황금 지문을 사용하여 IoT를 활용하는 방법

사물 인터넷 (IoT) 기술을 적극적으로 활용하여 제조 공정에 긍정적 인 영향을 미치고 자하는 IT 부서의 경우, 인디아나 존스가 한 번 쫓아 온 것처럼 들리기 때문에 알아야 할 중요한 용어가 있습니다. 지문. 저는 이번 주 독일 하노버에서 개최 된 CEBIT 전시회에서 Software AG의 기술 및 디지털 얼라이언스 부사장 인 Bart Schouw와이 지문이 금메달을 입힌 이유와 IT의 의미에 대해 이야기했습니다.

Schouw는 "황금 지문은 은유 적"이라고 설명하며, 탐정 소설에서 중요한 증거라고 말했다. 그러나 기업에서는 Schouw가 완벽한 제품이라고 부르는 제품을 생산하기 위해 조건이 충족되는시기를 결정하기 위해 제조 프로세스에 적용될 수 있습니다.

황금색 지문을 찾는 것은 반복적 인 과정으로, 제조 과정에서 데이터를 기록하고 저장하여 일련의 제조 작업을 시간이 지남에 따라 비교할 때 발생하는 작업 청사진입니다. 동시에, 제조 과정에서 기록 된 데이터와 함께 각 제조 작업의 성공이 기록되도록 공장의 출력이 평가됩니다. 올바르게 한 결과, 제조 장비의 전체 ​​입력 (제조 중 제품 상태를 기록한 센서)과 프로세스 결과에 대한 과도한 성공 지표로 구성되는 일종의 지문이 무엇인지 알아 봅니다.

지문 처리 프로세스는 원래 화학 산업을 위해 개발되었지만 Schouw는 일반적으로 대부분의 제조 유형에 적용 할 수 있다고 말했다. 예를 들어, 자동차 제조업체는 각 구성 요소의 출처, 도장 중 온도, 각 나사 또는 볼트의 토크 판독 값 및 섀시를 만들 때 로봇 용접기의 판독 값을 기록합니다. 그런 다음 자동차를 생산할 때 자동차를 수리하거나 결함을 수리 할 때 생산 품질을 추적합니다.

자동차 제조 분야의 기계 학습

가상 자동차 공장에 시나리오를 적용 해 봅시다. 각 차량이 제조 될 때 전체 생산 프로세스 동안 판독 값이 추적되고 이전 생산 실행과 비교됩니다. 예를 들어 볼트가 잘못된 토크 설정으로 조여지는 등의 문제가 발생한다고 가정 해 봅시다. 이 문제는 기록되었으며 이제 자동차를 판매하기 전에 수정할 수 있습니다. 결국 생산 기계를 교정하여 이러한 오류가 발생하지 않고 차량에 중대한 결함이없는 상태로 운송 될 수 있습니다.

"때로는 특히 공정 산업에서 어떤 조건이 실제로 완벽한 제품으로 이어지는지는 확실하지 않습니다"라고 Schouw는 말했습니다. "머신 러닝과 새로운 데이터 시각화 툴을 사용하면 실제 생산 라인의 데이터를 가져와 완벽한 제품 배치를 얻을 수 있습니다. 그런 다음 머신 러닝 툴로 돌아가 데이터에서 유사한 패턴을 찾도록 요청할 수 있습니다."

아시다시피, 모든 종류의 복잡한 제조에는 의미있는 지문을 얻기에 충분한 데이터를 갖기 위해 각 제조 작업마다 수천 개의 개별 데이터 포인트가 필요합니다. 결과적으로 주어진 시간에 제품의 상태와 사용중인 제조 도구 및 기계의 상태를 측정하는 센서가 필요합니다. IoT 기술과 IT 부서가 빛을 발하는 곳입니다.

각 제조 실행이 완료되면 해당 실행의 데이터를 제품으로 이어지는 이벤트 패턴으로 시각화 할 수 있습니다. 여기에는 네트워크로 연결된 센서 및 도구와 해당 이벤트를 기록하는 수단이 필요합니다. 또한 평가를 실행하려면 전문 소프트웨어가 필요합니다. Schouw는이 부분이 인공 지능 (AI) 및 머신 러닝의 중요한 사용 사례가되었다고 말했다.

실시간으로 생산 데이터 추적

이것이 바로 IT와 ​​제조가 결합되는 지점입니다. IT 부서는 각 제조 실행에서 방대한 양의 데이터를 통합 한 다음이를 사용하여 각 실행을 완벽한 실행의 황금색 지문과 비교해야합니다. 런은 실시간으로 분석되므로 이전 런과 비교되므로 런이 성공적이지 않을 경우 미리 결정하는 것이 가능합니다.

공정 제조에서는 런을 황금색 지문에 가깝게 만들기 위해 제조 매개 변수를 조정할 수 있습니다. 생산 중 런을 시각화하고 런이 성공적이지 않을시기를 미리 결정하는 기능은 런닝에서 더 이상 재료를 낭비하지 않고 더 이상 시간을 낭비하지 않음으로써 상당한 절감 효과를 얻을 수 있습니다.

Schouw는 황금빛 지문을 찾고 실시간으로 생산 프로세스를 추적 할 수있는 AI 기반 소프트웨어를 생산하는 회사의 한 예로 Trendminer를 지적했습니다. 그는 또한 Software AG가 Trendminer를 인수 할 계획을 가지고 있음을 공유했습니다.

보다 효율적인 제조

그러나 IoT 및 제조에는 비용 절감 및 고품질 측면 만있는 것은 아닙니다. Schouw는 제조에서 기계 학습을 사용하는 또 다른 측면은 F- 곡선 추적과 관련이 있다고 설명했습니다 ("F"는 시간이 지남에 따라 공장에서 추적되는 고장을 나타냅니다). F- 곡선을 추적하면 공장이 처음 건축 된 시점부터 시작된 후 시운전 된 시점까지 및 고장률이 허용 할 수없는 수준에 도달하여 결국 종료 될 때 제품이 아닌 공장을 효과적으로 지문 처리합니다. 생산 시설 시대.

시간이 지남에 따라 생산 실패에 기여하는 조건을 추적함으로써 수익이 감소하는 시점에이를 때까지이를 허용 가능한 수준으로 줄일 수 있습니다.

중요한 것은 IT가 제조 프로세스에 직접 관여하게함으로써 제조 효율성이 높아지고 낭비가 줄고 결함도 줄어든다는 것입니다. 그리고 회사는 돈을 절약합니다. 올바르게 완료하면 결과가 거의 즉시 나타납니다. 제조업의 IT 부서의 경우 골든 지문은 IoT를 비즈니스의 핵심과 통합하기위한 출발점으로 매우 적합합니다.