latest
-
제조 자동화 솔루션 도입했는데 생산성 그대로인 이유 – 돌아가는 것과 잘 돌아가는 것의 차이
제조 자동화 솔루션 도입했는데, 생산성은 왜 정체될까? 제조 자동화 80% 달성했는데 OEE는 그대로 지난 3년간 30억 원을 투자해 생산 라인을 자동화했습니다. 로봇 팔 12대, 자동 컨베이어 라인, 실시간 MES까지 갖췄습니다. 인력 의존도는 50% 줄었고, 제조 자동화율은 80%를 넘었습니다. 그런데 매달 받아보는 생산 실적 보고서의 숫자는 똑같습니다. 월 목표 30,000개 대비 실제 생산량 28,500개. 목표 달성률 […]
2026-01-12 -
예지 보전 도입했는데 생산량이 안 느는 이유 – 놓치고 있는 80% 손실
예지 보전 도입했는데, 생산량은 왜 그대로일까? 수억 원 투자한 예지 보전, 고장은 줄었지만 “예지 보전 도입 후 설비 고장은 확실히 줄었습니다. 그런데 왜 생산량은 여전히 목표치를 못 채울까요?” 한 자동차 부품 제조사의 생산관리팀장이 던진 질문입니다. 회사는 지난해 핵심 설비 80대에 진동·온도·전류 센서를 설치하고 예지 보전(Predictive Maintenance) 시스템을 구축했습니다. AI가 베어링 마모, 모터 과열, 이상 진동 […]
2026-01-08 -
“택트 타임 여유 있는데?” 이 착각이 월 2,400개 생산 손실을 만듭니다
“택트 타임 여유 있는데 왜 생산량이 모자라죠?” 택트 타임 1초 여유, 생산계획의 착각 “이번 달 고객 주문이 48,000개입니다. 택트 타임 12초면 충분히 맞출 수 있겠죠?” 생산계획 담당자의 질문에 설비팀장이 고개를 끄덕입니다. 월 48,000개를 20일로 나누면 하루 2,400개입니다. 8시간 가동 기준으로 계산하면 택트 타임 12초로 충분히 만들 수 있는 수량입니다. 게다가 MES 데이터를 보니 평균 작업시간은 […]
2026-01-07 -
PLC는 “정상”이라는데 왜 생산량이 모자랄까? – 사이클 타임의 함정
생산 사이클 타임은 정상인데 생산량은 왜 줄어들까? 데이터는 정상, 하지만 현장은 다르다 “이상하네요. 설비 가동률은 95%인데 목표 생산량을 못 채웠어요.” 월말 생산실적 회의에서 자주 듣는 말입니다. MES 화면을 보면 평균 사이클 타임은 12.3초로 정상 범위입니다. PLC 로그에도 특별한 알람이나 정지 이력이 없습니다. 그런데 실제 생산량은 계획 대비 8% 부족합니다. 설비팀은 “기계는 문제없다”고 하고, 생산팀은 “뭔가 […]
2026-01-06 -
양산 라인 속도 못 따라가는 검사, AI 제품으로 해결하기
이차전지 제조 라인에서는 분당 60개 이상의 배터리가 쏟아져 나옵니다. 그런데 고해상도 CT 검사 장비는 한 개 제품을 검사하는 데만 수 분이 걸리고 양산 라인 속도를 맞추기 어렵습니다. 그리고 양산 속도를 따라가지 못하는 검사 장비 때문에 샘플링 검사로 진행하다 보면, 불량품이 그대로 출하되는 리스크가 발생하죠. 완성차 조립 라인도 마찬가지입니다. 사람이 조립하는 과정에서 볼트 체결이나 배관 연결을 […]
2025-11-24 -
자동차 품질 관리도 이제 AI로! 현대모비스, 보쉬는 어떻게 하고 있을까?
자동차 한 대에는 약 2만~3만 개의 부품이 필요합니다. 엔진, 배터리, 모터 같은 핵심 장치는 물론, 볼트나 브래킷처럼 눈에 잘 띄지 않는 부품 하나하나까지 제자리에 정확히 조립되어야 비로소 자동차는 제대로 달릴 수 있죠. 그런데 이 중 단 하나의 부품이라도 불량이 있다면 어떻게 될까요? 차량 전체의 성능 저하는 물론, 치명적인 안전 사고로까지 이어질 수 있습니다. OEM 고객사의 […]
2025-08-14 -
제조업 비전 AI, 어떻게 도입해야 할까? 꼭 확인해야 할 3가지 포인트
중소벤처기업부는 2025년 스마트공장 공급기업 역량진단 지원 대상을 950개사로 확대하며, AI 기반 품질검사 기술을 갖춘 솔루션 기업 발굴에 박차를 가하고 있습니다. 이제 비전 AI는 더 이상 선택이 아닌, 스마트공장 고도화를 위한 필수 기술로 자리잡고 있습니다. 막상 도입을 고려하는 기업들은 어디서부터 손을 대야 할지 고민이 많으실 텐데요. 이럴 때는 스마트공장 현장에서 다양한 도입 프로젝트를 수행해온 세이지(SAIGE)의 박종우 […]
2025-08-01 -
용접검사에서 놓치기 쉬운 결함, AI로 어떻게 잡을 수 있을까?
0.1mm의 오차가 전체 생산성을 흔들 수 있다 눈에 보이지 않을 정도로 미세한 용접 결함 하나가, 수율을 떨어뜨리고 전체 생산 라인을 멈추게 만들 수 있습니다. 배터리 셀의 미세한 기공, 자동차 차체의 미처 닫히지 않은 틈, 조선 블록 사이의 균열까지—대형 구조물의 용접 공정에서는 ‘0.1mm’의 오차도 치명적일 수 있습니다. 그럼에도 불구하고, 지금까지 많은 제조 현장에서는 여전히 육안검사나 단순 […]
2025-07-24 -
수작업 라벨링의 비효율, AI라벨링과 Auto Labeling으로 어떻게 해결할까?
수작업 라벨링툴의 한계, 이제 AI라벨링으로 해결하세요 최근 제조업 품질관리 현장에서는 기존 라벨링툴의 한계가 점점 더 뚜렷해지고 있습니다. 제품 이미지 수천 장을 일일이 사람이 분류하고 불량 여부를 판별하다 보면, 시간과 인력은 물론 품질관리 효율까지 희생되는 경우가 많습니다. 하루 종일 집중해도 겨우 몇 백 장밖에 처리하지 못하는 것이 현실이죠. 이러한 문제는 우리만의 고민이 아닙니다. 글로벌 기업들도 라벨링 […]
2025-07-24