IoT를 활용한 프린트 기판 실장 제조 라인의 생산성 향상 사례

제조 현장에서 이뤄지는 IoT 활용

현장 작업자의 고령화와 숙련 작업자 부족, 해외 생산 거점의 인건비 상승 등으로 인해, 제조 현장의 생산성 향상에 관한 요구가 점점 커지고 있다. 게다가 4차 산업혁명이라는 시대적 이슈가 떠오르면서, 제조 현장이 직면해 있는 과제를 해결하고자 IoT나 AI 관련 기술을 도입하는 경우가 늘고 있다. 대표적으로 일본의 O사는 SMT라고 하는 프린트 기판 실장 제조 라인과 IoT를 접목시켜 생산성 향상을 꾀하고 있다.

SMT 라인은 프린트 기판에 전자 부품을 탑재하는 제조 공정인데, 전자 부품과 결합된 프린트 기판 제품은 가전기기에서부터 산업용 기계·자동차에 이르기까지 전자 제어가 필요한 기계에 광범위하게 적용되고 있다.

O사의 SMT 라인은 현재 다품종소량 제조에 맞춰 하루에 약 500회에 달하는 장치 설정 변경을 진행하고 있는데, 이는 높은 품질의 기판 부품 제조를 위한 조치이기도 하다. 이처럼 O사에서 이뤄지고 있는 SMT 라인의 생산성 향상과 기판 제품 품질 향상을 위한 작업은 IoT의 지원을 받고 있다.

제조 장치와 검사 장치 간의 데이터 연계

O사의 SMT 라인에서 이뤄지는 납땜이나 검사 등의 공정은 자동화됐는데, 이런 상황 속에서 IoT는 각종 제조 장치로부터 얻을 수 있는 데이터와 연결된다. 기존의 SMT 라인에서는 검사 장치에서 얻은 데이터를 불량품 판별의 수단으로만 활용했으나, O사는 검사 장치의 데이터를 SMT 라인의 다른 제조 장치와 연계함으로써 데이터를 시각화했고, 이는 SMT 라인에서 만들어지는 기판 제품 품질의 안정화에 기여한다.

한편, 기존에는 현장 작업자가 검사 장치에서 발생한 경고를 확인한 후에, 제조 장치의 이상을 확인하고 손으로 설정을 조정했다. 그런데 검사 장치와 SMT 라인의 각 공정별 제조 장치 데이터 간의 관계가 형성되면, 이상 발생 시 문제를 해결하는 데 필요한 각 공정별 제조 장치의 설정이 자동으로 변경된다.

일반적으로 제조 라인에서는 라인의 대폭적 변경을 꺼리는 경우가 많은데, O사는 각 공정별 장치 간에 연관된 데이터를 작업자가 눈으로 확인할 수 있도록 시각화했다. 이는 제품의 품질이 보장된다는 믿음을 현장 작업자들이 가질 수 있도록 도왔고, 이것이 결국 제조 라인의 IoT화가 성공하는 계기로 작용하게 됐다.

데이터 연계를 통한 자동화

O사의 SMT 라인에는 전자 부품을 기판에 놓는 마운트라는 장치가 있다. 이는 고속으로 전자 부품을 기판 위에 탑재할 수 있는 정밀한 기계로, 스스로 내부에서 운동을 제어하고 관리하는 기능을 지니고 있지만, 다른 공정의 기계 장치와는 연결되지 않았다.

이로 인해 전자 부품을 탑재한 기판 제품이 검사 장치를 통과했을 때, 전자 부품 중 일부가 누락됐다 하더라도, 마운트에 누락된 부품을 채우도록 수정하는 지시를 자동으로 내릴 수 없었다. 그래서 O사는 검사 장치와 마운트가 각각 독립적으로 가지고 있는 데이터를 연결시켜 이를 시각화했다.

이 덕분에 현장 작업자가 검사 장치의 데이터와 마운트의 데이터 속에 담겨 있는 관련성을 비교하면서 부품 누락의 원인을 찾아야 하는 번거로움이 없어지게 됐다. 이는 수월한 상황 파악으로 이어지게 됐고, 그 결과로 O사는 생산성이 30% 향상되는 성과를 거뒀다.

IoT를 통한 예측 유지보수

O사는 검사 장치가 검출한 데이터와 제조 장치의 데이터를 단시간에 일치 비교할 수 있게 되면서, 사전에 발생할 수 있는 이상 현상을 예측할 수 있게 됐다. 기판에 탑재하는 전자 부품의 위치 이탈 오차가 커질 시 처리 속도를 떨어뜨리는 조치를 취하고, 데이터가 누적되는 과정을 자동으로 감지해 불량 발생이 이뤄지기 전에, 사전 처리를 수행하는 방식이 가능해졌기 때문이다.

또한, 기준으로 설정된 데이터 값이 변화하는 과정을 관찰할 수 있게 됐는데, 이로 인해 기판 제품의 품질에 영향이 가해지기 전에 제조 장치의 미세 조정을 실시하거나, 장치 부품을 교환하는 작업 등이 가능해졌다. 이에 더해 O사는 계획적으로 장치를 세우고 유지보수를 실시함으로써, 각종 오류 등으로 인해 제조 라인이 멈추는 상황의 빈도를 줄일 수 있게 됐다.

그런데 이처럼 IoT로 예측을 한 후 유지보수를 할 수 있게 됐음에도, 예측 검측에 관한 조절은 아직까지도 어려운 과제로 남아 있다. 그 이유는, 예측 검측이 이상 징조를 필요 이상으로 확대 경고하지 않도록 조절해야 하는 기능이기 때문이다. 이 때문에 O사는 이상 징조를 예측하는 알고리즘 개발에 주력하고 있는데, 이렇게 만들어진 알고리즘을 다듬어 AI 컨트롤러에 탑재할 시에는 O사의 경쟁력이 한층 강화될 것으로 보인다.

IoT를 활용한 제조 현장의 지능화

O사는 외부와 연결된 IoT 서비스로 제어 기능과 데이터를 융합해 제조 현장의 지능화를 실현하려 하고 있다. 이를 통해 O사는 제조 현장의 검사 장치와 각 공정의 제조 장치를 연결한 후, AI 컨트롤러 중심의 자율적 시스템을 구축하고자 한다. 이는 제조 라인이 수집한 데이터를 작업자들이 확인할 수 있도록 시각화해, 예측 검측이 원활하게 이뤄지도록 도울 수 있다. 앞서 설명한 것처럼 공장 제조 라인을 관리하는 생산 기술 부문의 노동력 부족은 이제 세계적인 현상이 됐다.

그렇기 때문에 제조업체들이 일본의 O사처럼 각종 장치의 데이터를 종합적으로 파악해 제조 라인을 제어한다면, 생산 기술 부문의 노동력이 부족하더라도 라인을 효율적으로 운용할 수 있을 것이다.

자료 제공 : 한일산업기술협력재단