약품, 강철 및 타이어 관련 Hitachi의
3가지 ‘예측 품질’ 사례

메인.jpg

Hitachi는 간단하지만 매우 중요한 세가지 질문을 던져 고객과 함께 산업 혁신의 과제를 착수했다. “생산 고장시간을 예측하고 방지할 수 있다면 어떨까? 생산 병목현상을 예측하고 예방할 수 있다면 어떨까? 생산 결함을 예측하고 예방할 수 있다면 어떻게 될까?”
다음 중 첫 번째 질문은 공장의 가용성을 말한다. 가동시간은 기계 고장, 직원 결근 또는 배달 누락으로 인해 영향을 받을 수 있다. 둘째는 공장에서 이 용량을 가장 효율적으로 사용하는 방법과 잘못 관리되는 작업 흐름에 인한 생산 병목현상을 어떻게 방지하는 지를 다룬다.
세번째 질문은 결함이 있는 제품이 생산 과정과 생산량을 방해하는 것을 막고 궁극적으로 회사의 수입과 명성을 잃지 않도록 하는 것이다. 제조업체들이 재작업을 강요받거나 퇴출될 수록 생산 공정이 취약해지고 경쟁력이 약화된다.

출처: Enterprise IoT Insight Drugs, Steel and Tyres: Three 'Predictive Quality' Use Cases From Hitachi
번역: K-SmartFactory

예측품질 관리 통한
제조업의 산업혁신

Hitachi는 이러한 문제를 해결하기 위해 협업적인 문제 해결 기술과 고급 데이터 분석 기술을 개발했다. Enterprise IoT Insights는 Hitachi Vantara의 부사장인 Greg Kinsey와의 논의를 통해 모두의 사용 사례를 검토할 예정이다.
자, 이제 마지막 질문부터 시작한다. 제조업체는 어떻게 해야 생산 결함을 방지할 수 있을까? Hitachi는 '예측 품질'로 정의되는 구성성분과 공정을 관리하기 위한 자체 데이터 주도 프로세스를 보유하고 있다.
“품질 문제가 있는 생산 라인의 모든 데이터를 검토하는 것이 목표입니다. 데이터는 품질 방정식을 추진하는데 사용됩니다. 여기서 Y는 여러 X의 함수이며 우리가 가진 과제는 모든 X의 올바른 조합을 이해하는 것입니다.”라고 Kinsey는 설명한다.
“이러한 변수가 모두 정확하면 공정이 잘 진행됩니다; 속도, 온도 또는 기기 연삭에서 하락이 발생하자마자 이 조합에서 무언가가 바뀝니다.”
Hitachi의 경우 이 공정은 항상 동일하다: 고객과 실험적이고 협력적인 방식으로 작업하여 처음에는 고장형태 영향분석 검토를 실행하고, 시스템의 모든 변수에 대한 가설을 구성한 뒤, 데이터를 수집할 수 있는 방법을 찾는다. 데이터의 경우 보통 쉽게 구할 수 있지만 때로는 Hitachi에서 기계와 건물, 사람 등에 센서를 장착하고 있다.
“시작할 때는 해결책이 무엇인지 모릅니다; 당신이 아는 것이라고는 문제가 무엇인지와 더 깊이 파고들면 아이디어가 생각나기 시작한다는 것입니다.” 이것은 처음부터 산업 혁신을 위한 방법론이었고 최초의 “예측 품질” 사례이다. Kinsey는 다음 3가지를 설명한다.

사례 1. | 예측 품질(제약)

사진1.jpg

“우리가 했던 첫번째 프로젝트 중 하나는 제약 회사와 함께 했던 것인데, 이 회사는 대부분의 제약산업과 함께 합성재료에서 유기재료로 전환했습니다. 그들은 전환과정에서 달갑지 않게 천연성분 사용 시 변이발생이 더 많다는 것을 발견했습니다. 원자재의 이런 높은 변이로 인해 제조업체에서 생산하는 제품에도 더 큰 변이가 발생했습니다.”
“결과적으로 수익율이 하락했습니다. 회사는 원자재의 새로운 변이를 수용하기 위해 공정을 실시간으로 조정할 수 있어야 했습니다. 물론 데이터가 있다면 가능합니다. 그래서 우리는 데이터 레이크를 만들고, 알고리즘을 테스트하고, 시스템이 조합의 실시간 변화에 자동으로 적응할 수 있도록 계산법을 만들었습니다.”

사례 2. | 예측 품질(강철)

사진2.jpg

“이전에는 이러한 작업이 실험과 오류에 의해 수행된 다음 매우 제한된 알고리즘을 사용하여 Minitab에서 요인 분석을 사용하여 6시그마 블랙벨트에 의해 작성되었습니다. 하지만 그것은 10가지의 변수만을 가진 작은 데이터 세트였습니다. 최신 분석툴을 사용하면 훨씬 더 큰 데이터 세트를 처리하고 머신러닝을 적용하여 공정을 보다 효율적으로 만들 수 있습니다.”
“이러한 첫번째 사례는 원자재의 변이를 수용하는 것과 관련이 있습니다. 프로젝트 팀으로부터 첫번째 사례에 대해 들은 다음 날, 저는 유럽의 철강 공장으로부터 정확히 같은 문제에 관한 전화를 받았습니다. 그것은 다양한 공급자들로부터 받은 석탄의 일관성에 대한 문제였습니다. 정확히 같은 문제였습니다; 석탄의 차이가 강철의 품질에 영향을 미쳤습니다. 그래서 같은 방식으로 우리는 원자재의 불일치에 대처하기 위해 회사와 협력하여 공정의 매개변수를 조정했습니다.”

사례 3. | 예측 품질(타이어)

사진3.jpg

“우리는 타이어 제조 과정에서도 동일한 과정을 겪었습니다. 이 과정에서는 여러 폴리머 화합물을 대량 생산 기계에 혼합하는 과정이 수반됩니다. 이것은 정제되지 않은 폴리머 소재입니다. 그리고 나서 형태를 갖추고 성형되어 타이어든 당신이 만들고 있는 어느 것으로든 경화됩니다.”
“문제는 제품 설계자들이 시장에 반응하려고 노력하고 있고 대량 맞춤화를 향해 나아가고 있다는 것입니다. 이는 곧 더 많은 제품 변형을 의미합니다. 타이어 제조업체 관련자들은 말합니다. '제품 디자이너들은 계속해서 제품을 바꾸고 있습니다. 그들은 고객들을 위해 계속해서 일회성 작업을 하고 있습니다. 반면에 우리의 공정은 이를 위한 것이 아닙니다.'
“제조법이 살짝이라도 조정되면 혼합기의 생산량이 98%에서 75%로 떨어집니다. 그 시점에서 당신은 단지 돈을 잃고 있는 것이 아니라, 나쁜 혼합물을 만들 수 있는 가능성을 끌어들이고 있는 것입니다. 전체 제조법에서 매개변수를 조정해야만 제대로 생산할 수 있으며, 이는 데이터와 통찰력이 있어야만 가능합니다.”

FMEA(Failure Mode and Effect Analysis): 고장형태 영향분석. 기계부품(시스템요소)의 고장이 기계(시스템) 전체에 미치는 영향을 예측(결과 예지)하는 해석방법으로, 기계부품 등의 기계요소가 고장을 일으킨 경우에 기계 전체가 받는 영향을 규명해 나가는 것이다.
6시그마 블랙벨트: 6 시그마는 품질혁신과 고객만족을 달성하기 위해 전사적으로 실행하는 21세기형 기업경영 전략으로 블랙벨트는 전문추진 책임자로서 강력한 리더십과 6시그마 기법을 능숙하게 활용할 수 있는 사람을 의미한다.

저작권자 © INDUSTRY TODAY 무단전재 및 재배포 금지