도입부: 2만 5천 개 스마트공장, 그러나 70%는 ‘기초’에 머물렀다

국내 스마트공장 보급 사업이 양적 성과와 질적 한계를 동시에 드러냈다. 국회 산업통상자원중소벤처기업위원회 소속 A 의원실이 중소벤처기업부로부터 받은 자료에 따르면, 2014년부터 2025년까지 스마트공장 보급확산 사업에 투입된 누적 예산은 2조 5,156억 원이며, 총 3만 8,611건을 지원해 2만 5,632개사에 스마트공장이 구축됐다.

그러나 구축된 스마트공장의 70.1%(1만 7,959개사)는 바코드나 단순 전산화 수준인 ‘기초 단계’에 머물러 있다. 시스템이 스스로 원인을 판단하고 공정을 실시간 제어하는 ‘중간2’ 이상 단계는 전체의 2.0%(525개사)에 불과했고, 중소기업만 보면 1.5%(359개사)였다.

공장 보유 제조기업 18만 9,833개사 가운데 스마트공장을 도입한 비율은 13.5%다. 보급률 자체도 높지 않지만, 더 큰 문제는 도입한 공장조차 데이터 기반 운영으로 넘어가지 못했다는 점이다.

이 결과는 현장의 오래된 혼동과 맞닿아 있다. 설비를 자동화하면 스마트공장이 된다고 생각하거나, MES를 도입하면 스마트공장이 완성된다고 여기는 인식이다. 이 글은 공장 자동화와 스마트공장의 차이를 구조적으로 정리하고, 두 영역을 결합해 실제 고도화로 이어지는 실무 전략을 제시한다.

출처: 포인트경제, “2.5조 쏟아부은 스마트공장, 양적 팽창 이면엔 ‘기초 단계’ 편중…AI 자율제조 고도화는 2% 불과” (2026.09.27) – https://www.pointe.co.kr/news/articleView.html?idxno=85189

1. 공장 자동화와 스마트공장, 개념부터 다르다

공장 자동화(FA, Factory Automation)는 사람이 하던 물리적 작업을 기계·로봇·제어 시스템으로 대체하는 것이다. 목적은 반복 작업의 속도와 정밀도를 높이고, 인력 의존도를 낮추는 데 있다.

스마트공장(Smart Factory)은 설비, 공정, 사람, 시스템을 데이터로 연결해 생산 전 과정을 가시화하고, 데이터에 근거해 판단·제어하는 공장이다. 자동화가 ‘손’을 대체한다면 스마트공장은 공장의 ‘신경망과 두뇌’를 구축하는 일이다.

두 개념의 차이를 정리하면 다음과 같다.

핵심은 둘이 대체 관계가 아니라 계층 관계라는 점이다. 공장 자동화는 스마트공장의 데이터가 발생하는 물리적 기반이고, 스마트공장은 자동화 설비가 만든 데이터를 가치로 전환하는 체계다.

현장의 사례로 보면 차이가 더 분명해진다. 사출 공정에 취출 로봇을 도입한 것은 공장 자동화다. 여기에 금형 온도, 사출 압력, 사이클 타임을 실시간으로 수집하고 불량 발생 LOT와 연결해 원인 조건을 찾아낸다면, 그때부터 스마트공장의 영역에 들어선다. 나아가 분석된 최적 조건이 설비로 자동 전송되어 공정을 보정한다면 중간2 수준의 스마트공장이 된다.

2. 공장 자동화의 본질: 고정 자동화에서 유연 자동화로

전통적인 공장 자동화는 고정 자동화(Fixed Automation)에서 출발했다. 특정 제품을 대량으로 생산하기 위해 전용 설비와 전용 라인을 구축하는 방식이다. 생산 속도는 높지만, 제품이 바뀌면 설비를 다시 설계해야 한다.

현재 공장 자동화의 흐름은 유연 자동화(Flexible Automation)로 이동하고 있다. 재프로그래밍이 가능한 산업용 로봇, 품종 교체가 쉬운 모듈형 셀, 비전 기반 인식이 그 중심에 있다. 국제로봇연맹(IFR)에 따르면 2025년 전 세계에서 가동 중인 산업용 로봇은 500만 대로 사상 최고치를 기록했다³⁾.

그러나 자동화가 고도화될수록 새로운 문제가 드러난다. 바로 자동화 섬(Island of Automation)이다.

• 설비별 개별 제어: 공정마다 다른 제조사의 PLC와 컨트롤러가 독립적으로 동작한다.
• 통신 규격 불일치: 설비 간 데이터 교환 방식이 달라 상위 시스템 연동이 어렵다.
• 데이터 소멸: 가동 상태, 알람, 품질 데이터가 설비 내부에서 생성되고 그대로 사라진다.
• 국소 최적화: 한 공정은 빨라졌지만 전후 공정의 대기와 재공 재고는 오히려 늘어난다.

자동화 섬은 대개 설비를 도입 시점마다 개별 발주한 결과로 생긴다. 공정별로 가장 적합한 설비를 고르는 것은 합리적이지만, 공장 전체의 통신 표준과 데이터 규칙 없이 도입이 누적되면 나중에 연결 비용이 설비 가격을 넘어서는 상황이 발생한다.

자동화 섬 상태에서는 개별 설비의 효율은 높아도 공장 전체의 흐름은 최적화되지 않는다. 이것이 공장 자동화만으로는 스마트공장이 될 수 없는 이유다.

3. 스마트공장의 본질: 연결과 판단의 구조

스마트공장은 두 방향의 통합으로 설명할 수 있다. 하나는 현장 설비에서 경영 시스템까지 이어지는 수직 통합이고, 다른 하나는 공정 간·공장 간·공급망 간을 잇는 수평 통합이다.

수직 통합의 계층 구조는 일반적으로 다음과 같이 나뉜다.

1. 필드 계층: 센서, 액추에이터, 로봇 등 물리적 설비
2. 제어 계층: PLC, 로봇 컨트롤러, DCS를 통한 실시간 제어
3. 감시·수집 계층: SCADA, IIoT 게이트웨이를 통한 데이터 수집과 모니터링
4. 운영 계층: MES를 통한 작업지시, 실적, 품질, 추적성 관리
5. 경영 계층: ERP, SCM을 통한 계획, 구매, 재고, 원가 관리

공장 자동화는 주로 1~2계층에서 작동하고, 스마트공장은 1~5계층이 데이터로 끊김 없이 연결될 때 완성된다.

국내에서는 스마트공장 수준을 KS X 9001 표준에 따라 관리한다. 스마트제조혁신추진단의 세부관리기준은 솔루션·시스템 구축 정도를 기초, 중간1, 중간2, 고도의 4단계로, 기업의 종합적인 제조혁신 역량을 Level 1~5로 구분한다¹⁾.

이 단계 구분에서 주목할 점은 중간1과 중간2의 경계다. 데이터를 ‘보는’ 단계에서 데이터로 ‘제어하는’ 단계로 넘어가려면, 상위 시스템의 판단이 다시 현장 설비로 내려가야 한다. 즉 공장 자동화 수준이 뒷받침되지 않으면 중간2 이상은 구조적으로 불가능하다.

4. 자동화했는데 왜 스마트하지 않은가: 현장의 전형적 착각

국내 스마트공장의 70% 이상이 기초 단계에 머무는 현상은 기술 부족만으로 설명되지 않는다. 현장에서 반복되는 전형적인 착각이 있다.

첫째, ‘시스템 도입 = 스마트공장’이라는 착각이다. MES를 도입했지만 작업자가 종이에 기록한 실적을 퇴근 전에 일괄 입력한다면, 그 데이터는 실시간성도 정확성도 확보하지 못한다. 시스템은 있으나 현장 데이터의 자동 수집 경로가 없는 상태다.

둘째, ‘설비 자동화 = 스마트공장’이라는 착각이다. 최신 로봇과 자동화 설비를 도입했지만 상위 시스템과 연결되지 않으면, 설비는 빠르게 움직여도 공장 관리자는 여전히 현장을 돌며 상황을 확인해야 한다.

셋째, ‘구축 완료 = 성과 달성’이라는 착각이다. 스마트공장은 구축보다 운영이 어렵다. 수집된 데이터를 해석하고 개선 활동으로 연결할 운영 인력과 조직 체계가 없으면 시스템은 점차 사용되지 않는다.

세 가지 착각의 공통점은 FA(Hard-side)와 DX(Soft-side)를 분리해서 투자했다는 것이다. 자동화 업체와 시스템 업체가 각자 납품하고, 두 영역을 잇는 설계는 누구의 책임도 아닌 공백으로 남는다.

5. 결합 설계: 공장 자동화와 스마트공장이 만나는 접점

공장 자동화와 스마트공장을 하나로 설계하려면, 설비 발주 단계부터 데이터 요구사항을 정의해야 한다. 설비가 설치된 뒤에 데이터를 뽑아내려 하면 추가 비용과 기술적 제약이 급격히 커진다.

설비 사양서에 반드시 포함해야 할 데이터 요건은 다음과 같다.

• 통신 인터페이스: OPC UA, MQTT 등 표준 프로토콜 지원 여부와 개방 범위
• 수집 태그 정의: 가동·정지 상태, 알람 코드, 생산 수량, 사이클 타임, 주요 공정 변수
• 데이터 식별 체계: 설비 ID, 제품 코드, LOT 번호를 연결할 수 있는 키 값
• 제어 수신 기능: 상위 시스템에서 레시피·공정 조건을 내려받을 수 있는 구조
• 이력 보관: 통신 단절 시 로컬 버퍼링과 재전송 기능

이 중 가장 자주 누락되는 항목이 제어 수신 기능이다. 데이터를 올려보내는 기능만 갖춘 설비는 중간1까지는 도달하지만, 분석 결과를 현장에 반영하는 중간2로 넘어가지 못한다.

네트워크와 보안도 결합 설계의 일부다. 설비망(OT)과 사무망(IT)을 무분별하게 연결하면 외부 위협이 제어 계층까지 도달할 수 있다. 따라서 망 분리와 DMZ 구성, 엣지 게이트웨이를 통한 단방향·필터링 전송을 기본 구조로 설계하고, 원격 유지보수 접속 경로도 별도로 통제해야 한다.

또한 데이터 모델은 설비 단위가 아니라 공정 흐름 단위로 설계해야 한다. 개별 설비의 데이터가 아무리 정교해도 제품과 LOT를 기준으로 공정 간 데이터가 이어지지 않으면 품질 추적과 원인 분석이 불가능하다.

6. AX로의 확장: 스마트공장의 다음 단계

세계 선도 제조기업들은 이미 데이터 연결을 넘어 AI 기반 운영으로 이동하고 있다. 세계경제포럼(WEF)이 선정하는 글로벌 라이트하우스 네트워크는 2026년 6월 기준 238개 사이트로 확대됐으며, 2025년 상위 솔루션 가운데 생성형 AI 활용 사례의 비중이 23%에 이르렀다²⁾.

이는 AI가 실험 단계를 지나 운영 체계에 내재화되고 있음을 보여준다. 스마트공장 관점에서 AX의 적용 영역은 다음과 같이 정리할 수 있다.

• 품질 예측: 공정 변수 데이터로 불량 발생 가능성을 사전에 예측하고 조건을 보정한다.
• 설비 예지보전: 진동·전류·온도 패턴 변화로 고장 징후를 조기에 감지한다.
• 생산 계획 최적화: 수주, 설비 가용성, 자재 재고를 동시에 고려한 일정 계획을 생성한다.
• 현장 지식 검색: 작업 표준, 설비 매뉴얼, 과거 조치 이력을 생성형 AI로 검색·요약한다.

그러나 AX는 중간1 수준 이상의 데이터 기반 위에서만 작동한다. 실시간으로 수집되지 않는 데이터, 제품·LOT와 연결되지 않는 데이터로는 AI 모델을 학습시키거나 검증할 수 없다. 국내 스마트공장 대다수가 기초 단계라는 사실은 곧 AX 이전에 풀어야 할 데이터 과제가 크다는 의미다.

IFR 역시 AI와 머신비전, 쉬운 프로그래밍과 시스템 통합이 자동화 도입 비용을 낮추고 새로운 적용 분야를 열고 있다고 분석했다³⁾. 공장 자동화와 스마트공장, AI가 하나의 투자 흐름으로 수렴하고 있는 것이다.

7. 우리 공장은 무엇부터 해야 하는가: 상황별 우선순위

공장 자동화와 스마트공장 중 무엇을 먼저 할지는 정답이 정해져 있지 않다. 공장이 현재 겪는 핵심 문제가 투자 순서를 결정한다.

투자 판단 시에는 공정별 문제의 크기를 비교할 수 있도록 정량화된 현황 데이터를 먼저 확보하는 것이 좋다. 설비 가동률, 공정별 불량률, 품종 교체 횟수, 작업자 투입 시간을 최소 수주에서 수개월 단위로 측정하면, 감각이 아닌 근거로 우선순위를 정할 수 있다.

어느 경로로 시작하든 원칙은 같다. 자동화 투자에는 데이터 연동 요건을, 시스템 투자에는 현장 자동 수집 경로를 반드시 함께 설계해야 한다. 한쪽만 투자하면 다른 한쪽이 병목이 되어 효과가 반감된다.

8. 단계별 고도화 로드맵과 공급기업 협업

스마트공장 고도화는 수준 단계를 하나씩 올리는 방식으로 접근하는 것이 현실적이다. 기초에서 곧바로 AI 자율 운영을 목표로 하면 데이터 기반이 부족해 투자 효과를 검증하기 어렵다.

1. 진단: 현재 자동화 수준과 시스템 수준을 각각 평가하고, 두 영역의 연결 공백을 식별한다.
2. 기초 → 중간1: 핵심 공정의 설비 데이터를 자동 수집하고, 수기 입력을 제거한다.
3. 중간1 → 중간2: 분석 결과를 공정 조건 제어로 되돌리는 폐루프(Closed Loop)를 구축한다.
4. 중간2 → 고도: AI 모델을 적용하고, 공장 전체와 공급망으로 최적화 범위를 확장한다.

각 단계의 성과는 수준 단계가 아니라 운영 지표로 검증해야 한다. 단계별로 관리할 핵심 지표는 다음과 같다.

• 중간1 도달 여부: 수기 입력 비율 감소, 데이터 수집 누락률, 실적 반영 지연 시간
• 중간2 도달 여부: 공정 조건 자동 보정 건수, 품질 이상 대응 시간, OEE 변화
• 고도 단계 검증: 예측 모델 정확도의 현장 유지 여부, 계획 대비 실적 편차, 리드타임 단축

지표 없이 진행하면 시스템은 구축됐지만 성과를 설명할 수 없는 상태가 된다. 구축 전 기준값(Baseline)을 측정해 두는 것만으로도 다음 단계 투자의 근거가 훨씬 명확해진다.

이 과정에서 공급기업 선정은 성패를 좌우한다. 특히 자동화 SI와 시스템 공급기업이 분리된 경우, 인터페이스 책임을 계약 단계에서 명확히 정의해야 한다. 예를 들어 A사가 로봇 셀을, B사가 MES를 공급한다면, 태그 정의와 통신 테스트, 제어 신호 연동을 어느 쪽이 책임질지 사전에 문서화해야 한다.

정부 지원사업을 활용할 때도 같은 원칙이 적용된다. 스마트공장 지원사업은 구축 완료 후 수준 확인을 거치므로, 목표 수준에 필요한 자동화와 시스템 연동 범위를 처음부터 함께 설계해야 한다. 지원 조건과 한도는 매년 공고마다 달라지므로 해당 연도 공고를 기준으로 확인해야 한다.

결론: 공장 자동화는 기반이고, 스마트공장은 운영 체계다

공장 자동화와 스마트공장은 선택의 문제가 아니다. 공장 자동화는 데이터가 발생하는 물리적 기반이고, 스마트공장은 그 데이터를 판단과 제어로 전환하는 운영 체계다. 국내 스마트공장의 다수가 기초 단계에 머무는 이유는 이 두 영역이 분리되어 투자되었기 때문이다.

본문의 핵심을 정리하면 다음과 같다.

• 개념: 공장 자동화는 작업 대체, 스마트공장은 연결과 판단. 둘은 계층 관계다.
• 진단: 자동화 섬과 수기 입력 MES는 같은 문제의 양면이다.
• 설계: 설비 발주 단계부터 통신·태그·식별 체계·제어 수신 요건을 정의한다.
• 확장: AX는 중간1 이상의 데이터 기반 위에서만 작동한다.

제조기업은 현장의 핵심 문제에서 투자 순서를 정하되, 자동화와 시스템을 하나의 설계도로 묶어야 한다. SI 기업과 솔루션 공급기업은 단일 영역 납품을 넘어, 설비와 시스템을 잇는 인터페이스 설계 역량을 핵심 경쟁력으로 삼아야 한다. 스마트공장의 질적 고도화는 결국 Hard-side와 Soft-side의 경계를 누가 책임지고 연결하느냐에서 결정된다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.