Company

창신INC는 글로벌 풋웨어 전문 기업으로 기획부터 개발, 생산까지 아우르는 토털 제조 솔루션을 제공하는 기업입니다. 고객사의 브랜드 가치를 높일 수 있도록 정교한 품질 관리와 유연한 생산 역량을 바탕으로 빠르게 변화하는 시장 요구에 대응하며, 지속 가능한 성장과 혁신을 통해 세계 시장에서 경쟁력을 강화해 나가고 있습니다.

Challenge - 고객사가 당면한 과제

설비·센서·PLC 데이터를 통합적으로 수집·분석하고자 했으며, 설비 이상 징후를 수동 점검이 아닌 실시간으로 파악하고자 했습니다.

• 설비 데이터의 수집·분석·활용 체계 마련 필요

  설비에 부착된 센서와 PLC에서 데이터가 발생하고 있었지만, 이를 통합적으로 수집하고 분석해 의사결정에 활용하는 체계가 필요했습니다.

• 수동 점검 중심의 설비 관리 방식

  기존에는 현장 담당자의 주기적 순찰과 경험 기반 점검에 의존하는 방식이 중심이었습니다.
  이에 이상 징후를 사전에 파악해 설비 관리 효율을 높이고자 했습니다.

• 실시간 이상 감지 체계 필요

  설비 상태를 상시 모니터링하고, 이상 징후 발생 시 담당자가 즉시 인지할 수 있는 구조가 필요했습니다.
  완료보고서에서도 기존 주기적 현장 순찰 방식을 벗어나 실시간 무인 감시 체계와 알람 기반 대응 체계가 주요 방향으로 제시되었습니다.

• 진동 데이터 기반 설비 진단 역량 필요

  진동 센서 데이터는 설비 이상과 고장 징후를 파악하는 데 중요한 데이터입니다.
  하지만 진동 데이터를 의미 있는 진단 정보로 전환하기 위해서는 진단 파라미터, 고장 유형, 진단 Rule, 고장에 대한 라이브러리 정의가 필요했습니다.

• 센서, PLC, Legacy 데이터의 통합 필요

  설비 상태를 정확히 판단하려면 단일 센서 데이터만으로는 한계가 있습니다.
  진동 센서, 온도 센서, PLC, 기존 시스템 데이터 등을 함께 수집하고 분석할 수 있는 구조가 필요합니다.

• 진단 결과의 표준화 필요

  담당자별 경험에 따라 진단 결과가 달라질 수 있는 문제를 줄여야 했습니다.
  고장 모드와 진단 Rule을 표준화하고, 동일한 기준으로 설비 이상을 판단하는 체계가 필요했습니다.

• 해외 제조 현장까지 고려한 안정적 데이터 수집 구조 필요

  해외 공장 환경에서도 데이터 수집과 전송이 안정적으로 이루어져야 했습니다.

Solution – 해결 방안 및 DDI의 역할

AWS 기반 클라우드 인프라와 DDI에서 개발한 예지정비 솔루션, 생성형 AI 진단 기능을 결합해 설비 데이터 수집·이상 감지·AI 리포트 자동화 체계를 구축했습니다.

• AWS 기반 클라우드 설비 모니터링 플랫폼 구축

  [AWS 주요 서비스 기반의 데이터 처리 구조]

  

  [글로벌 네트워크 구성도]

  

• AWS 주요 서비스 기반의 데이터 처리 구조 적용

  • AWS IoT Core: 설비 및 센서 데이터를 클라우드로 연계하는 데이터 수집 채널 역할

  • Amazon S3: 수집된 설비 데이터를 저장하는 데이터 저장소 역할

  • AWS Lambda: 데이터 전처리, 설비 이상 감지, 설비 이상 진단 처리 역할

  • Amazon RDS: 진단 결과와 운영 데이터를 관리하는 Database 역할

  • Amazon EC2: 예지정비 솔루션 운영 환경 제공

  • AWS Bedrock: AI 기반 설비 진단 및 진단 리포트 작성 기능 구현

• Edge 기반 설비 데이터 수집 체계 구현

• 진동 센서 및 PLC 데이터 수집·전처리 구현

• DDI의 예지정비 솔루션 적용

• AI 기반 설비 진단 프로세스 구현

• 생성형 AI 기반 진단 리포트 자동화

• 진단 Rule과 고장 모드 표준화

• 사용자 화면 커스텀 및 업무 활용성 강화 (대시보드, 모니터링, 조회, 리포트, 진단 Rule 관리 등)

• 매니지드 서비스 전환 및 유지보수 체계 마련

시범 오픈 후 단계적으로 운영 전환할 수 있는 방안을 마련했으며, 진단 리포트 발행, 알람 메일 전송, 시스템 사용 현황 모니터링, 오류 및 개선사항 취합, 진단 Rule 검증 및 보완 등의 매니지드 서비스 절차를 수립했습니다.

Benefit – 성과 및 효과

실시간 설비 모니터링과 AI 기반 진단 자동화를 통해 수동 점검 업무를 줄이고, 데이터 중심의 스마트 정비 및 의사결정 기반을 확보했습니다.

• 설비 상태의 실시간 가시성 확보

  설비 데이터를 실시간으로 수집하고 모니터링할 수 있게 되었습니다.
  현장 담당자는 설비 상태를 대시보드와 모니터링 화면에서 즉시 확인할 수 있습니다.
  이상 발생 시 알람을 통해 문제 설비와 진단 현황을 빠르게 파악할 수 있습니다.

• 수동 점검 업무의 효율화

  기존의 주기적 현장 순찰 방식에서 벗어나 데이터 기반 모니터링 체계로 전환할 수 있습니다.
  담당자는 모든 설비를 동일한 방식으로 반복 점검하기보다, 이상 징후가 감지된 설비에 우선 대응

  할 수 있습니다.

• AI 기반 진단으로 전문가 업무 부담 감소

  AI가 복잡한 진동 파형과 설비 파라미터를 분석해 진단 리포트 초안을 생성합니다.
  분석 전문가는 리포트를 처음부터 작성하는 대신, AI가 제안한 결과를 검토하고 보완하는 역할에 집중할 수 있습니다.
  이를 통해 전문가의 개입 시간을 줄이고, 진단 업무의 생산성을 높일 수 있습니다.

• 설비 이상에 대한 빠른 인지와 대응

  설비 이상 징후 발생 시 알람을 통해 담당자가 즉시 상황을 인지할 수 있습니다.
  진단 리포트와 설비 상태 데이터를 함께 확인해 선별적 대응이 가능합니다.
  모든 설비를 일괄 점검하는 방식이 아니라, 위험도가 높은 설비를 중심으로 대응할 수 있습니다.

• 고장 유형과 진단 결과의 표준화

  고장 모드와 진단 Rule을 기반으로 설비 이상을 일관되게 판단할 수 있습니다.
  담당자별 경험 차이에 따른 진단 편차를 줄일 수 있습니다.
  표준화된 진단 결과는 향후 정비 계획 수립과 설비 관리 기준 고도화에 활용될 수 있습니다.

• 정비 이력 데이터베이스 기반 마련

  진단 결과와 담당자 Feedback을 축적해 정비 이력 데이터베이스를 구축할 수 있습니다.
  축적된 데이터는 반복 고장 분석, 설비별 취약점 파악, 정비 우선순위 판단에 활용될 수 있습니다.

• 진단 Rule의 지속적 고도화

  사용자가 AI 진단 결과에 대해 피드백을 입력할 수 있습니다.
  피드백은 진단 Rule의 정확도를 검증하고 개선하는 데 활용됩니다.
  운영 기간이 길어질수록 설비 특성과 현장 경험이 반영된 진단 체계로 발전할 수 있습니다.

• 데이터 기반 설비 운영 의사결정 지원

  설비 상태, 이상 이력, 진단 결과, 정비 이력을 데이터로 확인할 수 있습니다.
  관리자는 경험이나 직관에만 의존하지 않고, 데이터 기반으로 설비 운영과 정비 의사결정을 내릴 수 있습니다.
  이는 창신INC가 목표로 한 설비 운용 의사결정 지원 시스템 구축 방향과 연결됩니다.

• 글로벌 제조 현장 확장 기반 확보

  한국과 글로벌 사용자를 고려한 AWS 기반 시스템 구조를 마련했습니다.
  검증 후 다른 설비나 공장으로 확장할 수 있는 기반을 확보했습니다.

• 운영 안정성과 유지보수 대응력 강화

  서비스 오픈 이후 서비스 안정화와 매니지드 서비스 지원 체계를 마련했습니다.
  장애 등급별 대응, 기술 지원, 긴급 지원 절차를 통해 운영 리스크를 줄일 수 있습니다.