기업명 :

발표자 :

IoT기술과 Data Technology를 기반으로 한공장의 Digital Transformation 전략

Inspired by Pangdata

(주)프레버소프트

강구원 대표

1

프레버소프트(Preversoft)• IIoT산업을 위한 Digital Transformation 클라우드 서비스 Pang Data 제공

• IoT기술과 Data Technology를 기반으로 스마트 팩토리 솔루션 제공

✓ 비즈니스 영역: 한국/중국/베트남

2

SAAS(Cloud) and Package

The era of Data Technology

✓ 데이터는 제조의 미래

✓ 공장의 혁신은 사람과 데이터가 함께 융합되는 것에서 시작

3

왜 디지털 트랜스포메이션인가?• 디지털 혁신 없이는 어떤 형태의 정보화 혁신도 이룰 수 없음

• IoT+Data 기술을 통한 설비와 품질의 디지털 혁신은 가장 기본적인 단계의혁신

• 글로벌 경쟁 시대에서 제조기업의 디지털 혁신은 피할 수 없는 과정

• 중국의 기술과 가격경쟁력 향상은 한국 제조 기업에 새로운 도전과제

• 자사 제조 산업의 특성에 맞는 운영 혁신(Operation Innovation)을 통해서원가 절감 및 품질 고도화를 달성할 수 있는 혁신이 반드시 필요

4

IoT+Data Tech의 미래IoT

• 추적 및 이상 감지를 위한 생산 설비의 주요 데이터 수집

• 생산 특성에 따른 다양한 환경적 데이터 수집

• 품질 관련 데이터 및 품질 측정 데이터 수집

Data Tech

• 데이터 중심의 생산 조건 최적화(제품/원료/금형/설비/환경/생산방식)

• 제품별 생산 조건 표준 모델 정의

• 예방 보전을 위한 설비 데이터 Life-cycle 관리

• Data Tech를 통한 데이터 중심의 생산 방식 및 프로세스 수립

• 빅 데이터를 통해 예지 정비 인사이트 확보

• 품질 빅데이터를 통한 품질 예측 관리

• 품질 데이터의 변화를 통한 설비 예지 정비 인사이트 도출

• 빅데이터를 통한 제품별, 원료 또는 자재 별 최적화 생산 모델 구축

• 모든 생산 공정상의 빅데이터를 통한 품질 추적 분석(설비/원료/재료/수입검사/협력사출고검사/제품검사)

5

IoT+Data Tech 기반의 혁신 단계

6

설비Big Data

품질최적화 조건분석

생산성최적화 조건분석

QC

Big Data

예측품질 분석

품질추적 분석

예지정비 분석원가 절감

생산성 향상

작업표준화조건수립

제품별최적화조건수립

실시간이상감지

설비노후화및재료 변화에따른예측품질

이상감지에따른 설비반자동제어

데이터중심의 설비및품질관리

설비와품질 연관성분석

수율 향상

생산 라인별비교분석을통한최적화

수집 대상 분석 과정 순환,순차적 최적화 글로벌 경쟁력 확보

디지털 트랜스포메이션 사전 검토 사항• 모든 제조 현장의 IoT화가 필요한 것인가?

– 제조 특성에 대한 IoT 도입 필요성을 먼저 판단

• 생산 방식과 설비 특성 및 품질 관리 방식을 고려하여 판단

• 제품 및 생산 설비에 대한 데이터 중심의 과학적 생산방식 도입 필요성 판단

– ROI와 실제 투자 효과에 대한 사전 분석 필요

• Data Tech를 통한 투자 효과가 예상되는가?

• 장기적인 관점에서 Operation Innovation을 통해 효과가 예상되는가?

• 모든 제조 규모에서 필요한 것인가?

– 소형 제조 규모에서는 솔루션 형태의 제품 도입은 현실적으로 어려움

– 다품종 소량생산 방식에서는 더 정밀한 데이터 관리 및 분석 기술이 필요

– 설비의 온도, 진동, 압력 등의 센서 부착으로만 많은 효과를 낼 수 있는지는 심도있는 검토와 컨설팅 필요.

7

디지털 트랜스포메이션 사전 검토 사항• ICT 기술 도입 시 벤더 사의 기술과 경험에 대한 면밀한 검토 필요

– 도입하려는 기술을 통해 공장에서는 어떤 기대효과가 있는지 면밀히 검토 필요

– 현재 할 수 있는 것과 앞으로 할 수 있는 것에 대한 명확한 기술 특성 파악 필요

– 솔루션이 공장의 특성에 맞는 분석 기법과 알고리즘 등 확장성을 가지는지 검토

– 솔루션의 기술과 경험이 고객사에 어떤 효과를 줄 수 있는지 면밀한 검토

– POC를 통해 실제적인 효과 검증(정량적, 정성적)

– POC 결과에 대한 공장내 생산 전문가들과 협의를 통해 도입 의사 결정

– 현재 조직의 수준과 문화에서 ICT플랫폼을 운영 및 관리 할 수 있을지에 대한 의사결정 필요

8

디지털 혁신을 위한 ICT 기술 요소• Communication Connected

• IoT, Cloud Computing, Big Data, Real-time Data Processing, AI, Analysis

9

Big Data Analysis

Mobile Accessibility

Real-time

Anomaly Detection

AI

Integration

Statistical Process Control

Adaptive Control

Security

PerformanceCloud

공장내 혁신 요소• 사람, 설비와 품질이 ICT기술을 통해 유기적으로 상호 연결

10

공장내 분야별 혁신 상세내용(1)

11

분야 혁신 항목 설명

R&D 데이터 기반 시뮬레이션 축적된 빅데이터기반 표준 모델을 토대로 설계 모델과비교 분석

Concurrent Engineering 설계 변형에 따른 실시간 품질 및 생산 조건 최적화를통한 R&D시간 최소화 및 Feedback time 최소화

설계 이론 최적화 설계상의 오류나 설비의 특성으로 인한 이론이 품질 결과와 불일치가 발생할 때 데이터를 기반으로 이를 검증하고 판단하여 생산 조건 변경.

품질 디지털 품질관리 모든 품질 데이터의 빅데이터화를 통한 인사이트 확보

협력 사 실시간 품질관리 원자재, 부품 등의 협력사 품질 데이터 빅데이터화 및추적관리.중,장기 품질 인사이트 분석을 통한 납기 제품 품질예측.

품질 단기,중기 장기 예측 품질 전통적 품질 관리 기법이 아니 단기, 중기 및 장기의 품질 관리를 통한 예측 품질 분석

실시간 품질관리 실시간 품질 이상 감지를 통한 불량률 최소화 및 선행적 예지 정비 수행.

통계적 품질관리 SPC기반의 실시간 이상 감지와 빅데이터로 부터 SPC분석을 통한 빠르고 정확한 공정능력 분석

공장내 분야별 혁신 상세내용(2)

12

분야 혁신 항목 설명

생산 실시간 수율 최적화 실시간 이상 감지와 빅데이터 기반으로 생산 조건 최적화를통한 수율 최적화

원격 모니터링 생산, 설비 관리를 위한 원격 모니터링 및 실시간 프로세스개선.생산 관리자가 언제 어디서나 제품별 생산조건을 관리하여장애 및 이상에 대한 위험 관리.

Intelligent Assistants ICT시스템을 통한 생산 최적화 모델 기반의 생산 방식을 적용.사람의 실수 및 인지 못하는 정보를 SW가 제공하여 이를 통해 안정적 생산 환경 구축.

생산 조건 최적화 및 실시간 품질관리 공정별 생산 데이터 및 설비 데이터 수집과 품질 데이터 수집을 통하여 실시간으로 품질 문제 감지 및 예측.설비의 공정 능력 저하에 따른 이상을 감지하고 이를 통해설비 예지 정비 조치 수행.

설비 원격 보전 및 관리 설비 데이터를 중심으로 실시간 운영 상태 이상 모니터링.설비의 Life-Cycle 빅데이터를 통한 노후화 현상 조기 예지정비.생산시 특정 문제가 지속적으로 발생하는 경우 설비 마스터가 원격으로 설비 상태 관리 및 조치.

Life-Cycle Management 공장내 주요 생산 설비 및 관련 설비등의 데이터를 빅데이터화 하여 이를 통한 데이터 중심의 최장 설비 사용 및 예지정비 시스템 운영

설비 혁신• Machine to Human

• Remote Control

• Intelligent Assistants

• Adaptive Control

• 양방향 통신

• 실시간 설비 데이터를 통한 예측 품질

• 설비 공정능력관리 및 예지 정비

• 생산 라인 비교 분석(생산조건, 공정능력)

• 데이터 기반 Life Cycle관리를 통한 노후화 예측

• 품질 결과의 빅데이터 분석을 통한 설비 노후화 예측

• 방대한 머신 데이터(Millisecond 단위 수집)

13

설비 이상감지 및 예지 정비 구성도• 설비 데이터 실시간 수집을 통한 이상 감지와 품질 추적 분석을 위한 빅데

이터 확보

14

생산현장

노후화, 환경 변화로인한 데이터 이상

ICT

Platform

설비 데이터이상 알림

설비 데이터 이상에따른 장애예측

환경변화,작업자 실수 따른이상 발생

로봇

CNC

설비

설비 운영현황, 상태 데이터실시간 파악

실시간 데이터전송

연관 설비 이상감지

생산설비 실시간 카메라 데이터기반설비상태분석

설비예방보수

최적 품질 표준모델 정의

품질 혁신• 전수 측정

• 실시간 품질 이상감지

• 예측 품질(사전 품질 조치)

• 전체 품질 이력 및 데이터 인사이트

• 품질을 빅데이터를 통한 설비 최적화 및 예지 정비

• 비연결과 연결 데이터의 모두를 활용한 빅데이터화

• Adaptive Control/Intelligent Assistants

• 빅데이터 기반의 새로운 품질관리(인사이트, 예측품질)

• 품질 변화에 에 따른 전후 공정 데이터 추적 분석

• 빅데이터 또는 표준 모델기반 생산 조건 이상 감지 및 추적 분석

• 단기, 중기, 장기 공정능력 분석

• 협력사 원료 및 자재의 품질 실시간 이상감지 및 품질 추이 분석

15

실시간 품질 이상감지• 실시간 이상 감지에 따른 SPC분석과 설비, 영상, 수입검사 및 납품 검사 데

이터 비교분석을 통한 원인 추적 분석

16

생산현장

공정능력이상 알림

ICT Platform 공정능력

장애 예측

Rules 기반품질 이상

공정 능력분석

측정데이터자동전송

측정데이터수동 입력

데이터 경향성분석

이상감지 분석

SPC상세 분석품질 인자 표준 분석

생산 시 사용된공급부품(원료)품질 비교분석

설비 및 환경영상 분석

영상 분석

작업자 생산과정영상 분석

설비 표준 데이터 분석

품질 인자 별 연관성 문제발생 분석

품질 연관성이상감지

일별 SPC 통계관리

품질 데이터 빅데이터화• 협력사 품질, 수입검사 품질, 출고 검사 품질, 생산 실시간 품질의 빅데이터

화

17

SQM OfficeInspection room

ICT Platform

by lotTest and

handy input

Inspector

InspectionManager

Check SPC result

SQM Manager

Manage supplier’s quality

By lot(day,week,month,year)

By part(Supplier, Customer)

All part’s report by month(year)

Manage part item quality individually.

Check sample result

SAPReport inspection

result

MobileLaptop

Where ever you are

Supplier

Input their sampling result and manage customer’s inspection result

디지털 트랜스포메이션 방법론• 의사 결정과 관련 부서 융합을 이끌 수 있는 T/F 조직화

• Agile 기반으로 가장 혁신이 필요한 곳에서 점차적으로 공장 전체로 확대

• 한 공정 또는 일부 조직의 Process 개선 및 표준화를 통한 확산 방식 사용

• 제품별 품질 표준 모델 분석 및 정의

• 제품별 생산 최적화 조건 표준 모델 정의

• 공장내 내부 시스템과의 긴밀한 통합

• Intelligent Assistants->Adaptive Control->AI

18

사람 = ICT혁신의 핵심• 사람이 가장 스마트, 데이터는 사람을 더 스마트 하게 하는 도구

• 데이터는 인간에게 있어 네비게이션과도 같음

• 네비게이션은 대중화 되어 있음. 데이터 역시도 대중화의 시작 단계임

• 데이터는 정보와 의사 결정 기준을 담고 있음

• 데이터는 사람의 지식과 경험을 통해 혁신의 도구로 사용될 수 있음

• 데이터분석을 통한 생산 절차 개선 및 혁신(조작 오류, 설비 운전 오류, 데이터 기반 실시간 생산 조건 최적화)

19

추진 전략AS-IS 분석

• 공장의 디지털 트랜스포메이션 도입 분야 진단

• ICT기술 구성과 도입 솔루션에 대한 추상적 개념 분석

• 영역별 혁신 실행 과제 도출

• The Most Wanted 목표 수립(스마트 공장 실행 항목)

TO-BE 목표

• 기업 수준을 평가하고 추진 단계 전략수립(로드맵)

• T/F수립 및 개선 목표 수립. 프로젝트 구성

• 대상선정 및 POC(Proof of Concept) 수행

• 결과 분석 및 혁신 대상 결정

• 데이터 중심의 품질, 수율, 설비 관리 체계 구축

• 실시간 이상감지, 데이터 중심의 실시간 생산관리 및 예측 품질, 예지 정비시스템 운영

20

혁신 순환 Cycle

21

2. 실시간 Data

수집및빅데이터화

3. 분석및

데이터표준화

4. 실시간

이상감지

1. 공장진단

5. 원인추적및분석

6. 장기분석

및최적화계획수립

•설비및 품질 센서연결

•설비데이터 수집

•생산품질 데이터수집

•QC데이터 수집

•수입검사데이터수집

•수집된데이터 분석

•실시간패턴 분석

•협의체를통한 문제분석 및진단

•실시간이상 감지와분석을위한 표준모델정의(설비, 품질, 공정능력)

•품질이상감지

•설비, 품질 장애예측

•공정능력이상감지

•연관성이상감지

•AS-IS 문제 분석(생산성, 수율, 품질, 설비)

•TO-BE 목표 및 개선방안수립(생산성, 수율, 품질, 설비)

•이상감지결과에따른 데이터분석

•빅데이터분석 및알고리즘추가

•실무자(설비, 품질)협의를통한원인분석

•원인파악을 위한현장 실시간모니터링

•설비운영 조건최적화 및작업 표준화개선적용

•장기분석 및 개선이필요한목표정의.

•설비개선 계획수립 및 수행.

•생산프로세스 개선및 최적화.

•금형별 최적화조건 분석및 적용.

혁신을 위한 지속적 과제• 빅데이터 중심의 지속적 설비 및 품질 관리를 통한 안정화 유지

• 설비 및 품질 문제에 따른 데이터 분석을 통한 추적 및 최적화 유지

• 설비 별 품질 비교를 통해 라인 별 원인 분석 및 안정화

• 빅데이터기반 공장 최적화를 위해 전담 조직을 두고 데이터 중심의 현장활동 및 생산 시스템 유지

• 데이터 중심의 지속적 혁신을 통한 디지털 트랜스포메이션 영역 확대

• 사람과 조직이 함께 혁신되지 않으면 디지털 혁신은 불가능

• 디지털 혁신은 기술 도입만으로 불가능. 반드시 전사적 참여가 반드시 필요

22

디지털 트랜스포메이션 완성 로드 맵• 단기, 중장기 스마트 공장을 위한 디지털 혁신 로드맵

23

지능화

•공장 지능화

•기계 지능화

•장애예측

•머신러닝

•통계 기반 분석기술

강화

인공지능(AI)

•품질 분석/진단/예측

•인공지능 설비제어

CPS

• ICT융합 플랫폼

•스마트제조플랫폼

1~2년 향후5년 향후10년

디지털 혁신의 위험요소• 조직 문화와 기업의 디지털 수준

• 리더와 현장 실무자와의 의식 차이

• 기존 현업 실무자들의 부정적 시각

• 전통적 생산방식에 대한 자부심과 애착

• 조직의 변화에 대한 거부감

• ICT기술에 대한 접근성 부족

• 조직의 목표에 대한 명확한 신념 및 확신 부족

• 디지털 혁신이 가져올 불 명확한 비전

• 디지털 혁신에 필요한 조직과 프로세스 최적화 경험 부족

• 벤더 사의 기술과 경험의 한계

• Too busy!

24

Q&AThanks you so much~

prever@prever.io / 070 8682 0790 /www.prever.io

Facebook link

Pangdata: https://facebook.com/pangdata

Preversoft: https://facebook.com/preversoft

25