AWS Builders 1 : 클라우드를 활용한 스마트 팩토리 전략

클라우드를 활용한
스마트 팩토리
실현 전략
석진호 | 제조업 사업 개발 담당

강연 중 질문하는 방법 AWS Builders
Go to Webinar “Questions” 창에 자신이 질문한
내역이 표시됩니다. 기본적으로 모든 질문은
공개로 답변 됩니다만 본인만 답변을 받고 싶으면
(비공개)라고 하고 질문해 주시면 됩니다.
본 컨텐츠는 고객의 편의를 위해 AWS 서비스 설명을 위해 온라인 세미나용으로 별도로 제작, 제공된 것입니다. 만약 AWS
사이트와 컨텐츠 상에서 차이나 불일치가 있을 경우, AWS 사이트(aws.amazon.com)가 우선합니다. 또한 AWS 사이트
상에서 한글 번역문과 영어 원문에 차이나 불일치가 있을 경우(번역의 지체로 인한 경우 등 포함), 영어 원문이 우선합니다.
AWS는 본 컨텐츠에 포함되거나 컨텐츠를 통하여 고객에게 제공된 일체의 정보, 콘텐츠, 자료, 제품(소프트웨어 포함) 또는 서비스를 이용함으로 인하여 발생하는 여하한 종류의 손해에
대하여 어떠한 책임도 지지 아니하며, 이는 직접 손해, 간접 손해, 부수적 손해, 징벌적 손해 및 결과적 손해를 포함하되 이에 한정되지 아니합니다.
고지 사항(Disclaimer)

© 2021, Amazon Web Services, Inc. or its Affiliates. All rights reserved.
오늘의
세션 목록 시간 세션 소개
10:00am – 10:30am
클라우드를 활용한 스마트 팩토리 실현 전략
발표자: 석진호 제조사업개발 담당
글로벌 제조 산업의 시장 트렌드 속에서 스마트 팩토리는 어떠한 모습으로 변화하고 있는지
소개합니다. 이를 통해 글로벌 제조 기업들은 어떤 비즈니스 결과를 창출하는지 알아보고
AWS와 함께 혁신적인 아이디어를 함께 발굴할 수 있기를 기대합니다.
10:30am – 11:00am
데이터 기반으로 스마트한 생산 현장 환경 만들기
발표자: 문태양 솔루션즈 아키텍트
ERP, MES 또는 생산 현장에서의 데이터들을 BI로 구현하여 일하는 환경에서의 효율적인 지표
관리 방법을 들어보실 수 있습니다. 어떤 형태로 시각화 할 수 있는지를 데모를 통해 소개합니
다.
11:00am – 11:30am
인공지능을 활용하여 설비 및 생산 라인에서의 이상 감지 고도화하기 (Amazon Lookout 시
리즈를 중심으로)
발표자: 문태양 솔루션즈 아키텍트, 남궁영환 시니어 AI/ML 컨설턴트
2020 re:Invent에서 새롭게 출시된 Amazon Lookout for Vision과 Amazon Lookout for
Equipment를 소개 합니다. 각각의 서비스가 조립(Discrete) 제조와 공정(Process) 제조에서 어
떻게 비정상적인 문제점을 감지 및 식별할 수 있는지에 대해 서비스 소개와 데모를 통해 알아
보실 수 있습니다.

AGENDA
•Smart Factory의 방향성과 추진 상의 일반적인 문제점
•AWS가 생각하는 핵심 Keyword
–Agile: Tech 기업처럼 일 하기  Volkswagen
–Emerging Tech: 신 기술의 활용  Woodside
–Basics: 기본기 점검하기  국내 제조사

Smart Factory란?
스마트 팩토리를 정의하는 5가지 요소:
① Connected
- 공장과 기계의 IoT 센서 데이터를 수집하여 예측정비를 위한 분석 시행 가능
- 파트너, 벤더, 타 부서와 협업하고 서로의 진행여부가 확인 가능한 투명한 플랫폼 존재
② Optimized
- 정확한 생산 용량에 대한 수요 예측 가능
-생산 효율화 및 기계 가동시간 효율화
-생산 프로세스 자동화와 인력 효율화를 통한 비용 절감
③ Transparent
- 빠르고 정확한 의사결정을 위한 실시간 데이터 공급
- 과거 데이터 와 실시간 소비자 수요를 분석에 동시 반영
④ Proactive
- 장애 발생/수리 필요 시점 전에 기계적 결함을 사전에 발견
- 인벤토리 보충 자동화 프로세스 + 불량 품질의 이슈 조기 발견
- 실시간 현장 작업자 안전 모니터링
⑤ Agile
- 수많은 데이터 포인트 생성과 분석 시행을 감당할 유연한 IT 인프라 및 환경
- 기계 configuration 및 데이터 알고리즘 변경 시, 신속하게 반영
Source: Deloitte

30% 이하의 기업 만이 성공을 경험
68%
Of manufacturers have started
their smart factory initiative or
will start within 1 year 1
<30%
Of manufacturers have achieved
success or are seeing business
value 1
>40%
Of manufacturers stuck in “pilot
purgatory” identify integration
issues as a cause 2

추진 상의 이슈

자동차 시장의 변화
Key changes to the product …
Connectivity
Shared
Electrification
Autonomous
Manufacturing
… driving us to re-think production

Volkswagen 그룹 개요
11.018 million
vehicles (2018)
€235.8 billion
revenue (2018)
664,496
employees (2018)
12 Brands
122 factories
1 Group
Volkswagen
Group

30% 생산성 개선을 위해 산업 공급망 관리 필요
How will we realize
this vision?
With the Production Strategy 2025,
we’ve set an ambitious goal to achieve
a 30% increase in productivity until
2025 compared to 2018.

유연하고 포괄적인 산업 디지털 플랫폼 추진
Volkswagen Group suppliers +
additional partners
DPP
IC
Digital Production Platform (DPP)
• Combines data of all machines, plants and systems
• Cloud-based platform essential to scale up new
applications rapidly across the world
Industrial Cloud (IC)
• Based on the DPP, the Industrial Cloud will be an
open industry platform and ecosystem
• Global supply chain with over 1,500 suppliers and
partner companies to be integrated
We need a powerful IoT platform to kick start
innovation in manufacturing and production
…

진행 방식의 변화가 필요 했음
Shape the technology, not purchase it
Lead and get to value as
quickly as possible
Create a community of
peer-partners to build with
일반적인 진행 방식
새로운 방식
Lower risk through COTS
(Commercial off-the-Shelf) model
One-way, static
buyer-supplier relationship
Purchase complete platform,
keep it closed, hire integrator

Usecase 레벨 가치  플랫폼 가치
Our platform backlog
is driven by demand
from use cases
Press
Optimization
Energy
Efficiency
Digital Shop
Floor
Management
Part
Localization
Predictive
Maintenance
DPP Platform Services
USE
CASES
Increase Press Shop Efficiency
Location: Wolfsburg, Germany
User: Press Operator
Goal: Reduce scrap, increase
throughput and stroke rate
Press shop optimization
USE CASE
Measure equipment effectiveness
Location: Polkowice, Poland
Chemnitz, Germany
User: Plant Manager
Goal: Standardize & monitor Overall
Equipment Effectiveness (OEE) for
cylinder production line
Digital shop floor management
USE CASE

Digital Shop Floor Management Usecase
• Transparency at place
of action
• Structured problem
solving with up-to-dat
e information
• High motivation and
continuous improveme
nt of employees

Digital Shop Floor Management Usecase
…n
Machine 1 Machine 2 Machine 3
M1 M2 M3 Mon Tue Wed
Heterogenous
machines are
connected to IoT
platform and send
performance data.
Data is transferred into
unified data model.
Data is analyzed and
presented on viewer-
specific dashboards.
Predictions for near
future are made.
Management OEE
dashboard
"Teamtafel" performance
view
Various types of machines
with differing prerequisites
Today
IT systems

스마트 Label 정보

Porsche 공장 현황

모바일 애플리케이션을 통한 업무 자동화

21
© 2020 Amazon Web Services, Inc. or its affiliates. All rights reserved |
200 hectares, 약 60만평, 4.9Mtpa, 14%+ than 4.3Mtpa 2007
Woodside PLUTO LNG Plant, Western Australia

클라우드 통해 20만개 센서 연계 - 무인화 공장
Challenge
• LNG 천연가스를 -162◦C 상태에 냉각시켜 액화하는 과정은
매우 위험하고 넓은 공간이 필요하여 공장이 원격 위치에
자리잡고 있으며, 본사에서 공장의 시설 및 장비 상태를 digitally
확인할 방법 必
• Holistic operation 효율화를 위해 장비를 개별적으로
관리하는 것 보다 IoT 플랫폼상 통합적으로 모니터링하고
축적된 장비 퍼포먼스 데이터를 분석하여 장비간 효율성
비교 및 시너지 가능성 등 추가 조사 희망
Action
• AWS IoT 서비스를 활용하여 약 200K개의 센서와 Woodside
자체 디지털 tracking 시스템을 연동하고 모니터링 진행
• 카메라 IoT 센서는 6시간마다 사진 촬영을 하고 배터리
절약을 위해 스스로 절전 모드로 전환, VibraTemp 센서는
주변 진동 및 온도를 측정하여 전송, 실시간 streaming이
가능하도록 비디오 IoT 장치 설치 예정
• 주요 AWS 제품: AWS IoT Core, IoT Greengrass, IoT
analytics, IoT events, Elastic Search

클라우드 통해 20만개 센서 연계 - 무인화 공장
• “Better that human
awareness” (직접 방문하는 것
보다 더 현실적인) 수준의
디지털 IoT 대시보드 및
surveillance robotics 활용
• 직원당 발생할 공장 방문 비용
약 $30K 및 비행 시간 약
30시간 절약
• Automatable 과제는 로봇이
수행하여, 인력 효율화 도전
가능  사람만이 작업 가능한
영역에 더욱 더 집중 가능
Result

제조업의 Needs에 맞는 인공지능 서비스 활용
Accelerate time
to market
Lower
infrastructure
costs
Improve
collaboration
Lower costs
(energy,
machines,
labor)
Improve
machine or
asset
productivity
Reduce
production
downtime
Automate
quality
inspection
Improve
inspection
accuracy
Reduce product
defects
Improve
employee
productivity
Monitor safety
Reduce worker
injuries
Improve
forecast
accuracy
Reduce
inventory costs
Improve
capacity
utilization
Enhance user
experiences
Create new
revenue
streams
Improve
product or
service quality
Engineering &
Design
Production &
Asset
Optimization
Quality
Management
Worker Safety
& Productivity
Supply Chain
Management
Smart Products
& Machines

Amazon의 인공 지능 기반 예측 여정
STATISTICAL METHODS ML METHODS ML + DEEP LEARNING
Best for few or independent data
(e.g., aggregate demand)
• Aggregate demand
• Everyday household products
• Basic trends
• Repeated seasonal patterns
Best for complex and inter-related data
(e.g., thousands of SKUs at hundreds of stores)
• Regional vs national demand
• Subtle seasonal patterns
• Relationships between products
• New products
• Slow moving products
• Changing prices or promotions
• External events
1995 2000 2005 2010 2020
2015

Amazon Forecast
예측을 위한 자동화된 인공지능 학습 서비스
Automatically sets
up data pipeline,
training and
prediction
50% improvement
in accuracy over
traditional methods
No deep learning
experience
required
Encrypted with
customer keys through
Amazon Key
Management Service
Fully managed
service
Highly
accurate
Easy to use
Your data,
your models

설비 관리의 변화
Preventative
Maintain on regular intervals
Predictive
Threshold alarms
Statistical analysis
Physics based
Machine Learning*
Prescriptive
Automatically determine how
to plan/prepare for failures
Reactive
Wait until it breaks!

Amazon Lookout for Equipment
Amazon Lookout for Equipment runs through 28K parameters and unsupervised techniques for up to 300 tags

비젼을 통한 품질 검사 예시
Anomaly
Example
Surface defect
Printed circuit board
Surface defect
Automotive Door
Improper solder (shape)
Printed circuit board

Amazon Lookout for Vision

스마트 팩토리의 기본은 데이터를 연계 하는 것
Factory
CONNECTED
WORKER
QUALITY
UPTIME
PRODUCT
Product
LIFECYCLE
MANAGEMENT
IMPROVEMENTS
CUSTOMER
SATISFACTION
LOYALTY
Product performance and
usage data improves Product
and Process Design
Efficient Product and
Process Design
improves factory operations
Improved factory operations
improves the product
Product
& Process
Design
R&D
NET PROMOTER
SCORE
PROCESS
OPTIMIZATION
LOWER CHANGEOVER
TIME
Lower Costs,
Increased Revenue

클라우드 Industrial Data Lake와 BI를 활용

더 나은 세미나를 위해
여러분의 의견을 남겨주세요!
▶ 질문에 대한 답변 드립니다.

AWS Builders 1 : 클라우드를 활용한 스마트 팩토리 전략

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

Similar to AWS Builders 1 : 클라우드를 활용한 스마트 팩토리 전략

Similar to AWS Builders 1 : 클라우드를 활용한 스마트 팩토리 전략 (20)

More from Amazon Web Services Korea

More from Amazon Web Services Korea (20)

AWS Builders 1 : 클라우드를 활용한 스마트 팩토리 전략