DI 구축사례 - Mahindra Heavy Engines : 머신 러닝을 통한 엔진 성능 및 품질 검증하기

-


회사 개요

회사 : Mahindra Heavy Engines Limited(MHEL)

본사 : Mumbai, India

산업 : Automotive

 웹사이트 : https://www.mahindrapowertrain.com/

다국적 자동차 제조 회사인 Mahindra Group의 일부인 인도에 기반을 둔 Mahindra Heavy Engines Limited(MHEL)는 70년 이상 동안 강력한 디젤 엔진을 제작해 왔습니다. 트랙터, 자동차, 다용도 차량, 상업용 차량, 전 세계 산업 및 해양 애플리케이션에 동력을 공급하는 MHEL의 파워 트레인은 인상적인 연료 효율성과 신뢰성으로 유명합니다. 열악한 작업 조건을 견디도록 제작된 MHEL의 엔진은 신뢰할 수 있고 내구성이 있으며 현재 배출 표준을 충족하도록 설계되었습니다.

진화하는 법률 및 시장 요구로 인해 엔진이 복잡해짐에 따라 내연 기관은 점점 더 정교해졌으며, 이는 제조 공정의 중요한 부분이며 상당한 기술 자원을 필요로 하는 확장된 품질 테스트 계획을 필요로 합니다. 동시에, 제품 개발 라이프사이클은 시장 요구를 충족시키기 위해 단축이 요구되었습니다.

MHEL은 머신 러닝을 사용하여 엔진 품질을 검증하고 사전 정의된 수백 가지 매개변수를 충족하는 엔진에 대한 추가 품질 테스트의 필요성을 제거하여 시간과 비용을 낮추려고 합니다.


비지니스 문제

엔진 생산의 마지막 단계에서 엔진은 결함을 식별하고 품질을 보장하기 위해 최종적인 저온(Cold) 및 고온(Hot) 테스트(검사)를 거칩니다. 

저온 테스트에서 전기 모터는 엔진의 크랭크축을 회전시키는 데 사용됩니다. 소프트웨어는 사전 정의된 임계값 한계가 있는 프로세스 매개변수를 기반으로 토크, 크랭크축 각도 및 압력을 포함한 다양한 센서 데이터를 기록하고 분석합니다. 400개 이상의 매개 변수를 측정하는 이 테스트는 각 엔진에 대해 약 140초가 걸립니다. 

테스트에 실패한 모든 엔진, 더 높은 가변성 결과를 가진 엔진 및 기타 무작위로 선택된 엔진은 고온/부하 테스트를 거칩니다. 고온 테스트는 2~3분이 소요되고 부하 테스트는 최대 12분이 소요됩니다. 

확장된 생산 프로세스와 더 짧은 제품 개발 주기에 직면하여 MHEL은 제조 운영 전반에 걸쳐 효율성을 높이는 기술을 사용하기를 원합니다. MHEL은 불필요한 테스트를 식별하고 제거하여 엔진 테스트 주기를 단축 하기를 원합니다.


비지니스 목표

MHEL은 머신 러닝 기술을 사용하여 엔진이 수백 가지 특별한 성능을 충족하는 콜드 테스트를 통과하면 해당 엔진에 대한 핫/로드 테스트를 우회하여 엔진이 생산에서 소요하는 시간을 줄이고 전체 테스트 비용을 낮출 수 있다는 주장에 대해 테스트하고 검증하려고 했습니다.

이 아이디어를 실현하기 위해 MHEL은 여러 데이터 소스에서 가져온 상당한 양의 데이터를 분석하는 도구를 만들어서, 이를 통해 일반적인 핫/로드 테스트 중에 탐지되는 오일 누출과 같은 결함 가능성을 식별할 수 있었습니다. 콜드 테스트 결과 및 기타 관련 기계 데이터를 분석함으로써 회사는 패턴을 식별할 수 있었고, 이를 통해 핫/로드 테스트 없이도 엔진 성능 및 품질에 대한 데이터 기반 결정을 내릴 수 있었습니다.


기대 효과 및 결과(성과)

비지니스 측면

  • 업계 최고의 혁신
  • 엔진 출하 속도가 35% 빨라져 제조 주기 시간 단축
  • 제조 공장 전반에 걸쳐 모델을 활용할 수 있는 기능이 있는 범용 응용 프로그램(모델의 약간의 재교육 포함)
  • 품질 테스트 비용 50% 감소, 핫/로드 테스트 제거로 첫 해에 200만 달러 절약
  • 최적화된 품질로 보증 비용 절감


IT 측면

  • 다양한 솔루션(소프트웨어)의 통합 환경으로 복잡성 완화


업무 개선 측면

  • 데이터 기반 의사 결정 – 품질 관리 최적화 및 노동일 350일 절약
  • 품질 문제의 위험 감소, 이에 따라 관련 보증 비용이 100만 달러 감소


아키텍처


주요 솔루션 역할

  • SAP HANA

    • "Further Hot Test Required", "Further Load Test Required" 또는 "No Further Test Required"을 예측하는 머신 러닝 엔진(HANA M/L) 제공

  • SAP Data Intelligence

    • 데이터 처리 - HANA M/L 엔진의 태스크 오케스트레이션, Jupyter M/L 개발 도구, M/L Lifecycle 관리

    • 데이터 통합 - Drona와 같은 온프레미스 In-house 시스템과 클라우드 애플리케이션의 연결 및 HANA로 데이터 통합

  • SAP Internet of Things

    • MHEL 작업 현장의 데이터 검증 엔진, 레벨 2 지원 기계 및 장비와의 상호 연결 및 통합 제공

  • SAP Integration Suite

    • 콜드 테스트 데이터 및 매개변수를 처리, 분석, 저장하고 최적화되고 압축된 데이터 관리

  • SAP Analytics Cloud

    • 기계 학습 기반 근본 원인 분석을 위한 지능형 분석 계층 제공

    • 고위 경영진을 위한 셀프 서비스 분석 및 대시보드 제공

  • SAP Cloud Portal

    • MHEL 작업 현장에서 보다 쉽게 사용할 수 있도록 포털에 정보를 렌더링하여 직원이 일상적인 작업을 실행할 수 있도록 하여 유동적이고 안전한 사용자 경험을 지원




이 블로그의 인기 게시물

DI 구축사례 - 오뚜기 : 데이터 작업 간소화와 예측 분석 업무 활용

-
이미지
  이번 글에서는 SAP BTP의 Data Platform를 도입하여 데이터 중심(data-driven)의 혁신적 업무를 진행한 사례를 전달해 드립니다. 특히,  SAP Data Intelligence Cloud를 활용하여 데이터 작업의 간소화와 상품 수요에 대한 예측 업무에서 활용 사례를 중심으로 살표보겠습니다. 회사 개요 회사 : Ottogi ( http://www. ottogi.co.kr/ ) 본사 : Seoul , Korea 산업 : Retail 식품 회사 - 식품, 라면, 냉동식품, 케첩, 카레, 마요네즈 등 식료품 제조 및 판매업 비지니스 목표 및 문제 오뚜기는 비지니스 프로세스에 대한 가시성 향상을 위해서 기업 내/외부의 데이터를 기반으로 수요 예측을 통한 기존 비지니스 개선과  이전부터 기업 구성원들이 경험이 아닌 데이터를 기반으로 비지니스 실행이 과학적으로 처리되길 원하였습니다. 기존의 경험적 수요 예측의 한계로 인한 정확한 상품 생산, 판매, 재고 등의 문제 해결 데이터 기반의 상품 수요에 대한 정확한 예측을 통한 생산, 영업, 재고 문제 해결 기존 데이터 처리 및 분석을 살펴보면, 구성원 개인 컴퓨터 환경에서 내부 데이터 및 외부 데이터를 수집한 후, 오픈 소스를 활용하여 개별적으로 처리하다 보니 다음과 같은 문제도 존재했습니다. 모든 데이터의 작업이 수동 작업으로 처리되어 많은 시간과 비용, 제약, 생산성 저하 개인별 데이터 작업으로 데이터에 대한 신뢰성과 거버넌스에 대한 이슈    프로젝트 구축 오뚜기는 지속적으로 데이터 기반의 비지니스를 수행하고 기존 문제 및 비지니스 목표를 달성하기 위해서는 전문적인 데이터 플랫폼이 반드시 필요하다고 판단하였습니다. 기존 데이터 운영 환경과 미래 비전 등의 다양한 요구 사항을 검토한 결과 SAP BTP의 Data Platform이 최적이라고 판단되어 도입을 결정하였고 프로젝트를 진행하였습니다. 데이터 수집 자동화 - 채널(할인마트, 편의점, 온라인 등)의 자사 판매 데이터의 수집 자동화 오픈 소스 거
자세한 내용 보기

DI 구축사례 - Döhler : S/4HANA와 SAP BTP 활용을 통한 지능형 기업으로 전환

-
이미지
이번 글에서는 전세계 식음료 업체에게 천연 성분을 공급하는  돌러( Döhler)가 S/4HANA와 SAP BTP를  도입하여 지능형 기업으로 전환한 사례를 소개합니다. 회사 개요 회사 : 돌러( Döhler) 본사 : 다름슈타트( Darmstadt), 독일(Germany) 산업 : 화학(Chemical)  웹사이트 :  https://www.doehler.com/ Döhler는 식품 및 음료 산업을 위한 기술 기반 천연 성분 및 성분 시스템(예: 식품 첨가물)의 글로벌 생산, 마케팅 및 공급업체입니다. 그들의 제품 라인은 풍미, 색상, 특수 및 기능성 성분, 시리얼 성분, 유제품 성분, 과일 및 야채 성분, 성분 시스템에 이르기까지 다양합니다. Döhler는 130개 이상의 국가에 23개의 생산 및 24개의 애플리케이션 센터, 50개의 영업 사무소 및 영업 대리점을 보유하고 있습니다. 5,000명 이상의 직원이 개념에서 실현까지 통합된 식음료 용질을 제공합니다. 전 세계의 식음료 생산업체는 색상, 질감 및 맛의 조화로운 조화를 제공하기 위해 Döhler Group의 재료, 시스템 및 솔루션에 의존하고 있습니다. 천연 성분 개발에 대한 통합된 기술 중심 접근 방식을 통해 Döhler는 고객의 혁신을 돕는 제품을 제공합니다. 비지니스 목표 전 세계 130개 이상의 국가에서 고객을 위한 재료 혁신 전 세계의 식음료 생산업체는 색상, 질감, 맛의 조화로운 조화를 제공하기 위해 Döhler Group의 재료, 시스템 및 솔루션에 의존하고 있습니다. 천연 성분 개발에 대한 통합된 기술 중심 접근 방식을 통해 Döhler는 고객의 혁신을 돕는 제품을 제공합니다. 수천 개의 제품, 규정, 가격 변동이 있는 복잡하고 경쟁이 치열한 시장에서 성공하려면 Döhler는 빠르고 민첩해야 합니다. 이를 위해 R&D, 영업, 재무 등 다양한 LoB(Line of Business) 전반에 걸친 IT 혁신 및 프로세스 자동화를 통해 업계의 디지털 리더가 되는 것을 목표로 하고 있습
자세한 내용 보기

Data Intelligence - SAP Data Intelligence 란 무엇인가?

-
이미지
본 블로그는 SAP Data Intelligence에 대해 처음 들어 보거나 또는 더 자세한 정보를 알고 싶은 분을 위해 SAP Data Intelligence에 대한 기본 정보를 제공합니다. SAP Data Intelligence 란? SAP Data Intelligences는 SAP BTP(Business Technology Platform)에서 데이터 관리를 담당하는 솔루션입니다. SAP Data Intelligence는 엔터프라이즈 급으로 분산된 데이터 자산을 연결, 검색, 강화, 조정해서 실행 가능한 비즈니스 통찰력을 제공하는 포괄적인 데이터 관리 솔루션입니다. SAP Data Intelligence 사이트(한글) 최근 기업의 IT 환경은 전통적인 OnPremise 위주의 DBMS, DW에 추가적으로 Hadoop, Object Storage, Data Lake 등의 Big Data와  Cloud 기반 솔루션 등으로 매우 다양하고 복잡해지고 있습니다. 동시에, 이런 다양한 데이터와 최신 AI 기술을 접목한 비지니스 프로세스 고도화가 요구되고 있습니다. SAP Data Intelligence는 복잡하고 분산된 데이터 시스템 환경에서 데이터를 빠르게 찾고 필요한 데이터를 수집하고 변환한 후 M/L 기술을 적용하여 기존 비지니스 프로세스를 개선하고 강화합니다. SAP Data Intelligence 핵심 기능 1. 데이터 통합(Data Integration) 다양한 종류의 데이터 소스 및 데이터 유형에 연결하여 데이터를 연계 및 통합합니다. SAP 애플리케이션 및 데이터베이스뿐만 아니라 하이퍼 스케일러 클라우드 데이터 소스 및 스트리밍 데이터 등 다양한 데이터를 기본적으로 연결하여 처리합니다. 기업 데이터와 빅데이터를 연계하여 활용할 수 있습니다. 데이터 통합 ​​처리 흐름 기반의 파이프 라인을 이용하여 다수의 미리 정의된 통신을 이용하여 비교적 쉽게 구축 할 수 있습니다. 파이프 라인의 각 운영자는 각각 Kubernetes에 Docker 컨테이너에서 독립적
자세한 내용 보기