이메일로 Hortonworks의 새 업데이트를 받으세요.

한 달에 한 번 빅 데이터와 관련한 최신 인사이트, 동향, 분석 정보, 지식을 받아 보세요.

CTA

시작하기

클라우드

시작할 준비가 되셨습니까?

Sandbox 다운로드

어떤 도움이 필요하십니까?

닫기닫기 버튼
CTA

제조 및 IoT 연결 공장에서의
빅 데이터

클라우드 Hortonworks는 리더입니다. Forrester Wave를 읽어보세요.

보고서 다운로드

더 스마트하게

제조에서 가장 중요한 것은 효율입니다. 이제 제조업체는 연결 기기, IoT, 예측 분석, 기계 학습을 이용하여 제조에 빅 데이터를 활용하는 방법으로 효율을 높이고 보다 나은 제품을 시장에 처음으로 출시하는 기업이 될 수 있습니다. 또한 비용을 줄이고 보다 나은 제품을 시장에 처음으로 출시함으로써 고객 만족을 높일 수 있습니다.

자세히 알아보기

데이터를 양질의 제품과 효율적인 공정으로 변환

이제는 비교적 저렴한 센서와 IoT 기기를 사용하여 디자인 샵, 공급망, 생산 라인 및 보증 등 제조 공급망의 여러 단계에 데이터를 수집하고 더 자주 전송할 수 있습니다. 제조업체는 Hortonworks DataFlow(HDF™)를 사용해 이동 중인 데이터를 실시간으로 수집하여 연결 공장에서 문제가 발행한 위치에 관계없이 곧바로 빨리 확인할 수 있습니다. Hortonworks Data Platform을 사용하면 레거시 플랫폼과 호환되지 않는 데이터에 대한 과거 분석이 가능하므로 엔지니어들이 반응적인 오류 방지를 뛰어넘어 공정을 능동적으로 개선하는 데 도움이 됩니다.

이용 사례

원료의 적시 입고 보장

제조업체는 원료 보유 재고를 최소화하길 원하므로 적시 입고를 선호합니다. 반면에 재고가 부족하면 생산이 지연되어 손실이 발생할 수 있습니다. 센서와 RFID 태그, IoT를 제조에 사용하면 공급망 데이터를 수집하는 비용이 절감되지만, 계속 유입되는 많은 데이터가 발생합니다. Hadoop을 사용하면 이 비정형 데이터를 비교적 적은 비용으로 저장할 수 있습니다. 그러므로 제조업체는 공급망의 과거에 대한 가시성을 높이고 몇 달치 분량에 불과한 데이터에서 볼 수 없는 큰 패턴을 확인할 수 있습니다. 이 인텔리전스를 통해 제조업체는 공급망 문제에 대처할 시간을 더 많이 얻을 수 있습니다. 또한 연결 공장은 공급망 비용을 줄이고 완제품의 이익율을 높일 수도 있습니다.


실시간 및 과거 어셈블리 라인 데이터로 품질 관리

하이테크 제조업체들은 센서를 사용하여 제조 공정의 중요한 단계에서 데이터를 수집합니다. 이 데이터는 제조 시에 문제가 발생하는 즉시 발견하는 데 유용합니다. 그러나 일부 포착하기 힘든 문제—"알려지지 않은 알려지지 않은 문제"—는 제조 시에 발견되지 않을 수 있습니다. 그렇지만 이런 문제는 제품 구매 후 불량률이 높아지는 원인이 될 수 있습니다. 문제가 있는 제품이 반품되면 제조업체는 불량 원인을 확인하기 위해 제품을 테스트하고 이 테스트 데이터를 제품 제조 시에 얻은 원래 센서 데이터와 합칠 수 있습니다. 여러 제품에 걸쳐 제조에서의 빅 데이터로 이렇게 가시성이 높아지면 제조업체가 공정과 제품을 데이터가 적은 환경에서는 불가능한 수준으로 개선하는 데 도움이 됩니다.


사전 장비 유지보수로 가동 중단 방지

지금의 제조 워크플로에는 미리 정해진 정밀한 단계에 걸쳐 통합된 정교한 기계들이 사용됩니다. 기계 하나가 오작동하면 생산 라인이 중단될 수 있습니다. 유지보수 작업을 너무 빨리 하면 비용이 발생하므로, 너무 이르거나 너무 늦지 않은 최적의 유지보수 및 수리 일정을 정해야 합니다. 머신 러닝 알고리즘을 사용하면 각 장비의 유지보수 이벤트와 머신 데이터를 오작동 기록과 비교할 수 있습니다. 이런 알고리즘을 통해 실시간 정보와 과거 데이터를 기반으로 최적의 유지보수 일정을 도출할 수 있습니다. 이렇게 제조 예측 분석을 사용하면 장비 이용률을 극대화하고, P&E 비용을 최소화하고, 예기치 못한 작업 중단을 방지하는 데 도움이 될 수 있습니다.


약품 제조 수율 향상

생물약제 제조에는 세심한 모니터링과 환경 조건 관리가 필요합니다. 모든 생산 공정의 목표는 생산 라인을 처음 거칠 때 올바르게 제조되는 제품의 수를 나타내는 척도인 FTY(최초 수율)를 극대화하는 것입니다. FTY가 1퍼센트씩 증가할 때마다 생산 비용은 크게 절감됩니다. 운영을 볼 수 있는 가시성이 낮기 때문에 FTY 개선에 방해가 되는 경우가 종종 있습니다. 센서 데이터를 기존의 다른 데이터 저장소와 통합할 수 있으면 이런 가시성을 개선하는 데 필요한 원시 데이터를 센서로부터 얻을 수 있습니다. Hadoop에서는 데이터 수집 전에 연역적인 스키마가 필요하지 않으므로 Hadoop Data Lake를 사용하면 센서 데이터를 기존의 다른 데이터 저장소와 더 쉽게 통합할 수 있습니다. 또한 Hadoop은 저장 비용이 더 저렴하기 때문에 클러스터에 더 많은 형식의 데이터를 더 많이 더 오랫동안 저장하여 데이터에서 새로운 관계를 발견할 수 있습니다. Merck Research Laboratories에서 Hortonworks Data Platform을 사용하여 약품 제조를 최적화한 방법에 대해 읽어보십시오.

크라우드소싱 품질 보증

철처한 테스트를 거친 제품도 판매 후에 문제가 발생할 수 있습니다. 고객은 제조업체에 문제를 알리지 않고 소셜 미디어에서 친구와 가족들에게 제품에 대해 불평할 수 있습니다. 제품 문제에 대한 이 소셜 데이터 스트림은 기존 지원 채널에서 얻는 제품 피드백을 보완하기 위해 사용할 수 있습니다. Hadoop에는 사람들의 생각을 나타내는 소셜 미디어 데이터를 대량으로 저장할 수 있으며 제조업체는 이 데이터를 마이닝하여 제품이 전체 수명 동안 어떻게 성능을 유지하는지에 대한 조기 징후를 파악할 수 있습니다. 이렇게 문제에 대해 빨리 알고 조기에 조치를 취하여 제품의 평판을 보호할 수 있으면 고객 충성도를 높이고 유지하는 데 매우 효과적입니다.