공장·제조업체 · 08 / 13

공장을 위한 AI 로드맵

슬라이드 속 스마트 팩토리를 라인 하나의 첫 시스템으로 옮기고, 성과는 줄어든 불량이나 늘어난 설비 가동 시간으로 잽니다.

흰 안전모를 쓴 공장장이 로봇 라인 위 전광판을 올려다봅니다. 2라인 OEE 78%에서 86%, 이번 분기 불량 31% 감소.

자주 보는 문제

경영진은 세미나에서 스마트 팩토리라는 말을 듣고 돌아오지만, 현장은 여전히 교대마다 생산량과 불량을 종이에 적고 저녁에 누군가 Excel에 옮겨 칩니다. 작년에 산 센서는 매초 SCADA로 값을 보내는데, 그 값을 품질 데이터와 나란히 놓아 본 사람은 없습니다. 데이터는 다 있지만 저마다 다른 곳에 다른 형식으로 있습니다.

공급업체가 AI 품질 검사나 고장 예측 시스템을 제안해도, 지금 데이터로 충분한지, 어느 라인부터 시작해야 하는지 공장 안에서 답할 수 있는 사람이 없습니다. 그래서 프로젝트는 첫날부터 너무 커지거나 아예 시작되지 못합니다.

해결 방법

저희는 공장장, 교대 조장, 엔지니어링팀과 공장을 함께 걸으며 불량이 많은 라인, 자주 멈추는 설비, 데이터가 각각 어디에 있는지 봅니다. 그런 다음 지금 데이터로 이미 할 수 있는 일과 먼저 더 모아야 하는 일을 솔직하게 평가하고, 그 공장의 실제 원가로 계산한 투자 대비 효과에 따라 유스케이스 순위를 매깁니다.

함께 구축하는 파일럿은 라인 하나에서 돌아갑니다. 한 지점의 불량 검사 카메라나 설비 한 대의 고장 사전 경고가 그 예입니다. 시작 전에 지표를 정하고 진행 중에 측정해, 경영진이 확대 여부를 판단할 수 있는 숫자로 결과를 정리합니다. 시스템은 첫 주부터 현장 팀이 직접 씁니다.

라인 정지, 로트 출하나 보류, 생산 계획 변경은 계속 사람이 결정합니다. 시스템은 검사하고 경고하고 기록할 뿐입니다. 카메라가 판단하기 애매한 제품은 스스로 판정하지 않고 사람에게 넘깁니다.

시스템 작동 방식

업무가 들어오는 곳

SCADA 센서값
종이나 MES의 생산량과 불량
ERP의 수리 이력과 생산 계획
조장·엔지니어와 공장 점검

AI가 하는 일

데이터 활용 가능성 평가
투자 효과순 유스케이스 정리
90일 로드맵 전달
라인 하나에 파일럿 함께 구축

결과가 도착하는 곳

현장이 직접 쓰는 파일럿 시스템
불량·가동 시간 대시보드
확대를 판단할 숫자
예산을 포함한 다음 단계 계획

도입 전과 후

도입 전

도입 후

종이에 적고 저녁에 Excel로 옮기는 생산량과 불량

태블릿에 입력하는 즉시 대시보드에 뜨는 현장 숫자

매초 값을 보내지만 아무도 쓰지 않는 센서

품질 데이터와 나란히 놓이고 이상이 생기면 경고하는 센서값

너무 커서 시작조차 못 한 스마트 팩토리 프로젝트

라인 하나에서 성과를 측정한 첫 시스템과 다음 라인 계획

받게 되는 것

01
지금 있는 설비·품질·생산 데이터를 바로 쓸 수 있는지, 어느 부분이 아직 종이에 있고 어디서 더 모아야 하는지 점검한 진단 보고서
02
카메라 품질 검사, 설비 고장 예측, 생산 계획, 종이 대신 현장에서 바로 하는 실적 입력처럼 유스케이스를 투자 대비 효과 순으로 정리한 목록
03
라인 하나를 출발점으로 고르고 단계별 예산, 인력, 지표를 정해 경영진에게 보고하는 90일 로드맵
04
라인 하나에 함께 구축하는 파일럿 시스템: 줄어든 불량이나 늘어난 설비 가동 시간을 도입 전과 비교해 측정
05
라인 정지와 로트 출하를 누가 결정하는지 정한 규칙과, 교대 조장과 엔지니어링팀이 시스템을 직접 운영하도록 돕는 워크숍