[컴퓨터월드] 미래창조과학부와 한국정보화진흥원이 주관하는 2014년도 빅데이터 스마트활용시범서비스의 사업의 일환으로 메타빌드, 솔바테크놀러지, 자동차부품연구원 컨소시엄이 참여하는 ‘자동차 부품기업 공동활용 빅데이터 플랫폼 구축 사업’이 성공적으로 완료됐다. 

이번 사업은 한국 제조업의 11.4%를 차지하고 세계 제9위의 국내 자동차 사업을 견인하고 있는 국내 자동차 부품 제조기업의 품질 향상을 위해 생산품질 및 공정데이터의 수집을 통한 빅데이터 분석을 주 목적으로 하고 있다. 분석된 빅데이터는 품질통계 기법이 피드백 되어 향후 생산 활동에 연동되는 등 해당 기업의 생산품질 및 생산성 향상을 위한분석시스템 모델 개발에 적용되게 된다. 

현장중심의 빅데이터 프로젝트 성공사례 

16년 동안 데이터 수집 저장, 연계 전문 기업인 메타빌드와 자동차 부품품질 솔루션 전문 업체인 솔바테크놀러지 그리고 자동차 부품연구원이 참여한 이번 프로젝트는 철저히 현장 중심으로 진행됐다는 점에서도 주목을 받았다.

컨소시엄 프로젝트팀은 지난 7월 초 안성에 있는 자동차용 알루미늄 다이캐스팅 및 정밀가공 부품 제조업체를 방문해 빅데이터 분석을 위한 생산라인의 현장검토 및 토의를 실시하는 등 현장 중심의 빅데이터 프로젝트를 진행했다. 

이번 프로젝트는 또한 그 파급효과가 상당할 것으로 예상된다. 업계에서는 이번 빅데이터 분석 모델 개발 사업의 성과는 향후 IOT 기반의 추가 발전 사업 등에 기폭제가 될 것으로 예상하고 있다.

동종 업계 혹은 기타 다른 제조업 뿌리 산업 분야의 빅데이터 활용에 적지 않은 시너지 효과를 낼 수 있다는 것을 입증함으로써 완성차 업계는 물론 다양한 관련 산업계의 주목을 받고 있는 것이다.

컨소시엄의 주관사인 메타빌드 조풍연 대표는 “차세대 IT 트랜드인 빅데이터는 IOT 기반 활용 분야로 회사에서 적극 추진하고 있는 분야이며 이번 사업을 통해 이미 우수성이 입증된 국내 최고의 연계 솔루션 브랜드인 Indigo ESB for Hadoop 제품을 적용해 빅데이터 솔루션을 라인을 강화 한 것은 물론 제조업의 새로운 빅데이터 패러다임을 제시했다”며 “이번 프로젝트의 성공이 산업계의 큰 파급효과를 가져 올 것이다”고 주장했다.

사업에 참여한 생산관리 부문 담당자는 “이번 메타빌드 컨소시엄의 자동차 부품기업 생산성 향상을 위한 빅데이터 분석 활용 사업은 시도되지 않은 뿌리산업 분야의 생산 데이터 정립을 통해 생산성 증대 효과를 가져올 수 있는 중요한 기회로 작용할 수 있을 것이다”고 말했다. 빅데이터가 실제 품질 향상에 기여 할 수 있다는 것을 확실하게 보여준 사례로 기록돼 앞으로 품질 향상에 기여하는 가이드 라인으로 작용할 것이라는 얘기다.

프로젝트 추진 경과 

(1) 현재 중소기업은 각 공정/단계별 단편적인 데이터(정보)를 이용해 생산라인을 관리하고 있다. 생산 수율 및 품질 향상을 위해 각 단계별로 발생하는 데이터의 복합적인 분석이 필요한 상황이다.

(2) 중소기업은 모든 장비의 데이터(정형/비정형)를 빅데이터 플랫폼을 통해 수집→분석해 그 결과(불필요 검사항목, 불량발생 공정 등)를 빅데이터 서비스 포털에 저장한다. 기업의 생산/공정 관리자는 인터넷을 통해 이를 조회/다운로드해 각 생산 수율과 품질 향상을 높이는 데 활용한다. 

서비스 세부 구축 계획 

(1) 데이터 수집 개념도 

상단에는 데이터 수집을 위한 현장 MES시스템이 위치해 있으며 중앙에는 Indigo ESB가, 하단에는 자동차 부품 연구원의 빅데이터 저장 플랫폼이 자리잡고 있다. DB 및 엑셀파일을 수집한 ESB Adaptor가 Hadoop Adaptor를 통해 Hadoop 시스템에 액세스해 HDFS의 Datanode에csv파일을 저장하고 hive를 통한 테이블에 데이터를 적재한다. 

(2) 수집 시나리오 

데이터 수집을 위한 DB, File Polling Consumer가 데이터를 추출한 후 가공된 송신 메시지를 Message Queue로 송신하고 수신받은 메시지를 CSV형태로 변환해 HDFS(Hadoop Distributed File System)에 액세스하여 CSV파일 적재 후 HIVE에 액세스를 통한 Import Query를 실행하여 목적지 Table에 데이터를 전달한다.

(3) 빅데이터 분석 

수집된 데이터를 빅데이터 분석 방법론에 따라 분석한다. 해당 기업의 요구사항에 따라 아래의 방법 중 선택한다.

가. 변수선정/데이터 확보  

(1) 독립변수에 의해 영향을 받는 변수: 종속변수(불량률) 

(2) 불량발생에 영향을 미치는 인자를 구분: 독립변수 
A 제품생산에 직접적으로 관여하는 변수 구분: 해당 독립변수(인자)

(3) 22호기~25호기의 현장 작업일지 데이터를 확보(Key-in Data) 
A 제품의 주조조건 설정치 데이터 
A 제품의 주간, 야간 작업인원 데이터 및 주간, 야간 불량데이터 
22호기~25호기의 A 제품의 주조조건 데이터 확보 

(4) 각 장비의 A 제품생산 전체쇼트의 주조조건 실측값 

나. 분석 대상 시스템  

다. 분석 방법론의 선정 

라. 탐색적 데이터 분석 (EDA) 
- 분석 대상 데이터 분포도 및 변동성 조사 

- 속성별 차이 분석 

- 속성별 설정 값 상관분석 

빅데이터 결과 활용 방안 

분석된 결과를 빅데이터 서비스 포털에 저장해 각 회사별로로 각 분석결과를 조회하고 그 결과를 엑셀파일로 다운로드 하거나, 분석결과 그래프를 다운로드해 생산수율 및 공정관리에 활용한다.

암호화된 연계기술(ESB)을 활용, 각 중소기업의 그룹웨어(기간계)-시스템에 분석결과를 제공해 각 기업에서 활용할 수 있도록 한다. 

프로젝트 기대효과 

가. 분석결과의 조회 페이지 외에 실제 도움이 되는 제조업 분석의 사례와 같은 다양한 정보를 회원사에게 제공할 예정이다. 

나. 이번 사이트는 회원사 기반으로 운영되는 사이트로 자동차 부품기업의 빅데이터 분석의뢰에 의해 진행된 분석 결과를 조회할 수 있으며 해당 사이트 ID를 발급받아 이용이 가능하다.

다. 앞으로 참여업체를 계속 늘려 나갈 예정이다. 특히 서비스 대상을 자동차 부품기업에 국한하지 않고 여타 제조업까지 확대 적용할 계획이다. 

라. 향후 운영 상황에 맞춰 분석 기법을 추가할 방침이다.