Dark Factory 란 무엇인가: 자동화를 넘어 자율 제조로

TECH CONTRIBUTION SERIES ② — SMART FACTORY → DARK FACTORY

사람이 없는 공장이 아니라, 사람이 반복적으로 개입하지 않아도 최적 상태를 유지하는 공장

3초 요약

1. 무인화보다 자율화가 핵심 / Dark Factory 는 감지·예측·판단·실행·학습이 연결된 운영 체계다.
2. 자동화와 자율화는 다르다 / 고정된 규칙을 반복하는 자동화에서 상황에 따라 목표와 행동을 조정하는 자율화로 확장된다.
3. 사람의 역할은 사라지지 않는다 / 운영자는 반복 판단에서 벗어나 목표·안전·예외·개선 관리에 집중한다.

Dark Factory 라는 이름이 오해를 만드는 이유

Dark Factory 또는 Lights-out Factory 라는 표현은 조명과 작업자의 상시 배치가 필요하지 않을 정도로 자동화된 생산시설에서 출발했다. 이 표현만 보면 사람과 조명을 제거하는 것이 목표처럼 보이지만, 제조 경쟁력의 본질은 어두운 작업장이 아니라 생산 시스템이 스스로 상태를 파악하고 변동에 대응할 수 있는가에 있다.

제품 종류가 적고 공정 변동이 제한적인 라인은 높은 수준의 무인 운전이 가능하다. 반면 다품종·소량생산, 원재료 편차, 빈번한 설비 교체와 품질 기준 변경이 존재하는 공장에서는 모든 상황을 사전에 고정 규칙으로 정의하기 어렵다. 따라서 현실적인 Dark Factory 는 사람을 완전히 배제하기보다, 정상 상황은 자율적으로 운영하고 예외 상황만 사람에게 전달하는 구조에 가깝다.

자동화와 자율화는 무엇이 다른가

자동화는 정해진 일을 빠르고 정확하게 반복하는 데 강하다. 자율화는 공정 상태가 달라졌을 때 무엇을 해야 하는지 판단하는 영역까지 포함한다. 따라서 로봇이나 PLC 가 많다고 해서 곧바로 Dark Factory 가 되는 것은 아니다. 데이터가 설비 동작과 연결되어 있어도 판단 기준이 고정되어 있고 예외 상황마다 사람이 개입한다면 자동화 수준은 높지만 자율성은 제한적이다.

로봇이 늘어도 자율 운영이 자동으로 완성되지는 않는다

International Federation of Robotics 에 따르면 2024 년 전 세계 산업용 로봇 신규 설치 대수는 54 만 2 천 대로, 10 년 전 22 만 1 천 대의 두 배를 넘었다. 또한 전 세계에서 가동 중인 산업용 로봇은 466 만 4 천 대에 이르렀다.¹ 로봇의 확산은 공장의 물리적 자동화 기반이 빠르게 확대되고 있음을 보여준다.

그림 1. 10 년 사이 두 배 이상 증가한 전 세계 산업용 로봇 설치 대수 출처: IFR, World Robotics 2025

그러나 로봇은 명령을 실행하는 장치다. 어떤 제품을 검사할지, 공정 조건을 언제 바꿀지, 설비 이상이 품질에 미치는 영향이 무엇인지 판단하려면 영상·센서·공정 데이터의 통합과 분석이 필요하다. 물리적 자동화가 Dark Factory 의 팔과 다리라면, 데이터와 AI 는 감각과 두뇌에 해당한다.

Dark Factory 는 여섯 단계가 닫힌 고리로 연결된 시스템이다

그림 2. 감지에서 학습까지 이어지는 Closed-loop 자율 운영 구조 출처: 아이티브 AI 재구성

1. 감지 / 카메라·열화상·센서·PLC·MES 에서 제품과 공정 상태를 실시간으로 취득한다.
2. 해석 / 원시 데이터를 결함 위치, 높이, 온도, 속도, 압력, 이상 점수와 같은 정량값으로 바꾼다.
3. 예측 / 현재 조건이 유지될 때 발생할 품질, 설비 상태, 에너지 사용량을 미리 계산한다.
4. 판단 / 목표 품질과 안전 범위 안에서 변경 가능한 공정 변수와 우선 조치를 결정한다.
5. 실행 / 작업자 가이드, 승인 요청, PLC·로봇·MES 명령으로 현장 행동을 연결한다.
6. 학습 / 실행 이후 결과를 저장해 모델과 작업표준, 제어 정책을 지속적으로 개선한다.

이 가운데 한 단계라도 단절되면 자율 운영은 제한된다. 정확한 센서가 있어도 예측 모델이 없으면 사후 대응에 머물고, 예측 결과가 있어도 설비와 연결되지 않으면 작업자가 매번 판단과 조작을 반복해야 한다. Dark Factory 는 특정 장비 한 대가 아니라 데이터 흐름 전체의 설계 문제다.

실제 Lights-off 사례가 보여주는 것은 통합 운영이다

World Economic Forum 이 소개한 Valeo Shenzhen 공장은 AI 기반 솔루션과 14 개 고급 알고리즘, 완전 자동화된 lights-off workshop 을 포함해 42 개 4IR 활용사례를 적용했다. 그 결과 생산성은 60.2% 향상됐고, 완제품 불량률은 45.9%, 리드타임은 34.5%, 단위 에너지 사용량은 27.1% 감소했다.²

그림 3. AI·고급 알고리즘·Lights-off workshop 을 결합한 생산시설의 성과 출처: World Economic Forum, 2025

이 사례에서 주목할 부분은 단순히 작업자를 줄였다는 사실이 아니다. 품질, 생산, 에너지, 납기를 동시에 개선하기 위해 여러 기술과 운영 프로세스를 함께 재설계했다는 점이다. Dark Factory 의 성과는 무인 운전 시간보다 불량률·리드타임·OEE·에너지·개입 횟수와 같은 운영 KPI 로 평가해야 한다.

자율화 수준은 제어 권한으로 구분할 수 있다

대부분의 제조현장은 L0 에서 L4 로 한 번에 이동하지 않는다. 예측 정확도와 데이터 품질을 검증하고, 작업자 승인 단계에서 추천값의 안정성을 확인한 뒤, 제어 범위와 인터록을 제한적으로 확대해야 한다. 특히 제품 안전과 설비 손상이 연관된 공정은 모델 정확도뿐 아니라 실패 시 안전 상태로 복귀하는 설계가 필요하다.

Dark Factory 에서 사람은 어디에 있는가

그림 4. 자율화 수준에 따른 AI 와 사람의 역할 변화 출처: 아이티브 AI 기술 관점 재구성

사람의 역할은 사라지는 것이 아니라 위치가 바뀐다. 작업자는 반복적으로 화면을 확인하고 값을 입력하는 역할에서 벗어나, 생산 목표와 허용 범위, 안전 정책을 정의하고 AI 가 처리하기 어려운 예외를 해결한다. 설비 엔지니어는 고장 이후 수리보다 이상 징후와 모델 편차를 관리하고, 품질 담당자는 샘플 검사보다 데이터 기반 품질 기준과 추적성을 관리한다.

NIST 는 스마트 제조를 서로 다른 수준의 자율성을 갖는 적응형 시스템으로 설명하며, AI·ML 이 제조 가치사슬의 효율성·적응성·자율성을 높일 수 있다고 본다. 동시에 산업 데이터의 복잡성, 이기종 센서·제어 시스템과의 통합, 신뢰성·설명 가능성·안전성 확보가 핵심 과제로 남아 있다고 지적한다.³

Dark Factory 를 판단하는 세 가지 기준

1. 정상 상황의 무인 운전 시간보다 예외 처리율 / 얼마나 오래 사람이 없었는지가 아니라, 얼마나 많은 상황을 시스템이 안정적으로 처리했는지를 본다.
2. AI 정확도보다 운영 지연시간 / 예측 결과가 공정 변경 가능 시점보다 늦게 도착하면 정확해도 가치가 없다.
3. 자동 제어 범위보다 안전한 통제 구조 / 누가 어떤 조건에서 명령을 승인·차단·복구할 수 있는지 명확해야 한다.

어떤 공정부터 자율화를 시작해야 하는가

Dark Factory 전환은 가장 복잡한 공정이 아니라, 데이터와 제어 조건을 명확하게 정의할 수 있는 공정에서 시작하는 것이 유리하다. 초기 대상은 성과를 빠르게 측정할 수 있고, 실패 시 안전한 상태로 복귀할 수 있으며, 작업자의 반복 판단 비중이 높은 공정이어야 한다.

이 기준을 만족하는 한 개 공정에서 관찰-권고-승인 실행-제한 자율의 단계를 검증한 뒤, 인접 공정과 설비로 확장하는 방식이 현실적이다. 처음부터 전 공장을 대상으로 하면 데이터 정의와 인터페이스, 안전 검증이 동시에 복잡해져 오히려 전환 속도가 느려질 수 있다.

핵심 결론

Dark Factory 는 불을 끈 공장이 아니라, 공장이 스스로 보고·예측하고·판단하며 안전하게 행동하는 시스템이다. 사람은 반복 판단에서 벗어나 목표와 정책, 예외와 개선을 관리한다.

글을 마치며

김민엽

|

아이티브 AI Smart X 사업부장

E-mail

minyeop@itivai.com

"Dark Factory 를 무인화의 다른 이름으로만 정의하면 기술 도입의 우선순위를 잘못 잡기 쉽습니다. 먼저 정상과 이상을 구분할 수 있는 데이터, 미래 결과를 계산하는 AI, 안전하게 실행을 제한하는 제어 체계를 연결해야 합니다. 사람이 없는 공장보다 중요한 것은 사람의 반복적인 개입 없이도 품질과 생산성을 안정적으로 유지하는 공장입니다."

참고자료 및 출처

※ 본문에 사용한 외부 수치와 사례는 기관 및 기업의 공식 공개자료를 기준으로 정리했다. 그래프는 원문의 수치를 아이티브 AI가 시각적으로 재구성했으며, 각 그림 아래에 자료명과 원문 링크를 표시했다.

참고문헌

• NIST, “Smart Manufacturing Systems Design and Analysis Program”. 참고 내용: 스마트 제조를 서로 다른 자율 수준을 갖는 적응형 시스템으로 보는 관점. 링크

※ L0~L4 자율화 수준과 역할 구분은 기술 설명을 위해 아이티브 AI 가 재구성한 모델이며 공인 인증 기준이 아닙니다.