[사례] AI 산업 시장 #2 부품 중복 찾아내는 머신 러닝

엘리베이터 제조업체인 Wittur는 일련의 인수합병을 마친 후 중대한 문제를 마주했습니다. 프로젝트 내에서 중복 부품을 줄이고 재사용률을 늘리고 싶었지만, 방대한 양의 데이터가 전세계 공장 네트워크에 분산돼 있는 탓에 부품을 표준화하기도, 재사용하기도 어려웠던 것입니다.

이런 문제를 해결하기 위해 Wittur는 다쏘시스템 EXALEAD(엑잘리드) 솔루션 중 하나인 소싱&스탠다디제이션 인텔리전스를 채택했습니다. 구형 SQL 데이터베이스 등 분산 저장된 부품 데이터에 전세계 어디서든 접근하기 위해서입니다.

그 결과 Wittur 엔지니어들이 정보를 찾는데 소요되는 시간은 일평균 20시간 이상 감소했습니다. 덕분에 중복된 부품도를 줄이는 한편, 연평균 18만4천만 유로에 상응하는 엔지니어링 시간을 더 가치있는 작업에 투자할 수 있게 됐죠.

이 사례에서 보듯 EXALEAD의 ‘소싱&스탠다디제이션 인텔리전스(Sourcing & Standardization

Intelligence)’ 솔루션은 일반적으로 큰 비용을 초래하는 네 가지 문제를 해결합니다.

첫째, 제품 부품 표준을 정의하고 여러 프로젝트에서 이를 공유하는 것.

둘째, 새 부품을 만들지, 이전 프로젝트에서 사용했던 부품을 재사용할지, 부품 제조업체로부터 부품을 구매할지 결정하는 것.

셋째는 구매 부서가 비용 효율을 개선하기에 적합한 수준의 정보를 확보하는 것입니다.

마지막으로 대외 구매 및 표준화 정책에 따라 설계의 재사용을 유도합니다. 이는 형상 유사성 등을 기준으로 부품을 자동으로 그룹화하고, 설계·조달 부서 간 단절을 타파하는 AI, 머신러닝 기술이 있기에 가능한 일입니다. 결과적으로 대외 구매 관리자는 지정된 기준에 따라 분류된 부품 데이터를 검토하고, 중복되는 레퍼런스 부품도를 삭제하거나 부품 제조업체와 재협상하는 데 필요한 조치를 취할 수 있게 된 것입니다.

다쏘시스템은 EXALEAD를 인수한 뒤 3D 익스피리언스 플랫폼을 기반으로 EXALEAD 솔루션에 AI, 머신러닝 기술을 통합시켰습니다. 엑잘리드는 창립 초기부터 머신러닝 도구·기술을 비롯한 빅데이터 관리 기술과 고급 분석 기능을 통합하는 솔루션을 개발하는 데 매진해온 회사입니다.

Wittur 뿐 아니라 세계 최고의 무선 주파수 제품·서비스 제공업체로 꼽히는 버드 테크놀로지스(Bird Technologies)도 이 솔루션을 활용해 3천개 이상의 중복된 부품도를 찾아냈습니다. 무려 75%를 줄인 것입니다. 기존 부품도의 재사용률 역시 증가할 것으로 예상됩니다.

존 윈터(John Winter) 버드 엔지니어링 관리자는 “회사가 보유 중인 많은 3D 모델을 설계에 재사용할 경우 비용과 출시 시간을 크게 줄일 수 있다고 판단했다”고 말합니다. 또한 윈터는 애플리케이션을 아주 쉽게 설치할 수 있다고 강조합니다. “시스템을 설치하고 난 후 애플리케이션을 제대로 사용하기까지 6시간도 채 걸리지 않았습니다.”

다쏘시스템의 EXALEAD 포트폴리오에는 ‘V+R 인텔리전스’ 솔루션도 포함됩니다. 머신러닝 기술을 응용해 맞춤형 분석 문제를 해결하는 솔루션입니다. 전방위적 인프라 및 고객 파악, 고객 이탈 위험 분석, 판매 전망 평가, 고객 타깃팅, 규제 발견 등 다양한 목적에서 사용하기 적합합니다.

또한 인더스트리 인텔리전스 솔루션은 자사 비즈니스에 큰 영향을 미치는 모든 소셜 웹 데이터를 확인하고, 이를 토대로 대응할 수 있습니다. 머신러닝 지원 알고리즘 덕분에 사용자는 소셜 웹 데이터를 분석하고 통합 대시보드에서 관련 정보를 추출해 의사결정을 내리는 데 활용할 수 있습니다. 지속적인 제품 개선과 통합은 물론 분석 거버넌스, 기록·버전 관리를 지원하므로 고객이 프로세스, 운영 효율, 비즈니스 성과를 개선하는 데 이상적입니다.

다쏘시스템 EXALEAD에 대한 자세한 정보는 아래 링크에서 확인하실 수 있습니다.

댓글을 달 수 없는 글입니다.