효율을 높이고 비용을 절감하기 위해 기업들은 점 점 더 많은 데이터를 활용하고 있다. 디지털 전환이 기업의 주요 전략이 된 배경이다. 

제조 프로세스에 있어서도 마찬가지이다. 효율성을 개선하고 비용을 절감하기 위해서는 제조업체가 현재 운영하고 있는 프로세스에서 더 많은 데이터를 추출해야 개선해야 할 부분을 파악할 수 있다. 

산업분야에 응용하려면 더 많은 데이터로 공장 설비의 물리적 특성에 대한 정보를 수집하고 분석해야 함을 의미한다.

데이터 중심 의사 결정 조직문화를 정착시키기 위해서는 공장 전체의 세부 사항을 세세히 파악해야 하는데 쉬운 일이 아니다.

디지털 전환 프로젝트는 수익을 극대화하기 위해 신속하고 효율적으로 구현되어야 한다.

일반적인 프로젝트의 성격을 살펴보면 단기적인 결과를 기대하면서도 동시에 장기적인 관점에서 안정적인 수익을 낼 수 있는 기반을 마련하고자 하는 경향이 있다.

이렇게 하려면 프로세스 변화뿐만 아니라 기업의 문화적 변화도 필요하다.

디지털 전환의 주요 목표는 수익을 늘리는 것이다. 제조 운영 데이터를 올바로 수집하여 활용하면

프로세스를 최적화하고, 비용을 절감하고, 생산 생산량을 늘리고, 그 이외에 또 다른 이익을 실현할 수 있는 새로운 통찰력을 얻을 수 있다.

비용을 절감하거나 매출 확대 이 외에도 운영 데이터를 사용하여 또 다른 문제를 해결할 수 있다.

예를 들어, 환경에 대한 부정적 영향을 줄이기 위해서는 생산 공정을 변경해야 하거나 조직 문화의 변화도 필수적이다. 

의사결정은 데이터 기반으로 이루어져야 하며 오퍼레이터에서 고위 경영진에 이르기까지 이해 관계자들이 의사 결정 과정에 참여해야 한다. 

높아지고 있는 고객의 요구사항에 적극적으로 대응하고 집중하려면 디지털 혁신으로 데이터 분석과 활용할 수 있는

직원들 간의 디지털 활용 역량 편차를 줄이고 현장의 의사결정 권한을 가능하면 하부구조로 위양하는 것이 중요하다. 

아래에 디지털 전환 성공을 위해 효율적인 6단계 전략을 소개한다.

디지털 전환의 목표를 세워 이해 관계자들과 공통 목표를 공유한 후 프로젝트 팀을 유기적으로 만든다.

프로젝트 팀은 각 분야의 SME(Subject-Matter Expert)와 함께 다양한 분야에 걸쳐 교차기능(cross-functional) 역할을 해야 한다. 

각 분야 전문가나 힘있는 이해관계자 중 일부는 변화에 저항할 수 있으나 이는 매우 중요하고 가치 있는 지원군이 될 수 있다. 

종종, 반대론자들은 높은 수준의 전문성을 가지고 새로운 프로세스를 실험하고 문제를 확인하며 추궁한다. 프로세스를 분석하는데 새로운 데이터로 무장하면 강력한 동맹자로 만들 수 있다.

이해 관계자를 후원자로 만들고 팀원들에게 권한을 부여하는 것 또한 프로젝트를성공시키기 위한 중요한 열쇠이다.

다음 단계는 필요한 데이터 소스 수집이다. 공장 전체에서 시계열적으로 데이터를 수집하려면 데이터 기록자와 데이터 링크를 연결해야 한다.

실험실 정보 관리 시스템, 제조 실행 시스템, 엔터프라이즈 리소스 계획, 이동 로그 및 기타 소스의 데이터 통합도 필요하다.

내부 데이터 소스 통합은 그렇게 어려운 일이 아니다. 

그러나 외부 공급업체와 거래처의 데이터를 얻기는 좀처럼 쉽지 않다.

공급업체가 평가 데이터 및 기타 정보를 시스템에 입력하거나 분석 정보를 제공하거나 또는 다른 방법으로 데이터를 수집할 수 있도록 프로세스가 준비되어야 한다.

축적된 데이터에 대한 빠른 접속과 데이터 검색을 최적화해야 한다. 데이터 압축이 설정된 경우 억세스 속도는 증가하지만 데이터 해상도는 손실된다.

데이터 압축을 통한 빠른 데이터 억세스와 압축되지 않은 데이터의 경우 느려지는 성능 사이에서 절충점을 찾아야 한다.

데이터 압축을 사용하면 더 많은 과거 데이터 블록을 쉽게 평가할 수 있으므로 시간이 걸리지만 공정 최적화에 도움이 된다.

고밀도 데이터를 사용하면 단시간에 문제를 평가할 수 있는 자세한 정보를 얻을 수 있다. 

과제는 고속 억세스와 데이터 해상도 향상을 원하는 만큼 충족할 수 있어야 한다.

짧은 기간에 ROI를 달성하려면 기존 데이터를 활용하여 사용자가 데이터 기반으로 임시적으로라도 즉각적인 의사결정을 내릴 수 있도록 지원해야 한다.

적절한 셀프 서비스 분석 방식을 사용하면 일관된 패턴을 찾아 당면한 문제를 해결하고 장기적인 과제도 파악할 수 있다.

문제를 효율적으로 해결하려면 신속하게 검토할 수 있는 충분한 데이터가 있어야 한다.

빅데이터 처리를 활용하여 데이터를 신속하게 해석하고 그래픽 모델링과 대시보드를 사용하여 동향을 파악할 수 있다.

데이터 기반으로 신속하고 정확한 의사결정의 조직풍토의 문화가 조성되면 빠른 기간 내에 ROI를 회수할 수 있다.

다음 단계는 공통의 데이터 언어와 단일 소스로 공장 운영 상황을 나타내는 대쉬 보드를 구축하는 것이다.

제조공장에서 각 생산라인과 설비 운영의 다양한 상황을 나타내는 수 많은 디스플레이를 볼 수 있다. 

모든 설비와 시설의 운영에는 그래픽과 패턴을 표시하는 자체 디스플레이가 있다. 이러한 제 각의 데이터 포인트들은 통합되어 간소화된 뷰로 관리되어야 한다.

데이터 혁신의 주요 핵심은 단일 디스플레이에 공장 퍼퍼먼스와 표준이나 목표를 중앙 집중식 오버뷰 또는 보고서를 시각적으로 알기 쉽게 만드는 것이다.

마지막으로, 지속 가능한 개선 프로세스를 유지해야 한다. 관리자들은 일반적으로 단기 목표 달성에

가장 관심이 많고 특정 프로젝트가 목표에 도달했는지 여부를 알고 싶어 한다. 그러나 지속 가능한 개선을 위해서는 체계적인 관리와 통제가 필요하다.

프로세스 모니터링 외에도 데이터를 심층적으로 분석하여 문제의 근본 원인을 파악할 수 있는 역량이 있어야 한다.

지속적인 개선을 추진하려면 담당자에게 적절한 정보를 적시에 알려야 한다. 또한 문제가 발생할 때 이를 강조하는 알림 장치나 메커니즘이 있어야 한다.

편차가 발생할 때 경보를 보내도록 스마트 경보를 구성할 수 있다. 이 편차 추적을 사용하여 에너지 비용 삭감과 환경 문제 같은 요인을 제어할 수 있다.

어느 업종이든 디지털 혁신 추진 단계는 비슷하다. 성공의 열쇠는 공장 오퍼레이터들이 프로세스 엔지니어가 되도록

교육하고 권한을 부여하여 문제를 식별하고 해결하는 일에 자주적으로 협력하는 데 달려 있다. 

수집한 데이터를 올바로 사용하면 회의 자체부터 개선해야 할 항목을 검토하는 수준에서 해결책을 찾는 업무로 질적인 변화를 하게 된다.