이것이 회사와 팔도가 이번 사업의 핵심으로 못 박은 문장이다1. 플랫폼은 모두 5개 시스템으로 구성되지만, 예측 AI 가 자율제조로 넘어가는 경계선은 마지막 한 층에 있다1.
판을 깐 것은 정부다. 이번 사업은 중소벤처기업부가 추진하고 중소기업기술정보진흥원 인공지능혁신추진단이 운영하는 AI 응용제품 신속 상용화 지원 사업의 일환으로, 총사업비 약 23억7,000만원, 사업 기간은 1년이다15. 그 안에서 엠아이큐브솔루션은 팔도와 약 19억4,000만원 규모의 구축 계약을 체결하고 대표 공급기업으로 참여한다1. 비슷한 시기 중기부와 과기정통부가 KAIST 피지컬 AI 실증랩을 찾아 중소 제조 현장 확산 협력을 논의했다는 점도 눈여겨볼 만하다2. 정책의 방향과 현장의 계약이 같은 단어를 쓰고 있다.
모니터링 공장과 자율제조 공장 — 다섯 줄로 갈리는 차이
전통적인 스마트팩토리와 이번 플랫폼의 차이는 데이터를 얼마나 모으느냐가 아니라, 그 데이터가 어디서 멈추느냐에 있다. 모니터링형 공장에서 데이터의 종착지는 사람이 읽는 화면이다. 자율제조 공장에서 종착지는 설비의 세팅값이다. 아래 표는 팔도 나주공장에 들어가는 시스템 구성을 기준으로 두 모델을 나란히 놓은 것이다1.
| 영역 | 모니터링형 스마트팩토리 | 엠아이큐브 자율제조 플랫폼 |
|---|---|---|
| 데이터의 종착지 | 대시보드 · 사후 리포트 | 전 공정 센서·MES 실시간 분석 → 이상 징후 탐지 · 조치 자동 권고 |
| 증숙·유탕 공정 | 작업자 경험으로 온도·시간 설정 | 수분·지방 성분 실시간 예측 → 최적 공정 조건 도출 |
| 믹서·롤러 공정 | 샘플 검사 후 사후 조정 | 면대 두께 · 라면 중량 실시간 예측 |
| 판단과 제어의 연결 | 사람이 읽고 사람이 조작 | AI 판단을 PLC 등 기존 설비 제어로 직접 연결 |
| 운영 화면 | 시스템별로 분산 | 통합 운영·제어 포털 하나로 묶음 |
19억4,000만원은 어디에 쓰이나 — 감지·예측·제어의 세 층
- 감지 — 전 공정을 한 눈으로 AI 기반 이상탐지 시스템이 전 공정의 센서와 MES 데이터를 실시간으로 읽는다. 이상 징후를 찾아내는 데서 끝나지 않고 조치를 자동으로 권고한다1. 알람을 띄우는 시스템과 다음 행동을 제안하는 시스템은 다르다. 모니터링과 자율제조를 가르는 첫 번째 층이다.
- 예측 — 공정마다 다른 물리량 증숙·유탕에서는 수분·지방 같은 성분을, 믹서·롤러에서는 면대 두께와 라면 중량을 실시간으로 예측한다1. 하나의 범용 모델로 공장 전체를 덮는 대신, 공정 특성에 맞춰 예측 대상을 쪼갠 설계다. 라면 하나의 품질을 결정하는 변수를 공정 단계별로 나눠 잡는다.
- 제어 — 포털에서 PLC 로 각 시스템은 통합 운영·제어 포털로 연결되고, 자동제어장치(PLC) 등 기존 생산설비와 연계돼 설비 제어까지 이어진다1. 예측값이 설비의 세팅값으로 바뀌는 지점이며, 회사가 피지컬 AI 라고 부르는 층이다1. 기존 설비를 걷어내지 않고 연계한다는 점에서, 신규 라인이 아니라 돌아가는 공장에 심는 방식이다.
The Bet — 왜 팔도는 이 회사를 골랐나
공개된 자료만으로 팔도의 선정 과정을 재구성하기는 어렵다. 다만 두 가지 사실은 확인된다. 엠아이큐브솔루션은 지금까지 110개 이상 제조기업에 제조실행시스템과 이상탐지, 품질예측, 공정최적화 등 제조 AI 솔루션을 공급해 왔다1. 그리고 이번 사업에서 대표 공급기업 지위를 맡았다1. MES 라는 바닥 데이터층부터 최적화라는 맨 위층까지 한 회사가 다 깔아 본 경험이 있다는 것은, 예측 결과를 제어까지 이어 붙여야 하는 이번 사업에서 결정적이다. 층 사이의 이음새를 남에게 맡기지 않아도 되는 회사가 국내 제조 AI 시장에 많지 않다. 팔도 입장에서는 이상탐지 회사, 품질예측 회사, 제어 통합 회사를 따로 부르지 않아도 되는 상대를 고른 셈이다.
엠아이큐브솔루션의 베팅은 단순하다. 식품 제조에서 AI 가 설비를 직접 제어하는 폐루프를 나주공장 한 곳에서 증명하면, 같은 구조를 다른 라면 라인과 다른 식품 공장으로 복제할 수 있다는 것이다. 회사는 이번 사업으로 K-푸드 제조 현장의 자율화 수준을 한 단계 높이고, AI 기반 제조 혁신 모델을 글로벌 식품 제조 현장으로 확대하겠다고 밝혔다1. 팔도의 베팅은 그 반대편에 있다. 총사업비 23억7,000만원의 정부 지원 사업이라는 틀 안에서, 도시락·왕뚜껑·팔도비빔면이라는 주력 제품의 생산 라인을 실증 무대로 내준 것이다1. 성공하면 팔도는 국내 식품업계에서 자율제조를 먼저 돌려 본 회사가 된다. 실패해도 1년짜리 실증으로 끝난다1. 양쪽 모두 잃는 것보다 얻는 것이 크게 설계된 계약이다.
다음 12개월에 지켜볼 지표 3개
- 제어 루프가 실제로 닫히는가 사업의 핵심은 AI 판단이 PLC 제어로 이어지는 것이다1. 권고에서 멈추는지, 설비 세팅을 실제로 바꾸는지가 첫 번째 확인 지점이다. 사람의 승인 없이 자동 제어로 넘어간 공정의 범위는 아직 공개되지 않았다. 이 범위가 좁으면 플랫폼은 고급 모니터링에 머문다.
- 중량·두께·성분 편차의 수치 플랫폼이 예측하는 대상은 면대 두께, 라면 중량, 수분·지방 성분이다1. 사업 기간 1년이 끝나는 시점에 이 값들의 편차가 얼마나 줄었는지가 공개되는지 봐야 한다1. 정량 성과 목표치는 현재 공개되지 않았다. 숫자가 나오지 않으면 실증은 실증으로만 남는다.
- 두 번째 식품 고객 회사가 밝힌 목표는 K-푸드 제조 현장의 자율화와 글로벌 식품 제조 현장으로의 확대다1. 나주공장 이후 팔도의 다른 공장이든 다른 식품 기업이든, 두 번째 계약이 나오는 속도가 이 모델의 복제 가능성을 말해 준다. 정부 지원 없이 체결되는 계약이라면 신호는 더 강하다.
나주의 면 한 줄이 그 첫 증명이 되는지가, 다음 이야기다.
