산업지능화(Industrial AI)를 위한 실시간 제조 데이터 표준화

1. 산업지능화(Industrial AI)를 위한
실시간 제조 데이터 표준화
차석근/㈜에이시에스
sk_cha@acs.co.kr

2. 목 차
Ⅰ. 산업지능화를 위한 제조 데이터
Ⅱ. 스마트공장 고도화 적용 사례 (섬유. 자동차 부품)
Ⅲ 결론

3. 1. 산업지능화를 위한 제조 데이터
세계는 지금
AI+IT 융합으로 정보화를 넘어 지능화로 4차 산업혁명의 2번째 정보혁명
World Bank 2020
2020년 90% 모든 데이터가 클라우드 보관, 2025년엔 75% 엣지로 이동
2020 Gartner report

4. IIoT 선두 GE Predix 상용화는 왜 실패하였는가?
GE’s Predix’s biggest problem was using tools as an end, not as a means
to an end. It is true of all kinds of cloud platforms: They promote the
machine data to the cloud, but the quality and downtime problems of the
machine still exist. If we could put the problem data on the cloud, or
embed it within a diagnostic and problem-solving process, then all similar
devices could be used as a reference to solve their own problems in a
meaningful way.
출처: Jay Lee Advanced Manufacturing University of Cincinnati, Industrial AI (2020.3)

5. 산업지능화(Industrial AI)??
출처: Jay Lee Advanced Manufacturing University of Cincinnati, Industrial AI (2020.3)

6. 산업지능화(Industrial AI)로 가는 길
1 단계: 5S(정리정돈)과 카이젠 모델 (수작업 수준 Hand-on Level)
2 단계: 린 생산 시스템과 식스 시그마(데이터 수준 Data Level)
3 단계: 예지분석 도구(통찰 수준 Insight Level)
4 단계: 의사결정 과 최적 도구(지식 수준 Knowledge Level)
5 단계: 사이버 물리 시스템(자율 지능 수준 Autonomous Intelligent Level)
출처: Jay Lee Advanced Manufacturing University of Cincinnati, Industrial AI (2020.3)

7. 그러나, 현실은?
20년간 사용
외부 연결 포트 없음
2019 하노버
보쉬 발표자료

8. 제조 문제점 및 산업지능화를 위한 본질은?
제조 품질에 영향을 미치는 3개 축은 작업자의 의존도가 높은 암묵지 관리가 필요한 숙련, 표준화 기반
의 시스템, 고객의 요구사항에 충족하는 본질적 문제가 영향을 줌. 이를 위해서는 문제점을 발생하는 제
조 데이터의 표준화 가 필수

9. 왜 해야 하는가?
스마트 제조혁신은 자동화, 정보통신, 생산기술과 컨설팅 기술과 융합
시시각각 변하는 제조 데이터 생산자원(4M1E) 데이터 표준화 필수 – 사상누각 발생
현장의 요구에 따라 구축된 개별시스템을 기업 전체 효율화를 위한 수평통합 플랫폼 필수
의식전환
(수평통합)

10. 어떻게 하는가?
정보원 내용
기계
동작횟수
가동시간
고장원인
설비
전압, 전류
유량, 압력
전력량
제품
위치, 특성
성능, 치수
제품명
작업자
Lot번호
시작/종료시각
뷸량코드
비가동 사유
에너지
사용량
시간
생산자원 4M1E
유선 센서 네트워크
제어기기
RFID
PLC
기계
DABOM- Device
DABOM_G/W ERP/SCM/PLM/MES
제조 애플리케이션
프로토콜
프로세서
I/O
센서 I/O
무선 센서 네트워크
RFID/USN 터치스크린 모바일
DABOM-Device
DABOM-Device
센서
시켄서
Access
Point
바코드
리더
Touch
Screen
ISO 20140
ISO 22400
IEC62264
OPC
ISO JTC 1
IoT
자동수집
방식
반 자동수
집방식
수동수집
방식
Big Data, AI
예지 관리 엔진
Machine
Vision
AR/VR
Cyber world (Analytics Technology)
Physical world(Data Technology)
4M1E 생산자원 실시간 통합을 위한 표준 가이드 라인 적용
업종별 제조 데이터 자동수집, 반자동 수집, 수동수집, 무선, 유선 센서-TTAK.KO-11 단체 표준

11. 스마트 제조 혁신에 적용 가능한 표준화 현황
IEC 62264/ISO22400
(MES/KPI)
ISO20140
(Energy)
ISO/AWI23247
(Digital Twin)
TTAK.KO-11.0227
(4M1E data integration)
NIST SMRM RAMI 4.0
IoT, AI, Big Data

12. 2. 적용 사례(섬유)
과제명: 산업부 스마트제조 고도화 염색가공 지능형 공장 시스템 개발
개발기간: 2019.07 ~ 2021. 12(2.5년), 개발비: 77억
총 9개 기관: IT솔루션기업(2), 섬유전문연구소(2),섬유기계업체(2), 수요기업(2: 안산, 대구), IT연구소(1)
https://www.youtube.com/watch?v=eaM5WcPlHMM

13. 2019년 제조업 활력 및 혁신 전략
정부(산업부)에서는 주력산업의 부가가치를 세계 최고 수준으로 올리기 위해 섬유. 의류 분야에 생산혁신 스
마트 시범공장을 2019년 제조업 활력 및 혁신전략을 선정, 실행
• 섬유 산업의 고도화를 위한 노력을 강화할 필요
- 현재 진행되고 있는 고임금사회로의 변환을 냉정하게 인식
- 이를 위해 4차 산업혁명 주도산업 성장에 대응하는 지능형생산시스템 개발과 공급이 필요
- 글로벌 섬유산업에 적용한 성공사례 보유(ACS) 및 글로벌 시장 공략 가능성 높음

14. ERP/SCM/PLM
4M1E Data
생산자원(4M1E) 데이터 표준화 – IIoT & Edge
computing
Real time
Data
Integration
수요기업 생산성 목표
원단입고 배색
원단준비
전처리
(정련/표백)
염색 가공
품질출고
MES
염색일발율 향상을 위한 실시간 양방향 색상제어
2 set
(500, 1,000kg)
가공품질 향상을 위한 실시간 양방향 가공제어
2 set
3차원 시각화- 디지털 트윈
품질 예측-산업지능화
빅데이터 기술 적용
국제표준 적용
세계
최초
염색변수 센싱 (염색시간단축, 품질향상)
· 염색 ending, 알칼리 투입시점,
수세종료시점 관리/제어
- 가공변수 센싱 (가공시간단축, 품질향상)
· 밀도, 폭, 사행도, 온도, 잔류수분 관리/
제어
연구개발 핵심기술 요약과 성과 목표

15. 1차년도 표준화 관련 성과물
스마트공장 수준 평가 (KS X 9001-3)및 제조 데이터 표준화 (TTA.KO-11) 적용
<스마트 공장 수준 평가 모델> <S 섬유 스마트공장 수준> <B BIO텍 스마트공장 수준 >
<제조 데이터 표준화 Layer 0> <제조 데이터 표준화 Layer 1>

16. 2. 적용 사례(스마트공장 대표공장)
과제명: 산업부 IIoT 및 Big data를 이용한 고도화된 지능형 스마트공장 구축
개발기간: 2019.07 ~ 2020. 12(1.5년), 개발비: 30억
3개 기관: 자동차부품제조업, 스마트공장 공급기업, 대학

17. 브레이크 디스크 생산 시스템
제품 자동 투입
공장 운영자)
제어 명령
(연삭유 분사량 조정 )
알고리즘 기반 AI
시스템 구현
대응전략
(JIG 안착면
이물질 침입)
데이터
분식
품질 특성해석
(Eg. Runout )
데이터
특성
Big Data
(Balance checking,
grinding process &
Vision inspection)
결함
특성
결함해석
공정
원인 및 조치
도출
결함
종류
알고리즘
발란스 측정 & 수정 습동면 연삭 가공 DIM’S,머신비전 측정 제품 적재 및 출하
습동부 RUNOUT
값 과다
스마트공장 대표공장(안산시화 단지-자동차부품)
무인화 공정, Big data, 산업용 AI 적용 기술 적용 https://www.youtube.com/watch?v=nqkOjX2cySg

18. 연삭 공정
브레이크 디스크 라인
데이터
연결
AI 공정 감시 및 제어
PHM 기반 지능
알고리즘
센서
데이터
공정
데이터
기 준 값 진단
예즉
디지털 트윈 모델
 Runout
 Order (FFT)
 평행도
품질 문제제어 알고리즘
주축 모터 전류치
연마석 진입 거리
연마유 분사량
클램프 압력
주축 RPM (SPARK OUT)
적용된 프로세스
파라메터
PL
C
모터
펌프
생산 운영자
알람
해결책
가상 제어 기술
AI 예지 & 보전 시스템
한계값
Big data
공정 변수
이상감지
이상감지
공정감시
스마트공장 대표공장(안산시화 단지-자동차부품)
디지털 트윈 기술, 무선 진동 센서 적용
https://www.youtube.com/watch?v=gP9u_v1CknI
무선센서
장탈착

19. 1차년도 표준화 관련 성과물
스마트공장 수준 평가 (KS X 9001-3)및 디지털 트윈을 위한 제조 데이터 표준화 (TTA.KO-11) 적용
설비 가동
정보

20. 3. 결론
산업지능화 스마트공장 고도화 모델 적용 예(연구과제)
세왕섬유(안산),
벽진바이오(대구)
남양넥스모
(Grand 5strar)
확
장
적용 핵심기술
산업지능화 예지 관리 자율 재구성
Edge computing
기반 Industrial AI
HD 카메라, 진동, 온도, 기울기, 전류 적정 센서
적정 기술
적
용

21. 스마트 제조에서 확장 비즈니스 모델
기상청: https://www.youtube.com/watch?v=VwjNnOpvs9o
FEMS: https://www.youtube.com/watch?v=1N8sxzwOVos