*Enterprise-IoT
*Smart Machine 사례연구
*Middleware 사례연구
*AI·Big Data 사례연구
*IoT 사례연구
*Smart Thinks 사례연구
*정부정책동향 사례연구
*K-SmartFactory
*Hidden Champion
*카드뉴스
*국내외 동향 리포트
문서의 이전 판입니다!
일본의 하드웨어 및 소프트웨어 제조 업체인 Hitachi의 디지털 변화 유닛인 Hitachi Vantara은 산업 혁신에 세가지 가닥이 있다고 여긴다. 이는 고장시간, 병목현상 및 결함을 제거하거나 최소한 관리하고 감소시키는 것이다.
Hitachi의 부사장 Greg Kinsey는 이 문제들을 역순으로 처리하려 한다. 결함은 “예측 품질” 헤더에서 별도의 항목으로 이미 처리되었다. 고장시간은 나중에 다룬다. 오늘 Enterprise IoT에서는 산업 스파이가 생산 공장에서 병목현상을 해결할 수 있는 방법을 Kinsey와 함께 알아본다.
그는 “생산 병목현상을 예측하고 예방할 수 있다면 어떨까요?”라고 질문한다. 그는 다른 경우와 마찬가지로Hitachi 가 3:1의 수익률을 모든 종류의 전환 작업에 참여하는 첫번째 조건으로 설정했다고 설명했다. ‘병목현상 관리’, 즉 작업 흐름 또는 생산 가동의 예측을 통해 회사가 10:1의 수익률을 얻은 사례도 있다고 그는 말한다.
“항공 우주 제조업체와 함께 한 병목현상관리는 정말 간단한 해결책이었습니다: 우리는 그저 화이트 보드를 디지털화 했습니다.” 그는 정지상태와 기억력 없음이 화이트 보드의 2가지 문제라고 설명한다. “당신은 화이트 보드 주변에 있어야만 하고 자료는 지워질 수 있습니다; 336이 213이 되어도 아무도 그것이 원래336이었다는 것을 기억하지 못합니다.”
사용사례는 다음과 같다; 이는 사업을 디지털화하는 방법에 대해 고객과 제공자 모두가 해답을 얻게 했다.
Hitachi는 일본 이미카에 위치한 자체 공장 현장에서 아래에 자세히 설명된 실제 적용사례를 찾아냈다. “우리는 병목현상이 일어나기 전에 이를 예측하기 위한 알고리즘을 개발했습니다.” 라고 Kinsey는 말한다. “우리는 이것을 ‘동적 스케줄링’이라고 부릅니다.” 병목현상의 해결책은 품질 원칙과 동일한 빅 데이터 원칙을 기반으로 작동한다.
Kinsey는 다음과 같이 설명한다. “들어오는 주문과 나가는 자재, 즉 공장 내 작업의 흐름 같은 여러가지 요인을 고찰합니다. 당신이 더 많이 알수록 더 많은 변화를 기대할 수 있죠.”
이 시점에서 우리는 이 이야기를 Kinsey에게 전달했다.
사례 2.1 | 예측적인 병목현상 (항공기)
”제가 방문하는 모든 공장에는 화이트 보드가 있습니다. 모든 공장은 종이 문서를 사용하죠. 독일 자동차 공장의 고도로 자동화된 공장 라인을 따라 내려가고 있는 차들의 창문에 종이가 붙은 것을 보았습니다. 산업혁명은 우선 로봇에 관한 것이 아닙니다. 사람과 아날로그 데이터에 관한 것입니다. 나는 고객을 만나면 제일 먼저 매장 층을 방문합니다.”
“그 가설은 이 항공 우주 제조업체와 함께 화이트 보드를 디지털화해서 데이터를 수평적으로 공유하고 과거 데이터를 분석하는 것이었습니다. 나는 그 비용을 기억하지 못하지만 확실한 건 50만 유로 미만이었습니다. 하지만 이 회사의 전체적인 문제가 주문을 따라갈 수 없다는 것이었기 때문에 생산라인의 병목현상을 해결하자 그 이익은 5-6백만 유로에 달했습니다.”
“동적 스케줄링은 또한 시작점을 제공하여 그 회사를 디지털화하는 방법을 모색함과 동시에 최고파괴자의 우려도 해결했습니다. 이 프로젝트는 투자 수익률이 매우 높은 최초의 디지털 프로젝트 중 하나가 되었습니다. 유럽의 기업들은 이제 이 다이나믹 스케줄링이 10년에 걸친 미래의 공장 스토리에 필수적인 요소라는 것을 이해하고 있습니다.”
사례 2.2 | 다이나믹 스케줄링(컴퓨터)
“우리는 오미카에 있는 자체 공장에서 SCADA 시스템을 만듭니다. 이 냉장고 크기의 큰 박스형 컴퓨터는 발전소의 감독 제어와 기타 산업적 설정 등을 위해 사용되는 컴퓨터들입니다. 주로 주문에 따라 만들어지며 소량에 고변이 사업으로, 주문은 항상 일반적인 생산흐름과는 큰 차이가 있었습니다. 병목현상이 발생하거나 납품소요시간이 길어져 고객이 업체를 바꾸겠다고 위협할 수 있었습니다.”
“그래서 우리는 데이터 세트와 알고리즘을 구축했습니다. 그것은 우리 공장에 있는 직원들과 같은 민첩한 과정이었습니다. 알고리즘을 통해 병목현상이 드러났고 어떻게 주문을 다시 요청하고 직원들을 이동시킬지, 또는 언제 기계를 전환할 것인지 – 생산 흐름에서 이런 종류의 동적 스케줄링 - 를 제안했습니다. 그 결과 병목 현상을 제거하고 납품소요시간을 전반으로 줄였습니다.”
“오미카 공장이 시험장 역할을 했습니다. 우리는 그 이후로 유럽 전역에서 발표된 동적 스케줄링 모델을 구축할 수 있었고 환영의 손길을 받았습니다. 제조업자들을 이 방법을 특효약으로 봅니다.”
사례 2.3 | 다이나믹 스케줄링(도서)
“책 인쇄 또는 제작은 대량맞춤화의 좋은 예입니다. 수천 권을 인쇄할 수 있으며, 각 권마다 고유합니다. 수요의 경우 한편으로는 예측 가능하면서 다른 한편으로는 예측할 수 없습니다. 인쇄 과정은 수요에 대한 반응이 매우 빠릅니다. 사람들은 온라인으로 주문을 한 뒤 다음 주가 아니라 바로 다음 날 그 책을 원합니다. 이건 다른 산업이지만 같은 문제가 있습니다.”
“일본의 도서 공장에서도 동일한 동적 스케줄링 모델을 사용했습니다. 결과는 더 많은 처리량, 더 적은 납품 소요시간입니다. 이들 3가지 중 큰 장애물은 수직시장을 가로지르는 사례입니다. 그리고 이것은 새로운 사례입니다. 왜냐하면 과거의 3차 산업 시대에는 식품 산업을 위한 소프트웨어 한 가지가 있다면, 자동차 산업을 위한 다른 소프트웨어가 한 가지 있었고, 모든 회사가 똑같은 앱을 사용했기 때문입니다.”
“이 새로운 세계에서 논리는 시장을 초월하고, 맞춤화의 수준은 바로 높아지게 됩니다.”
출처: Enterprise IoT Insight Planes, computers and books: Three ‘dynamic scheduling’ use cases from Hitachi
번역: K-SmartFactory