제조실행시스템용 빅데이터 애널리틱스 솔루션


 

스마트공장 실현을 위해서는 현장 엔지니어가 활용할 수 있는 소프트웨어 형태의 다양한 도구의 제공이 필수적이며, 제조실행시스템 (Manufacturing Execution System; 이하 MES)은 제조공정의 효율적 관리 및 개선을 위한 핵심도구입니다.스마트공장의 중요한 역량은 제조현장 데이터의 분석을 통한 진단, 예측과 최적화를 달성하기 위한 데이터 애널리틱스(DA: Data Analytics)입니다. 이는 데이터 애널리틱스를 통해 다양한 핵심성과지표 (Key Performance Index; KPI)를 대상으로 멀티 스케일의 (근)실시간적 진단, 예측 및 최적화 모델의개발이 가능하기 때문입니다.
 

또한 알려져 있지 않던 제조 오류및 문제점을 데이터를 통해 인과관계를 밝혀 냄으로써, 문제 해결 및 성능 향상을 달성할 수있기 때문입니다. 한편, 데이터는 DA의 핵심입니다. 그러나, 제조 데이터의 특성은 DA의 적용을 어렵게 합니다.


첫째, 인간-기계-제품으로 구성되는 제조 요소는 많은 양의 데이터를 생성하고 사용함 (Volume).
둘째, 제조 데이터는 시간, 데이터 소스 및 형식의 다양성이 존재 (Variety).
셋째, 제조현장에서의 실시간 의사결정을 가능하게 하기 위한 빠른 데이터 처리 및 응답이 이루어져야 함 (Velocity)
 

이러한 제조 데이터의 특성은 기존의 관계형 데이터베이스 시스템으로는 요구성능을 달성하기 용이하지 않기 때문에, 이를 해결하기 위한 분산형 데이터 베이스 시스템과 제반 데이터 처리 기술들, 소위 빅데이터 인프라의 적용이 필수적입니다. 따라서, 빅데이터 인프라와 융합된 데이터 애널리틱스, 즉 빅데 이터 애널리틱스 (Big Data Analytics; BDA)는 최적의 생산계획 및 제어를 위해 시기적절하고 정확한 의사결정을 가능하게 하는 필수 기술입니다. 본 연구를 통하여, 제조기업용 빅데이터 애널리틱스 솔루션을 개발하고, 이를 MES내 하나의 모듈로 탑재가능하도록 내재화하여 MES의 고도화 및 고부가 가치화를 달성하고 MES 모듈로 탑재할 수 있는, 제조데이터 기반 예측 및 최적화 모델링 솔루션 개발을 목표로 함에 있습니다.
 

예측모델 (Predictive model)
통계 혹은 데이터마이닝 기법으로부터 공정제어변수(입력변수)와 KPI(출력변수)간 유의미한 상관성을 도출하고, 향후 공정 제어변수를 입력했을 때 예상 KPI를 출력하기 위한 구조체, 알고리즘 및 수식

최적화 모델 (Optimization model)
예측 모델을 활용하여 KPI 향상을 위한 최적 공정제어변수 산출을 가능하게 하는 구조체, 알고리즘 및 수식
 

이는 현존 MES의 단순 모니터링 및 관리 기능을 벗어나서, 데이터 애널리틱스라는 첨단 기능의 제공을 위함입니다. 데이터 애널리틱스의 실행을 위해 필수 적인데이터 처리를 효과적으로 지원하기 위한 빅데이터 인프라 구축이 필요합니다. 더불어, 단순히 독립적인 소프트웨어만을 포함하는 것이 아닌,제조 현장 의 문제를해결하기 위해 요구되는 일련의 모델들을 개발에 포함해야 합니다. 따라서, 애널리틱스 모델 생성을 위해 요구되는 논리적 방법론인제조 성능지표 대상 예측및 최적화 모델링 프레임워크 개발이 필수적입니다.

 


< 스마트 공장 비전>