ICT 융합에 대한 관심이 높아진 가운데 독일의 Industry 4.0을 시작으로 제조업과 ICT 융합에 대한 연구가 활발하게 진행되고 있다. 이를 통해 전통적인 제조업의 제조단가를 낮추고 극적인 품질향상을 기대할 수 있게 되었다. 최근 정부의 제조업 3.0 전략 등에 힘입어 국내에서도 제조업에 대한 고도화가 진행되고 있으며, 이러한 추세에 발맞추어 제조업 운영에서 발생하는 빅데이터에 대한 주문맞춤형 분석 플랫폼을 개발하고 이를 통해 제조 현장의 경쟁력을 높이고자 한다. 주문맞춤형 분석 플랫폼은 확장성을 고려하여 스프링 프레임워크를 기반으로 웹에서 실행되도록 설계되었으며, 제조업 현장에서 발생하는 다량의 데이터를 빠르게 처리하기 위하여 스파크와 하둡 파일 시스템을 이용한다. 실시간으로 스트리밍 된 데이터를 프로세스 마이닝 기반 알고리즘을 통해 처리하고 공장의 현황을 분석하여 제조업 현장의 문제를 파악하고 신속한 의사결정을 지원할 수 있다.
ICT 융합에 대한 관심이 높아진 가운데 독일의 Industry 4.0을 시작으로 제조업과 ICT 융합에 대한 연구가 활발하게 진행되고 있다. 이를 통해 전통적인 제조업의 제조단가를 낮추고 극적인 품질향상을 기대할 수 있게 되었다. 최근 정부의 제조업 3.0 전략 등에 힘입어 국내에서도 제조업에 대한 고도화가 진행되고 있으며, 이러한 추세에 발맞추어 제조업 운영에서 발생하는 빅데이터에 대한 주문맞춤형 분석 플랫폼을 개발하고 이를 통해 제조 현장의 경쟁력을 높이고자 한다. 주문맞춤형 분석 플랫폼은 확장성을 고려하여 스프링 프레임워크를 기반으로 웹에서 실행되도록 설계되었으며, 제조업 현장에서 발생하는 다량의 데이터를 빠르게 처리하기 위하여 스파크와 하둡 파일 시스템을 이용한다. 실시간으로 스트리밍 된 데이터를 프로세스 마이닝 기반 알고리즘을 통해 처리하고 공장의 현황을 분석하여 제조업 현장의 문제를 파악하고 신속한 의사결정을 지원할 수 있다.
Since ICT convergence became a major issue, German government has carried forward a policy 'Industry 4.0' that triggered ICT convergence with manufacturing. Now this trend gets into our stride. From this facts, we can expect great leap up to quality perfection in low cost. Recently Korean government...
Since ICT convergence became a major issue, German government has carried forward a policy 'Industry 4.0' that triggered ICT convergence with manufacturing. Now this trend gets into our stride. From this facts, we can expect great leap up to quality perfection in low cost. Recently Korean government also enforces policy with 'Manufacturing 3.0' for upgrading Korean manufacturing industry with being accelerated by many related technologies. We, in the paper, developed a custom-made operational big data analysis platform for the implementation of operational intelligence to improve industry capability. Our platform is designed based on spring framework and web. In addition, HDFS and spark architectures helps our system analyze massive data on the field with streamed data processed by process mining algorithm. Extracted knowledge from data will support enhancement of manufacturing performance.
Since ICT convergence became a major issue, German government has carried forward a policy 'Industry 4.0' that triggered ICT convergence with manufacturing. Now this trend gets into our stride. From this facts, we can expect great leap up to quality perfection in low cost. Recently Korean government also enforces policy with 'Manufacturing 3.0' for upgrading Korean manufacturing industry with being accelerated by many related technologies. We, in the paper, developed a custom-made operational big data analysis platform for the implementation of operational intelligence to improve industry capability. Our platform is designed based on spring framework and web. In addition, HDFS and spark architectures helps our system analyze massive data on the field with streamed data processed by process mining algorithm. Extracted knowledge from data will support enhancement of manufacturing performance.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 기존의 프로세스 마이닝 시스템은 프로세스모델의 발견에 그 기능이 너무 치우쳐져 있고, 연구용 기능들을 주로 포함하고 있어, 다양한 산업 현장에 적용하기에는 어려움이 있다. 본 논문에서는 스마트 공장이라는 새로운 개념과 환경에 운영 빅데이터 분석 방법론을 구현하기 위하여 기존 오픈 소스인 BAB 구조와 기능을 보완하여 스마트공장을 위한 공정 빅데이터 분석 도구인 가칭 BAB for Smart Factory(BAB-SF)에 대하여 설명하고 분석사례를 소개하여 그 유용성에 대해서 논하기로 한다.
본 연구에서는 제조업 운영에서 발생하는 빅 데이터를 효율적으로 분석하여 문제 파악 및 의사결정을 지원하기 위해 BAB-SF를 개발하였고 국내 철강 공장의 실증 사례를 통해 확인하였다.
제안 방법
프론트 엔드는 백 엔드에서 계산된 결과를 json 형태로 전달받아서 표시하고, 전체적인 어플리케이션의 프레임워크는 확장성을 위하여 스프링기반으로 구성되었다. 또한 데이터의 분석 도구의 속도를 향상시키기 위해 맵 리듀스 알고리즘을 도입하였다.
또한. 퍼블릭 클라우드 및 프라이빗 클라우드 모두에게 배포할 수 있고, 다양한 환경에 대처하기 위한 확장성(scalability) 보장하며 개발과 운영이 분리되어 올 수 있는 문제점을 해결하여 처리할 수 있는 Dev/Ops가 실현 가능 하도록 한다.
관리자는 자원을 제어하며, 이용자에게 리소스를 제공한다. 효율적 자원 관리를 위해 Hypervisor를 이용하여 수요에 능동적으로 대응할 수 있도록 한다.
성능/효과
본 연구에서 개발된 분석 프레임워크에서 분석의 인터페이스는 Laravel Blade[5]기반이며, 웹 기반의 플랫폼이기 때문에 어디서든지 접속 및 구동이 가능하다는 장점이 있다. 분석에 사용된 알고리즘을 호출하고 반환하는 서비스는 JSON 데이터 형식이 사용된 RESTful API 방식 때문에 웹에서 작동하기에 좋고 플랫폼에 독립적이다.
분석 결과에 따르면 일반적으로 긴급 코일 공정도 일반 코일 공정 흐름과 전반적으로 동일한 흐름을 따르지만, 일반 코일 공정에서만 외주(OW, OS) 공정이 진행되었고 긴급 코일 공정에서만 발생한 이상 흐름 (PP → WS, PP → RC 등)을 발견하였다.
분석에 사용된 알고리즘을 호출하고 반환하는 서비스는 JSON 데이터 형식이 사용된 RESTful API 방식 때문에 웹에서 작동하기에 좋고 플랫폼에 독립적이다. 분석의 결과를 보여주는 대시보드 등의 기능에서는 d3js 라이브러리[2]가 지원되는 차트를 사용하여 사용자 편의성을 높였다. 더욱 중요한 점은 대용량 데이터의 처리가 가능하도록 맵 리듀스 등의 빅데이터 기술과 프로세스 마이닝의 상호 작용이 가능하게 개발 되었고 개발 환경 및 실행 환경은 위 <표 2>와 같다.
<그림 7>에서는 공정 시간차 분석을 나타내고 있는데, 공정 간의 시간차를 공정 흐름상에 나타냄으로써 특정 작업 후 공정대기 또는 지연되는 상황들에 대한 확인이 가능한데, AN 공정 후 PR 공정을 하기까지 평균 약 12일 소요된 코일이 242건이 발생하였고, AN 재작업 시 평균 약 2일이 소요된 코일이 3,826건으로 발생한 것을 볼 수 있었다. 이를 통해 공정 중 재고가 발생한 시점 및 위치를 파악할 수 있으며, 공정 상에서 병목이 발생할 지점에 대한 예측이 가능하다.
후속연구
프로세스 마이닝은 데이터 분석 기법과 비즈니스 프로세스 관리의 기능의 연계를 통해 개발된 기법으로 제조공정에서 실제 발생하는 빅 데이터를 통해 공정 간의 상관관계를 찾거나 문제 발견을 통한 해결 방법에 대한 의사결정을 지원한다. 또한 발견된 프로세스 모델을 기반으로 공정의 결과를 예측해 볼 수 있으며, 이러한 방법론들을 통해 국내 제조업의 스마트 고도화 기술로 활용된다면, 국내 제조업의 경쟁력 향상을 위해 기여가 클 것으로 기대된다.
18%로 나타났다. 이러한 결과 값을 토대로 공장의 현 공정 상황에 대한 수치적인 평가와 실제 공정에 대한 객관적인 지표로서 사용이 가능하며 추후 공정 스케줄에 해당 결과물을 반영해 관리자에게 의사결정을 지원 가능하다.
이는 공정, 설비 별 특정 사건들을 차트 위에 점 형태로 표현하고 공정 발생을 시간 별로 점으로 표현해 전체 공정의 시간 별 작업 유무를 쉽게 파악할 수 있다. 이를 통해 시간 별 공정 발생 패턴과 유휴 시간, 작업 시간, 부품 교체 주기 등을 파악하였고, 유휴 작업의 패턴을 분석하여 추후 공정 스케줄링 등의 추가 적인 기능에도 적용 가능할 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
제조 빅 데이터의 형태를 분석하기 위한 기법인 프로세스 마이닝은 어떤 역할을 하나요?
대부분의 제조 빅 데이터의 형태는 비정형화 된 구조이며 이를 분석하는데 있어 유용하게 사용될 수 있는 기법이 프로세스 마이닝[1]이다. 프로세스 마이닝은 데이터 분석 기법과 비즈니스 프로세스 관리의 기능의 연계를 통해 개발된 기법으로 제조공정에서 실제 발생하는 빅 데이터를 통해 공정 간의 상관관계를 찾거나 문제 발견을 통한 해결 방법에 대한 의사결정을 지원한다. 또한 발견된 프로세스 모델을 기반으로 공정의 결과를 예측해 볼 수 있으며, 이러한 방법론들을 통해 국내 제조업의 스마트 고도화 기술로 활용된다면, 국내 제조업의 경쟁력 향상을 위해 기여가 클 것으로 기대된다.
데이터가 발생하는 각종 Factory Things의 요소는 무엇들이 있나요?
0[3]을 시작으로 세계적으로 제조업의 스마트 고도화 기술이 중요시되고 있으며, 국내에서도 스마트공장에 대한 관심이 늘어나고 있는 추세이다. 하지만 각종 Factory Things(센서, 모바일 디바이스, IoT 디바이스 등)에서 발생하는 수많은 데이터들이 ERP, MES, POP, MIS 등과 같은 시스템에 축적되고 있지만 그 활용도는 상당히 낮은 편이다[4].
데이터를 다루는 분야는 어떤 분야들이 있나요?
최근 들어 데이터의 증가에 따라 빅 데이터라는 용어가 등장하면서 다양한 산업군과 타 영 역에서 그 데이터를 활용 및 분석하는 연구가 활발히 진행되고 있다. 이러한 연구는 이미 데이터 마이닝, 텍스트 마이닝, 데이터베이스, 머신러닝 등과 같이 데이터를 다루는 분야에서 진행해오던 연구 분야라 할 수 있다. 일반적으로 빅 데이터에 대한 연구는 축적되는 데이터에서 상호 간의 상관관계를 찾거나 각종 패턴을 발견하는 등의 데이터 관계적인 측면을 많이 다루고 있고 공공적인 측면에서 많이 활용되고 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.