ia: industrial analytics GmbH – 생산 결함 감지, 성능 개선

투명한 프로세스: 블랙박스 관찰

기업 “ia: 독일 Aachen에 위치한 Industrial Analytics GmbH는 데이터 수집으로 부터 시각화에 이르기까지 생산 공장의 디지털화를 위한 종합적인 솔루션을 제공합니다. 이를 위해 생산 프로세스에서 손쉬운 plug & play 데이터 추출 방식을 가능하게 하는 ifm의 IO-Link 센서를 사용합니다. 목표: OEE 워터폴의 시각화를 통해 생산 단계 간 불규칙한 전환의 원인을 해당 효과와 함께 투명하게 표시해 줍니다. 이러한 통찰을 기반으로 각 개별 생산 단계를 최적으로 연동시킬 수 있습니다. 철강 가공 산업의 사례에서 확인할 수 있는 것처럼 이는 효율성 향상으로 이어집니다.

공장의 핵심은 ia:factorycube입니다. 컴퓨팅 장치, 라우터 및 평가 소프트웨어에는 생성된 데이터의 수집, 평가 그리고 이를 시각화하고 필요 시 클라우드로 전송하는 데 필요한 모든 IT 구성요소가 포함되어 있습니다.

정보의 완전한 처리는 factorycube에서 이루어집니다. 또한 해당 시스템은 고객의 요건에 맞추어 모듈식으로 조정할 수 있습니다. "factorycube에 데이터를 저장하거나 디바이스를 고객의 IT 인프라에 통합시킬 수 있습니다. 세 번째 옵션은 클라우드 시스템에 데이터를 저장한 후 평가하는 것으로, 필요하다면 고객에게 공개할 수 있습니다.”

industrial analytics의 마케팅 관리자인 Nicolas Altenhofen은 다음과 같이 덧붙여 설명합니다: "당사의 접근 방식은 데이터 저장에만 국한되지 않습니다. 더욱 중요한 것은 두 번째 단계인 데이터 처리 및 시각화입니다. 우리는 생산 프로세스의 최적화에는 그다지 더 집중하지는 않습니다. 우리는 실적 수치를 중요하게 생각합니다. 예를 들어, 우리는 포토 센서로 기계의 작동 여부를 확인하거나 부품 수를 확인합니다. 우리가 알고자 하는 것은 다음과 같습니다: 기계가 멈춘 시기, 기계가 작동한 시기 및 기계가 가동을 중지한 이유입니다. 그 후 이 데이터를 다양한 방식으로 준비한 후 시각화합니다.”

factorycube를 최대한 다양하고 효율적으로 사용하기 위해 industrial analytics은 의도적으로 개방형 인터페이스에 의존합니다. 이는 즉 확장 장치를 손쉽게 구현할 수 있다는 것을 의미합니다. 예를 들어 카메라 시스템 및 기계 학습을 사용한 품질 보증 및 고주파 진동 분석을 통한 용량 계획 및 분배 또는 예지보전을 위한 솔루션이 현재 개발되고 있습니다. 우수한 모듈성 덕분에 모든 고객은 Industry 4.0으로 전환하는 데 필요한 정확한 솔루션을 제공받을 수 있습니다.

Jeremy Theocharis는 이것이 어떤 의미인지 설명합니다: "우리는 최적화의 가능성을 발견할 수 있습니다. 효율적으로 사용되지 않는 비용이 많이 드는 공장이 존재합니다. 예를 들어, 다수의 고객들은 주문처리에 걸리는 시간에 대한 투명성이 부족합니다. 공장이 실제 얼마의 역량을 활용하는지 종종 알 수 없는 경우가 있습니다. 우리는 이 블랙박스를 개봉하여 고객이 데이터에 기반한 결정을 내리고, 이와 관련한 통찰을 얻을 수 있도록 합니다. 예를 들어, 병목 현상을 일으키는 것이 기계가 아니라 자재 조달이라는 점 등을 알게됩니다.”

한 가지 예를 들면 철강 가공 산업의 주요 고객의 경우로, 두 곳의 기계가 몇 주 내에 산업 분석을 통해 개조되어 이제 포괄적인 성능 관리가 가능해졌습니다.

작업 현장에는 데이터의 투명성이 없습니다.

고객사의 기계 시설은 플라즈마 절단기, 산소 연료 절단기 및 발파 기계 등으로 구성되어 있습니다. 기계들은 강판의 절단 및 재가공에 사용됩니다. Jeremy Theocharis는 다음과 같이 설명합니다. "고객이 가진 문제는 생산 프로세스 및 성능에 대한 투명성이 없었다는 것입니다. 예를 들어 특정 기계에서 특정한 공작물을 생산하는 데 시간이 얼마나 소요되는지 제대로 파악하지 못했습니다.”

다양한 제품에 대한 이론적인 목표 시간은 존재했지만, 실제 소요 시간과 비교되지는 않았습니다. 또한 기계의 가용성 및 용량 활용과 관련한 지식이 부족했습니다. 기계 다운타임 및 그 원인이 기록되지 않았습니다. 이러한 중요한 정보가 없었다면, 기업은 생산 성능에 대한 모니터링과 문제의 확인 그리고 생산 프로세스의 개선을 위한 데이터에 기반한 결정을 내릴 수 있는 방법이 없습니다.