| 스피커 |
성적 증명서 |
| 샴가르 맥도웰 |
마야 앤젤루는 유명한 말을 남겼습니다. "더 잘 알게 될 때까지 최선을 다하세요. 그리고 더 잘 알게 되면 더 잘 하세요." 좋은 아침입니다, 좋은 오후입니다, 좋은 저녁입니다. |
| |
JMP Discovery Summit에 참여해 즐거운 시간을 보내고 계시길 바랍니다. 여러분은 필요한 일을 더 잘 수행할 수 있는 방법을 배우고 계실 겁니다. |
| |
저는 GE 가스 파워의 수석 신뢰성 및 분석 엔지니어인 샴거 맥도웰입니다. GE에서 15년 동안 근무하며 소싱, 품질 관리, 제조 및 엔지니어링 분야에서 일해 왔습니다. |
| |
오늘은 JMP를 사용하여 신뢰성 모델링을 자동화하기 위한 저희 팀의 여정에 대해 조금 공유해 보겠습니다. |
| |
어쩌면 여러분의 조직도 제가 설명하려는 것과 비슷한 어려움에 직면해 있을지도 모릅니다. 이 어려움에 어떻게 대처하는지 설명드리면서, 함께하는 시간을 통해 여러분의 비즈니스 환경에서 워크플로우를 개선하고자 할 때 되돌아볼 만한 몇 가지 생각이 떠오르기를 바랍니다. |
| |
배경 설명으로, 다음 몇 장의 슬라이드에서는 GE 가스 파워 사업에 대해 간략히 설명드리겠습니다. 먼저 저희 제품에 대해 말씀드리겠습니다. |
| |
우리는 다양한 용도로 쓰이는 첨단 대형 엔진을 만들고 있지만, 주로 전기 생산에 사용됩니다. |
| |
기술적 관점에서 볼 때, 이러한 기계는 실제로 놀라운 공학적 업적으로, 고온부에 사용된 합금의 녹는점보다 훨씬 높은 발사 온도를 자랑합니다. |
| |
단일 가스터빈은 수십만 가구에 안정적으로 전력을 공급할 수 있는 충분한 전기를 생산할 수 있습니다. |
| |
이 기계의 크기를 알려드리자면, 오른쪽 사진을 보면 성인 4명이 서 있는 걸 볼 수 있는데, 이것만 봐도 이 기계가 실제로 얼마나 큰지 알 수 있습니다. |
| |
그래서 여기에 JMP 그래프 작성 예시 몇 가지를 추가해야 했습니다. 하지만 버블 플롯과 트리 맵은 저희 고객 기반의 글로벌성을 잘 보여줍니다. |
| |
우리는 전 세계 사람들이 의존하는 더 깨끗하고 접근하기 쉬운 에너지를 제공하고 있으며, 여기에는 역사적으로 전력에 접근할 수 없었던 개발도상국도 포함됩니다. 이러한 에너지는 삶을 크게 변화시킬 수 있습니다. |
| |
그래서 저는 우리의 일이 전 세계 많은 사람들의 일상생활에 미치는 영향을 인식하게 되었고, 제가 하는 일과 우리 팀의 다른 구성원들이 매일 하는 일에 대한 목적을 찾는 것이 겸손해지면서도 도움이 되었습니다. |
| |
저는 신뢰성 분석 및 데이터 엔지니어링 팀의 일원입니다. |
| |
저희 팀은 다양한 방식으로 내부 팀에서 사용되는 경험적 위험 및 신뢰성 모델을 기업에 제공하는 업무를 담당합니다. |
| |
따라서 그러한 맥락에서 우리 팀의 분석가는 우리의 물리적 영향을 이해하는 것과 같은 엔지니어링 작업에 집중할 수 있기를 바랍니다. |
| |
우리가 사용하는 데이터의 구성 요소 품질과 적용성, 모델링 접근 방식의 장단점, 데이터에서 가치를 추출하는 가장 좋은 방법은 무엇인지에 대한 질문입니다. |
| |
이것들은 모두 부가가치가 있는 작업입니다. |
| |
저희 프로세스에는 수석 엔지니어들과의 엄격한 검토도 포함됩니다. 따라서 모델을 담은 파워포인트 프레젠테이션을 준비하는 것도 그 과정의 일부입니다. |
| |
이전에는 이 프레젠테이션을 만드는 데 상당한 복사 및 붙여넣기와 다양한 도구가 필요했는데, 이는 시간이 많이 걸리고 오류 발생 가능성도 높았습니다. 따라서 이는 부가가치가 없습니다. |
| |
그래서 엔지니어들이 부가가치가 있는 작업에 집중할 수 있도록 더 많은 시간을 제공하는 솔루션이 필요했습니다. 또한, 이 두 가지가 프로세스를 더욱 표준화하는 데 도움이 될 것입니다. |
| |
생산성 향상과 중요한 업무에 집중할 수 있는 능력, 그리고 더욱 심화된 표준화를 위해 우리는 "지루한 일은 자동화하세요"라는 슬로건을 사용합니다. |
| |
그래서 저희가 사용한 데이터 세트의 규모를 여러분께 살짝 보여드리고 싶었습니다. 다루는 데이터의 양에 따라 솔루션의 방향이 결정되는 경우가 많습니다. |
| |
그리고 우리의 경우에는 약간의 차이가 있지만 일반적으로 우리는 현장에서 수천 개의 가스터빈을 다루고 있습니다. |
| |
각 장치에는 수백 개의 트랙 구성 요소가 있으며, 구성 요소마다 수십 번의 검사나 재생이 필요합니다. |
| |
따라서 전체적으로 수백만 개의 레코드를 처리하고 있습니다. 하지만 일반적으로 저희 모델은 특정 구성을 대상으로 하기 때문에 10,000개 이하, 수만 개 이하의 레코드로 구성된 보다 제한적인 데이터 세트를 기반으로 구축됩니다. |
| |
여기서 제가 지적하고자 했던 또 다른 점은 데이터 세트에 100개가 넘는 열이 있는 경우가 많다는 것입니다. 따라서 이 정도의 데이터 크기에는 여러 가지 어려움이 따르기 때문에 JMP는 Excel 기반 방식보다 동일한 작업을 수행하는 데 훨씬 더 적합합니다. |
| |
그래서 이 도구의 첫 번째 버전은 GE가 타사와 협력하여 JMP 스크립팅 언어를 사용하여 개발했습니다. |
| |
그리고 이 도구의 이름은 컴퓨터 지원 신뢰성 모델링 애플리케이션, 즉 CARMA입니다. CARMA는 c로 시작하는 단어입니다. 그리고 오늘날 우리가 사용하는 도구의 형태로 만들기 위해 들인 노력은 결코 적지 않습니다. |
| |
이것이 바로 그 증거입니다. 오늘날까지 이 도구의 범위와 규모를 증명하는 수많은 스크립트와 코드 줄을 보실 수 있습니다. 하지만 이 도구는 우리에게 매우 유용한 도구임이 입증되었습니다. |
| |
시간이 흐르면서 CARMA를 지속적으로 개발하고 개선해야 할 필요성을 절감했습니다. 이를 위해 사내에서 성장하고 육성해야 했습니다. |
| |
JSL 코딩에 대한 전문 지식을 가지고 있으며, 이 분야와 관련 도구에 집중하는 개발자들의 작업을 감독합니다. |
| |
여기서 여러분에게 전하고 싶은 메시지는 CARMA와 같은 것을 만든 후에도 앱의 관련성을 유지하고 유지하기 위해 지속적인 투자가 필요하며, 비즈니스 요구 사항이 변화함에 따라 앱을 발전시키는 데에도 지속적인 투자가 필요하다는 것입니다. |
| |
하지만 실현 가능하며 그 이점은 매우 현실적입니다. 이번 여름 사용자 설문 조사에서 실제로 다음과 같은 결과가 나타났습니다. |
| |
순추천지수 100%, 모델 업데이트 주기 시간 최소 25% 단축. 실시간입니다. |
| |
그게 저장되고 있습니다. 그리고 일화적으로, CARMA가 우리 프로세스에서 발견한 문제들을 우리가 해결할 수 있었던 사례도 볼 수 있습니다. 그렇지 않았다면 숨겨져 있고 해결이 불가능했을 문제들이죠. |
| |
인용할 말이 있는데, 좀 길어요. 하지만 빌 게이츠가 자동화에 대해 한 가지 경고를 했다는 말씀을 드리고 싶었어요. 그는 소프트웨어 개발에 대해 꽤 잘 알고 있거든요. |
| |
"비즈니스에 사용되는 모든 기술의 첫 번째 규칙은 효율적인 자동화에 자동화를 적용하면 효율성이 더욱 높아진다는 것입니다. 두 번째 규칙은 비효율적인 운영에 자동화를 적용하면 비효율성이 더욱 커진다는 것입니다." |
| |
그럼 인용문은 여기서 끝입니다. 하지만 자동화가 망가진 프로세스를 고칠 수 있는 만병통치약이 아니라는 점을 상기시켜 드리고자 합니다. 오늘날에도 여전히 그 일을 할 사람이 필요합니다. |
| |
좋아요, 도구 시연을 시작하기 전에 먼저 도구와 CARMA의 입력 및 출력에 대한 간략한 개요를 알려드리고자 합니다. |
| |
사용자는 도구를 입력 파일로 지정해야 합니다. 왼쪽에는 이미 승인된 모델인 활성 모델 파일이 있습니다. 그리고 경험적 데이터가 있습니다. |
| |
그리고 사용자 인터페이스에서 사용자는 몇 가지 모델링 활동을 수행합니다. |
| |
그리고 출력은 실행 모델이므로 PowerPoint 프레젠테이션에서 모델의 동작을 업데이트합니다. |
| |
그리고 그것도 살펴보겠습니다. |
| |
데이터의 배경으로 데모를 활용하겠습니다. |
| |
제가 기관차 데이터 세트로 시작했다는 점을 알려드리고 싶었습니다. JMP에서 몇 가지 샘플 데이터를 제공하는 것을 살펴보겠습니다. |
| |
그러면 하나의 인구가 생깁니다. 그런 다음 추가 인구에 모델도 추가했습니다. |
| |
그리고 제가 여기서 전달하고 싶은 중요한 메시지는 우리가 보게 될 모든 것이 조작된 데이터라는 것입니다. 실제 데이터가 아니며, 기능을 나타내지 않습니다. |
| |
현장에서 우리 부품의 동작이나, 아니면 그냥 인위적인 것일 수도 있습니다. 결과를 살펴볼 때 이 점을 염두에 두시기 바랍니다. 어쨌든 도구를 살펴볼 수 있는 방법이 될 것입니다. |
| |
그래서 잠시 JMP로 전환해서 데모에 JMP 15.2를 사용하겠습니다. 이 데이터 세트는 일반적으로 보는 것보다 간소화되어 있습니다. 하지만 말씀드렸듯이 CARMA의 핵심 기능은 충분히 활용할 수 있을 것입니다. |
| |
따라서 먼저 도움말 메뉴, 샘플 데이터로 이동하면 다음과 같은 내용을 볼 수 있습니다. |
| |
신뢰성과 생존을 위한 메뉴가 여기 있습니다. 자, 이제부터 시작하겠습니다. JMP의 장점 중 하나는 다양한 분야와 기능, 그리고 이를 위한 전문 도구가 많이 있다는 것입니다. 제 경우 신뢰성 측면에서도 많은 도움이 되었고, |
| |
JMP를 사용하는 가치는 CARMA의 본거지입니다. |
| |
하지만 저는 여러분께 기관차 데이터 세트를 보여드리고 싶었습니다... |
| |
이건 원래 교과서에서 나온 거예요. |
| |
여기서는 생명 데이터 분석을 적용하여 이에 대해 이야기합니다. 8만 건의 노출 시 위험이 무엇인지 묻는 문제가 있는데, 오늘 데이터 세트에서 이 문제를 모델링해 보겠습니다. |
| |
산화 모델에서라고 부르지만, 기본적으로 CARMA가 답을 줄 것입니다. 다시 말하지만, 정말 간단한 답이지만, 방금 보여드리려고 했던 것처럼, 여러분도 같은 결과를 얻을 수 있습니다. |
| |
클릭으로 방법 |
| |
분석 메뉴에서. |
| |
그래서 우리는 책임과 생존, 생명 분포를 분석하게 됩니다. |
| |
시간과 센서를 필요한 곳에 배치하세요. |
| |
우리는 Weibull을 사용할 것입니다 |
| |
그리고 두 가지만 있으면... 해당 데이터에 적합한 결과가 생성됩니다. |
| |
제가 지적하려고 했던 두 가지 매개변수는 베타 2.3과 여기서는 와이블 알파라고 합니다. 저희 도구에서는 Ada라고 부르겠지만, 183입니다. |
| |
좋아요, 그러면 여기서 그 방법을 살펴보겠습니다. |
| |
이제 그냥 뛰어넘어가자, |
| |
다른 몇 개의 파일, 즉 입력 파일을 보고 싶습니다. |
| |
저는 그것을 끌어올릴 것입니다. |
| |
좋아요, 이게 모델 파일이에요. |
| |
제가 세 가지 모델을 만들었다고 말씀드렸는데요, 이 세 가지가 우리가 데이터를 비교할 활성 모델입니다. |
| |
산화가 첫 번째임을 알 수 있을 것입니다. 제가 언급했듯이, 그 다음에는 |
| |
원하는 것은... 모델 매개변수 외에도 몇 가지 구성 정보도 있습니다. 여기서는 두 가지 간단한 사항만 다룹니다. |
| |
(연소 시스템, 연료 용량) 예를 들어 설명드리지만, 비슷한 열이 훨씬 더 많습니다. 하지만 CARMA의 핵심 기능 중 하나는 다양하고 복잡한 구성을 가진 대용량 데이터 세트를 분석하여 |
| |
어떤 레코드 행이 모델에 적용되는지, 그리고 실시간으로 정렬을 수행하는지, 그리고 데이터 세트에서 필요한 모든 모델에 대해 이 작업을 수행하는지 등을 보여드리겠습니다. 바로 이 부분을 활용하여 시연해 보겠습니다. |
| |
실례합니다. |
| |
그리고 잠깐 경험적 데이터를 살펴보세요. |
| |
그리고 |
| |
하이라이트만 말씀드리면, 센서가 있고 노출도 있고 |
| |
그만큼 |
| |
우리가 노출을 평가할 간격은 다음과 같습니다. |
| |
모드, |
| |
그리고 제가 방금 말씀드린 마지막 두 칼럼은 연소 시스템과 연료 성능입니다. |
| |
좋습니다. CARMA를 시작해 볼까요. |
| |
추가 기능으로, 바로 실행해 보겠습니다. |
| |
그리고 당신은 내가 이미 그것이 위치를 가리키고 있음을 볼 것입니다. |
| |
사용하고 싶습니다. |
| |
그리고 |
| |
오늘 프레젠테이션에서는 여기에 있는 다양한 기능들을 모두 자세히 설명할 시간이 없습니다. 하지만 이 기능들은 모두 데이터를 분석하고 최적의 모델링 방법을 결정하며, 모델을 완성하기 전에 몇 가지 점검을 수행하는 데 도움이 될 수 있습니다. |
| |
시간적 여유가 없으므로 모든 내용을 설명하거나 시연하지는 않겠지만, 앞서 언급한 세 가지 모델을 구축하고 프레젠테이션을 만들어 기능의 일부를 보여드리고자 합니다. |
| |
실례합니다, 내 |
| |
목이 갑자기 마르기 시작해서 계속 술을 마셔야 합니다. 죄송합니다. |
| |
그러니까 산화가 일어나는 거죠. |
| |
우리는 실패와 중단의 수를 봅니다. |
| |
이는 텍스트에서 볼 수 있는 내용과 같습니다. |
| |
그것을 추가하세요. |
| |
그리고 잠깐 아래로 스크롤해 볼까요. |
| |
첫 번째 모델 추가됨 |
| |
산화. 이전 모델에는 30번의 고장과 50번의 정지가 있었습니다. 이 모델은 37번과 59번입니다. |
| |
베타는 외부에서 본 것처럼 2.33이고 ADA는 183입니다. |
| |
그리고 교과서 질문에 대한 답은 80,000회 노출의 위험입니다. |
| |
와이블 모델을 사용하면 약 13.5%입니다. 여기서는 좀 더 높은 수준의 방법이라고 할 수 있겠네요. |
| |
나머지 두 모델을 추가하는 것도 살펴보겠습니다. |
| |
좋아요, 이제 크랙킹을 추가하겠습니다. |
| |
그리고 여기서 볼 수 있을 거예요 |
| |
연소 시스템이나 연료 용량 등을 나타내는 다양한 상자가 있는데, 이 모델에서는 LDM 파일이 요구하는 바를 나타냅니다. |
| |
하지만 이를 변경하고 싶다면 여기서 다른 구성을 선택할 수 있으며, 그러면 FNS에 대한 행이 변경되어 포함되거나 포함되지 않게 됩니다. |
| |
그리고 나서 새로운 인구를 생성하고 세분화할 수 있습니다. |
| |
따라서. |
| |
좋습니다. 이제 세 가지 모델이 모두 추가되었습니다. |
| |
그리고 저는, 아시다시피, 우리는 그 부분에 더 많은 시간을 들이지 않을 겁니다. 그저 옵션과 관련해 모델을 가지고 놀다가 보고서를 생성할 겁니다. |
| |
보고서에 포함시키고 싶은 내용에 대한 몇 가지 옵션이 있습니다. |
| |
그리고 저는 프레젠테이션을 가지고 있고 이 LDM 입력은 활성 모델이 될 것입니다. 죄송합니다. 실행 중인 모델입니다. |
| |
테이블로 나오다. |
| |
좋아요, 그럼 내가 해야 할 일은 다음과 같습니다. |
| |
적절한 폴더를 선택하세요 |
| |
내가 프레젠테이션을 어디로 가고 싶은지 |
| |
이제 이 보고서를 검토하고 생성하는 데 1분 정도 걸릴 겁니다. 1분 정도 걸립니다. 하지만 제가 비교하고 싶은 것은 이 작업을 하는 데 일반적으로 걸리는 시간입니다. |
| |
도구 외부에서 작업했다면 가능할 수도 있습니다. 이제 보고서를 마무리할 준비가 되었습니다. |
| |
저장하세요. |
| |
그리고 |
| |
폴더를 저장하면 완료입니다. 폴더에 저장되어 있으니 검토할 수 있습니다. |
| |
내가 지적할 또 다른 점은 내가 이미 이것을 생성했다는 것입니다. |
| |
이전에, 그래서 나는 그냥 |
| |
끌어올리다 |
| |
제가 이미 생성한 파일이니 살펴보시면 됩니다. 하지만 이건 템플릿입니다. 빠른 작업을 위해 만들어진 것이지만, 나중에 추가로 사용자 지정할 수도 있고, 자리 표시자를 남겨둘 수도 있고, 슬라이드를 생성한 후에 수정할 수도 있습니다. |
| |
처음에 강조했던 수명 분포 모델링 그 이상의 기능을 제공합니다. 각 모델에 포함된 데이터를 요약하는 등 다양한 요약 작업을 수행하는데, JMP가 이 작업에 매우 유용합니다. |
| |
그것은 모델을 비교하는 데 약간의 작업이 필요하므로 |
| |
다양한 통계 검정을 해보세요. JMP를 사용하세요. 다시 한번 말씀드리지만, JMP는 그런 면에서 훌륭합니다. 그래서 JMP가 그 기능을 추가해 주는 거죠. |
| |
저희 리뷰어들이 보고 싶어 하는 몇 가지 사항과 모델이 해마다 어떻게 변화해 왔는지, 데이터는 더 많아지고 데이터는 더 적어졌다는 점을 말씀드리겠습니다. 이러한 변화가 매개변수에 어떤 영향을 미치고 위험 수치에는 어떤 영향을 미치나요? |
| |
물론, 산점도나 그와 비슷한 것에서 많은 데이터를 얻을 수 있죠. |
| |
우리가 논의했던 일부 구성 정보와 최종 매개변수를 포함하는 요약이 있습니다. |
| |
그리고 이것은 세 가지 모델 각각에 대해 수행됩니다. |
| |
그리고 마지막에 위험 롤업만 하면 됩니다. |
| |
이 모든 것에 대하여 |
| |
결합된 |
| |
그래서 그것은 빠른 |
| |
연습. |
| |
데모. |
| |
제가 하고 싶었던 건 다 해냈다고 생각해요. |
| |
질문이 더 있으시면 Q&A에서 좀 더 자세히 이야기 나눌 수 있기를 바랍니다. 모든 것을 예상하기는 어렵거든요. |
| |
하지만 몇 가지 이점에 대해 다시 말씀드리고 싶습니다. 이전에도 말씀드렸지만, CARMA 덕분에 생산성이 향상되었으니, 이는 분명 장점입니다. |
| |
물론 표준화를 통해 모델링 프로세스가 향상되고 이를 통해 새로운 팀원도 도구를 사용하는 것보다 프로세스에 더 집중하고 이를 학습할 수 있습니다. |
| |
결국에는 더 빨리 적응하는 데 도움이 됩니다. 또한 엔지니어가 |
| |
가장 큰 영향을 미칠 수 있는 곳으로 마음을 옮기는 것입니다. |
| |
그래서 이 발표에 기여해 주신 Melissa Seely, Brad Foulkes, Preston Kemp, 그리고 Waldemar Zero에게도 감사의 말씀을 전하고 싶습니다. 발표를 위해 지원해 주신 모든 분들께 진심으로 감사드립니다. |
| |
시간 내주셔서 감사합니다. 오늘 여러분과 함께 개선을 향한 여정을 함께 나눌 수 있어서 즐거웠습니다. 질의응답 시간에 서로 소통할 기회가 있기를 바라지만, 어쨌든 남은 서밋 시간도 즐겁게 보내시길 바랍니다. |
