-
- [세미나] Techniques for Bulding Data-driven Interfaces / 네이버 클로바 장민석 박사
- -주제: Techniques for Bulding Data-driven Interfaces -강사: 카카오 브레인 김세훈 박사 -장소: 성균관대 제2공학관 27111호(Live Virtual Room) -일시: 2021년 9월29일, 오후6시 -웹엑스 접속: https://skku-ict.webex.com/meet/skkuprof01 / 미팅룸 번호 : 575-693-010 ※ 코로나19로 인하여 오프라인 교육에 제약이 있어 온라인 병행 운영 ※ 닉네임을 “소속(이름)”으로 반드시 변경(예, 삼성전자(홍길동)) ※ 온라인 접속 준수사항 : Video ON, Audio OFF
-
- 작성일 2021-10-26
- 조회수 6266
-
- [세미나] Edge Computing(Fog Computing)을 활용한 스마트팩토리 / 시스코 김완수 Specialist
- -주제: Edge Computing(Fog Computing)을 활용한 스마트팩토리 -강사: 시스코 김완수 Specialist -장소: 성균관대 제2공학관 27111호(Live Virtual Room) -일시: 2021년 9월15일, 오후6시 -웹엑스 접속: https://skku-ict.webex.com/meet/skkuprof01 / 미팅룸 번호 : 575-693-010 ※ 코로나19로 인하여 오프라인 교육에 제약이 있어 온라인 병행 운영 ※ 닉네임을 “소속(이름)”으로 반드시 변경(예, 삼성전자(홍길동)) ※ 온라인 접속 준수사항 : Video ON, Audio OFF
-
- 작성일 2021-10-26
- 조회수 6214
-
- [세미나] AI 제품개발 아이템 도출 전략 / 성균관대 김경환 교수
- -주제: AI 제품개발 아이템 도출 전략 -강사: 성균관대 김경환 교수, 중기부 창업대학원 사업책임자/원장 -장소: 성균관대 제2공학관 27111호(Live Virtual Room) -일시: 2021년 9월8일, 오후6시 -웹엑스 접속: https://skku-ict.webex.com/meet/skkuprof01 / 미팅룸 번호 : 575-693-010 ※ 코로나19로 인하여 오프라인 교육에 제약이 있어 온라인 병행 운영 ※ 닉네임을 “소속(이름)”으로 반드시 변경(예, 삼성전자(홍길동)) ※ 온라인 접속 준수사항 : Video ON, Audio OFF
-
- 작성일 2021-10-26
- 조회수 6241
-
- [세미나] Super Sapiens, Super Intelligence and Future Human Innovations / 성균관대 추현승 교수
- -주제: Super Sapiens, Super Intelligence and Future Human Innovations -강사: 성균관대 추현승 교수, 과기부 ICT명품인재양성사업 사업책임자 -장소: 성균관대 제2공학관 27111호(Live Virtual Room) -일시: 2021년 9월1일, 오후6시 -웹엑스 접속: https://skku-ict.webex.com/meet/skkuprof01 / 미팅룸 번호 : 575-693-010 ※ 코로나19로 인하여 오프라인 교육에 제약이 있어 온라인 병행 운영 ※ 닉네임을 “소속(이름)”으로 반드시 변경(예, 삼성전자(홍길동)) ※ 온라인 접속 준수사항 : Video ON, Audio OFF
-
- 작성일 2021-10-26
- 조회수 6217
-
- 박정수 교수의 현미경 '스마트팩토리'-[102] '대량 맞춤화' 제조전략
- [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 제4차 산업혁명, 인더스트리 4.0과 스마트 팩토리 개념이 대중화되면서 기존 제조 현장의 혁신, 자동화, 인공지능을 활용한 자율화를 통해서 시장과 고객 요구에 대한 더 나은 대응 역량을 향상시켜야 하는 필요성이 커지고 있다. 특히 지능형 시스템과 플랫폼 경영을 목표로 하는 뉴노멀(new normal)의 새로운 제조 패러다임(new manufacturing paradigm)으로의 전환을 목격하게 될 것이라는 인식이 점점 커지고 있다. 제조 산업의 가치 창출은 지난 2세기 동안 1차, 2차, 3차 산업혁명을 거치면서 급진적인 진화의 대상이자 제조 산업의 목적 함수였다. 또한 4차 산업혁명에 의한 스마트 팩토리는 제조 현장의 아날로그와 디지털이 사람 중심 사이버 물리 시스템(human Cyber Physical System)에 의해서 실시간으로 피드백(feed-back)되고 융합하여 새로운 기능을 창의(創意)하는 뉴 노멀(new normal) 산업 혁명이며 기존 제조 패러다임을 파괴하고 글로벌 제조의 새로운 효율성, 생산성, 안전성, 수익성, 그리고 시장 대응 역량을 과거와 다르게 변화시키고 있다. 이러한 맥락에서 CPPS(Cyber Physical Production System, 사이버-물리적 생산 시스템)의 개념에 초점을 맞추고 이 전환의 세 가지 핵심적이고 필수적인 동인(動因)인 “데이터 기반 제조”, “분산 제조 및 통합”에서 CPPS의 역할에 대한 전반적인 관점에서 관찰력(insight)을 발휘하여야 하고, 특히 데이터 보안을 위한 블록체인 기술을 활용하여 데이터 기반 모델링(data-driven modeling)의 적용을 통해, CPPS는 제조를 보다 직관적이고 자동화(intuitive and automated) 되도록 혁신하는 데 도움이 될 것이다. 물론 CPPS는 데이터 관리 기술 기반 피드백(feed-back) 기능이 핵심이다. 데이터 기반의 자동화된 제조, 스마트 팩토리는 제조의 분산화를 가능하게 하여 과거 집중화에 의한 소품종 대량생산에서 다품종 소량생산을 가능하게 하는 제조 현장의 시장 대응력을 좌우하는 유연성이 증대될 것이다. 더 나아가 그것은 개인화 맞춤(bespoke)에 대한 시장의 요구를 대응하는 핵심이 분산화로부터 발현되는 제조 유연성이기 때문이다. 즉 제조의 분산화는 유연성을 향상시키는 기본이며 모듈화(modulization)는 좋은 예이다. 또한 CPPS(사이버-물리적 생산 시스템)에 블록체인 기술을 층층이 쌓아가면(layering) 분산 시스템(decentralized systems) 전반에 걸쳐 데이터 공유 및 통합이 가능해지고 데이터의 안정성과 보안이 보장될 것이다. 아래 그림은 데이터 기반 제조가 자동화 및 연결된 엔터티(connected entities)를 통해 분산된 제조를 가능하게 하는 CPPS에 의해 활성화된 스마트 팩토리의 구조화된 계층. 분산된 제조 시스템의 하위 시스템은 서로 배타적이지만 개별 엔터티(individual entities)와 데이터를 수신하고 교환하여 정보에 입각한 결정을 내린다. 이러한 데이터와 정보의 공유는 블록체인 기술을 필요로 하며, 이는 점진적으로 투명하고 안전한 스마트 제조 생태계를 가능하게 한다. 자동화 및 스마트 제조 기술을 위해 다양한 사이버 기술과 물리적 시스템(기계 및 인간)의 통합으로 구동되는 공장의 미래를 보여주고 있다. 원본보기 제4차 산업혁명의 기술 수단으로써 지능정보통신기술(IICT, Intelligence Information Communication Technology), 무선 네트워크 및 클라우드 컴퓨팅, 사물 인터넷(IoT)의 발전과 행동 인터넷(IoB)에 의한 메타버스(metaverse) 세계로의 확장으로 인해 다양한 산업 영역, 특히 동적(動的) 서비스(MaaS)를 위한 행동 데이터(behavior data)에 연결하고 사용할 수 있는 전례 없는 산업의 기회(機會)가 생겨나고 있다. 또한 머신 러닝, 딥 러닝, 강화 학습, 지식 그래프를 포함한 인공 지능(AI) 알고리즘, 즉 각종 소재 부품 장비의 지능화를 위한 사용 설명서의 데이터 세트(data set) 등장으로 제조 시스템의 운영 및 제어가 보다 직관적이고 지능적이며 모든 것이 실시간 기반으로 피드백(feed-back) 되어 속효성이 향상되고 있다. IIoT(산업용 사물 인터넷), 클라우드 컴퓨팅, 에지 컴퓨팅 및 포그 컴퓨팅과 같은 기술을 사용하면 리소스가 제한적이고 분산된 산업용 장치 및 시스템이 명시적인 통신 및 조정을 통해 강력한 컴퓨팅 기능을 얻을 수 있으므로 거의 실시간으로 피드백이 가능해지고 있다. 그러므로 데이터 기반 의사 결정이 새로운 컴퓨팅 기술의 수용과 함께 강력하고 지속적인 시장 욕구와 개인화 맞춤(bespoke) 제품에 대한 강력한 추진은 제조 관행의 추세 변화에 영향을 미치고 있다. 최근 몇 년 동안 자동차 부문에서 채택된 모듈화 제조 개념이 좋은 예다. 자동차 생산 현장의 모듈화를 위해서는 동일한 자동차 부품을 기존 조립 라인에서 대량 생산해야 한다. 각 모델과 제품에 고유한 특성을 부여하기 위해 맞춤형 모듈이 추가되는 것은 마무리 단계(즉, 조립 라인의 마지막 단계)에서만 가능하다. 즉 제조의 분산화(탈 중앙화)가 실현되고 있는 것이다. 물론 바이오 산업에서 합성 공정과 배양 공정의 분산화는 오랜 역사를 갖고 있으며 최근에는 지역과 공장을 완전체로 분산하여 제조 거점을 새로운 제조 전략으로 실현하고 있는 것도 모듈화 제조의 좋은 예이다. 따라서 대량 생산은 고유한 제품, 소품종 대량생산을 대규모로 생산하여 규모의 경제와 마케팅 관점의 푸시 전략(push strategy)을 전개하는 공급자의 기본적인 제조 전략이다. 개인화 맞춤과 함께 다양한 시장의 요구는 기존의 중앙 집중화되어 있는 제조 라인의 비용 구조를 제조 분산화를 기반으로 동적 배치 크기와 효율성을 고도화하여 개인화된 제품을 생산함으로써 ‘대량 맞춤화’ 제조 전략(製造 戰略), 즉 마케팅 관점의 풀 전략(pull strategy)을 가능케하는 스마트 팩토리 구축을 제안하고 있다. 특히, 최근 디지털화와 네트워크(ICT 및 AI) 기술의 융합은 개인화 또는 맞춤형 제품 생산의 대량 맞춤화 추세를 선도하고 있으며 기존 제조 패러다임에 격변(激變)을 촉발하고 글로벌 제조를 보다 스피드하고 보다 스마트하게 전환하는 것을 목표로 한다. 위 그림에 표시된 것처럼 자체적으로 제조 현장이 자동화되고 있을 뿐만 아니라 분산화되고 있기 때문에 동적인 데이터에 대한 보안이 강조되고 있다. 그것이 바로 MaaSS(Mobility as a Security Services)이다. 그러므로 사이버-물리적 생산 시스템(CPPS)에 대한 광범위한 활용 영역을 제시하는 스마트 팩토리의 본원적 기능은 동적 기반 서비스(MaaS)이기 때문이다. 따라서 CPPS가 차세대 제조 시스템, 스마트 팩토리의 핵심 요소로 작용할 것이다. CPPS를 통한 스마트 팩토리에서 실시간 기반 피드백을 실현하여야 시장과 고객의 요구를 대응할 수 있을 것이다. 즉 실시간으로 고객의 요구에 대응하기 위해서는 데이터 관리 기술이 내재화되어 활성화되어야 한다. 특히 스마트 팩토리의 세 가지 핵심 관점(view point)은 ① 데이터 기반 모델링, ② 탈 중앙화(decentralization) 시스템, ③ 데이터 보안을 위한 통합 블록체인 기술을 활용하는 것이 제조 데이터 기반(基盤) 스마트 팩토리 구축의 추세(趨勢)이다. 스마트 팩토리에서 획득된 데이터를 해킹과 산업 스파이 활동으로부터 보호하는 문제는 매우 중요하다. 사물인터넷(IoT) 디바이스와 데이터는 스마트 팩토리의 필수적인 요소이면서, 데이터 보안에 있어서 주된 취약 지점이 될 수 있다. 데이터를 수집하고 저장하는 각각의 IoT 디바이스나 데이터가 해커들에게 매력적인 표적이 될 수 있으며, 해커가 IoT 디바이스만 뚫더라도 다른 연결된 디바이스들로 침투할 수 있다. 해커가 데이터나 시스템 자체를 인질로 삼아서 보상금을 요구할 수도 있다. 탈취된 데이터를 경쟁사에 팔아넘길 수도 있다. 또 어떤 경우에는 해커가 전체 플랜트(plant)를 장악할 수도 있다. 산업용 시스템을 보호하기 위해서는 RoT(root of trust)를 구축하는 것이 중요하다. 이렇게 함으로써 네트워크 내의 각각의 노드(node)들로 변경될 수 없는 신원을 부여하고 어떠한 데이터를 전송하기 전에 서로 간에 인증을 할 수 있다. 보안 부트 메커니즘은 부트 업 시퀀스 시에 유효한 출처로부터 왔고 어떤 식으로든 무단 조작되지 않은 코드만 실행되도록 함으로써 네트워크를 부정한 펌웨어 업데이트로부터 보호해야 한다. 공용 키 데이터 암호화(RSA나 산업용 노드로 많이 사용되는 ECC 기반)는 “중간자 공격”을 방어할 수 있다. “화이트 햇” 해커와 협력해서 멀웨어를 잡아내는 것도 가능하다. 지정된 애플리케이션 프로그래밍 인터페이스(API)로 소프트웨어 개발자가 할 수 있는 선택들을 제한함으로써 해커 공격에 노출되는 표면을 줄일 수 있다. 그러므로 스마트 팩토리로 설계 단계에서부터 정보 보안을 고려해야 한다. 스마트 팩토리는 MaaS(Mobility as a Services)이기 때문에 정보 보안이 더 중요하다. 따라서 동적인 MaaS(Mobility as a Services)를 실현시키기 위해서는 모든 솔루션(solution)과 산업 기술에 대한 정보 보안 관리, 즉 동적인 제조 환경에서의 산업 기술 유출과 정보 보호 및 보안 관리가 중요해지고 있으며 그 대안으로 블록체인 기술을 활용하는 방안이 모색되어야 한다. 즉 MaaSS(Mobility as a Security Services)의 동적인 경제활동에 따른 지속 가능한 보안 관리를 구현하여 모든 솔루션(solution) 영역에서 내재화 기술이 요구되고 있다.
-
- 작성일 2021-10-25
- 조회수 6119
-
- [연구] 석사과정 임동균, SCI 논문지(MDPI Processes/Q2) 게재
- 석사과정 임동균 학생(지도교수 : 정종필)의 연구(A Data-Centric Approach to Design and Analysis of a Surface-Inspection System Based on Deep Learning in the Plastic Injection Molding Industry)가 MDPI Processes(Impact Factor: 2.847 (2020); 5-Year Impact Factor: 2.824 (2020))에 게재됐다. https://www.mdpi.com/2227-9717/9/11/1895 / https://doi.org/10.3390/pr9111895 논문요약 - Manufacturers are eager to replace the human inspector with automatic inspection systems to improve the competitive advantage by means of quality. However, some manufacturers have failed to apply the traditional vision system because of constraints in data acquisition and feature extraction. In this paper, we propose an inspection system based on deep learning for a tampon applicator producer that uses the applicator’s structural characteristics for data acquisition and uses state-of-the-art models for object detection and instance segmentation, YOLOv4 and YOLACT for feature extraction, respectively. During the on-site trial test, we experienced some False-Positive (FP) cases and found a possible Type I error. We used a data-centric approach to solve the problem by using two different data pre-processing methods, the Background Removal (BR) and Contrast Limited Adaptive Histogram Equalization (CLAHE). We have experimented with analyzing the effect of the methods on the inspection with the self-created dataset. We found that CLAHE increased Recall by 0.1 at the image level, and both CLAHE and BR improved Precision by 0.04–0.06 at the bounding box level. These results support that the data-centric approach might improve the detection rate. However, the data pre-processing techniques deteriorated the metrics used to measure the overall performance, such as F1-score and Average Precision (AP), even though we empirically confirmed that the malfunctions improved. With the detailed analysis of the result, we have found some cases that revealed the ambiguity of the decisions caused by the inconsistency in data annotation. Our research alerts AI practitioners that validating the model based only on the metrics may lead to a wrong conclusion.
-
- 작성일 2021-10-24
- 조회수 6215
-
- [과학기술정보통신부] 혁신성장 청년인재 집중양성 사업 '디지털트윈 실무자양성' 참여자 모집 안내
- 2021 과학기술정보통신부 주관 혁신성장 청년인재 집중양성 사업에 학과협약기업 (주)유비씨가 주관기업으로 선정, 스마트팩토리융합학과에서 참여기업으로 선정되어 이에 참여자 모집 안내드리오니 관심있으신 분들의 많은 참여 바랍니다. ○ 내용 : 디지털 트윈(가상공간을 활용한 현실 사물 구현 및 시뮬레이션 기술) 실무 중심 개발자 양성 ○ 모집인원 : 24명 ○ 모집대상 : 전문학사 이상 졸업자 및 만 34세 미만의 IT분야 취업 희망자(미취업 상태 구직자, 학부 전공 무관) ○ 모집기간 : 1차 서류전형, 2차 면접일정 진행 - 1차 모집일정 : 2021.10.18. ~ 2021. 10. 29. - 2차 모집일정 : 2021.10.30. ~ 2021. 11. 20. ○ 교육내용 : 이론교육, 실무교육 및 프로젝트 진행(4인 1조 + 멘토 1명) ○ 지원사항 : 교육비 전액 국비지원(과기부 국가지원금 100% 지원, 약 1700만원) 및 취업연계 지원 ○ 문의사항 : (주)유비씨 김해운 교육사업팀장 070-4754-6307 '디지털 트윈 부트캠프' 홈페이지 바로가기 '디지털 트윈 부트캠프' 인스타그램 바로가기 '디지털 트윈 부트캠프' 페이스북 바로가기
-
- 작성일 2021-10-21
- 조회수 6201
-
- 박정수 교수의 현미경 '스마트팩토리' -[101]유방암 오진율을 3.5%에서 0.5%로 낮춘 AI의 위력
- [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 모든 산업이 힘들다. 과거 성공한 방법으로는 경쟁우위를 유지하기가 힘든 상태를 산업혁명이라고 한다. 산업혁명 시기에는 현재 어려운 기업뿐만 아니라 잘나가는 기업도 변화 관리를 철저히 해야 한다. 모든 산업이 이대로는 앞날이 어렵다는 시그널이 산업혁명이다. 과거 동력, 컴퓨터 파워, 인터넷 등장 등 그 시기마다 수많은 전문가들은 새로운 산업혁명에 대해서 대처방안을 모색하기 바빴다. 우리나라도 최근 “저성장의 만성화 · 사회 문제의 심화”에 따른 경제 · 사회의 구조적 복합적인 위기에 직면하고 있다. 특히 장기적인 경제 성장력 저하가 우려되는 가운데 청년 실업 등 고용 문제가 가장 큰 사회 문제로 부상하고 있다. 그럼에도 불구하고 대부분의 전문 기관들은 글로벌 10위권에 진입했다고 보고서를 작성하고 홍보 아닌 홍보를 하고 있다. 현실을 직시해 보면 과연 우리나라가 스스로 자생력을 가지고 높은 선진국 수준의 경제력을 보유하게 되었는지 질문해 봐야 한다. 혹시 우리나라가 잘 한 부분보다는 다른 나라들의 부진이 우리나라의 경제 순위를 상승시킨 부분도 지적할 필요성은 엄연히 존재하고 있다고 생각한다. 우리는 지금까지 경제 성장에만 관심을 가지고 사회 문제 해결에 대한 관심이 상대적으로 적었다. 때문에 국민의 QOL (삶의 질) 향상에서 괴리(乖離) 성장이라는 비판을 받고 있다. 최근 10 년간의 통계에 따르면 GDP가 28.6 % 증가하여도 삶의 질(QOL) 지수는 11.8 % 상승에 그쳤다 (통계청, 2017 년) 한편, 제4 차 산업 혁명은 지능화 혁명을 기반으로 “경제 · 사회의 구조적 과제”를 동시에 해결할 수 있는 혁신적인 성장의 새로운 모멘텀으로 주목받고 있다. 특히 제 4 차 산업 혁명은 산업 구조, 고용 구조, 국민 생활 등 국가의 경제 · 사회 전반에 걸친 대변혁을 가져오기 때문에 대응 여하에 따라 국가의 미래 경쟁력을 좌지우지(左之右之) 할 수 있을 것이다. 우리나라뿐만 아니라 세계 주요국도 제4 차 산업 혁명에서 경쟁 우위에 서기 위해 경쟁하는 가운데, 지능화 · 융합화에 따른 경제 · 사회 전반의 혁신이 요구되고 있으며 모든 산업에 있어서 과거 다른 뉴 노멀(new normal) 산업 정책과 기업 정책을 디자인하고 실행에 옮기고 있다. 미국의 인공지능 연구 개발 전략 계획 (2016 년 10 월)과 인공 지능, 자동화, 그리고 그에 따른 다양한 경제 정책들, 그리고 독일의 첨단 기술 전략 (2010 년 7 월)과 인더스트리 4.0 (2011 년 4 월 ) 정책이 좋은 예이다. 제4 차 산업 혁명을 위기가 아닌 새로운 기회가 될 수 있도록 과거의 산업화(제 2 차 산업 혁명)에서는 일본이나 독일에 뒤지고 있었지만, 정보화(제 3 차 산업 혁명)에 성공한 훌륭한 경험을 살려, 우리의 강점인 글로벌 과학 기술과 정보통신기술(ICT) 역량을 바탕으로 실질적인 제 4 차 산업 혁명을 선도하고 혁신적인 성장을 적극적으로 추진하여, 이에 따른 경제 성장의 성과를 전 국민에게 분배하는 ‘사람 중심의 경제’로 도약을 앞당길 필요가 있다.
-
- 작성일 2021-10-18
- 조회수 6023
-
- 박정수 교수의 현미경 '스마트팩토리' -[100]스마트팩토리 실현의 열쇠
- [박정수 성균관대 스마트팩토리 융합학과 겸임교수] 제조 현장의 지능화를 가속시키는 IoT(사물 인터넷)와 IoB(행동 인터넷)의 인공지능(AI) 서비스 기반 스마트 팩토리 구축이 주목받고 있다. 제조업의 생산성과 품질을 비약적으로 향상시키는 것을 목적으로, 인공지능(AI)를 활용한 제어 및 정보를 융합하여 생산 현장의 “지능화”를 가속시키는 IoT와 IoB 서비스 기반 스마트 팩토리 구축이 각광(脚光)을 받고 있는 것이다. 4차 산업혁명이 몰고 온 메타버스(metaverse)와 빅데이터 관리 기술 등 최근 제조 현장을 둘러싼 환경은 크게 변화하고 있다. 예를 들어, 제품의 고기능화 및 디자인의 다양화와 고품질화의 진전에 따라 제조 현장에서는 조립의 고정밀화와 유연성 향상이라는 과제를 해결해야 한다. 즉 시장과 고객의 요구가 개인화 맞춤(bespoke) 형 등 점점 까다로워지고 있기 때문에 제조 현장의 대응 역량을 강하하기 위해서라도 스마트 팩토리를 구축해야 한다. 따라서 제조 현장에서는 시스템(MES, ERP, PDM 등)과 로봇 등 혁신적인 시스템과 장비를 도입했던 과거와 다른 새로운 혁신을 요구하고 있다. 특히 인공지능, IoT, IoB, 지능형 장비 등 지능형 “자동화”에 큰 기대가 모아지고 있지만, 실제로 IoT와 IoB를 활용한 구체적인 생산성 향상 및 고도화는 아직 미진하다. 그 까닭은 아직도 과거처럼 시스템 구축이 스마트 팩토리 구축으로 생각하는 전문가 집단이 엄존(儼存)하기 때문이다. 왜냐하면 시스템과 프로세스(process)에 사람을 적응시키는 것이 과거 시스템 구축이었다면, 4차 산업혁명 시대는 사람에게 시스템을 적용시키는 데이터 기반 사람 사이버 물리 시스템(h-CPS)의 스마트 팩토리 시대를 요구하고 있기 때문이다. 그러므로 제조업은 “integrated (통합제어)”, “intelligent (지능화)”, “interactive (인간과 기계의 새로운 상호작용과 협력)”라는 3위 일체(3位一體)로 구성된 전략 개념, 즉 지능형 자동화 또는 자율화(autonomization) 아래, 제조 현장의 혁신을 구현해야 한다. 스마트 팩토리 실현의 열쇠가 되는 제조업 현장 intelligent (지능화)를 추진하여, 제조 현장의 지능화를 가속화하고 생산성과 품질 향상, 그리고 시장 대응력 향상을 지속 가능하도록 제조 환경과 문화를 만들어 가야 한다. 그 일환으로 제조 현장의 작업 방법과 아날로그 기술에 디지털 기술을 접목하여 제조 경쟁에 살아남기 위해서 디지털 전환 (DX)의 가속 페달을 밟아야 한다. 왜냐하면 그것이 고객과 시장 대응 역량을 구현해야 하는 과제이기 때문이다. 그 배경에는 급속한 시장 수요의 변화, 개인화 맞춤(bespoke)에 대한 대응과 업무의 자동화 및 원격화 등 대부분의 제조업들이 코로나 재난에 의해 맞닥뜨려진 뉴 노멀 시대를 대비해야 하는 혁명적으로 강요된 현실이다. 그러나 디지털 전환(DX)을 도입 추진하고자 하여도 구체적으로 무엇부터 시작해야 할지 모르겠다는 목소리가 많다. 작업 효율과 수율을 높이거나 설비의 보전 작업 시간을 줄이거나 같은 목표를 가지고도 이를 달성하기 위한 데이터조차 축적되지 않은 상태의 기업도 적지 않다. 그게 제조업의 현실이다.그래서 제조업의 디지털 전환(DX) 추진하기 위해서 디지털 기술과 데이터를 활용한 스마트 공장화를 포괄적으로 지원하는 솔루션이 필요하다. 3차 산업혁명까지는 시스템에 사람을 맞추는 프로세스 정교화가 필요했다면 4차 산업혁명은 각종 시스템과 데이터 관리 기술을 사람에 맞추라는 패러다임 시프트를 요구하고 있다. 그것이 바로 IoT, IoB, 인공지능(AI), 그리고 빅데이터 관리 기술이다. 또한 그 중심에 사람의 역량 강화가 강조되고 있는 것이다. 작업의 가시화 및 데이터 수집에서 시작, 분석 및 개선 방안 수립을 통해 제조 현장의 전체 최적화에 이르는 세 가지 단계로 구성된 스마트 팩토리 솔루션(solution)의 문제 해결은 결국 사람이 중심이 되어 해결해야 한다. 그래서 인재, 현장 전문가 육성이 시급하다. 우선적으로 스마트 팩토리 구축 목적은 “제조 공정의 가시화”를 실현하는 것이다. 제조 현장의 가시화는 제조 현장 전문가 중심으로 진행되어야 한다. 가시화의 핵심 기술은 IoT 솔루션이다. 이를 구축 · 운용하여 제조 공정의 효율화를 실현하기 위해서는 현장 전문가 중심으로 혁신을 진행해야 한다. 구체적으로는 생산 라인에서 기능 시험 공정 및 수리 공정의 적정화를 실시하여 출하 지연에 따른 추가 운송 비용을 억제함으로써 운송 비용을 30 % 이상 절감할 수도 있을 것이다. 제조 라인의 가시화 효과는 무궁무진(無窮無盡)하다. 오류가 감지된 기능 시험 공정에 관련된 현장 작업자의 작업 내용과 사용된 기구, 시험 대상 제품의 현황을 종합적으로 분석하고 오류가 감지된 원인을 설명할 수 있어야 한다. 그러나 지금까지 기능 시험 공정에서의 작업 상황의 가시화가 불충분했기 때문에 원인을 확인하고 그에 대한 재발 방지 대책을 강구하지 못하고, 결과적으로 수리 대상 제품이 추가로 발생한다는 제조 현장을 개선해야 한다. 즉 무결점 생산을 실현하는 것이 스마트 팩토리의 가시화 목표이기 때문이다. 개인화 맞춤으로 제조된 제품에 결함이 발생하면 과거와 다르게 치명적인 일수밖에 없다. 또한 수리 공정에서는 수리 대상 제품의 수리 라인에서의 위치나 체류 상황, 개별 제품의 배송 기간 정보의 실시간 가시화도 이루어지고 있지 않았기 때문에 우선적으로 작업을 수행할 제품의 분리가 수없이 예정되어 출하 기간을 초과하기 때문에 수송 트럭의 추가 알선 비용이 발생될 수 있다. 그렇기 때문에 IoT(사물인터넷) 기술을 활용해서 다품종 소량 생산 공장, 즉 스마트 팩토리에서 작업 진행 가시화와 작업 개선을 지원할 수 있어야 솔루션이라고 할 수 있을 것이다. 스마트 팩토리에서 IoT 기술을 활용하여 생산 현장의 작업 진행 상황을 실시간으로 가시화하는 “진행 · 가동 시간 모니터링 솔루션”과 대책 우선순위가 높은 병목 현상 작업의 조기 개선을 지원하는 현장의 “작업 개선 지원 솔루션”을 지속 가능하게 제공할 수 있어야 한다. 따라서 제조 현장에서 작업 진행의 가시화와 병목 작업의 조기 개선을 IoT 기술을 활용하면 가능해질 것이다. 그래서 스마트 팩토리는 모든 것이 사람 중심 사이버물리시스템(h-CPS), 즉 플랫폼 기반으로 구현되어야 한다. IoT뿐만 아니라 행동 인터넷(IoB) 기술을 활용하여 생산 현장의 작업 진행을 실시간으로 가시화하는 진행 · 가동 시간 모니터링과 대책 우선순위가 높은 병목 현상 작업의 조기 개선을 지원하는 작업 개선 지원의 기능을 제공할 수 있어야 한다. 제조업의 IoT 플랫폼을 구현하는 것은 스마트 팩토리 구축의 시작이며, 특히 다품종 소량 생산 공장에서 생산 리드 타임 단축하는 주요 기능으로 자리매김하고 있다. 스마트 팩토리 성공적인 구축을 위해 목표를 수립하는 것이 중요하다. 스마트 팩토리 구축 과정을 성과 구간별로 가시화하여 핵심성과지표(KPI)를 설정하는 것이 무엇보다 중요하다. 그것은 IoT와 IoB 기술을 활용하여 제조 KPI(Key Performance Indicator 핵심성과지표)를 일원적으로 시각화하는 제조 경영 가시화의 수단으로 경영 대시 보드(dash board)를 통해 피드백(feed-back) 기능을 강화해야 한다. 아래 그림은 스마트 팩토리 구축 프로젝트 목표관리(MBO)를 위한 핵심 성과관리(KPI)에 대한 관리 항목들을 제시하고 있다.
-
- 작성일 2021-10-12
- 조회수 5996
-
- 박정수 교수의 현미경 '스마트팩토리'-[99]스마트팩토리가 코로나시대 절실한 까닭
- 박정수 교수의 현미경 '스마트팩토리'-[99]스마트팩토리가 코로나시대 절실한 까닭
-
- 작성일 2021-10-06
- 조회수 6004