더욱 빠르고 스마트한 자동차 제조

더욱 빠르고 스마트한 자동차 제조

 자동차 산업에서 빅 데이터는 생소한 주제가 아닙니다. 자동차 생산 기업들은 수십 년 동안 보증 신청과 유지보수 보고서뿐 아니라 점점 더 스마트해지고 연결성이 높아지는 자동차에서 데이터를 수집 및 분석하여 고객 경험, 대리점 실적, 자동차 품질 등을 개선하려고 노력해왔습니다. 

 이러한 활동들이 대중적인 주목을 받는 가운데, 자동차 브랜드 업체와 공급 업체가 디지털 전환과 스마트 기술을 채택함에 따라 생산 현장에서도 빅 데이터가 늘어나고 있습니다. 제조 분야의 도전 과제는 장단기 실적을 개선하기 위해 스마트 자산이 생성하는 방대한 양의 데이터를 가장 효과적으로 활용할 수 있는 방법을 알아내는 것입니다.

최적화

클라우드 기반 서비스 및 분석 플랫폼은 제조업체가 디지털 투자 가치를 포착할 수 있도록 스마트 장비와 함께 성장해왔습니다. 그리고 일부 자동차 업체는 데이터를 수집하고 분석하여 강력한 비즈니스 인텔리전스로 전환하기 위해 클라우드 기반 플랫폼을 채택했습니다.

 그러나 그동안 발전이 있었지만 많은 제조 업체들은 실시간 성과 개선을 이끌어낼 수 있는 정보를 작업자에게 제공하는 데 어려움을 겪고 있습니다.

 왜 그럴까요? 데이터를 클라우드 기반 플랫폼으로 전송하는 것은 비즈니스 레벨의 분석과 엔터프라이즈 레벨의 의사 결정에 이상적이며 시간적 제약에서 융통성이 있습니다. 그러나 네트워크 트래픽이 과도하거나 분석이 지연되면 생산 현장에서 조치를 취할 수 있는 담당자에게 적절한 정보를 제공하는 데 어려움이 생길 수 있습니다. 

 다시 말해, “제어 시스템 분석 루프"가 즉각적인 영향을 줄 수 있을 만큼 충분히 빠르게 닫히지 않습니다. 

확장형 분석 : 엣지에서의 더욱 빠른 최적화 방법

확장형 분석 플랫폼은 분석 및 머신 러닝 기능을 정보 소스와 플랜트 레벨 의사 결정자들에게 가장 가깝게 포함시켜 빅 데이터와 생산 현장 간의 루프를 더욱 빠르게 닫습니다.

 예를 들어, 일반적인 자동차 부품 공장은 다양한 속도의 드라이브를 사용하여 자재 처리 컨베이어의 모터를 제어합니다. 최신 AC 드라이브는 모터의 기계적 부품에 직접적으로 연관될 수 있는 출력 토크와 전류를 지속적으로 모니터링합니다. 드라이브는 파라미터가 한계치를 초과하면 경고를 전달하도록 설정될 수 있습니다. 또한 온도, 진동 및 기타 센서가 기어박스 상태에 대한 중요 정보를 파악하여 보고할 수 있습니다.

 이러한 파라미터와 기타 작동 파라미터에 대한 지속적인 모니터링과 분석을 통해 기어박스와 벨트 마모나 슬립 또는 모터 베어링과 와인딩 문제 등을 예측하여 예기치 않은 다운타임을 방지할 수 있습니다. 그러나 최적의 유지보수 전략을 위해서는 이러한 분석을 시의적절하게 볼 수 있어야 합니다.

eBook: FactoryTalk Analytics for Devices

이 새로운 분석 솔루션은 장비 레벨에서 하나의 답을 제시합니다. 플러그인 제품에 제공되는 이 솔루션은 산업 네트워크에 들어가서 인버터와 상태 센서 등과 같은 자산을 발견합니다. 그리고 사전 설정된 상태 및 진단 대시보드에 생성된 데이터를 변환하여 분석을 제공합니다.

 제품은 오류 인과 관계 등 장비들이 서로 어떻게 연관되어 있는지 정보를 발견하면 제품이 설치된 시스템을 파악하여 처방안을 내놓습니다. 예를 들면, 최적의 성능을 유지하기 위해 드라이브를 다시 설정해야 한다면 제품은 사용자의 스마트폰이나 태블릿에 “조치 카드”를 전송합니다.

 결과적으로 유지보수 팀은 처방안 방식을 통해 사전 예방적 행동을 취하여 잠재적 다운타임을 최소화할 수 있습니다. 

자동차 제조의 판도 변화

확장형 분석은 개별 자동차 애플리케이션의 판도를 바꾸는 요소입니다. 또한 이러한 혁신적 방식은 머신 러닝이 제품의 품질과 제조 속도에 의미 있는 영향을 미칠 수 있는 복잡하고 지속적인 프로세스에서 매우 중대한 역할을 할 것입니다.

 예를 든다면 프리즘 파우치 셀 배터리 생산입니다. 프리즘 파우치 셀은 원통형 셀보다 부피 당 에너지를 더 많이 공급하며 전기차 시장에서 주목을 받고 있습니다.

 그러나 프리즘 파우치 셀 생산에는 고도의 동작, 정밀도 및 연속적인 처리가 수반됩니다. 이러한 종류의 동적이고 변수가 다양한 환경에서 프로세스를 최적화하는 것은 어려운 과제입니다. 하지만 이것은 확장형 분석과 머신 러닝을 위한 과제라고 할 수 있습니다.

 시스템은 동적 수학 모델을 이용하여 학습을 통해 하나의 변수가 다른 변수에 미치는 영향을 인식하여 최적의 결과를 위해 자동으로 후속 동작을 조절합니다. 시스템은 이와 동시에 SPC 차트와 같은 중요한 분석을 작업자에게 제공하므로 지속적인 품질 모니터링과 사전 예방적 조절이 가능합니다.

 확장형 방식은 장비를 넘어 장비와 프로세스 레벨에서 적용될 수 있다는 점을 기억하십시오. 플랫폼 또한 MES, OEE와 기타 제조 작업 및 분석 시스템에 통합할 수 있기 때문에 생산 스케줄링과 에너지 관리와 같은 다양한 영역에서 기업 전반에 걸친 최적화를 촉진할 수 있습니다. 

 확장형 분석과 데이터 소스에서 더 나은 의사 결정을 하는 방법에 대해 자세히 알아보십시오

작성자 : Todd Montpas, 제품 매니저, 정보 소프트웨어부서, 로크웰 오토메이션

Bill Sarver
게시됨 2019-07-02 게시자 Bill Sarver, Senior Consultant, Global Automotive Industry, Rockwell Automation
  • 문의처:

문의처

로크웰 오토메이션과 파트너는 탁월한 지식으로 고객의 자동화 투자를 설계, 구현 및 지원합니다.

발행물 신청

구독하셔서 로크웰 오토메이션이 제공하는 최신 뉴스를 받아보십시오.