제조 / 산업용 장비
Hyster-Yale Materials Handling: 지게차 조립 과정의 부품 장착과 작업 단계 누락 검사
- 기업
- Hyster-Yale Materials Handling
- 국가
- 미국
- 도입 상태
- 운영
- 자료 공개
- 날짜 기준
- 자료 발표 시점. 도입 시작일과 다를 수 있음
- 근거 확인 방법
- 원문 본문 열람
업무 문제
Hyster-Yale Materials Handling은 지게차를 만드는 과정에서 모든 부품이 설치되고 필요한 조립 단계가 끝났는지 확인해야 했다. NTT DATA의 공식 자료는 제품이 다음 단계로 넘어가거나 공장을 떠나기 전에 조립 중의 편차를 찾아 품질 문제를 처리하는 것을 이 적용의 목적으로 설명한다. 기존 방식보다 빠르게 현장에 적용하고 개선하는 것도 과제였다.
적용한 기술과 데이터
NTT DATA는 미국 켄터키주 Berea 공장의 핵심 조립 업무에 비전 센서와 현장 처리용 엣지 AI, 분석 기능을 결합했다. Archetype AI와 함께 조정한 피지컬 AI 모델이 센서로 관측한 조립 활동을 기대하는 생산 단계와 대조한다. 부품 장착 여부와 조립 단계 완료 여부를 확인하고 제품이 다음 단계로 이동하기 전에 편차를 표시한다. 연산을 공장 안에서 처리해 생산팀이 공장 출하 전에 문제를 파악하고 대응하도록 돕는다.
성과
NTT DATA는 초기 적용 결과 기존 기법으로 수개월 걸리던 배포 기간이 수주로 줄었다고 밝혔다. Hyster-Yale의 제조 혁신 책임자는 이 협업이 생산팀의 품질 기준 유지와 제품 신뢰성 확보를 돕는다고 설명했다. 실제 생산 공장의 조립 흐름에 품질 확인을 넣은 사례이며, 다른 공장으로의 확대는 원문에서 탐색 중인 과제로 구분했다.
한계와 남은 과제
불량 검출 정확도, 불량률 감소 폭, 비용 절감액은 공개되지 않았다. 확인한 적용 범위는 Berea 공장의 특정 조립 업무이며 전 세계 공장에 배포됐다는 근거는 없다.
출처
공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.