직원 20명 남짓한 중소 제조 현장에서 가장 뼈아픈 손실은 설비의 돌발 고장이다. 납기를 맞추기 위해 기계를 쉴 새 없이 돌리다 보면, 어느 날 갑자기 모터가 타버리거나 유압 펌프가 멈춰 선다. 기계 옆에는 기름때 묻은 종이 점검표가 걸려 있지만, 대부분 '양호'라는 칸에 형식적인 동그라미만 쳐져 있을 뿐이다.

막상 고장이 발생해 원인을 찾으려 해도 과거 정비 이력이나 소모품 교체 시기를 기록해 둔 데이터가 없어 결국 비싼 출장 수리비를 지불하고 며칠씩 라인을 세워야 한다. 수기에 의존하는 형식적인 점검은 고장을 예방하는 데 아무런 역할을 하지 못한다.

사후 약방문 격인 '사후 보전'에서 벗어나, 고장이 나기 전에 미리 손을 쓰는 '예방 보전'으로 넘어가야 한다. 이는 마치 치통이 생기고 나서야 치과에 가는 대신, 정기 검진으로 충치를 미리 막는 것과 같은 이치다. 과거에는 이를 위해 수천만 원짜리 전산화된 설비 관리 시스템(CMMS)이 필요했지만, 이제는 주머니 속 스마트폰과 클라우드 도구를 결합해 훌륭한 AX(AI 전환)를 이룰 수 있다. 기계에 고유한 QR코드를 부착하는 것은 곧 해당 설비에 언제든 들여다볼 수 있는 디지털 진료 차트를 달아주는 것과 같다.

자본과 인력이 부족한 소규모 사업장이라면 구글 폼(Google Forms) 같은 무료 설문 도구를 활용하는 것이 가장 효과적이다. 설비 번호, 주요 점검 항목(소음 여부, 온도 등), 특이사항을 입력할 수 있는 간단한 양식을 만들고 이를 QR코드로 변환해 기계 옆에 붙여둔다. 작업자는 출근 직후나 교대 시 스마트폰으로 QR코드를 찍어 상태를 입력하기만 하면 된다.

이렇게 모인 데이터는 클라우드 스프레드시트에 실시간으로 차곡차곡 쌓인다. 나아가 이 누적된 데이터를 챗GPT(ChatGPT)나 클로드(Claude) 같은 범용 AI에 정기적으로 입력하여 "최근 한 달간 A 설비의 온도 변화 추이를 분석하고 고장 징후 패턴이 있는지 알려달라"고 명령하면, 데이터에 기반한 기초적인 예측 정비 환경이 완성된다.

물론 현장에서 스마트폰을 활용한 점검 방식이 하루아침에 환영받는 것은 아니다. 고령의 작업자들은 작은 화면을 누르는 것을 종이에 체크하는 것보다 훨씬 번거로워하며, 장갑을 벗고 카메라를 켜는 행위 자체에 강한 거부감을 느낀다. 또한 기름때에 QR코드가 훼손되어 인식이 안 되는 물리적인 문제도 빈번하게 발생한다. 도입 초기에는 데이터가 누락되고 작업자의 불만이 터져 나오는 진통의 시간이 반드시 수반되며, 경영진은 이를 묵묵히 감내하고 끈질기게 현장을 설득해야만 새로운 시스템이 안착할 수 있다.

그럼에도 불구하고 설비의 블랙박스를 데이터로 열어젖히는 일은 공장의 원가 경쟁력과 직결되는 치명적인 과제다. 공장 전체의 설비를 한 번에 전산화하겠다는 거창한 계획은 실패하기 십상이다. 오늘 당장 해야 할 일은 현장에서 가장 고장이 잦은 핵심 설비 단 한 대를 고르는 것이다. 그리고 '이상 소음 유무'와 '현재 온도' 단 두 가지만 묻는 무료 온라인 설문지를 만들어 QR코드를 부착해 보라. 이 작은 행동 하나가 직감에 의존하던 기계 관리를 데이터 중심의 현장 밀착형 AX로 바꾸는 가장 확실한 출발점이다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]