기획특집: ICT 응용 화학산업 - CHERIC기획특집: ICT 응용 화학산업 38 공업화학 전망, 제18권 제5호, 2015 2.1. 실시간 공정 및 설비 모니터링 설비를

36 공업화학 전망, 제18권 제5호, 2015

1. 여는 글1)

미국, EU, 일본, 중국 등 여러 국가에서 정부 차

원의 제조업 선진화 및 육성 프로그램을 지원하고

있으며, 이를 통해 국가 경제를 활성화시키는 전

략을 시행 중이다. 제조부문의 산업 경쟁력을 향

상시키기 위한 방법의 하나로 데이터 분석이 지속

적으로 활용되고 있는데, 최근 들어 데이터 양의

급증에 따른 빅데이터 분석 및 활용에 대한 연구

가 활발히 이루어지고 있으며, 기업 경쟁력을 높

이기 위해 빅데이터 분석의 도입이 적극적으로 검

토되고 있다. 제조부문의 기업들은 품질 향상, 설

비 예지보전, 에너지 절감, 안전 운전의 목표를 달

성하기 위해 빅데이터를 활용하고자 하고 있으며,

이를 위해 많은 투자를 하고 있는 상황이다.

제조업에서 이러한 움직임은 스마트공장이란 개

념으로 구체화되고 있으며, 정부에서도 제조업 3.0

을 구현하는 핵심 정책으로 ‘한국형 스마트공장’

저자 (E-mail: [email protected])

구축을 내세우고 있고, 실제 국내 여러 기업들에서

제조업에 적용 가능한 IoT (internet of things), 클

라우드, 빅데이터 기술을 활용한 시도가 활발히 진

행되고 있다.

제조업 3.0, 인더스트리 4.0 등의 핵심은 빅데이

터 분석과 분석 결과의 활용이며, 이는 3개의 구성

요소를 필요로 하는데, 첫째, 데이터를 수집, 저장,

관리하기 위한 인프라, 둘째, 데이터를 분석하기

위한 분석 환경, 그리고 셋째로 이를 활용하는 데

이터분석 엔지니어로 이루어진다. 성공적인 빅데

이터 활용을 위해서는 분석관점을 고려한 데이터

수집, 저장, 관리를 위한 데이터 관리시스템, 제조

부문의 분석 요구사항을 반영한 데이터분석 S/W

기반 분석환경, 그리고 데이터분석 엔지니어의 양

성이 성공을 좌우하는 중요한 요소이다.

본 고에서는 제조부문에서의 빅데이터 활용에

초점을 맞추어 ‘공정 및 설비상태 통합 모니터링

시스템’의 개념과 구체적인 내용, 다양한 제조공

정에 대한 성공적인 빅데이터 적용사례를 소개하

며, 품질, 설비, 에너지 관점에서의 빅데이터 분석

공정 및 설비상태 통합 모니터링 시스템

정 상 헌

(주)이씨마이너

Inclusive Monitoring System for Process and Equipment State

Sang Hun JeongECMiner

Abstract: 최근 몇 년간 공공, 헬스케어, 위치기반, 유통업, 제조 등 분야에서 빅데이터 활용에 대한 관심이 지속적으로

증가하고 있으며, 특히 품질 향상, 설비 예지보전, 에너지 절감, 안전 운전의 목표를 달성하기 위하여 일찍이 데이터

분석을 활용하여 왔던 제조부문 기업들의 경우, 빅데이터를 활용하여 그 효과를 더욱 증대하고자 많은 투자를 하고

있는 상황이다. 본고에서는 빅데이터 분석 및 활용 기술을 기반으로 구현한 ‘공정 및 설비상태 통합 모니터링 시스템’

을 소개함으로써, 제조업 3.0으로 정리되고 있는 스마트공장 시대에 적용할 수 있는 빅데이터 활용법을 다루고자 한

다. 또한 이를 기반으로 구축한 사례들을 통하여 그 기대효과를 살펴보고자 한다.

Keywords: big data, data mining, smart factory, industry 4.0, monitoring system

기획특집: ICT 응용 화학산업


KIC News, Volume 18, No. 5, 2015 37

절차와 분석 방법론을 제시하고자 한다.

2. 공정 및 설비상태 통합 모니터링 시스템 소개

공정 및 설비상태 통합 모니터링 시스템은 데이

터분석 S/W를 이용하여 4가지 형태의 원천 데이

터(운전 데이터, 일상점검 데이터, 정밀진단 데이

터, 교체이력 데이터)를 분석하여, 실시간 모니터

링 시스템을 기반으로 실시간 설비 모니터링, 최

적 정비시점 예측, 실시간 품질 예측, 그리고 조회

및 분석 기능을 제공한다. 데이터 분석 결과가 설

비 상태 모니터링 모델, 최적 정비시점 예측 모델,

실시간 품질 예측 모델의 형태로 모듈화가 되고,

이 모델이 실시간 모니터링 시스템에 등록, 탑재

되어, 실시간으로 들어오는 공정 및 설비 데이터

를 기반으로 모니터링이나 예측 결과값을 산출하

여 데이터베이스에 저장하거나 화면에 표시하고,

대응 조치가 필요할 경우 조업자에게 알람을 통하

여 인지시키거나, PLC (programmable logic con-

troller)나 APC (advanced process control) 시스템

과 연동하여 결과를 활용하도록 하는 시스템이다.

공정 및 설비상태 통합 모니터링 시스템의 구축

및 운영은 원천 데이터의 통합, 모니터링 및 예측

모델 개발, 탑재된 모델에 기반한 모니터링, 그리

고 조회 및 분석의 순으로 진행된다. 다양한 형태

의 원천 데이터가 수집되어 다수의 데이터베이스

에 저장, 관리되는데, 데이터 분석을 위해서는 먼

저 과거 일정 기간 동안의 이들 데이터를 통합하

여 공정 및 설비 데이터 통합 데이터베이스를 구

축한다. 빅데이터 분석 S/W를 이용하여 데이터 정

제, 통계 분석, 상관관계 분석, 탐색적 분석, 군집

분석 등을 진행하고 이를 통하여 연관규칙을 도출

하거나 예측이나 분류 모델을 개발한다. 빅데이터

분석 S/W인 ECMinerTM을 이용하여 이 과정을 수

행하는데, 그 결과로 실시간 모니터링 시스템에 탑

재할 설비 모니터링, 최적 정비시점 예측, 품질 예

측 기능의 ECMinerTM 모델을 얻는다.

이렇게 개발한 모델에 기반하여 실시간 공정 및

설비상태 통합 모니터링 시스템이 운영되는데, 실

시간 데이터에 기반한 설비 모니터링, 최적 정비

시점 예측, 품질 예측, 이상상황 알람 및 대응조치

안내 등의 기능을 제공한다. 이 시스템을 통하여

공정 및 설비에 대한 현재 상태 및 예측 상황을 감

시 및 조회하고, 이상상황 발생 또는 예측 시 원인

가시화 및 대응 조치 등을 할 수 있다. ECMinerTM

모델과 연동되는 시스템인 ECMinerIMSTM에 다

수의 모델을 등록, 탑재하여 공정 및 설비상태 통

합 모니터링 시스템을 구축한다.

* 출처: ECMiner사.

Figure 1. Overview of inclusive monitoring system for process & equipment state.


38 공업화학 전망, 제18권 제5호, 2015

2.1. 실시간 공정 및 설비 모니터링

설비를 모니터링하기 위해서는 과거 일정 기간

동안의 일상 점검, 정밀 진단, 교체 이력 등의 원천

데이터를 분석하여 bottom-up (상향식) 방식으로

모니터링 지수를 개발하여 시스템을 탑재하고, 실

시간 데이터 기반의 top-down (하향식) 방식 모니

터링을 통해 설비 이상 징후 발견 시 조업자에게

알람 및 대응조치 안내를 함으로써 적절한 조치가

이루어지도록 한다.

2.1.1. Bottom-up 방식 종합 지수 산출

먼저, 설비 별로 일상 점검, 정밀 진단, 교체(수

리) 주기, 상태 모니터링을 점수화하여 하나의 설

비 지수를 계산한다. 일상 점검과 정밀 진단 점수

화는 현업과 기준을 정의하고, 교체 및 수리 주기

에 대해서는 그 원인 특성을 파악하여 지수화하는

데, 주성분분석, 주파수분석 등 다양한 분석 방법을

이용하여 주요 원인 및 임계치를 도출한다. 상태 모

니터링 지수는 다변량 통계공정관리(multivariate

statistical process control; MSPC) 개념의 거리를

적용하여 정의한다. 이것을 품질 예측 모형과 관리

기준을 적용하여 개발한 품질 지수와 종합하여 공

정 지수를 산출하고, 공정 지수를 종합하여 블록

공정 지수를 산출하고, 최종적으로 종합 지수로 환


Figure 2. Structure of inclusive monitoring system for process & equipment state.


Figure 3. Integration of ECMinerTM & ECMinerIMSTM.



산한다. 지수 산출 시 scorecard 모델을 이용하여

각 요소의 스코어링 기준을 도출한다.

2.1.2. Top-down 방식 모니터링 체계

종합 지수를 통해 대상 공정 전체에 대한 실시

간 현황 파악이 가능하며, 이상 발생 시 top-down

모니터링을 통해 개별 설비 지수 비교, 설비 지수

추세 및 주요 인자 파악, 주요 인자 SPC (statistical

process control) 분석을 통해 원인 인자를 규명할

수 있다.

또한 MSPC에 기반한 설비상태 모니터링을 통

해 설비 상황을 가시화할 수 있으며, 이상 조기감

지 및 이상 발생에 대한 원인 정보를 파악할 수 있

다. 즉, MSPC 알고리즘인 주성분분석을 통해 설

비 상황을 하나의 점으로 가시화하고, 민감도 분

석 결과인 기여도 차트를 통해 현재 상태에 영향

을 주는 설비를 파악하고, 기여도가 높은 설비의

SPC 차트 분석을 통해 이상 발생의 원인 파악이

가능하다.


Figure 4. Overview of real-time equipment monitoring.


Figure 5. Definition of composite index of equipment.


40 공업화학 전망, 제18권 제5호, 2015

2.1.3. 알람 및 대응조치 안내

공정 및 설비상태 통합 모니터링 시스템은 조업

자에게 현재 공정 및 설비상태를 실시간으로 제공

하여, 이상 발생 시 조업의 이상이나, 사고 유형

및 이상원인에 대한 정보를 제공한다. 사전에 과

거 일정 기간 동안의 운전 및 설비 점검 데이터를


Figure 6. Monitoring of composite index of equipment.


Figure 7. Point out the causes of abnormal state.


Figure 8. Procedure of alarm & action guidance based on abnormal types.



대상으로, 하나의 이상에 대해 이상의 징후, 발생,

진단, 조치를 사례로 정의하고 축적하여, 새로운

이상 발생 시 사례기반 추론엔진을 통해 진단 및

조치에 대한 대응조치 안내를 하여 효과적이고 효

율적으로 이상에 대처할 수 있다.

일상 점검, 정밀 진단, 교체 이력 데이터에서 이

상 및 사고 유형을 분류하고, 유형별 관련 핵심 키

워드를 추출하여 연관 분석을 통해 설비 이상 및

사고 유형별 룰을 도출한다.

설비에 이상 징후가 포착되었을 때, 이상 징후

인자에 대한 진단을 한 후 사례 도서관의 룰을 이

용하여 해당 이상의 유형을 알람으로 조업자에게

통보한다.

2.2. 최적 정비시점 예측

일반적으로 기존에는 설비의 일상점검, 정밀진

단, 교체이력 데이터와 설비 데이터를 이용하여

TBM (time based maintenance) 또는 CBM (case

based maintenance)에 근거하여 설비의 정비시점

을 결정하고 있다. TBM에 근거한 정비는 교체 이

력 데이터와 교체 주기 데이터를 이용하여 일정

시간이 경과하면 설비를 정비하는 방식이고, CBM

에 근거한 정비는 설비상태 점검 데이터, 측정 데

이터, 진단 데이터를 이용하여 설비가 정비를 필요

로 하는 조건인지를 판단하여 정비하는 방식이다.

하지만 설비상태에 영향을 주는 운전 환경의 영향

을 분석하여 반영할 경우, 즉, OBM (operation

based maintenance)에 근거하여 정비시점을 조절

한다면 최적의 정비시점 예측이 가능하다.

공정 운전 패턴이 설비의 마모 및 노후화에 미

치는 영향을 분석하여, 정비시점 산정 모델을 도

출하고, 이를 기준으로 운전 환경 변화에 따라 최

적정비 시점을 가변적으로 산정한다.

Figure 9. Example of building of equipment abnormal rule library.

Figure 10. Example of alarm & action guidance.


42 공업화학 전망, 제18권 제5호, 2015

2.3. 실시간 품질 예측

생산데이터를 활용한 품질 예측 모델링은 일반

적으로 품질에 영향을 미치는 주요 인자들을 찾아

내고, 품질이 측정되었을 시점까지의 이들 인자들

의 운전 데이터와 품질 데이터를 대상으로 여러

가지 모델링 기법을 이용하여 모델을 개발하게 된


Figure 11. Prediction of optimal maintenance schedule based on OBM (Operation Based Maintenance).


Figure 12. Real-time quality prediction.


Figure 13. Example of main screen of inclusive monitoring system for process & equipment state.



다. 그런데 공정의 운전 상태와 설비의 상태는 상

호 영향을 미치고 있기 때문에, 설비의 마모나 노

후화, 또는 설비 교체가 품질에 미치는 영향을 분

석하여 품질 예측에 반영한다면, 예측 모델의 정

확도를 상승시킬 수 있고, 설비 요인에 의한 품질

이상 발생 시 원인 분석 또한 가능하게 된다.

2.4. 조회 및 분석

공정 및 설비상태 통합 모니터링 시스템 메인

화면에서는 종합 지수 및 개별 설비 지수 정보(트

렌드, 설비 기여도), 공정 및 설비상태 모니터링

정보(컨트롤 차트, 기여도), 그리고 알람 및 대응

조치 안내 정보를 제공한다. 화면 구성은 해당 공

정의 목적과 기능 구현 범위에 따라 맞춤형으로

제공하고, 기본적으로 예측 조회, 모니터링 조회,

트렌드 조회, 알람 내역 조회 등의 조회 기능을 제

공한다.

또한, 데이터 추출을 통해 상관관계 분석, 회귀

분석 등의 다차원 분석을 진행할 수 있으며, 분석

결과에 대한 보고서 작성 기능도 제공한다.


Figure 14. Environment of data analysis and reporting.


Figure 15. Procedure of energy efficiency monitoring system for NCC.


44 공업화학 전망, 제18권 제5호, 2015

3. 구축 사례

3.1. NC 공정 에너지효율 모니터링 시스템

NC (naphtha cracking) 공정을 대상으로 고유가

로 인한 에너지 비용 증가 문제 해결, 탄소 배출권

및 에너지 목표 관리제 시행 대응, 에너지 원단위

절감 목표 설정 등의 목적으로 에너지효율 지표를

개발하고 실시간 모니터링 시스템을 구축하여 체

계적인 에너지효율 관리 체계를 구현하였다.

또한, 스팀 사용량에 따라 조업현황을 가시화하

고, 그룹화하여 특성을 정의한 후, 조업 그룹별 운

전 조건을 비교하여 스팀 사용량을 절감할 수 있는

최적 운전조건을 도출하였다.

NC 공정 에너지효율 모니터링 시스템 구축을

통하여 효율적인 에너지 관리 체계 확립, 공정 모

니터링을 통한 이상 조기감지 및 진단, 공정의 안

정적 운영과 에너지 소비 편차 감소, 실시간 분석

체계 구축의 효과를 가져왔다.

3.2. 진공펌프 이상징후 진단시스템

메모리 또는 비메모리 제조공정에서는 식각공

정이 거의 진공에 가까운 압력상태에서 진행되는


Figure 16. Grouping by steam usage and selection of significant factor.


Figure 17. Analysis of optimal operation condition.



데, 챔버에 연결되어 있는 진공펌프가 그 역할을

담당한다. 그런데 운전이 계속됨에 따라 진공펌프

에 이물질이 흡입 누적되어 고장이 나게 되면, 챔

버 내 가공 중이던 wafer를 사용할 수 없게 되고

진공펌프 교체에 따른 운전 지연으로 비용이 발생

한다. 진공펌프 고장에 따른 비용 발생을 줄이기

위하여 과거 진공펌프 고장 데이터를 분석하여 사

전에 이상징후를 탐지할 수 있는 이상징후 진단시

스템을 구축하였다.

MSPC에 기반한 차트를 이용하여 펌프 운전현

황을 가시화 하고, 컨트롤 차트와 T2 차트를 통해

진공펌프가 고장나기 7 h 전에 이상징후 감지가

가능함을 확인하였고, 이를 기반으로 이상징후 진

단모델을 개발하여 실시간 모니터링 시스템에 탑

재함으로써, 펌프 이상징후를 사전에 감지하여 다

음 wafer부터는 예비설비로 운전될 수 있도록 조

치하고 펌프를 교체함으로써 사용 불가 wafer의

발생과 운전 지연을 방지하여 비용 발생을 막는

효과를 가져왔다.

4. 맺는글

최근 들어 제조부문에서 빅데이터의 활용에 대

한 관심과 투자가 늘어나고 있는데, 빅데이터 활

용의 세 가지 구성요건인, 빅데이터의 수집, 저장,

관리, 빅데이터 분석 환경, 분데이터 분석 전문가

중 본고에서 소개한 ‘공정 및 설비상태 통합 모니

터링 시스템’은 오프라인의 빅데이터 분석 환경과

온라인의 실시간 모니터링 시스템을 제공하는 것

을 목적으로 개발되었다. 빅데이터를 이용한 분석

및 모델 개발과 개발된 모델을 이용한 실시간 모

니터링이 유기적으로 연동되도록 구성함으로써,

제조업 3.0에서 추구하는 ‘한국형 스마트공장’의

핵심 기능을 구현하고 있다.

그동안 빅데이터의 수집, 저장, 관리로 대표되는

빅데이터 인프라 구축과 빅데이터 3대 특징인 vol-

ume, velocity, variety에 대한 기술적 해결에 연구

의 초점이 맞춰져 온데 비해, 정작 품질 향상, 설비

예지보전, 에너지 절감, 안전 운전 등 빅데이터 분

석 및 적용에 대한 가시적인 사례가 적어서 빅데이

터 활용에 대한 기대치가 조금 줄어든 경향이 있

다. 올해부터 제조업 3.0을 키워드로 해서 스마트

공장에 대한 관심이 폭발적으로 늘고 있고 다시

IoT나 클라우드와 같은 인프라 기술이 우선적으로

주목 받고 있는 시점에 빅데이터 분석 및 적용의

방안을 공유함으로써, 제조분야에서의 빅데이터

활용에 대한 관심을 높일 수 있기를 기대한다.


Figure 18. Detection of vacuum pump symptom.


46 공업화학 전망, 제18권 제5호, 2015

정 상 헌1982∼1986 서강대학교 화학공학과

(공학사)1987∼1989 서강대학교 화공생명공학과

(공학석사)1989∼1995 서강대학교 화공생명공학과

(공학박사)1997∼1999 INPT, ENSIGC (France)

박사 후 연구원

2000∼2002 크레딕스 기술연구소장

2003∼2004 엠디에스프레이닝

솔루션사업본부장

2005∼2010 도하인더스트리 소재개발실장

2010∼현재 이씨마이너 컨설팅담당 이사

Documents

기획특집: ICT 응용 화학산업 - CHERIC기획특집: ICT 응용 화학산업 38 공업화학 전망, 제18권 제5호, 2015 2.1. 실시간 공정 및 설비 모니터링 설비를