Augmented AI Models: CEMEX가 킬른·시멘트 밀 운전을 AI로 맞추는 3년 확산 계획
CEMEX CEO는 3분기 실적 콜에서 비용 절감 다음 단계를 AI로 정했다고 밝혔습니다. 텍사스 Balcones 공장에서 킬른과 시멘트 밀 운전 변수를 AI가 조정하는 방식을 배치 중이고, 이를 3년 프로그램으로 미국과 다른 지역에 넓힙니다. 공장에 옮길 때의 도입 단계, 지표, 26주 일정을 붙였습니다.
CEMEX는 4억 7,500만 달러 비용 절감 프로그램의 80%를 채운 뒤, 다음 절감원을 AI로 잡았습니다. 첫 대상은 시멘트 공장의 킬른과 밀입니다. AI가 운전 파라미터를 사람보다 빨리 맞춰 수율을 올리고 톤당 에너지 비용을 낮춥니다. 텍사스 Balcones 공장에서 시작해 3년에 걸쳐 미국, 그다음 다른 지역으로 넓힙니다. 우리 공장에 옮기려면 공정 데이터, 안전 범위, 효과를 잴 기준선을 먼저 갖춰야 합니다.
요약
CEMEX는 2026년 10월 26일 3분기 실적 콜을 열었습니다. 이 노트는 그중 AI와 운영 이야기만 다룹니다. Jaime Muguiro Domínguez CEO는 준비 발언에서 비용 절감 프로그램 Project Cutting Edge의 진행을 먼저 알렸습니다. 이번 분기 반복 절감은 6,000만 달러였고 그중 2,000만 달러는 원래 4분기 이후로 잡혀 있던 몫입니다. 누적으로는 목표 4억 7,500만 달러의 80%를 채웠습니다. 남은 9,500만 달러는 주로 2027년 실적에 반영됩니다. 프로그램이 끝나 가면서 회사는 디지털화와 AI로 추가 가치를 찾는 새 단계로 넘어간다고 CEO는 말했습니다. 같은 분기 실적 자료 기준으로 매출은 45억 9,000만 달러(8% 증가), 영업 EBITDA는 9억 9,000만 달러(12% 증가), 마진은 21.6%였습니다.
구체적인 그림은 질의응답에서 나왔습니다. 추가 절감을 묻는 웹캐스트 질문에 CEO는 2단계를 기술, 그중에서도 AI가 이끈다고 답했습니다. 적용처는 백오피스 두 영역과 시멘트 운영입니다. 시멘트 쪽에서는 CEO의 말로 “augmented AI models run our rotaries, our kilns, and our cement mills”입니다. AI 모델이 회전 킬른과 시멘트 밀을 돌리며 운전 파라미터를 더 빨리 조정합니다. 그 결과 수율이 오르고 톤당 에너지 비용이 내려갑니다. Balcones에서는 배치가 진행 중입니다. 이어 미국 전역과 다른 지역으로 넓히는 3년 프로그램입니다. CEO는 그래서 2027년 말까지 약속한 4억 7,500만 달러보다 큰 절감이 나올 것으로 봅니다. 아래에서는 AI 운전이 공장에서 어떻게 작동하는지와 확산 순서, 2단계의 범위를 풀고 우리 공장에 옮길 때 필요한 설계와 일정을 덧붙였습니다.
핵심 메커니즘
Augmented AI Model: 킬른과 밀의 운전 변수를 맞추는 AI
시멘트는 원료를 회전 킬른에서 고온으로 구워 클링커를 만들고 이를 시멘트 밀에서 갈아 만듭니다. 두 설비 모두 투입량, 연료, 회전, 공기 흐름 같은 운전 변수를 계속 맞춰야 품질과 에너지 효율이 유지됩니다. 지금은 컨트롤룸 오퍼레이터가 이 조정을 맡습니다. CEMEX가 말한 augmented AI model(사람의 운전을 보강하는 AI 모델)은 이 조정을 AI가 더 짧은 주기로 하게 합니다. 센서 값과 원료 상태를 받아 다음 조정값을 계산해 정해진 운전 범위 안에서 반영합니다. CEO가 밝힌 효과는 수율 증가와 톤당 에너지 비용 감소 두 가지입니다. 어떤 변수를 다루는지, 효과가 몇 %인지는 콜에서 나오지 않았습니다. 이 방식은 운전 데이터가 쌓여 있고 같은 설비가 여러 공장에 반복되는 곳에서 효과를 넓히기 쉽습니다. 설비 구성이 공장마다 크게 다르면 공장별로 모델을 다시 맞춰야 합니다.
Pilot to Scale: Balcones에서 미국, 그다음 다른 지역으로
CEMEX는 한 공장에서 검증하고 같은 방식을 지역 단위로 넓히는 순서를 택했습니다. 2분기 콜에서 CEO는 텍사스의 Balcones 공장이 운영 AI의 파일럿이라고 소개했습니다. 같은 콜에서 Maher Al-Haffar CFO는 AI 기회를 이제 막 쓰기 시작했으며 미국 시멘트 운영부터라고 말했습니다. 3분기 콜에서는 단계가 한 칸 나아갔습니다. Balcones는 배치 단계에 들어갔고 미국과 그 밖의 지역 확산이 뒤따릅니다. 전체는 3년 프로그램으로 잡았습니다. 연도별로 몇 개 공장인지는 밝히지 않았습니다.
Second Phase: 비용 절감 프로그램의 2단계 범위
Project Cutting Edge 1단계가 비용 구조를 줄이는 일이었다면, 2단계는 기술로 고른 몇 개 영역의 효율을 더 끌어올리는 일입니다. CEO가 꼽은 곳은 셋입니다. 첫째, 백오피스 두 영역으로, 디지털화와 자동화, 시스템 통합, AI로 표준화를 높여 효율을 냅니다. 둘째, 시멘트 운영으로, 공급망(특히 운송), 생산, 정비에 AI를 씁니다. 생산은 효과가 빨리 나오고 정비는 중기 과제라고 했습니다. 셋째, 구매 부서 안팎의 제3자 지출로, 지금까지보다 훨씬 큰 목표를 두고 있다고 했습니다. 실행 순서로 보면 생산 공정이 가장 앞에 서 있습니다.
통념과 다른 주장
흔히 이렇게 봅니다대형 비용 절감 프로그램이 목표에 가까워지면 남은 절감 여지는 작다고 봅니다.
CEO는 이렇게 봅니다1단계가 끝나 가는 지금이 AI로 여는 2단계의 시작점이고 2027년 말까지 약속한 4억 7,500만 달러보다 더 큰 절감을 낼 것이라고 봅니다.
근거3분기에만 반복 절감 6,000만 달러를 냈고 누적 80%를 채웠습니다. 그 위에 킬른·밀 AI 운전, 백오피스 자동화, 제3자 지출을 새 절감원으로 더했습니다.
콜에서 나온 사례
Balcones 공장: AI 운전 파일럿에서 배치로
| 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|
| 킬른·밀 운전을 더 빠르게 맞춰 수율과 에너지 비용을 개선하려 함 | 텍사스 Balcones 공장을 운영 AI 파일럿으로 지정(2분기 콜), 3분기에 배치 단계 | 미국 확산 후 다른 지역으로, 3년 프로그램. 효과 수치는 원문에서 밝히지 않음 | Augmented AI Model, Pilot to Scale |
Project Cutting Edge: 1단계 80% 달성
| 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|
| 목표 4억 7,500만 달러의 비용 절감 프로그램 진행 | 3분기 반복 절감 6,000만 달러, 그중 2,000만 달러는 앞당긴 몫 | 누적 80%. 준비 발언 기준 남은 9,500만 달러는 주로 2027년 반영. 연초 이후 매출 대비 매출원가 1.6%p, 영업비용 0.8%p 감소 | Second Phase |
미국 데이터센터 수요: AI가 고객이 되는 쪽
| 상황 | 한 일 | 결과 | 연결 |
|---|---|---|---|
| 미국에서 대형 데이터센터, 반도체 공장, 제조 시설 수요 증가 | 골재, 레미콘, 시멘트로 데이터센터 관련 인프라·에너지·산업 프로젝트에 공급 확대 | Lucy Rodriguez에 따르면 AI 관련 수요가 연초 이후 미국 레미콘 물량의 한 자릿수 후반 %, 2025년 연간의 두 배 이상 | 공장 밖의 AI |
기술 디테일: 킬른·밀 AI 운전을 실제로 돌리려면
아래는 CEMEX가 밝힌 구조를 다른 공정 제조사가 옮길 때 필요한 설계로, AX Review가 새로 작성했습니다. CEMEX가 쓰는 모델과 변수는 콜에서 나오지 않았으므로, 여기 적은 변수명과 숫자는 가상 예시입니다.
Augmented AI Model의 입력을 모으려면 공정 제어 시스템(DCS)의 태그를 1~5초 주기로 받아 시계열로 쌓습니다. 킬른은 원료 투입량, 연료 투입량과 발열량, 회전 속도, 배기 팬 속도, 소성대 온도, 배기가스 산소 농도를 봅니다. 시멘트 밀은 투입량, 분급기 속도, 밀 전력, 차압을 봅니다. 여기에 품질 실험실 값(클링커의 free lime, 시멘트 분말도)을 시간 단위로 붙입니다. 실험실 값은 몇 시간 늦게 나오므로 시점을 맞춰 학습 데이터에 넣어야 합니다. 모델은 LLM이 아니라 공정 시계열을 다루는 예측 모델과 최적화(모델 예측 제어, 강화학습 계열)가 일반적입니다. LLM은 오퍼레이터에게 권고 이유를 설명하거나 교대 일지를 요약하는 보조로 씁니다.
출력은 조정값과 근거를 함께 남깁니다. 권고 한 건마다 아래처럼 기록하면 오퍼레이터 승인과 사후 감사에 그대로 씁니다.
{
"plant": "plant_A",
"unit": "kiln_1",
"ts": "2026-10-27T09:15:00Z",
"tag": "fuel_feed_tph",
"current": 11.8,
"recommended": 11.5,
"bounds": [10.5, 12.5],
"max_step": 0.3,
"expected": { "heat_kcal_per_kg_clinker": -6, "free_lime_pct": 0.0 },
"confidence": 0.82,
"mode": "advisory",
"operator_action": null
}bounds와 max_step은 공정 엔지니어가 정하고 AI가 바꾸지 못하게 둡니다. operator_action에는 승인, 거부, 수정이 들어갑니다. 거부 사유는 짧게 받아 다음 학습에 씁니다.
효과를 재려면 콜에서 말한 수율과 톤당 에너지 비용을 공장 지표로 옮깁니다. 킬른은 클링커 1톤당 연료 열량과 시간당 생산량, 밀은 시멘트 1톤당 전력과 시간당 처리량을 봅니다. 품질 편차(free lime, 분말도)가 커지지 않았는지도 함께 확인합니다. 원료와 계절 영향이 크므로 AI 켜기와 끄기를 1~2주 단위로 번갈아 운전해 같은 기간끼리 비교하는 방식이 안전합니다. 에너지 비용은 단가 변동을 빼고 사용량으로 먼저 비교하고 금액 환산은 재무가 합니다.
실패하는 경우와 대응. 센서 값이 틀어지거나 비면 모델이 잘못된 조정값을 낼 수 있습니다. 주요 태그의 결측이나 급변을 감지하면 권고를 멈추고 기존 제어로 돌아갑니다. 원료 광산이나 연료 종류가 바뀌면 이전 데이터로 학습한 모델이 맞지 않습니다. 원료 변경 일정을 데이터 팀과 공유하고 바뀐 뒤 2~4주는 권고 모드로 되돌립니다. 확산 단계에서는 공장마다 같은 모델을 그대로 복사하지 않고 공통 구조 위에 공장별 데이터로 다시 맞추는 방식을 씁니다.
현업 실행 디테일: 누가, 언제, 무엇을
| 역할 | 담당 | 하는 일 |
|---|---|---|
| 스폰서 | 제조 총괄 임원 | 대상 공장 선정, 확산 승인 |
| 공장 책임 | 공장장 | 운전 범위와 안전 기준 승인, 교대조 조율 |
| 공정 엔지니어 | 킬른·밀 담당 1~2명 | 변수 목록, bounds·max_step 설정, 권고 검토 |
| 오퍼레이터 | 컨트롤룸 교대조 | 권고 승인·거부, 거부 사유 기록 |
| 데이터·AI | 데이터 엔지니어 1명, 모델 담당 1명 | 태그 수집, 실험실 값 정렬, 모델 학습·감시 |
| 재무 | 공장 원가 담당 1명 | 기준선과 절감액 확인 |
시작 전 준비물: 최근 12개월 DCS 태그 이력, 품질 실험실 기록, 원료·연료 변경 이력, 설비 정지·정비 기록, 현재 운전 표준서, 월별 연료·전력 사용량과 단가.
| 기간 | 할 일 | 산출물 |
|---|---|---|
| 1~4주 | 태그 품질 진단, 변수 목록과 운전 범위 확정, 기준선 산출 | 데이터 진단서, 기준선 지표표 |
| 5~12주 | 권고 모드 운전, 승인율과 거부 사유 집계 | 주간 권고 보고서 |
| 13~20주 | 좁은 범위 자동 반영, 켜기·끄기 교대 비교 | 지표 비교표 |
| 21~26주 | 재무 확인, 판정 회의, 다음 공장 선정 | 판정 보고서, 확산 계획 |
오퍼레이터·공정 엔지니어 인터뷰 질문: 교대 중 가장 자주 손대는 변수는 무엇입니까? 그 변수를 바꿀 때 무엇을 보고 판단합니까? 원료가 바뀌면 운전을 어떻게 다르게 합니까? 절대 넘으면 안 되는 범위와 그 이유는 무엇입니까? AI 권고를 거부하고 싶을 때는 어떤 경우입니까?
진행 판정 기준(예시): 톤당 열량과 톤당 전력이 기준선보다 통계적으로 낮고 품질 편차가 커지지 않아야 합니다. 여기에 재무가 절감액을 확인하면 다음 공장으로 넘어갑니다. 품질 편차가 커지거나 오퍼레이터 거부가 잦으면 변수와 범위를 다시 정해 권고 모드부터 다시 돌립니다.
AX 적용 제언. 같은 구조는 다른 공정 산업에도 옮길 수 있습니다. 철강의 가열로, 정유·석유화학의 증류탑, 제지의 건조기, 식품의 살균·건조 공정처럼 같은 설비가 여러 공장에 반복되고 에너지 비용 비중이 큰 곳입니다. CEMEX에서 배울 점은 순서입니다. 한 공장에서 검증한 뒤 같은 지역의 비슷한 공장으로 넓히고 마지막에 다른 지역으로 갑니다. AI를 별도 실험으로 두지 않고 비용 절감 프로그램의 다음 단계로 묶어 재무 목표와 연결했습니다. 우리 조직이라면 먼저 에너지 비용이 가장 큰 설비 하나를 골라 12개월 데이터를 모읍니다. 그다음 권고 모드로 시작해 오퍼레이터의 신뢰를 얻은 뒤 자동 범위를 넓히는 편이 현실적입니다. 효과 확인은 공장이 아니라 재무가 맡아야 확산 결정이 빨라집니다.
원문 사례
| 항목 | 내용 |
|---|---|
| 행사 | CEMEX 2026년 3분기 실적 발표 콜(2026.10.26), The Motley Fool 녹취록 |
| 참석 경영진 | Jaime Muguiro Domínguez(CEO), Maher Al-Haffar(CFO), Lucy Rodriguez(커뮤니케이션 최고책임자) |
| 3분기 실적(실적 자료) | 매출 45억 9,000만 달러(+8%), 영업 EBITDA 9억 9,000만 달러(+12%), 마진 21.6%(+0.8%p), 영업 잉여현금흐름 7억 2,300만 달러(+34%) |
| Project Cutting Edge | 목표 4억 7,500만 달러, 누적 80%. 3분기 반복 절감 6,000만 달러(그중 2,000만 달러 앞당김). 준비 발언 기준 남은 9,500만 달러는 주로 2027년 반영, 질의응답에서는 1단계 마무리에 약 8,000만 달러가 더 나온다고 언급 |
| 2단계 | 디지털화와 AI. 백오피스 2개 영역, 시멘트 운영(운송·생산·정비), 제3자 지출 |
| 킬른·밀 AI | AI 모델이 회전 킬른과 시멘트 밀의 운전 파라미터를 더 빨리 조정. 수율 증가, 톤당 에너지 비용 감소 |
| 확산 | Balcones 배치 진행 중 → 미국 → 그 밖의 지역, 3년 프로그램(CEO) |
| 절감 전망 | 2027년 말까지 4억 7,500만 달러보다 큰 절감 예상(CEO) |
| AI 수요 | AI 관련 수요가 연초 이후 미국 레미콘 물량의 한 자릿수 후반 %, 2025년 연간의 두 배 이상 |
| 이전 언급 | 2분기 콜(2026.07.23)에서 Balcones를 운영 AI 파일럿으로 소개, 미국 시멘트 운영부터 시작 |
핵심 개념
- 회전 킬른(rotary kiln)
- 원료를 고온으로 구워 클링커를 만드는 기울어진 원통형 가마. 시멘트 공장 에너지 사용의 대부분이 여기서 나간다.
- 클링커(clinker)
- 킬른에서 나온 덩어리 중간재. 갈아서 석고 등과 섞으면 시멘트가 된다.
- 시멘트 밀(cement mill)
- 클링커와 첨가재를 곱게 가는 분쇄 설비. 전력을 많이 쓴다.
- Project Cutting Edge
- CEMEX의 비용 절감 프로그램. 목표 4억 7,500만 달러.
- 반복 절감(recurring savings)
- 한 번이 아니라 매년 계속 생기는 비용 절감액.
- 레미콘(ready-mix)
- 공장에서 배합해 현장으로 실어 나르는 콘크리트.
- DCS
- Distributed Control System. 공장 설비를 실시간으로 제어하고 센서 값을 모으는 시스템.
내 메모
TODO: 내 생각 추가
원문: CEMEX (CX) Q3 2026 Earnings Call Transcript(The Motley Fool, 2026.10.26). AI와 운영 부분만 골라 경영진 발언을 AX Review가 다시 정리했습니다. 3분기 매출·EBITDA·마진·현금흐름은 CEMEX가 SEC에 낸 3분기 실적 자료(Form 6-K)로, Balcones 파일럿 언급은 2026년 2분기 실적 콜 녹취록에서 확인했습니다. 기술·현업 디테일, JSON 예시, 지표표, 일정·판정 기준, 인포그래픽은 새로 작성했으며 변수명과 숫자는 가상 예시입니다. 콜 전체 내용은 원문 녹취록에서 볼 수 있습니다.