스마트팩토리 개요 및 유관기술 이해 (1)

table of contents

• QnA
• 개요
• M1. 스마트 팩토리
  • 4차 산업혁명
  • 스마트 팩토리
• M2. 제조 어플리케이션과 패러다임
  • 제조 패러다임
• M3. 스마트 팩토리 기술
• M4. 모빌리티 산업 스마트 팩토리 사례

QnA

• 1차부터 3차까지의 산업혁명은 수공업에서 공장화, 대량생산, 자동화와 같이 키워드가 하나씩 들어갔는데, 4차 산업혁명은 지능화와 자동화라는 키워드가 동시에 진행되는 중인 것인가? 그렇다면 어느 시점에서 4차 산업혁명이 완료가 되고 그후에 5차 산업혁명은 어떤 방향일 전망인지 알 수 있을만한 인사이트가 있나?
  • 4차에서 지능화와 자율화는 동시에 진행되는 개념이고, 요즘엔 기술이 발전하고 복잡도가 높아진 만큼 하나의 단어 혹은 개념만으로는 표현이 안 되는 거다. 기술도 상당히 다양한 것을 모두 골고루 사용하고 있다.
  • 산업혁명이라는 건 하나 하고 끝나는 개념이 아니라, 시작 시점의 순서에 따른 명명일 뿐, 쌓이면서 모두가 함께 진행되는 개념이다.
  • 지금이야 4차까지 진행되었지만 나중에는 또 5차가 생길 수도 있는거죠
• 디지털 트윈과 시뮬레이션은 뭐가 다르죠? 둘 다 가상 환경이라는 점에서 비슷해보이는데, 어떤 점으로 인해 구분되는지 모르겠다.
  • 디지털 트윈은 현실과의 연결이 있다. 현실과 데이터와 피드백을 주고받는다. (물론 그것은 최고 수준의 디지털 트윈이긴 하다. 현실과의 피드백이 없는 디지털 트윈도 있긴 하다.)
• 스마트 팩토리가 고객에게 제공할 수 있는 유연성은 어디까지일까요? 외형뿐만 아니라 내부 구조에 대해서도 선택권을 가질 수 있나요?
  • 사실 그다지 없다. 제조 과정에서 들어가는 모듈 간의 종속성 문제도 있고 해서 고객에게 그걸 하나하나 선택할 수 있게 해주긴 힘들다. 하지만 그럴 수 있도록 기술을 발전시키는 것이 지향점이다.
• 스마트 팩토리는 로봇 친화 빌딩과 결을 같이 하는가?
  • 신축 공장은 유사한 고려가 들어갈 수 있겠지. 하지만 문제는 이미 건축되어 있던 오래된 공장들임
  • 그럼 그 경우에는 거기에 도입되는 로봇들이 좀 더 대응할 수 있도록 하는 쪽으로 개발될까요?
    • 그렇죠 그래서 회피주행을 하고 그러는 거죠

개요

• SDF: 소프트웨어 중심 공장. 별 게 다 소프트웨어 정의다 그죠
• 내일 수업 끝나고 데이터 분석 과제 내줄겁니다. 파이썬 설치해오세요.

M1. 스마트 팩토리

HMG 스마트 팩토리 홍보영상 봤음. 사람 별로 없고요 죄다 로봇이 자동으로 해요. 이거 하려면 소프트웨어 해야겠죠?

스마트 팩토리 소개 애니메이션도 보여드립니다.

가상의 공정을 즉시 실행할 수 있음. 주문제작 건이 들어왔을 때 공정을 시뮬레이션하고 그것을 실현할 수 있음.

자동화 이상의 지능화. AI가 데이터 기반으로 판단하고 행동.

좀 새롭다 예전에는 소품종 대량생산 / 다품종 소량생산이었는데 이제는 다품종 대량생산이래

대상 고객은 공장주가 아니라 최종 제품 구매자임.

4차 산업혁명

• 1차 산업혁명
  • 처음으로 공장이라는 개념이 나타남
  • 증기 기계
• 2차
  • 전력, 컨베이어벨트
  • 대량생산
• 3차
  • 공장에 로봇 첨부됨
  • 정보통신기술 사용 시작
  • 자동화, 디지털화 시작
• 4차
  • 문제점
    • 비용
      • 경제 성장률이 전세계적으로 둔화됨
      • 공산품이 너무 많아서 구매매력이 낮아짐 (싼 것만 팔림)
      • 다변화/맞춤화를 통한 고부가가치 제조품이 필요해짐
      • 원가 상승. 재료비도 올랐지만 인건비가 많이 올랐음. 판매가는 오르고 제조원가는 내려가는 게 이상적인데 중국 때문에 판매가는 내려가고 제조원가는 오르고 있음. 중국을 까고 싶은 게 아니라, 이제는 중국이 진짜로 괜찮은 제품을 만들고 있어서 비빌 수가 없다. 그리고 이 짓 중국만 한 게 아님. 한국도 했음. 필연적인 일.
      • 사람을 줄이고 자동화를 통해 제조원가가 더이상 오르지 않게 해야 함.
    • 환경 규제 강화
      • 탄소중립: 탄소 배출량은 줄이고 흡수량은 늘려서 배출한 온실가스를 상쇄해야 함. 근데 흡수량은 거의 고정돼있음. 그러니 배출량을 줄여야 함. 공장이란 원래 온실가스가 나올 수밖에 없는 곳이다.
      • 유해물질 규제 강화: 사후규제(만든 후 결과 검사) → 사전규제(만들기 전에 제한)
      • 환경 규제치 강화: 예를 들면 대기전력을 줄이는 것. 기술 개발이 필요하게 됨.
    • 에너지 자원 효율성 요구 증가
      • 에너지 가격이 상승 중. 안쓸수는 없어서 아껴써야 함.
  • 트렌드
    • 구매 패턴 변화: 개인화, 생태계, 세계화, 고령화 등등등
  • 기술 진보
    • 고급 기술의 저가/보편화
    • 인공지능, 빅데이터, 3D 프린팅 등 예전엔 고급 기술이었던 것이 점점 보급되고 저가화되고 있음
• 4차 산업혁명에서의 산업 변화
  • 자동화 → 지능화+자율화
  • 사람의 경험에 의존한 의사결정 ← 데이터 기반 예측 및 최적화가 더해짐(사람의 노하우는 여전히 중요함)
  • 데이터 파이프라인: 수집 → 분석 → 적용
  • 데이터는 수집이 제일 어렵다. 사유: 공장을 지을 때 데이터 수집을 고려하지 않았기 때문. 요즘 새로 짓는 공장이나 좀 고려가 되어 있을 뿐이다.
  • 그 다음으로 어려운 것은 데이터 기반 분석 결과의 적용: 제어를 바꿔야 하기 때문에 검증을 철저히 해야 함.
  • 소품종 대량생산이 다품종/맞춤화 대량생산이 된 이유
    1. 모든 고객이 원하는 디테일이 다름
    2. 근데 규모의 경제 때문에 많이 생산해야 이익이 남
    3. 고로 생산량은 똑같이, 각 고객에게 맞춰서 만들어줘야 돈이 된다
  • 예전엔 사람이 ‘차량을 생산하는’ 프로그램을 만들었지만 위와 같은 사유로 더이상 그것은 현실적인 업무 방식이 아니게 됨. 이제 사람이 만들어야 할 것은 ‘차량을 생산하는 프로그램을 만드는 프로그램’임. 사람은 만들어진 프로그램을 검수함.
    근데 이 기존 인력들을 다 버릴 수는 없으니 다시 교육해서 새 프로그램을 만들게 하는 거임.
  • 교재 13페이지 <제조 지능화> 도식 참고

    

    제조 지능화

  • 지능화 vs 자율화
    • 지능화: 의사결정까지는 하는데, 실행권은 없음
    • 자율화: 자동화된 의사결정을 실행까지 직접 할 수 있음. 여기서부터 autonomous가 붙는다.
      기계끼리 협업도 가능.

스마트 팩토리

현차는 SDV에서 멈추지 않고, 생산도 지능적으로 하고 싶었다 → SDF(소프트웨어 정의 공장) 개발

1. 이게 어떻게 된 거냐면, 자동차가 내연, 하이브리드, 전기, 수소 등 동력원이 다양해지면서, 그 모듈 구성에 아주 큰 영향을 줬다. 근데 이걸 하나하나 맞춰서 만들기엔 너무 다양하잖아. 그러니 소프트웨어를 기반으로 커스텀 가능한 모듈을 만들자 → SDV
2. SDV가 있어도 제품이 워낙 다양해지니 생산 복잡도가 증가했다. 사람이 일일이 의사결정을 내릴 수 없게 되어 공장도 소프트웨어 정의로 바꿔버리려는 거다 → SDF

필요성은 내내 말했듯 똑같다. 다품종 대량생산을 위해서.

자동차 제조 기본 공정: 프레스(금형) → 차체(용접) → 도장(색칠) → 의장(엔진 붙이기)

벤츠는 위 과정 중 언제라도 고객의 변심으로 차량 디자인을 바꿀 수 있도록 하는 것을 목표로 한다.

왜 스마트 팩토리가 필요해? 대표적인 예시로 생산품의 품질을 예측할 수 있어. 공장에선 그게 제일 중요해. 품질을 미리 알 수 있다 하면 스마트 팩토리 잘 모르는 공장주도 납득해. 그리고 지금 제일 많이 하는 게 그거거든. 성공률도 가장 높고 적용 효과도 가장 빠르고 직관적이야.

교재 19페이지 <ISA 95 모델 자동화 피라미드> 참고. 이게 제조시장 모델 표준임. PLC는 설비마다, SCADA는 공장 전체 단위. ← 이걸 수직적 통합이라고 함. 통합이란 데이터가 끊이지 않고 잘 흐른다는 의미 정도로 알아들으면 됨.

ISA 95 모델 자동화 피라미드

현재는 다양한 이유로 계층 간 데이터 단절 문제가 있음. 일단 서로 ‘계’가 다름. 각자 하는 일이 달라서 만들어지는 데이터 자체가 다름. 그대로 주면 이해를 못해.

수직적인 게 보통 좁은 의미이고, 먼저 실행된다. 그 다음으로 오는 것은 가치 사슬 통합.

갑자기 진행이 빨라짐. 강의자료 읽어보세요.

반도체 공장은 사람이 안들어갈수록 좋다. 그러다보니 이 분야는 자율화 자동화가 잘 되어 있다. 그 외 기계 생산 공장들은 그다지 높지 않은 편.

M2. 제조 어플리케이션과 패러다임

• 제조
  • 제품을 생산하는 것
  • 제조 공장의 기본 생산 단위는 로트. 한 로트 안에서 불량이 발생하면, 그 로트의 다른 생산품도 불량이 생긴다면 그것과 비슷한 불량이 발생할 확률이 높다.
• ERP
  • 최상위 수준
  • 회사 전체적 범위를 커버하는 관리 시스템
• MES
  • 공장 현장 관리 시스템
  • 공장 단위 관리
• SCADA
  • 감시제어.데이터취득 시스템
  • 각 설비나 생산 라인 단위 관리 시스템
• PLC
  • 프로그래머블 조작 컨트롤러
  • 각 기계의 컨트롤러. 데이터를 수집해 상위로 전송하거나, 지시를 받아 기계를 동작한다.
• 센서
  • 센서.
  • 아날로그 데이터를 획득하여 디지털 데이터로 변환해 인터페이스를 통해 외부로 전송함(전송은 PLC).
• 인터페이스
  • 서로 다른 시스템의 사이에 배치되어 각 시스템의 메시지를 서로 변환하는 매개 계층.
  • 두 시스템 사이에 하나의 인터페이스가 들어가는 게 아니라, 각각 인터페이스를 가지며, 어느 한 쪽의 것으로 변환해주는 것보다는 공통의 특정 프로토콜을 따르도록 변환함.
• 절삭 공정 과정: 도면설계 → 공정계획 → (검증) → 파트 프로그래밍 / 레시피 → 가공 → 측정 및 검사 → 후처리

• 컴퓨터 지원 기술: 엔지니어링, 디자인, 생산 등 분야에 따라 CAx → 모두 합쳐 CIM

• CAD
  • 제품을 공학적 형상, 수치와 성능으로 표현.
  • 도면과 E-BOM(engineering bill of matertials)이 산출됨.
• CAE
  • 동력소비, 열전달, 마모, 간섭 등의 정보를 시뮬레이션
  • 과거엔 유한 요소 해석이라는 이름으로 이론적 물리 계산에 의한 시뮬레이션을 했는데, 지금은 AI 기술과 디지털 트윈도 이용한다.
  • 하지만 AI를 전적으로 믿을 수가 있는가? 그렇지 않기 때문에 하이브리드 접근법이 있다. 데이터 기반 기계학습과 이론식 물리모델을 병용한다기보다는, 각각의 빈 부분을 서로가 채우도록 하는 것.
  • 항상 자신이 만든 모델이 합리적인지 물리 이론적으로 검증해볼것
• CAPP
  • 공정계획. 부품을 어떻게 만들 것이고, 그 과정에서 뭐가 필요한지 어떤 변수가 있을지 결정
  • 작업지시서와 M-BOM(manufaturing-) 산출
• CAM
  • 수치제어 프로그램 (G-code)
  • 공작기계 명령을 실행하는 프로그램. 공작기계의 움직임을 정의함
• CNC
  • 공작기계가 정의된 움직임대로 동작함
• CAI
  • 품질 확인
  • 직경, 표면의 거친 정도 등 생산된 제품의 오차가 허용 범위 이내인지 확인
  • 접촉식과 비접촉식, 온라인(생산 중 실시간 검사)과 오프라인(다 끝나고 따로 가져와서 검사) 방식이 있음
• CIM
  • 컴퓨터 통합 생산
  • CAx를 모두 포괄함. 데이터를 전부 저장하고 제품 설계와 생산의 전 과정을 관리함.

제조 패러다임

• 유연 제조
  • 다품종 대량 생산을 위해 유연성을 갖는 생산 역량
  • 유연성: 시스템 변환에 필요한 시간 소모 없이 부품/제품의 다양성에 대처하는 정도
  • 유연 제조 시스템: 한 모델 제조 종료 후 다음 모델로의 전환 시간(준비 전환 시간)이 0에 수렴하도록 하는 생산 시스템
  • 어차피 가공하는 시간은 크게 안변해요 얼마 걸리지도 않아요 ← 교재 32쪽 <작업지시서 예시=""> 참고
• 애자일 제조
  • 수요가 다양하고 불확실성이 높고, 예측이 어려운 환경에 필요.
  • 수요에 대해 빠르게 공급을 일치시킬 수 있는 생산 역량
  • 동시공학: 제품 개발 시간과 제품 생산 시간을 최대한 오버랩시키는 방식
• 린 제조
  • 소품종 대량생산에 적합. 재고나 낭비를 줄이거나 제거하는 것이 목적.
  • 의외로 운송도 낭비 항목에 포함됨. 옮기는 것도 낭비죠. 초과퀄리티도 낭비죠.
  • 칸반 시스템: 부품을 상자에 담아서 보관하는데, 앞에 그 부품에 대한 정보를 써서 붙여둬. 여기엔 부품의 갯수도 써있어. 이 부품의 재고는 항상 최대 이 갯수만큼만 놓기로 한 거야. 공급업체는 재고 상태를 보다가 비면 바로 채우고, 작업자는 알아서 갖다 쓰면 돼. 이렇게 하면 재고 보유량이 항상 일정 범위에 머무르게 되지.
• IT 제조
  • IT 기술을 접목한 제조
  • 표준 데이터를 활용하여 막힘 없는 정보교환을 가능하게 함
• 클라우드 제조
  • 외부 클라우드를 이용해 데이터 수집, 저장, 분석 수행
  • 제조 자원을 공유/대여하여 온디맨드 생산을 가능하게 하는 협업지향적 생산 역량
• 친환경 제조
  • 환경오염과 에너지 소모를 최소화한 제조

M3. 스마트 팩토리 기술

• 스마트 팩토리와 정보통신기술
  • 요즘 AI 많이 쓰긴 하지. 중요한 건 무엇을 위한 AI인지 정하는 것. 도메인이 중요하다.
• 산업 사물인터넷
  • 사물인터넷을 산업용으로 만든 버전. 설비로부터 데이터를 수집하는 게 가장 큰 목적임.
  • 아주 높은 신뢰성과 강건성이 요구됨: 틀리면 치명적, 열/진동 등 극한 환경에서의 동작 요구
    → 그래서 비쌈
  • M2M - 사물 지능 통신, M2H - 인간 기계 통신
• 클라우드 컴퓨팅
  • 내가 아는 그 클컴. 서버 외주 주기.
  • 근데 제조업계에서는 내 데이터는 내가 가져야 한다 인식이 있어서 잘 안쓰기도 한대.
• 빅데이터
  • 그냥 크다고만 할 건 아니고
  • 많고 다양하고 빠르게 불어나는 데이터. 이외에도 몇 가지 더 따지기도 하는데 이 셋이 제일 근본임.
  • 비정형 데이터가 대부분이기 때문에 RDBMS로는 처리 어려움
  • 뭐 하루 몇백GB 이렇게 많이 생기기 때문에 그 점에서도 어려움이 있음
  • 분석을 똑바로 해야 가치가 있다.
• 인공지능
  • 다들 아는 그 인공지능
  • 인간 지능 모방 프로그램
  • 제조 지능화 및 자율화의 중요 요소임
• 데이터 애널리틱스(분석)
  • 인공지능과 비슷함
  • 인공지능을 만드는 과정 [데이터 수집 > 전처리 > 모델링 > 평가 > 적용]과 유사한데, AI는 모델 중심, 데이터 분석은 과정 중심
• 사이버 물리 시스템 (CPS)
  • 디지털 트윈이라고도 함
  • 의미나 그 구성으로만 보자면 버튜버도 디지털 트윈이다
  • 기존의 시뮬레이션은 현실과의 연결성이 없다는 게 DT와의 차이다.
  • 특히 CPS는 자율적인 제어를 가장 중요시 여기거든요.
  • CPS와 피지컬 AI는 같을 수도 있고 다를 수도 있어요. 피지컬 AI는 로봇 설비 AI인데 제어까지 연결되어 있거든요.
  • 요즘 시대가 너무 트렌디하게 새로운 용어를 쏟아낸다 님들은 그거 다 따라가요? 교수님들도 어려워요
  • 아무튼 가상 환경에서의 제어가 물리계의 실제 사물을 움직이는 것이 CPS고 DT다
• 스마트 팩토리 구조와 트렌드
  • 스팩이라는 건 정보통신기술과 산업자동화 기술이 적당히 맛있게 비벼진 비빔밥이에요. ERP, MES, SCADA, PLC, I/O 구조에 기반합니다.
  • 물론 미래에도 이 구조로 갈지는? 모름. 다품종 대량생산으로 가야 하는데 이런 경직된 수직구조가 계속해서 따라갈 수 있을까? 그걸 모르겠다는 거야. 기업문화도 점점 엠지해지잖아요.
  • 수평적인 제조 시스템이 필요하다. 그게 요즘 연구되고 있어.
• 스마트 팩토리 구조
  1. 디바이스
     • 최하위 하드웨어
     • 물리적인 컴포넌트. 컨트롤러, 로봇, 센서 등 다양함.
  2. 플랫폼
     • 위아래의 대상들을 연결하면서 공통 기능을 제공하는 소프트웨어 시스템
     • 양측 계층의 데이터를 서로 전달한다
     • 다양한 어플리케이션을 연결해 그들의 공통 기능을 수행하거나 어플리케이션 간 인터페이스 제공
  3. 어플리케이션
     • 사람의 제조활동을 지원하는 최상위 소프트웨어 시스템
     • 사람이 다룰 수 있도록 가시화/분석 가능한 시스템 - 참고: 현대자동차의 SDF 아키텍처
       1. 하드웨어
       2. (플랫폼)
       1. 컨트롤
       2. 데이터 플랫폼
          1. 어플리케이션
             • 덧: 지멘스가 이 분야에서 좀 앞선 기업이라 예시로 자주 나올 거다. 이 기업은 신기술도 자기 공장에 직접 적용해서 테스트하고 홍보하고 그러는 곳이다.
• 트렌드: 정보계-장치계-제어계 통합
  • 통합 = 데이터가 잘 흐른다
  • 수직적 통합 지향
  • MES, PLC, 기계 등이 서로 다른 제조사에서 나온 것이라면 통신이나 데이터가 달라서 호환이 안된다. 데이터의 단절이 발생함. 이걸 연결하고자 하는 것이 트렌드.
• 트렌드: 제품 수명주기 데이터 통합
  • 제품 수명주기에 걸친 데이터 통합 관리
  • 회사 내 각 부서 간 데이터에 단절이 있는 게 보통이다. 달라고 해도 잘 안주기 때문. 만약 받았다 해도 쓰기만 하고 피드백은 없음. 각자 바쁨. 그렇기 때문에 또 주는 사람은 전혀 득될 게 없는 거임.
  • 생각보다 전국에 공장이 많다. 현차는 울산 공장이 제일 크다. 그 공장들에서 나오는 데이터를 한곳에 모아 관리하는 게 이 통합이라는 거임.
• 트렌드: 표준 기반 데이터 상호운용성 보장
  • 상호운용성: 하나의 시스템이 동일 또는 이기종의 다른 시스템과 아무런 제약 없이 데이터를 서로 호환하여 사용하는 성질
  • 서로 다른 대상들이 하나의 양식을 공유하려면 표준밖에 없다. 하나의 표준으로 통일하면 통합이 된다.
  • 근데 표준 어려워요. 중요하긴 한데 굳이 써야 하냐는 반감도 좀 있다. 그거 도입하려면 인터페이스 비용도 추가된다.

    M4. 모빌리티 산업 스마트 팩토리 사례

• E-FOREST 사례: 대외비나 저작권 등 각종 이슈가 있어서 그런지 학생들이 제공받은 강의자료는 비공개되었음. 교수님이 보여주시는 화면만 볼 수 있음
  • 모빌리티 산업 패러다임의 변화
    • 기존 사업 영역의 생산능력을 확장하고 차세대 제조환경 구축
  • E-FOREST 추진 철학
    • Auto-Flex: 고객 맞춤 유연 자동화
    • 인간친화적: 인간친화적 스마트기술 적용
    • 친환경 공장: 탄소중립화 실현
  • 구축 방향성
    • Auto-Flex
    • AI를 통한 자율 운영공장
    • 인체공학 중심
  • 조립자동화 사례
    • 휠 얼라인먼트 by 로봇 팔
      • 로봇이 팔 넣고 센서로 감지하면서 휠 조정하고, 완료되면 알아서 조립하고 팔 빼기
    • 차량 하부 플러그 삽입 자동화
      • 부품을 빨판으로 잡아 옮기고 사람의 동작처럼 돌려 끼움
      • 근데 영상 봐도 대체로 뭐 하는지 모르겠음.
  • 검사자동화 사례
    • 도장 불량 검사
      • 비전 센서가 도장 완료된 차체의 먼지, 유분, 칠 불균일 등을 검사함.
      • 요즘은 검사도 로봇이 하고 후공정(샌딩)도 로봇이 함. 5년 전 기준으로 95% 이상 탐지한다고 함.
    • 차체 무빙부품(움직이는 부품) 간격 단차 자동검사
      • 용접이 잘못되면 차 문이 열리지도 않거나 닫히지 않는다. 이들이 허용 오차 이내로 완성되었음을 검사하는 거임.
      • 만약 불량이면 보정까지 해야 한다. 그것도 알고리즘이 알아서 산출하고 로봇에 전달해 보정하도록 한다.
  • 물류 자동화 사례
    • AMR
      • map 기반 실내 측위, 3D 객체인식을 통한 회피주행
      • 바퀴 로커암 구조로 공장바닥 단차/요철 주행
      • 중앙 관제 시스템에 의한 멀티 AMR 통합 제어
      • 차선 없다. 진짜 자율주행하는 거임.
    • 초박형 주차 로봇
      • 이거 성수 팩토리얼 지하주차장에 있어 내가 봤어
      • 교수님도 이미 상용화됐다고 하심
      • 자동차 앞바퀴와 뒷바퀴에 한 대씩 붙어서 바퀴를 삭 들고 원하는 위치에 주차함.
      • 자율주행임.
  • 어플리케이션 사례
    • Factory BI 화면
      • 설비 가동 데이터 분석
        • GUI 조작으로 각종 인사이트 그래프 확인 가능
        • report 기능으로 요약 보고서 대시보드 가능
      • 차체 품질현황 모니터링
        • 마찬가지임 GUI로 이것저것 볼 수 있음
      • 품질관리 - 합격률 저해 문제점 모니터링
        • 제조 데이터의 문제점: 사람이 수기로 입력하는 부분이 꽤 있어서 레이블이 그지같다. 기타 항목은 무엇인지 알 수가 없고, ‘기타1’이라는 항목도 나오는 경우가 있음. 그게 참 어려워요.
        • 100% 되는 AI는 없어요. 근데 그걸 원해. 그 오차는 엔지니어들이 극복해야 할 문제임. 대안을 만들면 돼요. AI가 어려운 건 사람이 개입하면 됨.
        • 제조 업계의 용어 통일 문제도 좀 있음. 같은 불량이어도 불량, NG, 결함 등 다르게 부름.
      • 운영관리 - 실시간 부품(KD) 운송 현황
        • 결국은 신뢰의 문제예요. 이걸 믿을 수 있어야 쓰지. 엔지니어들이 확인해보고 극복할 문제입니다.
        • AI 참 말이 좋긴 한데 현실적으로는 힘든 부분도 참 많다.
• HMGICS 사례: 강의자료 일부 공개
  • HMGICS: 미래 모빌리티 혁신 테스트베드,, 미래 제조기술 개발 및 적용,, 어쨌든 혁신과 신기술의 베타테스트 현장
    • ‘도심형 마이크로 팩토리’. 고객 바로 옆 작은 공장에서 다양한 제품을 생산해서 직배송.
    • 셀 생산 방식: 컨베이어벨트(혼류생산)와 달리 작은 셀에서 각각의 생산이 이루어진다. 다양한 모델을 동시 병렬 생산하기에 좋은 방식
      • 하나의 셀에서 하나의 제품이 엔드투엔드로 생산된다
      • 단위 시간 당 생산량은 혼류생산이 당연히 더 많다. 비용이 효율적임.
      • 셀 생산은 비용이 좀 더 들고 생산 효율도 떨어지는데, 대신 유연성이 큼. 다양한 모델을 만들기에도 좋고 이상상황 대처에도 유리함. 셀 하나 고장나면 그것만 막고 나머지에서 만들면 되는데, 혼류생산은 하나만 고장나도 라인 전체가 멈춰야 함.

      	셀 생산	혼류생산
      생산량 / 비용 효율성	낮음	높음
      다품종 생산	각자 방에서 할일 하면 됨	라인 자체가 바뀌어야 함
      갑자기 뭐 하나 고장남	고장난 것만 빼고 나머지는 이어서 하던 일 하면 됨	그거 고칠 때까지 전부 휴업

  • 물류 자동화 시스템

    • 물류 라인 자동화

      	AGV(automatic-guided vehicle)	AMR(autonomous mobile robot)
      특징	정해진 트랙을 따라감	트랙 없이 가야 할 길을 감
      수용량	무거운 것도 잘 옮김	무거운 건 아직 좀 어려움
      목적지	제한됨. 정해진 곳만 갈 수 있음.	시키면 어디든 감.
      비용	싸다	비싸다

    • 통합 물류 운영 시스템(MORIMS)