제조산업 지능화의 구축 방법과 사례 (3)
스마트 공장의 목적은 정보기술을 활용하여 제조 환경의 문제점을 빠르게 발견하는 것을 시작으로 민첩한 대응, 생산성 향상, 고객 만족 등을 이루는 것이다.
이번 호에서는 국내외의 스마트 공장 구축 사례와 함께 제조 데이터의 실시간 통합 및 제조 혁신을 구현하기 위한 기술 활용 방법을 살펴보고자 한다.
■ 차석근 | 에이시에스(ACS)의 부사장/CTO이다. 40여년 간 MES와 ISO 표준화를 중심으로 스마트 공장 솔루션 경험을 쌓았다. 중소기업청 생산정보화, 산업부 스마트공장, 중기부 스마트제조혁신 프로그램을 기획했다.
이메일 | sk_cha@acs.co.kr
홈페이지 | http://acs.co.kr
해외 적용 사례 - 폭스콘
중국의 폭스콘(Foxconn)은 8만 개 이상의 산업용 로봇, 1800개의 표면 실장 기술(SMT) 생산 라인, 17만 5000개의 CNC 및 다이 가공 기계 및 5000가지 이상의 테스트 장비를 갖춘 세계 최대의 전자제품 제조업체이다.
폭스콘은 Foxconn Industrial Internet Cloud 플랫폼의 도구를 사용하여 유사성 기반 학습, 시뮬레이션 기반 학습, 피어 투 피어 기반 학습, 관련 기반 학습 및 딥 러닝을 구현했다. 수집된 데이터는 Foxconn Industrial Cloud, CorePro, Nadder 및 폭스콘이 개발한 기타 산업용 인터넷 제품으로 구성된 클라우드 플랫폼에 배포된다.
<그림 1>은 폭스콘의 Fog AI 기술로 고성능 컴퓨터와 서버 수준의 수집 데이터를 통합한 것이다. 데이터 모델을 설정한 후 Fog AI는 실시간 예측 및 모니터링을 정확하게 수행하고, 생산 프로세스를 정확하게 제어하며, 장비에서 보다 안정적이고 정확하며 빠른 응답을 제공할 수 있다
■ 스마트 연결 : 시스템의 투명성과 협업을 향상시키기 위한 다른 제조 장치와 노드 사이의 데이터 및 에지 컴퓨팅 네트워크
■ 유연한 자동화 : 재구성 가능한 응답 메커니즘, 자동화된 실행 및 협업을 결합하고 원격 구성 및 작업 전달을 지원한다. 이는 제조 시스템이 커스터마이즈 요구 사항에 신속하게 대응할 수 있도록 하며, 내부 및 외부 간섭에 대한 강력한 복원력을 제공한다.
■ 지능형 예측 및 의사결정 시스템 : 눈에 보이지 않는 문제를 예측하기 위해 자동 이벤트 인식, 영향 평가 및 의사 결정 최적화를 위해 지연 데이터와 지능형 알고리즘을 결합한 폐쇄 루프 예측 분석 시스템
폭스콘의 소등 공장은 낭비 감소, 작업 감소 및 걱정 감소 등 세 가지 ‘W’ 업무에 에너지 절감 기술의 중점을 둔다. 이는 간단하게 들리지만 오랜 축적과 소망의 과정을 거친 것이다. 프로세스 개선과 디지털화의 완성을 통해 효율성과 품질 관리를 지속적으로 최적화하여 불필요한 가동 중지 시간과 품질 미달 및 결함을 제거하고, 제조 시스템의 포괄적인 효율과 비용 최적화를 지속적으로 발굴하며, 표준 및 경험을 강화했다. 디지털 시스템에서 표준 규칙을 형성하는 한편 새로운 생산 패러다임, 프로세스 및 현재 생산 효율성의 실시간 모니터링을 사용하여 최적화할 수 있었다.
시스템 및 다른 제조 단위의 과거의 최적 실용성과 비교하여 클러스터 최적의 실습을 벤치마킹할 때, 동적 평가 및 효율 최적화를 위한 속도가 요구된다. 이것은 폐기물 감소 과정이다. 통합 자동화 생산 라인을 통해 일부 공장에서 거의 모든 작업이 대체되었으며, 작업장의 자재 운송으로 차이 생산 단위와 품질 검사 간의 제품 흐름이 자동화되었다. 더 중요한 것은, 폭스콘의 소등 설비는 통합 자동화와 유연성 사이의 균형에 많은 설계 고려 사항을 투자했다는 점이다. 특히 소비자 전자제품의 빠른 반복을 위해 업계 최고 수준의 NPI(New Production Introduction) 프로세스에서 효율성이 향상되고 수율 안정화 속도가 향상된다. 작업 감소는 사람들을 자동화로 대체할 뿐만 아니라 사람들의 경험과 지식을 시스템에 적용하고 통합할 수 있는 만큼 생산 라인을 유연하게 만든다.
낭비와 작업 감소가 폭스콘이 과거에 성과를 거두고 현재 작업하고 있는 영역이라면, 이제는 근심 없는 운영으로 인한 걱정 감소를 더 만들어야 한다. 소등 공장의 중요성은 공장의 어느 누구도 불을 켤 필요가 없다는 것이 아니라, 불을 끌 때 다시 켜질 필요가 없다는 것이다. 걱정 없는 제조 시스템을 실현하는 비결은 이전에는 볼 수 없었던 문제를 명시적으로 만들고, 오류를 수정하고, 정확한 예측을 통해 문제를 피함으로써 문제의 근본 원인을 관리하는 것이다. 예를 들어, 제품 수율 문제가 발생하는 경우 공정 매개 변수 간의 관계를 분석하여 수율에 미치는 영향의 이유를 이해한 다음, 향후에 수율 문제를 피하기 위해 공정 매개 변수의 이상에 대한 조기 경보 모델을 설정한다.
마찬가지로 장비 가동 중지 시간으로 인한 생산 능력 손실이 걱정되는 경우, 장비의 상태 매개 변수를 지속적으로 모니터링하고 상태 평가 모델을 설정하며 장비 고장 위험을 예측하고 나머지를 유지함으로써 고장에 대한 예상 유지보수를 보관할 수 있다. 이는 다운타임으로 인한 손실을 피할 뿐만 아니라 과도한 유지 보수로 인한 비용을 줄인다.
가공 분야에서는 공작 기계의 남은 유효 수명을 예측하여 각 공구의 최적 교체 시간을 예측할 수 있다. 이러한 접근은 수율을 99.4%에서 99.7%로 향상시킬 뿐만 아니라 공구 비용을 16%, 예기치 않은 다운타임을 60% 줄인다. 폭스콘은 PCB 제조의 SMT 프로세스에서 산업 노즐에 대한 불황 평가 및 예측 유지 보수 모델을 확립하고, 건강 사이클 예측 및 자동 교체를 수행할 수 있었다. 흡입 노즐 수명을 예측하면 유지 보수 요구 사항, 교체 소요 시간 및 비용을 66%까지 효과적으로 줄일 수 있어 흡입 노즐 재고를 64% 줄일 수 있다.
제조 경쟁력 계산의 공식인 ‘제조 경쟁력 = 품질 / 비용 × 고객 가치’가 자주 언급된다. 가장 적은 비용으로 더 높은 품질을 지속적으로 달성하고 고객에게 더 많은 가치를 창출해야 한다. 폭스콘의 등대 공장에서는 예측 및 분석 기술을 통해 품질을 개선하고 비용을 절감했다. 유연한 자동화를 통해 고객은 혁신을 위해 제조 시스템 기능에 의해 설정된 경계를 확장하여 혁신하고 빠르게 반복할 수 있다.
그림 1. 폭스콘의 산업용 AI 적용 플랫폼 구성
