데이터 기반 자동화로 유지보수 공급망(MRO) 최적화하기

워윅 애널리틱스(Warwick Analytics) 댄 소머스(Dan Somers), 제조 글로벌과 MRO 분류 자동화 소프트웨어 논의

워윅 애널리틱스(www.warwickanalytics.com)의 댄 소머스가 제조 글로벌과 소프트웨어가 이제 유지보수 및 보증 분류 프로세스를 어떻게 정확하게 자동화할 수 있는지, 이것이 엔지니어, 관리자, 정비사에게 어떤 의미인지 논의합니다.

유지보수·수리·분해정비(MRO)의 과제

생산 장비 수리와 유지보수에 적절한 장비와 부품을 현장에 보유하는 것은 균형 잡기입니다. 제조를 계속 가동해야 하지만, 몇 달, 몇 년, 어쩌면 결코 사용되지 않을 장비와 부품에 막대한 자본을 묶어두고 싶지는 않습니다. 반대로 예측 불가능한 다운타임을 가진 플랜트 장비와 공존하면 잃은 생산 가용성과 비계획적 유지보수로 상당한 비용이 발생할 수 있습니다.

효과적인 MRO(유지보수·수리·분해정비)는 계획, 관리, 다양한 공급업체로부터의 서비스와 배송 조정, 각 부품 위치의 실시간 가시성 확보, 자원 집약적 프로세스를 최대한 비용 효율적으로 만드는 것입니다.

효과적 MRO는 정확하고 시의적절한 정보에 의존합니다. 특히 정확한 이슈와 수행된 조치를 아는 것은 미래 이슈 예측과 예방에 필수적입니다.

비정형 '자유 텍스트' 데이터 분석의 한계

유지보수·수리 비정형 '자유 텍스트' 데이터 분석은 현재 분석 주기 전반에 걸쳐 숙련된 인력의 상당한 수작업 입력을 필요로 해 정보 일관성과 정확성을 보장합니다. 그렇지 않으면 회사는 유사 사고가 몇 번 발생했는지, 증가 추세인지, 공통 근본 원인이 있는지 모를 수 있습니다. 정보가 텍스트에 묻혀 다른 단어, 약어, 의미로 유사 사고를 기술할 수 있습니다. 반대로 미묘한 설명 차이로 유사 이슈가 실은 별개일 수 있습니다.

텍스트 마이닝 도구는 키워드를 포착할 수 있지만, 현재는 인간이 원시 데이터를 지식으로 전환하는 최종 통찰을 제공합니다. 일반적으로 이는 사고에 대한 더 전체적 해석, 구조화된 데이터 및 서로 다른 데이터 소스나 선행 지식에서 추론 가능한 정보와의 비교에서 나옵니다.

현재 접근법의 과제는 인간이 주관적으로 행동하고, 실수하며, 개인 역량이 빠르거나 확장 가능하지 않다는 점입니다.

또한 서로 다른 데이터베이스 간 분석(예: 진단·제조 데이터 결합)은 더 많은 기술적 과제를 야기합니다.

이러한 압박을 고려할 때, MRO 공급망은 효율성 개선과 개선에 오랫동안 무르익어 있었습니다.

새 기술과 기법의 성공적 채택

업계 전반에 걸친 새 기술과 기법의 성공적 채택으로 달성 가능한 절감 효과가 강조되었습니다.

2014년 PwC가 100개 이상 제조·유지보수 기업을 조사한 결과, 3D 프린팅(적층 엔지니어링)을 현장 예비 부품 가용성 증대에 활용하면 폐기물 감소로 비용 절감, 노동 투입 감소 효과가 있었습니다. 대부분의 기업이 이미 제품 개발과 맞춤화에서 속도와 유연성 측면에서 상당한 이득을 보고했습니다. 연구는 예비 부품의 50%만 이 기술로 생산해도 34억 달러 비용 절감이 가능하다고 밝혔습니다.

운송 분야(MRO 이슈가 더 급박한 경우도)에서도 이미 사용 중인 기술들이 있습니다. IFS 유럽 항공우주 디렉터 에스펜 올슨(Espen Olsen)이 MRO에 가장 큰 영향을 미칠 핵심 기술로 꼽은 것들은 모바일 기술(필요 시 관련 정보에 접근하는 엔지니어용 모바일 앱)과 웨어러블 기술입니다. 일본항공(Japan Airlines)은 이미 유지보수 공정에 구글 글래스를 사용합니다. 안경은 활주로에서 항공기 주변에서 일하는 엔지니어가 착용합니다. 항공기 이미지가 유지보수 전문가에게 전송되어 평가되고, 발견된 이슈가 현장 엔지니어에게 피드백됩니다.

에스펜이 강조한 또 다른 기술 트렌드는 빅데이터가 미래 예측의 열쇠라는 점입니다. 그는 "MRO에는 데이터의 비밀을 활용해 예측 분석부터 재고 최적화, 사용 패턴 모니터링, 장비 건전성 실시간 추적·분석까지 모든 것을 가능하게 할 거대한 잠재력이 있습니다. 하지만 지금까지 주요 용도나, 더 중요하게는 어떤 데이터가 유용하고 어떤 것이 아닌지 식별하는 수단에 대한 답은 거의 없었습니다.

2015년 상업 부문은 빅데이터를 정면으로 다뤄야 하고 반드시 다룰 것입니다. 특히 예측 분석에 빅데이터 활용에 관해서입니다. 자산 고장 관련 핵심 데이터를 제공하면 이를 물류 시스템에 통합해 미래 설계 개선, 사용 최적화, 총 수명주기 비용 절감에 도움을 줄 수 있습니다."

이 예측은 이제 MRO 분류 프로세스를 자동화하는 새 소프트웨어 도입으로 실현되었습니다.

AMROC: 자동화된 MRO 분류 솔루션

AMROC은 워윅 애널리틱스의 신제품으로 가능한 접근법 중 하나입니다. 이질적이고 비정형적인 유지보수 데이터를 자동으로 변환합니다. 항공우주 운영자, 유지보수 담당자, 제조업체에 제공되는 통찰을 극적으로 개선하는 것으로 나타났으며, 이제 제조업체와 에너지 기업의 플랜트 MRO에도 사용되고 있습니다.

작동 원리는? 유지보수·수리 '자유 텍스트' 데이터 분석은 현재 분석 주기 전반에 걸쳐 숙련된 인력의 상당한 수작업 입력을 필요로 해 정보 일관성과 정확성을 보장합니다. 그러나 AMROC은 텍스트, 로그, 진단을 포함한 비정형·반정형 데이터를 분류를 위한 구조화된 데이터로 변환합니다. 소프트웨어는 구조화·비정형 데이터에서 수천 가지 가능한 패턴을 자동으로 마이닝하고, 이 패턴을 기반으로 이슈를 구조화하고 분류하며, 거의 실시간으로 수행해 수작업 자유 텍스트 유지보수·수리 데이터 분류·정량화 시간을 대폭 단축합니다. 데이터 클렌징이 필요 없어 가정과 오류에 노출되지 않습니다.

AMROC 같은 새 IT 기술로 운송과 제조의 MRO 비용은 감소할 전망이지만, 대형 기업과 OEM만 혁신해야 하는 것은 아닙니다. 공급망 상위 기업들은 공급업체에도 MRO 생산성 개선을 요구하고 있습니다.

결론적으로, 데이터에서 정보를 찾아내고 이를 활용해 이슈를 이해하고 예측하는 데 도움되는 새 기술들이 있습니다. 이들은 숙련된 인간을 결코 대체할 수 없지만, 그 사람이 풍부하고 정확하며 시의적절한 통찰을 얻고 전체 MRO 공급망을 더 생산적으로 만드는 데 극적으로 도움을 줄 수 있습니다.

자세한 정보: www.warwickanalytics.com