산업용 IoT는 모두 린 제조를 촉진하기 위해 설정되었습니다.

제조 부문의 회사 수년 동안 린 생산 또는 프로세스를 통해 보다 효율적인 운영을 만들기 위해 노력해 왔습니다. 최신 기술 트렌드 중 하나인 사물 인터넷(IoT)의 등장은 린 노력을 크게 향상시킬 수 있습니다.

제조 시스템 내에서 낭비를 제거하기 위한 체계적인 방법인 린 제조는 다른 모든 것을 줄임으로써 가치를 더하는 것이 무엇인지 명확하게 한다는 개념을 기반으로 합니다. 이는 주로 일본 제조업 부문, 특히 전체 고객 가치를 향상시키기 위해 폐기물 감소에 중점을 둔 Toyota Production System에서 비롯된 경영 철학입니다.

린은 폐기물을 식별하고 꾸준히 줄이는 데 도움이 되는 일련의 도구를 포함합니다. 그리고 폐기물이 제거됨에 따라 품질이 향상됨과 동시에 생산 시간과 비용이 절감됩니다. 린의 궁극적인 목표는 낭비를 최소화하고 유연성을 유지하면서 완벽한 워크플로를 달성하기 위해 올바른 시간과 수량으로 올바른 장소에 올바른 것을 가져오는 것입니다.

사물 인터넷은 장치, 소비재, 차량, 기업 자산, 건물 및 기타 "사물"과 같은 물리적 개체를 인터넷을 통해 연결하는 것을 포함합니다. 이러한 "스마트" 개체에는 다양한 데이터를 수집 및 공유하고 제어 메시지에 응답할 수 있는 전자 장치, 센서, 액추에이터, 소프트웨어 및 네트워크 연결이 내장되어 있습니다.

IoT를 사용하면 연결된 개체를 기존 네트워크 인프라를 통해 원격으로 감지하고 제어할 수 있습니다. 이러한 연결은 물리적 개체를 디지털 시스템과 보다 직접적으로 통합할 수 있는 기회를 제공합니다. 잠재적인 이점으로는 효율성 향상, 제품 개발 개선, 고객 서비스 향상 등이 있습니다.

IoT의 잠재적 범위는 엄청납니다. 리서치 회사 가트너(Gartner Inc.)는 2016년에 전 세계적으로 64억 개의 연결된 사물이 사용된 것으로 추정했는데, 이는 2015년보다 30% 증가한 수치이며 매일 550만 개의 새로운 사물이 연결되고 있다는 것입니다. 회사는 연결된 사물의 총 수가 2020년까지 208억 개에 이를 것으로 예측합니다.

기업에서 Gartner는 연결된 사물의 두 가지 부류를 고려합니다. 하나는 여러 산업에서 사용되는 일반 또는 산업 간 장치와 특정 산업에서 볼 수 있는 수직 특정 장치로 구성됩니다. 산업 간 장치에는 연결된 전구 및 건물 관리 시스템과 같은 항목이 포함됩니다.

다른 등급에는 병원에서 사용되는 특수 장비 및 컨테이너 선박의 추적 장치와 같은 수직 관련 장치가 포함됩니다. 특수 용도로 연결된 사물이 가장 큰 범주이지만 일반 장치의 사용이 증가함에 따라 빠르게 변화하고 있다고 Gartner는 말합니다.

한 단계 더 나아가기

IoT 기반 제조 솔루션을 구축하는 맥락에서 IoT는 적절한 유지 관리 및 고객 만족을 보장하기 위해 구매 후 제품의 성능을 모니터링하는 기능과 같은 모든 종류의 가능성을 열어줍니다. 공급망 물류를 최적화하고 유통망을 합리화합니다. 제품 사용에 대한 정보를 회사에 피드백하여 데이터를 분석하여 설계 및 생산을 개선할 수 있습니다.

이러한 지속적인 데이터 교환과 새로운 자동화 기술 및 데이터 분석의 발전이 결합되어 제조업체는 진정한 "스마트 팩토리"의 꿈을 이룰 수 있습니다.

IoT는 린 방법론과 교차하며 다음 단계로 린을 취할 수 있는 잠재력이 있습니다. 다양한 제품에 대한 사용자의 경험을 포함하여 연결된 장치에서 수집한 정보를 계측 공장에 피드백하여 제조 프로세스를 개선하고 낭비를 줄일 수 있는 전례 없는 기회를 제공할 수 있습니다.

컨설팅 회사인 Deloitte가 말했듯이 “기존 비즈니스를 운영할 때 IoT와 분석은 기업이 다양한 자산을 연결하는 데 도움이 됩니다. 그 결과 제조 공정 전반에 걸쳐 효율성이 향상됩니다.”

회사는 효율성을 추가할 수 있는 여러 영역에 대해 설명합니다. 하나는 계획 및 사전 제조의 가속화를 통한 것입니다. 공급업체를 선택하고 위험을 고려하고 자재 비용을 관리하는 프로세스는 IoT와 분석이 가져오는 상호 연결성을 통해 미세 조정할 수 있다고 Deloitte는 말합니다.

“Analytics는 기업이 고객 선호도와 욕구를 더 잘 이해하는 데 도움이 되는 통찰력을 제공하여 잠재적으로 시장에서 예측 가능성과 성과를 개선할 수 있습니다.”라고 Deloitte는 말합니다. "구매 중인 제품과 특정 기능을 이해함으로써 기업은 시장 요구에 맞는 생산을 계획할 수 있습니다."

IoT의 또 다른 잠재적 이점은 제조 프로세스를 간소화하는 것입니다. 이는 더 많은 회사에서 IoT 및 분석 기능을 통합함에 따라 크게 변화하고 있습니다. "예측 도구와 기계 학습을 통해 잠재적인 문제가 발생하기 전에 식별하고 수정할 수 있습니다."라고 회사는 말합니다. IoT 및 분석을 통해 얻은 인텔리전스를 적용할 수 있을 때 "Kaizen 및 Kanban과 같은 적시 프로세스와 린 제조의 가치가 기하급수적으로 향상됩니다."

IoT가 가치를 더할 수 있는 세 번째 영역은 제조 후 지원 및 서비스 개선입니다. Deloitte는 과거에 제조업체가 제품이 판매된 후 제품을 추적하지 못하는 경우가 많았다고 말합니다. 이제 IoT 및 분석이 제공하는 새로운 수준의 연결성과 더 큰 통찰력 덕분에 제조업체는 부품 시장에서 서비스 및 지원을 개선하는 동시에 고객으로부터 효과적으로 정보를 수집할 수 있습니다.

린 제조를 위한 IoT의 이점은 단일 조직 내 프로세스 이상으로 확장됩니다. IoT는 제조업체와 비즈니스 파트너의 상호 작용을 최적화하여 제품 수요 및 사용에 대한 보다 정확한 데이터를 기반으로 파이프라인을 따라 자재의 흐름을 향상시킬 수 있습니다. Accelerite Concert와 같은 IoT 서비스 생성 및 강화 플랫폼은 이러한 협업을 실현하는 데 큰 도움이 될 수 있습니다.

제조업체는 기존의 수동 프로세스를 통해 달성하기가 극히 어렵고 일부 경우에는 불가능한 생산 효율성을 완전히 실현할 수 있습니다.

분석의 필수 요건

인터넷, 모바일 기술, 비즈니스 분석, 디지털 성과 대시보드를 성공적으로 활용하고 기타 지원 기술을 전략적 개선과 통합하는 조직은 일반적으로 훨씬 더 발전된 버전의 린(lean) 및 지속적인 개선으로 끝납니다. 경영 컨설팅 회사인 Center for Excellence in Operations Inc.의 사장 겸 CEO인 Terence Burton에게.

기업은 불가피한 낭비 증가 및 마진 침식을 겪기보다는 비즈니스 모델에서 이러한 복잡하게 부상하는 기술 기반 혁신의 이점을 누리기 위해 린이라는 더 높은 차원의 패러다임이 필요하다고 Burton은 말합니다. "사물 인터넷은 의심할 여지 없이 린이 고차원적이고 전사적이며 기술 기반 개선 패러다임으로 진화하는 데 큰 역할을 할 것입니다."

IoT가 제조업체에 제공할 수 있는 잠재적인 이점은 시기 적절하고 정확한 데이터의 가용성 향상에서 비롯됩니다. 저렴한 비용으로 제조 프로세스의 거의 모든 측면을 계측하고 해당 데이터를 인터넷을 통해 비즈니스 이해 관계자에게 신속하게 제공하는 능력은 이미 비즈니스 운영 및 비즈니스 모델을 변화시키고 있습니다. 그러나 진화된 "린의 고차 패러다임"에 대한 약속은 전적으로 데이터에서 의미 있는 통찰력을 도출하는 제조업체의 능력에 달려 있습니다.

제조업체의 린 노력에 IoT 데이터가 중요할 수 있지만, 시기 적절하고 적절한 정보가 없다면 방대한 양의 정보가 반드시 도움이 되지는 않는다는 점을 명심하는 것이 중요합니다. 데이터의 의미와 맥락을 분석하는 효과적인 방법.

클라우드 컴퓨팅의 유연성, 처리 및 저장 기능과 결합된 고급 분석 및 인공 지능(AI) 기술(예:머신 러닝 및 예측 유지 관리)만이 제조업체에 IoT 데이터를 최적화할 수 있는 기능을 제공합니다. 린 방법론의 일부로 활용합니다.

미래의 스마트 공장은 새로 획득한 정보를 최대한 활용할 수 있도록 하는 차세대 클라우드 기반 빅 데이터 분석 플랫폼을 배포해야 합니다. 플랫폼은 미사용(데이터베이스 내) 및 이동 중(스트리밍 데이터 소스에서) 정형 및 비정형 데이터를 모두 분석할 수 있어야 하며 데이터 수집, 저장, 변환, AI 및 시각화를 위한 단일 도구를 포함해야 합니다.

제조업체는 이해하기 쉬운 대시보드를 통해 IoT 데이터로 드릴다운할 수 있어야 합니다. 그래야 패턴을 찾고 더 린 운영을 만드는 데 직접적으로 기여할 수 있는 이상 징후를 감지할 수 있습니다. 유용한 상관 관계를 빠르게 식별하고 프로세스를 향상시킬 수 있는 추론을 할 수 있어야 합니다.

비즈니스 인텔리전스(BI) 및 데이터 시각화 도구가 새로운 것은 아니지만 현재 기술을 사용하려면 데이터 분석가, BI 개발자 및 ETL 개발자가 있어야 통찰력을 비즈니스 사용자에게 제공할 수 있습니다. Accelerite ShareInsights와 같은 차세대 분석 도구는 데이터 과학자와 프로그래머가 아닌 공장 프로세스를 완전히 이해하는 비즈니스 소유자와 주제 전문가의 손에 더 많은 권한을 부여할 것입니다. 또한 공장 운영 팀과 개발 팀이 액세스할 수 있게 되어 통합 데이터 흐름을 제공하여 제품과 프로세스를 보다 효율적으로 만들 수 있습니다.

궁극적으로 린 방법론이 스마트 팩토리에 적용되는 방식에서 가장 중요한 변화는 AI를 사용하여 인간 분석가가 불가능한 정교한 형태의 빅 데이터 분석을 수행하는 것입니다. AI 알고리즘은 이제 반자율 차량을 운전합니다. 우리가 TV에서 보거나 읽거나 들어야 할 것을 추천합니다. 우리의 언어 패턴과 얼굴을 인식합니다. 질병 등을 진단할 수 있습니다.

이 알고리즘은 학습만 할 수 있는 것이 아닙니다. 그들은 또한 인간이 감지하지 못하는 대규모 데이터 세트의 패턴, 상관 관계 및 이상을 감지할 수 있습니다. 그들은 복잡하고 상호 연결된 시스템의 동작을 예측하고 특정 목표를 달성하기 위한 최적의 행동 과정을 추천할 수 있습니다.

이 유형의 기능은 제조업체가 특정 사용자에게 제품을 제공할 수 있고 가장 효율적인 방식으로 생산 라인과 공급망을 구성하기 위해 예측 통찰력이 필요한 제품 개인화로 이동함에 따라 특히 중요할 것입니다.

차세대 IoT 분석은 AI의 힘을 비즈니스 이해 관계자에게 직접 제공하여 지속적인 최적화를 추진할 것입니다. 그리고 AI 기반 린 방법론은 필연적으로 복잡한 시스템에 침투하는 낭비를 제거하는 데 단순히 더 나은 것이 아닙니다. 폐기물이 발생하기 전에 이를 예측하고 발생하지 않도록 조치를 취합니다.

미래의 제조는 고객이 원하는 제품을 적시에 구축하는 것이며, 린 프로세스, IoT, 빅데이터 분석 및 AI가 결합되어 미래의 스마트 공장이 전례 없는 수준으로 운영될 수 있습니다. 효율성.

이 기사는 Accelerite와 협력하여 작성되었습니다. 저자는 Accelerite의 서비스 생성 사업부 수석 부사장 겸 총괄 책임자입니다.