AX 선진화 사업본부

🏭 AX-MES | ABA PRISM ▶

PRISM V1 Legacy 기반 · PlcGateWay · AX-Bridge · 모니터링 지원체제 마련

현장 손실, 이제 사후 보고가 아니라
실시간 운영으로 바꿀 때입니다.

Legacy MES와 PLC 데이터, 지금 분리되어 있습니다.

Legacy MES — 생산실적·품질 기록, 그러나 PLC와 단절
PLC·설비 — 공정 실행 데이터, 그러나 현장에서만 확인 가능

• 결과: 이상징후를 사후에야 파악, 수기집계·중복입력 반복

(현장 데이터가 있어도 연결되지 않으면 보이지 않습니다)

PRISM V1 — PlcGateWay · AX-Bridge로 하나의 운영화면을 만듭니다. • 핵심 KPI 현장 즉시 확인 · 수기 업무·보고 지연을 대폭 줄입니다.

PRISM V2 Ontology · GraphDB · RCA 기반 근본원인 분석

반복되는 불량, 이제 기록이 아니라
원인을 해결할 때입니다.

MES·PLC 데이터가 답을 갖고 있습니다.

MES는 “What” — 무엇이 생산됐는지 기록합니다.
PLC는 “How” — 어떻게 돌아가는지 실행할 뿐입니다.

• 하지만 “Why” — 왜 반복되는지는 아무도 답하지 못합니다.

(원인 모를 손실, 매출의 3~8%)

ABA PRISM은 반복의 뿌리를 찾아 재발을 끊습니다. • 반복 불량 1~5%p만 줄어도 수억 원의 손실이 사라집니다.

📑 소개자료 보기

PROBLEM

기존 MES의 4가지 한계

기존 C/S MES는 데이터를 기록하지만, 원인을 찾지 못합니다.

🔁

반복 불량

동일 불량 재발, LOT·설비·작업자 원인 불명확. 근본 원인 분석 불가 구조.

⏸️

공정 병목

특정 공정 지연 반복. 생산계획 vs 실적 갭 10%↑. 설비 가동 손실 누적.

📦

납기 지연

고객 납기 대응 실패. 악성 재고 누적. 데이터는 있으나 연결·분석 불가.

📉

EBIT 손실

불량·재작업·재고·정지 손실 누적. 보이지 않는 비용이 이익을 갉아먹는 구조.

SOLUTION

기록에서 원인경영으로

AX-MES는 기존 MES/ERP를 대체하지 않습니다. 그 위에 Overlay로 연결해 원인을 찾습니다.

⚠ 기존 C/S MES 한계

✗낡은 서버·MES 화면 — 기능 추가 불가

✗엑셀 파일 의존 — 데이터 단절

✗불량 발생 시 원인 불명 — 반복 재발

✗작업 추정 — 데이터 기반 의사결정 불가

✗설비 정지 — 사후 대응만 가능

✗재작업 증가 — 손실 원인 식별 불가

✗EBIT 감소 — 누수 비용 추적 불가

→

✅ AX-MES 혁신

✔PLC 실시간 수집 — 설비 데이터 자동 연계

✔Python MES — 웹 기반, 어디서나 접근

✔Ontology — 데이터 관계 구조적 정의

✔RCA 분석 — 반복 불량 근본원인 추적

✔재발 예방 — 사전 예측·권고 시스템

✔OEE 개선 — 설비 가동 효율 자동 분석

✔EBIT 개선 — 손실 제거 → 이익 구조화

AX-MES 솔루션 아키텍처

🏭 PLC / 설비

→

🐍 Python API Gateway

→

🕸️ Ontology

→

🔍 RCA 분석

→

📊 원인 추적

→

✅ EBIT 개선

기존 MES/ERP 시스템 수정 없음 — Read-only Overlay 방식 · 운영 영향 0%

METHODOLOGY

세계 검증 방법론 4개 축

매킨지 MECE부터 Bayesian AI까지 — 체계적이고 재현 가능한 분석 구조.

01

McKinsey · MECE

문제를 빠짐없이, 겹치지 않게 구조화

Mutually Exclusive, Collectively Exhaustive — 문제 영역을 완전 분해해 중복·누락 없는 분석 체계를 구축합니다. 공정 손실의 발생 위치를 명확히 정의합니다.

02

Palantir · Ontology

공정 데이터를 구조적으로 연결

RDB의 한계를 넘어 GraphDB 기반으로 데이터의 의미적 관계를 정의합니다. 설비·센서·변수·공정 흐름을 체계적으로 연결해 원인 추적 기반을 구성합니다.

03

RCA · 근본원인분석

반복 손실의 근본 원인을 데이터로 규명

단순 현상 분석이 아닌 Why-Why 반복 추적으로 재발 원인을 제거합니다. 재발률 30~60% 감소 효과. 분석 근거까지 함께 제시합니다.

04

Bayesian AI · SOR

Safe Operation Range 권고 — 결정은 고객이

Bayesian 기반 최적 운영 조건을 권고합니다. 자동 제어가 아닌 의사결정 지원 방식으로 품질 편차 20~40% 감소. 고객이 최종 결정합니다.

RESULT

도입 기대 효과

손실 제거를 통한 실질적 재무 개선 — 매출 증가가 아닌 누수 비용 환원입니다.

↓40%

NCR 감소

불량·클레임 비율

↓60%

MTTR 단축

설비 복구 시간

↑30%

품질율 향상

양품 생산 비율

↑8%

OEE 개선

설비 종합효율

↑5%

EBIT 개선

영업이익 구조화

🏗️

제조업 적용

반복 불량·재작업·설비 가동 손실 제거. 공정별 손실 위치 특정 후 근본 원인 해결.

📦

유통업 적용

악성 재고·발주 패턴 분석으로 재고 손실 제거. 수요 예측 기반 재고 최적화.

🔄

지속적 개선

1회성이 아닌 반복 개선 가능한 구조. AI 자동화 추가 연계로 장기 비용 절감.

ROADMAP

리스크 없는 단계적 도입

PoC로 검증 후 확산 — 운영 중단 없이 안전하게 도입합니다.

📋

1~2주

자가진단 / PoC 설계

RSM 적합도 10분 진단
핵심 문제 영역 선정
데이터 연결 범위 정의

🔬

4~8주

PoC — 검증

1개 공정 선택 적용
Ontology 구성·RCA 실행
원인·효과 검증 리포트

↔️

3~6개월

수평 확산

인접 공정·라인 확대
반복 개선 체계 구축
리스크 분산 점진 확산

🏭

6개월~

수직 확산

공장 전체 최적화
AI 자동화 연계
지속적 EBIT 개선 구조