전 세계적으로 많은 국가들이 자국의 제조업 경쟁력 향상을 위한 목적으로 스마트 팩토리에 대한 관심 및 정책적인 지원이 증가하고 있다. 기존 제조 공장들이 스마트 팩토리로 전환을 통해 얻고자 하는 것은 다품종 대량생산, 품질향상, 생산이력 데이터의 디지털 관리 등 여러 가지가 있지만, 공통적인 목적은 이를 통해 생산성 및 제조 경쟁력을 향상시키는 것에 있다. 생산성 및 제조 경쟁력을 높이기 위해 각 기업에서는 고가의 스마트 설비 도입을 검토하고 있으나, 이들 설비의 도입은 구입 및 설치 비용 외에도 유지보수를 위한 비용이 많이 소모되며, 고장으로 인해 생산 라인이 정지되는 경우 생산성에 큰 악영향을 미치게 되는 등의 요인으로 인해 도입이 쉽지 않은 실정이다. 이에 공장의 설비종합효율(OEE, Overall Equipment Effectiveness)을 높이기 위한 방법으로, 설비의 데이터를 분석하여 이상징후를 사전에 파악하고 조치하는 예지보전(PdM, Predictive Maintenance)이 스마트 팩토리의 주요 기능으로 관심을 받고 있다. 설비 예지보전과 관련된 연구들은 과거에도 많이 제시되었지만, 설비의 상태 정보를 파악할 환경이 제대로 마련되어 있지 않아 많은 제한이 있었으며, 명확한 방향 제시 없이 다양한 ...
전 세계적으로 많은 국가들이 자국의 제조업 경쟁력 향상을 위한 목적으로 스마트 팩토리에 대한 관심 및 정책적인 지원이 증가하고 있다. 기존 제조 공장들이 스마트 팩토리로 전환을 통해 얻고자 하는 것은 다품종 대량생산, 품질향상, 생산이력 데이터의 디지털 관리 등 여러 가지가 있지만, 공통적인 목적은 이를 통해 생산성 및 제조 경쟁력을 향상시키는 것에 있다. 생산성 및 제조 경쟁력을 높이기 위해 각 기업에서는 고가의 스마트 설비 도입을 검토하고 있으나, 이들 설비의 도입은 구입 및 설치 비용 외에도 유지보수를 위한 비용이 많이 소모되며, 고장으로 인해 생산 라인이 정지되는 경우 생산성에 큰 악영향을 미치게 되는 등의 요인으로 인해 도입이 쉽지 않은 실정이다. 이에 공장의 설비종합효율(OEE, Overall Equipment Effectiveness)을 높이기 위한 방법으로, 설비의 데이터를 분석하여 이상징후를 사전에 파악하고 조치하는 예지보전(PdM, Predictive Maintenance)이 스마트 팩토리의 주요 기능으로 관심을 받고 있다. 설비 예지보전과 관련된 연구들은 과거에도 많이 제시되었지만, 설비의 상태 정보를 파악할 환경이 제대로 마련되어 있지 않아 많은 제한이 있었으며, 명확한 방향 제시 없이 다양한 사례연구 위주로 진행되어 왔다. 본 연구에서는 설비 예지보전과 관련된 스마트 팩토리 기술 수준을 분석하고, 43건의 기존 사례 연구 문헌의 고찰을 통해 향후 스마트 팩토리 환경에서의 설비의 고장 진단, 예지에 대한 연구 방향으로 Data-driven approach 방법론을 활용한 예지보전, 어플리케이션 레벨의 예지보전, 의사결정을 위한 최적 데이터 유형 및 규모 연구, 예지보전 대상 선정 연구를 제언하였다. 또한, 실제 스마트 팩토리 환경에서 설비의 예지보전에 활용이 가능한 데이터를 수집하는 실험을 통해 제언 내용에 대한 활용 가능성을 검증하였고, 이 과정에서 고장항목의 정의 및 체계적인 고장 데이터의 관리가 설비의 예지보전에 무엇보다 중요하다는 것을 알 수 있었다. 본 연구의 제언을 바탕으로 스마트 팩토리 환경에서 설비 예지보전 모델의 연구가 진행되기를 기대한다.
전 세계적으로 많은 국가들이 자국의 제조업 경쟁력 향상을 위한 목적으로 스마트 팩토리에 대한 관심 및 정책적인 지원이 증가하고 있다. 기존 제조 공장들이 스마트 팩토리로 전환을 통해 얻고자 하는 것은 다품종 대량생산, 품질향상, 생산이력 데이터의 디지털 관리 등 여러 가지가 있지만, 공통적인 목적은 이를 통해 생산성 및 제조 경쟁력을 향상시키는 것에 있다. 생산성 및 제조 경쟁력을 높이기 위해 각 기업에서는 고가의 스마트 설비 도입을 검토하고 있으나, 이들 설비의 도입은 구입 및 설치 비용 외에도 유지보수를 위한 비용이 많이 소모되며, 고장으로 인해 생산 라인이 정지되는 경우 생산성에 큰 악영향을 미치게 되는 등의 요인으로 인해 도입이 쉽지 않은 실정이다. 이에 공장의 설비종합효율(OEE, Overall Equipment Effectiveness)을 높이기 위한 방법으로, 설비의 데이터를 분석하여 이상징후를 사전에 파악하고 조치하는 예지보전(PdM, Predictive Maintenance)이 스마트 팩토리의 주요 기능으로 관심을 받고 있다. 설비 예지보전과 관련된 연구들은 과거에도 많이 제시되었지만, 설비의 상태 정보를 파악할 환경이 제대로 마련되어 있지 않아 많은 제한이 있었으며, 명확한 방향 제시 없이 다양한 사례연구 위주로 진행되어 왔다. 본 연구에서는 설비 예지보전과 관련된 스마트 팩토리 기술 수준을 분석하고, 43건의 기존 사례 연구 문헌의 고찰을 통해 향후 스마트 팩토리 환경에서의 설비의 고장 진단, 예지에 대한 연구 방향으로 Data-driven approach 방법론을 활용한 예지보전, 어플리케이션 레벨의 예지보전, 의사결정을 위한 최적 데이터 유형 및 규모 연구, 예지보전 대상 선정 연구를 제언하였다. 또한, 실제 스마트 팩토리 환경에서 설비의 예지보전에 활용이 가능한 데이터를 수집하는 실험을 통해 제언 내용에 대한 활용 가능성을 검증하였고, 이 과정에서 고장항목의 정의 및 체계적인 고장 데이터의 관리가 설비의 예지보전에 무엇보다 중요하다는 것을 알 수 있었다. 본 연구의 제언을 바탕으로 스마트 팩토리 환경에서 설비 예지보전 모델의 연구가 진행되기를 기대한다.
Many countries in the world are increasing their interest and policy support for smart factories in order to improve their manufacturing competitiveness. There are many things that existing manufacturing factories want to gain from the conversion to Smart Factory, but the common purpose is to improv...
Many countries in the world are increasing their interest and policy support for smart factories in order to improve their manufacturing competitiveness. There are many things that existing manufacturing factories want to gain from the conversion to Smart Factory, but the common purpose is to improve productivity and manufacturing competitiveness. In order to increase productivity and manufacturing competitiveness, each company is considering the smart factory and predictive maintenance. ５３ Predictive Maintenance (PdM) is which analyzes machine data to identify abnormal signs in advance and implements them as a way to increase overall equipment efficiency (OEE) of factories. Although many studies related to predictive maintenance have been researched in the past, there have been many limitations due to the lack of a proper environment for obtaining the status information of facilities. In this paper, I analyzed the level of smart factory technology related to predictive maintenance and suggested a study on the diagnosis and prognosis of equipment fault in smart factory environment through review of 43 case literatures. I confirmed the possibility of using suggestions through a experiment that collect data that can be used for maintenance of facilities in a real smart factory environment. And through this experiment, the definition of the fault item and the management of the systematic fault data were found to be important for the predictive maintenance.
Many countries in the world are increasing their interest and policy support for smart factories in order to improve their manufacturing competitiveness. There are many things that existing manufacturing factories want to gain from the conversion to Smart Factory, but the common purpose is to improve productivity and manufacturing competitiveness. In order to increase productivity and manufacturing competitiveness, each company is considering the smart factory and predictive maintenance. ５３ Predictive Maintenance (PdM) is which analyzes machine data to identify abnormal signs in advance and implements them as a way to increase overall equipment efficiency (OEE) of factories. Although many studies related to predictive maintenance have been researched in the past, there have been many limitations due to the lack of a proper environment for obtaining the status information of facilities. In this paper, I analyzed the level of smart factory technology related to predictive maintenance and suggested a study on the diagnosis and prognosis of equipment fault in smart factory environment through review of 43 case literatures. I confirmed the possibility of using suggestions through a experiment that collect data that can be used for maintenance of facilities in a real smart factory environment. And through this experiment, the definition of the fault item and the management of the systematic fault data were found to be important for the predictive maintenance.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.