[FOCUS on SILTRON] 데이터로 움직이는 생산현장 : 혁신의 중심, 생산정보 데이터베이스
SK 커리어스 저널을 방문해주신 여러분 환영합니다! 저는 SK실트론의 소식을 전하는 취재기자 이서빈입니다. 😊
오늘은 SK실트론의 스마트 생산현장에서 핵심 역할을 담당하는 ‘생산정보 데이터베이스’에 대해 알아보려 합니다. SK실트론은 데이터 중심의 의사결정과 효율적인 생산관리를 통해 글로벌 경쟁력을 확보하고 있는데요. 과연 생산정보 데이터베이스가 어떻게 운영되고, 현장에 어떤 변화를 가져오는지 함께 탐구해볼까요?
SK Careers Editor 20기 이서빈
안녕하세요! 저는 SK실트론의 생산정보팀에서 근무하고 있는 이경구 Pro입니다. 생산정보팀은 생산 시스템의 안정적인 운영과 구축을 담당하며, 실트론의 사업 목표 달성을 위해 제조, 출하, 판매 등 다양한 부문을 지원하고 있습니다. 저는 분석 시스템과 IT 인프라 운영 업무를 맡고 있으며, 이를 통해 효율적이고 경쟁력 있는 제조 환경을 조성하고 있습니다.
생산정보 데이터베이스는 제조현장에서 생성되는 모든 데이터를 수집하고 관리하여, 효율적인 제조 운영을 지원하는 중요한 역할을 합니다. 이를 통해 제조, 품질, 장비, 원부자재, 출하 등 다양한 관련 데이터를 관리하고, 이를 활용하여 빠른 의사결정과 공정 개선을 지원하고 있습니다.
실트론에서는 다양한 DBMS를 활용하여 데이터베이스를 운영하고 있습니다. 제조실행시스템(MES)에서는 IBM DB2를 사용하고 있으며, 그 외 생산정보 시스템에서는 Oracle DBMS, 일부 시스템에서는 Microsoft MS-SQL을 사용하고 있습니다. 각 시스템의 목적과 연관성에 맞는 DBMS를 선택하여 효율적으로 운영하고 있습니다.
생산정보팀은 다른 부서들과의 협업을 통해 시스템 구축이나 과제 요청 시 발생할 수 있는 리스크를 최소화하고 있습니다. 협업 과정에서는 과제의 목적, 방향, 일정 등을 사전에 협의하고, 진행 중에도 지속적으로 소통하며 문제를 해결해 나가고 있습니다. 제조, 기술, 품질 부서와 동일한 목표를 가지고 일하고 있습니다.
데이터는 다양한 시스템을 통해 수집됩니다. 장비에서 생성되는 데이터는 EIF(Equipment Interface)를 통해 실시간으로 수집되고, 제품의 상세 측정 데이터는 DAS(Data Analysis System)를 통해 수집됩니다. 또한, IoT, MTS(Material Tracking System), RMS(Recipe Management System) 등 다양한 시스템을 통해 데이터가 수집되고 관리됩니다.
생산정보 데이터베이스에서는 세 가지 원칙을 중요하게 생각합니다.
첫째, 시스템의 목적성에 따라 설계가 달라져야 한다는 점입니다. 둘째, 시스템의 가용성(High Availability)을 확보하는 것입니다. 셋째, 사용자가 시스템을 쉽게 접근하고 활용할 수 있도록 설계해야 합니다.
생산정보 데이터베이스, 특히 YMS 분석시스템을 구축할 때 가장 어려웠던 점은 각기 다른 역할을 수행하는 시스템의 데이터를 가져와 조합하여 사용자에게 제공하는 과정이었습니다. 이를 위해 각 시스템 데이터의 의미를 정확히 이해하고, 사용자 요구사항에 맞게 변환해야 했는데, 사용자마다 요구사항이 다양하여 표준을 설정하는 데 어려움이 있었습니다.
하지만, 타 팀과의 협업을 통해 단계별로 문제를 해결하며 지속적으로 개선해 나간 결과, 시스템을 안정적으로 구축할 수 있었습니다.
데이터베이스의 수집 및 활용은 물론, 데이터 품질을 유지하기 위한 체계적인 유지보수 작업도 매우 중요합니다.
SK실트론의 생산정보팀은 수집된 데이터를 변경, 삭제, 추가 등의 과정에서 품질을 유지하기 위해 체계화된 시스템을 운영하고 있습니다. 이를 통해 사용자에게 필요한 데이터를 적시에 제공할 수 있도록 각종 시스템을 최적화하여 구축하고 있습니다.
보안 관리 측면에서는 사용자들이 데이터베이스에 직접 접근하지 않고, 시스템(Application)을 통해 데이터를 활용할 수 있도록 설계되어 있습니다. 계정 관리, 비밀번호 변경 주기 설정, 접속 권한 관리, 방화벽 차단 등의 조치를 통해 데이터베이스의 기밀성을 철저히 보호하고 있습니다.
이러한 품질 유지와 보안 관리는 데이터의 신뢰도를 높이고, 제조 공정에서의 데이터 활용도를 극대화하는 데 기여하고 있습니다.
실시간 데이터는 일반적으로 MES(제조실행시스템)를 통한 제품의 물류 및 장비 제어관점에서 사용되고 있고, Source(X인자)/Response(Y인자) 데이터를 실시간 수집, 모니터링하여 공정사고 방지 및 품질개선 활동에 활용되고 있습니다.
과거 데이터는 품질, 원가, 장비효율 등의 데이터 분석 영역에 사용되고, 최근에는 AI/DT 기술접목을 위한 학습 데이터로 활용되고 있습니다.
최근에는 기존에 운영하던 품질 분석 시스템을 개선하고, DAP 시스템을 도입하여 Big Data 및 AI/DT 기술을 접목한 데이터 분석 기반을 구축했습니다. 이를 통해 사용자는 다양한 관점에서 데이터를 분석하고, 제조 공정 개선에 기여할 수 있게 되었습니다.
IPS(이미지 처리 시스템)는 AI/DT 기술을 활용하여 제조 현장에서 생성된 이미지 데이터를 자동으로 분류하는 시스템입니다. 이를 통해 불량 제품 유출 사고를 줄일 수 있었고, 제품 경쟁력 향상에 기여한 중요한 과제였습니다.
데이터베이스를 통해 당사에서 생산되는 제품 정보를 체계적으로 관리함으로써, 고객이 요구하는 수준의 제품을 제공할 수 있을 뿐만 아니라, 이를 넘어서는 품질을 선제적으로 대응할 수 있는 체계를 구축했습니다. 이러한 노력은 고객과의 신뢰도를 높이고, 제품 포트폴리오 확대에도 기여하게 되었습니다.
또한, 고객이 추가적인 제품 분석을 요청하는 경우에도 데이터베이스를 활용하여 더욱 깊이 있고 높은 수준의 데이터 분석 결과를 제공할 수 있게 되었습니다. 무엇보다, 모든 제조 데이터를 데이터베이스로 통합 관리함으로써, 구성원들이 제조 데이터에 대해 동일한 기준과 이해를 공유할 수 있게 되었고, 이를 기반으로 업무에서 보다 정확하고 신속한 의사결정을 내릴 수 있는 환경이 마련되었습니다.
SK실트론은 데이터베이스 시스템에 최신 기술을 접목하여 제조 현장에서 다양한 과제를 수행하고 있습니다.
먼저, IoT 기술을 생산 환경 및 장비에 확산 적용함으로써, 기존보다 더 많은 데이터를 수집하고 이를 사용자에게 효과적으로 제공할 수 있는 기반을 마련하고 있습니다. 또한, 공장 내 무인화 작업을 지원하기 위해 AI/DT 기술을 활용한 Map 자동 판정 시스템을 확산 중이며, 제품 품질 개선을 위해 SPC(Signal Processing Circuit) 고도화 등 시스템 고도화 작업에도 데이터베이스를 적극 활용하고 있습니다.
이와 더불어, AI/DT 기술을 데이터베이스와 결합하여 기능적으로 더욱 업그레이드된 시스템을 구축해 나갈 계획입니다. 이러한 노력은 제조 현장의 효율성과 품질 향상에 크게 기여할 것으로 기대됩니다.
팀원들은 업무를 통해 실무 역량을 쌓는 것은 물론, 정기적으로 제공되는 교육 프로그램에 참여하며 역량을 개발하고 있습니다. 특히, 잘 구성된 온라인 교육 시스템을 적극 활용해 편리하게 필요한 지식을 습득하고 있습니다.
현재의 데이터베이스는 주로 데이터를 저장, 변환, 활용하는 데 중점을 두고 있지만, 앞으로는 AI와 DT(디지털 트랜스포메이션) 기술과 결합하여 더 다양한 기능을 갖추게 될 것입니다.
예를 들어, 기존에는 데이터베이스와 분석 서버 간 데이터를 주고받으며 결과값을 저장했다면, 앞으로는 데이터를 저장하는 시점에 AI/DT 기술을 활용해 즉각적으로 결과값을 생성할 수 있을 것입니다. 이는 데이터 처리의 적시성과 자원 효율성 면에서 큰 혁신을 가져올 것으로 기대됩니다.
제조업에서 데이터의 중요성은 누구나 알고 있지만, 현재까지는 데이터를 단순히 관리하고 분석하는 방식에 그치는 경우가 많았습니다. 앞으로는 데이터를 통해 숨겨진 유의미한 정보를 추출하고 이를 공정 개선의 핵심 포인트로 활용하는 단계로 나아갈 것입니다.
과거에는 통계적 방법이나 규칙(Rule)에 기반한 분석이 주를 이루었다면, 최근에는 AI/DT 기술이 보이지 않는 데이터 흐름까지 파악하고 분석하는 데 활용되고 있습니다. 이를 통해 제조 공정의 혁신적인 개선이 이루어질 것이라 확신합니다.
대학원 진학은 데이터 관련 직무에서 전문성을 높이는 데 매우 유용할 수 있습니다. 대학원에서 심도 있는 연구를 통해 특정 분야의 전문 지식을 쌓고, 데이터 분석과 응용 능력을 강화할 수 있습니다. 예를 들어, 데이터 모델링, 빅데이터 분석, 머신러닝과 같은 기술을 심화 학습함으로써 실무에서 직접적인 활용이 가능한 능력을 개발할 수 있습니다. 또한, 대학원에서 만나는 다양한 연구자 및 산업 파트너와의 네트워크 형성은 경력을 발전시키는 데 큰 자산이 될 것입니다. 다만, 명확한 목표와 방향성을 설정한 뒤 진학해야 효과를 극대화할 수 있습니다. 스스로의 커리어 방향과 연구 관심사를 충분히 고민한 후 결정하는 것이 중요합니다.
신입사원과 인턴에게 가장 기대하는 것은 조직에 신선한 아이디어와 새로운 관점을 제공하는 것입니다. 기존 구성원들과 협력하여 회사가 직면한 과제를 해결하거나 혁신적인 방안을 도출하는 데 기여하길 바랍니다. 예를 들어, 다양한 학문적 배경과 최신 기술에 대한 지식을 기반으로 기존 프로세스를 개선하거나 새로운 기회를 창출하는 노력이 요구됩니다. 또한, 열린 태도로 기존 구성원의 경험을 배우고 자신만의 창의성을 더해 함께 성장해 나가는 모습을 기대합니다.
일반적으로 데이터베이스 전문가는 기술적인 IT/DT 전문가로만 여겨지지만, 저는 데이터베이스 전문가란 기술적 역량뿐만 아니라 데이터의 의미와 이를 활용하는 사용자에 대한 이해도가 높은 사람이라고 생각합니다. 데이터베이스를 단순한 IT 기술로만 보지 말고, 분석과 활용의 관점에서 데이터를 끊임없이 관찰하며 최종 사용자가 효율적으로 활용할 수 있도록 설계하고 구축해야 합니다. 데이터베이스 전문가로서의 가장 큰 장점은 데이터에 대한 접근성이 높다는 점입니다. 이를 잘 활용하면 데이터를 통해 더 많은 기회를 발견하고, 중요한 변화를 이끌어낼 수 있을 것입니다.
이경구 Pro님과의 인터뷰를 통해 SK실트론의 생산정보 데이터베이스가 회사의 제조 경쟁력을 강화하고, 다양한 기술과 협업을 통해 실시간 데이터 분석과 공정 개선을 지원하는 중요한 시스템임을 알 수 있었습니다. 향후 더욱 발전할 데이터베이스 분야에서의 혁신적인 변화가 기대됩니다. 데이터를 통해 효율성과 품질을 동시에 잡으며 글로벌 경쟁력을 강화해가는 SK실트론, 앞으로도 많은 관심 부탁드리며, 저는 다음 콘텐츠로 찾아뵙겠습니다!
