유지보수를 위한 지능적 시스템

발생확률이 많은 사업분야에서 활용되고 있다. 유지보수 분야도 마찬가지이다. Insight Engines을 통해 응용사례별로 기업의 모든 관련정보에 활용하고 있다.

울리케 코글러(Ulrike Kogler): Mindbreeze GmbH 최고 지식 책임자

산업용기계와 시스템은 정비와 유지보수의 순환과정을 겪는다. 기업에게 주기적인 정비는 안전하다는 인상을 줄 수 있지만, 생산현장의 요건을 충족하지는 못한다. 이는 정비주기를 계산할 때에 실질적인 부하가 고려되지 못하기 때문이다. 단순히 같은 주기로 정비를 반복한다면 부품을 너무 일찍 교체하거나 늦게 교체하는 상황이 발생한다. 손상된 부품으로 인해 기계가 정지상태에 이르거나 부품을 교체하는 경우가 생길 수 있다. 두 가지 모두 비효율적이고 기업 측에 높은 비용을 촉발할 수 있다.

산업분야에서 디지털화의 약진으로 새로운 가능성이 열렸다. 생산시스템의 컴포넌트를 비행기의 부품처럼 정밀하게 모니터링할 수 있다. 생산공정이 대량의 데이터를 생산, 저장하고 지속적으로 교환하는 하이테크 시스템을 적용하기 때문에 이러한 모니터링이 가능해졌다. 우수한 성능의 시스템이 데이터를 분석하고 매개변수와의 오차를 보여주고 여기에서 나타나는 결함을 인지할 수 있다. 즉, 수집한 데이터를 바탕으로 기계가 가동을 멈춰 생산이 중단되기 전에 주기적인 정비와 무관하게 부품교체 시기를 계산할 수 있다. 이를 Predictive Maintenance(예측 정비)라고 하는데, 생산현장을 스마트하게 유지하고 비용을 낮출 수 있다.

추가의 정보와 연결

Insight Engine은 360도 뷰를 이용하여 부품에 대한 모든 정보를 빠르고 효율적으로 제공한다.

기업은 외적인 데이터 소스, 예를 들면 납품업체에서 얻은 추가적인 정보를 통해 더욱 완벽해질 수 있고, 이를 위해 이른바 Insight Engines을 사용한다. Insight Engines은 기업 데이터를 자원 효율적으로 신속하게 제공하는 지능형 검색 솔루션이다. 기업들은 일반적으로 중요한 정보를 다양한 어플리케이션(코어 시스템)에 분산하여 저장한다. 이러한 정보를 직원들이 찾는 데에는 많은 시간을 소비된다. 비지니스 컨설팅 IDC(International Data Corporation)에 의하면 직원들은 The Hidden Costs of Information Work를 통해 데이터를 찾는데 업무의 24%를 허비한다는 사실이 밝혀졌다. 이런 정보는 인터넷만큼 빠르게 찾을 수 있어야 하고, Insight Engines가 이런 편의를 제공할 수 있다. 이 소프트웨어는 지능형 검색인덱스를 통해 데이터를 맥락을 기준으로 연결한다. 이러한 정보는 어플리케이션을 열지 않고 정보를 불러올 수 있다. 검색 결과는 시각적으로 제공되고 검색 프로세스가 빠르게 처리된다. 미리 보기 기능으로 검색 결과를 신속하게 확인하고 중요한 데이터를 바로 이어서 작업할 수 있다.

현대식 생산시스템은 기계 상태에 대해 많은 양의 데이터를 생산한다. 이를 저장하고 분석할 수 있다.

정보는 데이터 베이스와 같이 구조화된 형태와 이메일과 같이 구조화되지 않은 형태로도 존재한다. Insight Engines은 회사 내부의 데이터를 클라우드, 포털, 데이터 베이스, 인트라넷 그리고 인터넷의 데이터에도 광범위하게 연결한다. Insight Engines는 검색기술에 기반한 시스템이지만, 전통적인 검색 필드/결과와는 거리가 있으며, 대화창이 있는 상호작용이 제공하는 커뮤니케이션 방향으로 발전하였다.

NLP(Natural Language Processing)와 NLQA(Natural Language Question Answering) 기술을 이용하여, 검색조회를 일반언어로 직관적으로 제시할 수 있다. 구체적으로 NLP는 인간의 언어를 정확하게 파악되고 해석한다. 일반언어로 표현된 텍스트의 해석과 모방 그리고 통합이 가능하다. 이와 반대로 NLQA는 각 조회내용을 언어적으로 해석하여 사용자의 구체적인 관심사를 산출한다. 따라서 질문에 대해 누가, 언제 어디서, 무엇을, 어떻게, 왜 등으로 적절하게 반응할 수 있다.

검색어는 일반언어로 입력하여 바로 처리가 가능하고 이를 통해 검색결과는 사용자의 조회 내용에 맞추어 구체적으로 표시된다. 또한 검색결과는 시맨틱 분석을 통해 컨텍스트에 따른 정보로 풍성해진다. 사용자의 접근권한에 따라 검색결과와 개별 데이터들 간에 존재하는 관련성이 나타난고, 조회할 때마다 접근권한이 데이터 소스에서 직접 체크된다. 물론 일시적인 변경도 가능하다.

이미 언급한 NLP와 NLQA 외에 Insight Engines은 추가적인 형태의 인공지능을 이용한다. 여기에는 딥 러닝과 기계학습이 포함되어 지속적으로 학습할 수 있으며, 끊임없이 분석하고 관찰한다. 예를 들면 특정 정보의 빈번한 호출을 통해 중요한 것인지를 학습하고 이를 카테고리화하여 저장한다. 해당 정보의 중요성을 기반으로 중요하지 않은 데이터는 폐기되고 가치 있는 정보는 필요한 경우에 미리 제공된다.

유지보수 기술자는 Insight Engine을 이용하여 안정적이며 효율적으로 일하기 위해 필요한 모든 정보를 사용한다. 이를 어디서든 손 안에서 빠르게 이용할 수 있다.

Insight Engines은 커넥터를 이용하여 회사 내에서 복잡하지 않게 통합될 수 있다. 이를 위해 유명 제조사의 하이엔드 제품에 네트워크 드라이브, SAP, 마이크로소프트 셰어 포인트를 통합이 가능한 엔터프라이즈 컨텐트 매니지먼트 시스템(ECM System)과 같은 다양한 데이터 소스에 대해 450개가 넘는 커넥터가 제공된다. Insight Engines은 다양한 분야의 기업들에게 회사 내부지식을 이용할 수 있는 간단하고 효율적인 솔루션을 제공한다. 모든 사내정보를 광범위한 360도 뷰와 연결하여 데이터를 적절하게 처리하고 안전하고 효율적으로 제공한다.

근거를 토대로 한 결정

360도 뷰는 정비분야에서 개별 부품, 정비 프로토콜, 설계도, 주문 빈도, 품질 또는 담당자에 대한 포괄적인 살펴보기를 제공한다. 센서를 통해 오차를 감지하고, 부품을 교체해야 한다면, 이를 통해 제조사, 납품업체와 비용에 대한 정보를 확인할 수 있다. 결정과정에서 지금까지 고려되지 않았거나 조사를 통해 찾아야 했던 데이터를 바로 반영할 수 있어, 각각의 운영 프로세스를 최적화하고 가속화할 수 있다.

Insight Engines과 같은 지능형 시스템은 또 다른 응용 가능성을 제공한다. 이 시스템은 문서의 자동 분류에도 사용된다. 문서 자동분류 과정은 문서를 스캔하고 디지털화된 정보를 추출 분석하여 기존의 디지털문서와 비교하고 사전에 정해진 패턴과 텍스트 모듈을 이용하여 해당부서로 전달한다. Insight Engine은 이를 위해 분류되어 있는 문서로 사전에 학습하고, 정확한 처리를 위해 패턴과 텍스트를 통해 문서를 정확하게 분류하기 위해 경험 값을 이용한다. 문서가 잘못 전달되었다면 사용자는 이를 수정할 수 있고, 이 문서는 다시 유사한 다른 문서의 모델로 이용된다. 이는 솔루션을 장시간 사용하면 더욱 좋은 결과를 얻을 수 있다는 의미이다.

문서 다양성 꿰뚫기

Insight Engine은 문서로부터 데이터를 추출하고, 이를 시맨틱 분석을 통해 평가한다. 예를 들어 우편물로 들어온 문서의 자동으로 분류하여 분배할 수 있다.

이러한 능력은 많은 양의 우편물을 처리하는 회사에서 매우 유용할 수 있다. 최근 몇 년간 조회와 수령에 관한 채널이 급격히 발전하였다. 오늘날 기업들은 전통적인 우편물뿐만 아니라 이메일, 소셜 미디어 등 다른 소스에서 나오는 많은 데이터를 수신한다. 이들은 구조화된 형식 외에 다양한 포맷(PDF파일, 오피스문서 등)으로 수신되기 때문에, 담당 직원에게 분배하는 것도 어렵고 시간이 많이 걸린다. Insight Engines은 이런 상황에서 이러한 문서를 제어하는 데에 도움이 된다. 디지털화와 유지보수 결과로 기존의 부품을 모니터링하고 귀중한 데이터들을 수집하여 저장하고 분석하여, 기계고장을 유발하는 부품을 정비주기와 무관하게 교체할 수 있다. 기계손상이 발생하기 전에 발생하는 데이터를 지속적으로 분석하여 자세한 시스템 이미지가 형성된다.

지능형 솔루션 Insight Engines은 이러한 데이터를 찾아 분석 처리한다. 이 솔루션은 어플리케이션, 프로그램과 부서를 총괄하여 회사 전체를 네트워킹할 수 있다. 중요한 데이터와 사례별 데이터를 찾아 다른 인식과 연결하고 어떤 관련성이 있는지 점검하고 신속하게 처리하여 운영 프로세스가 가속화되고 최적화되어 경쟁업체에 대해 실질적인 경쟁우위를 점유할 수 있다.