포항공대 조현보 교수님의 제조업에서의 data driven management 강의를 여러 주차에 걸쳐 듣고 있다.
교수님의 지도하에 실제 현업에서의 기업 내부 데이터를 활용한 분석 과제를 도출하며 기존 사례나 접근법을 리서치하고 있다.
Digital transformation을 시도하며 여러 스마트 제조업의 가치창출 사례를 참고하고 있다.
실제 사내 데이터를 둘러보고 분석 과제를 도출하며 느끼는 점은 쌓여있는 데이터 파편들은 많다. 그러나 완전하지가 않다. 유의할만한 x변수들은 수집조차 제대로 되지 않는 경우가 다수이며( 온도, 압력, 진동, 가동시간 .. 중에서 온도만 측정된 n년치 데이터 등) 이를 위해서는 센서를 추가 설치하거나 PLC에서 적절히 추출해야 한다. 이를 위해서는 데이터 분석가가 필요한 데이터 항목을 표준화해서 제안해야 하고, 머신 소프트웨어 혹은 IOT엔지니어가 해당 데이터들을 IOT센서나 PLC 등에서 적절히 뽑아야 하고, 데이터 엔지니어의 ETL 및 파이프라인, FDW 구성이 필요하다. 무엇보다 현장 작업자,관리자들의 협조와 공감이 필요하다. 뭔가를 설치하고 적용하는 것이 다 현장에서는 귀찮은 일이다. 센서나 장비에 의존한다 해도 결국 관리는 현장의 작업자들의 추가적인 노동이 들어간다. 라벨링이나 QA등의 데이터는 여전히 기계보다도 인력이 더 효율적이기도 하다. 안타깝게도 대부분의 현장에서는 수집해야 할 데이터가 많아지고 섬세한 품질을 요구할 수록 짜증으로 돌아온다. 수기 입력해야 하는 데이터들은 대충 입력하거나 현장에서의 사정(당일 생산량 충족 등)에 의해 데이터가 조작 입력되기도 한다.
어느 업계이든 뭔가 AI니 빅데이터니 4차 산업혁명에 맞추어 활발하게 도입하며 데이터 수집에 어려움을 겪고 있다. 특히 제조업에서 어려운 부분은 기계, 장비, 작업자에서 데이터 수집의 표준화인 것 같다. 예를 들어 IT, 어플리케이션에서는 데이터가 로그나 통계로 쌓인다. 통계 로그를 심고 DB화 하는 등 나름의 과정은 필요하지만 제조업에 비하면 데이터 수집이 크게 어렵지는 않다. (분석은 둘째 치고)
공장에서 장비 내 PLC나 센서에 자체적으로 데이터가 측정, 적재되면 다행이다. 어떤 공정은 무엇을 기준으로 측정할 것인지 기준도 없고 센서를 달거나 수작업으로 데이터를 기입해야 한다. 데이터 변수 선정, 측정 기준 선정, 측정 도구 도입, 인력, 데이터의 신뢰성과 정확성, ETL 등 넘어야할 산이 많다.
결국 멋들어진 데이터분석이나 머신러닝은 잘 정제된 데이터에서부터 시작한다. 닭고기 없으면 오리로 요리한다 쳐도 최소한의 재료는 있어야 한다. 분석할만한 수준의 데이터 재료들을 완성하기 위해서는 넘어야 할 산이 너무나 많은 것이다. 분석하고 싶은 멋진 과제거리는 많지만 결과(Y)를 내기 위한 재료(X) 중 요리할 만한 것들은 다 쳐내고 나면 몇 개 남지 않는다. 즉, 분석은 커녕 수집조차도 표준화되어서 이루어지지 않는 것이 많은 제조업에서의 빅데이터, digital transformation의 어려움이다.
그래도 있는 것들만으로도 어찌저찌 무언가를 할 수 있다는 방향성만이라도 잘 제안하는 것도 의미는 있다.
현장에게 제조업에 빅데이터를 도입했을 때 어떠한 생산성, 품질 등의 개선이 구체적으로 가능한 지 윤곽을 보여줄 수 있기 때문이다. 현장 작업자에서부터 리더십 단까지 데이터 수집/분석의 공감을 이끌어낼 수 있다. 전사적 차원의 데이터 수집, 분석의 공감이 전제되어야만 앞으로의 빅데이터 기반이 다져지는 것이다.
아무튼 아래 자료들은 분석 과제들을 도출할 때 데이터가 있는지 없는지 검토하는 아키텍처로 참고하고자 한다.
고장 예지보전은 ... 음. 정상가동/고장의 로그 데이터 기록된 바가 없으니 PASS
재고량과 Backlog는 ... 음. 기존 APS와 실제 backlog와의 alignment가 제대로 맞지 않아 일단은 보류..
음.. 이런식으로 하나씩 따지다보면 뭔가 나오지 않을까?
무엇을 하려면 무엇이 필요한데 없으니 무엇을 도입하자라고 제안하는 것만도 의미는 있다.
'Research > 스마트 팩토리' 카테고리의 다른 글
공정 데이터로 설비 이상 탐지 분석 사례(kamp) (1) | 2023.12.22 |
---|---|
CMMS 고장 데이터 분석 참고자료 (0) | 2022.05.20 |
공정 품질 사전 예측 및 예지보전 위한 데이터 마이닝 (0) | 2022.04.05 |
챗봇 업체 research (비공개) (0) | 2022.04.05 |
예지보전(Predictive maintenenance)을 통한 다운타임 방지 (0) | 2022.04.05 |
댓글