강의

멘토링

커뮤니티

NEW
업무 생산성

/

업무 생산성 기타

생산 설비 종합 효율 향상법

[강좌 소개] OEE 60%의 벽을 넘어, AI 기반의 '예측 가능한 공장'을 설계하다 "당신의 공장은 멈춰 있습니까, 아니면 예측하고 있습니까?" 많은 제조 현장이 '열심히' 돌아가고 있지만, 정작 글로벌 표준인 World Class OEE 85%의 문턱을 넘지 못하고 있습니다. 설비는 예고 없이 고장 나고(Breakdowns), 데이터는 ERP와 현장(MES) 사이 어딘가에서 단절되어 있으며(Data Silo), 4차 산업혁명이라는 거창한 구호는 현장의 실제 문제와 동떨어져 있습니다. 이 강의는 단순히 OEE 공식을 외우는 이론 수업이 아닙니다. "왜 우리 공장의 효율은 오르지 않는가?"라는 질문에 대해, 데이터와 표준(Standard)으로 답을 찾는 실전 엔지니어링 마스터 클래스입니다. 1. 수강생이 직면한 문제 (The Pain Point) 보이지 않는 낭비: 10분 미만의 잦은 '일시 정지(Minor Stops)'와 '속도 저하'가 생산성을 갉아먹고 있지만, 수기 기록으로는 원인을 찾을 수 없습니다. 사후약방문식 대응: 설비가 고장 난 뒤에야 수리하는 '사후 보전(Reactive)' 방식 때문에 긴급 정지가 반복되고 비용은 눈덩이처럼 불어납니다. 데이터의 단절: 경영진은 ERP의 재무 지표를 보고, 현장은 기계의 센서 데이터를 보지만, 이 둘을 연결하는 표준(ISA-95)이 없어 의사결정이 지연됩니다. 2. 제가 제시하는 해결책 (The Solution) 저는 여러분께 '불확실성(Uncertainty)'을 '예측 가능성(Predictability)'으로 바꾸는 명확한 로드맵을 제시합니다. Step 1. 6대 손실의 시각화: OEE를 저해하는 16가지 손실 구조를 파해쳐, '숨겨진 공장(Hidden Factory)'을 데이터로 드러냅니다. Step 2. 강력한 실행 도구 (Toolbox): 고장을 제로화하는 TPM, 교체 시간을 획기적으로 줄이는 SMED, 그리고 현장의 진실을 찾는 Gemba Walk 프로토콜을 전수합니다. Step 3. AI와 글로벌 표준의 결합: 감(Gut feeling)이 아닌 데이터로 일하는 법을 배웁니다. ISA-95 표준을 통해 시스템을 통합하고, AI 기반 예지 보전(PdM)과 디지털 트윈(ISO 23247)을 통해 고장을 사전에 차단하는 미래 기술을 적용합니다. 3. 강사 전문성 및 경험 (Why Me?) 저는 전통적인 제조 현장의 땀방울과 최첨단 스마트 팩토리의 데이터 흐름을 모두 경험했습니다. 현장 중심의 개선: 단순한 이론가가 아닙니다. 설비의 볼트를 조이는 자주 보전부터 시작하여, 공정 능력을 극대화하는 SPC(통계적 공정 관리)까지 현장에서 검증된 방법론만을 다룹니다. 글로벌 표준 리더십: 국내외 완성차 및 선진 제조 기업이 요구하는 ISA-95 시스템 통합과 ISO/IEC 42001(AI 경영시스템) 표준을 실무에 즉시 적용할 수 있도록 해석해 드립니다. 미래 지향적 통찰: 단순 생산성을 넘어, 에너지 효율(OEEE)과 탄소 중립까지 고려하는 지속 가능한 제조 전략을 가이드합니다. 4. 수강 후 변화 (The Outcome) 이 강의를 마친 후, 여러분은 더 이상 설비가 언제 멈출지 불안해하지 않게 될 것입니다. 데이터 기반 의사결정: "기계가 이상한 것 같아요"가 아니라, "진동 데이터 패턴 분석 결과 3일 내 베어링 고장이 예측됩니다"라고 말하게 됩니다. 재무적 성과 창출: 낭비 제거를 통해 추가 설비 투자 없이 생산량(CAPA)을 늘리는 '비용 회피(Cost Avoidance)' 효과를 입증하게 됩니다. 지금, 여러분의 공장을 'Re-Engineering' 하십시오. 그 여정을 제가 함께하겠습니다

3명 이 수강하고 있어요.

난이도 초급

수강기한 무제한

  • HJ Kim (DaeGam)
효율성
효율성
oee계산
oee계산
tpm
tpm
skpsmtpmessage
skpsmtpmessage
isa95
isa95

수강 후 이런걸 얻을 수 있어요

  • ① 표준화된 OEE 손실 분석 시트 (OEE Loss Analysis Sheet) • 내용: 작업자의 주관적인 기록(수기)을 배제하고, **표준화된 에러 코드(Error Codes)**에 기반하여 설비의 정지 원인을 기록하는 데이터 시트입니다. • 결과: '모터 고장' 같은 막연한 기록 대신 M-01 (Motor Failure - Overheat)와 같이 데이터베이스화 가능한 형태로 6대 손실을 매핑하는 로직을 완성합니다

  • ② 90일 실행 로드맵 (90-Day Execution Plan) • 내용: 막연한 혁신이 아닌, **30일: 기반 조성] →60일: 시범 적용] → [61~90일: 확산]**으로 이어지는 구체적인 액션 플랜입니다. • 결과: Gemba Walk(현장 관찰) 루틴 설정부터 병목 공정(Bottleneck) 선정, TPM 파일럿 적용까지의 단계별 실행 계획표를 손에 쥐게 됩니다.

  • ③ ROI 및 비용 회피 보고서 (Financial Impact Report) • 내용: 경영진을 설득할 수 있는 재무적 근거 자료입니다. OEE 10% 향상이 설비 투자(CapEx)를 얼마나 줄여주는지(Cost Avoidance) 수치로 증명합니다. • 결과: "생산성을 높이자"는 구호 대신, **"셋업 시간 50% 단축을 통해 재고 보유 비용을 줄이고, 추가 설비 투자 없이 생산량을 40% 증대한다"**는 정량적 보고서를 작성할 수 있습니다

  • ④ ISA-95 기반 데이터 통합 아키텍처 도면 • 내용: 현장의 센서(Level 1)부터 MES(Level 3), ERP(Level 4)까지 데이터가 어떻게 흐르는지 보여주는 시스템 청사진입니다. • 결과: 데이터 사일로(Silo)를 제거하고, ERP의 생산 계획과 현장의 실적 데이터를 실시간으로 동기화하는 인터페이스 모델을 설계할 수 있습니다

  • 수강생은 **"왜?"(Why)**를 질문하고 **"데이터"(Data)**로 답하는 다음과 같은 문제 해결 능력을 갖추게 됩니다. ① '숨겨진 공장'을 찾아내는 진단 능력 (Diagnostic Capability) • 단순히 설비가 멈춘 것(Breakdown)만 보는 것이 아니라, 눈에 보이지 않는 **10분 미만의 일시 정지(Small Stops)와 속도 저하(Reduced Speed)**가 전체 효율을 어떻게 갉아먹는지 데이터로 식별해 냅니다. • 만성적인 손실(Chronic Loss)과 돌발적인 고장(Sporadic Loss)을 구분하고, 이에 맞는 해결 도구(TPM vs SMED)를 정확히 처방할 수 있습니다. ② 시스템적 사고와 표준 준수 능력 (Standardization & Governance) • ISO/IEC 42001(AI 경영시스템) 및 ISO 23247(디지털 트윈) 등 글로벌 표준을 이해하고, 이를 기반으로 우리 공장의 시스템이 국제 규격에 부합하는지 평가할 수 있습니다. • 개인의 경험에 의존하는 것이 아니라, 표준화된 절차(SOP)와 관리도(Control Chart)를 통해 공정 변동성을 제어하는 SPC(통계적 공정 관리) 능력을 갖춥니다. ③ AI 및 디지털 기술 활용 능력 (Digital & AI Literacy) • 과거 데이터를 분석하는 '설명적(Descriptive)' 단계를 넘어, **AI 예지 보전(PdM)**을 통해 고장을 미리 예측하고, **인과적 AI(Causal AI)**를 통해 문제의 근본 원인을 처방(Prescriptive)하는 기술적 시야를 확보합니다. • 기존의 물리적 셋업(SMED)을 넘어, 디지털 트윈 상에서 시뮬레이션을 통해 최적의 작업 동선을 도출하는 SMED v2 역량을 이해합니다. ④ 현장 중심의 리더십 (Gemba Leadership) • 사무실의 KPI 차트와 현장의 물리적 실체 사이의 간극(Gap)을 메우기 위해, 8단계 Gemba Walk 프로토콜을 수행하며 작업자를 비난하지 않고 프로세스의 결함을 찾아내는 리더십을 발휘하게 됩니다. 결론적으로 수강생은 **"불확실한 제조 현장을 예측 가능한(Predictable) 데이터 기반 공장으로 전환하는 설계자(Architect)"**가 될 것입니다.

"불확실한 제조 현장을 ‘데이터’와 ‘표준’으로 통제하고, AI로 ‘예측 가능한 미래’를 설계하십시오."

본 강의는 단순히 설비 효율(OEE)을 계산하는 방법을 알려주는 이론 수업이 아닙니다. 전통적인 제조 공학의 핵심인 TPM, SMED, Lean 방법론부터, 현대 제조의 필수 요소인 ISA-95 시스템 통합, ISO 표준, 그리고 AI 기반 예지 보전(PdM)까지 아우르는 ‘제조 운영 혁신(Operational Excellence)의 A to Z’를 다루는 실전 엔지니어링 과정입니다.

--------------------------------------------------------------------------------

1. 강의 기획 배경: 왜 지금 이 강의인가?

4차 산업혁명 시대에도 여전히 많은 공장이 ‘감(Gut Feeling)’에 의존하거나, ‘데이터 사일로(Data Silo)’에 갇혀 있습니다. 경영진은 ERP 상의 재무 지표를 보지만, 현장 엔지니어는 엑셀에 수기로 데이터를 기록하며 서로 다른 언어로 대화합니다.

본 과정은 이러한 현장의 단절을 극복하기 위해 설계되었습니다. 우리는 OEE라는 글로벌 표준 지표를 중심으로 ‘숨겨진 공장(Hidden Factory)’의 낭비를 발굴하고, 이를 해결하기 위한 구체적인 엔지니어링 도구(Toolbox)를 제시하며, 최종적으로 AI와 디지털 트윈을 통해 자율 운영(Autonomous Operations)으로 나아가는 로드맵을 제공합니다.

--------------------------------------------------------------------------------

2. 섹션별 상세 커리큘럼 (Deep Dive)

본 강의는 기초부터 심화까지 논리적으로 연결된 6개의 핵심 모듈로 구성되어 있습니다.

SECTION 1. 제조 효율성 마스터하기 (Foundation of OEE)

OEE의 재정의: OEE(설비 종합 효율)를 단순한 생산성 지표가 아닌, 제조 경쟁력을 진단하는 ‘청진기’로 활용하는 법을 배웁니다. 가용성(Availability), 성능(Performance), 품질(Quality)의 3대 요소를 통해 완전한 생산(Perfect Production)과 현재 수준의 격차(Gap)를 정량화합니다.

글로벌 표준 목표: 왜 글로벌 제조 기업들이 85%의 World Class OEE를 목표로 하는지, 그리고 이산형 제조(Discrete Manufacturing) 환경에서 이를 달성하기 위한 기본 원칙을 확립합니다.

SECTION 2. 6대 손실 정밀 분석 (Six Big Losses)

숨겨진 낭비의 시각화: OEE를 저해하는 구체적인 적(Enemy), 즉 ‘6대 손실’을 파해칩니다. 설비 고장(Breakdowns)뿐만 아니라, 데이터로 포착하기 힘든 10분 미만의 일시 정지(Small Stops)속도 저하(Reduced Speed)가 어떻게 전체 효율을 갉아먹는지 규명합니다.

근본 원인 분석(RCA): 4M(Man, Machine, Material, Method) 관점에서 생선뼈(Fishbone) 다이어그램과 5 Whys 기법을 활용하여, 표면적인 증상이 아닌 문제의 뿌리를 뽑는 분석 역량을 기릅니다.

SECTION 3. 생산성 혁신 도구 (Operational Excellence Toolbox)

TPM (전사적 생산 보전): 사후 보전(Reactive)에서 예방/예지 보전으로 전환합니다. 운전원이 직접 설비를 관리하는 자주 보전(Autonomous Maintenance) 체계를 구축하여 고장을 사전에 차단합니다.

SMED (싱글 분 셋업): 설비가 멈춰 있는 ‘내부 준비’ 시간을 가동 중 수행 가능한 ‘외부 준비’로 전환(Convert)하여, 셋업 시간을 10분 이내로 단축하는 기법을 전수합니다. 이를 통해 다품종 소량 생산의 유연성(Agility)을 확보합니다.

Gemba Walk (현장 경영): 책상 위 데이터와 현장의 진실(Ground Truth) 사이의 간극을 메우기 위한 8단계 현장 관찰 프로토콜을 학습합니다.

SECTION 4. 데이터 기반 실행 전략 (Data & Execution Strategy)

신뢰성 공학 지표: MTBF(평균 고장 간격)를 늘리고 MTTR(평균 복구 시간)을 줄이기 위한 구체적인 전략을 수립합니다. 특히 수리 시간의 50%를 차지하는 ‘진단(Diagnose)’ 시간을 줄이는 노하우를 공개합니다.

SPC & 공정 능력: 통계적 공정 관리(SPC)와 Cp/Cpk 지수를 활용하여, 제품이 만들어지기 전에 공정 변동(Variation)을 제어하고 불량을 예방하는 품질 보증 체계를 구축합니다.

디지털 데이터 아키텍처: 수기 기록(Level 1)의 한계를 넘어, 센서와 PLC에서 데이터를 자동 수집(Level 3)하는 아키텍처와 표준 데이터 시트 설계법을 배웁니다.

SECTION 5. 제조 표준 경쟁력 (Standardization & ISA-95)

ISA-95 시스템 통합: ERP(경영)와 MES(제조) 사이의 ‘데이터 통역사’ 역할을 하는 ISA-95(IEC 62264) 표준을 학습합니다. 이를 통해 데이터 사일로를 제거하고, 전사적인 데이터 통합 모델(B2MML)을 설계할 수 있습니다.

MES 고도화: 단순 기록용 MES가 아닌, 실시간 제어와 예측 분석이 가능한 차세대 MES 구축 전략을 수립합니다.

SECTION 6. AI, 디지털 트윈 및 거버넌스 (Future Readiness)

AI & 디지털 트윈: ISO 23247 표준 기반의 디지털 트윈을 통해 물리적 자산을 가상화하고, 인과적 AI(Causal AI)를 활용하여 고장의 원인을 처방(Prescriptive)하는 최첨단 기술을 다룹니다.

OEEE (에너지 효율 통합): 생산성(OEE)에 에너지 효율(Energy Efficiency)을 결합한 OEEE 지표를 통해 탄소 중립과 비용 절감을 동시에 달성하는 지속 가능한 제조 전략을 제시합니다.

AI 거버넌스: ISO/IEC 42001EU AI Act에 대응하여, AI 시스템의 리스크를 관리하고 신뢰성을 확보하는 관리 체계를 수립합니다.

--------------------------------------------------------------------------------

3. 이 강의가 필요한 분 (Target Audience)

생산 및 제조 엔지니어: 설비 효율을 높이고 싶지만, 명확한 데이터 분석 방법과 개선 도구(Tool) 부재로 답답함을 느끼는 실무자.

설비 보전(Maintenance) 담당자: 고장이 나야만 수리하는 ‘소방수’ 역할에서 벗어나, 데이터 기반의 예지 보전(PdM) 전문가로 성장하고 싶은 분.

DX/스마트 팩토리 기획자: ERP와 MES, IoT 시스템을 통합하고 싶으나 글로벌 표준(ISA-95)과 아키텍처 설계에 어려움을 겪는 리더.

품질 관리(QA/QC) 담당자: 사후 검사가 아닌, 공정 데이터 분석(SPC)을 통해 불량을 원천 차단하고자 하는 관리자.

--------------------------------------------------------------------------------

4. 수강 후 얻게 될 성과 (Outcomes)

1. 언어의 통일: 현장의 기계 데이터부터 경영진의 재무 보고서까지, 표준화된 지표(KPI)로 소통하고 의사결정할 수 있습니다.

2. 비용 회피(Cost Avoidance): 추가적인 설비 투자 없이, OEE 개선만으로 생산 능력(CAPA)을 증대하고 재고 비용을 절감하는 재무적 성과를 창출합니다.

3. 예측 가능한 공장: "언제 고장 날지 모르는 공장"이 아니라, "고장을 예측하고 통제하는 공장"으로의 체질 개선을 이뤄냅니다.

지금, 여러분의 커리어와 공장을 ‘World Class’ 수준으로 끌어올릴 준비가 되셨습니까? 이 강의가 그 확실한 가이드가 되어드리겠습니다.

이런 분들께
추천드려요

학습 대상은
누구일까요?

  • 1. "보고서는 90% 효율이라는데, 왜 납기를 못 맞추지?" (숨겨진 공장의 역설) 가장 답답한 사람은 경영진에게 보고되는 OEE(설비 종합 효율) 수치와 현장의 실제 생산량 사이의 괴리 때문에 고통받는 생산 관리자입니다. • 상황: 작업자가 수기로 작성한 일지에는 '설비 고장'만 기록되어 있지만, 실제로는 10분 미만의 잦은 '일시 정지(Minor Stops)'와 '속도 저하'가 생산성을 갉아먹고 있습니다. • 고통: 데이터 수집이 자동화되지 않아 이른바 **'숨겨진 공장(Hidden Factory)'**의 낭비를 볼 수 없습니다. 결국 원인을 모른 채 야근과 특근으로 부족한 물량을 채워야 하는 악순환에 빠져 있습니다.

  • 2. "고장 나면 고친다? 새벽 2시에 또 불려 나가야 해." (사후 대응의 늪) 체계적인 보전 전략 없이 기계가 멈출 때마다 달려가야 하는 설비 보전(Maintenance) 담당자입니다. • 상황: 고장의 징후를 미리 파악하는 예지 보전(PdM) 시스템이 없어, 항상 기계가 고장 난 뒤에야 수리하는 '사후 보전(Reactive Maintenance)' 방식에 의존합니다. • 고통: 예기치 않은 **비계획 다운타임(Unplanned Downtime)**은 생산성을 0으로 만들며, 긴급 수리 비용과 부품 교체 비용으로 예산을 낭비하게 됩니다. 이들에게 공장은 '예측 불가능한 시한폭탄'과 같습니다.

  • 3. "비싼 ERP를 샀는데, 현장 데이터는 엑셀로 입력하라고?" (데이터 사일로) 경영 시스템(ERP)과 제조 현장(MES)이 단절되어 고통받는 DX(디지털 전환) 엔지니어입니다. • 상황: 본사는 ERP(Level 4) 화면을 보지만, 현장은 기계(Level 1) 앞의 데이터를 봅니다. 이 둘을 연결하는 표준(ISA-95)이 없어, 데이터가 서로 호환되지 않는 **'데이터 사일로(Data Silo)'**에 갇혀 있습니다. • 고통: 수억 원을 들여 스마트 팩토리 솔루션을 도입했지만, 여전히 사람이 수작업으로 데이터를 엑셀에 옮겨 적고 있습니다. 데이터의 신뢰성은 떨어지고 의사결정은 지연됩니다.

  • 4. "AI와 로봇을 도입했지만 ROI가 나오지 않습니다." (방향 잃은 투자) 명확한 문제 정의 없이 기술만 도입했다가 성과 증명에 실패하고 있는 혁신 리더입니다. • 상황: 'Closed MITT' 문화(문제를 숨기는 폐쇄적 문화) 속에서 근본적인 낭비 제거(Lean) 없이 자동화만 시도했습니다. • 고통: 기초적인 설비 안정화(TPM)와 셋업 시간 단축(SMED)이 선행되지 않은 상태에서 고도화된 기술을 적용하려다 보니 비용만 증가하고 실제 생산성은 오르지 않습니다. 또한, AI 도입에 따른 리스크 관리(ISO 42001) 준비가 안 되어 규제 대응에 불안함을 느끼고 있습니다. 결론적으로, 이 강의가 없으면 이들은 '데이터' 대신 '감'으로, '예방' 대신 '수리'로, '표준' 대신 '임기응변'으로 공장을 운영하며 끝없는 '비용 소모(Firefighting)'의 굴레에서 벗어나지 못할 것입니다.

선수 지식,
필요할까요?

  • 1. 기초 통계 지식 (평균, 표준편차, 분포) 품질 관리(Quality) 및 데이터 분석 섹션을 소화하기 위해 통계적 사고가 요구됩니다. • 강의 중 다루게 될 SPC(통계적 공정 관리), 관리도(X-bar R Chart) 해석, 그리고 공정 능력 지수(Cp, Cpk) 산출을 위해서는 정규 분포, 평균, 산포(Variation)에 대한 기초 통계 지식이 필수적입니다. • 또한, AI 섹션에서 다루는 상관관계(Correlation)와 인과관계(Causation)의 차이를 이해하는 데에도 도움이 됩니다

  • 2. 제조 현장 운영 프로세스에 대한 기초 이해

  • 3. 공장 자동화(OT) 계층 구조에 대한 지식

  • 4. 생산 정보 시스템(IT) 및 데이터베이스 기초

  • 5. 엑셀(Excel) 활용 능력 및 디지털 마인드셋

안녕하세요
입니다.

40여 년간의 국내 대기업 및 중견기업 근무 경력의(1984.1~2024.5) 은퇴자입니다. 

재직기간 40년 중 18년은 중역으로 근무한 파워트레인 및 동력 추진계 기술자이면서, 마지막 5년은 중견기업에서 부사장과 대표이사를 역임하였습니다. 

현대자동차 그룹에서는 해외 기술 이전 수익을(약 1,300억 상당, 중형 가솔린 엔진, 

터보차져, AWD 등)달성하였습니다. 다수의 정부투자 R&D 과제를 수행한 

이력이 있습니다. 현재는 경력 기간 중의 확보 된 지식과 경험을 공유를 목적으로 저술 활동을  시작하였습니다. 독자 여러분의 많은 관심과 격려를 부탁드립니다. 

  • 네이버 블로그 명 : 지식 공유 Hub : 기업 혁신경영의 본질과 R&D 핵심과제  

                                 (http://blog.naver.com/khjyhy100)

  • 교육 훈련 : KAIST 인공지능 경영자 과정 수료(25.2~25.6)

  • 경력 : 현대차 그룹 R&D (현대자동차(주), 현대위아(주) : 1984~2018   

          인지컨트롤스(주): 2019~2024 

  • 수상 경력 : 한국의 100대 기술과 주역 (2010.12.) (한국공학한림원, 산업자원부)

                  장영실상의 대통령상 수상 (중형 가솔린엔진 개발,산업자원부, 2005년)

  • 자동차 공학 분야의 파워트레인 및 동력추진계의 국내외 전문 기술학회 논문 13편

  • 직무발명 특허 다수 출원 및 공개

커리큘럼

전체

7개 ∙ (54분)

해당 강의에서 제공:

수업자료
강의 게시일: 
마지막 업데이트일: 

수강평

아직 충분한 평가를 받지 못한 강의입니다.
모두에게 도움이 되는 수강평의 주인공이 되어주세요!

얼리버드 할인 중

₩6

68%

₩22,000

HJ Kim (DaeGam)님의 다른 강의

지식공유자님의 다른 강의를 만나보세요!

비슷한 강의

같은 분야의 다른 강의를 만나보세요!