문제
실시간 모니터링은 되고 있었지만 불량 원인을 분석하거나 품질을 예측할 수는 없었습니다. 생산이 숙련공의 경험과 지식에 의존하다 보니 개인 역량에 따라 품질 편차가 생겼고, 작업자 변경과 세대교체 과정에서 설비 세팅 오류로 인한 불량이 발생했습니다. 데이터는 수집되고 있었지만 가공·분석해 AI로 확장할 인프라가 없어, 경영진과 관리자가 이 데이터로 전략을 세울 수 없는 상태였습니다.
수집 데이터
사출·열처리·용접 3개 공정의 설비 데이터, 생산 데이터, 품질 데이터를 연계해 LOT 단위 데이터셋을 구축했습니다.
적용 모듈
B²LAB으로 데이터를 가공·연계하고, A²로 불량원인 분석·품질예측·설비최적화 모델을 만들었습니다. 이미 구축돼 있던 MES 시스템 안에 품질예측 기능을 구현하고, 설비 운영 기준에서 실시간으로 벗어날 때 알람이 뜨도록 했습니다.
결과
공정 설비의 운영 조건에 따라 불량 원인을 분석할 수 있게 됐습니다. 숙련공의 경험에 기대던 판단이 데이터 위로 올라오면서, 작업자가 바뀌어도 기준이 유지됩니다. 기존 MES 안에서 품질예측 결과를 보기 때문에 현장에서 별도 시스템을 띄울 필요가 없습니다.
- -560만 원불량 손실액근거: 3개 공정 · 전달 대비
- +13%정품 생산량근거: 3개 공정 · 전달 대비
데이터는 있는데 쓰지 못하는 상태
이 현장은 데이터가 없는 곳이 아니었습니다. 실시간 모니터링 화면도 있었습니다. 다만 그 데이터가 분석 가능한 형태가 아니었습니다.
설비 데이터는 설비대로, 생산 데이터는 생산대로, 품질 결과는 품질대로 따로 쌓이고 있었습니다. “이 LOT에서 왜 불량이 났는가”를 물으면 세 곳을 각각 뒤져 사람이 맞춰봐야 했습니다.
LOT 단위로 묶었습니다
먼저 세 갈래의 데이터를 LOT 단위로 연결했습니다. 여기서부터 “어떤 설비 조건에서 만든 LOT이 어떤 품질 결과를 냈는가”를 한 줄로 볼 수 있게 됐습니다.
그 위에 불량원인 분석, 품질예측, 설비최적화 모델을 올렸습니다. 결과는 새 시스템이 아니라 기존 MES 안에 넣었습니다. 현장에서 쓰는 화면을 바꾸지 않아야 실제로 쓰이기 때문입니다.
세대교체 문제
작업자가 바뀌면 설비 세팅 기준도 함께 바뀌고, 그 차이가 불량으로 이어지는 일이 반복되고 있었습니다. 설비 운영 기준에서 실시간으로 이탈하면 알람이 뜨도록 해서, 경험이 적은 작업자도 기준 안에서 작업할 수 있게 했습니다.