운영·생산 · 03 / 13

생산·운영 부문을 위한 AI 로드맵

가장 자주 멈추는 설비 한 대에서 AI를 시작합니다. 이미 모으고 있는 센서 데이터로 고장 전에 경고하고, 성과는 라인 가동 시간으로 잽니다.

병입 라인에서 태블릿으로 3번 모터를 점검하는 기술자. 베어링 온도 상승과 6일 뒤 정비 알림이 떠 있습니다.

자주 보는 문제

센서를 이미 달아 둔 공장이 많습니다. 설비의 온도, 진동, 전류 값이 매초 SCADA로 들어오지만, 그 데이터는 제어실 화면에서 끝나고 설비가 고장 나기 전까지 아무도 다시 들여다보지 않습니다. 수리 이력은 보전팀 노트나 Excel 파일에 있는데, 센서값과 나란히 놓고 본 적이 한 번도 없습니다.

그래서 설비는 아무도 예상하지 못한 때에 고장 납니다. 부품을 기다리는 동안 라인이 하루 종일 서고 주문 납기가 밀립니다. 경영진은 장비 공급업체에게서 스마트 팩토리 이야기를 듣지만, 지금 가진 데이터로 무엇을 할 수 있는지 말해 주는 사람은 없습니다.

해결 방법

저희는 생산 책임자, 보전팀과 함께 라인을 걸으며 어느 설비가 가장 자주 멈추는지, 어떤 식으로 고장 나는지, 고장 전 센서값에 어떤 신호가 있었는지 봅니다. 그리고 지금까지 쌓인 데이터로 예측이 가능한지, 먼저 더 모아야 하는지 솔직하게 평가합니다. 더 모아야 한다면 무엇을 어디에 달고 몇 개월을 기다려야 하는지 로드맵에 적습니다.

함께 구축하는 첫 시스템은 설비 한 대만 지켜봅니다. SCADA 값을 읽어 지난 고장 직전의 패턴과 비교하고, 값이 정상 범위를 벗어나기 시작하면 어느 설비의 어떤 값인지 보전팀에 LINE으로 알립니다. 보전팀은 근무 도중 긴급 수리에 나서는 대신 원래 라인이 서는 시간에 맞춰 수리 일정을 잡습니다.

설비를 세우거나 생산 계획을 미루는 결정은 계속 라인장이 내립니다. 시스템은 경고하고 정보를 줄 뿐입니다. 성과는 라인 가동 시간과 긴급 정지 횟수를 도입 전과 비교해 재고, 첫 설비에서 결과가 분명해지면 다음 설비로 넓힙니다.

시스템 작동 방식

업무가 들어오는 곳

SCADA·PLC 센서값
CMMS나 수리 일지의 수리 이력
MES·ERP의 생산 계획과 실적
생산·보전팀과 함께 라인 점검

AI가 하는 일

데이터로 예측 가능한 범위 평가
투자 효과순 유스케이스 정리
90일 로드맵 전달
첫 설비 경보 함께 구축

결과가 도착하는 곳

보전팀에 가는 LINE 알림
공장장용 설비 상태 대시보드
다음 단계 센서 추가 계획
결과를 읽고 직접 운영하는 보전팀

도입 전과 후

도입 전

도입 후

라인이 멈춘 뒤에야 알게 되는 설비 고장

고장 전에 LINE 경보를 받고 계획된 정지 시간에 수리하는 보전팀

매초 쌓이지만 아무도 열어 보지 않는 센서 데이터

한 화면에 나란히 놓인 센서값과 수리 이력

사 놓고도 어디서 시작할지 모르는 스마트 팩토리 도구

성과를 측정한 첫 설비와 다음 설비 계획

받게 되는 것

01
어느 센서가 무엇을 몇 개월 치 기록하고 있는지, 지금의 수리 이력으로 고장을 예측할 수 있는지 판단한 설비 데이터 평가 보고서
02
고장 사전 경고, 카메라 품질 검사, 생산 계획, 현장 생산 실적 입력처럼 생산 유스케이스를 투자 대비 효과 순으로 정리한 목록
03
설비 한 대나 라인 하나를 출발점으로 고르고, 센서를 어디에 더 달아야 하는지와 무엇으로 성과를 재는지 정한 90일 로드맵
04
함께 구축하는 첫 시스템: 가장 자주 멈추는 설비의 센서값과 수리 이력을 읽고, 값이 이상해지기 시작하면 보전팀에 LINE으로 알리는 조기 경보
05
설비 정지와 생산 계획 변경을 누가 결정하는지 정한 규칙과, 라인장과 보전팀이 결과를 읽고 시스템을 직접 운영하도록 돕는 워크숍