PTC Citi Global TMT Conference

물론입니다. 저는 PTC에서 30년 넘게 근무해 왔습니다. 경력의 전반부는 저희 제품을 구현하는 데 집중했습니다. 10년간 서비스 조직의 책임자를 맡았고, 이후 경력 후반부는 제품 분야에서 일해 왔습니다. PLM 총괄 매니저를 역임했고, 현재는 제품 EVP입니다. 요즘은 대부분의 시간을 고객과 직접 만나 가장 중요한 고객을 지원하는 데 쓰고 있습니다.

물론입니다. PTC는 다양한 산업 분야의 고객을 대상으로 서비스를 제공합니다. 산업, 항공우주 및 방위, 전자 및 첨단 기술, 의료 기술, 자동차 산업이 주요 고객군입니다. 이들은 공통적인 특성을 가지고 있습니다. 즉, 고객들은 설계가 복잡하고 제조가 어려운 고도로 복합적인 전기기계 장비를 생산하며, 긴 수명과 흥미로운 서비스 주기를 가지고 있습니다. 지능형 제품 수명 주기에 대해 이야기할 때, 기본적으로 이러한 회사들, 예를 들어 지붕형 에어컨 제조업체인 트레인이나 캐리어 같은 회사를 생각해 보겠습니다. 그들의 엔지니어들은 차세대 제품 설계를 담당하며, 이것이 그들의 가장 큰 집중 분야입니다. 하지만 결국 엔지니어들은 다른 부서에서 사용할 데이터를 생산합니다. 엔지니어들은 제조 조직, 서비스 조직, 마케팅 조직, 고객 성공팀 등을 위한 데이터를 만듭니다.

지능형 제품 수명 주기에 대한 우리의 전략은 이러한 특성을 공유하는 회사들에 대해 동일하게 적용됩니다. 모든 데이터는 엔지니어링에서 시작되며, 변경이 발생할 때도 일반적으로 엔지니어링에서 비롯됩니다. 고객들에게 설명할 때 자주 사용하는 예를 하나 들어보겠습니다. 기계 부품을 생각해 보시면, 어떤 기계 부품이든지 간에, 그것은 예를 들어 코드비머(Codebeamer)나 요구사항 관리 시스템에서 요구사항 집합으로 시작합니다. 그 다음 엔지니어가 CAD 모델을 만듭니다. 그 위에 PMI 정보, 즉 제조 정보를 추가합니다. 그 부품은 엔지니어링 자재 명세서(BOM)의 일부가 됩니다.

그 후 엔지니어링 자재 명세서를 바탕으로 제조 엔지니어가 윈드칠(Windchill)에서 제조 자재 명세서와 제조 지침 세트를 만듭니다. 그리고 그 데이터는 이동하게 됩니다. 그 데이터가 가는 곳 중 하나는 ERP 시스템입니다. ERP에 도착하면 데이터는 다른 형태로 변환됩니다. 이를 자재 마스터(Material Master) 또는 마스터 데이터라고 부릅니다. 그 후 공급망 담당자들은 파생 작업을 수행하고, 부품을 주문하며, 공급업체를 선정하는 등의 업무를 진행합니다. 마찬가지로 동일한 정보를 제조 현장에 있는 제조 실행 시스템(MES)으로 보내 제품을 생산합니다. 이 과정에서 완성된 자재 명세서(as-built BOM)가 생성되며, 이를 서비스맥스(ServiceMax)나 오빗(Orbit) 같은 곳에 보내 유지보수 자재 명세서(as-maintained BOM)로 활용할 수 있습니다.

이것은 데이터가 엔지니어링에서 산업 기업 내 여러 부서로 이동하여 속도와 품질을 높이는 간단한 예시입니다.

네, 이것이 지능형 제품 수명 주기의 한 측면입니다.

예를 들어, 데이터의 순방향 전파입니다. 또 다른 점은, 변화가 있을 때 어떻게 대응하느냐입니다. 고객이 모든 과정을 완벽하게 수행했다고 가정해 봅시다. 그런데 누군가가 공급업체를 변경하고 싶어합니다. 가장 먼저 해야 할 일은 "변경의 영향은 무엇인가?"를 파악하는 것입니다. 그들이 스스로에게 던질 첫 번째 질문은 "모든 것이 어디에 있나?"입니다. 전 세계 공장에 부품이 몇 개나 있나요? 전 세계 서비스 재고 위치에 부품이 몇 개나 있나요? 이 공급업체를 위해 특별히 제작된 요구사항은 몇 개나 있나요?

진행 중인 설계 중 이 공급업체를 이미 반영한 설계는 몇 개나 있나요? 이것이 바로 엔지니어링에서 시작된 제품 데이터 기반이 기업 전반에 걸쳐 부품과 BOM을 보관하는 여러 시스템으로 확장되고, 변화에 대응할 수 있는 능력에 관한 개념입니다. 최고 수준에서 이것이 바로 PTC가 지금 착수하고 있는 일입니다.

네, 모두와 마찬가지로 저희도 엔지니어들이 AI를 실험해 보도록 했습니다. 처음에는 요구사항 수집에서 개별 생산성 향상, 제품 관리자들이 자동으로 프로토타입을 만드는 등의 작업이었습니다. 개발자들은 코드 생성과 테스트 케이스 생성에 AI를 활용했습니다. QA 팀은 AI를 활용해 테스트 하니스와 자동화를 개별적으로 만들기 시작했습니다. 그런데 저희가 발견한 것은 공장과 마찬가지로 가장 느린 기계만큼만 성과가 나온다는 점이었습니다.

그래서 저희는 프로세스 전반에 AI를 통합하는 보다 전체론적인 접근 방식을 시작했습니다. 저는 우리가 2단계에 있다고 말씀드리고 싶습니다. 이제는 개별 생산성을 넘어, 서로 다른 부서 간의 조정된 생산성 단계에 와 있습니다. 궁극적으로는 제품 수명 주기 전반에 걸쳐 에이전트들이 협력하여 속도를 높이는 것을 목표로 하고 있습니다. 처리량과 품질 향상을 경험했나요? 네, 그렇지만 이보다 훨씬 더 많은 성과를 기대하고 있습니다. 훨씬 더 완전한 엔드투엔드 프로세스가 구축되면 말이죠.