문제
설비 1대당 주·야간 합쳐 8명이 배치되는 노동 집약적 구조였습니다. 재공품 투입부터 적재까지 전 과정을 수작업에 의존해 생산성이 낮고 인적 오류가 생겼습니다. 불량이 발생해도 정확한 수치나 유형을 데이터로 남기지 못했고, 작업자가 직접 입력하는 방식이라 불량 수량 파악조차 어려워 근본적인 공정 개선과 재발 방지 대책을 세울 수 없었습니다.
수집 데이터
수직 사출기 공정의 설비·생산·품질 데이터를 수집해 표준화하고 기존 MES와 연계했습니다. 작업자가 수기로 입력하던 불량 정보를 시스템이 자동으로 수집하도록 바꿨습니다.
적용 모듈
C²(데이터 자동 수집)와 D²(표준화·데이터레이크 저장)로 기반을 만들고, A²로 AI 분석을 올렸습니다. 데이터 전처리 모듈, 변수 상관관계 분석 모듈, 품질 예측 모듈을 탑재했으며 수직 사출기 공정 3D 모니터링 시스템을 함께 구축했습니다.
결과
검사 자동화로 설비 2대를 1명이 담당하는 구조로 바뀌었습니다. 불량 데이터가 자동으로 쌓이면서 공정 개선 활동의 근거가 생겼고, 3D 모니터링으로 공정 상태를 한눈에 볼 수 있게 됐습니다.
- 50.2s → 35.11s사이클 타임
- 4.8 → 10.6 (+121%)분당 생산량
- 11% → 2%품질 불량률
사람이 많이 붙는 공정
이 현장의 문제는 AI 이전에 있었습니다. 설비 1대에 주·야간 8명이 붙어 재공품을 넣고 빼고 쌓는 일을 손으로 하고 있었습니다.
그보다 더 큰 문제는 기록이 남지 않는다는 것이었습니다. 불량이 나와도 작업자가 종이나 화면에 직접 적어야 했고, 그러다 보니 실제 불량 수량조차 정확하지 않았습니다. 개선하려 해도 근거로 쓸 데이터가 없었습니다.
순서를 지켰습니다
먼저 데이터가 자동으로 쌓이게 만들고(C²·D²), 기존 MES와 연결한 다음, 그 위에 품질예측을 올렸습니다(A²). 데이터 없이 AI부터 붙였다면 결과를 신뢰할 수 없었을 것입니다.
검사 자동화 시스템이 들어가면서 인력 구조도 바뀌었습니다. 설비 1대당 여러 명이 붙던 구조에서 설비 2대를 1명이 담당하는 구조가 됐습니다.