[논문]제조실행시스템에의 빅데이터 적용방안에 대한 탐색적 연구

노규성; 박상휘

doi:10.14400/jdpm.2014.12.1.305

제조실행시스템에의 빅데이터 적용방안에 대한 탐색적 연구
An Exploratory Study on Application Plan of Big Data to Manufacturing Execution System 원문보기

디지털융복합연구 = Journal of digital convergence, v.12 no.1, 2014년, pp.305 - 311

노규성 (선문대학교 경영학부) , 박상휘 (한국외국어대학교 경영정보학과)

초록
AI-Helper

제조업에서는 경쟁우위 확보를 위해 일찍이 설계, 생산 과정의 자동화와 정보시스템을 도입하였다. 대표적인 정보시스템 중 하나가 제조실행시스템(Manufacturing Execution System)인데, 이러한 제조실행시스템은 진화를 거듭해 왔다. 최근 빅데이터가 등장하면서 MES도 빅데이터 적용 방안이 모색되고 있다. 이에 본 연구는 먼저 제조 분야에서의 빅데이터 활용에 대한 선행 연구 및 사례 분석을 토대로 MES에의 빅데이터 적용모델을 제안할 것이다.

Abstract ▼ AI-Helper

The manufacturing industry early have been introducing automation and information systems of the engineering and production process for getting competitive advantage. one of the typical information systems is MES(Manufacturing Execution System) and it keeps evolving. As Big Data showed up nowadays, application method of Big Data to MES is also being sought. First, this study will do preceding research and cases study on the application of Big Data in the manufacturing industry. Then, it will suggest application Plan of Big Data to MES.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 선행 연구와 관련 사례 분석을 통해 제조실행시스템에의 빅데이터 활용 방향을 제시하였다. 생산과정에서 수집되는 데이터에 의해 수행되는 제조실행시스템은 빅데이터를 적용하는데 있어 다른 정보시스템보다 수월하다는 장점이 있다.
이상의 선행 연구 및 사례에 대한 분석을 기반으로 본연구에서는 제조실행시스템의 빅데이터 활용 방안에 대한 시사점을 정리하고자 한다.
이에 본 연구는 제조 분야에서의 빅데이터 활용에 대한 선행 연구 및 사례 분석을 통하여 MES에의 빅데이터 적용모델을 방안을 제안하고자 한다.
기존 제조실행시스템이 경영정보,제품개발정보, 품질정보 등 주로 기업 내부의 정형 데이터를 주로 취급했다면, 이제는 고객 VOC, 시스템 로그 정보와 같은 비정형 데이터와 판매실적, 경쟁사 정보, 시장 동향, 각종 소셜 미디어 등의 기업 외부 데이터 등 범위를 확장하여 생산 공정의 최적화를 추진해야 한다는 것이다. 이에 본 연구는 제조실행시스템의 네 가지 기능을 중심으로 각 기능에서 분석에 사용할 수 있는 내부/외부 및 정형/비정형 데이터의 종류를 제안하였다. 물론 세부 제조 분야에 따라 차이는 존재하겠지만, 어느 기업에서나 기본적으로 존재할 수 있는 데이터 위주로 정리를 하였으므로 향후 빅데이터 기반 제조실행시스템 개발에 좋은 지침이 될 것으로 기대된다.

제안 방법

델 컴퓨터는 그들의 온라인 주문시스템의 효율성을 높이기 위해 클릭스트림(clickstream) 데이터, 마우스 움직임 추적, 모든 방문자들의 방문 경로 등의 데이터를 수집하여 분석을 실시하였다. 분석 결과 소비자들이 주문을 완료하기까지 평균 30～40번 마우스 클릭을 하는 것으로 나타났고, 분석팀은 홈페이지 개편을 통해 5번의 클릭으로 주문을 완료할 수 있도록 하였다.
덴마크의 풍력 발전 터빈 및 풍력단지 설비 제조업체인 베스타스는 세 시간에 한 대의 풍력 발전 터빈을 생산하는 세계 1위의 기업이다. 베스타스는 최적의 풍력 발전소 부지를 선정하기 위해 날씨, 조수 간만의 차, 위성 이미지, 지리 데이터, 날씨 모델링 조사, 산림지도, 해상지도 등 페타바이트 규모의 데이터를 수집하여 분석을 실시한다. 그 결과 기존 27 제곱킬로미터 단위로 분석되었던 후보지 넓이를 10 제곱미터 수준으로 대폭 감소시킬 수 있었고, 기상 예측 정보에 대한 반응 시간이 한 주에서 한 시간으로 줄이는 효과를 나타내었다[11].
장영재는 그의 연구에서 제조 산업에서의 빅데이터의 정의는 규모(Volume), 다양성(Variety), 속도(Velocity) 등의 특징을 가진 데이터라는 기존 정의보다 확장된, 복합적인 데이터 분석을 통하여 제조 공정에 대한 새로운 통찰력을 얻고 이를 통해 생산성 및 품질을 높이는 작업,인력, 비즈니스 프로세스를 통합한다는 의미로 정의하였다. 이러한 정의를 토대로 그는 제조업에서 활용가능한 빅데이터의 범주를 크게 제조 장비 데이터, 운영 통합 데이터, 고객 경험 데이터 등 크게 세 부분으로 나누었다. 제조 장비 데이터는 제조 운영상에서 생성되는 운영데이터로 대표적으로 장비로그 데이터와 같은 유형의 데이터가 이에 해당된다.
Groger, Niedermann, Mitschang은 제조업체들의 지속적인 프로세스 개선을 위해서 판매, 마케팅 등과 같은 운영 데이터와 제조 프로세스 데이터를 통합하여 분석함으로 생산과 관련된 전반적인 상황을 파악할 수 있도록 해야 한다고 주장하였다. 이를 위하여 제조 관련 데이터가 MES에 투입되기 전 데이터 통합, 프로세스 분석, 프로세스 최적화와 같은 처리 과정을 제안하였다. 데이터 통합 단계에서는 제조 공정상 생성된 데이터와 ERP 등에서 수집된 운영 데이터가 제조 웨어하우스(Manufacturing Warehouse)에 통합되어 저장되면 프로세스 분석 단계에서 제조 리포지토리(ManufacturingIngiht Repository), 데이터 마이닝, 그래프 분석, 메트릭스 관리(metrics management) 등의 기술을 통해 분석이 되고, 그 결과를 이용하여 그 다음 단계에서 최적화 된 프로세스가 도출되게 된다.
그러나 초기의 ERP 시스템은 수시로 변화하는 생산공정에 대한 확인 및 대응이 어려운 구조였다. 이를 해결하기 위해 ERP 시스템과 MES를 통합적으로 도입하는 방안이 제시 및 실현되었다. 그러나 품질 경쟁의 심화는 MES를 구축하는데 있어 새로운 형태의 기능을 계속해서 요구하고 있다.

이론/모형

이는 선행연구의 결과를 바탕으로 분류된 빅데이터 활용 분야별 필요 데이터와 그 데이터를 분석하기 위한 분석 기법들, 그리고 분석 결과의 영향 등에 대해서 정리된 것이다. [Table 2]의 양식은 Chen, Chiang, Storey의 연구에서 활용한 것을 참고하였다[1].

성능/효과

베스타스는 최적의 풍력 발전소 부지를 선정하기 위해 날씨, 조수 간만의 차, 위성 이미지, 지리 데이터, 날씨 모델링 조사, 산림지도, 해상지도 등 페타바이트 규모의 데이터를 수집하여 분석을 실시한다. 그 결과 기존 27 제곱킬로미터 단위로 분석되었던 후보지 넓이를 10 제곱미터 수준으로 대폭 감소시킬 수 있었고, 기상 예측 정보에 대한 반응 시간이 한 주에서 한 시간으로 줄이는 효과를 나타내었다[11].
마지막으로 마케팅 및 판매,애프터 서비스 단계에서는 고객과의 의사소통에 대한 데이터를 활용하여 실시간으로 제품의 결함 관리 및 생산 프로세스 조정이 가능하다. 또한 제품에 내재된 센서에서 전송하는 데이터를 분석하여 제품에 대한 안전한 배송이 가능해졌다. 이러한 빅데이터 분석을 통해 설계와 생산 단계에서는 각각 50% 비용 절감 효과를 낼 수 있고 7%의 수익 증가 효과를 낼 수 있을 것으로 전망했다[7].
델 컴퓨터는 그들의 온라인 주문시스템의 효율성을 높이기 위해 클릭스트림(clickstream) 데이터, 마우스 움직임 추적, 모든 방문자들의 방문 경로 등의 데이터를 수집하여 분석을 실시하였다. 분석 결과 소비자들이 주문을 완료하기까지 평균 30～40번 마우스 클릭을 하는 것으로 나타났고, 분석팀은 홈페이지 개편을 통해 5번의 클릭으로 주문을 완료할 수 있도록 하였다. 개편을 통해 델컴퓨터는 3,500만 달러 규모의 수익 영향이 발생한 것으로 분석되었다[4].
MES의 핵심 기능 중의 하나는 현장의 데이터를 네트워크를 통하여 실시간으로 수집하는 기능이다. 이 기능을 활용하여 제조업체는 데이터에 기반한 생산계획의 최적화, 재고의 최소화, 제품 품질의 향상 등 전반적으로 생산성을 높이는 효과를 볼 수 있었다.
또한 제품에 내재된 센서에서 전송하는 데이터를 분석하여 제품에 대한 안전한 배송이 가능해졌다. 이러한 빅데이터 분석을 통해 설계와 생산 단계에서는 각각 50% 비용 절감 효과를 낼 수 있고 7%의 수익 증가 효과를 낼 수 있을 것으로 전망했다[7].
데이터 저장장치 제조업체인 웨스턴 디지털은 품질향상을 위해서 제품이 생산라인에 있을 때에도 스캐닝,기록, 테스팅, 추적 등의 관리 활동을 실시한다. 제조 과정 중 실시간 모니터링을 통하여 결함 있는 제품을 조기에 발견, 그 결과 2010년에 불과 1.9%의 제품 결함률을 기록하였다[4].

후속연구

기존 MES의 다양한 정보 외에 고객 및 서비스 VOC,시장 동향/전망 정보, 제품 동향 정보, 판매 실적 정보, 경쟁사의 재무 정보, 서비스 실적/전망 정보, 소셜 미디어 및 SNS 등 기업 외부의 다양한 비정형 데이터를 수집하여 이를 고급 분석 방법으로 분석하고, 그래픽 기술로 데이터의 시각화 작업까지 거치게 되면, 제품 품질 향상, 효율적 재고 관리, 예측 정비, 판매 실적 및 소비자 만족도 상승 등의 효과를 나타낼 수 있을 것으로 기대된다.
이러한 기대 효과에도 불구하고 본 연구는 실증 분석을 거치지 않고 문헌연구와 사례분석만으로 활용 방안을 도출한 점이 한계로 지적될 수 있다. 더불어 관련 사례의 부족으로 세부 제조 분야 각각에 대한 활용방안 제시도 미흡하여 향후 이러한 점들을 보완한 실증적 추가 연구가 필요할 것이다.
제품생산주기관리를 위해 기업들은 여러 정보시스템들을 도입하는데, 바로 이 정보시스템들이 수집한 데이터 및 정보들을 하나의 거대한 집합체로 통합하여 관리함으로 좀 더 통찰력이 있는 제품생산주기관리가 가능해진다는 것이다. 또한 제품 설계 시 판매 데이터 및 고객의 피드백 데이터를 참고하는 등 다양한 데이터를 활용함으로 좀 더 가치 있는 제품 생산을 도모할 수도 있다. 빅데이터 분석 기술은 고객 니즈와같은 외부 데이터를 실시간으로 분석이 가능하여 이를 제품 혁신의 여러 채널들 중 하나로 이용하는 제조업체들도 늘어나고 있다고 한다.
모든 생산 활동을 다루다보니 그만큼 다루는 데이터의 양과 다양성이 풍부하지만, 대부분 사후 분석을 위하여 사용되는 성격의 데이터로, 선제적인 분석이 가능한 비정형 데이터의 추가가 필요할 것으로 판단된다.
이에 본 연구는 제조실행시스템의 네 가지 기능을 중심으로 각 기능에서 분석에 사용할 수 있는 내부/외부 및 정형/비정형 데이터의 종류를 제안하였다. 물론 세부 제조 분야에 따라 차이는 존재하겠지만, 어느 기업에서나 기본적으로 존재할 수 있는 데이터 위주로 정리를 하였으므로 향후 빅데이터 기반 제조실행시스템 개발에 좋은 지침이 될 것으로 기대된다.
이러한 기대 효과에도 불구하고 본 연구는 실증 분석을 거치지 않고 문헌연구와 사례분석만으로 활용 방안을 도출한 점이 한계로 지적될 수 있다. 더불어 관련 사례의 부족으로 세부 제조 분야 각각에 대한 활용방안 제시도 미흡하여 향후 이러한 점들을 보완한 실증적 추가 연구가 필요할 것이다.
먼저 선행 연구에 대한 부분을 살펴보면, 빅데이터 시대에 들어섬에 따라 MES가 처리할 수 있는 데이터도 그 양(Volume)과 다양성(Variety)이 증가되고, 실시간(Velocity)으로 수집되고 분석될 수 있어야한다. 이를 위해서는 기존 MES가 주로 다루었던 제조장비 데이터와 제품 설계, 공급사슬, 판매, 마케팅, 물류 등 전반적인 운영활동 관련 데이터들과의 통합이 필요하며, 각 데이터를 수집할 수 있는 근원(source) 및 활용 분야에 대해 정의하는 연구가 필요할 것으로 보인다.
MES의 경우에도 제조 환경의 특성이 모두 반영된 시스템 구축으로 진행되어야 하는 관계로 중소기업에서 도입하는 데에 많은 어려움을 겪고 있다[5]. 이에 향후에는 중소기업의 쉬운 빅데이터 활용을 지원할 수 있는 MES 구축 방안에 대한 연구가 진행이 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	빅데이터 분석 기술에 대한 연구는 어느 분야에서 진행되고 있는가?	빅데이터 분석 기술에 대한 연구는 전자상거래, 전자정부, 과학기술, 헬스케어, 제조, 보안 등 다양한 분야에서 진행되고 있다[1]. 모두 빅데이터를 이용하여 새로운가치를 창출할 수 있는 잠재력을 가지고 있는데, 이 중에서도 제조 분야가 가장 큰 잠재력을 가진 분야 중 하나라고 할 수 있다.
	본 논문에서 언급한 제조실행시스템의 핵심 기능과 그 효과는 무엇인가?	대표적인 정보시스템이 제조실행시스템(Manufacturing Execution System, 이하 MES)이다. MES의 핵심 기능 중의 하나는 현장의 데이터를 네트워크를 통하여 실시간으로 수집하는 기능이다. 이 기능을 활용하여 제조업체는 데이터에 기반한 생산계획의 최적화, 재고의 최소화, 제품 품질의 향상 등 전반적으로 생산성을 높이는 효과를 볼 수 있었다.
	조직을 위한 데이터를 분석하기 위해 어떤 기술들이 개발되었는가?	그만큼 데이터를 분석하여 조직에 알맞은 정보를 도출하는 능력이 중요하다고 할 수 있다. 이를 뒷받침하듯 데이터 마이닝(Data Mining), 비즈니스 인텔리전스(Business Intelligence) 등의 분석 기술이 개발되어 데이터를 기반으로 가치를 창출하려는 노력이 과거부터 이어졌고, 최근에 들어서는 기존 데이터베이스 기술로는 분석이 어려운 빅데이터(Big Data)에 대한 분석 기술이 개발되면서 데이터 분석에 대한 관심은 점점 고조되고 있다[1].

참고문헌 (12)

Chen H., Chiang R., Storey V., Business Intelligence and Analytics: From Big Data to Big Impact, MIS Quarterly, Vol.36, No.4, pp.1-24, 2012.

상세보기
Cottyn J., Landeghem H. V., Stockman K., and S. Derammelaere, A method to align a manufacturing execution system with Lean objective, International Jounal of Production Research, Vol.49, No.14, pp.4397-4413, 2011.

상세보기
Groger C., Niedermann F., and Mitschang B., Data Mining-driven Manufacturing Process Optimization, Proceedings of the World Congress on Engineering, Vol.3, 2012.
Hessman T., Putting Big Data to Work, Industryweek, pp.14-18, April 2013.
Juyeon Lee, Wenbin Zhao, Yangho Park, Eon Lee, Sangdo Noh, Hyunjei Jo, Yongju Jo, and Seogou Choi, A Study on the Production Informatization Strategy for Korean SMEs of Manufacturing Industries, Journal of the Korean Society for Precision Engineering, Vol.30, No.2, pp.194-205, 2013.

원문보기 상세보기
Kyoosung Noh, Namjae Cho, Management Information Systems, Scitech Media, 2010.
M. G. Institute, Big data: The next frontier for innovation, competition and productivity, McKinsey &Company, 2011.
O'Brein D., Make sure MES delivers data-driven value, Plant Engineering, No.7, pp.53-56, 2011.
Seungwoo Lee, Jaikyung Lee, Sojung Nam, Jongkweon Park, Application of Data Acquisition System for MES, The Korean Society of Mechanical Engineers, Vol.35, No.9, pp.1063-1070, 2011.

원문보기 상세보기
Volvo and Tera Data, White Paper:A Car Company Powered by Data, Tera Data, 2012
Wilson C., Kerber J. Demystifying Big Data, Tech America Foundation, 2012.
Youngjae Jang, A Utilization of the Big data Techniques in Manufacturing Industries, Information & Communications Magazine, Vol.29, No.11, pp.30-35, 2012.

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증