실시간 데이터 인사이트로 디지털 제조 팀 혁신하기

제4차 산업혁명으로 제조 공정에서 막대한 실시간 데이터를 얻고, 거의 모든 표면을 데이터 수집 센서로 바꿀 잠재력이 생겼습니다. 하지만 이 데이터의 홍수가 디지털 팀에 활동 최적화에 필요한 지식을 줄까요?

이 영상에서 센시의 알렉산더 힐, 롭 러셀, 제조 기술 센터의 한나 에드먼즈 박사, 메이크 UK의 짐 데이비슨, MCP 컨설팅 그룹의 피터 개그가, 제조업체가 어떤 데이터를 어떻게 수집할지, 기존 데이터셋을 어떻게 재활용해 새 인사이트와 더 큰 가치를 이끌지, 유지보수 같은 공정을 현장 엔지니어 니즈에 맞게 재설계할지 논의합니다.

대본

알렉산더 힐, 센시: "데이터 있으니 바로 가자"면 좋겠지만, 안타깝게도 많은 조직이 데이터 과잉(Too Much Data) 상태입니다. 그래서 올바른 데이터가 무엇인지, 그 데이터에서 무엇을 이해해야 하는지 찾는 게 과제입니다.

한나 에드먼즈 박사, 제조 기술 센터: 데이터 풍요에도 도전이 옵니다. 데이터 포화(Data Saturation) - 좋은 것의 과잉 단계에 이를 수 있습니다.

롭 러셀, 센시: 예측 유지보수 관점에서 핵심은 기계 상태 평가용 상태 모니터링 데이터 수집입니다. 하지만 그 센서 정보만큼 중요한 게, 데이터를 맥락(Context)과 적절한 시점(Appropriate Point in Time)에 수집하는 것입니다.

한나 에드먼즈 박사: 상태 모니터링과 분석으로 더 선제적 유지보수 접근이 가능해집니다. 에러 발생 기다리는 게 아니라, 장비 상태가 시간에 따라 어떻게 악화되는지 식별하려 합니다.

설비 계측, 데이터 수집, 운영 모니터링으로 생산 인사이트 얻어 고장 앞서 개입(Intervene in Advance)합니다.

피터 개그, MCP 컨설팅 그룹: 모두 처음엔 "센서 데이터가 예측 유지보수 프로그램 시작에 다 필요하다"고 생각합니다. 하지만 이미 비즈니스에 존재하는 다른 유형 데이터들이 많습니다.

• 빌딩 관리 시스템(BMS) 데이터
• 설비 이력(Equipment History)
• PLC, 제조 실행 시스템(MES), OEE 시스템 등 데이터
• 일반적인 진동, 온도, 압력, 유량, 전류, 전압

이 모든 걸 모아, 예측 체제에서 진짜 필요한 파라미터 식별하고, 어떻게 상호연결되는지 보는 것이 핵심입니다.

짐 데이비슨, 메이크 UK: 공정, 기계, 제품의 임계 파라미터(Critical Parameters) 진짜 이해가 전부입니다. 어떤 입력이 부품 양/불 판정, 기계가 네임플레이트(Nameplate) 성능으로 안정적/반복적 가동에 영향을 주는지 이해하면, 중요하고 영향 주는 파라미터 위한 데이터를 수집해 유용하게 표시할 수 있습니다.

알렉산더 힐: 현대 산업 설비엔 이미 많은 데이터가 있고 수집됩니다. 전류, 온도, 압력, 사이클 타임 등. 이들은 사실 상태 모니터링용으로 쓰일 수 있지만, 공정 제어용으로만 쓰이는 경우가 많습니다.

우리는 이 측정값들을 가져와 기계 건강 이해에 씁니다. 사용 가능한 데이터로 기계 모델을 자동 구축합니다. 그런 다음 고객이 기계 관점에서 수백, 수천 개 자산 중 어디에 주목해야 할지 이해하도록 돕습니다. "이 생데이터 다 보세요"가 아니라, 데이터를 가져가 추상화(Abstraction)해, 그들이 신경 써야 할 자산만 보여줍니다.