P&G는 완벽한 Pampers 기저귀를 위해 IoT, 예측 분석을 활용합니다.

소비재 대기업은 기저귀가 손상되기 전에 임박한 오류를 예측하기 위해 제조 프로세스에 대한 실시간 데이터를 캡처하기 위해 Microsoft IoT 및 에지 분석을 사용했습니다.

안전 장치를 갖고 싶은 일상용품이 있다면 기저귀도 그 중 하나일 것입니다. 이것이 The Procter & Gamble Co.가 Pampers 제품의 충실도를 보장하기 위해 많은 노력을 기울이는 이유입니다.

그러나 제조 과정에서 손상된 수천 개의 기저귀를 버리는 것이 일상적인 일이 된다면, 수익을 구제하기 위해 뭔가 조치를 취해야 합니다. 바로 그때 P&G가 기저귀 제조 사업을 개선하기 위해 데이터를 활용하기로 결정했습니다.

Procter & Gamble의 글로벌 베이비 케어 서비스 및 솔루션 부문 IT 수석 이사인 Jeff Krietemeyer는 "우리는 항상 손실의 가장 큰 원인이 무엇인지, 어디에서 더 나은 운영이 가능한지 살펴보고 있습니다."라고 말합니다. 가장 비용이 많이 드는 제조 결함, 특히 기저귀에 영향을 미치는 결함을 수정하기 위해 2021년 후반에 출시될 예정입니다.

기저귀는 보풀이 많은 펄프, 플라스틱, 흡수성 과립 및 고무줄로 만들어지며 고도로 기계화된 제조 공정의 다양한 측면에서 핫 글루 스트리밍 및 열 결합과 같은 다양한 공정이 사용됩니다.

그러나 문제가 발생하면 Procter & Gamble은 이제 Hot Melt Optimization 플랫폼을 사용하여 문제를 파악하고 프로세스를 정상으로 되돌립니다. Procter & Gamble이 IT 혁신 및 리더십 부문에서 2023년 CIO 100상을 수상한 이 프로젝트는 제조 현장에 중대한 영향을 미쳤습니다.

핫멜트 최적화(Hot Melt Optimization)는 조립 라인에서 독점 센서를 사용하는 독점 데이터 수집 방법을 사용하며, 이를 Microsoft의 예측 분석 및 제조용 Azure 클라우드와 결합하면 P&G는 제조 과정 중 손상으로 인한 손실을 줄여 완벽한 기저귀를 생산할 수 있습니다.

P&G는 이 솔루션을 11개 공장에 배포한 이후 폐기해야 하는 결함이 있는 기저귀의 70%를 제거한 것으로 추산합니다. 경영진은 매주 절약되는 정확한 금액을 공개하지 않지만 그 금액은 7자리 범위에 속합니다.

기저귀를 만드는 과정에서 기저귀 층이 적절하게 응고되도록 매우 정밀한 방식으로 자동화된 솔레노이드 밸브에서 열간 접착제 흐름이 방출됩니다.

Krietemeyer는 "기저귀는 조립 과정에서 제조 라인을 빠른 속도로 통과하므로 핫멜트 접착제인 초정밀 접착제 도포가 필요합니다"라고 말하며 접착제는 인간의 피부에 안전하다고 덧붙였습니다.

그러나 글루 흐름의 온도와 압력이 부정확하거나 글루가 밸브에서 막혀 제때에 교정되지 않으면 결과 기저귀를 폐기해야 합니다.

이러한 문제를 해결하기 위해 Procter & Gamble은 Microsoft와 긴밀히 협력하여 Microsoft의 IoT 및 Edge 분석 플랫폼, 제조용 Azure 클라우드, IoT 센서, 에지 분석 및 기계 학습 모델을 배포했습니다.

결과 플랫폼은 미국 전역의 P&G Pampers 제조 공장 중 절반에 출시되기 전에 P&G 공장에서 9개월 동안 파일럿 테스트를 거쳤습니다.

미주리주에 있는 공장 중 한 곳으로 이동하는 도중에 Kietermeyer는 CIO.com에 IoT와 엣지 플랫폼, 센서, 엣지 분석 규칙 엔진의 조합이 압력 및 온도 이상 현상과 발생할 수 있는 밸브 하드웨어 문제를 해결하는 데 성공적으로 사용되었다고 설명했습니다. 기저귀 만드는 과정.

"프로젝트 팀은 신경망 모델 훈련을 포함한 여러 알고리즘을 조사한 결과 Microsoft AI 규칙 엔진이 최상의 결과를 달성했다는 사실을 발견했습니다."라고 Kiettermeyer는 덧붙였습니다.

조립 라인에서 P&G는 Rockwell 프로그래밍 가능 논리 산업용 컨트롤러와 기타 센서를 사용하여 접착제 스트림 온도 및 압력 데이터를 면밀히 모니터링하고 기록합니다. 데이터는 분석 플랫폼과 자체 개발 코드에 입력되어 제조를 오프라인으로 전환하지 않고 실시간으로 수정해야 하는 오류나 이상 현상을 식별합니다. 이를 통해 각 시설의 생산량은 핫멜트 최적화가 시작되기 전에 달성한 생산량을 초과합니다.