earticle

영어

[Purpose] In the current era of the Fourth Industrial Revolution, many industries are recognizing the importance of digital technologies and actively adopting AI technology, which is at the core of these changes. This transformation is no exception in the manufacturing sector. This study aims to examine the factors that hinder the adoption and effective utilization of AI technology in the manufacturing industry, and to understand the more fundamental causes behind these factors. This understanding is achieved at a deep level by analyzing how individual factors interact with each other and have causal relationships. [Method] To expand the accumulated scientific knowledge base regarding the promotion (or hindrance) of information systems adoption and use to encompass AI systems, a complementary approach of literature review and case study was conducted. Specifically, through the literature review, the existing knowledge base was creatively explored, and through case studies of real manufacturing sites, the aim was to complement and expand the existing knowledge. The case study focused on engineers and managers with field experience and domain knowledge who had been involved in multiple AI development and implementation projects over several years at domestic tire factories. Interviews and surveys were conducted to comprehensively understand the factors hindering AI adoption and utilization and the causal relationships between them. [Results] It was identified that two key factors—various characteristics of the manufacturing site and a lack of relevant experience and knowledge—are major obstacles to AI adoption and utilization in the manufacturing industry. In particular, detailed hindering factors related to the diverse characteristics of the site (such as AI reliability degradation, difficulty in AI diffusion, equipment properties, site worker characteristics, product/process characteristics, internal environmental conditions, and data issues) were found to have a significant impact. These factors have not been sufficiently addressed in the existing literature. [Contributions] By conducting an in-depth analysis of the causal relationships between the factors hindering AI adoption and utilization and the underlying causes in manufacturing sites, this study contributes to expanding the scope of knowledge accumulated in the existing literature. In particular, by discussing the impact of factors related to the diverse characteristics of the site in the context of environmental infrastructure, the study has advanced the understanding of the interaction between manufacturing environments and AI adoption. By comprehensively utilizing the existing knowledge in related literature and the results of this study, it will be possible to reduce many trial-and-error processes and costs encountered during AI adoption and utilization in manufacturing sites.

한국어

[연구목적] 현재 4차 산업혁명 시대에 많은 산업 분야에서 디지털기술의 중요성을 인지하고 그 중심에 있는 AI 기술을 적극적으로 도입하고 있으며 이러한 변화는 제조업에서도 예외일 수 없다. 본 연구는 제조업에서 AI 기술의 도입과 효과적인 활용을 저해하는 요인들을 살펴보고, 그 이면의 보다 근본적인 원인들을 이해하는 것을 목표로 한다. 이러한 이해는, 개별 요인들이 서로 어떻게 상호 작용하며 인과관계를 가지는지를 분석함으 로써 깊은 수준으로 이루어진다. [연구방법] 정보시스템의 도입 및 활용 촉진(저해)에 관해 축적된 과학적 지식 기반을 AI 시스템을 포괄하는 범위로 확장시키기 위해 문헌 연구과 사례 연구를 상호보완적으로 수행하였다. 구체적으로, 문헌 연구를 통해 지금까지 축적된 관련 지식 기반을 창의적으로 고찰하고, 실제 제조 현장에 대한 사례 연구를 통해 기존 지식 기반을 보완하고 확장하고자 하였다. 사례 연구는 국내 타이어 공장에서 AI 개발 및 구축 프로젝트를 다년간 다수 수행한 현장 경험과 도메인 지식이 있는 엔지니어들과 관리자들을 대상으로, 인터뷰 및 설문을 통해 AI 도입 및 활용 저해 요인들과 이들 간의 인과관계를 종합적으로 이해하고자 하였다. [연구결과] 제조 분야에서 현장의 다양한 특성들, 그리고 관련 경험 및 지식 부족이라는 두 가지 요인들이 제조 분야의 AI 도입 및 활용에 주요 걸림돌이 되는 것으로 파악되었다. 특히 현장의 다양한 특성들과 연결 된 세부 저해 요인들(AI 신뢰도 저하, AI 확산 난해, 설비 속성/특성, 현장 작업자 특성, 제품/공정 특성, 내부 환경 조건, 데이터 이슈)들의 영향이 큰 것으로 나타났다. 이들은 기존 문헌에서는 충분히 다루어지지 않은 요 인들이다. [연구의 시사점] 제조 현장에서 AI 도입 및 활용을 저해하는 요인들 및 그 이면의 근본 원인들 간의 인과적 관계를 심층적으로 분석함으로써 기존 문헌에 축적된 지식 범위를 확장하는데 기여하였다. 특히 환경 인프라 측면에서 현장의 다양한 특성과 관련된 요인들이 AI 도입 및 활용에 미치는 영향을 구체적으로 논의함으로써 제조 환경과 AI 도입 간의 상호작용에 대한 이해를 발전시켰다. 관련 문헌의 기존 지식과 본 연구의 결과를 종합적으로 활용한다면, 제조 현장에서 AI 도입 및 활용 과정에서 겪는 많은 시행착오와 비용을 줄일 수 있을 것이다.