::: IUCHEM :::
 


총 게시물 86건, 최근 0 건 안내
이전글  다음글  목록

디지털 서비스 응용 분야의 연결고리

글쓴이 : Riushop 날짜 : 2018-10-30 (화) 15:47 조회 : 39

저렴한 비용으로 보다 빠르고 나은 제품을 만드는 방법 ‘Reader Forum’

 

메인.jpg

인공 지능(AI)은 일반적으로 비즈니스 프로세스 및 비즈니스 모델에서 더 큰 가치를 이끌어 내기위한 지속적인 노력의 핵심 자산이다. AI의 관심은 디지털 서비스와 응용 분야에만 집중돼 왔지만, 산업과 제조 환경에도 상당한 개선이 이뤄지고 있다.
데이터 센터의 담당자와 마찬가지로 산업 임원 및 운영자는 더 적은 자원으로 더 많은 일을 처리하고 원시 자원을 완제품으로 전환하는, 보다 효율적이고 수익성 있는 방법을 고안하는 일의 도전에 직면한다. 당연히, 이러한 프로세스에서 더 많은 데이터를 수집할수록 더 효율적이고 효과적이다. 그러나 이는 의미 있는 방식으로 데이터를 모으고 분석할 수 있는 경우에만 해당된다. AI는 데이터 과학자와 분석가에 부담을 주지 않으면서 대량의 비정형 데이터를 분석하기 위해 복잡하고 시간이 많이 소요되는 데이터 준비 프로세스로 분석하기 때문에 이러한 요구가 충족되어야 한다.


출처: enterprise iot insights
번역: K-Smart Factory


DISPARATE SYSTEM(시스템 분리)

 

중간1.jpg

공장 설정에서 활용되는 많은 데이터는 산업용 인터넷 (IIoT)에 기여하는 무수히 많은 연결된 장치에서 비롯된다. IoT는 소비자를 상대하는 사촌과 마찬가지로 지능적 관리 시스템이 세분화된 수준에서 산업 인프라로 침투하여 시스템 상태, 제조 프로세스, 리소스 소비 및 기타 여러 요인에 대한 중요한 데이터를 제공할 수 있도록 설계되어있다.
Prateek Joshi - 인공 지능과 IIoT 믹싱 궁극적으로, 이 데이터는 소비자의 요구에 더 잘 맞고, 더 빠르고, 저렴하고, 더 관련성이 높은 제품에 대한 통찰력을 제공하기 위해 수집 및 분석된다. AI보다 효과적인 IIoT 환경에 기여하는 방법 중 하나는 여러 상점 및 여러 형식의 데이터를 병합하는 기능이다. 특정 환경에서 산업 프로세스는 일반적으로 노후화된 사내 인프라에서 만들어진 SCADA, ERP 및 CMMS와 같은 여러 개별 소프트웨어 플랫폼에 의해 관리된다. 이를 지역, 국가 또는 심지어 국제 발자국의 수많은 시설과 곱하면 오늘날 제조 기업이 직면한 문제에 대해 알 수 있다. 높은 수준의 자동화를 이미 도입한 기업도 마찬가지이다.
이러한 서로 다른 데이터 시스템은 낭비와 비효율을 초래하는 주요 원인인 산업 프로세스에 “맹점”을 남기는 경우가 많다. 애널리스트가 종단 간 산업 프로세스에 대한 일관된 견해를 갖지 못하면 프로세스를 방해하지만 알려지지 않은 문제를 인식하지 못하는 결함을 인식하지 못한다.
예를 들어, 초기 단계를 감독하는 모니터링 시스템은 보조 단계에 최적의 결과를 제공하지 못할 수 있으며, 이로 인해 최종 조립에서 불일치가 발생할 수 있고, 이는 제품을 사용할 수 없게 만들지는 못하며, 아마도 초기 고객에게 불만족스러운 결과를 초래할 수 있다.

 

Proactive plants(사정 예방적 계획)

 

중간2.jpg

산업 프로세스에 적절한 데이터가 없는 많은 임원들은 근무 경험이나 엄격한 평가 절차 등을 통해 의사결정을 채택한다. 이러한 접근법은 종종 제조 과정을 완전히 파괴하지 않으면서 낭비적인 지출을 초래하는 오판을 초래한다. 일례로 정기 유지 보수를 들 수 있다. 많은 조직들이 지정된 기간 동안 마모에 대한 모호한 추정치만으로 교체 또는 재작업을 하기 위해 장비를 오프라인으로 전환한다.
시스템 또는 특정 구성 요소가 실제로 고장과 가까운지는 아무도 모르지만, 제조 공정의 비효율성이나 비용 초과로 이어지더라도 위험을 감수하기 보다는 지금 교체하는 것이 좋다. AI는 데이터와 비즈니스 메트릭스 사이에 중요한 브리지를 형성하면서 이러한 문제를 식별하고 해결할 수 있는 기능을 제공한다. AI 기반 IIoT 플랫폼을 구축한 관리 시스템은 전체 제조 공정에서 조립 라인 내 개별 구성요소로 실시간 데이터를 제공한다.
오늘날 제조업체의 경우 이러한 수준의 데이터 분석은 오류를 예방할뿐만 아니라 품질을 향상시키고 비용을 절감하기 위해 프로세스를 지속적으로 최적화한다. 오늘날 경제에서는 효율성과 폐기물 감소의 미세한 향상으로 인해 성공과 실패의 차이를 알릴 수 있다. 특히 규모의 경제가 시작되면서 가능해졌다. 이 모든 것은 산업 플랜트가 반응이 아닌 사전 대책이 될 수 있도록 도와준다. 관리자는 실제로 존재하지 않을 수도 있는 문제에 돈을 버리는 것이 아니라 실제 문제를 해결할 수 있다.
또한 기계 자체가 더욱 유연해짐에 따라 지능적이고 자율적인 시스템이 지속적으로 최적의 상태와 효율성을 달성 할 수 있도록 조정할 것으로 기대할 수 있다. 이와 동시에 공장에서는 특정 고객의 요구에 맞춘 신제품을 보다 효과적으로 제작할 수 있으며, 이 모든 제품으로 브랜드 충성도를 높이고 시장 차별성을 높일 수 있다.

 

Human workforce

 

중간3.jpg

오늘날 모든 비즈니스는 디지털 비즈니스라고 한다. 제품 또는 서비스가 제공되는 것과 관계없이 데이터는 초기 설계 및 제조부터 마케팅, 영업, 전달 및 지원에 이르기까지 전체 비즈니스 모델을 주도한다. 데이터를 더 잘 이해하는 기업은 새로운 디지털 경제에서 번창할 기업이 될 것이다. 그러나 산업 AI이 가장 큰 영향을 미치는 것은, 기계나 프로세스 AI가 아닌 인력에게 있어 결국 데이터 관리와 일상적인 유지관리의 고된 업무에서 벗어나 최고의 혁신과 혁신을 이룰 수 있을 것이다.


이름
비밀번호
자동등록방지
우측의 글자를 입력하세요.
이전글  다음글  목록