급변하는 산업 환경 속에서 데이터 분석을 활용하는 능력은 운영 효율성 향상과 정보에 기반한 의사 결정을 위해 필수적입니다. 저희는 생산 현장 직원들의 데이터 분석 역량을 강화하여 데이터의 잠재력을 최대한 활용하고 데이터 기반 의사 결정 프로세스를 개선할 수 있도록 지원하는 것을 목표로 합니다. 이 프로그램은 데이터 분석 및 AI 전략의 확장 요소로서, 직원들이 데이터 활용 능력뿐 아니라 공장 자동화를 이끄는 첨단 기술과 효과적으로 협업할 수 있도록 보장합니다.
본 교육 프로그램은 프로세스 관리자, 자산 관리자 및 조직 내 주요 이해관계자를 위해 맞춤 설계되었습니다. 자기 주도 학습, 현장 교육 및 강의식 교육을 포함하는 포괄적인 교육 방식을 제공하여 다양한 학습 선호도와 운영상의 요구를 충족합니다.
참가자들은 직관적인 포인트 앤 클릭 방식의 도구를 활용하여 입력 요소 변동성을 평가하는 대시보드 사용, Seeq와 같은 추세 분석 도구를 이용한 공장 수준의 공정 데이터 탐색 및 추세 분석, JMP를 활용한 통계 분석 및 고급 모델링 등 실질적인 응용 분야에 집중합니다. 데이터 활용 능력을 함양하고 생산 직원에게 필수적인 분석 기술을 제공함으로써 운영 효율성을 높이고 조직 전반에 걸쳐 정보에 기반한 의사 결정을 촉진하는 것을 목표로 합니다.
안녕하세요, 저는 BASF 앤트워프 데이터 분석팀의 데이비드 오트리크입니다. 오늘은 저희 화학 생산 공장에서 데이터 기반 의사결정을 강화하기 위해 JMP를 어떻게 활용하는지 공유하고자 합니다. 함께 살펴보시죠.
이제 세부 사항에 들어가기 전에 BASF 안트베르펜에 대해 간략하게 소개하겠습니다. 먼저 안트베르펜 항에 위치한 BASF 그룹 생산 시설 전체를 살펴보겠습니다. 안트베르펜 생산 시설은 전 세계 BASF 연합 시설 중 두 번째로 중요한 곳으로, 6제곱킬로미터가 넘는 면적에 50개 이상의 세계적 규모의 생산 시설이 자리하고 있으며, 매일 3,000명 이상의 직원이 근무하고 있습니다. 이 50개의 생산 시설에서는 기초 및 특수 화학 제품, 합성 제품, 정제 제품, 무기 화학 제품 등 다양한 제품을 생산합니다. 이처럼 광범위한 생산 시설은 운영 최적화에 있어 데이터 기반 접근 방식을 적용하는 데 필수적인 기반이 됩니다.
그렇다면 이것이 의미하는 바는 무엇일까요? 바로 핵심 화학 물질의 세계적 규모 제조 공정입니다. 하루 1,000톤 이상의 제품을 생산하는 운영 과정에서 우리가 매일 직면하는 여러 가지 과제들을 좀 더 자세히 살펴보겠습니다. 슬라이드 하단에 있는 블록 도표에서 볼 수 있듯이, 이러한 과제들은 원치 않는 부산물, 변동적인 생산량 등을 포함합니다. 우리의 목표는 최종 고객에게 최종 제품을 생산하고 검사하는 동시에 변동 비용을 최소화하는 것입니다. 이를 위해 원자재 투입과 에너지 투입을 최소화해야 합니다.
우리는 데이터 분석을 활용하여 변동 비용을 줄일 수 있다고 믿습니다. 데이터 기반 전략을 적용함으로써 결과를 더욱 정확하게 예측하고, 낭비를 줄이며, 효율성을 향상시키는 등의 효과를 기대할 수 있습니다. 간단히 말해, 우리는 매일 생성되는 방대한 양의 생산 데이터를 가치 있게 활용하고자 합니다.
저희 시설에는 매일 압력, 온도 등을 측정하는 여러 센서가 설치되어 있습니다. 저희는 이러한 센서 데이터를 통합하여 최대한 많은 정보를 추출하고자 합니다. 그렇지 않으면 데이터가 제대로 활용되지 못하고 방치될 가능성이 크기 때문입니다. 바로 이 지점에서 JMP가 중요한 역할을 합니다. JMP는 저희 프로세스에서 귀중한 통찰력을 도출하는 데 도움을 주는 핵심 도구라고 할 수 있습니다.
이제 원자재 비용, 에너지 비용 등과 같은 변동 비용을 줄이기 위해 현장 관리를 시작했습니다. 운영 효율성 프로그램을 도입했는데, 이 프로그램의 핵심 요소는 프로세스 관리자를 위한 교육 프로그램인 '운영을 위한 응용 데이터 분석'입니다. 유타 주립대의 프로세스 지식과 데이터 분석을 결합함으로써, 1+1이 3이 되는 시너지 효과를 창출할 수 있다고 믿습니다. 이를 통해 더 심층적인 통찰력을 얻을 수 있고, 측정 가능하며 지속적인 개선은 물론 사용자 만족도까지 향상시킬 수 있습니다. 프로세스 지식과 데이터 분석을 결합했기 때문입니다.
앤트워프의 데이터 분석팀은 전체 프로세스에서 일종의 촉매제 역할을 합니다. 슬라이드에 나와 있듯이, 프로세스 관리자는 공장의 운영 비용 목표(OpEx Target Picture)와 연관된 문제 진술서를 제출합니다. 그러면 저희는 그 문제를 심층적으로 분석하기 시작합니다. 문제를 정량화하고, 분석 프로그램으로 변환합니다.
네 번째 항목에서 언급했듯이, 우리는 운영상의 문제를 데이터 탐색 과제로 전환합니다. 이를 위해 간단한 포인트 앤 클릭 도구를 활용합니다. 개발자를 프로세스 관리자로 만들려는 것이 아니라, 데이터에서 최대한의 이점을 얻는 방법을 배우도록 돕는 것이 목표입니다.
마지막 단계에서는 물론 개선 방안을 제안하고 검증한 후 실행에 옮기고, 해당 방안들을 운영비(OpEx) 데이터베이스에 기록하여 확정하는 과정을 거치게 됩니다. 앞서 말씀드린 것처럼, 운영 데이터 분석 프로그램은 프로세스 관리자를 위해 특별히 설계되었습니다. 오른쪽 사진은 저희가 진행하는 교육 현장의 모습입니다. 이 교육에서는 핵심 프로세스 관리자 그룹(이번 교육을 위해 선정된 20명의 프로세스 관리자)에게 JMP의 기능을 소개하고, 실무적이고 시각적이며 분석적인 방식으로 JMP 사용법을 설명합니다.
저희가 구상하는 교육 방식은 크게 세 가지 요소로 구성됩니다. 첫째, 실무 중심의 자기 주도 학습을 제공합니다. 실무자들은 각자 자신의 속도에 맞춰 장비를 다루고, 장비를 연구하고, 최신 기능을 학습할 수 있어야 합니다. 둘째, 현장 컨설팅을 제공합니다. 현장에 직접 방문하여 운영 효율성 프로젝트의 특정 단계에서 발생하는 문제 해결을 지원합니다.
마지막으로, 저희는 강의실 교육을 제공합니다. 기본적으로 저희가 따르는 워크플로는 참가자들이 먼저 데이터를 탐색하고 시각화하여 운영상의 기회를 파악하는 방법을 배우는 것입니다. 첫 단계에서 참가자들은 비용 변동성을 분석해야 합니다. 일반적으로 공장 내 대시보드를 활용하여 일일 KPI의 변동성을 추적합니다. 그런 다음 더 심층적으로 분석합니다. 온도, 압력 등 필요한 시계열 데이터나 공정 데이터를 자세히 살펴봅니다. 이를 위해 일반적으로 추세 탐색 도구, 트렌드 마이너 등의 시계열 분석 도구를 사용합니다.
마지막 단계에서 그들은 초기 데이터 탐색에서 얻은 데이터를 변환하거나 추출합니다. 탐색한 데이터를 JMP를 사용하여 분석하기 시작하는 일종의 데이터 테이블 형태로 통합 또는 변환하는 것입니다. 이 마지막 단계는 JMP를 활용하여 민감도 분석과 같은 고급 분석을 수행하는 단계라고 할 수 있습니다. 주요 프로세스 요인과 관심 있는 비용 함수 간의 상관관계를 파악하는 것이죠. 우리가 발견하고 관찰한 바에 따르면, 이러한 접근 방식은 실제로 실행 가능한 개선을 이끌어내는 데 효과적입니다. 이 방식이 효과를 발휘하고, 사용자들이 JMP라는 도구에 관심을 갖게 되며, JMP가 제공하는 기능의 가치를 인식하게 되는 것을 확인할 수 있었습니다.
마침내, 저희는 BASF 앤트워프의 운영팀이 데이터 기반 의사결정을 통해 효율성을 높이고 비용을 절감할 수 있도록 지원하는 시스템을 구축했습니다. 다음 단계는 이 모든 시스템을 실제로 가동하는 것입니다. 이것이 바로 저희가 앞으로 1년 동안 집중해야 할 과제입니다. 감사합니다.
