스마트 팩토리 추진 사례 모음

독일에서 시작된 「Industry 4.0(제4차 산업혁명)」을 계기로 IoT(사물인터넷)나 AI(인공지능) 기술을 활용한 「스마트 팩토리」가 산업계의 이목을 끌고 있다.

스마트팩토리는 제조부문의 데이터 수집과 분석으로 디지털화/ 가시화하는 방법으로 공장 운영을 최적화하여 생산성 향상을 목적으로 한다.

회사 규모를 불문하고 스마트 팩토리를 구축하는 제조기업이 증가하고 있다.

아래에 일본 제조기업의 스마트 팩토리 성공 사례와 스마트팩토리 추진 단계를 소개한다.

앞으로 자사 제조 부문의 스마트 팩토리화를 생각하고 있거나, 스마트 팩토리 추진 방법을 알고 싶은 분은 일독하시길 바란다.

스마트팩토리 실현 단계

1단계|제조 데이터 수집/축적/분석하여 제조 운영상황 가시화

먼저 IoT 기기를 활용하여 데이터를 수집하고 축적하여 정보를 가시화한다.

제조 공정의 기계와 설비 데이터나 제조에 관한 노하우, 개인적인 통찰력 등을 축적해 나간다.

생산설비에 센서를 설치하여 모니터링함으로써 설비의 가동 상황을 수집하고 관리 감독할 수 있다.

설비 가동이 많은 시기나 적은 시기 그리고 설비보전에 관한 예측, 가동이 집중되는 생산라인 등의 정보를 효율적으로 얻을 수 있게 된다.

모든 정보를 수집·축적하는 데이터가 아니라, 목적을 달성하기 위해 유익한 데이터인지 아닌지를 판별하는 것이 중요하다.

2단계|데이터 분석 및 예측

다음으로, 수집·축적한 데이터를 분석하고 학습하여 목적 달성에 필요한 요소의 추출이나, 모델화, 패턴화 한다.

이를 통해 표준적인 작업 모델 작성이나 과거 축적된 데이터를 토대로 제조 제반 운영에 대한 예측을 할 수 있다.

예를 들어 수집한 과거의 가동 상황 데이터를 분석함으로써 향후 수주 예측이나 설비의 정비 시기 등을 예측할 수도 있다.

이러한 데이터는 종류가 다양하고 대량이기 때문에 분석이나 예측에 AI를 활용하면 매우 효과적이다.

3단계|최적화

마지막으로, 분석한 미래의 예측을 기초로 생산 계획이나 경영 전략을 최적화해 나간다.

예를 들면, 향후 수주 예측이나 설비 부하의 분석을 토대로 인원 배치나 자재 조달, 생산라인 전환 등 다양한 전략을 세워 갈 필요가 있다.

또, 분석한 데이터로부터 수익 분석이나 설비의 노후화나 마모도를 파악하여 적절한 설비 투자를 계획하고 실행할 수 있게 된다.

여기서 IoT나 AI 기술을 이용하여 얻은 데이터를 바탕으로 최종적으로 경영자인 사람이 판단하거나 의사결정을 내리는 것이 중요하다.

데이터는 어디까지나 의사결정을 내리기 위한 자료이며 최종 판단을 내리는 것은 사람의 일임을 반드시 인식해야 한다.

스마트팩토리 사례

IoT를 활용하여 수주 생산품 대량 생산 체제를 구축(DAIKIN)

다이킨은 일본 오사카(大阪)부 사카이(堺)시에 빌딩용 멀티에어컨을 생산하는 신공장을 가동시켰다.

다양한 사물(제조 설비)이 인터넷으로 연결되는 IoT를 활용해 고객의 니즈에 맞추어 수주 품을 대량으로 생산하는 매스 커스터마이징 생산방식이 가능한 체제를 갖추었다.

이 공장은 하나의 생산라인에서 다양한 사양의 제품들을 흐름 작업방식으로 조립할 수 있다.

생산라인을 흐르는 팔레트에 붙어있는 ID카드에 다양한 정보가 기록되어 있어 이것을 통하여 생산라인에 작업지시가 내려지므로 사양이 서로 다른 제품들을 조립할 수 있다.

또, ID 카드의 정보를 「공장 IoT 프로젝트 센터」에 집약해, 생산 상황을 가시화하고 분석하여, 설비의 고장이나 이상 상황, 생산 지연을 사전에 파악하는 체제를 구축하였다.

이 공장은스마트팩토리화로 하나의 생산라인에서 다양한 사양의 매스 커스터마이징 생산이 가능하게 되었다.

로봇과 IC 태그 도입으로 사상 최고의 생산 수율 달성(TOTO)

TOTO 주식회사는, 일본 시가현에 기술 투자로 사내 모든 공장의 모델이 되는 최첨단 제조 공장을 만들었다.

제품은 위생변기로 다양한 사양의 제품이 혼류 흐름 생산라인 위에서 조립되는데 품번이 다르고 조립위치도 매번 달라진다.

관리가 어려운 혼류 생산이지만 최신 센서 기술을 사용해 제품의 조립 위치의 차이를 정확하게 식별하고 신속하게 이동할 수 있는 로봇을 도입했다.

또, 팔레트에 IC 태그를 부착 위생도기에 붙인 바코드와 정보를 연결할 수 있어, 통합 관리를 할 수 있게 되었다.

이 IC 태그와 바코드를 읽어 품번이나 생산 프로세스에서 발생한 각종 로그 정보를 호출할 수 있다.

이름하여 제조 빅데이터로 공정관리 및 품질관리, 출하 후 트레이서빌리티(제조이력 추적)에 활용할 수 있어 최고의 생산 수율을 달성하였다.

베테랑 직원(장인)의 기능 수치화(TOYOSEIKAN)

TOYOSEIKAN은 윙워크1st사가 개발한 시스템을 활용하여 제조라인에서 근무하는 베테랑 사원의 스킬을 수치화하고 형식지화(가시화) 하였다.

TOYOSEIKAN의 제조라인은 한 라인의 여러 공정이 있는데 각 공정별로 1~2명이 붙어 담당하는 공정의 상황을 파악하고 있었다.

문제는 라인 전체의 상황을 통합적으로 파악하지 못하는 것이 과제였다.

또, 직원의 고령화도 진행되어 경험이 적은 사원이라도 품질을 유지하면서 효율적으로 라인을 가동할 수 있는 체제 구축이 시급한 과제였다.

그래서, 제조라인 베테랑 직원의 본인만이 알고 있는 지식이나 노하우가 되는 스킬을 「가시화」 「알림」 「축적」하기 위한 시스템을 구축했다.

스킬을 수치화/가시화함으로써, 경험이 낮은 직원이라도 품질을 유지하면서 라인을 가동할 수 있는 체제로 정비하였다.

구체적으로는 제조라인에서 세세한 데이터를 수집하여 가시화할 수 있는 IT 툴을 활용하였다.

실시간으로 라인 전체의 상황을 파악하여 알림 기능으로 라인의 이상 상황을 빠르게 전달하는 시스템을 도입하였다.

또한 일정한 상황 조건이 되면 알림이 담당자의 스마트폰으로 통지되는 시스템을 자체 개발하여 현장 담당자의 부담을 줄일 수도 있다.

이를 통해 라인 전체의 상황을 실시간 통합적으로 파악할 수 있고 적은 인원으로도 품질을 유지하면서 라인을 가동할 수 있게 되었다.

베테랑 직원 뿐아니라 경험이 적은 직원도 이상 상황에 적절히 대처할 수 있는 체제를 만들었다.

저렴한 비용으로 데이터 수집을 자동화하고 시각화(ASAHI TEEKOU)

아사히테에코우 주식회사는, 공장 개선 활동의 일환으로 현상 파악과 거기서 나오는 문제점 검출을 위해

데이터를 수집하여 자동으로 가시화하는 시스템을 저비용으로 실현하였다. 

구체적인 내용은 아래와 같다.

· 제조라인의 제조 수량(시간당) 가시화

· 생산정지(시각과 시간) 가시화

· 사이클 타임(제품 1개를 만드는 시간) 가시화

제품이 하나 완성될 때마다 시그널 타워가 점등되는 기계 설비에는 광센서를, 안전문 개폐 등 움직임이 있는 기계에 자기 센서를 부착해 펄스 신호를 발생시킨다.

시판 중인 센서로 하나에 50엔 정도의 광센서와 250엔 정도의 자기 센서 등 저비용인 것을 사용하고 있다.

펄스의 수로 생산 개수를 나타내고 펄스 간격은 사이클 타임을 표시하여 작업 시간의 불균형을 가시화하여 생산 설비의 현황을 파악할 수 있게 된다.

펄스의 시간 간격이 일정 이상 길어지면 라인이 정지되었다고 가정할 수 있다.

이러한 정보를 클라우드 경유로 책임자나 담당 오퍼레이터의 스마트폰, 사내 모니터로 비쥬얼화 가능하도록 했다.

제조라인을 스마트폰으로 볼 수 있도록 하여 현장에서 상황을 보면서 개선안을 검토하고 실시할 수 있게 되었다.

이 회사의 시간당 생산량은 80개 라인에 평균 34%, 최대 128% 향상되었다.

이 회사는 자사에서 축적한 IoT 노하우를 바탕으로 제조라인의 IoT 데이터 모니터링 서비스 와 컨설팅을

사업으로 하는 새로운 비즈니스(iSmart Technologies:iSTC)를 시작하였다.

다이셀방식 생산 혁신(DAISELL)

주식회사 다이셀의 제조 부문의 개선 수법인 「다이셀방식 생산혁신」은 그 효과가 매우 커 서서히 타사에도 확대되고 있으며 많은 제조업들이 그 방법을 도입하고 있다. 

이 회사는 베테랑 숙련공들의 정년퇴직으로 그들이 가지고 있는 경험과 스킬을 사내에 계승하는문제가 대두되었다.

대책으로 그들의 노하우나 기능을 가시화하여 누구나 안심하고 작업을 할 수 있는 「사람 친화적인 제조현장 구축」 이라는 목표를 세웠다.

사람은 아무리 조심해도 실수를 하게 마련이다. 그래서, 만일 실수를 해도 안심하고 작업할 수 있는 체계를 계속 모색하고 있었다. 

작업자의 동작과 생산설비, 재료 상태를 정량적으로 파악하면 제품의 품질 개선이나 생산성은 물론 안전성 향상을 도모하는 것이 효과적이라는 것을 밝혀냈다.

이 결과를 토대로, 제조 현장의 작업원 일탈 동작이나 라인 생산 설비의 비정상적인 전조 현상을 검출하는 

「영상 해석 시스템」을 개발했다. 이 시스템은 다음과 같은 요소로 구성되어 있다.

· '사람'에 대응하는 인물 동작 해석

· '설비'에 대응하는 설비 이상 해석

· '재료'에 대응하는 용접 이상 해석

3차원 형상을 찍을 수 있는 카메라를 이용해 작업자의 작업 동작이 규정한 값을 넘었을 경우나 설비나

재료 이미지가 통상적인 이미지와 비교해 이상 상태로 판단되었을 경우, 생산 라인 감독자에게 알림이 보내지는 시스템을 구축했다.

더욱이 생산 공정에 부적절한 작업이 발견되었을 때 시리얼 단위로 최종 제품을 추적할 수 있는 트레이서빌리티(제조이력)도 가능하게 되었다.

영상 해석을 활용한 생산 지원 시스템을 통해 만일 실수를 해도 안심하고 집중하여 작업할 수 있어 제품의 품질 개선 및 생산성을 향상시키는 데 크게 기여하였다.

중소기업에서도 업무의 가시화와 베테랑 사원의 지식 공유(콘노제작소)

주식회사 콘노제작소는 일본 도쿄(영업과 설계)·오사카(영업)·후쿠시마(제조)의 3개 거점을 두고 사업을 하는

사원수 36명의 중소기업이지만 업무의 가시화/IT화를 실현하였다. 이 회사는 다음과 같은 과제를 안고 있었다.

· 수주/ 설계/ 생산의 베테랑 사원들에게 일이 편중되고 의존도가 높다.

· 세대교체로 젊은 사원층에게 기술 전승이 필요하다. 

· 작업을 비롯한 근무 시간은 증가하는 한편 매출액이 증가하지 않는다.

이러한 문제들을 해결하기 위해서 먼저 1년 동안 수주→설계→생산→출하까지의 「업무의 가시화」 프로젝트를 세워 실시했다.

업무 흐름이 어떻게 되는지 투명하게 가시화할 수 있었다.

「업무의 가시화」를 철저히 파악함으로써 정보의 흐름은 물론 어느 부분을 IT화 해야 하는지 알 수 있게 되었다.

다음으로 추진한 것은 시판하고 있는 업무 앱 구축 클라우드 서비스에 의한 정보 시스템 구축이었다.

이 정보시스템을 활용하여 지점 간의 업무 상황을 실시간으로 공유할 뿐만 아니라 직원의 지식이나 경험을 공유하는 것도 가능해졌다. 

결과적으로 동일한 사원수로 특주품 매출이 2,000만엔에서 9,000만엔으로 증가했다.

연간 50건이었던 설계 제안은 170건까지 증가하여 대폭적으로 업무 효율화가 이루어졌다.

스마트 팩토리를 실패하지 않으려면 스마트 팩토리화에 실패하지 않으려면 다음 사항에 주의해야 한다.

· 과제와 목적을 명확하게

· 매뉴얼 작성 및 연수

· 각각의 주의점을 설명

과제와 목적을 명확하게

공장의 스마트화를 실패하지 않기 위해서는 현재의 과제와 목적을 명확히 밝혀야 한다. 

스마트팩토리화는 공장 전체를 IT화/자동화하는 경우와 부분적 스마트화로 현상의 과제와 목적을 명확히 하여 스마트화가 필요한 설비를 찾아내는 것이 중요하다.

스마트팩토리화 실패의 원인 중 하나로 비용에 따라 최적화하기 어려운 경우도 있다.

스마트팩토리화를 위한 IoT 기기나 AI, 시스템 구축 등 초기 비용이 막대해지면 예산 부족으로 최적화하지 못하는 경우가 많다.

목적에 따른 설비나 시스템을 도입하여 예산 내에서의 최적화를 실시하여야 한다.

매뉴얼 작성 및 연수

스마트팩토리화가 유명무실화되는 것을 막기 위해서는 사전에 공장 내 운용체제를 구축해야 한다.

스마트팩토리화로 지금까지의 생산 흐름이나 업무 체계 등이 크게 바뀌기 때문이다. 

막상 실제 운용을 시작하면 「현장으로부터의 문의가 쇄도한다」 「현장에서 능숙하게 사용할 수 없다」 와

같은 문제가 발생되어 현장에 정착되지 못하고 실패로 끝나는 경우도 있다.

어떻게 업무가 바뀌고 어떤 효과를 낼 수 있는지 공유하는 동시에 업무 내용과 흐름에 대한 매뉴얼 작성이나

직원 연수와 교육이 사전에 이루어 지면 단시간 내에 스마트화된 공장 운영의 원활한 정착을 이룰 수 있다.

참조 | https://ai-market.jp/purpose/smart-factory-success/