부품·설비 등의 상태 분석과 미래 진단까지
제조업 분야에서 빅데이터는 설비 상태와 품질 결함 예측을 분석할 수 있으며, 부품의 최적 수리 시기와 교환 시기를 예측할 수 있다.
㈜첨단과 IMD가 지난 9월 9일 ‘한국형 스마트공장 이렇게 시작하라’ 주제로 개최한 K-smartfactory.org 세미나에서 테라데이타 장동인 부사장이 발표한 ‘제조 분야 빅데이터 사례 및 제안’에 대한 내용을 정리했다.
1999년 인터넷 열풍이 세상의 모든 비즈니스 모델을 바꿨다. 16년이 지난 오늘 소셜, 모바일, 사물인터넷, 클라우드, 빅데이터와 3D 프린팅까지 6개의 통합된 기술이 다시 한 번 세상의 비즈니스 모델을 바꿀 것이다.
빅데이터가 가져온 변화들
스마트폰의 등장으로 모든 데이터가 스마트폰으로 모이게 되면서 기업 IT로부터 개인 IT로 거대한 시프트가 일어나고 있다.
지금까지 IT기술이 산업현장에 서포터 역할로써 전반적인 흐름의 지원 역할을 했다면, 앞으로의 비즈니스는 IT가 리드하고 재가공하고 구조를 바꾼다는 뜻이다.
디지타이징 비즈니스 시대는 고객의 상황을 빨리 파악하는 것이 제일 중요하다. 스마트폰을 가진 고객관리를 빅데이터를 통해 알 수 있는데, 빠른 속도를 가능하게 하는 것이 바로 빅데이터다.
이에 대한 사례로 아마존 드론 배송이 있다. 드론배송은 미국 FAA에서 테스트비행 허가를 받은 Aamzon Prime Air 서비스이다.
이는 고객들이 온라인 구매했을 때 해당하는 고객의 데이터를 읽어 30분 이내로 받을 수 있게 한다.
또한, 빅데이터의 예시로서 민간 인공위성 회사인 스카이박스 이미징이 있다. 인공위성이 정밀하게 찍는 항구의 배 정박 시간, 로딩하는 물건의 개수, 유조선의 수를 읽어내고 그 데이터의 결과값을 저장하고 있다.
빅데이터가 과거의 데이터를 가지고 숫자 데이터를 분석하며 미래를 예측하는 것뿐만 아니라 현재는 이미지 데이터, 동영상 데이터 등을 분석해 고급정보를 양산하고 있다.
빅데이터 적용 방법론
제조업 분야에서 빅데이터는 첫째, 설비 상태와 품질 결함 예측을 분석할 수 있다.
특히, 실시간 설비 모니터링으로 설비 성능 지표, 실시간 프로세싱이 분석되어 최적의 수리 시기와 부품 교환 시기를 예측할 수 있다.
설비 센서 데이터 분석 기법 중 SAX 및 DWT 분석 기법 활용으로 센서 시계열 데이터 분석이 있다.
SAX(Symbolic Aggregate ApproXimation trasfors) 기법 적용으로 시계열 데이터 전처리 및 비교 분석을 한다.
시계열 데이터의 값을 탐색하여 구간의 값을 알파벳 사이즈를 기준으로 심벌 형태로 변형하여 구간의 미세한 패턴 차이를 감지한다.
DWT(Discrete Wavelet Transfor) 분석 기법으로는, 수치해석과 기능함수 분석을 위해서 시그널 타입에 적용하는 웨이브렛 형태의 변환방식으로 웨이브 형태의 진동으로 변환하여 지진파나 심장파를 모니터링하는 방법이 있다.
시계열 센터 데이터 분석 중 설비 PM 예측 분석으로는 부품의 최적 수리 시기와 교환 시기를 예측할 수 있다.
예측 기법으로는 SQP로 Rule Repository 구현하는 규칙 기반 예측 모형과 데이터 기반 학습 모델을 개발하는 학습 기반 예측 모형이 있다.
고난도 고장 진단 및 예측모델은 센서 데이터와 고객의 소리 데이터, 워런티 데이터 등을 조합하여 전처리한 후에 특징을 추출하고, 패턴 매칭으로 일차적인 고장을 진단할 수 있다.
정리 : 김연주 기자 (npnted@hellot.net)
