중소 제조기업을 위한 제조 데이터 분석 (Manufacturing Analytics – A Simple Guide for SMEs)
제조 데이터 분석(Manufacturing Analytics)은 제조 현장에서 통찰력을 얻고 효율성을 개선하기 위해 데이터를 수집하고 분석하는 프로세스이다.
과거에는 제조 데이터 분석이 대기업들의 전유물이었지만, 지금은 중소 제조업체도 MA를 활용하여 기업 경영의 효과를 누릴 수 있게 되었다.
제조 데이터 분석(MA)이란 무엇인가?
제조 데이터 분석은 제조 활동과 관련된 데이터를 수집, 분석 및 해석하는 프로세스이다.
이는 제조 프로세스와 운영 전반에 걸쳐 계획한 퍼퍼먼스에 영향을 미칠 수 있는 다양한 변수를 관리하여, 실제 문제가 되기 전에 잠재적인 문제를 예측하고,
예상치 못한 사건에 신속히 대응하는 데 도움이 되는 중요한 정보와 통찰력을 얻기 위해 수행하는 제반 업무이다.
제조 데이터 분석은 구체적인 물리적 생산 공정을 대상으로 볼 수도 있고, 제품 생산과 관련된 모든 시설과 설비, 지원업무, 생산 공정을 포함하는 포괄적 용어로 볼 수도 있다.
광범위한 의미에서의 제조 데이터 분석은 재고 관리, 조달, 판매 및 재무와 같은 영역도 포함된다.
이 기사에서는 MA의 폭넓은 이해를 위해 보다 확장된 의미의 용어로 사용할 것이다.
첨단 제조 데이터 분석은 복잡한 데이터 과학의 영역이므로 소규모 제조업체의 입장에서는 추진하기 쉽지 않지만,
MRP나 ERP 소프트웨어는 모든 규모의 제조업체에게 있어서 제조 데이터 분석을 추진하기에 좋은 출발점이 된다.
제조 데이터 분석의 이점
제조 데이터 분석으로 다양한 이점을 얻을 수 있기 때문에 대기업뿐만 아니라 중소기업에서도 점점 그 중요성이 더해지고 있다.
제조 데이터 분석으로 얻을 수 있는 주요 이점은 다음과 같다
1. 효율성 향상
제조 데이터 분석으로 비즈니스 및 공급망 프로세스를 전반적으로 개선할 수 있고 실행 가능한 통찰력을 얻을 수 있다.
예를 들어, 데이터를 측정하고 분석하여 프로세스와 라인의 병목 현상을 찾아내어 생산현장의 다운타임을 줄이고, 이상적인 재고 수준을 결정하며,
수요 패턴과 생산성이 떨어지는 제품을 식별하고, 공급업체의 실적을 평가할 수 있다.
2. 비용 절감
생산 효율성이 조금이라도 개선되면 비용이 절감된다. 이상적인 자사의 재고 수준을 파악하고 수요를 정확하게 예측하면 재고 부족이나 재고 과잉을 방지할 수 있으므로 재고 비용을 최소화할 수 있다. 최적의 로트 수를 계산하여 결정하면 주문 빈도수를 줄일 수 있어 비용을 줄일 수 있다. 제조 데이터 분석으로 제조 운영을 간소화하여 비용을 최소화하고 수익성을 개선할 수 있다.
3. 제품 품질 향상
생산 및 품질 데이터 분석으로 문제점을 발견하고 근본 원인을 찾아 대응책을 찾아 수정 조치를 취할 수 있다. 품질 결함 및 스크랩이 줄고, 재작업 공수도 줄어든다.
4. 보다 최적화된 의사 결정
경험이나 추측에 의존하는 것보다 실제의 제조 데이터 분석 기반으로 의사 결정을 내리는 것이 보다 합리적인 비즈니스 결과로 이어지는 것은 너무나 당연한 일이다.
정확한 예측은 생산 계획과 재고 관리를 고도화하고, 생산 데이터를 토대로 개선이 필요한 분야와 교육을 명확히 파악할 수 있고, 실시간 비용 분석으로 최적의 공급업체를 선택할 수 있다.
5. 고객 만족도 향상
제조 데이터 분석으로 제조 운영의 효율성을 높이면 바로 고객 만족도 향상으로이어진다. 더욱이 실시간으로 데이터를 분석하고 해석할 수 있으므로 주문 이행 프로세스의 모든 단계에서 고객과 보다 신속하고 명확하게 의사소통을 할 수 있다.
데이터 중심 제조분석으로 위에 서술한 장점을 포함 고도의 경쟁 우위를 확보할 수 있다.
제조 데이터 분석 유형 | 제조 데이터 분석에 접근하는 다양한 방법이 있다. 이해를 높이기 위해 여러 유형으로 나누어 본다.
기본 데이터 분석과 첨단 데이터 분석 비교
기본 제조 데이터 분석과 첨단 제조 데이터 분석은 복잡성, 사용 툴이 다르기 때문에 통찰력의 수준 또한 다르다.
기본 MA는 스프레드시트와 기본 알고리즘을 사용하여 데이터를 수집하고 처리하는 경우가 대부분이지만, 첨단 MA에서는 MRP/ERP 소프트웨어,
센서 및 기타 IIoT(Industrial Internet of Things) 장치, 심지어 인공 지능 및 기계 학습과 같은 보다 정교한 툴을 사용해야 한다.
기본 MA 접근방법 이제 막 시작한 스타트 업이나 중소 기업에서 제조 데이터를 수집 분석하는데 도움이 되기 때문에 과소 평가되어서는 안 된다.
그러나 기업이 성장함에 따라 대량의 데이터 수집과 분석을 이해하고 활용할 수 있는 역량이 필요하기 때문에, 어느 시점에는 더 고 수준의 솔루션을 찾아야 할 시기에 이르게 된다.
제조 데이터 분석 유형
대표적인 제조 데이터 분석은 기술적 분석(Descriptive Analytics), 진단적 분석(Diagnostic Analytics), 처방적 분석(Prescriptive Analytics), 예측 분석(Predictive Analytics) 네 가지 유형이 있다. 데이터 분석 출력은 목적에 따라 다르다.
기술적 분석은 상황에 대한 개요를 생성하고, 진단 분석은 문제의 근본 원인을 결정하며, 처방 분석은 조치 과정을 제안하고, 예측 분석은 미래의 결과 예측을 목표로 한다.
• 기술적 분석(Descriptive Analytics)은 데이터를 사용하여 상황을 설명하고 문제가 발생한 상황과 시기를 정의한다. 생산능력과 재료요구 계획, 판매동향 파악, 병목현상 파악, 비용분석, 각 부서의 성과 및 요인 평가 등의 내용도 포함된다.
기술적 분석은 프로세스의 변경사항을 파악하고 그 변경사항이 결과에 어떻게 영향을 미치는지 이해하는 기초가 된다. 기술 분석의 대표적인 도구는 MRP/ERP 소프트웨어와 같은 비즈니스 관리 시스템이 있다.
• 진단적 분석(Diagnostic Analytics)은 기술 분석의 다음 단계이다. 문제가 발견되면 진단 분석을 사용하여 문제의 근본 원인을 식별한다. 기술 분석은 발생한 상황과 발생한 시기를 파악하는 반면, 진단 분석은 발생한 원인을 파악한다.
기계학습 및 인공지능을 사용하는 일부 지정된 분석 플랫폼이 있지만, 소규모 제조업체가 활용하기에는 대부분 너무 비싸다. 소규모 기업은 기술 분석적 접근으로 데이터를 사용하고 근본원인 분석을 수동으로 수행하여 문제의 핵심을 파악할 수 있다.
• 처방적 분석(Prescriptive Analytics)은 진단한 문제에 대한 가능성 있는 해결책 제시를 목표로 한다. 진단 분석 툴과 처방 분석 소프트웨어는 기계학습 및 인공지능 같은 새로운 기술로 통계 및 패턴을 찾아 의사 결정을 내릴 수 있는 고급 알고리즘을 사용한다.
• 예측적 분석(Predictive Analytics)은 발생할 상황을 미리 예측하기 위해 과거의 데이터와 실시간 데이터를 사용하여 분석한다.
활용 사례로는 예측 유지보수, 장비 고장 예측, 수요 예측에 활용하고 있다. 예측 분석에 필요한 디지털 기술은 IoT 센서, 기계 학습 알고리즘 및 통계 분석 소프트웨어와 같은 첨단 툴이 필요하다.
제조 데이터 분석과 관련된 일반적인 문제
제조 데이터 분석을 적절하게 사용하면 회사 전체의 최적화 및 문제 해결을 촉진할 수 있지만, 잘못 관리할 경우 오히려 문제를 복잡하게 만들 수도 있다. 제조 분석의 일반적인 함정은 다음과 같은 것들이 있다.
• 데이터 사일로화 데이터 사일로화는 각 부서(또는 직원)가 서로 다른 시스템에 데이터를 보관할 때 발생한다.
예를 들어, 종이 기반 미디어에 제조 데이터를 보관하는 경우 발생한다. 스프레드시트의 재고 데이터, CRM 시스템의 판매 데이터 자료 등이 이에 해당된다.
각 시스템간에 데이터 호환이 부족하거나 연결이 어려울 경우 데이터 수집 및 처리하는 데이터의 양에 관계없이 분석에 활용하기 어렵다.
• 오 데이터 가비지 인, 가비지 아웃(GIGO)의 개념은 시스템의 출력은 입력에 의해 좌우된다는 의미이다.
즉, 데이터 입력이 부정확하면 분석 시스템의 출력도 부정확해져 사용할 수 없게 된다. 데이터 처리 시스템에 입력한 데이터의 정확성을 항상 확인해야 한다.
• 적절한 툴을 사용하지 않음 스프레드시트를 사용하여 빅데이터를 수집하고 분석하는 것은 좋지 않다.
수동 시스템의 오류 위험과 확장 불가능성이 머지않아 큰 장애물이 될 뿐만 아니라 필요한 데이터를 입력하는데 막대한 시간을 소모하게 될 것이다.
제조 데이터 분석의 첫 번째 단계는 정보 처리 및 공유를 위한 인프라 역할을 하는 MRP/ERP 소프트웨어를 설치하는 것이 중요하다.
• 리소스가 헤비한 툴 최신 MRP/ERP 소프트웨어는 제조업체가 경제적이고 쉽게 사용할 수 있지만 IIoT 및 전용 분석 플랫폼과 같은 고급 솔루션을 채택하려면 비용이 많이 들고 데이터를 탐색하는 데 많은 지식이 필요하다.
중소 제조기업에서 MRP/ERP로 제조 데이터 분석 구현
데이터 분석뿐만 아니라 데이터 입력 오류의 위험을 크게 줄이는 조직화된 데이터 수집과 처리가 중요하다. MRP/ERP가 중소 제조기업의 데이터 분석 솔루션으로 중요한 역할을 할 것이다.
MRP/ERP 같은 유형의 소프트웨어는 회사 전체의 데이터를 통합하여 부서 간 효율적인 협업과 프로세스의 최적화 및 업무 자동화를 가능하게 한다.
MRP/ERP 소프트웨어는 생산 계획에서 구매, 견적에서 납품까지 작업을 단순화하여 제조 프로세스에서 발생하는 막대한 관리 로스 및 업무부하를 줄여주고 비즈니스 성장에 집중할 수 있도록 지원하는 기능을 한다.
또한 이 소프트웨어는 소규모 제조업체에 생산 능력 계획, 원자재 계획, 생산 일정, 비용 분석, KPI 추적, 일부 데이터 시각화 등 필수 분석 기능을 제공한다.
MRP/ERP는 실시간 정보뿐만 아니라 기록 데이터에 억세스하여 병목 현상 파악, 근본 원인 분석 및 수요 예측과 같은 프로세스를 용이하게 한다.
과거에는 MRP/ERP 소프트웨어의 가격이 높고 사용하기 복잡하여 중소 규모 제조업체에서 사용할 수 없었지만, 현대의 클라우드 기반 솔루션은 매우 저렴하고 사용하기 쉬워 중소 제조기업에서도 사용할 수 있게 되었다.