Tyson Foods가 육류 가공 및 생산망에 혁신을 가져온 방법

*본 아티클의 원문은 2024년 1월 10일 Google Cloud 블로그(영문)에 게재되었습니다.

몇 해 전에 열린 Google Cloud의 NEXT에서 우리 팀이 패널 대기 줄에 있을 때 다른 참석자가 우리 쪽을 돌아보고 어느 회사 소속인지 물었습니다. Tyson Foods에서 왔다고 답하자, 그는 "닭고기 회사에서 여기엔 어쩐 일이시죠?"라고 되물었죠.

맞습니다. Tyson Foods는 식품 제조업체이자 세계 최대 육류 생산 기업 중 하나입니다. 또한 Tyson Foods는 클라우드 컴퓨팅 기술이 소비재 산업을 촉진하는 데 기여할 것이라고 믿으며, 이와 관련하여 야심 찬 목표를 갖고 있습니다.

Tyson이 특정 비즈니스 목적에 적합한 사용 사례 기반 기술을 찾는 데 전념하게 되면서, Tyson의 신기술팀은 회사에서 핵심적 기능을 수행하게 되었습니다. 당사에서 Google Cloud를 활용한 것은 운영 전반에서 큰 효과를 얻기 위해 기술을 재정립한 방법과 관련된 사례 중 하나일 뿐입니다.

Tyson은 글로벌 운영을 통해 인구가 증가하는 세계에 식량을 지속적으로 공급하려면 전 세계의 수백 개 공장과 창고의 데이터를 중앙에서 관리하고 처리해야 했습니다.

Tyson에서는 앞으로 데이터와의 관계를 내다보면서 이러한 시스템을 유지하기 위해 어떤 역량이 필요할지를 고민하기 시작했고, 곧바로 Google Cloud와 에지 컴퓨팅을 선택했습니다.

데이터의 활용 이점을 공장 현장에 적용하기

수백 개의 공장 지역과 부화장, 전체 운송 트럭을 연결하기 위해서는 수십만 개 센서의 수백만의 데이터 포인트를 처리해야 했습니다. 센서에서 전송된 데이터는 업스트림에서 다른 운영 데이터와 조인되면서 더 나은 처리 결정을 내리는 데 도움이 되므로 사물 인터넷(IoT) 데이터를 대규모로 수집할 방법이 필요했습니다.

뿐만 아니라, 엔터프라이즈 데이터를 공장 현장으로 내려보내야 했습니다. 공장팀은 신뢰할 수 있는 정확한 제조 및 표준 데이터가 있어야만 기계 가동 및 지시 수행의 효율성을 모니터링하고 문제를 식별하여 신속하게 해결할 수 있습니다.

데이터 공유 프로세스는 지역에 따라 차이가 있으며 데이터가 업데이트되지 않아도 장기간 운영할 수 있는 공장도 있습니다. 지난 몇 년 동안 이러한 상태에 있는 해당 현지 공장팀은 인터넷이 다운되면 직접 데이터 추적을 하고 다시 온라인 상태가 되었을 때 이를 수동으로 시스템에 입력해야 했습니다.

Tyson에서는 이미 Google Cloud를 사용해 기업 데이터를 관리하고 동기화하고 있었기에 데이터 여정의 다음 단계에서도 계속해서 Google Cloud를 신뢰할 수 있겠다고 확신했습니다.

데이터 우선 운영 인프라 설계하기

Tyson에서는 데이터를 더욱 효과적으로 활용하여 공장팀과 엔터프라이즈팀의 효율성을 개선할 방법을 찾기 시작했습니다. 이 과정에서 불안정한 기존 서버 등 일부 기술적 한계를 넘어설 솔루션 또한 찾고자 하였고, Manufacturing Data Engine으로 이 문제들을 한 번에 해결할 수 있음을 알게 되었습니다.

새 데이터 시스템을 통해 데이터에 유입경로를 직접 제공하면 데이터가 데이터 레이크, BigQuery, 공장 현장 사이를 손쉽게 오가게 되어 머신 러닝과 컴퓨터 비전 모델을 사용한 고급 분석을 제공하는 미래 지향적인 솔루션을 활용할 수 있다는 것을 알게 되었습니다.

첫 번째 팩토리 배포에는 한 달 반이 소요되었고 새로운 데이터 아키텍처를 사용해 이후 각 지역에 대한 출시를 표준화하면서 기간이 단축되고 있습니다. 이 프로세스에는 데이터 엔진을 배포, 설정, 구성하는 것과 지시부터 엔지니어링 표준, 자재, 처리율까지 모든 것을 관리하는 데이터 모델을 빌드하는 것이 포함됩니다.

이 시스템을 도입하면서 데이터의 작은 변화까지 모니터링하고 캡처할 수 있게 되었습니다.

예를 들어 'time travel' 기능을 사용해 BigQuery가 Cloud Logging과 자동 동기화하는 기본 로깅 이벤트를 캡처하여 공장 현장에서의 과정이나 배송 과정에 관한 정확한 시간 정보를 기록할 수 있으며 데이터를 다양한 방법으로 유연하게 필터링, 샘플링, 집계할 수도 있습니다. 10밀리초마다 읽는 센서가 있을 때 해당 데이터를 같은 속도로 전송하고 싶지 않다면 필요에 따라 조정할 수 있습니다.

전체적으로 이동하는 부분을 최소화하여 관리가 용이하고 실시간에 가까운 데이터를 가장 안정적으로 이용할 수 있는 시스템을 설계했습니다.

차세대 소비재를 위한 스마트팩토리 확장

Manufacturing Data Engine이 캡처하는 정보를 사용하게 되면서 현장팀은 전례 없던 큰 이점을 얻고 있습니다. 한 공장에서는 수년간 전사적 자원 관리(ERP) 시스템에서 운영 데이터를 직접 추출하고 검토하여 제조 프로세스를 개선하고자 했습니다. 이제 새 데이터 처리 솔루션을 사용하게 되면서 이 공장은 단시간 내에 필요한 데이터에 액세스할 수 있게 되었습니다.

반복과 확장이 가능한 배포 프로세스를 만들었기 때문에 모든 시설에서 최종 사용자에게 필요한 정보를 계속해서 효율적으로 제공할 수 있습니다. 공장의 환경에 시스템을 배포하고, 리소스를 프로비저닝하고, 새 배포를 시스템에 연결하기만 하면 데이터는 흘러가기 시작합니다.

운영 데이터와 IoT 데이터 포인트를 직접 양방향으로 연결함으로써 현대화하고 미래 경쟁력까지 확보하게 되었습니다.

이러한 발전에는 공장팀이 필요한 리소스를 필요한 때에 얻을 수 있는 것도 포함됩니다. 수년 동안 작업 지시는 ERP 시스템을 통해 처리하여 공장 현장의 중앙 사무실 위치로 전송되어야 했고, 관리자들은 이를 손으로 쓰거나 프린트하여 무엇을 생산해야 하는지 직접 확인해야 했습니다. 이러한 절차에는 정보를 다른 시스템에 수동으로 입력하는 것도 포함됩니다. 여러 시스템을 하나로 연결해 간소화하면 모두가 작업을 빠르게 수행할 수 있을 것입니다.

전체 시스템과 각 지역에서 데이터가 자유롭게 흘러가는 동안 Tyson의 엔지니어들은 소비재의 미래에 더욱 집중할 수 있게 되었습니다. 여기에는 기존 프로토콜과 시스템을 통합해 더 많은 기술 부채(technical debt)를 청산하고 새로운 머신러닝 및 AI 사용 사례를 평가하는 것이 포함됩니다.

Tyson은 이미지, 동영상과 같은 비정형 데이터를 사용해 컴퓨터 비전 모델을 학습시켜 하드웨어나 연결된 IoT 센서를 모니터링하고 패턴을 최적화하는 차세대 스마트팩토리를 내다보고 있습니다. 미래의 식품 제조업은 일회성 솔루션을 넘어 반복과 확장이 가능한 엔터프라이즈급 솔루션을 활용하게 될 것입니다.