[2024/12/18]아티클 스터디 2회 - 제조업에서 데이터 분석이란?

** 아티클 요약 및 주요 내용 **

제조 데이터를 불량 발생, 설비 이상 등의 사후 분석, 생산의사 결정과 이슈에 대한 사전 대응에 사용

제조 공정의 디지털화를 통해 생성되는 데이터 수가 폭발적으로 증가하여 실시간 데이터 전체를 활용할 수 있게 됨

데이터를 기반으로 한 객관적인 의사결정 가능

 

제조 데이터 분석은 현업의 요구 및 필요성에 따라 분석 방향과 프로세스가 달라짐

EX) 해당 아티클의 경우 품질 원인 분석, 최적 공정 조건 도출, 설비 장애 예지, 이미지 분석으로 분류하여 진행

 

** 핵심 개념 및 용어 정리  **

데이터 기반의 접근과 해석을 통한 문제 해결, 현장 개선 활동 및 기술 과제 추진, 객관화된 공정 운용, 실시간 공정 모니터링 및 운용을 통한 생산 효율화

 

제조 데이터 : ERP, 생산관리, 품질관리, 설비관리 등의 공장 내에서 수집되는 데이터

ERP(Enterprise Resource Planning) : 전사적자원관리, 조직이 비즈니스 활동을 관리하는데 사용하는 소프트웨어 유형

제조 데이터 분석: 원료, 공정, 품질, 출하 정보 등으로 연결된 데이터를 활용하여 품질 개선과 장애를 예측

best practice : 현업이 생각할 때 최고로 생각되는 물성 조건에 맞는 양품 생산 시기

 

 

[출처] 제조업에서 데이터 분석이란?

(https://ysjang0926.github.io/etc/2020/12/13/manufacturing_data_intro/)

** 실무 적용 사례 **

POSCO의 스마트 팩토리

수주공정

 - 수작업하던 소Lot 주문을 AI가 예측하고 판단하여 공정 소요시간이 12시간에서 1시간으로 대폭 축소

 - 주문에 영향을 주는 인자 12개를 도출하여 AI가 스스로 주문을 판단하는 학습모델 구축

 - 설계 사이즈 예측으로 원가 낭비 없이 최적으로 제작

 

제선공정

 - 작업자가 수작업으로 진행한 조업을 IoT 센서와 카메라 이미지를 통해 배출 형상을 데이터화

 - 쇳물 온도를 IoT가 데이터화, 카메라를 통한 원료의 상태 자동 확인

 - 1시간 후 상태까지 예측 관리하여 쇳물 생산량 증가

 

제강공정

 - 용선의 온도와 성분, 원료가 달라도 조건에 맞게 AI 학습

 - 경우의 수 12만 5천개 분석하는 전로~연주 연속 제어 시스템(PTX : Posco sTeelmaking eXpress) 개발

 - 공정별 도착시간, 온도, 성분 실시간 확인으로 온도 적중률 90% 이상, 원료 사용량 60% 감소

 

연주공정

 - 품질 이상에 대한 기준을 AI에 학습시켜 결함이 있는 소재만 선별 및 원인분석

 - 기존에는 대표 소재만 100% 의무 검사 실행 후 이상 발생시 모든 소재 결함 분석

 - 실적 데이터 자동 수집, 표면 품질 예측 모델 개발하여 불량재 발생시 자동 알림

 - 불필요한 검사 없어지고 연간 6억원 원가 절감

 

압연공정

 - 열간/냉간 평탄도 인자 데이터화, 빅데이터로 분석, 후판TMCP 학습모델 개발

 - 평탄도 조건의 상관관계 분석으로 프로그램이 자동으로 최적의 TMCP 조건 생성

 - 후 교정률 50% 저감 및 연간 13억원 절감

 

도금공정

 - 딥러닝을 이용하여 목표 도금량 스스로 학습하여 정확하게 제어

 - 도금 제어 적중률 89%에서 99%이상으로 향상

 

[출처] 철강산업에서 스마트팩토리 적용 현황 및 발전 방안, 한국철강협회