공장과 IoT 연결의 잠재력 실현

디지털화 목표 결정

전 세계에서 소유한 모든 머신의 상태를 볼 수 있습니다. 동시에 운영에 대해 이렇게 많은 데이터를 볼 수 있었던 적이 없었으며, 고유한 모델을 빌드하여 훨씬 더 심층적으로 분석할 수 있습니다.

디지털 기술이 제조를 혁신하고 있습니다. 원하는 최종 목표가 무엇인지 또는 디지털화가 조직에 의미하는 바가 무엇인지 정확히 모를 수 있지만, 디지털화를 통해 지원받을 수 있는 비즈니스 목표의 종류를 파악하는 것이 중요합니다.

디지털화는 최신 기술을 사용하여 제조 운영을 혁신하는 것에 대한 모든 것이며, 대개 공장 현장의 장비를 연결하는 것으로 시작됩니다. 지난 몇 년에 걸쳐 연결을 지원하는 구성 요소의 비용은 크게 떨어졌습니다. RFID 태그 같은 소모품은 이제 제품에 포함하기 위한 비용이 미미합니다. 센서는 점점 더 저렴해져 센서 기능이 기본 제공되는 새로운 장비의 양이 늘어나고 있으며, 오래된 장비에는 낮은 가격으로 원래 없던 부품을 장착하거나 IoT 지원 기능을 도입할 수 있습니다. 동시에 이제 클라우드 및 고급 분석 같은 기술 덕분에 센서 및 디바이스에서 생성된 데이터를 대량으로 수집하고 분석할 수 있습니다.

디지털 트랜스포메이션은 이와 같은 기능을 활용하여 제조 운영을 더 빠르고 더 효율적이며 더 유연하게 만드는 데 사용할 수 있는 인사이트를 얻는 것을 의미합니다. 디지털 지원 제조의 이점은 다음과 같습니다.

  • 제조 운영에서 가시성 개선 - 운영 상태의 실시간 상황을 파악하여 더 합리적인 결정 가능
  • 사용률 개선 - 중앙 모니터링 및 관리에 필요한 가시성을 통해 자산 성능 및 작동 시간 최대화
  • 낭비 감소 - 주요 프로덕션 메트릭에 대한 인사이트 덕분에 특정 형태의 낭비를 줄이거나 방지하기 위해 더 빠르게 조치 수행 가능
  • 대상 비용 절감 - 운영 개선을 지원하기 위해 리소스 사용 벤치마킹 및 비효율성 파악
  • 품질 개선 - 장비 문제를 더 빠르게 찾고 해결하여 품질 문제 탐지 및 방지

가능성을 파악하는 것 외에 대상 비즈니스 목표를 결정하는 것이 중요합니다. 대상 비즈니스 목표를 결정하면 비즈니스 사례의 기반이 제공되며 가치 입증의 벤치마크가 마련됩니다. 또한 작게 시작하고 시작할 구체적인 위치를 파악하는 것도 중요합니다.

데이터 원본으로 실험

이 시뮬레이션은 실시간으로 전 세계에서 운영되는 공장의 데이터를 보여 줍니다. 인상적입니다.

시뮬레이션이 가능한 솔루션으로 실험하면 위험 없이 디지털화로 이룰 수 있는 내용을 확인할 수 있습니다. 시뮬레이션에는 실제 장비 연결이 필요하지 않으며 시뮬레이션은 운영에 영향을 미치지 않습니다.

디지털 트랜스포메이션은 이론적으로 잠재력이 크지만 실제로 구현하기가 어려울 수 있습니다. 대개 앞으로 어떤 과정을 거칠지 불명확하기 때문입니다. 일반적으로 다음과 같이 생각하게 됩니다. “디지털화 및 Industrie 4.0의 전체 가치를 확인하고 변화해야 한다는 것을 알지만, 어디서 시작할지를 잘 모릅니다.”

좋은 소식은 시작하는 데 전부를 포함하는 프로젝트 범위나 정확하게 최적의 시작점이 필요하지는 않다는 것입니다. 핵심은 집중된 초기 프로젝트가 있는 어느 위치에서 시작하고 실험하고 반복하는 것입니다.

연결된 장비 시뮬레이션은 위험이 적은 환경에서 옵션을 살펴보는 데 도움이 될 수 있습니다. 시뮬레이션을 통해 운영에 영향을 주지 않고 디지털 변화가 향상된 가시성 같은 가치를 제공하는 방식을 자유롭게 살펴볼 수 있습니다.

시뮬레이션된 인터페이스 및 대시보드를 살펴보면 성능의 전체 보기와 개별 머신의 상태에 대한 자세한 인사이트를 비롯해 전 세계의 장비를 전반적으로 확인하는 방법을 알 수 있습니다. 전 세계 운영을 연결하는 것은 훨씬 더 나중 단계이더라도 직접 시뮬레이션 결과를 보면 목표를 구체화하고 가능한 기능을 더 잘 파악하는 데 도움이 될 수 있습니다.

이 작업을 지원하기 위한 솔루션을 결정할 때는 시뮬레이션과 실제 자산을 모두 빠르고 쉽게 설정할 수 있는 기술을 선택하는 것이 중요합니다. 예를 들어 Microsoft Azure IoT 연결된 공장 솔루션을 사용하면 시뮬레이션된 환경을 빠르게 생성할 수 있으며 이 솔루션은 몇 분 만에 배포할 수 있습니다.

이론적으로 가능한 기능을 더 잘 파악한 상태에서 다음 단계는 실제 장비를 연결하여 실험하는 것입니다.

중단 없이 장비 연결

한 번에 몇 대의 머신만 연결하여 잘 작동하는지 볼 수 있으며, 운영은 영향을 받지 않습니다. 작은 규모로 시작할 수 있습니다.

디지털화를 한 번에 전부 구현할 필요는 없습니다. 특정 장비 세트를 연결하면 운영을 중단하지 않고도 작은 규모에서 고유한 속도로 실험할 수 있습니다. 그러면 기반으로 하여 빌드하고 준비가 되었을 때 조직 전체에서 규모 확장할 수 있는 토대가 마련됩니다.

시뮬레이션된 데이터를 확인하는 것과 자체 장비를 연결하고 자체 운영의 실시간 데이터와 인사이트를 확인하는 것은 별개의 일입니다. 다행히도 적절한 기능을 사용하여 자체 장비 연결에 대한 이 전환을 간단히 수행할 수 있습니다.

또한 시뮬레이션에 사용되는 것과 같은 기술 솔루션이 자체 장비를 연결하고 해당 장비가 생성하는 데이터를 처리하는 경로도 제공해야 합니다. 장비를 연결하는 일은 상대적으로 간단할 수 있으며, 기본 수준에서는 다음과 같은 작업을 수반합니다.

  1. 장비에 사용되는 통신 프로토콜 확인
  2. 머신의 데이터를 통합하는 게이트웨이 디바이스에 장비 연결
  3. 게이트웨이를 클라우드에 연결하여 상태 및 주요 성능 메트릭에 대한 가시성 제공

거기에서 장비의 실시간 데이터를 살펴볼 준비가 되었습니다.

이 프로세스를 어렵지 않게 간단하게 만들고 잠재적 위험 및 중단을 최소화하는 데는 보안 기술 솔루션이 중요합니다. 예를 들어 Microsoft Azure IoT 연결된 공장 솔루션에서는 머신의 기존 소프트웨어를 사용하므로 머신 자체에 새로 설치되는 항목이 없습니다.

또한 적절한 종류의 솔루션을 사용하면 장비를 오프라인 상태로 설정하지 않고 연결하고, 고유한 속도로 장비의 개별 부분을 연결할 수 있습니다(한 번에 모든 것을 연결할 필요가 없음). 지금 머신 한 대를 연결하여 실험하고 다음 주부터 전체 어셈블리 라인을 연결하고 싶으신가요? 이렇게 하려면 유연성이 필요합니다. 모든 것을 빠르게 연결하여 가능한 한 빨리 인사이트를 얻고 싶으신가요? 기술 때문에 늦어지는 일은 없어야 합니다.

제조 성능 컨텍스트화 및 시각화

전 세계에서 소유한 모든 머신의 상태를 볼 수 있습니다. 동시에 운영에 대해 이렇게 많은 데이터를 볼 수 있었던 적이 없었으며, 고유한 모델을 빌드하여 훨씬 더 심층적으로 분석할 수 있습니다.

연결된 장비를 사용하면 운영 상태, 변칙, 추세 및 기타 성능 인사이트를 더 잘 파악할 수 있습니다. 이 파악한 내용은 다양한 운영 사항을 개선할 수 있는 토대가 됩니다.

연결된 장비의 가치는 해당 장비가 생성하는 데이터입니다. 머신이 연결되면 핵심 성과 지표를 실시간으로 파악할 수 있습니다. 다음과 같이 빠르게 얻을 수 있는 여러 인사이트가 있습니다.

  1. 각 구성 요소의 압력과 온도는 얼마인가?
  2. 얼마의 전류가 사용되고 있으며, 이는 최근에 늘어난 것인가 아니면 줄어든 것인가?
  3. 장비의 현재 상태는 어떠한가? 온라인 상태인가 아니면 오프라인 상태인가?

간단하지만 중요한 이 데이터 요소는 큰 차이를 만들어 운영을 더 잘 파악하고 의사 결정과 응답성을 향상할 수 있습니다. 그러나 데이터가 있는 것만으로는 부족합니다. 인사이트는 직관적인 시각적 대시보드를 통해 쉽게 얻을 수 있어야 하며, 작업 현장 기술자 및 공장 감독 같이 해당 인사이트에 대해 조치를 취할 수 있는 사람들이 쉽게 사용할 수 있어야 합니다.

이전 단계에서처럼 실험하면 유용합니다. 강력한 기술 솔루션을 통해 KPI 계산 및 근본 원인 분석을 위해 수집할 데이터 요소를 빠르게 파악할 수 있습니다. 필요하지 않거나 인사이트를 제공하지 않는 데이터를 수집하고 있을 수 있으며 이 경우 적절하게 조정할 수 있습니다. 클라우드 기반 솔루션을 사용하면 수집하는 정보를 손쉽게 미세 조정할 수 있습니다. 예를 들어 Azure IoT 연결된 공장 솔루션을 사용하면 실제로 머신에 사람을 보낼 필요 없이 수집되는 데이터를 제어할 수 있습니다.

연결된 장비의 데이터는 추세 및 패턴을 발견하는 토대가 되기도 합니다. 예를 들어 과거 데이터를 수집 및 분석하면 유사한 장비 및 공장에서 고유한 성능 벤치마크를 설정할 수 있습니다. 실시간 데이터를 벤치마크와 비교하여 지속적으로 장비가 정상 범위에서 작동 중인지를 모니터링하고 시간이 흐름에 따라 나타나는 감지하기 힘든 변칙을 파악할 수 있습니다.

운영 상황을 파악하는 디지털 방식은 엄청난 잠재적 가치를 제공합니다. 최근 Automation World 설문 조사에 따르면, 응답자의 거의 3/4이 회사 수준에서 공장 현장 데이터를 사용하지만, 가장 일반적인 보고 도구로 스프레드시트를 사용한다고 밝혔습니다.1 연결된 공장 솔루션을 사용하면 운영 인텔리전스를 자동으로 즉시 사용할 수 있어 공장 및 회사 수준에서 더 나은 결정을 더 빠르게 할 수 있습니다.

데이터를 기반으로 한 운영 변화

언제든지 어떤 공장에서든 유지 관리를 예약할 수 있습니다. 적절한 부품과 적절한 기술자를 준비하여 가동 중지 시간을 최소화할 수 있습니다.

연결된 장비는 변화를 촉진할 때 궁극적으로 유용합니다. 변칙을 빠르게 검색하고 해결할 수 있습니다. 중단을 최소화하도록 유지 관리 일정을 최적화할 수 있습니다. 가능한 데이터 기반 개선 사항의 종류에는 제한이 없습니다.

장비를 연결하여 얻는 가시성은 해당 인사이트가 운영 변화를 촉진할 때 가치를 더합니다. 향상된 가시성과 인사이트를 통해 더 빠르게 문제를 파악하고 이에 대응하며 더 나은 결정을 하고 다른 운영 변화가 일어나게 할 수 있습니다.

예를 들어 실시간 인사이트를 통해 변칙을 검색하면 더 빠르게 개입할 수 있습니다. 전력 소비 증가 같은 임박한 오류의 징후를 표시하는 머신의 예를 생각해 보세요. 라이브 대시보드를 통해 성능을 모니터링하는 기능이 있으면 해당 조건이 발생하는 즉시 알게 되고 해당 문제를 해결하기 위해 수리 기술자를 신속하게 보낼 수 있습니다.

마찬가지로 벤치마크와 비교하여 모니터링하면 훨씬 더 사전 대응형 방식이 가능합니다. 장비의 베어링 온도가 증가하고 있는 시나리오를 생각해 보세요. 장비 공급자가 제공한 벤치마크를 설정하거나 유사한 용도로 사용되는 유사한 머신의 데이터를 분석하여 벤치마크를 설정한 경우 온도가 정상 범위를 초과하는 때를 정확히 찾아내어 오류가 발생하기 전에 유지 관리를 예약할 수 있습니다. 라인과 현장에 이 벤치마킹 및 모니터링 방식을 적용하면 오류를 회피하고 비용을 줄이는 능력이 크게 향상됩니다.

가시성의 다른 이점으로는 성능이 저조한 머신과 성능이 우수한 머신을 파악하여 그에 맞는 개선을 할 수 있는 점입니다. 예를 들어 현장 한 곳에서 특정 머신이 특히 높은 사용률을 보이는 반면 다른 머신의 사용률은 특히 낮을 수 있습니다. 성능을 나란히 볼 수 있는 기능을 통해 이상한 사용률을 보이는 머신을 쉽게 파악하고 원인을 조사할 수 있습니다. 최적으로 실행 또는 유지 관리되지 않는 머신 등의 문제를 발견하거나 운영자별로 사용률이 다른 현상을 발견할 수 있습니다. 또한 더 널리 배포하고 싶은 모범 사례를 발견할 수도 있습니다. 장비 간에 그리고 시간이 흐름에 따라 성능을 비교할 수 있으면 이런 종류의 변형이 더 명확해져 더 쉽게 관련 조치를 취할 수 있습니다.

이는 연결된 공장 가시성이 지원하는 잠재적 운영 변화의 몇 가지 예에 불과합니다. 다른 유형의 변화로는 낭비와 병목 상태를 줄여주는 생산 공정 최적화, 장비 추가 또는 교체, 직원 채용 또는 교육 절차 조정 등이 있습니다. 데이터를 자동으로 수집하고 가시성을 얻기 시작하면 운영 개선 기회를 찾고 변화하는 것이 자연스러운 다음 단계입니다.

새로운 시나리오 및 규모 구현

기능이 필요할 때 추가하고 전 세계 어디서든 운영을 최적화할 수 있습니다. 현장의 기술자가 이전보다 더 많은 운영 관련 데이터를 갖고 있습니다.

단일 어셈블리 라인에서 운영 전반의 집계 보기로 확장하세요. 고유한 속도로 새로운 장비 및 기능을 추가하세요. 솔루션을 예측 유지 관리 같은 시나리오로 확장하기 위한 시작점으로 사용하세요.

이 시점까지 장비를 연결하는 데 필요한 사항과 수집할 수 있는 인사이트를 파악했습니다. 다음 단계는 프로젝트를 확장할 차례입니다. 예를 들어 연결된 어셈블리 라인에서 전체 공장 연결로 진행한 다음, 전 세계 여러 공장을 연결하는 단계를 진행합니다. 운영에 대한 단일 통합 보기를 통해 성능에 대해 더 빠르게 더 뛰어난 인사이트를 얻고 조직 전체에서 성능을 비교하는 기능을 이용할 수 있습니다. 또한 제3자 하청 제조업체와 협의하여 해당 장비를 연결하고 자사 운영에 대한 인사이트뿐만 아니라 파트너의 인사이트도 얻을 수 있습니다.

더 많은 장비 및 공장으로 확장하는 것 외에 디지털화 작업의 기능 및 범위를 확장하도록 선택할 수도 있습니다. 현재 성능 및 과거 데이터에 대한 가시성은 예측 유지 관리 프로그램 및 최적화된 에너지 관리 방식 같은 다른 디지털 변화의 강력한 토대가 됩니다.

예를 들어 자연스러운 다음 단계는 예측 유지 관리를 고려하는 것입니다. 성능 데이터에 예측 분석을 적용하여 유지 관리가 임박하게 필요한 때를 파악할 수 있을 뿐만 아니라 유지 관리 요구 사항을 미리 정확하게 예측할 수 있습니다. 이는 새로운 기능에 대한 계층화가 추가 가치를 제공할 수 있는 방식의 예이며, 이 경우 기계 학습 같은 예측 분석 기능을 사용하여 과거 성능 데이터 세트에서 미묘한 패턴 및 변화를 감지할 수 있습니다.

마찬가지로 현장 서비스 시스템 같은 다른 비즈니스 애플리케이션에 성능 데이터를 통합하도록 선택할 수 있습니다. 이 경우 변칙이 검색되면 서비스 경고가 자동으로 트리거될 수 있으며 잠재적 문제가 있는 장비를 살펴보도록 자동으로 기술자가 예약됩니다.

디지털 트랜스포메이션은 여러 형태를 띠고 운영상 많은 의미가 있을 수 있습니다. 새로운 시나리오 및 규모를 구현함에 따라 핵심은 단계별 접근 방법을 사용하여 실험을 계속하고 요구 사항 및 환경이 변화함에 따라 계속 미세 조정해 나가는 것입니다.

연결된 공장 솔루션 만들기

시작하기