Digital Plant Operation Intelligence (DPI) Quality Stabilization System

Digital Plant Operation Intelligence (DPI)는 현장 지식과 데이터 분석을 통합하여 유연한 생산을 가능하게 하는 품질 안정화 솔루션으로, 이 솔루션을 통해 "유연한 생산"으로 혁신할 수 있도록 종합적인 지원 서비스를 제공합니다. 현장 지식을 활용하는 데이터 분석 소프트웨어와 생산 도중 획득한 지식을 반영하는 시스템과 함께 새로운 생산 표준을 만들어 보는 건 어떨까요?

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

제품 정보: DPI Operation Evaluation Tool, Hypothesis Verification Workshop.

 

출시 정보

2023/5
DPI R2.05 출시. 더 높은 효율성을 위한 데이터 가져오기 기능 개선

2022/4
DPI R2.04 출시. Windows 11 OS 지원 

2021/10
DPI R2.03 출시. 데이터 산출 등 새로운 기능 추가 

2021/4
DPI Operation Evaluation Tool 및 DPI Operation Evaluation System 출시(R2.02.10)

 

목차

1. 품질 관리의 4M ― 내용과 중요성 ―
2. 생산 환경의 변화
3. 현장 지식과 데이터 분석의 결합을 통한 "유연한 생산"
4. 현장 지식과 데이터 분석의 결합은 무엇인가?
5. DPI의 세부 기능 ― 현장 지식 기반의 데이터 분석 그리고 더 스마트한 생산 ―
   • DPI Operation Evaluation Tool: 현장 지식을 활용하는 데이터 분석 소프트웨어 
6. DPI Operation Evaluation System: 획득한 지식을 실시간 생산 공정에 반영시키는 실행 시스템
7. DPI solution 지원
   • Introduction Education Workshop: DPI Operation Evaluation Tool  기본 사용법 교육을 통한 원활한 현장 도입 지원
   • Hypothesis Verification Type WS: DPI Operation Evaluation Tool과 함께 데이터 분석 프레임워크 학습 지원
8. 관련 정보

 

이 기사는 다음과 같은 상황을 해결하기 위해 작성됐습니다

• 4M의 중요성에 대해서 알고 싶은 경우
• 제조 현장의 잦은 4M 변화로 인해 문제가 발생하는 경우 
• 동일한 운전 방식임에도 품질이 일정하지 않은 경우 
• 데이터를 활용한 현장 개선 작업을 하고자 하는 경우
• 제조업의 뉴노멀(New Normal)에 관심이 있는 경우

 

품질 관리의 4M ― 내용과 중요성 ―

4M은 제조업의 품질 관리에서 중요한 Material/Machine/huMan/Method의 네 가지 요소를 말합니다. 4M이 품질 관리에 있어 중요한 이유는 다음과 같습니다.

 

• Material (원료)
  생산 제품의 원료를 의미합니다. 몇몇 생산 현장에서는 한 가지 종류의 원료를 사용하는 반면 다른 현장에서는 여러 종류의 원료를 혼합하여 사용합니다. 원료 투입량과 품질은 최종 제품의 품질에 큰 영향을 줍니다.
   
• Machine (설비)
  생산 설비를 의미합니다. 설비 교체 또는 정기적인 청소 작업 전과 후의 설비 성능은 달라집니다. 노후화된 설비 또한 신규 설비와 다른 상태이기 때문에 설비의 상태 또한 품질에 영향을 줍니다.
   
• huMan (운전원)
  제품을 생산하는 운전원을 의미합니다. 모든 운전원이 같은 방식으로 운전 및 Troubleshooting 을 하는 것 같아 보여도 사람에 따라 미세한 차이가 있습니다. 그 차이는 개인의 현장 경험을 바탕으로 한 지식과 직관이 다름으로 인하여 발생하며, 그 작은 차이가 품질에 큰 영향을 미칠 수 있습니다.
   
• Method (절차 및 방법)
  생산 절차와 운전 방법을 의미합니다. 생산 현장에는 스타트업 절차, 원료 투입 시점, 온도와 압력 제어 범위, 품질 검사 절차 등 다양한 작업 절차와 운전 방법을 가지고 있으며, 정해진 절차와 방법에 따라 운전될 수 있도록 하는 것이 품질 관리에 매우 중요합니다.

최근에는 measurement/inspection, management, environment가 4M에 추가되어 이를 5M, 6M, 혹은 6M + 1E라고도 하는데, 4M 데이터를 분석할 때는 2M과 1E을 함께 고려하는 것도 중요합니다.

 

생산 환경의 변화들

 

생산 현장은 많은 변화로 현재 매우 어려운 상황에 있습니다. 이는 주로 4M의 Method를 제외한 3M의 변화 그리고 높은 PQCDS* 목표가 원인입니다.

*PQCDS : 생산성(Productivity), 품질(Quality), 비용(Cost), 납기(Delivery), 안전(Safety)

 

Method를 제외한 4M의 변화

• Material (원료): 잦은 벤더 교체, 공급사의 원료 품질 차이, 원료 Lot으로부터의 품질 차이
• Machine (설비): 설비를 설계보다 더 오래 사용할 경우 노후화 특성 발생
• huMan (운전원): 암묵적인 현장 지식의 비공식화, 숙련된 운전원 은퇴 후 기술 퇴화

PQCDS 목표의 정교화

• Productivity (생산성): 생산량 증가 및 인력 부족에 대한 갑작스러운 요청 대응
• Quality (품질): 엄격한 품질 요구 사항, 정성적인 품질 불만 사항
• Cost (비용): 치열한 가격 경쟁, 원료 및 연료 가격 인상
• Delivery (납품 기한): 납품 기한 단축 요구 충족,  근무 방식 개선, COVID-19 초과 근무 및 출퇴근 규정 준수
• Safety (안전): 안전 기준 상향

생산 현장에서는 생산 계획을 달성하는 "라우팅 작업"과 PQCDS를 개선하기 위한 "개선 작업" 이 모두 필요합니다.

하지만, 급격한 시대의 변화에 따라 이에 대응하기 위한 라우팅 작업은 어려워지고, 개선 작업에 필요한 시간도 충분하지 않습니다.

 

현장 지식과 데이터 분석의 결합을 통한 "유연한 생산" 달성

 

급격한 시대의 변화에 발맞출 수 있는 "유연한 생산"를 달성하기 위해서, Yokogawa가 제안하는 솔루션은 생산 현장의 지식과 데이터 분석을 결합하는 것입니다.

대부분의 생산 현장에서는 운전원의 경험이나 직관을 기반으로 4M 제어의 최종 결과로서 PQCDS를 얻습니다. 그러나, 그러한 결과를 얻기 위해서는 먼저 현재 3M을 완전히 파악하고 PQCDS 목표를 결정한 후 최적의 Method를 찾아야 합니다.

이를 달성하기 위해서는 4M과 PQCDS 데이터를 연계하고, 현장 지식을 기반으로 한 데이터 분석을 통해 PQCDS에게 영향을 주는 4M 조건의 관계를 찾아낸 다음, 현장 엔지니어의 지식과 일치시킬 필요가 있습니다. 이를 통해 Method별로 3M의 변화를 커버하고 기존에 쉽지 않았던 PQCDS 목표를 달성할 수 있습니다.

개선 작업에서 현장 지식과 데이터 분석을 결합함으로써, 기업은 라우팅 작업에 대한 부담을 줄이고, 계속되는 변화에 발맞출 수 있는 "유연한 생산"으로 혁신할 수 있습니다. Yokogawa는 이를 뉴노멀(New Normal) 생산 방식이라고 믿습니다.

 

"현장 지식과 데이터 분석의 결합"이란 무엇인가?

 

현재 생산 현장에서 가지고 있는 데이터를 다른 관점에서 검토한다면 다양한 개선 요소들을 발견할 수 있습니다. 데이터를 분석하는 방식은 여러가지가 있습니다. 예를 들어, 운전 조건에 따라 색상별로 구분된 분산형 차트를 확인하는 방법, 시간에 따른 품질 변화를 확인하는 방법, 추세 데이터로부터 기울기를 추출하여 히스토그램을 생성하는 방법 등이 있습니다. AI나 머신 러닝을 활용하여 막대한 양의 데이터를 읽는 것만으로는 현장 지식과 경험을 고려할 수 없기 때문에 개선 요소를 발견하기 어렵습니다. Yokogawa는 새로운 노하우를 획득하고 목표를 달성하기 위해서는 현장의 지식과 경험으로 데이터를 분석하는 것이 중요하다고 생각합니다.

 

DPI의 세부 기능 ― 현장 지식 기반의 데이터 분석 및 스마트 제조 ―

DPI는 생산 현장에서 데이터를 분석을 통해 습득한 지식을 생산 공정에 반영하는 과정까지 급격한 변화를 유연하게 잘 따를 수 있도록 종합적으로 지원합니다. Yokogawa는 현장 지식을 활용할 수 있는 데이터 분석 소프트웨어 "DPI Operation Evaluation Tool" 그리고 생산 중 습득한 지식을 반영하는 "DPI Operation Evaluation System"을 출시했습니다.

DPI Operation Evaluation Tool: 현장 지식을 활용하는 데이터 분석 소프트웨어

• 여러 부서에서 별도로 관리되고 있는 데이터는 DPI를 통해 4M 데이터 및 품질 데이터와 손쉽게 연결 및 통합할 수 있습니다.
• 품질 데이터와 4M 데이터를 추세 데이터에 연결하여 변화 요인을 분석합니다.
• 기울기, 최댓값, 평균 등을 추세 데이터에서 쉽고 간편하게 추출할 수 있습니다.
• 히스토그램, 분산형 차트, 컨트롤 차트에 전체 변수를 동시에 나타낼 수 있을 뿐만 아니라 운전 조건 또한 빠르고 쉽게 계층화된 형태로 구현할 수 있습니다.
• 현장 지식을 기반으로 한 머신 러닝은 사람이 정확하게 파악할 수 없는 3차원 이상의 매개변수 관계를 다룹니다.
• PQCDS의 4M 관리 지표를 생성하고 "Operation Evaluation System"을 사용하여 실시간으로 모니터링합니다.

DPI Operation Evaluation Tool Product 페이지에서 더 많은 정보를 확인하실 수 있습니다.

DPI Operation Evaluation System: 생산 중 획득한 지식을 실행하는 환경 

• 4M 관리 지표 악화는 PQCDS 악화 시 조치사항과 동일하며 현장 지식을 바탕으로 순서도를 정립할 수 있습니다. 
• DPI Operation Evaluation Tool로 생성된 4M 관리 지표를 실시간으로 모니터링하여 PQCDS가 악화되는 것을  빠르게 감지할 수 있습니다.
• 4M 관리가 악화되면, 표준화된 조치 또는 자동 조치가 가능하여 순서도에 따라 PQCDS를 복구시킬 수 있습니다. 

 

DPI 도입 서비스

 

품질 문제를 해결하기 위한 현재 상황

한 부서에서 품질 문제를 해결하면 다른 부서에서 또 다른 문제를 야기하는 것을 종종 볼 수 있습니다. 이는 품질 문제가 복잡해지고 있기 때문이며, 솔루션이 최적이 아닌 차선책일 수 있습니다. 이러한 문제를 해결하기 위한 근본적인 솔루션을 만들기 위해서는 종합적으로 최적인 솔루션을 찾아야 하며, 부서 간에 경계를 넘는 의사 소통이 필수적입니다.

DPI는 데이터뿐만 아니라 사람과의 연결을 제공합니다

DPI를 사용하여 각 부서의 데이터를 결합 및 시각화하면, 모든 부서에서 품질 문제를 최적화된 방식으로 접근할 수 있습니다. DPI는 각 부서의 데이터뿐만 아니라 사람들을 연결해주는 방식을 제공합니다. YOKAGAWA는 DPI와 함께 제공되는 서비스를 통해 데이터 분석 기술을 개발하도록 지원하며, 부서 간 데이터 활용 습관을 기르는 목표를 달성합니다. YOKOGAWA의 컨설턴트들이 개선 주기가 빠르게 진행되는 이상적인 상황을 이룰 수 있도록 고객과 함께 협력하겠습니다. 

주요 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 ―

 

관련 정보

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