과제

데이터가 풍부한 제조 환경이 제공하는 기회를 받아들이려면 과제에 맞서야 합니다. Marelli에서는 데이터 접근 장벽을 극복하고 데이터와 도메인 전문가 간의 협업을 심화하는 방법을 찾는 것이 목표였습니다.

해결책

Marelli의 기술 리더십은 정교한 통계 분석과 전체 제조 데이터 워크플로를 간소화하는 수단을 모두 제공할 수 있는 분석 도구를 찾고 있었습니다. 전자 시스템 담당 전 세계 혁신 및 개선 품질 관리자인 Simone Cianchini는 JMP® 통계적 발견 소프트웨어가 여러 단계를 단일 도구로 통합하여 "통계적 관점과 시각화 관점 모두에서 매우 강력한 도구 모음을 제공했습니다."라고 말했습니다.

결과

JMP는 구현 이후 Marelli의 분석 워크플로 내에서 데이터 탐색을 모범 사례로 만들어 도메인 전문가가 데이터에서 더 많은 가치와 궁극적으로 더 많은 통찰력을 빠르게 추출할 수 있도록 했습니다. 또한 Cianchini는 이러한 워크플로가 데이터 전문가와 도메인 전문가 모두가 호기심을 가지고 데이터에 접근하도록 힘을 실어줌으로써 문화를 바꾸는 데 도움이 되었다고 말합니다.

마렐리는 자동차 부문에서 세계를 선도하는 글로벌 독립 공급업체 중 하나로, 전 세계적으로 약 54,000명의 직원을 고용하고 있습니다. 혁신과 제조 우수성 분야에서 강력하고 확립된 실적을 바탕으로 회사는 전자 장치 및 고급 인테리어, 자동차 조명 및 감지 기술, 자동차 전기화를 위한 전기 파워트레인 및 열 관리 솔루션, 배기 시스템을 위한 친환경 기술, 내연 기관 파워트레인 및 서스펜션 시스템용 솔루션은 물론 모터스포츠를 포함한 다양한 자동차 제품 분야에 기술을 제공합니다.

연결, 자율 주행 및 공유 전기 이동성에 대한 빠른 개발 주기에서 가장 확실하게 드러나는 회사의 독특한 기술 비전은 성숙한 분석 문화와 긴밀히 연관되어 있으며, Marelli 경영진은 이것이 혁신에 가장 중요하다고 말합니다. "데이터 활용은 의사결정을 가속화하고 더욱 강력한 주장으로 해당 의사결정을 뒷받침하는 데 중요합니다. 수익성을 높이기 위한 핵심은 이 공식의 출력을 최대화하는 것입니다: (속도 x 효과)/비용. "데이터 수집, 시각화 및 분석이 모두 이를 지원합니다." Marelli의 전자 시스템 담당 전 세계 혁신 및 개선 품질 관리자인 Simone Cianchini의 말입니다.

제조 운영, 엔지니어링 혁신, 통합, 연구개발 및 데이터 과학 분야에서 25년 이상의 경험을 보유한 6시그마 마스터 블랙벨트인 Cianchini는 반도체 대기업 Vishay에서 엔지니어링 및 통합 담당 수석 관리자로 근무한 후 Marelli에 합류했습니다. 그는 자신의 경력을 통해 민첩성과 분석 능력이 의미 있는 혁신을 추진하는 조직의 결정적 가치라고 생각하게 되었다고 말합니다.

"우리의 현대 환경에서 데이터 과학은 매우 중요합니다. 그는 "더 이상 직관이나 추상적인 아이디어에 기반하여 결정을 내릴 수 없습니다."라고 말했습니다. 조직이 경쟁력을 유지하려면 전략적 분석 활성화에 투자해야 합니다.

간소화되고 전략적인 데이터 워크플로는 성공적인 분석 활성화의 초석입니다.

이러한 정신에 부합하여 Marelli는 전자 사업부 전반에 걸쳐 활발한 데이터 기반 의사 결정(3DM) 프로그램을 도입했습니다. 3DM은 일련의 순차적 데이터 이니셔티브를 중심으로 표준화를 이루었으며, 빅데이터 관리로 시작해 분석, 데이터 제어, 예방 및 예측으로 이어지는 간소화된 워크플로를 제공한다고 Cianchini는 설명합니다.

Cianchini는 "데이터만으로는 일이 이루어지지 않습니다. 오히려 우리 도메인 전문가는 데이터에서 추출한 통찰력을 기반으로 결정을 내려야 합니다."라고 말합니다. "저희의 목표는 이 정보를 가능한 모든 방법으로 활용하여 기회를 창출하고 실수를 피하고 의사 결정 프로세스를 가속화하는 것입니다."

Cianchini는 3DM 최적화 약속을 가장 잘 이행하려면 먼저 수집된 데이터가 목적에 적합한지 확인해야 한다고 주장합니다. 이를 위해 그는 세 가지 핵심 질문을 던집니다. 특정 데이터 사용량에 대한 고객은 누구입니까? 고객은 이러한 데이터 사용에 대해 어떤 기대를 가지고 있나요? 고객과 소통하는 가장 좋은 방법은 무엇일까요?

"우선 우리는 최종 사용자에 대해 생각해야 합니다. 엔지니어링, 운영, 인사 또는 CEO와 CTO일 수도 있습니다."라고 그는 회상합니다. "모든 사람의 데이터 관리 요구 사항은 다르므로 고객의 의견은 절대적으로 중요합니다." 그는 복잡성이 항상 가치를 더하는 것은 아니라고 덧붙였다. "단순한 데이터 시각화만으로도 매우 흥미로운 토론이 이루어질 수 있습니다. 데이터는 스토리를 말해줍니다. 각 스토리는 다른 관점을 가질 수 있고, 각 관점은 다른 정보를 보여줄 수 있습니다." 더 똑똑하게 일한다는 것은 종종 더 단순하게 일한다는 것을 의미한다고 그는 말한다.

동적 시각화는 장벽과 복잡성을 극복합니다.

데이터 시각화는 불필요한 복잡성을 빠르게 해소하기 때문에 Marelli에게 점점 더 중요해졌습니다. Cianchini는 데이터 시각화가 협업을 심화하고 프로세스, 제품 또는 서비스를 가장 잘 이해하는 도메인 전문가가 데이터에 대한 통찰력을 더 쉽게 얻을 수 있도록 한다고 말합니다. "우리가 이 두 가지 기능과 역량 사이에서 고립되어 일한다면 속도를 잃게 되거나 완전히 잘못된 결론에 도달할 수도 있습니다."라고 그는 말합니다.

그의 견해에 따르면 데이터를 활용하는 방법은 두 가지가 있다. 첫 번째는 체계적이고 체계적인 접근 방식입니다. 전통적인 과학적 방법은 가설에서 분석을 거쳐 결과로 이어지는 방식입니다. 두 번째는 협력적인 탐구를 중시하는 비구조적 접근 방식입니다. 그는 "이러한 대화는 반드시 가설로 시작하지 않습니다. 그저 호기심에서 시작하죠."라고 말하며, 구조화된 방법과 구조화되지 않은 방법 간의 올바른 균형을 이루는 것이 의사 결정을 최적화하는 유일한 방법이기 때문에 완벽한 접근 방식은 없다고 강조했습니다.

"제 경험에 따르면, 심층 분석을 시작하기 전에 항상 데이터를 조작하는 것이 가장 좋습니다. 그리고 이 단계에서는 특히 도메인 전문가가 새로운 관점을 얻고 미리 포장된 생각에서 벗어나는 데 도움이 되는 파괴적인 질문을 할 수 있는 외부 관점을 가져오는 것이 매우 중요합니다."

그는 탐색적 데이터 분석과 시각화가 강력한 분석 워크플로의 가장 과소평가된 측면 중 일부라고 말합니다. 그리고 탐색을 워크플로우 내의 표준 단계 또는 모범 사례로 만드는 분석 도구를 갖는 것은 혁신적일 수 있습니다. "팀원들과 이야기할 때 저는 항상 클릭으로 플레이하고, 호기심을 갖고, 대담하게 행동하라고 말합니다." 여기서 JMP® 통계적 발견 소프트웨어가 등장합니다.

JMP®의 통합 분석 워크플로는 제품 균일성 성능을 빠르게 개선하는 데 도움이 됩니다.

JMP가 Cianchini 팀에 가져다준 민첩성은 아마도 엔지니어들이 이 도구를 사용하여 제품 성능 수준과 균일성을 신속하게 개선한 사례에서 가장 잘 드러날 것입니다. 팀은 생산 라인에서 실제 제품 성능을 관찰한 후, 먼저 XY의 다양한 위치에서 제품의 평탄도를 측정하고, 라인의 측정 시스템에서 프로세스 출력 데이터를 수집하고, 각 부분에 대한 입력 정보를 평가했습니다.

"그런 다음 JMP 테이블 조인을 사용하여 프로세스 입력과 출력을 하나로 병합했습니다."라고 그는 설명했습니다. "이것은 우리가 다양한 상황에서 사용해 온 매우 강력한 JMP 기능입니다. 특히 공장 자동화 기계에서 유사한 출력 파일이 있는 경우에 그렇습니다." 그 결과, 입력 데이터와 출력 데이터를 모두 시각화하는 동적 표가 만들어졌다고 그는 덧붙였다.

그는 "조금 탐색해보니 프로세스 입력이 관련성이 있는지 확인할 수 있었습니다."라고 설명했습니다. "이 정보를 포착하는 속도는 절대적으로 중요했습니다. 아마도 Marelli에서 데이터 전문가와 프로세스 전문가가 되는 것이 무엇을 의미하는지 완벽하게 보여주는 예일 것입니다."

Cianchini는 문제 해결을 위한 협업을 용이하게 하는 것을 넘어 비교적 간단한 데이터 시각화가 질문과 솔루션의 차이라고 주장합니다. "우리의 출발점이 고전적 데이터 분포였을 때, 팀은 평탄성이 퍼진 정도만 보았기 때문에 제한된 증거로는 해결하는 것이 불가능했습니다."라고 그는 말합니다. 하지만 변동성과 속성 게이지 차트, 그래프 빌더 등고선 지도와 히트 맵을 실험함으로써 팀은 당면한 문제에 대해 훨씬 더 미묘한 그림을 그릴 수 있었습니다.

시각화에서 전용 부품 위치 중 일부가 평탄도 등급이 매우 다르다는 것이 즉시 명확하게 드러났습니다. "그러면 문제는 이 평탄도 차이가 모든 부분에서 얼마나 동일한가가 되는 것입니다."라고 그는 덧붙여 말했습니다.

'문제점 하나 없이, 자세한 설명까지, 그냥 그대로'

지속적인 데이터 탐색을 통해 추가적인 해결책이 제공되었습니다. 몇 번의 클릭만으로, 그리고 몇 초 만에 후속 시각화를 통해 더 많은 정보를 얻을 수 있었고, 이를 통해 팀은 평평한 영역의 정도와 위치가 모든 부분에서 일정하다는 것을 확인할 수 있었습니다. Cianchini는 "이 등고선 지도는 제품과 공정에 대한 깊은 이해가 있는 당사 기술 전문가에게 매우 유용했습니다."라고 말했습니다. "그리고 어떤 공식이나 코딩도 필요하지 않았습니다."

이 단일 분석 워크플로를 통해 팀은 두 가지 핵심 정보를 빠르게 알아냈습니다. 첫째, 모든 부분이 유사한 평탄도 분포를 가지고 있다는 것, 둘째, 특정 영역(왼쪽 하단과 중앙 상단)에서 평탄도 값이 지속적으로 더 높다는 것입니다. 이러한 정보를 바탕으로 Cianchini의 팀은 기계가 어디에서 변화를 일으키는지 정확하게 파악할 수 있었습니다. 그는 "바로 그렇게 해서 우리는 특정되지 않은 문제에서 자세한 설명으로, 그리고 궁극적으로 우리 문제에 대한 해결책으로 옮겨갔습니다."라고 말합니다.

일련의 분석을 거쳐, 연구팀은 프로세스를 개선할 수 있는 방법을 식별하는 데 도움이 되는 결론을 도출했습니다. Cianchini의 팀은 두 가지 특정 매개변수를 조정하고 도구에 새로 설계된 요소를 도입하여 균일성을 전면적으로 개선하고 평탄도 관련 결함을 줄였습니다. JMP는 "통계적 관점과 시각화 관점 모두에서 이런 종류의 조사를 위한 매우 강력한 도구 모음을 제공한다"고 그는 말합니다.

Cianchini는 "이것은 분석 문화의 중요성을 보여주는 훌륭한 사례이며, 데이터에 대한 호기심을 갖는 것이 왜 필수적인지 보여줍니다."라고 결론지었습니다. "제약 없이 질문을 하고 클릭으로 놀아보세요. 이는 올바른 방법으로 올바른 고객에게 올바른 답변을 제공할 수 있는 유일한 방법입니다. 호기심은 지속적으로 혁신하고 지속적으로 개선할 수 있는 능력을 의미합니다.”