PowerPoint 프레젠테이션 · • 품질관리 공정관리 - 품질사고(불량, Claim 등)...

Address : 16, Teheran-ro 14-gil, Gangnam-gu, Seoul, Korea 06234Phone : 82-2-553-2171 Fax : 82-2-553-2172

Website : http://www.micube.co.kr© M.ICube Solution, Inc.

2017. 03

Global Leader for Manufacturing Information, Integration & Intelligence

Contents.

패러다임의 변화

고객(사) CBM 구축

CBM 구축 프로세스

개요

조직도

기업 연혁

사업 성장

대외 인지도

사업영역

연도별 사업 성장

사업분야별 실적

솔루션 소개

구축사업 모습

고객 및 파트너

01 회사소개

빅데이터 플랫폼

딥러닝 응용기술

딥러닝 플랫폼

스마트팩토리 청사진

02 사업분야

03 구축사례

04 미래준비

01

회사소개

Global Leader for Manufacturing Information, Integration & Intelligence

회사소개

엠아이큐브솔루션주식회사

01

MES, 공장자동화, 스마트팩토리, ESL 2005년 8월 22일

서울특별시 강남구 테헤란로14길 16 12층

www.micube.co.kr123명

엠아이큐브솔루션㈜은

정보기술을 기반으로 고객의 가치를 실현하며, 최고의 경쟁력을 제공합니다.

강소성 소주시소주국제과학공원(SIS Park)

개요

5 Global Leader for Manufacturing Information, Integration & Intelligence

Automation Technology Team

회사소개01 조직도

M.I-CUBE SOLUTION

ORGANIZATION

CHART

Business Support Group

Sales team기업부설연구소R&D Team

Consulting Team

Information Technology Team

Business management

Chinese corporation

13 (11%)

110

(89%)

관리직 기술직


회사소개01 연혁

2014 2010 ~ 20132015 ~ 현 재 2005 ~ 2009

삼성전기 ESL 총판(SI 대리점) 계약

일자리 창출 우수기업 선정

인재육성형 중소기업 지정

2015 서울 Rising-Star 기업 선정

수출유망 중소기업 선정

병역지정업체 선정

2015 현장추천형 강소기업 선정

제조혁신3.0 스마트 공장 솔루션 공급사 선정(산업자원부)

GS인증 1등급(Smart Factory ver.1.41) 인증

중국 법인 설립

메인비즈 경영혁신 역량공유전파 중소기업 인증

고용노동부 주관 ‘청년 친화 강소기업＇선정

100만 불 수출의 탑 수상

일학습병행제 참여기업 선정

중소기업청 주관 고성장기업 수출역량강화사업 선정

산업안전∙ICT 융합 지식클러스터 주관 사업자 선정

고용창출지원사업자 선정

취업하고 싶은 기업 선정

일자리 창출 우수기업 선정

기술혁신형 중소기업(INNO-BIZ) 인증

기업부설연구소 설립 인정

벤처기업 확인 인증

상호 변경 엠아이큐브솔루션㈜

(주)다음시스템 설립


사업 성장회사소개01

2013년2014년

2015년

2017년

5,426

8,3219,271

13,454

최근 4년간 매출 성장


회사소개01 대외 인지도

벤쳐 기업인증 이노비즈 기업인증 일자리 창출우수기업

인재 육성형 중소기업 경영혁신형중소기업 청년 친화 강소기업 고성장 기업 지정서

백만불 수출의 탑수출 유망 중소기업

서울 Rising-Star 기업

02

사업분야


컨설팅에서부터 운영서비스까지 고객을 위한 “Total Solution”을 제공합니다.

사업분야02 사업영역

System Operation and Maintenance Service

Domain Consulting IT Infra Consulting

Solution CustomizingSystem Integration Service

Application Software

PCB FPD Chemical Steel LED SEMI Automotive Food&Beverage Aerospace Retail Electronic Components


사업분야02 사업분야별 실적

솔루션 설명 적용 사례 매출 비중

생산 활동 전반에 대한 정보 제공 및 의사결정 지원을 위한 제조 실행 시스템

제품명 :

삼성전기, KAI, 농심, KCC,현대종합금속, 대덕전자만도브로제 외 다수

MES 40%

설비 온라인 서버 구축 및 설비 효율을 극대화 하기 위한 설비 공학 시스템

제품명 :

삼성전자, 삼성디스플레이,

삼성전기, 대덕전자, 농심,ASM 외 다수eCIM 35%

HTML5 기반 UI 프레임워크와 C# .Net 기반 UI 프레임워크 구성

제품명 :

삼성전기 , KAI, SK hynix,대덕전자 외 다수제조

Work Place15%

SK hynix, KAIAPS생산 현장 자원에 대한 제조 생산 계획과 일정을 수립하여 최상의 생산 흐름 관리

제품명 : SmartAPS

6%

삼성전기, 대덕전자,백산수 (농심) 외 다수CMMS

설비의 모니터링, 정기 점검, Spare 부품 관리 등의 포함한 설비 보전 관리 시스템

제품명 :

4%

※ CMMS (Computerized Maintenance Management System)※ APS (Advanced Planning and Scheduling)

실적분석/가시화

설비온라인솔루션

생산 제어

설비온라인솔루션 설비효율솔루션

생산 제어


솔루션 소개 : Smart Factory

생산 활동 전반에 대한 정보 제공 및 의사결정 지원을 위한 MES 솔루션으로, 제조 실행 시스템에 필요한 공통 서비스를

기본 제공하고, Service 컴포넌트 중심으로 필요한 기능을 추가·변경할 수 있는 유연한 구조를 지원합니다.

특징

제조 실행 시스템에 최적화된 경량급

(Lightweight) 애플리케이션 Framework 기반

모듈간 종속성을 제거한 확장 용이한 구조

365일 * 24시간 무정지 시스템 지향

Operating System 및 Database에 독립

다양한 ESB Adaptor (JMS, TIB, Ncross 등) 지원

다양한 OS 환경 제공 (Unix & Windows Server)

ORM, Transaction, 로그 처리 등 기본 기능 제공

표준화된 개발 Tool 제공

.NET 버전 지원

적용사례

KCC 전주, 대죽 공장 MES

현대종합금속 MES

만도 브로제 MES

율촌화학 PMS

럭스나인 생산관리 시스템

OSGI 기반의 SOA

- 서비스 컴포넌트 생명 주기 관리

- 동적 기반의 클래스 로딩 (개발된 Custom 서비스의 무 정지 적용)

- OGSI 기반의 느슨한 Couple로 Bundle 단위의 모듈화 (확장 용이)

개발 생산성

- BPM 기반의 workflow 모델링을 통한 비즈니스 프로세스 시각화 (개발 중)

- Eclipse를 통한 통합 개발 환경 제공 (서비스 템플릿 및 Object 자동 생성)

- Core 영역 확장을 통한 Custom 영역 연계 가능 (확장 용이)

유지 보수성

- 서버 시작/ 종료/ 패치를 위한 Deploy 기능 제공 (일원화된 Script 제공)

- 비즈니스 프로세스 점검을 위한 에뮬레이터 제공 (Function/ Scenario Test Tool)

- DB/ Log Archive 등 기본적인 Data의 Archive Tool 제공

성능

- Cache 기반 메모리 관리 (기준 정보 및 API 별 중요 Transaction 실행 여부 관리)

- 일괄 DB Batch Transaction 지원 (주요 API에 대한 Batch Insert/ Update 지원)

2

1

3

4

사업분야02


솔루션 소개 : Smart UX

차세대 웹 표준인 HTML5를 기반으로 cross-browsing, cross-platform을 지원하는 표준 UI 프레임워크로서

모듈간의 종속성을 제거하여 확장이 용이하고 유연한 구조로 구성되어 있습니다.

특징

적용사례

HTML5 웹 표준 기술 사용


쉽고 유연한 화면 개발 환경 지원 (UI Builder)

항목 설정으로 쿼리 자동 생성 (Query Builder)

데이터 객체 생성 및 관리 용이 (Object Editor)

동적 화면/ 개인별 맞춤 화면 구성

Cross-platform (PC, Tablet, Mobile)

Cross-browser (IE, Firefox, Chrome 등)

.NET 버전 지원

KAI 리포트 시스템 (KAPS)

KAI 치공구 관리 시스템

럭스나인 생산관리 시스템

Designer

PREVIEW

REPORTCHART

WIDGETPROPERTY

PRINTSAVE AS

QUERY BUILDER/Object Editor

연동

Drag & Drop

개발기간 단축으로 인한 구축 비용 절감

관리 Tool을 활용한 유지 보수 비용 절감

위지위그 방식의 빠른 확인으로 갭 최소화

전문 개발자를 위한 소스 컨트롤 기능 제공

화면 개발에 필요한 다양한 위젯 제공

고객 요구에 대한 빠른 대응 가능

사업분야02


솔루션 소개 : Smart Equipment

설비와 외부 시스템 (MES, EES 등)간의 인터페이스를 통해 설비 제어 및 운영을 담당하는 설비 온라인

서버 구축을 위한 통합 솔루션입니다.

특징

적용사례

다양한 통신 방식 (HSMS/SECS, OPC, PLC, Socket) 지원

설비 Message 송/ 수신 및 Data 관리를 위한 API 기본 제공

개발자의 편리성을 고려한 직관적인 인터페이스

기준정보, 파라미터 업데이트 및 컴포넌트 Reloading

Modeling 기능을 설정 정보 통합 관리

SECS Event & SSR/ SSD Management

PLC Address Map Management

OPC Tag Management

Alarm, Excel Import/ Export, DB Backup 등

Message Service

Rule Service Log Service Data ServiceUtility ServiceEquipmentInterfaceService

Component Service

Task Service

MessageManager

Message Repository

Rule Manager

Rule Data

Log Manager

Data Manager

Entity Management

·Material·Unit·Alarm·Recipe

·Product

DatabaseUtils

ReflectionUtils

ScheduleUtils

XmlUtils

Driver

·PLC·HSMS/SECS

·OPC·Socket

Component Manager

·EPT·FDC·RMS·MES·Equipment

Task Manager

Task Table

Custom Component

Fra

mew

ork

Em

ula

tor

SmartSEM SmartPLC SmartOPC SmartEquipment Modeler

삼성전기 대덕전자 범윤전자

사업분야02


솔루션 소개 : SmartEES

설비 효율을 극대화 (OEE : Overall Equipment Efficiency) 하기 위한 EES 솔루션으로, 기본적으로 EPT, FDC, RMS서비스를

제공합니다. 각 서비스는 Component로 구성되어 Runtime 중에도 Reloading하여 Downtime을 최소화할 수 있습니다.

특징


실시간 컴포넌트 추가, 삭제, 변경에 따른

Reloading 기능 제공

사용자 친화적인 인터페이스 구성

Base Form/ Control을 활용한 Coding 최소화

프로그램 구조를 단순화 하여 개발 기간 단축

이상 감지를 모니터링하고, 이상 감지 Service의

자동 restart 지원

Service Logic 변경에 대한 무정지 시스템 적용

대표시스템

FDC (Fault Detection & Classification)

실시간 Parameter Monitoring 및 이상 감지

RMS (Recipe Management System)

설비 Recipe의 중앙 시스템 관리

EPT (Equipment Performance Tracking)

실시간 설비 상태 Monitoring

· 설비종합생산성 증대 · 품질사고 예방 · 수율 향상 · 품질 향상 · 원가 절감

Real Time ParameterMonitoring

Abnormal Parameter Detection

Real Time EquipmentMonitoring

Analysis of Equipment Efficiency & Performance

Recipe Total Management

Recipe Interlock/Quality Improvement

Abnormal Parameter Detection

FDC

EPT

RMS

EES

MES

EAP

Process Equipment

Meas/InspEquipment

Insp

ect

ion/M

easu

re D

ata

·Recipe Change Report·Recipe Upload·Recipe Download

Equipment control request(Stop,Buzzer,Tower Lamp)

Equip

ment

contr

ol re

port

·Equipment State report·Equipment Event report·Equipment Alarm report

·EQ

P K

ey P

ara

mete

r re

port

·Pro

duct

ion R

eport

on P

roce

ss

SMS/Mail report

사업분야02


솔루션 소개 : ESL Solution

Managing UI program

POS System

ESL Server

STORE

Shelf

ESL Tags

Gateway

Leap to the Future of Retail

시스템을 통한 가격 변경 자동화

Time Saving

매장의 모든 가격을 한번에 교체 가능

종이라벨 교체인력의 업무전화로 생산성 증대 및 고객만족도 향상

전략적 가격운영 Tool제공으로 프로모션 활성화 및 매출 신장 기여

Time Sale 대응

전략적인 가격 정책 운영 가능

Fresh Food, Special Price 제품별 할인율 반영t

atem

시간대별 수요를 고려한 실시간 가격 프로모션

다양한 방식의 Legacy Data 연동 지원

Web Service, File, DB 연동 지원

e-paper에 표시되는 이미지 Designer 제공

Text, Line, Shape, Image 및 템플릿 제공

Gateway 및 Tag 상태 모니터링

Gateway 응답 상태 모니터링

Tag 응답 상태 별 수량 모니터링

Tag 배터리 상태 체크 기능

전송된 Data에 대한 이력 관리

유연성 및 확장성

고객 요구 사항에 따른 Customization 가능특징

IoT(사물인터넷 ) 솔루션으로 , 기존에 종이 형태로 수작업 관리하던 정보를 시스템을 통해 e-paper에 자동으로

디스플레이하고 실시간으로 변경함으로써 시스템과 동기화 된 최신의 데이터를 제공/유지할 수 있습니다.

사업분야02


사업분야02 구축사업 모습

Material Flow Product Flow

ERP QMS WMS SPC … …

자재투입

생산 검사 포장

Operation & Control

WIP Flow

Control Tower (Visibility & Control)

포항CCN

대상 공장확산 공장

시스템 연계 극대화

의사결정 지원

유관 시스템

MES지원 영역

현장지원 영역

제조 현장실행 및 통제

W/O Release,

Lot Control,

Monitoring,

Label 발행,

Data수집,

Tracking 外

공정인자 수집

1) ERP : 전사적자원관리, WMS : 창고관리 시스템,

QMS : 품질관리시스템, SPC : 통계적공정관리


고객

파트너

고객 및 파트너사업분야02

03

스마트팩토리

구축 사례


구축사례03 패러다임의 변화

*출처: 분석 기반 지능형 제조 구축 방안, SAS FORUM 2016

AS-IS TO-BE

• 데이터 - Small/Large Data, Macro Data, 정형 Data - Big Data, RT-Data, 정형/반정형/비정형 Data

• 적용기법- 기초 통계 분석

(통계량, 탐색, 검/추정, 시계열 등)- 고급 통계 분석, 인공지능, 최적화, 딥러닝 等

• 품질관리공정관리

- 품질 사고(불량, Claim 등) 원인분석 및 대응품질지표 모니터링

- 품질 오류 조기감지 및 확산 방지

(실시간 모니터링 및 불량 자동 분석 등)

- 품질 예측 및 사전 예방 – 원류 품질 관리

• 적용기법 - 매뉴얼에 의한 예방보전 (TBM/UBM) - 부품 수명 예측 및 설비 예지 보전

• 에너지 관리 - 에너지 사용량 감시 모니터링 - 에너지 효율화 및 Load Balancing

• 범위 - 부분/지협적인 문제 해결 - 전체 최적화

• 시점 - 사후 조치 (현황 분석, 원인 분석) - 예방 및 사전 대응 (예측/예지, 사전 경보)

• 조합 - 분석과 운영의 괴리 (분석 따로, 업무 따로) - 분석과 운영의 융합 (분석과 업무 유기적 결합)

분석(Analysis)

업무(Process)

성과(Performance)

패러다임의 변화 : 공장자동화에서 Connected Factory로 개념 확장


구축사례03 고객(사) CBM 구축

CBM (Condition-Based Maintenance) – Context Awareness

다양한 기계학습을 통한 설비예지보존 적용 (빅데이터 활용한 딥러닝은 차후 계획)


구축사례03

전체 시스템 실시간 모니터링 (정상 / 경고 / 위험 램프 표시)

고객(사) CBM 구축


구축사례03

설비 고장 실적 분석

구분 설비고장 실적

(건수)고장 시간

(Hr)

고장 건 별 고장 원인 상세 분석

중점 관리 포인트 별 고장 분석 고장과 유관한 측정 항목 정의

기계가공

전체 xx 5,252 - -

OOOOO #3 14 1,400

… … … … …

: 설비 고장 실적 분석을 통해 예지 보전을 위한 ① 대상 설비, ② 설비 별 중점 관리 포인트, ③ 설비/ 중점관리 포인트 별 측정 항목들을 선정함

측정 항목 데이터 수집 및 시각화

데이터 분석 모델 개발고장 분석/예측 모델 적용

전압,전류,전력,지락,기동횟수,기동시간

전류,전압,전력,기동횟수,기동시간,진동,온도

전류,전압,전력,기동횟수,기동시간

전류,전압,전력,기동횟수,기동시간,압력

전류,전압,전력,기동횟수,기동시간,온도

전류,전압,전력,기동횟수,기동시간,온도

[고장 원인] [고장 건수]

설비 예지 보전 Process #1 : 설비 이상 징후를 감지할 센서 선정 및 설치



구축사례03

설비 고장 실적 분석측정 항목 데이터 수집 및 시각화


: 측정 항목에 대한 데이터 수집 플랫폼을 구축하고, 수집된 데이터를 다양한 방식으로 시각화하고 종합하여 정보를 제공 함

[설비 고장 분석 및 통계 정보][실시간 설비 상태 모니터링]

[실시간 측정 항목 모니터링] [설비 주요 지표 관리]

[데이터의 그룹화/세분화를 위한 의사결정 트리]

[상관 관계 매트릭스]

illustrative illustrative

illustrative illustrative illustrative

설비 예지 보전 Process #2 : 설비 센서 정형/비정형 데이터 실시간 수집 및 설비 상태 감시


illustrative


구축사례03



: 수집된 측정 데이터와 고장과의 상관 관계를 규명하고 고장 예측을 위한 분석 모델을 개발하고 검증함

Iterative process that involves building and testing multiple models over a dataset

History 데이터로부터Machine Learning에 필요한 Data Set 분류

“try → tune → test“ 반복 과정을 통해Machine Learning 알고리즘 검증

Downtime

Defects

Yield Losses

Energy Losses

Work Place Incident

주요 측정 값

+

http://www.content-loop.com/machine-learning-has-transformed-many-aspects-of-our-everyday-life-can-it-do-the-same-for-public-services/

Linear Regression, Regression Tree,

Model Tree, Neural Networks, Network Analysis,

Graph theory, k-Means, Clustering

Machine LearningAlgorithms

설비 예지 보전 Process #3 : 빅데이터 기반 기계학습 응용을 통한 설비 진단 및 위험도 예측



구축사례03



: 검증된 분석 모델에 기반한 고장 분석/예측 정보 활용 및 피드백을 통한 지속적인 모델 개선

실시간 측정 데이터

이상상황 감지

설비 건강도 정보

고장 예측 정보

예방 보전 정보

세부 설비 건강도

세부 설비 고장 예측

피드백

설비 예지 보전 Process #4 : 설비 이상 징후의 위험도 기반 예지보존 서비스 (TO-BE 이미지)


04

미래준비


미래준비04 빅데이터 플랫폼

HTTP

ISO/IEC 30128

oneM2M

MQTT

MQTT

FTP

HTTP

Kafka

FTP

HDFS

MQTT

Kafka

HDFSKafka

예측모델

필터

비식별화

MapReduce

Hive R Pig

머신러닝알고리즘

Spark

전처리

SQL on Hadoop

기초통계

Flume

ZooKeeper Sqoop

프로그램

Smart Factory 구축을 위한 빅데이터 관리 플랫폼 필요

Factory Ethernet 표준과 사물인터넷 센서 장치들을 통해 공장의 설비와 생산공정의 상태를 실시간 수집

Apache Hadoop Ecosystem을 통해 실시간 빅데이터 수집/저장/가공/데이터마이닝/시각화 지원


미래준비04 빅데이터 플랫폼

Flamingo 2.0 : Apache Hadoop Ecosystem을 활용하여 데이터 분석/처리/개발/운영 환경을 제공하는 빅데이터 플랫폼

현재 R을 통한 Data Ming 지원 : Spark MLlib 3.0의 확장 및 Deep Learning Engine의 통합 등을 추후 개발업무 필요

오픈 소스 기반 빅데이터 관리 플랫폼 활용


미래준비04 딥러닝 응용기술

Vibration Data로부터 설비의 Fault를 검출하기 위한 공학적인 기계학습을 적용함

Wavelet Transformation

Support Vector Machines

(적용 기술) Wavelet Transformation (파동역학) + Support Vector Machine (Classification Engine)

(기대 효과) 적은 Data로부터 우수한 검출 효과 획득 (물리적 속성을 최대한 활용함)

진동 센서 데이터와 일반 기계학습을 활용한 설비예지보존 방법



Vibration Data로부터 설비의 Fault를 검출하기 위한 공학적인 기계학습을 적용함

진동 센서 데이터와 일반 기계학습을 활용한 설비예지보존 방법



Fault Classification(Fault Diagnosis) Performances:

Gearbox : 95.17%

Bearing System : 91.75%

Feature Extraction을위해 Signal의Time-domain과Freq-domain을동시에 적용하였음

(k-SVM 보다 우수)GDBM : Gaussian-Bernoulli Deep Boltzmann Machine (=DBN)GRBM : Gaussian-Bernoulli Restricted Boltzmann Machines

Fault Diagnosis for Rotating Machinery Using Vibration Measurement Deep Statistical Feature Learning (2016)

진동 센서의 빅데이터와 딥러닝을 활용한 설비예지보존 방법



(RBM을 통한 Self Feature Extraction)인코딩 후 디코딩으로 입력 패턴을 최대한 복원하도록각 Layer 별 학습 = 사전 학습

① 순방향 : 하위 특징에서 상위 특징 추출 (인코딩)② 역방향 : 상위 특징으로부터 하위 특징 생성 (디코딩)

(입력)

특성추출

(인코딩) (디코딩)

기계학습 심화

(추론)

(정상 상태를 학습시켜 비정상 상황/사물 식별에 활용)

(고성능 카메라를 통한 비정형 데이터 수집)

CNN (ConvolutionalNeural Networks)를활용한 결함 검출 응용

Smart Factory에서 응용 가능한 딥러닝 기법


미래준비04 딥러닝 플랫폼

Application Layer

DeepSparkFramework

Spark Platform

Hadoop2 Platform(HDFS2 / YARN)

Deep Learning Libraries

H/W Infrastructure

TRAINIG

초기화 Pull Weights ΔW 계산 Push ΔW

비동기식 Deep NN Weights 최적화

Parameter Server(Driver)

추론 (INFERENCE)

Test Data

Test Data

LABEL

LABEL

Hadoop File System 2

Executor Executor Executor Executor

Model 복제 Model 복제 Model 복제 Model 복제

Spark CodeDL-Library Interface

RDD※ 분할


RDD 분할


RDD 분할


RDD 분할

TensorFlow또는 DL4J




CPU

GPU

HD

D

CPU

GPU

HD

D

CPU

GPU

HD

D

CPU

GPU

HD

D

Compute Unified Device Architecture

Tesla K80 (서버용)

GTX TITAN Z(일반형)

오픈소스 기반 딥러닝 분석 플랫폼과 GPU 활용


미래준비04 스마트팩토리 청사진

※ 미래 제조 시스템의 청사진 : Industry 4.0 – Roland Berger (2014)

Thank You

PowerPoint 프레젠테이션 · • 품질관리 공정관리 - 품질사고(불량, Claim 등)...

Documents

Transcript of PowerPoint 프레젠테이션 · • 품질관리 공정관리 - 품질사고(불량, Claim 등)...