課題
リアルタイムモニタリングは行えていたものの、不良原因の分析や品質予測はできませんでした。生産が熟練工の経験と知識に依存していたため個人の力量で品質にばらつきが生じ、作業者の交代や世代交代の過程で設備設定ミスによる不良が発生していました。データは収集されていましたが、加工・分析してAIへ拡張する基盤がなく、経営陣や管理者がそのデータで戦略を立てられない状態でした。
収集データ
射出・熱処理・溶接の3工程における設備データ、生産データ、品質データを連携させ、LOT単位のデータセットを構築しました。
適用モジュール
B²LABでデータを加工・連携し、A²で不良原因分析・品質予測・設備最適化モデルを構築しました。既存のMESシステム内に品質予測機能を実装し、設備の運転基準からリアルタイムに逸脱した際にアラームが出るようにしました。
成果
工程設備の運転条件に沿って不良原因を分析できるようになりました。熟練工の経験に依存していた判断がデータ上に移ったことで、作業者が代わっても基準が維持されます。既存MES内で品質予測結果を確認できるため、現場で別システムを立ち上げる必要もありません。
- -560만 원不良損失額根拠: 3개 공정 · 전달 대비
- +13%良品生産量根拠: 3개 공정 · 전달 대비
データはあるのに使えない状態
この現場はデータがないわけではありませんでした。リアルタイムモニタリング画面もありました。ただ、そのデータが分析可能な形ではなかったのです。
設備データは設備側に、生産データは生産側に、品質結果は品質側にそれぞれ蓄積されていました。「このLOTでなぜ不良が出たのか」と問えば、三か所を個別に調べて人が突き合わせる必要がありました。
LOT単位で結び付けました
まず三系統のデータをLOT単位で連携させました。ここから「どの設備条件で作られたLOTがどの品質結果になったか」を一行で見られるようになります。
その上に不良原因分析、品質予測、設備最適化のモデルを載せました。結果は新しいシステムではなく、既存のMESの中に組み込みました。現場が使っている画面を変えないことが、実際に使われる条件だからです。
世代交代の問題
作業者が代わると設備設定の基準も一緒に動き、その差が不良につながることが繰り返されていました。運転基準からリアルタイムで逸脱するとアラームが出るようにし、経験の浅い作業者でも基準の範囲内で作業できるようにしました。