자동차 산업의 엄격한 품질 표준을 충족하기 위해서는 생산 효율성과 공정 재현성에 역량을 집중하고, 부품 생산에 최적화된 기술을 선택해야 합니다. 특히 완성차 제조사들의 요구 수준은 나날이 높아져, 불량률 허용 범위를 기존 PPM(100만 분의 1) 단위에서 PPB(10억 분의 1) 단위까지 낮출 것을 요구하고 있습니다.

이러한 요구에 대응하기 위해 품질 관리 방식 또한 기존의 '샘플링 검사'에서 '100% 전수 검사' 체계로의 전환이 필수적이었습니다. 모든 공정에서 전수 검사를 시행하려면 각 장비로부터 발생하는 방대한 데이터를 빠짐없이 수집해야 합니다. 연간 약 3,000만 개의 부품을 전 세계 자동차 시장에 공급하는 A.E.I.는 기존 제조 전략을 전면 재검토했습니다. 핵심 공정에서 발생하는 결함을 스마트하고 실시간으로 관리하기 위해,  '데이터 분석의 고도화' 를 최우선 과제로 설정했습니다.

릴레이 생산 라인 개선에 참여한 엔지니어는 릴레이를 구성하는 수지 부품과 금속 부품의 기계적 접합, 즉 "코킹"에 주목했습니다. 코킹은 조립 공정에 있어서 가장 중요한 작업이며, 결함품이 고객에게 닿는 원인이 되는 경우가 가장 많은 작업입니다. 지금까지 세심한 주의가 필요한 이 코킹 작업의 품질 검사는 오퍼레이터가 실시하고 있어, 관리 계획서에 나타나는 통계 데이터에 근거해 육안 점검을 실시해, 부품이 규정의 형상인지를 검증하고 있었습니다.

하지만 결함이 확인될 경우 결함 부품만 회수하는 것이 아니라, 해당 제조 배치 전체를 격리하여 재검사를 실시해야 했습니다. 이 검사에는 많은 비용과 시간이 소요될 뿐만 아니라 제조 배치 전체가 폐기되는 경우가 대부분입니다. 이에 따라 A.E.I.는 코킹 압력을 실시간으로 측정할 수 있는 새로운 관리 시스템을 고안했습니다.

이 관리 시스템은 기존 공정에 AI 컨트롤러(NY 시리즈)와 관련 컴포넌트를 통합하고, 라인에 장착된 로드셀(압력 센서)과 연동함으로써 실현되었습니다. 이러한 개선을 통해 임계값을 설정하고 접합 불량 발생 시 공정을 즉시 정지시키는 데 성공했습니다. 그 결과 작업자가 공정에 필요한 조치를 신속하게 취할 수 있게 되었으며, A.E.I.는 100% 퀄리티 게이트(Quality Gate)를 달성했습니다.

데이터 주도형 공정

A.E.I.의 목표는 ‘i-BELT’를 통해 옴론의 AI 컨트롤러(NY 시리즈)를 공정에 도입하여 품질 기준의 임계값을 충족하고, 제조 과정의 데이터를 저장하여 부품의 생산 이력을 관리하는 것이었습니다.

준비 단계에서 설정한 목표를 달성하기 위해서는 데이터 분석이 필수적이라는 점이 확인되었습니다. 네덜란드에 거점을 둔 ‘i-BELT’ 데이터 서비스 팀은 각 센서로부터 모든 데이터를 원격으로 수집했습니다. 센서에는 이미 장비에 장착되어 있던 것과 주요 제조 공정을 모니터링할 목적으로 추가 장착된 것이 포함되었으며, 코킹 부분의 선단에서 접합부에 가해지는 압력을 측정하는 로드셀(압력 센서)도 여기에 포함되었습니다. A.E.I.는 AI 컨트롤러에 로드셀을 연결함으로써 실시간으로 코킹 압력의 다양한 시간적 변화를 감지하고, 100% 퀄리티 게이트(Quality Gate)를 확보할 수 있는 압력 수준과 수치를 판단할 수 있게 되었습니다. AI 컨트롤러의 가장 큰 장점 중 하나는 장비와 동기화하여 데이터를 밀리초(ms) 단위의 정밀도로 취득할 수 있다는 점입니다. 이는 AI 컨트롤러가 이상 징후를 높은 정밀도로 감지하여 즉시 피드백할 수 있음을 의미합니다. 그 결과, 제조 공정을 세부적인 부분까지 완벽하게 파악하는 것이 가능해졌습니다.

품질관리를 통한 경비 절감

A.E.I.는 ‘i-BELT’가 제공하는 인더스트리 4.0 및 AI 기술을 공정 모니터링, 분석, 검증 및 타당성 확인에 활용하여 평가 단계의 목표를 모두 달성했습니다. 특히 자동차 업계의 필수 요건인 조립 부품에 대한 ‘100% 퀄리티 게이트(Quality Gate)’를 확보했습니다. 또한, 추가적인 배치 검사나 폐기물 발생에 따른 모든 비용을 절감함으로써 12개월 이내에 투자 비용을 회수하는 성과를 거두었습니다.

나아가 빅데이터 측면에서 A.E.I.는 모든 측정값을 데이터베이스에 보관하여 언제든 재분석이 가능한 환경을 구축했습니다. 향후 A.E.I.는 유사한 공정으로 제조되는 다른 제품군에도 이와 동일한 방식을 확대 적용할 계획입니다.

지속 가능한 제조로 에너지 낭비 절감

이번 공정 개선을 통해 에너지 소비(전기, 용수, 가스) 절감, 노동 시간 단축, 폐기 부품 및 귀금속(구리, 은, 황동) 활용 등 지속 가능한 이익도 창출되었습니다. 이러한 결과는 옴론의 그린 비전을 실현하는 것이며, 새로운 하드웨어 설비에 고액의 투자를 하는 대신 데이터 분석에 중점을 두어 제조 공정 개선을 목표로 하는 기업들에게 훌륭한 본보기가 될 것입니다.

장비 상태의 정확한 파악으로
불량 발생 시 최적의 대응책 마련

이번 공정 내 AI 컨트롤러 도입과 새로운 품질 관리 모델 구축을 통해 장비 내부에서 일어나는 현상을 정확하게 파악할 수 있게 되었습니다. 마치 의사가 환자를 진찰하듯, 컨트롤러가 코킹 압력의 다양한 시간적 변화를 감지함으로써 불량 발생 시 문제 해결에 필요한 대책을 신속하게 찾을 수 있게 되었습니다.

또한, 이번 개선의 경제적 성과로 1년 만에 투자 비용을 회수했다는 점을 꼽을 수 있습니다. 이에 더해 불필요한 에너지 소비를 방지하여 친환경 경영 측면에서도 이익을 가져다주었으며, 이는 옴론의 기업 비전 실현으로 이어집니다.

데이터 활용에 의한 개선으로 신규 설비의 투자비 절감. 타 제품으로의 전개 희망

완성차 제조사의 요구 사항은 매년 높아지고 있으며, 특히 품질에 대한 기준은 매우 엄격합니다. 이번 데이터 활용을 통해 신규 장비 도입 없이도 품질 관리 방식을 개선할 수 있었고, 장비 교체를 위한 추가 설비 투자가 불필요해졌습니다. 이는 데이터 분석에 집중하여 제조 공정의 혁신을 목표로 하는 기업들에게 좋은 사례가 될 것입니다. 앞으로 동일한 공정으로 생산되는 다른 제품들에 대해서도 이 방식을 확대 적용해 나갈 계획입니다.