Ⅰ. 서론
아름다움을 추구하고자 하는 인간의 노력은 역사와 함께 계속하여 다양한 형태로 존재하였고 그중에서도 화장품의 사용은 남녀노소를 막론하고 일상화되어 있다고 해도 과언이 아니다.⁽¹⁾ 특히 현대 소비문화는 개인의 개성과 가치에 초점을 맞춘 시대로 산업 전반에서 ‘나만의 맞춤형 제품’ 즉 고객 맞춤형 마케팅 전략이 활발하게 전개되고 있다. 따라서 최근에는 인공지능, 마케팅 자동화 등 개인화 서비스를 뒷받침 할 수 있는 IT 기술이 그 가능성을 인정받으면서 개인 소비문화에 영향을 받는 유통업계까지 직·간접적인 영향을 미치고 있다.⁽²⁻³⁾ 최근 개인의 다양성을 충족시킬 수 있는 트랜드인 '맞춤형 화장품'에 관심이 모아지고 있다. 맞춤형 화장품이란 화장품법 제1장 제1조 3의 2항목에 따르면 제조 또는 수입된 화장품의 내용물에 다른 화장품의 내용물이나 식품의약품안전처장이 정하는 원료를 추가하여 혼합한 화장품이다. 즉 소비자 요구에 따라 제조 및 수입된 화장품을 덜어서 소분하거나 다른 화장품 내용물 또는 원료를 추가하여 혼합한 화장품을 지칭한다. 기성품이 아닌 개인 피부에 맞는 화장품을 제공하는 것은 개성과 희소성을 추구하는 요즘 소비자의 니즈를 충족시킬수 있어 수요가 증가하는 추세이다. 맞춤형화장품은 기초 화장품 분야에서 더 힘을 발휘할 수 있다. 색조화장품에 비해서 개개인의 피부 상태와 선호도에 따라 결과물이 전혀 달라질 수 있기 때문이다. 이러한 맞춤형 화장품을 제조하기 위해서는 제품의 주문부터 출하까지의 과정을 체계화된 프로세스에 도입하여 제조형태와 생산체계에 분명한 변화를 주어야 한다. 이는 품질 및 효율성과 생산성을 높이는 스마트 팩토리 구축의 필요의 인식이 증가함을 말한다⁽⁴⁾. 기존의 화장품 산업은 매년 5%이상씩 꾸준한 성장을 이루는 미래 전도유망한 분야이다. 특히 미용산업 및 화장품 시장의 새로운 성장 동력이 될 것이라는 전망하에 2020년 3월 맞춤형 화장품 판매업 제도가 본격 시행됨에 따라 화장품혼합이나 소분 등을 할 수 있는 전문가를 양성하기 위한 맞춤형 화장품 조제 관리사 국가자격시험제도가 시행되어 이에 대한 피부미용사의 관심이 커졌다⁽⁵⁾.
K-POP, 한국 드라마 등의 인기로 해외에서도 인지도가 높아지고 있는 추세이다. 이에 정부에서도 최근 개인별로 피부를 진단해 고객 맞춤형으로 화장품을 제조하여 판매할 수 있도록 해주는 '맞춤형화장품'제도를 시행했다.
이에 OEM(Original Equipment Manufacturer)/ODM (Original Design Manufacturer) 업체들의 지속 성인성장과 수요가 증가하고 있으며, 위탁율이 높아지며, 위탁 생산업체의 필요성도 증가되고 있다. 도입기업은 2001년 설립된 화장품 제조업체로서, 기초화장품, 기능성 화장품, 바디용제품 등을 OEM, ODM 방식으로 제조하고 있다. 최근 화장품 산업에 도입된 맞춤형 화장품 조제 관리사 제도에 맞추어, 이에 대응하기 위한 스마트 팩토리 구축 및 운용을 원한 상황이며 이에 맞춰 스마트팩토리를 구축 및 진행중이다.
그림 1. 화장품 산업의 최신 동향(참조 : 텔스타-홈멜)
Fig. 1. Recent Trends in the Cosmetics Industry (Reference: Telstar-Hommel)
도입기업은 화장품 산업에 도입된 CGMP기준에 따른 데이터 관리가 필요하지만, 문서화 및 OS데이터 관리만으로는 수집, 분석 및 추적관리에 한계가 있다. CGMP 기준서 제조관리, 품질관리, 제조위생관리 데이터의 디지털화 및 모니터링이 필요하다. 현재는 기 도입된 ERP로 데이터를 관리하고 있으나, 제품수명주기관리(PLM), 생산 시점(POP), 생산모니터링(PDP) 등 생산에서 생성되는 유효한 데이터들을 효과적으로 관리하지 못하고 있다. 또한 원/부자재의 재고관리와 실재고, 부진재고, 사용기한 재고 등 전 자재에 대한 모니터링이 필요한 상태이며, 부자재의 규격 데이터와 검수 기록 데이터 또한 없다. 수기로 작성하는 제조 기록서로 진행하고 있지만, 데이터 기록에 공수가 많이 투입되고 있는 실정이다. 생산공정에서 발생하는 제조공정의 생산시점 데이터 기록, 분석이 진행되고 있지 않아 생산제품의 이력추적이 불가하여 품질에 대해 고객사의 Claim 대응력도 저하되고 있다.
이에 도입기업에는 효율적으로 데이터를 수집 및 처리하고, 이 형태가 그대로 제조시스템에 적용시킬 수 있는 제조 데이터 기반 스마트 공장 구축이 필요하다. 첫 번째로, CGMP 기준서에 따른 제조데이터 수집과 축적이 가능한 스마트 시스템의 구축이다. 현재 비효율적으로 운영되고 있는 문서 작업의 공수를 줄여 제조 관리자의 과중한 업무 해소가 필요하다. 또한 실시간으로 제조 데이터를 저장해 데이터 손실을 방지해야 하며, 제조공정데이터 (측정값, 설정값등)의 자동수집 및 분석/활용으로 빠른 의사결정을 지원해야한다. 두번째로 축적된 데이터를 분석 및 활용을 하여 생산성 및 품질수준을 향상 시켜야한다. Barcode System을 통해 실시간으로 원/분자재의 흐름을 기록 및 관리하여 생산 리드타임을 단축 시킬 수 있다. 정확한 제조 데이터 관리와 분석은 설비가동율을 높일 수 있으며, 일탈 관련 사랑을 센싱, 감시 및 제어하여 실시간으로 대응률을 높일 수 있다. 즉 고객사 Claim에 실시간으로 대응 가능한 스마트 품질관리 시스템을 구축해야 하는 것이다. 세번째로 자사의 최적화된 스마트 시스템 적용으로 업무 효율을 향상시킬 수 있다. Key-In 스마트 시스템으로 제조관리, 품질관리, 제조위생관리를 모두 기록하여 데이터 접근성을 높일 수 있으며, 주문에서 출하까지 단계별 진행현황이 확인 가능한 스마트 시스템을 구축하여 운영 효율을 향상시키는 것이다. 도입기업에게 제공하는 제조 데이터 기반 스마트 공장 구축에서의 핵심은 품질 이력추적 서비스이다. 모든 성분들을 포함한 제조이력 추적 관리 서비스를 제공한다는 것은 다시 말하자면 소비자의 신뢰를 혁신하는 것이다. 이에 자사의 스마트 시스템을 적용하여, 인위적인 과오를 최소화 시킬수 있으며, 고도의 품질관리 체계를 확립시킬 수 있다. 더해서 미생물 오염 및 교차 오염으로 인한 품질 저하 방지까지 보장이 가능하다.
스마트팩토리의 도입으로 종합적인 생산성을 증가 시켜 완제품의 정시 납품을 가속화하는 것은 물론 품질향상 또한 기대되지만, 국내 제조업 특성에 맞는 차별적인 스마트팩토리 생태계 구축이 필요하다⁽⁶⁾. 현재 많은 중소기업들이 IT업체와 함께 생산정보관리시스템 구축을 위하여 많은 노력을 기울이고 있으며, 이러한 기반으로 21세기 글로벌 시대에 기업 경쟁력을 강화하여 세계 일류 중소기업으로의 성장을 꾀하고 있다⁽¹⁾. 그러나 우리나라 주요 대기업에 비하여 중소기업은 별다른 성장을 보이고 있지 못하다.⁽⁷⁾ 이번 논문은 제조데이터 기반의 스마트팩토리 사례를 기반으로 하여 상기의 목적을 달성하기 위해 아래의 내용을 염두해두고 프로젝트를 진행하였다. 먼저 화장품 제조업에 필수적인 (C)GMP 기반의 제조데이터가 수집 및 축적되는 기준시스템을 구축하였고 제조 데이터의 중요도가 선별 및 반영된 제조 운영시스템(제조시점에 제품과 설비의 데이터가 라벨링되어 축적되어 향후 연구 데이터와 비교 가능) 및 제조 현장에서 실제로 사용할 수 있게 최적화된 생산시점관리시스템을 구축하였다.⁽¹⁶⁻¹⁷⁾
본 논문의 구성은 다음과 같다. 2절에서는 최근 화장품 제조업과 제조업 KPI에 대해 다루고 있다. 3절에서는 제조 데이터 기반의 스마트팩토리에 대한 시스템을 설명하고 있다. 4절에서는 실험 및 평가를 통해 제안하는 시스템의 효율성을 평가한다. 그리고 5절에서는 본 논문의 결론과 요약 대해 설명한다.
그림 2. 맞춤형 화장품의 Business Strategy Thru Required Activities(참조 : 텔스타-홈멜)
Fig. 2. Business Strategy Thru Required Activities for Custom Cosmetics(Reference: Telstar-Hommel)
Ⅱ. 관련연구
1. 화장품 제조업
2020년 4월 7일의 일부 개정된 법률에 따르면 화장품이란 인체를 청결 미화하여 매력을 더하고 용모를 밝게 변화시키거나 피부, 모발의 건강을 유지 또는 증진하기 위하여 인체에 바르고 문지르거나 뿌리는 등 이와 유사한 방법으로 사용되는 물품으로서 인체에 대한 작용이 경미한 것을 말한다. 다만 약사법 제 2조 제 4호의 의약품에 해당하는 물품은 제외한다. 화장품법에 따라 여러 영업이 있지만 그중 화장품 제조업은 총리령으로 정하는 시설기준을 갖추어야 하며, 화장품의 품질관리 및 책임 판매 후 안전관리에 관한 기준을 갖추어야 한다. 또한 이 규정에 따른 등록절차 및 책임 판매관리자의 자격 기준과 직무 등에 관하여 필요한 사항이 있는데, 현재 국가에서 식품의약품안전처장이 실시하는 자격시험에 합격해야 자격을 얻을 수 있다. 도입기업은 기존의 화장품제조업체로써 시설기준은 이미 갖추어 있었지만, 화장품의 품질관리가 미비한 상태였다. 품질관리 및 책임판매가 되려면 자사 솔루션의 이점인 품질이력관리가 되어야 가능하여, 현재 스마트 공장 구축을 진행중이다.
2018년 국내 화장품산업 총 생산규모는 15조 8, 028 억원으로 전년대비 14.7% 증가했으며, 이는 국내 GDP 증가율(3.0%) 및 제조업 GDP 증가율(1.7%)보다 상당히 높은 수준이다. 이후 2019년도에도 꾸준히 상승세를 이어오고 있다. 그러나 총 생산규모가 증가하는 반면에, 화장품 유통채널의 영역에서 살펴보면 원브랜드숍 즉 로드샵의 비중이 급격히 줄고 있으며, 올리브영, 랄라블라, 시코르 등과 같은 대기업이 주도하는 H&B 스토어들은 꾸준히 성장하고 있다⁽⁸⁾. H&B스토어의 대표 3사 매장 총수가 3년연속 성장하고 있는것으로 보아 소비자의 패턴이 멀티화로 나아가는 것을 볼수 있다. 국내 화장품 업계는 소셜 네트워크서비스(SNS)에서도 막강한 영향을 받는데, 제품의 개발단계부터 판매까지 SNS중심으로 운영해 실제 매출과 고객 유입률에도 긍정적인 효과를 보고있다. 이는 국내 화장품 제조업분야에서도 소비자 트랜드에 빠르게 대응해야 함을 보여준다. 표 1은 한국산업표준사업분류 기준 화장품 제조업 관련업종을 나타낸다.
표 1. 한국표준산업분류 기준 화장품 제조업 관련업종
Table 1. Cosmetics manufacturing-related industries based on the Korean Standard Industry Classification
(통계분류 포털 : kssc.kostat.go.kr)
표 2은 화장품 유형별 분류를 나타낸다.
표 2. 화장품 유형별 분류
Table 2. Categorization by cosmetic type
(자료:화장품법 시행규칙(2020년 8월 5일 일부개정))
2. 제조업 KPI
IT 정보시스템을 구축했다고 당장 생산성이 좋아지고 품질이 나아지고 원가가 절감되고 납기가 맞추어지는 것은 아니다. 프로세스가 변경되어야 하고 표준화가 사전에 진행되어 있어야 하며, 데이터들이 실시간으로 집계가 되어야 한다. 이에 도입기업에 적용할 화장품 KRI를 아래의 표와 같이 설정하여 진행하였다. 먼저, 납기 분야에서 수주출하리드타임, 즉 제조리드타임을 3일 단축을 목표로 하였다. 현재 직원들이 수기로 진행하고 있는 데이터관리 중 원/부자재에 Barcode system을 도입하여, 자재현황의 실시간 모니터링을 가능하게 하여, 기존의 원 /부자재 파악 및 입고검사등의 시간을 줄여 기존 13일의 리드 타임을 10일로 줄이는데 목표를 두었다. 또한 정제수 설비, 유화기 제조공정을 모니터링하여 설비 가동율도 기존 45%에서 60%으로 목표를 두었다. QC 분야에서는 축적된 제조데이터는 활용하여 기존 클레임 건수에 비해 1% 이하로 만들고, 제품 불량룸을 관리하여 제품 품질상승을 목표로 두고 있다. 또한 제품의 유통기한 설정을 위하여, 제품 안정성시험 규정과 표준기반으로 데이터를 Key-in하여, 일탈 시의 연구내용을 기록, 누적 및 활용할 예정이다. 품질평가 데이터를 규정과 표준 기반으로 모바일과 연동이 가능하도록 데이터를 구축한다면 효율성도 높아질 것이다. 아래 표 3은 정량데이터를 나타낸다.
표 3. 정량 데이터
Table 3. Quantitative data
Ⅲ. 제조데이터 기반의 스마트팩토리 시스템
오늘날 사물 인터넷은 우리에게 편의를 제공하기 위해 가정, 산업 현장 및 병원을 포함한 많은 장소에서 사용된다. 다양한 장치가 네트워크에 연결됨에 따라 많은 서비스들이 실시간 데이터 수집, 저장 및 분석을 통해 새로운 가치를 창출하고 있다⁽⁹⁾. 스마트 팩토리 구축은 이런 사물 인터넷을 활용한 빅데이터 관리기술(데이터 베이스 관리) 에서 출발해야한다. 특히 유무선 인터넷이 다양한 분야에 적용되면서 사물인터넷(IoT, Internet of Things) 또한 다양하게 사용되고 있다. 특히, RFID 태그, 센서, 스마트 기기, 감시 장치 등과 같은 IoT 장치가 다양한 서비스 분야에서 광범위하게 사용되고 있다⁽¹⁰⁻¹⁴⁾. 이 정형화된 또는 비정형화된 수많은 데이터를 생성하고 수집하여 , 최적화된 제어수준을 찾기위해 데이터를 분석하여 새로운 비즈니스의 개선방향을 찾아내는 것이 스마트 팩토리의 본질이라 할 수 있다. 물론 많은 양의 데이터를 확보해도 생산성 향상에는 도움이 되지 않을수도 있다. 다시말하면 데이터 관리 기술이 필수적이라는 말이 된다. 그러나 제조 데이터 기반의 스마트팩토리의 핵심은 생산시스템의 변화관리가 목적이 아니라 고객의 개인화 형상에 대한 제조업의 대응전략이라는 점이 중요하다. 시스템을 위한 시스템 구축이 아닌 개인화 고객을 위한 맞춤형 제조 생산 체제로의 변환과 빅데이터 관리 기술을 활용한 제조 생산 현장의 주문 대응 역량을 극대화 시키는 것이다. 따라서 설계, 개발, 제조 및 유통 물류등 전 생산과정부터 시작하여 시작하여 전사적으로 데이터를 수집 및 축적하여 디지털 자동화 솔루션이 결합된 정보통신기술을 적용하여 최적화된 제어를 지속적으로 실현해야 하는 것이다[14]. 이에 도입기업에 적용한 제조 데이터 기반 스마트 공장 개념도를 아래와 같이 정리하였다. 기존에 제조기록서 등 여러가지 분야에서 수기 작성으로 이루어져 왔던 아날로그 데이터들을 간단한 자동화 장비 (무선 바코드, 무선온도계, 무선저울)들을 이용하여 기존보다 빠르고 정확한 데이터 수집으로 엣지 컴퓨터로 데이터를 올려준다. 이 수집된 데이터들은 클라우드로 올라가 자사 솔루션인 LINK5 MOS를 통해 모듈별로 관리되어 활용할 수 있다.
전사적으로 관리에 들어가는 데이터들을 수집하기 위해서 아래의 그림 4와 같이 공정마다 데이터 수집 포인트를 설정해야한다. 도입기업의 화장품 제조과정의 공정마다 필요한 데이터를 아래와 같이 데이터와 방식을 구성하였다. 제조공정에서는 6군데의 데이터 포인트들이 있으며, 품질관리실에서 관리하는 데이터들은 4군데의 포인트들이 있다.
그림 3. 제조데이터기반 스마트공장 개념도(참조 : 텔스타-홈멜)
Fig. 3. Conceptual diagram of a smart factory based on manufacturing data(Reference: Telstar-Hommel)
그림 4. 제조데이터기반 스마트공장 화장품 공정 데이터 포인트(참조 : 텔스타-홈멜)
Fig. 4. Manufacturing Data-Based Cosmetic Process Data Points for Smart Factories(Reference:Telstar-Hommel)
1. 시스템 구성(System Architecture)
도입기업에 적용할 시스템의 구성은 위와 같은 그림5로 적용하였다. 우선적으로 각 공정별 데이터 포인트에서 Laptop PC, Edge PC, Touch Monitor 등을 통해 제도 데이터를 Key-in 및 수집하여 MES로 보내준다. 각 MES SERVER 내에서 모듈별로의 관리기준에 따라 모듈별로 데이터 분류 및 저장을 통해 활용가능한 데이터로 만들어준다. 기준정보관리는 시스템을 운영하기 위한 기본 정보값을 설정하는 모듈로 공통코드, 공장정보, 창고정보, 고객사, 협력사, 품목, BOM 마스터관리등이 포함된다. 영업/수주관리는 고객의 수주관리와 수주에 대한 생산 활동을 계획하기 위한 모듈로 인쿼리와 수주를 관리하는 기능으로 운영된다. 수주받은 생산활동을 시작하기 위한 자재관리는 제품생산을 위한 원, 부자재 재고관리 모듈이며, 입고, 출고, 현황 뿐 아니라 이벤트 관리까지 포함이 된다. 제품개발 R&D 모듈에는 제품 연구 시 생성되는 시행착오 결과 및 개발한 제품을 관리하는 기능으로 제품개발계획 및 제품 연구관리에 사용된다. 본격적으로 생산에 들어가게 되면 사용하게 되는 생산관리는 생산을 위한 계획, 지시, 실적 등을 관리하는 기능을 포함한다. 이는 생산운영을 위한 모니터링 시스템 모듈과 함께 사용하게 된다. 생산작업의 결과물인 제품은 완제품의 포장과 출하 및 재고현황관리를 위한 모듈인 제품관리로 관리가 되며, 품질면에서는 다양한 통계적 공정관리 및 이력 관리 모듈이 사용된다.
이러한 시스템을 통합적으로 관리하기 위해 MES를 운영하기 위한 사용자 정보 및 접근 권한을 설정하기 위한 모듈도 있으며, 생산시점관리를 위한 각 공정별 화면을 통합적으로 제공하는 POP모듈을 사용할수 있다. 그림의 아래부분의 생산 Flow에 맞추어 각 모듈별로 진행된다. 아래 그림 5는 시스템 구성도를 나타낸다.
그림 5. 제조데이터기반 스마트공장 시스템 구성도(참조 : 텔스타-홈멜 )
Fig. 5. Smart Factory System Configuration Diagram based on Manufacturing Data(Reference:Telstar-Hommel)
2. HW 구성도
시스템 구성을 위해 필요한 H/W 구성은 아래의 표 4 와 같다.
표 4. 시스템 H/W 구성도
Table 4. System H/W Configuration Diagram
각 제조실(칭량실, 제조실, 충진실, 포장실) 및 품질관리실(QC 실)의 각 설비에서 Laptop PC, Edge PC, Touch Monitor가 있으며 데이터를 Key-in의 역할을 한다. Edge PC에서 데이터를 수집하여, 취합된 데이터를 무선 AP를 통해 Cloud로 전송하게 된다. 수집된 데이터들은 Cloud 데이터를 현황판을 통해 조회할 수 있다. 아래 그림6은 이를 나타내고 있다.
그림 6. 제조데이터기반 스마트공장 하드웨어 구성도(참조 : 텔스타-홈멜)
Fig. 6. Smart Factory Hardware Configurations Based on Manufacturing Data(Reference: Telstar-Hommel)
3. SW 구성도
먼저 생산, 제조 공정에서 발생하는 각종 데이터를 생성한다. 각종 IoT 예를 들면 아래 그림7과 같이 바코드 리더기, 전자 저울 등에서 나오는 각종 데이터를 수집하여 엣지 컴퓨터로 취합하게 된다. 이때 Edge PC와 AP 무선 통신을 통해 Cloud Server로 데이터 전송하여 분석을 한다. 분석된 데이터는 위의 그림7과 같이 POP 등으로 실시간 모니터링, 품질 데이터 조회, 제품 이력 추적 등을 적용시킬 수 있으며, 각각의 기능들로 이루어진 MES구성으로 필요한 데이터들을 재구성, 활용할 수 있다. 그림 7은 소프트웨어 구성도를 나타낸다.
그림 7. 제조데이터기반 스마트공장 소프트웨어 구성도(참조 : 텔스타-홈멜)
Fig. 7. Smart Factory Software Configurations Based on Manufacturing Data(Reference: Telstar-Hommel)
Ⅳ. 실험 및 결과
1. 평가 지표
표 5는 평가지표를 나타낸다.
① 수주출하 리드타임 단축 : [1품목, 200ml, 5000EA 기준] 원, 부자재 파악 및 발주 + 원, 부자재 입고 검사 + 생산 소요 시간 + 벌크제품 QC (2days) + 제품 충포장 시간 + 중금속 분석 기간 (7days) + 서류 작업
② 설비 가동률 : 19년도 총 생산 건수 / 최대 가동 건수 (약 900건/년) * 100
③ 완제품 불량률 : 19년도 불량 발생 횟수 / 19년도 총 생산 횟수 * 100
④ Claim 건수 : 2019년 Claim 발생 건수
표 5. 평가 지표
Table 5. Evaluation Indicators
<생산>
ㅇ CGMP기준서의 제조관리, 품질관리, 제조위생관리데이터를 실시간 Key-In하여 데이터기반 구축 및 추적 가능하게 함
ㅇ 원/부자재에 Barcode System을 도입하여, 자재 현황의 실시간 모니터링 가능
ㅇ 정제수설비, 유화기 제조공정을 모니터링(PDP)하여 제조리드타임 3일단축, 설비가동율 60%로 향상
ㅇ 품질관리 기기(점도계, pH, 현미경, 굴절계, 수분 측정기 등등)들의 측정데이터를 PC수집 후 실시간 조회 가능하도록 구축
ㅇ 축적된 제조데이터를 활용하여 클레임 건수 1% 이하로 만들고, 제품 불량률 관리하여 제품 품질 상승
ㅇ 제품의 유통기한 설정을 위하여, 제품 안정성시험 규정과 표준기반으로 데이터를 Key-in하여, 일탈 시의 연구 내용을 기록, 누적 및 활용
ㅇ 연구데이터를 수집, 분석 및 제품생산에 적용 가능한 연구데이터 베이스 구축
ㅇ 품질평가(관능평가, In vivo, In vitro 등) 데이터를규정과 표준기반으로 모바일과 연동이 가능하도록 데이터 구축
ㅇ 제조, 품질관리 등의 업무를 로직화하여, 직무에 대한 기준 프로세스 구축
2. 데이터 수집
평가 지표를 달성하기 위해 데이터를 위의 그림 8과 같은 공정대로 수집하며, 아래의 표과 같이 수집될 제조데이터 종류들을 정리하였다. 위에서 설명한 각 모듈의 기능들에 필요한 데이터 종류와 데이터를 수집할 하드웨어 통신기기와 통신종류를 집계하여 정리한 내용이다.
그림 8. 제조데이터기반 스마트공장 데이터 수집 프로세스(참조 : 텔스타-홈멜)
Fig. 8. Process for smart factory data collection based on manufacturing data(Reference:Telstar-Hommel)
3. 어플리케이션 시스템의 기능
MES의 모듈마다 필요한 기능들은 그림 9에, 기능들의 상세내용은 표6과 같이 정리하였다.
그림 9. 제조데이터기반 스마트공장 어플리케이션(참조 : 텔스타-홈멜)
Fig. 9. Smart Factory Applications Based on Manufacturing Data(Reference: Telstar-Hommel)
표 6. MES 모듈별 상세내역
Table 6. Details by MES Module
4. 시스템 구축 사례
공정별 업무 절차 흐름도 공정별 업무 흐름도는 표7과 같다. 연구, 생산, 품질관리, 포장/출하 총 4단계로 구성되는 공정들은 각각의 세부적인 프로세스를 통해 생산이 이뤄지고 있다. 특히 각 공정의 개선할 수 있는 프로세스를 정립하여 아래 표와 같이 정리하여 프로젝트를 진행하였다.
표 7. 시스템 구축 현황 분석표(AS-IS)
Table 7. System deployment status analysis table (AS-IS)
공정별 업무 흐름도는 그림10(마지막 페이지 표시)과 같다. 연구, 생산, 품질관리, 포장 / 출하 총 4단계로 구성되는 공정들은 각각의 세부적인 프로세스를 통해 생산이 이뤄지고 있다. 특히 각 공정의 개선할 수 있는 프로세스를 정립하여 아래 표8과 같이 정리하여 프로젝트를 진행하였다.
그림 10. 제조데이터기반 스마트공장 공정별 업무 절차 흐름도(참조 : 텔스타-홈멜)
Fig. 10. Flowchart of Smart Factory Work Procedures Based on Manufacturing Data(Reference: Telstar-Hommel)
표 8. 전체 업무 개선 프로세스
Table 8. Complete Business Improvement Process
그림 11은 현장에 설치되어 있는 모니터링용 모니터와 바코드 리더기를 비롯한 무선 디바이스 기기를 엣지 PC로 연결하여 설치한 사례를 보여준다.
그림 11. 제조데이터기반 스마트공장 공정별 HW 설치사진(참조 : 텔스타-홈멜)
Fig. 11. Photo of HW installation by process of Smart Factory based on manufacturing data(Reference: Telstar-Hommel)
그림 12는 현장에 설치되어 있는 바코드 출력기를 포함한 현황판으로 사용되는 모니터링 디스플레이를 설치한 사례를 보여준다.
그림 12. 제조데이터기반 스마트공장 공정별 HW 설치사진(참조 : 텔스타-홈멜)
Fig. 12. Photo of HW installation by process of Smart Factory based on manufacturing data(Reference: Telstar-Hommel)
그림 13은 현장에 설치되어 있는 PLC데이터를 개조하여 무선 디바이스 장치를 비롯한 모니터링을 하는 디스플레이를 설치한 사례를 보여준다.
그림 13. 제조데이터기반 스마트공장 공정별 HW 설치사진(참조 : 텔스타-홈멜)
Fig. 13. Photo of HW installation by process of Smart Factory based on manufacturing data(Reference: Telstar-Hommel)
Ⅴ. 결론
제조업의 생존전략으로 인식되는 스마트팩토리 구축은 기술의 융복합으로 빠르게 늘고 있다⁽15⁾. 따라서 기술의 진화에 따른 품질 전략이 필요하게 되었다. 특히 개인별 맞춤형 화장품의 경우 더더욱 그러하다. 본 논문은 화장품 제조업 사례로 추가적인 사례 연구가 필요하다. 특히 2021년에는 맞춤형 화장품 신규 비즈니스 창출과 디지털 트윈을 활용한 연구, 생산, 품질 시범라인 마케팅을 진행하고 있고 LINK5 GMP 플랫폼 기반 맞춤형 화장품 스마트팩토리를 통한 신규 비지니스를 창출할 예정이다. 이는 맞춤형화장품 사업, 성분에서 빅데이터기반 효능 중심 연구 생산 및 LINK5 GMP 모델 라인 등이다.
향후 수평적 데이터의 원료, 부자재 회사 등을 LINK5 GMP에 링크시켜 연구부터 생산 품질까지 즉 PLM부터 SCM 개념을 고객에게 제공함으로서 시스템 락인과 신규비지니스 클러스터 공간 형성을 목표로 하고 있다.
참고문헌
- Kyung Im Choi. "Research Synthesis of Skin Trouble Analysis according to Age and Customized Cosmetics", The Journal of the Korean Society of Make-up Design, 12(1), 15-29, 2016. DOI:https://www.earticle.net/Article/A297304
- DMC MEDIA, "Current Status and Prospect of Personalization Marketing" IT WORLD KOREA, 2017. DOI:http://www.itworld.co.kr/techlibrary/104721,
- Seong Sim Kwon, Hyun Jin Jeon, "Customized Cosmetics Purchase Behavior by Consumer Age", J. Korea Soc. Beauty Art, vol.21, no.1, 통권 69호 pp. 229-240 (12 pages), 2020. Link: c https://doi.org/10.18693/jksba.2020.21.1.229
- Bae Sang-hee and Jang Young-jin, "The Growth and Location of Cosmetics Manufacturers: As AmorePacific", 2019. Link: https://c11.kr/m48l
- Ji-yu Hong, Young-Sam Kim, "Improving the System of the National Qualification Test for Customized Cosmetic Preparation Managers", Asian Journal of Beauty and Cosmetology, 18(3), 341-354, 2020 DOI: https://www.earticle.net/Article/A381664 https://doi.org/10.20402/ajbc.2020.0044
- Nam, Minkyung, Jung, Euitay, "A Study on Software the Mobile Interfaces of a Manufacturing Data Analysis Platform for SMEs", Journal of Integrated Design Research, 19(2), 71-88, 2020. DOI: 10.21195/jidr.2020.19.2.005
- Ju Yeon Lee, "A Study on the Production Informatization Strategy for Korean SMEs of Manufacturing Industries (I) - Evaluation of Production Informatization Level", Journal of the Korean Society for Precision Engineering, VOL. 30 No. 2 , P194-P205, 2013. DOI: 10.7736/KSPE.2013.30.2.194
- Yu Won Shin, Min Sun Shin, "2019 Cosmetic Industry Analysis Report", Korea Health Industry Promotion Agency, 2019. Link: https://c11.kr/m48p
- Jong-Hyun Lim, Jong-Wook Kim, "Privacy-Preserving Aggregation of IoT Data with Distributed Differential Privacy", The Korean Society Of Computer And Information, vol.25, no.6, pp. 65-72 (8 pages), 2020. DOI: 10.9708/jksci.2020.25.06.065
- A. Whitmore, A. Agarwal & L. Da Xu., "The Internet of Things-A survey of topics and trends", Inf. Syst. Front., 17(2), 261-274, 2015. DOI: 10.1007/s10796-014-9489-2
- R. Roman, P. Najera & J. Lopez, "Securing the Internet of Things", Computer, 44(9), 51-58, 2011. DOI: 10.1109/MC.2011.291
- H. Ning&H. Liu, "Cyber-physical-social-thinking space based science and technology framework for the Internet of Things", Sci. China Inf. Sci., 58(3), 1-19, 2015. DOI : 10.1007/s11432-014-5209-2
- Sung-Nam Cho, Yoon-Su Jeong, "Different Heterogeneous IoT Data Management Techniques for IoT Cloud Environments". The Journal of The Institute of Internet, Broadcasting and Communication (IIBC), Vol. 18, No. 4, pp.191-203, 2018. DOI: https://doi.org/10.1007/s11432-014-5209-2
- Jung-soo Park, "Platform for accumulation is a prerequisite for a successful smart factory", Edaily Microscope, No.11, 2020. Link: https://c11.kr/m48b
- Hye Ran Chong, Kyoung Han Bae, Min Koo Lee, Hyuck Moo Kwon, Sung Hoon Hong, "Quality Strategy for Building a Smart Factory in the Fourth Industrial Revolution" Korean Society for Quality Management, Vol. 48 No. 1 (2020) pg. 87, 19 p. Mar, 2020. DOI: https://c11.kr/ktsp
- Se In Kwon, Jong Gon Yang, "A Study on the Structural Relationship among Technological Determinants, Manufacturing Operations, and Performances for Implementing a Smart Factory in Small Businesses", Journal of the Korea Academia-Industrial cooperation Society, Volume 21 Issue 11 / Pages.650-661, 2020. DOI: https://doi.org/10.5762/KAIS.2020.21.11.650
- Cheol Je Seong, Dong Hyun Shin, Chang hwa Kim, "Considerations on Methods for Logging and Tracing Events in Internet of Things", Korea Institute of Information Technology Magazine, Vol.12 No.2, 2014 Link: https://c11.kr/m494