데이터베이스 조회부터 프로세스 역량에 대한 최종 평가 및 특수 원인 조사에 이르기까지 분석을 표준화할 수 있는 내부 도구를 만들고 개발해야 했습니다.
개발은 단순한 구조의 데이터베이스(통계 기반 실험실 검사)에서 시작하여 점차 온라인 공정 측정값으로 채워진 더 큰 데이터베이스로 확장되었습니다.
목표는 다음과 같은 작업을 수행할 수 있는 간단하고 빠른 내부 도구를 만드는 것이었습니다.
안녕하세요. 저는 마시모 팜푸리니입니다. 피렐리에서 제조 품질 엔지니어로 근무하고 있습니다.
안녕하세요, 여러분. 저는 사라 소렌티노이고, 피렐리에서 공정 품질 엔지니어로 일하고 있습니다.
저희 회사가 작년에 개발한 데이터 통합 워크플로우 프로젝트를 소개하겠습니다. 프로젝트는 반제품 가공 공정이라는 특정 영역에서 시작했습니다. 이는 저희 제조 공정의 전반적인 개요입니다. 데이터 분석 측면에서 가장 취약한 영역인 반제품 가공 공정부터 시작하여 개선해 나갔습니다.
이 프로젝트가 탄생하게 된 계기는 무엇일까요? 가장 중요한 이유는, 무엇보다도 첫걸음이 매우 중요했기 때문입니다. 바로 신뢰할 수 있는 실험실 데이터를 수집하는 독보적인 방식을 확보하는 것이었습니다. 이를 통해 모든 공장에서도 동일한 데이터 수집 방식을 따르도록 하여 신뢰성을 확보하고, 전 세계적으로 유일무이한 피렐리 데이터베이스를 구축할 수 있도록 하는 것이었습니다.
두 가지 핵심 사항이 있습니다. 첫 번째는 기본 원리와 구현을 가능하게 하는 요소입니다. 두 번째는 JMP에서 데이터를 직접 쉽게 다운로드할 수 있도록 하여 사용자가 시간 간격 및 설비 선택에 따른 필터링을 통해 데이터를 빠르고 효율적으로 다운로드할 수 있도록 하는 것입니다. 이를 통해 궁극적으로 공정 능력 분석 및 주요 품질 특성에 대한 관리도 평가와 같은 자동 분석이 가능해집니다.
네, 어디서부터 시작했는지 말씀드리겠습니다. 데이터 표준화부터 시작했습니다. 이것은 단지 시작점의 예시일 뿐입니다. 이전에는 플랜트 설계도가 엑셀 파일로 저장된 폴더만 있었는데, 표준 데이터 수집이라고 보장할 수 없는 데이터였습니다. 지난 4년 동안 시각화 및 데이터 처리에 특화된 고품질 애플리케이션을 개발했고, 동일한 데이터 소스를 기반으로 하는 JMP 전용 도구도 만들었습니다. 그리고 이제는 JMP 도구에 파이썬을 통합하는 단계로 나아가고 있습니다.
JMP를 사용하여 개발한 이 프로젝트의 목표는 크게 세 가지였습니다. 첫째, JMP의 그래픽 사용자 인터페이스를 통해 표준화된 데이터 세트를 구축하는 것이었습니다. 둘째, 공정 능력 결과에 대한 표준화된 보고서를 생성하기 위한 자동 분석 방법을 마련하고, 관리도를 적절히 활용하여 이상 징후를 신속하게 감지할 수 있는 도구를 개발하는 것이었습니다. 마지막으로, 생산 데이터에서 가장 중요한 변수를 파악하기 위해 공정 변수에 대한 심층적인 조사가 가능한 도구를 제공하는 것이 중요했습니다.
이제 사라가 방금 보여준 세 가지 주요 사항을 간략하게 살펴보겠습니다. 첫 번째는 표준화된 데이터 세트를 구축하는 방법입니다. 첫 번째 단계는 사용자가 원하는 식물과 기간을 선택하여 시작 데이터 세트를 생성할 수 있는 그래픽 사용자 인터페이스를 개발하는 것입니다. 이는 데이터 다운로드를 위한 직접적인 출력입니다. 데이터는 이미 표준화되어 있습니다. 즉, 동일한 기준에 따라 이미 정제되어 있다는 뜻입니다.
분석의 기초가 되는 첫 번째 데이터 세트를 생성한 후, 특정 역량 분석 전용 스크립트를 통합했습니다. 이 스크립트에서는 재료 외에도 공장이나 기타 주요 매개변수를 선택할 수 있습니다. 월별 또는 재료별 분석을 위한 버튼을 개발했으며, 사용자는 단 한 번의 클릭으로 보고서를 얻을 수 있습니다. 이 보고서는 각 공장에서 재료별, 월별, 사양별, 특성별 실제 역량을 파악하고, 단기간에 실질적인 개선을 위한 개입 우선순위를 정하는 데 사용됩니다.
자동 분석 도구의 마지막 두 버튼을 살펴보겠습니다. 공정 안정성 분석과 관련된 특정 버튼을 추가했습니다. 최적의 관리도를 선택하고, 모든 유형의 경고 기능을 활성화하여 특수 원인 발생 시 개선 방안을 모색하고, 이상치 사례를 심층적으로 조사할 수 있도록 했습니다. 또한, 관리도 평가를 매월 지속적으로 모니터링하여 공정 평균의 변동이나 편차 등을 파악할 수 있도록 했습니다.
그 후, 보시다시피 분포와 관련된 중요한 버튼이 하나 더 추가되었는데, 이는 특성 자체의 분포뿐만 아니라 다른 측면도 포함합니다. 우리는 공정 능력 결과, 즉 시그마 내 보고서와 관련된 CP 및 CPK 모두에 항상 초점을 맞추고자 했습니다. 또한 전체 시그마 능력 보고서와 성능 능력 지표에도 지속적으로 주의를 기울이고자 했습니다.
개발된 도구의 마지막 중요한 장점은 심층적인 조사를 수행할 수 있다는 점입니다. 실험실 데이터에서 얻은 정보를 바탕으로 온라인 생산 데이터와의 직접적인 상관관계를 파악하여, 사용 가능한 모든 공정 변수를 분석하고, 공정 능력과 품질 특성 간의 연관성을 주요 공정 변수의 영향력을 통해 이해하고자 했습니다. 이를 위해 예측 프로파일러와 같은 도구를 활용하여 심층 분석을 진행했습니다. 또한, 이 과정에서 X 요인과 다른 공정 변수 간의 상관관계가 있을 경우 외삽 제어 기능을 활성화하는 데에도 주의를 기울였습니다.
이 슬라이드가 마지막인 이유는 지금까지 전체적인 개요를 살펴봤고, 이제 다음 단계를 여러분과 공유하고 싶기 때문입니다. 다음 단계는 첫째, 파이썬과의 통합이고, 둘째, 이러한 도구들을 저희가 우선적으로 추진하고 있는 다른 분야로 확장하는 것입니다. 경청해 주셔서 감사합니다. 디스커버리 서밋에서 뵙겠습니다.
관심 가져주셔서 감사합니다. 곧 다시 뵙겠습니다.
