로봇 자동화 트렌드 10선, 현장에서 도입 성패를 가르는 건 로봇 밖의 숫자다

노코드 티칭, AI 비전, 협동로봇과 AMR(자율이동로봇) 통합, RaaS까지, 로봇 자동화 트렌드 목록은 매년 길어진다. 국제로봇연맹(IFR) 기준으로 2024년 글로벌 산업용 로봇 시장은 약 500억 달러이고, 협동로봇은 연평균 20% 이상 성장한다는 숫자도 함께 나온다. 목록만 보면 로봇은 이제 사서 놓으면 되는 물건처럼 보인다. 현장에선 다르다. 도입 성패는 로봇 사양서가 아니라 안전 규격이 허용하는 속도, 정지 위치 오차, 통합 비용에서 갈린다.

배경: 왜 중요한가

참조 기사는 로봇 자동화가 생산성 향상을 넘어 인력 부족, 작업 안전, 유연생산 같은 구조적 문제의 해법이 되고 있다고 정리한다. 방향은 맞다. 중소 제조업은 숙련 인력 확보가 해마다 어려워지고 있다. 다품종 소량생산이 늘면서 고정식 전용 설비의 투자 회수 기간도 길어졌다. 협동로봇과 AMR은 좁은 공간에 설치할 수 있고 공정이 바뀌면 다시 배치할 수 있어서, 이 조건에 맞는 선택지다.

다만 시장 성장률과 개별 공장의 도입 성공률은 다른 문제다. 연 10~20% 성장은 판매 대수와 매출을 말할 뿐, 설치된 로봇이 목표 택트타임(제품 1개를 만드는 데 허용된 시간)을 맞추고 있는지는 말해주지 않는다. 시범 도입 후 가동률이 떨어져 방치되는 셀은 업계에서 드물지 않다. 원인은 대부분 로봇 본체가 아니라 주변 조건이다.

트렌드 10선의 노코드, 통합 셀, 표준화, RaaS는 모두 도입 문턱을 낮추는 기술이다. 문턱이 낮아지면 그 뒤에 있던 제약이 드러난다. 그 제약이 무엇인지 알아야 트렌드 목록을 투자 판단에 쓸 수 있다.

핵심: 일반 기사가 놓치는 지점

일반 기사는 로봇이 무엇을 할 수 있게 됐는지를 다룬다. 현장에서 먼저 묻는 것은 그 기능을 어떤 조건에서, 어떤 속도로 쓸 수 있느냐다. 협동로봇과 모바일 매니퓰레이터(팔이 달린 AMR)는 물리적·규격적 한계가 분명한 장비다. 이 한계가 사이클타임과 투자 회수 계산을 좌우한다.

세부 포인트 1: 협동 모드의 속도는 안전 규격이 정한다

협동로봇이 펜스 없이 사람 옆에서 일할 수 있는 근거는 ISO 10218과 ISO/TS 15066이다. 이 가운데 동력·힘 제한(PFL) 방식은 로봇이 사람과 부딪혔을 때의 힘과 압력을 신체 부위별 허용치 아래로 묶는다. 충돌 에너지는 질량과 속도의 제곱에 비례한다. 그래서 가반하중이 크거나 그리퍼·공구에 날카로운 모서리가 있으면 허용 속도가 크게 내려간다. 협동 모드 실사용 속도는 통상 250mm/s 안팎으로 알려져 있다. 같은 로봇이 펜스 안에서 1m/s 이상으로 움직일 때와 비교하면 사이클타임이 몇 배 차이 날 수 있다.

기사가 소개한 AI 기반 작업자 인식도 같은 제약을 받는다. 안전 기능은 ISO 13849-1의 성능 수준 PL d(위험 측 고장 확률을 일정 수준 이하로 입증한 등급)를 요구받는 경우가 일반적이다. 딥러닝 인식 모델은 고장 모드를 정량적으로 입증하기 어려워 이 등급의 인증을 받기가 쉽지 않다. 그래서 실제 정지 기능은 인증된 안전 레이저 스캐너가 맡고, AI 영상 분석은 보조 경고나 감속 판단에 쓰는 구성이 많다. 스캐너 방식에서는 ISO 13855의 안전거리 계산(보행 접근 속도 1,600mm/s × 시스템 정지 시간 + 여유 거리)을 적용한다. 이렇게 확보해야 하는 거리가 "좁은 공간에도 설치 가능"이라는 장점을 상당 부분 줄인다. 도입 검토 단계에서 위험성 평가를 먼저 하지 않으면 설치 후에 속도를 낮추거나 펜스를 추가하게 된다.

세부 포인트 2: 통합 셀의 병목은 정지 위치 오차와 통합 비용이다

협동로봇+AMR 통합은 이송과 작업의 경계를 없앤다는 점에서 주목받는다. 문제는 두 장비의 정밀도 단위가 다르다는 점이다. 협동로봇의 반복정밀도는 공개 사양 기준 ±0.03~0.05mm 수준이다. AMR의 정지 위치 정밀도는 통상 ±5~10mm 수준으로 알려져 있다. 바닥 평탄도, 바퀴 마모, 적재 하중에 따라 이 값은 더 벌어진다. 팔이 아무리 정밀해도 베이스가 1cm 어긋난 상태로 서면 조립이나 정밀 피킹을 할 수 없다.

해법은 정지할 때마다 비전으로 기준 마커를 읽어 좌표를 보정하거나, 기계식 도킹 핀으로 위치를 구속하는 것이다. 비전 보정은 매번 수 초의 시간이 들고, 도킹은 어디서든 설 수 있다는 유연성을 줄인다. 여기에 배터리 충전 시간과 팔 동작 시의 전도 안정성이 추가 제약으로 붙는다. 무인운반차 안전 규격 ISO 3691-4의 적용도 받는다. 그래서 통합 셀은 머신 텐딩(공작기계에 소재를 넣고 빼는 작업)이나 검사처럼 위치 허용 오차가 큰 공정에 먼저 자리 잡고 있다.

노코드와 인터페이스 표준화도 같은 방식으로 봐야 한다. 노코드는 티칭 시간을 줄인다. 하지만 그리퍼 설계, 부품 정렬 지그, PLC·MES 연동, 예외 처리 로직은 여전히 SI(시스템 통합) 엔지니어링이 맡는다. 자동화 프로젝트에서 로봇 본체보다 주변 설비와 통합 비용이 더 크다는 것은 업계에서 널리 알려진 경험칙이다. 다만 공개 통계로 확인되는 정확한 비율은 없다. OPC UA나 ROS2로 통신이 연결돼도 데이터 의미 정의와 실시간성 보장은 별도 작업이다.

그래서 뭘 봐야 하나

첫째, 로봇 본체 판매량보다 통합 역량이 어디에 쌓이는지 봐야 한다. 본체는 가격 경쟁이 심해지고 있다. 차별화는 그리퍼·비전·안전 센서 같은 주변 부품과 공정별 SI 노하우에서 나올 가능성이 크다. 안전 스캐너처럼 인증 장벽이 있는 부품은 대체가 느리다.

둘째, RaaS는 매출 구조만이 아니라 재무 구조도 봐야 한다. 구독 모델에서는 공급자가 자산을 재무상태표에 올린다. 계약이 끝나면 회수한 로봇을 다른 공정에 재배치해야 하는데, 재배치할 때마다 통합 비용이 다시 든다. 잔존가치와 재배치 비용을 어떻게 가정하느냐에 따라 수익성이 크게 달라진다. 이 가정을 공개하는 기업은 많지 않다.

셋째, AI 비전은 과검(양품을 불량으로 판정)과 미검(불량을 놓침)의 균형이 실적을 좌우한다. 불량 데이터는 본래 적다. 학습 모델의 현장 안착 속도는 업종마다 다를 수 있다. 도입 건수보다 양산 라인 전환 비율이 더 의미 있는 지표다. 다만 이 지표를 일관되게 공개하는 곳은 드물다.

로봇 자동화 트렌드 10선은 방향을 보여주는 목록이다. 실제 도입 속도를 정하는 것은 그 뒤의 숫자들이다. 충돌 허용치가 정하는 속도, 밀리미터 단위의 정지 오차, 본체 가격보다 큰 통합 비용이 그것이다. 로봇 자동화 관련 뉴스를 볼 때는 시장 규모와 성장률뿐 아니라, 해당 기술이 어떤 공정에서 어떤 조건으로 택트타임을 맞추고 있는지도 함께 확인하는 편이 판단에 도움이 된다.