7.생산운영 애널리틱스의 개념

1. 생산운영 애널리틱스의 개념

  1) 통상적 애널리틱스와 생산운영 애널리틱스

• 통상적 애널리틱스 : 많고, 다양하며, 실시간으로 유입되는 데이터를 분석해서 더 나은 결정을 내리게 하는 것
• 생산운영 애널리틱스 : 복잡한 연산을 수학적 최적화나 고도의 알고리즘을 통해 실시간으로 분석해 그 결과를 도출

2. 생산운영 애널리틱스의 필요성

  1) 필요성

• 비즈니스 환경이나 특히 제조 환경에서는 빅데이터 개념을 새롭게 확장할 필요가 있음

  2) 제조업

• 데이터 생성 면에서 다른 산업과 비교할 수 없을 정도로 상당한 데이터를 보유하고 있으며, 데이터의 다양성면에서도 타 산업과 비교해 매우 다양한 데이터를 보유하고 있는 산업군
• 빅데이터 애널리틱스의 활용에 가장 효율적으로 적용할 수 있으며 직접적으로 가시적인 효과를 창출할 수 있는 분야
• 정형화된 데이터가 많은 제조업은 데이터 분석을 통한 생산성 향상에 있어 타 산업에 비해 유리한 위치를 선점

3. 생산 애널리틱스 유형과 필요정보

  1) 제조실행시스템(MES:Manufacturing Excution System)

• 제조산업에 있어서 대표적으로 빅데이터를 활용 할 수 있는 정보시스템
• 생산계획, 자재조달, 생산관리, 원가관리, 설비관리, 품질관리 등이 있는데, MES는 바로 이러한 기능들이 관련데이터에 의해 처리되는 데이터 중심적 시스템인 것이라 할 수 있음

  2) MES 기능별 수집 및 활용 데이터 종류

• 생산관리 : 생산능력 및 설비 수, 생산정보, 공정위치, 생산량 및 작업시간 등
• 원가관리 : 가동시간, 재료사용량, 에너지사용량 및 재고 등
• 설비관리 : 가동상태, 고장시간 및 비가동 내역 등
• 품질관리 : 운전조건, 복구시간, 불량원인 및 불량 수, 불량 내용 등

  3) 글로벌 제조업체들의 가치사슬 단계별 빅데이터 활용 분야

• R&D 및 설계단계 : 하나의 집합체로 통합 관리
• 공급사슬단계 : 수요 예측, 실시간 제고 현황 관리를 통한 움영 품질 향상
• 생산단계 : 제조 품질 향상 및 설비에 대한 예측 정비 실현
• 마케팅, 판매, 에프터서비스단계 등 전 단계에서 활용
• 빅데이터 활용을 통해 설계와 생산 단계에서 각각 50% 비용 절감, 7% 수익 증가 효과

4. 생산운영 분야 애널리틱스 사례

  1) 제조업에서 활용가능한 빅데이터의 범주

• 제조 운영상에서 생산되는 운영데이터, 운영통합 데이터, 고객 경험 데이터로 구별

  2) 제조 장비 데이터

• 빅데이터의 제조 활용에서 가장 많이 언급되고 가장 직접적으로 효과를 기대할 수 있는 분야가 바로 제조 장비 데이터의 활용 분야
• 사례 : 반도체 장비 로그데이터 분석 - 마이크론 테크놀러지
  • 로그 데이터를 바탕으로 장비의 처적 운영 모니터링, 이상변화가 감지될 경우 사전에 감지해 장비의 가동률을 높이는 수행작업
  • 로그 분석에는 프로세스 마이닝 방식 사용
  • 프로세스 마이닝 : 작업이 일어난 시간과 형태 로그를 분석하여 작업의 상관관계를 분석하는 로그 데이터 분석 방식
  • 실제 데이터로 유추한 작업순서와 Petri Net으로 파악된 이론적 최적의 작업 진행순서를 비교하여 생산성을 향상 할 수 있는 아이디어 도출

  3) 운영 통합 데이터

• 제조와 관련된 모든 조직들이 함께 통합된 정보 시스템 환경에서 최적의 의사결정을 내리는 방식이 필요한 상황

  4) 마케팅과 제품 설계

• 발전된 텍스트 마이닝 기법으로 고객이 제품에 느끼는 일종의 느낌이나 감정 등을 분석해 구체적으로 고객의 니즈를 파악 할 수 있는 기술이 개발
• 테스트 마아닝 기법으로 고객이 제품에 느끼는 일종의 느낌이나 감정 등을 파악해 좀 더 구체적으로 고객의 니즈를 파악 할 수 있는 기술이 개발 되는 중이다. 더 나아가 제품에 부착된 센서 정보를 바탕으로 고객의 사용성을 실시간으로 파악하여 고객의 경험을 분석하고 이를 통해 제품 개발 및 서비스 운영에 이용하는 아이디어도 등장하고 있다.