산업 자동화에서의 인간 감독

음료 공장의 완전 자동화된 생산 라인에서, 기계가 지정된 양보다 2밀리리터 적게 매 12번째 병을 채우는 바람에 문제가 발생했습니다. 라인의 검사 장비는 사용 중인 카메라의 허용 오차 범위 내에 있었기 때문에 이 편차를 감지하지 못했습니다. 그 결과 개입이 없었고 라인은 프로그래밍에 따라 작동했습니다. 이 실수는 생산 라인에서 샘플을 채취하고 분석한 품질 기술자에 의해 작업의 세 번째 교대 중에 나중에야 발견되었습니다.

기계는 완벽하게 작동하고 있었지만, 생산 과정에서 발생할 수 있는 미세한 변화조차 감지할 수 없었습니다. 이는 자동화된 생산 라인의 전형적인 고장에 불과합니다. 생산 과정에서 인간의 개입은 일시적인 완전 자동화의 결여가 아니라, 센서가 수행하지 못한 기능을 수집하고, 컴퓨터가 해석할 수 없는 데이터를 해석하며, PLC, 비전 시스템 또는 AI 프로그램이 내릴 수 없는 결정을 내리는 영구적인 정보 시스템입니다. 인간의 지능이 필요한 시점과 장소를 아는 것은 잘 작동하는 생산 라인과 잘 작동하지 않는 생산 라인을 구별하는 중요한 요소입니다.

자동화가 인간의 판단 필요성을 없앨 수 없는 이유

자동으로 운영되고 인간의 개입이 없는 공장의 야망은 수년간 제조업에서 관심의 주제가 되어 왔습니다. 이러한 비전이 현실이 된 제조 공정도 있지만, 대부분의 경우 생산 자체의 특성 때문에 제조 과정에 사람이 필요합니다. 자동화 시스템은 그들이 알고 있는 상황을 처리하도록 설계되었습니다. 센서는 어떤 매개변수의 값을 포착하고; PLC는 이를 설정된 값과 비교하며; 액추에이터는 불일치를 수정합니다. 이러한 지속적인 피드백 시스템은 설계된 조건이 변경되지 않는 한 올바르게 작동할 수 있습니다. 상황이 변경되면, 예를 들어 원자재가 변경되거나 도구가 마모되면, 시스템은 자동 모드로 계속 작동하지만 결함이 있는 제품을 생산합니다.

여기서 인간은 로봇에서는 찾을 수 없는 장점을 가지고 있습니다 - 그들은 이상한 패턴을 식별하고 이를 문제로 간주할 수 있습니다. 그들은 이전에 발생한 적이 없는 독특한 발전을 처리할 수 있습니다. 또한 그들은 과거 경험, 직관 및 고객의 요구, 규칙 및 기업의 목표와 같은 상황에 대한 이해를 바탕으로 결정을 내릴 수 있습니다. McKinsey & Company의 연구에 따르면, 가장 좋은 접근 방식은 사람 대신 로봇을 사용하는 것이 아니라, 기계와 함께 인간을 사용하는 것이며, 단순히 기계가 혼자 작업하도록 두는 것이 아닙니다. 가장 진보된 공장들은 직원 수가 가장 적은 것이 아니라, 직원과 기계의 기술 세트를 가장 잘 활용하는 공장입니다.

자동화 환경에서 인간 감독의 주요 기능

인간 감독 단일 작업이 아닙니다. 이는 자동화 생애 주기의 서로 다른 지점에서 작동하며 서로 다른 수준의 기술과 주의를 요구하는 기능 집합입니다. 아래 표는 주요 감독 기능과 일반적인 자동화 생산 환경에서의 적용 위치를 요약합니다.

인간 감독이 가장 중요한 곳: 고위험 프로세스

자동화 시스템 전반에 걸친 인간의 감독은 균일하지 않습니다. 가장 중요한 것은 실패가 부상, 사망 또는 환경에 심각한 피해를 초래할 수 있는 상황에서 필요하다는 것입니다. 제약 생산 라인의 경우, 인간 운영자는 자동화된 비전 시스템이 바코드를 스캔하여 구획의 내용물이 라벨에 적힌 것과 동일한지 확인할 수 없기 때문에 생산이 시작되기 전에 컨베이어에 적절한 제품이 있는지와 컨베이어가 적절히 청소되었는지를 확인합니다. 항공기 엔진 조립 작업장에서 누군가는 필수 볼트가 제대로 조여졌는지 확인해야 하며, 이는 독립적으로 판독값을 고정할 수 있는 도구를 사용해야 합니다. 자동화 시스템이 완벽하게 작동하더라도 단 하나의 볼트를 놓치는 결과는 너무 심각합니다.

인간 감독의 경제학: 비용과 절약

인간 관리가 과거의 일이라고 생각하기 쉽습니다. 이는 자동화된 공장을 운영하는 운영 비용을 단순히 증가시키기 때문입니다: 운영자의 급여, 그들의 교육 및 감독 과정의 시간. 그러나 실제로 모든 것은 훨씬 더 복잡합니다. 인간 관리의 비용은 매우 제한적이며, 이는 처리 라인 기계의 관리 비용으로 약 5-15%로 구성됩니다. 훈련된 전문가를 고용하는 과정에서 운영자와 기술자를 포함합니다. 인간 관리 비용이 상대적으로 적음에도 불구하고 실패가 발생할 때 우리는 이를 잊는 경향이 있습니다.

손상된 제품의 단일 배송, 하나의 보증 사례, 하나의 사고 — 이러한 모든 상황은 수년간의 인간 급여를 초과하는 비용으로 이어질 수 있습니다. 인간 관리 비용의 논리는 사람들이 기계보다 저렴하다는 것을 나타내기 위한 것이 아니라, 사람들이 기계가 스스로 해결할 수 없는 경우의 실패 예방의 유일한 형태라는 것을 강조하기 위한 것입니다. 인간 관리 기능이 설계된 기계는 사람을 포함하지 않고 작동하는 어떤 기계보다 더 잘 작동할 수 있습니다. MCB 생산 라인에서 자동화된 테스트 및 검사 스테이션이 인간 운영자와 품질 엔지니어가 의존하는 데이터를 생성하는 방법에 대한 자세한 내용은 우리의 가이드를 참조하십시오. MCB 자동 테스트 라인이란 무엇인가 인간의 해석과 서명이 필요한 보정 및 검증 기능을 설명합니다.

효과적인 인간 감독을 위한 자동화 설계

자동화 시스템에서 인간 제어를 사용할지 여부는 설계 단계에서 결정해야 하며, 나중에 쉽게 추가할 수 없습니다. 제조 시스템이 완전 자동화되는 아이디어를 중심으로 구축되고 운영자 접근을 제외하는 기능이 있다면, 어떤 인간 감독과도 원활하게 작동하지 않을 것입니다. 다음 설계 원칙은 이 프로세스를 감독하기 쉽게 만들거나 실제로 인간의 영향을 방해하고 중단하는 자동화 유형을 식별할 것입니다.

• 운영자를 위해 HMI를 설계하고, 엔지니어를 위해서는 설계하지 마십시오. 운영자가 볼 수 있는 생산 화면은 사이클 시간, 출력 및 다양한 색상, 화살표 등으로 표시된 알람과 같은 주요 지표를 보여야 합니다. 엔지니어링 진단 디스플레이는 접근 가능하게 만들 수 있지만 운영자의 요청 없이 열리도록 설정해서는 안 됩니다.
• 중요한 검사 지점에 대한 물리적 접근을 제공합니다. 비전 시스템이 독립적으로 구성 요소를 검사할 수 있음에도 불구하고 인간이 결과를 확인해야 하는 특정 사례가 있습니다. 검사 창, 분리 가능한 덮개 및 샘플을 수집할 수 있는 장소의 존재는 누군가가 특정 부품을 꺼내어 측정하여 자동화에서 생성된 판독값이 정확한지 확인할 수 있게 합니다.
• 감독을 지원하는 데이터를 기록하고 표시합니다. 불일치를 조기에 감지하기 위해서는 생산 라인에서 생성된 중요한 정보를 문서화, 분석 및 제시하는 것이 필수적입니다. 여기에는 토크 값, 보정 결과 및 시각적 검사 결과가 포함되어 데이터가 잘못되기 전에 변화를 이해하는 데 도움이 됩니다. 예를 들어, 보고의 성격이 단순히 시간당 합격-불합격 수치를 표시하는 것이라면 도구가 더 마모되고 있는지 조사하는 데 필요한 정보를 제공하지 않습니다.
• 안전하게 개입할 수 있는 능력을 내장합니다. 운영자는 프로세스를 중단하고, 작업물을 조사한 다음 모든 점검이 완료된 후 안전 문제나 데이터 손실의 위험 없이 프로세스를 활성화할 수 있는 진정한 능력과 방법을 갖추어야 합니다.

벤롱 자동화의 전기 제조 부문을 위한 조립 및 테스트 라인은 이러한 원칙으로 설계되었습니다. 벤롱의 HMI는 MCB 자동 조립 라인 운영자에게 실시간 보정 데이터, 추세 차트 및 알람 상태를 제공하며, 제어 아키텍처는 원격 진단 및 개입을 지원합니다. 자동화된 라인은 블랙 박스가 아닙니다. 이는 훈련된 운영자가 모니터링하고 해석하며 개선할 수 있는 투명한 데이터 생성 시스템입니다.

자주 묻는 질문

자동화된 공장이 인간의 감독 없이 운영될 수 있습니까?

소수의 고도로 반복적이고 예측 가능한 프로세스 — 예를 들어 전용 고용량 포장 라인 — 무인 운영 제한된 기간 동안 가능할 수 있습니다. 대다수의 제조 작업에서 인간의 감독 없이 완전한 자율성은 실용적이지도 안전하지도 않습니다. 자동화 시스템은 낯선 패턴을 인식하거나, 맥락에 따라 결정을 내리거나, 프로그래밍되지 않은 상황에 대응할 수 없습니다. 이상 탐지, 안전 검증 및 예외 처리를 위해서는 인간의 감독이 여전히 필수적입니다.

자동화된 라인을 감독하는 데 필요한 운영자는 몇 명입니까?

잘 설계된 자동화된 라인 이전에 10명에서 15명의 수동 조립자가 필요했던 것이 일반적으로 교대당 2명에서 3명의 운영자가 감독할 수 있습니다. 그들의 역할은 조립을 수행하는 것에서 라인을 모니터링하고, 첫 번째 제품 검사를 수행하며, 경고에 대응하고, 예방 유지보수를 수행하는 것으로 전환됩니다. 운영자 대 출력 비율은 극적으로 개선되지만, 0이 되지는 않습니다.

자동화를 감독하기 위해 운영자에게 필요한 교육은 무엇인가요?

자동화 장비를 감독하는 운영자 는 라인의 특정 HMI 및 제어 시스템, 라인이 충족해야 하는 품질 기준, 일반적인 결함의 기본 진단(부품 막힘, 센서 결함, 보정 드리프트), 안전 개입 절차(라인을 멈추는 방법, 결함을 제거하는 방법, 위험이나 데이터 격차를 만들지 않고 재시작하는 방법)에 대한 교육이 필요합니다. 이 교육은 일반적으로 자동화 통합자가 커미셔닝 프로세스의 일환으로 제공합니다. AI가 미래에 인간 감독의 필요성을 줄일까요?.

AI는 인간 감독의 성격을 변화시키겠지만, 이를 없애지는 않을 것입니다. AI 기반 비전 시스템은 규칙 기반 시스템이 놓치는 결함을 감지할 수 있으며, AI 기반 예측 유지보수는 고장이 발생하기 며칠 전에 이를 예측할 수 있습니다. 그러나 그에 따른 결정(라인을 멈출지, 배치를 격리할지, 공정 매개변수를 조정할지 등)은 여전히 인간의 판단을 필요로 할 것입니다. 이는 AI가 할 수 없는 트레이드오프를 포함하기 때문입니다: 가동 중지의 비용 대 결함의 위험, 규제 의무 대 생산 목표, 근로자의 안전 대 납품의 긴급성.

McKinsey & Company — 제조의 미래: 인간-기계 협업.

참고 자료

• . 인간 감독 및 개입을 위해 설계된 자동화의 생산성 및 품질 결과에 대한 연구.. Deloitte — 제조 인력의 변화하는 역할.
• . 수동 조립에서 자동화 생산 관리로의 기술 전환 분석 및 데이터 해석 및 의사 결정 기술의 중요성 증가.. International Society of Automation (ISA) — 인간-기계 인터페이스 설계 기준.
• . 자동화 환경에서 효과적인 인간 감독을 지원하는 HMI 설계를 위한 기준 및 모범 사례.. International Federation of Robotics (IFR) — 협동 로봇 및 인간-로봇 상호작용.
• . 협동 자동화의 성장 및 유연한 로봇 보조 생산 셀에서 인간 운영자의 역할에 대한 데이터 및 분석.. 산업 자동화에서의 인간 감독.

산업 자동화에서의 인간 감독 자동화의 반대가 아니다. 그것은 보완물이다 — 센서가 놓치는 것을 포착하고, 알고리즘이 해석할 수 없는 것을 해석하며, 어떤 기계도 혼자서 신뢰할 수 없는 안전 및 품질 결정을 내리는 지능의 층이다. 사용자 친화적인 HMI, 쉽게 접근할 수 있는 테스트 포인트 및 관련 정보에 접근할 수 있는 능력을 갖춘 최적 감독을 위한 조립 라인은 자동화 프로세스만을 위해 설계된 조립 라인보다 더 빠르게 작업하고 고품질 제품을 더 효율적으로 생산할 수 있는 조립 라인이다. 이에 따라 Benlong Automation은 이 원칙에 부합하는 조립 라인을 개발하며, 자동화의 목표는 생산에서 인간을 제거하는 것이 아니라, 인간이 적절한 감독을 수행하는 데 필요한 정보를 제공하는 것이다.