ia: industrial analytics GmbH – 생산 결함 감지, 성능 개선
거리 센서 O1D108은 이동거리시간차 측정을 통해 절단 헤드가 작동 중인지 정지 위치에 있는지를 감지합니다.
투명한 프로세스: 블랙박스 관찰
기업 “ia: 독일 Aachen에 위치한 Industrial Analytics GmbH는 데이터 수집으로 부터 시각화에 이르기까지 생산 공장의 디지털화를 위한 종합적인 솔루션을 제공합니다. 이를 위해 생산 프로세스에서 손쉬운 plug & play 데이터 추출 방식을 가능하게 하는 ifm의 IO-Link 센서를 사용합니다. 목표: OEE 워터폴의 시각화를 통해 생산 단계 간 불규칙한 전환의 원인을 해당 효과와 함께 투명하게 표시해 줍니다. 이러한 통찰을 기반으로 각 개별 생산 단계를 최적으로 연동시킬 수 있습니다. 철강 가공 산업의 사례에서 확인할 수 있는 것처럼 이는 효율성 향상으로 이어집니다.
공장의 핵심은 ia:factorycube입니다. 컴퓨팅 장치, 라우터 및 평가 소프트웨어에는 생성된 데이터의 수집, 평가 그리고 이를 시각화하고 필요 시 클라우드로 전송하는 데 필요한 모든 IT 구성요소가 포함되어 있습니다.
정보의 완전한 처리는 factorycube에서 이루어집니다. 또한 해당 시스템은 고객의 요건에 맞추어 모듈식으로 조정할 수 있습니다. "factorycube에 데이터를 저장하거나 디바이스를 고객의 IT 인프라에 통합시킬 수 있습니다. 세 번째 옵션은 클라우드 시스템에 데이터를 저장한 후 평가하는 것으로, 필요하다면 고객에게 공개할 수 있습니다.”
industrial analytics의 마케팅 관리자인 Nicolas Altenhofen은 다음과 같이 덧붙여 설명합니다: "당사의 접근 방식은 데이터 저장에만 국한되지 않습니다. 더욱 중요한 것은 두 번째 단계인 데이터 처리 및 시각화입니다. 우리는 생산 프로세스의 최적화에는 그다지 더 집중하지는 않습니다. 우리는 실적 수치를 중요하게 생각합니다. 예를 들어, 우리는 포토 센서로 기계의 작동 여부를 확인하거나 부품 수를 확인합니다. 우리가 알고자 하는 것은 다음과 같습니다: 기계가 멈춘 시기, 기계가 작동한 시기 및 기계가 가동을 중지한 이유입니다. 그 후 이 데이터를 다양한 방식으로 준비한 후 시각화합니다.”
factorycube를 최대한 다양하고 효율적으로 사용하기 위해 industrial analytics은 의도적으로 개방형 인터페이스에 의존합니다. 이는 즉 확장 장치를 손쉽게 구현할 수 있다는 것을 의미합니다. 예를 들어 카메라 시스템 및 기계 학습을 사용한 품질 보증 및 고주파 진동 분석을 통한 용량 계획 및 분배 또는 예지보전을 위한 솔루션이 현재 개발되고 있습니다. 우수한 모듈성 덕분에 모든 고객은 Industry 4.0으로 전환하는 데 필요한 정확한 솔루션을 제공받을 수 있습니다.
Jeremy Theocharis는 이것이 어떤 의미인지 설명합니다: "우리는 최적화의 가능성을 발견할 수 있습니다. 효율적으로 사용되지 않는 비용이 많이 드는 공장이 존재합니다. 예를 들어, 다수의 고객들은 주문처리에 걸리는 시간에 대한 투명성이 부족합니다. 공장이 실제 얼마의 역량을 활용하는지 종종 알 수 없는 경우가 있습니다. 우리는 이 블랙박스를 개봉하여 고객이 데이터에 기반한 결정을 내리고, 이와 관련한 통찰을 얻을 수 있도록 합니다. 예를 들어, 병목 현상을 일으키는 것이 기계가 아니라 자재 조달이라는 점 등을 알게됩니다.”
한 가지 예를 들면 철강 가공 산업의 주요 고객의 경우로, 두 곳의 기계가 몇 주 내에 산업 분석을 통해 개조되어 이제 포괄적인 성능 관리가 가능해졌습니다.
성능 관리: OEE 워터폴은 100%의 기계 가동시간을 가정합니다. 이 100% 중 어떤 중지 사유로 인해 손실된 금액이 얼마나 되는지 자세히 보여줍니다.
작업 현장에는 데이터의 투명성이 없습니다.
고객사의 기계 시설은 플라즈마 절단기, 산소 연료 절단기 및 발파 기계 등으로 구성되어 있습니다. 기계들은 강판의 절단 및 재가공에 사용됩니다. Jeremy Theocharis는 다음과 같이 설명합니다. "고객이 가진 문제는 생산 프로세스 및 성능에 대한 투명성이 없었다는 것입니다. 예를 들어 특정 기계에서 특정한 공작물을 생산하는 데 시간이 얼마나 소요되는지 제대로 파악하지 못했습니다.”
다양한 제품에 대한 이론적인 목표 시간은 존재했지만, 실제 소요 시간과 비교되지는 않았습니다. 또한 기계의 가용성 및 용량 활용과 관련한 지식이 부족했습니다. 기계 다운타임 및 그 원인이 기록되지 않았습니다. 이러한 중요한 정보가 없었다면, 기업은 생산 성능에 대한 모니터링과 문제의 확인 그리고 생산 프로세스의 개선을 위한 데이터에 기반한 결정을 내릴 수 있는 방법이 없습니다.
ia:factorycube는 연결된 센서로부터 데이터를 수집하고 이를 처리하며, 필요 시 클라우드로 전송합니다.
ifm 센서를 통한 실시간 데이터
ifm의 factorycube 및 다양한 센서의 도움을 받아 지금까지 없었던 데이터를 수집하고 생산 프로세스에 요구되는 투명성을 달성할 수 있었습니다. O5D100 및 O1D108 타입의 총 14개의 포토 거리 센서가 8개의 플라즈마 및 산소 연료 절단기에 설치되었습니다. 이러한 센서들은 해당 기계의 작동 여부와 작동 시간의 결정에 사용됩니다. 광선이 기계의 절단 헤드를 가리키도록 센서가 배치되었습니다. 기계가 작동을 시작하면 즉시 절단 헤드가 아래로 내려가고, 거리 센서까지의 간격이 변경됩니다. 이러한 간격 변화를 통해 시스템은 기계가 작동 중임을 감지합니다. 또한 VTV122 타입의 진동 센서와 O5D100 타입의 포토 센서가 3대의 발파 기계에 설치되었습니다. 이러한 센서들은 또한 기계의 작동 상태를 결정하는 데 도움을 줍니다.
기계 다운타임 감소 및 생산성 향상
ifm 센서에 의해 수집된 데이터는 factorycube에서 처리되고 클라우드로 전송되어 대시보드에서 시각화됩니다. 기업의 의사결정권자는 기계 상태 및 OEE (전체 장비 효율성)와 같은 주요 생산 수치를 실시간으로 확인하는 것이 가능합니다. 데이터를 바탕으로 생산 프로세스의 최적화를 위한 조치를 취할 수 있습니다.
성공은 빠르게 찾아왔습니다. 센서를 설치하고 몇 주 후에 이 기업은 효율성 및 생산성을 크게 향상시킬 수 있었습니다.
간단한 주문 절차
industrial analytics이 ifm의 센서 기술에 의존하는 사실은 우수한 검색 엔진 존재 및 ifm Web shop 때문입니다. Jeremy Theocharis는 설명합니다. "처음에 우리는 다양한 센서 공급업체들을 비교했습니다. 그리고 결국 ifm webshop에 도착하였습니다. 가격을 즉시 확인할 수 있고 프로젝트의 정의에 긴 시간을 소모하지 않고도 "주문"을 클릭하기만 하면 된다는 사실에 매우 열광했습니다. 그 후 우리는 센서들을 주문했습니다. IO-Link로 신속하게 셋업되었고, 잘 작동하며 정확한 결과를 제공합니다. 센서의 가격이 조금 더 높을 수 있지만, 신뢰성있게 작동하며 Shop에서 버튼 하나만으로 센서를 주문할 수 있습니다.”
활용도 측정: ifm 센서는 기계들이 작동 상태인지 대기 상태인지 감지합니다.
결론
"여러분이 찾고 있는 Industry 4.0 솔루션이 무엇인지는 중요하지 않습니다. 신뢰할 수 있고 정확한 데이터가 없을 경우, 만족스러운 결과를 얻는 것은 불가합니다."라고 Jeremy Theocharis는 말합니다.
강력한 IO-Link 센서를 통해 ifm은 ia: industrial analytics의 factorycube에서 수집, 처리 및 시각화하는 데이터베이스를 생성합니다. 이러한 상호 작용으로 투명성을 확보하고 성능을 개선하며, 궁극적으로 생산 비용을 절감약할 수 있습니다.