자동차 산업은 변화의 위협에 직면할 때마다 항상 혁신하고 대응해왔다. 이제 자동차 제조사들은 또 다른 지각 변동을 경험하고 있다. 운전 습관 변화와 소비자, 정부, 기타 이해관계자들의 압력 증가로 더 친환경적이고 효율적이며 지속 가능한 차량과 소유 모델을 제공해야 하는 상황이다. 이러한 변화는 차량 자체뿐만 아니라 그들을 생산하는 엔지니어, 설비, 자산, 제조 프로세스를 변화시키는 새로운 자동차 혁신 시대를 주도하고 있다. 자동차 부문에서 가장 큰 과제 중 하나는 점점 더 큰 생산 효율성을 추구하는 것이다. 현재 자동차 산업의 가동

인공지능은 적시에 올바른 정보를 제공함으로써 우리의 분석 및 의사결정 능력을 증진시킬 수 있다. Collaborative Intelligence: Humans and AI Are Joining Forces, Harvard Business Review, 2018년 7월. 농업, 의료, 통신 등 어디에 적용되든 기술은 인간의 작업이나 경험을 지원하고 향상시킨다. 방대한 데이터 처리를 위한 컴퓨팅 파워를 활용해, 기술은 인간이 불가능에 가까운 시간 프레임에 엄청난 분석과 통찰을 기여할 수 있게 해, 전문가들이 우선순위 케이스를 식별하고

기계 성능을 이해하고 언제 고장날지 더 잘 알기 위한 도구가 필요하다고 결정했다. 궁극적 목표는 비계획 가동 중단을 줄이고 중요한 KPI들(OEE, OTIF 등)을 높이는 것이다. 그렇다면 그런 도구에서 주의해야 할 핵심 기능은 무엇인가? 1 - 초점(FOCUS) 제조 분석 시장은 꽤 붐비는 곳이 되고 있다. 모든 분석 제품이 예측 정비 솔루션을 가진 것 같다. 그들이 정확히 무엇을 제공하는지 명확히 할 필요가 있다. 대부분은 당신이 솔루션을 만들 초기 환경만 제공하므로, 컨설턴트나 사내 개발자에게 비용을 지불해 맞춤형으로 만들어야

제조업은 오랫동안 최고 성능, 운영 효율성, 품질 목표를 최우선 순위에 두어온 산업이다. 데이터와 산업용 사물인터넷(IIoT) 활용은 이러한 목표를 지원할 수 있다. 또 다른 디지털 기회인 예측 분석이 제조업체의 디지털 트랜스포메이션 여정을 가속화하는 데 더 빠르게 실행될 수 있으며, 생각보다 가까이에 있다. Senseye에서 우리는 스마트 팩토리의 부상을 직접 목격하고 있다. 제조업체들은 예측 분석 솔루션으로 데이터를 점점 더 많이 활용하고 있다. 이들은 기계에서 직접, 유지보수 시스템에서, 또는 IIoT를 통해 다양한 기존 소스

이상적인 Industry 4.0 세계에서 데이터는 새로운 화폐가 되어, 협력 조직 내부와 사이에서 필요한 곳 어디로든 모두의 이익을 위해 흐른다. 하지만 이러한 데이터 개방성을 달성하는 것은 전통적으로 운영 데이터를 사일로에 가두어온 많은 조직에게 큰 도전이다. 조직 내부에서 별도 시스템이 서로 다른 기능을 관리하며, 그들 사이에 거의 또는 전혀 정보 교환이 없다. 그리고 다른 부서 간에도 정보를 공유하지 않았다면, 많은 조직은 장비 공급업체와 공유하는 것조차 꺼린다. 하지만 조직은 데이터를 가장 잘 활용할 수 있는 시스템으로 자유

금속 채굴 및 제련 사업은 세계에서 가장 오래된 산업 중 하나이며, 현대 기계와 데이터 분석의 혜택을 크게 받았지만, 가치가 창출되는 방식은 세대를 거쳐 동일하게 유지되어 왔다. 금속 및 광업 부문의 미래는 수익성 있게 이 산업의 바퀴를 계속 돌리기 위해 예상하고 관리해야 할 몇 가지 중요한 도전 과제를 제시한다. 수요가 증가하고 있음에도, 시장에 쏟아지는 엄청난 제품 양으로 인해 금속 및 기타 광물이 달성할 수 있는 가격은 엄청난 압박을 받고 있다. 결과적으로 제조업체는 수익을 보호하고 끊임없이 변동하는 경제 환경에서 안정성을 제

새로운 독립 보고서에서 Verdantix는 Senseye가 머신러닝을 어떻게 활용해 비계획 가동 중단을 방지하고 자산 수명을 연장하는지, 그리고 Senseye가 어떻게 산업 기업과 설비 제조업체가 유지보수 목표를 달성하도록 돕는지 조사했다. 보고서는 성숙한 유지보수 전략을 가진 기업이 자산 가동 중단과 유지보수 비용을 줄이면서 자산 수명을 연장하려 한다면 자산 관리 스택에 Senseye PdM 추가를 고려해야 한다고 강조하며 Verdantix가 이를 추천하는 이유를 설명한다. Verdantix Report: Senseye Prove

예측 정비 체제를 선택할 때 가동 중단 감소가 위시리스트의 최상위에 있을 수 있지만, 간과해서는 안 될 다른 큰 보상도 있다. 과도한 정비(over-maintenance) 제거의 잠재적 이점을 놓치지 말라. 과도한 정비는 정해진 간격으로 작업을 수행하는 모든 계획 정비 프로그램에 내재되어 있다. OEM부터 유지보수 관리자까지 모두 안전하게 유지보수 간격에 안전 마진을 두기 때문이다. 신중함의 높은 비용 예를 들어 평생 그리스 주입형 베어링 교체 지침을 보자. 권장 교체 주기는 16,000~40,000 운전 시간 사이일 수 있다. 각

구형 기계를 운영하는 기업이 Industry 4.0과 스마트 팩토리 흐름을 따라잡으려면 어떻게 해야 할까? Senseye의 CTO Robert Russell이 쓴 것처럼, 예측 정비 IoT 센서를 노후 자산에 추가하는 것이 생각보다 쉽고 저렴할 수 있다. 당신은 불안하고 불확실하다. 당신의 차는 아직 충분히 달릴 수 있을 것 같다. 하지만 이미 한 번 고장 났다. 그리고 정말 나쁜 순간에 고장 나길 원치 않는다(좋은 순간이란 게 있기는 한가?). 그래서 아마도 불필요한 돈으로 새 차를 살까? 딜러와 비싼 정기 점검을 예약할까? 아니

예측 정비와 스마트 팩토리 혁명과 관련된 다른 연결 기술들은 생산 효율성과 가시성에 엄청난 기회를 제공하지만, 추가적인 운영 리스크인 보안도 가져온다. 사이버 공격이 증가하고 있으며, 제조 부문은 데이터 탈취, 락된 데이터에 대한 몸값 요구, 기계 가동 중단, 현장 안전, 제품 품질 위협에 직면해 있다. 확장 가능한 예측 정비 프로그램을 구현할 때 조직이 유의해야 할 보안 고려사항을 살펴본다. 보안의 중요성 2019년 11월 - 세계 최대 자동화 도구 생산업체 중 하나인 Pilz가 랜섬웨어 감염으로 76개국 모든 지점이 1주일 이상

최종 제품이 큰 이익 마진을 제공하지 못하고 수요는 끊임없이 증가하는 산업에서, 효율적인 유통 공장을 통한 점진적 이득 확보가 필수적이다. 지난 10년간 창고 및 물류 부문은 자동화에 대한 막대한 투자로 이러한 압박을 완화하려 했다. 유통 공장 내부는 자동화의 경이로움 그 자체다. 80,000m²가 넘는 창고 깊숙한 곳에서 재고를 꺼내는 수 마일의 중앙 집중식 컨베이어 라인. 현재 인간의 개입은 기계에 의해 회수된 제품의 피킹과 포장에서만 발생한다. 이처럼 고도로 상호 연결된 프로세스에서 공급망의 가동 중단은 수익에 직접적인 영향을

Senseye 최고기술책임자 Rob Russell 작성 제조 또는 기타 산업 환경에 예측 정비(PdM) 기술을 도입할 때의 이점을 볼 때, 기계 가동 중단 감소와 유지보수 효율 개선을 통한 재무적 개선에 초점을 맞추기 쉽다. 실제로 Senseye가 협력하는 글로벌 조직들에게는 가동 중단 수준을 절반으로 줄이고, 경우에 따라 유지보수 효율을 최대 40%까지 개선함으로써 상당한 이득을 얻을 수 있다. 그러나 이 기술이 보건 및 안전에 기여하는 측면도 고려해야 할 2차적 혜택으로, 재무적 개선만큼이나 중요하거나 그 이상일 수 있다. 영국

Senseye의 CFO Simon Jesenko가 효과적인 유지보수 프로그램이 제조업체의 현금 보존 열쇠가 될 수 있는 방법을 살펴봅니다. 마진이 그 어느 때보다 타이트하고, 끊임없이 변화하는 고객 수요를 충족해야 하는 압박 속에서, 전 세계 제조업체들은 비용 절감과 현금 보존 압박을 받고 있다. 특히 글로벌 팬데믹이 가져온 불확실성을 고려하면 더욱 그렇다. 많은 기업이 자본 지출 최소화를 모색하며, 기존 자산의 수명 연장을 꾀하고 있다. 이를 염두에 두고, 비용과 성능 모두 측면에서 효율을 보장하는 데 필수적인 영역은 설비 유지

예측 정비 전환으로 이익 강화 페이퍼리스 오피스의 가능성이 과장되었을지 몰라도, 디지털 커뮤니케이션이 최근 몇 년간 전통적인 종이 시장에 큰 타격을 입혔다는 사실은 의심할 여지가 없다. 2015년에는 전 세계 그래픽 용지 수요가 사상 처음으로 감소했으며, 북미와 유럽 시장은 그 이후로 계속 축소되고 있다. 한편 중국 내 종이 제품 수요 성장은 예상보다 느렸고, 아시아 생산량 증가는 유럽과 미국으로부터의 수입을 대체하고 있다. 제지 산업은 포장용 판지, 티슈 페이퍼, 위생용품 및 섬유용 펄프에서 강한 성장을 보이며 반격에 나섰다. 또

Rob Russell, Senseye 공동 창업자 겸 CTO 유지보수 신용카드의 오류 우리는 불확실한 시대에 살고 있다. 모든 기업은 비용을 절감하고 원격 근무와 자동화를 강조하는 뉴 노멀에 빠르게 적응하기 위한 새로운 작업 방식을 찾아야 했다. 산업 기업들이 비용 절감을 모색할 때, 자산 유지보수는 종종 예산 삭감을 가장 먼저 경험하는 영역 중 하나로, 자산이 거의 또는 전혀 유지보수 없이 혹사당하게 만든다. 이는 때때로 유지보수 신용카드라고 불린다. 하지만 이로 인해 발생하는 유지보수 부채는 걱정스러울 정도로 높은 수준의 이자를

스마트폰을 활용한 스마트한 원격 공장 투어 7단계 접근법 상태 모니터링에 대한 권장 사항을 제시하기 전, 현장을 방문해 문제의 기계들을 면밀히 살피고 그들을 가장 잘 아는 사람들을 인터뷰하는 것은 항상 유용하다. 그러나 뉴 노멀 시대에 직면한 제약으로 인해 대부분의 경우 그러한 방문을 수행할 수 없게 되었다. 하지만 대안이 있다. 물리적 방문이 불가능할 때, 스마트폰과 화상 회의 기술, 그리고 특정 기본 정보가 결합되면 현장을 원격으로 투어하며 기계에 대한 올바른 권장 사항을 내리는 데 필요한 모든 것을 배울 수 있다. 우리의 7단

경험 많은 유지보수 엔지니어는 자신이 관리하는 기계에 대한 상세한 정신적 모델을 가지고 있다. 덜거덕거리는 밸브가 임박한 고장을 의미하는지, 다음 계획 정지 때까지 무시해도 안전한지 알고 있다. 자동화된 예측 정비 시스템이 이 지식 풀에 접근할 수 있다면, 어떤 유지보수 활동을 우선순위화할지 결정해야 하는 사용자에게 최상의 지원을 제공하는 법을 배울 수 있다. 사용자 중심적 예측 정비 접근법에서 유지보수 팀은 시스템이 과거에 그들이 유용하다고 여긴 정보를 기반으로 그 정보가 유용할 것이라고 판단할 때만 알림을 받는다. 이는 Netf

텅 빈 슈퍼마켓 진열대. 공급망 붕괴의 여파가 FMCG(일용소비재) 산업만큼 적나라하게 드러나는 곳은 없다. 이는 전국 뉴스가 되고, 트렌딩 해시태그를 만들며, 소비자를 좌절시킨다. 고객이 필요로 하는 정확한 수량을, 요구되는 정확한 일정에 맞춰 생산하는 것은 작동할 때 잔혹할 정도로 효율적인 작업 방식이다. 치열한 경쟁과 특정 제품의 짧은 유통기한에 직면했을 때, 이는 올바른 작업 방식이기도 하다. 그러나 FMCG 제조업체가 운영하는 적시 생산(JIT) 모델의 불행한 결과는, 생산 라인의 단일 핵심 기계 고장이 그들을 인력 부족,

예측 정비(PdM)는 기계 고장이 문제가 되기 전에 선제적으로 대응하는 접근법이다. 방대한 기계 데이터를 분석함으로써 PdM은 유지보수 직원이 기계 건전성을 이해하고, 그에 따라 활동을 최적화해 비계획 가동 중단과 돌발 고장을 예방할 수 있게 한다. 하지만 명백한 이점에도 불구하고 대부분의 PdM 배포는 실패로 끝난다. 이번 글에서는 PdM의 부상과 왜 수많은 공급업체와 고객이 여전히 PdM을 잘못 접근하는지 살펴본다. 예측 정비 - 과거와 현재 예측 정비는 생각보다 훨씬 오래전부터 존재했다. 제2차 세계대전 중 과학자 CH Wad

기계 건전성 관리 소프트웨어 선도 기업 Senseye가 산업 기업의 예측 정비 여정을 지원하고 안내하는 강력한 지식 플랫폼 Senseye PdM Omniverse®를 발표했다. Senseye는 오늘 Senseye PdM Omniverse® 출시를 발표했다. 이는 초기 비즈니스 케이스와 설계 단계부터 데이터 준비, 문화적 채택과 확장에 이르기까지 산업 기업의 예측 정비 여정을 돕기 위한 것이다. Senseye PdM Omniverse는 수년간의 경험을 집약해 디지털 정비 팀에게 지속 가능한 성공을 보장하는 노하우를 제공한다. 애널리