잠재적인 고장, 직원 부상 및 생산 손실을 방지하기 위해 점점 더 많은 회사가 원격 자산 모니터링에 익숙해지고 있습니다. 그들은 달리려고 한다 예측 유지 관리 시스템 제조 과정에서 문제가 발생하기 전에 이를 포착하여 직원 및 고객 불만의 위험을 최소화하고 비용 손실을 방지합니다.
다행스럽게도 21세기에는 다양한 산업 분야에서 구현하기 위한 제조 부문의 예측 유지 관리를 위한 현대적이고 효과적인 솔루션이 제공됩니다.
최근 Prylada는 일련의 고객 개발 인터뷰를 실시하여 제조 업계의 전문가와 대화했습니다. 우리 팀은 다음에 관한 귀중한 정보를 수집하는 목표를 설정했습니다. 자산 모니터링 업계의 기술 채택 과제와 기업이 이를 해결하는 방법을 알아보세요.
인터뷰를 통해 우리는 시장 현황, 가장 귀찮은 문제, 경쟁, 업계 내 효과적인 발전을 위한 권장 사항에 대해 논의했습니다.
지난 5년간 제조업 시장은 어떻게 변했습니까?
제품 맞춤화, 경쟁력 있는 가격, 최상의 배송 프레임에 대한 소비자 선호는 제조 회사가 업무 접근 방식을 재고하게 만드는 주요 동인이 되었습니다. 현대적인 요구에 부응하려면 디지털 기술을 구현하여 생산성을 높여야 합니다. 이러한 기술에는 디지털 방식으로 지원되는 지속 가능성 솔루션, 디지털 트윈, 자율 모바일 로봇, 증강 현실, AI 및 기계 학습이 포함됩니다.
"과거의 현실은 제조업체가 초과 근무를 하고, 매우 수동적인 작업을 하고 있으며, 지원을 받지 못하고 있다는 것이었습니다. 그들은 단순히 작업을 완료했고 이제는 이러한 제조 회사가 단순히 작업을 완료하는 것에서 대규모 디지털 혁신 이니셔티브를 시작해야 하는 위치로 이동했습니다."
- 리처드 레보비츠 CEO 린DNA
제조업체는 다음과 같은 관점에서 생각하기 시작했습니다.
- 우리는 더 많이 연결되어야 합니다
- 우리는 우리가 겪고 있는 문제뿐만 아니라 우리가 취해야 할 조치가 무엇인지에 대해 더 나은 가시성을 확보해야 합니다.
전체적인 그림은 있는 그대로의 업무에서 행동을 우선시하는 디지털 혁신으로 전환되었습니다. 또한, 코로나19는 강력하고 적응 가능한 공급 네트워크의 중요성을 강조했습니다. 팬데믹으로 인한 예상치 못한 결과로 인한 상당한 손실 산업 기업 현재의 사업 전략을 재고하기 위해. 결과적으로 그들은 기존 프로세스를 최적화하고 외부 요인에 대한 의존도를 줄여 불가항력 상황에 대한 회복력을 강화하는 것을 목표로 했습니다.
지속 가능성에 대한 초점은 스마트 IoT 기술의 더 많은 사용을 위한 원동력이 되어 제조 산업을 더욱 스마트하고 효율적이며 지속 가능하게 만드는 동시에 직원 복지도 향상시킵니다. 이는 자동화와 디지털 혁신을 통해 이루어지며, 예측 분석을 활용하여 더 나은 추천을 유도하고 있습니다. 이를 통해 우리는 병목 현상이 무엇인지, 과제가 무엇인지 더 잘 이해할 수 있습니다.
반면에 새로운 스마트 기술을 채택하는 과정은 더욱 복잡해지고 시간이 많이 소요됩니다. 공급망 문제와 인력 부족으로 인해 전체 최고 경영진이 현장 수준에서 운영 문제와 결정에 깊이 관여하게 되었습니다. 이로 인해 위험을 이해하고, 예상되는 가치 이익에 맞춰 조정하고, 이러한 고려 사항을 다른 회사 이니셔티브와 균형을 맞춰야 하는 이해관계자 수가 더 많아졌습니다.
자동화, 인공 지능, 사물 인터넷과 같은 분야의 기술 발전 속도가 빨라짐에 따라 제조업체는 새로운 기술을 운영에 적용하고 통합해야 합니다.
그러나 새로운 자산 모니터링 기술로의 전환은 복잡하고 비용이 많이 들 수 있으며 인력의 기술을 향상시키고 기존 시스템과의 호환성을 보장해야 합니다.
우리는 인터뷰 대상자들이 공유한 것처럼 이러한 전환과 관련된 가장 일반적인 과제와 장벽을 수집했습니다. 첫 번째 항목은 우리가 가장 자주 듣는 내용입니다. 이것이 반드시 가장 중요한 것임을 의미하는 것은 아니지만 널리 퍼져 있음을 나타냅니다. 시작하자.
제조 장비의 예상치 못한 가동 중단 시간
최신 장치 제조에는 고정밀의 복잡한 프로세스와 정교한 장비가 필요합니다. 예정되지 않은 제조 장비 가동 중단 시간은 수율 손실 및 생산 시간 손실로 인해 매우 높은 비용을 초래할 수 있습니다. 예측 유지 관리의 최근 혁신은 생산성 손실을 크게 줄이고 많은 노력과 시간을 절약할 수 있습니다.
제조 분야의 예측 유지 관리에 성공적으로 사용된 기술 중 하나는 대량의 결함 데이터, 유지 관리 및 추적 데이터를 분석하는 것입니다. 사용되는 데이터의 품질을 강화하기 위해 프로세스, 타임스탬프, 세부 구성요소 정보와 같은 매개변수를 결함 모델에 반영하여 강력한 데이터 세트를 생성합니다. 몇몇 대형 반도체 제조 회사에서는 수율을 향상시키기 위해 예측 유지 관리 모델의 일부로 이러한 기술을 사용했다고 보고했습니다.
많은 복잡한 프로세스가 잦은 표류와 변화를 겪는 경향이 있기 때문에 여전히 과제가 남아 있습니다. 프로세스를 목표대로 유지하기 위해 실행 사이에 특정 매개변수가 조정됩니다. 매개변수 구성을 실시간으로 모니터링하고 캡처하는 가상 센서와 같은 기술을 사용하면 적절한 제어가 가능합니다. 이는 현재 활발한 연구 분야로, 연구자들은 인공지능을 포함한 새로운 기술을 적극적으로 탐구하고 있습니다.
데이터 수집 도구의 부족
제한된 자산 가시성은 유지 관리 및 교체 비용의 증가를 의미하므로 많은 제조업체는 이미 기본 기계 데이터를 캡처하는 데 어려움을 겪고 있습니다. 이 데이터에는 일반적으로 온도, 진동, 속도 및 기타 성능 지표가 포함됩니다.
그러나 많은 기업의 경우 데이터 수집 도구에 투자하는 것은 비용이 많이 드는 노력일 수 있습니다. 이것이 바로 그들이 여러 면에서 개발을 방해할 수 있는 사용 가능한 리소스를 사용하여 작업하는 것을 선호하는 이유입니다.
자산 모니터링을 위해 실시간 데이터를 사용하려는 제조업체에는 모든 소스에서 데이터를 자동으로 연결하고 수집할 수 있는 도구가 필요합니다. 이상적으로는 데이터를 정규화 및 관리하고, 분석을 수행하고, 타사 애플리케이션 및 클라우드 컴퓨팅 플랫폼과 쉽게 통합할 수 있어야 합니다.
데이터 통합 및 확장성 문제
제조 인프라는 기계, 생산 라인, 유틸리티 시스템 등 다양한 시스템으로 구성되는 경우가 많습니다. 이러한 시스템은 다양한 기술을 사용하여 다양한 시점에 구현되었을 수 있습니다. 또한 각 시스템은 해당 형식으로 데이터를 생성하므로 타사 시스템과의 통합이 어려운 작업입니다. 일관되지 않은 형식, 누락된 값, 부정확성은 효과적인 통합을 방해합니다.
제조 시설과 프로세스가 발전함에 따라 데이터 환경도 성장합니다. 증가하는 데이터 볼륨을 수용할 수 있도록 시스템을 확장할 수 있어야 합니다. 모니터링 인프라에 부담을 주지 않으면서 제조 작업 전반에 걸쳐 원활하고 효율적인 데이터 흐름을 보장하는 것이 필수적입니다. 이를 달성하려면 최신 도구에 투자하고 데이터 품질을 우선시해야 합니다.
제조업의 보안 취약성
제조 산업은 랜섬웨어 공격부터 공급망 취약성까지 끊임없이 진화하는 사이버 위협 환경에 직면해 있습니다. 하드웨어 측면에서는 품질이 낮은 위조 제품이 반도체의 주요 문제로 여겨졌던 반면, 칩은 보안 관련 문제에 상대적으로 영향을 받지 않았습니다.
그러나 지난 몇 년 동안 공격자들은 복잡한 반도체 제조 공정을 악용하는 방법을 찾아냈습니다. 그들은 하드웨어 트로이 목마를 통해 악성 논리를 도입하여 칩 아키텍처를 조작하려고 시도했습니다. 공격자는 서비스 거부(DoS) 또는 데이터 도난을 목적으로 이러한 트로이 목마를 사용합니다. 특히 시리아는 대규모 트로이 목마 공격을 보고했는데, 공격자들은 시리아 방공 시스템을 무력화하기 위해 칩에 "킬 스위치(Kill Switch)"라는 트로이 목마를 내장해 공습을 실행할 수 있게 했습니다.
지난 몇 년 동안 제조업체는 장비를 적절하게 보호하기 위해 기계 학습 및 사물 인터넷(IoT)을 기반으로 한 데이터 분석 개념의 사용을 확대했습니다. 이러한 기술에서는 먼저 모든 모니터링 매개변수에 대한 장비를 초기화한 다음 이러한 매개변수에 기계 학습 알고리즘을 적용하여 출력의 매개변수 클래스를 예측합니다. 결과(출력)가 예측과 일치하지 않는 경우 제조업체는 장비에 플래그를 지정할 수 있습니다.
지속 가능한 제조를 방해하는 기타 장애물
공급망의 막힘
제조업체는 역사적으로 여러 가지 어려움에 직면해 있었으며 2024년 예측도 이와 같은 상황이 더 많이 나타날 것입니다. 글로벌 무역이 더욱 복잡해짐에 따라 생산자는 공급 네트워크의 예상치 못한 또는 갑작스러운 중단을 견딜 수 있도록 준비해야 합니다.
인터뷰 대상자 중 일부에 따르면 공급망 중단은 가까운 미래에도 업계가 직면할 가장 심각한 어려움 중 하나가 될 것이라고 합니다. 현재 재고는 수십년 만에 최저 수준으로 현재 특정 제품을 제조할 수 없음을 나타냅니다. 대만, 중국 및 기타 해외 기업의 심각한 반도체 부족으로 인해 일부 자동차 제조 시설이 폐쇄되었습니다. 국내 생산에도 어려움을 겪고 있다.
인플레이션
2023년에는 모든 주요 경제권에서 수요 증가와 공급 부족으로 인플레이션이 두 자릿수에 가까웠습니다. 내년에는 알루미늄, 석유, 강철과 같은 주요 제조 투입재의 가격이 더욱 인상될 것이며, 이는 이미 품질을 희생하지 않고 비용을 절감하려는 기업에 대한 압박을 가중시킬 것입니다.
인플레이션 기간 동안 자산 모니터링 자동화를 위한 리소스와 투자를 찾는 것은 어렵습니다. 그러나 제조업체는 이것이 업계에 가져올 잠재력을 무시해서는 안 됩니다. 이를 통해 수동 오류를 줄이고 작업 속도를 최대 10배까지 높일 수 있습니다.
이러한 과제에 대처하기 위해 업계는 자동화에 예산을 할당하고 작업을 실시간으로 검사하고 자동화할 수 있는 AI 기술을 더 많이 도입해야 합니다. 이는 비용 절감뿐만 아니라 효율성을 높이고 낭비를 줄이는 데 도움이 됩니다.
디지털 기술 채택의 과제
제조 프로세스는 여러 위치에 있는 수백 명의 공급업체와 직원이 운영하는 지속적이고 일상적인 일정과 작업을 중심으로 진행되며 소모품 생산을 목표로 합니다. 이로 인해 기업이 현재 루틴을 모니터링하고 개선 영역을 식별하는 것이 매우 어려워졌습니다.
제조업체는 실시간 IoT 기반 모니터링 기술을 구현하여 전체 가치 사슬의 각 단계를 쉽게 추적할 수 있습니다. 이러한 기술은 지속 가능성 목표의 격차를 더 잘 이해하고 효율성, 수율 및 규정 준수를 개선하기 위한 솔루션을 찾는 데 도움이 될 것입니다.
지능형 자산 모니터링은 일반적으로 두 가지 과제와 관련이 있습니다. 첫 번째는 레거시 장비를 신기술과 호환되도록 통합하고 업그레이드하여 인더스트리 4.0의 잠재력을 최대한 활용하는 것입니다. 두 번째는 새로운 모니터링 시스템을 효과적으로 모니터링하고, 사용하고, 그 혜택을 누릴 수 있도록 인력을 재교육하는 것입니다.
소규모 제조업체에서는 신기술에 대한 초기 투자가 어려운 경우가 많습니다. 그러나 디지털 혁신과 직원 혁신은 모두 점진적인 과정이라는 점을 인식하는 것이 중요합니다. 이러한 변화는 하룻밤 사이에 발생하지 않습니다.
최대 포장
제조업은 이미 인공지능, 사물인터넷, 센서, 현장 로봇 등 자동화와 로봇공학의 효과를 경험하고 있으며, 로봇 프로세스 자동화의 활용도가 높아지고 있습니다. 디지털 기술 채택에 대한 수요가 증가하고 제조 회사가 이를 통해 얻을 수 있는 이점이 디지털화 성장을 주도합니다.
오늘날 업계가 직면한 과제에 대처하기 위한 지속적인 노력의 일환으로 제조업체는 지능형 자산 모니터링을 위한 IoT 기반 솔루션을 구현합니다. 그러나 기술 선택과 구현 옵션은 비즈니스 기회와 요구 사항에 따라 달라집니다.
산업용 기계의 예상치 못한 가동 중지 시간, 데이터 수집 문제, 보안 취약성, 확장성 제약 등은 제조 환경에서 가장 먼저 제기되는 과제이며 IoT 기반 모니터링 기술로 해결할 수 있습니다. 이러한 기술은 제조업체에게 공급망 전체에 걸쳐 세부적이고 상황에 맞는 데이터를 제공하므로 문제를 신속하게 찾아 조치를 취할 수 있습니다.
또한 잠재적인 문제가 발생하기 전에 예측하여 리콜 및 기타 중대한 환경 위험을 방지할 수도 있습니다. 시간이 지남에 따라 모니터링 기술을 통해 사용자는 지속 가능성 목표의 진행 상황을 추적하고 업계 규정을 준수할 수 있습니다.
고객 개발 인터뷰에 참여해주신 모든 분들께 감사드립니다.
- Vatsal Shah CEO 리트머스
- 스테판 슈왑(Stefan Schwab) CEO 깨달음
- Tom Richter, 디지털 산업을 위한 개별 및 프로세스 제조 부문 글로벌 책임자 노키아
- 닐스 아놀드 CEO 입장
- 던컨 커 전 CEO 에어리스텍
- 리처드 레보비츠 CEO 린DNA
- Gulroz Singh, SoC 안전 설계자 NXP 반도체
- Donnie Rand, 마케팅 코디네이터 미국 소유자 운영자 협회, LLC
- David Reid, 영업 이사 VEM 도구
- 데릭 해서웨이(Derrick Hathaway) 영업 이사 VEM 의료
- 하만 싱(Harman Singh) 이사 싸이피어
- 더그 로슨 CEO ThinkIQ
- 그리고 이 기사에 대한 의견을 주신 다른 업계 전문가들
- SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
- PlatoData.Network 수직 생성 Ai. 자신에게 권한을 부여하십시오. 여기에서 액세스하십시오.
- PlatoAiStream. 웹3 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
- 플라톤ESG. 탄소, 클린테크, 에너지, 환경, 태양광, 폐기물 관리. 여기에서 액세스하십시오.
- PlatoHealth. 생명 공학 및 임상 시험 인텔리전스. 여기에서 액세스하십시오.
- 출처: https://www.iotforall.com/experts-discuss-predictive-maintenance-and-innovation-in-manufacturing
