제조업에서 데이터 분석이란?
- 이번 글은 제조 데이터에 대한 정의와 제조 데이터 분석 종류에 대해 정리해보았습니다. 회사에서 이루어지는 분석 업무를 간단히 글로 풀어쓰려고 하니 생각보다 어렵네요😅
- 다소 주관적인 관점으로 작성될 가능성이 높아 최대한 객관적으로 쓰려고 노력하였는데, 부족한 점이나 궁금한 점 있으시면 언제든 피드백 부탁드립니다.
제조 데이터는 ERP, 생산관리, 품질관리, 설비관리 등의 공장 내에서 수집되는 데이터들을 의미합니다. 특히 계획부터 구매, 생산, DCS, 센서(sensor)까지 공정의 모든 데이터를 연결하여 하나의 데이터셋으로 완성하면, 어떠한 원료를 투입하였고 어떠한 공정 조건으로 운전했을 때 무슨 데이터가 쌓이는지 파악할 수 있습니다.
제조 데이터 분석은 원료, 공정, 품질, 출하 정보 등으로 연결된 데이터를 활용하여 품질 개선과 장애를 예측하는 문제를 해결하는데 중점을 두고 있습니다.
🎈 제조 데이터 분석의 목적과 의의
- 목적
과거에는 일부 샘플 데이터를 사후 분석(불량 발생, 설비 이상)에 활용하였으며, 생산 공정의 전반적인 상황에 객관화/일반화를 통한 실시간 적용이 불가능하였습니다.
이에 대응하기 위해 제조 공정의 디지털화를 추진하였고, 각 공정별 설비에서 생성되는 데이터는 폭발적으로 증가하였습니다. IT 기술 융합을 통해 제품 생산에서 발생하는 실시간 데이터 전체를 활용함으로 효과적인 생산의사 결정과 이슈에 대한 사전 대응이 가능하고, 신규 가치 창출의 방법론으로 활용하여 효율적으로 경쟁력을 확보할 수 있습니다. - 의의
무엇보다 현업들의 경험적으로 알고 있는 것을 통한 의사결정이 아닌 제조 데이터 기반 객관적 의사결정이 가능하다는 점이 중요하다고 생각합니다.- 제조 현장에서 일어나는 현상에 대해 데이터 기반의 접근과 해석을 통해 문제 해결
- 수집된 데이터 기반으로 현장 개선 활동 및 기술 과제 추진 추진 등에서의 활용 증가
- 경험에 의한 제조 공정 운용에서 다양한 공정 데이터 기반 객관화된 공정 운용으로 변화
- 사후 분석이 아닌, 실시간 공정 모니털이 및 운용을 통한 생산 효율화 향상
🎈 제조 데이터 분석
제조 데이터 분석은 현업의 요구 및 필요성에 따라 분석 방향과 프로세스가 달라지게 됩니다. 저희 회사의 경우 분석 과제를 크게 네가지(품질 원인 분석, 최적 공정 조건 도출, 설비 장애 예지, 이미지 분석)로 분류하여 진행하고 있습니다.
1. 품질 원인 분석 (ex. x제품 y물성 품질개선, 동일 공정간 품질편차 분석 등)
품질 원인 분석은 생산 제품의 이상 원인을 원료, 공정, 품질 관점에서 분석을 하는 것입니다.
특정 공정에서 가동되고 있는 센서(sensor) 값을 이용하여 물성 또는 불량에 영향을 주는 인자를 파악하고, 해당 인자를 이용하여 지속적인 물성 유지와 양품(=불량이 아닌 제품) 생산을 위한 관리 방안을 현업에게 제시하는 작업까지 진행됩니다.
품질 원인 분석을 진행할 경우 제일 주의해야할 점은 현업들의 경험적으로 알고 있는 부분들과 분석을 통해 나온 결과들이 상충될 수 있다는 것입니다. 이를 해소하기 위해서는 분석파트는 해당 공정의 도메인에 대한 이해도를 높여 분석을 진행하여 유의미한 결과를 산출할 수 있어야하며, 현업 파트는 분석 파트에게 공정 이슈 및 분석 결과에 대해 즉각적인 피드백을 줄 수 있어야한다고 생각합니다.
2. 최적 공정 조건 도출 (ex. 적정 y물성을 위한 최적 공정 조건 등)
(사진 출처: control chart)
최적 공정 조건 도출 분석은 과거의 best practice 기반으로 앞으로의 양품 생산을 위한 생산 품종, 라인별 최적 공정 조건 도출 및 적용을 하는 것입니다. 여기서 best practice란 현업이 생각할 때 최고로 생각되는 물성 조건에 맞는 양품 생산 시기를 의미합니다.
[데이터 수집 → 표준 최적 공정 관리조건 도출 → 현장 적용 → 모니터링] 단계로 진행되며, 최적 조건을 찾아서 이를 실제 현장의 공정 운영 조건에 설정하여 운영 최적화까지 적용하는 것을 목표로 합니다.
대부분의 공장에서는 제품을 생산하면서 공정조건 변경은 현업의 경험과 감에 의존하고 있는 경우가 크기 때문에, 해당 분석을 통해 데이터 기반의 생산 공정의 기술축적 및 기술 표준화로 생산성 및 품질 향상을 위한 초석을 마련할 수 있습니다. 그래서 실제로 공장별로 분석 과제를 진행할 때 최적 공정 조건 도출 분석이 기본적으로 진행되기도 합니다.
3. 설비 장애 예지 (ex. 실시간 y품질 예측, z설비 이상 모니터링을 위한 분석 모델 등)
설비 장애 예지 분석은 생산 설비나 공정의 안정성을 수치화하여 이상을 미리 예측하는 것입니다.
공장의 기존 장비로는 설비 이상을 정확하게 진단하고, 이상 원인을 파악하기에 한계가 있습니다. 효율적인 설비 유지보수를 위해, 예측이 필요한 센서 뿐만 아니라 주변에 설치된 센서를 실시간으로 분석하여 설비 이상 발생을 사전에 파악할 수 있는 스마트한 모니터링 구축을 목표로 합니다.
이때 모니터링 구축 시 예측 결과를 시스템에 적용하여 현재 설비가 정상 범위를 이탈하는 경우 담당자에게 알람을 발송하는 등 현업이 필요로 하는 요소가 무엇인지 파악하는 것이 중요합니다.
4. 이미지 분석 (ex. x제품 결점 분석 등)
(사진 출처: Kaggle, Severstal: Steel Defect Detection)
이미지 분석은 제품 생산 중 발생하는 각종 이미지를 목적별로 분류 및 예측하는 것입니다.
대부분의 생산 공정에서 제품 품질 모니터링 수단으로 결점 검출 설비를 활용하여 제품 내 분포하는 결점들의 현황을 파악하고 있습니다. 만약 특정 공정의 결점 검출기가 성능이 낮을 경우, 이를 작업자가 추가적으로 이미지 재분류 작업을 수반하는 비효율을 가지게 됩니다. 이러한 업무 비효율화를 줄이기 위해 이미지 분석이 진행되며, 이는 이미지 데이터 수집부터 이미지 분류 모델을 생성하여 현장 적용하는 작업까지의 분석이 진행됩니다.
이미지 분류 모델의 성능도가 높을수록 작업자의 재확인 작업시간이 단축되는 효과를 얻을 수 있으며, 각 제품별 주요 결점들의 발생 정도와 특징(위치, 크기 등)을 시각화하여 제공하면 작업자가 결점 현황 파악을 보다 쉽게 할 수 있습니다. 결점 검출기를 사용하는 공장에서 활용 가능성이 높고 품질 검사 시간과 비용을 획기적으로 줄일 수 있기 때문에, 현재 많은 제조회사에서 이미지 분석을 진행 중에 있습니다.
회사 업무와 연관되어 있다보니 보안 문제로 인해 좀 더 디테일하게 쓰지 못해서 아쉬운 점이 없지 않아 있네요😥
제가 현재 다니고 있는 회사의 분석 업무 위주로 정리한 것이라, 다른 제도 도메인 쪽의 데이터 분석은 조금 다를 수 있을 것으로 생각됩니다. 다음 포스팅은 현재 업무에서 쓰고 있는 분석툴과 시각화툴을 소개하려고 합니다.
긴 글 읽어주셔서 감사합니다.
