인더스트리 4.0이 전 세계 제조 기업 전반에서 계속 성숙해감에 따라, 많은 이들은 새로운 기술이 오래된 방법론을 대체하여 효율과 생산의 지속적 개선을 촉진할 것이라고 가정합니다. 그리고 일부 애플리케이션에서는 그럴 수 있지만, 이러한 새로운 기술이 기존 관행을 보완할 수도 있다는 것도 사실입니다.
산업용 IoT 애플리케이션의 가치 제안과 매우 잘 정렬되는 한 가지 방법론이 바로 전사적 생산 보전(TPM, Total Productive Maintenance)입니다. 린 방법론으로 대중화된 5S 기반 위에 구축된 TPM은 가동 중단을 완화하고 생산을 개선하는 유지보수 모델입니다. 이 모델에서 유지보수를 위한 다운타임은 제조 일정의 일부로 제조에 포함됩니다. 장비에 가장 익숙한 운영자와 기술자에게 정기 및 예방 유지보수의 특정 측면에 대한 책임을 표준 운영 절차의 일부로 부여합니다.
전사적 생산 보전은 생산성, 효율성, 안전성을 개선하면서 라인 직원의 표준 운영 절차에 기본 유지보수를 포함하는 문화를 구축하는 것을 목표로 합니다. 이는 8대 활동 기둥으로 구성됩니다:
그렇다면 전사적 생산 보전은 산업용 IoT의 가치 제안과 어떻게 정렬됩니까? 새로운 기술과 상충하는 방법론이 아니라, TPM 같은 프로그램이 IIoT에 거의 맞춤형으로 만들어졌음을 쉽게 알 수 있습니다. 강력하고 포괄적인 산업용 IoT 플랫폼은 몇 가지를 제공합니다:
현장 시각화는 기술자부터 플랜트 관리자까지 조직의 여러 수준에서 중요합니다.
MachineMetrics에서 데이터의 목표는 이 세 가지 모두와 완전히 정렬되는 실시간 시각화와 분석을 제공하는 것입니다. 그리고 데이터는 MachineMetrics가 우리가 하는 일을 잘하게 만드는 요소입니다. MachineMetrics는 고객이 전반적인 설비 효율성(OEE)과 제조 효율성을 개선하고 분석을 통해 운영 전반에 가치를 주도함으로써 생산 병목 현상을 식별하도록 돕습니다. 이 개선은 운영 전반에 걸친 분석 사용을 통해 가치를 주도합니다.
전사적 생산 보전의 핵심 동인 중 하나는 린 방법론 도구인 5S를 사용한다는 것입니다. 직장이 고도로 조직화되고 표준화된 절차, 안전, 품질, 사기, 유지보수 및 기타 핵심 성과 요소가 영향을 받는 환경을 만듦으로써.
TPM은 5S 린 방법론 도구를 사용하며 종종 린 구현의 일부일 수 있습니다. 또한 IIoT 및 공장 모니터링 배포에 사용될 수도 있습니다. 둘 다 TPM을 회사 문화에 통합하는 것을 목표로 하는 개선 프로세스로 수행하겠다는 약속을 요구합니다. TPM 구현을 위한 5가지 기본 단계가 있습니다.
파일럿 영역은 TPM 팀에 입증 근거를 제공합니다. 직원들의 구매(buy-in)를 구축하고 혜택이 작동하는 것을 볼 수 있게 합니다. 구현 팀에 다양한 역할과 계층의 직원들이 포함되면 구매가 더 쉽게 이루어집니다.
파일럿 영역 선택에는 당연히 특정 장비가 포함됩니다. 한 가지 성공적인 비결은 즉각적이고 명백한 개선을 찾아 '팀 승리'를 얻는 것입니다. 이 승리는 프로세스를 완전히 검증하지는 않지만 성공에 대한 자신감을 구축합니다. 또한 직원들이 더 어려운 개선 영역으로의 경로를 더 쉽게 볼 수 있게 합니다.
개선을 위한 장비를 선택하는 또 다른 방법은 병목 현상을 선택하는 것입니다. 이 병목 현상에는 여러 장비가 관련될 수 있으며 일부 선행 다운타임이 발생할 수 있습니다. 하지만 생산이 '항상' 정체되는 영역에 집중함으로써 혜택이 더 클 수 있습니다.
파일럿 머신을 선택하는 마지막 방법은 항상 가장 큰 유지보수 다운타임을 가진 장비에 집중하는 것입니다. 레거시 머신이거나 운행 시간이 적고 훈련이 적은 머신일 수 있습니다. 하지만 모두가 해결하길 바라는 골칫거리입니다.
5S에 깊이 뿌리내린 것은 장비 효율성을 최적 운영 상태로 복원하는 것입니다. TPM 프로그램 이전에 운영자, 기술자, 유지보수 직원은 실제 및 인식된 문제를 해결하기 위해 수년간 '우회책(workarounds)'을 만들었을 수 있습니다. 장비 자체에 5S 도구를 배포함으로써 피크 상태로 돌아갑니다.
이 프로세스를 촉진하는 단계에는 전후 사진이 포함됩니다. 또한 일일 운영에 필요하지 않은 과도한 도구, 장비, 소모품 제거가 필요합니다.
그림자 상자나 드롭다운 하네스에 도구를 정리하고 머신 주변 영역을 청소하는 것도 중요합니다. 그리고 여기서 공식 5S 로그가 추가되어 생산 SOP에 감사 단계가 추가되어 노력이 시간이 지나도 유지되도록 합니다.
종합 설비 효율성(OEE)은 성과 지표를 설정하고 개선 목표를 세우는 훌륭한 도구입니다. OEE는 단일 지표가 아닙니다. 품질, 성과, 가용성을 측정하는 공식으로 계산할 수 있습니다.
TPM 팀의 설정된 목표가 어느 하나 또는 어느 조합의 지표를 사용할지 결정합니다.
OEE 추적은 데이터 기반 통찰을 설정하여 공장 자동화 프로젝트와 IIoT 배포에 대한 미래 목표에 대해 관리자와 의사결정권자에게 정보를 제공하는 좋은 방법입니다. 이는 기업이 벤치마킹하고 지표가 시간이 지남에 따라 전개됨에 따라 TPM의 진행 상황을 볼 수 있게 합니다. 그리고 팀이 추가 개선을 위해 무엇을 작업해야 할지 보는 데 도움이 됩니다.
비계획 다운타임이 저효율의 가장 큰 요인이기 때문에, 팀의 조건과 문제에 대한 명확한 그림을 얻기 위해 2~4주 간격이 권장됩니다. 또한 향후 생산 모니터링 자동화에 사용될 다운타임 범주에 대한 합의를 구축하는 데 도움이 됩니다.
비계획 정지에 대한 신뢰할 수 있는 양의 데이터 포인트가 시간이 지남에 따라 확보되면 팀은 개선 작업을 시작할 수 있습니다. 가장 명백하게 해결할 영역은 카테고리 목록에서 가장 큰 비계획 다운타임 소스입니다.
여기서 어류뼈 다이어그램, 파레토 차트 등 다른 린 및 식스 시그마 도구를 사용할 수 있습니다.
근본 원인 분석은 고려의 필수 구성요소가 되어야 합니다. 관찰, 물리적 및 사진 증거, 생산 이력을 분석하고 그 결과를 가능한 원인과 비교함으로써 문제의 근본 원인을 결정할 수 있습니다.
변경 후 결과를 모니터링하고 기록합니다. 결과가 작동하지 않으면 프로세스를 다시 실행해야 할 수 있습니다.
그러나 작동한 변경에 대해 더 높은 개선 수준에 도달하기 위해 프로세스를 다시 실행하는 것도 허용됩니다.
변경이 효과적임이 검증되면 선제적 유지보수 계획에 포함될 수 있습니다.
이 유지보수에는 근본 원인이 열 고장으로 식별된 장비에 대한 열 및 온도 모니터링이 포함될 수 있습니다. 또는 높은 응력 또는 전단 힘을 겪은 머신에 대한 진동 분석이 포함될 수 있습니다.
이 단계에서 유지보수 간격도 설정되어야 합니다. 이 간격은 달력 날짜가 아닌 운행 시간을 기반으로 해야 합니다.
그리고 기록과 차트를 유지하여 마모 부품 선제적 교체나 예측 고장률에 대한 현실적인 간격을 식별합니다. 이러한 절차는 일단 성숙하면 나중에 생산 모니터링 IIoT 소프트웨어 프로그램에 추가되어 시스템을 더욱 최적화할 수 있습니다.
TPM은 전통적인 예방 보전과 다릅니다. 전통적인 유지보수 프로그램에서는 OEM 권장 사항에 기반한 시간 지향적 목록이 사용됩니다. 이 유지보수 방법은 생산 자재가 장비 신뢰성이나 상태에 공격적이거나 온화한 부담을 준다는 것을 고려하지 않아, 장비가 예상보다 빨리 고장 나거나 훨씬 나중에 고장 나게 만듭니다. 하나는 고장 비용을 추가하고, 다른 하나는 여전히 최적 작동 상태인 부품을 교체하는 비용을 추가합니다. MachineMetrics는 고급 머신러닝, 심층 분석, 직관적이고 맞춤화된 대시보드로 운영자, 기술자, 관리자가 이전에 불가능했던 수준에서 실시간으로 행동할 수 있게 합니다.
전통적인 유지보수는 예지적이지 않습니다. IIoT 기술이 제공하는 능력인 교체나 기타 예정된 다운타임과 함께 유지보수를 예약하여 전체 다운타임을 줄이는 능력이 없습니다. 그리고 분석 기반이 아닌 매트릭스 기반이기 때문에, 전통적인 유지보수는 유지보수 수행을 위해 미리 설정된 시간에 의존합니다. 우리는 MachineMetrics에서 이를 수없이 목격했습니다. 우리의 소프트웨어는 산업용 IoT의 혜택을 생산 현장에 가져와 고객이 시간과 비용을 절약하는 동적, 데이터 기반 유지보수 프로그램을 개발할 수 있게 합니다.
직관적으로 TPM의 효과는 산업용 IoT의 가치 제안에 의해 가능해집니다. 머신 성능과 건강 데이터를 제공함으로써 IIoT는 TPM의 완전한 실현을 가능하게 하는 정보의 정확하고 실행 가능한 포착을 허용합니다. 그렇게 함으로써 '히든 팩토리'의 잠재력이 해제되고, 린 원칙을 기반으로 IIoT 기술을 사용하여 디지털 린이 실현될 수 있습니다.
헤더 이미지 출처: Unsplash
산업기술
인더스트리 4.0 기술이 제조 부문에 큰 영향을 미치고 있습니다. 인공지능(AI)과 스마트 기기들이 새로운 기술, 유지보수 전략, 관리 기법들을 가능하게 했습니다. 점점 더 많은 공장들이 스마트 기술을 도입하고 AI 솔루션에 막대한 투자를 하고 있습니다. 향후 몇 년간 더 많은 시설이 AI와 사물인터넷(IoT) 기술에 의존하여 성능을 개선하고 현장 유지보수를 수행할 것으로 보입니다. 인더스트리 4.0 기술의 다음 세 가지 적용 사례는 AI와 IoT가 제조업에 미치는 영향과 향후 업계가 어떻게 변화할지 보여줍니다. 1. IoT를
1970년대 일본 자동차 제조업이 오늘날 유지보수 부서 운영에 무엇을 가르쳐 줄까요? 꽤 많을 수 있습니다. 전체 생산적 유지보수(TPM)는 겨우 세 글자지만 들여다볼 게 산더미입니다. 빠른 배경 1950~1970년대 일본 기업들은 제조업 정교화에 많은 시간과 관심을 쏟았습니다. 핵심은 최전선 직원 소그룹을 개선 프로젝트에 권한 부여하는 것임을 발견했습니다. 1971년 나카지마 세이이치가 이 통찰 등을 정립해 전체 생산적 유지보수를 공식화했습니다. 일본의 가장 유명한 제조업 기여인 JIT(적시 생산)는 TPM 원리와 실천에서 비롯
