AI 기반 이상징후 감지를 통한 제약 공정 설비예지보전 시스템 실증 사례

AI를 이용하여 제조 공정의 설비예지보전을 수행하는 임픽스의 인공지능 솔루션입니다.

1. Pain Point 

산업 특성 측면

- 제약 산업의 글로벌 경쟁력 제고를 위해서는 해외 수출의 기본이 되는 의약품 생산기반 측면에서 높은 생산 및 품질관리 경쟁력 확보가 필요함.

- 앰플을 생산하는 공정 설비를 지닌 해당 기업은 전형적인 장치 산업군에 속하며, 한 번의 설비고장에도 대량 생산에 치명적인 문제를 유발할 수 있어 예지보전 대상으로 적합함.

- 이를 위해서는 제조공정이 자동화 및 효율화 된 스마트공장 수준을 넘어 데이터 기반의 예측과 사전감지 체계가 구축된 지능형 공장으로의 변화가 요구됨.

데이터 및 시스템 측면 

- 제조 및 공정 데이터는 축적되고 있으나, 저장된 데이터를 어떻게 활용해야 할 지에 대한 방향성 및 방법론이 부족함.

- 생산 효율을 높이고 공정운영 최적화를 위해 데이터를 분석할 수 있는 AI 시스템 도입이 필요함.

- 또한 실시간 현장 데이터의 자동 수집 및 연계를 통한, 실시간 운영의 가시성 확보 및 지능형 의사결정 지원 체계 도입이 요구됨.

설비 및 인프라 측면

- 설비 운영 및 보전 활동을 위해 기준 이탈 방지를 위한 설비 유틸리티의 데이터셋을 구축하는 방법이 요구됨.

- 실시간 설비의 이상 감지 모니터링을 통한 표준 이탈 패턴을 자율적으로 감지하고 예측하는 AI 솔루션의 도입이 요구됨.

2. AI Solution 

AI AD(anomaly detection) Quality

3. 구축 목표

세부 목표

- 제약 공장의 고도화를 넘어선 지능화 공장으로의 도약.

- AI 데이터에 기반한 이상 현상 사전 감지 및 예측 시스템의 구축.

- AI 기반의 현장 데이터 모니터링을 통해 신속한 의사 결정 체계 구축.

- 앰플 제조 라인의 앰플 세척기와 앰플 충전기를 대상으로 설비예지보전 솔루션 적용.

4. 구축 내용

데이터 통합 관리 기술 적용

- 이종 설비 간 데이터 교환과 분석 조건을 동시 제어할 수 있는 통합 관리 기술 적용.

AI 알고리즘 기술 적용

- 설비에서 추출된 데이터를 이용하여 이상 상태를 검출.

- 추출 정제된 데이터의 학습 모델 설계, 알고리즘 추출 및 검증 작업 진행.

- 설비 별 패턴 추출을 통한 Anomaly Detection AI 알고리즘 기술 적용.

설비예지보전 수행

- 무선 진동 센서 기반의 이상 감지를 탐지하고 설비에서 일어나는 각종 문제를 예측하여 설비의 급작스런 고장을 사전에 대비.

- 이를 통한 설비예지보전을 수행함으로써 설비의 대규모 고장을 사전 예방하고, 설비의 고장과 제품의 품질 연관성을 추적하여 AI 빅데이터 분석과 연계 활용.

5. 구축 효과

설비가동률 증가

- 도입 전 90% 

- 도입 후 97.5% 

공정불량률 감소

- 도입 전 1.5% 

- 도입 후 0.95%