AI연구회
경남ICT협회 AI 연구 모임
설비 가동율(OEE, Overall Equipment Effectiveness)은 제조 공정에서 설비의 전체적인 효율성을 측정하는 주요 지표입니다. OEE는 설비 가용성, 성능 효율성, 품질을 측정하는 세부 지표로 구성되어 있습니다. 각각은 다음과 같습니다:
이 세 가지 요소를 곱하여 OEE를 계산합니다. OEE는 기본적으로 설비가 설계된 용도에 따라 최대한 효율적으로 사용되고 있는지의 지표로, 곧바로 생산성에 직결됩니다.
OEE가 높을수록 생산 공정이 효율적으로 운영되고 있음을 의미합니다. 즉, 생산 손실이 최소화되고, 불량률이 낮으며, 기계 가동시간 대비 실제 생산이 원활하게 이루어지고 있다는 것을 의미합니다. 이는 제품의 품질 향상, 불필요한 비용의 감소, 생산량 증가 등으로 이어져 생산성 향상에 큰 영향을 미칩니다.
따라서, 설비 가동율(OEE)은 생산성 향상과 매우 밀접한 관련이 있습니다. 고도로 자동화된 제조 시스템에서는 OEE 최적화를 통해 생산 효율을 높이는 것이 중요한 전략이 될 수 있습니다.
이를 위해 다양한 제조 전략과 기술, 예를 들어 Lean Manufacturing, Six Sigma, Industry 4.0, AI 기반 예측적 유지 보수 등이 활용됩니다.
OEE(Overall Equipment Effectiveness)는 기계나 장비의 전체적인 효율성을 측정하는 지표입니다. AI(인공지능)를 이용하면 OEE를 향상시키는 데 도움이 될 수 있습니다. AI는 다음과 같은 방법으로 OEE를 향상시키는 데 기여할 수 있습니다:
예측 유지보수(Predictive Maintenance): AI는 센서 데이터, 로그 데이터, 작동 데이터 등을 분석하여 기계의 고장을 미리 예측할 수 있습니다. 이를 통해 불필요한 고장으로 인한 생산 중단 시간을 줄이고 장비의 가용성을 향상시킬 수 있습니다.
품질 향상(Quality Improvement): AI는 제품의 결함을 실시간으로 감지하고 분류할 수 있습니다. 이를 통해 생산 과정에서의 불량률을 감소시키고 재작업을 줄여 품질을 향상시킬 수 있습니다.
공정 최적화(Process Optimization): AI는 복잡한 데이터 패턴을 분석하고 예측 모델을 생성하여 최적의 생산 과정을 도출해 낼 수 있습니다. 이를 통해 생산 속도를 높이고 기계의 효율성을 높일 수 있습니다.
에너지 효율성 향상(Energy Efficiency Improvement): AI는 생산 과정에서의 에너지 사용 패턴을 분석하고 최적화하여 에너지 효율성을 향상시킬 수 있습니다.
이러한 방법들을 통해 AI는 OEE를 향상 시키고 제조업체가 생산성을 높이고 운영 비용을 줄이는 데 도움을 줄 수 있습니다.
"Hidden Factory"는 제조업에 존재하는 비효율적인 프로세스나 시스템을 나타내는 용어입니다. 이는 생산라인에서 눈에 보이지 않는 공장을 의미하며, 이 공장은 불량품 생산, 과잉 생산, 재작업, 불필요한 시간 소비 등으로 운영 비용을 증가 시키고 생산 효율을 감소시킵니다.
Hidden Factory는 눈에 띄지 않는 비효율성 때문에 기업이 자신들의 실제 생산 능력을 완전히 이해하지 못하게 만들 수 있습니다. 이로 인해, 기업은 생산 공정의 문제를 해결하거나 개선할 기회를 놓치게 됩니다.
이러한 Hidden Factory를 줄이기 위해서는 기업들이 품질 관리 체계를 개선하고, 생산 공정을 효율적으로 관리하며, 직원 교육 및 훈련을 통해 실수를 줄이는 등의 노력이 필요합니다. 이러한 노력을 통해 기업은 더 높은 생산 효율과 품질을 달성하고, 재 작업 및 폐기물 처리 비용을 줄일 수 있습니다.
따라서 Hidden Factory를 찾아내고 해결하는 것은 기업의 경쟁력 향상과 비용 절감에 중요한 역할을 합니다. 이를 위해 Lean Manufacturing, Six Sigma와 같은 전략 및 도구를 사용하여 품질과 효율성을 높이는 것이 일반적입니다.
"Hidden Factory"는 기업이 소비하는 자원 중에서 공식적으로 인식되지 않거나 측정되지 않는 불필요한 또는 비효율적인 작업을 가리킵니다. 이는 재작업, 불량률 증가, 기계 고장 등 다양한 형태로 나타날 수 있습니다.
AI는 이러한 Hidden Factory를 발굴하고 개선하는 데 큰 역할을 합니다. 데이터 분석을 통해 숨겨진 패턴이나 문제를 찾아내고, 머신러닝 알고리즘을 사용해 미래의 문제를 예측하며, 최적화 알고리즘을 통해 공정을 개선할 수 있습니다.
- Hidden Factory AI 활용 방법:
- Hidden Factory AI 활용 사례:
- Hidden Factory AI 방안
1. Anomaly Detection (이상치 탐지): AI는 시간에 따른 데이터 패턴을 학습하고, 그 패턴에서 벗어나는 이상한 동작이나 고장을 탐지할 수 있습니다. 이를 통해 기계의 이른 고장을 예방하고, 생산 중단 시간을 줄일 수 있습니다.
2. Predictive Maintenance (예측적 유지보수): AI는 기계의 데이터를 분석하여 언제, 어떤 부분이 고장 날지 예측할 수 있습니다. 이를 통해, 예상되는 고장 전에 미리 유지보수를 수행함으로써 생산성을 유지하고 비효율적인 작업을 줄일 수 있습니다.
3. Process Optimization (과정 최적화): AI는 수많은 변수 사이의 관계를 학습하고, 최적의 결과를 내기 위한 조건을 찾을 수 있습니다. 이를 통해, 공정의 변수를 조정하여 생산성을 향상 시키고, 불필요한 작업을 줄일 수 있습니다.
예를 들어, Microsoft의 Project Bonsai는 강화 학습을 활용하여 복잡한 시스템과 환경에서 최적의 결과를 내는 방법을 학습하고 있습니다. 이를 통해, 기업들은 복잡한 생산 공정에서도 최적의 조건을 찾아낼 수 있습니다. 또한, Google의 Cloud AI는 AutoML을 제공하여, 기업들이 자신만의 머신러닝 모델을 쉽게 만들고, 이를 활용하여 공정을 최적화 하거나, 이상치를 탐지하는 등의 작업을 수행할 수 있습니다.
로봇 공정에서 가용성 손실의 전형적인 예
- 현장 로봇에서 로봇에 티칭으로 가동을 중지한 사례로 소량 다품종 생산일 경우 더 더욱
가용성 손실(Hidden Factory)이 발생 함.
- 또한 시험 운전 시 예상하지 못한 경로 이동으로 파손 사례
Online teaching에서 Availability Loss가 발생하는 경우, 다음과 같은 몇 가지 개선 방법을 고려해 볼 수 있습니다:
1. Offline Programming: 로봇의 작업 프로그램을 실제 생산 작업을 중단하지 않고 외부에서 미리 작성하고 시뮬레이션 할 수 있습니다. 이렇게 함으로써, 로봇 티칭이 필요한 경우에도 실제 생산 활동에 미치는 영향을 최소화하고 가동 시간을 극대화할 수 있습니다.
3. Automated Teaching Systems: AI 기반의 시스템들은 자동으로 로봇을 학습시킬 수 있으며, 이를 통해 가동 시간 중 로봇 프로그래밍으로 인한 중단을 최소화할 수 있습니다. 예를 들어, 강화 학습과 같은 기술은 로봇이 스스로를 학습하고 더 효율적인 방법으로 작업을 수행하는 데 도움이 될 수 있습니다.
3. Predictive Maintenance: 로봇 시스템의 유지보수를 위한 AI 기반의 예측 알고리즘은 고장이나 다른 문제를 미리 예측하고, 예방하여 가동 중지 시간을 줄일 수 있습니다.
4. Improved Training: 로봇 사용자에게 효과적인 온라인 티칭 기법에 대한 교육을 제공하면, 티칭 시간을 줄이고 오류를 방지하는 데 도움이 될 수 있습니다.
로봇 공정에서 가용성 손실을 줄일 수 있는 방법
a) 3차원 설계모델 데이터에서 관심파트(예 용접부)에 대한 3차원 경로를 추출하여 csv파일로 받는다
b) csv 파일을 로드 하여, 로봇 경로로 사용한다.
- 이때 3차원 설계 데이터의 기준점과 로봇 STation의 기준점 차이가 있을 수 있음으로 확인한다.
c) 보유하고 있는 로봇 시물레이션 SW를 사용하여 로봇 시뮬레이션 한다.
d) 세부 조정을 한다.
[아래는 CHatGPT를 활용한 방법입니다.]
Prompt) Robodk sw에 대해 알려줘
RoboDK는 공업용 로봇에 대한 오프라인 프로그래밍 (Offline Programming, OLP)과 시뮬레이션을 제공하는 소프트웨어입니다. 이는 실제 로봇 작동 환경에서 로봇 팔의 움직임을 시뮬레이션하고 테스트하는 데 사용되며, 다양한 제조 환경에서 로봇 작업을 프로그래밍하고 최적화하는 데 사용할 수 있습니다.
RoboDK의 주요 특징은 다음과 같습니다:
오프라인 프로그래밍: RoboDK는 실제 제조 환경에서 작업하기 전에 작업을 시뮬레이션하고 프로그래밍하는 데 사용됩니다. 이를 통해 사용자는 실제 로봇 작업을 시작하기 전에 문제를 식별하고 해결할 수 있습니다.
로봇 라이브러리: RoboDK는 500개 이상의 로봇 모델을 제공합니다. 이 라이브러리에는 ABB, KUKA, Universal Robots 등의 주요 제조업체의 로봇이 포함되어 있습니다.
로봇 경로 플래닝: RoboDK는 CAD 데이터를 사용하여 로봇 경로를 생성하고 최적화할 수 있습니다. 또한, 로봇 경로를 직접 프로그래밍하거나 수정할 수 있습니다.
Python 및 C# API: RoboDK는 사용자가 로봇의 움직임을 프로그래밍하고 제어할 수 있도록 Python 및 C# API를 제공합니다. 이를 통해 사용자는 로봇 프로그래밍을 보다 쉽게 자동화하고 커스터마이징할 수 있습니다.
다양한 확장성: RoboDK는 3D 프린팅, 머신 비전, 외부축 (예: 회전 테이블 또는 컨베이어)와 같은 다양한 로봇 응용 프로그램을 지원합니다.
RoboDK는 로봇 프로그래밍과 제조 자동화에 관심이 있는 엔지니어, 연구자, 학생 등에게 이상적인 도구입니다. 이는 제조 작업을 시뮬레이션하고 테스트함으로써 기계 시간을 절약하고 효율성을 향상시키는 데 도움이 될 수 있습니다.
Prompt) Robodk에서 "Doosan M1013 Base" 로봇으로 Home 위치에서 Target 1으로 이동하여 letter "data" 그리는 코드
Prompt) Robodk SW로 trajectory 를 "kkk.csv" load하여 그리는 코드
기업 홍보를 위한 확실한 방법협회 홈페이지에 회사정보를 보강해 보세요.