데이터 기반 제조가 여기 있습니다

데이터 기반 제조란 무엇입니까?

제조 공정에 영향을 미치는 중요한 결정은 항상 추측, 희망, 이론 또는 의견이 아닌 사실에 근거해야 합니다. 오늘날의 새로운 기술은 사람과 장비 모두 더 나은 결과를 달성하는 데 필요한 사실을 수집하고 처리할 수 있도록 지원합니다.

저비용 센서의 가속화된 배포와 인터넷 연결은 제조의 미래에 대해 많은 과장을 불러일으켰습니다. 사물 인터넷(IoT)과 빅 데이터 및 분석의 적용은 차세대 제조의 탄생으로 이어졌습니다. 여기에는 새로운 시대의 판매 및 운영 계획, 생산성 향상, 공급망 및 유통 최적화, 새로운 유형의 판매 후 서비스를 통한 비용 절감을 위한 데이터 사용이 포함됩니다.

데이터 기반 제조 효율적이고 반응이 빠른 생산 시스템을 구동하기 위한 제조 작업의 차세대 물결임이 분명합니다. 제조업체는 마침내 의미 있고 생산적인 방식으로 일상적인 의사 결정 활동에 데이터를 통합할 수 있는 더 나은 위치에 있습니다.

데이터 기반 제조의 이점

향상된 가시성

데이터 기반 제조를 통해 작업 현장의 운영 리더는 조직 전체에서 수집되는 이러한 데이터 메트릭을 기반으로 성과를 더 깊이 이해할 수 있습니다. 정확한 데이터는 개별 자산 성능뿐만 아니라 전체 제조 운영에 대한 필요한 통찰력을 제공할 수 있습니다. 이를 통해 의사 결정자는 성과가 좋지 않은 교대조, 반복되는 기계 가동 중지 또는 기타 생산 병목 현상을 포함하여 기회 영역에 집중할 수 있습니다.

IoT 기술 및 분석

제조 현장에 있는 대규모 데이터 세트를 통해 제조업체는 복잡한 문제를 해결할 수 있는 기계 학습 알고리즘을 실행할 수 있습니다. 이와 같은 인공 지능 및 기계 학습 기반 분석 노력을 통해 제조업체는 예측 유지 관리와 같은 고급 관행을 채택할 수 있습니다. 이러한 처리 기능 또는 데이터 액세스를 사용하여 데이터 기반 의사 결정의 세부 형식에 액세스할 수 있습니다.

자동화

자동화는 데이터 기반 접근 방식을 사용하는 두 가지 범주로 나뉩니다. 첫 번째는 특정 장치가 소프트웨어를 사용하여 데이터를 수집하여 처리하는 자동화된 데이터 수집입니다. 이것은 어떤 종류의 수동 개입도 필요하지 않습니다. 자동화의 두 번째 구성 요소는 자동화된 의사 결정을 위한 데이터 사용입니다. 제조업체는 예측 분석을 사용하여 먼저 데이터를 사용하여 발생한 일 또는 현재 일어나고 있는 일을 이해하지만, 결국에는 어떤 일이 발생할 수 있는지 이해하고 자율적으로 조치를 취할 수 있는 기회를 갖게 됩니다.

운영 비용 절감

린 제조와 함께 데이터를 통해 제조업체는 생산 프로세스를 간소화하고 낭비를 최소화할 수 있습니다. 이 실시간 데이터가 없으면 생산 개선 사항을 정확하게 측정하고 변경 사항으로 인해 비용이 절감되는지 확인하기 어렵습니다.

데이터 기반 제조의 과제

격리된 데이터 조각 및 기존 레거시 시스템:

여러 부서 간에 연결되지 않은 이질적인 운영 체제를 보유하고 공통 문서 및 커뮤니케이션이 부족하면 큰 문제가 될 수 있습니다. 서로 다른 시스템에서 이 데이터를 집계하는 것은 어려울 수 있으며, 이는 수집된 데이터에서 더 낮은 가치를 도출함을 의미할 수도 있습니다. 여러 수준의 기존 시스템을 연결할 수 있고 이 레거시 장비를 온라인으로 가져올 수 있는 IoT 기반 플랫폼은 여기에서 훌륭한 솔루션이 될 수 있습니다.

잠재적인 보안 위협:

더 복잡한 장치가 연결되면 데이터 또는 보안 침해에 대한 취약성이 더 커집니다. 또한 이전에 시스템 수준에서 보안이 다루어지지 않았기 때문에 강력한 데이터 보호 표준이나 개발된 프로토콜이 없을 수 있습니다.

안전한 데이터 저장:

데이터 기반 제조업체가 지원하는 여러 연결된 장치 및 시스템으로 인해 연결되는 데이터의 양이 증가함에 따라 데이터 저장 문제가 발생합니다. 증가하는 이 모든 데이터 스트림에는 수집 및 처리할 중앙 저장소가 필요하며, 이는 사용자가 데이터를 온프레미스에 저장하려는 경우 비용 집약적일 수 있습니다.

시간 트리거에서 이벤트 트리거 제조로의 전환:

오늘날 대부분의 제조 회사는 시간 트리거 제조 모델을 기반으로 합니다. 모든 입력은 원하는 모양과 시간에 원자재를 완제품으로 변환하는 ERP 시스템에 공급됩니다. 그러나 데이터 기반 제조가 표준이 되면 기계는 이벤트 트리거 제조 스타일을 따를 것이며 이는 제조업체의 생산 관점과 이 모델의 변화를 의미합니다.

데이터가 제조업체에게 고유한 자산인 이유

데이터는 모든 기업에서 가장 중요한 자산 중 하나입니다. 데이터 기반 제조 접근 방식은 막연한 '개선'만 하는 것이 아니라 처리량을 크게 개선하고 수익을 증대시킵니다.

PepsiCo는 소다 맛을 배포하는 방법을 추적하는 데 도움이 되는 분석 소프트웨어를 구현한 후 이를 발견했습니다. 데이터는 너무 많은 제품을 배송하여 사용하기 전에 만료되는 문제를 해결하는 방법을 보여주었습니다. 잔액을 조정한 후 PepsiCo는 선적을 줄였으며 따라서 낭비가 되었습니다.

Amazon은 데이터가 공급망에 무엇을 할 수 있는지에 대한 또 다른 매력적인 사례입니다. 이 회사는 주문 처리 센터를 응집력 있는 생태계로 만들기 위해 자동화에 막대한 투자를 했습니다. 데이터 기반 제조 혁신 덕분에 Amazon은 공급망 계획 비용을 절감하고 연간 이익 성장을 달성했습니다.

이 숫자를 사용하면 제조업체가 데이터에 능숙해지기를 원할 것이라고 가정할 수 있습니다. 그러나 디지털 트랜스포메이션은 상위의 동의가 부족하기 때문에 실패하는 경우가 많습니다. 리더십은 종종 첨단 기술을 위험 요소로 간주합니다. 새로운 기술이 근로자를 대체할 것이라는 두려움도 있습니다. 따라서 기업의 31%만이 진정한 데이터 기반 제조라고 생각합니다. 이는 2년 전의 37%에서 감소한 것입니다.

이러한 우려는 근거가 없습니다. 공장에서 데이터를 사용하여 프로세스를 개선하고 인공 지능을 사용하여 효율성을 높이면 해당 공장의 경쟁력이 높아집니다. 연구에 따르면 제조업체는 연결성을 개선하기 위해 9,070억 달러(매출의 5%)를 투입했으며 72%는 2020년까지 "디지털로 발전"할 것으로 예상합니다. 따라서 관련성을 유지하려면 데이터를 수용하는 것이 필수적입니다.

제조업체는 그 과정에서 몇 가지 장애물을 극복해야 합니다. 무엇보다도 회사에는 적절한 기술 스택과 이를 관리할 직원이 필요합니다. 그 외에도 의사 결정권자(IT뿐만 아니라)가 가장 정확한 정보를 가질 수 있도록 데이터에 대한 액세스를 개선해야 합니다. 마지막으로, 어떤 기술이 도입되든 필요에 따라 새로운 유형의 데이터와 분석을 통합할 수 있을 만큼 충분히 역동적이어야 합니다.

데이터 기반 제조의 과제

1. 레거시 시스템과의 통합

산업 자동화는 진화하는 과정이고 첨단 기술을 도입하는 것은 흥미롭지만 잘 확립되고 입증된 레거시 시스템과 함께 작동하도록 하는 방법을 찾는 것도 중요합니다. 현대 공장에는 여러 시스템 수준이 있습니다. 자체 개발한 레거시 시스템의 원래 개발자가 문서가 부족한 최신 시스템과 완전히 인터페이스할 수 없는 경우 문제가 될 수 있습니다. 깨끗한 종이 한 장에서 시작하는 것이 아니라 기존 설계 및 제조 환경 내에서 효율적으로 통합하는 것이 중요하다는 점을 이해하는 것이 중요합니다.

2. 시스템 보안 문제:

인터넷을 통해 연결된 분산 제어 시스템은 기존 시스템을 공격자의 무단 액세스에 노출시킬 수 있습니다. 점점 더 많은 IoT 장치가 게이트웨이를 통해 연결됨에 따라 어디서나 제어하고 액세스할 수 있는 길이 열립니다. 대부분의 기존 제조 시스템 게이트웨이는 IT 서비스가 안고 있는 새로운 보안 문제에 대해 상당한 양의 강화가 필요합니다. 이는 네트워킹 및 보안 작업을 처리하기에 충분한 컴퓨팅 성능을 추가함을 의미합니다.

3. 단순한 데이터 교환을 넘어 데이터 공유로

통합 데이터 모델을 만들고 제조 프로세스에서 모든 독립 시스템을 통합하는 것은 어려울 수 있습니다. 이 데이터는 낭비되는 자원과 자재를 최소화하기 위해 모든 사업부에 원활하게 매핑되고 공유되어야 합니다. 장비 전체에서 잠재적인 오류를 감지할 수 있는 IoT 기반 센서를 사용하는 것은 데이터 교환 오류를 최소화하는 한 가지 방법이 될 수 있습니다.

4. 부정확하거나 불완전한 데이터

기존 제조 데이터 자체가 불완전하거나 부정확하면 특히 데이터가 성공의 근간이 되는 중요한 프로젝트의 경우 의사 결정에 영향을 미칠 수 있습니다. 이는 또한 daa 기록을 완성하거나 사실이고 진위 여부를 확인하는 데 많은 시간, 노력 및 리소스가 사용된다는 것을 의미합니다.

데이터 기반 제조가 어떻게 도움이 될까요?

Forrester에 따르면 , 데이터 중심 조직은 수익을 창출하고 새로운 고객을 확보하고 유지하는 것 외에도 연간 30%의 성장을 보고합니다.

1. 의사 결정을 위한 예상치 못한 통찰력 얻기 :

고급 분석을 사용하여 예상치 못한 데이터 기반 통찰력을 개발하면 빠르고 정확한 결정을 내릴 수 있는 추가 기회가 나타날 수 있습니다. 제조업체는 올바른 데이터를 통해 가장 중요한 문제와 기회에 집중할 수 있습니다. 문제에 대한 KPI를 설정하여 제조업체가 올바른 것을 측정하고 있는지에 대한 명확한 이해는 문제를 쉽게 해결하는 데 도움이 됩니다.

2. 제조 프로세스에 대한 깊은 통찰력 :

고급 분석을 통해 제조업체는 생산 수율을 높일 수 있는 보이지 않는 기회를 찾을 수 있습니다. 여러 번 그들은 가능한 모든 프로세스 개선이 구현되었다고 가정할 수 있으며 개선을 위한 더 깊은 전망을 더 파고들 수 있는 데이터를 사용할 수 있습니다. 이러한 데이터 기반 인사이트를 통해 한동안 미루어 왔던 문제에 대한 솔루션도 찾을 수 있어 기존 리소스를 사용하여 운영 범위를 더욱 확장할 수 있습니다.

3. 비용 절감:

실시간 작업 현장 데이터와 정교한 통계 평가를 사용하는 제조 회사는 한때 분리된 데이터 세트를 쉽게 취하여 데이터를 집계한 다음 이를 분석하여 중요한 통찰력을 드러낼 수 있습니다. 비용을 절감하면서 결과의 속도를 높일 수 있습니다.

4. 시장 동향 예측:

데이터 기반 제조업체는 분석 플랫폼을 활용하여 맞춤형 수요 예측을 향상할 수 있습니다. 이는 고객 행동의 변동 패턴과 추세를 식별함으로써 발생합니다. 데이터 분석을 통해 제조 프로세스를 세부적으로 볼 수 있으므로 예측 분석을 통해 보다 스마트하고 정확한 생산 결정을 내릴 수 있습니다.

데이터 기반 제조를 위한 인공 지능

대부분의 데이터 기반 제조 프로세스는 높은 수준의 정확도, 생산 품질의 끊임없는 향상 및 최고 품질의 유지보수 프로세스를 요구하기 때문에 인공 지능(AI)은 이 산업에 이러한 결과를 쉽게 제공하는 방법을 찾습니다.

AI를 사용하여 제조는 더욱 데이터 지향적이 되어 제조업체는 수익뿐만 아니라 생산성을 높일 수 있습니다. 또한 스마트 유지 관리, 품질 4.0, 예측 인텔리전스, 인간-로봇 협업 등을 포함한 많은 AI 기반 분석 애플리케이션을 통해 지속적으로 성장할 수 있도록 지원합니다.

데이터 기반 제조 구현을 위한 5단계

제조업체는 체계적인 변환을 거쳐야 데이터 중심이 됩니다. 다음 단계를 따르십시오.

1. 시간 병목 현상을 조사하십시오.

Lead time, more than any other variable, reveals where true problems exist in the supply chain. Look for bottleneck operations, then investigate how and why they happen and what impact they have. Optimizing manufacturing operations management requires many things to be fine-tuned, but eliminating persistent delays and lost time is the priority.

2. DRAW ON EXISTING DATA.

Even if manufacturers need to collect more data from more sources to gain true insights, they already have data they can begin analyzing. It could be financial, operational, or physical — all of it contains insights that might be relevant to process engineers and continuous improvement experts. Working with available data helps companies cultivate their capabilities for the “big” data coming later.

3. USE AI TO SEARCH FOR INSIGHTS.

Collecting data is the first challenge; finding the insights within that data is the second. AI can aid this effort because it’s smarter and faster than humans. Analytics-driven by AI have been shown to improve order-to-delivery cycle times by 425% and supply chain efficiency by 260%. Compared to the alternatives, AI in supply chain makes it easy to begin leveraging analytics effectively.

4. EXPOSE THE UNKNOWNS.

The majority of details related to operations are unknown, even at the world’s leading factories. Data should be collected from sources that can illuminate these unknowns. Installing connected sensors is an ideal way to learn about previously opaque processes.

5. KEEP THINGS IN PERSPECTIVE.

As manufacturers become more fluent with data, it’s tempting to become as tech-driven as possible. However, fully automated manufacturing is only an asset for some companies, namely those with predictable demand. In companies where demand is dynamic, automation is less of an asset. Every technology should be evaluated based on whether it delivers actual business value rather than just advanced capabilities.

People mistakenly think manufacturing is data-driven because logically it absolutely should be. Decision-makers are discovering this at the exact same time that technologies like IoT and Big Data solutions are finally making it possible. It’s an incredible opportunity, but soon it will become an industrywide obligation.

Towards data-driven bottleneck elimination technology

ThroughPut’s Supply Chain planning software ELI is an AI-Powered Bottleneck Elimination Engine that analyzes your existing industrial data in real-time. ELI continuously detetects, identifies, prescribes and prevents your shifting operational bottlenecks to save millions in delays, inefficiencies &lost revenue. YOu finally can breakthrough bottlenecks that clog productivity, growth and profitability using data-driven decisions.

Click here to start your free trial with ELI today and start benefiting from the power of “data” for your factory operations.