제조업의 디지털 전환 속도가 빨라지면서 ‘AI 자율제조’가 새로운 경쟁 지표로 떠오르고 있다. 특히 부품 데이터의 비효율과 중복 설계, 악성 재고, 공정 불량이 기업 성능을 떨어뜨리는 핵심 요인으로 지목되면서, 이를 해결하기 위한 AI 기반 부품 관리 솔루션이 주목받고 있다. 알텐코리아의 ‘ONEPART’는 3D 형상 AI 분석과 전사 부품 통합 데이터베이스를 기반으로 유사·대체 부품을 자동 탐색하고, 공용화 전략과 상위 원가 분석까지 수행하는 자율제조 지원 플랫폼이다. 항공·전자·반도체·자동차 등 주요 기업에서 중복 설계 감소, 협상력 강화, 원가 절감 등 확실한 성과를 기록하며 ‘부품 데이터 혁신’의 기준으로 부상하고 있다. AI가 부품을 읽고, 판단하고, 추천하는 시대. 제조 경쟁력은 이제 부품 데이터 관리에서 시작되고 있다.

 

 

복잡해진 제조 생태계, ‘부품 데이터’가 전략 자산

 

제조업은 이제 단순한 제품 조립 산업이 아니다. 글로벌 공급망 재편, 부품 다변화, 규제 강화, 지속가능성 요구가 겹치면서 기업은 어느 때보다 빠르고 정확한 의사결정을 요구받고 있다. 그러나 현장의 현실은 정반대다. 부품 관련 정보가 ERP, PLM, MES, 품질·구매 시스템, 설계 CAD 파일 등에 산재해 있고, 이 정보를 수작업으로 통합하는 과정에서 오류와 누락이 빈번하게 발생한다. 설계가 변경되었는데 구매팀이 제때 반영하지 못해 잘못된 발주가 이루어지고, 생산팀은 최신 정보가 반영되지 않은 채 조립을 진행해 불량이 발생한다. 재작업, 리드타임 증가, 프로젝트 지연은 고질적 현상이다.

 

양한원 알텐코리아 부장은 “부품 데이터는 제조 전 과정의 핵심이지만, 그 관리 방식은 여전히 10년 전의 수준에 머물러 있다”고 말한다. 특히 기업들은 방대한 부품 자산을 보유하고 있음에도 이를 제대로 활용하지 못한다. 기존 부품을 재활용하지 못해 동일한 설계를 반복하거나, 공용화를 통해 줄일 수 있는 부품 종류가 계속 축적되면서 악성 재고와 가격 협상력 약화로 이어진다. 전문가의 경험과 기억에 의존해 유사 부품을 탐색하던 방식은 명확한 한계가 있다.

 

이 같은 상황에서 AI가 등장하며 흐름이 달라지기 시작했다. 제조 부문에서 AI는 단순한 자동화 기술이 아니라, 부품 데이터 전체를 ‘읽고’, ‘분석하고’, ‘의사결정에 반영하는’ 실질적 동력으로 부상했다. 특히 다쏘시스템 기술 기반의 알텐코리아 ‘ONEPART’는 3D 설계 형상과 속성, 품질 정보, 제조·구매 이력까지 입체적으로 이해해 기업의 부품 체계를 디지털 트윈 수준으로 재구성한다. AI가 부품의 형상 특징을 세밀하게 인식하고, 설계·구매·제조 부서가 공통으로 사용할 수 있는 단일 진실(SSOT)을 구축함으로써 자율제조를 위한 인프라가 비로소 완성된다.

 

오늘날 제조 산업이 직면한 여러 과제—원가 상승, 공급망 불확실성, 인력 부족, 규제 대응—을 해결하려면 이제 ‘설계자 몇 명의 경험’이 아니라 ‘전사적 데이터 기반 의사결정’이 필요하다. 즉, 부품 데이터 관리가 제조 경쟁력을 좌우하는 시대가 본격적으로 열리고 있는 것이다.

 

‘ONEPART’는 어떻게 작동하는가

 

알텐코리아 ONEPART는 겉으로 보기엔 부품 검색과 분석 시스템처럼 보이지만, 내부 작동 방식은 전혀 다르다. AI가 3D 형상과 설계 속성을 읽고 해석해 ‘부품의 정체’를 규정하는 기능이 핵심이다. 브래킷 같은 단순 부품이 시스템에 들어오면 AI는 형상 정보를 자동 분석해 전체 크기, 홀, 챔퍼, 슬롯, 리브 패턴 같은 특징을 추출한다. 이 과정은 수작업 입력 없이 자동으로 이루어지며, 기존 CAD 파일에서 누락되거나 불완전하게 입력된 속성까지 AI가 보강한다.

 

ONEPART는 단순히 데이터를 축적하는 것이 아니라 부품 하나를 둘러싼 모든 정보—설계 속성, 제조 이력, 품질 데이터, 구매 가격, 공급사 정보, 규제 정보—를 하나의 문맥으로 엮는다. 이를 통해 설계자는 새로운 부품을 생성할 때 ‘필요한 기능을 가진 기존 부품이 이미 존재하는지’를 즉시 파악할 수 있고, 구매팀은 대체 가능한 옵션을 자동으로 확인할 수 있다. 품질팀은 해당 부품이 과거 어느 프로젝트에서 어떤 이슈를 발생시켰는지도 한 번에 확인 가능하다.

 

양 부장은 이를 두고 “부품을 둘러싼 모든 조각난 정보를 AI가 하나로 연결해 ‘지능형 부품 시스템’을 만든 것”이라고 설명한다. 특히 ONEPART는 ‘기술 등급 9단계’ 솔루션으로, 복잡한 파인튜닝 없이도 곧바로 현장에 적용할 수 있다는 점에서 차별화된다. 시스템은 ERP, MES, SQ, PLM 등 다양한 내부 시스템과 연동되며, 플러그인 방식의 데이터 수집기가 필요한 정보를 자동으로 흡수한다. 기존에는 수십 명이 회의실에서 엑셀을 붙여넣으며 조율하던 작업이 실시간 시스템으로 대체되는 셈이다.

 

AI 기반 검색 기능도 고도화되어 있다. 원하는 규격, 공정, 원가, 치수를 입력하면 수천~수십만 개의 부품 중에서 가장 적합한 후보를 즉시 보여준다. 기업의 내부 규칙과 공용화 기준도 학습해 ‘이 부품은 공용 부품으로 사용해야 한다’는 정책적 판단까지 자동화한다. 이 모든 구조는 설계·구매·품질·제조의 데이터 사일로를 해체해 하나의 ‘의사결정 통합 플랫폼’을 구축하는 데 목적이 있다.

 

 

AI가 찾는 유사·대체 부품: 부품 공용화·재고 혁신의 현실적 방법

 

부품 데이터 혁신의 핵심은 ‘얼마나 정확하게 유사·대체 부품을 찾아낼 수 있는가’다. AI 이전에는 경험 많은 엔지니어들이 캐드 파일을 일일이 열어 형상을 비교하고, 기능적 적합성을 판단하며 대체품을 찾았다. 그러나 이 방식은 속도가 느리고, 사람마다 기준이 달라 일관성을 확보하기 어렵다. 무엇보다 수많은 부품을 보유한 대기업의 경우, 전체 데이터를 사람이 파악하는 것은 사실상 불가능하다.

 

ONEPART는 이 한계를 정면으로 돌파한 솔루션이다. 시스템은 전동 드라이브 모델을 불러오면 자동으로 모터볼 지지 구조, 하우징, 브래킷 등 구성 요소를 인식한다. 이후 각 부품의 형상 속성을 기준으로 100% 동일한 부품부터 70~80% 유사한 형태의 대체품까지 계층 형태로 추천한다. 단순 형상이 아니라 기능적 유사성, 제조 공정 적합성, 비용, 품질 이력까지 계산해 실제로 대체 가능한 부품만 필터링한다.

 

양 부장은 “과거에는 엔지니어의 기억에 의존했다면, 이제는 AI가 기업 전체의 부품 DB를 기반으로 자동 판단하는 시대”라고 말한다. 이는 단순 검색 효율을 넘어 재고·원가·공정 전반에 막대한 영향을 미친다. 예를 들어 공용 부품과 불용 부품을 자동 분류함으로써, 재사용 가능한 부품은 적극적으로 다시 활용하고 가치가 떨어진 품목은 정리할 수 있다. 공용화가 진행되면 재고 종류가 줄어들고, 구매 단가 협상력이 올라가며, 품질 편차도 줄어든다.

 

또한 AI는 RE100, 탄소 규제, 소재 규제 등 신규 환경 기준을 부품 단위로 확인할 수 있게 해 ESG 대응 능력도 강화한다. 부품 하나에서 시작된 변화가 조립·공정·구매 전략·환경 규제로 확장되며 제조경영 전체를 바꾸는 것이다. ONEPART는 단순한 부품 검색 엔진이 아니라 ‘부품 단위 ESG + 원가 데이터 플랫폼’이라는 평가를 받는 이유가 여기에 있다.

 

전사 부품 라이브러리와 상위 원가 분석: 데이터가 경쟁력으로 전환되는 순간

 

ONEPART가 제조 기업에서 주목받는 진짜 이유는 ‘데이터를 돈으로 바꾸는 능력’에 있다. 알텐코리아는 이를 △전사 부품 라이브러리 △표준 공용품 관리 △최적 부품 검색 △상위 원가 분석이라는 네 축으로 설명한다.

 

전사 부품 라이브러리는 사내 모든 부품을 CAD 형상·속성·품질·제조·구매 이력을 통합한 형태로 저장하는 구조다. 기존에는 ERP에 있는 정보, PLM의 BOM 정보, 품질 시스템의 불량 이력, 구매 시스템의 단가와 발주 이력이 분리되어 있어 하나의 부품을 파악하려면 여러 시스템을 열어봐야 했다. ONEPART는 플러그인 수집기가 이 데이터를 자동으로 끌어와 ‘해당 부품의 모든 문맥’을 하나의 화면에 제공한다.

 

상위 원가 분석 기능은 그중에서도 가장 큰 비즈니스 임팩트를 만든다. 수만~수십만 건의 부품 집합을 대상으로 AI가 기업의 공용화 기준, 원가 전략, 재질 규칙을 학습해 ‘어떤 부품을 바꾸면 얼마나 절감되는가’를 5분 이내에 도출한다. 이는 사람이 일일이 비교하면 수개월이 걸릴 작업이다. 기업은 이를 근거로 글로벌 공급망에서 협상력을 확보할 수 있고, 실제로 S사의 경우 가격 협상력이 “170% 이상” 개선된 것으로 나타났다.

 

양 부장은 “부품 데이터 안에는 회사의 노하우와 규칙, 공급망 전략이 모두 녹아 있어 이를 ‘자산화’하는 것이 결국 제조 경쟁력”이라고 강조한다. 기업이 보유한 부품과 제조 데이터를 단순한 기록이 아니라 동적 자산으로 활용하는 변화는, AI 자율 제조 시대의 핵심 동력으로 평가된다.

 

 

항공, 전자, 반도체로 확산되는 고객 사례

 

ONEPART가 이론이 아닌 실전에서 평가받는 이유는 수치로 증명된 고객 효과 때문이다. 국내 항공사 사례가 대표적이다. 시제기 제작 과정을 보면 공법 적용과 공수·단가 산정이 가장 난이도 높은 단계다. 기존 방식에서는 유사 사례를 찾기 위해 엔지니어들이 과거 프로젝트 문서를 일일이 검색해야 했고, 이 작업은 며칠씩 소요되었다. ONEPART 도입 이후 AI가 유사 형상을 자동 분석해 과거 공법·공수·단가 정보를 연결해 주면서 약 60% 수준의 생산성 개선 효과가 확인됐다.

 

국내 대기업 S사의 사례는 더 극적이다. 전 세계에서 활동하는 담당자 200명이 각 지역에서 엑셀 시트를 만들고, 이를 본사에서 취합해 부품 정보를 비교하던 비효율적 프로세스가 있었다. 이 작업은 3개월 주기로 반복됐다. ONEPART 도입 후 이 구조가 ‘일일 분석 시스템’으로 전환되었다. 3개월 걸리던 데이터 수집·분석이 24시간 단위로 자동 반영되면서 개발 일정 단축, 재고 최적화, 품질 관리 비용 절감이 동시에 일어났고 전체 개선 효과는 약 30%로 나타났다.

 

설계 재활용률은 40% 상승했고, 이는 곧바로 신제품 개발 속도 향상으로 연결됐다. 또한 글로벌 공급망에서의 가격 협상력은 “규모의 경제 논리를 데이터로 입증”한 덕분에 170% 이상 개선됐다. 실제로 부품 공용화율 상승은 단가 절감으로 직결되며, 이는 대규모 제조 기업에서 연간 수백억 원 규모의 비용 절감 효과를 가져올 수 있다.

 

해외에서도 테슬라, 보잉, 록히드마틴, 글로벌 자동차·항공 방산 업체 등 다양한 기업이 이미 ONEPART를 활용하고 있으며, 국내에서도 가전·자동차·1·2차 밴더·반도체 설비·공작기계·웨이퍼 장비 업체 등 확산 속도가 가파르다. 양 부장은 “많은 도입 기업 담당자가 연말 평가에서 성과를 인정받고 승진했다는 이야기를 듣는다”며 “데이터 기반 업무가 엔지니어의 역량을 평가받는 방식까지 바꿔놓고 있다”고 말했다.

 

DX를 넘어, AI 자율제조의 실질적 인프라로

 

양한원 부장은 ONEPART를 단순한 부품 검색 툴이 아니라 “진정한 디지털 트랜스포메이션(DX)을 가능하게 하는 인프라”로 규정한다. ERP, MES, PLM 등 개별 시스템에 흩어져 있던 부품 관련 정보를 하나의 채널에서 문맥으로 이해하고, 설계 현장의 부품 선택 단계에서부터 구매·품질·제조·규제 정보를 동시에 반영해 바로 의사결정을 내릴 수 있기 때문이다.

 

이 과정에서 반복적인 수작업과 불필요한 회의는 줄고, 부서 간 협업은 강화된다. 더 나아가 AI 기반 상위 원가 분석과 공용품 관리 체계는, 향후 제조 원가뿐 아니라 물류, 탄소 배출, 지속가능성 지표까지 확장될 여지를 남긴다. RE100, 규제 준수, ESG 경영이 제조 업계의 공통 과제가 된 지금, 부품 데이터는 단순 관리 대상이 아니라 기업 경쟁력을 좌우하는 전략 자산으로 부상했다.

 

알텐코리아의 ONEPART가 AI 자율제조 혁신 포럼에서 주목받는 이유도 여기에 있다. 양 부장은 “AI를 활용한 효율적인 부품 관리는 이제 선택이 아니라 생존 전략”이라며 “각 기업의 업무 프로세스에 맞춘 맞춤형 시나리오로, 실제 숫자로 증명되는 ROI를 계속 만들어가겠다”라고 향후 계획을 밝혔다.

 

오토메이션월드 임근난 기자 |

---

* 이 글은 ‘2025 AI 자율제조혁신 포럼’에서 알텐코리아 양한원 부장이 발표한 내용을 재구성하여 정리한 것입니다.