산업 빅데이터와 1% 개선의 힘

B2C와 B2B 전자 상거래 사업에서 우리는 빅데이터 등장을 볼 수 있다. 소셜, 소비자, 소매 및 모바일 빅데이터가 많은 홍보효과를 하고 있는 데 반해 산업 기계 데이터 분석은 실질적인 경제적 의미를 가질 수 있다.  이러한 프로젝트들은 투자에 대한 실질적인 수익률을 가늠할 수 있다.

 

인터넷으로 연결된 기계들의 개념("사물인터넷 또는 M2M")은 원격 측정 데이터를 수집하고 서로 통신하는 것인데 이것은 몇년동안 시중에 판매되고 있다.

- I.B.M.은 “Smarter Planet” 계획을 가지고 있다.

- Cisco는 “Internet of Everything” 계획을 가지고 있다.

- GE는 “Industrial Internet” 계획을 가지고 있다.

GE와 경쟁하기 위하여 히타치(Hitachi), 미국테크놀로지(United Technologies), 지멘스(Siemens), 필립스(Phillips), 그리고 다른 산업 거인들이 모두 M2M 비전을 가지고 마이크로전자공학, 무선통신, 그리고 미세직조기술 분야에서 전진하고 있다.

산업 B2B 가치체인은 아래 그림과 같다. 발전소 터빈, 철도 기관차, 항공기 엔진, 효율적인 전력 분배, 의료 영상 장비, 의료 진단, 스마트 에너지 관리 생산 산업 기업의 초점은 소비자 중심의 빅데이터와는 차원이 다르다. 

 

산업빅데이터는 비즈니스 케이스가 새로운 혁신이나 경험보다 오히려 효율성 및 생산성 향상에 집중되어 있다. 그러나 데이터 과학, 기계 학습, 시각화 및 더 강력하고 더 저렴한 센서로 부터 쏟아져 나오는 방대한 데이터 홍수의 거대한 스트림 등 빅데이터 관련 기본 구성은 동일하다.

중장비업체인 캐터필라(Caterpillar), 코마츠(Komatsu), 그리고 다른 큰 장비 업체들은 머신 데이터 사례를 추진하고 있다. 농업용 장비를 관리하는데 있어서 농부들을 지원하기 위하여 센서와 GPS를 사용한다. 이렇게 하는 이유는 트랙터의 가동 중지 시간을 줄이고 연료를 아낄 수 있기 때문이다.

정보는 이력 데이터와 기상 예측, 토양 조건, 작물 기능, 그리고 다른 많은 데이터 셋으로 간주되는 실시간 데이터와 결합된다. 정보가 필요한 농부들을 위해 MyJohnDeere.com 플랫폼으로 개발하여 아이패드와 아이폰 애플리케이션으로 정보를 제공하고 있다. 이러한 시스템 개발에 대한 목표는 농민들이 더 높은 생산을 하여 많은 수익을 거두게 하는데 있다.

머신 데이터 주변의 분석(머신 또는 센서 데이터 캡처)은 비용 절감이나 효율성 이득에 있어서 단지 1%의 효율 향상이 있다고 한다면, 분석은 효과가 있다고 봐야한다. 

여기에 다른 산업에 걸친 1% 개선에 대한 몇가지 ROI(Return In Investment) 예제들이 있다.

☞ 여객 항공 산업 - 연료 절감 1% 향상. 15년에 300억 달러의 절감 효과

☞ 유틸리티 산업 - 글로벌 가스화력 발전소 1%의 개선은 연료 소비에 660억달러 절감 효과

☞ 글로벌 헬스 케어 산업 - 프로세스 비효율성 감소 1%는 전세계적으로 630억 보건 의료 비용 절감

☞ 철도 네트워크 - 운임이 1%로 개선되는 경우 세계의 철도 네트워크를 통한 이동은 연료 절감에

                         270억달러의 이득을 얻을 수 있음

지능형 장치, 지능형 네트워크 및 지능형 의사 결정의 융합은 확실히 차세대 성장 동력이나 생산성 향상을 위한 토대이다. 아래 그림은 상기 1% 개선에 대한 GE의 큰 그림이다. 

 

 

1% 머신 데이터 분석 사례

1% 개선을 가능하게 하는 머신 데이터 분석과 관련된 몇 가지 사용 사례다.

☞ 자산 관리 및 예측 유지보수는 보편적인 사용 사례다. 최적화시키고, 비용을 낮추고, 지능형 시스템으로 유지보수를 편리하게 하는 것은 표준 사례다. 기계, 부품, 그리고 개별 부품의 집계 뷰는 장치의 상태를 한 번에 파악할 수 있게 하고, 올바른 위치로 적시에 공급해야 하는 부품의 최적의 수량을 알게 한다. 이것을 부품 재고를 줄이고 유지보수 비용을 줄일 뿐만 아니라 더 높은 수준의 기계 신뢰성을 제공한다. 지능형 시스템 유지보수 최적화는 네트워크 학습과 예측분석과 결합되어 질 수 있다.

☞ 공급망 최적화를 제공합니다. 센서와 머신 데이터로 방해가 되는 공급망과 물류 도전을 설명하기 위하여 바나나와 같은 부패하기 쉬운 공급망을 고려한다. 바나나들은 거의 모든 사람들이 구입할 정도로 식료품 매장에서는 인기있는 상품이다. 바나나 다발이 너무 녹색 또는 너무 갈색이 없음을 보장하고 잘익은 바나나를 보내기 위해서 바나나들은 선별후 포장된다. 모든 선적에 대한 목표는 바나나가 맛있는 상태로 적기에 가게에 도착하는 것이다. 배송에 있어서 타이밍이 중요하다. 너무 이른 것은 너무 늦은 것만큼 좋지 않다. 바나나가 나쁜 상태로 가게에 도착하면 안전하게 폐기해야만 한다. 그렇다면 바나나의 이러한 상태를 파악하기 위해 어떻게 해야 할까? 온도 센서를 포장 내부에 부착할 수 있다. 그러한 센서들은 작고 한번 사용한 후 폐기해도 될 정도로 가격이 저렴해야 한다. 온도는 리더기 또는 리더기가 범위를 벗어났을 때 RFID 센서에 부착되어 질 수 있는 저장 커패시터를 통해 모니터링될 수 있다.

☞ 건강관리 네트워크 최적화. 시스템내에서 상호 연결 시스템의 동작은 네트워크 수준의 운영 효율성을 달성하기 위해 조정될 수 있다. 예를 들어, 건강 관리, 자산은 의사와 간호사가 더 빨리 돕기 위해 연결될 수 있다. 정보가 의사와 간호사에게 끊임없이 제공되어 질 수 있다. 이 정보를 통해 즉시 치료가 필요한 환자, 장비 이용률 상태, 좀 더 세심하게 돌봐주어야 되는 환자 등을 알 수 있다.

☞ 교통 최적화. 지능형 시스템은  FedEx 또는 UPS와 같은 교통 네트워크 또는 배달 네트워크 내에서 경로 최적화에 적합하다. 상호 차량은 자신의 위치와 목적지를 알 뿐만 아니라, 가장 효율적인 시스템 수준 솔루션을 찾기 위해 라우팅 시스템을 이용한다.

모든 이러한 사용 사례는 유사하게 모두다 데이터 수집 체계, 수확, 그리고 분석 구조 등을 가져야 한다. 데이터 수집 체계는 저장, 관리, 그리고 빠르고, 거대한 데이터 집합으로 부터 값 전달 등이다.  

 

산업 분석 프로젝트 단계

산업 분석 프로젝트는 교육(Educate), 탐색(Explorer), 참여(Engage), 그리고 실행(Execute) 등 4개의 주요 단계가 있다. 

 

☞ 교육 단계에서는 주요 초점은 인식과 지식 개발에 있다.

☞ 탐색 단계에서 초점은 빅데이터 개발을 위한 조직의 로드맵을 개발하는 것이다.

☞ 참여 단계에서는 조직뿐만 아니라 자신의 평가를 수행할 때, 빅데이터의 비즈니스 가치를 증명한다.

☞ 실행 단계에서는 빅데이터 계획을 전개하고, 고급 분석을 적용하기 시작한다. 

 

GE 산업 인터넷 기본 아키텍처

고전적인 데이터웨어하우스와 배치 분석은 높은 주파수와 높은 속도의 산업 인터넷이 가능하지 않았다. 실시간 및 실시간에 가까운, 인메모리 분석과 기계 학습, 로컬머신으로 부터 클라우드(private, public, or hybrid) 까지 다른 위치에 있는 장비들로 부터의 배치분석 등의 기술이 필요하다. 혁신 전략은 고품질의 데이터를 정기적으로 수집하고 집계하는 것이다.

 

 

요약

오늘날 빅데이터 기술이 화두가 되고 있다. 하지만 대부분의 사용 사례가 소셜, 사회현상, 선거 등 인문사회과학에 집중되어 있다. 산업 환경에서 빅데이터 프로젝트가 여러곳에서 동시 다발적으로 발생할 것으로 예상한다. 산업 인터넷 또는 사물 인터넷의 힘이 데이터와 분석으로 분명하게 실현되고 있다. 장치들로 부터 수집한 데이터 분석을 통한 지능형 의사결정은 산업계에 혁신으로 다가올 것이다. 

아래 GE(General Electric) 조사에 따르면, 이것의(산업 인터넷, 사물 인터넷) 경제적 영향은 매우 중요하고 상당하다.

<자료,사진: "Industrial Big Data and the Power of 1% Improvement", http://www.amberoon.com/CarpeDatumRx/bid/304252/Industrial-Big-Data-and-the-Power-of-1-Improvement>