AI Maintenance·Optima: Stellantis가 공장 1곳에서 시험한 정비·입고 물류 AI를 전 공장으로 넓히는 방식

Stellantis는 원가 절감 프로그램(VCP) 안에 AI 도구 두 개를 넣었습니다. 설비가 고장 나기 전에 정비하게 돕는 AI 정비 도구와, 공급사에서 공장으로 들어오는 부품의 운송 경로를 매일 다시 짜는 Optima입니다. 둘 다 공장 1곳에서 시험한 뒤 전 공장으로 넓히는 중입니다. 따라 하려면 시범 공장에서 비계획 정지 시간과 부품당 물류비의 기준선부터 재고 절감액을 원자재 같은 외부 요인과 나눠 기록해야 합니다.

요약

Stellantis는 2026년 10월 28일 3분기 실적 콜을 열었습니다. Antonio Filosa CEO는 VCP(Value Creation Program, 회사 전체 원가 절감 프로그램)가 3분기 실적에 이미 보탬이 됐고 4분기에는 수억 유로를 더 아낀다고 말했습니다. 3,000명 넘는 인원이 시스템과 부품을 하나씩 뜯어보며 절감 거리를 찾는 프로그램입니다. 씨티(Citi)의 Harald Hendrikse 애널리스트가 구체적인 예를 묻자 Filosa는 원가를 제품, 제조, 물류, 조직 운영으로 나눠 답했습니다. 제조 쪽 예가 AI 정비 도구였고 물류 쪽 예가 Optima였습니다. 제품 쪽에는 배선 하니스 분해 비교와 촉매 귀금속 최적화를, 내재화 쪽에는 북미 공장의 핫스탬핑을 들었습니다. 이 노트는 그중 AI가 들어간 두 도구를 다룹니다.

AI 정비 도구는 프랑스 공장 1곳에서 시범으로 시작했습니다. Filosa는 설비와 기계가 덜 고장 나 생산성과 효율이 올랐다고 했고 이제 제조 공장 100%로 넓힌다고 밝혔습니다. Optima는 팀이 직접 만든 도구입니다. 매일 입고 물류 경로를 분석해 더 싼 경로로 다시 짭니다. 예전에는 사람이 이 검토를 했습니다. Filosa는 그 규모를 “we have millions of routing globally”라는 말로 설명했습니다. Optima도 시범 공장 1곳에서 시작해 여러 공장에 들어갔고 전 공장으로 넓히는 중입니다. 두 도구의 절감액은 따로 밝히지 않았습니다. 회사가 내놓은 숫자는 VCP 전체 목표입니다. 2027년 진입 시점에 연간 24억 유로 이상의 절감 run-rate(현재 속도로 1년간 이어질 때의 절감액)를 내고 2028년까지 60억 유로에 이르겠다는 것입니다. 아래에서는 두 도구의 작동 방식과 확대 순서를 풀고 같은 방식을 국내 제조 공장에 옮길 때 필요한 데이터, 지표, 일정을 덧붙였습니다.

핵심 메커니즘

AI Maintenance Tool: 고장 전에 정비 시점을 잡는 AI

Filosa는 이 도구를 고장을 미리 막는 정비(preventive maintenance)를 더 정확하고 효율적으로 만드는 AI라고 소개했습니다. 결과로 말한 것은 두 가지입니다. 설비와 기계가 덜 고장 나고 그만큼 공장 생산성이 오릅니다. 시범은 이름을 밝히지 않은 프랑스 공장 1곳에서 했습니다. 지금은 제조 공장 전체로 넓히고 있습니다. 어떤 센서 데이터를 쓰는지, 고장이 몇 % 줄었는지는 콜에서 나오지 않았습니다. 같은 콜에서 Filosa는 생산 효율이 전년보다 좋아졌고 북미는 10%p 넘게 개선됐다고 했지만, 이 개선을 정비 도구 몫으로 나누지는 않았습니다. 따라 할 때는 고장 한 번에 라인 전체가 서는 설비부터 고르는 편이 맞습니다. 예비 설비가 있어 한 대가 멈춰도 생산이 이어지는 곳은 뒤로 미룹니다.

Optima: 입고 물류 경로를 매일 다시 짜는 AI

공급사에서 공장으로 부품을 실어 오는 트럭이 어느 공급사를 어떤 순서로 도는지가 입고 물류 경로(inbound routing)입니다. Filosa에 따르면 Stellantis가 전 세계에서 관리하는 경로는 수백만 개이고, 예전에는 경로 검토를 사람이 했습니다. Optima는 이 일을 매일 실시간으로 합니다. 경로를 분석하고 비용이 더 낮은 경로로 다시 설계합니다. Filosa는 Optima를 팀이 직접 발명한 도구라고 불렀습니다. 콜에서 밝힌 범위는 경로 재설계까지입니다. 공급사 변경, 차량 종류, 운행 빈도를 바꾸는지는 말하지 않았습니다. 따라 할 때는 생산 계획과 공급사 출하량이 날마다 바뀌는 조립 공장부터 고르는 편이 맞습니다. 공급사가 몇 곳 안 되고 물량이 고정된 공장은 매일 다시 짤 이유가 적습니다.

Pilot Plant: 공장 1곳에서 확인하고 전 공장으로 넓히는 순서

두 도구는 같은 순서를 밟았습니다. 공장 1곳에서 시험하고 효과를 본 뒤 전 공장으로 넓힙니다. 정비 도구는 프랑스 공장 1곳에서 제조 공장 100%로 가는 중입니다. Optima는 시범 공장 1곳에서 시작해 Filosa 표현으로 이미 여러 공장에 들어갔습니다. 확대 기한과 공장 수는 밝히지 않았습니다. 이 순서가 통하려면 둘째 공장부터는 새로 만들지 않고 첫 공장의 설정을 옮겨 써야 합니다. 설비 종류, 데이터 필드, 판정 기준을 공장마다 같은 이름으로 맞춰 두는 일이 시범 단계에서 함께 끝나야 합니다.

Gross Savings: AI 절감과 외부 역풍을 나눠 보는 VCP 회계

João Laranjo CFO는 애널리스트 질문에 VCP 절감액이 총액(gross)이며 역풍을 빼지 않은 숫자라고 못 박았습니다. 2027년에는 원자재와 반도체 비용이 역풍으로 작용할 수 있다고도 했습니다. 3분기 산업 원가는 전년보다 8억 2,800만 유로 줄었는데, CFO는 이 가운데 대부분이 구매 효율, CO2 비용, 보증 비용 감소에서 왔고 VCP는 일부라고 설명했습니다. AI 도구의 효과도 이 장부 안에서 과제 하나로 잡힙니다. 정비 도구와 Optima가 아낀 돈은 VCP 총액에 들어갑니다. 원자재 가격이 오르면 손익에서는 그 효과가 가려질 수 있습니다. 그래서 과제별 절감은 따로 적고 외부 요인은 별도 줄로 관리해야 AI가 실제로 얼마를 아꼈는지 말할 수 있습니다.

통념과 다른 주장

콜에서 나온 사례

사례	상황	한 일	결과	연결
AI 정비 도구	설비 고장이 생산성과 효율을 깎음	프랑스 공장 1곳에서 AI 정비 도구 시범	설비 고장 감소, 생산성 향상(수치 미공개). 제조 공장 100%로 확대	AI Maintenance Tool
Optima	수백만 개 입고 경로를 사람이 검토	팀이 만든 AI가 매일 입고 경로를 분석해 다시 설계	시범 공장 1곳에서 여러 공장으로, 전 공장 확대 중(절감액 미공개)	Optima
VCP 전체	원가 절감 예를 묻는 애널리스트 질문	3,000명 이상이 시스템·부품 단위로 절감 거리 분석	4분기 수억 유로 추가 절감, 2027년 run-rate 24억 유로 이상	Pilot Plant, Gross Savings

기술 디테일: 두 도구를 직접 만든다면

아래 데이터, 모델, 필드, 설정값은 실행 제안이며 Stellantis가 밝힌 구현이 아닙니다.

AI 정비 도구를 돌리려면 먼저 대상 설비를 좁힙니다. 지난 1년 고장 기록에서 정지 시간이 가장 긴 설비 종류 3~5개(예: 프레스, 용접 로봇, 컨베이어 구동부)를 고릅니다. 입력은 설비 PLC에서 나오는 전류·온도·사이클 시간, 별도로 붙인 진동 센서 값, 그리고 CMMS(설비 보전 관리 시스템)의 작업 지시와 고장 이력입니다. 고장 이력이 설비 종류당 수십 건 이상이면 고장까지 남은 시간을 예측하는 모델을 씁니다. 그보다 적으면 정상 패턴에서 벗어난 정도를 재는 이상 탐지부터 시작합니다. 판정은 5~15분 단위로 돌리고 같은 경고가 3회 연속 나올 때만 정비 담당에게 알립니다. 한 번 튄 값에 반응하면 알림이 너무 많아져 현장이 무시하기 때문입니다. LLM은 판정이 아니라 정비 담당에게 보낼 설명문과 과거 비슷한 고장의 조치 기록을 찾아 붙이는 데만 씁니다.

{
  "plant_id": "FR-PLT-01",
  "asset_id": "PRESS-L2-04",
  "asset_class": "servo_press",
  "signal_window": "2026-11-03T06:00/06:15",
  "anomaly_score": 0.87,
  "consecutive_alerts": 3,
  "predicted_failure_mode": "main_bearing_wear",
  "recommended_action": "다음 계획 정지 때 베어링 점검",
  "latest_safe_window": "2026-11-05",
  "similar_cases": ["WO-2025-1182", "WO-2026-0457"],
  "model_version": "maint-anom-v2",
  "planner_decision": null
}

Optima 같은 입고 경로 재설계를 돌리려면 문제를 공급사 픽업이 있는 차량 경로 문제(milk run 경로 최적화)로 정의합니다. 입력은 다음 날 생산 계획에서 나온 부품별 소요량, 공급사 위치와 출하 가능 시간, 용기 부피, 트럭 종류별 적재 용량과 운임, 공장 도크의 하차 시간대입니다. 계산은 LLM이 아니라 경로 최적화 솔버(예: Google OR-Tools)나 혼합정수 계획이 맡습니다. 목적 함수는 총 운송비이고 제약은 도착 시간대, 적재율, 운전 시간입니다. 매일 생산 계획이 확정되는 시각에 한 번 돌리고, 솔버 탐색 시간에 상한(예: 공장당 10분)을 두어 그 안에서 찾은 가장 좋은 해를 씁니다. 결과는 경로별로 방문 공급사 순서, 예상 적재율, 도착 시각, 기존 경로 대비 비용 차이를 담아 물류 담당에게 넘깁니다. 운송사와 맺은 고정 구간 계약이 있으면 그 구간은 제약으로 묶어야 계산 결과가 현실에서 쓸 수 있는 경로가 됩니다.

경로 하나의 출력은 아래처럼 남기면 물류 담당이 기존 경로와 바로 비교할 수 있습니다.

{
  "plan_date": "2026-11-04",
  "plant_id": "FR-PLT-01",
  "route_id": "MR-0217",
  "stops": ["SUP-1043", "SUP-2210", "SUP-0871"],
  "truck_type": "13.6m_curtain",
  "fill_rate": 0.86,
  "eta_dock": "2026-11-04T14:20",
  "dock_window": "14:00-15:00",
  "cost_eur": 612.0,
  "baseline_cost_eur": 688.0,
  "locked_by_contract": false,
  "solver_seconds": 540
}

절감 장부를 쓰려면 과제마다 기준선 기간, 측정 지표, 단가, 외부 요인을 같은 양식으로 적습니다. 정비 도구는 비계획 정지 시간 감소분에 시간당 생산 손실액을 곱하고 경로 재설계는 부품 1개당 물류비 차이에 물량을 곱합니다. 원자재·운임 단가 변동은 별도 칸에 적어 AI 효과와 섞이지 않게 합니다.

막히는 경우	증상	대응
고장 이력이 텍스트로만 남음	학습할 라벨이 없음	최근 1년 작업 지시를 고장 유형 코드로 다시 분류(LLM 분류 후 보전 담당 검수)
알림 과다	정비 담당이 알림을 무시	3회 연속 조건, 설비별 임계값 조정, 주 1회 오탐 검토
공급사 출하 시간 데이터 부정확	경로가 현실과 맞지 않음	픽업 완료 스캔으로 실제 시간을 매일 보정
운송사 고정 계약	재설계 경로를 실행 못 함	계약 구간은 제약으로 고정, 계약 갱신 때 결과를 협상 근거로 사용
둘째 공장에서 처음부터 다시 만듦	확대 속도가 안 나옴	설비 종류·필드·판정 기준을 공통 이름으로 맞춘 템플릿으로 배포

현업 실행 디테일: 누가, 언제, 무엇을

역할	맡는 일
제조 본부장	시범 공장 선정, 지표 승인, 전 공장 확대 판정
공장 보전 팀장	대상 설비 선정, 고장 이력 정리, 알림 처리 기준 정의
입고 물류 팀장	공급사·운송사 데이터 제공, 재설계 경로 검토와 실행
원가·재무 담당	기준선과 단가 확정, 절감 장부 관리, 외부 요인 분리
데이터 엔지니어·분석가	설비·물류 데이터 연결, 모델 운영, 주간 리포트
구매 담당	운송사 계약 조건 확인, 계약 구간 제약 정리

준비물. 대상 설비의 최근 1년 고장·작업 지시 기록, PLC 데이터 접근 권한, 공급사 목록과 위치, 최근 3개월 입고 운송 실적과 운임표, 운송사 계약서, 생산 계획 확정 시각과 방식이 필요합니다. 기준선은 시작 전 4주치로 잡습니다.

현업에 물을 것.

1. 지난 1년 동안 라인을 가장 오래 세운 설비 다섯 개는 무엇이고, 고장 원인은 기록돼 있나요?
2. 고장 징후가 보이면 지금은 누가, 무엇을 보고 정비 시점을 정하나요?
3. 입고 경로는 지금 누가, 얼마나 자주 다시 짜나요? 마지막으로 바꾼 때는 언제인가요?
4. 운송사 계약 중 경로나 차량을 바꿀 수 없는 구간은 어디인가요?
5. 절감액을 보고할 때 원자재·운임 변동을 지금은 어떻게 나누나요?

진행 판정 기준(예시). 실운영 4주 동안 다음을 채우면 둘째 공장으로 넓힙니다. 대상 설비의 비계획 정지 시간이 기준선보다 10% 이상 줄고 정비 담당이 처리한 알림 중 실제 이상이 확인된 비율이 50% 이상이어야 합니다. 경로 재설계는 부품 1개당 입고 물류비가 3% 이상 낮고 부품 결품으로 라인이 선 횟수가 늘지 않아야 합니다. 하나라도 못 채우면 원인을 찾아 4주를 더 봅니다.

AX 적용 제언. 국내 완성차·부품사나 공급사가 많은 조립 제조업이라면 두 도구를 같이 시작하기보다 데이터가 이미 모여 있는 쪽을 먼저 고르는 편이 낫습니다. CMMS 고장 이력이 정리된 공장은 정비 도구부터, 운송 실적과 운임표가 시스템에 있는 회사는 입고 경로부터 시작합니다. Stellantis처럼 공장 1곳에서 효과를 본 뒤 전 공장으로 넓히려면 시범 단계에서 설비 종류와 데이터 필드 이름을 공통으로 맞추는 일을 빼먹지 말아야 합니다. 경영 보고에서는 CFO가 한 것처럼 절감을 총액으로 적고 원자재·운임 같은 외부 요인을 따로 적습니다. 그래야 AI 과제를 계속할지 판단할 근거가 남습니다.

원문 사례

항목	내용
발표	Stellantis 2026년 3분기 실적 발표 콜, 2026.10.28 (The Motley Fool 녹취 2026.10.29 게재)
발언자	Antonio Filosa(CEO), João Laranjo(CFO), 질문 Harald Hendrikse(Citi), Stuart Pearson 등
실적	순매출 376억 유로(1%↑), 조정 영업이익 약 3억 유로(마진 0.7%), 산업 잉여현금흐름 -40억 유로
원가	산업 원가 전년 대비 8억 2,800만 유로 감소(주로 구매 효율·CO2·보증 비용, VCP는 일부)
VCP	3,000명 이상 참여, 4분기 수억 유로 추가 절감, run-rate 2027년 24억 유로 이상·2028년 60억 유로, 연말까지 60억 유로 중 40% 이상 실행
AI 정비 도구	프랑스 공장 1곳 시범, 설비 고장 감소·생산성 향상, 제조 공장 100%로 확대(절감액 미공개)
Optima	팀이 만든 AI, 매일 입고 물류 경로를 분석·재설계, 시범 공장 1곳에서 전 공장으로 확대 중(절감액 미공개)
기타 VCP 예	배선 하니스 분해 비교, 촉매 귀금속 최적화, 북미 공장 핫스탬핑 내재화
생산 효율	전년 대비 개선, 북미 10%p 이상 개선

핵심 개념

VCP

Value Creation Program. Stellantis가 제품, 제조, 물류, 조직 운영의 원가를 줄이려고 돌리는 전사 프로그램입니다.

run-rate

지금까지 실행한 절감 과제가 1년 내내 이어진다고 볼 때의 연간 절감액. 그해 실제로 손익에 잡힌 금액과는 다릅니다.

inbound logistics

공급사에서 공장으로 부품을 들여오는 물류. 완성차를 고객에게 보내는 outbound와 구분합니다.

milk run

트럭 한 대가 여러 공급사를 정해진 순서로 돌며 부품을 모아 공장에 오는 방식입니다.

CMMS

Computerized Maintenance Management System. 설비 목록, 정비 작업 지시, 고장 이력을 관리하는 시스템입니다.

gross savings

원자재 가격 상승 같은 역풍을 빼기 전의 절감 총액입니다.

내 메모

TODO: 내 생각 추가

원문은 The Motley Fool에 실린 「Stellantis (STLA) Q3 2026 Earnings Call Transcript」(2026.10.29 게재, 콜은 10.28)입니다. 내용은 같은 콜의 Investing.com 녹취로 대조했습니다. 요약, 핵심 메커니즘의 콜 내용, 통념과 다른 주장, 사례, 원문 사례 표는 Stellantis 경영진의 발언을 AX Review가 다시 정리했으며 효과와 수치는 회사 측 설명입니다. 실적 수치는 같은 날 회사 실적 보도자료로 확인했습니다. 기술·현업 실행 디테일, JSON 예시, 데이터·모델·지표 표, 일정과 판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했고 그 안의 필드명과 숫자는 가상 예시입니다. 콜 전문은 원문 페이지에서 볼 수 있습니다.