스마트미디어그룹 (주)첨단이 오는 2월 22일 '2023 스마트 제조 대전망 온라인 컨퍼런스'를 개최한다. 제조기업이 국내외 시장에서 차별화된 경쟁력을 확보하기 위해서는 스마트 제조 기술이 필수적이다. 4차 산업혁명 시대에 DNA(Digital, Network, AI) 기술 기반의 스마트제조혁신이 가속화되며 스마트공장 공급기업의 경쟁력 제고가 필요한 상황이다. 2023 스마트 제조 대전망 컨퍼런스에서는 각 분야별 전문업체와 함께 스마트 제조 핵심기술의 동향, 2023년도 전망을 살펴본다. 2월 22일 진행되는 스마트 제조 대전망 온라인 컨퍼런스는 오전 스마트오퍼레이션 트랙과, 오후 스마트퀄리티 트랙으로 진행된다. 스마트 제조를 위한 스마트오퍼레이션 스마트 제조의 첫걸음은 현장 개선이다. 스마트오퍼레이션 트랙에서는 현장의 업무·생산 효율성을 높여줄 수 있는 기술과 정확한 제조데이터를 뽑아낼 수 있는 주요 기술의 트렌드와 전망에 대해 알아본다. 현장에서 설비 상태는 센서를 사용해 모니터링을 통해 계획되지 않은 가동 중지 시간을 제거하고, 수명을 연장하면서 유지 관리 비용을 최적화한다. 발표에는 ▲슈나이더 일렉트릭 코리아 김건 매니저의 IEC61499 표준의 So
ERP는 타 시스템을 통합하고 연결하는 중요한 자원 관리 도구로, 스마트 제조혁신의 중심 역할을 한다. 이러한 ERP의 필수 선정 요건으로는 어떤 게 있을까? ERP의 고유 기능인 업무 프로세스가 유기적으로 통합되어야 하고 계속 스마트해지는 전문 시스템들과 원활한 데이터의 연결을 지원하는 시스템이어야 한다. 이러한 통합 데이터는 ERP를 통하여 중복된 데이터를 배제하고 연결된 데이터들이 모여 경영에 도움이 되는 전략적 판단을 지원하는 의사결정의 도구 역할을 하는 ERP가 필요하다. 스마트 제조혁신 시대 어떤 ERP가 필요한지, ‘2020 스마트제조 대전망 온라인 컨퍼런스’에서 영림원소프트랩의 이지해 수석이 제시한 내용을 정리했다. 4차 산업혁명과 함께 제조혁신을 위한 많은 솔루션들이 기업에 도입되고 있다. 그중 생산 관리를 지원하는 MES, 설계도면 관리를 지원하는 PLM, 협력사나 발주사의 자원을 공유하는 SCM, 그리고 전사적 자원 관리를 지원하는 MES 등은 업무 최적화를 위한 필수 아이템이다. 특히 ERP는 MES에서 온 생산 데이터와 SCM에서 들어온 구매와 판매 진행 데이터, PLM에서 온 BOM 설계 데이터 등 타 시스템을 통합하고 연결하는 중요
공급망은 제조 업계와 리테일 업계에서 비즈니스 성과를 높이고 성장을 이루기 위한 전략적 도구로 인식되고 있으며, 더 이상 ‘비용 요인’이 아닌 ‘기회 요인’이 되고 있다. 지능형 자동화가 고객 맞춤 제품과 예측 불가능한 수요에 대응할 수 있도록 공급망의 유연성과 민첩성을 제공해주고 있기 때문이다. 또한, 고객 수요와 제조 생산량에 대한 정보를 결합하여 출하 물류 일정을 보다 효율적으로 계획해서 관리해 준다. 공급망 도전과제와 지능형 자동화의 역할은 무엇이 있는지 ‘2022 스마트제조 대전망 온라인 컨퍼런스’에서 블루프리즘 코리아의 이준원 지사장이 제시한 내용을 정리했다. 지능형 자동화(RPA)란 지능형 자동화(RPA)는 소프트웨어 로봇 직원으로 보면 된다. 인간의 행동을 유사하게 따라할 수 있는 소프트웨어 로봇으로, GUI를 직접 이해하고 입력할 수 있다. 따라서 이론적으로 현존하는 모든 시스템이나 응용 프로그램을 수정 없이 다를 수 있으며, 인간이 수행하던 여러 업무를 실수 없이 높은 생산성으로 수행할 수 있다. 이렇게 확보한 여유시간에 인간은 훨씬 높은 가치의 업무에 집중할 수 있게 된다. 인간과 소프트웨어 로봇이 서로 각자 잘 할 수 있는 업무에 집중하
예지보전은 장비 유지보수가 향해야 할 궁극적인 방향이다. 예지보전은 데이터를 수집해서 데이터의 내부에 포함되어 있는 이상징후를 감지하고, 탐지된 결과에 대해서 분석을 한 이후에 조치를 취하는 일련의 과정들로 이루어져 있다. 마크베이스의 AIOT Suite는 딥러닝을 기반으로 IoT 센싱 데이터의 이상징후를 실시간으로 감지해서, 탐지된 결과를 필드의 작업자들에게 알리고, 실질적으로 조치가 이루어지도록 돕는다. ‘2022 스마트 제조 대전망 온라인 컨퍼런스’에서 마크베이스 이동현 이사가 발표한 AIoT Suite 적용 사례를 정리했다. 이상징후를 탐지할 때 가장 큰 문제는 시간과 노력이 많이 들어간다는 것이다. 특히, 데이터를 수집하고 저장하는 부분이 문제다. IoT 센서는 짧은 시간 동안 어마어마한 양의 데이터를 쏟아내기 때문에, 데이터를 누락시키지 않고 제대로 수집·가공하는 것이 어렵다. 데이터를 분석하고자 할 때는, 데이터의 정합성 측면에서 퀄리티가 좋아야 한다. 데이터 분석에 앞서 전처리를 하게 되어 있는데, AI를 적용하기 위해 전처리를 하다 보면 실질적으로 70~80%의 시간이 데이터의 전처리를 하는 부분에 소요된다. 리얼타임으로 데이터가 쏟아지다 보