코로나19로 인해 비대면(언택트) 사업이 확장되고 있습니다. ‘언택트’가 활성화되면서 여러 분야에서 무인으로 운영하는 사업을 하려고 합니다. 제조 업계에서도 이러한 추세에 맞추어 스마트 팩토리 사업을 가속화한다는 소식을 찾을 수 있었습니다.

스마트 팩토리란, 사물인터넷(IoT) 등 관련 신기술을 이용해 공장에서의 제조 환경을 스스로 개선해 나갈 수 있게 하는 스마트 체계를 갖춘 공장입니다.

노동 현장에서는 숙련공이 부족하고, 시장에서는 소비자의 변칙적인 수요가 늘어나고 있습니다. 이러한 상황을 해결하기 위해 많은 기업이 스마트 팩토리에 많은 투자를 할 것으로 예상합니다.

스마트 팩토리를 구성하는 여러 요소가 있지만, 그중 제조 데이터 분석은 스마트 팩토리 영역에서 핵심적인 역할을 수행하고 있습니다. 제조 데이터 분석이란 어떤 것인지 구체적으로 살펴보도록 하겠습니다.

제조 데이터 분석이란 무엇인가?

협의적인 의미에서, 제조 데이터는 공장 내에서 수집된 데이터들을 운영상의 목적에 맞게 정리 및 가공한 데이터를 의미합니다. 제조 데이터 분석은 고객의 요구, 필요성에 따라 분석 방향 및 프로세스가 달라지기 마련입니다.

이러한 분석 부문의 유동성에 유연하게 대응하기 위해서, LG CNS에서는 제조 데이터 분석을 다음과 같은 세 가지 도메인으로 분류해 분석을 진행하고 있습니다. (운영 최적화, 상황 예측, 원인 분석)

● 운영 최적화

공정 운영을 최적화하기 위해 데이터 분석이 많이 사용되고 있습니다. 제품을 생산하거나 공정이 작동할 때의 효율을 최대한 높임으로써 불필요한 지출을 막을 수 있습니다.

공정 분석 및 생산 실적, 불량품, 재고 데이터 등 제조 내 다양한 곳에 쌓여 있는 빅데이터를 활용해 생산량, 불량률, 재고 등을 예측하는 모델을 만들어, 재고가 불필요하게 쌓이는 것을 막을 수 있습니다. 수율(제품의 양품 생산율)의 데이터를 이용해 최적의 경로를 찾아내거나 공정 운영 조건을 설정하는 것 또한 운영 최적화에 해당하는 일입니다.

● 상황 예측

제조 환경에서는 생산만큼이나 기계 오작동 혹은 오류를 감지하는 것도 중요한 일입니다. 데이터 분석을 이용한 상황 예측은 이러한 이상 상황들을 예측해 사전 방지하는 데에 큰 도움을 줍니다.

한 예로 생산 과정에서 발생하는 사고나 불량품 데이터를 IoT 센서, 비전 같은 장비를 통해 수집한 뒤, 이를 분석해 불량품 발생을 미리 통제하는 것이 가능합니다. 설비 예지 보전, 실시간 품질 예측, 센서 이상 등이 상황 예측에 해당합니다.

● 원인 분석

데이터 분석을 이용해 품질이나 수율 혹은 불량에 영향을 미치는 원인 분석 또한 가능합니다. 개별 공정이나 특정 부분에서 알려주는 신호들을 이용해 영향 인자를 파악하고, 그 영향 인자를 이용해 관리 방안까지 제시하는 것을 목표로 합니다.

과거에는 주로 공정 결과를 이용해 역으로 주요 원인을 추적하는 것만이 가능했습니다. 현재는 인프라의 발전으로 실시간 데이터 축적 및 확인이 가능해지면서 즉각적인 원인 파악도 가능합니다. 그리고 현업 엔지니어들이 경험적으로 알고 있는 부분들을 데이터로 검증하는 작업 또한 진행될 수 있습니다. 따라서, 공정 변경 또는 소재 변경이 있을 시보다 유연하게 대처가 가능해졌습니다.

하지만, 제조 데이터 분석을 현업에 완벽히 적용하는 것에 문제점 및 한계점이 존재합니다.

제조 데이터 분석의 문제점, 한계 설명

최근 제조 데이터 분석 사업의 추세에 따라, 일부 기업들은 도처에 흩어진 데이터 자산을 활용하기 위해 갑작스럽게 분석을 시작하는 경우가 있습니다. 하지만, 과제의 목표가 명확하게 정의되지 않은 상태에서의 제조 데이터 분석은 의미 없는 결론을 도출합니다.

무언가 좋아질 것이라는 막연한 기대 하에서 수행하는 분석 사업은 의미가 없습니다. 앞서 언급한 바와 같이 제조 데이터 분석은 분석 목적, 필요성에 따라 분석 방향 및 프로세스가 달라집니다.

따라서 분석 목표를 확실하게 정한 뒤, 그에 맞는 양질의 데이터를 수집하기 위한 노력이 필요합니다. 좋은 데이터를 수집하기 위해서는 목적에 적합한 인프라가 구축되어야 하며, 데이터 분석의 정합성 확보를 위해 현업 부문과 꾸준한 소통 또한 필요합니다.

현업에서는 데이터 분석 결과 적용을 위해 설비를 멈추거나 추가 비용을 지출하는 등의 현실적인 어려움이 있으며, 분석가는 현업에 대한 이해도가 부족해 적절한 분석 결과를 도출하지 못할 수 있습니다.

이를 해소하기 위해서는 서로 간의 입장 차이에 대해 인식하고, 서로가 공통된 목표를 통해 나아가고 있음을 인지해야 합니다. 현업 부분에서는 분석가에게 분석 적용 사항 및 결과에 대한 즉각적인 피드백을 줄 수 있도록 노력해야 합니다. 반대로 분석가는 제조 공장의 설비에 대한 이해도를 높여 현업의 작업 계획에 대한 영향을 최소화해야 합니다.

언택트 사업의 가속화로 인해 다시 한번 스마트 팩토리가 주목받고 있습니다. 이에 따라 제조 데이터 분석에 대한 관심도 높아지지만, 실제로 이를 제대로 이해하고 실행하는 곳은 많이 없습니다. 축적되고 있는 LG CNS의 제조 데이터 분석 경험이 앞으로의 스마트 팩토리 사업에 긍정적인 영향을 줄 수 있길 기원합니다.

글 l LG CNS Enterprise분석1팀

참고 자료

• https://news.naver.com/main/read.nhn?mode=LSD&mid=sec&sid1=101&oid=018&aid=0004606843
• https://news.joins.com/article/21765688