AI로 고도화한 항공우주 부품 공정관리
불량 조기 감지와 최적 공정 설정으로 생산성과 품질을 개선한 제조 운영 체계
고객 직면 문제 및 이슈 (Situation)
생산량이 늘어나면 불량률이 낮아도 큰 비용을 치러야 할 수 있습니다. 불량률 자체는 낮더라도, 생산 규모가 커질수록 실제 불량 건수는 빠르게 누적되기 때문입니다.
부품 단가가 높고 고난도 정밀 가공이 필요한 항공우주 부품을 생산하는 한 제조사도 같은 문제에 직면했습니다. 이 회사는 제조공정 개선을 통해 복잡한 부품의 생산 속도를 높이는 데 성공했습니다. 그러나 전체 불량률은 낮은 수준이었음에도, 생산량이 증가하면서 실제 불량 건수는 계속 쌓이고 있었습니다.
더 큰 문제는 불량이 주로 후공정에서 발견된다는 점이었습니다. 이미 상당한 시간과 비용이 투입된 뒤에야 결함이 확인되면서 폐기율이 높아지고, 재작업으로 인한 생산 지연도 발생했습니다.
영향은 비용에만 그치지 않았습니다. 불량 원인을 찾고 문제를 해결하기 위해 엔지니어들이 긴급 분석에 투입되면서, 일상적인 운영 업무와 공정 개선 활동에 투입할 시간이 줄어들었습니다. 원인 분석에 며칠이 걸리는 경우도 있었습니다.
이 제조사의 과제는 명확했습니다. 생산 확대를 이어가면서도 불량을 줄일 수 있는가. 이를 위해서는 설비 작동 데이터와 품질 결과를 실시간에 가깝게 연결해, 위험 신호를 조기에 포착하고 원인 분석과 시정조치를 앞당길 수 있는 체계가 필요했습니다.
작업 폐기 관련 비용 1억 5,000만 달러 이상 감소
해결 방안 (Solution)
해법의 중심에는 AI가 있었습니다. 제조사는 AI 기반 통계적 공정관리(Statistical Process Control, SPC) 솔루션을 구축하기 위해 딜로이트와 협업했습니다. 딜로이트는 제조 현장에서 스마트 팩토리와 AI 기반 솔루션을 도입·확장해 온 경험, 그리고 IndustryAdvantage™ 접근법을 바탕으로 프로젝트를 지원했습니다. 솔루션은 마이크로소프트 애저(Microsoft Azure)를 포함한 고객사의 기존 클라우드 기반 기술 플랫폼 위에 구축됐습니다.
AI 모델은 공장 현장의 사물인터넷(IoT) 센서 데이터와 검사 결과를 함께 학습해, 가공공정의 최적 관리 기준을 제시할 수 있습니다. 또한 어떤 가공 조건이 후공정 불량으로 이어질 위험이 높은지 사전에 감지할 수 있습니다.
딜로이트는 이러한 AI 모델을 기반으로 제조사가 불량의 주요 원인을 파악하고, 공정 입력값의 최적 허용 범위를 도출할 수 있는 SPC 솔루션을 구축하도록 지원했습니다. 폐기 비용과 재작업 시간을 줄이고, 생산성과 납기 준수율을 높이는 것이 목표였습니다. 솔루션에는 현장 가시성, 공정 분석, 알림 기능이 포함됐으며, SAP 등 기존 공장 운영 시스템과도 연계됐습니다.
프로젝트는 세 단계로 진행됐습니다.
1. 데이터 통합
딜로이트는 CNC 가공 설비의 센서 데이터, SAP 데이터, 검사 데이터, 품질 결과, 운영 데이터를 클라우드에 통합하는 스마트 팩토리 솔루션을 개발했습니다. 이를 통해 AI가 여러 데이터를 동시에 분석하고, 주요 활용 사례와 개선 인사이트를 도출할 수 있도록 했습니다.
2. 모델 개발
검사 결과와 가공 과정에서 축적되는 설비 데이터를 연결해, SPC 솔루션이 품질 불량을 유발하는 주요 공정 요인을 찾아낼 수 있도록 했습니다. 나아가 다양한 가공 조건을 시뮬레이션해 불량 가능성을 낮출 수 있는 최적 설정값을 도출했습니다.
3. 현장 적용
모델이 제시한 인사이트를 바탕으로 엔지니어와 제조 현장팀은 CNC 설비의 설정값과 핵심 성과지표(KPI) 허용 범위를 조정했습니다. 이를 통해 엔지니어링 사양을 충족하면서도 불량 발생 가능성을 낮춘 부품 생산이 가능해졌습니다.
제조 현장 데이터를 불량 조기 감지 체계로 전환
추진 결과 (Impact)
AI 기반 SPC 솔루션은 제조공정별 최적 설비 설정값을 제시해, 제조사의 폐기 관련 비용을 1억5,000만 달러 이상 절감하는 데 기여했습니다.
엔지니어들에게는 시간이라는 중요한 자원도 되돌려주었습니다. 원인 분석과 시정조치 업무가 간소화되면서 품질 이슈 분석 프로세스에 필요한 업무량이 80% 줄었습니다. 이는 최대 2만 시간의 업무 절감 효과에 해당합니다. 그 결과 엔지니어와 현장팀은 긴급 대응보다 일상 운영과 지속적인 공정 개선에 더 집중할 수 있게 됐습니다.
품질과 효율성 지표 외에도 추가적인 운영 성과가 나타났습니다. 실시간 알림을 통한 신속한 현장 대응으로 설비 가동시간은 15% 증가한 것으로 보고됐으며, 사업장별 품질 비용과 생산성 개선 효과도 약 1,000만 달러에 달했습니다. 수요 예측과 생산량 추적의 정확도도 함께 개선됐습니다.
향후 프로젝트의 다음 단계는 엔터프라이즈 시뮬레이션, 즉 디지털 트윈 구축입니다. 이를 통해 AI 모델은 개별 공정 개선을 넘어, 전사 차원의 의사결정까지 지원하는 기반으로 확장될 예정입니다
더 빠른 생산, 더 적은 불량 — AI가 불가능해 보였던 과제를 현실로 구현
Explore our capability
우리의 역량을 살펴보세요.
