스마트 데이터 분석으로 연결점을 확보하다

인더스트리 4.0, 빅 데이터, 예측 유지보수, 이런 개념은 수많은 대기업 들에게는 이미 일상이 된지 오래다. 하지만 중소기업들은 이런 개념들 앞에서 위축될 뿐만 아니라, 값진 경쟁 잠재력을 그냥 흘려 보내고 있다. 생생한 예시들을 통해 보면 중소기업에게도 기회는 있다.

안드레아스 마이어(Andreas Meier): 바덴 뷔르템베르크 Smart Data Solution Center(SDSC-BW) 프로젝트 책임자

초기에 인더스트리 4.0이 제조업에 디지털화를 끌어들이기에는 다소 모호한 슬로건이었다. 하지만 그 사이 구체적이면서 수많은 성공적인 구현 사례들이 그것도 중소기업 환경에서 생겨났다. 프로세스를 개선하고 이를 통해 경쟁 우위를 만들기 위해 중요한 것은 기업의 데이터를 지능적으로 이용하고 네트워킹 하는 것이다. 원리는 명확하다. 개발, 생산, 물류 그리고 고객 간의 상호 작용이 활발할수록 가장 적합한 제품이 마찰 없이 더욱 신속하게 생성된다.

데이터의 지능적 처리

인더스트리 4.0 환경에서 (기업체) 데이터와 관련하여 „빅 데이터“라는 개념, 데이터를 합리적으로 사용하려면 일정량의 데이터가 반드시 있어야 한다는 점을 암시한다. 많은 소량의 데이터들이 다른 외부 데이터나 정보와 조합하면 빅 데이터가 될 수 있고 기업체를 위해 이익을 창출하는 방식으로 시장성을 가질 수 있다. 이를 위한 전제 조건으로 데이터들이 일정 수준의 품질과 변량을 지녀야 한다. 일반적으로 데이터 분석을 통해 프로세스 개선에 이용될 수 있는, 인식을 도출할 만한, 패턴이나 연결점을 감지할 수 있을까? 스마트 데이터란 과거와 관련된 데이터를 활용할 수 있게 분석한 것으로, 자재 상태 또는 데이터로부터 스마트 데이터를 만드는 기술자의 경험 값에 대한 의미론적 정보를 분석하는 것이기도 하다.

이에 대한 한 예가 Predictive Maintenance (예측 정비)라 할 수 있다. 중요한 것은 다른 의미론적 정보와 연결하여 앞으로 발생할 시스템 또는 기계의 고장 또는 장애를 예상하는 데이터 샘플을 인식하는 것이다. 이에 성공한다면 기술자는 위험한 시스템 콤포넌트들을 적절한 시기에 걸러내서 교체할 수 있다. 정비 시간을 예방 차원에서 계획하면 고장으로 인한 값비싼 중지 시간을 최소화할 수 있다. 또한 설계부와 개발부는 생산 현장에서 되돌아오는 데이터를 확인할 수 있고, 이 데이터로 프로세스를 최적화할 수 있다. 즉 보다 효율적인 협력 관계가 생성된다.

중소기업도 따라잡아야 한다

그러나 중소기업들의 현실은 다르다. 수많은 중소기업들이 자신들을 위한 이러한 기술 잠재력을 인지하지 못하거나, 이런 주제에 접근하는 방법을 모르고 있다. 독일 바덴 뷔르템베르크에 있는 대다수 업체들은 종업원이 250명 안팎이다(2016년 기준 99.4%). 이런 규모의 많은 업체들은 스마트 데이터 프로젝트를 실행하기에 재정적 수단이나 전문 지식이 부족한 편에 속한다. 이들 중소기업들은 디지털화 시대에 기업의 가능성과 미래에 대한 기회를 그냥 흘려 보내고 있다.

그 사이 독일 전역에는 기업들이 조언을 구할 수 있는 지원처가 많이 생겼다. 각 주의 이니셔티브, 후원 프로그램이나 역량 센터들은 해당 지역 업체들에게 인더스트리 4.0 기술을 사용하는 경우에도 지역적 이점을 제공하고 있다. 스마트 데이터 기술을 사용하는 것에 관심이 있는 바덴 뷔르템베르크 지역의 중소기업들은 바덴뷔르템베르크 스마트 데이터 솔루션 센터(SDSC-BW)의 지원을 받을 수 있다. 슈투트가르트 Sicos BW와 칼스루헤 기술 협회(KIT)의 지도 아래 SDSC-BW는 중립적이고 독립적인 스마트 데이터 컨설팅을 제공한다. 이 프로젝트는 바덴 뷔르템베르크주 과학연구예술청의 지원을 받는다.

SDSC-BW는 무료로 잠재력 분석을 이용하여, 현재의 데이터를 처리, 분석 및 평가하여 값어치가 있는지를 평가한다. 분석 결과가 긍정적이면 전문가들은 프로젝트 현실화를 위한 구체적인 단계와 관련하여 조언을 하고, 좀 더 심화된 프로젝트 구현을 위한 동행자가 된다. 아래 프로젝트 예시는 SDSC-BW가 이러한 잠재력 분석을 이용하여 중소기업들을 도운 사례와 그 결과를 보여준다.

 

가공된 재료와 디자인이 맞아야 가구가 디자이너의 작품이 된다.

첫 번째 프로젝트에서 Rolf Benz라는 가구업체의 가죽의 자투리 재단에 관한 문제였다. 직원 430명을 둔 제조사인 Rolf Benz는 가구의 품질을 최고로 변함없이 유지하기 위해 최신 제작법을 사용하였다. 천연 가죽의 재단을 최적화하는 것만으로도 매우 정교한 공정이었는데, 이 업체는 자투리 비율 1%를 낮추어 경쟁력 우위를 갖길 원했다. SDSC-BW의 과제는 기계적 학습법을 이용하여 공정 개선을 위한 새로운 접근법을 찾아내는 것이었다. 4 주간의 잠재력 분석을 통해 긍정적 평가를 얻고, 이어서 SDSC-BW는 8개월 간 발생한 모든 생산 데이터를 조사하였다. 자투리를 줄일 방법을 알아내기 위한 최초 분석은 외부적 영향 인자와 시스템에 따른 영향 인자를 식별하고 이를 확인하는 데에 집중하였다. 그 결과 전문가 팀은 (또 다른 데이터를 고려하여) 스마트 데이터법을 바탕으로 자동화 방식으로 가설을 세우고 점검할 수 있는 접근법을 개발하였다. 그리고 이 스마트 데이터 접근법은 재단 시뮬레이션과 조합하였다. 스마트 데이터 분석법, 최적화 그리고 시뮬레이션을 긴밀히 연결시킨 결과, Rolf Benz는 이러한 잠재력을 생산에 도입하여 생산 원가를 줄이고 입지를 더욱 공고히 할 수 있게 되었다.

더욱 쉽게 기계 고장을 방지한다

두 번째 프로젝트는 기계 고장을 거의 제거한 Hermle 사례이다. Hermle는 항공 우주, 의료 기술, 레이싱 스포츠 카를 주력으로 하는 공작기계 제조업체로 1,000여 명의 직원을 두고 있다. 기계 상태를 평가하기 위해 데이터 분석을 의뢰했다. 이 업체는 내부적으로 개발한 시스템을 통해 기계 상태를 나타낼 수 있는 중앙 기계 매개변수를 수집한다. 이 정보는 셧다운을 방지하고 정비 필요성을 정확하게 결정하기 위해 분석 평가한다. 이 업체는 이러한 능력을 SDSC-BW의 도움을 받아 평가하고 더욱 확대하기를 원했다. SDSC-BW의 전문가들은 6주 간의 잠재력 분석에서 한 가지 기계 타입의 12개월 간 정비 데이터를 수집하였다. 최초 분석은 가공 센터의 축 상태를 결정하고 이런 방식으로 자동화된 원격 정비의 잠재력을 식별하는 데에 집중하였다. 두 번째 단계에서 모니터링 한 학습법(예, 의사 결정 나무)을 이용하여 평가하였다. 그 결과 선택적인 이동 프로파일을 감안하여 기계 상태를 자동으로 평가할 수 있는 접근법을 개발하였다. 기술자들은 데이터 분석을 이용하여 향후 기계 고장을 쉽게 피할 수 있고 정비 공정을 더욱 개선할 수 있었다.

Gotthard 베이스 터널을 위한 그리퍼 터널 트리 기계

세 번째 예시는 Herrenknecht AG로, 이 업체는 자신들의 목적을 위해 터널 비전을 적절하게 사용하였다. 슈바나에 위치한 이 업체는 직원이 5,000여 명이며, 터널 공사나 지하에 매장된 에너지 자원과 원자재 개발 분야의 천공기에 들어가는 기술 솔루션을 제공하는 선도적 업체이다. 이 업체에게는 정확한 생산 계획과 재원 계획이 근본적으로 중요하다. 고객의 주문에서 다양한 콤포넌트를 제작해야 하기 때문이다. 생산 분야에서 구체적인 문제 설정을 위한 시각을 개선하고 새로운 접근법을 찾기 위해, 이 업체는 SDSC-BW에 자신들의 지식과 (생산 컨트롤 시스템, ERP 등에서 나온) 약 30,000여 건의 생산 데이터 블록을 6주간의 잠재력 분석에 제공하였다. 전문가들은 일단 descriptive statistics (기술 통계)을 작성하고, 기계적 학습 분야에서 스마트 데이터 툴을 이용하여 문제 설정을 조사하였다. 중요한 것은 생산 지연 요소를 식별하고, 눈에 띄는 비용과 생산 절차 간에 있을 수 있는 관련성을 시험하는 것이었다. 결과적으로 Herrenknecht사의 스마트 데이터 알고리즘은 납품 정확성을 높이고 여유 시간을 줄일 수 있었다. 위의 세 업체는 모두 프로젝트 결과를 통해 이익을 산출할 수 있었고, 후속 프로젝트에도 이미 착수할 계획을 가지고 있다.

잠재력 분석은 기업들이 효율성을 증대하는 데에 도움이 된다.

라인홀드 섀퍼(Reinhold Schäfer), 자동화 부문 에디터