| 초록 |
○ 이 기술은 복수 위치의 공장에서 사용가능하다. 공장에서 저장된 학습신호의 조합과 데이터베이스는 공장의 실시간 IoT시스템 구축에 활용 된다. 공장의 확장가능성 지원을 위해 카프카와 같은 브로커 역할과 스톰과 스파크 같은 실시간 분산 일괄처리 프로세싱시스템은 처리성능을 향상시킬 수 있다. 다만 국내에서 이 기술과 같은 적용 SW는 해외 의존도가 높고 활용 초입에 있어 성공 여부를 측정하기 어렵다. 국내의 개별적 기술수준은 뒤질 것이 없으나 실제 유사 기술부문별 SW와 통합적 솔루션의 기술적 완성도에 격차가 존재한다. ○ 센서를 통해 기계 및 장치 등의 MRO 로그 데이터를 특정 기준이나 이벤트 기반으로 모니터링 하여 자동 수집하고 빅 데이터 분석기법을 통해 분석하고 신뢰도 측정 알고리즘에 따라 예지, 예방, 예측 정비를 계획하고 수행하는 메커니즘은 새로운 이론이나 개념은 아니다. 이미 군으로부터 시작된 이론과 관리 모델링의 이력이 길다. 다만 민간에서의 적용 확대는 기업 수익적 관점에서 제조효율과 품질경영의 측면에서 비용저감의 관점과 자원 소비효율 향상이 핵심이므로 RoI나 적합도 분석이 우선적이다. 기술정책과 거버넌스 차원에서 기존시장과 경쟁하는 상용화 SW와 시스템 솔루션의 개발강화 방향과 기존시장에서 특정 서비스 솔루션의 개발 경쟁 및 시장개척 방향 측면에서 전략적 선택이나 균형적 선택이 중요한 시기이다. ○ IoT와 CPS 환경에서 국내의 스마트 제조와 스마트 공장의 추진 이슈는 단기적 성과 시현과 가시화에서 벗어나 실질적 솔루션으로의 완성도를 높여가고 있으나 선도국가의 추진이력 검토를 통해 'back to the basic'과 신규 패러다임의 '적합도 향상' 방향을 고민할 시기이다. 기계 및 장치와 장비 신뢰도, MRO 로그 데이터의 자동화 수집 및 분석을 통한 지능적 운영은 제조부문 전체의 최적화 레버리지와 적합도 연구가 필요하다. 특정 CPS나 ERP/MES의 하위시스템인 장비 및 공정 BOM에 4대 자원 이외에 에너지 자원 BOM의 통합 체계화가 차별적 솔루션 개발과 글로벌 시장 개척을 위한 지름길이 될 수도 있다. 부분최적이 항상 전체 최적에 기여할 수는 없다는 법칙을 상기하자. |
