제조업에서 프로세스 마이닝 활용해 보기
빅데이터 분석이 중요한 기업 경쟁력으로 대두가 되면서 분석을 위한 많은 BI솔루션들이 등장했습니다. ProDiscovery 역시 쌓여 있는 log 데이터를 활용한 빅데이터 분석 도구입니다. 그래서 많은 분들이 기존의 BI 도구와 프로세스 마이닝 도구인 ProDiscovery의 차이점에 대해서 궁금해하시는데요. ‘실무자를 위한 프로세스 마이닝 개념 이해하기(2)’ 칼럼을(https://blog.naver.com/prodiscovery/221047603874) 참고하시면 기존 BI 시스템과 프로세스 마이닝 도구의 차이점을 알 수 있습니다.
이번에는 좀 더 나아가 업무 프로세스가 확연히 존재하는 제조업 분야에서 ProDiscovery를 통해 어떻게 분석할 것인지 예시를 들어 보겠습니다.
창원에 있는 공장 A는 자동차 부품 중 자동차 운전대 차축을 생산하는 공장입니다. 2012년 말부터 smart factory solution을 도입하였습니다. 실시간 모니터링을 진행 중 A team이 담당하는 내경 정삭 공정에서 자주 down time이 발생하는 것을 파악했습니다. 특히 특정 CNC 설비에서 집중적으로 down time이 발생하였고 down time이 발생할 때마다
HMI에 엔지니어가 원인을 기록해 둔 고장 원인은 설비 고장이었습니다.
생산 관리 팀에서는 설비 관리 팀에 연락을 하여 기계 소프트웨어를 \수정하였지만 down time은 줄어들지 않았고 결국 설비를 판매한 기업에 a/s를 요청했습니다. 하지만 수리를 위해 파견된 엔지니어들은 설비에 \이상이 없다는 대답을 하였고, 결국 생산 관리 팀에선 담당 엔지니어와 인터뷰를 통해 어떤 문제가 발생했는지 파악할 수 있었습니다.
인터뷰 결과 내경 정삭 과정에서 축이 조금씩 틀어졌고 엔지니어는 틀어진 축을 재조정하기 위해 설비를 멈추면서 down time이 발생했습니다. 그리고 틀어진 축 때문에 양품인데도 불구하고 불량품으로 측정되는
경우가 자주 발생하자 내경 정삭 과정 불량품으로 판정된 재공품 들을
다른 기기를 통해 한번 더 검사하고 있었습니다.
근본 원인은 다른 곳에 있었습니다.
A 공장은 내경 황삭 공정을 세 업체에게 아웃소싱을 맡겼습니다.
그중 한 곳에서 불량품을 납품하였고 이 불량품이 내경 정삭 과정에서
이상을 일으켰습니다. 하지만 이 사실을 파악하지 못한 A 공장은 많은
시간과 인력, 비용을 소모하였지만 원인을 파악하지 못했습니다.
(위 사례는 있을 법한 일을 재구성한 내용입니다.)
그렇다면 프로세스 마이닝을 통해 어떻게 근본 원인을 찾아낼 수 있을까요?
ProDiscovery를 통해 한번 예시를 들어 보겠습니다.
1. Smart factory solution에서 특정 설비의 down time이 자주 발생한 것을 파악합니다.
2. ProDiscovery에 들어가 activity filter로 내경 정삭 공정을 선택합니다.
3. 이제 다시 resource filter로 down time이 많이 발생한 설비를 선택합니다.
4. 마지막으로 dimension filter로 불량품인 경우를 선택합니다.
이런 필터 들을 이용하여 우리는 내경 정삭 공정을 activity로 down time을 많이 발생시킨 설비를 resource로 가진 프로세스를 추출해 낼 수 있습니다. 이제 ProDiscovery에서 제공하는 퍼즐을 통해 불량품이 발생한 근본 원인을 분석할 수 있습니다. 위의 사례에서는 프로세스 맵과 MPA 퍼즐을 이용하여 양품일 때와 불량품일 때를 비교하면, 손쉽게 원인을 파악할 수 있습니다.
프로세스 맵에서는 불량품이 발생할 때와 양품일 때의 주요 프로세스 흐름을 비교 파악할 수 있습니다. 아웃소싱하는 공장을 각각 아웃소싱 1, 아웃소싱 2, 아웃소싱 3 같은 각각의 activity로 잡았으면 위의 사례에서는 양품일 때 도출되는 프로세스 맵과 불량품일 때 도출되는 프로세스 맵은 다르게 그려집니다. 두 가지 경우를 비교하여 손쉽게 원인을 찾아낼 수 있습니다.
만약 아웃소싱하는 공장을 각각의 activity로 잡지 않고 아웃소싱 공정 activity에 resource로 잡았다면 MPA 퍼즐이 유용한 도구가 될 수 있습니다. MPA 퍼즐을 통해 불량품일 때와 양품일 때의 activity 당 resource가 발생시킨 event 수의 분포를 비교하면 근본 원인을 손쉽게 파악할 수 있습니다.
제가 들었던 예시는 제조업에서 ProDiscovery를 통해 분석할 수 있는 다양한 상황 중 하나의 예시일 뿐입니다. ProDiscovery는 BI 도구에서는 제공하기 힘든 End to End 케이스 분석을 통해서 문제가 발생하는 근본 원인을 파악할 수 있는 insight를 제공할 수 있으며, BI 도구와 같이 활용한다면 제조업에서 발생하는 다양한 문제의 원인을 파악할 수 있습니다.
