Big Data & IoT Driven “Smart Industry”

2016.11

효성인포메이션시스템㈜

CONTENTS

• Big Data & IoT World

• Smart Industry

• Strategy

2

ⅠBig Data & IoT World

Digital World IoT World Big Data & IoT World

3

Digital World

Cloud Big DataSocial Mobile

Internet of Things Growth of Big Data Analytics

4

IoT World

Physical Digital IoT World

Internet of Things can transform

businesses, industries and cities for better outcomes,

more productivity, sustainability, quality of life, …

5

Big Data & IoT World

Big Data & IoTTomorrow

위성 이미지

생체 정보 M2M 로그

센서비디오

오디오

MACHINE DATA

100X

Big Data Today

이메일

웹로그문서

SOCIAL

HUMAN DATA

10X업무 시스템

STRUCTURED DATA

1X

Rapid Changes Affect Data, Technology and Solution Providers

6

Big Data & IoT World

(1982년생 ~ 2004년생)

7

Big Data & IoT World

8

ⅠSmart Industry

Industry 4.0 Smart Factory Industry Big Data Use Cases

9

Industry 4.0

디지털시스템과물리적생산체계(기기, 작업자)를실시간 연계하여, 전체 생산 과정 최적화 가능

제조업과 ICT를융합하여Operation을획기적으로개선하는이니셔티브

독일에서‘Industry 4.0’ 으로시작되어, 전세계적으로확산

금융위기이후제조업의중요성에주목하고제조업 르네상스추진

Industry 4.0(‘12)

Making in America(‘14)

自主創新(‘10)

산업재흥플랜(‘13)

제조업혁신3.0: ‘20년까지1만개공장스마트화

IT·SW, IoT등을활용하여생산전과정을지능화·최적화한“낭비Zero” 공장

Source : 산업통산자원부

10

Smart Factory

Source : Roland Berger

Smart Factory Ecosystem

Smart Factory 주요원칙

1. 공급과생산라인에디지털기기를활용

2. 조립라인전반에생성된데이터를

분석 활용 , 작업자에가치제공

3. 즉각적인통신을이용,자원효율화

빅데이터분석을통해

1. 모든디지털데이터를적시에수집/분석

2. 스마트한의사결정과기술발전

3. 비즈니스혁신과글로벌경쟁력확보

11

Need Of Big Data & IoT

1일기준사라지는수많은데이터

여전히사용되지않고있는수많은데이터

설비의대형화와수적증가에따른데이터증가

분석및검증을위해데이터보유기간의증가

급변하는시장및고객요구사항에대한신속한대응

Process

MaintenanceSensor &

Equipment Data

Streaming Data

EventData

Analysis

Enterprise App (MES, ERP..)

BizOperation

DATA

12

Expectation of Big Data & IoT

1인당 생산성

생산 능력

납기 준수율

생산 설비 운영 효율

설비 가동률

개선 역량

고객 만족

생산 불량률

제조 원가

의사 결정 시간

불용 재고

장애 발생 건수

현장 사고 발생 건수

이상 대응 시간

•••

•••

13

Use Cases

Hitachi

- 재고 14% 감소- 비용 30% 절감using sensors,

cameras and

analytics

제조

Nissan

- 고품질 서비스using automotive

parts and customer

data analytics

Caterpillar Marine

- 연료 효율 증가- 고장 감소- 선박 항해 비용

15만불 절감using predictive

maintenance

Austraila

Agriculture

- 기후, 지리정보 제공- 토양 분석 등Udinh IOT based

sensors, cameras

and external data

자동차 농업해운

Halliburton

Landmark

- 석유 펌프 안전성- 고장 감소- 비용 60% 절감using IoT data from

multiple sources

석유 가스

14

Use Cases

• 예측 진단 시스템 결과를 수시로 확인해서 문제 발생

후 처리 했던 일들을 사전에 대응

• 매일 수집, 분석되는 데이터를 활용해서 평상시와는

다른 상태를 확인함으로써 정기 보수 작업 없이 대응

현장의 기계, 설비설비 보수 등을 위한

기술자 파견

이상탐지

정상 데이터

진단 데이터

자동 분류분석

전 센서로부터가동 데이터자동 수집

정기적확인

보고

전문가들의 판단

현지 대응 준비·FE준비 ·부품확보

탐지

문제 발생 전에 대응

FE: Field Engineer

가동 데이터 자동 수집

15

Use Cases

micro/macro 데이터를통합하여 분석 모델 개발

(measurement data & process data)

Before After

Process Deviation 5% 1%

Rework 8% 3%

Result

Issue: 종종 발생되는 목표 Wafer의 두께

변화로 인하여 재 작업이 이루어 진다

Requirement: 매 Lot의 각 Wafer의 ‘Polish 시간＇의최적화가 필요하며 이를 통한 Wafer의

두께일탈이 최소화 되어야 한다.

UCL

LCL

Collection Interval : 1 Sec.

Inaccuratedata

pattern

EventDetected

Gap

Delays in Monitoring

UCL

LCL

Collection Interval : 10 ms.

Detected

Real-Time Monitoring

Event

16

Use Cases

• 원료주문부터제품운송까지문제생기면스스로멈추고점검 (불량품제조막고, 생산공정효율성극대화)생산 공정

모니터링 및효율화

• 공장內일산화탄소농도도파악… 위험요소감지되면경보발령Ex) 실내공기내일산화탄소허용농도 : 50ppm 넘어서는위험감지되면경보발령

• 스마트밴드로심박수· 체온· 혈중산소포화도등의정보를실시간파악하여 통합관제센터에전송Ex) 심박수가성인기준치인분당70회를넘으면즉시작업중단하고응급처치

IoT로직원 건강관리까지

세계 최초로 사물인터넷(IoT) 빅데이터 등을 이용해 철감 제품을 만들고 있음,

내년까지 공장에 스마트 시스템을 완비하고, 여의도 면적 5.5배에 달하는 제철소 전역으로 이 시스템을 확대 적용할 예정

제철 원료가 공장에 들어온 단계부터 각종 제품이만들어져 운송되는 시점까지의 모든 작업 관리

• 원재료 정보관리-철광석, 석탄등원재료정보와주문정보(생산일시, 생산량)를관리하여효율적재료및재고관리수행

• 재료유입 :컨베이어벨트의진동상태점검및관리• 제선 : 용광로온도파악및원격통제• 제강 : 탄소함량조절통한주철· 강철· 연철제조• 압연 : 롤모터수회전수감지통한불량품제조방지• 출하준비 : 제품제조일, 출하일시등관리통한 출하

상황고도화

1

2

소스 : 조선비즈 5월 10일자 기사 발췌 정리

17

Use Cases

18

ⅠBig Data & IoT Driven “ Smart Industry”

Strategy Suggestions Implementation Strategy

19

Ready

• 목표 및 방향

• 빅데이터 & IoT 구성 요소

• 빅데이터 & IoT 솔루션 활용 기술 등

기본 교육

• 비즈니스 & 공정 전문가

• 빅데이터 & IoT 솔루션 전문가

• 데이터 아키텍처, 분석 전문가

전문가 확보

• 요구사항 및 현황 분석

• 사내 추진 후보 과제 발굴

• 추진 일정 및 타당성 검토

과제 발굴

• 추진 계획 및 절차 수립

• 추진 범위 선정

• 데이터 용량 및 추진 비용 산정

계획 수립

• 빅데이터 & IoT 환경 설계

• 솔루션 도입 및 구축

• Best Prectice 공유

설계 및 구축

• 전문가 양성

• 빅데이터 & IoT 활성화 방안

• 정책 및 프로세스

확대 적용

기본 지식추진 과제

발굴

추진 계획

수립

솔루션

설계 및 구축적용 확대

수행

인력구성

인력 (People) 사업 (Biz) 기술 (Tech)

20

Suggestions

“점진적추진”: Big Bang식추진보다는선택과집중이필요(체계적인효과성검토)

“시작이반”: 신속히추진전략을마련하여실행Roadmap을준비

“백문이불여일견”:Pilot을통해추진제약요소및필요한기술요소실제체험

“강력한Sponsorship 확보”: 관계부서의자발적인참여및협업유도

“소수정예” : 역량을갖춘인력을선발하여전문가를양성하고추진전담조직구성

“역량내재화” : 외부전문업체를활용하여선도기술및경험을신속하게내재화

MasterPlan

Specialist

QuickAction

1. 적합한 주제/목표

2. 데이터 식별 및

최적 솔루션 설계 구축

3. 분석 모델 적용

4. 데이터 과학자 양성

21

Suggestions

업무에서의 고민 = 빅데이터 주제

해외 사례

- 생산라인 최적화

- 디스크 장애/불량 최소화

- 매출 예측, 출하량 계획

- 재고관리

- 환경 개선

- 물류 정보망

- 협력업체 신뢰도 분석

국내사례

- 품질 원인 분석

- 제품 시장 분석

- 원재료 예보시스템

- 공정 실시간 모니터링시스템

기타 활용 예시

- 설비 고장 예측

- 설비 에너지 효율화

- 센서 데이터와 제품 품질 연관성

- 수율(불량율) 분석

설비데이터

연구데이터

센서데이터

로그데이터

품질데이터

문서데이터

운영데이터

설계데이터

생산 목표 설비 가동고장 및 장애

발생공정 목표품질 수준불량 발생주제

설비 관리 품질 관리

•••

•••

22

Implementation Strategy

방대하고, 다양한데이터확보

분석결과를통한

가치창출및활용

데이터를식별하여

분석및시각화

원천 데이터TX

BD 수집/저장

및

BD 분석/시각화Analytics Apps

수집 저장 분석 시각화

데이터 인프라

빅데이터 & IOT 분석 프레임워크

고객의 비즈니스를 지원하기 위한전문이력과 솔루션을 통합 제공

소프트웨어

Hitachi 빅데이터 & IOT 솔루션

통합 어플라이언스

DI

BA

Smart Industry

Lumada - IoT Core Platform

Internet of Things

23

Implementation Strategy

최적화된 비즈니스인사이트 & 시각화

정형

데이

터비

정형

데이

터

수집통합정제적재

데이터모델링임베디드 분석

예측 분석

그래프/차트리포트

데시보드

#1: 통합 #2: 고급분석 #3: 시각화