AI가 플라스틱 제어실로 들어오고 있지만 현장 증거는 아직 없다

AI가 플라스틱 공정 제어에 진입하고 있지만 판매 주장이 현장 증거를 앞지르고 있다. Plastics Technology는 2026년 9월 25일 “Making AI Work in Plastics R&D” 웨비나를 열어 인공지능을 고립된 파일럿에서 소재 개발·배합·생산으로 옮겨가는 수단으로 소개했다. 행사는 실질적인 활용 사례를 약속했으나 측정된 공장 결과는 제시하지 않았다.

그 차이가 중요하다. 논의 대상은 연구·혁신·제품 개발·제조 분야 플라스틱 리더들이다. 행사는 소재 내구성·안정성 예측, 유해 물질 대체, 배합 비용 절감, 개발 주기 단축 등을 응용 분야로 꼽았다. 이 목표들은 타당하다. 그러나 사출 성형기가 알고리즘에 공정 창을 맡기고 사람이 더 엄격히 통제하지 않아도 합격품을 출하할 수 있다는 증거는 아직 없다.

성형 창

Moldex3D는 현장 메커니즘에 더 가까워졌다. Molding Window Advisor는 Moldex3D CAE 결과를 이용해 안정적인 성형 조건을 찾아준다. 워크플로는 분석 범위를 정의하고 DOE 시뮬레이션을 실행한 뒤 실제 성형 창을 만들기 전에 부품 품질을 예측한다. iMolding Advisor는 단축 시험 후 결함에 대한 조정안을 제시한다.

유용한 점은 “AI”라는 단어가 아니라 시뮬레이션과 실제 시험 사이의 연결이다. 공정 엔지니어는 가정된 범위를 확인하고 예측 결과와 단축 시험 데이터를 비교한 뒤 권고를 받아들일지 결정할 수 있다. 이는 공정 지원이다. 알고리즘이 공장을 최적화한다는 막연한 약속보다 신뢰도가 높다.

Moldex3D는 이 도구들이 CAE 데이터와 실제 생산 피드백을 결합해 금형 시험 횟수와 샷 수를 줄이고 품질을 높이며 생산 비용을 낮춘다고 말한다. 이는 행사 설명에 남아 있는 공급업체 주장이다. 시험 기간, 샷 수 감소량, 스크랩 기준선, 제품 인증 결과는 제시되지 않았다. 따라서 QA는 동일 부품·소재·기계·캐비티 구성에서 문서화된 결과가 나올 때까지 성형 창을 가설로 다뤄야 한다.

KraussMaffei는 다른 길을 택했다. 2026 스마트 제조 발표에서 PX 전동 사출기 시리즈, AQCplus, 고캐비티·클린룸용 LRXplus SE 컨셉을 중심으로 지능형·자율 생산 솔루션을 내세웠다. 또한 기계 오퍼레이터를 실시간 지원하는 새로운 AI 기능도 소개했다. 이는 오퍼레이터가 더 빠르게 대응하게 돕지만, 지원은 자율 공정 제어가 아니다.

이 회사의 K 2025 자료에는 구체적인 검사 수치가 하나 있다. 완전 자동 조립 셀이 레이저 스캐너로 부품 높이와 폭을 0.01 mm 정밀도로 측정하고 광학 검사로 불량품을 분리한다는 내용이다. 이는 명확한 측정값과 리젝트 경로다. 지능형 생산이라는 광범위한 주장보다 강한 증거이지만, AI가 제어하는 성형 사이클이 아니라 후공정 조립·검사에 관한 것이다.

두 수치는 서로 다른 KraussMaffei 시스템을 설명하므로 하나의 생산 벤치마크로 보아서는 안 된다. 첫 번째는 자동 조립 셀의 치수 검사, 두 번째는 Yanfeng 도어 패널 프로젝트의 카메라 처리 시간이다. 어느 것도 성형 스크랩 감소나 검증된 AI 제어 루프를 증명하지 않는다.

제어 주장

KraussMaffei의 상업적 관심은 명확하다. 사출 성형기, 자동화, 디지털 생산 시스템을 판매한다. 보도 자료에 따르면 socialProduction은 기계·생산·부품 상태를 모니터링하고, processSupport는 인공지능으로 공정을 자율 모니터링한다. 메커니즘은 그럴듯하다. 빠진 부분은 정의된 기준선에 연결된 구체적인 현장 결과다.

시스템 도입을 검토하는 가공업체는 네 가지 직설적인 질문을 해야 한다. 어떤 기계 신호가 권고를 촉발했는가? 어떤 공정 변수가 바뀌었는가? 개입 전후 동일 부품은 어떤 결과를 냈는가? 알고리즘 권고가 기존 공정 창과 충돌했을 때 누가 로트 출하를 승인했는가?

이 답이 없으면 “자율”은 의도된 구조를 설명할 뿐, 실제 운영 경계를 증명하지 못한다. 기계는 드리프트를 감지할 수 있어도 무해한 소재 로트 변화와 결함을 일으키는 온도 이상을 구분하지 못할 수 있다. 수정안을 제시할 수 있어도 적용 권한이 없을 수 있다. 측정된 응답을 최적화하면서도 외관·용접선 강도·치수 안정성·장기 성능 같은 측정되지 않은 요구사항을 놓칠 수도 있다.

현장 시험

AI 행사의 핵심 약속은 최적화된 R&D와 간소화된 생산을 연결하는 것이다. 방향은 맞지만 연결에는 공정 수준의 소유권이 필요하다. 내구성을 예측하는 배합 모델은 안정적인 조건을 찾아주는 성형 어드바이저와 다르다. 실시간 오퍼레이터 지원은 폐쇄 루프 제어와 다르다. 검사 자동화는 상류 공정이 안정화됐다는 증거가 아니다.

업계 AI 용어를 정착된 것으로 보아서는 안 된다. 가장 강한 자료는 메커니즘을 설명한다. DOE 기반 시뮬레이션, 단축 시험 피드백, 기계 데이터 관리, 실시간 지원, 측정된 검사. 가장 약한 부분은 이 메커니즘들이 이미 반복 가능한 공장 전체 이득을 가져온다는 주장이다. 제공된 행사·공급업체 자료에는 가공업체가 비교할 수 있는 공통 기준선, 명명된 생산 부품, 날짜가 표시된 전후 결과가 없다.

다음 확인은 간단하다. 하나의 명명된 부품에 대한 통제된 생산 기록을 요구하라. 소재 로트, 기계, 캐비티 수, 공정 창, 개입 로그, 불량률, AI 도구 도입 전후 출하 결정. 그 기록이 존재할 때까지 AI는 검증 워크플로 안에 있어야 하며, 그 위에 있어서는 안 된다.