산업 전망: 앞으로의 길 그리기

서론: 지난 몇 개월의 해부

올해 초 코로나바이러스가 사회 전반에 미칠 영향을 진정으로 예측한 사람은 아무도 없었습니다. 이는 역사적 주식시장 변동성(보통 전례 없는 불확실성 수준을 나타냄), 급변하는 정책 결정(당시의 기술적 환경 변화에 대응하느라 고군분투함), 점점 더 악화되는 정치적 분위기에서 드러납니다.

가을이 다가오면서 학교와 대학 캠퍼스가 개학과 폐쇄를 반복하고 독감 시즌이 다가오면서, 불확실성과 변동성은 더욱 커질 것입니다. 더 많은 정책 결정권자가 우리 데이터를 예측과 의사결정 지침에 사용함에 따라, 제조 산업의 실제 상태에 대한 우리의 일일 업데이트는 더욱 중요해질 것입니다.

제조 기업부터 컨설팅·회계 법인, 정부 기관에 이르기까지 많은 조직이 우리 데이터가 실제로 어떻게 생성되는지에 대한 더 자세한 정보를 요청해 왔습니다. 수많은 질문은 이해할 만합니다. MachineMetrics는 완전히 새로운 기계 최적화 서비스 카테고리에 관여하고 있으며, 이는 순수 클라우드 구현이므로 고객에게 클라우드의 이점을 제공할 뿐 아니라 우리에게도 산업을 위한 익명화된 종합 척도라는 이점을 줍니다. 이번 호에서는 우리 데이터가 실제로 어떻게 얻어지는지에 대한 실사와 최근 데이터에서 얻을 수 있는 인사이트를 다룹니다.

서장: 우리는 어떻게 이 데이터를 얻고 있는가?

"새 기계가 연결될 때 데이터셋을 어떻게 업데이트하나요?", "표본 크기가 어떻게 이 종합 지표를 얻기에 충분한가요?", "수천 대 기계의 데이터가 정확한지 어떻게 확인하나요?" 같은 질문을 자주 받습니다.

이들은 훌륭한 질문이며, 제조와 기술 양쪽 배경을 모두 갖지 않은 사람에게는 당혹스러울 수 있습니다. 기초부터 시작해 보겠습니다.

이것은 미국 어딘가에 있는 전형적인 기계 공장입니다. 기계는 어떤 기계 최적화나 모니터링 서비스에도 연결돼 있지 않고, 현장 관리자는 작업자가 하루 끝날 때 부품이 부족하다고 말할 때만 뒤처진 것을 압니다. 그러면 추가 교대조를 투입하거나 기계 피드레이트를 오버드라이브로 돌려 따라잡거나, 그냥 부품 부족으로 납기일을 놓치거나 미루며 고객을 화나게 합니다. 좋지 않지만, 지난 몇 십 년간 이렇게 해왔습니다.

여기가 우리가 개입해 인더스트리 4.0 솔루션을 가능하게 하는 지점입니다. 이 기계들을 연결하고 그들의 성과를 언제든 가시적으로 만드는 것입니다. 우리는 이 기계들의 PLC(프로그래머블 로직 컨트롤러)에 연결할 수 있는데, 이는 일반적으로 기계 바로 앞의 운영자만 볼 수 있는 중요한 정보를 출력합니다.

어떻게 하냐고요? 비결은 우리의 엣지 디바이스에 있습니다. 이는 기본적으로 여러 머신 어댑터가 사전 탑재된 Windows/Linux IoT 컴퓨터로, PLC에서 나오는 신호를 번역·정제·해석합니다. 각 제어 제조사마다 자사 API가 있어 우리가 이 작업을 할 수 있게 하고, 우리 지적재산의 큰 부분은 이 API들을 해독하고 개별 언어를 하나의 통합된 언어로 번역하는 데 있습니다. 아래는 기계 PLC 사진이며, 녹색/검은색 박스로 강조된 부분이 우리의 엣지와 디지털 I/O 디바이스입니다. 우리는 단순히 PLC의 이더넷 포트에 연결해 컨트롤러가 출력하는 정보를 추출한 후 클라우드로 스트리밍합니다. 복잡성을 고객에서 엣지 디바이스 내부의 복잡한 기술로 이전해, 사람들이 현장 방문 없이 모든 것을 직접 설치할 수 있을 만큼 쉽게 만들었습니다.

고객들은 무엇을 얻나요? 기계가 어떻게 돌아가는지 실시간으로 보여주는 멋진 대시보드입니다. 공장 반대편 기계는 뭐 하고 있나? 켜져 있나 꺼져 있나, 누가 조작 중인가, 부품 목표에 비해 뒤처졌나 앞서나?

제품 기업으로서, MachineMetrics 데이터 사이언스의 주된 작업은 이 방대한 데이터셋을 사용해 기계가 언제 고장날지 예측하고, 고객에게 손실이나 손해를 입히기 전에 멈추는 것입니다. 이는 제품을 더 좋게 만들고, 더 쉽게 팔리게 하며, 우리 관리 하에 있는 기계를 최적화할 더 많은 데이터를 얻게 합니다. 선순환입니다. 예를 들어, 한 고객의 기계 고장 원인을 분석해 그 고객과 유사한 기계·문제를 가진 다른 고객 모두를 돕는 데 활용할 수 있습니다.

하지만 이 모든 데이터의 멋진 부작용 중 하나는 이 정보를 종합해 전반적인 산업 트렌드를 볼 수 있다는 것입니다. 이는 처음부터 우리 회사의 주된 목표는 아니었지만, 지난 5년간 제품을 부지런히 개선하고 자가 설치 기계를 가능하게 하면서, 이제 미국 제조 공간의 상당하고 대표적인 샘플을 갖게 되었습니다. 이를 가능하게 한 열쇠 중 하나는 제품을 사용하고 자가 설치하기 쉽게 만들어, 대부분의 통합과 교육에 우리가 현장에 갈 필요가 없게 한 것입니다. 이를 통해 선형적이 아닌 기하급수적으로 확장할 수 있습니다. 수요를 따라잡기 위해 더 많은 통합자나 트레이너를 고용할 필요가 없습니다.

아래는 우리 데이터 사이언스 팀이 이 분석을 생성하는 데 사용하는 테이블로, 고객별 정보는 제거했습니다. 매일 매시간, 각 기계마다 우리 엣지 디바이스 군단에서 자동으로 다음을 수신합니다:

[전체 크기 이미지]

1. in_cycle_ms: 기계가 사이클 중인 시간 (G-코드 프로그램 실행 중이거나 PLC 없는 기계의 경우 스핀들이 상당한 전류를 끌어당기는 시간).
2. spindle_rotating_ms: 그 시간 중 스핀들 자체가 회전하는 시간. G-코드 프로그램 중에는 내장된 휴식과 일시정지가 있습니다. 이 지표는 그 기간을 제외합니다.
3. cutting_ms: 그 시간 중 실제 절삭, 즉 금속-금속 접촉에 소요된 시간.
4. parts_produced: 이 기간 동안 PLC가 생산했다고 알려준 부품 수. 보통 본 G-코드 프로그램 회전 수에 부품 승수를 곱한 값(또는 오래된 기계의 경우 부품 제작을 나타내는 뚜렷한 전류 ⚡️ 패턴 수의 곱).

운영자가 기계에서 수동 입력한 항목도 수집합니다. 생산된 부품 중:

1. parts_rejected: 어떤 이유로든 완전히 거부된 부품 수.
2. parts_scrap: 거부된 부품 중 스크랩으로 간 부품 수.
3. parts_nonconform: 거부된 부품 중 QA 표준에 부합하지 않는 부품 수.

이 시점에서 약 6,600만 기계-시간의 생산 데이터가 기록돼 있으며, 이는 제조 산업에서 가장 크고 완전한 데이터셋 중 하나라고 믿습니다.

우리는 규모, 지역, 산업 면에서 다양한 고객을 보유하고 있습니다. 자동차 분야는 제조업 전체 대비 약간 과소대표되고, 의료기기 제조는 과대대표됩니다. 본사와 엔지니어링 팀이 있는 북동부 지역도 약간 과대대표됩니다. 고객 기반 분포와 대표 기업은 아래와 같습니다. 매우 정밀한 척도를 원하는 영리한 분석가는 우리 원시 데이터를 기반으로 재가중된 활용도 척도를 구성할 수 있습니다. 우리 데이터가 더 널리 사용됨에 따라 그 견고성, 가정, 출처에 대한 더 큰 검증을 거칩니다. 이번 '산업 현황 업데이트'에서 이 세 영역 모두를 다루는 것이 중요하다고 느꼈습니다.

[전체 크기 이미지]

그렇다면 현재 산업 현황은 어떠한가?

그동안 링크드인에 매일 올리던 활용도 업데이트에 몇 가지 트렌드를 겹쳐서 시작해 보겠습니다. 기본적으로 올해 지금까지 네 가지 국면이 나타납니다:

1. 코로나바이러스가 미국을 강타하고 주들이 폐쇄되기 전 7% 증가
2. 3월부터 4월 중순 폐쇄 정점까지 16% 감소
3. 부활절부터 독립기념일까지 폐쇄가 완화되기 시작하며 8% 증가
4. 2020년 여름과 가을의 현재 '관망' 모드에서 2% 감소

이러한 전반적 트렌드가 우리 중 누구에게도 놀라운 것은 아니지만, 이에 정확한 정량적 지표를 부여하는 것이 우리의 새로운 기여입니다. 어떤 조직도 이전에 제조 성과에 대한 정확하고 산업 대표적인 고빈도 지표를 제시한 적이 없습니다.

[전체 크기 이미지]

산업별 및 지역별 분석

이는 산업 현황을 정확하게 평가하는 데 큰 결과를 가져옵니다. 예상대로 이는 산업별·지역별 분석에서 나타납니다. 이 섹션에서는 특정 산업과 지역에 깊게 파고들어달라는 요청에 집중하겠습니다.

산업 레벨 분석부터 시작해, 올해 코로나 이전 시기로 거슬러 올라가 보겠습니다. 아래에서 보듯, 자동차는 공장 폐쇄 명령과 소비자 수요 붕괴로 3월 말에 완전히 무너집니다. 의료기기 제조는 이 모든 과정을 거쳐 안정적으로 유지됩니다.

[전체 크기 이미지]

일별 변동을 제거해 전반적 트렌드를 더 명확히 보겠습니다. 7일 이동평균에 스팬 0.75로 LOESS 피팅한 이 트렌드라인을 유지하겠습니다(경제학자와 분석가 여러분, 더 자세한 내용 원하시면 연락주세요).

[전체 크기 이미지]

이를 세 챕터로 나누고 챕터별로 LOESS 커브를 다시 피팅했습니다.

[전체 크기 이미지]

챕터 1: 활용도는 계단으로 오르고... 엘리베이터로 내려간다

2월 중순부터 4월 중순으로 확대해 보겠습니다. 2월 초, 우리가 추적하는 5대 주요 산업 모두 18개월 최고치 경신을 앞두고 순항 중이었습니다. 자동차는 특히 강했는데, 높은 소비자 수요와 구매 심리로 많은 OEM과 1차 협력사가 생산 수준을 높여 기계 활용도도 상승했습니다. 다른 산업은 보합이거나 약간 상승했습니다.

그러다 코로나 폐쇄가 닥쳤고, 우리는 '계단으로 오르고 엘리베이터로 내려가는' 교과서적 사례를 봅니다. 주식시장 등 많은 영역에서 이 패턴을 봅니다. 천천히 올라가려면 많은 안정성과 순조로운 일이 필요하지만, 단 한 번의 큰 이벤트로 빠르게 내려갑니다. 의무적 폐쇄와 붕괴한 소비자 수요가 자동차 제조를 압살해, 4월 중순까지 활용도 수준이 40% 하락했습니다. 일부 고객이 이 시기에 인공호흡기 등 의료 장비 생산으로 전환하려 했지만, 폐쇄를 상쇄하기엔 턱없이 부족했습니다. 4월 15일, 3년간 기계 성과 추적 중 최저 활용도(공휴일 제외)를 기록했습니다.

[전체 크기 이미지]

챕터 2: 고르지 못한 회복

4월 중순부터 6월 말까지 고르지 못한 회복 국면에 진입합니다. 바이러스가 더 통제되고 봉쇄가 완화되면서 기업들이 일부 생산을 재개했습니다. 의료기기 제조는 예상대로 인공호흡기 등 의료 장비 수요 급증으로 선두를 확장했습니다. 항공우주·방위, 산업 장비 제조, 계약 제조 같은 다른 산업은 이 기간 동안 오르락내리락하며 돌파구 회복을 찾는 듯했지만 결코 달성하지 못했습니다. 자동차는 하락을 지속했고, 사람들이 집에 머물거나 외출·구매를 꺼려 수요는 위축된 채로 남았습니다.

[전체 크기 이미지]

챕터 3: 정확히 랠리는 아니다

7월 1일부터 현재 주까지 약간의 회복 후 지난 몇 주간 대체로 평탄한 성과를 보입니다. 자동차 고객들이 정상 운영을 보고하기 시작했고, 활용도 상승에서도 확인됩니다. 코로나 시대와 공존하는 전략 개발이 주요 이유일 수 있고, 사람들이 더 나가고 경제에 대한 자신감이 다소 생긴 것도 영향을 줬을 것입니다. 전반적 소비 지출이 증가해 공급망 하방에 영향을 미쳤을 것입니다. 의료 제조도 증가했습니다.

[전체 크기 이미지]

후기 1: 지역별 시차 교대 근무의 증거

우리는 다음의 공식적인 코로나 위험 그룹을 구독하며, 지역별 시간당 활용도 분포에서 뚜렷한 차이를 볼 수 있습니다. 활용도를 0~1로 재정규화해 분포 차이를 더 강렬하게 볼 수 있습니다(Y축 제목과 값 변경 주의). 이 분석으로 각 주가 사회적 거리두기를 공장의 시차 교대 근무로 얼마나 심각하게 대하는지 알 수 있습니다. 특히 NY/NJ/CT는 3월 이후 시간당 활용도 분포에서 심야 시간대 활용도가 평소보다 훨씬 높은 뚜렷한 차이를 보입니다. 이는 노동력이 오전 10시~오후 4시 주간 시간대에서 시계 전체로 더 고르게 분산됐기 때문으로, NY/NJ/CT의 시간별 분포 곡선이 '더 평평한 곡선'을 보이기 때문입니다. 다른 주들은 코로나 전후 분포에 뚜렷한 움직임이 없습니다. 미국의 다양한 하위문화와 그들의 코로나 대처 방식이 공장 현장 레벨까지 영향을 미친다는 것이 흥미롭습니다. 우리는 이를 어렴풋이 알고 있었지만, 이것이 얼마나 사실인지 엄밀히 파악하는 것은 꽤 놀랍습니다.

코로나 위험 그룹

· 그룹 1: NY / NJ / CT

· 그룹 2: AL, AR, AZ, CA, FL, GA, IA, ID, LA, MS, NC, NV, OK, SC, SD, TN, TX, UT

· 그룹 3: DC + 기타 (CO, IL, IN, KS, KY, MA, MD, ME, MI, MN, MO, NE, NH, OH, OR, PA, VA, VT, WA, WI, WY)

그룹 1 [전체 크기 GIF]

그룹 2 [전체 크기 GIF]

그룹 3 [전체 크기 GIF]

후기 2: 정책 결정의 결과가 즉시 가시화되고 정량화됨