스마트팩토리 통합 데이터 분석 시스템

OEE, 품질, 예지보전, 에너지 데이터를 통합 분석하여 공장 운영 상태를 한눈에 파악할 수 있도록 설계한 스마트팩토리 데이터 분석 포트폴리오 프로젝트

제조 현장에서는 생산, 품질, 정비, 에너지 데이터가 각각 분리되어 관리되는 경우가 많습니다.
이 프로젝트는 이러한 데이터를 하나의 분석 흐름으로 통합하여, 공장 운영 상태를 더 빠르고 직관적으로 파악할 수 있도록 구성했습니다.

단순히 개별 지표를 보여주는 것이 아니라,

• 설비 효율이 어느 수준인지
• 어떤 설비와 라인이 병목인지
• 품질 저하와 이상 징후가 어디서 발생하는지
• 에너지 사용이 어디서 비효율적인지

를 통합 대시보드와 분석 차트로 확인할 수 있도록 설계했습니다.

• 설비 효율 극대화: OEE 85% 이상 달성 지원
• 품질 관리 고도화: Cpk 1.33 이상 목표
• 예지보전 강화: 이상 징후 조기 탐지
• 에너지 비용 절감: 원단위 및 피크 사용 분석

• 가동률(Availability), 성능률(Performance), 양품률(Quality) 계산
• 종합 OEE 산출
• 설비별 / 라인별 OEE 비교
• OEE 추이 분석
• Six Big Losses 분석
• 개선 전후 비교

• 제품 규격 대비 측정값 분석
• 합격률 및 불량 유형 집계
• Cpk 기반 공정능력 분석
• 파레토 및 SPC 시각화

• 센서 데이터 기반 이상 징후 탐지
• 건강도(Health Index) 산출
• 고장 전조 신호 탐지
• 정비 우선순위 제안

• 설비별 / 시간대별 전력 사용량 분석
• 생산량 대비 에너지 원단위 분석
• 피크 사용 구간 파악
• 절감 포인트 도출

• 핵심 KPI 요약
• 라인별 성과 비교
• 손실 요인 시각화
• 개선 효과 및 실행 과제 정리

스마트팩토리 환경에서는 생산, 품질, 정비, 에너지 데이터가 서로 분리되어 관리되는 경우가 많아 전체 운영 상태를 한 번에 파악하기 어렵습니다.

예를 들어,

• 생산 데이터는 생산 데이터대로
• 품질 데이터는 품질 데이터대로
• 설비 상태 및 센서 데이터는 별도로
• 에너지 데이터도 따로

관리되면 실제로 중요한 질문인

• 지금 공장이 어떤 상태인지
• 어디가 병목인지
• 어떤 설비를 먼저 점검해야 하는지
• 에너지가 어디서 비효율적으로 사용되는지

에 빠르게 답하기 어렵습니다.

이 프로젝트는 이러한 문제를 해결하기 위해 여러 종류의 운영 데이터를 공통된 분석 구조로 통합하고 시각화하는 것에 초점을 맞췄습니다.

생산 / 품질 / 센서 / 에너지 데이터
                ↓
          데이터 로딩 및 전처리
                ↓
 OEE / 품질 / 예지보전 / 에너지 모듈별 분석
                ↓
     차트, CSV, 리포트 결과 자동 생성
                ↓
          통합 대시보드로 결과 통합

integrated_project/
├── data/
│   ├── raw/
│   │   ├── project1/           # OEE 데이터
│   │   ├── project2/           # 품질 데이터
│   │   ├── project3/           # 정비/센서 데이터
│   │   └── project4/           # 에너지 데이터
│   └── processed/              # 전처리/가공 데이터
│
├── src/
│   ├── config.py
│   ├── data_loader.py
│   ├── main.py                 # 메인 실행 파일
│   ├── utils.py
│   ├── analyzers/
│   │   ├── oee_analyzer.py
│   │   ├── quality_analyzer.py
│   │   ├── maintenance_analyzer.py
│   │   └── energy_analyzer.py
│   └── visualizers/
│
├── results/
│   ├── charts/                 # 시각화 결과
│   ├── data/                   # CSV 결과
│   └── reports/                # Markdown 리포트
│
├── requirements.txt
└── docs/

• 차트 이미지: results/charts/
• 분석 데이터: results/data/
• 리포트: results/reports/

예시 이미지:

필수 파일

• p1_equipment.csv
• p1_production_log.csv
• p1_downtime_log.csv

예시:

equipment_id,equipment_name,line_id,rated_capacity
1,설비A,1,100
2,설비B,1,120

timestamp,equipment_id,product_id,quantity,production_time
2024-01-01 09:00,1,101,50,120

date,equipment_id,downtime_reason,duration_minutes,downtime_type
2024-01-01,1,부품 교체,15,계획정지

필수 파일

• p2_product_spec.csv
• p2_inspection_log.csv

예시:

product_id,parameter,lower_spec,upper_spec,unit
101,길이,95,105,mm
101,두께,4.8,5.2,mm

timestamp,product_id,parameter,measured_value,result
2024-01-01 10:00,101,길이,100.2,Pass

필수 파일

• p3_equipment.csv
• p3_sensor_log.csv
• p3_maintenance_log.csv

예시:

timestamp,equipment_id,temperature_celsius,vibration_mms,motor_current_amps
2024-01-01 08:00,1,65.3,4.5,15.2

필수 파일

• p4_energy_log.csv
• p4_tariff.csv

예시:

timestamp,equipment_id,power_kw,production_quantity
2024-01-01 09:00,1,5.2,100

• 인코딩: UTF-8
• 파일명: pX_*.csv
• 날짜 형식: YYYY-MM-DD HH:MM:SS
• 숫자 형식: 소수점 . 사용
• 결측치 / 이상치 사전 점검 권장

cd integrated_project
python --version
pip install -r requirements.txt

ls -la data/raw/

# Windows
chcp 65001
python src/main.py

# Mac / Linux
python src/main.py

실행 후 아래 경로에 결과가 생성됩니다.

• results/charts/
• results/data/
• results/reports/

src/config.py

QUALITY_CPK_THRESHOLD = 1.33
MAINTENANCE_HEALTH_THRESHOLD = 70
ENERGY_TARGET_UNIT = 0.50

OUTPUT_CHART_DIR = "results/charts/"
OUTPUT_DATA_DIR = "results/data/"
OUTPUT_REPORT_DIR = "results/reports/"

FONT_NAME = "Malgun Gothic"
DPI = 100

• Language: Python 3.8+
• Libraries: pandas, numpy, scipy, matplotlib, seaborn
• Output: CSV, PNG, Markdown

• 모듈 분리 구조: OEE, 품질, 예지보전, 에너지 분석을 독립 모듈로 구성
• 재사용 가능한 분석 구조: 로딩, 분석, 시각화, 저장 단계 분리
• 시각화 중심 결과 전달: 현업 해석에 적합한 대시보드 및 차트 구성
• 통합 관점 분석: 개별 지표가 아닌 공장 전체 상태를 함께 해석할 수 있도록 설계

• 병목 설비 및 손실 요인 빠른 식별
• 품질 저하 및 이상 징후 조기 대응
• 에너지 낭비 구간 파악
• 데이터 기반 운영 개선 지원

• Streamlit 기반 실시간 대시보드 구축
• 이상 탐지 머신러닝 모델 추가
• 웹 기반 리포트 자동화
• 실시간 데이터 연동
• 클라우드 배포

• 분석 모듈: 4개
• 차트 종류: 8종 이상
• 결과 산출물: PNG, CSV, Markdown
• 평균 분석 시간: 약 1~2분

스마트팩토리 데이터를 OEE, 품질, 예지보전, 에너지 관점에서 통합 분석하고, 이를 대시보드와 리포트로 시각화한 데이터 분석 포트폴리오 프로젝트입니다.