최근 Industry 4.0과 IIoT를 주제로 한 강연에서 이러한 질문을 받았습니다. 플랜트의 생산성 향상에 걸림돌이 되는 것은 무엇인가요?
생산성을 끌어올리지 못하는 가장 큰 원인은 데이터의 부족입니다. 특히 시스템과 생산 공정의 데이터 부족으로 인해 어려움을 겪고 있습니다.
처음부터, 인간은 효율성에 목말라 있습니다. 고대인은 생존과 사냥을 위해 보다 효율적인 방법을 발명했지만 현대 사회에서는 제로 웨이스트 (Zero waster)와 생산 효율성을 높이는 방법을 모색하고 있습니다. 플랜트 절차와 일상 업무에 lean 생산방식에 모든 수단을 사용한 후, 지금은 다운타임을 신속하게 복구하는 방안을 모색하고 있습니다. 가까운 미래에는 다운 타임을 완전히 예방할 수 있는 방법을 모색할 것 입니다.
다운타임이 발생하는 데에는 수많은 원인이 있습니다. 몇 가지 예를 들어 보겠습니다:
1,2 번은 블로그의 의도 범위를 벗어났으며 솔직하게 생산 조직의 관점에서 보면 통제 불가능합니다.
3,4번은 프로세스와 연관이 있으며 마지막 5번은 우리의 결정에 따라 달라집니다. 이 세가지 원인은 어느 정도까지는 줄이거나 없앨 수 있습니다.
다운타임이 생산 프로세스와 관련이 있다면 그로부터 교훈을 얻고 소위 "지속적인 개선 이니셔티브(Continuous improvement initiatives)" 개선을 도모할 수 있습니다. 데이터를 기반으로 지속적으로 개선할 수 있으며 추측을 기반으로는 프로세스를 개선할 수 없습니다. "불가능합니다"라고 단정 지을 수는 없지만, 그것은 우연이나 운이 더 가까울 것입니다. "데이터로 만들 수 없는 것은 개선 될 수 없습니다" 라고 말할 수 있습니다.
제 의견을 구체화할 수 있는 좋은 예는 바로 다른 제품을 생산하기 위해 플랜트에서 이루어 지는 설비 교체(Change-over)입니다. 모든 교체 지점을 정확하게 명시하고 모든 교체 부품을 설치 및 교체할 수 있는 프로세스가 없다면, 교체 시간이 막대한 생산성 손실로 이어질 수 있습니다. 두번째로 만약 설비 교체 프로세스가 자동화가 아닌 메뉴얼로 이루어진다면 이는 생산성을 낮추는 행동입니다. 때때로, 우리는 이러한 메뉴얼 설비 변경을 어쩔 수 없는 현실로 받아들이고 "계획된" 다운타임의 일부로 시간을 계산합니다. 물론 1년에 한번 교체를 하는 경우에는 수동으로 진행하는 것이 비용 효과적일 수도 있습니다. 그러나 플랜트에 하루 또는 일주일 내에 다수의 짧은 배치 생산이 있는 경우 자동화로 전환하면 생산성이 크게 향상될 수 있습니다. 손익 분석은 지속적인 개선 여부를 입증하는데 도움이 됩니다.
자산은 원활한 공정 운영을 위한 중요한 부분입니다. 한 예로 스탬핑 공장의 금형 또는 금속 가공 공장의 절단 및 이물질 제거 공구가 있다고 합시다. 만약 공장에서 이 중요한 자산의 사용 이력이나 위치를 보여주는 시각 데이터가 없다면 상단한 다운타임으로 이어질 수 있습니다. 공구의 조정 데이터 또는 툴로 생성된 부품 갯수는 효율적인 운영을 위해 보존해야 할 중요한 자료입니다. 다시 말해서, 시스템 데이터와 기존 시설의 이력 추적 이니셔티브의 통합니다.
기계와 부품의 고장으로 심각한 다운타임이 발생할 수 있습니다. 이러한 다운 타임은 다음 2가지 방식으로 접근 가능합니다. 첫번째는 문제가 분명하지 않은 경우 문제점을 찾아 내려고 합니다. 두 번째는 창고에서 교체 부품을 찾아 신속하게 교체합니다. 또한 프로세스 개선 목적으로 정기적인 다운타임을 계획하여 부품 점검, 윤활, 및 교체를 진행합니다.
예방 유지보수는 일반적으로 이론적 실패율을 기준으로 일정을 세웁니다. 특히 기계 부품은 좋은 방법이지만 예측 또는 상태 기반의 유지 보수는 높은 생산성으로 회수 가능하며 원활한 플랜트 운영에 도움이 됩니다. 다시 말해서 예측 유지보수는 시스템 또는 부품의 상태에 대한 데이터에 의존합니다. 그렇다면 이 데이터는 어디에 있으며 어떻게 접근할 수 있을까요?
인터페이스 표준화는 생산성 향상의 또다른 중요한 부분입니다. 다음 블로그 포스트에서는 IO-Link 기술로 다운 타임 문제를 해결하고 생산성을 한 단계 끌어 올릴 수 있는 방법에 대해 공유하겠습니다.