DPI Operation Evaluation Tool

적용 사례

2020/8/7
새로운 DPI 적용 사례를 아래 링크를 통해 확인할 수 있습니다.

Established unique problem-solving methods by analyzing cross-organization waigaya* and DPI
* 직급에 관계없이 조직 내 모두가 자유롭게 토론하는 자발적인 브레인스토밍 방식의 토론

 

출시 정보

2022/4/6
DPI Operation Evaluation Tool과  DPI Operation Evaluation System 출시 (R2.04)

2021/4/21
DPI Operation Evaluation Tool과 DPI Operation Evaluation System 출시 (R2.02.10)

 

목차

1. 생산 데이터 활용의 도전 과제들
2. 생산 데이터 분석 소프트웨어 "DPI Operation Evaluation Tool"
3. DPI Operation Evaluation Tool의 세부 기능
4. DPI 도입 지원 서비스
5. 고객 피드백
6. 관련 정보

 

생산 데이터 활용의 도전 과제

 

데이터 활용을 통한 품질 안정화에 성공하지 못한 이유

품질 안정화 문제의 주요 원인 중 하나는 여러 관련 부서의 다양한 요소와 관련됩니다. 이 문제를 해결하기 위해서는 문제 원인에 대한 심층적 이해가 필요하며, 현장 지식과 데이터 관점의 접근 방식을 통해 철저한 원인 파악이 가능합니다. 즉, 생산 엔지니어와 데이터 분석을 통합해야 합니다.
품질 안정화가 만족스럽지 못한 결과를 가져오는 이유 중 하나는 여러 관련 부서들과 현장 지식에 대한 협력이 부족한 것과 Data scientists와 생산 현장간의 데이터 융합이 제대로 이루어지지 않았기 때문입니다.

 

YOKOGAWA의 제안

이러한 문제를 해결하기 위해 YOKOGAWA는 생산을 위한 전문 분석 도구와 실용적인 생산 현장 데이터 분석 교육을 제안합니다. 이전에는 어려웠던 생산 현장의 품질 문제들을 생산 엔지니어의 지식과 경험, 데이터 분석 실무 교육, 전문 분석 도구를 결합해  "만족스러운 결과"에 접근할 수 있습니다.
본 페이지에서는 생산 분야 전문 분석 도구인 "DPI Operation Evaluation Tool"를 소개하고자 합니다.

 

생산 데이터 분석 소프트웨어 "DPI Operation Evaluation Tool"

Concern about the origin of the raw materials Be careful of slight fluctuations in flow rate! Somehow it is easier to drive in summer The balance between the two temperatures is important It is better to loosen the pressure etc...		Sort operations according to the origin of raw materials Quantify and manage flow rate variations Sort driving by season Features are created and managed from the temperatures of two points The slope of pressure is indexed and managed etc...

생산 분야 전문 분석 도구인 "DPI Operation Evaluation Tool"은 현장 지식으로부터 새로운 지식을 창출할 수 있습니다. 예를 들어, 숙련된 엔지니어가 "압력을 서서히 증가시켜야 한다"는 지식을 가지고 있다면 이와 같이 기술적인 부분을 지속적으로 말로 전달하는 것은 한계가 있습니다. 따라서 DPI Operation Evaluation Tool을 통해 이러한 점들을 정량적으로 표현할 수 있습니다. 압력 상승의 기울기를 수치화하고 품질 데이터와의 관계를 정확히 파악하여 압력이 품질 데이터에 어떤 영향을 미치는지 명확해지면 현장 엔지니어는 지식을 공유할 수 있게 됩니다. 현장 지식을 바탕으로 지표가 생성되어 현장 엔지니어가 만족할 수 있으며 새로운 관리 포인트로 원활하게 활용할 수 있습니다.

DPI Operation Evaluation Tool은 데이터 분석을 통해 개인의 노하우, 문서화되지 않은 요령, 경험적 감각과 같은 현장 지식을 모든 현장에서 공유하고 활용할 수 있는 정형화된 지식으로 전환시켜,  현장의 개선 주기를 신속하게 진행시키는 도구입니다.

 

DPI Operation Evaluation Tool 세부 기능

 

4M 조건이 품질 데이터에 미치는 영향을 확인할 수 있습니다.

생산 현장에서 4M(Material, Machine, huMan, Method) 데이터는 일반적으로 여러 부서에서 별도로 관리됩니다. 효율적인 데이터 분석을 하기 위해서는 데이터를 개별적이 아닌 전체적으로 분석해야 합니다. DPI는 4M 데이터와 품질 데이터 모두 간단하게 연결되도록 도와줍니다.

 

데이터 추세를 통해 품질에 어떻게 영향을 주는지 알 수 있습니다!

생산 현장은 다량의 추세 데이터를 가지고 있습니다. 품질 데이터, 4M 데이터, 추세 데이터를 연결 및 분석하고자 하는 수요가 크지만, 데이터의 양이 방대하여 시간과 노력이 필요합니다. DPI는 다양한 생산 데이터의 변동성을 분석하고 각각의 상관관계를 분석할 수 있습니다. 운전 변동은 추세 데이터의 파형으로 나타나며, 추세 데이터의 파형 특성을 수치화하는 것이 쉽지 않아 비교 및 분석이 어렵습니다. 하지만, DPI는 추세 데이터로부터 파형 특성 값을 쉽게 추출할 수 있습니다.  

 

각 운전 조건의 4M ⇔ 품질 ⇔ 추세 관계의 차이를 확인할 수 있습니다! 

생산 현장에서 모든 lot를 동일한 방식으로 비교하는 것은 불가능합니다. 브랜드 변경, 생산량 변화, 설비 청소 등 다양한 변화와 이벤트가 있기 때문입니다. DPI는 모든 매개변수에 대한 히스토그램, 분산형 차트, 컨트롤 차트를  한번에 표시합니다. 또한 모든 운전 조건을 빠르고 쉽게 시각화할 수 있습니다.

 

머신 러닝의 도움으로 데이터의 모든 차이점을 다룰 수 있습니다!

생산 현장에서 여러 매개변수 간의 복잡한 관계가 품질에 영향을 미치지만, 운전원은 보통 3차원 또는 4차원의 그래프까지만 확인할 수 있습니다. AI와 머신 러닝에 모든 분석을 맡긴다고 해도 세부 운전 조건이나 제약을 고려하지 않은 해결 방법을 얻게 될 확률이 높습니다. DPI는 현장 지식을 토대로 머신 러닝을 사용하여 운전원이 간과한 매개변수에 대해 조언합니다. 또한, PQCDS(Productivity, Quality, Cost, Delivery, Safety)의 4M 관리 지표를 생성할 수 있습니다.

 

DPI 도입 지원 서비스

Introductory Education Workshop - DPI Operation Evaluation Tool 입문 교육을 통한 원활한 현장 도입 가능
Hypothesis Verification Workshop - 현장 지식을 사용한 데이터 분석 및 WS을 통한 프레임워크 학습 지원

 

고객 피드백

• 데이터를 사용해 보고 싶었는데 바쁜 업무 환경에서도 사용할 수 있어 좋습니다! (기능 화학 및 품질 관리 담당자)
• 다른 소프트웨어로 분석할 때 보다 DPI를 사용하면 시간이 1/10 이상이 줄어듭니다. (철강/제조)
• DPI를 사용한 시각화를 통해 몇 년 동안 풀지 못한 문제들을 해결했습니다. (화학 및 품질 관리 담당자) 
• 분석 절차에 대해 배웠으니 다음에는 스스로 개선할 수 있을 것 같습니다. (식품/제조)
• 전임자의 지식을 정량화하였으며, 여러 관련 부서들의 지식도 연결되었습니다. (화학/제조) 
• 다른 부서와도 협력할 수 있어서 좋습니다. 또, 현장 지식을 배울 수 있는 좋은 기회였습니다. (화학/R&D 담당자)

 

관련 정보

Process Data Analytics (Process DATA analysis software for manufacturing site)