Big data on 제조 글로벌 제조사 품질 개선 사례-Dhan-kim-2013-7-2

KT NexR BIG DATA DAY 2013


CO

NTE

NTS 국내 빅 데이터의 현주소

제조산업에서의 빅 데이터

글로벌 제조사 A 사례

맺음말


시작하며…

3


국내 빅 데이터의 현주소

• 글로벌 빅 데이터 시장 전망– 매년 약 39~60% 성장, 2015년에는 $169~321억(18.6조~35.3조 원) 규모로 성장

4

Source: ‘빅 데이터 산업의 현황과 전망’, KISTI, 2013.4

● 36,456

●46,819

CAGR=6.36%ERP



• 빅 데이터 활용에 따른 기업 매출 증대 효과 입증

5

Source: Avanade, 2012.6



• 국내 빅 데이터 시장 전망– 2013년 $1억6300만(1,793억 원), 2012년 세계 시장의 0.3% 해당– 2015년 $2억6320만(2,900억 원)– 2020년 $9억(9,900억 원) 예상– 국내 ICT 관련 산업에서 빅 데이터 분야 비중

• 2013년 0.6%에서 지속적으로 증가, 2020년에는 약 2.6%에 이를 것으로 전망

6

Source: ‘빅 데이터 산업의 현황과 전망’, KISTI, 2013.4

● 626● 650ERP


공급자 측면의 현주소

수요자가 체감하는 현주소(한국IDG 설문 조사)

‘빅데이터도입미정’답변46.7%,‘전사적으로도입해서활용하거나파일럿프로젝트실행단계’답변15.6%

빅데이터도입및활용시가장큰방해요인으로는‘활용분야미발견’(30%),‘데이터전문가부족’(20%),‘빅데이터인프라구축미비’(13%)등

데이터와관련한거의모든IT업체가빅데이터시장진출을선언 포털,통신업체도빅데이터시장에뛰어든형국 실제성과를낸업체들은사실몇되지않음 얼마나성장할지장담할수없는것이바로국내빅데이터시장


7

Source: 한국IDG, 2013.6.21

30%

20%13%

활용 분야 미발견 전문가 부족 인프라 미비 기타

47%

15%

38%

도입 미정 도입 활용/파일럿 프로젝트 기타



• 산업영역별 저장된 데이터 량

8

Source: McKinsey Global Institute, 2011.6



• 산업영역별 빅 데이터의 수집 용이성 및 가치

9

Source: McKinsey Global Institute, 2011.6



10

• 산업영역별 Big Data Opportunity Heat Map

Source: Gartner, 2012.7


• 제조산업의 빅 데이터 유형

• 반도체 장비에서 추출한 로그 데이터의 예

데이터구분 데이터유형 데이터예

제조장비

데이터장비로그데이터(비정형)

반도체장비에서생성되는이벤트로그데이터

(초당~수백/천건)

대표사례:마이크론테크놀로지(MicronTechnology)

운영통합

데이터

세일즈-마케팅-물류통합데이터

(정형)

고객 구매(POS) 데이터, 주문 데이터, 물류 및 생산 통합데이터

고객경험

데이터

제품사용후기(비정형),

실시간유입되는제품사용정보(정형)

고객댓글,사용후기,애프터서비스자료

제품센서로제품사용실시간파악(자동차ITS시스템)


11

Source: 제조분야에서의 빅데이터 기술 활용, 2012.11


• MES(Manufacturing Execution System)의 Position– 주문의 착수에서 완성품 완료까지의 생산활동을 추적, 관리하고 생산의 최적화를 위한

정보를 제공하는 것을 목적


12



• 글로벌 제조사 A의 고민의 시작

13

치열한경쟁환경에서살아남기위해엄격한품질관리를최우선과제로삼음

대량 생산 경쟁력 및 대내외 품질 신뢰성 향상 목적 하에 지속적인자동화설비투자진행

→설비에서발생하는품질데이터기반으로보다정확한품질조회가가능

→ 초기품질손실비용에대한위험감소


• A사 MES 담당 부서의 새로운 고민

로그 데이터는 있는데 활용하기 너무 힘드네 …


14

로그 데이터를 보관해야 하는데 인프라 구축에 추가적으로돈이 든다 그것도 너무 자주 …, 근본적 문제는 그대로인데 …

생산설비증가(센서증가)로지속적으로데이터양은급증 각 설비에서 발생하는 초당 약 1,000여건의 품질 데이터를 장기 보관/조회하기

위해3~6개월마다인프라(HW,SW)추가증설투자(ScaleUp)

RDBMS기반MES시스템에서는정형화하기힘든복잡한구조의품질데이터로인해1일이상의데이터에대한즉각적조회힘듦

1일이상데이터조회시MES성능저하, 시스템장애발생,실시간상세조회불가등의문제점이발생

대외고객으로부터품질신뢰성저하


공장설비센서

데이터(Binary, Text)

App 서버(CC, 룰 서버)

MES DB(RDBMS)

사용자(Admin, Operator)


• AS-IS

15

A

B

E

F

품질진단상세조회(실시간 조회)

품질 조회(통계)

실시간조회Raw Data

품질통계

제어용데이터

C성능저하

성능저하/장애

병목(장애)

데이터보관인프라증설(3~6개월)

병목(장애)

병목(장애)


• To-Be(2차)

공장설비센서

데이터(Binary, Text)

App 서버(CC, 룰 서버)

NDAP,MES DB(RDBMS)

사용자(Admin, Operator)


16

A

B

E

F

C

실시간조회용(Hbase)

Raw Data(HDFS) 품질통계(임시)

거래선용Raw Data

품질조회용(통계)

제어용데이터

품질진단상세조회(실시간 조회)

품질조회

MES 안정화,

슬림화



• 실제 개선 효과– 주요 문제점 & 개선효과

17

데이터 장기보관 위한

고비용 인프라 구조6개월 마다 인프라 증설

대량 설비데이터

상세조회 불가

1일 이상 데이터

상세 조회 불가

품질관리 생산성 저하 데이터 조회 3시간 소요

약 48억 + α

100% 개선

실시간 상세 조회
