DPI | Flexible Manufacturing을 위한 제조 현장 품질 안정화 설루션은 현장 지식과 DATA 분석을 결합하여 변화에 따른 "Flexible Manufacturing" 혁신을 지원합니다. 현장 지식을 살린 DATA 분석 소프트웨어와 제조 과정에서 얻은 지식을 실행하는 시스템으로 제조의 '뉴노멀'을 만들어 보면 어떨까요?
사례연구
2020/8/7
새로운 DPI 사례 연구가 있습니다.
조직 간 Waigaya* 및 DPI를 분석하여 고유한 문제 해결 방법을 확립했습니다.
* 조직 내 직급에 상관없이 모두가 솔직하게 이야기하고 다른 사람들과 토론하는 자발적인 브레인스토밍 토론
출시 정보
2021/10/8
DPI R2.03이 출시: 데이터 계산 기능과 같은 새로운 기능이 추가되었습니다.
2021/4/21
DPI Operation Evaluation Tool 및 DPI Operation Evaluation System 새롭게 출시되었습니다! (R2.02.10)
목차
- 품질경영의 4M ― 내용과 중요성 ―
- 제조 환경의 변화
- 현장 지식과 DATA 분석을 결합한 " Flexible Manufacturing "
- "현장 지식과 DATA 분석의 결합"이란?
- DPI 기능 세부 정보 ― 현장 지식을 기반으로 하는 DATA 분석 및 더 스마트한 제조 혁신 ―
- DPI Operation Evaluation Tool: 현장 지식 활용을 위한 DATA 분석 소프트웨어
- DPI Operation Evaluation System: 획득한 지식을 실시간 제조 프로세스에 통합하는 제조 실행 시스템
- DPI 솔루션 에스코트 지원
- 소개 교육 워크숍: DPI Operation Evaluation Tool 구동의 기본을 익히고 사이트 소개를 원활하게!
- 가설검증형 WS: DPI Operation Evaluation Tool로 DATA 분석 프레임워크 배우기!
- 관련 정보
아래와 같은 분들을 위해 작성되었습니다
- 4M이 왜 중요한지 알고 싶으신 분
- 4M은 제조 현장에서 많은 변화와 변동으로 인한 번거로움
- 같은 방식으로 운전하더라도 품질이 일정하지 않다.
- 현장 개선 활동(Kaizen 활동) 활동에 DATA를 활용하고자 하는 분
- 제조업의 새로운 '뉴노멀'에 관심이 있는 분
품질경영의 4M ― 내용과 중요성 ―
4Ms는 제조 산업에서 품질 관리를 위한 4가지 중요한 요소를 나타냅니다. 재료(Material)/기계(Machine)/인간(human)/방법(Mathod). 품질 관리에서 4개의 M이 중요한 이유는 다음과 같습니다.
- Material: 재료(원재료)
제품을 만드는 원료입니다. 일부 생산 현장에서는 한 가지 유형의 원료만 사용하고 다른 생산 현장에서는 여러 유형의 원료를 혼합합니다. 원료 투입량과 품질은 최종 제품의 품질에 큰 영향을 미칩니다.
- Machine: 기계(장비)
제품을 생산하는 장치입니다. 같은 장비라도 교체나 주기적인 정비를 하기 전과 후의 성능은 다릅니다. 또한 오랜 세월 사용했던 오래된 장비가 새것과 다른 상태인 것도 자명합니다. 이러한 장비의 상태도 품질에 영향을 줄 수 있습니다.
- huMan: 인간
제품을 만드는 운전원입니다. 같은 방법으로 정상 동작과 트러블슈팅을 하는 것처럼 보여도 사람에 따라 약간의 차이는 있습니다. 이러한 차이는 개별 현장 경험에 따른 지식과 노하우에 따른 것입니다. 그리고 그 작은 차이가 품질에 큰 영향을 미칠 수 있습니다.
- Method: 방법(절차 및 방법)
제품을 제조하기 위한 작업 절차 및 운전 방법입니다. 제조 현장에는 가동 절차, 재료 투입 시기, 온도 및 압력 제어 범위, 품질 검사 절차를 포함하여 다양한 작업 절차와 운전 방법이 합의되어 있습니다. 품질 관리에서 확립된 절차와 방법에 따라 작업이 수행되도록 하는 것이 매우 중요합니다.
최근에는 5M, 6M 또는 6M + 1E라고도 하는 4M에 측정(Measurement)/검사(Inspection), 관리(Management) 및 환경(Environment)이 추가되었습니다. 4M DATA를 분석할 때 이러한 2M 및 1E를 고려하는 것도 중요합니다.
제조 환경의 변화
현재 제조 현장은 많은 변화로 인해 매우 어려운 상황에 처해 있습니다. 이는 주로 3M(방법을 제외한 4M) 및 더 높은 PQCDS* 목표의 변경 때문입니다. 귀하의 사이트에서 이러한 상황이 발생한 적이 있습니까?
*PQCDS.... Productivity (생산성), Quality (품질), Cost (비용), Delivery (배송), Safety (안전)
방법을 제외한 4M 변경
- 재료(원재료): 빈번한 공급업체 변경, 공급업체의 불균일한 원재료 품질 및 특성
- 기계(장비): 장치가 너무 오래되어 설계된 대로 작동하지 않습니다. 동일한 사양이라 하더라도 기기에 따라 약간의 특성이 있을 수 있습니다.
- 인간: 현장의 암묵적 지식이 공식화되지 않고 숙련된 운전자가 은퇴하면 기술과 노하우가 손실됩니다.
PQCDS 타깃의 정교함
- Productivity (생산성): 갑작스러운 생산량 증가 및 인력 부족 요청 대응
- Quality (품질): 엄격한 품질 요구 사항, 원인이 파악되지 않는 품질 이슈
- Cost (가격): 가격경쟁 심화, 원자재 및 연료 가격 인상
- Delivery (납기일): 납기 단축 요구에 부응, 업무방식 개편, 코로나19 연장 근로수칙 준수
- Safety (안전성): 안전기준을 높인다.
제조 현장에서는 계획된 제조를 달성하기 위한 "라우팅 작업"과 PQCDS를 개선하기 위한 "개선 작업"이 모두 필요합니다.
그러나 급격한 변화의 시대에 변화에 대응하기 위한 라우팅 작업이 압도적으로 많아지고 개선 작업을 위한 시간이 충분하지 않습니다. (*라우팅 작업: 최적의 방법을 탐색하고 선택하는 작업)
현장 지식과 DATA 분석을 결합하여 " Flexible manufacturing " 창출
급변하는 시대에도 변화에 발맞추는 "Flexible manufacturing"를 이루려면 어떻게 해야 할까요?
이 질문에 답하기 위한 YOKOGAWA의 제안은 제조 현장의 지식과 데이터 분석을 결합하는 것입니다.
대부분의 제조 현장은 작업자의 경험이나 직관에 기반한 4Mss 제어의 결과로 마침내 PQCDS를 얻을 수 있습니다. 그러나 운전 개선을 원하는 사람들은 초기에 현재 3Ms 상황을 파악하고 PQCDS 목표를 결정한 후 최적의 방법을 찾아야 합니다.
이를 위해서는 4Ms와 PQCDS DATA를 연계하여 현장 지식을 바탕으로 DATA 분석을 하고, PQCDS에 영향을 미치는 4Ms 조건 간의 관계를 파악하여 현장 엔지니어가 가지고 있는 지식과 매칭 시키는 것이 필요합니다. 이를 통해 3M의 변동 사항을 Method로 커버하고 이전에는 쉽지 않아 보였던 PQCDS 목표를 달성할 수 있습니다.
현장 지식과 DATA 분석을 개선 작업에 결합함으로써 회사는 작업에서 얻은 지식으로 라우팅 작업의 부담을 줄이고 변화에 따라갈 수 있는 "Flexible manufacturing"로 혁신할 수 있습니다.
――― YOKOGAWA가 믿는 제품을 만드는 뉴 노멀 방식입니다.
"현장 지식과 데이터 분석 결합"이란 무엇입니까?
현재 제조 현장에 저장되어 있는 데이터는 다양한 관점에서 검토하여 개선점들을 나타낼 수 있습니다. DATA를 보는 방법은 다양합니다. 예를 들어 운전 조건에 따라 색상이 구분된 분산형 차트를 보면서 최적의 운전 조건을 볼 수 있고, 시간에 따른 품질 값의 변화를 확인할 수 있으며, 또한 트렌드 데이터에서 기울기를 추출하여 히스토그램을 통해 변화율을 관찰할 수도 있습니다. 그러나 안타깝게도 방대한 양의 데이터를 읽는 AI나 머신 러닝은 개선 활동에 사용할 적절한 힌트를 제공하지 못합니다. 대부분 현장의 지식과 경험을 고려할 때 적절한 DATA를 생성하지 못하기 때문입니다. 요약하자면, Yokogawa는 새로운 노하우를 얻고 가능한 한 빨리 목표를 달성하기 위해 현장 지식과 경험으로 데이터를 분석하는 것이 중요하다고 생각합니다.
DPI 기능 세부 정보 ― 현장 지식을 기반으로 하는 DATA 분석 및 더 스마트한 제조 혁신 ―
DPI는 DATA 분석에서 얻은 지식을 제조에 실행하는 것까지 강력한 변화를 유연하게 따라갈 수 있도록 제조 현장을 전적으로 지원합니다. 따라서 YOKOGAWA는 현장의 지식을 활용하는 데이터 분석 소프트웨어 " DPI Operation Evaluation Tool "과 제조 과정에서 얻은 지식을 실행하는 실행 시스템 " DPI Operation Evaluation System "을 준비했습니다.
DPI Operation Evaluation Tool: 현장 지식 활용을 위한 DATA 분석 소프트웨어
- 여러 부서에 별도로 존재하고 관리되는 DATA를 4Ms DATA와 Quality DATA로 쉽게 연결 및 통합 가능
- 품질 값과 4Ms DATA를 Trend DATA에 연결하고 각각을 연관시켜 변동 분석
- Trend DATA에서 기울기, 최댓값 및 평균과 같은 파형 기능을 쉽고 간편하게 추출할 수 있습니다.
- 히스토그램, 분산형 차트 및 관리도를 모든 Parameter에 한 번에 표시할 수 있을 뿐만 아니라 운전 조건 친화적인(계층화) 표시를 빠르고 쉽게 실현할 수 있습니다.
- 현장지식 기반 머신러닝은 사람이 파악할 수 없는 3차원 이상의 Parameter에서의 관계를 다룬다.
- PQCDS에 대한 4Ms 관리 메트릭을 생성하고 " Operation Evaluation System "을 사용하여 실시간으로 모니터링
자세한 내용은 DPI Operation Evaluation Tool 제품 페이지를 참조하십시오.
DPI Operation Evaluation System: 제조 과정에서 획득한 지식을 실행하기 위한 환경
- 4M 관리 지표 악화 = PQCDS 악화 시 조치는 현장 지식을 기반으로 하는 순서도(Flow Chart)로 공식화 가능
- DPI Operation Evaluation Tool로 생성된 4M 관리 지표의 실시간 모니터링을 통해 PQCDS 악화 시 신속하게 감지
- 4M 관리가 악화되면 누구나 동일한 조치를 취하여(또는 자동으로) 순서도에 따라 PQCDS를 복구할 수 있습니다.
DPI 도입을 위한 동반 서비스
품질 문제 해결 현황
우리는 종종 한 부서에서 품질 문제를 해결하면 다른 부서에서 다른 문제가 발생하는 것을 볼 수 있습니다. 품질 문제가 복잡해지기 때문입니다. 이는 해당 솔루션이 차선책이기 때문입니다. 문제에 대한 근본적인 해결책을 얻기 위해서는 차선책이 아닌 전반적으로 최적의 해결책을 이끌어야 합니다. 전체를 위한 최적의 솔루션을 찾기 위해서는 부서와 부서의 경계를 넘어 소통하는 것이 필수적입니다.
DATA가 DPI로 연결되면 사람도 연결됩니다.
각 부서의 데이터를 결합하여 시각화하고 이에 대해 모든 부서에서 논의함으로써 DPI로 품질 문제에 대해 완전히 최적화된 접근 방식을 얻을 수 있습니다. 각 부서의 DATA는 DPI로 연결되어 있어 사람도 연결됩니다. YOKOGAWA는 부서를 넘어 데이터 활용 습관을 기르는 목표를 달성하기 위해 고객이 데이터 분석 기술을 개발할 수 있도록 지원하는 DPI로 서비스를 제공합니다. YOKOGAWA의 컨설턴트는 고객 내부에서 개선 주기가 빠르게 실행되는 이상적인 상황을 달성하기 위해 귀하와 협력할 것입니다.
주요 에스코트 서비스
입문 교육 워크샵 ― 순조로운 현장 소개! 먼저 DPI Operation Evaluation Tool의 기초부터 알아보자! ―
가설검증 워크샵 ― 현장지식을 활용한 DATA 분석하고 WS로 프레임워크를 배워보세요! ―