Creative Destruction Data is the New Oil
Real Collect Connect Analytics
V
고객 Complain 대응에 1개월 이상 소요
대장 들고 모여 봐 !!!
Human Error 는 왜 없어지지 않는가?
작업표준
포장 라벨
출력 라벨
부착
당일 입고 예정 라벨 일괄 출력 부착시 오류 출하 오류고객 Claim
생산 공정이 문제야?
출하가 문제야?
멀쩡한 Spare Parts를 교체하지는 않는가?
“저 멀쩡한 걸 왜 교체하고 있지?”
“정해진 6개월 사용 했습니다.”
요즘 매달 1주일씩 비가동이었는데????
품종 교체 때마다 안정화 시간이 들쑥날쑥 함
과거이력
원료 물성 공정 조건 물성
취합 + α (Know-How)
초기 운전 조건 세팅
물성 점검 Trial & Error
“ 왜 우리 공장은 … “
공장의 현실은 ?
이거 언제 생산한 거야?
원료는 제대로 들어갔나?
생산 중에 이상한 점은 없었나?
Amberg 공장 : 1,000 여종의 다양한 제품 생산 불량율 0.0009%, 에너지 사용량 30% 절감
R&D 가상현실 모델링으로 에너지 효율 30% 증가
주문~생산L/T 21일 6시간 비용절감$200만
CCTV 생산 중소기업
재고 관리 비용 약 60% 절감, 생산효율 약 30% 향상
자동차 부품 생산 중소기업
불량율 39% 감소, 설비 가동율 2% 개선
• 생산 현장 투자 실효성에 대한 고민이 있지 않습니까?
• 어디에서부터 어떻게 해야 할지 막연하지 않습니까?
• Smart Factory 화두에 대응하기 위해 Data를 무작정 모으는 것에 투자하고 있지 않습니까?
• 품질 변동 원인을 추적 하는 것이 어렵지 않습니까?
• 물성에 영향을 주는 생산 조건, 원료, Recipe등을 한눈에 파악하기 어렵지 않습니까?
• 여러 품질 지표를 손쉽게 비교, 분석하기 어렵지 않습니까?
• 불량이 발생한 이후 심지어 불량이 출하된 이후에 문제를 인지하지 않으십니까?
• Job Change, 품종 교체 시 공정 안정화에 오랜 시간이 걸리지 않나요?
• 어느 설비에서 제품 이상이 발생 했는지 확인이 어렵지 않습니까?
• 산처럼 쌓여 있는 데이터 중에 어떤 것을 사용할지 막막한가요?
• Historian이 있더라도 Excel로 내려 받아 재가공 하느라 시간을 낭비하나요?
임원
품질 담당자
생산/기술 담당자
남들은 Smart 해지고 있다는데?
“ 여러분들은 어떻습니까? “
생산 현장의 문제 해결을 통해 효과를 창출하기 위해서는 운영 Data들의 인과 관계를 상호 연결한 Data Connection Structure를 구축하고 이를 기반으로 한 Data 분석 활동을 활성화 하여야 합니다.
Smart Factory
효과 창출 Speed Up (생산,물류,검사)
Quality (품질, 고객서비스)
Efficiency (수율,가동률, 에너지)
Flexibility (유연 생산)
Data 분석 Connected Factory 구축
Data 분석
과제 해결 문제 인식
Alarm/
사전 예방
통합제어/
자동화 분석 Model 로직화
생산/품질/
원료
설비/사람 환경/
에너지 ……..
+ + +
1단계: Digitalize 2단계: Connection & Visualization
•현장 Digital 化 : Sensor, Bar Code, PDA, SCADA
•Operation 시스템 구축 및 자동화
•데이터 연결 관계 구축 : ERP/RMS/MES*/SCADA
•데이터 가시화
: 오더 – 작업 조건 – 실제 공정 값 – 검사 결과 – 출하 정보
상호 보완지속적 Smart Fly Wheel
First Step towards Smart Factory
r-CoCoAna 는 제조업에서 발생하는 Data들을 수집 연결 구조화하여 관리하고 내장되어 있는 분석 Solution으로 실시간 분석이 가능한 Data 관리 Platform입니다.
Data Source
SCADA/DCS PLC
Equipment Sensor
Identification
기간 업무 System
SCP PLM ERP MES …. CMMS LIMS
r-CoCoAna Platform
Historian Connected
Factory 분석 Solution
A nalysis Co nnect
Statistical Modeling Structured &
Connected Data Set
Co llect
Co nnect
CMMS : Computerized Maintenance Management System
SCP : Supply Chain Planning
r-CoCoAna Platform
r-CoCoAna를 활용한 생산 현장 문제 해결 활동을 통해 품질, 생산성을 향상하고 비용 절감 등 공장 개선의 선순환 구조를 구축할 수 있습니다.
r-CoCoAna Platform
Some ThingSmart Thing
불량 원인 발굴 품질 예측 생산 최적 조건 도출
예지 정비 Performance 향상
Collect Connect
Store
Analytics Improve
r-CoCoAna를 활용한 선순환 구조
부분적 최적화에 집중 Data 단절 됨
프로세스/시스템 구축 시 부문별 최적화에 집중하면 데이터가 산재되고 단절되어 활용 범위가 제한적이고 근본적인 문제 해결에 한계가 있습니다.
어떤 문제가 있나?
현 황
데이터 분석을 통한 Insight 도출에 한계가 있어 문제 해결 및 개선이 부진함
“일상적으로 하는 분석은 하루 이내면 충분하지만 원인이 밝혀지지 않아 새로운 분석을 해야 하는 경우 Data Set를 구성하는 기간만 1개월 이상 시간이 필요함”
Data 간 인과 관계 설정 COA 조업 일지
운전 이력(DCS)
Download
물성 대장
Data Set 부족 분석역량 미흡
입력 입력
입력
합치기 수기
해결 방안 도출
Data 가 단절되면
r-CoCoAna Connected Factory
Data Connection Structure
현장에서 발생하는 데이터의 인과 관계를 연결하여 Data Connection Structure를 구축하기 위해 기존 프로세스와 시스템을 개선하는 혁신 활동이 Connected Factory입니다.
생산오더 자재 생산일 생산량 투입자재 투입 Lot 투입량 Mixing
시간[min]Extruder 구간별 온도(평균) [℃] 인장
강도 합격
여부 장애
여부 장애
구분 조치시간 (시작~종료)
AVG Min Max Unit Density
Particle Size Strength
(투입 원료의 상세 물성) (생산 중 상세 이력)
Connected Data
(Conceptual) Connected Data Set
운전 정보생산/
품질 정보 설비 정보
출하 정보 원부원료정보
r-CoCoAna Connected Factory
Methodology
실질적인 효과를 볼 수 있는 문제를 Quick Win으로 해결하고 반복적인 문제 해결 Cycle을 통해 Data Connection 범위를 확대해 나가는 Agile 방식으로 추진합니다.
추진 방법
문제 해결 문제 해결 문제 해결
Data Connection 범위 확대
주요 추진 과제
계획/관리/분석
(SCP/ERP/
Big Data 등) 공통
생산
품질
생산 공장운영(MES/LIMS/
CMMS 등)
설비/디바이스
Data Connection Structure 구축
“출하정보 – 제품 재고별 물성 – 생산이력 – 운전정보 – 자재물성 활용 가능한 Data Set”
SAP 와의 연계를 통한 원가/회계 정확도 향상
“현장 발생 물류를 사람의 판단이 아닌 측정된 값으로 연계”
Data 화 확대
“측정 포인트의 확대, 아날로그 계측기 digital 화”
시스템을 활용한 작업 지시 관리 체계 구축
“생산 오더 기반의 작업 지시 관리, 지시 기반의 현장 통제”
통합 품질 관리 시스템 구축
“제품/공정/원부원료 물성 통합 관리”
공장 운영 실시간 정보수집체계(Historian) 구축
“DCS, SCADA 등 공정 운전 이력 Data 축적”
원/부 원료 COA 관리 체계 구축
“OCR(Optical Character Recognition - 이미지 인식 분석) 기술을 활용한 CoA 등록 자동화”
원부 원료 투입 이력 관리 체계 구축
“재고 Lot 관리, 생산 오더 별 Lot 투입 관리, 실투입과 연계”
Human Error 방지를 위한 Alarm 체계 구축
“재고 Lot 관리, 생산 오더 별 Lot 투입 관리, 실투입과 연계”
Data 입력 편의성 증대를 통한 전체 물성 정보의 Data 화
“IT 기술을 활용 측정 장비의 결과를 시스템 data 화”
1 2
3 4
7 8
10 5 6
9
r-CoCoAna Connected Factory
Smart Enterprise
r-CoCoAna 기반으로 계획부터 생산 현장까지 모든 Data를 연결한 분석 가능한 Data Set 을 활용하여 기업의 문제를 빠르게 해결하여 Operation Performance를 향상할 수 있는 체계입니다.
Supplier
Customer
계획 수량 수불
재료비계획 가공비계획
원가추정 손익
추정 실행
생산 계획 S&OP 계획
(납기 약속)출하계획
Scheduling생산 판매 계획
구매 계획 구매
Order
수입 검사 Order생산
원료투입 공정1 공정2 포장 Order판매
출하 지시
SV
작업 지시 운전 조건
납품서 정보 입력COA
품질 검사 입고 출하
PV
생산지시-원료-공정조건-설비이상-품질-출하 History-고객
분석 / Feedback
Pla nn in g Ex ec uti on A na lyt ics
r-CoCoAna Connected Factory
현장의 다양한 설비를 연계 가능하고, 시계열 데이터 기록/관리의 탁월한 성능과 확장성을 가지고 있으며, 수집된 데이터를 기반으로 다양한 가시화 화면 제공과 간단한 통계 분석이 가능합니다.
Connectivity
다양한 300개 프로토콜 지원과 고속의 데이터 통합이 가능 합니다.
Scalable
시계열 전문 DB로 지연 없이 장기간 저장 할 수 있습니다.
(10년 이상)
High Performance
장기간의 데이터를
빠르게 검색 하여 활용하고 외부와 연계할 수 있습니다.
Easy Analysis
사용하기 어려운 통계/
분석 도구 없이도
손쉽게 분석이 가능합니다.
Visibility
시계열 데이터와 집계 데이터를 종합적으로 가시화 하여 가용성이 높은 화면을 제공합니다.
Customized Application
각자가 원하는 자신만의 화면 구성이 가능하고 서로 공유 할 수 있습니다.
r-CoCoAna Historian
Collect Service는 제조 현장의 다양한 설비와의 연계를 위하여 300여개의 다양한 산업용 표준 프로토콜과 전용 프로토콜들을 무상으로 제공하고 추가 개발이 가능합니다.
Collect
SCADA/DCS
PLC
Equipment
Sensor
DB
Identification
Realtime DB
Time Series Data Analog
Digital String
Data Collect Service
Meta DB
Relation Data Configuration
Summary Event
Visualizer ServiceIntegrator Service
Store/Manage
D A TA SOUR CE
r-CoCoAna Historian
생산 현장에서 활용할 수 있는 다양한 가시화 기능과 기본적인 통계 분석기능을 제공 하고 있고, 다양한 정보시스템과 데이터 분석 시스템과의 유기적인 연계가 가능합니다.
Simple Visualization
Realtime DB
Time Series Data Analog
Digital String Meta DB
Relation Data Configuration
Summary Event
Visualizer ServiceIntegrator Service
Store/Manage
ERP MES APS QMS LIMS CMMS EMS
Deliver
Visualization
(App, Web)
Integration
(SQL, API)
System Access
(SQL, API)
r-CoCoAna Historian
양품과 불량품 발생에 영향을 준 모든 원인 인자를 중요도(기여도) 순서대로 판별 가능
분석 Solution을 활용하면 머신 러닝을 통해 데이터 분석 전문가 개입 없이도 생산 공정의
비교군 (양품/불량품)에 영향을 주는 요인을 손쉽게 파악하여 불량 발생 원인을 다각도로 분석 가능합니다.
설비 Tag 원부원료 생산실적 품질검사 C&C 설비이력
Any Data Source
Simple & Easy
▶ Wizard 방식의 Step by Step UI로 클릭 몇 번으로 제조 전문 분석 기능 활용 가능
No Limitation
▶ 분석에 필요한 Data 소스의 종류, 용량, 개수 제한 없이 여러 시나리오를 이용하여 분석 가능
Quick Result
▶ 비교하고자 하는 생산 조건의 Volume과 사이즈에 관계 없이 빠르게 분석 결과 확인 가능
Best Visualization
▶ 제조 특화 시각화 기능을 사용하여 어려운 분석 결과의 해석 없이 직관적인 판단이 가능
r-CoCoAna 분석 Solution
유의차 분석 Solution
r-CoCoAna 분석 Solution 의 분석 모델을 로직화하여 설비별 관리 범위 제공 및 실시간 모니터링이 가능하고 관리 범위 이탈 전에 사전 인지 (Predictive Alert)와 자동화까지 가능합니다.
활용 사례
r-CoCoAna 분석 Solution
생산팀별 차이는 있으나 코오롱 그룹 내의 주요 생산팀에 구축 하고 있으며 Heracron, Compound 공장은 자체적인 Data 분석을 통한 성과 창출 및 Data Connection 범위 확대 작업을 하고 있습니다.
Kolon 그룹 내 구축 실적
성과창출
Data 분석(활용)
시스템 표준 적용
Data연결
Data수집
Infra구축 Data 분석 역량 강화
Polymer Airbag Tire Cord SPB Heracron CPI Film HN/HX Sukorez POM Compound CIM CSM
Connected Factory 구축
성과 창출
r-CoCoAna 활용 사례
Before After
• Human Error 로 인한 공정 사고 발생
• 작업 지시 Offline 관리 현장 모니터링 안됨
• 시스템에 물성 데이터는 성적서 출력용, 상세 데이터는 개인 Excel에 관리
• 원료 물성과 생산 시 투입한 원료 LOT가 Offline 으로 관리되어 원료 Tracking이 안 됨
• 운전 데이터 이력 관리 안되어 생산 시 마다 C&C 발생 원인 분석에만 1주일 이상 소요됨
Compound
175
124
18년 1~5월 19년 1~5월 30% 감소 부적합 발생 현황 [생산 이력 (부적합 생산 vs 양품 생산)]
69 42 75 72 69 52 50 48 37 39 2.1
1.4 2.1
2.5 2.6
1.9 1.7
1.5 1.5 1.3
0 1 2 3
0 20 40 60 80
1월 2월 3월 4월 5월 6월 7월 8월 9월 10월 Waste발생량 Waste 발생율
[냉각조 물성 영향 인자 분석 결과]
[설비 개선]
년간 절감 효과
약 2.1억원
r-CoCoAna 활용 사례
r-CoCoAna
구축
Before After
• 제품 생산 시 불량 또는 물성 저하 원인이 투입 반제품 문제인지 공정 운영의 문제인지 확인이 안 됨
• 부분적인 Data 를 단순히 모으기만 하여 원인 분석 을 위한 Excel 작업으로 인해 문제 해결 Cycle이 김
• 물성 산포가 크고 수율 목표치를 달성하지 못하고 있음
• 실시간 공정 관리가 되지 않고 작업자가 작성하는 대장에 의존하여 이미 발생한 불량 선별에
집중하고 있음
Heracron
9.8 10.4 10.7 11.2
0.1 -
5.0 10.0 15.0
2019-1 2019-2 2019-3 2019-4 2019-5
Tracking 기반 구축 품종간 원가 차별성 확보 반제품 월말 배분율
반제품 입도 분포 영향도 분석 황산 온도 영향도 분석
용융 공정 온도 영향도 분석
물성 산포 큼 물성 산포 감소
영향 인자들에 대한 다차원 분석 양품율
8.4% 상승
r-CoCoAna 활용 사례
r-CoCoAna
구축
Before After
• 외부 환경 요소의 변화에 따른 공정 관리 기준이 미비하여 계절 변화에 따른 이슈 발생
• 제품 생산 이력 상세 데이터가 관리되지 않고 평균과 편차로만 관리함
문제 해결에 데이터 활용이 안 됨
• 비전 검사기의 검사 이력을 사후 품질 판정에만 활용
사전 예방 안됨
• 과거 운전 이력 데이터 부족으로 품종 별 공정 관리 기준을 Update할 근거가 부족함
공정 이상점 실시간 인지 불가
Film
[통합 현황 모니터링]
실시간 현장 모니터링을 통한 즉 조치 속도 향상
파단 발생
50% 감축
FAN 압력 영향도 분석 설비 온도 영향도 분석
r-CoCoAna 활용 사례
r-CoCoAna
구축
r-CoCoAna 구축 Plan
Phase 단절된 정보 연결하기(Connected Data) Data 분석 & Insight
찾기
개선과제 수행
인프라 셋업
Month M1 M2 M3 M4 M5 M6 M7 M8 M9
Connected Factory
구축
Data Analysis
일반적으로 약 7개월 구축 과정을 거쳐 Go-Live 하고 2개월 Data 분석을 지원합니다.
AS-IS 분석 TO-BE
프로세스 설계 시스템 개발
통합 테스트
사용자 교육 Go-Live 준비
Data 수집 Rule 결정 Data 집계
Historian
설치 추가 Infra 검토
1 차 Data
검증 분석 화면
개발 2 차 Data 검증
안정화
분석 과제
도출 Data 분석
Kick off Go-Live
점검 보고
To-Be 설명회 시범 과제
Go-Live 레포팅
r-CoCoAna 구축 Plan
M1 M2 M3 M4 M5 M6 M7 M8 M9 합계
프로세스 개선
Consulting 2 2 2 1 1 1 1 1 1 12
개발* 0
소계 2 2 2 1 1 1 1 1 1 12
Historian
Consulting 2 2 1 1 1 1 1 1 1 11
개발 1 1 1 1 1 1 6
소계 2 2 1 2 2 2 2 2 2 17
Data 분석 Consulting 1 2 1 4
소계 0 0 0 0 0 0 1 2 1 4
총계 4 4 3 3 3 3 4 5 4 33
* 고객사 시스템에 대한 수정 보완 작업으로 고객사가 수행할 수 있음
공수는 프로젝트 규모와 구체적인 범위에 따라 유동적입니다.
박찬정 팀장
Koca@kolon.com 02-2120-7240
