📌스마트 팩토리와 디지털 기술

[교육 후기]

- 조현덕 차장

1. 4차 산업혁명이란?

• 물리세계, 디지털세계, 그리고 생물 세계가 융합되어, 경제와 사회의 모든 영역에 영향을 미치게 하는 새로운
  산업시대를 일컬음

2. 4차 산업혁명 분야

• 인공지능(AI), 사물인터넷(IoT), 로봇기술, 디지털 트윈, 가상현실(VR) 등

3. 디지털 트윈에 대해

• 제조업뿐만 아니라 의료, 에너지, 금융, 공공 서비스 등 거의 모든 영역에서 폭넓게 활용
• 바로 가상공간에 실물과 똑같은 물체를 만들어내는 '디지털 트윈'
  쉽게 말해 실제 사물이나 환경 등을 디지털 공간에 똑같이 구현함으로써 시뮬레이션 해볼 수 있는 기술

4. 디지탈트윈 사례

• 독일 지멘스사는 스마트 공장 구축을 위해 자사 생산시설을 그대로 본뜬 디지털 트윈 시스템을 개발.
• 작업 효율 및 품질 개선 측면에서 상당한 성과를 거둠
• 스마트 공장은 공장 내 설비와 기계에 설치된 센서를 통해 데이터가 실시간 수집/분석되어 공장 내 모든
  상황들이 한눈에 보이고, 분석해 스스로 제어가 가능해짐

강우석 과장

1. 일상생활의 디지털화

• 일상에서 소비하는 대부분의 것들이 아날로그에서 디지털로 넘어가게 되고 이를 통해 소비데이터가 점차 누적되게 되었음.
• 데이터가 누적됨에 따라 활용성/파급성에 따른 가치판단을 통해 데이터 보관방식에도 변화가 이루어짐
  • 어떤 데이터를 어떻게 활용할지 정하고 정리해서 쌓던 방식에서 (Data Warehouse)
  • 나중에 무엇을 어떻게할지 모르니 일단 수집하는 방식으로 (Data Lake)
• 기존 데이터 결합에 새로운 변수 추가에 따른 재해석, 이에 따른 새로운 가능성을 발견할 수 있는 여지로 인해 미처 찾아내지 못했던 아이디어를 도출해낼 수 있는 기반을 마련할 수 있음

2. 제조업에서의 데이터 활용

• 일상생활뿐만 아니라 산업현장의 데이터들도 디지털화할 수 있는 기반이 마련됨에 따라 이를 활용할 수 있게 됨.
• IoT활용을 통한 생산공정 현장의 데이터, 원재료 물성/특성 데이터, 공장의 환경이나 기상상태와 같은 환경요인의 데이터를 수집하여 해당 변수들의 결합을 통해 분석을 할 수 있음
• 데이터 분석은 데이터간 유의미한 차이/관계/패턴을 확인하고 설명하는 과정인데
  이를 위해서는 무엇을 위한 분석인지 목표를 설정하고, 이에 따라 필요한 데이터를 선정해보면서, 대상 데이터의 속성에 따라 적용가능한 최적의 알고리즘을 선택하여 결론을 내야한다.

3. 스마트 팩토리

• 기존에 수행하던 제품기획부터 판매까지의 모든 과정을 ICT 기술로 통합하여 생산성 향상을 이루어내는 지능형 공장을 뜻하며, IoT를 통한 데이터 수집이 이루어지고, 알고리즘(AI)를 활용하여 의사결정을 대체하며, Robot을 활용하여 빠르고 정밀한 작업수행을 요건으로 한다.

이종원 대리

1. AI, BigData, Cloud, DT
   Smartphone 의 대중 보급 → 데이터 축적의 가속
   대중의 스마트폰 사용으로 데이터 발생이 다양해지고 축적 속도 또한 가속화됨.

데이터의 축적 기준으로 DW, DL
활용을 위한 적재 : Data Warehouse
적재 후 활용 : Data Lake

단순 데이터의 양보다는 질!!
질적인 측면에서 적절한 변수 설정 필요!!
새로운 변수 설정은 새로운 관계를 만들고, 새로운 아이디어가 나온다.

단순 비교를 넘어서 새로운 변수를 설정하고 분석하는데 어려움 → 알고리즘 활용

알고리즘의 활용은 결국 확률 계산

2. 제조업
   생산공정(IoT 수집 데이터) → 원재료 특성(데이터) → 환경 요인(공장, 작업자, 기상 등,,,) → ….

IoT 수집데이터+데이터+데이터,,, 를 분석하고 활용하는데 어떤 변수를 설정할 것인가

유의미한 변수를 설정하는 과정은 결국 목표를 설정하는 그 과정에 도구로써 알고리즘을 사용

3. Smart Factory
   데이터와 아키텍쳐를 통해 빅데이터 기반 의사결정 지원

기획/설계 → 생산 → 유통/판매 프로세스에 걸쳐 ICT 기술을 활용하여 생산성 향상이 목표

IoT 데이터 수집 + 알고리즘 의사결정 + Robot 생산속도, 정확성 향상

조재희 사원

1. 데이터 활용도

• B2C(Business to customer) 분야
• 기존에도 데이터가 쌓였지만 현재는 고객정보 등 플러스 알파의 데이터가 쌓인다
• 소비의 디지털화
  예시) 커피, 식품, 지도 offline으로 구매/확인 → 사이렌오더, 쿠팡, 네이버지도 사용
• 컨텐츠화
  예시) TV/라디오 → MP3/PMP → OTT(스트리밍, 실시간 정보 데이터를 얻을 수 있다)
• B2B(Business to Business) 분야
• B2B 데이터 근원은 빅데이터이고, 기본적인 기반으로 인프라가 먼저 구축되어야만 한다

2. 알고리즘의 등장

• 배경: 데이터의 혁신은 변수가 추가됨에따라 이뤄진다. 변수가 많아지고 분석이 어려지면서 자연스럽게 알고리즘을 이용하게 되었다.
• 머신러닝을 통해 어떤 변수가 활용도가 있는지 주요 변수를 선택하고 예측에 사용할 수 있다. 사람이 예측하게되면 심슨의 역설에 빠질수 있다.
• 알고리즘 자체 기술보다는 어떻게 사용할 것인지 알고리즘의 흐름이 중요하다.
• 알고리즘은 정해진 답이 아니라 확률이기 때문에 적용시 파일럿 테스트는 필수이다.

3. 스마트 팩토리

• 스마트 팩토리의 DT혁신은 매우 방대하기 때문에 IoT/AI/로봇 /유지보수 중에서 선택하여 진행해야한다.
• 제조업은 생산 분야만 테이터 분석이 가능하다(구매나 판매는 예측하기가 어렵게 때문)
  기존에는 식스시그마로 정해진 데이터로만 분석했었다면 현재는 IoT, AI으로 다양하게 데이터 분석이 가능하다.
• 제조는 공장, 원재료 등 특성이 자주 바뀌기 때문에 알고리즘 업데이트가 필요하다.