디지털트랜스포매이션: 어디에서 부가 가치를 창출할 것인가

MarkLogic社의 Digital Thread


Digital Thread가 중요한 이유는, 모든 데이터를 활용하려면 데이터가 나머지 작업에 어떻게 연결되는지 그리고 어떻게 한 프로세스에서 다른 프로세스로 데이터가 이동하는지를 관리해야 하기 때문이다


모두가 알듯이, 지금은 제 4차 산업혁명의 시대이다. 이것은 생산의 디지털화로 인한 제품 생산 방식의 상당한 변화이다. 이러한 디지털 변혁은 비용 절감, 효율성 및 현명한 의사 결정을 통해 가치를 더욱 창출할 수 있는, 그동안 볼 수 없던 기회를 제공한다. 실제로, McKinsey에 따르면 4차 산업혁명은 “물리적 자산을 최적화하는 것에서 벗어나 product lifecycle 안에서 데이터와 정보를 활용하는 방식을 최적화하는 것으로 패러다임 전환”을 가져왔다.


MarkLogic의 최고전략책임자인 Matt Turner는, “생산과 관련된 데이터를 작성하는 데 많은 투자가 있었으며, 그 초점은 종종 디지털 트윈 (제품의 디지털 버전)에 맞추고 있었습니다.” 라고 말했다. 또한 그는, “Digital Thread가 중요한 이유는, 모든 데이터를 활용하려면 데이터가 나머지 작업에 어떻게 연결되는지 그리고 어떻게 한 프로세스에서 다른 프로세스로 데이터가 이동하는지를 관리해야 하기 때문이다.”고 말했다.


Digital Thread는,
-제품의 디지털 설계로부터 시작하여,
-디지털 방식으로 제어되는 제조 공정을 거치며,
-작업중인 최종산출물의 디지털 모니터링을 지나,
-디지털 방식으로 저장된 정보가 재사용 할 수 있는 부품을 식별하는 데 사용되는, 제품의 재활용 단계에서 종료된다.


가치 창출 증진을 위한 Data Thread 관리
Digital Thread를 최대한 활용한다는 것은, 정보를 최대한 활용하는 것이며 또한 데이터를 핵심 자산으로 인식하는 것을 의미한다. McKinsey는 4차 산업혁명의 기술은 데이터를 활용하여 잠재적인 가치를 활용할 수 있는 방식을 제공한다는 점에서 유사하다고 말했다.
예를 들어,
-향상된 분석은, 정보를 의사 결정권자에게 도움이 되는 결과로 바꿀 수 있다. -3D 프린팅은 디지털 설계 데이터를 유형의 작업물로 변환한다. -Predictive maintenance는 캡처 된 정보를 사용하여 이상적인 보수 시간을 설정한다.


그러나 Digital Thread가 효율적으로 사용되거나 관리되지 않으면 어떻게 될까? 한 사례로, 석유 및 가스 산업 회사의 정보 유출로 데이터의 99%가 손실되고 있다고 보고하였다. 수집 된 데이터의 단 1% 만 분석되었으며, 사실상 의사 결정을 내리는 데 사용된 결과는 없다. Digital Thread의 누출은 잠재적 가치를 가진 이해 관계자 정보가 가치 사슬(value chain)의 어딘가에서 손실되어 비 효율성을 초래하는 부분이다.


이러한 정보 유출이 다른 제조 산업에도 영향을 미치고 있을 것이다. 따라서 새로운 기회를 발견하고 포착하기 위해서는 Digital Thread를 따라 정보를 적극적으로 관리함으로 정보 유출을 방지해야 한다.


데이터에서 가치 창출을 하기 위한 필요 요건
그렇다면, 그런 비효율을 피하기 위해 Digital Thread를 어떻게 관리해야 하는가? McKinsey에 따르면 데이터에서 가치를 창출하기 위한 필요 사항은 다음과 같다.


1. 정보 캡처 및 레코드. 데이터를 사용하여 기회를 포착하려면 관련성 있는 정보를 수집하고 기록해야 한다. 비효율성은 발견되고 기록되어야 만 제거 될 수 있으므로, 실제 생산 프로세스는 자동 실시간 데이터 수집 및 과거 데이터 포인트를 기반으로 Digital Thread를 따라 매핑되어야 한다. 이를 위해 인라인 센서 및 측정 장치를 사용하여 모든 제품에 대한 정보를 수집하며, 품질 관리 목적 위주의 샘플링 기반 측정에서 생산 프로세스의 전체 범위로 이동해야 한다.


2. 정보 전송. 효율적인 정보 전송은 Digital Thread의 정보 유출과 손실을 방지하기 위한 필요 사항이다. “가치 사슬의 특정 시점에서 수집 된 데이터는 동일한 가치 사슬의 다른 시점 (이전 또는 이후)에서 매우 유용할 수 있다. 정보를 특정 시점에서 사용 가능하게 하려면, 가치 사슬에서 정보를 공유하여 실시간 가장 향상된 상태로 적용 가능하게 하는 것이 중요하다. 따라서 회사가 모든 프로세스에 대한 전체적인 관점을 만들려면, 서로 다른 응용 사례의 서로 다른 데이터를 통합하여야 한다. 또한, 데이터 통합은 회사의 경계에서 멈추지 않아야 한다. ”


3. 정보 처리 및 합성. 데이터에 대한 인사이트를 얻으려면 수집된 정보를 완벽하게 처리해야 한다. “올바른 결론에 이르는 것은, 요인 간의 관련성 있는 인과 관계에 의존하는 것(가령, 과거 데이터 포인트에서 파생 되는 것 등)과, 인사이트를 사용하여 현재 상황을 최적화하는 것 두가지 모두에 의해 좌우된다. 최적화 기회는 상호 관계가 명확하지 않거나 통찰력이 최적화를 위해 아직 사용되지 않은 곳에 존재한다.”


4. 정보를 결과로 전환. 마지막 단계는 데이터 분석 결과를 제언과 시행 사항으로 변환하여, 디지털 영역에서 현실로 되돌아가게 한다. 데이터 분석은 자동화되어 실시간으로 진행되지만, 많은 의사 결정 프로세스가 여전히 인간의 도움을 필요로 한다. 그래서 기회는 이러한 의사 결정 속도를 향상하고, 잠재적으로 (부분적으로) 자동화하며, 필요한 행동을 촉구하는 것과 관련되어 있다.


기고자 MarkLogic



출처: manufacturingtomorrow
번역: K-SmartFactory