​

안녕하세요.

싸토리우스 코리아입니다.

​​

지난 시간에는 공정분석기술에 대해 살펴보았습니다.

​

오늘은 공정의 효율적인 설계 및 공정 데이터 처리 방법에 대해

알아보는 시간을 갖도록 하겠습니다 🙂

​

​

빅데이터는 최근 사물 인터넷(IoT) 기술과 더불어 가장 유명해진 키워드입니다.

​

지난 번 살펴보았던 최신 기술의 공정 분석 센서를 통해 얻은 여러 변수의 실시간 데이터는

기존 공정 데이터의 정보량에 비해 빅데이터에 가까운 방대한 양이 되었습니다.

​

그렇다면 이렇게 방대한 양의 데이터를 어떠한 방법을 통해 쉽게 풀어서

효율적인 설계와 데이터 처리를 하는 걸까요?

​

지금 바로 살펴보도록 하겠습니다!

​

​

기존의 공정을 최적화하는 방법에는 여러가지 방법이 있지만

그 중에서도 한 번에 하나의 조건을 바꿔서 실험을 해보는 고전적인 방법이 있습니다.

​

​

이러한 방법은 조건 결과에 대해 예측이 불가능하며,

많은 비용이 투자되지만 효율성은 떨어지는 단점이 있습니다.

​

이러한 조건으로 도출된 의약 생산은

결코 좋은 품질의 의약품으로 연결될 수가 없기 마련입니다.

​

그렇다면 최근 화두인 품질고도화(Quality-by-Design, QbD)에서 언급되는

실험디자인을 사용한 소프트웨어로 최적화된 공정 변수를 도출해내는 방법을 알아볼까요?

​

​

기존 조건을 한 단계씩 변화를 주는 방법에 비해,

실험계획법은 각 조건의 최소값과 최대값의 조건을 가지고 프로그램의 조합을 만들어 줍니다.

​

​

위에서 설정한 공정 변수들의 조합으로 볼 결과에 대해서도

미리 범위를 설정하여 기준치를 설정합니다.

​

​

소프트웨어가 임의로 설정해 준 조건의 조합을 가지고 실험한 결과를 입력하고,

입력한 값을 토대로 최적의 공정 범위를 계산하게 됩니다.

​

​

현장에서 일어날 수 있는 잡음 요소를 포함하여

시뮬레이션한 결과를 그래프를 통해 확인할 수 있고,

이를 통해 우리는 공정의 최적화를 위한 최적의 공정 변수 범위를 도출할 수 있습니다.

​

또한 후술할 다변량 분석 소프트웨어를 활용하여

공정이 제대로 진행되었는지 비교 분석하는 토대로 활용할 수 있습니다.

​

​

앞서 본 실험계획법에서는 원하는 조건의 범위 안에서

최적의 공정 변수 범위를 도출하는 방법에 대해 알아보았습니다.

​

이번에는 최적의 공정 변수 범위를 통해 진행한

수많은 데이터들을 비교 분석하는 다변량 분석에 대해 알아보겠습니다.

여러 변수에 대한 효과를 개별로 보는 것이 아닌

동시에 분석하는 통계 기법을 의미합니다!

​

공정 변수와 결과에 대한 인과 분석을 간단하고 쉽게 할 수 있는 강점이 있습니다.

​

아직은 이해하기 살짝 어려우신 분들을 위해

간단한 예시를 통해 실제 현업에서 사용되고 있는 공정 분석에 대해 알아볼까 합니다.

​

​

일반적으로 우리가 처음 접하게 될 그래프는

모든 공정 변수들이 배치가 진행되면서 나타나는 개별 그래프들을 겹쳐 보는 그래프입니다.

​

개별 변수들의 트렌드는 바로 확인이 가능하지만

결과적으로 어떤 배치에 문제가 있는지를 알기는 불가능합니다.

​

그렇다면, 아래 그래프도 한 번 살펴보겠습니다!

​

​

위 그래프는 하나의 선으로 요약되었습니다.

선의 기울기가 변하는 것은 각각의 공정 변수들이 시간 대비 변한 양을 바탕으로 결정됩니다.

​

기울기가 급격하게 변하는 부분은 어떤 것을 의미할까요?

바로 공정 변수 중에 큰 폭으로 변화한 변수가 있다는 것을 의미하게 됩니다.

​

붉은 점선을 벗어나는 배치가 있을 경우에는

배치 공정 데이터들의 평균을 크게 벗어났다는 것을 의미합니다.

​

​

위 그래프와 같이 평균을 크게 벗어난 배치의 특정 시점에 대해

어떤 공정 변수가 원인이었는지, 그 공정 변수는 해당 배치에서 어떤 기록을 가지고 있었는지

작업자들이 쉽게 확인할 수 있게 됩니다.

​

​

예시와 같이 pH가 공정 전반에 문제가 있음을 확인할 수 있으며,

이에 따라 우리는 pH 센서의 상태나 케이블의 연결 문제를 제일 먼저 의심해 볼 수 있습니다.

혹은 이와 연관되어 있는 이산화탄소 가스 공급의 문제,

Base 주입 장치의 문제 등 빠르게 원인을 찾아낼 수 있는 단서를 제공합니다.

​

위에서 본 것과 같이 앞으로의 공정은 실험계획법으로 시작하여 수립한

최적의 공정 변수 조건을 가지고 배치를 진행하게 되며,

이렇게 진행한 누적된 공정 데이터를 분석하여

원인을 찾아 내고 생산 공정에 반영하여 효율성을 제고할 수 있게 됩니다.

​​

여기서 중요한 점은

바로 데이터 분석과 통계에 대한 기반 지식이 크게 필요하지 않다는 점입니다.

​

우리가 해야 할 일은 그저 알맞은 공정 변수를 선택하는 것과 정확한 데이터의 입력입니다.

이렇듯 공정의 첨단화와 혁신은 그리 멀지 않은 곳에 있는 것 같네요!

지난 시간에 이어 오늘은 품질고도화를 위한

공정 데이터 분석 방법에 대해 알아보았습니다.

​

조금이나마 여러분에게 도움이 되었으면 합니다!

​

그럼, 다음 시간에 더 유익한 정보로 돌아오겠습니다.

다음에 만나요!

​​

▼ 공정분석기술에 대해 더 알고 싶다면? ▼

​