알루미늄 압연 공정의 불량요인 분석을 통한 제품 품질향상

스마트 팩토리 구축으로 품질 향상에 도전한다

제조 전문가 과정 1기 우수조는 알루미늄 제품 압연 공정에서 발생 하는 데이터 중 공정 주요 요인과 2차 요인 간의 상관관계분석을 통 해 불량 원인을 도출하여 궁극적으로 제조 현장에 적용할 수 있는 분석 모델을 생성했다. 앞으로 이 모델에서 더 나아가 심층 분석기 법을 적용해 2차 불량 요인을 분석하고, 데이터 분석 기반 프로젝트 를 수행하여 실제 산업현장에서 스마트 팩토리를 구축해나가고자 한다

The Challenges

알루미늄 제조사인 S사는 알루미늄박을 제조하는 압연 제품과 연 포장용 자재를 제조하는 결과 발표 가공제품을 생산해 판매하는 회사다. 2011년 이후 중국의 저가 제품이 시장을 잠식해왔으 나, 모바일 및 자동차용 리튬이온배터리 시장에서의 제품개발 성공과 품질 관련 노하우를 바탕으로 배터리용 음극박 시장 세계 1위를 달성하였다. 최근 꾸준히 성장하는 고부가 배 터리 수요로 인해 압연 제품의 매출이 50% 이상 성장하였다.

제조 전문가 과정 1기 우수조는 팀원 중 S사에서 제품품질 팀장을 맡은 분이 제품의 품질 관리와 관련하여 고민하던 과제를 프로젝트로 진행하기로 하였다. 이 회사는 회장을 비롯 한 임직원들이 빅데이터로 품질 향상을 이루는 것에 대한 관심이 높았다. 회사에서도 중시 하는 과제인 압연 공정의 불량요인 분석을 주제로 하였다.

알루미늄의 압연 공정은 오랜 시간 동안 많은 공학적 연구와 분석이 이루어지고 있음에도 불 구하고, 극도로 다양한 제어 요소들의 존재와 환경 변수로 인해 과학적인 분석이 매우 어려운 분야여서 제품 품질을 관리할 때 주로 작업자의 경험에 의존하게 되는 문제점을 안고 있다. 이번 빅데이터 아카데미 융합과정을 통해 2백여 가지가 넘는 제어 요소와 주요 품질 변수인 제품 두께와의 상관관계를 시계열 분석을 함으로써 의미 있는 결론을 도출하고자 하였다 이 프로젝트는 다음과 같은 기대효과를 가지고 있다. 첫째, 품질 향상 측면에서 볼 때 두께 편차 발생에 영향을 주는 요소를 관리하여 제품 두께 불량을 최소화한다. 둘째, 설비 자동 화 시스템에서 얻어진 데이터를 분석하고, 그 결과를 MES 시스템으로 전달할 수 있는 분석 시스템을 구축하여 분석도구를 활용한 제품관리 시스템을 구현한다. 셋째, 불량률 감소와 생산성 증대를 통해 수익을 개선하고 고객의 신뢰를 높이며, 대외 이미지를 개선하는 데도 이바지한다.

The Approach

1) 현장 답사와 데이터 수집


구성원들이 위와 같은 프로세스를 기획하고 가장 먼저 한 일은 직접 제조현장을 방문하여 제품이 생산되는 공정을 직접 견학하는 것이었다. 알루미늄 압연 공정을 실제 눈으로 보고 현장 작업자에게 설명을 들은 후, 실제 분석 작업에 들어갔을 때 200여 가지가 넘는 요소 중에서 정말 영향이 있는 것들이 무엇인지를 잘 추려낼 수 있었다. 만일 이런 현장 실사가 있지 않은 채 분석에 임했다면 이번 프로젝트를 태운 배는 산으로 갈 수밖에 없었을 것이 다. ‘언제나 답은 현장에 있다’라는 말을 몸소 체험할 수 있었다.

S사의 제조공정에서 발생하는 리튬이온 배터리는 S사의 전체 매출의 50% 이상을 차지한 다. 국내 유명 대기업에 공급하기에 품질 요건이 매우 까다로운데, 품질요건에 따른 불량률 을 줄이기 위한 사내의 품질혁신 노력이 매우 중요한 실정이다.

알루미늄의 Strip이나 Foil은 Ingot(괴)를 녹여서 Slab라 부르는 덩어리로 주조한 후 열처리와 표면 불순물 제거 공정을 진행한다. 이후 양방향 압연 작업을 거쳐 코일 형태로 가공한다. 이 중 압연은 코일 형태의 알루미늄을 롤러 사이로 통과시키면서 압력을 가해 얇은 제품으 로 가공하는 공정이다. 최종 제품은 머리카락 두께보다 얇은 4.5마이크로미터까지 생산하 고 있다. 압연 공정에서 가장 중요한 품질 변수는 판상태와 두께다. 그 중 판상태 제어는 매 우 복잡한 요소이므로 이번 프로젝트에서 부적합하다고 보고, 보다 단순하면서 결론 도출 이 쉬운 두께 부분을 다루기로 하였다.

데이터 수집을 위해 사용된 ibaAnalyzer는 센서와 출력장치가 정상적으로 작동하는지 확인 을 위한 신호 분석 도구로, 센서 데이터를 취합한다. 이번 프로젝트에서 품질과의 상관관계 를 분석하고자 각 공정 변수의 데이터 변환 취득에 이 도구를 활용하였다. ibaAnalyzer를 통 해 4개의 동일 재질(Lot) 코일에 대한 전체 공정변수 변화량을 매 0.1초 단위로 추출하여 분 석을 위한 데이터로 활용하였다. 취합된 데이터는 각각 최상, 보통, 불량의 두께 품질을 가 진 코일로 대부분 5번의 압연을 거쳐 최종 두께를 얻었다. 데이터의 변수는 다음과 같다.



2) 데이터 분석
과제도 선정되었고 전체적인 분석 방향도 결정되었는데, 문제는 압연 공정상 매 0.1초 단위 로 발생하는 그야말로 대용량 데이터에 대한 처리와 분석을 일반 PC에서 과연 실행될 수 있는지가 관건이었다. 실제로 처리해야 할 데이터 하나가 최소 120만 건에 달했고 동일한 재질의 공정을 비교 분석하기 위해 4개 이상의 데이터셋을 구성하여 분석해야 했다.

데이터 분석을 시작하기 전, 구성원들은 일반인들이 PC에서 구현할 수 없는 대용량의 데이 터 분석을 원활하고 편리하게 수행할 수 있도록 빅데이터 분석 활용센터에서 전문 빅데이 터 분석 플랫폼을 일정 기간 동안 대여해준다는 것을 알게 되었다. 이에 플라밍고 빅데이터 플랫폼을 임대하였는데, 앞에서 수집한 대용량 데이터를 적재하고 전처리와 후처리, 데이터 분석, 시각화 그래프를 생성하는 데 필요한 플랫폼이었다. 전체 클러스터 노드 37개, 메모리 287GB, HDFS(하둡 파일 시스템)공간을 6.4TB까지 이용 가능했고, 내장된 RStudio 서버와 자동화를 위한 워크플로우를 이용하여 분석 작업을 빠른 시간 내에 자동으로 할 수 있었다.

데이터 분석에는 시계열 분석, 군집분석, 상관분석을 수행하였다. 시계열 분석은 주요 품 질 요소인 두께를 타임라인에 따라 비교 분석하는 것으로, 아래 그래프와 같이 두께측정치 와 각 공정변수를 하나의 차트로 표시했다. 데이터 중 두께 편차가 가장 큰 알루미늄 코일 (PQ0580)의 경우, 판상태를 제어하는 VC(Variable crown roll)의 유압 값이 매우 크게 유동 한 것으로 확인되었다. 군집분석에서는 트렌드 분포에서의 두께 값 편차를 유발하는 독립 변수 중 VC의 압력에 주의해야 한다는 분석 결과를 얻었다. 상관분석은 아래 표 중 두께 편 차(Thickness.Deviation.Absolut)에 높은 관계를 보이는 공정변수를 도출하는 방법으로 적용 하였다. 두께 편차와 반비례 상관관계를 갖는 Exit speed, Oil pressure, Mean tension 등의 확인은 압연 이론에 따르는 결과로 도출되었다.

3) 데이터 분석 결론
전체 공정변수와 제품 두께와의 연관성 분석 과정에서 실제로는 제품의 판상태를 제어하는 VC 제어 압력의 오버슈팅이 두께의 편차를 발생시키는 것을 확인하였다. 또한 5번의 압연 작업 과정 중 최종 제품의 두께 편차가 첫 번째 및 두 번째 Pass(작업)에서 좌우되는 경우 가 많이 관측되었다. 이는 압연 작업 간 제품 경화에 따른 물성 변화가 결정되는 Pass로 추 정된다. 따라서 주요 Pass에서의 두께 편차 한계를 관리함으로써 최종 제품의 두께 불량률 을 낮출 수 있다는 시사점을 발견하였다.





이번 데이터 분석에서 다음의 세 가지를 발견하고 이를 통해 기존 분석방법에서 찾아볼 수 없던 새로운 인사이트를 이끌어냈다. 첫째, 각 공정은 롤을 풀고 감는 과정을 거치기 때문 에 단계별로 두께 데이터의 형상이 대칭 형태를 이룬다. 따라서 높은 품질을 요구하는 제품 의 경우 같은 로트(lot)의 제품에 대해서도 품질이 높은 구간을 선별하여 취사선택할 수 있 을 것으로 보인다. 둘째, 최초 공정에서의 두께 품질이 이후 공정에 지속적으로 반영되었다.

따라서 품질이 낮은 구간에 대해서는 추가 공정을 통한 품질이 향상되지만, 오히려 상대적 으로 낮은 품질을 요구하는 제품으로 전환할 수도 있을 것으로 보인다. 셋째, 제품의 길이 가 길어져 반분하여 다음 공정에 투입되는 경우에도 두께 품질이 좋지 못한 부분에서만 높 은 편차를 보였다. 따라서 최초 공정에서 균일하고 높은 품질을 얻기 위해서는 판상태 주요 변수를 포함하여 필요한 조건에 대한 심층분석이 요구된다.

데이터 분석 후 실제 데이터의 인사이트를 얻기 위한 시각화 작업은 교육과정에서 습득한 솔루션을 최대한 활용하여 수행하였다. 해당 압연 작업공정의 두께별 중요 데이터의 관계 를 시각화하였는데, 이를 통해 기존 장비의 두께 공정별 데이터를 동시에 볼 수 없는 문제 를 해결하였다.

The Outcome

현재 S사에는 SAP ERP 및 MES 시스템 등이 갖추어져 있고, 공정 자동화가 충분히 구축되 어 있어 추후 실제 내부 프로젝트를 진행하는 계획을 가지고 있다. 이번 프로젝트에서 시간 부족 등의 제약으로 인해 수행하지 못한 ‘판상태 변수를 연계해 심층 분석기법을 적용한 2 차 불량 요인 분석’과 ‘정부 지원사업(스마트 팩토리)을 통한 데이터 분석 기반 프로젝트’를 기안하여 수행할 예정이다

이 프로젝트를 통해 압연, 분리, 연화, 분단 등의 실제 공정 시스템을 분석하고 그 결과를 MES로 전달할 수 있는 시스템을 구축하여 보다 안정적인 자료 수집과 분석을 이루어 최종 적으로 제품 품질의 안정화와 불량률 감소를 이끌어 전체적으로 비용감소로 이어지도록 하 고자 한다. 아울러, 기술적 관점으로는 향후 제품 공정의 품질향상을 위해 최적의 데이터 분석기법을 적용하고, 센서를 통해 설비 데이터를 연동하며, 하둡 에코시스템과 연동된 실 시간 빅데이터 플랫폼을 구축할 계획도 가지고 있다.



이번 프로젝트를 통해 구성원들은 세 가지 시사점을 얻었다. 첫째, IoT기술 활용의 핵심은 기계·설비로부터 추출된 데이터를 활용한 예측 분석 시스템이란 점이다. 다양한 센서에서 수집되는 대용량의 빅데이터를 그대로 전달하면 오히려 생산성이 떨어지므로, 개별 데이터 보다는 데이터로부터 의미를 추출하거나 데이터끼리 조합하는 것이 필요하다. 이는 이상징 후나 기회를 조기에 포착할 수 있는 예측 분석 시스템으로 발전하여 비즈니스 가치를 창출 할 수 있다.

둘째, 제조 혁신의 핵심은 데이터 기반의 의사결정·대응 및 자율화 시스템이다. 이는 실시 간으로 설비 상태를 파악하고 문제해결을 통해 설비의 최적화된 성능을 유지하는 지능형 생산시스템이다. 자동화 설비 교체 없이 데이터 기반의 분석시스템 적용 및 개선만으로도 성능과 생산성을 증대시킬 수 있을 것으로 본다.

셋째, 데이터로부터 패턴과 인사이트를 찾아서 비즈니스 성과로 연계할 수 있는 분석 관점 의 체계화가 필수적이다. IoT, 빅데이터, 예측분석 등의 역량과 데이터 처리, 네트워킹, 백엔 드 시스템과 통합하여 자기 회사의 비즈니스에 적합한 에코시스템을 확보하고 프레임워크 를 정립할 필요가 있다.

출처 : 한국데이터진흥원

제공 : 데이터 전문가 지식포털 DBguide.net