이 문서의 번역:

데이터 괴물 길들이기

올바른 전략과 수단만 있다면, 당신도 데이터를 마스터하고 실무 수행 능력을 개선시키기 위해 데이터를 적용할 수 있다.



오늘 날의 공장들은 이전보다 더 스마트하다. 지능형 자동차, 스마트 드라이브, 세이프티 PLC(safety PLCs), 산업용 사물인터넷(industrial Internet of Things, IIoT)의 연결 장치와 센서 네트워크 등은 2025년까지 482억개 가량이 설치될 것이라고 추정된다. 이러한 장치들의 진짜 가치는 그들의 상태, 수행 능력과 가용성에 대해 소통하고 잦은 업데이트를 할 줄 아는데 달려 있다. 그들은 엄청나게 많은 양의 데이터를 만들어내며, 그 데이터의 대부분은 “양호함, 양호함, 진짜 양호함, 정말 양호함, 매우 양호함.”의 변형된 형태이기 일쑤이다. 1950년대의 한 영화에 나온 픽업 트럭만한 개미들처럼, 작을 때는 쉽게 관리되는 것들이 지나치게 커져버리면 정말 괴물 같아질 수 있다. 생산 현장으로부터의 데이터 폭격은 더 많은 작업 시간, 저장 하드웨어, 하드웨어를 돌리기 위한 에너지, 하드웨어를 놓을 공간과 네트워크 대역폭 등을 요구하면서 예산을 야금야금 갉아먹을 수 있다.

이러한 데이터 메시지들은(“양호함”) 그 방대한 분량만으로도 오류 발생 전에 미리 탐지할 수 있도록 알려주는 변수들을 가리기에 충분하다. 다행히도, 시각화 도구들이 동반되는 세심한 데이터 전략은 데이터 괴물을 길들이고 이 비트와 바이트들을 당장 실행 가능한 인사이트로 바꿀 수 있다.


계획 가지기

데이터 괴물을 길들이는 첫 번째 단계는 애초에 괴물을 만들지 않는 것이다. 물론 선택지를 열어놓고 가능한 모든 것을 다 체크하고 감시하는 방법도 있겠지만, 그것은 오히려 역효과를 낳는다. 하나의 이슈에서 시작해, 그 이슈를 관리하기 위해 필요한 데이터를 확인하고, 해결책을 만드는 것이 낫다. 아마 목표는 각 기계의 에너지 소비량을 추적하는 것이거나 혹은 시설간의 장치 작동 효율성(operational equipment effectiveness,OEE)을 비교하는 것이 될 수도 있다. 초기 프로젝트를 실행함으로써 당신과 당신의 팀은 그 과정을 배울 수 있다. 당신은 미래의 문제들을 해결하기 위한 기술들을 개발하게 될 것이다. 왜냐하면 하나의 이슈를 해결하는 것은 필연적으로 다른 새로운 문제를 찾아내는 것으로 귀결되기 때문이다.

시각화 어플리케이션은 대량의 데이터를 추출하고 농축시켜 조직 내의 모든 역할에서 사용 가능 하도록 만드는 것에 목적이 있다. 이 임무를 완수하기 위해서, 다른 무엇보다도 먼저 기업 내의 자산들로부터 유사실시간으로 인풋을 포착해야 한다. 생산 장비뿐만 아니라, 시스템은 냉각탑, 냉각기, 보일러와 에어핸들링 유닛과 같은 지원 체제를 잘 감시할 수 있어야 한다.

목표는 모든 수준의 수행 능력을 최적화하기 위해 사용되는 하드웨어, 생산 그리고 공급망 트렌드를 발견하는 것이다. 예를 들어, 오류탐지 소프트웨어는 오류 탐지 알고리즘을 사용하여 더 효율적으로 비정상적인 행동과 잠재적 문제경향성을 탐지하기 위해 역치를 미리 맞춰놓는다. 이는 기계가 기기적인 문제를 알려주는 새로운 공명주파수를 가지고 있다거나, 혹은 드라이브가 너무 높은 전류를 인출하고 있어서 체크되어야 한다든지 등을 알려준다. 이러한 종류의 정보에의 시기적절한 접근은 라인 중단을 예방하는 빠른 행동을 가능하게 한다.

인사이트에의 빠른 접근

시각화의 진정한 가치는 핵심성과지표를 나타내어 주주들이 빠르게 지표를 보고 행동을 취할 수 있도록 하는 데 있다. 예를 들자면, 유지(maintenance)는 오류와 오류 코드를 탐지하고 태블릿에 재고를 여분으로 남겨두는 것일 수도 있지만, 시설 관리자의 경우는 그들의 랩탑에서 에너지 소비량과 처리량을 보는 것에 더 관심이 있을 것이다. 품질, 에너지와 오류 관리와 같은 특정한 분석과 보고 목적을 가지고 설계된 어플리케이션은 많은 양의 데이터를 가지고 쉽게 처리 가능하고 실행 가능한 형태로 만든다. 또 다른 방법으로, 개발자 도구는 홈 그로운(home-grown) 버전을 설계하는 과정을 단순화하고 속도를 내기 위해 디자인된다.

모던 그래픽 패키지는 둘러싸는듯한 느낌을 주는 풍부한 3-D 렌더링을 개발하기 위해 사용될 수 있다. 이는 단순히 데이터 구성에 제한되지 않는다. 이 묶음들은 현황 정보와 수행 능력 데이터에 연결되어, 생산 현장 자산의 구체적인 모델들을 창조해낼 수 있다. 사용자들은 각기 다른 장치를 보기 위해 스캔하고 확대할 수 있으며, 클릭하여 더 많은 정보를 검색할 수 있다. 더 세련된 버전은 공장 모형을 위성 지도 제작 데이터와 합쳐서 한눈에 넓게 나눠진 자산들을 감시하고 관리하며 즉시 오류의 위치를 집어낼 수 있도록 한다.

글로벌 식료품 회사의 경보 관리를 떠올려 보라. 운영 상태를 보여주기 위해 색깔 점(초록색, 노란색, 빨간색)으로 각각의 시설들을 표시해주는 세계 지도를 볼 수 있다는 것을 상상해보자. Peoria 시설을 표시해주는 빨간색 점을 보면, 당신은 식품자동포장기계가 셧다운 된 것을 보여주는 3-D 모델에 접근하기 위해서 그 점을 클릭한다. 확대하면, 기계의 문 여러 개중 하나가 살짝 열려있는 것을 볼 수 있다. 소프트웨어는 그냥 진단 메시지를 전송해주는 것이 아니라, 이는 라인이 얼마나 오래 중지되어 있었으며 얼마나 많은 생산에 손실이 일어났는가를 볼 수 있게 해준다. 또한 다른 시설의 현황을 체크해서 그들이 부족분을 메꿀 수 있는지 확인할 수 있다.

이런 정보를 전달하는 가장 효과적인 방법은 다중의 메트릭 시스템을 하나의 화면에 보여주는 맞춤화된 대시보드이다. 이는 특정 역할에 맞춰질 때(기기 작동자, 시설 관리자, 유지보수 기술, 시스템 통합자 등) 빠른 의사결정을 가능하게 한다. 위의 사례를 한 걸음 더 가지고 나아가면, 오류 탐지 정보는 웹기반 시각화 환경의 한 구석에 나타난다. 가장 위 오른쪽 코너는 에너지 소비량을 보여줄 것이며, 가장 아래 왼쪽 코너는 OEE를, 그리고 맨 아래 오른쪽 코너는 수많은 핵심성과지표(key performance indicators, KPIs)의 어떤 것이든 시간에 따른 경향성에 접근하는 것을 제공할 것이다. 더 자세한 내용을 원할 때마다, 스크롤을 내려 기업, 시설, 기계 혹은 각 시프트나 작동자에 따른 방대한 데이터를 볼 수 있다.

데이터는 그것이 정보로 전환될 때에만 의미가 있다. 오늘날의 지능형 공장들은 두려울 정도로 많은 양의 데이터를 생산해낼 수 있다. 만약 제대로 관리되지 않는다면, 단순히 기업에게 이익을 가져다 주는 것을 실패하는 것이 아니라, 실질적인 손해를 야기할 수 있다. 가장 최근 분석과 시각화 기술들을 이용하여, 최종 사용자들과 OEM들은 데이터 스트림을 기업의 수행 능력을 개선시키기 위한 인사이트로 전환함으로써 데이터 괴물을 길들일 수 있다.

툴(tools) 소개:

AX 에너지(AX Energy)

에너지를 보존하는 것은 환경적으로나 경제적으로나 옳은 일이다. 하지만 데이터의 분량이나 관련 분석의 복잡성을 볼 때 해내기엔 어려울 수도 있다. 웹기반 에너지 관리 어플리케이션인 미쓰비시의 AX 에너지는 연간 25%의 공공요금을 감소시킬 수 있다. 쉬운 배치와 빠른 ROI를 위해 디자인된 AX 에너지는 풍부한 시각화 환경에서 KPI를 보여주기 위해 수천 미터로부터 아웃풋을 분석한다. 예를 들어, The Site Summary Overview는 전체적인 에너지 소비, 비용과 탄소발자국의 세부 사항을 보여준다. The ISA95-compliant Asset Tree의 특징은 운영 전반의 장비와 위치에 대한 보고서와 차트를 볼 수 있게 해준다. 이 어플리케이션은 웹 기반이기 때문에, 사용자들은 PC, 모바일, 태블릿과 HMIs등 다양한 범위의 플랫폼에서 접근이 가능하다. 이는 특별한 요구를 충족시키기위해 쉽게 맞춤화 될 수 있는 사전 설정된 계산과 함께 특별히 출시된다.

AX 시설 (AX Facility)

미쓰비시 전자의 AX 시설은 데이터를 실행 가능한 인사이트로 전환하기 위하여 사용하기 쉬운 어플리케이션을 제공한다. 이러한 시각화 소프트웨어는 장비 수행능력과 운영을 감시하고 그것을 쉽게 소비가능한 아웃풋으로 전환하는 실시간 오류탐지와 분석(fault detection and diagnostics,FDD)에 기반한다. AX 시설은 오류 발생 확률과 관련 비용을 계산하여, 가능한 자원에 기반한 다운타임을 예측하고 오류를 수정하는 것을 용이하게 한다. 이 어플리케이션은 일반 생산과 시설 자동화 장비의 기존에 구성된 오류 법칙을 300개가 넘게 포함한다. 맞춤화 옵션은 사용자들이 이러한 법칙을 그들의 특정한 운영에 맞게 수정하고 빠르게 운영을 다시 시작할 수 있도록 돕는다.

오류 현황 추적은 트레이서빌리티(추적가능성, traceability)를 제공하여 관리자들이 쉽게 빈도수, 내구성과 오류 해결의 정보에 접근할 수 있도록 한다. 자동화된 오류 탐지는 더 먼 곳까지 실시간 알림을 전달하고, FDD 뷰어 옵션은 가능한 원인들의 목록을 제공한다. AX 시설은 서비스 비용을 50%가까이 감소시키고 에너지 비용을 6%나 그 이상 감소시키는 것으로 알려졌다. 사용자들은 일반적으로 12개월에서 18개월 안에 투자수익율을 보게 된다.

AX 포털(AX Portal)

공장 시각화의 진정한 가치는 사용자들이 동시에 다중의 메트릭 시스템을 보고 평가할 수 있도록 하는 능력에 있다. AX 포털은 그러한 과정을 전달하기 위해 설계되었다. 이것은 AX 에너지, AX 시설과 MC Works64 모듈같은 시각화 어플리케이션의 인풋을 종합하는 맞춤화 대쉬보드를 빠르게 개발하는 것을 가능하게 한다. 또한 분석적 계산을 자체적으로 수행하기 위해 SQL, Oracle과 SAP같은 일반적인 기업 데이터베이스와 인터페이스 될 수 있다. Net automation Web의 라이브러리는 시각화와 데이터 접근, 운영과 보고를 목표로 하는 섹션들로 개발되었다. 그 결과로 생긴 디스플레이는 데이터 구성이 연합된 메트릭 시스템을 보여주는데 반해 단순히 숫자를 넘어서 자산의 3-D 모델을 다 볼 수 있는 지도까지 포함한다. 물건을 좀 옮기고 싶은가? 드래그 앤드 드롭(Drag-and-drop) 기능은 이것을 쉽게 만든다. 이제 당신은 안전한 역할 기반 데이터를 당신의 조직 내의 모든 사용자 그룹에 보내기 위해 맞춤화 된 유일무이의 대쉬보드를 효율적으로 모을 수 있는 툴을 가지고 있는 것이다.



편집 : 김수진 선임연구원
번역 : 곽이레 연구원

이 문서의 번역:
데이터_괴물_길들이기.txt · 마지막으로 수정됨: 2016/05/25 17:27 저자 wikiadmin
CC Attribution-Share Alike 3.0 Unported
Powered by PHP Driven by DokuWiki Recent changes RSS feed Valid CSS Valid XHTML 1.0 Valid HTML5