A사 스마트공장 구축 사례

익명 A사 사례를 바탕으로 설비 모니터링에서 MES, QMS, WMS, 제조 AI까지 단계적으로 확장하는 스마트공장 구축 흐름을 정리합니다.

도입 요약

A사 사례의 핵심은 스마트공장을 설비 모니터링, MES, QMS, WMS, 제조 AI 순서로 나눠 검토했다는 점입니다. 처음부터 대시보드와 AI를 크게 만들기보다 설비 상태와 작업실적을 먼저 연결하는 방식이 현실적이었습니다.

이런 단계형 접근은 구축 범위를 줄이기 위한 임시방편이 아닙니다. 앞 단계의 데이터가 안정적으로 쌓여야 뒤 단계의 품질, 재고, 예측, 질의응답이 의미를 갖기 때문입니다.

• A사 사례는 설비 모니터링에서 MES와 QMS로 확장하는 흐름입니다.
• 초기 목표는 모든 기능 구축이 아니라 현장 상태를 늦지 않게 보는 것입니다.
• 품질, 재고, AI는 생산실적과 설비 데이터가 쌓인 뒤 확장하는 편이 안정적입니다.

A사는 설비 상태를 먼저 보이게 만드는 방식으로 시작했습니다

A사의 첫 과제는 현장에서 설비가 언제 가동되고, 언제 멈추며, 어떤 이유로 대기하는지 늦게 확인된다는 점이었습니다. 작업자는 알고 있지만 관리 지표로 남지 않는 정보가 많았고, 일일 보고서만으로는 병목 설비를 빠르게 찾기 어려웠습니다.

그래서 첫 단계는 업무 전체를 바꾸는 것이 아니라 설비 상태를 보이게 만드는 일이었습니다. 가동, 비가동, 알람, 정지 사유를 수집하고, 이 데이터가 이후 MES 작업실적과 연결될 수 있도록 설비명과 시간 기준을 맞추는 방식입니다.

• 가동, 비가동, 알람, 정지 사유를 먼저 수집합니다.
• 설비명, 공정명, 시간 기준을 이후 MES 기준과 맞춥니다.
• 병목 설비와 반복 정지 원인을 먼저 보이게 만드는 것이 목표입니다.

1단계. AIMS로 설비 가동과 비가동을 수집했습니다

AIMS 단계에서는 설비별 가동률과 비가동 시간을 확인하는 데 집중했습니다. 이때 중요한 것은 단순히 가동률 숫자를 만드는 것이 아니라 비가동 사유를 현장에서 쓸 수 있는 기준으로 나누는 것입니다.

계획 정지, 금형 교체, 공구 교환, 자재 대기, 품질 확인, 고장 정지는 모두 다른 개선 과제를 만듭니다. 비가동 사유가 나뉘어야 MES와 연결했을 때 실제 생산 지연 원인을 설명할 수 있습니다.

• 설비별 가동, 정지, 알람, 비가동 사유를 수집합니다.
• 계획 정지와 고장 정지, 자재 대기를 구분합니다.
• 비가동 기준을 MES 작업실적과 연결할 수 있게 정리합니다.

2단계. MES로 작업지시와 생산실적을 연결했습니다

설비 상태가 보이기 시작하면 다음 단계는 작업지시와 생산실적 연결입니다. 설비가 멈춘 시간만 알아서는 어떤 작업과 납기에 영향을 주는지 알기 어렵습니다. MES가 작업지시, 생산수량, 불량, 보류, 재작업, 공정 진척을 관리해야 운영 판단이 가능해집니다.

A사 사례에서는 ERP의 계획 정보와 현장 실행 데이터를 구분해 보는 것이 중요했습니다. 계획과 기준정보는 ERP에서 보고, 현장 실행과 실적은 MES에서 관리하는 구조가 안정적입니다.

• 작업지시, 생산실적, 공정 진척을 MES 중심으로 연결합니다.
• 설비 비가동이 어떤 작업과 납기에 영향을 주는지 확인합니다.
• ERP 계획 정보와 MES 실행 데이터를 역할별로 나눕니다.

3단계. QMS로 품질검사와 부적합 이력을 묶었습니다

생산실적이 쌓이면 품질 데이터 연결이 다음 과제가 됩니다. 검사 결과가 별도 엑셀이나 종이 문서에만 남으면 어떤 작업, 설비, 자재, 조건에서 문제가 생겼는지 추적하기 어렵습니다.

QMS 단계에서는 검사 기준, 검사 결과, 부적합, 조치 이력을 작업지시와 연결하는 방향으로 검토했습니다. 품질 데이터가 MES와 연결되면 반복 불량과 공정 조건의 상관관계를 더 빨리 확인할 수 있습니다.

• 검사 기준과 검사 결과를 작업지시와 연결합니다.
• 부적합과 조치 이력을 LOT, 설비, 공정 기준으로 남깁니다.
• 반복 불량 원인을 생산실적과 함께 확인할 수 있게 합니다.

4단계. WMS와 재고 흐름을 다음 확장 범위로 정했습니다

생산과 품질 데이터가 연결되면 재고와 물류 흐름이 다음 확장 대상이 됩니다. 자재가 부족하거나 검사 대기 상태가 재고로 잡히면 생산계획과 실제 투입 가능성이 달라질 수 있습니다.

WMS는 입고, 출고, 위치, 이동, 출하를 관리합니다. MES와 연결되면 어떤 작업에 어떤 자재가 투입되었고, 어떤 재고가 생산 완료와 품질검사 이후 출하 가능한 상태가 되었는지 확인할 수 있습니다.

• 입고, 출고, 위치, 재고 이동을 WMS 기준으로 관리합니다.
• 자재 투입과 생산 완료, 검사 대기 상태를 구분합니다.
• MES 실적과 재고 흐름을 연결해 투입 가능 재고를 봅니다.

5단계. 제조 AI Agent는 데이터가 쌓인 뒤 검토합니다

A사 사례에서 제조 AI Agent는 처음부터 붙이는 기능이 아니라, 데이터가 쌓인 뒤 검토할 확장 단계에 가깝습니다. 작업지시, 생산실적, 설비 상태, 품질검사, 재고 데이터가 연결되어야 자연어 질의나 위험 알림이 의미를 갖습니다.

예를 들어 오늘 납기 지연 위험 작업, 반복 정지 설비, 재고 부족 가능 품목, 품질 이상 반복 조건을 묻는 방식입니다. 이 질문들이 실무에 쓰이려면 앞 단계의 데이터 기준이 먼저 안정화되어야 합니다.

• AI Agent는 조회와 요약부터 적용하는 것이 현실적입니다.
• 작업지시, 설비, 품질, 재고 데이터가 연결되어야 답변 신뢰도가 생깁니다.
• 예측과 추천은 데이터 기준이 안정화된 뒤 확장합니다.

HD솔루션즈의 단계별 스마트공장 구축 관점

HD솔루션즈는 스마트공장을 한 번에 완성하는 프로젝트보다 현장 적용성이 높은 순서로 확장하는 접근을 기준으로 봅니다. 설비 상태가 먼저 문제인 현장은 HD-AIMS로 시작할 수 있고, 작업지시와 생산실적이 흩어진 현장은 HD-MES를 중심으로 정리할 수 있습니다.

이후 품질 이력이 중요해지면 HD-QMS, 재고와 입출고 흐름이 중요해지면 HD-WMS, 협력사와 외주 공정이 중요해지면 HD-SCM으로 확장합니다. 데이터가 충분히 쌓이면 제조 AI Agent를 검토할 수 있습니다.

• 설비 상태가 보이지 않으면 AIMS부터 검토합니다.
• 작업지시와 생산실적이 흩어져 있으면 MES를 우선 검토합니다.
• 품질, 재고, 협력사 데이터는 QMS, WMS, SCM으로 단계 확장합니다.

도입 전 체크리스트

A사와 같은 단계형 구축을 검토하려면 현재 데이터가 어디에서 끊기는지 먼저 확인해야 합니다. 설비, 작업지시, 품질, 재고 중 어떤 데이터가 가장 늦게 보이는지에 따라 시작점이 달라집니다.

• 설비 가동과 비가동 상태를 실시간으로 볼 수 있는지 확인합니다.
• 작업지시와 생산실적이 같은 기준으로 연결되는지 확인합니다.
• 품질검사와 재고 데이터가 어느 시스템에서 확정되는지 정합니다.